Aller au contenu principal

Recherche

50 sur 2264 articles

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

1IEEE Spectrum Robotics RecherchePaper

Cet étudiant diplômé dote les robots de la NASA de compétences en assemblage

Sarah Downs, membre étudiante diplômée de l'IEEE et titulaire d'un master en génie électrique de l'Université de Tulsa (Oklahoma), a développé lors de son projet de fin d'études un algorithme destiné à un robot assemblant des satellites en orbite. Réalisé en collaboration avec la NASA et l'US Air Force, ce travail s'attaque au problème classique dit du "peg-in-hole" en robotique : permettre à un bras robotique d'insérer précisément une antenne dans son logement correspondant, une tâche de manipulation fine cruciale pour l'assemblage en orbite. Downs poursuit désormais un doctorat en génie électrique à Texas A&M University, à College Station, où elle continue ses recherches sur l'assemblage et la manipulation de satellites, cette fois "à une échelle beaucoup plus grande", selon ses propres termes. Ce type de recherche répond à un enjeu concret pour l'industrie spatiale : automatiser l'assemblage et la maintenance de satellites directement en orbite, sans intervention humaine, réduirait les coûts et les risques des missions de servicing spatial. Le problème peg-in-hole, en apparence trivial, reste l'un des verrous techniques les plus tenaces en robotique de manipulation, notamment en environnement contraint comme l'espace, où la précision, la gestion des tolérances mécaniques et l'absence de retour haptique fiable compliquent chaque insertion. Que ce travail émerge d'un partenariat universitaire avec la NASA et l'Air Force illustre aussi comment les agences américaines s'appuient sur les laboratoires universitaires pour alimenter leur pipeline de recherche en robotique spatiale, plutôt que de tout développer en interne. Le parcours de Downs éclaire ce choix de carrière. Originaire de Tulsa, elle a perdu son père, conseiller sécurité dans l'industrie pétrolière, d'une crise cardiaque en 2015 alors qu'elle avait 13 ans ; sa mère a ensuite repris des études pour subvenir aux besoins de la famille. Cette précarité a orienté Downs vers une carrière alliant passion technique et sécurité financière. Initiée à la robotique via un club First Lego League au collège, puis au lycée via le programme FIRST Robotics et une formation en alternance à Tulsa Tech, elle a intégré l'Université de Tulsa en 2020 avec bourse, avant de basculer vers le génie électrique. Un retard de financement gouvernemental ayant repoussé son projet NASA initial, elle a d'abord rejoint l'Institute for Robotics and Autonomy de Tulsa, où elle a conçu un bras robotique assistif inspiré par sa grand-mère, immobilisée par l'arthrite, destiné à aider les personnes âgées et utilisateurs de fauteuil roulant à vivre de façon autonome.

1 source
2arXiv cs.RO 

Main d'IDMAS : main sensorielle anthropomorphe modulaire à faible impédance et entraînement direct

Des chercheurs ont publié le 17 juillet 2026 sur arXiv un article présentant MIDAS Hand (Modular low-Impedance Direct-drive Anthropomorphic Sensing Hand), une main robotique dexterous à bas coût et open-source destinée à la recherche en manipulation. L'engin offre 16 degrés de liberté au total, dont 13 actifs, avec un entraînement en prise directe (direct-drive) affichant un couple de rétro-entraînement mesurément faible. Elle intègre 283 taxels tactiles trois axes répartis sur l'ensemble de la main, pour un poids compact de 700 grammes et une nomenclature de composants (BOM) inférieure à 3 000 dollars. Entièrement construite à partir de pièces imprimées en 3D, elle s'assemble en moins de trois heures tout en conservant la robustesse et la répétabilité nécessaires à des expériences répétées en conditions réelles. Les auteurs publient l'ensemble de la chaîne technique en accès libre : fichiers de conception, documentation de montage, API Python de contrôle et de lecture tactile, modèles de simulation, ainsi que des pipelines de retargeting et de téléopération. Cette publication cible un goulot d'étranglement bien identifié du secteur : la manipulation dexterous progresse autant grâce aux algorithmes qu'à la disponibilité de matériel accessible, et les mains robotiques existantes sacrifient généralement soit le coût, soit la fabrication facile, soit la richesse du retour tactile, soit l'échelle humaine. En combinant ces quatre propriétés dans une plateforme reproductible et documentée, MIDAS Hand vise à démocratiser la collecte de données de démonstration humain-vers-robot, un enjeu central pour l'entraînement des modèles vision-langage-action (VLA) qui alimentent aujourd'hui les mains et bras robotiques les plus avancés du secteur humanoïde. Le projet s'inscrit dans une lignée de mains dexterous de recherche telles que la Shadow Hand, l'Allegro Hand ou la LEAP Hand, souvent limitées par leur coût ou l'absence de capteurs tactiles denses. Les auteurs caractérisent leur plateforme via des analyses d'espace de travail et de taxonomie de prise, des essais de charge utile et de fiabilité, des mesures de rétro-entraînabilité, et des démonstrations de téléopération avec retour tactile. La documentation complète et le code sont accessibles sur midas-hand.com.

RecherchePaper
1 source
3arXiv cs.RO 

Sécurisation de l'exécution de politiques RL par contrainte CBF-QP basée sur l'accélération pour des déploiements robotiques réels

Une équipe de recherche présente Acc-CBF-QP, un filtre de sécurité formulé comme un programme quadratique (QP) basé sur l'accélération et des fonctions de barrière de contrôle (CBF), destiné à contraindre en temps réel n'importe quelle politique d'apprentissage par renforcement (RL) sans toucher à son entraînement. Le système impose simultanément des limites de position articulaire, de vitesse, de couple et d'évitement de collision dans un seul cadre d'optimisation. Sa contribution centrale réside dans deux nouvelles tâches RL+QP : TorqueTask, qui minimise l'écart de couple par rapport à la commande RL, et Forward Dynamics Task, qui minimise l'écart d'accélération induite, permettant d'arbitrer finement entre sécurité et performance. La méthode a été validée en simulation et sur matériel réel, sur un bras manipulateur Kinova Gen3 à 7 degrés de liberté et sur l'humanoïde Unitree H1 à 19 degrés de liberté. Sur H1 en conditions réelles, une politique Safe-RL seule produisait 10,04 violations de contraintes par seconde ; ajoutée à Acc-CBF-QP, ce taux chute de 92%, à 0,80 violation par seconde. Sur le Kinova Gen3, les violations sont totalement éliminées. Le pipeline complet est publié en open source. L'enjeu dépasse la simple métrique de sécurité : le RL peine à passer du laboratoire au terrain précisément parce qu'il ne fournit aucune garantie formelle face aux états hors distribution, un problème critique pour des robots à pattes ou des manipulateurs opérant près de leurs limites physiques. En montrant que ce filtre préserve les performances nominales de la tâche RL dans les régimes sans violation, et qu'il évite même les arrêts d'urgence déclenchés par des dépassements de contrainte lors de commandes de vitesse agressives sur H1 (donc une durée de fonctionnement prolongée), les auteurs répondent directement à un frein connu à l'adoption industrielle : la difficulté de certifier des comportements appris pour un déploiement en sécurité sur du matériel réel. Ce travail s'inscrit dans la lignée des fonctions de barrière de contrôle, un outil de sécurité formelle de plus en plus combiné au RL et au Safe-RL pour compenser l'absence de garanties intrinsèques de ces politiques. Contrairement à des approches qui modifient l'entraînement lui-même, Acc-CBF-QP agit en aval, comme une couche de filtrage appliquée à l'exécution, ce qui facilite son adoption sur des politiques déjà entraînées. La publication du code laisse entrevoir une adoption possible par d'autres équipes travaillant sur l'humanoïde ou la manipulation, sans qu'aucun calendrier de déploiement industriel ne soit pour l'instant annoncé.

RecherchePaper
1 source
4arXiv cs.RO 

SoftNav : intégrer des tokens de scène 3D dans les VLM pour la navigation incarnée

Des chercheurs ont publié SoftNav, une nouvelle méthode de navigation embarquée pour robots et agents autonomes, décrite dans un article arXiv (2607.14586v1) mis en ligne le 17 juillet 2026. Le système s'attaque à un problème concret : lorsqu'un agent doit localiser une cible dans un environnement inconnu, les approches actuelles transmettent l'information de la scène 3D aux modèles vision-langage (VLM) sous forme de texte, ce qui crée une perte d'information entre la représentation spatiale et le raisonnement du modèle. SoftNav injecte à la place un token par objet détecté ou par frontière d'exploration, directement dans l'espace caché du VLM, via un projecteur léger, sans texte intermédiaire. L'encodeur 3D et le VLM restent gelés durant l'entraînement, qui ne nécessite qu'environ 1 200 échantillons et 17 millions de paramètres entraînables, un volume très réduit pour ce type de tâche. Sur le benchmark HM3D-OVON, la méthode atteint des taux de réussite de 74,2 %, 68,3 % et 66,7 % selon les trois découpages testés, dépassant toutes les approches précédentes en taux de réussite comme en efficacité de trajectoire (SPL). L'intérêt principal tient à la généralisation sans réentraînement : la même politique de navigation, entraînée une fois, transfère en zero-shot vers GOAT-Bench (67,2 % de réussite), vers SG3D (47,2 % de sous-réussite) et vers un déploiement réel sur robot physique, sans modification d'architecture. Pour les intégrateurs et équipes de recherche en robotique, ce résultat appuie l'idée que le goulot d'étranglement des VLM appliqués à la navigation n'est pas tant la capacité de raisonnement du modèle que le format de transmission de l'information géométrique : une simple sérialisation textuelle du monde 3D dégrade les performances par rapport à une injection au niveau des embeddings. C'est un argument technique en faveur de représentations hybrides texte-plus-tokens continus dans les pipelines VLA (vision-language-action), plutôt que du tout-texte. L'étude s'inscrit dans la lignée des travaux récents combinant perception 3D et modèles de langage pour la navigation d'agents, un axe de recherche actif depuis l'essor des VLM généralistes appliqués à la robotique. Les auteurs comparent leur approche à plusieurs méthodes antérieures sur navigation orientée objectif, sans toutefois préciser de calendrier de déploiement industriel ni de partenariat commercial à ce stade : il s'agit pour l'instant d'un résultat de recherche validé sur benchmarks académiques et en test robot limité, pas d'un produit prêt à l'intégration.

RechercheActu
1 source
5arXiv cs.RO 

OASIS-Map : détection de changements au niveau des objets en cartographie multi-sessions par mise en correspondance sémantique

Des chercheurs d'Oxford (Oxford Robotics Institute, groupe Dynamic Robot Systems) présentent OASIS-Map, un système de cartographie multi-session conçu pour détecter et suivre les changements d'objets dans des environnements semi-statiques revisités par un robot au fil du temps. Publié sur arXiv (2607.14899v1), le système établit des correspondances sémantiques denses au niveau des patchs entre observations successives, permettant d'associer un même objet d'une visite à l'autre même en cas de vue partielle, d'occlusion ou de segmentation imparfaite, puis de repérer précisément ce qui a changé dans la scène : objets apparus, disparus, déplacés ou remplacés. L'équipe a testé OASIS-Map sur trois scénarios réels distincts : des réarrangements d'objets dans le jeu de données 3RScan, le remplacement de véhicules visuellement similaires dans un parking, et des changements à grande échelle dans un marché extérieur. Les résultats mesurés donnent un score F1 de 0,783 pour la détection de changement dans le scénario du parking (remplacement de voitures) et un F1 de 0,667 pour l'association d'objets déplacés sur 3RScan. Ce travail cible un problème concret pour la robotique d'inspection long terme : une carte statique devient rapidement obsolète dès que l'environnement évolue en l'absence du robot, un défi central pour les déploiements en entrepôt, en parking ou en espace commercial où les objets bougent en permanence. La difficulté technique majeure n'est pas de détecter qu'un changement a eu lieu, mais d'associer correctement les objets entre deux visites malgré des angles de vue différents ou des occlusions partielles, ce que les méthodes fondées sur la géométrie seule ou la sémantique de catégorie peinent à faire de façon fiable. Un F1 de 0,667 sur l'association d'objets déplacés montre que le problème reste loin d'être résolu à l'échelle, ce qui tempère l'idée que la correspondance sémantique multi-session serait déjà mature pour un déploiement industriel sans supervision. OASIS-Map s'inscrit dans une lignée de recherches sur la cartographie sémantique orientée objets et le change detection pour la robotique persistante, un axe où la littérature s'appuyait jusqu'ici surtout sur la géométrie brute ou des catégories sémantiques génériques plutôt que sur une correspondance fine au niveau des patchs. Les auteurs annoncent la mise à disposition d'une page projet (dynamic.robots.ox.ac.uk/projects/oasis-map) mais ne précisent pas de calendrier de déploiement pilote ni de partenariat industriel ; il s'agit pour l'instant d'un travail de recherche validé sur des cas d'usage réels mais circonscrits, sans indication de commercialisation à court terme.

UERecherche menée par un laboratoire universitaire britannique (Oxford Robotics Institute), sans entreprise ni réglementation française ou européenne impliquée, mais les cas d'usage ciblés (entrepôt, parking, commerce) concernent des environnements industriels également présents en Europe.

RecherchePaper
1 source
6arXiv cs.RO 

BadWAM : quand les modèles monde-action rêvent bien mais agissent mal

Une équipe de recherche publie sur arXiv (référence 2607.15207v1) un article intitulé « BadWAM: When World-Action Models Dream Right but Act Wrong », qui introduit un nouveau cadre d'attaque adversariale ciblant les World-Action Models (WAM), ces architectures qui couplent génération d'action et prédiction du futur pour le contrôle robotique incarné. BadWAM formalise une classe d'attaques baptisées « World-Action Drift Attacks » : de petites perturbations visuelles qui cassent l'alignement entre ce que le modèle imagine et ce qu'il exécute réellement. Le framework décline deux variantes selon les priorités de l'attaquant : une attaque purement orientée action, qui pousse directement le robot vers des échecs de tâche, et une attaque dite « imagination-preserving », plus furtive, qui maintient une prédiction de futur plausible tout en désynchronisant l'action exécutée. Testée sur plusieurs variantes de WAM en boucle fermée, l'attaque action-only fait chuter le taux de réussite des tâches de 96,5 % à 43,1 %. Ce résultat fragilise un argument central de sécurité avancé pour les WAM : le fait de pouvoir vérifier une action contre le futur imaginé par le modèle était présenté comme une garantie de robustesse et d'interprétabilité. BadWAM montre que cette garantie peut être contournée, y compris de façon furtive, le modèle continuant d'afficher une trajectoire imaginée cohérente alors que l'action réellement exécutée diverge. Pour les intégrateurs et décideurs qui envisagent de déployer des VLA ou des WAM en environnement industriel, c'est un signal d'alerte direct sur la fiabilité des mécanismes de vérification interne comme filet de sécurité, particulièrement dans des contextes où un flux vidéo ou capteur pourrait être manipulé. Les WAM s'inscrivent dans la lignée des modèles vision-langage-action (VLA) comme Pi-0 ou GR00T N2, qui cherchent à unifier perception, raisonnement et contrôle moteur. En documentant systématiquement la surface d'attaque de ces architectures selon deux axes, force de perturbation et furtivité, les auteurs de BadWAM posent une méthodologie d'évaluation reproductible que d'autres laboratoires pourront appliquer à leurs propres modèles avant tout déploiement sur des plateformes robotiques réelles.

RechercheActu
1 source
7arXiv cs.RO 

Robots généralistes : une évaluation active basée sur des facteurs en conditions réelles

Des chercheurs ont présenté un nouveau cadre d'évaluation actif pour les politiques robotiques généralistes, entraînées sur de vastes jeux de données couvrant de nombreuses tâches de manipulation. Publié sous la référence arXiv:2607.14439v1, ces travaux s'attaquent à un problème central du secteur : la performance réelle d'une politique dépend d'un espace combinatoire immense de facteurs, poses des objets, points de vue caméra, et l'évaluer de façon exhaustive sur du matériel physique est à la fois lent et coûteux en ressources. Les équipes ont mené 2331 essais réels répartis sur 3 tâches de manipulation avec 3 variations de facteurs chacune. Leur méthode traite l'évaluation comme un problème de conception expérimentale séquentielle : un modèle de substitution probabiliste est ajusté sur l'espace structuré des facteurs de tâche, puis des configurations d'essai sont sélectionnées de manière adaptative pour maximiser le gain d'information sur la distribution de performance de la politique. Résultat chiffré : cette approche permet d'économiser typiquement 20 à 40% des essais par rapport aux tests aléatoires classiques, tout en identifiant systématiquement les zones où la politique échoue le plus souvent. Cette contribution touche un point sensible pour l'industrie de la robotique généraliste : la manière dont on évalue les modèles VLA (vision-langage-action) aujourd'hui repose largement sur des suites de tests étroites, qui peuvent passer à côté de modes d'échec critiques et donner une image trompeuse de la préparation réelle au déploiement. Pour les intégrateurs et les décideurs B2B qui doivent choisir entre plusieurs politiques génératives avant un déploiement industriel, disposer d'une méthode statistiquement rigoureuse et moins gourmande en essais matériels change la donne : elle permet de cartographier plus vite les conditions dans lesquelles un robot échoue, plutôt que de se fier à des démonstrations vidéo sélectionnées ou des benchmarks limités. C'est une pièce méthodologique qui vient contredire l'idée reçue selon laquelle il suffirait de multiplier les tests en conditions variées pour avoir confiance dans une politique : le choix des essais compte autant que leur nombre. Ce travail s'inscrit dans la vague plus large de politiques de manipulation robotique entraînées sur des données diverses à grande échelle, dans la lignée des approches type Pi-0 ou GR00T N2 qui cherchent à généraliser au-delà de tâches et d'environnements spécifiques. Alors que ces politiques gagnent en capacité, l'écart entre promesse en laboratoire et fiabilité en conditions réelles reste l'obstacle principal à leur adoption industrielle, et les méthodes d'évaluation elles-mêmes deviennent un sujet de recherche à part entière plutôt qu'une simple formalité. Les auteurs positionnent leur approche comme un outil systématique face aux pratiques actuelles jugées insuffisantes, ouvrant la voie à des protocoles d'évaluation plus rigoureux avant tout déploiement de robots généralistes en environnement réel, que ce soit en logistique, en industrie manufacturière ou dans des contextes domestiques.

RecherchePaper
1 source
8arXiv cs.RO 

Open-AoE : un jeu de données ouvert de manipulation égocentrique et une chaîne d'outils pour l'apprentissage incarné

Une équipe de recherche publie Open-AoE, un jeu de données ouvert de vidéos égocentriques de manipulation humaine destiné à l'apprentissage de modèles robotiques, accompagné d'une chaîne d'outils complète allant de la capture smartphone jusqu'à l'entraînement de modèles. Décrit dans un article arXiv (2607.14183v1) publié le 17 juillet 2026, ce premier jalon rassemble environ 2 000 heures de vidéos de manipulation tournées en environnement naturel par plus de 500 contributeurs utilisant plus de 400 smartphones différents. Chaque séquence est annotée avec des descriptions textuelles, des poses de main reconstruites via le modèle MANO, des trajectoires de caméra et un découpage temporel en actions atomiques localisées. Le pipeline de traitement transforme les enregistrements bruts en échantillons structurés à travers quatre étapes : segmentation temporelle des actions, annotation sémantique, reconstruction des mains et reconstruction de trajectoire caméra. Une chaîne d'outils distincte permet ensuite la visualisation, le retargeting cross-embodiment (transfert des mouvements humains vers différentes morphologies de robots), la conversion de données spécifique à chaque modèle, ainsi que des recettes d'entraînement pour les politiques VLA, les modèles WAM et les World Models. L'enjeu principal est celui du goulot d'étranglement de données pour l'apprentissage par imitation en robotique : les démonstrations téléopérées sur robot réel restent coûteuses et lentes à collecter à grande échelle, tandis que les vidéos humaines égocentriques offrent une supervision quasi gratuite mais historiquement peu structurée pour un usage robotique direct. En combinant capture low-cost via smartphone, annotations de niveau manipulation (poses de main, actions atomiques) et outils de retargeting prêts à l'emploi, Open-AoE cherche à réduire la friction entre collecte de données humaines et entraînement de politiques robotiques, un axe central pour le transfert humain-vers-robot (human-to-robot transfer) que plusieurs laboratoires explorent en parallèle des approches de téléopération. Ce type d'initiative s'inscrit dans la lignée de jeux de données égocentriques antérieurs comme Ego4D ou Epic-Kitchens, mais se distingue par son orientation explicitement robotique, avec des annotations pensées pour l'entraînement de modèles VLA plutôt que pour la seule reconnaissance d'action. Elle complète des efforts de mutualisation de données robot comme Open X-Embodiment, en s'attaquant cette fois au versant humain de la chaîne de supervision. Les auteurs présentent cette version comme une première publication ouverte à la communauté, invitant à la contribution continue de nouvelles captures, ce qui laisse présager des extensions futures en volume et en diversité de tâches.

RecherchePaper
1 source
9arXiv cs.RO 

SafeRelBench : un benchmark sensible aux relations spatiales pour la sécurité au niveau des processus dans les agents incarnés pilotés par VLM

Voici l'article traduit et résumé : Des chercheurs présentent SafeRelBench, un nouveau benchmark évaluant la sécurité des agents robotiques pilotés par des modèles vision-langage (VLM), avec un focus sur les relations spatiales entre objets plutôt que sur la simple reconnaissance de risques statiques. Le jeu de données comprend 507 échantillons d'évaluation exécutables, répartis entre 248 échantillons centrés sur des relations spatiales (support, confinement, proximité) et 259 échantillons de contrôle non spatiaux. L'équipe a testé sept agents robotiques différents, combinant des VLM open-source et propriétaires, pour mesurer non seulement s'ils accomplissent une tâche demandée, mais s'ils respectent des contraintes de sécurité tout au long du processus d'exécution, avant même que des actions risquées ne soient entreprises. Le résultat principal est préoccupant pour l'industrie : les chercheurs observent un écart important entre la réussite d'une tâche et la conformité en matière de sécurité au niveau du processus. Concrètement, les agents testés parviennent souvent à terminer la tâche demandée tout en violant des règles de sécurité intermédiaires, par exemple en manipulant un objet posé de façon instable ou en ignorant un risque de renversement pendant le mouvement. Ce constat remet en question l'hypothèse répandue dans le secteur selon laquelle un modèle VLA qui réussit une tâche a nécessairement raisonné correctement sur les risques physiques associés. Pour les intégrateurs et décideurs B2B déployant des robots domestiques ou humanoïdes en environnement réel, cela signifie que les métriques de succès de tâche classiques ne suffisent pas à garantir un déploiement sûr, et que l'évaluation doit désormais intégrer explicitement le raisonnement sur les relations spatiales entre objets. Ce travail s'inscrit dans un mouvement plus large de recherche sur la sécurité des agents incarnés (embodied AI), où les benchmarks existants se limitaient jusqu'ici à la reconnaissance de dangers statiques, au refus d'instructions dangereuses, ou à la vérification de l'état final d'une tâche, sans examiner la trajectoire du processus. SafeRelBench se distingue en testant explicitement si les conditions de sécurité sont respectées avant l'exécution d'actions à risque, plaçant les relations spatiales au cœur de l'évaluation. Les auteurs concluent qu'une intelligence incarnée véritablement sûre nécessite, au-delà de meilleures capacités de perception et de planification, un raisonnement fiable sur la manière dont les relations entre objets façonnent le risque pendant l'interaction, un axe de recherche qui devrait gagner en importance à mesure que les déploiements de robots humanoïdes et domestiques s'accélèrent.

RecherchePaper
1 source
10arXiv cs.RO 

DriftWorld : modélisation rapide du monde par dérive

Des chercheurs présentent DriftWorld dans un article publié sur arXiv (2607.15065v1), un modèle du monde conditionné par l'action destiné à la planification robotique. Contrairement aux modèles de diffusion classiques qui nécessitent un débruitage itératif à chaque inférence, DriftWorld apprend pendant l'entraînement un "drift" conditionné par l'action, ce qui lui permet de générer les images futures à partir de l'observation courante et d'une séquence d'actions candidates en une seule passe avant. Résultat : plus de 30 images par seconde, soit une vitesse 17 fois supérieure en moyenne aux modèles de diffusion de référence. Les auteurs évaluent leur approche sur les benchmarks standards de manipulation robotique par vision, Bridge-V2, RT-1, Language Table, Push-T et Robomimic, où DriftWorld atteint des performances de décision état de l'art tout en consommant nettement moins de temps de calcul à l'inférence. Le modèle sert aussi de simulateur hors ligne pour classer des politiques de robots réels, avec des scores de rollout corrélés jusqu'à 0,99 avec la vérité terrain. Cette avancée cible un goulot d'étranglement bien identifié : les modèles du monde basés sur la diffusion permettent d'imaginer les conséquences d'une action avant de l'exécuter, mais leur lenteur limite la recherche d'actions à grande échelle en temps réel, un frein direct pour le contrôle robotique embarqué. En rendant chaque rollout quasi instantané sans sacrifier la précision, DriftWorld ouvre la voie à une exploration beaucoup plus large de l'espace des actions au moment de la décision, un enjeu central pour les intégrateurs qui cherchent à déployer des politiques robustes sans multiplier les essais physiques coûteux. Sa capacité à évaluer des politiques hors ligne avec une forte corrélation à la réalité terrain en fait aussi un outil potentiel pour tester des comportements robotiques avant tout déploiement réel. Le papier s'inscrit dans la lignée des travaux récents sur les modèles du monde vidéo pour la robotique, où la diffusion domine depuis plusieurs années malgré son coût d'inférence. Il s'agit ici d'une contribution de recherche académique, sans annonce de produit ni de déploiement industriel : les auteurs positionnent les modèles à drift comme une alternative crédible pour l'imagination rapide au service de la planification et de l'évaluation de politiques, sans préciser à ce stade de calendrier d'intégration commerciale.

RecherchePaper
1 source
11arXiv cs.RO 

Hallucinations dans les affordances : vers une compréhension globale à 360° des environnements intérieurs

Voici la traduction/résumé demandé. PanoAffordanceNet cible une lacune précise de la perception robotique : la détection d'affordances (les zones d'une scène où une action est possible, comme s'asseoir ou saisir) reste aujourd'hui limitée aux vues perspective classiques et centrée sur des objets isolés. Une équipe de recherche propose donc une nouvelle tâche, l'ancrage holistique d'affordances en environnements intérieurs à 360 degrés, et un framework dédié pour la traiter. Le système combine deux modules techniques : un Distortion-Aware Spectral Modulator (DASM), qui corrige les déformations géométriques propres à la projection équirectangulaire selon la latitude, et une Omni-Spherical Densification Head (OSDH), chargée de restaurer la continuité topologique à partir d'activations éparses. L'entraînement s'appuie sur des contraintes multi-niveaux (pixel, distribution, contraste région-texte) pour limiter la dérive sémantique en contexte de faible supervision. Les auteurs publient également 360-AGD, présenté comme le premier jeu de données de haute qualité pour l'ancrage d'affordances panoramiques, ainsi que le code source, promis en accès libre sur GitHub. Pour les agents robotiques embarqués, la perception à 360 degrés est un prérequis pour naviguer et interagir dans des environnements réels sans multiplier les capteurs ou les prises de vue successives. Les méthodes d'affordance actuelles, conçues pour des images perspective standard, échouent face aux distorsions extrêmes des projections omnidirectionnelles, ce qui limite leur usage en navigation autonome ou en manipulation mobile. En démontrant des gains significatifs par rapport aux approches existantes, ce travail pose une référence pour la perception au niveau de la scène entière, plutôt qu'objet par objet, un enjeu clé pour les systèmes d'intelligence embarquée devant raisonner sur un espace complet plutôt que sur des fragments de champ visuel. Ce travail s'inscrit dans une double lignée de recherche : d'une part la vision omnidirectionnelle, qui peine historiquement avec la dispersion sémantique et l'alignement multi-échelle propres aux images équirectangulaires ; d'autre part l'affordance grounding, jusqu'ici cantonné aux benchmarks perspective centrés objet. En les combinant, les auteurs positionnent PanoAffordanceNet comme un jalon plutôt qu'un produit fini : il s'agit d'une publication de recherche (arXiv, version 2, catégorie replace-cross) sans déploiement industriel annoncé. La mise à disposition prévue du dataset 360-AGD et du code sur GitHub devrait permettre à la communauté de reproduire et d'étendre ces résultats, notamment vers des applications robotiques concrètes en navigation et manipulation dans des scènes complexes.

RecherchePaper
1 source
12arXiv cs.RO 

Au-delà de la force implicite : évaluer les proxys force-couple explicites dans le chunking d'actions avec des transformers

Une équipe de recherche publie une étude (arXiv:2607.14578v1) qui interroge un angle mort de l'apprentissage par imitation en manipulation robotique fine : la capacité d'Action Chunking with Transformers (ACT), architecture largement utilisée pour les tâches de manipulation riches en contact, à percevoir les forces d'interaction sans capteur dédié. Les démonstrations de téléopération leader-follower génèrent en effet un signal caché : l'écart de suivi entre le mouvement commandé par le leader et celui exécuté par le follower encode implicitement le contact, la résistance ou la violation de contrainte. Les chercheurs ont conçu une variante d'ACT centrée sur l'observation, qui prédit les états articulaires futurs du follower plutôt que les commandes du leader, supprimant ainsi ce signal caché tout en conservant le reste du pipeline d'apprentissage. Ils ont ensuite testé si de simples indicateurs de couple articulaire, dérivés du courant moteur ou de l'effort embarqué, pouvaient restaurer un comportement sensible au contact sans capteur de force/couple externe. Sur quatre tâches réelles (suivi de surface, insertion, discrimination de rigidité, arrêt déclenché par la force), retirer le signal implicite provoque des échecs sévères dans les phases critiques d'interaction avec la force. Le résultat est important pour quiconque déploie des politiques d'imitation en environnement industriel : il révèle que la robustesse apparente d'ACT en tâches de contact reposait en partie sur un artefact de collecte de données plutôt que sur une véritable compréhension physique de la tâche. À l'inverse, les politiques augmentées par des proxys de couple retrouvent un comportement robuste et surpassent même la politique ACT de base, ce qui suggère qu'un capteur simple et peu coûteux (courant moteur) peut remplacer efficacement le biais de téléopération, sans matériel additionnel. ACT s'est imposé depuis 2023 comme référence pour l'apprentissage par imitation à faible coût en manipulation fine, aux côtés d'approches VLA comme Pi-0 ou GR00T N2. Cette étude s'inscrit dans un effort plus large de la communauté robotique pour distinguer les capacités réelles des politiques apprises des artefacts de leur méthode de collecte, une question centrale à mesure que l'industrie cherche à industrialiser le déploiement de robots manipulateurs au-delà du laboratoire.

RecherchePaper
1 source
13arXiv cs.RO 

Analyse physique de fragilité et risque de chute par robots sociaux : évaluation in situ chez les seniors

Une équipe de recherche présente un système robotique capable de faire passer aux personnes âgées des tests cliniques standardisés d'évaluation de la fragilité et du risque de chute, en captant simultanément des données biomécaniques fines que les protocoles cliniques classiques n'enregistrent pas. Le robot s'appuie sur une architecture de type Behaviour Tree qui coordonne perception, prise de décision, interaction et mesure, et utilise un suivi du squelette par vision pour administrer deux tests de référence: le Short Physical Performance Battery (SPPB) et le Timed Up and Go (TUG). Le dispositif a été co-conçu avec des professionnels de santé, puis évalué en conditions réelles pendant six mois dans le laboratoire de recherche d'un centre de rééducation, auprès de 81 personnes âgées (N=81). Les mesures du robot ont été comparées aux évaluations de thérapeutes ainsi qu'à des instruments de référence, un tapis d'analyse de la marche et une centrale inertielle (IMU). Les résultats montrent un accord excellent pour la plupart des temps de complétion des tests et des paramètres de marche (ICC supérieur à 0,9), un accord substantiel pour le score global SPPB entre robot et thérapeute (kappa = 0,67), et un accord modéré entre robot et IMU (kappa = 0,55). Pour le secteur de la robotique sociale et de la santé, ces résultats sont significatifs car les évaluations de fragilité restent aujourd'hui coûteuses en personnel et reposent souvent sur des indicateurs grossiers comme le simple temps de réalisation d'une tâche. Un robot capable de produire des mesures fiables et objectives, en plus des scores cliniques habituels, ouvre la voie à un dépistage plus systématique et moins dépendant de la disponibilité des thérapeutes, tout en captant des indicateurs de mobilité que les protocoles conventionnels ignorent. Le travail s'inscrit dans le courant plus large des robots sociaux d'assistance en gériatrie, où la validation clinique en conditions réelles, et non en laboratoire contrôlé, reste rare. L'étude, menée sur six mois avec un échantillon conséquent de 81 patients et validée contre des instruments de référence établis (tapis de marche, IMU), constitue une étape vers l'intégration de ces systèmes en pratique clinique courante, même si les auteurs eux-mêmes notent un accord seulement modéré sur certaines comparaisons instrumentales, signe que des ajustements restent nécessaires avant un déploiement à grande échelle.

RecherchePaper
1 source
14arXiv cs.RO 

ConFlow : apprentissage guidé par contraintes avec appariement de flux pour la génération de mouvement

ConFlow, un nouveau framework de génération de mouvement robotique par flow matching intégrant des contraintes dès l'entraînement, a été publié sur arXiv (2607.14424v1). Le flow matching est une méthode de modélisation générative reposant sur un échantillonneur neuronal basé sur des équations différentielles ordinaires (ODE), entraîné en régressant les champs de flux empiriques associés aux trajectoires observées. Le problème que ConFlow cherche à résoudre est simple à énoncer : la plupart des approches actuelles entraînent le modèle de flux sur des données brutes, puis appliquent des contraintes propres à la tâche uniquement au moment de l'inférence, via un guidage externe. Les auteurs proposent à la place d'injecter directement l'information de contrainte dans l'objectif d'entraînement, sous forme de fonctions de barrière ou de coût différentiables. Autre nouveauté technique : la distribution source gaussienne standard du flow matching est remplacée par un processus gaussien conditionnel, ce qui permet d'imposer des spécifications de conception comme la régularité ou les conditions aux limites. Le système exploite aussi des démonstrations infaisables comme supervision négative, sans nécessiter de données expertes supplémentaires. Sur une tâche de navigation impliquant deux robots, ConFlow affiche un taux de collision plus faible et une meilleure qualité de trajectoire que les baselines de flow matching standard, avec ou sans guidage à l'inférence. L'enjeu dépasse la simple performance chiffrée : ce travail questionne une hypothèse répandue dans la génération de mouvement par apprentissage, à savoir que le guidage à l'inférence suffit à faire respecter des contraintes physiques ou de sécurité à un modèle entraîné sans elles. En démontrant qu'intégrer les contraintes pendant l'entraînement referme l'écart entre entraînement et inférence, ConFlow apporte un argument concret pour les équipes qui développent des politiques de mouvement destinées à des robots opérant sous contraintes strictes (évitement de collision, limites articulaires, zones interdites), un enjeu central pour tout déploiement industriel ou multi-robot. Le flow matching s'est imposé ces dernières années comme alternative aux modèles de diffusion pour la génération de trajectoires robotiques, dans la même famille de méthodes que les architectures vision-langage-action (VLA) comme Pi-0 ou GR00T N2, qui reposent elles aussi sur des politiques génératives entraînées sur démonstrations. ConFlow se positionne comme une brique méthodologique complémentaire à ces systèmes plutôt qu'un produit concurrent : la validation reste pour l'instant limitée à un scénario de navigation à deux robots, sans indication d'extension à des tâches de manipulation plus complexes ou à un déploiement matériel réel.

RecherchePaper
1 source
15arXiv cs.RO 

Risque et contrôle de croyance sous contraintes : fonctions barrières pour ensembles finis aléatoires

Des chercheurs publient sur arXiv (2607.15016v1) un cadre baptisé "risk-aware belief control barrier function" (BCBF) pour sécuriser le contrôle de robots évoluant dans des environnements inconnus et dynamiques, où le nombre d'objets mobiles à éviter varie dans le temps et n'est connu qu'à travers des mesures bruitées et incomplètes. L'incertitude sur cet état multi-objets est modélisée par une croyance au format random finite set (RFS), estimée par un filtre SMC-PHD (sequential Monte Carlo probability hypothesis density) qui la représente sous forme d'un nuage de particules. À partir de ces particules, les auteurs construisent directement une fonction barrière de contrôle non lisse, démontrent l'invariance de l'ensemble de sécurité sous prédiction continue, et établissent une condition explicite garantissant que les mises à jour discrètes du filtre ne compromettent pas cette sécurité. La méthode est validée en simulation puis lors d'expériences réelles en environnement sous-marin. Ce travail s'attaque à un point de friction connu entre théorie du contrôle et déploiement réel: la plupart des control barrier functions classiques supposent un nombre d'obstacles fixe et connu, hypothèse rarement vraie hors laboratoire. En couplant directement le filtre PHD, qui gère nativement apparitions, disparitions et bruit de détection, à la barrière de sécurité, l'approche évite l'étape fragile de "suivi puis contrôle" où des erreurs d'association de données peuvent silencieusement casser les garanties de sécurité. Pour les intégrateurs de robots mobiles ou sous-marins opérant en environnement encombré et faiblement instrumenté, cela ouvre la voie à des garanties formelles même quand la perception reste imparfaite, un cas de figure encore mal couvert par les CBF probabilistes existantes, souvent limitées à la simulation. Les control barrier functions se sont imposées depuis une dizaine d'années comme outil de référence du contrôle sûr en robotique, notamment via les travaux d'Aaron Ames à Caltech, mais leur extension à l'incertitude multi-objets reste un champ actif. Les filtres PHD, eux, dérivent des travaux de Ronald Mahler sur les ensembles finis aléatoires appliqués au suivi multi-cibles, formalisme né en défense et surveillance radar avant sa percée en robotique mobile. Aucun partenariat industriel ni calendrier de transfert n'est mentionné: il s'agit pour l'instant d'une preuve de concept en environnement sous-marin contrôlé, sa généralisation à d'autres domaines restant une piste ouverte.

RecherchePaper
1 source
16arXiv cs.RO 

Navigation agile pour robots quadrupèdes dans des environnements encombrés par apprentissage

Des chercheurs présentent VOP-Nav, un système de navigation pour robots quadrupèdes conçu pour évoluer dans des environnements denses et dynamiques, où l'occlusion des capteurs et l'imprévisibilité des déplacements humains posent des défis majeurs. Le cœur du système est un réseau baptisé VOP-Net, qui traite des données LiDAR multi-frames captées en local pour encoder implicitement les contraintes dynamiques de l'environnement et prédire une zone de vitesse sûre, dérivée de la théorie des Velocity Obstacles (VO). Fait notable, cette prédiction VO sert un double rôle : elle alimente la politique de navigation en inférence, et sert de signal de récompense pendant l'entraînement pour favoriser des trajectoires sûres. Le système a été évalué dans le simulateur Isaac Gym, puis déployé en conditions réelles sur un robot quadrupède Unitree Go2, en intérieur comme en extérieur, sans pipeline explicite de détection et de suivi d'obstacles. L'enjeu dépassé ici est un compromis classique en robotique mobile : les méthodes à base de modèle comme les Velocity Obstacles garantissent la sécurité en théorie, mais s'effondrent en environnement dense car elles dépendent d'estimations précises du mouvement des obstacles, difficiles à obtenir dans une foule. À l'inverse, les approches d'apprentissage de bout en bout sont plus robustes mais manquent de capacité de prédiction, ce qui produit soit des collisions, soit des comportements trop prudents. En hybridant les deux, VOP-Nav vise directement le goulot d'étranglement qui freine le déploiement de quadrupèdes et, plus largement, de plateformes mobiles autonomes dans des espaces partagés avec des humains, entrepôts, hôpitaux, bureaux, un enjeu suivi de près par les intégrateurs travaillant avec des plateformes comme Go2 ou Spot. Le papier s'inscrit dans la lignée des travaux sur la navigation sociale et l'évitement d'obstacles dynamiques, où les méthodes géométriques classiques (VO, ORCA) et l'apprentissage par renforcement coexistent sans avoir jusqu'ici bien fusionné. Publié comme preprint arXiv (2607.15036), le travail n'a pas encore fait l'objet de revue par les pairs ; les auteurs revendiquent des taux de réussite supérieurs à leurs bases de comparaison en simulation, sans toutefois préciser de chiffres exacts ni le protocole complet d'évaluation, un point à surveiller avant toute extrapolation vers un déploiement industriel à grande échelle.

RecherchePaper
1 source
17arXiv cs.RO 

Modèle fondation à l'échelle pour robots humanoïdes

Une nouvelle publication arXiv (2607.15163v1, soumission de type "new") propose un modèle de fondation comportemental (Behavior Foundation Model, BFM) pour le contrôle de robots humanoïdes, baptisé Humanoid Transformer. Les auteurs affirment avoir identifié la recette manquante pour faire monter en puissance ces modèles, en coordonnant trois leviers : un nouveau paradigme d'apprentissage qui reformule le contrôle humanoïde comme la reproduction de comportements corporels intégrés dans le référentiel global plutôt que local ; un équilibrage stratégique entre le volume de déploiements en ligne (on-policy rollouts) et la diversité des mouvements de référence utilisés à l'entraînement ; et l'architecture Humanoid Transformer elle-même, conçue pour faire émerger naturellement des représentations structurées du comportement. Testée à la fois en simulation et en conditions réelles, l'approche réduit l'erreur moyenne par point clé (Mean Per-Keypoint Position Error, MPKPE) de plus de 10% en mode local et de 82% en mode global par rapport aux contrôleurs humanoïdes existants. Ce travail répond à un flou méthodologique réel du secteur : malgré l'engouement croissant pour les BFM comme brique de base des agents incarnés généralistes, personne n'avait jusqu'ici établi de façon rigoureuse comment coordonner données, architecture et paradigme d'entraînement pour obtenir un gain de performance qui tienne la route au passage à l'échelle. Le saut de 82% en mode global est le chiffre qui compte vraiment pour les intégrateurs : c'est la capacité à maintenir une cohérence corporelle dans le référentiel monde, condition nécessaire pour des tâches où le robot doit coordonner déplacement et manipulation sans dérive, un point faible classique des contrôleurs entraînés uniquement en référentiel local. Si les résultats se confirment à plus grande échelle, ils renforcent l'hypothèse que le contrôle humanoïde généraliste peut suivre une trajectoire de scaling comparable à celle des grands modèles de langage, plutôt que de rester cantonné à des politiques spécialisées par tâche. L'article s'inscrit dans la vague de recherche académique qui a suivi l'essor des politiques vision-langage-action (VLA) et des BFM ces deux dernières années, sans rattacher la méthode à un robot ou un laboratoire commercial précis : il s'agit d'une contribution méthodologique comparée à des "contrôleurs humanoïdes existants" pris comme référence, sans nommer de plateforme physique spécifique. La suite logique serait une validation sur du matériel humanoïde tiers et à plus grande échelle de données, pour confirmer que le gain en mode global se maintient hors du cadre expérimental des auteurs.

RechercheActu
1 source
18arXiv cs.RO 

Sécurité de nuit VLA : détecter l'invisible grâce à des modèles vision-langage-action à perception thermique pour la manipulation critique

Des chercheurs présentent Safe-Night VLA, un framework de manipulation robotique qui ajoute la perception thermique infrarouge longue longueur d'onde à un modèle vision-langage-action (VLA) pré-entraîné, publié en version corrigée sur arXiv (2603.05754v2). Contrairement aux VLA classiques qui reposent uniquement sur des caméras RGB, ce système fait remonter un raisonnement sémantique fondé sur les propriétés thermodynamiques des objets et des surfaces, ce qui lui permet de percevoir des signaux invisibles pour une caméra couleur standard. Pour limiter la fragilité connue des politiques génératives face à des scénarios hors distribution d'entraînement, les auteurs ajoutent un filtre de sécurité basé sur des fonctions de barrière de contrôle (control barrier functions), garantissant un respect déterministe des contraintes de l'espace de travail pendant l'exécution. Les tests ont été menés sur un bras manipulateur Franka, avec un protocole d'évaluation inédit combinant manipulation conditionnée par la température, localisation de cibles sous une surface opaque, et désambiguïsation de reflets visuels. Résultat annoncé: le système surpasse les baselines RGB seules sur ces trois tâches, tout en maintenant l'exécution sous contrainte de sécurité. L'intérêt pour l'industrie tient moins à la démo qu'au principe qu'elle teste: peut-on faire dire à un modèle fondation pré-entraîné sur du RGB des choses pertinentes sur une modalité physique qu'il n'a jamais vue à l'entraînement, simplement en injectant un flux thermique dans son backbone vision-langage. Si ce principe se généralise, cela ouvre la voie à des VLA capables de manipuler dans le noir, de détecter des objets chauds ou cachés sous une surface, ou de distinguer un vrai objet d'un reflet trompeur, des cas d'usage utiles en logistique nocturne, en environnements industriels à faible visibilité ou en inspection. L'ajout d'un filtre de sécurité formel plutôt que purement appris répond aussi à une critique récurrente des politiques VLA end-to-end: l'absence de garanties dures sur les collisions ou les dépassements de zone de travail, un point sensible pour tout déploiement en environnement partagé avec des humains. Le travail s'inscrit dans la vague actuelle des VLA généralistes (type GR00T N2, Pi-0, Helix) qui cherchent à étendre la perception au-delà du RGB pour combler l'écart entre démonstrations en laboratoire et robustesse réelle. Il reste à ce stade une validation académique sur un seul bras fixe en conditions contrôlées, sans indication de déploiement industriel ni de partenaire commercial, et les auteurs eux-mêmes ne revendiquent qu'une preuve de concept sur l'exploitation de modalités physiques non visibles.

RecherchePaper
1 source
19arXiv cs.RO 

DiMaS : mise en correspondance des distributions pour piloter les modèles vision-langage-action

Des chercheurs presentent DiMaS (Distribution-Matching Steering), une methode pour orienter finement le comportement des modeles vision-langage-action (VLA) bases sur le flow matching, sans reentrainement complet. Publie sur arXiv sous la reference 2607.14280, le travail s'attaque a un manque identifie dans le controle comportemental fin des robots: la capacite d'intervenir directement sur les representations internes d'un modele pour modifier la maniere dont il execute une tache. Le "representation steering" est un outil deja bien etabli en interpretabilite pour les grands modeles de langage et les modeles vision-langage, ou les traits comportementaux s'encodent generalement comme des directions lineaires dans l'espace latent. Les auteurs montrent que ces methodes classiques echouent sur les VLA. DiMaS remplace le simple decalage le long d'une direction fixe par un transport entre distributions de representations, et l'equipe demontre son efficacite sur deux VLA de pointe non nommes dans le resume. Elle etudie aussi la generalisation de la methode a mesure que les taches d'apprentissage et d'evaluation divergent, en cartographiant ou le controle comportemental se transfere et ou il s'affaiblit. Code et resultats, avec des videos de demonstration, sont disponibles publiquement sur GitHub (pegah-kh/dimas) et sur une page projet dediee. Pour les equipes qui developpent ou integrent des politiques robotiques generatives, cette avancee ouvre une piste de personnalisation fine et peu couteuse: ajuster un comportement (prudence, vitesse d'execution, style de prehension) sans reentrainer le modele complet. L'apport le plus significatif est cependant diagnostique. En montrant que les traits comportementaux de l'"action expert", le module qui genere les trajectoires du robot, sont lineairement decodables mais pas lineairement pilotables, l'etude remet en question une hypothese importee telle quelle des LLM: qu'un concept identifiable lineairement peut aussi etre manipule lineairement. Une nuance utile face a l'engouement actuel pour les VLA generalistes dans la lignee de Pi-0 ou GR00T N2, ou expliquer une decision robotique ne garantit pas la capacite a la corriger simplement. Ces travaux s'inscrivent dans la montee en puissance des politiques VLA a base de flow matching pour la manipulation, une famille de modeles qui a progressivement supplante des architectures de clonage comportemental plus rigides. Le champ de l'interpretabilite dont s'inspirent les auteurs est bien documente cote texte et vision, avec des methodes de steering deja utilisees pour orienter le ton ou la securite des grands modeles de langage; DiMaS transpose cette logique au domaine visuomoteur, ou elle n'avait pas encore ete validee rigoureusement. Aucun acteur francais ou europeen de la robotique (Wandercraft, Pollen Robotics, Enchanted Tools) n'est implique: il s'agit d'un travail de recherche fondamentale, pas d'une annonce produit. Les auteurs annoncent vouloir etendre l'etude de generalisation a des taches encore plus eloignees, pour mieux cerner les limites du transfert comportemental entre contextes.

RecherchePaper
1 source
20arXiv cs.RO 

Adaptation Adaptative de Robots à Articulations Flexibles Contrôlées en Position Moteur, avec Rigidité d'Articulation Incertaine

Une équipe de chercheurs propose une nouvelle approche de commande adaptative pour les robots à articulations flexibles pilotés en position moteur, publiée sur arXiv (2607.14177). Le problème visé est concret pour l'industrie robotique : la commande basée modèle de ces systèmes suppose une connaissance précise de la relation couple-déflexion (raideur) de chaque articulation élastique, mais cette caractéristique varie en pratique selon les conditions de fonctionnement et se dégrade lentement avec l'usure et le vieillissement des éléments élastiques physiques. La méthode proposée met à jour en continu une estimation de cette relation couple-déflexion non linéaire et incertaine, articulation par articulation. Contrairement aux approches classiques de commande adaptative conçues pour des robots rigides, les auteurs s'appuient sur une loi de commande implicite couplée à une matrice de régression dépendante de l'entrée de commande, spécifiquement pensée pour gérer l'incertitude sur la raideur. L'approche a été testée expérimentalement sur une articulation flexible présentant des caractéristiques de raideur non linéaires, avec une analyse de robustesse face aux erreurs induites par le contrôleur de position moteur. L'enjeu dépasse la seule prouesse académique. Les articulations élastiques (via actionneurs série-élastiques ou éléments compliants) équipent de plus en plus de robots collaboratifs, d'exosquelettes et de systèmes de locomotion, précisément parce qu'elles apportent sécurité d'interaction et absorption des chocs. Mais cette compliance a un coût : la précision du contrôle en couple dépend d'un modèle de raideur fiable, difficile à maintenir en production sur la durée de vie d'un robot industriel. Une méthode capable de s'adapter automatiquement au vieillissement des composants élastiques, sans recalibration manuelle répétée, réduirait un point de friction réel pour les intégrateurs qui déploient des robots compliants en environnement industriel, en particulier ceux nécessitant un contrôle de force fin et durable. Ce travail s'inscrit dans un champ de recherche plus large sur la commande adaptative en robotique, historiquement développée pour des manipulateurs rigides où l'incertitude porte sur la masse ou l'inertie plutôt que sur l'élasticité. L'extension aux robots à articulations flexibles est plus complexe en raison du couplage dynamique entre moteur et charge à travers l'élément élastique. Les auteurs ne précisent pas d'application industrielle ni de partenaire commercial dans le résumé : il s'agit à ce stade d'une validation expérimentale sur banc de test, dont la suite logique serait une extension à des architectures multi-articulations et une comparaison directe avec les méthodes de commande adaptative existantes pour robots rigides.

RecherchePaper
1 source
21arXiv cs.RO 

AHEAD : téléopération prédictive de la main par anticipation de l'intention humaine

Cette semaine, un article publié sur arXiv (2607.15172v1) présente AHEAD, un système de téléopération en réalité virtuelle capable d'anticiper les intentions de l'opérateur pour accélérer le contrôle d'un robot manipulateur. Dans la téléopération directe classique, chaque mouvement de la main est retranscrit image par image sur l'effecteur du robot, ce qui offre une précision fine mais impose une surveillance constante et fatigante lors de l'approche, de la saisie et du dépôt d'objets. La téléopération supervisée par objectifs, où l'opérateur fixe des points de passage que le robot atteint via un planificateur, réduit la charge cognitive mais introduit une latence d'attente entre chaque commande. AHEAD combine les deux approches dans un jumeau numérique: l'opérateur effectue des gestes naturels de préhension et de placement, et un classifieur basé sur l'attention analyse une courte fenêtre de signaux 3D de la main et de la tête, associée au contexte de la scène, pour prédire l'objet visé et l'emplacement de dépôt. Une machine à états transforme ensuite ces prédictions en objectifs stables pour le robot, permettant un déclenchement anticipé du mouvement tout en restant robuste face aux prédictions bruitées ou aux corrections gestuelles. Le module de prédiction atteint une précision Top-1 de 76% pour l'identification de l'objet à saisir et 76% pour le créneau de placement cible. Cette approche s'attaque directement à un compromis structurel de la téléopération industrielle: la précision du contrôle direct contre la fluidité du contrôle par objectifs. Pour les intégrateurs travaillant sur des tâches répétitives de pick-and-place télé-opérées, en logistique ou en assemblage, une réduction mesurable de la latence de réaction combinée à une charge opérateur allégée pourrait justifier l'adoption de systèmes hybrides plutôt que le choix binaire actuel entre contrôle manuel intensif et planification automatisée plus lente. L'étude utilisateur associée montre des gains concrets: la latence de réaction du robot diminue de 0,6 seconde pour la reconnaissance d'objet et de 1,4 seconde pour le créneau de placement par rapport aux méthodes de référence, avec une charge de travail perçue par les participants en baisse. Ces résultats s'inscrivent dans un courant de recherche plus large sur la prédiction d'intention humaine en téléopération VR, où l'enjeu est de rapprocher la réactivité de systèmes semi-autonomes de celle du contrôle manuel direct, sans reproduire sa charge cognitive. Le papier ne précise pas de plateforme robotique commerciale ni de partenaire industriel; il s'agit à ce stade d'une contribution méthodologique évaluée en environnement contrôlé, dont la transposition à des cas d'usage industriels réels reste à démontrer.

RecherchePaper
1 source
22arXiv cs.RO 

Au-delà de la saisie visuelle : évaluer la préhension complexe, de la détection à l'exécution

Une équipe de chercheurs publie sur arXiv (référence 2607.14341) GCA-Bench, un nouveau benchmark destiné à évaluer les systèmes de préhension robotique sur des tâches complexes, au-delà de la simple détection visuelle de pose de saisie. Contrairement aux benchmarks existants, centrés sur la détection isolée d'un point de préhension à partir d'une image, GCA-Bench introduit des scénarios de "grasping with complex action" qui exigent un raisonnement au niveau de la scène et la prise en compte de contraintes sémantiques, c'est à dire comprendre non seulement où saisir un objet mais pourquoi et comment, selon le contexte. Les auteurs ont testé une gamme de méthodes de référence, des pipelines classiques de détection de préhension jusqu'aux approches d'apprentissage de bout en bout intégrant de grands modèles de fondation. Résultat marquant: les taux de réussite chutent sous les 70% dès que les scénarios de préhension deviennent complexes. Ce chiffre est significatif pour l'industrie robotique car il vient contredire le récit dominant selon lequel les modèles de fondation à grande échelle (type VLA) auraient déjà résolu la préhension robotique en conditions réelles. La plupart des démonstrations commerciales actuelles portent sur des objets isolés dans des environnements contrôlés; GCA-Bench montre que dès qu'un raisonnement multi-étapes ou une contrainte sémantique s'ajoute (choisir le bon objet selon une instruction, adapter la prise selon l'usage prévu), la fiabilité des systèmes s'effondre. C'est un signal utile pour les intégrateurs et décideurs B2B qui évaluent la maturité réelle de ces technologies avant déploiement industriel ou logistique. Le papier s'inscrit dans une lignée de benchmarks robotiques (type GraspNet ou YCB) qui se limitaient jusqu'ici à l'évaluation visuelle pure de la pose de préhension. En proposant de nouvelles métriques d'évaluation et une analyse des modes d'échec critiques, les auteurs cherchent à orienter la recherche vers des stratégies de préhension plus robustes et généralisables. Il s'agit pour l'instant d'une prépublication arXiv non revue par les pairs, sans indication de déploiement industriel ni de partenaire commercial associé.

RecherchePaper
1 source
23arXiv cs.RO 

« Attraper, lancer, recommencer : la planification d'un robot partenaire de jonglage »

Kai Ploeger et son équipe publient un article intitulé « Catch, Throw, Repeat: Planning for Human-Robot Partner Juggling » (arXiv:2607.15129), qui décrit une architecture de planification et de contrôle en temps réel permettant à un robot de rattraper et relancer des balles en synchronisation avec un partenaire humain, dans des figures de jonglage à plusieurs balles. Le système combine un suivi prédictif de trajectoire de balle, une optimisation de trajectoire en ligne adaptative basée sur une formulation multiple-shooting, et une logique de coordination pilotée par machine à états. Lors d'une étude utilisateur menée avec huit participants de niveaux variés, du débutant à l'expert, sur des sessions de test de 10 minutes, le robot est parvenu à maintenir des cascades à trois balles partagées avec l'humain. Tous les participants ont dépassé les meilleurs résultats précédemment publiés : l'un d'eux a porté le record de cascade partagée à trois balles à 20 rattrapages consécutifs du robot, soit cinq fois le précédent record, tandis qu'un autre a atteint un taux de réussite de 100% avec 40 rattrapages consécutifs en configuration lancer-rattraper à une seule balle. Une vidéo de démonstration est disponible sur kai-ploeger.com/partner-juggling. Ce résultat marque une avancée notable pour l'interaction physique homme-robot en contexte dynamique et riche en contacts, un registre bien plus exigeant que la manipulation statique ou le pick-and-place classique. Le jonglage partenaire impose une coordination temps réel sous incertitude de perception, de timing et de mouvement humain variable, ce qui en fait un banc d'essai pertinent pour l'autonomie partagée et la réactivité robotique. Multiplier par cinq un record antérieur sur un nombre aussi restreint de participants et de temps d'essai suggère que l'architecture proposée généralise mieux aux variations de style humain que les approches précédentes, plutôt qu'elle ne dépend d'un partenaire entraîné spécifiquement au système. Le jonglage robot-humain reste un problème de recherche de niche mais sert de démonstrateur pour des briques technologiques transférables : suivi prédictif d'objets en vol, replanification de trajectoire à haute fréquence, et logique de coordination robuste à l'incertitude temporelle, des composants directement pertinents pour la manipulation dynamique en robotique industrielle et collaborative au sens large.

RecherchePaper
1 source
24arXiv cs.RO 

Estimation de pose relative écoénergétique en communication grâce aux modèles de fondation visuels pour la perception collaborative éphémère

Le 17 juillet 2026, une équipe de recherche a publié sur arXiv (2607.14539) un nouveau système baptisé CERPE, pour "communication-efficient relative pose estimation", conçu pour estimer la pose relative entre robots mobiles qui ne se croisent que brièvement. Le problème visé est concret : quand deux robots se rencontrent dans un couloir, un entrepôt ou un espace ouvert, ils disposent d'une fenêtre d'interaction courte, d'une bande passante limitée et d'un recouvrement visuel souvent partiel ou nul, à cause d'occlusions ou de champs de vision restreints. CERPE combine des modèles de fondation en vision pour estimer conjointement l'ego-motion de chaque robot et la pose relative à six degrés de liberté (6-DoF) entre eux. Plutôt que d'échanger en continu des images brutes, coûteuses en bande passante, le système partage en permanence des descripteurs de taille fixe, qui servent à déclencher à la demande l'envoi d'images complètes seulement quand c'est nécessaire. En l'absence de recouvrement visuel, la pose relative est maintenue en propageant l'ego-motion à échelle métrique de chaque robot. Les auteurs rapportent des gains en simulation et sur robots réels par rapport à des méthodes de référence. L'enjeu dépasse la seule prouesse technique : la plupart des systèmes multi-robots collaboratifs (essaims de drones, flottes d'AMR en entrepôt, robots humanoïdes coopérant sur une même tâche) supposent aujourd'hui un référentiel global commun (GPS, SLAM partagé) ou un recouvrement visuel soutenu entre agents, deux hypothèses qui s'effondrent dès que les robots opèrent dans des environnements denses, indoor, ou avec des rencontres furtives. Si CERPE tient ses promesses à plus grande échelle, cela ouvrirait la voie à une coordination inter-robots sans infrastructure centralisée lourde et avec un coût réseau maîtrisé, un point sensible pour les intégrateurs qui déploient des flottes hétérogènes sur des liaisons radio contraintes. Le travail s'inscrit dans la lignée des recherches sur la perception collaborative, où les approches existantes butent justement sur le compromis entre coût de communication et robustesse face aux pertes de recouvrement visuel. À ce stade, il s'agit d'une publication de recherche avec validation en simulation et sur un banc de robots réels, non d'un produit déployé ; les prochaines étapes attendues concernent le passage à l'échelle sur des flottes plus larges et des scénarios de terrain plus variés.

RecherchePaper
1 source
25arXiv cs.RO 

VQ-Touch : un cadre de génération tactile économe en données, adaptable aux capteurs et scénarios

Des chercheurs ont publié sur arXiv (référence 2607.14728v1) un nouveau framework de génération tactile baptisé VQ-Touch, conçu pour synthétiser des images tactiles haute fidélité sans dépendre des capteurs physiques coûteux et sujets à l'usure. Le système repose sur deux composants principaux : DM-VQGAN, un module d'apprentissage de représentation capable d'extraire les déformations complexes et les textures à partir des données tactiles, et un décodeur de diffusion discrète doté d'une interface de conditionnement unifiée. Cette interface permet de générer plusieurs types de sorties, notamment des images et des labels, à partir d'une même architecture. Le framework a été testé en configuration cross-sensor et multi-scénarios, avec un entraînement mixte en few-shot destiné à améliorer sa capacité de généralisation face aux capteurs tactiles courants et à leurs variantes. Selon les auteurs, VQ-Touch dépasse les méthodes de l'état de l'art sur plusieurs tâches, sans toutefois préciser les métriques exactes ni les jeux de données de comparaison dans le résumé disponible. Pour la perception robotique et les systèmes d'interaction homme-machine, la promesse est avant tout économique et pratique : réduire la dépendance à de larges jeux de données spécifiques à un capteur, un frein connu au déploiement du toucher artificiel à grande échelle. Un modèle capable de généraliser entre capteurs et de fonctionner en environnement à vision limitée intéresse directement les intégrateurs qui équipent des mains robotiques ou des interfaces haptiques sans vouloir recollecter des données à chaque changement de matériel. Cela dit, il s'agit ici d'un travail de recherche publié sous forme de preprint, pas d'un produit commercialisé ni d'un déploiement industriel : la validation reste circonscrite aux expériences décrites par les auteurs. Le problème adressé, la faible efficacité des données et la généralisation limitée des générateurs tactiles existants, est documenté depuis plusieurs années dans la littérature sur la perception haptique, où la plupart des approches restent liées à un capteur unique, comme GelSight ou ses dérivés. VQ-Touch se positionne comme une réponse à cette fragmentation en misant sur la compatibilité multi-capteurs plutôt que sur la performance dédiée à un seul dispositif. La suite logique, non détaillée dans l'abstract, serait une validation sur du matériel tactile commercial et une comparaison chiffrée avec les frameworks concurrents de génération tactile par diffusion ou GAN.

RecherchePaper
1 source
26arXiv cs.RO 

KineFuse : fusion haptique consciente de la cinématique pour le suivi de pose d'objets occlus en main

Des chercheurs ont publié cette semaine sur arXiv un travail intitulé KineFuse, consacré au suivi de pose 6D d'objets manipulés en main par des robots dextres. Le problème posé est concret : lorsqu'une main multi-doigts saisit un objet, les doigts eux-mêmes masquent partiellement ou totalement l'objet à la caméra, rendant le suivi visuel peu fiable. Les auteurs proposent un encodeur "kinematic-aware" au niveau de chaque doigt, qui combine les signaux haptiques déjà disponibles sur les mains robotiques (proprioception, force/couple proximal, contact binaire) avec un tracker visuel pré-entraîné. Cette architecture a été comparée à quatre designs alternatifs sur trois niveaux d'évaluation : affinage image par image, suivi séquentiel en boucle ouverte, et manipulation en boucle fermée. Résultat marquant : l'évaluation image par image ne permet pas de distinguer la qualité des encodeurs, alors que le suivi séquentiel amplifie les écarts de performance jusqu'à un facteur 15. La tokenisation compacte à 4 jetons par doigt surpasse à la fois la fusion "à plat" et les représentations par articulation, ces dernières écrasant le signal visuel par dominance de norme. L'apport le plus notable tient à ce que l'encodeur apprend de lui-même, sans supervision explicite, une forme de porte de fusion spécifique à la tâche : il s'appuie exclusivement sur la vision pour estimer la translation de l'objet, et dédie une tête d'attention aux données haptiques pour la rotation. Pour les intégrateurs travaillant sur la manipulation dextre, c'est une piste concrète pour réduire la dépendance à une vision toujours disponible, un angle mort classique des démonstrations en environnement contrôlé face aux conditions réelles d'usine ou d'entrepôt. Les auteurs valident d'ailleurs que ce suivi amélioré se traduit par un meilleur taux de succès sur une tâche de réorientation d'objet en main. Le travail s'inscrit dans la lignée des recherches sur la fusion tactile-visuelle pour la manipulation robotique, un axe actif face aux limites connues des trackers purement visuels en environnement occlus. Les auteurs fournissent des démonstrations qualitatives en conditions réelles et mettent à disposition une page projet (cold-young.github.io/kine-fuse) pour approfondir la méthode, sans toutefois annoncer de déploiement industriel ni de calendrier de transfert au-delà du cadre expérimental.

RecherchePaper
1 source
27arXiv cs.RO 

MEMORA : mémoire d'action incarnée à partir de vidéos égocentriques pour le raisonnement et la planification

Des chercheurs présentent MEMORA, un système de mémoire d'action incarnée pour la planification robotique à long horizon, détaillé dans un article publié le 17 juillet 2026 sur arXiv (2607.14252v1). L'architecture repose sur un cycle formation-consolidation-récupération et quatre magasins de mémoire typés : Environment Memory (lieux), Entity Memory (identité et états des objets), Activity Memory (procédures répétées) et Inferred Knowledge (régularités déduites de l'expérience). Les auteurs ont construit MEMORA-Bench, évalué sur 45 heures de vidéos égocentriques issues d'une extension du jeu de données EPIC-KITCHENS-100 couvrant 18 participants, avec des tâches de planification ancrée en mémoire incluant des objectifs inédits. Testée sur quatre modèles de langage à poids ouverts, la version complète de MEMORA obtient les meilleurs résultats agrégés parmi toutes les conditions comparées, avec un gain jusqu'à 20,5 points de précision sur l'évaluation de mémoire et une amélioration relative jusqu'à 16,6% du score de plan ancré au robot en généralisation hors distribution. Une étude qualitative de déploiement sur deux tâches robotiques illustre l'interfaçage entre plans en langage naturel et contrôle réel. L'enjeu dépasse le simple score de benchmark. La plupart des modèles vision-langage-action actuels, de Pi-0 à GR00T N2 en passant par Helix, raisonnent surtout à partir de la scène présente, sans mémoire persistante des lieux, états d'objets ou procédures déjà rencontrées. Or planifier à long horizon dans un entrepôt, une cuisine industrielle ou un atelier suppose de se souvenir où est rangé tel outil ou quelle procédure a déjà fonctionné. En montrant qu'une mémoire éditable et consolidée améliore la généralisation à des objectifs inédits, MEMORA plaide pour une architecture hybride perception-action plus mémoire structurée, plutôt qu'un modèle unique de bout en bout. Pour les équipes de recherche robotique, le signal est que le goulot d'étranglement du raisonnement long horizon tient autant à l'absence de représentation persistante de l'expérience qu'à la politique d'action elle-même. Ce travail s'inscrit dans la recherche émergente sur l'agentivité incarnée à mémoire longue, en marge des humanoïdes commerciaux comme Figure 03 ou Optimus. À ce stade, MEMORA reste un travail académique évalué sur benchmark et testé qualitativement sur seulement deux tâches robotiques, loin d'un déploiement industriel. Les auteurs le positionnent comme complémentaire aux modèles VLA existants, une couche de contexte en amont plutôt qu'un concurrent. La suite logique serait une intégration à des pipelines VLA en conditions réelles et une extension du benchmark au-delà des tâches de cuisine, vers la logistique ou l'assemblage. Détails et code sur la page projet des auteurs.

RecherchePaper
1 source
28arXiv cs.RO 

REST: arbre de Steiner explorateur à horizon glissant pour la navigation vers un objet en zero-shot

Une équipe de recherche propose REST (Receding Horizon Explorative Steiner Tree), un nouveau cadre de navigation robotique pour la tâche dite de "zero-shot object-goal navigation" (ZSON) : faire trouver un objet cible à un robot dans un environnement totalement inconnu, sans entraînement spécifique à la tâche. Décrit dans une version révisée d'un article déposé sur arXiv (2603.18624v2), le système est entièrement "training-free". Il fonctionne en trois étapes : construction en ligne d'une carte 3D explicite et à vocabulaire ouvert à partir de flux caméra RGB-D, génération d'un arbre de trajectoires sûres et informatives centré sur l'agent via un planificateur par échantillonnage, puis sélection du meilleur chemin par un raisonnement en chaîne de pensée (chain-of-thought) confié à un LLM, chaque branche de l'arbre étant traduite en récit spatial textuel. Testé sur trois benchmarks de référence du domaine, Gibson, HM3D et HSSD, REST se classe systématiquement parmi les meilleures méthodes en taux de réussite et en efficacité de trajectoire. L'apport principal n'est pas le LLM lui-même, déjà largement utilisé pour la navigation sémantique, mais la façon de structurer l'espace des options qu'on lui soumet. Les approches hiérarchiques existantes réduisent généralement chaque candidat à un simple point de destination noté selon son utilité finale, ce qui masque l'information utile collectée en cours de route et empêche de comparer des groupes de trajectoires apparentées. En remplaçant cette liste plate par un arbre de chemins partageant des segments communs, REST permet un raisonnement grossier-vers-fin : le LLM peut écarter ou explorer des branches entières avant d'examiner chaque feuille individuellement, ce qui compresse un espace combinatoire autrement ingérable. Pour les équipes travaillant sur des agents de navigation autonome ou des architectures VLA embarquées, c'est un signal que la qualité de la représentation de l'espace de décision pèse autant que la puissance du modèle de raisonnement utilisé pour trancher. Le travail s'inscrit dans la lignée des méthodes hiérarchiques ZSON qui séparent la représentation de la scène ("belief") de la prise de décision ("policy"), une architecture déjà courante dans la littérature récente sur la navigation sémantique assistée par LLM, mais qui jusqu'ici traitait l'interface entre ces deux modules comme un simple héritage technique plutôt que comme un axe de conception à part entière.

RecherchePaper
1 source
29arXiv cs.RO 

Représentation Alignée pour l'Ancrage Tactile en Manipulation Robotique à Contact Riche

Le capteur tactile reste le parent pauvre des politiques vision-langage-action (VLA) pour la manipulation robotique, alors que les phases de contact critiques (préhension, insertion, glissement) échappent souvent à la caméra. Une équipe de recherche propose dans un article publié sur arXiv (2607.14609) une méthode pour mieux exploiter le toucher: au lieu de prédire directement le signal tactile brut, souvent bruité, le système apprend à anticiper de futurs états tactiles à partir des représentations internes du modèle. Par une analyse en sonde linéaire (linear probe), les chercheurs montrent que ce sont les caractéristiques intermédiaires de l'expert en action, la partie du réseau qui traduit une décision en mouvement, qui prédisent le mieux l'état tactile futur, bien mieux que les couches de perception vision-langage ou que l'état d'action final. Sur cette base, ils introduisent le Latent Tactile Predictor (LTP), un module léger qui prédit des embeddings tactiles compacts à partir de cette couche intermédiaire plutôt que le signal tactile brut. Des expériences sur des tâches de manipulation réelles à fort contact confirment que cet alignement représentationnel surpasse les approches de prédiction tactile moins ciblées ou multi-interfaces. Cette contribution touche à un point sensible du secteur robotique: la plupart des politiques VLA actuelles (Pi-0, GR00T N2, Helix) reposent presque exclusivement sur la vision et le langage, avec un toucher traité comme un canal secondaire greffé après coup. Montrer qu'il existe un endroit précis, dans l'architecture, où la supervision tactile est réellement utile change la manière de concevoir ces modèles multimodaux: cela suggère que brancher un capteur tactile n'importe où dans le réseau, sans réflexion sur l'alignement des représentations, gaspille l'information. Pour les intégrateurs travaillant sur des tâches à contact fin, assemblage, insertion de connecteurs, manipulation d'objets déformables, c'est un signal que la robustesse ne viendra pas seulement de plus de données mais d'une meilleure architecture de fusion des modalités. Le travail s'inscrit dans la lignée des VLA tactiles apparus ces deux dernières années pour combler l'angle mort de la seule vision. L'article ne détaille pas de déploiement industriel ni de partenariat avec un fabricant de robots, il s'agit d'une contribution de recherche fondamentale destinée à orienter la conception des futures générations de politiques VLA plutôt qu'un produit prêt à l'emploi.

RechercheActu
1 source
30arXiv cs.RO 

Interventional Causal Circuits pour des Tests d'Action Robotique Sûrs et une Récupération d'Échec

L'action robotique nécessite d'être non seulement probablement réussie, mais explicitement validée comme sûre avant exécution. C'est le point de départ d'un nouveau papier arXiv (2607.14826v1) qui s'attaque à un problème concret : tester formellement les paramètres de mouvement d'un robot coûte cher en calcul, et ce coût explose avec la dimensionnalité de l'espace d'action. Quand une action proposée est rejetée par le testeur, la réponse naïve consiste à rééchantillonner à l'aveugle jusqu'à trouver un candidat valide, une méthode jugée coûteuse et sans garantie de convergence. Les auteurs proposent à la place un diagnostic causal : identifier précisément quel paramètre a provoqué l'échec et quelle valeur corrective maximise la probabilité de réussite sous la distribution interventionnelle. Le système couple un Joint Probability Tree (JPT) à un Causal Circuit dérivé d'un Marginal-Deterministic Variable Tree, permettant un calcul exact en temps polynomial, sans réentraînement ni collecte de données supplémentaire. Testé en simulation ROS2, le framework réduit les tentatives échouées de 10,3% avec un JPT de bonne qualité, et jusqu'à 37% avec un JPT dégradé. Pour les intégrateurs et responsables robotique, l'intérêt dépasse le simple gain de performance : chaque plan rejeté génère un rapport structuré et interprétable, nommant la variable causale principale, sa valeur observée et la région corrective recommandée. Cela permet une supervision humaine claire tout en autorisant une récupération autonome, sans modèle d'échec entraîné séparément, un point sensible pour les architectures VLA et les pipelines de contrôle où la traçabilité des décisions devient un prérequis réglementaire autant que technique. La robustesse accrue face à un JPT dégradé (donc à des données d'apprentissage imparfaites) est particulièrement pertinente pour des déploiements réels où les modèles probabilistes ne sont jamais parfaits. Ce travail s'inscrit dans la lignée des recherches sur les tests de sécurité formels en robotique et l'inférence causale appliquée au contrôle, un domaine où la littérature reste encore majoritairement académique. Classé comme nouvelle publication, le papier ne rapporte pour l'instant que des résultats en simulation ROS2 ; l'étape suivante attendue serait une validation sur du matériel réel, condition nécessaire avant toute adoption industrielle de ce type de diagnostic causal embarqué.

RecherchePaper
1 source
31arXiv cs.RO 

Vers une intelligence physique semblable à l'humain : apprentissage vision-langage-action continu pour la manipulation robotique

Des chercheurs proposent LifelongVLA, un nouveau framework d'apprentissage continu pour les modèles Vision-Language-Action (VLA) appliqués à la manipulation robotique, décrit dans un article publié sur arXiv (2607.14852). Le système s'attaque à un problème classique de l'apprentissage séquentiel chez les robots : le compromis plasticité-stabilité, c'est-à-dire la capacité d'apprendre une nouvelle tâche sans effacer les compétences acquises précédemment. Concrètement, LifelongVLA introduit un module de gating LoRA à double échelle temporelle, séparant l'adaptation en deux voies légères : un adaptateur court terme pour la plasticité (apprentissage rapide de nouvelles tâches) et un adaptateur long terme pour la consolidation stable des compétences déjà maîtrisées. Une passerelle "task-aware" arbitre entre les deux. Le framework ajoute aussi une stratégie de rejeu ("replay") stochastique et économe en mémoire cache, qui préserve des signaux de rétention équilibrés sans avoir à stocker les trajectoires complètes des tâches passées. Les auteurs rapportent des résultats supérieurs aux méthodes existantes sur un bras robotique xArm en conditions réelles, avec une expansion efficace des compétences et une meilleure rétention des comportements de manipulation déjà appris. Cette avancée cible un angle mort réel des modèles VLA actuels (type Pi-0, GR00T N2 ou Helix) : la plupart sont entraînés une fois puis figés, ou doivent être ré-entraînés intégralement pour intégrer une nouvelle tâche, ce qui est coûteux et impraticable pour un déploiement industriel évolutif. Si un robot déployé en usine ou en entrepôt doit apprendre continuellement de nouvelles manipulations sans tout ré-apprendre à chaque fois ni oublier les précédentes, une méthode d'adaptation légère et peu gourmande en mémoire comme celle-ci intéresse directement les intégrateurs et décideurs qui cherchent à réduire les coûts de ré-entraînement et les temps d'arrêt liés à la mise à jour des compétences robotiques. C'est un pas vers des flottes de robots capables de monter en compétences sur site plutôt que de dépendre d'un redéploiement complet du modèle depuis un data center. Le travail s'inscrit dans la lignée de la recherche en "continual learning" appliquée à la robotique, un domaine longtemps dominé par les architectures de vision classique avant l'essor des VLA génératifs à grande échelle. Contrairement aux approches de fine-tuning complet ou à certaines méthodes de rejeu qui nécessitent de stocker l'intégralité des trajectoires passées (coûteux en stockage et en calcul), LifelongVLA mise sur des adaptateurs LoRA légers, une technique déjà largement utilisée pour le fine-tuning efficace des grands modèles de langage, ici transposée au contrôle robotique. L'article ne mentionne pas de partenaire industriel ni de déploiement commercial ; il s'agit d'un travail de recherche académique testé sur un seul bras xArm, avec des perspectives de validation à plus grande échelle et sur des plateformes robotiques plus variées à confirmer.

RechercheActu
1 source
32arXiv cs.RO 

AeroAct : modèles monde-action centrés sur l'action pour le vol de quadricoptère conditionné par le langage

Des chercheurs présentent AeroAct, un modèle "monde-action" (world-action model, WAM) conçu pour piloter des quadricoptères à partir de commandes en langage naturel. Selon les auteurs, il s'agit du premier WAM démontré en vol réel sur drone. Le système adapte un Transformer de diffusion vidéo pré-entraîné pour prédire, à partir de l'historique visuel à la première personne, de la proprioception et d'instructions textuelles, des séquences de trajectoires et d'actions locales. Pendant l'entraînement, le modèle apprend en prédisant les images futures que produirait chaque action, une supervision dense des conséquences visuelles, mais au moment du déploiement il calcule directement les commandes de vol sans générer de vidéo. Pour produire les données d'entraînement, l'équipe a construit un pipeline basé sur DiffAero combinant les moteurs de simulation Isaac Lab et le rendu par 3D Gaussian splatting, complété par un dispositif portatif à bas coût qui couple caméra et estimation de mouvement pour recréer des trajectoires de vol. Une procédure d'auto-guidage améliore la cohérence temporelle entre segments de trajectoire qui se chevauchent. Les tests, en simulation en boucle fermée et sur un quadricoptère physique réel, montrent des gains en suivi de cible et en recherche d'objets. L'intérêt est de dépasser les limites des méthodes actuelles de navigation aérienne par langage, qui reposent sur des actions discrètes, des points de passage ou des commandes de vitesse instantanées offrant peu d'information sur l'effet des actions sur les observations futures. En ancrant explicitement l'apprentissage dans la prédiction visuelle des conséquences du mouvement, AeroAct cherche à combler l'écart classique entre simulation et réalité pour les modèles vision-langage-action appliqués au vol, un enjeu clé pour les intégrateurs en inspection industrielle, cartographie ou recherche-sauvetage par drone. Le travail s'inscrit dans la vague plus large des modèles du monde appliqués à la robotique, où l'action est conditionnée par une anticipation visuelle plutôt que par des commandes bas niveau directes. Il reste à ce stade une publication de recherche arXiv, pas un produit commercialisé ni déployé en conditions opérationnelles ; les auteurs présentent des résultats préliminaires en simulation et sur banc de vol réel, sans indication de partenaire industriel ou de calendrier de mise en production.

RechercheActu
1 source
33arXiv cs.RO 

Robot mou inspiré du poulpe : commande distribuée par réseau de neurones sur graphe avec attention et interaction environnementale

Des chercheurs proposent SoftGM, une architecture de contrôle distribué inspirée du bras de la pieuvre pour piloter des bras robotiques souples segmentés dans des environnements riches en contacts. Chaque section du bras est traitée comme un agent coopératif autonome, et l'interaction entre le bras et son environnement est modélisée sous forme de graphe. Le système repose sur un mécanisme de passage de messages à deux étages avec attention par graphe, suivant le paradigme CTDE (entraînement centralisé, exécution décentralisée) avec un critique centralisé et des acteurs décentralisés. Particularité notable : SoftGM découvre les obstacles en ligne, sans connaître leur géométrie complète au début de chaque épisode. L'équipe l'a testé dans un simulateur de tiges de Cosserat (PyElastica) sur trois scénarios de complexité croissante : espace libre, obstacles structurés, et un mur percé d'un trou. Comparé à six méthodes MARL de référence (IDDPG, IPPO, ISAC, MADDPG, MAPPO, MASAC) dans des conditions d'entraînement identiques, SoftGM égale les meilleures approches CTDE sur les tâches simples et les surpasse toutes sur le scénario du mur avec trou, le plus contraint des trois. Pour la robotique souple, ce résultat cible un problème encore mal résolu : coordonner de nombreuses sections déformables sans supposer une connaissance parfaite de l'environnement, contrainte réaliste pour des applications en espace confiné ou en présence d'obstacles mobiles. Les tests de robustesse, ajout de bruit d'observation, panne d'actionnement sur une section, perturbations transitoires, montrent que SoftGM conserve des performances comparables tout en gardant l'effort de commande borné. L'hypothèse défendue est qu'un routage sélectif de l'information liée aux contacts améliore la résilience du système, un argument utile pour les architectures multi-agents appliquées à des structures continues. Le travail s'inscrit dans la lignée des recherches bio-inspirées sur les bras de pieuvre, dont la distribution neuronale et la souplesse mécanique servent régulièrement de modèle pour la robotique souple, et dans le champ plus large du MARL appliqué au contrôle de systèmes continus. La validation reste pour l'instant entièrement simulée : aucun test sur bras physique n'est mentionné, ce qui laisse ouverte la question du transfert sim-to-real, point de vigilance classique pour ce type d'architecture d'apprentissage.

RecherchePaper
1 source
34arXiv cs.RO 

Une approche hors ligne d'apprentissage par renforcement guidé par fNIRS pour le comportement des robots

Une nouvelle étude, publiée sur arXiv (2607.14393v1) mi-juillet 2026, explore la possibilité de piloter l'apprentissage par renforcement de robots à l'aide de signaux cérébraux captés par spectroscopie proche infrarouge fonctionnelle (fNIRS), une technique d'imagerie optique non invasive. Les chercheurs testent leur approche en simulation, en comparant des agents entraînés sur des tâches d'interaction passive (l'humain observe) et active (l'humain démontre l'action). Plusieurs méthodes d'intégration du signal neural dans l'algorithme de RL sont évaluées, avec un choix de conception clé : le signal cérébral vient augmenter les paramètres existants plutôt que les remplacer. L'équipe étudie aussi l'impact de la granularité du modèle et du bruit sur la qualité de l'apprentissage. Résultat principal, le signal fNIRS améliore les performances lorsqu'il sert à pondérer les priorités de trajectoire et les valeurs Q état-action, et le système fonctionne aussi à partir de données hors ligne, sans capture en temps réel. Ce dernier point est le plus significatif pour le secteur. L'apprentissage par renforcement avec humain dans la boucle est déjà largement utilisé pour aligner le comportement des robots sur les préférences des utilisateurs, généralement via des démonstrations, des retours explicites ou des comparaisons de trajectoires. Un signal cérébral direct promettrait un canal de préférence plus rapide et moins intrusif que les méthodes actuelles. Mais les interfaces cerveau-machine en temps réel restent lourdes à déployer hors laboratoire. En montrant que le cadre fonctionne aussi avec des données fNIRS collectées hors ligne, l'étude ouvre une voie plus réaliste pour intégrer ce type de signal sans exiger un dispositif BCI branché en continu, un obstacle pratique majeur pour toute application au-delà de la recherche. Ce travail s'inscrit dans la lignée des recherches sur l'apprentissage par renforcement guidé par préférences humaines, déjà central dans l'entraînement des agents conversationnels et de plus en plus exploré pour la robotique physique. Il reste toutefois à un stade précoce : validation uniquement en simulation, pas de test sur robot réel, et l'abstract ne précise ni le nombre de participants ni l'institution porteuse. Les prochaines étapes attendues concernent vraisemblablement le passage à des environnements physiques et l'élargissement du panel de sujets testés.

RecherchePaper
1 source
35arXiv cs.RO 

RxBrain : modèle fondation d'IA incarnée avec raisonnement langage-vision conjoint et imagination

Un nouveau modèle de fondation pour la cognition incarnée, baptisé RxBrain (nom complet Hy-Embodied-RxBrain), vient d'être détaillé dans un article publié sur arXiv (2607.14187, cross-listé). Contrairement aux modèles vision-langage classiques qui se contentent de comprendre une scène et de produire une décision textuelle, ou aux modèles de monde génératifs qui se limitent à prédire des images futures, RxBrain fusionne les deux approches dans une seule séquence de planification. Le langage y porte la structure abstraite du plan (décomposition des tâches, primitives, contraintes, ordre temporel, logique de décision), tandis que l'imagination visuelle ancre cette structure en prédisant les états du monde intermédiaires et finaux associés à chaque sous-objectif. L'architecture repose sur un Mixture-of-Transformers multimodal unifié, capable de comprendre et générer à la fois du texte, des images et de la vidéo au sein d'un seul modèle. Pour l'entraîner, les auteurs ont construit un pipeline automatique qui découpe des vidéos de tâches incarnées en étapes de planification alignées avec les transitions d'état visuelles, et ont introduit un nouveau benchmark, RxBrain-Bench, pour évaluer si un modèle représente vraiment un plan de façon jointe plutôt que via des modules séparés de compréhension et de génération. Cette approche s'attaque directement à un problème central des modèles vision-langage-action (VLA) actuels: la difficulté à faire tenir ensemble raisonnement abstrait et prédiction physique cohérente à l'échelle. En montrant des résultats préliminaires sur robot réel sans pré-entraînement massif sur des données d'actions, RxBrain suggère qu'un raisonnement conjoint texte-image peut réduire la dépendance aux immenses jeux de données d'actions collectés en téléopération, un goulot d'étranglement connu pour des systèmes comme Pi-0, GR00T N2 ou Helix. Le travail s'inscrit dans la lignée des recherches sur les modèles de monde et les VLA génératifs, en tentant de dépasser leur séparation habituelle entre compréhension et génération. Les auteurs présentent ces résultats comme une première étape, sans annoncer de déploiement industriel ni de partenariat robotique: il s'agit pour l'instant d'un travail de recherche fondamentale, à confirmer sur des tâches et plateformes plus variées.

RechercheActu
1 source
36arXiv cs.RO 

Filtrage stochastique pour la détection de quorum dans les essaims de robots en communication anonyme

Recherche menée par [auteurs non précisés dans l'abstract, arXiv:2607.14262v1] sur la détection de quorum (Quorum Sensing, QS) dans les essaims robotiques, publiée en juillet 2026. Le QS permet à un groupe de robots d'estimer collectivement la taille ou la densité de la population active, une capacité clé pour synchroniser des comportements de groupe sans coordination centralisée. Les chercheurs s'intéressent aux protocoles de communication anonyme, où chaque robot échange des informations locales avec ses voisins sans révéler son identité, ce qui préserve le passage à l'échelle du système mais introduit un biais : sans identifiant, les messages répétés d'un même émetteur peuvent être comptés plusieurs fois, faussant l'estimation du quorum. L'étude compare trois approches : un protocole de référence anonyme (AN), rapide et économe en ressources mais peu précis à cause de ce double comptage ; une variante randomisée (ANT) qui améliore la précision mais souffre d'inertie informationnelle, ralentissant la convergence ; et un nouveau protocole de filtrage stochastique (ANTk), inspiré de l'échantillonnage par priorité k, qui filtre activement le tampon de messages pour stabiliser l'estimation. Ces résultats éclairent un compromis central pour tout essaim robotique décentralisé, drones, robots mobiles ou systèmes IoT distribués, entre vitesse, précision et stabilité de l'estimation collective. Le protocole AN illustre les limites d'une approche anonyme naïve dès qu'un mécanisme de correction du biais fait défaut. ANT montre qu'améliorer la précision seule ne suffit pas si le système devient trop lent à réagir aux changements réels de quorum. ANTk, en filtrant activement les messages redondants, réduit les erreurs transitoires et stabilise l'estimation, mais au prix d'un temps de récupération plus long après une erreur, un arbitrage que les concepteurs de systèmes multi-robots devront calibrer selon leur cas d'usage. Ce travail s'inscrit dans la lignée des recherches en essaims robotiques bio-inspirées, où le quorum sensing s'appuie sur des mécanismes observés chez les insectes sociaux ou les bactéries. La communication anonyme y est étudiée depuis plusieurs années comme réponse aux contraintes de scalabilité et de simplicité matérielle des essaims de grande taille. En comparant systématiquement un protocole de base à deux variantes correctives au sein d'une même étude, les auteurs posent un cadre de référence pour de futures évaluations, potentiellement suivies de validations sur essaims physiques plutôt que purement simulés.

RecherchePaper
1 source
37arXiv cs.RO 

Titre curvature-contraint et à vitesse constante pour l'arrivée simultanée distribuée dans les systèmes multi-robots

Une équipe de recherche propose, dans un article publié le 17 juillet 2026 sur arXiv (2607.14781v1), une méthode de contrôle distribué permettant à plusieurs robots mobiles d'atteindre un point cible exactement au même instant, tout en respectant deux contraintes fortes : une courbure de trajectoire limitée et une vitesse constante (potentiellement différente d'un robot à l'autre). Ce type de contrainte correspond typiquement aux drones à voilure fixe, qui ne peuvent ni s'arrêter ni tourner sur place. L'approche s'appuie sur le protocole de consensus maximum et sur les propriétés géométriques des chemins de Dubins, une famille de trajectoires courbes à rayon minimal largement utilisée en planification de mouvement. Les auteurs introduisent une variable de temps virtuel et conçoivent une loi de contrôle hybride, combinant commande optimale et commande proportionnelle saturée, qui pousse chaque robot à converger vers le temps virtuel maximal observé parmi ses voisins. Le dispositif a été validé par simulations et expérimentations, avec une preuve théorique d'optimalité du temps d'arrivée dans certains cas. L'enjeu dépasse l'exercice académique : la synchronisation d'arrivée est une brique fondamentale pour l'encerclement coopératif, les opérations de secours après catastrophe ou la surveillance environnementale par flotte de drones ou d'AMR. Un point souvent négligé dans les démonstrations de coordination multi-robots est justement la contrainte de courbure et de vitesse constante, qui rapproche le problème des conditions réelles de vol plutôt que d'un cadre idéalisé où les robots peuvent accélérer, freiner ou pivoter librement. Le caractère distribué et le faible besoin en communication rendent la méthode potentiellement adaptable à des essaims de taille variable sans coordinateur central, un critère clé pour les intégrateurs qui cherchent à déployer des flottes robustes aux pertes de liaison. Le problème de l'arrivée simultanée s'inscrit dans la lignée des travaux sur les chemins de Dubins et le contrôle formation de drones à voilure fixe, un champ de recherche actif depuis plusieurs années en robotique aérienne militaire et civile. Contrairement aux approches centralisées classiques, qui exigent un calcul global des trajectoires, la méthode proposée ici mise sur la scalabilité et le temps réel. L'article ne mentionne pas de partenariat industriel ni de calendrier de transfert technologique ; il s'agit à ce stade d'une contribution théorique et expérimentale en laboratoire, dont l'application à des essaims commerciaux ou militaires reste à démontrer à plus grande échelle.

RecherchePaper
1 source
38arXiv cs.RO 

Système intelligent d'interaction multimodale cloud-edge pour robots

Une équipe de chercheurs présente un système d'interaction multimodale cloud-edge pour robots, combinant un détecteur de gestes basé sur YOLO avec des agents LLM et VLM (vision-language model) coordonnés à distance. Le détecteur, baptisé YOLO-DC, intègre un module d'attention CBAM (Convolutional Block Attention Module) dans le neck du réseau et remplace la fonction de perte classique de régression des boîtes englobantes par une perte DIoU (Distance-IoU), afin de mieux localiser les gestes petits ou partiellement occultés dans des arrière-plans complexes. Dans l'architecture proposée, le cloud prend en charge la détection des gestes, la compréhension de la scène, la fusion multimodale et la planification des actions, tandis que le robot humanoïde TonyPi, utilisé comme plateforme de test, gère localement l'acquisition de données, la communication, l'exécution des actions et le retour utilisateur. Sur un jeu de données public et un jeu de données maison, YOLO-DC atteint des précisions de 98,9% et 95,0%, avec des mAP@0,5 de 90,7% et 92,7%. À l'échelle du système complet, les taux de réussite s'élèvent à 95% pour les tâches à action unique, 88% pour les tâches à actions composites et 82% pour les tâches dépendant de la vision. Une évaluation menée auprès de 30 participants donne un score de satisfaction moyen de 3,69 sur 5. Ces résultats intéressent surtout les concepteurs de systèmes robotiques low-cost et les chercheurs en interaction homme-robot, car ils illustrent une voie alternative au tout-embarqué: déporter la charge de calcul lourde (détection, raisonnement multimodal, planification) vers le cloud permet d'équiper des plateformes à ressources limitées, comme TonyPi, de capacités proches de celles de robots bien mieux instrumentés. La baisse notable du taux de réussite sur les tâches dépendant de la vision (82%) rappelle toutefois que la fusion multimodale reste le maillon faible, un écart classique entre démonstration contrôlée et usage réel. Ce travail s'inscrit dans la lignée des architectures cloud-edge déjà explorées pour la robotique de service, où la latence réseau et la fiabilité de la liaison restent des contraintes pratiques non abordées ici. Le score de satisfaction obtenu avec un échantillon restreint de 30 participants et une plateforme robotique de démonstration suggère un travail encore exploratoire, dont la généralisation à des robots industriels ou à des environnements moins contrôlés reste à démontrer.

RecherchePaper
1 source
39arXiv cs.RO 

Mouvement basé sur la diffusion, guidé par un modèle : optimisation sous contraintes et planification adaptative

Le laboratoire de recherche à l'origine du papier arXiv:2607.14455 (publié le 17 juillet 2026, catégorie "new") présente MD-COAS, une méthode de planification de trajectoire pour robot unique dans des environnements fortement non convexes et contraints. Le système s'appuie sur le Model-Based Diffusion (MBD), une approche récente qui traite la planification comme un tirage d'échantillons dans une distribution a posteriori sur des trajectoires, en utilisant la dynamique connue du robot pour estimer analytiquement la fonction de score à partir de rollouts, sans apprentissage par démonstration. MD-COAS combine deux mécanismes jusqu'ici traités séparément dans la littérature : une méthode de Lagrangien augmenté inexact (iALM), qui agit comme un prior de diffusion "souple" pour la sécurité, et un opérateur de projection "dur" basé sur un ensemble convexe faisable (CFS). L'algorithme ordonnance et co-optimise ces deux mécanismes de façon adaptative, en les couplant à la planification du bruit de diffusion lui-même. Les auteurs le valident sur des benchmarks 2D générés aléatoirement à forte non-convexité et sur une tâche d'évitement d'obstacles pour un bras robotique à 7 degrés de liberté. Pour l'industrie robotique, ce travail s'attaque à un problème concret : garantir des trajectoires sans collision, dynamiquement faisables et respectant des contraintes de tâche, tout en restant calculable en temps raisonnable. Les approches purement "souples" (contraintes ajoutées au coût) échouent parfois à garantir la sécurité, tandis que les projections "dures" peuvent bloquer la convergence ou dégrader la qualité de trajectoire. Unifier les deux, avec un ordonnancement qui s'adapte au fil du débruitage, vise justement ce compromis, pertinent pour les intégrateurs de bras industriels ou de robots mobiles évoluant en environnement encombré. Les auteurs rapportent des taux de sécurité et de succès supérieurs, une convergence plus rapide et des coûts finaux plus bas que les planificateurs de référence, mais ces gains restent mesurés sur des benchmarks contrôlés, pas en conditions industrielles réelles. Le papier s'inscrit dans la lignée des travaux sur le Model-Based Diffusion appliqué à la planification de mouvement sous contraintes, un axe de recherche encore jeune qui rivalise avec les méthodes classiques d'optimisation de trajectoire (MPC, RRT*, CHOMP) et les planificateurs par diffusion appris par démonstration. Les auteurs positionnent MD-COAS comme une réponse aux limites des variantes MBD contraintes précédentes, sans toutefois annoncer de déploiement matériel ni de calendrier de transfert vers un robot physique au-delà du bras 7-DDL testé en simulation ou banc d'essai.

RecherchePaper
1 source
40Interesting Engineering 

Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide

Des chercheurs du Georgia Institute of Technology ont mis au point un nouveau cadre d'apprentissage automatique baptisé « Learn to Teach » (L2T), qui permet à un robot humanoïde bipède de marcher sur du sable, du gravier, de l'herbe détrempée, des pentes, des escaliers et des surfaces glissantes, tout en réduisant nettement le temps et la puissance de calcul nécessaires à l'entraînement du contrôleur. Contrairement à l'apprentissage classique par renforcement de type enseignant-élève, où un modèle « professeur » est d'abord entraîné en simulation avant de transmettre ses connaissances à un modèle « élève » qui pilote le robot réel, la méthode de Georgia Tech entraîne les deux agents simultanément. Selon Feiyang Wu, chercheur principal du projet, l'approche séquentielle classique pose deux problèmes : elle prend trop de temps et gaspille une partie des informations collectées par le professeur en cours d'apprentissage. Le contrôleur a été testé sur un robot humanoïde grandeur nature dans le laboratoire du professeur associé Ye Zhao, où l'équipe a aussi poussé et tiré la machine pendant les essais pour observer sa capacité à ajuster sa démarche et rester stable. Les travaux ont été présentés à l'ICRA (IEEE International Conference on Robotics and Automation). Cette avancée s'attaque à un goulot d'étranglement bien identifié dans la robotique humanoïde : l'entraînement de contrôleurs en simulation nécessite souvent des heures de calcul sur du matériel GPU coûteux, un frein direct à l'itération rapide et au déploiement à grande échelle. En faisant apprendre le professeur et l'élève en parallèle, et en permettant au professeur de tirer des enseignements de l'expérience de l'élève, l'équipe réduit ce que les roboticiens appellent le « fossé d'imitation » entre les conditions idéalisées de la simulation et la réalité du terrain, un problème central dans le débat sur le fameux « sim-to-real gap ». Fait notable, le même contrôleur généraliste a surpassé le logiciel fourni par le fabricant du robot sur plusieurs types de terrains, sans nécessiter de contrôleurs distincts par environnement, ce qui illustre la valeur d'une recherche en apprentissage automatique directement confrontée au monde réel plutôt qu'à des démonstrations scénarisées. Wu reconnaît que l'équipe ne s'attendait pas elle-même à une telle polyvalence pour un robot humanoïde aussi volumineux, la locomotion agile sur terrain accidenté n'ayant jusqu'ici jamais été véritablement démontrée pour ce type de machine. Au-delà de la marche, les chercheurs estiment que le cadre « Learn to Teach » pourrait s'appliquer à d'autres architectures de robots et à des tâches variées exigeant un déplacement fiable en environnement imprévisible, ouvrant une piste de recherche transférable bien au-delà du seul cas d'usage testé à Atlanta.

RecherchePaper
1 source
41IEEE Spectrum Robotics 

Comment invisible

Article traduit et résumé : Des chercheurs en robotique de l'université Northwestern, à Evanston dans l'Illinois, ont présenté cette semaine lors de la conférence RSS 2026 à Sydney un drone baptisé Phantom Twist, conçu pour être quasiment invisible à l'œil humain. Selon l'équipe, dirigée par Michael Rubenstein, l'appareil est environ dix fois plus difficile à repérer en vol qu'un quadricoptère classique. Le principe repose sur une rotation rapide, entre 15 et 25 Hz, qui exploite la persistance rétinienne : l'œil humain met environ 100 millisecondes pour intégrer une scène avant de la transmettre au cerveau, et un objet tournant assez vite finit par se fondre avec l'arrière-plan en un flou quasi transparent. Le drone ne possède qu'un seul moteur et aucune surface de contrôle : la direction est obtenue en modulant la vitesse du moteur à des instants précis de chaque rotation, tandis que l'altitude dépend de la poussée globale. Sa forme, très étudiée, est en grande partie composée de vide : tiges de fibre de carbone de 0,8 mm, batteries, contrôleur, contrepoids (remplaçables par des batteries supplémentaires ou une charge utile), moteur et hélice, le tout assemblé et mis en rotation au décollage via un lanceur portatif dédié. L'intérêt de Phantom Twist ne tient pas seulement à son étrangeté visuelle, mais à la méthode employée pour y parvenir : un design entièrement optimisé par ordinateur. Selon Rubenstein, l'espace de conception est si complexe, avec des compromis multiples entre stabilité de vol et apparence visuelle, qu'une équipe humaine n'aurait probablement pas pu aboutir seule à une configuration aussi peu visible. La visibilité du drone dépend en effet de l'alignement des différents composants entre eux, vus sous l'angle d'un observateur au sol : plus les pièces se superposent visuellement pendant la rotation, moins on distingue de matière solide et plus l'arrière-plan reste visible à travers l'appareil. Pour l'industrie des drones et de la robotique aérienne, cette approche illustre un usage concret de l'optimisation computationnelle appliquée non plus seulement à la performance de vol, mais à des contraintes perceptives, ouvrant potentiellement la voie à des applications de surveillance discrète ou de recherche où la furtivité visuelle compterait autant que la furtivité sonore, même si le bourdonnement caractéristique des drones reste un problème non résolu par cette conception. Les drones à rotation unique ne sont pas une nouveauté : des projets comme Picolissimo ou différents drones dits "samsara", inspirés du vol tournoyant des graines d'érable, avaient déjà exploré ce principe de vol par rotation passive stable. Ce qui distingue Phantom Twist, c'est l'usage explicite de l'optimisation computationnelle pour minimiser la visibilité, plutôt que pour maximiser uniquement l'efficacité aérodynamique. Le prototype présenté à RSS 2026 reste un objet de recherche, équipé de marqueurs de suivi optique pour les besoins des expérimentations en laboratoire, et aucun calendrier de commercialisation ou de déploiement opérationnel n'a été communiqué par l'équipe de Northwestern à ce stade.

RecherchePaper
1 source
42arXiv cs.RO 

Vision qui prime sur le langage : évaluer et corriger les échecs contrefactuels dans les VLA

Des chercheurs viennent de documenter un défaut structurel des modèles Vision-Language-Action (VLA), ces systèmes censés traduire une instruction en langage naturel en commande robotique. Dans un article mis à jour sur arXiv (2602.17659v2), l'équipe montre que face à des instructions peu représentées dans les données d'entraînement, les VLA ignorent souvent le langage et se rabattent sur des raccourcis visuels : ils répètent l'action la plus fréquemment apprise ou saisissent l'objet le plus vu pendant l'entraînement, sans tenir compte de la consigne réelle. Ce phénomène, baptisé "échec contrefactuel", est évalué grâce à un nouveau benchmark, LIBERO-CF, premier du genre à tester la fidélité au langage en assignant des instructions alternatives sur des scènes visuellement plausibles issues de LIBERO. Pour y remédier, les auteurs proposent Counterfactual Action Guidance (CAG), une méthode d'inférence à double branche qui combine la politique VLA standard avec un module Vision-Action non conditionné par le langage, permettant une comparaison contrefactuelle au moment de choisir l'action. Sur LIBERO-CF, CAG améliore le modèle π0.5 de 9,7% en fidélité au langage et 3,6% en taux de réussite sur les tâches sous-représentées, sans entraînement supplémentaire ; associé à un modèle VA dédié, les gains montent à 15,5% et 8,5%. En conditions réelles, la méthode réduit les échecs contrefactuels de 9,4% et améliore la réussite des tâches de 17,2% en moyenne. Cette découverte pèse directement sur la crédibilité des VLA comme π0, GR00T N2 ou Helix pour un usage industriel : elle confirme qu'un robot peut sembler compétent en démonstration tout en étant en réalité biaisé par ses données, un écart classique entre performance affichée et robustesse réelle. Pour un intégrateur, cela signifie qu'une consigne inhabituelle en environnement de production risque d'être mal exécutée sans erreur visible, un risque de sécurité et de fiabilité difficile à détecter sans benchmark dédié. L'approche s'inscrit dans un effort plus large de la recherche VLA pour renforcer l'ancrage langage-action, jusqu'ici dominé par l'augmentation du volume de démonstrations plutôt que par des corrections architecturales. L'atout de CAG est de ne nécessiter ni données supplémentaires ni modification des modèles pré-entraînés, ce qui facilite son adoption en complément d'architectures existantes. Les auteurs annoncent des expériences étendues à divers VLA, ouvrant la voie à une adoption comme brique standard d'évaluation et de correction avant déploiement réel.

RecherchePaper
1 source
43arXiv cs.RO 

HRIBench : évaluation de la collaboration homme-robot centrée sur l'interaction

Ce papier arXiv (2607.13056v1) présente HRIBench, un benchmark diagnostique conçu pour évaluer la collaboration homme-robot centrée sur l'interaction, plutôt que la seule manipulation isolée. Contrairement aux benchmarks VLA (vision-language-action) existants, qui testent des compétences de manipulation déconnectées de toute interaction humaine, HRIBench modélise les tâches collaboratives sous forme de scénarios structurés intégrant rôles des agents, dépendances temporelles, contraintes de coordination et distributions de comportement humain. Trois rôles sont définis : Instructeur, Collaborateur et Intrus, couvrant respectivement la communication d'intention, la coordination conjointe et la robustesse face à une intervention humaine imprévue. Le benchmark comprend 13 tâches conditionnées par rôle et plus de 650 épisodes d'évaluation générés à partir de trajectoires d'interaction et de variations de scène diverses. Les chercheurs ont testé des politiques adaptées à partir de GR00T, pi0.5 et ACT selon un protocole unifié, avec des métriques allant au-delà du simple taux de réussite : synchronisation, réactivité, respect du protocole et sécurité. Les résultats montrent que les politiques robotiques actuelles, malgré de bonnes capacités de manipulation pure, peinent nettement dès qu'il s'agit de coordination temporelle et de comportement sensible à l'intention humaine, un angle mort largement ignoré par les benchmarks existants. Ce constat vient nuancer l'idée que les modèles VLA généralistes seraient déjà prêts pour une collaboration homme-robot fluide en environnement partagé, un enjeu central pour tout déploiement industriel où humains et robots opèrent côte à côte. Fait notable, un fine-tuning sur les données HRIBench améliore systématiquement les performances collaboratives, et en conditions réelles, les données de simulation générées par le benchmark font passer le taux de réussite de GR00T N1.5 sur une tâche physique de 0,10 à 0,43. HRIBench s'inscrit dans une dynamique de recherche cherchant à combler l'écart entre benchmarks de manipulation pure et exigences réelles de la cohabitation homme-robot, à mesure que des politiques comme GR00T (NVIDIA), pi0.5 (Physical Intelligence) ou ACT gagnent en usage comme bases pour l'apprentissage robotique généraliste. Les auteurs positionnent leur travail comme un outil diagnostique réutilisable, avec des pistes explicites de fine-tuning ciblé pour renforcer la coordination et la sécurité, plutôt qu'un simple classement de performances brutes.

RecherchePaper
1 source
44arXiv cs.RO 

L'IA générative face aux imitations : une étude sur les interfaces d'information par étape pour l'affinement des modèles VLA

Voici l'article traduit et résumé. Une équipe de recherche a mené une étude empirique comparant différentes interfaces d'information de stade pour l'affinement de politiques Vision-Langage-Action (VLA) sur des tâches de manipulation robotique longue durée. Le problème adressé : une instruction unique de haut niveau (par exemple "range la vaisselle") peut recouvrir plusieurs étapes d'action distinctes, et les chercheurs ont testé si fournir explicitement cette information de progression améliore la performance. Ils ont utilisé des annotations d'action segmentées comme représentation intermédiaire entre l'instruction complète et les segments d'action du modèle VLA, avec un module de suivi de progression qui détecte l'étape active. Deux interfaces ont été comparées à une politique utilisant seulement l'instruction complète : un texte décrivant l'étape courante, et un "Ordinal Stage-State" (un index ordinal normalisé intégré à l'état du robot). Les tests ont été menés sur GR00T N1.6, le modèle VLA de NVIDIA, sur le benchmark LIBERO-10, selon deux protocoles d'entraînement (affinement direct et affinement en continuation depuis un modèle de référence entraîné sur l'instruction complète). Les résultats nuancent une hypothèse répandue dans le secteur robotique, celle qu'ajouter une information de contexte explicite (ici, l'étape en cours) améliore mécaniquement la performance d'une politique VLA. En affinement direct, l'instruction complète seule obtient le meilleur taux de succès moyen (57,45%), devant l'Ordinal Stage-State (54,36%) et le texte d'étape courante (50,24%) : l'information de stade n'apporte donc pas de gain automatique. En revanche, en configuration de continuation depuis un modèle pré-entraîné, l'Ordinal Stage-State dépasse les deux autres approches sur les trois essais appariés (53,75% contre 50,00% et 49,07%). Pour les intégrateurs et équipes de recherche travaillant sur des politiques génératives pour la manipulation longue durée, ce résultat suggère que le bénéfice d'un signal de progression dépend fortement du format de représentation choisi et du régime d'entraînement, un point souvent négligé dans les communications marketing autour des modèles "world-aware" ou "task-decomposition". Cette étude s'inscrit dans un contexte de compétition croissante autour des architectures VLA pour les robots humanoïdes et bras manipulateurs, où NVIDIA (avec sa famille GR00T), Physical Intelligence (Pi-0) et d'autres laboratoires cherchent à améliorer la généralisation des politiques sur des tâches multi-étapes. LIBERO-10, benchmark standard de manipulation à long horizon, sert ici de terrain de comparaison contrôlé. Les auteurs soulignent que l'effet observé varie selon la représentation d'interface et l'arrangement d'entraînement, ouvrant la voie à des travaux futurs sur la conception de signaux de progression plus robustes, potentiellement transférables à d'autres familles de modèles VLA au-delà de GR00T N1.6.

RecherchePaper
1 source
45arXiv cs.RO 

Explorateurs, communicatifs et déployables : des agents incarnés guidés par la vision pour la manipulation mobile en monde ouvert

Des chercheurs du laboratoire InternRobotics ont publié REAL, un framework agentique pour la manipulation mobile en environnement ouvert, accompagné du benchmark REAL-Bench couvrant 241 tâches réparties entre exploration active, distraction visuelle, manipulation d'objets articulés et désambiguïsation interactive de l'intention utilisateur. Le système combine des API d'environnement cohérentes entre simulation et réel, sans recourir à une perception oracle, et un simulateur d'utilisateur permettant une boucle homme-machine pour clarifier des instructions incomplètes. L'agent, entraîné via un pipeline hiérarchique associant apprentissage supervisé et renforcement en ligne, atteint un taux de réussite de 56,9% sur les tâches interactives, devançant des VLM commerciaux à code fermé sur ce même exercice. Déployé sur un robot mobile à double bras physique, il obtient 78,3% de réussite de bout en bout sur 60 épisodes réels, avec un transfert zero-shot vers des scénarios domestiques inédits. Le code est disponible sur github.com/InternRobotics/REAL. Ce résultat s'attaque directement à l'un des points faibles reconnus des agents robotiques actuels: la plupart des démonstrations s'appuient sur des instructions complètes fournies à l'avance ou sur des états privilégiés du simulateur, ce qui masque les difficultés réelles du déploiement, comme comprendre une consigne ambiguë ou explorer un environnement inconnu pour localiser un objet. En surpassant des modèles vision-langage-action commerciaux sur les tâches interactives, REAL apporte une preuve empirique que l'écart entre simulation et réalité peut être réduit sans capteurs ou informations privilégiées, un enjeu central pour les intégrateurs qui cherchent à déployer des robots domestiques ou logistiques capables de gérer des instructions humaines imparfaites plutôt que des scripts rigides. Le projet s'inscrit dans la lignée des travaux sur les agents vision-langage-action (VLA) tels que Pi-0 ou GR00T N2, mais se distingue en intégrant explicitement la dimension conversationnelle et exploratoire plutôt que la seule exécution de tâches préformulées. Les auteurs positionnent leur contribution face aux VLM propriétaires fermés, sans toutefois nommer précisément les modèles concurrents testés. Les prochaines étapes évoquées portent sur l'extension du benchmark et l'amélioration du raisonnement à vocabulaire ouvert sur des horizons d'exploration encore plus longs, avant d'envisager des déploiements pilotes à plus grande échelle.

RechercheActu
1 source
46arXiv cs.RO 

EgoHTR : démonstrations égocentriques en 4D de franchissement de terrain humain

Des chercheurs publient EgoHTR (Egocentric Human-Terrain Reconstruction), un nouveau jeu de données conçu pour entraîner des robots humanoïdes à franchir des terrains accidentés, disponible en prépublication sur arXiv (2607.13472). L'équipe a développé et mis en open source un pipeline de reconstruction capturant 55 séquences de mouvement humain en 4D, alignées sur la scène, dans des environnements variés et complexes. Le dispositif combine capteurs égocentriques portables et un scanner 3D portatif, pour un total de plus de 150 000 images. Les auteurs affirment avoir validé la précision de leurs reconstructions face à des données de motion capture de référence, avec des résultats qu'ils qualifient d'état de l'art, chiffre à prendre avec prudence puisqu'il s'agit d'une mesure auto-rapportée dans le papier. Le dataset a ensuite servi à entraîner des politiques de locomotion perceptive, testées en conditions réelles sur un robot Unitree G1 reproduisant les mouvements de référence capturés. L'enjeu dépassse la simple collecte de données: le déplacement de robots humanoïdes en terrain non structuré reste un problème ouvert, l'apprentissage par renforcement classique peinant face à la complexité des interactions réelles. Les méthodes s'appuyant sur des priors humains, plus prometteuses, restaient jusqu'ici limitées par des modèles sans conscience contextuelle de la scène, faute de pipelines capables de capturer des séquences humain-environnement dans des conditions difficiles. En comblant ce manque entre apprentissage humanoïde et reconstruction de scène, EgoHTR fournit un benchmark rigoureux pour l'analyse et la synthèse de mouvement, utile aux équipes qui cherchent à dépasser les démonstrations en environnement contrôlé pour viser une robustesse réelle sur terrain varié. Il s'agit d'une publication de recherche et d'un jeu de données, pas d'un produit commercial: aucun déploiement industriel n'est annoncé, seulement une validation matérielle limitée sur un G1 de Unitree, fabricant chinois déjà largement utilisé comme plateforme de recherche par la communauté académique en robotique humanoïde. Le pipeline étant ouvert, les auteurs misent sur des extensions communautaires du dataset pour accélérer les travaux sur des robots fondationnels et sensibles au contexte, capables de traverser de manière fiable des terrains inégaux, un axe de recherche qui reste à ce stade en amont de toute commercialisation.

RecherchePaper
1 source
47arXiv cs.RO 

Au-delà de la description : évaluer cognitivement l'action fine pour les agents incarnés

Des chercheurs ont publié CFG-Bench, un nouveau benchmark destiné à évaluer la capacité des grands modèles multimodaux (MLLM) à raisonner sur l'action fine dans des environnements physiques, plutôt que sur la simple planification de haut niveau ou le raisonnement spatial déjà couverts par les benchmarks existants. L'article, disponible sur arXiv (2511.18685), détaille un corpus de 1 368 vidéos annotées, associées à 19 562 paires question-réponse. Ces données couvrent trois paradigmes d'évaluation et quatre capacités cognitives distinctes : l'interaction physique, la relation temporelle-causale, la compréhension intentionnelle et le jugement évaluatif. L'objectif est de mesurer si un modèle sait traduire une observation visuelle en connaissance actionnable, au-delà de la simple reconnaissance d'objets ou de scènes. Les résultats sont significatifs pour l'écosystème des agents incarnés (embodied agents) qui s'appuient de plus en plus sur des architectures vision-langage-action (VLA) pour piloter robots et humanoïdes. Les auteurs montrent que même les MLLM les plus performants du marché peinent à produire des instructions détaillées pour des interactions physiques concrètes, et présentent des lacunes marquées dès qu'il s'agit de raisonnement d'ordre supérieur, comme inférer une intention ou juger la qualité d'une action. C'est un signal notable pour les intégrateurs et équipes de recherche qui misent sur ces modèles comme moteurs de décision : la compréhension de haut niveau ne garantit pas une exécution fine et fiable, un des points de friction identifiés dans l'écart persistant entre démonstration et déploiement réel en robotique. Point plus encourageant pour le secteur : les auteurs démontrent qu'un fine-tuning supervisé (SFT) sur les données de CFG-Bench, en apprenant explicitement au modèle à articuler des actions fines, se traduit par des gains de performance mesurables sur des benchmarks incarnés déjà établis. Cela suggère une piste d'amélioration directe et reproductible pour les futurs modèles VLA, plutôt qu'une simple mise en évidence de leurs limites. Le projet s'inscrit dans la vague de benchmarks spécialisés qui cherchent à combler les angles morts des évaluations génériques de MLLM. La page du projet et le jeu de données sont accessibles publiquement via cfg-bench.github.io, ouvrant la voie à des comparaisons futures entre laboratoires et fournisseurs de modèles.

RecherchePaper
1 source
48arXiv cs.RO 

VAMP-MR : planification et exécution de mouvements accélérée par vecteurs pour bras robotiques multiples

Un nouveau papier arXiv (2607.13478v1) presente VAMP-MR, une suite de planificateurs de mouvement pour bras robotiques multiples destines aux taches industrielles comme la fabrication. Le probleme cible est la planification de trajectoires sans collision pour plusieurs manipulateurs operant dans le meme espace, un calcul traditionnellement couteux avec les solveurs bases sur la recherche ou l'echantillonnage. L'equipe combine des algorithmes de planification classiques avec des techniques de verification de collision vectorisees de derniere generation, exploitant les instructions SIMD des processeurs CPU. Le goulot d'etranglement principal de ce type de planification, le controle de collision entre les bras, en beneficie directement : les auteurs annoncent un gain de vitesse pouvant atteindre deux ordres de grandeur, soit jusqu'a environ 100 fois plus rapide, aussi bien pour la planification de trajectoire que pour le post-traitement de l'execution sur des taches de manipulation multi-bras. Le code est mis a disposition publiquement sur vamp-mr.github.io/vamp-mr. Cette acceleration change la donne pour le deploiement de cellules industrielles a bras multiples, un scenario de plus en plus courant en fabrication ou plusieurs manipulateurs doivent cooperer dans un espace de travail partage sans se percuter. Jusqu'ici, generer des mouvements de qualite, sans collision et exploitables en conditions reelles, demandait un temps de calcul important, ce qui limitait la reactivite des systemes et compliquait la replanification en cas de changement de scene. Un planificateur quasi temps reel ouvre la voie a des cellules multi-bras plus flexibles, capables de s'adapter dynamiquement plutot que de suivre des trajectoires figees calculees hors ligne. Pour les integrateurs et les equipes de R&D en robotique, la liberation du code source abaisse significativement la barriere d'entree pour experimenter avec la planification multi-bras, un domaine jusqu'ici reserve a des equipes disposant de solveurs proprietaires ou de ressources de calcul importantes. Le probleme de la planification multi-bras s'inscrit dans la lignee des travaux sur les planificateurs bases sur la recherche (comme les variantes de RRT ou de PRM) et sur l'echantillonnage, qui restent les approches dominantes mais souffrent d'un cout de calcul croissant avec le nombre de bras et la complexite de l'environnement. VAMP-MR ne cherche pas a remplacer ces algorithmes classiques mais a en accelerer radicalement le maillon le plus couteux, la verification de collision, en s'appuyant sur le parallelisme vectoriel deja present dans les CPU modernes plutot que sur du materiel specialise type GPU. Cette approche logicielle, portable sur du materiel standard, distingue le projet des solutions necessitant une infrastructure de calcul dediee. La publication du code s'accompagne d'une invitation explicite de l'equipe a la communaute de recherche pour etendre et tester ces planificateurs sur d'autres problemes de manipulation multi-robot, sans qu'un calendrier de deploiement industriel ou de pilotes concrets ne soit pour l'instant annonce.

RecherchePaper
1 source
49arXiv cs.RO 

GPUSimBench : vers des simulateurs GPU évolutifs et fiables pour l'IA incarnée

Une équipe de recherche a publié GPUSimBench, un banc d'essai destiné à évaluer la fiabilité des simulateurs robotiques accélérés par GPU comme Isaac Lab (NVIDIA) et Genesis, dans un article déposé sur arXiv (2607.13059v1) le 16 juillet 2026. Le benchmark repose sur trois axes de mesure. D'abord, une évaluation de l'ancrage physique via une tâche contrôlée de plan incliné, qui quantifie l'écart de distribution entre la dynamique simulée et son équivalent réel. Ensuite, un test de scalabilité parallèle mesurant débit et empreinte mémoire à mesure que le nombre d'environnements simulés augmente. Enfin, et c'est le point central de l'étude, les auteurs quantifient le non-déterminisme inhérent à l'exécution par lots sur GPU: des variations significatives d'une exécution à l'autre, et même entre environnements exécutés simultanément dans des conditions initiales identiques. L'équipe identifie quatre régimes empiriques de stochasticité dans les architectures de simulateurs actuelles. Ce travail remet en question un présupposé central de l'IA incarnée actuelle: que la simulation massivement parallèle sur GPU, utilisée pour entraîner des politiques robotiques à grande échelle, est fiable et reproductible par construction. En montrant qu'une mise à l'échelle non maîtrisée peut compromettre la reproductibilité des résultats, l'étude pointe un risque concret pour les équipes qui s'appuient sur ces simulateurs pour l'apprentissage par renforcement ou le transfert sim-to-réel: des politiques entraînées sur des runs non déterministes peuvent donner des performances difficiles à comparer ou à répliquer d'un laboratoire à l'autre, un problème critique pour la validation avant déploiement sur robot physique. Cette publication s'inscrit dans la vague de simulateurs GPU nés dans le sillage d'Isaac Gym, qui a popularisé l'entraînement massivement parallèle pour la robotique, avant l'arrivée d'Isaac Lab et du projet open-source Genesis comme alternatives concurrentes. Jusqu'ici, la course portait surtout sur le débit brut et la fidélité physique; GPUSimBench ajoute un troisième critère, le déterminisme, largement ignoré par les benchmarks existants. Les auteurs ne précisent pas de calendrier de suite, mais présentent leur outil comme une base d'évaluation destinée à orienter le développement de simulateurs plus fiables pour la recherche en apprentissage robotique.

RecherchePaper
1 source
50arXiv cs.RO 

Odorat ou cognition : une stratégie cognitive hybride pour localiser la source d'une odeur en milieu naturel

Une equipe de recherche presente une strategie hybride permettant a des robots equipes de capteurs chimiques de localiser plus vite la source d'une pollution atmospherique ou aquatique, en combinant reflexes bio-inspires et raisonnement probabiliste. Publiee sous la reference arXiv:2607.13853v1, l'etude part d'un constat concret: les polluants rejetes dans l'environnement sont disperses par des ecoulements turbulents qui produisent des panaches intermittents, rendant les detections rares et les gradients de concentration peu exploitables. Le systeme introduit un mecanisme de commutation declenche par chaque detection d'odeur, qui bascule automatiquement entre une exploration en travers du courant et un deplacement direct vers la source, en priorisant la proximite plutot que le seul gain d'information. Les parametres de comportement sont derives directement des metriques de croyance du robot, rendant la reactivite adaptative sans reglage manuel prealable. La methode a ete validee en simulation sous trois conditions de turbulence, puis testee sur le terrain avec un vehicule de surface autonome deploye sur le fleuve Mondego, au Portugal, avec a la cle jusqu'a 50% de reduction de la distance parcourue, un taux de reussite de 86% et une erreur de localisation moyenne de 3,2 metres. Ces resultats interessent directement les operateurs de surveillance environnementale et de reponse aux deversements chimiques, ou chaque minute gagnee dans la localisation d'une fuite limite l'impact sur les ecosystemes et la sante publique. Le travail tranche aussi un debat recurrent en robotique de recherche de source: privilegier des comportements reactifs simples mais necessitant un reglage propre a chaque scenario, ou des strategies cognitives plus robustes mais trop exploratoires et gourmandes en calcul. Les auteurs s'appuient sur une analyse anterieure en chaines de Markov montrant que les mouvements diriges vers la source sont environ deux fois plus frequents juste apres une detection, preuve que la reactivite emerge deja naturellement des cadres cognitifs. Ils choisissent donc de l'integrer explicitement plutot que de traiter les deux paradigmes comme concurrents. Les 86% de reussite restent toutefois obtenus sur un site fluvial unique et un nombre limite d'essais reels, ce qui appelle des verifications sur d'autres environnements avant generalisation. L'approche prolonge les travaux sur l'algorithme Fast-Cognitive, qui avait deja allege la charge de calcul des methodes bayesiennes completes sans en lever les limites de sur-exploration. En formalisant la transition entre exploration et poursuite, cette nouvelle methode se positionne en synthese entre les strategies bio-inspirees historiques, type surge-casting, et les approches cognitives probabilistes plus recentes. Aucun partenariat industriel ni calendrier de deploiement n'est mentionne au-dela des essais sur le Mondego; la suite logique serait d'etendre les tests a d'autres plans d'eau ou environnements terrestres, et de comparer directement la methode a Fast-Cognitive sur des metriques identiques.

UELe test de terrain a ete mene sur le fleuve Mondego au Portugal, demontrant une capacite de recherche europeenne en robotique de surveillance environnementale et de detection de pollution.

RecherchePaper
1 source