RechercheMIT News Robotics 4 novembre 2026

Rêver, construire, détruire, recommencer

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Le MIT Combat Robotics Club (CRC), fondé en 2001 et hébergé par l'Edgerton Center du MIT, fabrique des robots de combat et les engage dans la National Havoc Robot League (NHRL), avec une compétition environ tous les deux mois, dont des « house battles » organisées sur le campus. Relancé en 2023 avec de nouveaux membres et de nouveaux designs, le club a vu passer des machines connues des spectateurs de BattleBots, comme Uppercut, SawBlaze, the Dentist ou Overhaul. Son robot ARES, engagé dans la catégorie 30 livres (les autres catégories NHRL sont 3 et 12 livres), associe un spinner vertical dit « Beater Bar » à un système d'arme brushless compact à double courroie poly-V redondante, sur une transmission brushless à quatre roues motrices et un châssis en aluminium, titane et polyéthylène à ultra-haut poids moléculaire. Tête de série lors des championnats du monde NHRL 2025, ARES s'est incliné dans deux combats face à des adversaires dotés d'armes de même type, que son blindage, jugé insuffisamment développé par le capitaine Ryan Duarte, n'a pas supporté. Il a ensuite pris la deuxième place d'une compétition en avril et la troisième en octobre. Le club améliore parallèlement ARES et un second robot, KRATOS, tout en préparant une prochaine génération.

L'intérêt de ce cas dépasse l'anecdote étudiante. Le club est entièrement géré par les étudiants, ouvert à tous sans condition d'année, de filière ou d'expérience, et fonctionne en autoformation. Les participants y pratiquent la CAO, l'analyse par éléments finis, l'usinage CNC et le soudage, soit des compétences que les employeurs de la robotique réclament et que les cursus théoriques enseignent mal. Le combat de robots impose une boucle de conception très courte : un défaut d'armure ou de transmission est sanctionné en quelques secondes et se corrige avant l'événement suivant. Pour un intégrateur ou un recruteur, ce type de filière forme des ingénieurs habitués à concevoir sous contrainte de masse, de fiabilité et de délai, avec des pièces qui doivent survivre à des chocs violents, une exigence proche de celle des actionneurs et structures de robots mobiles industriels. Le club a accueilli 54 nouveaux membres cet automne, ce qui montre que l'attrait pour ce travail pratique reste fort.

Le CRC s'inscrit dans l'écosystème né de la télévision (BattleBots) et des ligues indépendantes comme la NHRL, dont les catégories de poids permettent à des équipes universitaires de concourir à coût maîtrisé. Les points de comparaison sont les autres clubs étudiants et les équipes locales qui se mesurent à lui lors des événements bimestriels. Le récit reste celui d'un club et non d'un produit : aucun chiffre de performance indépendant n'est fourni au-delà des classements. Les prochaines étapes sont connues : les nouveaux membres construisent par équipes de trois des robots « ant weight » de 1 livre dans le cadre de leur intégration, tandis que la capitaine 2026-27, Abi Dixon, prendra la suite de Ryan Duarte. Les modifications d'ARES et de KRATOS seront testées lors des prochaines compétitions NHRL.

À lire aussi

1Hackaday Robots Hacks

Construire un actionneur pour un robot marcheur

Le développeur amateur connu sous le pseudonyme Food for Robots a documenté la conception d'un actionneur compact destiné à un robot bipède, dans une vidéo récente. Contrairement aux muscles biologiques, les moteurs électriques ne permettent pas de répartir la force le long d'un membre : l'actionneur doit être logé directement au niveau de l'articulation, ce qui impose compacité et légèreté. L'objectif était d'atteindre 20 newtons-mètres de couple tout en restant rétro-entraînable (backdrivable). Une première version, largement imprimée en 3D avec un système d'entraînement à câble de type Capstan, cassait dès que le couple dépassait 10 Nm. La seconde itération a été usinée en aluminium, ce qui a permis de remplacer le Capstan par un réducteur planétaire logé au centre du stator, avec plusieurs étages de pignons empilés pour tenir dans les limites d'une petite fraiseuse CNC. Un aimant fixé à l'arrière du rotor sert au retour de position, lu par une carte de contrôle réutilisée du premier prototype. Lors des premiers essais, le couple plafonnait sous les 10 Nm malgré un stator deux fois plus épais ; l'augmentation du nombre de spires n'a rien changé, car elle avait réduit le nombre de fils utilisés et donc accru la résistance. C'est en relevant la limite de courant dans l'algorithme de commande vectorielle (field-oriented control) que les 20 Nm ont finalement été atteints. Ce projet illustre un goulot d'étranglement technique bien réel pour la robotique humanoïde et quadrupède à petite échelle : l'absence d'actionneurs linéaires compacts et puissants comparables aux muscles oblige les concepteurs à des compromis mécaniques (réducteurs, entraînement direct ou quasi-direct) coûteux en ingénierie. Pour les makers, laboratoires universitaires et petites équipes qui ne peuvent pas s'offrir des actionneurs propriétaires comme ceux d'Unitree ou des grands acteurs humanoïdes, ce genre de retour d'expérience open source, avec ses échecs documentés, apporte une valeur pratique directe et rappelle que le couple annoncé sur le papier ne dit rien des limites réelles de bobinage et de résistance. Ce travail s'inscrit dans une pratique de développement itératif en source ouverte, où l'auteur avait déjà publié un premier actionneur imprimé en 3D avant d'en tirer les leçons pour cette version usinée. Hackaday, qui relaie régulièrement ce type de projet, note qu'il s'agit d'un exemple parmi d'autres d'actionneurs quasi-à-entraînement-direct destinés aux robots marcheurs amateurs, aux côtés de builds similaires déjà couverts par le site. Aucun calendrier de production ni déploiement commercial n'est annoncé : il s'agit d'un projet de recherche personnelle, sans lien avec des acteurs industriels comme Figure, Tesla Optimus ou les laboratoires français Wandercraft et Pollen Robotics.

RechercheTuto

1 source

2Hackaday Robots Hacks

Construire une main robotique habile et peu coûteuse

Le créateur [Vittorio Lumare] a mis au point la « Yeah Hand », une main robotique à bas coût, majoritairement imprimée en 3D et animée par cinq servomoteurs. Comme une main humaine, elle ne loge aucun actionneur dans les doigts : le mouvement passe par des tendons en fil de pêche, guidés dans des gaines Bowden en PTFE qui réduisent la friction et limitent l'échauffement des moteurs. Lors des essais, la main a enchaîné 800 cycles d'ouverture et de fermeture sans approcher de la surchauffe. Elle peut soulever jusqu'à 8 kg et exerce une force de préhension maximale de 5 kg. Les doigts portent des inserts en silicone sur leur face interne pour tenir les objets lisses, et les pouces sont dotés d'ongles pour saisir les objets fins. Deux versions existent : une version robotique, livrée avec plusieurs brides de fixation et un pilote ROS, et une version de prothèse expérimentale, qui diffère surtout par le montage. Pour la piloter, Lumare a aussi construit un gant équipé de capteurs de flexion qui reproduit la position de sa propre main. Ce projet n'a rien d'une rupture technologique, mais il montre où se situe le vrai verrou de la main robotique : la dextérité plus que la force. Peu de tâches exigent l'ensemble des performances de la main humaine, à la fois précise, sensible et robuste. Une architecture à cinq moteurs déportés, des tendons bon marché et des pièces imprimées permettent déjà de couvrir une large gamme de préhensions pour un coût de nomenclature très inférieur à celui des mains dextres industrielles. Les chiffres annoncés restent toutefois à relativiser : 800 cycles représentent un test d'endurance modeste, loin des millions de cycles attendus en environnement industriel, et rien n'est dit sur l'usure des tendons en fil de pêche, la dérive de tension ou la perception tactile. Le pilote ROS est en revanche un atout concret pour les laboratoires et les intégrateurs qui veulent prototyper sans passer par des systèmes propriétaires. Le projet s'inscrit dans une vague de mains open source et abordables, destinée à un public de makers, d'universités et de développeurs de prothèses, par opposition aux mains à actionnement direct embarquées dans les humanoïdes commerciaux, plus complexes et plus coûteuses. La Yeah Hand reste un projet individuel, sans produit commercialisé ni calendrier de déploiement annoncé, et son passage à une version prothétique n'est présenté que comme expérimental. La suite dépendra de la publication de données plus détaillées sur la durabilité et la répétabilité, ainsi que de l'adoption par la communauté ROS.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Reconstruction tactile des repères de tâche de contact et des forces pour la commande hybride force/mouvement

Des chercheurs proposent une méthode pour estimer en ligne la force de contact et un repère de tâche (task frame) potentiellement variable dans le temps, uniquement à partir d'un capteur tactile optique souple, sans capteur force/couple monté sur le robot en fonctionnement. Le système associe une seule image de l'élastomère déformé à quatre grandeurs de contact observables : la profondeur d'indentation, deux angles d'inclinaison entre la surface et le capteur, et la force de contact 3D. Chaque échantillon s'accompagne d'une estimation d'incertitude. Cette correspondance est apprise par une procédure d'auto-étiquetage. Un manipulateur impose des contacts contrôlés, et un capteur force/couple auxiliaire fournit hors ligne les étiquettes de référence. La mesure tactile est ensuite fusionnée avec les données proprioceptives du robot dans un filtre de Kalman étendu (EKF), qui met à jour en continu le repère de contact et la force d'interaction. Les essais utilisent un capteur DigiTac monté sur un bras UR10. Ils montrent une régulation de force en boucle fermée contre une planche rigide plane, pendant que l'opérateur humain la déplace en translation et en rotation. Le toucher est alors la seule rétroaction extéroceptive. L'intérêt tient à la commande hybride force/mouvement, qui exige de connaître à la fois la force d'interaction et le repère définissant les directions asservies en force et celles asservies en mouvement. Ces grandeurs viennent aujourd'hui d'un capteur force/couple ou de résidus issus d'un modèle, avec souvent un modèle nominal de l'environnement. Ce dernier suppose une surface connue et fixe. Ici, le repère est reconstruit en direct, y compris quand la surface bouge, ce qui rapproche la méthode des tâches de contact réelles : polissage, ponçage, insertion ou assemblage sur des pièces mal positionnées. Le capteur force/couple n'intervient que pendant l'apprentissage, ce qui pourrait alléger le coût et l'encombrement d'un déploiement. L'incertitude par échantillon est un point utile pour la sûreté, car elle permet de pondérer la mesure dans le filtre. Il faut toutefois rester prudent. La validation porte sur un seul capteur, un seul bras et une cible plane et rigide, et rien n'indique de résultats sur des surfaces courbes, déformables ou fortement frottantes. Ce travail s'inscrit dans la montée des capteurs tactiles optiques souples de type GelSight, dont DigiTac est une variante dérivée de la famille DIGIT, qui remplacent peu à peu les mesures de force classiques en manipulation de précision. Il repose sur l'hypothèse d'un contact localement plan avec moment de contact négligeable, ce qui limite son domaine d'application. Il s'agit d'une prépublication arXiv (v1), sans évaluation par les pairs, et sans partenaire industriel ni calendrier de transfert annoncés. Les suites naturelles seraient des surfaces non planes, des contacts avec frottement et glissement, et une comparaison avec des approches de politiques apprises de type VLA intégrant le tactile.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4Robohub

Comment enseigner la même compétence à différents robots

Des chercheurs de l'EPFL ont publié en 2026 dans la revue Science Robotics un nouveau cadre de contrôle robotique baptisé "Kinematic Intelligence", développé au sein du laboratoire LASA (Learning Algorithms and Systems Laboratory) sous la direction d'Aude Billard. Le principe repose sur trois étapes : une tâche démontrée une seule fois par un opérateur humain est capturée via motion-capture, convertie mathématiquement en une stratégie de mouvement générique, puis automatiquement adaptée aux contraintes cinématiques de chaque robot cible (amplitudes articulaires, positions d'équilibre, limites mécaniques). Dans une expérience conduite sur une ligne d'assemblage, un humain démontre trois actions successives - pousser un bloc de bois d'un convoyeur vers un établi, le déposer sur une table, puis le lancer dans un panier - et trois robots commerciaux de morphologies différentes reproduisent fidèlement cette séquence, y compris lorsque la répartition des étapes entre machines est modifiée en cours d'exécution. L'enjeu industriel est direct : reprogrammer une flotte de robots lors d'un changement de génération matérielle représente aujourd'hui un coût significatif en temps et en expertise, même quand les nouvelles machines remplissent des fonctions identiques. Kinematic Intelligence propose une alternative concrète : démontrer une fois, déployer sur plusieurs plateformes sans réécriture. Pour les intégrateurs et les décideurs industriels, cela ouvre la voie à une réduction du temps de mise en service et à une meilleure résilience face à l'évolution rapide du hardware robotique. La publication valide également une hypothèse structurante : un transfert de compétences cross-robot peut garantir formellement un comportement sûr et prédictible, sans recourir à de l'apprentissage par renforcement spécifique à chaque plateforme. Sthithpragya Gupta (doctorant LASA, co-premier auteur) et Durgesh Haribhau Salunkhe (chercheur LASA, co-premier auteur) soulignent que "chaque robot interprète la même compétence à sa façon, mais toujours dans des limites sûres et faisables". À noter : aucune métrique de taux de succès agrégé ni de temps de cycle n'est communiquée publiquement, ce qui limite l'évaluation quantitative de la robustesse à grande échelle. Le LASA est un laboratoire de référence en apprentissage par démonstration (Learning from Demonstration), avec une trajectoire longue sur l'imitation du mouvement humain. La recherche s'inscrit dans un paysage concurrentiel dense : les approches VLA (Vision-Language-Action) de Google DeepMind, pi-0 de Physical Intelligence ou les frameworks sim-to-real de Figure AI et Boston Dynamics visent eux aussi à réduire le coût de déploiement cross-plateforme, mais s'appuient sur de grands volumes de données et du fine-tuning. Kinematic Intelligence se distingue par son approche analytique et sa garantie formelle de sécurité, deux propriétés potentiellement attractives dans des environnements réglementés comme l'industrie pharmaceutique, automobile ou agroalimentaire. Les prochaines étapes annoncées incluent la collaboration humain-robot et l'interaction en langage naturel, avec l'ambition de rendre le système opérable sans expertise en programmation robotique.

UELa recherche de l'EPFL-LASA ouvre une piste concrète pour les intégrateurs industriels européens souhaitant réduire les coûts de reprogrammation lors des renouvellements de flottes robotiques, notamment dans les secteurs pharmaceutique, automobile et agroalimentaire.

RecherchePaper

1 source