RecherchearXiv cs.RO 28 octobre 2026

Une main humanoïde dextérique entièrement articulée, dotée d'une structure articulaire de niveau humain grâce à un actionnement par liaisons

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent sur arXiv (2610.36789) la Torch-Hand, une main humanoïde dextre entièrement articulée, qui reproduit la structure articulaire et la hiérarchie de mouvement de la main humaine avec 21 degrés de liberté (DOF). Le pouce en compte cinq, dont un mouvement multi-axes au niveau de l'articulation carpo-métacarpienne (CMC) qui permet une large opposition et une orientation souple du contact par rapport aux autres doigts. Chacun des quatre autres doigts en compte quatre. Contrairement aux mains à tendons ou hybrides, la transmission est entièrement à bielles et leviers, avec un actionnement par vis-bielle (screw-linkage). Tous les actionneurs sont logés dans la paume, dans une configuration proche d'un robot sériel. Les auteurs annoncent une force de préhension élevée et une charge utile importante dans un format anthropomorphe compact. Ils ont testé l'espace de travail atteignable, les trajectoires coordonnées des bouts de doigts, l'opposition du pouce, la couverture de la taxonomie de 33 prises, la force de préhension, la charge utile et des tâches de manipulation. L'article ne donne ni chiffres de force ni de charge dans son résumé.

Cette conception s'attaque à un compromis classique des mains humanoïdes : plus la cinématique se rapproche de la main humaine, plus la robustesse, la capacité de charge et la simplicité de commande se dégradent. Les mains à tendons offrent la compacité et la souplesse, mais elles souffrent d'usure, de frottements, de variations de tension et de couplages entre articulations qui compliquent la commande. Une transmission rigide par bielles vise une correspondance directe entre le mouvement du moteur et celui de l'articulation. Les DOF fonctionnels sont alors découplés mécaniquement, et ils peuvent être recouplés par logiciel pour des mouvements coordonnés. Pour les politiques d'apprentissage (VLA, apprentissage par imitation, sim-to-real), une cinématique lisible et prévisible simplifie la collecte de données et le transfert. Pour un intégrateur, un tel matériel pourrait réduire la maintenance par rapport aux tendons. Il faut toutefois rester prudent : il s'agit d'une préimpression de laboratoire, sans données de fiabilité, de durée de vie, de coût, de masse ni de comportement en conditions industrielles.

Ce travail s'inscrit dans une course où les mains sont devenues le principal goulet d'étranglement des humanoïdes. Les mains les plus abouties annoncées à ce jour, comme celles des Optimus de Tesla, de Figure ou des Shadow Hand, ont toutes dû arbitrer entre nombre de DOF, robustesse et complexité. Elles recourent souvent à des tendons, à des actionneurs déportés dans l'avant-bras ou à des couplages mécaniques qui réduisent l'indépendance des articulations. La Torch-Hand propose de ne rien sacrifier sur la cinématique, au prix d'une mécanique plus dense dans la paume. Les prochaines étapes à surveiller sont la publication de mesures chiffrées comparables (force, charge, répétabilité), des essais d'endurance et une intégration sur un bras ou un humanoïde complet avec des politiques apprises.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

PHD-Hand : une main humanoïde dextérique imprimable, aux doigts à liaisons mécaniques à 3 DOA

Des chercheurs présentent PHD-Hand, une main humanoïde dextre entièrement entraînée par liaisons mécaniques (linkage-driven), dont chaque doigt dispose de trois degrés d'actionnement (DOA, c'est-à-dire trois moteurs indépendants par doigt). Le concept repose sur une charnière flexible (flexure hinge) d'un type nouveau, associée à des tiges d'entraînement élastiques en acier à ressort, ce qui simplifie nettement la chaîne cinématique. Contrairement aux autres mains à liaisons de dextérité comparable, elle ne demande pas une multitude de pièces mobiles miniatures et peut être fabriquée sur une imprimante 3D d'entrée de gamme. Un prototype a été évalué en préhension et en manipulation d'objets, et l'article publié sur arXiv (v1) détaille aussi des résultats sur la cinématique et la commande. Les performances chiffrées (force de serrage, taux de réussite, durabilité, coût de fabrication) ne figurent pas dans le résumé, et il s'agit à ce stade d'un prototype académique, sans déploiement ni produit commercial. L'enjeu est l'un des goulets d'étranglement les plus cités de la robotique généraliste : la main dextre est considérée comme le dernier verrou matériel avant que des humanoïdes puissent assister des personnes à domicile ou au travail. Les mains à tendons, dominantes aujourd'hui, souffrent de coûts élevés, d'une maintenance lourde, d'une fiabilité limitée et d'une durée de vie courte, ce qui pèse directement sur le coût total de possession pour un intégrateur ou un industriel. Une architecture à liaisons imprimable en 3D, si elle tient ses promesses, abaisserait la barrière d'entrée pour les laboratoires et les petites équipes, et permettrait de dimensionner la main au plus près d'une main humaine, un critère clé pour réutiliser des outils et des données de téléopération conçus pour l'humain. Il faut toutefois rester prudent : l'imprimé à budget réduit pose des questions de précision, de rigidité et de tenue en cycles longs, que le prototype n'a pas encore démontrées à l'échelle. Ce travail s'inscrit dans un mouvement plus large où les concepteurs cherchent des alternatives aux tendons, après des années dominées par des mains très complexes et coûteuses, souvent difficiles à maintenir. Les auteurs soulignent que très peu de travaux avaient réussi une main entièrement à liaisons avec au moins trois DOA par doigt sans compromis sur l'emplacement des actionneurs. PHD-Hand se positionne donc comme une option ouverte et reproductible face aux mains propriétaires des grands programmes humanoïdes. La suite logique serait des essais de durabilité, des mesures de force comparées à des mains à tendons, et une intégration sur un bras ou un humanoïde complet, étapes qui conditionneront son passage du banc d'essai à des usages industriels.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Vers une manipulation dextérique à haut degré de liberté grâce au post-entraînement VLA

Un article de recherche publié sur arXiv (référence 2609.19666v1) présente un pipeline de post-entraînement en quatre étapes pour adapter des modèles vision-langage-action (VLA) génériques au pilotage de mains robotiques à haut degré de liberté (DOF). Les auteurs identifient trois obstacles récurrents : les VLA open source ne proposent pas nativement d'interface de commande pour les mains dextres à nombreux DOF, les changements de geste lors des reprises en main supervisées par méthode DAgger provoquent des discontinuités qui contaminent les trajectoires correctives, et l'apprentissage par renforcement dans l'espace articulaire brut reste peu efficace en nombre d'échantillons. Leur solution combine un codec temporel appris pour les commandes de main, un ajustement supervisé, du DAgger et de l'apprentissage par renforcement résiduel mené directement en conditions réelles. Testé sur cinq tâches distinctes (transfert bimanuel, réorientation d'objet en main, manipulation d'outils), le pipeline atteint 100% de réussite sur chacune, à raison de 20 essais par tâche, dans le budget de post-entraînement défini par l'étude. Ce résultat cible un problème central pour l'industrie robotique : les modèles VLA fondation, entraînés sur de larges corpus multi-tâches et multi-robots, généralisent bien en démonstration mais échouent souvent une fois transposés à un bras ou une main spécifique, faute de pipeline d'adaptation fiable. En proposant une méthode reproductible pour combler cet écart, l'étude s'adresse aux intégrateurs et fabricants cherchant à déployer des mains dextres à haut DOF, un segment pénalisé jusqu'ici par l'absence d'interfaces standard entre VLA et actionneurs complexes. Le chiffre de 100% de réussite doit être lu avec prudence : il porte sur seulement 20 essais par tâche et cinq tâches choisies par les auteurs, format d'évaluation classique en recherche mais loin des volumes et de la variabilité d'un déploiement industriel réel. Le travail illustre néanmoins un déplacement du goulot d'étranglement du secteur, de l'apprentissage brut de politiques vers l'ingénierie du post-entraînement, étape encore largement artisanale chez la plupart des laboratoires publiant des VLA génériques. Cette contribution s'inscrit dans la vague de modèles VLA fondation entraînés par imitation sur des données robotiques hétérogènes, une approche portée par plusieurs laboratoires et start-up de la robotique humanoïde qui publient des politiques génériques avant de devoir les spécialiser pour chaque plateforme cliente, étape que peu détaillent publiquement. L'article ne précise ni l'identité des auteurs ni le VLA de base utilisé, ce qui en fait à ce stade une contribution académique plutôt qu'une annonce produit ou un déploiement commercial. Sa valeur tient à la méthode elle-même : une recette générique, potentiellement réutilisable par d'autres équipes travaillant sur des mains à haut DOF, pour transformer un modèle généraliste en politique fiable sur une tâche et un robot donnés. Aucun calendrier de pilote industriel ni de partenariat n'est mentionné dans la publication, qui demeure pour l'instant un résultat de laboratoire.

RechercheOpinion

1 source

3arXiv cs.RO

Une main à cinq doigts actionnée par tendons, dotée d'une perception tactile distribuée pour la manipulation dextérique

Des chercheurs ont publié en août 2026 sur arXiv (référence 2608.25547v1) une nouvelle conception de main robotique à cinq doigts actionnée par tendons, dotée d'une perception tactile distribuée. La structure adopte une architecture hybride souple-rigide, pensée pour combiner compliance mécanique et force opérationnelle suffisante pour manipuler des objets. Des capteurs tactiles à double modalité sont répartis sur les phalanges distales et médianes des cinq doigts, permettant de détecter simultanément le contact statique et les variations de force dynamique lors d'une prise. Les auteurs ont validé le système par une série de manipulations : gestes de comptage sur les doigts, pincement pouce-index, saisie d'objets variés, et un enregistrement tactile lors de la préhension d'une bouteille. Ces expériences visent à démontrer la faisabilité d'un couplage étroit entre actionnement et perception au sein d'une même main robotique. Pour l'industrie robotique, la main reste le goulot d'étranglement le plus critique des robots humanoïdes : la dextérité fine et le retour tactile conditionnent la capacité d'un système à manipuler des objets imprévus, un prérequis pour toute application logistique ou domestique au-delà des démonstrations scénarisées. En couvrant l'ensemble des cinq doigts avec des capteurs tactiles doubles plutôt que quelques points de contact isolés, cette approche répond à une limite souvent pointée par les intégrateurs : la plupart des mains commerciales actuelles restent tactilement pauvres, ce qui cantonne des modèles vision-langage-action comme Pi-0 ou Helix à une perception essentiellement visuelle. Un retour de force distribué et fiable est une brique nécessaire pour fermer la boucle entre perception et contrôle fin, condition souvent citée pour réduire l'écart persistant entre démonstrations vidéo soignées et manipulation réelle robuste. La course aux mains dextres s'est intensifiée ces deux dernières années à mesure que les plateformes humanoïdes elles-mêmes progressaient : Tesla travaille sur la main d'Optimus, Figure a itéré sur ses propres designs entre Figure 02 et Figure 03, tandis que des acteurs spécialisés comme Shadow Robot, PSYONIC ou Sanctuary AI développent depuis plusieurs années des mains à forte densité de capteurs. Ce travail reste à ce stade une publication de recherche académique, sans nom d'entreprise ni de produit associé, et sans partenariat industriel ou calendrier de déploiement annoncé : il s'agit d'une preuve de concept en laboratoire, pas d'un système prêt à l'intégration commerciale. Sa contribution s'inscrit néanmoins dans une tendance de fond du secteur, où la perception tactile distribuée devient un axe de différenciation aussi disputé que la dextérité mécanique elle-même, avec pour prochaine étape probable l'intégration de ce type de main sur un bras ou un torse humanoïde complet pour des essais de manipulation en conditions réelles.

RecherchePaper

1 source

4arXiv cs.RO

Dex-One2Many : apprendre la manipulation dextérique à partir d'une seule démonstration humaine

Des chercheurs présentent Dex-One2Many, un cadre « real-to-sim-to-real » qui apprend une politique de manipulation dextre généralisable à partir d'une seule vidéo de démonstration humaine. Le système convertit la vidéo en une séquence de graphes de scène, c'est-à-dire des représentations des relations entre la main, les outils et les objets à chaque étape de la tâche. Ces graphes servent à deux choses : ils contraignent la génération d'états de réinitialisation variés en simulation, et ils fournissent une récompense dense pour chaque étape. L'entraînement par apprentissage par renforcement (RL) se fait entièrement en simulation, puis la politique est transférée sans réglage supplémentaire (zero-shot) vers une main robotique multi-doigts réelle. Sur cinq tâches d'usage d'outils et de manipulation, la méthode dépasse les approches de référence de 6,5 % dans les configurations vues pendant la démonstration, et l'écart atteint 71 % dans les scénarios non vus. Ce travail s'attaque à un compromis bien identifié. Beaucoup de méthodes actuelles d'apprentissage à partir d'une vidéo humaine imitent strictement les mouvements montrés, ce qui limite leur généralisation à des positions initiales d'objet, des positions cibles ou des prises absentes de la vidéo. À l'inverse, le RL pur généralise largement, mais explore mal les espaces de grande dimension d'une main dextre sur des tâches à plusieurs étapes. En contraignant des relations plutôt que des poses exactes, les graphes de scène couvrent des configurations et des prises au-delà de la démonstration, tout en gardant l'exploration courte et guidée. Le gain modeste en configurations connues contre un écart de 71 % hors distribution suggère que la valeur de l'approche tient surtout à la robustesse. Cela compte pour les intégrateurs, car la collecte de démonstrations robotiques reste coûteuse. Il faut toutefois rester prudent : il s'agit d'un préprint (arXiv, v1) sans relecture par les pairs. Le résumé ne précise ni les baselines, ni le matériel, ni le nombre d'essais réels, et cinq tâches de laboratoire ne disent rien de la fiabilité en production. Le contexte est celui d'une course à la dextérité qui mobilise à la fois la recherche académique et les acteurs industriels des mains humanoïdes. Deux grandes familles s'y opposent : l'imitation à partir de vidéos humaines, qui réduit le coût des données mais généralise mal, et le RL en simulation, qui généralise mieux mais exige un important travail de conception de la récompense et de l'exploration. Dex-One2Many se place entre les deux, en utilisant la structure symbolique de la scène comme prior. Aucun pilote industriel, délai de commercialisation ou code publié n'est mentionné dans le résumé. La suite logique serait des évaluations sur davantage de tâches, de mains et de scènes encombrées, ainsi qu'une comparaison avec les modèles vision-langage-action (VLA) généralistes, qui visent la même promesse d'apprentissage à partir de peu de données.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source