Contrôle dynamique de la forme des robots à trompe souple
Des chercheurs proposent une méthode de contrôle de la forme complète d'un robot trompe souple, validée sur matériel réel, dans une prépublication arXiv (2611.06625). Le robot est un tronc souple à géométrie d'hélicoïde tronquée (« trimmed helicoid »), entraîné par tendons. Les auteurs apprennent à partir de données un modèle de tout le corps du robot, fondé sur les variétés spectrales adiabatiques (aSSM). Ils l'intègrent à une commande prédictive (MPC). En régulation dynamique de forme en boucle fermée, la méthode fait dix fois mieux que les références linéaires disponibles. Dans des démonstrations interactives avec un humain dans la boucle, elle réalise un façonnage section par section et maintient une balle de tennis en équilibre plus de 25 secondes, ce que les références linéaires n'arrivent pas à faire. Une politique d'apprentissage par renforcement sans modèle, entraînée 12 heures sur le matériel, échoue sur la même tâche d'équilibre.
Ce résultat compte pour les robots continus et souples, qui peinent à passer des démonstrations de laboratoire aux usages pratiques. Piloter la forme du corps entier, et pas seulement la position de l'effecteur, permet de contourner des obstacles et d'atteindre des zones encombrées. C'est le type de capacité attendu en inspection, en chirurgie ou en manipulation en espace confiné. Le point le plus instructif pour les ingénieurs est le contraste avec l'apprentissage par renforcement: sur un système très non linéaire et difficile à simuler, un modèle appris avec une structure physique (les aSSM) combiné à une MPC s'avère plus efficace en données que l'approche sans modèle. Cela nuance l'idée que l'apprentissage de bout en bout suffit partout. Il faut toutefois rester prudent: l'échec du RL porte sur une seule tâche et un budget de 12 heures, et les démonstrations sont de laboratoire. Le résumé ne donne ni charge utile, ni précision en millimètres, ni test hors de la plateforme étudiée.
Ce travail prolonge des contrôleurs fondés sur la théorie des aSSM qui avaient déjà atteint une grande précision de suivi de l'effecteur sur des robots à tendons similaires. L'étape nouvelle est de passer du suivi de l'extrémité à la modélisation et au contrôle du corps entier. Il s'appuie aussi sur les récents progrès de conception des robots souples, notamment les structures hélicoïdales capables de changements de forme extrêmes mais très compliantes, donc difficiles à commander. Côté concurrence, les approches dominantes restent les modèles à courbure constante par morceaux, les contrôleurs linéaires et, de plus en plus, l'apprentissage par renforcement entraîné en simulation. Aucune suite précise (calendrier, pilote industriel) n'est annoncée. Les prochaines étapes probables sont des tests sur d'autres morphologies, des tâches en présence de contacts et une validation hors laboratoire.
Dans nos dossiers



