Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

Sur un sol instable : caractériser les effets d'une base non rigide en manipulation mobile

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Une étude publiée sur arXiv (2610.36725) quantifie un problème rarement mesuré en manipulation mobile : l'effet d'une base non rigide sur l'exécution de tâches de contact. Les auteurs ont combiné une simulation exploratoire et des essais sur deux bancs d'essai à roues, légers et non motorisés, avec un cas d'usage de ponçage. Ils ont mesuré ensemble la force de contact, le mouvement de l'outil et les vibrations de la base. Avec une faible résistance entre la base et le sol, seuls 54 à 70 % d'une consigne de 100 N étaient réellement appliqués, et les erreurs de position du point central de l'outil (TCP) atteignaient 100 mm. Le contact restait pourtant établi tout au long de l'opération, ce qui masque l'écart. Quand la résistance base-sol était augmentée pendant le contact, la force réalisée s'améliorait et la dérive de l'outil s'arrêtait. Les vibrations de la base ne variaient pas de façon cohérente avec l'erreur de suivi de force dans les conditions testées.

L'enjeu concerne directement les intégrateurs et les décideurs qui envisagent un manipulateur mobile pour le ponçage, le polissage, le perçage ou l'assemblage, sur des pièces trop grandes pour un robot fixe. Les démonstrations se jugent souvent sur le fait que l'outil touche la pièce. Ici, un contact maintenu cohabite avec une force délivrée inférieure d'un tiers à près de la moitié à la consigne, soit un écart qui peut ruiner une finition de surface. Le résultat suggère aussi que la vibration, indicateur facile à instrumenter, ne suffit pas à diagnostiquer la qualité du contact. Il faut croiser force, mouvement et vibration. Pour la conception, le levier se situe autant dans l'ancrage ou le freinage de la base pendant la tâche que dans l'algorithme de commande du bras. Cela pèse sur le choix entre une plateforme légère et mobile et une base lourde ou stabilisée.

Les limites sont nettes. Le travail est un cas d'étude sur deux bancs légers et non motorisés, pas sur des plateformes industrielles. Il propose une caractérisation, pas une solution de commande validée. Il s'inscrit dans les efforts sur la manipulation mobile en contact, où les politiques d'apprentissage de type VLA (vision-langage-action) et les humanoïdes restent surtout évalués sur des tâches de préhension sans effort soutenu. Les suites logiques seraient des essais sur des bases motorisées ou industrielles, et des stratégies de commande intégrant la compliance de la base. Aucun calendrier de déploiement n'est annoncé.

Dans nos dossiers

IA physique & VLAarXiv cs.RO

À lire aussi

FOMI : une interface de manipulation à retour d'effort pour enseigner les tâches riches en contacts
1arXiv cs.RO 

FOMI : une interface de manipulation à retour d'effort pour enseigner les tâches riches en contacts

Des chercheurs présentent FOMI, une interface de manipulation à retour d'effort destinée à la collecte de démonstrations humaines pour l'apprentissage de politiques robotiques. Le dispositif, publié sur arXiv, repose sur un mécanisme en forme de ciseaux qui transmet directement aux mains de l'opérateur les forces d'interaction avec l'objet, via des liens d'actionnement, sans capteur de force. Autour de cette interface, l'équipe a construit un système complet de collecte intégrant calibration des capteurs, acquisition des données et synchronisation, utilisable sans robot. En associant les variations de pose et l'ouverture de la pince de FOMI aux poses de l'effecteur et aux commandes de préhension du robot, le même système sert aussi à la téléopération. Sur quatre tâches riches en contacts, FOMI améliore l'efficacité de collecte d'environ 29 % en mode sans robot et 18 % en téléopération, par rapport aux meilleures références testées. Les politiques entraînées sur ces démonstrations réalisent des tâches de manipulation difficiles avec des taux de réussite annoncés comme élevés, sans que le résumé en donne les valeurs chiffrées. L'enjeu touche un goulot d'étranglement du secteur: la qualité et le coût des données de démonstration. Les interfaces portables sans robot, dans la lignée de ce que l'on a vu avec les pinces de collecte à main, permettent de passer à l'échelle sans mobiliser de bras robotisés, mais elles privent l'opérateur de sensation tactile. Or l'insertion, le serrage ou l'assemblage exigent des ajustements en temps réel guidés par l'effort. Faire ressentir ces forces sans instrumenter l'outil de capteurs coûteux pourrait abaisser le prix des données pour les contacts riches, là où les politiques de type VLA restent les plus fragiles. Il faut toutefois relativiser: les gains de 18 à 29 % portent sur quatre tâches, face à des références non détaillées dans le résumé, et le mode de mesure de l'efficacité n'est pas précisé. Aucune donnée n'est fournie sur le nombre de démonstrations nécessaires, ni sur la robustesse hors laboratoire, ce qui laisse ouvert l'écart entre résultat académique et usage industriel. Ce travail s'inscrit dans la montée des approches de collecte découplées du robot, qui cherchent à contourner le coût de la téléopération classique, et dans le mouvement qui met le retour haptique au service de l'apprentissage par imitation. Il concurrence les interfaces portables passives et les dispositifs de téléopération à retour d'effort, plus lourds et plus chers. Il s'agit ici d'un prototype de recherche, ni produit commercialisé ni déploiement en usine, et aucun calendrier de diffusion ni code ouvert n'est mentionné dans le résumé. La suite logique consistera à valider le dispositif sur des tâches plus variées, avec d'autres morphologies de robots, et à mesurer son effet sur la généralisation des politiques apprises.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
2arXiv cs.RO 

CARD : ancrage sur les contacts pour le retargeting en manipulation dextérique

Des chercheurs proposent CARD (Contact-Anchored Retargeting for Dexterous Manipulation), un cadre logiciel qui transfère des démonstrations humaines vers des mains robotiques en conservant les forces de contact visées, et pas seulement la cinématique des doigts. Le système fonctionne sans simulateur ni modèle d'objet. Il unifie trois sources de données, la vidéo, la capture de mouvement et les gants tactiles, via une représentation commune main-contact, et produit des cibles de force explicites en plus des trajectoires articulaires. Pour rejouer ces forces en boucle ouverte sur du matériel réel, les auteurs ajoutent un contrôleur de suivi tactile. Pour la vidéo, qui ne contient aucune mesure tactile, ils introduisent Vid-HACO, un modèle d'estimation des contacts à partir d'images, présenté comme l'état de l'art. Sur les données vidéo, gants, capture de mouvement et le jeu GRAB, CARD maintient le contact sur 43 à 78 % des images où un contact existe. Les méthodes purement cinématiques tombent sous 10 %, et les méthodes qui exploitent un modèle d'objet atteignent 22,5 %. Intégrée à un retargeting basé sur la physique, la formulation fait passer le taux de réussite strict de 12 % à 32 % sur GRAB. L'enjeu est la qualité des données d'entraînement pour la manipulation dextre. La téléopération, l'enseignement cinesthésique et les exosquelettes obligent l'opérateur à agir à travers le corps du robot, ce qui bride son habileté et plafonne la qualité des démonstrations collectées. Le retargeting depuis des mains nues lève ce goulot, mais les approches actuelles perdent l'information qui décide de la réussite d'une saisie ou d'une insertion, à savoir l'intensité et la localisation des appuis. Si ces résultats se confirment, la vidéo humaine, abondante et peu coûteuse, deviendrait une source exploitable pour des politiques de type VLA (vision-langage-action) sur mains à plusieurs doigts. Les intégrateurs y gagneraient une voie de collecte moins dépendante de parcs de téléopération. Les chiffres appellent toutefois de la prudence. Un contact maintenu sur 43 à 78 % des images reste loin d'une fiabilité industrielle. Un taux de réussite strict de 32 % sur un benchmark académique, même multiplié par plus de deux, ne dit rien d'une cadence de production. La validation matérielle repose sur un rejeu en boucle ouverte de démonstrations, et non sur une politique apprise tournant en autonomie. Ce travail s'inscrit dans la course aux données pour mains dextres, où cohabitent la téléopération à grande échelle, les gants instrumentés et l'apprentissage depuis la vidéo humaine, que poursuivent notamment les équipes humanoïdes et les laboratoires académiques. Le point de départ de CARD est que la plupart des méthodes de retargeting, cinématiques ou guidées par les objets, ignorent la dynamique de contact réelle. Il s'agit d'une prépublication arXiv, sans relecture par les pairs, sans produit ni calendrier de déploiement annoncés, et sans acteur industriel identifié. La suite logique serait de brancher CARD sur l'entraînement de politiques en boucle fermée, de tester des mains et des capteurs tactiles plus variés, et de mesurer la robustesse de Vid-HACO sur des vidéos non contrôlées.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
RLMM-Flow : un cadre de manipulation mobile basé sur les flux avec apprentissage par renforcement en espace latent
3arXiv cs.RO 

RLMM-Flow : un cadre de manipulation mobile basé sur les flux avec apprentissage par renforcement en espace latent

Découpler flux génératif et apprentissage par renforcement, c'est l'angle d'un nouveau papier arXiv (2607.26460v1) publié fin juillet 2026 sur la manipulation mobile robotique. L'équipe présente RLMM-Flow, un framework qui combine une politique générative par flux (flow-based policy), pré-entraînée par imitation sur des démonstrations d'experts, avec une phase de renforcement post-entraînement menée dans l'espace latent. Concrètement, la politique de flux capture d'abord un a priori de mouvement multimodal du corps entier à partir des démonstrations, puis elle est gelée pendant qu'un réseau de pilotage latent réoriente le bruit initial vers des séquences d'actions à plus forte valeur. Pour stabiliser cette optimisation en haute dimension, les auteurs font chauffer un critique dans l'espace des actions avant d'entraîner conjointement le critique et l'acteur latents, avec un pilotage latent progressif, du grossier au fin, qui étend le contrôle d'une représentation latente partagée sur l'horizon temporel vers une représentation résiduelle complète. Sur des benchmarks de planification de mouvement pour la manipulation mobile, RLMM-Flow améliore nettement le taux de réussite des tâches, l'évitement de collision et la qualité des trajectoires par rapport aux politiques de flux entraînées uniquement par imitation, tout en conservant une inférence rapide. L'enjeu dépasse la seule performance benchmark: il touche à une limite bien identifiée des politiques génératives de type flow-matching ou diffusion, aujourd'hui standard pour piloter des robots manipulateurs, à savoir que l'imitation pure plafonne à la qualité des démonstrations, sans possibilité de dépasser ce plafond. En montrant qu'un renforcement post-entraînement dans l'espace latent, plutôt que dans l'espace des actions brutes, peut pousser la politique au-delà de cette distribution tout en préservant la vitesse d'inférence, RLMM-Flow répond à une préoccupation centrale des intégrateurs qui cherchent à fiabiliser des politiques VLA pour la manipulation mobile en environnement contraint, où il faut satisfaire simultanément l'atteinte d'objectifs, l'évitement d'obstacles, la cinématique de la base et les limites articulaires du bras. Le travail se positionne explicitement face à deux familles existantes: les politiques de flux entraînées uniquement par imitation, et les baselines de renforcement post-entraînement déjà proposées pour ce type de politiques génératives. Il s'agit à ce stade d'un travail de recherche évalué sur des benchmarks de planification de mouvement en simulation, sans validation annoncée sur robot physique ni déploiement industriel, aucun acteur commercial ni site de déploiement n'étant mentionné dans l'abstract.

RecherchePaper
1 source
AeRSoM : un manipulateur aérien hybride rigide-souple pour la manipulation à contacts multiples
4arXiv cs.RO 

AeRSoM : un manipulateur aérien hybride rigide-souple pour la manipulation à contacts multiples

Une publication arXiv (référence 2609.28044v1) décrit AeRSoM, un robot aérien manipulateur combinant rigidité et souplesse pour la manipulation en contact riche. Le système associe une plateforme volante entièrement actionnée, un bras hybride rigide-souple et un mécanisme de raideur variable qui repartit la compliance dans toute la structure, afin d'absorber passivement les chocs sans sacrifier la précision. Un cadre de contrôle composite assure le suivi de trajectoire de l'effecteur terminal malgré les incertitudes et perturbations extérieures. Les expériences en conditions réelles portent sur quatre taches représentatives : saisie dynamique de lignes électriques, interaction physique avec une pale d'éolienne, insertion peg-in-hole et opérations de vissage. Les auteurs rapportent une robustesse et une adaptabilité accrues face au contact, sans perte de précision de manipulation. L'enjeu vise un problème connu des concepteurs de drones manipulateurs : les forces de contact se transmettent directement a la plateforme et la déstabilisent, ce qui cantonne en général les manipulateurs aériens a des taches sans contact ou peu précises. Les bras souples réduisent ce risque mais perdent en exactitude, ce qui empêchait jusqu'ici des opérations fines comme le vissage ou l'insertion serrée. En distribuant la compliance dans la conception mécanique elle-même plutôt que dans le seul contrôle logiciel, cette approche cherche a lever ce compromis. Pour les intégrateurs d'inspection et de maintenance aérienne, sur lignes haute tension ou parcs éoliens, cela ouvre une voie vers une interaction physique réelle avec les infrastructures, au-delà de la simple observation ou du transport de charge. Ce travail s'inscrit dans la recherche académique sur la manipulation aérienne, un domaine ou les systèmes existants privilégient généralement soit des bras rigides précis mais fragiles au contact, soit des mécanismes souples ou a câbles plus surs mais moins exacts. AeRSoM se positionne comme une alternative intermédiaire fondée sur une répartition mécanique de la compliance plutôt que sur un seul point flexible. Classee comme nouvelle soumission arXiv, l'étude reste a un stade expérimental : les essais ont été menés en conditions contrôlées, sans annonce de partenariat industriel, de calendrier de déploiement ni de produit commercial. Les auteurs présentent leur architecture comme une piste de conception pour renforcer la sécurité et la polyvalence des futurs robots aériens manipulateurs, sans indiquer de suite prévue au-delà de cette publication scientifique.

RecherchePaper
1 source