Aller au contenu principal

Recherche

50 sur 3446 articles

Publications scientifiques en robotique : arXiv cs.RO, ICRA, IROS, Humanoids, CoRL — nouveaux algorithmes, benchmarks et datasets.

La meilleure façon d'explorer les cratères lunaires : une boule robotique géante
1IEEE Spectrum Robotics RecherchePaper

La meilleure façon d'explorer les cratères lunaires : une boule robotique géante

Des chercheurs du laboratoire RAD de Texas A&M University, à College Station, ont testé en février 2026, dans une carrière du centre du Texas, RoboBall III, un robot sphérique gonflable de 1,8 mètre de diamètre pour 150 kilogrammes, qui a roulé sans difficulté sur des roches, du gravier et de l'argile humide. Le projet, mené par le doctorant en génie mécanique Rishi Jangale, vise à terme l'exploration de cratères lunaires inaccessibles comme Shackleton, au pôle sud de la Lune : 21 kilomètres de diamètre, 4 kilomètres de profondeur, avec des poches en ombre permanente où la température descend à moins 240°C, contre plus de 93°C côté ensoleillé, et où se trouveraient glace d'eau et strates géologiques anciennes. RoboBall se déplace grâce à un pendule interne qui déplace son centre de masse pour faire rouler sa coque protectrice. Ces travaux sont détaillés dans un article publié dans IEEE Transactions on Field Robotics, qui présente la conception du robot, un scénario de mission lunaire encore hypothétique, et les résultats de ces premiers essais de terrain. Cette forme sphérique répond à une contrainte opérationnelle : sur un sol lunaire à faible gravité, un rover classique risque de basculer, et la NASA exclut d'envoyer des astronautes près de cratères d'où on ne pourrait pas les extraire en cas de chute. La démonstration reste à un stade académique, entre essais en carrière terrestre et scénario de mission hypothétique, mais elle répond à une vraie lacune scientifique : aucun échantillon lunaire n'a été rapporté sur Terre depuis plus de cinquante ans, et les météorites lunaires manquent, selon la minéralogiste Sara Russell du Natural History Museum de Londres, du contexte géologique de terrain qui fait la valeur scientifique d'un prélèvement. Contrairement à un rover tenu par un câble, RoboBall n'aurait pas besoin de remonter par ses propres moyens : il pourrait collecter des échantillons au fond d'un cratère puis les renvoyer par petites fusées vers un rover resté au bord, avec un rayon d'action bien plus large. L'idée remonte à 2003, quand Robert Ambrose, alors ingénieur robotique à la NASA et aujourd'hui responsable du laboratoire RAD à Texas A&M, a imaginé qu'une sphère gonflable, insensible au retournement et isolée thermiquement, pourrait aller là où rover à roues et astronautes ne s'aventurent pas. Un premier démonstrateur, RoboBall II, large de seulement 0,5 mètre, a été achevé en 2022 après des itérations rapides marquées par des pannes logicielles et un système de transmission trop faible pour franchir des obstacles meubles ; il aura fallu onze mois de plus pour aboutir à RoboBall III. Aucune mission lunaire n'est à ce jour programmée : le projet reste une démonstration technologique universitaire, destinée à alimenter les réflexions de la NASA en vue de futures explorations robotiques du pôle sud lunaire.

1 source
L'apprentissage par imitation préserve-t-il la robustesse temporelle en manipulation dextérique ? Comparaison expert-apprenant selon la vitesse d'exécution
2arXiv cs.RO 

L'apprentissage par imitation préserve-t-il la robustesse temporelle en manipulation dextérique ? Comparaison expert-apprenant selon la vitesse d'exécution

Une étude publiée sur arXiv le 1er septembre 2026 (arXiv:2609.01453v1) compare, sur les mêmes conditions initiales, un expert scripté et une politique ACT (Action Chunking with Transformers) apprise par imitation, sur la tâche ParcelStow : saisir un colis, le réorienter puis l'insérer, une manipulation riche en contacts. Entraînée sur des démonstrations couvrant une plage de vitesses, la politique ACT égale l'expert à vitesse nominale, avec 100% de réussite pour les deux. Mais à la vitesse maximale démontrée, l'expert conserve 84% de réussite contre seulement 53% pour ACT, dont deux variantes entraînées avec des initialisations différentes se dégradent de 34 et 48 points de pourcentage, contre 16 points pour l'expert. Sur les échecs d'ACT à vitesse maximale, 35 sur 47 sont des défauts d'alignement à l'insertion. Quand la saisie est isolée dans un protocole de transfert par mouvement relatif, ACT retient le colis à 100% en espace libre mais ne termine la tâche que dans 64% des cas, contre 95% après une saisie experte ; sur les 414 saisies réalisées sans fermeture de force ("force closure"), aucune ne réussit. Code, données et scripts d'évaluation sont publiés sur GitHub (coenwerem/parcelstow). Ce résultat révèle un angle mort dans l'évaluation des politiques d'imitation en manipulation dextre : un taux de succès nominal identique entre expert et modèle appris ne garantit pas une robustesse équivalente face aux variations de cadence, pourtant décisives en tri de colis, logistique ou assemblage, où le temps de cycle est un paramètre de production. La plupart des benchmarks actuels testent la généralisation à de nouvelles scènes ou objets, rarement la tenue en vitesse. Pour les intégrateurs qui envisagent des politiques d'imitation sur des cellules à cadence variable, l'étude indique qu'une validation en laboratoire à vitesse démonstrateur ne suffit pas, en particulier sur les phases fines comme l'insertion. ACT s'est imposée depuis 2023 comme une architecture de référence en imitation learning pour la manipulation fine, popularisée par les travaux de téléopération bimanuelle ALOHA, et sert de brique de base dans de nombreux systèmes de manipulation dextre, aux côtés de politiques vision-langage-action plus récentes comme Pi-0, GR00T N2 ou Helix, dont la communication met surtout en avant la généralisation à de nouveaux objets, rarement la robustesse en vitesse. Limitée à une tâche unique et un nombre restreint de politiques entraînées, l'étude a surtout valeur de méthodologie reproductible : ses auteurs publient code, données et scripts pour que la communauté réplique le protocole sur d'autres tâches et architectures.

UEAucun acteur français ou européen n'est cite, mais les résultats concernent directement les intégrateurs européens de robotique industrielle envisageant des politiques d'imitation en tri de colis ou assemblage a cadence variable.

RecherchePaper
1 source
Sensibilité adaptative aux collisions pour une collaboration homme-robot efficace et sûre
3arXiv cs.RO 

Sensibilité adaptative aux collisions pour une collaboration homme-robot efficace et sûre

Des chercheurs présentent un nouveau cadre logiciel permettant à un bras robotique collaboratif de moduler dynamiquement sa sensibilité aux collisions selon la partie du corps impliquée, plutôt que d'appliquer un seuil de force fixe uniforme sur toute sa surface comme l'exigent aujourd'hui les normes de collaboration homme-robot (HRC), telles que la norme ISO 10218-2:2025 régissant le régime PFL (Power and Force Limiting). Le système calcule en temps réel la force de collision estimée pour chaque segment du robot à partir de sa Masse Effective (Effective Mass, EM), une grandeur qui varie selon la configuration du bras et le point de contact. Les tests ont été menés sur un bras UR10e réel équipé d'une peau sensible AIRSKIN pour la détection et la localisation des impacts, ainsi qu'en simulation sur un bras KUKA LBR iiwa, dont la détection de collision repose cette fois sur les capteurs de couple articulaire. Dans un scénario de type prise-et-dépose (pick-and-place) combinant collisions transitoires et quasi-statiques, les auteurs rapportent un gain de productivité supérieur à 45% par rapport à l'approche standard à seuil fixe. Pour les intégrateurs et décideurs industriels, l'enjeu dépasse la simple optimisation de cycle: la méthode s'attaque directement au compromis sécurité-productivité qui freine l'adoption des cobots en environnement partagé avec des opérateurs humains. Aujourd'hui, un seuil de force unique impose un arrêt du robot dès qu'un contact dépasse la limite la plus stricte, même lorsque la zone touchée (proche d'une articulation à faible inertie, par exemple) serait en réalité sans danger. En rendant la limite de force dépendante du contexte cinématique et compatible avec deux architectures de détection différentes (peau tactile et couple articulaire), les auteurs démontrent une généralisation au-delà d'un capteur ou d'un modèle de bras propriétaire, ce qui est notable pour un secteur où beaucoup de démonstrations restent liées à un matériel unique. Ce travail s'inscrit dans la continuité des efforts pour affiner l'application pratique des normes PFL, jugées trop conservatrices par une partie de la communauté robotique depuis leur conception initiale. Le choix de tester à la fois sur UR10e (Universal Robots) avec AIRSKIN (Fraunhofer) et sur KUKA LBR iiwa positionne la méthode comme agnostique au fournisseur, avec une portée annoncée comme applicable à tout robot dont l'EM peut être calculée. Il s'agit ici d'un résultat de recherche publié sur arXiv (version révisée, replace v3), non d'un produit commercial ni d'un déploiement industriel: les validations quasi-statiques et transitoires restent limitées à un scénario de laboratoire, et le chiffre de 45% de gain de productivité mériterait d'être confirmé sur des cas d'usage industriels réels avant généralisation.

UELe framework s'appuie sur des acteurs européens (KUKA, capteur AIRSKIN issu de recherches Fraunhofer) et vise a assouplir l'application des normes de sécurité collaborative homme-robot (ISO 10218-2:2025) utilisées dans l'industrie européenne.

RecherchePaper
1 source
Hydra : calibration main-œil RGB-D sans marqueurs
4arXiv cs.RO 

Hydra : calibration main-œil RGB-D sans marqueurs

Une équipe de recherche publie sur arXiv (2504.20584v2) Hydra, une méthode de calibration main-œil sans marqueurs par imagerie RGB-D, fondée sur une nouvelle implémentation de l'algorithme ICP avec un objectif point-to-plane robuste formulé sur une algèbre de Lie. Testée sur trois bras manipulateurs série et deux caméras RGB-D, elle atteint environ 90% de calibrations réussies avec seulement trois configurations robot tirées au hasard, soit une convergence vers l'optimum global 2 à 3 fois supérieure aux méthodes à marqueurs et sans marqueurs prises comme référence. Sur neuf configurations, le temps de convergence tombe à 0,8 seconde en moyenne (écart-type 0,4 s), deux ordres de grandeur plus rapide que les autres méthodes sans marqueurs, pour une précision de 5 mm dans l'espace de la tâche contre 7 mm pour les approches classiques. Le code et le jeu de benchmark sont publiés en open source sous licence Apache 2.0, avec une intégration ROS 2 prête à l'emploi. La calibration main-œil, qui aligne le repère d'une caméra sur celui du robot, conditionne toute application de vision guidée (préhension, inspection, bin picking) et repose classiquement sur des marqueurs physiques dont la pose et le réétalonnage ralentissent la mise en service, tandis que les alternatives sans marqueurs existantes peinent souvent à converger de manière fiable. En cumulant taux de succès élevé, rapidité et précision supérieure même aux méthodes à marqueurs, Hydra cible directement ce point de friction pour les intégrateurs devant réétalonner fréquemment leurs cellules robotisées, par exemple après un changement d'outil ou de poste. La publication ouverte du code et du benchmark permet en outre une comparaison reproductible, un exercice rare dans ce sous-domaine de la robotique. La calibration main-œil est un problème ancien, longtemps traité par des algorithmes à marqueurs puis par des variantes sans marqueurs exploitant des nuages de points, mais peu robustes face aux optima locaux et aux temps de calcul élevés. Hydra s'inscrit dans cette lignée en cherchant à lever ce compromis grâce à sa formulation ICP point-to-plane sur une algèbre de Lie. Il s'agit à ce stade d'une contribution de recherche académique, validée sur des manipulateurs série standards du commerce, et non d'un déploiement industriel documenté. L'intégration ROS 2 fournie, avec couche d'abstraction robot, vise à faciliter l'adoption par les équipes de recherche et d'intégration, ouvrant la voie à des validations sur davantage de plateformes et de caméras dans de futurs travaux.

UELes intégrateurs robotiques européens qui réétalonnent régulièrement leurs cellules pourraient tester cet outil open source pour accélérer la calibration main-œil.

RecherchePaper
1 source
BinWalker : conception et évaluation sur le terrain d'un robot quadrupède manipulateur pour la collecte durable de déchets
5arXiv cs.RO 

BinWalker : conception et évaluation sur le terrain d'un robot quadrupède manipulateur pour la collecte durable de déchets

Des chercheurs du laboratoire DLSLab de l'Istituto Italiano di Tecnologia (IIT) ont présenté BinWalker, une plateforme robotique quadrupède équipée d'un bras manipulateur et d'un conteneur embarqué, conçue pour la collecte autonome de déchets en extérieur. Décrit dans un article publié sur arXiv (référence 2603.10529, version révisée), le système combine la mobilité de la locomotion à pattes avec un module de manipulation permettant de détecter, saisir et stocker des détritus tout en évoluant sur des terrains irréguliers comme les zones côtières, les parcs ou les bas-côtés végétalisés. Les essais ont été menés en conditions réelles extérieures, avec des évaluations sur le terrain destinées à valider l'intégration de la perception, de la locomotion et de la manipulation sur une même plateforme. Le code du projet, nommé trash-collection-isaaclab, a été rendu public sur le dépôt GitHub de l'équipe iit-DLSLab, ce qui suggère un entraînement appuyé sur l'environnement de simulation Isaac Lab de NVIDIA. L'article ne fournit toutefois aucun chiffre précis de charge utile, de degrés de liberté du bras, de temps de cycle ou de volumes traités, restant centré sur une démonstration de faisabilité plutôt que sur des métriques de performance industrielle. Ce travail illustre une tendance de fond dans la robotique de terrain: le recours à des plateformes quadrupèdes, plus aptes que les robots à roues ou les AMR classiques à franchir obstacles, pentes et sols meubles, pour des tâches de service extérieur jusqu'ici réservées à la main-d'œuvre humaine. La collecte de déchets sauvages, aujourd'hui manuelle, coûteuse et chronophage, représente un usage potentiel pour les municipalités, gestionnaires de parcs et opérateurs de nettoyage côtier, mais qui bute sur l'accessibilité des sites. En associant locomotion à pattes et manipulation embarquée sur une seule plateforme, BinWalker teste concrètement la viabilité d'une chaîne complète perception-navigation-préhension en environnement non structuré, un défi encore mal résolu malgré les progrès des modèles vision-langage-action. Pour les intégrateurs, l'intérêt tient moins à un produit prêt à déployer qu'à la preuve que l'architecture quadrupède plus bras reste praticable sur un segment environnemental à faible marge, généralement délaissé au profit d'applications logistiques ou d'inspection industrielle plus rémunératrices. Le projet s'inscrit dans les travaux du DLSLab de l'IIT, laboratoire italien spécialisé dans la locomotion dynamique des robots à pattes, qui publie régulièrement en accès libre, comme en témoigne la mise à disposition du code sur GitHub. BinWalker se positionne sur un créneau distinct des grandes plateformes humanoïdes commerciales telles que Figure 03 ou Optimus, ou des systèmes pilotés par des modèles comme Pi-0, GR00T N2 ou Helix, en misant sur une architecture quadrupède spécialisée plutôt que sur la polyvalence humanoïde générale. Aucun acteur français ou européen du secteur, comme Wandercraft ou Enchanted Tools, n'apparaît dans cette publication, qui reste un travail de recherche académique sans partenariat industriel ni pilote annoncé avec une municipalité. Les suites évoquées portent sur l'amélioration de la robustesse du système en conditions réelles variées, plutôt que sur un calendrier de commercialisation.

UEL'IIT est un institut de recherche italien reconnu en robotique à pattes, mais cette publication reste purement académique, sans partenariat industriel ni pilote municipal annoncé, et n'implique aucun acteur français comme Wandercraft ou Enchanted Tools.

RecherchePaper
1 source
Séparation comportement-exécution pour l'interaction physique homme-robot contrainte
6arXiv cs.RO 

Séparation comportement-exécution pour l'interaction physique homme-robot contrainte

Des chercheurs proposent, dans une prépublication arXiv (2609.00669v1) du 2 septembre 2026, une architecture qui sépare la spécification du comportement souhaité et sa réalisation contrainte dans les interactions physiques homme-robot. Une couche comportement calcule une accélération désirée au point de contact, ak^id = ftheta(ek, ėk, F_h,k), tandis qu'une couche réalisation distincte la convertit en commandes robot sous contraintes et rapporte explicitement l'écart entre accélération désirée et réalisée, plutôt que de le masquer par saturation. Le système, un programme quadratique à horizon glissant, est testé sur un bras Franka FR3 à 7 degrés de liberté, à commande en couple, simulé sous MuJoCo. Sous une poussée soutenue de 20 newtons, la limite de l'espace de travail est respectée à environ 0,1 à 0,2 mm près, contre un dépassement de 4,4 cm en contrôle d'impédance classique et 4,7 cm en admittance, deux méthodes qui écrêtent instantanément les commandes. Avec un budget d'actionneur réduit, l'application des contraintes sur tout l'horizon garde le plan faisable à 2,1x10^-4 N.m près, contre un dépassement pouvant atteindre 11,329 N.m pour une variante qui ne contraint que le premier pas de calcul. Sur le système non linéaire réellement exécuté, l'écart se réduit mais reste favorable à l'approche par horizon complet, 0,161 contre 0,380 N.m. Cette séparation architecturale intéresse les intégrateurs de robots collaboratifs et humanoïdes en contact physique répété avec des humains ou des objets, un domaine où le contrôle d'impédance et d'admittance restent la norme malgré des dépassements de plusieurs centimètres lors de chocs ou de poussées. En rendant l'erreur de réalisation visible plutôt que dissimulée dans la saturation, l'approche facilite le diagnostic et la certification de sécurité des systèmes à interaction physique, un enjeu central pour les cobots industriels et les humanoïdes partageant des tâches avec des opérateurs. Elle montre aussi qu'un changement de comportement, par exemple passer d'un mode impédance à un mode admittance, peut s'effectuer en modifiant seulement les coefficients d'objectif du solveur sans reconstruire toute la boucle de commande, ce qui simplifierait le déploiement de comportements adaptatifs en temps réel. Le travail s'inscrit dans la lignée du contrôle d'impédance et d'admittance, formalismes classiques de l'interaction homme-robot, en cherchant à corriger leur principal défaut, la gestion approximative des contraintes par écrêtage instantané. La validation reste circonscrite à un cas d'étude planaire et à une seule plateforme robotique en simulation, ce que les auteurs présentent eux-mêmes comme une preuve de concept ciblée plutôt qu'un système prêt au déploiement industriel. Les prochaines étapes attendues incluent l'extension à des tâches tridimensionnelles, à d'autres architectures robotiques, et une validation sur matériel réel au-delà de la simulation MuJoCo.

UELe bras robotique utilisé pour les tests, le Franka FR3, est fabriqué par l'entreprise allemande Franka Robotics, mais aucun déploiement ni application concrète en France ou en UE n'est mentionné.

RecherchePaper
1 source
Lancer un objet sans le saisir : le point de vue de l'apprentissage par renforcement
7arXiv cs.RO 

Lancer un objet sans le saisir : le point de vue de l'apprentissage par renforcement

Un article publié le 2 septembre 2026 sur arXiv (2609.00771) décrit une méthode de lancer robotique sans préhension pilotée par apprentissage par renforcement, testée sur un bras UR5e d'Universal Robots poussé à 5 m/s en bout d'effecteur. Déployée sans réentraînement sur le robot réel, elle lance des objets variés, dont une pièce de 790 grammes et un colis de 20x20x28 cm, vers des cibles situées jusqu'à 350 cm de distance ou 180 cm de hauteur, avec un taux de réussite réel de 97%. En simulation, la politique atteint 99% de succès sur des milliers de configurations et généralise à des objets inédits. Le lancer non préhensile étend le rayon d'action d'un robot au-delà du pick-and-place, une capacité utile pour les objets lourds, volumineux ou déformables que les pinces classiques gèrent mal. Les approches précédentes s'appuyaient sur des modèles de contact simplifiés et des trajectoires paramétrées en basse dimension, ce qui limitait la qualité des lancers et l'espace atteignable ; ici, la politique optimise directement les trajectoires articulaires en exploitant glissement et roulement comme modes de contact. Le transfert simulation-vers-réel réussi sur du matériel poussé près de ses limites est un signal encourageant pour la manipulation dynamique par RL, même si la forte sensibilité révélée à la friction dynamique, contrastant avec la bonne tolérance à l'incertitude de masse, reste un point de vigilance pour tout intégrateur. Le papier reste au stade de la recherche académique publiée sur arXiv, sans annonce de produit, de partenaire industriel ni de calendrier de commercialisation. Il se positionne face aux méthodes historiques de lancer robotique fondées sur la préhension dynamique et des modèles de contact analytiques, en misant sur l'apprentissage par renforcement plutôt que sur l'optimisation classique pour gagner en généralisation à des objets et des cibles non vus à l'entraînement. Le choix d'un UR5e, cobot industriel largement déployé en usine et en logistique, suggère une volonté de portabilité vers du matériel déjà répandu, sans qu'aucun pilote ni déploiement commercial ne soit annoncé à ce stade.

UELe choix du cobot UR5e (Universal Robots, origine danoise), très répandu dans l'industrie européenne, suggère une portabilité potentielle vers du matériel déjà déployé en Europe, sans pilote ni déploiement annonce a ce stade.

RecherchePaper
1 source
Peg-in-Bench : un benchmark modulaire pour l'insertion robotique de haute précision
8arXiv cs.RO 

Peg-in-Bench : un benchmark modulaire pour l'insertion robotique de haute précision

Des chercheurs du centre de recherche en intelligence artificielle de l'AIST, l'institut public japonais des sciences et technologies industrielles avancées, ont publié en septembre 2026 sur arXiv (2609.00906) Peg-in-Bench, un banc d'essai reconfigurable pour l'insertion robotique de haute précision, la tâche dite "peg-in-hole" qui consiste à insérer une tige dans un trou avec un jeu très serré. L'outil repose sur des pièces entièrement imprimables en 3D, combinant plusieurs géométries de tiges, différents niveaux de tolérance et des structures de base configurables, pour générer un grand nombre de scénarios d'insertion et d'assemblage. Un logiciel de génération de scénarios standardisées et lisibles par machine accompagne le matériel afin d'assurer la reproductibilité des tests ; fichiers STL et outil sont disponibles gratuitement sur le dépôt GitHub aistairc/peg-in-bench. L'insertion de précision reste l'un des points durs de la manipulation robotique, du fait de l'alignement strict et des contacts complexes exigés entre la tige et son logement. Les benchmarks peg-in-hole existants reposent généralement sur des configurations figées, ce qui empêche de mesurer la robustesse et la capacité de généralisation d'une politique face à des scénarios inédits plutôt que sur une seule tâche répétée. En permettant de varier systématiquement la disposition, l'orientation et la structure des tâches sous conditions physiques contrôlées, Peg-in-Bench offre à la recherche un protocole commun pour évaluer la généralisation des politiques de manipulation, un enjeu direct pour les intégrateurs industriels dont l'assemblage de connecteurs électroniques ou de pièces mécaniques dépend de tolérances très faibles. Le projet s'inscrit dans un mouvement plus large visant à remplacer les bancs d'essai figés, simulés ou fabriqués sur mesure en laboratoire, par des protocoles reproductibles et partagés entre équipes. Des pièces entièrement imprimables en 3D et sans matériel propriétaire doivent faciliter l'adoption du même banc d'essai par d'autres laboratoires et permettre des comparaisons directes de résultats, une difficulté récurrente pour évaluer des politiques d'apprentissage par renforcement ou par imitation en manipulation fine. Il s'agit d'une publication de recherche et d'un outil en libre accès, non d'un produit commercial ni d'un déploiement industriel : les auteurs ne communiquent ni sur des essais pilotes ni sur un calendrier de suites, l'adoption future dépendant de l'usage qu'en fera la communauté académique.

RecherchePaper
1 source
Ajustement adaptatif de faisceau guidé par carte de profondeur pour le recalage de nuages de points multivues sans correspondance
9arXiv cs.RO 

Ajustement adaptatif de faisceau guidé par carte de profondeur pour le recalage de nuages de points multivues sans correspondance

Une équipe de robotique a publié sur arXiv début septembre 2026 (référence 2609.01089v1) une méthode baptisée ADM-BA, Adaptive Depth-Map-Guided Bundle Adjustment, pour le recalage multi-vues de nuages de points sans extraction de correspondances visuelles. Elle vise le traitement robotisé de ferraille d'acier irrégulière dans des cellules de découpe dangereuses, où la reconstruction 3D doit remplacer l'inspection visuelle manuelle pour estimer dimensions des pièces, contours et trajectoires de torche sans collision. La scène est modélisée par une grille 2.5D globale où chaque cellule peut porter plusieurs hypothèses de profondeur ; un mécanisme d'assignation par softmax relie chaque observation à la surface compatible, et un ajustement de faisceaux aux moindres carrés non linéaires affine conjointement poses des capteurs et carte de profondeur en couches. Testée sur des jeux de données industrielles collectés en interne, la méthode affiche une précision compétitive à faible coût de calcul ; le code est publié en open source sur GitHub, dépôt YiranZhou-Robotics/ADM-BA. Les méthodes classiques de recalage multi-vues s'appuient sur l'extraction de caractéristiques et l'association de données pour établir des correspondances entre prises de vue. Sur des surfaces métalliques lisses, avec structures répétitives, occlusions et recouvrements partiels, elles établissent souvent de fausses correspondances, faussant l'estimation des poses et déformant la reconstruction, avec un effet direct sur les décisions de planification en aval. En s'affranchissant de toute correspondance explicite, ADM-BA cible ce point de fragilité, pertinent pour les intégrateurs confrontés à des environnements industriels pauvres en texture, du recyclage de métaux à la logistique lourde. L'absence de comparaison à des bancs d'essai externes et le recours à des données propriétaires appellent toutefois à la prudence avant toute généralisation. Le travail s'inscrit dans la continuité des recherches en SLAM et en ajustement de faisceaux, où les techniques fondées sur les caractéristiques, type ICP ou structure-from-motion, restent la norme mais peinent sur les matériaux réfléchissants et répétitifs typiques de la ferraille. Il ne s'agit ni d'un produit commercial ni d'un déploiement industriel documenté : c'est un preprint arXiv non encore relu par les pairs, sans partenaire industriel ni pilote annoncé. La seule suite concrète est la publication du code source, qui permet à d'autres équipes de reproduire et d'étendre l'approche sur leurs propres cellules de découpe.

RecherchePaper
1 source
AM-Bench : une suite de simulation modulaire et un benchmark pour l'apprentissage de politiques de manipulation aérienne
10arXiv cs.RO 

AM-Bench : une suite de simulation modulaire et un benchmark pour l'apprentissage de politiques de manipulation aérienne

Des chercheurs présentent AM-Bench, une suite de simulation modulaire et un benchmark dédiés à l'apprentissage de politiques de contrôle pour la manipulation aérienne, c'est-à-dire des drones multirotors équipés de bras manipulateurs. Décrit dans un article arXiv publié début septembre 2026, l'outil couvre des architectures robotiques représentatives allant des systèmes sous-actionnés aux systèmes pleinement ou sur-actionnés, avec 12 tâches réparties en trois catégories : contact, transport d'objets et interaction sous contrainte. AM-Bench intègre des perturbations aérodynamiques configurables, une modélisation de la saturation des actionneurs, des contrôleurs bas niveau standardisés ainsi que des algorithmes de référence pour l'apprentissage de politiques. Les auteurs valident l'outil via trois études en simulation portant respectivement sur les politiques de haut niveau, les interfaces entre politique et contrôle, et les différentes architectures robotiques, complétées par une validation partielle sur banc matériel réel. Pour l'industrie robotique, cet outil comble un vide méthodologique réel : la quasi-totalité des benchmarks de manipulation existants suppose une base fixe ou terrestre, alors que la manipulation aérienne ajoute un couplage dynamique complexe entre le bras et la plateforme volante, plus sensible aux perturbations environnementales et aux degrés de liberté restreints. En permettant une évaluation systémique, et non plus seulement une mesure de performance de bout en bout, AM-Bench donne aux équipes de recherche et aux intégrateurs un cadre commun pour comparer objectivement embodiment, contrôle et choix algorithmiques, un enjeu direct pour les applications d'inspection, de maintenance en hauteur ou de logistique aérienne où le drone manipulateur reste largement au stade expérimental. Le projet s'inscrit dans la continuité des travaux sur les benchmarks standardisés qui ont structuré les progrès de l'apprentissage de la manipulation robotique au sol ces dernières années, un mouvement qu'AM-Bench cherche explicitement à étendre au domaine aérien, resté à la traîne faute d'outils communs. L'article ne mentionne ni partenaire industriel ni acteur français ou européen impliqué, et reste à ce stade une contribution académique en open source plutôt qu'un produit commercial : les auteurs annoncent une validation matérielle réelle mais limitée, laissant ouverte la question de l'adoption par la communauté et d'un éventuel élargissement des tâches et des plateformes couvertes dans de futures versions.

RecherchePaper
1 source
Savoir quand s'arrêter : le découpage adaptatif d'actions via la dynamique interne d'attention croisée dans les VLA
11arXiv cs.RO 

Savoir quand s'arrêter : le découpage adaptatif d'actions via la dynamique interne d'attention croisée dans les VLA

Des chercheurs publient sur arXiv (arXiv:2609.00908v1) une méthode nommée "adaptive action chunking" pour les architectures Vision-Language-Action (VLA), les modèles qui traduisent image et langage en séquences d'actions robotiques. Le chunking d'actions est une pratique standard dans ces frameworks : plutôt que de prédire une action à la fois, le modèle génère un bloc d'actions consécutives à exécuter en boucle ouverte avant la prochaine inférence. Le problème identifié est que des blocs courts obligent à des inférences fréquentes et provoquent des oscillations, tandis que des blocs longs se désynchronisent de l'état réel observé par le robot. La méthode proposée exploite les poids d'attention croisée action-observation déjà calculés en interne par l'"action expert" du modèle : quand l'horizon de prédiction s'allonge, cette attention se disperse et son entropie grimpe vers un plateau, signal corrélé à une hausse de l'erreur de prédiction. Un mécanisme de troncature sans entraînement supplémentaire détecte ce plateau et ajuste dynamiquement la longueur du bloc exécuté, avec un surcoût de calcul jugé négligeable. Testée sur les modèles pi-0.5 et X-VLA, sur les bancs d'essai RoboTwin 2.0 et LIBERO ainsi que sur trois tâches de manipulation réelles, l'approche améliore le taux de succès moyen par rapport aux méthodes à horizon fixe et aux baselines adaptatives existantes, tout en conservant un contrôle en boucle fermée efficace. Pour l'industrie robotique, ce travail s'attaque à un goulot d'étranglement pratique plutôt qu'à une prouesse de démonstration : la latence d'inférence des VLA reste un frein au déploiement temps réel, et le chunking est le compromis habituel entre réactivité et coût de calcul. Une méthode qui rend ce compromis dynamique, sans réentraînement ni capteur supplémentaire, intéresse directement les intégrateurs qui doivent faire tourner des VLA sur du matériel embarqué à budget de calcul limité. Cela nuance aussi le récit selon lequel il suffirait d'agrandir les modèles ou les jeux de données de démonstration : ici, le gain vient d'une meilleure exploitation du signal déjà présent dans le modèle, pas d'un nouvel entraînement. Ce papier s'inscrit dans la lignée des travaux récents sur les architectures VLA telles que pi-0 (et sa variante pi-0.5) et X-VLA, qui cherchent à généraliser l'exécution de tâches de manipulation robotique à partir d'entrées multimodales. L'évaluation combine des simulateurs académiques standards, RoboTwin 2.0 et LIBERO, avec des tâches réelles, ce qui distingue cette contribution des simples démonstrations vidéo. Aucun partenaire industriel ni date de déploiement commercial n'est mentionné : il s'agit d'une contribution de recherche méthodologique, publiée en septembre 2026, dont l'adoption dépendra de son intégration dans des piles VLA existantes par les laboratoires ou entreprises qui développent ces modèles.

RechercheOpinion
1 source
Guidage par potentiel de particules pour la préhension dextérique sous contraintes de négation
12arXiv cs.RO 

Guidage par potentiel de particules pour la préhension dextérique sous contraintes de négation

Des chercheurs publient sur arXiv (papier 2609.00555, type "new", déposé début septembre 2026) une méthode appelée Potential-Guided Particle Steering, conçue pour corriger un défaut des modèles de préhension dextre pilotés par le langage, comme DextER. Ces modèles réussissent bien quand une instruction précise où saisir un objet, mais échouent systématiquement quand elle précise aussi où ne pas saisir, par exemple "attrape la poignée mais évite le corps de l'objet". La raison identifiée : les corpus d'entraînement existants, dont DexGYSNet, ne contiennent quasiment aucune instruction d'évitement, et chaque partie mentionnée pendant l'entraînement est interprétée comme une cible de contact plutôt qu'une zone à exclure. La méthode proposée agit uniquement au moment de l'inférence, sans exemple de négation dans l'entraînement : elle combine du Sequential Monte Carlo avec du classifier-free guidance pour orienter l'échantillonnage vers la partie visée tout en éliminant les candidats de prise dirigés vers la zone interdite, celle-ci étant localisée par un modèle figé de "part-grounding" 3D. Un nouveau benchmark, NegGrasp, associe des instructions positives et négatives appariées avec des métriques tenant compte de la contrainte. Résultat : le taux de violation de la contrainte tombe de 57,9 % pour la meilleure référence à 17,2 % avec la nouvelle méthode, tout en améliorant aussi le taux de réussite physique. Le résultat ne provient pas d'un déploiement robotique réel mais d'expériences sur benchmark, ce qui mérite d'être signalé. Son intérêt pour les intégrateurs et les équipes robotique tient au problème qu'il révèle : des instructions de sécurité banales ("ne touche pas au câble", "évite la lame") peuvent faire échouer des modèles de préhension par ailleurs performants, un angle mort typique du décalage entre démonstration et usage industriel réel. L'approche séduit aussi parce qu'elle ne nécessite ni réentraînement ni collecte de données supplémentaires, contrainte pourtant impossible à satisfaire pour tout cas d'usage imaginable. Un taux de violation résiduel de 17,2 % reste toutefois loin d'une garantie de sécurité exploitable en production. Le travail s'inscrit dans la suite directe de DextER et du corpus DexGYSNet, et emprunte des techniques de guidage habituellement utilisées dans les modèles génératifs de diffusion. Il ne compare pas directement sa méthode aux modèles génération action-langage-vision plus larges comme GR00T N2, Pi-0 ou Helix, laissant ouverte la question de l'intégration à ces pipelines. Les auteurs publient NegGrasp comme benchmark public, ce qui devrait permettre des comparaisons futures, la prochaine étape logique étant une validation sur mains robotiques physiques.

RecherchePaper
1 source
Un système rapide, résilient et adaptable pour les comportements de loco-manipulation des robots humanoïdes
13arXiv cs.RO 

Un système rapide, résilient et adaptable pour les comportements de loco-manipulation des robots humanoïdes

Une équipe de recherche a publié le 2 septembre 2026 sur arXiv (2609.01518) un système d'architecture comportementale pour la loco-manipulation sur robots humanoïdes, conçu pour tourner localement et être modifié en temps réel pendant l'exécution. L'architecture combine des Affordance Templates centrées objets, une structure en arbre organisant la logique des tâches, et une scène de perception éditable au runtime, exécutée par un contrôleur corps entier combinant marche et mouvements du buste, avec une interface opérateur synchronisée en continu pour superviser et corriger à la volée. Testé sur un Unitree H1-2 et un second robot nommé Alex sur six variantes de tâches, le système franchit une porte à pousser en 34 secondes et trie six balles par couleur en 45 secondes sous perturbation humaine directe. Des sessions d'autorat chronométrées montrent la création ou l'adaptation d'un comportement de loco-manipulation en quelques heures. Ce résultat nuance un discours dominant dans la robotique humanoïde, où la performance repose de plus en plus sur des modèles vision-langage-action entraînés de bout en bout, à la manière de Pi-0, GR00T N2 ou Helix. Les auteurs affirment que leur approche, explicitement programmée plutôt qu'apprise, reste compétitive face à ces systèmes récents, tout en offrant un avantage opérationnel : créer ou corriger un comportement en heures plutôt qu'en semaines de collecte de données. Pour les intégrateurs et décideurs industriels, cela ouvre une voie alternative moins dépendante de gigantesques jeux de démonstrations, potentiellement plus rapide à auditer sur site, même si les chiffres de cycle avancés restent issus de démonstrations contrôlées. Le travail s'inscrit dans la course à l'autonomie des humanoïdes pour des tâches physiquement pénibles, dangereuses ou répétitives, un terrain disputé par Figure AI avec Figure 03, Tesla avec Optimus Gen 3 ou NVIDIA avec GR00T, majoritairement pariés sur l'apprentissage à grande échelle. En misant sur une architecture éditable localement et supervisée par un opérateur, les auteurs positionnent leur système comme complémentaire, voire alternatif, à ces approches pilotées par les données. Aucun acteur français ou européen n'est cité, et cette publication reste à ce stade une contribution de recherche sur arXiv plutôt qu'un produit commercialisé, sans calendrier annoncé de pilotes au-delà des six tâches démontrées.

RecherchePaper
1 source
Pontage robotique autonome : un contrôle en essaim distribué sans communication entre agents
14arXiv cs.RO 

Pontage robotique autonome : un contrôle en essaim distribué sans communication entre agents

Un preprint publié sur arXiv (2609.01394) présente SCARAB, pour Swarm-Capable Autonomous Robotic Aquatic Bridging, un système de pont flottant autonome formé par un essaim de véhicules de surface sans pilote (USV). Grâce à un contrôle d'essaim distribué et une détection multi-modèle des agents et des cibles d'amarrage, chaque USV se localise seul, rejoint une formation avec les autres unités, puis rallie l'emplacement cible pour constituer le pont. Le système fonctionne sans GPS ni communication radio entre agents, ces liaisons restant utilisables en option dans des environnements non contestés, par exemple pour des secours civils en cas d'inondation. La validation se limite pour l'instant à une simulation basée sur un moteur physique, faisant évoluer plusieurs USV soumis à des courants et du vent, sans essai sur matériel réel mentionné. L'enjeu vise directement les opérations de franchissement de rivière de l'armée américaine, aujourd'hui assurées par l'Improved Ribbon Bridge (IRB), un pont flottant modulaire assemblé manuellement par des équipes du génie exposées au feu ennemi. En automatisant l'assemblage et en s'affranchissant du GPS et des transmissions radio, facilement brouillées ou repérées, SCARAB vise des franchissements plus imprévisibles et dispersés, une empreinte logistique réduite et une meilleure survie des équipages. Pour la robotique militaire, cette publication illustre une tendance de fond: la résilience aux environnements GPS dégradés ou brouillés, déjà déterminante dans les conflits récents, s'impose comme critère de conception pour les systèmes autonomes de terrain, plutôt que comme option ajoutée après coup. Le document ne précise ni l'institution ni les auteurs à l'origine du projet, et se présente comme une contribution de recherche tout juste déposée, sans nom de produit commercial ni calendrier de déploiement. Il s'inscrit dans la logique plus large de réduction du risque humain dans les tâches logistiques dangereuses, via des essaims de robots plutôt que des véhicules autonomes isolés, une orientation qui recoupe les efforts de plusieurs programmes de robotique terrestre et navale de l'armée américaine ces dernières années. À ce stade, les résultats se limitent à une démonstration en simulation physique, sans prototype testé en conditions réelles ni système déployé; les suites logiques, non détaillées dans le résumé, porteraient sur des essais avec des USV physiques en eau libre, sous courant et vent.

RecherchePaper
1 source
Exploration des oscillations non linéaires du corps pour des démarches naturelles chez les quadrupèdes
15arXiv cs.RO 

Exploration des oscillations non linéaires du corps pour des démarches naturelles chez les quadrupèdes

Des chercheurs ont publié le 2 septembre 2026 sur arXiv (référence 2609.00539v1) une étude intitulée « Exploring Nonlinear Body Oscillations for Natural Quadruped Gaits », qui présente un cadre théorique permettant de rendre prévisible la dynamique non linéaire d'un robot dès sa conception. L'équipe l'a appliqué à eBert, un robot quadrupède hautement compliant (souple), sur lequel elle a identifié six modes normaux non linéaires (NNM, nonlinear normal modes) grâce à de nouveaux outils théoriques, validés à la fois en simulation et sur le matériel physique. Une optimisation en boîte noire a ensuite servi à déterminer la longueur de pas optimale pour chaque mode. Résultat : chacun des six NNM donne naissance à une démarche distincte, correspondant à une vitesse différente, et ces comportements se transfèrent en grande partie de la simulation au robot réel. L'enjeu dépasse la simple démonstration académique. La majorité des robots quadrupèdes actuels, conçus sans exploiter la résonance mécanique en raison de la complexité des dynamiques non linéaires, s'appuient sur des contrôleurs de locomotion dédiés, gourmands en calcul et en réglages manuels. En s'inspirant des animaux, qui ajustent posture et raideur musculaire pour tirer parti de la résonance et réduire le contrôle actif nécessaire, ce travail propose une alternative où la démarche émerge naturellement de la mécanique du robot (gravité, inertie, élasticité) plutôt que d'être imposée par un algorithme. Pour les concepteurs, cela suggère qu'une conception mécanique bien pensée peut remplacer une partie du calcul embarqué, avec à la clé des robots potentiellement plus légers, plus économes en énergie et plus agiles. Il s'agit néanmoins d'une preuve de concept limitée à une seule plateforme, dont le transfert simulation vers matériel n'est que partiel. Ce travail s'inscrit dans le courant de l'intelligence incarnée (embodied intelligence) et de la robotique compliante, héritier des marcheurs passifs dynamiques qui, depuis les années 1990, cherchent à exploiter la mécanique du corps plutôt que le seul logiciel, à l'inverse des approches par apprentissage par renforcement ou commande prédictive dominantes chez la plupart des quadrupèdes commerciaux actuels. En formalisant les modes normaux non linéaires d'un robot compliant comme eBert, les auteurs posent une méthode reproductible pour d'autres plateformes. L'article se présente explicitement comme une preuve de concept, sans annonce de commercialisation ni de partenaire industriel : les chercheurs évoquent une future génération de robots agiles et efficaces s'appuyant sur ce principe, sans calendrier ni étape de déploiement précisée.

RecherchePaper
1 source
IMPACT : l'attention comme carte des interactions pour entraîner à grande échelle des modèles du monde qui les intègrent
16arXiv cs.RO 

IMPACT : l'attention comme carte des interactions pour entraîner à grande échelle des modèles du monde qui les intègrent

Des chercheurs présentent IMPACT, une méthode d'entraînement pour les world models utilisés par les agents robotiques, détaillée dans un article publié le 2 septembre 2026 sur arXiv (2609.00161v1). Ces modèles prédisent l'évolution future d'une scène à partir d'une action donnée, mais peinent à générer des interactions physiquement plausibles entre un bras ou une main et les objets manipulés. Les approches existantes corrigent ce défaut en injectant des représentations externes de mouvement, géométrie ou sémantique, obtenues via des estimateurs auxiliaires ou des annotations manuelles, ce qui limite le passage à l'échelle. Les auteurs identifient plutôt un défaut structurel dans l'objectif d'entraînement standard, l'erreur quadratique moyenne globale, qui privilégie le contenu statique dominant de la scène au détriment des rares régions dynamiques où se joue l'interaction. IMPACT exploite les cartes d'attention croisée déjà associées aux tokens de l'objet manipulé comme indice spatiotemporel interne, échantillonne les régions candidates, les recalibre avec les erreurs de prédiction locales, puis reprend cette carte d'interaction pour repondérer la supervision du débruitage, sans représentation externe ni modification au moment de l'inférence. Testée sur des tâches de manipulation par bras robotique et par main humaine, avec plusieurs modalités de contrôle et backbones DiT, la méthode surpasse systématiquement les bases entraînées en MSE classique sur la fidélité des interactions, la plausibilité physique et la qualité visuelle. Pour l'industrie robotique, ce travail s'attaque à un goulot d'étranglement bien identifié dans l'entraînement des world models et des politiques VLA à grande échelle: la difficulté à faire tenir la promesse du "sim-to-real" ou de la génération vidéo conditionnée par action lorsque les moments qui comptent, le contact, la préhension, le déplacement d'un objet, ne représentent qu'une fraction des pixels d'une séquence. En évitant de dépendre d'annotateurs externes ou de pipelines de labellisation coûteux, IMPACT propose une voie de passage à l'échelle compatible avec les volumes de données nécessaires à l'entraînement de modèles génératifs pour la robotique, un enjeu direct pour les laboratoires qui alimentent des architectures de type GR00T N2, Pi-0 ou Helix en données synthétiques ou en simulateurs de monde. Ce travail s'inscrit dans la lignée des recherches récentes sur les world models conditionnés par action, où plusieurs équipes ont cherché à contraindre la génération avec des représentations de mouvement ou de géométrie pour éviter les artefacts physiquement incohérents, une limite régulièrement pointée dans les démonstrations vidéo de modèles de manipulation. IMPACT se positionne comme une alternative purement algorithmique à ces approches basées sur des représentations externes, testée sur plusieurs backbones DiT et modalités de contrôle, sans toutefois préciser de déploiement industriel ni de partenaire robotique à ce stade: il s'agit d'une contribution de recherche publiée sur arXiv, dont l'adoption par des acteurs commerciaux de la robotique reste à confirmer dans les prochains mois.

RecherchePaper
1 source
Au-delà de la sélection d'objets : positionnement de robot par regard, sans marqueurs, à une position arbitraire
17arXiv cs.RO 

Au-delà de la sélection d'objets : positionnement de robot par regard, sans marqueurs, à une position arbitraire

Une équipe de recherche présente un système de manipulation robotique piloté par le regard capable de placer des objets à une position arbitraire, sans marqueurs physiques, en résolvant l'alignement spatial entre un casque de suivi oculaire et un robot. Décrit dans un article arXiv publié début septembre 2026 (arXiv:2609.00478v1), le travail s'attaque à un problème resté ouvert dans la manipulation assistée par regard : jusqu'ici, ces interfaces géraient bien la sélection d'objets mais peinaient à placer un objet n'importe où dans l'espace, faute d'un calibrage précis entre les coordonnées du casque et celles du robot. Les auteurs introduisent trois contributions : un cadre d'interaction sans marqueurs, un jeu de données dédié à l'alignement inter-appareils, une méthode de sélection de référence par graphe pour compenser le manque de repères visibles sur le robot, ainsi que plusieurs pipelines de calibrage testés selon un protocole commun. L'apport le plus notable est conceptuel autant que technique : les chercheurs montrent que la précision de pose classique (erreur de position et d'orientation du capteur) ne prédit pas fiablement la précision de la tâche réelle, car les erreurs de translation et de rotation peuvent se compenser mutuellement dans le rayon de regard projeté. Pour objectiver ce constat, ils proposent une nouvelle métrique, la Gaze-Surface Intersection Error (GSIE), qui mesure directement l'écart spatial entre le point visé par le regard et la cible réelle sur la surface. Résultat contre-intuitif pour le secteur : des méthodes d'alignement classées en tête par les métriques de pose usuelles ne sont pas nécessairement les meilleures une fois évaluées à l'échelle de la tâche via GSIE. Pour les concepteurs d'interfaces d'assistance et de téléopération, cela suggère qu'évaluer un système par la seule précision géométrique du capteur peut induire en erreur sur ses performances effectives. Ce travail s'inscrit dans le champ de la manipulation assistée par regard pour la robotique d'assistance, où la fusion eye-tracking et cinématique robotique reste un défi d'ingénierie ouvert, en particulier pour les utilisateurs à mobilité réduite dépendant de bras robotiques. L'article ne précise pas de plateforme matérielle ni de partenaire industriel identifié ; il se présente comme une contribution méthodologique et un protocole d'évaluation, avec dataset et framework mis à disposition, plutôt que comme un système prêt au déploiement.

RecherchePaper
1 source
MobileOcc : un jeu de données d'occupation sémantique sensible à l'humain pour robots mobiles
18arXiv cs.RO 

MobileOcc : un jeu de données d'occupation sémantique sensible à l'humain pour robots mobiles

Une équipe de recherche publie MobileOcc, un jeu de données d'occupation sémantique 3D pour robots mobiles opérant en environnements piétons denses, un scénario peu couvert comparativement à la conduite autonome. L'article, référencé arXiv 2511.16949, décrit un pipeline d'annotation combinant occupation d'objets statiques et un nouveau cadre d'optimisation de maillage pour les humains : leur géométrie déformable est reconstruite à partir d'images 2D puis affinée avec des points LiDAR associés. Le jeu de données alimente deux benchmarks, la prédiction d'occupation et la prédiction de vitesse des piétons, testés avec des méthodes monoculaires, stéréo et panoptiques dotées de métriques et d'implémentations de référence reproductibles. La méthode d'annotation est aussi validée sur des jeux de données d'estimation de pose humaine 3D, avec des résultats jugés robustes ; le code et les données sont publiés sur autonomousrobots.nl. La perception d'occupation dense est une brique critique pour la navigation sécurisée des robots mobiles au contact d'humains, en entrepôt, en hôpital ou en espace public, où anticiper position et mouvement d'un piéton conditionne l'évitement de collision. La plupart des jeux de données d'occupation 3D existants visaient l'automobile, avec des scènes routières peu représentatives des couloirs et halls parcourus par les robots de service. Modéliser les humains comme des objets déformables plutôt que comme de simples boîtes englobantes, et publier des baselines multi-capteurs reproductibles, comble un manque de standardisation qui facilitera la comparaison des systèmes de perception chez les intégrateurs. Ce travail s'inscrit dans une tendance de transfert des techniques de perception nées pour la conduite autonome vers la robotique mobile et humanoïde, à mesure que LiDAR et architectures d'occupation 3D se banalisent. MobileOcc reste un jeu de données et un protocole d'évaluation académiques, sans déploiement industriel annoncé, et il s'agit d'une version corrigée de la publication initiale sur arXiv. L'ouverture du code et des données vise à établir une référence que d'autres laboratoires pourront reprendre pour comparer leurs modèles de perception en environnement piéton, chantier ouvert tant pour la recherche que pour de futurs usages commerciaux en robotique de service.

RecherchePaper
1 source
HitMem : mémoire 3D temporelle hiérarchique et récupération multimodale contextuelle pour environnements dynamiques
19arXiv cs.RO 

HitMem : mémoire 3D temporelle hiérarchique et récupération multimodale contextuelle pour environnements dynamiques

Des chercheurs présentent HitMem, un framework de mémoire 3D hiérarchique et temporelle destiné aux agents robotiques évoluant dans des environnements dynamiques, décrit dans un article publié le 2 septembre 2026 sur arXiv (référence 2609.00950v1). Le système répond à une limite connue des mémoires de scène 3D existantes, conçues pour des mondes statiques : quand un objet est déplacé par une activité humaine ou un événement non observé, l'agent se retrouve en conflit entre sa mémoire et son observation, ce qui l'oblige soit à recalculer coûteusement la géométrie de la scène, soit à relancer une exploration globale inefficace. HitMem construit à la place un graphe topologique léger qui unifie information sémantique et spatiale et capture les relations de support entre objets, avec un mécanisme de décroissance temporelle qui régule dynamiquement l'activité de chaque souvenir pour limiter le poids des représentations obsolètes. Sa récupération d'information combine par défaut des filtres sémantiques, spatiaux et temporels, et bascule vers un processus de récupération en deux étapes dès qu'un déplacement d'objet est détecté, en croisant les trajectoires externes de l'agent avec des affinités de classe sémantiques pour cibler les zones candidates les plus probables. Les auteurs évaluent leur méthode sur un benchmark maison, Dyna-THOR, spécifiquement conçu pour ces scénarios dynamiques. Pour l'industrie robotique, ce travail cible un angle mort documenté des systèmes de navigation et de manipulation basés sur la perception continue : la plupart des architectures actuelles supposent un monde figé entre deux passages de l'agent, une hypothèse intenable en environnement humain réel (entrepôt partagé, domicile, atelier). Un mécanisme capable de localiser un objet déplacé sans recartographier toute la scène représente un gain direct de temps de cycle et de coût de calcul pour tout intégrateur travaillant sur des AMR ou des agents domestiques à mémoire persistante. Les résultats annoncés, une amélioration de la précision de relocalisation d'objets et une réduction du coût d'exploration, restent toutefois mesurés sur un benchmark propriétaire construit par les auteurs eux-mêmes, ce qui appelle une lecture prudente avant toute généralisation à des conditions de déploiement réel. HitMem s'inscrit dans la lignée des recherches sur la mémoire spatiale persistante pour agents incarnés, un axe distinct mais complémentaire des architectures VLA (vision-langage-action) comme Pi-0 ou GR00T N2, qui se concentrent sur la génération d'actions plutôt que sur la représentation du monde à long terme. Le nom Dyna-THOR suggère une extension du simulateur AI2-THOR, largement utilisé dans la recherche en navigation embarquée, adapté ici pour introduire des perturbations dynamiques dans l'environnement. À ce stade, il s'agit d'une publication de recherche et non d'un produit ou d'un déploiement commercial ; aucune date d'intégration dans un système robotique commercial ni de partenariat industriel n'est mentionné dans l'article.

RecherchePaper
1 source
Navigation autonome et couverture évitant les obstacles pour robots d'extérieur
20arXiv cs.RO 

Navigation autonome et couverture évitant les obstacles pour robots d'extérieur

Des chercheurs proposent une architecture logicielle unifiée sous ROS 2 pour permettre à des robots autonomes d'extérieur de couvrir de vastes zones tout en évitant les obstacles, selon un article publié sur arXiv le 1er septembre 2026 (arXiv:2609.01384v1). Le système combine un planificateur de couverture, une localisation robuste et un moteur d'exécution basé sur Nav2, la pile de navigation standard de ROS 2. La position et le cap du robot sont estimés en continu via un filtre de Kalman étendu (EKF) fusionnant les données d'un GNSS RTK à double antenne, ce qui limite la dérive de localisation typique des espaces ouverts sur de longues missions. Trois améliorations tenant compte des contraintes du contrôleur ont été ajoutées à un planificateur de couverture existant, notamment pour gérer les manoeuvres à virages serrés. Un gestionnaire de mission à base d'arbre de comportement (Behavior Tree) orchestre l'exécution multi-objectifs, une récupération en couches en cas d'échec, une gestion des objectifs pondérée par le coût, et un retour automatique à la station de charge. Les auteurs ont validé cette pile logicielle en simulation puis lors d'essais réels sur plusieurs zones extérieures aux géométries et densités d'obstacles variées, atteignant un taux de couverture de 93,1% à 96,1% de la surface planifiée. Pour les intégrateurs de robotique agricole, de tonte autonome, de surveillance de sites ou de logistique extérieure, ce travail cible un problème concret et récurrent: la plupart des démonstrations de couverture autonome tiennent en intérieur ou sur terrain dégagé, alors que l'extérieur cumule dérive GPS, obstacles imprévus et gestion d'énergie sur des missions de longue durée. En intégrant localisation RTK, planification et reprise sur erreur dans une seule architecture testée en conditions réelles, et non seulement en simulation, l'étude apporte une donnée rare: un taux de couverture chiffré et répétable, plutôt qu'une vidéo de démonstration isolée. Cela réduit l'écart entre promesse marketing et robustesse opérationnelle, un point sensible dans un secteur où beaucoup d'annonces de robots extérieurs restent au stade du prototype capable de fonctionner une fois, sur un terrain choisi, sans généralisation prouvée à des géométries variées. Le travail s'inscrit dans la continuité des outils open source de l'écosystème ROS 2, en particulier Nav2, devenu la base de facto pour la navigation robotique autonome, que l'équipe étend plutôt que remplace. Il répond à des limites connues des planificateurs de couverture classiques, qui supposent souvent une localisation parfaite et ignorent la faisabilité réelle des trajectoires en virage pour une plateforme à roues ou chenilles. Aucun acteur industriel européen n'est cité dans cette publication, qui reste à ce stade une contribution de recherche académique plutôt qu'un produit commercialisé ou déployé en flotte. Les auteurs ne communiquent ni calendrier de transfert vers un partenaire industriel ni site de déploiement pilote au-delà des essais décrits, ce qui situe cette annonce du côté de la preuve de concept technique plutôt que du produit prêt à l'emploi.

RecherchePaper
1 source
Conversation homme-robot avec plusieurs interlocuteurs dans des espaces publics bruyants
21arXiv cs.RO 

Conversation homme-robot avec plusieurs interlocuteurs dans des espaces publics bruyants

À l'occasion de l'Exposition universelle 2025 d'Osaka, une équipe de recherche a présenté en démonstration un système audio conçu pour permettre à des robots et des avatars de dialoguer avec plusieurs interlocuteurs à la fois dans des espaces publics bruyants, selon un article publié sur arXiv (2609.00648v1). Deux scénarios ont été testés en conditions réelles. Le premier repose sur l'android ERICA, conçu comme un système d'écoute attentive capable de suivre une conversation avec plusieurs personnes simultanément. Le second met en jeu des robots mobiles baptisés Teleco, dont l'un sert d'avatar télécommandé par un opérateur humain à distance pour assister la conversation. Les deux dispositifs s'appuient sur un unique réseau de microphones multicanal, qui capte et sépare la parole de plusieurs locuteurs dans un environnement bruyant, plutôt que sur des architectures multi-capteurs complexes. Cette démonstration s'attaque à un point faible récurrent de l'interaction homme-robot conversationnelle : la plupart des systèmes de dialogue vocal sont mis au point en laboratoire, dans des conditions acoustiques contrôlées, et perdent en fiabilité dès qu'ils affrontent le bruit ambiant d'un lieu public fréquenté. Réussir à extraire une parole exploitable, que ce soit pour la reconnaissance vocale embarquée ou pour la retransmettre proprement à un opérateur distant, est une condition pratique pour déployer des robots d'accueil ou des avatars de téléprésence dans des halls d'exposition, aéroports ou espaces commerciaux. L'ajout d'une restitution en audio spatial pour l'opérateur distant vise aussi à renforcer son sentiment de présence, un enjeu clé pour les usages de téléprésence robotique. Le fait qu'une seule antenne micro suffise pour les deux cas d'usage est également un argument de simplicité et de coût pour d'éventuels intégrateurs. ERICA est un android développé de longue date par les équipes de recherche japonaises en interaction homme-robot, régulièrement utilisé comme plateforme d'expérimentation pour des conversations naturelles avec des humains. Les robots Teleco, eux, sont pensés comme des plateformes mobiles de téléprésence. L'Exposition universelle d'Osaka a servi de terrain d'essai grandeur nature, exposant les deux systèmes à un bruit de foule impossible à reproduire en laboratoire. Il s'agit à ce stade d'une preuve de concept scientifique, sans annonce de produit commercial, de pilote industriel ni de calendrier de déploiement.

RecherchePaper
1 source
Trajectoires légitimes ou illisibles : la planification de mouvement (il)lisible pour plusieurs observateurs
22arXiv cs.RO 

Trajectoires légitimes ou illisibles : la planification de mouvement (il)lisible pour plusieurs observateurs

Des chercheurs présentent DUBIOUS, un optimiseur de trajectoire conçu pour résoudre un nouveau problème formalisé sous le nom de Mixed-Motive Limited-Observability Legible Motion Planning (MMLO-LMP), décrit dans un article arXiv (2602.09227v2, version révisée). L'idée centrale : générer une trajectoire de robot qui reste lisible pour certains observateurs et illisible pour d'autres, simultanément, tout en tenant compte du fait que chaque observateur ne voit qu'une partie limitée de l'environnement. Concrètement, une trajectoire est dite "légible" quand un observateur peut prédire rapidement et correctement l'intention du robot, et "illisible" quand elle induit une prédiction erronée ou retarde la prédiction correcte. Le papier ne détaille pas de chiffres de performance chiffrés (temps de cycle, charge utile, degrés de liberté) ni de plateforme robotique précise : il s'agit d'un travail de planification de mouvement théorique et algorithmique, testé en simulation, montrant que DUBIOUS parvient à équilibrer ces objectifs contradictoires selon les motifs et les zones de visibilité propres à chaque observateur. Cette contribution s'adresse à un problème rarement traité jusqu'ici dans la littérature sur la planification légale de trajectoire, qui suppose généralement un seul observateur omniscient. Or dans un entrepôt partagé entre humains et robots, ou lors d'opérations impliquant plusieurs agents aux intérêts divergents, un robot doit souvent communiquer son intention à un collègue tout en la dissimulant à un tiers, humain ou robot, qui n'a qu'une vue partielle de la scène. Pour les intégrateurs travaillant sur la coordination multi-robots ou la sécurité en environnement partagé, ce cadre théorique ouvre une piste pour concevoir des comportements de navigation plus nuancés que le simple évitement d'obstacle, avec des implications potentielles en robotique collaborative industrielle comme en robotique de défense. Le travail s'inscrit dans la continuité des recherches sur la "legible motion planning", initiées notamment par les travaux d'Anca Dragan sur la communication implicite d'intention en robotique collaborative, mais innove en introduisant la dimension "adversariale" et la visibilité limitée simultanément, plutôt que l'une ou l'autre séparément comme le faisaient les travaux antérieurs. Les auteurs reconnaissent explicitement les limites de leur approche actuelle, limitée à des observateurs statiques, et annoncent des travaux futurs portant sur des observateurs mobiles et sur la coordination en équipe entre observateurs, sans toutefois donner de calendrier précis pour ces extensions.

RecherchePaper
1 source
VerNav : navigation vision-langage à faible latence guidée par un vérificateur
23arXiv cs.RO 

VerNav : navigation vision-langage à faible latence guidée par un vérificateur

Un preprint publié sur arXiv (arXiv:2609.00920v1) présente VerNav, une architecture de navigation vision-langage (VLN) qui vise à réduire la latence de décision des agents basés sur des grands modèles de langage (LLM). Plutôt que de générer une réponse autorégressive complète à chaque étape pour interpréter l'instruction et choisir l'action, comme le font les agents VLN-LLM classiques, VerNav utilise un vérificateur qui évalue par lots les actions candidates, et ne fait appel à un générateur autorégressif, via un déclencheur basé sur l'entropie, que pour les décisions jugées incertaines. L'entraînement combine une phase d'alignement de préférence d'action locale (VPO) et un fine-tuning par renforcement étape par étape avec récompenses de progression. Sur le benchmark Room-to-Room (R2R), la voie "vérificateur seul" de VerNav égale des agents VLN-LLM représentatifs tout en divisant par plus de 10 la latence moyenne de décision par étape. L'intérêt dépasse la performance brute : le coût de calcul du raisonnement explicite étape par étape est ce qui bloque aujourd'hui le déploiement d'agents VLN-LLM dans des applications robotiques temps réel, robots mobiles autonomes (AMR) en entrepôt ou plateformes de service suivant des instructions vocales. En montrant qu'un vérificateur peu coûteux peut remplacer la génération autorégressive pour la majorité des décisions sans perdre en qualité de raisonnement sur les cas ambigus, VerNav relativise l'idée que raisonnement explicite et faible latence seraient incompatibles en VLN. À noter : les gains annoncés restent des mesures logicielles obtenues en simulation sur R2R, sans validation sur robot physique réel, un point que le preprint ne souligne pas explicitement. La tâche VLN, qui consiste à faire naviguer un agent dans un environnement 3D inconnu à partir d'instructions en langage naturel, s'appuie depuis des années sur R2R comme benchmark de référence, et a récemment intégré des LLM pour améliorer la compréhension d'instructions et l'ancrage sémantique, au prix d'une latence d'inférence accrue. VerNav se positionne comme une alternative à ces agents VLN-LLM autorégressifs plutôt que comme un produit déployé : le travail est publié en preprint, non revu par les pairs, sans calendrier de déploiement industriel annoncé, et les suites logiques évoquées dans ce type de recherche sont une extension à des benchmarks plus larges comme REVERIE ou RxR.

RecherchePaper
1 source
REFACTOR-VLA : apprentissage non supervisé d'une bibliothèque de programmes moteurs typés
24arXiv cs.RO 

REFACTOR-VLA : apprentissage non supervisé d'une bibliothèque de programmes moteurs typés

Le laboratoire à l'origine de REFACTOR-VLA (arXiv 2609.01215, publié le 1er septembre 2026) propose une architecture d'apprentissage de compétences robotiques réutilisables, organisée en deux phases dites "wake" et "sleep". La phase de sommeil regroupe des fragments de programmes moteurs via un "noyau d'équivalence comportementale" (BEK) calculé à partir d'un modèle du monde latent M_phi ; la phase d'éveil produit des termes lambda typés, inspirés du système Hindley-Milner, consommés par un décodeur d'actions à flux rectifié conditionné par une bibliothèque de compétences. Sur le benchmark de simulation LIBERO, les auteurs rapportent deux résultats. D'abord, faire passer le modèle du monde de 188 à 430 millions de paramètres dégrade les performances sur les 4 suites de tests évaluées, contredisant l'idée que plus de capacité suffit. Ensuite, ajouter une perte contrastive supervisée auxiliaire (InfoNCE) pendant l'entraînement du modèle du monde améliore nettement le regroupement : information mutuelle normalisée de 0,462 (objet), 0,867 (spatial), 0,915 (but) et 0,754 (LIBERO-10), sur 3 graines aléatoires, dépassant la meilleure référence publiée de +0,184 en moyenne sur les 4 suites. Sur 12 fournisseurs testés, l'intervalle de confiance à 95% pour l'information mutuelle moyenne se situe entre 0,683 et 0,729. Le système produit la première bibliothèque de tâches-langage sur LIBERO réel, avec 2 des 3 abstractions retenues utilisées pour réécrire les 256 démonstrations échantillonnées. L'enjeu dépasse la simple performance chiffrée : la plupart des modèles vision-langage-action actuels, comme OpenVLA, Pi-0, RT-2 ou RDT-1B, restent monolithiques, produisant des commandes motrices brutes sans organiser le comportement en abstractions réutilisables, ce qui les fragilise sur les tâches longues et rend leur décision peu interprétable. Les méthodes existantes de découverte de compétences contournent la question centrale de l'équivalence comportementale entre deux séquences d'actions, en s'appuyant soit sur des embeddings contrastifs, soit sur le jugement d'un modèle de langage non calibré sur la dynamique physique du robot. REFACTOR-VLA propose un critère explicite et vérifiable (gâtés de longueur de description minimale et de préservation du retour), ce qui intéresse directement les intégrateurs cherchant des bibliothèques de compétences composables et auditables plutôt que des boîtes noires. Le travail s'inscrit dans la lignée des grands modèles VLA récents portés par des laboratoires comme Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure/Helix, mais reste à ce stade une contribution académique publiée en preprint, sans affiliation industrielle affichée ni déploiement sur robot réel. Toutes les évaluations se limitent à l'environnement de simulation LIBERO, sans validation sim-to-real annoncée. La suite logique, non détaillée dans l'article, serait un passage à des plateformes physiques et à des tâches plus longues pour confirmer que ces bibliothèques de compétences typées tiennent hors simulation.

RecherchePaper
1 source
Une seule impression, plusieurs mouvements : actionneur pliable monolithique inspiré de l'origami pour systèmes souples multi-DOF composables
25arXiv cs.RO 

Une seule impression, plusieurs mouvements : actionneur pliable monolithique inspiré de l'origami pour systèmes souples multi-DOF composables

Des chercheurs présentent MONORIGAMI, un actionneur souple monolithique inspiré de l'origami, décrit dans un article publié le 2 septembre 2026 sur arXiv (arXiv:2609.00751v1). Le dispositif repose sur une anisotropie de raideur programmée spatialement : des zones d'épaisseur variable, disposées selon une géométrie à facettes et plis façon origami, conservent la souplesse du matériau dans les directions de pliage voulues tout en bridant les déformations parasites, sans renfort additionnel. L'actionneur s'imprime en une seule pièce, avec un seul matériau et une seule impression 3D, sans assemblage. Chaque module sert de primitive de mouvement élémentaire ; en les reliant et en les orientant, les chercheurs programment mécaniquement des trajectoires multi-degrés de liberté (DoF). L'équipe démontre trois systèmes robotiques souples imprimés en 3D à partir du même module : un dispositif haptique portable à 4 DoF pour un retour cutané en réalité virtuelle, un joystick à 3 DoF pour un retour kinesthésique en téléopération, et un préhenseur robotique modulaire capable de fonctionner sous l'eau avec des trajectoires de préhension encodées dans sa géométrie. L'intérêt pour l'industrie robotique tient à la promesse de fiabilité et de répétabilité que les actionneurs souples peinent traditionnellement à offrir : leur compliance naturelle, atout pour l'interaction physique, se traduit d'ordinaire par des déformations incontrôlées qui limitent la précision et la mise à l'échelle vers des systèmes multi-DoF. En rendant la fabrication accessible via un simple processus d'impression 3D mono-matériau et en proposant un module composable et réutilisable sur plusieurs applications (haptique, téléopération, préhension sous-marine), l'approche s'adresse directement aux intégrateurs cherchant à réduire coûts et complexité d'assemblage pour des interfaces homme-machine ou des effecteurs souples. Ce travail s'inscrit dans la lignée de la robotique douce inspirée de la nature et de l'origami, un champ de recherche actif depuis plusieurs années pour concevoir des structures pliables et compliantes sans moteurs multiples ni câblage complexe. Les auteurs positionnent MONORIGAMI comme une réponse aux limites persistantes de fabrication et de contrôle des actionneurs souples existants, sans citer de concurrents directs ni de partenaires industriels dans l'abstract. Il s'agit à ce stade d'une publication de recherche démontrant des prototypes fonctionnels plutôt qu'un produit commercialisé ; aucun calendrier de déploiement industriel n'est mentionné.

RecherchePaper
1 source
Extension de graphe basée sur la connectivité pour l'exploration multi-robots décentralisée
26arXiv cs.RO 

Extension de graphe basée sur la connectivité pour l'exploration multi-robots décentralisée

Un preprint publié sur arXiv (2609.00804v1) présente une méthode d'extension de graphe d'exploration pour des essaims de drones décentralisés opérant sous communication intermittente. Elle s'appuie sur la connectivité des zones frontières, la limite entre territoire exploré et inconnu, pour étendre les plans de vol et garder stable le partage de zone entre agents malgré déconnexions et changements de topologie. Appliquée à deux méthodes de partitionnement jugées état de l'art et testée uniquement en simulation, sans essai sur drones réels, elle affiche une efficacité supérieure aux approches existantes, surtout à faible taux de communication. Le sujet touche un point de friction central pour les flottes de drones en environnement inconnu (recherche-sauvetage, inspection industrielle, exploration souterraine), où le lien radio entre agents reste peu fiable. La plupart des architectures multi-robots actuelles supposent encore une communication quasi continue ou une coordination centralisée fragile face aux pertes de signal. Pour un intégrateur visant des flottes autonomes en zone GPS-denied, l'article confirme que le partitionnement de zone robuste aux déconnexions demeure un problème de recherche ouvert, pas une brique logicielle mature. Il s'agit d'un preprint arXiv classé « new », donc non encore relu par les pairs ni publié en conférence, sans auteurs, affiliation ni matériel précisés. L'exploration par frontières est connue depuis les années 1990, mais son extension aux essaims décentralisés sous contrainte de communication reste un axe actif des laboratoires de robotique aérienne, sans calendrier annoncé vers un déploiement physique.

RecherchePaper
1 source
ADAPT : des amorces de diffusion agiles et pilotables pour un contrôle robuste d'humanoïdes en ligne, guidé par texte
27arXiv cs.RO 

ADAPT : des amorces de diffusion agiles et pilotables pour un contrôle robuste d'humanoïdes en ligne, guidé par texte

Un preprint publié sur arXiv (référence 2609.00677v1) décrit ADAPT (Agile Diffusion Action Priors), un framework de contrôle interactif du corps entier de robots humanoïdes piloté par texte. Contrairement aux pipelines texte-vers-mouvement dominants, qui génèrent une trajectoire suivie ensuite par un contrôleur séparé, ADAPT fonctionne en boucle fermée de bout en bout : le robot répond en continu aux commandes tout en gardant l'équilibre et des transitions fluides. Il apprend un prior d'action par diffusion à partir de trajectoires état-action annotées en texte, complété par une politique résiduelle d'apprentissage par renforcement entraînée sur le contrôleur gelé pour améliorer la robustesse entre consignes. L'abstract ne précise ni plateforme robotique testée, ni charge utile, degrés de liberté ou temps de cycle. L'intérêt tient à la fusion, en une seule boucle, de la génération de mouvement et de son exécution : les systèmes actuels séparent souvent un module texte-vers-mouvement d'un contrôleur bas niveau, ce qui crée latence et ruptures dès qu'une commande change. ADAPT vise des humanoïdes plus réactifs au langage naturel, un enjeu pour les intégrateurs voulant doter leurs robots d'interfaces conversationnelles en entrepôt ou en usine. Il suggère aussi que les priors d'action par diffusion combinés au renforcement, dans la lignée de travaux comme Pi-0 ou GR00T N2, forment une base viable pour du contrôle général, sans toutefois de déploiement physique ni de comparaison chiffrée démontrés : la contribution reste académique, non encore validée par relecture par les pairs. Ce travail s'inscrit dans la course menée par des laboratoires et entreprises comme Figure AI avec Helix, NVIDIA avec GR00T N2 ou Physical Intelligence avec Pi-0, pour doter les humanoïdes de piles vision-langage-action capables de suivre des instructions en langage naturel plutôt que des routines préprogrammées. Là où ces acteurs couplent souvent de grands modèles multimodaux à des primitives de mouvement, ADAPT propose des priors d'action par diffusion entraînés sur des données texte-état-action, complétés par du renforcement, comme alternative plus légère en boucle fermée. Aucun acteur français ou européen du secteur, comme Wandercraft ou Pollen, n'apparaît dans cette publication. Les suites attendues, non détaillées dans l'abstract, sont une réplication indépendante et une validation sur robot physique.

RechercheActu
1 source
Doigt robotique compact à articulation MCP à 2 DOF intégrant une transmission passive à variation continue sélective par DOF
28arXiv cs.RO 

Doigt robotique compact à articulation MCP à 2 DOF intégrant une transmission passive à variation continue sélective par DOF

Un mécanisme de doigt robotique compact à deux degrés de liberté (DoF), reproduisant l'articulation métacarpophalangienne (MCP) humaine, vient d'être détaillé dans une publication arXiv (référence 2609.00769v1, catégorie "letter", donc un résultat de recherche préliminaire et non un produit fini). Le dispositif intègre une transmission passive à variation continue (CVT) réservée à l'axe de flexion-extension, tandis que l'axe d'abduction-adduction conserve une transmission directe classique. Le cœur du mécanisme est un système de routage de câble côté sortie, inspiré des poulies mobiles : la tension du câble ajuste automatiquement le bras de levier et le rapport de transmission en fonction de la charge appliquée, sans capteur, sans actionneur supplémentaire et sans électronique de contrôle. Les essais rapportent une amplification de force en sortie atteignant 4,19 fois la valeur nominale, avec une moyenne de 3,6 fois, mesurée sur une plage d'angles de flexion allant de 15 à 75 degrés. Des tests de manipulation fine, sous forme de roulement de balle entre les doigts, confirment que cette adaptation mécanique passive n'altère pas la fonction d'abduction-adduction. L'intérêt pour l'industrie des mains robotiques et des humanoïdes tient à la façon dont le problème est résolu : au lieu d'ajouter des capteurs de force et une boucle de contrôle pour basculer entre un mode "force élevée, vitesse faible" et un mode "vitesse élevée, force faible", le compromis est traité purement mécaniquement. Pour des mains dextres compactes, où le budget en actionneurs, en câblage et en puissance de calcul embarquée est déjà serré, une solution passive qui élargit la plage force-vitesse sans coût électronique additionnel est directement exploitable par les intégrateurs cherchant à réduire la complexité et le poids des effecteurs terminaux, un enjeu central pour les concepteurs de mains de robots humanoïdes actuellement en phase de miniaturisation. Cette approche s'inscrit dans une lignée de recherches sur les transmissions à variation continue appliquées aux mains robotiques et prothétiques, où la biomimétique de l'articulation MCP humaine sert régulièrement de référence pour les architectures de doigts à câbles ou tendons, à l'image de conceptions comme la Shadow Hand. L'abstract ne mentionne aucune entreprise partenaire ni site de déploiement : il s'agit d'un résultat de laboratoire, testé sur un prototype de doigt isolé et non sur une main complète. Les auteurs présentent leur stratégie de conception comme "scalable" à des mains multi-doigts, ce qui suggère une prochaine étape d'intégration sur une architecture complète, sans calendrier ni partenaire industriel annoncé à ce stade.

RecherchePaper
1 source
Planification du mouvement à double processus
29arXiv cs.RO 

Planification du mouvement à double processus

Publié sur arXiv en septembre 2026 (identifiant 2609.01260v1, classé en cross-listing), l'article intitulé "Dual Process Motion Planning" présente une architecture neuro-symbolique pour la planification de mouvement en robotique. Inspirée du modèle cognitif "Thinking Fast and Slow" de Daniel Kahneman, elle articule un module "Système 2", des solveurs symboliques classiques garantissant robustesse et précision, et un module "Système 1", appris par l'expérience pour accélérer la prise de décision. Un contrôleur métacognitif arbitre dynamiquement entre les deux selon la difficulté de la tâche à résoudre. Les auteurs testent le système sur plusieurs environnements de référence non linéaires, mais le résumé ne fournit ni chiffre de charge utile, ni degrés de liberté, ni temps de cycle, ni nom d'entreprise ou site de déploiement : il s'agit d'une contribution de recherche, pas d'un produit commercialisé. La planification robotique reste écartelée entre méthodes classiques, fiables mais lourdes en calcul et peu adaptables, et méthodes apprises, rapides mais difficiles à garantir formellement. Cette hybridation illustre une tendance de fond déjà visible dans les architectures vision-langage-action comme GR00T N2 ou Helix, qui combinent politiques apprises et couches de contrôle structurées pour réduire l'écart entre démonstrations impressionnantes et fiabilité industrielle. Pour les intégrateurs et décideurs B2B, un contrôleur capable d'arbitrer entre intuition rapide et raisonnement rigoureux pourrait, si les gains se confirment hors laboratoire, atténuer le compromis habituel entre vitesse de calcul et garanties de sécurité, un frein connu au déploiement de robots manipulateurs ou mobiles en environnement non structuré. Ce travail s'inscrit dans un courant croissant de recherche neuro-symbolique cherchant à marier raisonnement structuré et réseaux de neurones, plutôt que de tout miser sur l'apprentissage de bout en bout comme les approches de type Pi-0. Le classement en cross-listing sur arXiv suggère un intérêt à la fois pour la robotique et l'intelligence artificielle, mais l'article ne précise ni affiliation institutionnelle ni feuille de route industrielle. À ce stade, aucun pilote, partenariat ou calendrier de transfert vers des plateformes commerciales, humanoïdes ou non, n'est annoncé : la contribution reste scientifique, destinée à la communauté de la planification de mouvement.

RecherchePaper
1 source
Analyse géométrique des robots 3R génériques : conditions nécessaires et suffisantes pour quatre IKS dans une classe de robots orthogonaux
30arXiv cs.RO 

Analyse géométrique des robots 3R génériques : conditions nécessaires et suffisantes pour quatre IKS dans une classe de robots orthogonaux

Une équipe de recherche publie sur arXiv (arXiv:2609.00316v1, prépublication annoncée début septembre 2026) une nouvelle analyse cinématique des robots génériques à trois articulations rotoïdes, dits robots 3R. Le papier construit un modèle de cinématique inverse dérivé d'une méthode fondée sur l'algèbre géométrique conforme (CGA), un formalisme mathématique qui représente points, sphères et transformations de façon unifiée. À partir de ce modèle, les auteurs proposent un cadre générique pour déterminer dans quelles conditions un robot 3R possède quatre solutions de cinématique inverse (IKS, inverse kinematic solutions), c'est-à-dire quatre configurations articulaires distinctes permettant d'atteindre une même pose de l'effecteur, et pour cartographier où ces solutions multiples apparaissent dans l'espace de travail du robot. Ils en déduisent ensuite des conditions nécessaires et suffisantes, valables spécifiquement pour une classe de robots dits orthogonaux, garantissant l'existence de ces quatre solutions. Pour les concepteurs de contrôleurs et les intégrateurs robotiques, compter et localiser précisément les solutions de cinématique inverse conditionne directement la planification de trajectoire, l'évitement de singularités et le choix en temps réel de la configuration articulaire la plus adaptée. Jusqu'ici, les approches purement algébriques donnaient des résultats exacts mais réservés à des architectures particulières ou simplifiées, tandis que les approches géométriques généralisaient l'analyse à des robots quelconques au prix d'une perte de précision formelle. En combinant les deux, ce travail vise un cadre à la fois général et exact, utile notamment pour les bras à trois degrés de liberté (DOF) qui ne suivent pas la décomposition classique de Pieper à poignet sphérique, un cas fréquent dans les architectures non standards. Il s'agit d'une contribution académique en cinématique des mécanismes, sans lien avec un déploiement industriel, un produit ou une entreprise particulière. Le travail s'inscrit dans la continuité de deux traditions de recherche distinctes, l'algèbre computationnelle d'un côté et la géométrie appliquée à la robotique de l'autre, que les auteurs cherchent explicitement à réconcilier via l'algèbre géométrique conforme. Aucune plateforme matérielle n'est testée dans cette prépublication ; la démonstration reste mathématique, centrée sur le cas orthogonal, avec une extension à d'autres classes de robots comme piste de travaux futurs.

RecherchePaper
1 source
Un drone remplace ses caméras par le toucher pour apprendre à se percher sur une branche
31Interesting Engineering 

Un drone remplace ses caméras par le toucher pour apprendre à se percher sur une branche

Des chercheurs de l'université technique de Delft (TU Delft), aux Pays-Bas, ont mis au point un drone capable de se percher sur des branches en s'appuyant sur le toucher plutôt que sur la seule vision par caméra. Le système repose sur une main robotique anthropomorphe légère à trois doigts, dotée de capteurs capacitifs souples et d'un contrôle tactile en boucle fermée. Chaque doigt comporte trois phalanges arrondies reliées par des articulations rotoïdes, avec des ressorts de torsion qui referment passivement la main sans consommer d'énergie active. La structure est imprimée en 3D en PLA rigide, recouverte d'interfaces en silicone souple pour la friction au contact. Les capteurs tactiles utilisent une feuille de cuivre intégrée sous le silicone : le contact avec un objet conducteur modifie la capacitance, mesurée par un contrôleur MPR121 qui délivre des signaux de contact binaires en temps réel. Ne disposant au départ que d'une estimation approximative de la position de la branche, le drone balaie la zone selon une trajectoire sinusoïdale en huit, étagée verticalement, tout en ouvrant et fermant les doigts jusqu'au premier contact, qui déclenche ensuite un ajustement fin de position et d'orientation. Cette approche répond à une limite bien identifiée des drones perchés en environnement encombré, typiquement en forêt, où le feuillage, les occlusions et le mouvement des branches mettent en échec les systèmes purement vision. Une fois la prise stabilisée, le drone peut couper ses moteurs, réduisant le bruit et économisant la batterie, ce qui ouvre la voie à des missions de surveillance environnementale ou de collecte de données prolongées sans recharge fréquente. L'intérêt technique tient surtout à l'architecture de contrôle par états (décollage, recherche, détection de contact, approche, positionnement, rotation, finalisation, accroche, abandon), qui permet une réaction dynamique au toucher plutôt qu'une manœuvre d'atterrissage prédéfinie, avec une vérification de la stabilité de la prise avant de s'engager et un retour en vol stationnaire possible en cas d'échec. Pour les intégrateurs de drones d'inspection ou d'agriculture de précision, cela illustre une piste alternative au tout-vision pour l'autonomie énergétique embarquée. Le travail s'inscrit dans une recherche plus large sur le perchage passif des drones, un axe suivi depuis plusieurs années par différents laboratoires pour prolonger l'autonomie des micro-aéronefs, TU Delft étant reconnue dans ce domaine via son laboratoire de microdrones (MAVLab). D'autres approches existantes reposent sur des crochets rigides, des ventouses ou une détection visuelle par apprentissage profond pour repérer les points d'accroche, avec les mêmes limites de robustesse en conditions réelles. Il s'agit ici d'un projet de recherche académique et non d'un produit commercialisé : l'article ne précise ni partenariat industriel, ni calendrier de déploiement, ni confirmation que les essais aient eu lieu en forêt plutôt qu'en laboratoire.

UERecherche menée par TU Delft (Pays-Bas), un laboratoire européen reconnu en microdrones, ce qui renforce la position de l'UE sur l'axe du perchage passif tactile.

RecherchePaper
1 source
Une nouvelle main robotique souple soulève des bouteilles d'eau tout en manipulant délicatement des œufs fragiles
32Interesting Engineering 

Une nouvelle main robotique souple soulève des bouteilles d'eau tout en manipulant délicatement des œufs fragiles

Des chercheurs de l'Institut coréen des sciences et technologies (KAIST), en collaboration avec le KIST et SEOULTECH, ont mis au point une main robotique souple imprimée en 3D capable de tenir un œuf cru sans le briser tout en soulevant une bouteille d'eau pleine d'un litre sans la faire glisser. La clé de cette prouesse tient dans un matériau optimisé par intelligence artificielle : un modèle a été entraîné sur un jeu de données de formulations chimiques, y compris des échecs à haute viscosité, pour cartographier l'influence de micro-ajustements chimiques sur la fluidité et la vitesse de photopolymérisation. Le résultat est une résine qui s'imprime facilement en couches fines via une imprimante DLP (Digital Light Processing) tout en durcissant en un matériau capable de s'étirer à plus de six fois sa longueur initiale sans se déchirer. L'équipe a validé le procédé en imprimant des actionneurs pneumatiques souples, des structures creuses qui se courbent comme un doigt humain lorsqu'elles sont gonflées à l'air, puis assemblés en une main complète testée sur des souris d'ordinateur, des boîtes d'œufs, des bouteilles en verre glissantes et des œufs fragiles. Les résultats ont été publiés dans la revue Nature Communications. L'intérêt technique dépasse la simple démonstration de préhension délicate, un défi que la robotique rigide peine toujours à résoudre malgré les progrès des bras industriels et des humanoïdes. Le vrai verrou levé ici est un problème d'ingénierie des matériaux propre à l'impression 3D DLP : les chaînes polymères nécessaires à l'élasticité et la durabilité épaississent la résine liquide au point d'empêcher un dépôt fluide en couches fines, tandis que diluer la résine pour faciliter l'impression rend le matériau final cassant. En confiant à un algorithme d'apprentissage automatique la recherche du compromis optimal plutôt qu'à des années d'essais-erreurs manuels, l'équipe ouvre une voie de conception accélérée pour les matériaux imprimables sur mesure, un enjeu qui dépasse la robotique et concerne aussi les dispositifs médicaux personnalisés et les capteurs portables. Pour les intégrateurs et concepteurs de préhenseurs, cela suggère une réduction potentielle du temps de développement de nouveaux actionneurs souples adaptatifs, sans toutefois qu'aucun chiffre de temps de cycle industriel, de coût ou de calendrier de commercialisation n'ait été communiqué à ce stade : il s'agit d'une preuve de concept académique, pas d'un produit prêt à déployer. Cette avancée s'inscrit dans le champ de la robotique souple (soft robotics), un axe de recherche qui cherche depuis des années à contourner les limites de la préhension rigide en s'inspirant de la compliance des tissus biologiques, mais qui butait sur les contraintes de fabrication des matériaux élastiques compatibles avec l'impression 3D de précision. Le professeur Seungchul Lee, qui a dirigé les travaux, présente cette méthode comme généralisable à d'autres familles de matériaux et de procédés de fabrication additive, avec des applications visées dans les implants médicaux sur mesure, les capteurs portables résistants à la déchirure pour les articulations, et les outils robotiques destinés à travailler en sécurité aux côtés d'humains. Aucun partenaire industriel, pilote de déploiement ou calendrier de commercialisation n'est mentionné à ce stade : la publication dans Nature Communications marque une étape de recherche fondamentale, dont la prochaine étape logique serait un transfert vers des fabricants de préhenseurs ou d'actionneurs souples.

RecherchePaper
1 source
Un robot quadrupède apprend seul à sauter dans des espaces étroits
33Interesting Engineering 

Un robot quadrupède apprend seul à sauter dans des espaces étroits

Des chercheurs de l'université de Hong Kong (HKU) et du Oxford Robotics Institute ont mis au point un système d'apprentissage par renforcement hiérarchique baptisé ConsJump, qui permet à un robot quadrupède de franchir des ouvertures étroites en sautant, sans séquence de saut préprogrammée. La démonstration a été réalisée sur un Unitree Aliengo de 22 kilogrammes, capable de traverser de façon autonome des portiques de taille comparable à son propre gabarit. Le système repose sur deux niveaux de contrôle : un contrôleur bas niveau, entraîné par apprentissage par imitation à reproduire des allures animales (trot, canter, saut, virage) via cinématique inverse, et un contrôleur haut niveau qui décide en temps réel quand et comment transitionner entre ces mouvements, en générant des commandes de vitesse et de rotation plutôt qu'en pilotant directement chaque articulation. Le robot perçoit son environnement grâce à une caméra RGB-D Intel D435i embarquée, qui détecte l'ouverture rectangulaire, calcule son centre et estime sa géométrie pour ajuster l'approche. Lors des essais, le robot a accéléré jusqu'à 2,5 mètres par seconde avant de décélérer brutalement pour préparer l'atterrissage, avec une phase aérienne d'environ 0,44 seconde. L'entraînement du contrôleur bas niveau s'est fait en simulation avec 5 480 agents en parallèle, puis a été transféré au robot physique en faisant varier la force des moteurs, la latence, les décalages et la masse ajoutée pour réduire l'écart simulation-réel. Cette démonstration illustre une approche différente des méthodes de contrôle conventionnelles pour la locomotion agile des quadrupèdes, où les manœuvres complexes comme le saut à travers un espace confiné restent difficiles à obtenir avec des contrôleurs classiques. Pour les intégrateurs et chercheurs en robotique mobile, l'intérêt principal réside dans la séparation entre une bibliothèque de mouvements appris et une couche décisionnelle capable de combiner ces mouvements de façon continue en fonction de la perception, plutôt que de basculer entre trajectoires figées. Cela pourrait, à terme, améliorer la capacité des robots à quatre pattes à opérer dans des environnements non structurés, comme des sites industriels ou des zones sinistrées comportant des passages étroits, sans dépendre d'un balisage ou d'une cartographie préalable. Il reste toutefois à établir dans quelle mesure les performances démontrées en conditions de test se généralisent hors des configurations de portiques utilisées durant l'expérimentation, un point que l'article source ne détaille pas. Le projet s'inscrit dans un courant de recherche plus large sur l'apprentissage par renforcement appliqué à la locomotion des robots à pattes, où plusieurs laboratoires cherchent à dépasser les limites du contrôle basé sur des modèles physiques explicites pour des tâches très dynamiques. L'utilisation du robot Unitree Aliengo, plateforme de recherche largement répandue dans les laboratoires académiques, situe ces travaux dans la continuité d'expérimentations déjà menées sur d'autres plateformes similaires pour des tâches comme la course, l'escalade ou le franchissement d'obstacles. L'article ne précise pas de calendrier de transfert vers des applications industrielles ni de partenariat commercial associé, ce qui indique qu'il s'agit à ce stade d'une démonstration de recherche plutôt que d'un produit destiné au déploiement.

RecherchePaper
1 source
N₀-Foundation : vers l'ère de l'intelligence tactile
34arXiv cs.RO 

N₀-Foundation : vers l'ère de l'intelligence tactile

Publiée sur arXiv en août 2026 (arXiv:2608.29601), N0-Foundation est une infrastructure complète pour la manipulation robotique par le toucher: un capteur tactile à base de vision, une interface universelle de manipulation (UMI) tactile, et un système de collecte synchronisée visuo-tactile compatible avec plusieurs types de robots. Elle a permis de constituer NeoData, plus de 30000 heures de démonstrations visuo-tactiles synchronisées couvrant six embodiments robotiques et 450 tâches, soit des milliards de paires d'images RGB et de signaux tactiles, collectées par téléopération réelle et via l'UMI. Un sous-ensemble de 5000 heures, OpenNeoData, est publié en accès libre, aux côtés de NeoForce, un modèle de représentation tactile transférable d'un capteur à un autre, et d'un benchmark combinant la suite réelle NeoReal et la suite simulée NeoSim. Le tactile demeure le maillon faible des modèles de manipulation actuels: la plupart des architectures vision-langage-action (VLA) déployées dans l'industrie s'appuient presque exclusivement sur la caméra et le langage, sans retour de force ou de contact fiable. Ce vide freine des tâches critiques pour l'industrie, comme la manipulation d'objets déformables, l'assemblage de précision, le contrôle fin de la force ou le maintien prolongé d'un contact de surface. Le résultat expérimental le plus notable est que les politiques progressent grâce à l'état de contact physique plutôt qu'à l'apparence propre à chaque capteur, ouvrant la voie à des représentations tactiles transférables d'un matériel à un autre et à une mutualisation des données entre laboratoires. Ce travail s'inscrit dans la course aux modèles fondation pour la manipulation, où des architectures comme GR00T N2, Pi-0 ou Helix, entraînées notamment sur des plateformes telles que Figure 03 ou Optimus Gen 3, restent surtout centrées sur la vision. En publiant simultanément le jeu de données, le modèle de représentation et le protocole d'évaluation, les auteurs cherchent à établir le tactile comme modalité standardisée et comparable, sur le modèle de ce qu'a été ImageNet pour la vision. Il s'agit à ce stade d'une publication de recherche assortie d'un jeu de données ouvert, non d'un produit commercial ni d'un déploiement industriel: aucun pilote ni calendrier d'intégration n'est annoncé. Aucun acteur français ou européen comme Wandercraft, Exotec, Pollen Robotics ou Enchanted Tools n'apparaît dans ces travaux.

RecherchePaper
1 source
RoboPhys-3D : évaluation complète des modèles du monde incarnés par reconstruction 3D
35arXiv cs.RO 

RoboPhys-3D : évaluation complète des modèles du monde incarnés par reconstruction 3D

Une équipe de recherche présente RoboPhys-3D, un benchmark d'évaluation pour les world models vidéo embarqués (embodied world models, EWM), construit sur RoboTwin 2.0. Il couvre 50 tâches de manipulation réparties en quatre régimes, avec 5 000 épisodes et 25 000 vidéos multi-vues de référence. Particularité du protocole : les vidéos générées et les vidéos de référence passent par le même pipeline de reconstruction 3D, ce qui permet de distinguer l'erreur due à la reconstruction de celle due à la génération elle-même. Le benchmark organise 50 métriques en 18 sous-dimensions réparties sur quatre niveaux : fidélité au pixel, cohérence géométrique 3D, compréhension de l'état de la scène et complétude de la tâche. Deux scores composites en découlent : l'Average Full Score, qui moyenne les 50 métriques, et le RoboPhyscore, centré sur les métriques les plus corrélées au succès réel de la tâche. Sur quatre world models vidéo testés, Cosmos 3 obtient le meilleur RoboPhyscore (0,6330, soit 92,7% du score de référence), et ce score affiche une forte corrélation avec l'évaluation humaine (Pearson r = 0,9761, Spearman rho = 0,8962). Ce travail comble un angle mort de l'évaluation des world models pour la robotique : la plupart des benchmarks existants jugent la qualité visuelle ou sémantique des vidéos générées via des juges perceptuels ou des modèles vision-langage, sans vérifier si la scène 3D reste physiquement exploitable pour piloter un robot. Or les métriques ancrées dans l'état de la scène et dans l'exécutabilité des actions révèlent des échecs substantiels que ces jugements perceptuels ou VLM ne détectent pas, un écart classique entre qualité d'image perçue et utilité réelle pour la planification. Pour les équipes qui exploitent des world models comme moteurs de données synthétiques, planificateurs d'actions ou simulateurs, cela signale qu'un bon score de fidélité visuelle ne garantit pas un rollout exploitable en aval. La forte corrélation du RoboPhyscore avec le jugement humain suggère en revanche qu'une métrique compacte et ancrée dans l'exécution pourrait remplacer une évaluation humaine coûteuse à grande échelle. Ce besoin découle de l'absence, jusqu'ici, d'un standard 3D unifié pour vérifier si un rollout généré préserve l'état réel de la scène, les benchmarks EWM existants restant majoritairement 2D ou basés sur des scores subjectifs. RoboPhys-3D positionne Cosmos 3, la gamme de world models vidéo de NVIDIA, comme la plus performante parmi les quatre testées, sans détailler ici les trois autres modèles comparés ni de calendrier de déploiement industriel : il s'agit d'un travail de recherche en évaluation (preprint arXiv 2608.28718v1), pas d'une annonce produit. Il s'inscrit dans une dynamique plus large où les world models vidéo sont de plus en plus proposés comme substituts à la simulation physique classique pour entraîner des politiques de manipulation robotique, et la publication de ce protocole ouvre la voie à des comparaisons plus rigoureuses à mesure que de nouvelles versions de ces modèles sortiront.

RecherchePaper
1 source
D4orm : trajectoires multi-robots par déformations débruitées avec diffusion tenant compte de la dynamique
36arXiv cs.RO 

D4orm : trajectoires multi-robots par déformations débruitées avec diffusion tenant compte de la dynamique

Le laboratoire Prorok de l'université de Cambridge a publié une nouvelle version (v3) de son article arXiv 2503.12204, présentant D4orm, une méthode de génération de trajectoires multi-robots sans collision et physiquement réalisables. Contrairement aux approches par apprentissage, D4orm ne comporte aucune composante entraînée : elle débruite itérativement des trajectoires bruitées à la manière d'un modèle de diffusion, en s'appuyant uniquement sur un modèle dynamique du robot pour simuler des trajectoires faisables et sur une fonction de fitness guidée par approximation de gradient Monte Carlo. Testée sur des équipes de robots à roues différentielles et holonomes allant jusqu'à 16 unités en 2D et 3D, elle va près de deux fois plus vite que MPPI, une référence d'optimisation boîte noire, sur un cas holonome 2D à 16 robots. Les chercheurs ont aussi déployé les trajectoires calculées en zero-shot, sans réentraînement, sur huit drones multirotors réels, et publié le code et une vidéo sur GitHub (proroklab/d4orm). Pour les intégrateurs de flottes de robots (entrepôts, essaims de drones), la démonstration montre qu'une optimisation sans apprentissage ni données d'entraînement peut égaler, voire dépasser, des baselines établies comme MPPI en coordination multi-agents, tout en tirant parti du calcul GPU parallèle pour un raffinage en temps réel. Le déploiement zero-shot sur huit drones physiques répond à une critique récurrente du secteur, l'écart persistant entre simulation et réalité en planification multi-robots : la méthode a fonctionné sans étape d'adaptation supplémentaire. Cela positionne D4orm comme alternative légère aux pipelines d'apprentissage lourds, pour des usages où robustesse et vitesse priment sur la généralisation apprise. La méthode s'inscrit dans un mouvement plus large qui détourne les modèles de diffusion, popularisés en génération d'images, vers la planification robotique, déjà explorée pour des bras manipulateurs uniques et la conduite autonome. Le préfixe arXiv 2503 indique une soumission initiale en mars 2025, cette version 3 étant une révision de l'article d'origine. Il s'agit d'une publication académique en open source, pas d'un produit commercial : aucun partenaire industriel ni calendrier de commercialisation n'est annoncé. Les suites plausibles, non confirmées par les auteurs, porteraient sur l'extension à des flottes plus nombreuses et à des dynamiques hybrides combinant robots terrestres et aériens.

UELe laboratoire Prorok de l'université de Cambridge, acteur académique européen, publie une méthode open source de planification multi-robots sans apprentissage.

RecherchePaper
1 source
Behavior-Skill : un benchmark détaillé pour évaluer les politiques VLA dans des tâches à long horizon
37arXiv cs.RO 

Behavior-Skill : un benchmark détaillé pour évaluer les politiques VLA dans des tâches à long horizon

Des chercheurs associés au laboratoire NuBot de la National University of Defense Technology (NUDT), en Chine, ont publié en aout 2026 sur arXiv un article présentant Behavior-Skill, un benchmark destine a évaluer les politiques vision-langage-action (VLA) sur des taches ménagères a long horizon. Le jeu de données comprend 235 492 instances de compétences élémentaires issues de 10 000 démonstrations, reparties sur 50 taches domestiques et 34 catégories sémantiques de compétences (saisir, verser, ouvrir un tiroir, etc.). Chaque instance associe une instruction de compétence a un segment observation-action aligne, avec un état intermédiaire restaurable et une condition de réussite propre, ce qui permet d'évaluer chaque sous-compétence indépendamment plutôt que de se limiter au succès global de la tache. Les auteurs ont teste sur l'ensemble des 50 taches deux politiques VLA représentatives, pi0.5 (Physical Intelligence) et GR00T (famille de modèles de NVIDIA), en mesurant des métriques a la fois au niveau trajectoire et au niveau compétence. Le code et les données sont disponibles publiquement sur GitHub, sous nubot-nudt/Behavior-Skill. Pour l'industrie de la robotique mobile et humanoïde, ce travail met en lumière un angle mort connu mais rarement quantifie: le score de réussite global d'une tache masque ou et pourquoi une politique échoue réellement. Les résultats montrent des taux d'échec très inégaux selon les compétences, la manipulation a contact riche (saisir des objets déformables, manipuler des poignées, ajuster une prise) formant un goulot d'étranglement persistant, même pour des modèles réputés généralistes comme pi0.5 ou GR00T. Pour des intégrateurs ou décideurs qui évaluent une pile VLA avant déploiement, cela confirme qu'une démonstration réussie sur une tache complète ne garantit pas la robustesse des briques sous-jacentes, et qu'un audit fin par compétence devient nécessaire avant de valider un cas d'usage industriel. Ce benchmark s'inscrit dans une lignée d'évaluations pour la manipulation mobile a long horizon qui, jusqu'ici, reposaient presque exclusivement sur des rollouts de tache complète et des métriques agrégées, rendant les échecs intermédiaires difficiles a observer et a diagnostiquer. En proposant une décomposition fine par compétence, Behavior-Skill se positionne comme un complément, et non un remplacement, des benchmarks de bout en bout existants, dans un paysage ou pi0.5 et GR00T comptent parmi les références les plus citées pour les politiques VLA généralistes. Les auteurs invitent la communauté a s'appuyer sur cette base pour diagnostiquer et améliorer les politiques existantes, sans annoncer a ce stade de déploiement industriel ni de suite commerciale au-delà de la publication du benchmark et de son code source.

RecherchePaper
1 source
GHOST dans les robots : téléopération VR duale exocentrique en temps réel via caméras embarquées
38arXiv cs.RO 

GHOST dans les robots : téléopération VR duale exocentrique en temps réel via caméras embarquées

Des chercheurs du laboratoire H2R (Humans to Robots Lab) présentent GHOST, un système de téléopération en réalité virtuelle permettant a un seul opérateur de piloter simultanément deux robots manipulateurs mobiles en s'appuyant uniquement sur les cameras RGB-D embarquées, sans capteurs externes ni salle de motion capture. Publie sur arXiv en aout 2026 sous la référence arXiv:2608.29080, le système construit un espace de travail 3D exocentrique en fusionnant en temps réel les nuages de points issus des deux robots, complète par un modèle d'apprentissage qui comble les zones non couvertes par les cameras pour améliorer la conscience spatiale de l'opérateur. Une architecture de changement de mode permet de commander un seul robot ou les deux a la fois, via des commandes bas niveau directes. Les tests menés auprès de 15 participants novices montrent un taux de réussite 1,6 a 4 fois supérieur a celui obtenu avec une interface tablette du commerce. Chez des opérateurs experts, sur neuf taches complexes impliquant deux robots, GHOST a permis de mener a bien deux taches jugées infaisables avec la tablette, et s'est révèle en moyenne 1,47 fois plus rapide. Le code et une démonstration sont publies en open source sur h2r.github.io/GHOST. Ce travail s'attaque a un goulot d'étranglement concret pour l'industrie: la téléopération multi-robots exige aujourd'hui plusieurs opérateurs, des couches d'autonomie partielle, ou des commandes de haut niveau qui sacrifient la précision. En démontrant qu'un seul humain peut piloter deux bras et deux bases mobiles en direct via de simples cameras embarquées, sans infrastructure de capture de mouvement couteuse, GHOST réduit le cout matériel et logistique de la téléopération coordonnée, un enjeu central pour les intégrateurs qui cherchent a collecter des données de démonstration destinées a entrainer des modèles vision-langage-action comme Pi-0 ou GR00T N2, ou pour des taches industrielles nécessitant une coordination bimanuelle entre deux plateformes. Les gains mesures, jusqu'a 4x sur le taux de réussite face a une tablette, restent toutefois obtenus en environnement de laboratoire contrôle avec un nombre limite de participants, et demandent confirmation a plus grande échelle avant toute généralisation. GHOST s'inscrit dans une lignée de travaux sur la téléopération VR de bras manipulateurs, méthode devenue centrale pour la collecte de données d'apprentissage par imitation, a mesure que des laboratoires et startups comme Figure AI (Helix), 1X, Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2) cherchent a entrainer des modèles généralistes pour robots humanoïdes. La plupart des systèmes existants se limitent a un seul robot ou reposent sur des vues égocentriques figées, ce qui complique la coordination entre plateformes. En publiant son code, l'équipe H2R contraste avec l'opacité habituelle des pipelines de téléopération propriétaires des acteurs commerciaux de l'humanoïde. Aucun calendrier de déploiement industriel n'est évoque: GHOST reste, a ce stade, un prototype de recherche académique valide expérimentalement, non un produit commercialise.

RecherchePaper
1 source
TriPilot-FF : téléopération coordonnée du corps entier avec retour de force
39arXiv cs.RO 

TriPilot-FF : téléopération coordonnée du corps entier avec retour de force

Des chercheurs publient TriPilot-FF, un système de téléopération open-source pour manipulateurs mobiles bimanuels, décrit dans un article déposé sur arXiv (2602.09888v2). Sur une base mobile à roues équipée de deux bras, une pédale au pied couplée à un lidar embarqué bas coût mesure la proximité des obstacles et renvoie un retour de force résistif qui oriente l'opérateur vers des trajectoires évitant les collisions, sans contrôleur d'évitement dédié ; le haut du corps est piloté par une téléopération bimanuelle "leader-follower" avec retour de force sur les bras et un guidage de la manipulabilité indiquant quand repositionner la base. Les auteurs ont mené des essais réels sur des tâches longues exigeant une coordination fine base-bras, puis intégré ces signaux dans une politique d'imitation Action Chunking with Transformers (ACT), avec des gains de performance mesurés ; pédale et pile logicielle complète sont publiées en open source via une page projet. Cette contribution cible un angle mort de la téléopération robotique : les interfaces existantes, contrôleurs VR et joysticks, restent centrées sur les mains, laissant le contrôle continu de la base peu instrumenté. En déportant une partie du contrôle vers le pied via un retour haptique dérivé d'un lidar bon marché, TriPilot-FF libère les mains pour la manipulation fine tout en réduisant le risque de collision, un problème récurrent des manipulateurs mobiles bimanuels où l'opérateur doit jongler entre navigation et contact. Pour les équipes qui entraînent des politiques d'imitation ou de type VLA, le résultat le plus notable est méthodologique : coupler les signaux de force et de manipulabilité à une architecture ACT améliore la politique apprise, ce qui suggère que la richesse des démonstrations téléopérées pèse directement sur la robustesse des modèles en aval. Le travail prolonge les systèmes de téléopération leader-follower popularisés pour la collecte de démonstrations sur bras bimanuels fixes, ici étendus à une base mobile, terrain moins exploré où la coordination base-bras complique la tâche de l'opérateur. Aucun acteur commercial n'est mentionné : il s'agit d'une contribution de recherche publiée sur arXiv en version révisée, code et conception matérielle ouverts à la réplication par d'autres laboratoires. L'article ne précise ni affiliation institutionnelle des auteurs ni feuille de route au-delà de la mise à disposition du dispositif et de la pile logicielle.

RecherchePaper
1 source
GAFT : ajustement fin géolocalisé pour l'identification des dangers à partir d'échecs rares
40arXiv cs.RO 

GAFT : ajustement fin géolocalisé pour l'identification des dangers à partir d'échecs rares

Publiée le 30 août 2026 sur arXiv (2608.30858), une méthode baptisée GAFT (Geo-Anchored Fine-Tuning) détecte les structures physiques provoquant des pannes irrécupérables en navigation tout-terrain, comme l'enlisement sur obstacle ou un blocage nécessitant une intervention humaine. Ces échecs sont rares et coûteux à documenter, et les données disponibles associent une image à un résultat sans jamais indiquer quel indice visuel a causé la panne, ce qui pousse un entraînement classique à mémoriser des détails de scène plutôt qu'à généraliser. GAFT adapte le modèle de vision DINOv2 via LoRA, un fine-tuning à faible nombre de paramètres, en alignant une carte d'attention spatiale sur un a priori géométrique de la scène, sans dégrader les représentations pré-entraînées. Sur un benchmark forestier validé par interventions réelles, à travers dix entraînements indépendants, le score F2 moyen en évaluation leave-one-scenario-out passe de 0,0607 à 0,3757, gain statistiquement significatif, le meilleur modèle individuel atteignant 0,570; code et benchmark sont publiés sur GitHub. Pour les intégrateurs de robots mobiles tout-terrain, en agriculture, foresterie, défense ou logistique hors-piste, ce travail cible un angle mort connu: les obstacles évidents sont bien couverts par la perception embarquée classique, mais les pièges qui immobilisent un robot sans le détruire restent sous-documentés faute d'exemples d'échec en nombre suffisant. En montrant qu'un a priori géométrique explicite peut compenser la rareté de ces données négatives, GAFT illustre une approche de fine-tuning guidé par contrainte physique plutôt que par volume brut de données, pertinente partout où la collecte d'échecs réels reste risquée. Le saut de F2 de 0,06 à 0,38 en moyenne, encore loin d'une fiabilité de production, mesure concrètement l'écart entre un modèle de vision générique et un modèle spécialisé pour des dangers rares. La méthode combine DINOv2, le modèle de vision auto-supervisé de Meta AI, et LoRA, technique de fine-tuning à faible rang venue des grands modèles de langage puis étendue à la vision. Elle relève du champ académique de la navigation tout-terrain autonome, sans lien annoncé avec un fabricant de robots commercial: benchmark et code restent des artefacts de recherche ouverts, pas un produit ni un pilote industriel. Le score F2 maximal observé, 0,570, reste loin d'une fiabilité opérationnelle en forêt, ce qui laisse une marge de progression importante avant tout déploiement réel, les auteurs pointant vers l'extension du benchmark à d'autres environnements et le test d'autres architectures de vision fondation.

RecherchePaper
1 source
Apprentissage cross-modal visuo-tactile avec transformeurs à découpage d'actions pour la manipulation à contacts riches
41arXiv cs.RO 

Apprentissage cross-modal visuo-tactile avec transformeurs à découpage d'actions pour la manipulation à contacts riches

Une équipe de recherche présente une méthode d'apprentissage par contraste visuo-tactile destinée aux robots manipulateurs confrontés à des tâches nécessitant un contact physique fin. Décrite dans un article publié sur arXiv (arXiv:2602.00514v3, version corrigée), l'approche aligne les images RGB externes et les images tactiles calibrées dans un espace de représentation partagé, via un objectif de type CLIP, puis intègre cette représentation dans une politique d'imitation basée sur un Action Chunking Transformer (ACT). Pour collecter les données, les chercheurs ont conçu un préhenseur visuo-tactile low-cost baptisé LVTG, pensé comme une plateforme modulaire et durable reproductible par d'autres laboratoires. Sur des tâches de manipulation à fort contact, le taux moyen de réussite passe de 30% pour une politique ACT vision seule à 42% avec l'ajout brut de signaux tactiles, puis à 54% grâce au pré-entraînement contrastif proposé. Ce résultat cible un point de friction concret pour l'industrie robotique: les capteurs tactiles produisent des signaux image-like, dépendants du matériel et faiblement corrélés aux flux visuels externes, ce qui rend leur exploitation directe peu efficace dans les politiques d'apprentissage par imitation. En démontrant qu'un alignement explicite entre modalités visuelle et tactile surpasse un simple ajout brut du signal tactile, l'étude apporte un argument empirique en faveur du pré-entraînement contrastif comme brique standard pour les politiques de manipulation fine, un enjeu direct pour les intégrateurs travaillant sur l'assemblage, l'insertion ou la préhension d'objets déformables. Le gain de 12 points entre ajout naïf et approche alignée reste toutefois mesuré sur un jeu de tâches limité, propre à un article de recherche, et ne présage pas encore d'un déploiement industriel. Le travail s'inscrit dans une lignée de recherches cherchant à combler l'écart entre la richesse des retours tactiles et leur faible exploitation réelle dans les politiques de contrôle robotique, un problème identifié depuis plusieurs années en robotique manipulative et exacerbé par l'hétérogénéité du matériel tactile disponible. Le choix d'un capteur low-cost et modulaire (LVTG) vise explicitement la reproductibilité, un critère souvent absent des travaux utilisant des capteurs tactiles propriétaires coûteux. L'article ne mentionne pas de partenariat industriel ni de calendrier de transfert vers un produit commercial: il s'agit à ce stade d'une contribution méthodologique et matérielle destinée à la communauté de recherche en apprentissage par imitation, sans acteur français ou européen identifié dans cette publication.

RecherchePaper
1 source
Planification certifiée par échantillonnage à l'aide de graphes d'ensembles convexes
42arXiv cs.RO 

Planification certifiée par échantillonnage à l'aide de graphes d'ensembles convexes

Des chercheurs publient sur arXiv (référence 2608.29770v1) la première mesure chiffrée d'un écart resté largement ignoré dans la planification de trajectoire par graphes d'ensembles convexes (GCS), une famille de planificateurs réputés produire des trajectoires sans collision "par construction". Le problème: le générateur de régions convexes sous-jacent ne garantit cette absence de collision que de façon probabiliste, et aucun planificateur GCS existant ne vérifie réellement cette propriété avant de livrer sa réponse. Sur une bibliothèque bimanuelle à 14 degrés de liberté (DOF) mise à l'échelle, les auteurs mesurent que 3,2 % des échantillons d'interface entre régions sont en réalité en collision. Le planificateur de référence testé, GCS* (approche par recherche), transforme cette erreur de volume en 62 % d'erreur de réponse: 18 des 29 requêtes de pick-and-place évaluées retournent des trajectoires faisant pénétrer les bras jusqu'à 91 mm dans les étagères, tout en étant rapportées comme des succès. Ce résultat met en défaut une hypothèse de confort répandue dans la planification de mouvement robotique, celle voulant que les garanties théoriques "correct par construction" des GCS se traduisent automatiquement en fiabilité opérationnelle. Pour des intégrateurs déployant des bras robotiques en environnement encombré (entrepôt, cellule industrielle, picking bimanuel), cela signale un risque concret de collisions silencieuses, d'autant plus critique que l'espace de configuration est dense avec deux bras. Les correctifs évidents échouent: durcir dix fois le contrat d'acceptation des régions, générer des régions certifiées par sommes de carrés, ou imposer des marges uniformes, détruisent tous la connectivité nécessaire à la planification avant même d'obtenir une garantie de solidité, révélant une tension structurelle entre sécurité et faisabilité dans cette famille d'algorithmes. Face à ce constat, les auteurs proposent un planificateur qui certifie chaque réponse plutôt que de faire confiance à la génération de régions en amont: il échantillonne les recouvrements et faces partagées de la décomposition convexe, élague la recherche via une borne informée admissible, vérifie en continu le candidat proposé à chaque tour par une chaîne de certificats de dégagement sans paramètre de résolution arbitraire, répare les échecs par des détours locaux internes aux régions, puis revérifie le polissage convexe final. Sur les mêmes 29 requêtes, ce planificateur ne produit aucune réponse invalide, contre 21 pour la référence, atteint sa première réponse certifiée en 0,11 seconde contre 1,59 seconde pour la version non vérifiée, et reproduit exactement l'optimum de référence chaque fois que celui-ci est physiquement valide. L'article, un pré-print de recherche sans affiliation industrielle précisée, ne mentionne ni calendrier de déploiement ni partenaire commercial.

RecherchePaper
1 source
Relier sémantique et physique : des LLM contraints pour une manipulation robotique sûre et fiable
43arXiv cs.RO 

Relier sémantique et physique : des LLM contraints pour une manipulation robotique sûre et fiable

Des chercheurs présentent un système qui relie raisonnement en langage naturel et exécution physique sûre pour la manipulation robotique, décrit dans un article publié le 29 août 2026 sur arXiv (2608.29379v1). Le pipeline part d'observations RGB-D pour construire un modèle de scène explicite tenant compte des collisions, puis contraint les décisions d'un grand modèle de langage via des appels d'outils validés par schéma selon le Model Context Protocol (MCP), rejetant les commandes mal formées avant qu'elles n'atteignent le robot. Chaque appel validé est ensuite traduit de façon déterministe dans un pipeline MoveIt Task Constructor, où les mouvements candidats sont vérifiés contre la scène reconstruite avant exécution, une étape de type "vérifier puis agir". Testé sur un bras robotique physique UFactory 850, le système atteint jusqu'à 80% de réussite sur dix essais par tâche pour des opérations de versement impliquant liquides, matières granulaires et solides discrets, et 90% de réussite sur une tâche de saisie-et-dépose avec la même architecture. L'intérêt de ces travaux tient à la démonstration chiffrée d'un problème bien identifié dans la robotique pilotée par LLM: un plan verbalement cohérent peut être physiquement infaisable si la cinématique et les collisions ne sont pas vérifiées avant exécution. Les auteurs montrent qu'une politique scriptée classique surpasse légèrement leur méthode sur la tâche la plus simple, mais chute à seulement 10% de réussite sur la tâche la plus difficile, contre 60% pour leur approche contrainte. Pour les intégrateurs industriels et les équipes robotique, ce résultat suggère qu'ajouter une couche de validation formelle entre le langage et l'action améliore surtout la robustesse sur les cas complexes, plutôt que la performance brute sur les cas faciles où des solutions scriptées suffisent déjà. Ce travail s'inscrit dans la lignée des recherches sur le "language-action gap", l'écart entre la capacité des LLM à décomposer des instructions en séquences d'actions et leur incapacité native à garantir la faisabilité physique de ces actions dans un environnement encombré et perçu de façon imparfaite. La solution proposée combine plusieurs briques existantes, le MCP pour la validation structurée des appels d'outils côté langage, et MoveIt Task Constructor pour la planification de mouvement sous contraintes cinématiques et de collision côté robot, plutôt que d'introduire une nouvelle architecture de bout en bout. Les tests restent limités à un seul bras robotique et un nombre réduit d'essais par tâche, ce qui invite à la prudence avant toute extrapolation vers des déploiements industriels à plus grande échelle.

RecherchePaper
1 source
Dextérité à l'aveugle : manipulation humanoïde corps entier par proprioception pure
44arXiv cs.RO 

Dextérité à l'aveugle : manipulation humanoïde corps entier par proprioception pure

Des chercheurs publient sur arXiv (arXiv:2608.29487v1, fin août 2026) une étude intitulée « Blind Dexterity », qui démontre des compétences de manipulation corporelle complète sur un humanoïde Unitree G1 sans aucune caméra, marqueur, capteur de force-couple ni capteur tactile. Le robot s'appuie uniquement sur sa proprioception embarquée, c'est-à-dire les retours des encodeurs articulaires. Les politiques entraînées réalisent quatre tâches distinctes : une marche bipède résistante aux poussées sans retour IMU, le contrôle actif d'un ballon de football arrêté du pied, la recherche puis le levage d'une valise par sa poignée, et la montée sur un skateboard positionné aléatoirement. Les auteurs attribuent ces résultats à un signal sous-exploité : l'évolution des lectures des encodeurs pendant un contact compliant et intentionnel, qui forme un canal tactile de tout le corps. Des estimateurs d'état entraînés séparément des politiques de contrôle confirment que la position des objets manipulés devient rapidement décodable à partir de courts historiques proprioceptifs, avec une chute nette de l'erreur de prédiction après un contact informatif. Ce résultat pèse sur un débat central du secteur humanoïde : faut-il empiler caméras, peau tactile et capteurs de force-couple pour obtenir de la dextérité, comme le font la plupart des piles vision-langage-action actuelles (Pi-0 de Physical Intelligence, GR00T N2 de Nvidia, Helix de Figure AI) ? L'étude suggère que la proprioception par encodeurs, combinée à un actionnement compliant déjà présent sur des robots commerciaux et des moteurs bas coût, forme à elle seule un socle pratique pour la manipulation dextre. Pour les intégrateurs, l'intérêt est d'abord économique : une architecture qui ne dépend pas d'une pile vision coûteuse pourrait alléger la nomenclature matérielle, tout en restant compatible avec un enrichissement sensoriel ultérieur. Il ne s'agit cependant ni d'un produit livré ni d'un déploiement industriel, mais de démonstrations en laboratoire dont la robustesse hors scénarios contrôlés reste à prouver. Le travail s'inscrit dans la course plus large aux compétences humanoïdes, dominée par les approches vision-langage-action de Figure AI (Figure 03, modèle Helix), Physical Intelligence (Pi-0) ou Nvidia (GR00T N2), qui misent sur caméras embarquées et vastes jeux de données vidéo. Le choix du Unitree G1, plateforme commerciale bas coût largement adoptée par les laboratoires académiques, illustre une tendance à tester ces hypothèses sur du matériel accessible plutôt que sur des prototypes propriétaires. Publié en preprint non encore relu par les pairs, l'article esquisse la proprioception pure comme brique de base, sur laquelle vision ou tact pourraient se greffer ensuite, sans calendrier de pilote industriel annoncé à ce stade.

RecherchePaper
1 source
Détection des échecs par incertitude épistémique basée sur la perturbation dans les modèles vision-langage-action
45arXiv cs.RO 

Détection des échecs par incertitude épistémique basée sur la perturbation dans les modèles vision-langage-action

Les chercheurs à l'origine de l'article "Perturbation-Based Epistemic Uncertainty for Failure Detection in Vision-Language-Action Models" (arXiv:2606.20754v2) présentent une nouvelle méthode baptisée PFD (Perturbation-based Failure Detection), destinée à détecter les échecs des modèles Vision-Language-Action (VLA) en robotique manipulatrice. Le problème adressé : la plupart des VLA récents génèrent des actions continues par régression ou génération par flux, sans probabilités prédictives explicites, ce qui rend la quantification d'incertitude difficile, en particulier lors d'un décalage de distribution (distribution shift) entre entraînement et déploiement réel. PFD fonctionne sans entraînement supplémentaire : la méthode injecte des perturbations aléatoires de faible rang dans certaines matrices de poids des transformeurs du modèle, puis mesure le désaccord entre les prédictions d'action obtenues sous ces perturbations pour estimer l'incertitude épistémique. Sur le benchmark LIBERO-PRO, PFD obtient le meilleur AUROC moyen et la meilleure précision équilibrée parmi les méthodes comparées, et surpasse systématiquement l'échantillonnage stochastique d'actions face aux changements de distribution. Des expériences sur robot réel confirment un signal de détection d'échec compétitif face à un décalage d'objet inédit (unseen object shift). Pour les intégrateurs et décideurs déployant des VLA en production, ce travail s'attaque à un angle mort critique : ces modèles peuvent échouer silencieusement face à des situations hors distribution, sans mécanisme fiable pour le signaler avant l'exécution d'une action erronée. La méthode PFD prouve qu'une estimation d'incertitude au niveau du modèle (plutôt que de la seule variabilité de génération d'action) capture mieux les cas d'échec réels, ce qui pourrait alimenter des mécanismes d'arrêt de sécurité ou de repli humain dans des déploiements industriels de robots manipulateurs pilotés par VLA. C'est aussi un argument contre l'idée reçue que l'échantillonnage stochastique suffit à quantifier le risque d'un modèle VLA en conditions réelles. Ce travail s'inscrit dans la lignée des perspectives bayésiennes sur les variations locales de modèles, appliquées ici aux architectures VLA modernes (comme Pi-0 ou GR00T N2, qui reposent sur des mécanismes de régression ou de génération par flux plutôt que sur une génération autorégressive classique). Il se positionne face aux méthodes existantes de quantification d'incertitude par échantillonnage stochastique, jugées insuffisantes sous décalage de distribution. L'article, une version révisée (v2) publiée sur arXiv, ne précise pas de calendrier de déploiement commercial ni de partenariat industriel ; il s'agit à ce stade d'une contribution de recherche validée par des tests en simulation (LIBERO-PRO) et en conditions réelles limitées, sans indication de mise à l'échelle ou d'intégration dans un produit VLA commercialisé.

RecherchePaper
1 source
SGE : exploration guidée par la sémantique pour environnements non structurés, par échantillonnage de points de passage dans l'espace image
46arXiv cs.RO 

SGE : exploration guidée par la sémantique pour environnements non structurés, par échantillonnage de points de passage dans l'espace image

Un article publié fin août 2026 sur arXiv (référence 2608.29315) présente SGE (Semantically-Guided Exploration), un framework modulaire d'exploration autonome pour véhicules terrestres. Le système intègre une segmentation sémantique au niveau du pixel directement dans le choix des points de passage (waypoints), échantillonnés dans l'espace image plutôt que dans une carte géométrique classique. Une fonction d'utilité évalue chaque candidat selon la traversabilité du terrain, la proximité des obstacles, la présence d'objets d'intérêt et une récompense basée sur la profondeur. Les waypoints retenus sont projetés en 3D puis ordonnés via une résolution en temps réel d'un problème du voyageur de commerce (TSP), pour une sélection d'objectif à horizon glissant. Le framework ajoute deux mécanismes pour la robustesse en conditions réelles : des zones tabous temporaires en cas d'échec de navigation, et une stratégie de relocalisation par graphe pour revenir efficacement sur des zones déjà explorées. Les auteurs rapportent des tests sur bancs de simulation standardisés face à des planificateurs d'exploration de référence, ainsi que des essais réels sur plusieurs plateformes robotiques, dans des bâtiments de campus et dans des mines de calcaire et de charbon. L'apport principal n'est pas la couverture volumétrique en elle-même, où SGE se dit seulement "compétitif" face à l'état de l'art sans avancer de chiffre précis dans le résumé, mais la possibilité d'orienter l'exploration vers des cibles sémantiques, un biais de tâche impossible à obtenir avec les méthodes purement géométriques utilisées jusqu'ici en exploration autonome. Pour les intégrateurs de robots mobiles destinés aux environnements non structurés (mines, sites industriels, inspection), c'est un signal que la segmentation sémantique en temps réel devient exploitable pour la navigation, au-delà de son usage habituel en perception ou en manipulation. La validation multi-plateforme et multi-domaine (intérieur, mines souterraines) constitue un argument de généralisation, mais reste un travail de recherche académique et non un produit commercialisé. Le papier s'inscrit dans la lignée des méthodes d'exploration frontière et "next-best-view" utilisées en robotique mobile depuis plusieurs années, en y ajoutant la couche sémantique désormais standard dans d'autres pans de la robotique. L'abstract ne cite aucun partenaire industriel ni acteur français ou européen, et le statut "new" sur arXiv signifie que l'article n'a pas encore été validé par relecture par les pairs ; ses prochaines étapes probables sont une publication en conférence ou revue et une extension à d'autres plateformes.

RecherchePaper
1 source
Scale-Plan : planification de tâches par le langage pour équipes multi-robots hétérogènes, à grande échelle
47arXiv cs.RO 

Scale-Plan : planification de tâches par le langage pour équipes multi-robots hétérogènes, à grande échelle

Le Honda Research Institute a publié sur arXiv une version révisée (v2, arXiv:2603.08814) de Scale-Plan, un système de planification de tâches à long horizon pour des équipes de robots hétérogènes. Face aux planificateurs symboliques classiques, qui exigent des spécifications construites à la main, et aux approches par grands modèles de langage, sujettes aux hallucinations et à un mauvais ancrage dans des environnements riches en objets, la méthode filtre l'information perceptuelle avant de planifier. À partir d'une spécification de domaine au format PDDL, Scale-Plan construit un graphe d'actions représentant la structure du domaine, puis utilise un raisonnement LLM volontairement superficiel pour guider une recherche structurée qui isole le sous-ensemble minimal d'actions et d'objets pertinents pour l'instruction donnée en langage naturel. Les auteurs introduisent aussi MAT2-THOR, un benchmark nettoyé bâti sur le simulateur AI2-THOR, destiné à évaluer de façon fiable les systèmes de planification multi-robot. L'enjeu est concret pour les intégrateurs de flottes hétérogènes : plus le nombre d'objets et d'agents croît, plus les planificateurs symboliques deviennent lourds à construire manuellement, tandis que les approches purement LLM perdent en fiabilité en inventant des actions ou des objets absents de l'environnement réel. En réduisant le problème à un sous-graphe minimal avant la décomposition des tâches, l'allocation entre robots et la génération de plans longs, Scale-Plan vise à combiner la robustesse du raisonnement symbolique et la flexibilité du langage naturel. Sur des tâches multi-agents complexes, la méthode dépasse les bases purement LLM et les approches hybrides LLM-PDDL sur l'ensemble des métriques rapportées, ce qui suggère que le goulot d'étranglement des architectures associant LLM et robotique tient moins à la puissance du modèle de langage qu'au volume de contexte non pertinent qu'on lui soumet. Il s'agit à ce stade d'une publication de recherche et non d'un produit déployé : aucun robot physique, aucune charge utile, degré de liberté ou temps de cycle n'est mentionné, le travail portant sur la couche de planification de tâches plutôt que sur le contrôle bas niveau, à la différence de politiques de manipulation comme Pi-0 ou GR00T N2. Le code est publié sur le dépôt GitHub honda-research-institute/Scale_Plan, permettant une reproduction indépendante des résultats. L'article ne précise ni partenaire industriel ni calendrier de déploiement ; les auteurs indiquent vouloir étendre le benchmark MAT2-THOR et valider l'approche sur des tâches multi-robots encore plus complexes.

RecherchePaper
1 source
Des trajectoires multimodales aux trajectoires exécutables : un cadre de planification de trajectoire pour robots 4WIS
48arXiv cs.RO 

Des trajectoires multimodales aux trajectoires exécutables : un cadre de planification de trajectoire pour robots 4WIS

Un article publié sur arXiv fin août 2026 (référence 2608.29108) présente un cadre de planification de trajectoire pour les robots mobiles à quatre roues à direction indépendante (4WIS), capables de combiner plusieurs modes de déplacement, marche crabe, rotation sur place, virage classique, pour manœuvrer dans des espaces étroits. En amont, l'algorithme Hybrid A est étendu à un espace d'état en quatre dimensions intégrant le mode de déplacement, avec des coûts et heuristiques sensibles aux changements de mode et des courbes de Reeds-Shepp multi-modales. En aval, une optimisation de trajectoire par segments, basée sur un corridor de sécurité itératif amélioré, convertit les chemins discrets en trajectoires lisses avec transitions de mode à l'arrêt. Les auteurs rapportent les meilleures performances en sécurité, temps d'arrivée, précision terminale et temps de calcul, validées sur un robot 4WIS physique. L'enjeu vise un angle mort fréquent : la plupart des planificateurs exploitent mal la polyvalence mécanique des plateformes 4WIS, déjà présentes dans la logistique industrielle pour circuler dans des allées d'entrepôt étroites, en les traitant comme de simples robots différentiels ou omnidirectionnels. En intégrant le choix du mode de déplacement directement dans la recherche globale plutôt qu'en post-traitement, le cadre promet des trajectoires plus courtes et plus sûres sans sacrifier la faisabilité cinématique. Point notable pour les intégrateurs, la validation s'appuie sur un robot physique avec des transitions de mode nécessairement à l'arrêt, contrainte réelle souvent ignorée en simulation, ce qui réduit partiellement l'écart entre démonstration et exécutabilité terrain, même si les gains chiffrés restent à confirmer plus largement. Le travail prolonge les variantes de Hybrid A et les courbes de Reeds-Shepp déjà utilisées en planification pour véhicules à contrainte cinématique, généralement conçues pour un seul mode de déplacement. Les plateformes 4WIS, parfois appelées 4WIS4WID selon la motorisation, équipent déjà une partie des AGV et AMR industriels pour passer du déplacement longitudinal au latéral ou à la rotation sur place sans reconfiguration mécanique. Publié en preprint arXiv non encore évalué par les pairs, l'article ne cite aucune entreprise ni déploiement commercial et ne précise pas de suite prévue au-delà des essais réalisés : une contribution de recherche amont dont la portée dépendra de sa reprise par des équipes travaillant sur des flottes AMR réelles.

RecherchePaper
1 source
Correction d'actions sans réentraînement pour les échecs des modèles VLA, via retour en langage naturel
49arXiv cs.RO 

Correction d'actions sans réentraînement pour les échecs des modèles VLA, via retour en langage naturel

Des chercheurs ont publié fin août 2026 sur arXiv (2608.29967) CorrectVLA, une méthode qui corrige les échecs des modèles Vision-Language-Action (VLA) sans réentraînement. Le principe : un humain formule une seule consigne de correction en langage naturel, traduite en ajustements additifs de l'amplitude des actions et appliquée uniformément à tous les essais suivants, sans toucher aux poids de la politique. En simulation sur le benchmark LIBERO-90, CorrectVLA récupère des échecs de désalignement d'exécution aussi bien sur des tâches connues que sur des tâches inédites (out-of-distribution). Sur un bras robotique réel UFactory xArm7 soumis à un changement d'environnement, la méthode restaure un taux de réussite quasi parfait là où la politique de base échoue presque totalement, et généralise à de nouvelles positions et identités d'objets. Ce travail s'attaque à l'un des points faibles connus des VLA en déploiement : l'écart entre démonstrations impressionnantes et robustesse réelle sur le terrain. Pour les intégrateurs et décideurs industriels, l'intérêt est opérationnel : plutôt que de réentraîner un modèle coûteux à chaque échec observé, une simple instruction textuelle suffirait à corriger certains comportements erronés sur une flotte déjà déployée. Mais l'apport le plus utile est la taxonomie des échecs établie sur LIBERO-90 : seuls les échecs de désalignement d'exécution, où le robot vise la bonne cible mais mal calibre l'amplitude de son geste, sont corrigibles par ce biais. Quand la compréhension sémantique de la tâche elle-même fait défaut, la méthode échoue, ce qui fixe une limite opérationnelle claire et tempère l'idée que le feedback en langage suffirait à résoudre tous les problèmes de généralisation des VLA. Ce résultat s'inscrit dans la course aux modèles VLA généralistes (Pi-0, GR00T N2, Helix) de plus en plus déployés sur bras industriels et humanoïdes, où la question du contrôle post-déploiement face aux échecs en conditions réelles reste ouverte. Contrairement à un réentraînement complet ou à du fine-tuning, CorrectVLA se positionne comme une méthode d'intervention à l'inférence, complémentaire aux approches existantes de correction de politique. Les auteurs présentent ce travail comme une première délimitation empirique des cas où la correction sans réentraînement fonctionne, la piste des échecs de compréhension sémantique restant un chantier ouvert.

RecherchePaper
1 source
SUN : programmes persistants pour politiques ancrées dans le langage, du contrôle à l'apprentissage jusqu'au réel
50arXiv cs.RO 

SUN : programmes persistants pour politiques ancrées dans le langage, du contrôle à l'apprentissage jusqu'au réel

Des chercheurs présentent SUN (Semantically UNified Programs), une méthode publiée en prépublication sur arXiv fin août 2026, associée au système Kuafu qui synthétise automatiquement des programmes typés à partir de descriptions en langage naturel et de la scène observée, pilotés par des modèles de vision-langage de grande taille. Ces programmes définissent une seule fois les relations géométriques et de contact, puis les compilent en coûts pour un contrôleur prédictif (MPC), en prédicats de réussite, en récompenses pour l'apprentissage par renforcement et en gardes de transition. Sur neuf tâches de manipulation, Kuafu atteint un taux de succès moyen de 82,03%, contre 35,67% pour une base de référence à récompense éparse et 24,75% pour une base Stage-BC. À l'échelle de 8192 environnements simulés en parallèle, le système génère 10,57 fois plus de temps de trajectoire réussie par heure de téléopération humaine équivalente. Avec seulement 500 trajectoires par tâche, les données de Kuafu permettent d'entraîner des politiques DP3 atteignant 46,0% de réussite en simulation, contre 22,4% pour les alternatives, et 34,7% sur des bras robotiques physiques Franka Emika et Kinova. Le résultat est méthodologique plus qu'industriel: il tente de réconcilier deux approches qui s'ignoraient jusque là, le contrôle basé modèle qui exécute des objectifs explicitement spécifiés, et l'apprentissage qui amortit ce comportement en politique réactive mais avec des récompenses bricolées à la main et un comportement qui dérive de ce que le contrôle avait validé. En conservant la sémantique de la tâche tout au long de la chaîne, plutôt qu'un pipeline bout-en-bout de type VLA, SUN et Kuafu évitent la collecte de démonstrations humaines et l'ingénierie manuelle de récompenses, un goulot d'étranglement connu pour les intégrateurs qui cherchent à industrialiser la manipulation robotique. Mais l'écart entre 46% de succès en simulation et 34,7% sur robot physique confirme que le passage sim-to-real reste un problème ouvert, même quand la sémantique de tâche est vérifiée par MPC en amont, un signal utile pour les décideurs B2B qui évaluent la maturité réelle des pipelines d'apprentissage par simulation avant tout achat ou pilote. Le travail s'inscrit dans la lignée des efforts pour automatiser la génération de récompenses et de curricula d'entraînement via des modèles de vision-langage, une direction parallèle aux approches VLA bout-en-bout poussées par des laboratoires comme Physical Intelligence avec Pi-0, NVIDIA avec GR00T N2, ou Figure AI avec Helix. Contrairement à ces systèmes orientés produit et déploiement humanoïde, SUN et Kuafu restent à un stade de recherche académique, validés sur des bras manipulateurs fixes Franka et Kinova plutôt que sur des plateformes mobiles ou humanoïdes, sans partenariat industriel ni calendrier de commercialisation annoncés. Aucun acteur français ou européen n'apparaît dans cette publication. La suite logique, non précisée par les auteurs, serait l'extension à des tâches plus longues et à des plateformes mobiles, ainsi qu'une réduction de l'écart simulation-réel qui conditionne l'adoption par les intégrateurs industriels.

RecherchePaper
1 source