Aller au contenu principal
Tribune : le paradoxe de Moravec explique pourquoi l'IA physique a besoin du sens du toucherIllustration générée par IA
RechercheRobotics & Automation News 

Tribune : le paradoxe de Moravec explique pourquoi l'IA physique a besoin du sens du toucher

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Dans une tribune d'opinion, l'auteur revient sur le paradoxe de Moravec pour expliquer pourquoi l'IA physique reste en retard sur l'IA cognitive. Les ordinateurs ont rapidement maîtrisé les échecs, les mathématiques avancées ou l'analyse juridique, alors que plier du linge, casser un œuf ou saisir une tasse dans une cuisine inconnue restent parmi les problèmes les plus difficiles de la robotique. L'explication avancée est évolutive : la perception, l'équilibre et la motricité fine résultent de centaines de millions d'années d'optimisation et opèrent sous le seuil de la conscience, tandis que le raisonnement abstrait, récent et séquentiel, a été facile à reproduire en logiciel. Le texte se concentre ensuite sur le moment du contact. Dès que la pince ou la main se referme sur l'objet, les caméras perdent la vue de la surface de contact. La vision donne une précision de l'ordre du millimètre, alors que l'insertion de connecteurs, le montage de roulements ou le vissage exigent des tolérances de quelques dizaines de microns. Le retour d'effort permet de remplacer le calcul de coordonnées exactes par une recherche guidée : descendre jusqu'au contact, sonder la zone jusqu'à l'alignement, s'arrêter quand la résistance change. Masse, friction, souplesse ou marge avant la perte de prise n'apparaissent pas dans les pixels.

L'enjeu pour les intégrateurs et les décideurs est direct : l'argument contredit l'idée que des modèles de langage ou de vision, même étendus à l'action, suffiront à faire passer les humanoïdes des démonstrations contrôlées aux sites commerciaux. Les modèles entraînés sur la vidéo comprennent l'apparence et le mouvement des objets, mais prédisent mal leur réaction à la poussée. Il en découle un point d'ingénierie concret : si les données de force sont l'ingrédient d'une intelligence physique réelle, les capteurs de force intégrés sont aussi l'outil pour les collecter. L'auteur ajoute un avertissement matériel. Si l'estimation du couple articulaire est faussée par le frottement des réducteurs, la dilatation thermique ou l'hystérésis mécanique, la politique apprise finit par ignorer ce canal et se rabat sur la vision seule, ce qui annule l'intérêt du capteur. Il convient toutefois de lire ce plaidoyer pour ce qu'il est : une tribune sans benchmark, sans chiffre de gain en taux de réussite ni en temps de cycle, dont la thèse sert naturellement les fabricants de capteurs.

Le paradoxe date des années 1980 et porte le nom de Hans Moravec, rejoint à l'époque par des chercheurs comme Marvin Minsky et Rodney Brooks. Quatre décennies plus tard, la course aux humanoïdes et aux modèles vision-langage-action (VLA) a relancé le débat, car la plupart des approches actuelles misent surtout sur la vision et sur de grands volumes de démonstrations. Le texte ne cite ni produit, ni entreprise, ni pilote, ni calendrier : il s'agit d'un cadrage de la question plutôt que d'une annonce ou d'un déploiement. La suite probable, selon cette logique, se jouera sur la qualité des capteurs de couple et de force intégrés aux articulations et aux mains, et sur la capacité des équipes à produire des jeux de données tactiles exploitables à l'échelle.

Dans nos dossiers

À lire aussi

Observabilité du toucher physique par le poignet lors d'une tâche de prise granulaire
Illustration générée par IA
1arXiv cs.RO 

Observabilité du toucher physique par le poignet lors d'une tâche de prise granulaire

Une équipe de recherche publie sur arXiv (2609.22852v1) une étude testant si le capteur de force/couple à six axes situé au poignet d'un godet robotique peut prédire le volume final de matériau collecté lors d'une opération de pelletage granulaire. Baptisée "physical-touch observability", cette capacité a été évaluée sur 6 700 essais réels de pelletage effectués par un robot sur 67 terrains différents. Les chercheurs ont comparé le signal de force/couple correctement associé au terrain en cours d'interaction ("current-scoop F/T") à deux références: une prédiction basée uniquement sur l'action pré-contact, et des contrôles où le signal de force/couple est volontairement désaligné avec le terrain réel. Avec une méthode de test excluant certains terrains de l'entraînement, le signal de force/couple correctement associé réduit l'erreur absolue moyenne de 14,2% par rapport à une prédiction fondée sur l'action seule, et de 21,9% par rapport à un signal de force/couple mal apparié à un autre terrain, mesuré à 60% de la séquence de pelletage. Ce gain se reproduit avec des résumés de signaux conçus manuellement (engineered summaries), quelle que soit l'architecture de modèle utilisée. Ce résultat cible un angle mort connu de la robotique minière et du terrassement: si le transport et la conduite autonomes ont nettement progressé, le chargement et le pelletage restent largement confiés à des opérateurs humains qualifiés, exposant personnel et machines à des risques. Les capteurs RGB-D pré-contact, standards dans ce secteur, révèlent la géométrie de surface mais pas la résistance du matériau, sa compaction, l'engagement réel de l'outil ni le transfert de charge, autant de variables qui n'émergent qu'au moment du contact. En démontrant que le wrench au poignet porte une information exploitable sur l'issue de la tâche, et non un simple retour bas niveau pour la commande, l'étude ouvre une piste pour une autonomie dite "response-aware", capable d'ajuster son geste en fonction d'états physiques cachés pendant des tâches à fort contact, un enjeu qui dépasse le seul minage. Il s'agit d'un travail de recherche empirique publié en preprint, sans annonce de produit ni de déploiement industriel associé. L'étude s'inscrit dans un effort plus large de la communauté robotique visant à exploiter la perception tactile et proprioceptive pour combler l'écart entre perception visuelle pré-contact et réalité physique de l'interaction, un axe déjà exploré par d'autres travaux sur la manipulation riche en contact, sans qu'aucun calendrier de transfert vers des sites miniers réels ne soit précisé dans le papier.

RecherchePaper
1 source
De l'IA du monde à l'IA incarnée : une feuille de route pour l'intelligence physique en monde ouvert
Illustration générée par IA
2arXiv cs.RO 

De l'IA du monde à l'IA incarnée : une feuille de route pour l'intelligence physique en monde ouvert

Publié sur arXiv le 14 juillet 2026 (arXiv:2607.11689), cet article de synthèse dresse un état des lieux des modèles d'action pour la robotique et propose une feuille de route vers ce que les auteurs nomment le « cerveau incarné » (embodied brain). Le texte retrace l'évolution des politiques vision-langage-action (VLA) vers les World Action Models (WAM), des systèmes qui relient une intervention candidate à ses conséquences prédites avant exécution. Trois failles couplées freinent le secteur selon les auteurs: des espaces d'action et cibles de prédiction incompatibles d'un modèle à l'autre, une absence de standardisation des jeux de données et des protocoles d'évaluation, et des interfaces d'exécution trop fermées pour permettre la réutilisation entre systèmes. Plutôt qu'un nouveau modèle entraîné, le papier propose une architecture cible: le cerveau incarné intégrerait un contexte multimodal, comparerait plusieurs interventions candidates, puis émettrait des requêtes de transition d'état ou de capacité plutôt que des commandes moteur directes, les WAM servant de prototypes pour ces fonctions prédictives. Pour les intégrateurs et décideurs en robotique, ce travail nomme un problème concret: chaque laboratoire, qu'il s'agisse de Physical Intelligence avec Pi-0, NVIDIA avec GR00T N2 ou Figure avec Helix, construit son propre espace d'action et son propre format de données, rendant quasi impossible la comparaison directe des performances ou la réutilisation d'un modèle entre un bras robotique et un humanoïde. En proposant des contrats partagés entre modèles, données, tâches et morphologies, et un post-entraînement en boucle fermée transformant les interactions vérifiées en expérience réutilisable, la feuille de route vise à sortir la robotique généraliste du stade de la démonstration isolée. C'est une contribution méthodologique plus qu'un résultat expérimental: elle ne prouve pas qu'un tel système fonctionne à l'échelle, mais formalise ce qui manque pour y parvenir, un constat qui recoupe les critiques récurrentes sur l'écart entre vidéos de démonstration sélectionnées et déploiements robustes en conditions réelles. Le papier s'inscrit dans la continuité des travaux sur les modèles d'action et les world models, qui ont convergé avec l'essor des VLA avant que des approches hybrides, combinant prédiction du monde et politique d'action, ne donnent naissance aux WAM. Les auteurs ne mentionnent aucun déploiement propre mais positionnent leur cadre face aux systèmes existants de Physical Intelligence, NVIDIA et Figure, sans citer d'acteur français ou européen dans cette revue. La suite annoncée est l'adoption progressive de ces contrats partagés par la communauté de recherche, préalable jugé nécessaire à l'émergence d'agents physiques réellement adaptatifs et auto-améliorants hors laboratoire.

RecherchePaper
1 source
La peau imprimée en 3D donne aux robots le sens du toucher
Illustration générée par IA
3Hackaday Robots Hacks 

La peau imprimée en 3D donne aux robots le sens du toucher

Des chercheurs menés par Haofeng Chen ont publié en 2026 sur arXiv une étude décrivant une peau artificielle capable de restituer le sens du toucher aux robots humanoïdes. Le prototype repose sur la tomographie d'impédance électrique (EIT), une technique empruntée à l'imagerie médicale : une couche flexible de polyuréthane thermoplastique (TPU) est équipée d'électrodes de surface qui mesurent en continu la résistivité électrique du matériau. Des patchs de tissu conducteur collés sur la couche de recouvrement en TPU modifient localement cette résistivité lorsqu'un contact ou une pression survient. L'algorithme EIT reconstruit alors la localisation et l'intensité du contact, à la manière d'un écran tactile résistif appliqué à toute la surface de la peau. Seize électrodes suffisent, selon les auteurs, à produire une carte de pression relativement précise lors de tests de pression manuelle sur le prototype. Le papier détaille également l'algorithme de reconstruction ainsi que la caractérisation de la porosité du TPU utilisé, deux éléments nécessaires à toute tentative de reproduction de l'expérience. L'intérêt de cette approche tient moins à sa performance brute qu'à sa simplicité matérielle. Les peaux tactiles robotiques existantes reposent généralement sur des réseaux denses de capteurs individuels, une architecture qui pose un problème de câblage et de fiabilité à mesure que la résolution augmente : plus la peau doit détecter de petits détails, comme le ferait un doigt humain sur une aspérité, plus il faut multiplier capteurs et connexions, avec les risques de panne que cela implique. En remplaçant ce maillage de capteurs discrets par une mesure surfacique globale via seulement seize électrodes, la méthode EIT réduit drastiquement la complexité du câblage tout en conservant une résolution spatiale exploitable. Pour les intégrateurs et fabricants de robots humanoïdes cherchant des solutions de perception tactile robustes et bon marché à déployer sur de larges surfaces courbes (mains, avant-bras, torse), cette piste constitue une alternative crédible aux architectures à capteurs multiples, sans être à ce stade un composant prêt pour l'industrialisation. Le toucher reste l'un des sens les plus difficiles à reproduire artificiellement, loin derrière la vision et l'audition en maturité technologique, alors qu'il conditionne des gestes aussi basiques que saisir un objet fragile ou détecter un contact non désiré. Les approches précédentes en robotique tactile ont majoritairement buté sur ce compromis entre densité de capteurs, résolution et complexité de câblage, ce qui explique que peu de robots humanoïdes commerciaux disposent aujourd'hui d'une peau sensible sur de larges surfaces. Le travail de Chen et de ses coauteurs s'inscrit dans cette recherche en cours plutôt que dans une annonce produit : il s'agit d'un prototype de laboratoire, testé par des pressions manuelles contrôlées, dont la méthode et l'algorithme ont été publiés pour permettre à la communauté, y compris aux amateurs, de le reproduire. Aucun calendrier d'intégration dans un robot commercial ni aucun partenariat industriel n'est mentionné, la publication se limitant à démontrer la faisabilité technique du concept.

UECette approche de peau tactile a faible cout de câblage pourrait intéresser des fabricants européens de robots humanoïdes comme Wandercraft ou Pollen Robotics, mais aucun acteur ni déploiement européen n'est mentionne dans l'article.

RecherchePaper
1 source
IA physique : des modèles du monde aux modèles d'action, un tutoriel concis pour la robotique
Illustration générée par IA
4arXiv cs.RO 

IA physique : des modèles du monde aux modèles d'action, un tutoriel concis pour la robotique

Un article publié sur arXiv (2607.00836) dresse un état des lieux conceptuel des "world models" utilisés en robotique et en simulation générative, un terme dont le périmètre varie fortement selon les communautés de recherche. Les auteurs proposent une définition unifiée : un modèle du monde est un système conditionné par l'action qui prédit l'évolution future des observations ou des états pertinents pour une tâche donnée. Ils distinguent deux grandes familles : les modèles dans l'espace des observations, qui prédisent des images ou vidéos brutes, et les modèles dans l'espace des états, qui travaillent sur des représentations compactes. Chaque approche est comparée selon quatre critères : fidélité visuelle, structuration spatiale, interprétabilité physique et facilité d'usage pour le contrôle. Le papier introduit ensuite les "world action models", qui relient ces prédictions du futur à des actions robotiques exécutables, avec quatre paradigmes identifiés : imaginer puis exécuter, prédiction d'action conditionnée par des features vidéo, modélisation conjointe vidéo-action, et prédiction vidéo auxiliaire pour l'apprentissage de politiques. Cette clarification terminologique a une portée pratique pour les équipes qui développent des politiques robotiques : elle aide à choisir entre un modèle générateur de pixels, coûteux en calcul mais riche visuellement, et un modèle d'état plus léger, plus proche du contrôle temps réel mais moins interprétable. Elle formalise aussi un débat de fond du secteur : les modèles de génération vidéo produisent des démonstrations spectaculaires, mais leur utilité réelle pour piloter un bras ou un humanoïde reste à prouver, faute de garanties physiques strictes, ce qui rejoint les critiques récurrentes sur l'écart entre démo et déploiement réel. En distinguant explicitement l'approche "imaginer puis exécuter" des méthodes qui apprennent directement une politique conjointe vidéo-action, le tutoriel donne aux intégrateurs une grille de lecture pour évaluer les annonces commerciales selon ce qu'elles modélisent vraiment, plutôt que sur la seule qualité de leurs vidéos. Ce travail arrive alors que les world models occupent une place croissante dans la course aux modèles vision-langage-action, portée par des systèmes comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, qui combinent tous, à des degrés divers, prédiction du futur et génération d'actions. Sans analyser directement ces produits commerciaux, la taxonomie proposée offre un cadre académique pour resituer ces systèmes les uns par rapport aux autres, à un moment où la recherche universitaire tente de structurer conceptuellement un domaine dont la vitesse de publication industrielle a largement dépassé la théorie.

RecherchePaper
1 source