RecherchearXiv cs.RO 21 octobre 2026

Conception et commande d'un robot multimodal terrestre-aérien à pattes via des métriques de contraction de commande séparées

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent sur arXiv le design et le contrôle d'un robot quadrupède multimodal, capable à la fois de marcher et de voler. La plateforme combine une locomotion à pattes dynamique et une mobilité aérienne grâce à des propulseurs (thrusters). Elle permet une configuration encore peu explorée, la marche assistée par poussée, où les propulseurs allègent la charge sur les pattes pendant un trot. Côté commande, l'équipe cherche hors ligne deux métriques de contraction distinctes (Control Contraction Metrics, ou CCM), l'une pour la marche et l'autre pour le vol. Elle les fusionne ensuite en ligne grâce à un programme quadratique à fonction de Lyapunov de commande (CLF QP) fondé sur l'énergie, qui répartit l'effort entre pattes et propulseurs. L'allocation inter-domaines est démontrée uniquement en simulation. Sur le matériel réel, les essais valident la viabilité mécanique du châssis et le trot assisté par propulseurs, avec des expériences décrites comme stables. Le résumé ne donne aucun chiffre sur la charge utile, le nombre de degrés de liberté, l'autonomie ou le temps de vol.

L'intérêt tient à la méthode de contrôle plus qu'au robot. Les systèmes hybrides pattes-air achoppent sur des exigences contradictoires: répartition de la masse, actionnement léger pour le vol et couple élevé pour la marche. Les contrôleurs sont donc souvent conçus séparément, avec des transitions fragiles. Ici, la synthèse indépendante de chaque domaine, puis leur unification en ligne, évite de résoudre un problème non linéaire unique et monolithique, au prix d'une stabilité garantie par domaine. Pour les décideurs industriels, il faut toutefois rester prudent. La preuve reste partielle: la commande multimodale complète n'est pas validée sur matériel, et le vol y est surtout simulé. Aucun scénario d'usage (inspection, recherche et sauvetage, terrains accidentés) n'est chiffré. Il s'agit d'un résultat de laboratoire, loin d'un produit ou d'un pilote.

Ce travail s'inscrit dans une lignée de robots hybrides. Le LEO de Caltech combine bipède et propulseurs, tandis que plusieurs travaux de drones à pattes ou à roues explorent la même idée. Les quadrupèdes commerciaux comme ceux de Boston Dynamics, ANYbotics ou Unitree restent purement terrestres, et aucun acteur industriel n'a lancé de plateforme pattes-air. Les CCM, issues de la théorie de la contraction, offrent une alternative aux approches par apprentissage par renforcement, dominantes pour la locomotion, avec des garanties de stabilité plus explicites. Les suites logiques seront le déploiement du cadre unifié sur le prototype, des transitions marche-vol en conditions réelles et une mesure de l'efficacité énergétique, point critique pour toute application pratique.

Dans nos dossiers

Boston Dynamics Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

Robot DASH : conception minimaliste et locomotion aérienne-terrestre optimale via contrôle sous contraintes de contact

Des chercheurs présentent DASH (Ducted Aerial Spring Hopper), un robot hybride capable de se déplacer aussi bien au sol que dans les airs, avec une architecture mécanique volontairement minimaliste. Le design repose sur un module à hélices carénées coaxiales, qui assure le vol par vectorisation de poussée, combiné à une jambe ressort légère fixée sous le corps. Cette jambe permet des bonds au sol très efficaces énergétiquement grâce à la restitution d'énergie élastique, sans actionneur dédié supplémentaire. Pour gérer automatiquement le passage entre les deux modes de locomotion, vol et bond terrestre, l'équipe utilise un contrôleur prédictif à modèle (MPC) dit "contact-implicit", capable de décider seul quand et comment activer chaque mode selon le contexte. Les auteurs rapportent des validations sur plusieurs tâches: sauts périodiques au sol, vol aérien pur, et une locomotion dite "mode-free" où le robot alterne de façon autonome entre les deux régimes pour franchir des obstacles. Le papier a été publié sur arXiv (référence 2607.18527v1) comme nouvelle soumission. L'intérêt de DASH tient moins à la performance brute qu'à l'approche architecturale: la plupart des robots hybrides air-sol existants empilent des actionneurs séparés pour chaque mode, au prix du poids, de la complexité mécanique et de la consommation énergétique. En réutilisant les mêmes hélices carénées pour le vol et en couplant passivement une jambe ressort pour le sol, DASH cherche à prouver qu'un système mécaniquement minimal, piloté par un contrôleur suffisamment intelligent, peut remplacer la redondance d'actionneurs par de l'intelligence de commande. C'est un signal pertinent pour les concepteurs de drones d'inspection ou de robots de recherche-sauvetage, où l'autonomie énergétique et la légèreté priment sur la puissance brute de chaque mode pris isolément. Ce travail s'inscrit dans une lignée de recherches académiques sur la locomotion hybride multi-modale, un axe encore largement expérimental où plusieurs laboratoires explorent des combinaisons ailes/pattes ou hélices/pattes. Contrairement à un produit commercial, DASH reste à ce stade un prototype de recherche validé en tests contrôlés; l'abstract ne mentionne ni partenaire industriel ni feuille de route de déploiement, et les prochaines étapes attendues porteraient vraisemblablement sur des essais en environnements plus complexes et non structurés.

RecherchePaper

1 source

2arXiv cs.RO

Robots humanoïdes : une étude utilisateur compare perception et métriques techniques en interaction homme-robot multimodale

Une étude universitaire portant sur 24 participants montre qu'un gain de 15 points de pourcentage en taux de réussite d'une tâche de préhension d'objets, de 75% à 90%, est perceptible par les utilisateurs lors d'une interaction directe avec un robot. Le système de référence combine Whisper pour la reconnaissance vocale, Florence-2 pour la détection d'objets en vocabulaire ouvert, LLaMA 3.1 pour l'extraction d'actions, et un contrôleur logique flou de type 2 intervalle pour l'exécution des mouvements. La configuration améliorée conserve le même contrôleur mais remplace les modules de perception et de langage par Grounding DINO couplé à SAM et par Qwen 3.5 9B. Dans une étude en sujets répétés, où chaque participant a testé les deux configurations sur la même tâche de saisie d'objets sur table, 17 personnes sur 24 (70,83%) ont préféré le système amélioré, un résultat statistiquement significatif (test binomial exact, p = 0,043). Les trois critères perceptuels évalués sur une échelle de Likert à 7 points, la vitesse ressentie, la fiabilité et la compétence globale, ont tous été notés significativement plus haut pour la version améliorée, avec des tailles d'effet allant de grandes à très grandes après correction de Holm (p < 0,001). L'intérêt de ces travaux dépasse le simple constat qu'un meilleur système est mieux perçu. Ils répondent à une question moins triviale qu'il n'y paraît pour l'industrie robotique: un gain mesuré sur des benchmarks techniques se traduit-il réellement en une différence que l'utilisateur final ressent au contact du robot? Pour les intégrateurs et décideurs qui arbitrent entre plusieurs piles perception-langage-contrôle, souvent sur la seule foi de métriques de laboratoire, cette étude fournit une preuve empirique que l'amélioration des modules de vision et de compréhension du langage a un effet direct sur la confiance et l'acceptabilité perçues, indépendamment du contrôleur moteur qui reste inchangé. Le travail s'inscrit dans une lignée de recherches en interaction homme-robot qui cherche à combler l'écart entre évaluation par benchmark et évaluation centrée utilisateur, un point de friction classique entre recherche en robotique et déploiement réel. L'architecture testée illustre aussi l'évolution rapide des briques génériques mobilisées dans les pipelines de manipulation, passant de Florence-2 et LLaMA 3.1 à des modules plus récents comme Grounding DINO, SAM et Qwen 3.5 9B, sans toucher à la couche de contrôle bas niveau. Les auteurs appellent à systématiser ce type d'évaluation utilisateur en complément des ablations techniques classiques pour tout futur pipeline de manipulation robotique.

RecherchePaper

1 source

3arXiv cs.RO

GrandTour : un jeu de données de robotique à pattes en conditions réelles pour la perception multimodale et l'estimation d'état

Des chercheurs publient GrandTour, un jeu de données massif dédié à la perception multimodale et à l'estimation d'état pour robots quadrupèdes, disponible sur grand-tour.leggedrobotics.com au format HuggingFace (indépendant de ROS) ainsi qu'en formats ROS. La plateforme utilisée est un ANYmal-D d'ANYbotics équipé de la charge utile capteurs Boxi, combinant LiDAR rotatif, plusieurs caméras RGB aux caractéristiques complémentaires, capteurs proprioceptifs et caméras de profondeur stéréo, le tout synchronisé temporellement. Les données ont été collectées sur des sites très variés : environnements alpins, forêts, bâtiments démolis et zones urbaines, couvrant une large gamme d'échelles, de conditions d'éclairage et de météo. Point clé pour la fiabilité scientifique : les trajectoires de référence (ground truth) proviennent de GNSS RTK par satellite et d'une station totale Leica Geosystems, offrant une précision de localisation bien supérieure aux méthodes d'estimation embarquées classiques. Selon les auteurs, il s'agit du plus grand jeu de données en accès libre jamais publié pour la robotique à pattes. Ce type de ressource comble un manque criant dans la recherche en robotique légère : jusqu'ici, aucun jeu de données public à grande échelle ne permettait de développer et de comparer rigoureusement des algorithmes de SLAM, d'estimation d'état et de fusion de capteurs pour des quadrupèdes évoluant en conditions réelles, hors laboratoire. Pour les équipes travaillant sur la navigation autonome de robots à pattes, en particulier dans des environnements non structurés (chantiers, sites industriels accidentés, terrains extérieurs), GrandTour offre un benchmark commun et une vérité terrain de précision géodésique, rare dans ce domaine. C'est un signal que la communauté cherche à standardiser l'évaluation des systèmes de perception embarqués, plutôt que de se fier à des démonstrations isolées difficiles à reproduire. Le projet s'inscrit dans la lignée des travaux du Robotic Systems Lab, à l'origine de la plateforme ANYmal, aujourd'hui commercialisée par ANYbotics, acteur suisse reconnu de la robotique quadrupède industrielle aux côtés de Boston Dynamics (Spot) et Unitree. La publication constitue une mise à jour (version 3) d'un article déposé sur arXiv sous la référence 2602.18164. Les auteurs annoncent la mise à disposition d'outils et de ressources de démonstration pour faciliter l'adoption du jeu de données par la communauté SLAM et apprentissage multimodal, sans toutefois préciser de calendrier pour d'éventuelles extensions futures du corpus.

UECe jeu de données en accès libre, issu du Robotic Systems Lab (ETH Zurich) et d'ANYbotics (Suisse), constitue une ressource directement utile aux équipes de recherche françaises et européennes travaillant sur le SLAM et l'estimation d'état pour robots a pattes.

RecherchePaper

1 source

4arXiv cs.RO

Projection multimodale de l'activité vocale pour la médiation robotique sociale : comportement attendu et contraintes de déploiement

Une équipe de recherche présente, dans une preprint arXiv publiée en septembre 2026 (arXiv:2609.28317v1), un modèle baptise MM-VAP (Multimodal Voice Activity Projection), conçu comme une couche de perception pour des robots sociaux appelés a jouer un rôle de médiateur dans des interactions humain-humain plutôt que d'interlocuteur direct. Le système combine des encodeurs audio-visuels pré-entraines spécialisés dans l'activité vocale, une adaptation LoRA (low-rank adaptation) et un mécanisme d'attention inter-locuteurs pour estimer, a partir de flux audio et vidéo synchronises, l'évolution future du floor conversationnel, c'est-a-dire qui va parler, se taire ou intervenir. A partir de ces projections, le modèle infère en zero-shot des événements de tour de parole : maintien (Hold), changement de locuteur (Shift), anticipation de changement (Shift prédiction), anticipation de back-channel (signaux d'écoute active) et états de chevauchement de parole. Les auteurs testent l'approche sur trois corpus de dialogues filmes, NoXi, NoXi+J et Haru EDR, et rapportent des résultats juges encourageants notamment pour les événements de gestion du floor lies a la préparation du regard, a l'écoute active et a une intervention prudente du robot. Le papier propose également une interface de sortie destinée a un robot réel et discute des contraintes de déploiement : inférence temps réel, latence de pre-traitement, synchronisation multimodale et surveillance de la qualité des entrées. L'intérêt de ce travail dépasse le cas d'usage étroit du dialogue humain-robot classique : il s'attaque a un problème différent de la plupart des robots vocaux actuels, conçus pour répondre a un utilisateur, en visant des robots capables de se positionner dans une conversation entre deux ou plusieurs humains sans y participer directement, ce qui suppose de savoir quand ne pas parler, orienter le regard, attendre, éviter d'interrompre ou préparer une intervention équilibrée. Pour les intégrateurs et chercheurs en robotique sociale, cela déplace le curseur des métriques de reconnaissance vocale classiques vers une prédiction fine et anticipée de la dynamique conversationnelle, utile pour des robots de médiation, d'accueil ou d'assistance en groupe. Le travail rappelle aussi que la prédiction de tour de parole reste, a ce stade, un problème de recherche : les auteurs eux-mêmes cadrent leurs résultats comme un support de faisabilité et non comme une solution prête a déployer, et consacrent une part explicite du papier aux contraintes concrètes, latence, synchronisation, qualité des flux d'entrée, qui séparent un modèle valide hors ligne d'un système embarque fonctionnant en temps réel sur un robot physique. Ce travail s'inscrit dans la lignée des modèles dits VAP (Voice Activity Projection), une famille d'approches de prédiction du tour de parole issue de la recherche en traitement du dialogue parle, ici étendue au multimodal (audio et vidéo) et adaptée via LoRA pour réduire le cout d'entrainement par rapport a un reentrainement complet des encodeurs pré-entraines. Contrairement aux annonces de robots humanoïdes commerciaux structurées autour de la manipulation ou de la locomotion, ce papier se situe dans le champ plus restreint de la robotique sociale et de l'interaction humain-robot, publie comme une preprint académique sans mention de partenaire industriel, de robot physique spécifique ou de calendrier de déploiement. Les auteurs indiquent avoir défini une interface de sortie destinée a un robot réel, ce qui laisse présager une prochaine étape d'intégration et de test sur plateforme physique, mais aucun pilote ni échéance n'est précise a ce stade.

RecherchePaper

1 source