Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel

Actualités robotique — page 15

7 422 articles au fil, du plus récent au plus ancien.

ReCo : locomotion cohérente avec la réponse de la politique grâce à une MPC adaptée, pour la manipulation par robots à pattes
701arXiv cs.RO 

ReCo : locomotion cohérente avec la réponse de la politique grâce à une MPC adaptée, pour la manipulation par robots à pattes

Des chercheurs publient sur arXiv ReCo (Response-Consistent Locomotion), un cadre logiciel pour la manipulation continue sur robots à pattes, c'est-à-dire la tâche qui consiste à suivre précisément une trajectoire avec l'effecteur d'un bras pendant que la base continue de marcher. L'approche combine apprentissage par renforcement (RL) et commande prédictive (MPC). La politique apprise assure une locomotion robuste, tandis que le MPC coordonne la base et le bras pour compenser les erreurs de suivi. La contribution tient en deux briques. Un « response shaping » entraîne la politique à répondre aux commandes de façon cohérente et répétable malgré des dynamiques randomisées. Un modèle de réponse en boucle fermée, identifié ensuite, permet au MPC de planifier conjointement les commandes de locomotion et le mouvement du bras. Sur un benchmark en simulation, ReCo réduit l'erreur quadratique moyenne (RMSE) de position de 28,7 % et celle d'orientation de 27,4 % par rapport au meilleur point de comparaison pour chaque métrique. Des essais sur robot réel démontrent une manipulation continue embarquée, base et bras coordonnés. Le résumé ne précise ni la plateforme, ni la charge utile, ni les temps de cycle. L'enjeu est un problème que connaissent bien les intégrateurs de robots mobiles manipulateurs. Le MPC ne peut compenser que le mouvement de base qu'il sait prédire. Or la réponse d'une politique RL à une commande de vitesse varie avec la phase de marche, les contacts et la charge portée. Cette variabilité rend la compensation imprécise précisément quand le robot transporte quelque chose ou marche sur un sol irrégulier. Rendre la réponse de la politique prévisible plutôt que la corriger après coup est une voie pragmatique pour rapprocher les politiques apprises des contrôleurs à modèle, sans renoncer à la robustesse du RL. Pour un décideur industriel, cela concerne la précision en conditions réelles, souvent le point faible des démonstrations de manipulation sur quadrupèdes. Les gains annoncés restent toutefois mesurés en simulation, face à des références choisies par les auteurs, et la validation matérielle semble qualitative. Il s'agit d'un résultat de recherche, sans produit ni déploiement associé. Ces travaux s'inscrivent dans la lignée de la manipulation « loco-manipulation » sur quadrupèdes équipés d'un bras, où deux écoles s'opposent. L'une repose sur des politiques RL de bout en bout pour l'ensemble du corps. L'autre est hybride, avec un RL pour la marche et une optimisation pour le bras. ReCo se range dans la seconde. Elle vise à combler l'écart entre une politique de marche opaque et un planificateur qui a besoin d'un modèle fiable. La suite logique serait des essais sur d'autres plateformes, avec des charges variées et des tâches plus longues, ainsi qu'une comparaison avec des politiques de corps entier entraînées de bout en bout. Le texte n'annonce aucun calendrier de ce type.

RecherchePaper
1 source
TacGooseBumps (TacGB) : adapter des capteurs tactiles à force normale seule avec un encodage du cisaillement pour l'apprentissage de la manipulation riche en contacts
702arXiv cs.RO 

TacGooseBumps (TacGB) : adapter des capteurs tactiles à force normale seule avec un encodage du cisaillement pour l'apprentissage de la manipulation riche en contacts

Une équipe de chercheurs publie sur arXiv TacGooseBumps (TacGB), un film passif à micro-dômes conçu pour doter de sensibilité au cisaillement des capteurs tactiles qui ne mesurent que la pression normale. Le film se pose sur un capteur existant. Lorsqu'une charge tangentielle s'applique, chaque dôme s'incline et redistribue la pression sur son empreinte, ce qui modifie le motif de la carte de pression. La politique apprise, entraînée de bout en bout, consomme directement ces cartes, sans électronique supplémentaire, sans reconstruction de forces et sans alignement dôme par taxel. Les auteurs l'ont testé sur quatre tâches d'apprentissage par imitation, avec deux chaînes de collecte de données. Le gain d'insertion atteint jusqu'à 36 points de pourcentage de réussite, et les insertions réussies sont plus rapides. Le placement d'objets fragiles devient plus doux, et le dessin plus continu et plus rectiligne. Les chiffres détaillés par tâche et le matériel utilisé ne figurent pas dans le résumé. Il s'agit de résultats de laboratoire, sans déploiement industriel ni produit commercial. L'intérêt tient à l'hypothèse testée. Beaucoup de politiques de manipulation riche en contacts échouent parce que des états physiques distincts se ressemblent : une caméra ne dit pas si un connecteur est simplement aligné ou complètement enfoncé, et un capteur normal seul rate les interactions tangentielles qui les départagent. Les auteurs soutiennent qu'une politique n'a pas besoin de mesures de cisaillement calibrées. Il lui suffit d'une observation répétable qui sépare les états dépendants du cisaillement. Pour les intégrateurs, cela ouvre une voie de modernisation à bas coût : améliorer des mains robotiques déjà équipées, sans changer le capteur ni le format d'entrée de la politique. Les analyses par étape, par mode d'échec et par trajectoire relient les gains aux régimes où la vision et la pression normale résolvent mal les efforts tangentiels. Deux réserves : l'évaluation se limite à quatre tâches, et le résumé ne dit ni la taille des échantillons ni le type de capteur. La généralisation à d'autres capteurs et à d'autres politiques reste donc à démontrer. Ce travail s'inscrit dans la recherche sur le tactile pour l'apprentissage par imitation et les modèles vision-langage-action (VLA). Les capteurs optiques à gel mesurent le cisaillement, mais ils sont plus encombrants et plus coûteux. Les capteurs de pression matriciels sont plus simples à intégrer, mais aveugles aux efforts tangentiels. TacGB se positionne entre les deux. L'article est une version révisée (v2), ce qui suggère un passage par la relecture. Les prochaines étapes à surveiller sont le test sur d'autres matrices de pression, sur des tâches plus longues, et l'intégration dans des politiques généralistes à grande échelle. La durabilité du film sur de nombreux cycles de contact, point décisif pour un usage industriel, n'est pas abordée dans le résumé.

RecherchePaper
1 source
MASkillBlender : coordination décentralisée du corps entier pour la loco-manipulation multi-humanoïdes par fusion de compétences
703arXiv cs.RO 

MASkillBlender : coordination décentralisée du corps entier pour la loco-manipulation multi-humanoïdes par fusion de compétences

Des chercheurs publient sur arXiv (2610.01102) MASkillBlender, un cadre d'apprentissage par renforcement multi-agent (MARL) destiné à la coordination décentralisée de plusieurs humanoïdes pour des tâches de locomanipulation, c'est-à-dire des tâches où les robots marchent et manipulent des objets en même temps. Le principe tient en deux étages. Des compétences de corps entier, pré-entraînées pour un humanoïde seul, servent de briques réutilisables. Une politique de haut niveau, partagée et décentralisée, apprend ensuite à les combiner à partir de récompenses au niveau de la tâche uniquement. Elle n'a besoin ni de trajectoires de référence propres à chaque tâche, ni de l'ingénierie de récompense lourde que demandent d'ordinaire les approches existantes. Les auteurs ajoutent une augmentation de données par permutation pour les systèmes homogènes. Elle exploite l'interchangeabilité des robots identiques. Ils démontrent aussi que les échantillons permutés conservent la direction du gradient de politique de l'échantillon d'origine dans le formalisme du jeu de Markov homogène. L'évaluation couvre plusieurs tâches de coordination et deux morphologies d'humanoïdes, uniquement en simulation. L'intérêt tient au verrou que visent les auteurs. Le contrôle corps entier d'un seul humanoïde progresse, mais le passage à plusieurs robots fait exploser la dimension de l'espace d'action, impose une prise de décision décentralisée et complique le passage à l'échelle. Réutiliser des compétences individuelles comme primitives, plutôt que d'apprendre chaque tâche coopérative de zéro, est une piste crédible pour déplacer des charges encombrantes à deux ou plus, ce qui concerne la logistique et la manutention. Les résultats sont pourtant limités. Ils portent sur la simulation, sans transfert sim-to-real, sans matériel réel et sans chiffres publiés dans le résumé (taux de réussite, nombre de robots, temps d'entraînement). La mention de performances « fortes » reste donc à vérifier dans l'article complet. Rien ne prouve non plus que les compétences mélangées tiendront face aux contacts, aux délais de communication et aux écarts de dynamique du monde réel. Ce travail relève de la recherche académique, pas d'un produit ni d'un déploiement. Le contexte est celui d'un champ qui s'est d'abord concentré sur la locomotion et la manipulation d'un humanoïde isolé, avec des politiques apprises en simulation puis transférées. La coordination multi-robots reposait souvent sur des conceptions spécifiques à chaque tâche ou sur des références de mouvement coûteuses à produire. MASkillBlender se rattache à cette lignée de travaux sur le mélange de compétences, qu'il étend au cadre multi-agent. Les acteurs industriels qui visent des flottes d'humanoïdes en entrepôt ou en usine misent surtout sur des modèles généralistes de type VLA et sur des déploiements monorobot. La coordination décentralisée de plusieurs humanoïdes reste, elle, peu abordée publiquement. Les prochaines étapes à surveiller sont la validation sur robots physiques, le passage à davantage d'agents et une comparaison chiffrée avec les méthodes centralisées.

RecherchePaper
1 source
TacDyn-WAM : apprentissage de la dynamique tactile implicite dans un modèle du monde et d'actions visuo-tactile hétérogène
704arXiv cs.RO 

TacDyn-WAM : apprentissage de la dynamique tactile implicite dans un modèle du monde et d'actions visuo-tactile hétérogène

Des chercheurs publient TacDyn-WAM, un « world action model » visuo-tactile hétérogène (arXiv 2610.00638) qui prédit la dynamique tactile implicite plutôt que de reconstruire les futures images tactiles. Les world action models conditionnent les actions du robot sur des futurs prédits. Leurs variantes tactiles actuelles reprennent les pipelines de génération vidéo, avec reconstruction itérative par débruitage. TacDyn-WAM apprend TacRep, un espace de représentation tactile entraîné par prédiction spatio-temporelle masquée sur des séquences tactiles, et régularisé par distillation de structure relationnelle. Deux experts, l'un visuel, l'autre tactile, prédisent des représentations futures dans des espaces cibles distincts et échangent par attention conjointe. L'expert tactile prédit, en une seule passe avant, les représentations futures et leurs variations à plusieurs horizons. Une mémoire tactile en lecture seule fournit l'état de contact courant. Sur le benchmark UniVTAC, le modèle atteint 81,5 % de réussite moyenne avec les seules démonstrations fournies. Sur cinq tâches réelles, il obtient 71,0 %, et 85,0 % après un pré-entraînement de taille modeste. L'enjeu porte sur la robustesse en déploiement. Les auteurs soutiennent qu'un léger décalage de position ou de force de contact modifie fortement les pixels tactiles, alors que l'évolution du contact reste prévisible. Reconstruire ces pixels devient alors fragile, tandis que prédire la dynamique dans un espace latent y serait moins sensible. Le résultat est notable pour les intégrateurs de manipulation fine, par exemple l'insertion ou la saisie sous contact, car il suggère qu'un tactile utile ne demande pas forcément de lourds modèles génératifs. Le modèle reste compétitif face à des approches pré-entraînées sur de vastes trajectoires visuo-tactiles. Les ablations indiquent que les deux voies tactiles et TacRep l'emportent sur les alternatives par reconstruction de pixels ou statiques. Les chiffres viennent toutefois des auteurs, sur un benchmark, avec un nombre limité de tâches réelles. Le papier ne donne ni temps de cycle ni matériel de déploiement industriel, et l'écart entre simulation, laboratoire et production reste à démontrer. Ce travail s'inscrit dans la montée des modèles du monde appliqués au contrôle robotique, où le tactile reste le parent pauvre face à la vision. Les VLA comme Pi-0 ou GR00T s'appuient surtout sur la vision et le langage, tandis que les capteurs tactiles de type vision-based (GelSight et dérivés) restent peu intégrés aux modèles de fondation. Les variantes tactiles concurrentes héritent des architectures de génération vidéo que TacDyn-WAM remet en cause. Il s'agit d'une prépublication v1, sans produit ni déploiement annoncé. La suite probable passera par des pré-entraînements plus vastes, davantage de tâches réelles et une réplication indépendante. Aucun acteur français ou européen n'est cité dans l'article.

RecherchePaper
1 source
Superviser ce qui décide du succès : pertes auxiliaires alignées sur le critère pour la planification avec un modèle du monde latent
705arXiv cs.RO 

Superviser ce qui décide du succès : pertes auxiliaires alignées sur le critère pour la planification avec un modèle du monde latent

Des chercheurs proposent une méthode d'entraînement qui force les modèles du monde latents à conserver dans leur état interne les grandeurs physiques réellement utilisées pour juger la réussite d'une tâche. Le travail, publié sur arXiv (2610.01224), part d'un constat mesuré sur quatre modèles du monde latents : la position de l'effecteur terminal y est encodée avec une erreur supérieure à la tolérance du critère de succès. Dans ces conditions, l'état latent ne permet pas de distinguer un candidat réussi d'un candidat qui échoue. La correction est une perte auxiliaire : pendant l'entraînement, une tête linéaire branchée sur les sorties de l'encodeur et du prédicteur régresse les grandeurs du critère de succès, et l'erreur de régression s'ajoute à la perte d'apprentissage. La tête est supprimée ensuite, si bien que le modèle, son coût de calcul et ses entrées restent inchangés à l'inférence. Seule cette perte fait gagner 3,5 points de taux de succès (en absolu) sur PushT et 3,4 points sur la tâche du cube, deux écarts que les auteurs jugent statistiquement significatifs. L'intérêt tient à la nature du défaut identifié. Les modèles du monde latents planifient en notant des séquences d'actions candidates par des distances dans l'espace latent, alors que le succès se juge en grandeurs physiques, comme une position à quelques millimètres près. Si le latent écrase ces grandeurs, le planificateur optimise un proxy mal aligné avec l'objectif réel, quelle que soit la qualité de la prédiction dynamique. Pour les équipes qui déploient ou évaluent ces modèles en manipulation, cela déplace la question : l'enjeu n'est pas seulement l'échelle ou l'architecture, mais ce que la représentation conserve. Le coût d'intégration est quasi nul, puisque rien ne change à l'inférence. Les gains restent toutefois modestes (environ 3 points) et mesurés sur des benchmarks de simulation relativement simples. Rien n'indique à ce stade qu'ils se transposent à des robots réels ou à des tâches à longue portée. Le contexte est celui de la montée des modèles du monde latents de type JEPA, entraînés à prédire l'évolution d'un état compact plutôt que des pixels, et utilisés pour la planification par échantillonnage. Ces approches se positionnent face aux politiques VLA entraînées par imitation, comme Pi-0 ou GR00T, et aux modèles génératifs de vidéo. Leur promesse est un calcul plus léger à l'exécution, mais leur fiabilité dépend de la fidélité de l'espace latent. Les auteurs formulent ce principe de façon générale : le critère de succès définit ce que le modèle doit retenir. La suite logique serait de tester d'autres grandeurs de critère, d'autres tâches et des plateformes physiques. L'article est pour l'instant une prépublication, sans validation par les pairs ni déploiement annoncé.

RecherchePaper
1 source
TouchTherm : construire des jumeaux numériques multimodaux d'objets pour le rendu tactile et thermique
706arXiv cs.RO 

TouchTherm : construire des jumeaux numériques multimodaux d'objets pour le rendu tactile et thermique

Des chercheurs publient TouchTherm, un cadre logiciel et matériel qui construit à partir d'objets réels des « jumeaux numériques » intégrant la vision, le toucher et la température. Pour la partie visuelle et tactile, l'équipe combine un scanner à lumière structurée et des cartes de normales multivues issues de la stéréophotométrie. Ces cartes sont recalées sur la géométrie scannée, puis converties en espace tangent pour reconstruire des champs de micro-relief destinés au rendu tactile optique. Le maillage grossier reste réservé à la détection de collisions. Pour la partie thermique, le système enregistre des vidéos infrarouges multivues synchronisées du refroidissement naturel d'un objet après un chauffage contrôlé, puis reconstruit un champ thermique dynamique régularisé par la physique. Testé sur 20 objets, le micro-relief conserve les structures dominantes de surface et restitue des détails de plus haute fréquence que le maillage grossier. L'erreur absolue moyenne de température sur des données mises de côté atteint 0,465 °C à 30 s et 0,592 °C à 45 s. Les actifs tactiles permettent une reconnaissance d'objets synthétique vers réel à partir d'observations tactiles. Un gant de réalité virtuelle démontre un retour thermique variable dans l'espace et dans le temps. L'intérêt tient à un manque réel des bibliothèques d'actifs 3D actuelles. Elles décrivent la géométrie à l'échelle de l'objet et l'apparence visuelle, mais ignorent la microstructure de surface, dont dépendent les capteurs tactiles optiques de type vision-based, et la dynamique de température, qui conditionne la perception d'un matériau au contact. Pour la robotique, cela ouvre la voie à une simulation plus fidèle de la manipulation fine, avec des données tactiles synthétiques exploitables pour entraîner des politiques ou des modèles de reconnaissance avant transfert au réel. Le résultat sur la reconnaissance synthétique vers réel va dans ce sens, mais il reste une validation limitée. Les erreurs thermiques sont mesurées sur des horizons courts (moins d'une minute) et sur 20 objets seulement. La chaîne de capture exige en outre du matériel dédié (scanner, éclairage photométrique, caméras infrarouges, chauffage contrôlé), ce qui freine le passage à l'échelle d'un catalogue industriel. On reste au stade de la preuve de concept de recherche, sans produit ni déploiement. Ce travail s'inscrit dans la montée en puissance de la simulation multimodale. Les jeux de données et méthodes de reconstruction 3D (maillages, NeRF, Gaussian splatting) se sont concentrés sur la géométrie et la photométrie, tandis que les simulateurs tactiles se sont surtout appuyés sur des capteurs optiques de type GelSight. La dimension thermique, elle, reste peu traitée dans les actifs de simulation. TouchTherm tente d'unifier ces trois canaux dans un même actif. L'article, publié sur arXiv (2610.01943), ne détaille pas ici de partenaire industriel ni de calendrier. Les suites logiques seraient l'extension à davantage de matériaux, des horizons thermiques plus longs, et l'intégration dans des simulateurs robotiques et des interfaces haptiques commerciales.

RecherchePaper
1 source
Attention à vis : l'algèbre des corps rigides au cœur d'un Transformer
707arXiv cs.RO 

Attention à vis : l'algèbre des corps rigides au cœur d'un Transformer

Des chercheurs publient sur arXiv (2610.00904) « Screw Attention », une couche de transformer qui intègre l'algèbre de la mécanique des corps rigides dans le mécanisme d'attention. Chaque token représente un corps doté d'une pose. Chaque paire de tokens porte la pose relative et, pour les articulations du robot, le « screw » (vissage) de la liaison, c'est-à-dire son torseur cinématique. La relation entre deux corps n'est donc plus une arête de graphe mais une transformation spatiale. Les messages sont transportés le long de cette relation jusque dans le repère du récepteur, tandis que les scores d'attention ne voient que des quantités invariantes au changement de repère. Les messages sont ainsi équivariants à un changement de repère indépendant à chaque token, et une seule couche peut exprimer la récurrence de vitesses de la mécanique des corps rigides. Sur LIBERO-Spatial, en simulation et à partir des poses d'objets seules (sans images ni langage), une version de 16 162 paramètres atteint 97,3 % de succès, au-dessus d'un réseau plat comptant 27 fois plus de paramètres. Si l'on change la convention de repère par maillon, son taux de succès ne bouge pas, alors que tous les autres réseaux appris tombent sous 3 %. Posée en résidu à porte sur un contrôleur analytique, la couche ajoute 17,3 points de succès en insertion. Elle reste insensible à un bruit de pose jusqu'à 10 mm et à des décalages articulaires restant dans la calibration d'usine d'un bras Franka. Le code et les politiques entraînées doivent être publiés, mais ne le sont pas encore. L'enjeu est celui de l'efficacité en données et de la robustesse. Les politiques de manipulation apprises, y compris les VLA (vision-langage-action) actuels, réapprennent à partir de données massives des relations spatiales que la mécanique fournit en forme close, ce qui coûte cher en démonstrations et les rend fragiles face à un changement de géométrie de la scène. Le résultat sur les conventions de repère est le plus parlant pour un intégrateur : une politique qui s'effondre quand on redéfinit les axes d'un maillon est peu transférable d'un robot ou d'un outil à l'autre. La tolérance au décalage de calibration d'un Franka répond à une préoccupation concrète de déploiement. Les auteurs en tirent un critère : la géométrie est décisive lorsque la tâche exige des relations entre repères qu'aucune autre partie du système ne fournit. Cela suggère que l'échelle n'est pas la seule voie, et que des biais inductifs bien choisis peuvent remplacer des paramètres. Il faut toutefois relativiser. Les résultats sont uniquement simulés, sur des benchmarks où l'état est donné sous forme de poses d'objets. Les 97,3 % ne disent donc rien de la perception, du langage ni du contact réel, et la comparaison porte sur des réseaux de même taille ou plus gros, non sur des VLA de pointe comme Pi-0 ou GR00T. Ce travail prolonge les architectures équivariantes (SE(3)-transformers, réseaux de graphes pour la manipulation) et la mécanique spatiale à la Featherstone, qu'il loge dans l'attention. Ce n'est pour l'instant qu'un préprint, sans pilote ni calendrier. La suite dépendra de la publication du code et d'un test sur robot physique, avec perception intégrée.

RecherchePaper
1 source
Apprentissage continu pour la synthèse de saisies à 6 DOF à partir de l'expérience et de démonstrations
708arXiv cs.RO 

Apprentissage continu pour la synthèse de saisies à 6 DOF à partir de l'expérience et de démonstrations

Des chercheurs publient sur arXiv (identifiant 2610.01301) un cadre d'apprentissage continu pour la synthèse de prises 6-DoF avec une pince parallèle, à partir d'une seule vue, dans des scènes encombrées. Leur méthode n'ajuste pas un grand modèle paramétrique. Elle adapte le système par une mémoire située dans un espace d'embedding appris. Les résultats de chaque tentative de saisie modifient les scores des prises futures. Des démonstrations fournies par l'utilisateur, facultatives, sont rappelées puis transférées vers de nouvelles scènes, où elles deviennent des prises candidates supplémentaires. L'évaluation combine simulation et expériences réelles, avec plus de 1500 essais de saisie. Selon les auteurs, le système égale les références 6-DoF existantes avant toute adaptation. Il progresse en ligne sur des objets inconnus, issus de catégories absentes ou sous-représentées à l'entraînement. Il tient un apprentissage continu sur le long terme avec peu d'oubli. Sur plusieurs catégories d'objets difficiles, il dépasse 90 % de réussite après seulement 50 tentatives en ligne. La vidéo et le code sont publiés sur la page du projet. Ce résultat s'attaque à un point faible de la manutention robotisée. La plupart des systèmes de saisie sont entraînés hors ligne puis figés au déploiement. Leurs performances baissent dès que les conditions s'écartent des données d'entraînement, par exemple avec une référence jamais vue dans un bac de e-commerce ou de logistique. Passer par une mémoire plutôt que par un réglage fin évite de réentraîner un gros modèle sur site. Cela limite le coût de calcul, le risque de régression et l'oubli catastrophique. Pour un intégrateur, 50 essais représentent quelques heures de fonctionnement. Un robot pourrait donc s'améliorer seul sur son assortiment réel, sans cycle de collecte et de réentraînement. Le canal de démonstrations donne aussi à un opérateur non spécialiste un moyen simple de corriger un échec. Il faut toutefois rester prudent. Il s'agit d'un preprint, pas encore évalué par les pairs. Les chiffres ne couvrent que quelques catégories choisies, sans information dans le résumé sur la diversité des objets, les temps de cycle ou le matériel. Le travail concerne uniquement la saisie par pince parallèle, pas la manipulation dextre ni les humanoïdes. Il s'inscrit dans la lignée des méthodes de saisie 6-DoF apprises, comme Contact-GraspNet et ses successeurs, et des modèles vision-langage-action généralistes. Ceux-ci restent en grande partie figés après l'entraînement. Cette approche à mémoire y ajoute une voie d'adaptation légère. La suite logique serait des essais en conditions industrielles, avec des cadences réelles et des assortiments variés.

RecherchePaper
1 source
DriftOPD : distillation à divergence KL inverse au niveau séquence pour politiques VLA en une seule étape
709arXiv cs.RO 

DriftOPD : distillation à divergence KL inverse au niveau séquence pour politiques VLA en une seule étape

Des chercheurs publient sur arXiv (2610.00317) DriftOPD, un cadre de distillation « on-policy » au niveau séquence, destiné aux experts d'action continus des modèles Vision-Language-Action (VLA). Ces experts d'action produisent de courts segments d'actions (« action chunks ») exécutés en commande à horizon glissant. L'entraînement par segment, pratique d'une morphologie de robot à l'autre, optimise la vraisemblance locale des actions sans tenir compte du succès de la tâche sur la durée. DriftOPD ne nécessite ni modèle enseignant séparé, ni déploiement de la politique (« rollout ») en boucle fermée. Les auteurs montrent que la divergence de Kullback-Leibler inverse au niveau séquence se décompose en deux termes : une KL inverse par segment et un terme de « potentiel futur » qui mesure l'effet à long terme de l'action courante. Le premier est optimisé par un objectif de « drifting » à une étape. Le second l'est par un critique Q appris à partir de démonstrations hors ligne. Le résultat est un expert d'action qui génère ses actions en une seule étape. Testé sur plusieurs architectures VLA, en simulation et en manipulation réelle, DriftOPD surpasse généralement les méthodes de distillation à une étape existantes. Il atteint un taux de succès comparable à celui des politiques enseignantes multi-étapes. Le résumé ne donne ni chiffres de succès, ni robots, ni architectures précis. L'enjeu est de lever un compromis qui pèse sur les politiques VLA. Les experts d'action de type diffusion ou flow-matching donnent de bons résultats mais demandent plusieurs étapes d'inférence, d'où une latence gênante pour le contrôle réactif. Les distiller en une étape accélère l'exécution, mais au prix d'une perte de qualité. Le gain annoncé tient à ce que le comportement à long terme est transféré sans interaction en ligne. Or l'apprentissage par renforcement sur robot réel coûte cher en temps machine, en supervision humaine et en risque de casse. Si les résultats se confirment, un intégrateur pourrait affiner une politique à partir de ses seules démonstrations existantes, sans campagne de collecte supplémentaire. Il faut rester prudent : il s'agit d'un préprint non évalué par des pairs, et seules les tables complètes (tâches, nombre d'essais, variance, latences mesurées) permettront de juger si « comparable à l'enseignant » vaut aussi pour des tâches longues et peu tolérantes aux erreurs. Ce travail s'inscrit dans la course à l'efficacité d'inférence des VLA. Pi-0 de Physical Intelligence, GR00T de NVIDIA et les systèmes à double architecture comme Helix de Figure reposent sur des têtes d'action génératives. La distillation en une étape, les modèles de cohérence et les approches inspirées du « drifting » visent à réduire leur coût de calcul. En parallèle, des méthodes d'apprentissage par renforcement post-entraînement cherchent à optimiser le succès de tâche, mais exigent des déploiements réels. DriftOPD se place entre ces deux familles : il reprend l'objectif de séquence de la seconde avec le coût hors ligne de la première. Les prochaines étapes à surveiller sont la publication du code et des résultats détaillés, ainsi que la reproduction par d'autres laboratoires sur des plateformes et tâches variées. La mesure de la latence de bout en bout sur matériel embarqué sera aussi déterminante.

RecherchePaper
1 source
ECoMEM : une mémoire à concepts explicites pour le contrôle de robots dépendant de la mémoire
710arXiv cs.RO 

ECoMEM : une mémoire à concepts explicites pour le contrôle de robots dépendant de la mémoire

Des chercheurs proposent ECoMEM (Explicit Concept Memory), une architecture de mémoire pour les politiques robotiques de type vision-langage-action (VLA), publiée sur arXiv en octobre 2026. Le système remplace l'historique brut ou la mémoire implicite apprise par une bibliothèque réutilisable de « concepts » ancrés dans les observations, par exemple la position d'un objet disparu du champ de vision, ce qu'un humain a démontré plus tôt, ou les étapes déjà accomplies d'une tâche. Un module Writer, fondé sur des preuves observées, sélectionne et met à jour ces enregistrements. Un module Reader, appris, les convertit en tokens de mémoire qui conditionnent directement la VLA. Sur le benchmark RoboMME (16 tâches), ECoMEM arrive en tête des politiques évaluées sur 15 tâches. Sur deux nouvelles tâches en robot réel, la même bibliothèque de concepts est soit réutilisée telle quelle, soit complétée par un seul nouveau concept. Le taux de succès atteint 86,1 %, contre 8,6 % pour une VLA sans mémoire. Les auteurs ne précisent pas, dans le résumé, la plateforme robotique, le nombre d'essais ni la VLA de base utilisée. Ce travail s'attaque à une faiblesse structurelle des VLA actuelles : elles décident à partir de l'observation courante et échouent dès que l'information utile n'est plus visible. Or les tâches à long horizon rencontrées en logistique, en assemblage ou en service (retrouver une pièce rangée hors champ, reprendre une séquence interrompue, répéter une démonstration) en dépendent. L'écart 86,1 % contre 8,6 % montre surtout que le cas sans mémoire est un plancher quasi nul sur ces tâches, ce qui est attendu par construction. La comparaison la plus utile serait celle avec les mémoires à historique long ou implicites. Pour les intégrateurs, l'intérêt tient à l'extensibilité annoncée : ajouter un concept plutôt que réentraîner une politique entière réduirait le coût d'adaptation à un nouveau poste. Il tient aussi à l'inspectabilité, car une mémoire explicite peut être lue et débogguée, ce qui compte pour la validation en environnement industriel. Ces affirmations restent à confirmer sur un nombre de tâches réelles réduit à deux, avec une définition des concepts qui reste conçue par des humains. Le résultat s'inscrit dans un débat de fond sur la mémoire des modèles robotiques. Les approches dominantes allongent le contexte d'images passées ou apprennent une mémoire latente à partir des seules trajectoires observation-action, ce que les auteurs jugent insuffisant puisque la supervision d'action n'indique pas quoi retenir. ECoMEM sépare donc la tenue d'un compte rendu du passé de l'apprentissage de l'action, une idée proche des architectures hiérarchiques ou à mémoire structurée explorées autour de familles comme Pi-0 ou GR00T. Le projet est publié avec un site dédié (ecomem.github.io). Les prochaines étapes à surveiller sont une validation sur davantage de tâches réelles, des comparaisons directes avec des baselines à mémoire récentes, et la capacité à générer ou découvrir automatiquement de nouveaux concepts sans intervention humaine.

RecherchePaper
1 source
Apprentissage par décomposition fréquentielle pour l'estimation du torseur d'effort sans capteur lors de contacts robotiques riches en vibrations
711arXiv cs.RO 

Apprentissage par décomposition fréquentielle pour l'estimation du torseur d'effort sans capteur lors de contacts robotiques riches en vibrations

Des chercheurs ont publié sur arXiv (référence 2604.12905, deuxième version) le Frequency-aware Decomposition Network (FDN), un réseau de neurones qui estime le torseur d'efforts (forces et couples) d'un robot sans capteur F/T, à partir de sa seule proprioception. Le modèle prédit plusieurs pas à l'avance et vise les contacts riches en vibrations, comme le meulage. Il sépare l'horizon de torseur en deux composantes. Une tendance basse fréquence est estimée par régression ponctuelle. Un résidu haute fréquence est modélisé par une distribution conditionnelle apprise. Des couches « frequency-aware » imposent une décomposition en bandes sur les sorties et amplifient de façon adaptative les amplitudes fréquentielles des entrées. Le système n'exige ni modèle de robot identifié, ni capteur F/T à l'inférence. Testé sur des données réelles de meulage issues d'un manipulateur hydraulique à 6 DOF, FDN réduit l'erreur d'amplitude haute fréquence jusqu'à 47 % face aux références, sous des retards supposés, tout en gardant une précision basse fréquence compétitive. Il estime un horizon de 1 000 ms en 11 ms sur un seul thread CPU. Les capteurs F/T sont fragiles et coûteux, et les méthodes sans capteur actuelles se comportent comme des filtres passe-bas. Elles conviennent à la saisie ou aux interactions lentes, mais elles perdent les composantes rapides qui caractérisent le meulage, le ponçage ou le martelage. Les résultats suggèrent qu'on peut conserver ces composantes sans matériel supplémentaire. Le gain concerne la robotique de finition, la construction et la manutention lourde, où un capteur au poignet s'use vite. L'estimation multi-pas répond à un problème rarement traité : les retards de communication rendent périodiquement obsolètes les estimations lors du déploiement. Un temps d'inférence de 11 ms sur CPU laisse penser que le calcul embarqué suffit pour une boucle de contrôle. Les limites sont nettes : une seule plateforme hydraulique, des tâches de meulage, et aucune comparaison annoncée avec un capteur F/T commercial en boucle fermée. Le chiffre de 47 % porte sur l'erreur d'amplitude, pas sur la performance de la tâche. Ces travaux prolongent l'estimation sans capteur fondée sur des modèles dynamiques identifiés ou des observateurs, puis les approches apprises, qui échouent à concilier précision ponctuelle et contenu haute fréquence. Dans une étude exploratoire, les auteurs transfèrent la dynamique de torseur apprise sur un jeu de données ouvert de manipulation quotidienne. L'erreur basse fréquence baisse de 8 %, mais la dynamique haute fréquence semble propre à chaque domaine. Cela limite la promesse d'un modèle de fondation du contact généraliste : la tendance se transfère, pas les vibrations. La suite logique serait de valider le modèle sur d'autres outils, matériaux et robots, puis de l'intégrer à un contrôle en boucle fermée. Il s'agit d'un résultat de recherche, sans produit ni déploiement industriel annoncé.

RecherchePaper
1 source
La solution d'OpenSpace Lab pour le concours d'exploration en intérieur IROS 2026
712arXiv cs.RO 

La solution d'OpenSpace Lab pour le concours d'exploration en intérieur IROS 2026

L'équipe OpenSpace Lab a publié sur arXiv (2610.01505) le rapport technique de sa participation au concours Intelligent Information Gathering for Single and Multi-Robot Systems, organisé dans le cadre de l'IROS 2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems). Elle termine 1re de la piste publique mono-robot et 3e des pistes privées mono-robot et multi-robots. Les taux de couverture atteignent 61,04 % sur la piste publique mono-robot, 39,53 % sur la piste privée mono-robot et 39,91 % sur la piste privée multi-robots. Côté architecture, le système mono-robot s'appuie sur des prédictions de complétion de carte issues d'un modèle pré-entraîné pour guider la planification globale vers les zones non explorées. Une stratégie fondée sur le temps restant intègre une contrainte de retour au point de départ (« homing ») dans la décision, afin de concilier couverture et durée d'opération limitée. En multi-robots, la sélection des cibles est pilotée par une fonction d'utilité qui arbitre entre gain d'observation, coût de déplacement et budget, avec partage de la carte et des intentions entre robots pour éviter les recherches redondantes. Il s'agit d'un rapport succinct : un article complet est en préparation et le code, annoncé sur GitHub (OpenSpace-Lab/Indoor-Exploration-IROS2026), ne sera publié qu'après acceptation de ce manuscrit. L'intérêt tient surtout à ce que ces chiffres disent de l'état de l'exploration autonome en intérieur. Une couverture de 61 % en piste publique, qui tombe à environ 40 % sur les pistes privées, montre un écart net de généralisation entre scènes connues et scènes inédites. Elle rappelle que les benchmarks ouverts surestiment la performance réelle, un point à garder en tête pour les intégrateurs qui évaluent des solutions d'inspection, de cartographie ou de patrouille en environnement non structuré. Autre signal : le gain du multi-robots reste minime en piste privée (39,91 % contre 39,53 % en mono-robot, avec des rangs identiques), ce qui suggère que la coordination ne se traduit pas encore par un avantage mesurable sur ce jeu de test. Les résultats concernent par ailleurs un concours, avec des contraintes de temps propres, et non un déploiement industriel. Aucun détail n'est fourni sur la taille des scènes, le nombre de robots ni la comparaison avec les autres équipes. Ces travaux s'inscrivent dans la lignée de l'exploration par frontières, où le robot se dirige vers la limite entre espace connu et inconnu, que les approches récentes enrichissent par de la prédiction de carte apprise pour anticiper la structure des pièces non vues. Les concurrents du concours restent non précisés dans le résumé. Les suites sont connues : un article étendu à soumettre et une publication du code conditionnée à son acceptation, ce qui laisse la reproductibilité en suspens pour l'instant. Pour les acteurs industriels de l'AMR et de l'inspection, la valeur à surveiller sera la robustesse de la complétion de carte hors distribution, et la possibilité de la reproduire.

RecherchePaper
1 source
InterEvolve : évolution à l'inférence des programmes de récompense pour la loco-manipulation humanoïde
713arXiv cs.RO 

InterEvolve : évolution à l'inférence des programmes de récompense pour la loco-manipulation humanoïde

Des chercheurs publient sur arXiv (2610.02196) InterEvolve, une méthode qui permet à un humanoïde de résoudre des tâches de locomanipulation pour lesquelles son contrôleur n'a jamais été entraîné, sans réentraînement. Le système repose sur un modèle fondation comportemental « forward-backward » (FB) sensible aux objets. Des résidus d'objet, ajoutés à un modèle de corps gelé, convertissent au moment du test une nouvelle récompense, portant sur le corps ou sur les objets, en comportement de locomanipulation. Les tâches sont décrites par des « programmes de récompense » : des récompenses par étapes, avec conditions d'achèvement et constantes ajustables. Un agent LLM révise la structure du programme en contexte, à partir des retours d'exécution et d'une bibliothèque de programmes vérifiés. Un optimiseur numérique règle les constantes. Chaque candidat est validé dans plusieurs scénarios de simulation parallèles. Les compétences évoluées ont été exécutées de façon autonome sur un Unitree G1 physique, à partir de la perception égocentrique embarquée. Le résumé ne donne ni taux de réussite, ni temps de cycle, ni nombre d'itérations. L'intérêt est de déplacer l'effort d'ingénierie. Au lieu de collecter des démonstrations ou de relancer un entraînement par renforcement pour chaque nouvelle tâche, on suppose qu'un contrôleur généraliste contient déjà l'essentiel de la compétence motrice, et on la rend accessible par une interface de planification expressive, exécutable et mesurable. Les auteurs affirment que les récompenses conçues à la main laissent inexploitée une grande part des capacités du modèle FB, et que les programmes évolués les libèrent, parfois par des stratégies inédites. Pour un intégrateur, la promesse est une adaptation à de nouvelles tâches sans nouveau cycle d'entraînement. Les limites sont nettes : la validation est surtout en simulation, la démonstration physique se limite à une plateforme, le G1, et aucune comparaison chiffrée n'est donnée dans le résumé. L'écart entre simulation et réalité reste donc à mesurer sur des tâches industrielles. Ce travail s'inscrit dans deux courants. Le premier est celui des modèles fondation comportementaux et des contrôleurs généralistes pour humanoïdes, qui visent un contrôle du corps entier réutilisable. Le second est la conception de récompenses par LLM, déjà explorée avec des approches comme Eureka. InterEvolve y ajoute une mémoire sous forme de bibliothèque de compétences vérifiées, ainsi qu'une vérification parallèle en simulation. Il se distingue des approches VLA (vision-langage-action) comme Pi-0, Helix ou GR00T, qui apprennent directement une politique à partir de données. Ici, le LLM fait de la planification et de l'optimisation, et le contrôle bas niveau reste figé. Le G1, très répandu en recherche, est la plateforme de démonstration habituelle. Les prochaines étapes à surveiller sont la publication du code, des évaluations sur d'autres robots et des tâches plus longues en conditions réelles.

RecherchePaper
1 source
Grands modèles de récompense : génération de récompenses robotiques en ligne et généralisable grâce aux modèles vision-langage
714arXiv cs.RO 

Grands modèles de récompense : génération de récompenses robotiques en ligne et généralisable grâce aux modèles vision-langage

Des chercheurs proposent les Large Reward Models (LRM), un cadre qui transforme des modèles vision-langage (VLM) de base en générateurs de récompense image par image, destinés à affiner des politiques de manipulation robotique. Le VLM de pointe retenu est spécialisé sur un jeu de données multi-sources : trajectoires de robots réels, interactions humain-objet et environnements de manipulation simulés. Contrairement aux approches qui évaluent les trajectoires a posteriori, les LRM exposent trois interfaces de récompense à partir des seules observations visuelles : estimation de progression, détection d'achèvement de la tâche et comparaison contrastive temporelle. Partant d'une politique apprise par imitation (IL), les auteurs utilisent ces signaux pour guider un affinage par PPO sur des tâches de manipulation à long horizon non vues pendant l'entraînement. La récompense de progression s'impose comme le meilleur signal en ligne sans information privilégiée : elle améliore la politique IL de référence et réduit l'écart avec les récompenses « privilégiées » issues de l'état interne de l'environnement. Côté matériel réel, elle sert à pondérer un clonage comportemental (behavioral cloning) selon la progression, sur quatre tâches de manipulation et deux plateformes robotiques, avec un gain sur le fine-tuning supervisé (SFT) classique dans les quatre cas. Le résumé ne donne ni modèle de VLM, ni taux de réussite chiffrés, ni noms de robots. L'enjeu est celui d'un goulot d'étranglement bien connu : l'apprentissage par renforcement (RL) peut améliorer les politiques de manipulation, mais écrire une fonction de récompense à la fois sémantiquement pertinente et réutilisable d'une tâche à l'autre reste coûteux, et se fait aujourd'hui surtout à la main, tâche par tâche. Si ces résultats se confirment, un VLM spécialisé pourrait servir de récompense générique, ce qui réduirait l'ingénierie de récompense pour les intégrateurs et ouvrirait la voie à une auto-amélioration des robots en déploiement, sans instrumentation de la scène. Des réserves s'imposent : l'écart avec les récompenses privilégiées est réduit, pas comblé ; la validation réelle ne porte que sur quatre tâches, et sur du clonage comportemental pondéré plutôt que sur du RL en ligne sur robot physique. Le travail relève de la recherche (preprint arXiv, version 3), sans produit ni déploiement industriel. Ces travaux s'inscrivent dans la montée des modèles de fondation pour la robotique, des VLA (vision-langage-action) comme Pi-0 ou GR00T aux VLM utilisés comme juges ou générateurs de récompense. Les approches précédentes de récompense par modèle de langage ou de vision restaient souvent limitées à une évaluation après coup, ce que les LRM cherchent à dépasser avec un signal exploitable en ligne. La suite logique serait de tester ces récompenses en RL directement sur robot réel, sur un plus grand nombre de tâches, et de mesurer leur robustesse face aux erreurs d'estimation de progression, qui peuvent être exploitées par la politique. Le résumé ne cite aucun acteur européen ni partenaire industriel.

RecherchePaper
1 source
ActiveWAM : vision active tenant compte des preuves pour les modèles monde-action
715arXiv cs.RO 

ActiveWAM : vision active tenant compte des preuves pour les modèles monde-action

Des chercheurs publient ActiveWAM, un modèle unifié « monde-action » (world-action model) destiné à la manipulation à vision active, c'est-à-dire des politiques qui pilotent à la fois les effecteurs et la caméra. Le système génère des actions bimanuelles et des mouvements pan/tilt, y compris des comportements de maintien du point de vue (« stay ») et de réacquisition, à partir d'un historique tenant compte des vues, puis met à jour son contexte avec les nouvelles images RGB mesurées. Il est entraîné par une « inversion au moment de l'entraînement » (training-time inversion), qui contraint un prior vidéo figé par les preuves visuelles de la tâche et les changements temporels visibles. Cela supprime l'inversion au test et le classement de candidats. La prédiction de vidéo future sert de signal de co-entraînement, mais la génération d'actions n'exige ni décodage vidéo futur ni annotation de point de vue optimal. L'équipe introduit aussi RoboTwin-AV, un benchmark de 50 tâches avec contrôle pan/tilt exécutable et démonstrations générées automatiquement. ActiveWAM gagne jusqu'à 17,0 points de pourcentage de réussite hors distribution sur TAVIS face aux meilleures références. Il devance Fast-WAM de 20,0 points sur RoboTwin-AV et de 26,7 points sur des tâches physiques de cuisine en conditions réelles. L'intérêt tient à la manière dont le travail formalise un problème souvent traité de façon empirique. Bouger la caméra pour acquérir une nouvelle vue peut écarter du champ des indices critiques pour la tâche, tandis que conserver la vue perd des observations potentiellement utiles. Poser ce compromis « garder ou acquérir » comme un problème de gestion des preuves, appris conjointement avec la manipulation, évite de recourir à des heuristiques de recherche de vue ou à du classement de candidats coûteux à l'exécution. Le fait que l'action se génère sans décoder la vidéo future réduit aussi la charge de calcul au déploiement, un point sensible pour les intégrateurs. Les gains réels de 26,7 points sont notables, mais ils portent sur des tâches de cuisine dont le nombre et la diversité ne sont pas précisés dans le résumé. Le benchmark étant introduit par les mêmes auteurs, la comparaison reste à confirmer par des évaluations indépendantes. Ce travail s'inscrit dans l'essor des modèles monde-action, qui exploitent des priors vidéo pré-entraînés pour guider le contrôle, avec Fast-WAM comme principale référence ici. La plupart des politiques de manipulation actuelles supposent une caméra fixe ou montée sur la tête, et ne contrôlent pas activement la vue. Le benchmark RoboTwin-AV prolonge l'écosystème RoboTwin en y ajoutant le contrôle de caméra, ce qui pourrait servir de base commune à d'autres équipes. Il s'agit d'une publication de recherche, sans produit, déploiement industriel ni calendrier commercial annoncés. Les prochaines étapes naturelles seraient des tests sur davantage de plateformes, des environnements moins structurés que la cuisine, et une intégration avec les grands modèles VLA du secteur.

RecherchePaper
1 source
Continuer, abandonner ou tomber : sélection de politique tenant compte de la viabilité (VAPS) pour l'acrobatie humanoïde sûre
716arXiv cs.RO 

Continuer, abandonner ou tomber : sélection de politique tenant compte de la viabilité (VAPS) pour l'acrobatie humanoïde sûre

Des chercheurs présentent VAPS (Viability-Aware Policy Selection), un cadre de sécurité pour les mouvements acrobatiques de robots humanoïdes, comme les flips, où une erreur de politique, une perturbation ou un écart sim-to-real peut endommager le matériel. Le problème de départ est simple: une politique de suivi de mouvement n'offre aucune issue une fois que le robot s'écarte de sa trajectoire de référence. Les auteurs entraînent donc, en plus d'une politique de chute protectrice, une politique d'abandon capable d'interrompre le mouvement à tout instant et de réceptionner le robot sur ses pieds. À chaque pas de contrôle, des prédicteurs appris estiment si la politique nominale de suivi et la politique d'abandon restent viables sur un horizon court. Une hiérarchie dite « du moindre sacrifice » conserve alors le comportement le plus ambitieux encore viable: continuer, abandonner ou tomber. En simulation, avec des perturbations aléatoires, VAPS réduit nettement les contacts de la tête et des mains, principales sources de dommages matériels. Les tests couvrent deux plateformes, l'Unitree G1 et le LimX Oli. Sur l'Oli, les prédicteurs de viabilité et le contrôleur complet ont été validés pour des flips latéraux. Les auteurs indiquent que VAPS domine au sens de Pareto les meilleures alternatives à réseau unique qu'ils ont pu entraîner, dont une politique de suivi sûr de bout en bout et des politiques élèves distillées à partir des décisions de leur propre oracle de routage, à la fois sur le succès de la tâche et sur l'impact à la tête. Le cadre sert aussi à superviser des politiques sous-entraînées. Le résumé ne donne aucun chiffre précis de réduction des contacts, de taux de succès ou de nombre d'essais sur matériel réel, et la validation sur l'Oli semble limitée au flip latéral. L'intérêt pour l'industrie tient à un angle souvent absent des démonstrations: le coût de l'échec. Les vidéos d'acrobaties humanoïdes montrent les réussites, rarement les chutes qui détruisent un poignet ou un capteur de tête. Une couche de supervision qui décide à chaque instant s'il faut poursuivre, se rattraper ou amortir la chute est une condition pour répéter ces mouvements sur des machines coûteuses, et plus largement pour déployer des humanoïdes dans des environnements où l'écart entre simulation et réalité ne disparaît pas. Le résultat suggère aussi qu'un routage explicite entre politiques spécialisées bat les politiques monolithiques, même distillées, ce qui nuance l'idée d'un réseau unique capable de tout gérer. Ce travail s'inscrit dans la vague de politiques de suivi de mouvement pour humanoïdes, qui ont rendu les flips et autres mouvements dynamiques courants en recherche, et dans une littérature sur la chute sûre et la récupération. Il s'agit d'un preprint arXiv (v1), non évalué par les pairs, validé principalement en simulation. L'usage de l'Oli de LimX, aux côtés du G1 d'Unitree, reflète la diffusion de ces plateformes dans les laboratoires. La suite logique serait une validation matérielle plus large, sur davantage de mouvements et avec des statistiques d'essais, avant toute intégration dans des produits commerciaux.

RecherchePaper
1 source
Estimation d'articulation conditionnée par une requête à partir d'une seule image
717arXiv cs.RO 

Estimation d'articulation conditionnée par une requête à partir d'une seule image

Des chercheurs présentent QueryArt, un modèle qui estime les paramètres cinématiques d'objets articulés (portes, tiroirs, charnières) à partir d'une seule image RGB, d'un point de requête 2D désignant la partie d'intérêt et des intrinsèques de la caméra. Le modèle prédit la géométrie d'articulation 3D relativement au point interrogé, exprimée en unités de profondeur de ce point. Une seule mesure de profondeur à cet endroit suffit ensuite pour restituer l'échelle et obtenir les paramètres métriques. L'entraînement repose sur un mélange sélectionné de jeux de données synthétiques et réels. Sur plusieurs benchmarks, QueryArt dépasse les approches récentes sur la plupart des métriques d'articulation, y compris sur des données hors distribution. Côté robot, l'équipe l'a testé sur un manipulateur mobile : 57 essais de manipulation, 16 parties d'objets, cinq classes de points de vue, pour un taux de réussite de 70,2 %. Le code et des vidéos sont publiés avec l'article (arXiv 2610.01726). L'intérêt tient à deux verrous que les méthodes monoculaires actuelles laissent ouverts. Elles couplent la segmentation des parties articulées et l'estimation de l'articulation, ce qui les rend fragiles : une détection manquée ou une association de parties erronée fait échouer toute la prédiction. Elles régressent aussi une géométrie métrique que la vue unique ne fixe qu'à un facteur d'échelle près, ce qui rend la cible mal définie. En conditionnant la prédiction sur un point de requête et en travaillant en unités de profondeur, QueryArt rend la cible identifiable depuis l'image seule et transfère l'échelle à un capteur de profondeur ponctuel, que presque tout robot mobile possède déjà. Pour un intégrateur, cela rapproche la manipulation d'objets jamais vus d'une chaîne simple : un point choisi, une mesure de profondeur, une action. Reste que 70,2 % de réussite sur 57 essais est un résultat de laboratoire, avec un échantillon modeste, loin des taux de fiabilité exigés en production. Le texte ne détaille pas ici les conditions d'essai ni les échecs. Ces travaux s'inscrivent dans une lignée de recherches sur l'estimation d'articulation depuis une image unique ou des observations multiples, souvent dépendantes de la segmentation de parties ou de scans 3D préalables. QueryArt se compare à des références récentes de cette famille, sans que le résumé les nomme. La prochaine étape logique est son intégration avec des politiques de manipulation de type VLA, qui pourraient fournir le point de requête à partir d'une instruction en langage naturel. Le code et les vidéos, accessibles sur la page du projet, permettront à d'autres équipes de vérifier ces résultats et de mesurer la robustesse du modèle hors du cadre des benchmarks.

RecherchePaper
1 source
Recova : récupération sur échec guidée par des agents pour la manipulation robotique autonome
718arXiv cs.RO 

Recova : récupération sur échec guidée par des agents pour la manipulation robotique autonome

Des chercheurs présentent sur arXiv Recova, un cadre logiciel piloté par un agent qui traite les échecs de manipulation robotique, ces situations où la scène se retrouve dans un état dont la politique de tâche ne peut plus sortir. Le système développe conjointement l'exécution de la tâche et la récupération dans un jumeau numérique reconstruit de la scène. L'agent y diagnostique les pannes, teste des programmes correctifs et collecte des trajectoires réussies, pour la tâche comme pour la récupération, destinées à entraîner deux politiques distinctes. En déploiement, il surveille la progression, déclenche une récupération apprise ou programmée, vérifie que la scène est restaurée, puis reprend la tâche. Si aucune récupération adaptée n'existe, une démonstration humaine règle le cas et alimente la boucle d'apprentissage. Les essais réels et les démonstrations sont routés vers la politique concernée pour un entraînement DAgger. Sur six configurations LIBERO-Pro et quatre catégories MolmoSpaces, Recova atteint 78,8 % et 64,9 % de succès moyen, contre 71,7 % et 38,0 % pour les meilleures méthodes de référence. Sur quatre postes robotisés réels collectant en parallèle, le fine-tuning DAgger fait passer le succès moyen de 23,8 % à 77,5 %, et les compétences de récupération le portent à 87,5 %. Sur une tâche donnée, l'intervention humaine observée tombe de 87,5 % à 0 % en quatre cycles de collecte. L'enjeu dépasse la robustesse brute. La plupart des politiques VLA et des pipelines d'imitation sont évalués sur des trajectoires nominales, alors que le coût opérationnel d'un robot en production tient largement à ce qui se passe après l'échec : objet tombé, scène désordonnée, nécessité d'un opérateur. Recova propose de transformer chaque panne en capacité réutilisable et de réduire progressivement la supervision humaine, ce qui répond directement à la question du coût de téléopération et d'assistance à distance pour les intégrateurs et les exploitants. Le résultat le plus parlant est l'écart sur MolmoSpaces (64,9 % contre 38,0 %), plus marqué que sur LIBERO-Pro. Des réserves s'imposent toutefois : l'évaluation réelle repose sur peu de postes et de tâches, la baisse de l'intervention à 0 % ne concerne qu'une seule tâche, et rien n'est dit sur les temps de cycle, les coûts de reconstruction du jumeau numérique ou la généralisation à des scènes très différentes. Il s'agit d'un travail de recherche, sans produit livré ni déploiement industriel. Le travail s'inscrit dans la convergence entre agents LLM de planification, jumeaux numériques pour la génération de données et apprentissage par correction de type DAgger, une voie explorée pour limiter la dépendance à la collecte massive de démonstrations. Il se positionne face aux approches de fine-tuning de VLA et de simulation à grande échelle que poursuivent des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T) ou Figure (Helix), qui misent surtout sur davantage de données plutôt que sur une récupération explicite des échecs. LIBERO-Pro et MolmoSpaces servent ici de bancs d'essai standardisés. La suite logique serait de valider l'approche sur davantage de tâches, de postes et de durées d'exploitation, et de mesurer ses gains en conditions de production, ce que la page projet de l'équipe, liuisabella.com/Recova, ne détaille pas à ce stade.

RecherchePaper
1 source
UniTrackPLA : modèle unifié panorama-langage-action pour la navigation guidée par instructions et le suivi de personnes en mouvement
719arXiv cs.RO 

UniTrackPLA : modèle unifié panorama-langage-action pour la navigation guidée par instructions et le suivi de personnes en mouvement

UniTrackPLA est un modèle panorama-langage-action présenté dans un preprint arXiv (2610.00878v1) qui traite avec une seule politique deux tâches habituellement séparées: la navigation vers une destination décrite en langage naturel et le suivi dynamique d'une personne, quel que soit son azimut initial. Son encodage panoramique (Panoramic-Aware Encoding, PAE) conserve la structure temporelle et azimutale des vues en perspective projetées depuis chaque panorama. Les encodeurs visuels pré-entraînés sur des images en perspective peuvent ainsi traiter des observations omnidirectionnelles. Un backbone vision-langage partagé ancre l'instruction dans le contexte panoramique et prédit des blocs de waypoints continus, exprimés dans le repère du robot. Un module de cohérence monde-action (World-Action Consistency, WAC) prédit les états visuels futurs conditionnés par l'action et vérifie en ligne les préfixes de waypoints. Les actions jugées fiables sont réutilisées, et une incohérence déclenche une replanification. Le jeu de données OmniTrackNav-Bench compte 5 000 trajectoires de suivi simulées, 10 000 routes de navigation simulées (VLN) et 96 routes réelles vérifiées, soit 919 978 instances de supervision par waypoints. Le taux de succès (SR) global en suivi passe de 23,50 % à 35,00 %. En navigation omnidirectionnelle, le SR et le SPL passent de 13,00 % et 12,77 % à 19,75 % et 19,29 %. L'ajout de 76 routes réelles fait grimper l'EP@0,2 m sur les routes réservées à l'évaluation de 42,92 % à 92,08 %. Des essais en boucle fermée ont été menés sur un robot quadrupède à roues Go2-W, en intérieur comme en extérieur. L'intérêt tient à la fois à l'architecture et aux ordres de grandeur. La plupart des approches reposent sur une caméra frontale et sur des politiques distinctes pour la navigation et le suivi. Cela empêche de retrouver une personne située dans le dos du robot et d'avoir un contrôle unifié en boucle fermée. Un panorama traité par un encodeur pré-entraîné évite de repartir de zéro côté perception. La vérification en ligne des actions répond aussi à un problème pratique des VLA, qui exécutent des séquences d'actions sans savoir si elles restent valides. Les chiffres demandent toutefois de la prudence. Les gains simulés sont réels mais les taux absolus restent bas, avec 35 % de succès en suivi et moins de 20 % en navigation. Le saut à 92 % sur le réel porte sur un jeu de test restreint, issu d'un faible nombre de routes. Il montre surtout le poids des données réelles, sans prouver une robustesse en conditions industrielles. Ces travaux s'inscrivent dans la vague des modèles vision-langage-action pour la navigation, qui ciblent surtout des caméras frontales, et des systèmes de suivi de personne entraînés séparément. Le choix d'un Go2-W, plateforme d'Unitree très répandue en recherche, favorise la reproductibilité. Une page de projet est annoncée. Les suites probables sont l'extension du corpus réel, bien plus petit que le simulé, et des tests dans des environnements encombrés et peuplés. Le preprint n'indique ni déploiement commercial ni calendrier.

RecherchePaper
1 source
Exploration autonome basée sur les régions et attentive au SLAM : une stratégie de cartographie efficace, robuste et capable de passer à l'échelle
720arXiv cs.RO 

Exploration autonome basée sur les régions et attentive au SLAM : une stratégie de cartographie efficace, robuste et capable de passer à l'échelle

Des chercheurs proposent une stratégie d'exploration autonome d'intérieurs qui découpe l'environnement en régions discrètes, que le robot explore et stabilise une à une avant de passer à la suivante. Le travail, publié sur arXiv (version 3 du preprint 2504.10416), repose sur une cartographie SLAM (localisation et cartographie simultanées) dite « SLAM-aware ». Lorsqu'une région est terminée et jugée stable, le système marginalise les keyframes associées : il élimine des variables du problème d'optimisation tout en conservant l'information utile qu'elles portaient. Un système de points de contrôle permet en outre de reprendre l'exploration depuis la dernière région stable après une défaillance, sans tout recommencer. Testée dans des maisons et des bureaux réels ainsi qu'en simulation, la méthode revendique par rapport à l'état de l'art une réduction de 85 % des keyframes utilisées, de 50 % des submaps en bureau et de 32 % en habitation, de 78 à 80 % du temps d'optimisation du graphe de poses, et de 10 à 15 % de la durée d'exploration. L'intérêt est d'abord computationnel. Dans les méthodes classiques, le graphe SLAM grossit avec la surface explorée, ce qui fait dériver le coût de l'optimisation et augmente le risque de corruption de carte sur de grands espaces. En figeant les zones stabilisées, la méthode plafonne en partie cette croissance, ce qui compte pour les robots mobiles embarqués aux ressources limitées, comme les aspirateurs ou les AMR de service. Le point de reprise répond à un problème d'exploitation bien connu des intégrateurs : un échec en fin de cartographie oblige souvent à repartir de zéro. Les gains les plus nets portent sur la charge de calcul, tandis que les 10 à 15 % de temps gagné restent plus modestes. Le texte ne précise ni le matériel, ni les surfaces, ni le nombre d'environnements testés, ni les méthodes de référence, donc ces chiffres sont difficiles à comparer en l'état. Il s'agit d'un résultat de recherche, pas d'un produit livré ni d'un déploiement commercial. Ce travail s'inscrit dans la longue série des recherches sur l'exploration autonome, où l'on cherche à concilier couverture rapide, stabilité de la carte et budget de calcul. Les approches fondées sur les frontières ou sur l'information mutuelle, et les systèmes de SLAM à sous-cartes, restent les références, mais traitent rarement l'exploration et la gestion de la complexité du SLAM de façon conjointe. La marginalisation de keyframes existe déjà dans le SLAM visuel-inertiel ; son couplage à une logique d'exploration par régions en est ici la nouveauté. Les auteurs ne nomment pas d'industriel ni de calendrier de transfert. La suite logique serait une validation sur de plus grands bâtiments, avec des comparaisons chiffrées publiques et une intégration dans des piles logicielles de robots domestiques ou de service.

RecherchePaper
1 source
Conditionnement continu des VLA par des descripteurs de tâche EMG et visuels complémentaires
721arXiv cs.RO 

Conditionnement continu des VLA par des descripteurs de tâche EMG et visuels complémentaires

Des chercheurs proposent d'enrichir les modèles Vision-Language-Action (VLA) avec des signaux de conditionnement autres que le langage. Leur étude, publiée sur arXiv (2610.01794), part du constat que les VLA reçoivent des entrées multimodales mais dépendent presque exclusivement d'une instruction textuelle pour savoir quelle tâche accomplir. Les auteurs testent deux variantes ajustées (fine-tunées) d'un VLA. La première, EC-VLA, intègre l'activité électromyographique (EMG) d'un opérateur humain: huit canaux d'enveloppes EMG sont concaténés au vecteur proprioceptif, comme signal de conditionnement continu. La seconde, VA-VLA, ajoute aux images d'entrée des annotations de segmentation visuelle qui désignent l'objet visé. L'évaluation porte sur une tâche de sélection de cubes, avec trois participants, face à une référence guidée uniquement par une consigne en langage naturel. EC-VLA égale la référence textuelle dans des scènes dégagées et proches de la distribution d'entraînement, puis la dépasse nettement dans des scènes encombrées hors distribution. VA-VLA affiche un gain modeste en distribution et une amélioration substantielle dans les scènes encombrées hors distribution. Les auteurs parlent de « preuves solides », mais le protocole reste étroit: une seule tâche, trois participants, et le résumé ne publie aucun taux de réussite chiffré ni la taille du modèle de base. Il s'agit d'un résultat de laboratoire, pas d'un produit ni d'un déploiement. L'intérêt pour l'industrie tient à une limite connue des VLA: une phrase comme « prends le cube rouge » devient ambiguë quand la scène est chargée ou que plusieurs objets se ressemblent. Ces travaux suggèrent qu'un canal de spécification continu, qu'il soit biologique ou visuel, lève une partie de cette ambiguïté, là où le langage seul cale. Pour les intégrateurs, la piste concerne surtout les interfaces homme-robot. Elle intéresse la téléopération assistée, la prothétique et l'exosquelette, où l'EMG existe déjà. Elle vaut aussi pour les postes collaboratifs, où un opérateur pourrait désigner une cible par un geste ou un clic plutôt que par une consigne verbale. Le gain en dehors de la distribution d'entraînement répond à une critique récurrente: la fragilité des VLA quand la scène s'écarte des données vues. Ces travaux s'inscrivent dans un mouvement plus large d'extension du conditionnement des VLA, au-delà du texte, vers des signaux de but, des trajectoires ou des annotations visuelles. Les modèles de référence comme Pi-0, GR00T ou Helix restent centrés sur le langage. La question de la généralisation à des tâches plus variées, à davantage d'utilisateurs et à une EMG moins contrôlée (sueur, déplacement des électrodes, fatigue) reste ouverte, et c'est là que se jouera la crédibilité de l'approche hors du laboratoire.

RecherchePaper
1 source
NarrativeFlow : un modèle vision-langage-action (VLA) à flux utilisant les champs de vitesse du robot
722arXiv cs.RO 

NarrativeFlow : un modèle vision-langage-action (VLA) à flux utilisant les champs de vitesse du robot

NarrativeFlow, publié sur arXiv (2610.00981v1) et accompagné d'une page projet, est un modèle vision-langage-action (VLA) qui génère des « flux robotiques », c'est-à-dire des champs de vitesse continus décrivant le mouvement du robot, à partir d'une instruction en langage naturel. Les auteurs le formulent par flow matching, conditionné sur le texte. L'objectif est d'obtenir des trajectoires physiquement cohérentes avec la manipulation réelle. Le résumé indique que NarrativeFlow surpasse des méthodes de référence sur des jeux de données standards de manipulation conditionnée par le langage, puis qu'il obtient des taux de réussite supérieurs sur plusieurs tâches en conditions réelles. Aucun chiffre n'est fourni dans le résumé : ni taux de succès, ni nombre de tâches, ni plateforme robotique, ni liste des baselines. Il s'agit d'une prépublication, sans produit, sans déploiement ni calendrier annoncé. L'enjeu porte sur le goulot d'étranglement des modèles de fondation en robotique : la collecte de données propres à chaque morphologie, longue et coûteuse. Un flux de vitesse sert ici de représentation centrée sur le mouvement et indépendante de l'embodiment, ce qui permettrait de mutualiser des données issues de plateformes différentes (bras, mains, voire vidéos). Si l'approche tient ses promesses, un intégrateur pourrait réutiliser des corpus existants au lieu de recollecter des démonstrations pour chaque robot. Les auteurs positionnent leur travail face à deux limites : les méthodes qui approximent grossièrement les flux par des déplacements de points clés épars, et celles qui ne gèrent pas la consigne en langage. Reste à vérifier la généralisation entre morphologies, la robustesse hors laboratoire et le coût de calcul, trois points que le résumé ne documente pas. Les gains « sur les métriques standards » restent à examiner dans l'article complet, notamment la difficulté des tâches réelles et la taille des échantillons d'essais. Ce travail s'inscrit dans la course aux représentations intermédiaires transférables entre robots, alors que des VLA comme Pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA) misent surtout sur la diffusion ou le flow matching directement sur les actions, avec des données massives. Les approches par flux ou par points clés cherchent à tirer parti de vidéos humaines et de données hétérogènes pour contourner cette dépendance. NarrativeFlow prolonge cette lignée en remplaçant les points clés épars par un champ continu. La suite dépendra de la publication du code et des résultats détaillés, ainsi que d'une comparaison directe avec les VLA généralistes sur des benchmarks communs. À ce stade, il s'agit d'une contribution de recherche à confirmer, non d'un système prêt pour l'industrie.

RecherchePaper
1 source
TRACE : sélection privée de la meilleure prochaine vue sur des cartes 3D en Gaussian Splatting distribuées
723arXiv cs.RO 

TRACE : sélection privée de la meilleure prochaine vue sur des cartes 3D en Gaussian Splatting distribuées

Des chercheurs publient sur arXiv (2610.00822) TRACE, un protocole qui permet à une équipe de robots de choisir leur prochaine vue d'observation sans jamais partager leurs cartes. Chaque robot construit sa propre carte 3D en Gaussian Splatting (3DGS) et la garde privée. Il sélectionne la vue au gain d'information attendu (EIG) maximal sur les gaussiennes de son propre trajet. Or ce gain dépend des cartes des autres : leurs gaussiennes occultent les siennes ou rayonnent derrière elles, de sorte que l'EIG doit être évalué sur la carte agrégée, qu'aucun robot ne possède. Les auteurs montrent que ce couplage ne passe que par deux quantités le long des rayons, la transmittance devant une gaussienne et la radiance derrière elle, toutes deux sommes sur les impacts du rayon. Chaque robot calcule donc ces sommes par intervalles de profondeur dans sa carte, le long des rayons de la vue candidate, et envoie ces agrégats avec leurs dérivées de pose. Le robot planificateur en déduit l'EIG et son gradient sur SO(3). Sur 100 décisions dans Habitat-Sim, TRACE choisit un cap à moins de 15 degrés de la solution centralisée dans 83,3 % des cas, et les vues retenues atteignent 97,9 % de l'EIG centralisé. L'intérêt tient à la taille des messages, qui ne croît pas avec celle des cartes. Aucune gaussienne n'est transmise : la confidentialité vient de la structure du problème, pas d'un chiffrement ajouté. Pour l'exploration multi-robots, c'est une voie pour coopérer sans exposer la géométrie ni l'apparence d'un site, ce qui compte pour des flottes inter-entreprises ou des environnements sensibles (usines, sites logistiques, infrastructures). Les auteurs prouvent que la reconstruction est exacte, sauf lorsqu'un intervalle de profondeur situé derrière une gaussienne mêle des impacts de deux robots, et ils bornent l'erreur dans ce cas. Les chiffres appellent toutefois de la prudence : 83,3 % de caps proches signifie qu'une décision sur six s'écarte de plus de 15 degrés, et les résultats viennent de la simulation seule. Rien ne dit encore comment le protocole tient face au bruit de localisation, aux latences réseau ou à des cartes réelles. Le travail s'inscrit dans la montée du 3DGS comme représentation de carte pour la robotique, en alternative aux grilles d'occupation et aux NeRF, et dans la littérature sur la sélection de la meilleure prochaine vue (next-best-view) et l'exploration active. Il s'agit d'une préprint v1, sans code ni déploiement annoncés dans le résumé, et d'une démonstration de principe, pas d'un produit. Les suites logiques seraient une validation sur robots physiques, avec plus de deux ou trois agents, et une analyse des fuites d'information résiduelles dans les agrégats échangés. Aucun acteur européen n'est cité dans le résumé.

RecherchePaper
1 source
Génération de mouvements sûrs en temps réel sur tout le corps pour robots continuum multi-segments à câbles
724arXiv cs.RO 

Génération de mouvements sûrs en temps réel sur tout le corps pour robots continuum multi-segments à câbles

Des chercheurs proposent un cadre de commande en espace d'actionnement pour des robots continus à câbles (tendon-driven continuum robots) planaires à plusieurs segments, capable de générer des mouvements sûrs sur l'ensemble du corps en temps réel. Le travail repose sur un modèle de courbure variable fondé sur l'énergie, qui prend en compte l'espacement non uniforme des câbles et la rigidité de flexion variable le long de la structure. Ce modèle fournit des jacobiennes analytiques, utilisées pour la cinématique inverse différentielle et la surveillance de sécurité. Un programme quadratique à contraintes CBF (control barrier functions) multipoints garantit une distance minimale entre l'épine dorsale du robot et les obstacles, y compris mobiles, tout en respectant les bornes de vitesse d'actionnement. La dimension de décision du problème dépend uniquement du nombre de segments actionnés indépendamment. Face aux références GVS, l'erreur de courbure maximale du modèle est de 5,223 × 10⁻² m⁻¹. Sur 100 essais en simulation MuJoCo, la méthode atteint 96 % de réussite sans collision en scénario statique et 100 % en scénario dynamique, contre environ 60 % et 80 % sans contraintes CBF. Avec 600 points de surveillance sur l'épine dorsale, le temps moyen par pas de commande est de 6,66 ms. L'intérêt tient à un verrou classique des robots continus : leur flexibilité, précieuse en environnement encombré (chirurgie mini-invasive, inspection de cavités, maintenance de machines), rend la modélisation précise et l'évitement de collision sur tout le corps difficiles à tenir sous contrainte temps réel. Ici, le coût de calcul ne grimpe pas avec la densité de surveillance, puisque la dimension du QP reste liée au nombre de segments, et 6,66 ms par pas avec 600 points laissent une marge pour une boucle de commande à plusieurs centaines de hertz. Les écarts de réussite entre avec et sans CBF (96 % contre environ 60 % en statique) montrent l'apport concret des contraintes de sécurité. Des réserves s'imposent toutefois : les résultats sont obtenus uniquement en simulation, en configuration planaire, et le 96 % en statique signale des cas d'échec résiduels non détaillés dans le résumé. Les tests de traversée de trou démontrent la faisabilité en milieu confiné, sans validation sur matériel. Ces travaux s'inscrivent dans la lignée des modèles à courbure constante par morceaux, dont l'hypothèse d'uniformité limite la précision pour des structures à géométrie ou rigidité variable. La référence GVS (variante de la théorie des tiges de Cosserat à déformation variable) sert ici de vérité terrain. Les CBF, déjà largement employées pour les manipulateurs rigides et les robots mobiles, sont ici adaptées à un corps déformable. Les suites logiques sont l'extension au cas spatial 3D, la validation sur un prototype réel avec bruit de perception et frottements des câbles, et l'intégration d'une perception des obstacles en ligne. Il s'agit d'une publication de recherche (preprint arXiv), non d'un produit ni d'un déploiement.

RecherchePaper
1 source
AdaptManip : apprentissage du levage et de la livraison adaptatifs d'objets en corps entier, avec estimation d'état récurrente en ligne
725arXiv cs.RO 

AdaptManip : apprentissage du levage et de la livraison adaptatifs d'objets en corps entier, avec estimation d'état récurrente en ligne

Des chercheurs publient AdaptManip, un cadre entièrement autonome qui permet à un robot humanoïde d'enchaîner navigation, saisie et livraison d'un objet, le tout appris par apprentissage par renforcement (RL) en simulation, sans démonstration humaine ni données de téléopération. Le système repose sur trois briques couplées. Un estimateur récurrent suit l'objet manipulé en temps réel malgré un champ de vision limité et des occlusions. Une politique de base corps entier assure une locomotion robuste, complétée par un contrôle de manipulation « résiduel » (une correction ajoutée à la politique de marche) pour soulever et livrer l'objet de façon stable. Enfin, un estimateur de position globale par LiDAR fournit une localisation peu sujette à la dérive. Tout est entraîné en simulation puis déployé sur matériel réel en zero-shot, sans réglage supplémentaire. Les auteurs affirment que la méthode surpasse nettement les approches de référence, dont celles par apprentissage par imitation, en adaptabilité et en taux de réussite global, et montrent une séquence complète autonome sur un humanoïde réel. L'article est une version révisée (v2) d'un dépôt arXiv de février 2026. L'intérêt tient à la cible visée : la fragilité des politiques par imitation face aux perturbations. Ces approches dépendent de démonstrations coûteuses à collecter, et leur robustesse hors distribution reste leur point faible. Montrer qu'un pipeline purement RL, sans téléopération, peut transférer au réel une tâche mêlant locomotion et manipulation corps entier irait dans le sens d'une thèse défendue par une partie du secteur : le sim-to-real devient viable pour la loco-manipulation, et pas seulement pour la marche. Pour un intégrateur, le point le plus concret est l'estimateur d'état qui continue de suivre l'objet quand la caméra le perd de vue, un cas fréquent en logistique, où les bras et la charge masquent la scène. Les réserves restent classiques : il s'agit d'un résumé académique, sans charge utile, temps de cycle, taux de réussite chiffrés ni modèle d'humanoïde précisés, et rien n'indique la variété d'objets ou d'environnements testés. Ce travail s'inscrit dans la course aux politiques corps entier pour humanoïdes. Elle oppose les approches de modèles vision-langage-action (VLA) entraînés sur des données de téléopération, comme celles de Figure (Helix) ou de Physical Intelligence (Pi-0), à des approches RL en simulation. AdaptManip se range dans la seconde famille, plus économe en données mais dépendante de la fidélité du simulateur. La suite logique serait une validation sur des charges et des objets plus variés, des mesures de cycle en conditions réelles, puis un test hors laboratoire. Aucun pilote industriel ni calendrier n'est annoncé : on reste au stade de la recherche.

RecherchePaper
1 source
Même scène, tâche différente : alignement des compétences pour la généralisation compositionnelle des modèles VLA
726arXiv cs.RO 

Même scène, tâche différente : alignement des compétences pour la généralisation compositionnelle des modèles VLA

Des chercheurs, dont l'équipe derrière le site taegeunyang.github.io/craft, publient sur arXiv (2610.00524) CRAFT, une méthode d'entraînement destinée à améliorer la généralisation compositionnelle des modèles VLA (vision-language-action). Le problème visé est précis: un VLA affiné sur des démonstrations échoue souvent à exécuter des combinaisons de compétences absentes de ces démonstrations, même si chaque compétence prise isolément a bien été démontrée. Les auteurs testent CRAFT sur trois modèles VLA et deux benchmarks en simulation, et sur un robot réel. Ils annoncent une hausse du taux de succès sur les combinaisons non démontrées, sans perte notable sur les combinaisons démontrées. Le résumé ne fournit aucun chiffre de gain, ni le nom des modèles ou des benchmarks, ni le type de robot, ce qui empêche pour l'instant de mesurer l'ampleur réelle de l'amélioration. L'intérêt tient au diagnostic autant qu'au remède. Les auteurs identifient un « raccourci visuel »: pendant le fine-tuning, l'observation visuelle sert de substitut à l'instruction. La politique reconnaît une scène déjà vue et rejoue la combinaison associée, au lieu de suivre la consigne donnée. Si ce mécanisme se confirme à grande échelle, il remet en cause l'idée que des VLA robustes en démonstration suivent réellement le langage. Pour un intégrateur, la conséquence est concrète: un robot qui réussit « poser la pièce puis visser » dans une cellule peut échouer sur « visser puis poser » dans la même cellule, sans qu'aucun test de démonstration ne le révèle. Cela renforce l'exigence de bancs d'essai qui varient l'instruction à scène constante, plutôt que de mesurer la seule réussite sur des tâches vues. À ce stade, les résultats restent ceux d'un preprint, sans revue par les pairs. Techniquement, CRAFT construit des paires contrefactuelles: l'observation d'une démonstration est conservée, l'instruction est changée pour désigner une combinaison jamais démontrée. Ces paires n'ont pas d'action cible. Les actions de la compétence requise ne peuvent pas être copiées telles quelles, car une même compétence exige des gestes différents selon la scène. La méthode transfère donc la supervision à partir de représentations de compétences réutilisables d'une exécution à l'autre. Elle s'inscrit dans le travail sur la généralisation compositionnelle des VLA, face aux approches qui comptent sur davantage de données ou de diversité de scènes. Les prochaines étapes à surveiller sont la publication du code, les chiffres détaillés et la validation sur des tâches longues et des plateformes industrielles.

RechercheOpinion
1 source
UrbanVLA : un modèle vision-langage-action (VLA) pour la micromobilité urbaine
727arXiv cs.RO 

UrbanVLA : un modèle vision-langage-action (VLA) pour la micromobilité urbaine

Des chercheurs publient sur arXiv (2510.23576, version 2) UrbanVLA, un cadre Vision-Language-Action (VLA) conditionné par une route, conçu pour la navigation de micromobilité urbaine, c'est-à-dire des robots de livraison qui doivent suivre des itinéraires longs dans des villes réelles. Le système aligne explicitement des waypoints de route bruités avec les observations visuelles pendant l'exécution, puis planifie des trajectoires pour piloter le robot. L'entraînement se fait en deux étapes. Une phase de Supervised Fine-Tuning (SFT) utilise des environnements simulés et des trajectoires extraites de vidéos web. Une phase de Reinforcement Fine-Tuning (RFT) s'appuie ensuite sur un mélange de données simulées et réelles, afin d'améliorer la sécurité et l'adaptabilité en conditions réelles. Les auteurs affirment un gain de plus de 55 % face à des références solides sur la tâche SocialNav du benchmark MetaUrban, ainsi qu'une navigation réelle fiable. Le résumé ne donne ni payload, ni plateforme robotique, ni vitesse, ni distances parcourues. L'intérêt tient à la structuration du problème. Les méthodes de navigation actuelles ciblent surtout des scénarios courts et contrôlables, alors qu'une livraison urbaine exige deux niveaux de compétence : bas niveau (atteindre un point, éviter les obstacles) et haut niveau (faire correspondre la route prévue à ce que le robot voit). Pour les intégrateurs de robots de trottoir, l'enjeu est de savoir si un VLA peut absorber des itinéraires GPS ou cartographiques imparfaits, sans recalibrage manuel par site. L'usage de vidéos web pour amorcer l'apprentissage vise à réduire le coût de collecte de données, un des principaux freins du secteur. Il faut toutefois rester prudent : le chiffre de 55 % provient d'un benchmark simulé, dont le choix des baselines n'est pas détaillé dans le résumé. La robustesse « réelle » annoncée n'est étayée ici par aucune métrique publique. Reste à voir si le transfert sim-to-real tient hors des scénarios sélectionnés pour la démonstration. Ce travail s'inscrit dans la vague des modèles VLA, d'abord développés pour la manipulation (Pi-0, GR00T, Helix) et désormais étendus à la navigation. Il vise un marché déjà occupé par des robots de livraison à roues, comme ceux de Starship Technologies, dont la navigation repose en grande partie sur des cartes préconstruites et des piles modulaires. Un VLA de bout en bout leur oppose une approche plus généraliste, mais moins éprouvée en sécurité. La mention d'une version 2 indique un article révisé, probablement après relecture. Les prochaines étapes à surveiller sont la publication du code, des modèles et des données, ainsi que des essais sur de longs parcours en environnement dense, seuls capables de confirmer ou non l'échelle revendiquée.

IA physiqueActu
1 source
Simulation à fidélité bornée comme scène de démonstration : transfert de mocap pour des benchmarks de gouvernance
728arXiv cs.RO 

Simulation à fidélité bornée comme scène de démonstration : transfert de mocap pour des benchmarks de gouvernance

Des chercheurs proposent un motif de conception baptisé « bounded-fidelity sim-as-démo-stage », destiné aux benchmarks de gouvernance de robots pilotés par des LLM. Le principe est de supprimer la physique de contact à l'intérieur d'enveloppes de transfert d'objet explicitement délimitées (saisie, transport, dépose), tout en conservant la dynamique complète partout ailleurs. L'implémentation repose sur la primitive « mocap-body » de MuJoCo, pilotée par un adaptateur Python de 220 lignes que le pont de gouvernance appelle via des intentions structurées. Les auteurs définissent la stabilité de la chaîne d'audit comme l'égalité octet à octet du journal d'événements haché d'une relecture à l'autre. Sur 1000 relectures par configuration, la variante mocap produit un seul hash distinct (1000/1000 identiques, intervalle de Wilson à 95 % : [0,997 ; 1,000]). La base de référence en contact physique en produit 584 distincts, avec 993 relectures sur 1000 divergentes. Un balayage du pas de temps (1, 2, 5 et 10 ms) montre que la divergence reste à 0,985 à chaque valeur. Une gigue de ±10 pas de simulation sur les bords de l'enveloppe (1400 relectures) n'entraîne aucune divergence. Les chaînes restent identiques pour 1, 2 ou 3 objets transférés successivement (1500 relectures), avec un surcoût par opération de prise et dépose qui croît de façon sous-linéaire. L'enjeu touche à la manière dont on évalue la gouvernance des robots à base de LLM. Quand un simulateur sert à démontrer qu'un pipeline d'admission, de politique, de contrat et d'audit se comporte correctement, le bruit d'intégration des forces de contact introduit des divergences dans la chaîne d'audit sans rapport avec la propriété testée. Le résultat indique que ce non-déterminisme est structurel et non un défaut de réglage, puisqu'il ne dépend pas du pas de temps. Pour un intégrateur ou un responsable conformité, cela signifie qu'un benchmark de gouvernance peut devenir reproductible au bit près pour un coût d'ingénierie quasi nul. Il faut toutefois lire ces chiffres pour ce qu'ils sont : une démonstration en simulation, sur un seul moteur physique, qui ne dit rien du comportement d'un robot réel. Les auteurs le reconnaissent en cartographiant les cas où le motif est nuisible : validation sim-to-real, entraînement de politiques et tâches riches en contacts. Ce travail s'inscrit à contre-courant d'une recherche sim-to-real qui poursuit la fidélité physique comme objectif principal, en jugeant un simulateur à sa capacité à reproduire les dynamiques de contact réelles. Ici, le simulateur n'est qu'une scène de démonstration pour la couche de gouvernance, et la fidélité devient un handicap localisé. L'article est un préprint arXiv (v1) et n'annonce ni produit, ni pilote, ni déploiement industriel. Les suites logiques seraient l'adoption du motif par d'autres benchmarks de gouvernance et sa validation sur d'autres simulateurs ou d'autres tâches, ce que l'article ne documente pas.

RecherchePaper
1 source
UniWAM : modèle unifié du monde et de l'action
729arXiv cs.RO 

UniWAM : modèle unifié du monde et de l'action

UniWAM, présenté sur arXiv (2610.02054, première version), est une architecture unifiée qui combine trois blocs : un « raisonneur physique » issu d'un modèle vision-langage préentraîné, un générateur de monde (vidéo) et un prédicteur d'actions. L'ensemble apprend conjointement la compréhension sémantique du monde physique, la génération visuelle et la prédiction d'actions. Les auteurs ont construit un pipeline de nettoyage et d'annotation pour les données égocentriques humaines et les données robot. Les actions bas niveau sont exprimées en langage naturel, afin de préserver les capacités linguistiques du modèle de base. Le préentraînement répartit les supervisions entre composants : VQA (questions-réponses visuelles), vidéos égocentriques humaines et démonstrations robot. Au post-entraînement, une augmentation par bruit visuel sur le futur réduit la dépendance à des prédictions précises, et un flow matching conditionné par l'historique d'actions initialise la génération d'actions. Selon les auteurs, cela réduit nettement le nombre d'étapes de débruitage sans perte de performance. Ils revendiquent l'état de l'art en performance in-distribution, robustesse, généralisation, suivi d'instructions et tâches longues. Le résumé ne donne ni chiffres ni noms de benchmarks. L'intérêt est de s'attaquer à un compromis connu. Les modèles VLA (vision-langage-action) héritent du raisonnement des VLM, mais une supervision limitée aux actions leur donne peu d'ancrage dans la dynamique physique. À l'inverse, les modèles monde-action, bâtis sur la génération vidéo, captent bien les régularités spatio-temporelles mais comprennent et raisonnent moins bien hors distribution. Unifier les deux dans un seul modèle est une réponse directe à ce problème de robustesse, qui compte pour les intégrateurs confrontés au fossé entre démo et déploiement. La réduction des étapes de débruitage compte aussi pour la latence de contrôle, point faible des approches fondées sur la vidéo. Le résultat le plus transposable est la loi d'échelle log-linéaire du co-entraînement humain-robot. Si elle se confirme, elle soutient l'idée que les vidéos humaines, bien moins chères que la téléopération, peuvent servir de levier de données. Prudence toutefois : il s'agit d'un préprint non évalué par les pairs, sans test annoncé sur robot en production. Ce travail s'inscrit dans la course entre VLA (Pi-0 de Physical Intelligence, GR00T de NVIDIA, Helix de Figure) et modèles monde-action, qui exploitent la génération vidéo pour la planification. Il prolonge aussi la tendance à exploiter les données égocentriques humaines pour pallier la rareté des démonstrations robot. Le résumé ne cite ni équipe, ni plateforme robotique, ni calendrier de publication du code ou des poids. Il faudra donc attendre le texte complet pour juger du protocole, de la comparaison avec les références et de la validation sur matériel réel.

RecherchePaper
1 source
Préhension et levage aérien du corps entier à partir d'observations visuelles partielles
730arXiv cs.RO 

Préhension et levage aérien du corps entier à partir d'observations visuelles partielles

Des chercheurs publient sur arXiv (2610.00404) un cadre d'apprentissage permettant à un drone équipé d'un bras manipulateur et d'une pince de saisir puis soulever un objet à partir d'observations visuelles partielles. Une seule politique, entraînée entièrement en simulation, pilote simultanément le vol, le mouvement du bras et la fermeture de la pince, sans signal explicite de phase de tâche (approche, acquisition, levage). L'architecture repose sur un duo enseignant-élève récurrent. L'enseignant, doté d'informations privilégiées sur la cible, apprend par renforcement avec un curriculum d'états critiques. Celui-ci expose d'abord les phases d'acquisition et de levage, puis les raccorde aux trajectoires d'approche normales. L'élève visuel récurrent, auquel l'enseignant est distillé, remplace ces informations privilégiées par des nuages de points issus de deux vues et par la proprioception, et intègre l'historique des observations. Un objectif dédié à la fermeture supervise le moment de saisie à partir de séquences prolongées où la préparation est jugée atteinte par le modèle. Sur 8 996 épisodes simulés, l'élève figé atteint 99,97 % de succès sur la tâche complète en conditions nominales, 97,14 % avec physique et contrôle randomisés, et 95,84 % avec en plus des caméras randomisées. L'erreur d'alignement à l'acquisition (90e centile, moyenne pondérée par le nombre de verrouillages) est de 8,12 mm en nominal. Pour l'industrie, ce travail s'attaque à un verrou connu de la manipulation aérienne : l'enchaînement d'une approche, d'une saisie et d'un levage alors que la cible entre et sort du champ de vision. Le curriculum répond à un problème d'entraînement concret, car les échecs précoces d'approche privent la politique d'exemples des étapes tardives. La distillation vers une politique purement visuelle suggère une voie crédible pour des drones d'inspection, de logistique ou de maintenance en hauteur. Les chiffres demandent toutefois de la prudence. Ils proviennent d'un modèle simulé de saisie : verrouillage déclenché par condition, attachement virtuel et charge appliquée par torseur (wrench) pour de courts levages. Cela ne reproduit ni le contact réel, ni la dynamique du transport, ni le bruit des capteurs. Aucun essai sur matériel n'est mentionné dans le résumé, et le transfert sim-to-real reste donc à démontrer. La baisse d'environ 4 points sous randomisation des caméras indique déjà une sensibilité résiduelle aux perturbations de perception. Ce travail s'inscrit dans la lignée de la manipulation aérienne, longtemps dominée par des contrôleurs classiques ou des pipelines modulaires séparant perception, planification et préhension. Il applique à ce domaine des recettes de l'apprentissage par renforcement et de l'imitation issues de la robotique au sol, comme l'enseignant privilégié et l'élève visuel. Le résumé ne cite ni entreprise ni acteur européen, et ne annonce aucun pilote ni calendrier. La prochaine étape logique est une validation sur drone réel, avec un contact physique, des charges plus lourdes et des distances de levage plus longues.

RecherchePaper
1 source
Allocation de bases guidée par la raideur d'interaction dans les primitives de mouvement dynamiques pour un transfert de compétences efficace
731arXiv cs.RO 

Allocation de bases guidée par la raideur d'interaction dans les primitives de mouvement dynamiques pour un transfert de compétences efficace

Des chercheurs proposent SC-DMPs (Stage-Criticality-Guided Dynamic Movement Primitives), une variante des Dynamic Movement Primitives destinée à l'apprentissage de compétences robotiques où certaines phases exigent une précision supérieure aux autres. Les DMPs classiques représentent une trajectoire par un système dynamique stable, modulé par une somme de fonctions de base dont la disposition est fixée à l'avance, en général uniformément sur la phase canonique. SC-DMPs remplace cette grille rigide par une allocation adaptative. Un indice de criticité par étape est construit en combinant deux signaux : la raideur d'interaction entre l'opérateur et le robot pendant la démonstration, et un indice de cohérence de trajectoire, dérivé de la variabilité dans l'espace tâche entre plusieurs démonstrations. Les centres des fonctions de base sont ensuite redistribués dans le temps normalisé par une inversion de la criticité cumulée, puis reportés sur la phase canonique. Leurs largeurs sont également ajustées pour moduler le support d'approximation local. Les articles concernés sont validés sur des trajectoires d'écriture manuscrite et trois tâches sur robot réel, dont l'arXiv ne détaille pas ici les plateformes ni les tâches précises. Pour les intégrateurs et les équipes qui transfèrent des savoir-faire par démonstration, l'enjeu est une meilleure utilisation de la capacité du modèle sans l'alourdir. Une grille uniforme gaspille des fonctions de base sur les segments simples, comme les approches en espace libre, et en manque dans les zones à fort enjeu : insertion, contact, passage de contraintes géométriques. Selon les auteurs, la criticité inférée se concentre bien dans les régions géométriquement exigeantes et contraintes par la tâche. Les comparaisons avec DMP, ProMP, ProDMP, GP-MP et KMP montrent une meilleure reproduction de trajectoire, une meilleure généralisation du point final et une meilleure précision aux étapes critiques, tout en conservant un modèle compact et la structure stable des DMPs classiques. À noter : il s'agit d'un préprint sans relecture par les pairs, et les gains chiffrés, les marges et les conditions expérimentales ne figurent pas dans le résumé, ce qui limite l'évaluation de l'ampleur réelle de l'amélioration. Ces travaux s'inscrivent dans la lignée des primitives de mouvement, apparues avec les DMPs d'Ijspeert et Schaal, puis étendues par les approches probabilistes (ProMP), leur variante ProDMP, les processus gaussiens (GP-MP) et les méthodes à noyaux (KMP). Ces alternatives gagnent en expressivité statistique, souvent au prix d'une stabilité moins directe ou d'un modèle plus lourd. SC-DMPs prend le parti inverse : conserver la garantie de stabilité des DMPs et redistribuer intelligemment les ressources. Ce courant reste distinct des politiques VLA et de l'apprentissage par imitation de bout en bout, qui dominent la course humanoïde, mais il répond à un besoin concret en manipulation de précision, où la donnée de démonstration est rare. Les suites probables incluent des validations sur des tâches industrielles plus variées et une publication en revue, aucune date ni aucun partenaire industriel n'étant annoncé.

RecherchePaper
1 source
quARtet Marker : un marqueur fiduciel multi-tags imprimable en 3D pour une estimation de pose robuste en vue quasi frontale
732arXiv cs.RO 

quARtet Marker : un marqueur fiduciel multi-tags imprimable en 3D pour une estimation de pose robuste en vue quasi frontale

Des chercheurs ont publié sur arXiv (2610.01072) le quARtet Marker, un marqueur fiduciel imprimable en 3D qui regroupe quatre AprilTags inclinés dans une seule empreinte compacte. Tous les coins détectés des quatre tags alimentent une unique résolution Perspective-n-Point (PnP), et une configuration partagée définit à la fois la géométrie fabriquée et le modèle du détecteur. Trois dispositions sont proposées, qui arbitrent entre cohérence de l'estimation de pose et préhensibilité. Dans des essais à caméra fixe référencée au robot, toutes ont ramené l'erreur moyenne d'orientation en vue frontale de 2,18 degrés (tag plan unique) à 0,24-0,47 degré, et l'erreur de position RMS de 1,50 mm à 0,17-0,20 mm. Un test de maintien de pose avec caméra embarquée sur le robot, en boucle fermée, a confirmé cet écart. Lors d'essais de chute pendulaire, les deux dispositions à bandes de contact planes ont retenu l'objet avec environ 2 mm de glissement dans la prise, contre environ 100 mm pour la disposition sans bandes. L'enjeu est très concret pour la manipulation de matériel de laboratoire, où verres transparents et surfaces réfléchissantes mettent en échec la perception directe. Les fiduciels plans sont faciles à ajouter après coup et laissent la face plane, mais ils sont les moins fiables en vue quasi frontale, justement la configuration la plus naturelle pour un robot qui s'approche d'un objet. Les marqueurs non plans restaurent les indices de perspective, mais empiètent sur la zone que doit saisir une pince parallèle. Les résultats chiffrent ce compromis et en tirent une règle de conception claire : la disposition sans bandes plates quand la cohérence de pose prime, une disposition avec bandes plates quand la face marquée doit rester saisissable. Un gain d'un ordre de grandeur sur l'erreur de position, sans changer de capteur, intéresse les intégrateurs d'automates de laboratoire, au prix d'un objet à marquer et d'une empreinte à réserver. Il faut toutefois relativiser la portée. Les conclusions valent pour les conditions testées, avec des essais en configuration identique et un nombre de scénarios limité, et la comparaison porte sur un seul tag plan de référence. Il s'agit d'une preuve de concept académique, non d'un produit commercial, sans déploiement industriel ni prix annoncés. Le travail s'inscrit dans la lignée des fiduciels AprilTag, devenus un standard de localisation en robotique, et des marqueurs multi-faces ou volumétriques déjà explorés pour contourner l'ambiguïté de pose des tags plans. Le choix de l'impression 3D et d'une géométrie partagée avec le détecteur facilite la reproduction. Les suites logiques seraient une validation sur davantage de types de contenants et de conditions d'éclairage, puis une comparaison avec les approches de perception sans marqueur.

RecherchePaper
1 source
Apprentissage d'un champ jacobien cohérent en résolution pour un doigt bio-inspiré rigide-souple
733arXiv cs.RO 

Apprentissage d'un champ jacobien cohérent en résolution pour un doigt bio-inspiré rigide-souple

Des chercheurs proposent Jacobian Flow Matching (JFM), un cadre d'apprentissage publié sur arXiv (2610.01668) qui modélise le Jacobien d'un doigt dextre « rigide-souple » à tendons, d'inspiration biologique. Il repose sur le Conditional Flow Matching (CFM) et traite la transition entre actionnement et mouvement comme un flux dynamique. Le modèle permet une prédiction en un pas, ou un déroulement continu par intégration d'équations différentielles ordinaires (ODE). Testé sur un doigt réel à tendons, il réduit de plus de 53 % le RMSE moyen global par rapport à une méthode de base d'apprentissage de Jacobien discret, et il supprime les erreurs aberrantes. Pour la prédiction à long horizon avec un échantillonnage clairsemé (stride de 8), les trajectoires reconstruites par ODE réduisent la médiane du RMSE de 14,43 % et la variance de l'erreur de 24,87 %. Il s'agit de résultats de laboratoire sur un seul type de doigt, sans déploiement industriel ni produit associé. Ce travail s'attaque à un problème concret de la main robotique dextre. Les doigts qui combinent structures rigides et éléments souples, entraînés par tendons, sont non linéaires et leur sensibilité varie selon la configuration, ce qui rend la modélisation analytique difficile. Les algorithmes cinématiques classiques s'appuient sur des approximations linéaires locales du Jacobien, valables point par point. Leur performance dépend donc de la fréquence d'échantillonnage des capteurs et de celle de mise à jour du contrôleur. Un modèle cohérent d'une résolution temporelle à l'autre rend le contrôle moins fragile face à ces paramètres, ce qui compte pour qui intègre des mains à tendons avec des capteurs et des boucles de commande hétérogènes. Les auteurs visent l'optimisation de trajectoires multi-étapes hors ligne. Il faut toutefois rester prudent : le gain de 14 % sur la médiane à long horizon reste modeste, et l'évaluation porte sur un seul doigt, sans tâche de manipulation de bout en bout ni comparaison avec des politiques VLA. Le contexte est celui d'une course à la dextérité dans la robotique humanoïde. Les mains à tendons et à compliance intégrée gagnent en popularité parce qu'elles sont robustes et se rapprochent de l'anatomie humaine, mais elles restent plus difficiles à modéliser et à contrôler que les mains à articulations rigides. L'approche appartient à la tendance qui applique les méthodes génératives issues du flow matching, déjà présentes dans des modèles de politiques comme Pi-0, à des problèmes de modélisation physique plus bas niveau. La suite logique passerait par une validation sur des mains complètes, avec contact et objets, puis par une intégration dans des boucles de contrôle temps réel. L'article n'annonce ni pilote ni calendrier.

RecherchePaper
1 source
Imitation générative antagoniste à partir d'observations, fondée sur l'expérience et la faisabilité, malgré des morphologies différentes
734arXiv cs.RO 

Imitation générative antagoniste à partir d'observations, fondée sur l'expérience et la faisabilité, malgré des morphologies différentes

Des chercheurs proposent EF-GAIfO (Experience-Based Feasibility-Aware Generative Adversarial Imitation from Observation), une méthode d'apprentissage par imitation à partir d'observations, publiée sur arXiv sous la référence 2610.01171. Elle apprend à un robot à partir de trajectoires d'états sans étiquettes d'actions, comme celles que fournissent les interfaces de démonstration sans robot. Son principe est d'estimer la faisabilité de chaque démonstration humaine à partir de l'expérience propre du robot. Elle ne s'appuie ni sur un modèle dynamique explicite, ni sur un grand jeu de données d'exploration préalable. La zone jugée faisable n'est pas figée: elle s'élargit à mesure que la politique progresse et que le robot rencontre des transitions d'état plus variées, ce qui permet d'intégrer peu à peu des démonstrations d'abord écartées. La validation porte sur une tâche de locomotion en simulation et sur un robot quadrupède réel, qui doit atteindre et saisir un objet. Le résumé ne donne ni taux de réussite, ni nombre d'essais, ni modèle de robot, ni comparaison chiffrée avec d'autres méthodes. L'enjeu est un problème que connaissent bien les équipes qui collectent des démonstrations humaines pour entraîner des robots: l'écart d'incarnation. Un humain et un robot n'ont ni la même morphologie ni la même dynamique. Une partie des mouvements démontrés est donc physiquement irréalisable pour la machine, et les imiter à l'aveugle peut dégrader la politique apprise. Les critères de faisabilité employés jusqu'ici sont souvent conçus à la main, ou exigent un modèle de dynamique ou de vastes données d'exploration, ce qui pèse sur le coût de déploiement. Un critère qui évolue avec l'apprentissage pourrait réduire cette ingénierie. Il serait aussi utile pour les approches qui exploitent des vidéos ou des gants de capture, où les actions ne sont pas annotées. Il faut toutefois rester prudent: il s'agit d'un préprint à la première version, non évalué par des pairs. La preuve sur matériel se limite apparemment à une seule tâche sur un quadrupède, loin de la manipulation dextre d'un humanoïde. Rien n'indique que la méthode passe à l'échelle de tâches longues ou de plateformes à nombreux degrés de liberté. Le travail s'inscrit dans la lignée de l'apprentissage antagoniste génératif par imitation (GAIL), décliné en version sans actions (GAIfO), qui entraîne un discriminateur à distinguer les transitions d'états de l'expert de celles de la politique. Sa limite connue est de supposer que toutes les démonstrations sont atteignables. La tendance actuelle, portée par les modèles vision-langage-action (VLA) et par les données de téléopération, laisse ouverte la question de l'exploitation de vidéos humaines pour des robots d'autre forme. Les suites naturelles sont des tests sur davantage de tâches, sur des humanoïdes et face à des méthodes de référence, avec des chiffres publiés. Aucun pilote industriel ni calendrier n'est annoncé à ce stade.

RecherchePaper
1 source
Détection tactile photoréflective externe fondée sur la mesure de la déformation de surface
735arXiv cs.RO 

Détection tactile photoréflective externe fondée sur la mesure de la déformation de surface

Des chercheurs proposent une méthode de détection tactile pour robots souples qui ne place aucun capteur dans la zone de contact. Un module photoréflectif, c'est-à-dire un couple émetteur-récepteur optique qui mesure la lumière renvoyée par une surface, est fixé à l'extérieur de la peau en silicone. Il lit la déformation de cette surface et en déduit la force de contact. Les auteurs ont d'abord caractérisé l'élément optique et la peau compliante, puis arrêté la conception d'un prototype. Des essais de compression montrent une relation force-sortie monotone, conforme à la théorie, avec une faible hystérésis, une bonne répétabilité sur des cycles répétés et une réponse peu sensible à la vitesse d'indentation. Le module a aussi été monté sur une pince souple, où il détecte de façon fiable les événements de saisie. Le résumé ne donne ni plage de force, ni résolution, ni sensibilité, ni taux de détection chiffré. Il s'agit d'une démonstration de laboratoire, sans déploiement industriel ni produit annoncé. Cette version v2 de l'article arXiv 2511.06311 remplace la précédente. L'intérêt tient à l'architecture. Dans les peaux tactiles courantes pour robots souples, les transducteurs sont noyés dans l'élastomère ou remplacés par des cavités remplies de liquide. Cela complique la fabrication et la maintenance, et ajoute des fils qui gênent la flexibilité. Surtout, le capteur est exposé aux chocs et à l'abrasion à l'endroit même du contact. Déporter la mesure hors de l'interface réduit le risque de dommage. Cela préserve la souplesse de la peau et permet de remplacer ou d'ajouter le module sans refaire la pièce souple. Pour un intégrateur de préhension souple, par exemple en manutention de produits fragiles, c'est une piste de retour d'effort à faible complexité de câblage. Les auteurs avancent aussi que la lecture des motifs de déformation pourrait servir à estimer un angle d'articulation ou l'état d'un actionneur. Cette extension n'est pas démontrée dans le résumé. Ce travail s'inscrit dans la recherche sur la perception tactile des mains robotiques et des préhenseurs souples. Les approches dominantes sont optiques à caméra (famille GelSight), capacitives, piézorésistives ou fluidiques, qui offrent souvent une meilleure résolution spatiale au prix d'un encombrement et d'une intégration plus lourds. Ici, le choix est inverse : un capteur modulaire à faible coût de mise en œuvre, qui mesure une force globale plutôt qu'une carte de pression. Aucune comparaison quantitative avec ces approches n'est fournie. Les prochaines étapes probables sont des validations sur d'autres géométries de robots, des tests de durabilité à long terme et l'exploration de l'estimation proprioceptive. Aucun partenaire industriel ni calendrier n'est mentionné.

RecherchePaper
1 source
Observer, déduire, se coordonner : inférer les contraintes d'un robot partenaire pour une coordination sans entraînement préalable
736arXiv cs.RO 

Observer, déduire, se coordonner : inférer les contraintes d'un robot partenaire pour une coordination sans entraînement préalable

Des chercheurs publient sur arXiv (identifiant 2610.02170) un travail intitulé « Watch, Infer, Coordinate », qui porte sur une situation encore peu étudiée en robotique collaborative : un robot doit deviner les limites physiques d'un partenaire sans qu'on les lui ait indiquées. Ces limites peuvent venir d'une dégradation matérielle ou d'une panne d'actionneur, qui restreignent les actions que le partenaire peut exécuter de façon fiable. Le robot « assistant » observe d'abord le partenaire en train de coordonner avec un autre robot, déduit sa capacité réelle, puis s'en sert pour coopérer avec lui sur une tâche nouvelle, sans entraînement supplémentaire (zero-shot). Les auteurs proposent un benchmark couvrant trois configurations de manipulation à couplage physique, par exemple le transport d'un objet trop grand ou trop lourd pour un seul robot. Leur méthode note des contraintes candidates à partir du comportement conjoint observé. Dans les trois configurations, elle améliore nettement l'inférence des contraintes et la coordination, et se rapproche d'un oracle qui connaîtrait les vraies contraintes. Le résumé ne donne ni chiffres précis ni détail sur les plateformes testées. L'enjeu tient à une asymétrie d'information. Une démonstration montre ce que le robot contraint a fait, pas ce qu'il aurait pu faire. Dans une tâche à couplage physique, son partenaire compense en outre ses faiblesses, ce qui masque la limite au lieu de la révéler. L'idée centrale des auteurs est de lire le comportement de l'équipe entière, car les deux robots portent une information sur la capacité du partenaire contraint. Pour un intégrateur, c'est une piste vers des flottes hétérogènes et vieillissantes où des machines usées, ou tombées en panne partielle, continuent de travailler ensemble sans recalibration manuelle ni échange explicite de leurs spécifications. Les limites sont à garder en tête : il s'agit d'un benchmark académique, probablement en simulation, et rien n'indique un test sur matériel réel. L'écart entre démonstration et déploiement reste donc entier. Ce travail s'inscrit dans la recherche sur la coordination sans entraînement conjoint (zero-shot coordination) et sur l'inférence des intentions ou des capacités d'un partenaire, domaines plutôt issus de l'apprentissage multi-agent et des jeux coopératifs. Il en déplace le terrain vers la manipulation à contacts. Le papier est une prépublication, sans évaluation par les pairs ni calendrier de pilote. Les suites logiques seraient une validation sur robots physiques et une extension à des contraintes plus variées, ou évoluant dans le temps. Les acteurs industriels du multi-robot, des AMR en logistique aux humanoïdes de manutention, n'y sont pas cités. On ignore pour l'instant si ces idées seront reprises dans des produits.

RecherchePaper
1 source
LiDARFlow : guidage de micro-drones par panneaux en temps réel dans des environnements inconnus
737arXiv cs.RO 

LiDARFlow : guidage de micro-drones par panneaux en temps réel dans des environnements inconnus

LiDARFlow est un algorithme de guidage pour micro-drones (MAV) qui évoluent dans des environnements inconnus et encombrés, avec pour seule source d'information les capteurs embarqués. Les auteurs reprennent une formulation « par panneaux », dérivée de la théorie aérodynamique de l'écoulement potentiel. Elle génère des vecteurs de guidage lisses et sans collision à partir des obstacles perçus localement. Pour l'étendre aux environnements inconnus, la représentation des obstacles est construite et mise à jour en ligne à partir des mesures d'un LiDAR embarqué. Le champ d'évitement obtenu est ensuite fusionné avec un champ vectoriel de guidage nominal pour produire la commande finale. Le système a été validé en vol intérieur sur deux scénarios, la navigation par points de passage et le guidage directionnel. Dans les deux cas, le drone accomplit sa mission en évitant tous les obstacles en temps réel. Le résumé ne donne ni taux de réussite, ni vitesses, ni temps de calcul chiffrés. L'intérêt tient à la sobriété de l'approche. Beaucoup de systèmes d'évitement d'obstacles reposent sur des planificateurs lourds ou sur des réseaux de neurones exigeants en calcul, difficiles à faire tourner sur la puce d'un petit drone. Ici, les auteurs revendiquent une méthode légère, adaptée à l'embarqué, et identifient eux-mêmes le traitement du nuage de points comme principal goulot d'étranglement pratique. Pour un intégrateur, c'est un signal utile : la perception, plus que la loi de guidage, limite le déploiement sur plateformes contraintes. Il faut toutefois rester prudent. Il s'agit d'essais en intérieur, sur un nombre de scénarios limité, sans comparaison chiffrée annoncée avec des méthodes concurrentes, et rien n'indique une validation en extérieur, avec vent, obstacles dynamiques ou environnements denses. Ce travail s'inscrit dans la lignée des champs de potentiel et des vecteurs de guidage, qui se heurtent classiquement aux minima locaux et aux trajectoires peu régulières. La formulation par panneaux, issue de l'aérodynamique, vise justement à produire des champs plus lisses. Elle se positionne face aux planificateurs basés sur l'optimisation de trajectoire et aux approches d'apprentissage de bout en bout. Il s'agit d'une prépublication arXiv, donc d'un résultat de recherche sans produit ni déploiement commercial. Les suites logiques seraient l'optimisation du traitement des nuages de points, des tests en environnements plus complexes et des comparaisons quantitatives avec les méthodes existantes.

RecherchePaper
1 source
Effet de la stabilité de la marche selon deux stratégies d'impact pour des robots à deux liens marcheurs et brachiateurs
738arXiv cs.RO 

Effet de la stabilité de la marche selon deux stratégies d'impact pour des robots à deux liens marcheurs et brachiateurs

Une étude déposée sur arXiv (2610.01004, première version) examine la dynamique impulsive que partagent deux modèles minimalistes : un marcheur à deux segments articulés par une seule articulation, et un robot brachiateur, qui progresse en se balançant de prise en prise. Les auteurs mesurent comment la stabilité d'une démarche, ainsi que les bifurcations observées dans une famille de démarches, varient avec la pente et l'instant de commutation. Ils comparent deux stratégies d'impact, l'une déclenchée par le temps, l'autre par l'état du système. Le résumé ne mentionne ni prototype, ni payload, ni essai matériel, ni résultat chiffré. Il s'agit d'un travail théorique de dynamique non linéaire. L'impact industriel direct est nul à court terme, et aucun produit n'est concerné. L'intérêt tient à un point de méthode : la façon dont on déclenche l'événement de contact, selon une horloge ou selon l'état mesuré, modifie la stabilité d'une démarche et peut en changer la nature (apparition d'orbites instables ou de comportements plus complexes). Ce point rejoint un débat d'ingénierie sur les jambes robotiques. Les ordonnanceurs de pas cadencés et les contrôleurs pilotés par détection de contact ne se comportent pas pareil, et la modélisation du contact reste l'une des sources du fossé simulation-réel. C'est une lecture par analogie, que le résumé ne confirme pas. Ce travail prolonge la tradition des marcheurs dynamiques passifs et des modèles de type compas, ainsi que celle des robots brachiateurs, deux domaines très analytiques. Les humanoïdes actuels, comme Figure 03, Optimus ou Digit, reposent plutôt sur des politiques apprises qui gèrent le contact de façon implicite. Aucun acteur industriel, français ou européen, n'est cité. Aucune suite n'est annoncée. Une validation sur matériel ou une extension à davantage de degrés de liberté constituerait l'étape logique suivante.

RecherchePaper
1 source
TwinDEX de X Square Robot apprend une expérience de chimie en 24 étapes sans aucune donnée d'entraînement sur le robot
739Pandaily 

TwinDEX de X Square Robot apprend une expérience de chimie en 24 étapes sans aucune donnée d'entraînement sur le robot

La société X Square Robot, basée à Shenzhen, a présenté un robot dextre qui exécute une expérience de chimie standardisée complète, soit 24 sous-actions enchaînées en une seule prise sans coupure, avec une politique entraînée uniquement sur des données collectées sans robot. La démonstration repose sur TwinDEX, système introduit en septembre qui associe un exosquelette portable pour la collecte de données à une main robotique très proche pour le déploiement. Le robot ouvre un flacon de réactif, prélève de la poudre avec une spatule fine, presse une pipette à bulbe en caoutchouc, transfère liquides et solides, puis plaque une baguette de verre quasi transparente contre un bécher pour guider un versement, en changeant d'outil et en coordonnant ses deux mains. La politique a été entraînée de zéro sur quelques centaines d'épisodes sans robot, sans téléopération ni données d'intervention. Les deux dispositifs partagent une architecture à trois doigts et neuf degrés de liberté dont sept actifs, les mêmes axes d'articulation et proportions, les mêmes matériaux de contact et capteurs tactiles aux mêmes endroits. Images multi-vues, poses du poignet, états des doigts et signaux tactiles sont synchronisés, ce qui évite tout retargeting. Selon X Square, l'efficacité de collecte atteint 5,3 fois celle de la téléopération, mesurée sur cinq tâches. L'enjeu est le goulot d'étranglement de la donnée en manipulation fine. La téléopération immobilise un robot et un opérateur, ce qui limite le passage à l'échelle. Un opérateur, une table et un exosquelette suffisent ici, et la collecte peut se faire en parallèle dans des bureaux ou des cuisines. Si les résultats se confirment, ils indiquent que des données humaines sans robot peuvent égaler la téléopération épisode par épisode, selon la société sur un benchmark multi-tâches. La tâche choisie est exigeante pour la perception seule : le dévissage repose sur des mouvements latéraux des doigts, la pipette demande un ajustement de force après contact, et la baguette transparente est difficile à suivre par caméra. Prudence toutefois : il s'agit d'une démonstration unique, le gain de 5,3 fois est un chiffre du constructeur, et aucun article technique ni taux de réussite sur répétitions n'est publié. Les limites sont reconnues : une seule table, un jeu d'objets restreint, une ergonomie des longues sessions non étudiée, et des tâches plus difficiles pourraient exiger plus de doigts ou d'articulations. Cette approche s'inscrit dans la course aux données d'entraînement pour les modèles vision-langage-action, où gants, exosquelettes et vidéos humaines concurrencent la téléopération. X Square, déjà connue pour son modèle ouvert WALL-OSS, a aussi présenté HOST, qui apprend des compétences à partir de courtes vidéos, et le modèle WALL-B. Selon Leiphone, le pipeline fonctionne avec WALL-OSS et peut s'adapter à d'autres modèles de fondation comme pi0.5. Sharpa, avec sa main dextre et son gant haptique, travaille dans une direction voisine. La suite annoncée comprend un article technique « bientôt disponible » et l'extension de la collecte aux environnements ouverts et aux tâches de longue traîne. Il s'agit pour l'instant d'une démonstration de recherche, sans produit livré ni déploiement client.

Chine/AsieActu
1 source
Les 10 meilleures actualités de la robotique de septembre 2026
740Robotics Business Review 

Les 10 meilleures actualités de la robotique de septembre 2026

Le classement des dix articles les plus lus de The Robot Report en septembre 2026, mois marqué par IMTS, ROSCon et iROS, est dominé par les rachats et les humanoïdes. Agility Robotics arrive en tête avec un chiffre d'affaires annoncé de 1,8 million de dollars, avant sa fusion avec un SPAC (le détail de cet article n'est pas disponible). L'entreprise a aussi présenté Digit 5, doté de jambes plus proches de l'anatomie humaine, de batteries améliorées et d'une architecture de sécurité plus complète. SoftBank Group a accepté de racheter le Robotics and AI Institute (RAI) à Hyundai Motor Group. L'opération est examinée par le CFIUS, le comité américain sur les investissements étrangers. Qualcomm va acquérir PickNik, éditeur du framework de manipulation open source MoveIt, qui doit rester ouvert. Sa filiale Arduino a ouvert les précommandes de VENTUNO Q, une carte d'IA embarquée basée sur la puce Dragonwing IQ8. Intrinsic, unité de Google, a publié Intrinsic Core, un ensemble open source de capacités compatibles ROS. Boston Dynamics a inauguré en Géorgie le Robotics Metaplant Application Center, où Atlas est entraîné au sein du Metaplant de Hyundai. Côté marché, l'action Unitree a perdu près de 40% depuis sa clôture du 19 août, premier jour de cotation. Environ 20 milliards de dollars de capitalisation se sont évaporés depuis ce niveau, et environ 35 milliards depuis le pic. Le titre de l'article évoque une baisse de 53%, que le texte ne détaille pas. Ces mouvements montrent que la bataille se déplace de la démonstration vers la propriété des briques logicielles et de la recherche. Qualcomm verrouille la chaîne entre modèles d'IA, planification et contrôle temps réel en s'appuyant sur MoveIt. SoftBank cherche à s'offrir un laboratoire de premier plan. Intrinsic mise sur l'ouverture pour imposer sa plateforme. Le RMAC de Boston Dynamics confirme que l'intégration d'Atlas se joue sur site, par tâches précises, et non sur de la polyvalence immédiate. La chute d'Unitree rappelle que les valorisations boursières des humanoïdes anticipaient une montée en volume que les revenus ne justifient pas encore. Les 1,8 million de dollars d'Agility, présentés sans contexte sur les unités livrées ni sur les contrats récurrents, doivent être lus avec prudence : c'est un signal de traction réelle, mais très modeste face aux valorisations du secteur. Le contexte est celui d'une consolidation rapide. Hyundai se sépare de RAI alors qu'il conserve Boston Dynamics et déploie Atlas dans ses usines. Agility passe par un SPAC pour financer Digit, déjà testé en environnement logistique, face à Figure, Tesla (Optimus) et Unitree. Du côté européen, Flourish, start-up installée entre San Francisco et Paris, vise un autre segment avec Flourish One, un humanoïde à roues animé par un Raspberry Pi, vendu 3 555 dollars. Il se destine aux foyers, et ses utilisateurs pourraient lui apprendre une nouvelle tâche ménagère en moins de 30 minutes avec un smartphone. Il s'agit d'une annonce de vente, non d'un produit livré, et ce délai reste à vérifier. Dynamic Creatures, fondée par un vétéran de Boston Dynamics, se positionne sur les personnages robotiques pour le divertissement. Les prochaines étapes à surveiller sont la décision du CFIUS sur RAI, la finalisation du rachat de PickNik et la clôture de la fusion d'Agility.

BusinessActu
1 source
Boston Dynamics supprime l'auriculaire de sa nouvelle main humanoïde
741Robotics Business Review 

Boston Dynamics supprime l'auriculaire de sa nouvelle main humanoïde

Boston Dynamics a dévoilé la nouvelle main de son humanoïde Atlas : quatre doigts, 13 degrés de liberté (DOF), actionnement direct et conception pensée pour la fabrication en grande série. La version précédente comptait sept DOF et visait surtout à saisir une grande variété d'objets, alors que la nouvelle vise la manipulation proprement dite. Le pouce porte quatre DOF. La main n'a pas d'auriculaire, et tous les articulations reposent sur un seul type d'actionneur, entièrement encapsulé, sans câbles fragiles traversant les articulations, comme dans le corps du robot. Elle réalise des pinces pouce-doigt, des prises tripodales, des glissements du bout du pouce sur les autres doigts, la réorientation d'objets dans la main et la reprise d'une prise qui glisse. Elle actionne aussi des gâchettes d'outils (perceuse, visseuse à couple, meuleuse, cloueur, torche de soudage). Des capteurs tactiles de pression denses couvrent bouts des doigts et paume. Sa taille avoisine celle d'une grande main humaine, pour une force annoncée comme similaire à l'ancienne main. Les chiffres de charge utile, de durée de vie ou de coût ne sont pas fournis. Le choix de supprimer l'auriculaire est le point notable. Selon l'ingénieur Dylan Thrush, trois DOF, de l'encombrement et de la consommation supplémentaires ne justifiaient pas le gain de dextérité. Zachary Jackowski, directeur produit et technologie, avait demandé à l'équipe de scotcher auriculaire et annulaire pendant une journée pour mesurer ce qui manquait. Pour les intégrateurs, le message est que l'industrie arbitre ici entre fidélité anatomique et fiabilité : un actionnement direct, rétro-pilotable et transparent permet de s'appuyer sur la proprioception, et une main simple, conçue pour une simulation haute fidélité, vise l'apprentissage par renforcement sim-to-real. Cela suggère que la priorité passe de la démonstration de préhension à l'usage d'outils en production. Reste que l'annonce ne contient aucune donnée de performance chiffrée (taux de réussite, cycles, endurance), et que les capacités listées relèvent d'une présentation du constructeur, non d'un déploiement mesuré. Cette annonce survient une semaine après l'ouverture du Robotics Metaplant Application Center (RMAC) au Hyundai Motor Group Metaplant America, en Géorgie, centre de formation destiné à intégrer Atlas dans la production automobile de la maison mère Hyundai. Le calendrier indique que la main est conçue pour ces usages industriels. Face à elle, Tesla (Optimus), Figure (Figure 03) et d'autres misent sur des mains très proches de l'anatomie humaine, avec plus de DOF. Boston Dynamics défend la thèse inverse, celle de la simplicité. Les suites logiques sont des essais sur site Hyundai, où l'on pourra juger la fiabilité réelle de cette main sur des tâches répétitives avec outils.

HumanoïdesActu
1 source
Le « poisson de l'apocalypse » des abysses pourrait inspirer la prochaine génération de sous-marins furtifs
742Interesting Engineering 

Le « poisson de l'apocalypse » des abysses pourrait inspirer la prochaine génération de sous-marins furtifs

Des chercheurs de Cornell University, dirigés par le professeur d'ingénierie Rob Shepherd, ont décortiqué la mécanique de nage du régalec (oarfish), poisson osseux des grands fonds pouvant atteindre 26 pieds, soit environ 8 mètres, et surnommé « poisson de l'apocalypse ». Le travail, financé dans le cadre d'un projet pour l'Office of Naval Research américain visant une plateforme silencieuse de surveillance des océans, a été mené avec l'ichtyologue retraité Willy Bemis. L'équipe s'est appuyée sur des scanners CT, des radiographies fournies par la Smithsonian Institution et des dissections détaillées, un exercice délicat, car le corps du poisson se désagrège en segments cassants après la mort. Résultat : des centaines de rayons de nageoire, posés sur des articulations à rotule, fonctionnent comme autant de « joysticks » le long de la nageoire dorsale continue. Chaque rayon dispose de ses propres muscles et cartilages et d'une liberté de rotation à 360 degrés. La membrane qui les relie peut transmettre des ondes de propulsion dans deux directions simultanément, ce qui permet au poisson d'avancer et de reculer, de changer de vitesse et de direction sans plier le corps. L'étude est parue dans la revue Ichthyology and Herpetology. Pour la robotique sous-marine, l'intérêt est avant tout acoustique. Les hélices navales sont bruyantes et font fuir la faune, ce qui fausse les relevés de biodiversité qu'elles sont censées permettre. Un propulseur à nageoire ondulante, qui produit un écoulement laminaire et garde le corps quasi immobile, vise une cartographie discrète et un suivi de longue durée des écosystèmes fragiles. La même discrétion intéresse naturellement les applications navales, ce que le financement de l'ONR laisse entendre. Il faut toutefois rester précis : il s'agit d'une étude d'anatomie fondamentale, et non d'un prototype. Aucun robot, aucune mesure de poussée, de rendement énergétique ou de niveau sonore n'est annoncé. Le saut entre des centaines de rotules musculaires biologiques et un actionneur sous-marin fiable, étanche et résistant à la pression reste un vrai défi d'ingénierie. Le titre évoquant de futurs sous-marins furtifs relève de la projection plus que d'un résultat démontré. Le contexte est celui d'une biomimétique ancienne, dont l'apport varie selon les cas. La nage à nageoire ruban a évolué indépendamment une dizaine de fois chez les poissons osseux, mais c'est la première fois que ces rayons pivotants sont documentés chez cette espèce. Côté précédents, le robot grimpeur Stickybot de Stanford imitait les soies microscopiques (setae) des geckos, qui adhèrent par forces de van der Waals sans colle ni ventouse, pour s'accrocher au verre, aux panneaux lisses ou à des équipements spatiaux sans laisser de résidu. L'équipe de Shepherd veut désormais transposer cette logique à de grands moniteurs robotisés. Aucun calendrier, aucun partenaire industriel ni budget n'a été communiqué, et la suite logique sera un banc d'essai mesurant poussée, bruit et efficacité face aux propulseurs à hélice et aux robots à nageoire ondulante déjà étudiés.

RecherchePaper
1 source
ANYbotics lance Shift, une plateforme pour gérer des flottes de robots autonomes et les inspections industrielles
743Robotics & Automation News 

ANYbotics lance Shift, une plateforme pour gérer des flottes de robots autonomes et les inspections industrielles

ANYbotics, entreprise suisse issue de l'ETH Zurich, a lancé Shift, une plateforme logicielle qui pilote des flottes de robots d'inspection autonomes et relie les données collectées aux systèmes de maintenance et aux outils d'entreprise. Elle regroupe la cartographie des sites, la gestion de flotte, les données d'inspection et les workflows de maintenance. Un industriel peut ainsi exploiter plusieurs robots et organiser leurs constats autour de ses processus existants. Le communiqué ne donne ni tarification, ni nombre de sites équipés, ni indicateur de performance chiffré. Il s'agit donc d'une annonce de produit logiciel, sans preuve publique d'un déploiement à grande échelle. L'enjeu dépasse le robot lui-même. Dans l'inspection industrielle, la valeur se déplace de la machine vers la donnée exploitable. Un quadrupède qui produit des relevés sans alimenter la GMAO (gestion de maintenance assistée par ordinateur) reste un pilote isolé. En intégrant les constats aux outils de maintenance, ANYbotics s'attaque au passage du projet pilote au déploiement multi-sites, un point souvent bloquant pour les directions d'exploitation. Les intégrateurs y trouvent une couche d'interface plus standardisée, même si la profondeur réelle des connecteurs reste à vérifier. ANYbotics est surtout connue pour ANYmal, son robot quadrupède conçu pour les environnements industriels sévères, comme l'énergie ou la pétrochimie. L'entreprise vise désormais la couche logicielle, terrain où Boston Dynamics propose déjà Orbit pour Spot, et où des éditeurs indépendants comme l'allemand Energy Robotics se positionnent. La suite dépendra des intégrations annoncées avec les systèmes de maintenance et des premiers retours clients, qui permettront de mesurer l'écart entre l'annonce et l'usage réel.

IndustrielActu
1 source
Le nouveau modèle Mind-1 de MindOn donne aux robots une exécution à vitesse humaine
744Interesting Engineering 

Le nouveau modèle Mind-1 de MindOn donne aux robots une exécution à vitesse humaine

MindOn a dévoilé Mind-1, un modèle d'IA physique censé permettre à des robots d'exécuter des tâches de manipulation quotidiennes à vitesse humaine. La démonstration, diffusée le 30 septembre 2026, montre des robots qui manipulent des colis autour d'un convoyeur, plient des chemises et ramassent du linge, avec des vidéos estampillées « 1.0x Speed » et « Fully Autonomous ». Le modèle est présenté comme un système d'intelligence plutôt que comme un nouveau corps de robot : la vidéo alterne entre plusieurs configurations, dont des robots à deux bras (colis, pliage sur plan de travail) et un humanoïde qui évolue dans un intérieur meublé pour collecter du linge. MindOn le décrit comme un modèle universel combinant perception, raisonnement et action, évitant un modèle spécifique par machine et par tâche. La société affirme que Mind-1 atteint des temps de cycle humains et, pour certaines tâches, plus rapides. Aucun chiffre de payload, de nombre de DOF, de prix ou de volume de déploiement n'est communiqué. L'enjeu est le déplacement du critère de jugement. Après une phase où l'on demandait si un robot savait accomplir une tâche en autonomie, la question devient la cadence, décisive en logistique et en production où la valeur se mesure en débit. Un robot qui réussit mais prend nettement plus de temps qu'un opérateur a une valeur pratique limitée. Il faut toutefois rester prudent : le label « 1.0x » n'établit pas que les machines égalent systématiquement des opérateurs sur des tâches comparables. Humanoids Daily, qui a relayé la démonstration, souligne l'absence de comparaisons chiffrées humain contre robot, de taux de réussite et de statistiques d'intervention humaine. Les allégations de MindOn restent donc déclaratives, sans mesure indépendante, et l'on ignore si la vidéo résulte d'une sélection de prises. Si l'approche multi-plateformes tient ses promesses, les progrès du modèle profiteraient à plusieurs types de robots, ce qui intéresserait les intégrateurs qui veulent éviter la dépendance à un seul matériel. Mind-1 s'inscrit dans la continuité des démonstrations antérieures de MindOn sur des tâches domestiques et logistiques, élargies ici à plusieurs formes de robots. Cette stratégie de « cerveau » indépendant du corps place l'entreprise face aux autres développeurs de modèles fondation robotiques, tels que Physical Intelligence avec Pi-0, NVIDIA avec GR00T ou Figure avec Helix, qui défendent eux aussi la généralité entre plateformes ou intègrent verticalement modèle et matériel. Mind-1 reste pour l'instant une démonstration des capacités visées, pas un produit livré ni un déploiement client. Les prochaines étapes à surveiller sont des essais plus longs, des temps de cycle mesurés indépendamment, des taux de réussite et des données d'intervention humaine, seuls éléments capables de prouver qu'une productivité de niveau humain peut être maintenue durablement hors d'un cadre de démonstration contrôlé.

IA physiqueActu
1 source
Les fonctions de sécurité de votre robot fonctionnent déjà. Et si leurs données d'entrée étaient falsifiées ?
745Robotics Business Review 

Les fonctions de sécurité de votre robot fonctionnent déjà. Et si leurs données d'entrée étaient falsifiées ?

Les chercheurs de VicOne LAB R7, l'équipe de recherche en cybersécurité de l'éditeur VicOne, publient une analyse sur un angle mort de la sécurité fonctionnelle des robots : une fonction de sécurité peut s'exécuter exactement comme conçue tout en agissant sur une information falsifiée. Leurs essais portent sur plusieurs cas. Dans un test sur un chien robot piloté par Gemma 4 E4B, le texte d'une affiche a été interprété comme une instruction et a modifié le déplacement de la machine. Dans une simulation de robot de service hospitalier tournant avec Nemotron sur NVIDIA Jetson AGX Orin, un audio forgé, inaudible pour l'humain, a changé le comportement simulé. Lors d'un événement de bug bounty en robotique, les chercheurs ont injecté un message ROS 2/DDS dans un robot qui devait rester immobile sous un réglage de contrôle sûr, et il s'est mis en mouvement. Ils citent aussi des travaux publiés : un patch visuel qui réduit le taux de réussite de modèles vision-langage-action (VLA) en simulation, et FreezeVLA, où une image adversariale amène des modèles à ignorer les instructions suivantes. L'exemple du gyroscope d'un humanoïde, perturbé par une onde sonore à sa fréquence de résonance, reste une hypothèse : l'attaque acoustique a été démontrée sur des drones, pas sur un humanoïde, et aucune chute n'a été provoquée. L'intérêt pour les intégrateurs et les responsables sécurité tient au déplacement de la question. Les évaluations de sécurité traitent souvent la combinaison de plusieurs défauts accidentels comme improbable. Un attaquant, lui, choisit le moment et peut rejouer le même déclencheur, ce qui change le calcul du risque sans rendre le dommage inévitable. Le point opérationnel est l'indépendance réelle des protections : un arrêt de sécurité qui s'appuie sur les mêmes lectures, estimations ou messages que la commande principale peut être trompé par la même manipulation. La redondance de capteurs doit elle aussi passer un test adversarial, car si une seule action influence les deux entrées, leur concordance rassure moins qu'on ne le croit. Les auteurs évoquent à ce titre une recherche en conduite autonome où un objet physique piégé a trompé un système combinant caméra et LiDAR. Il faut toutefois relativiser : ces résultats viennent d'un éditeur qui vend de la sécurité, dans des conditions de laboratoire, de simulation ou de bug bounty, sans démonstration de dommage physique sur un robot déployé. Le sujet arrive alors que les robots mobiles, les cobots et les humanoïdes entrent dans des environnements partagés avec des humains, et que les VLA font de la perception ouverte (texte, image, son) une surface de commande à part entière. Les normes de sécurité fonctionnelle, historiquement centrées sur les pannes aléatoires, intègrent encore peu la manipulation volontaire des entrées. La contribution de VicOne s'inscrit dans l'effort de rapprochement entre sûreté et cybersécurité, avec une cartographie des défauts accidentels et des manipulations délibérées menant aux mêmes issues, de la perte de contrôle au dommage physique. Le texte, tronqué avant ses recommandations détaillées, laisse attendre des conseils sur le renforcement des tests et des preuves à fournir. Ce sera à surveiller du côté des constructeurs d'humanoïdes et de robots de service, ainsi que de leurs fournisseurs de modèles, qui devront montrer que leurs garde-fous ne dépendent pas des mêmes entrées que la tâche qu'ils encadrent.

Societe/EthiqueOpinion
1 source
La nouvelle main du robot Atlas pourrait surpasser les conceptions de type humain
746IEEE Spectrum Robotics 

La nouvelle main du robot Atlas pourrait surpasser les conceptions de type humain

Boston Dynamics a présenté une nouvelle main pour son humanoïde Atlas, conçue pour la production en série plutôt que pour la recherche. La génération précédente, à trois doigts, savait réaliser des mouvements surhumains mais n'avait jamais été pensée pour des volumes de plusieurs dizaines ou centaines de milliers d'unités. La nouvelle main passe de 7 à 13 degrés de liberté (DOF), ajoute un quatrième doigt et permet l'écartement des doigts (splay), nécessaire pour saisir la poignée d'un outil à gâchette, comme une perceuse ou une torche de soudage. Le petit doigt a été supprimé, décision prise, selon Alberto Rodriguez, directeur du Robot Behavior, après une journée passée par son équipe avec l'auriculaire scotché à l'annulaire. Avec seulement 13 DOF, la main utilise moins d'actionneurs, plus gros et plus puissants, intégrés directement dans les articulations en entraînement direct. Le cahier des charges annoncé par l'entreprise comprend l'usage d'outils, la robustesse, une simulation fidèle, une fabrication de masse et une réparation à faible coût, avec une forme assez proche de la main humaine pour entraîner le robot à partir de démonstrations humaines. Aucun prix ni cadence de production n'a été communiqué. L'enjeu est un changement de philosophie dans la course à la main humanoïde. Beaucoup de concurrents misent sur des mains très anthropomorphes, capables de manipulations fines spectaculaires, mais fragiles ou chères, au point de rester surtout des outils de recherche et de démonstration. Boston Dynamics fait le pari inverse : sacrifier la ressemblance cosmétique pour gagner en fiabilité, en manufacturabilité et en coût. « Une main est un compromis de conception impitoyable », résume Rodriguez, pour qui beaucoup de designs actuels sacrifient justement fiabilité et fabricabilité. L'écartement des doigts dépasse même les capacités humaines, et l'entreprise compte sur l'apprentissage par renforcement pour découvrir et exploiter ces mouvements supplémentaires. Pour un intégrateur ou un COO industriel, le critère pertinent devient la tenue en service et le coût de maintenance, plus que l'élégance des vidéos. Reste que l'entreprise affirme la polyvalence de la main « pour l'horizon prévisible » sans publier de données d'endurance, de taux de panne ou de charge utile : il s'agit à ce stade d'une annonce de conception, pas d'un déploiement mesuré. Cette annonce s'inscrit dans la transition d'Atlas, passé de plateforme de recherche à produit industriel, où des questions longtemps ignorables, comme la durabilité ou le coût de réparation, deviennent centrales. Elle place Boston Dynamics face à des concurrents qui exhibent des mains quasi humaines, tout en défendant une voie plus pragmatique, proche de celle de la préhension industrielle. La compatibilité avec les démonstrations humaines et la simulation propre vise à alimenter l'entraînement des politiques de manipulation, un point clé pour les modèles VLA actuels. La suite dépendra de la validation sur site, des volumes réels et du coût unitaire, éléments à surveiller avant de juger si ce compromis tient ses promesses hors du laboratoire.

HumanoïdesOpinion
1 source
Flourish 1 : un robot semi-humanoïde à roues tient 12 heures et soulève plus de 1,4 kg
747Interesting Engineering 

Flourish 1 : un robot semi-humanoïde à roues tient 12 heures et soulève plus de 1,4 kg

La startup californienne Flourish Robots, basée à San Francisco, sort de l'ombre avec Flourish 1, un robot domestique semi-humanoïde présenté le 29 septembre. Les précommandes sont ouvertes pour les 50 premiers exemplaires, à 3 555 dollars pièce, avec des livraisons annoncées à partir de décembre 2026. La machine mesure 1,10 m (3 pieds 7 pouces) pour 20 kg (44 livres), repose sur une base à roues, deux bras et un corps à translation verticale qui lui permet d'atteindre des surfaces en hauteur. Son autonomie atteint 12 heures, mais sa capacité de charge totale plafonne à 1,5 kg (3,3 livres). Les tâches visées sont le ramassage de chaussures, vêtements et jouets, l'essuyage de tables, le transport d'objets et l'arrosage des plantes. L'entreprise évoque aussi le chargement d'un lave-vaisselle et le nettoyage d'une litière pour chat. Le propriétaire enseigne chaque tâche par démonstration physique via une application mobile, sans code, en environ 30 minutes, puis le robot peut la répéter ou la planifier. Le fondateur et CEO Antoine Marcel reconnaît que l'exécution reste lente. Un tour de table pré-seed mené par Families Fund a été levé, sans montant divulgué. Ce qui retient l'attention n'est pas la performance brute, mais l'arbitrage assumé : un matériel volontairement limité (préhenseurs simples, faible charge utile) pour tenir un prix très inférieur au marché. À titre de comparaison, le NEO de 1X est affiché à 20 000 dollars ou 499 dollars par mois. Sur le plan logiciel, Flourish ne vise pas un modèle généraliste unique de type VLA (vision-langage-action) capable de tout faire dans n'importe quel foyer. Elle affine des modèles pré-entraînés par domicile, par objet et par tâche, et découpe chaque tâche en fonctions distinctes : pour une chaussette, navigation pour la repérer, IA physique pour la saisir, puis navigation vers le panier à linge. Cela réduit la sophistication requise de l'IA de manipulation, au prix d'une généralisation moindre : un robot entraîné dans un logement peut peiner si l'environnement change fortement, même si l'entreprise affirme tolérer des variations de position des objets, d'éclairage et d'encombrement. Pour les intégrateurs et décideurs, c'est un test grandeur nature d'une hypothèse concurrente de la course au généralisme : la valeur domestique pourrait venir de la spécialisation par foyer plutôt que d'un modèle universel. Il faut toutefois rester prudent : il s'agit d'une annonce avec précommandes, pas d'un produit livré, et aucune vidéo, durée de cycle ni taux de réussite n'est cité pour étayer les 30 minutes d'apprentissage ou la fiabilité des tâches les plus délicates comme le lave-vaisselle. Le robot dit fonctionner en autonomie, sans téléopérateur distant, avec caméras et LiDAR pour surveiller l'environnement, et des bras conçus pour s'arrêter lorsqu'une personne entre dans leur zone d'atteinte. Ce point est notable face à des concurrents domestiques qui s'appuient encore sur de l'assistance humaine à distance. Le marché se segmente entre humanoïdes chers et robots plus modestes, et la tenue des 50 livraisons de décembre servira de premier indicateur : prix tenable, apprentissage reproductible chez des particuliers, et capacité à valider la sécurité en environnement non contrôlé.

HumanoïdesActu
1 source
La NASA prépare des robots humanoïdes à des missions dangereuses sur la Lune et sur Mars
748Interesting Engineering 

La NASA prépare des robots humanoïdes à des missions dangereuses sur la Lune et sur Mars

La NASA structure une approche de la robotique humanoïde pour l'exploration lunaire et martienne autour de la Dexterous Robotics Team du Johnson Space Center, à Houston. Cette équipe de 16 personnes, dirigée par Shaun Azimi, s'appuie sur l'héritage de Robonaut 2, resté sept ans à bord de la Station spatiale internationale, et de Valkyrie, premier humanoïde bipède de l'agence. Son banc d'essai principal est iMETRO (Integrated Mobile Evaluation Testbed for Robotics Operations), qui réunit des maquettes d'habitats, des outils de simulation et un « rock yard » extérieur, ouvert aux ingénieurs de la NASA comme aux partenaires privés. Deux essais sont cités. Le logiciel de PickNik Inc. a permis à un bras robotique de repérer l'écoutille d'un vaisseau, de tourner le loquet, d'ouvrir la lourde porte et d'y transférer du fret. Un stagiaire de la NASA a pour sa part écrit le code permettant à un bras commercial d'inspecter et d'entretenir un congélateur de stockage à froid de type station spatiale. L'article ne donne aucun chiffre de performance (taux de réussite, temps d'exécution, nombre d'essais), ni de calendrier de déploiement. L'enjeu est moins l'humanoïde en lui-même que l'autonomie qui le pilote. Avec un délai radio de quelques secondes vers la Lune et de plus de 20 minutes vers Mars, la téléopération directe est inopérante. Le modèle testé à iMETRO est donc semi-autonome : astronautes ou contrôle au sol donnent des ordres de haut niveau, et le robot gère seul la coordination œil-main. C'est la même logique que celle des modèles vision-langage-action (VLA) développés pour l'industrie terrestre, mais dans un cadre où l'erreur ne se rattrape pas. Le discours de la NASA est aussi à lire pour ce qu'il est : les démonstrations décrites sont des tâches isolées en environnement de test contrôlé, loin d'une qualification pour le vol. Elles montrent toutefois un effet de retour sur la conception : des poignées plus grandes ou un éclairage plus fort, utiles aux robots comme aux astronautes. Pour les concepteurs d'habitats et les intégrateurs, cela annonce des exigences de « robot-compatibilité » dans les cahiers des charges. Ce programme s'inscrit dans une lignée de plus de dix ans de robotique dextre à la NASA, de Robonaut 2 à Valkyrie, désormais prolongée par des collaborations avec le secteur privé, qui fournit logiciels et bras du commerce. L'objectif immédiat est le premier avant-poste lunaire, la « Moon Base », puis de futures missions habitées vers Mars. Le texte ne cite ni calendrier ni partenaire industriel d'humanoïdes, et ne situe pas ces travaux face aux acteurs commerciaux comme Figure, Tesla (Optimus) ou Apptronik, qui ont eux aussi des liens avec l'agence ou ses sous-traitants. La suite dépendra de la capacité de ces briques logicielles à passer des essais au sol à des démonstrations en orbite ou sur la surface lunaire, étape que la NASA n'a pas encore annoncée.

HumanoïdesActu
1 source
Comment Maven Robotics compte automatiser le travail industriel, une tâche à la fois
749Robotics Business Review 

Comment Maven Robotics compte automatiser le travail industriel, une tâche à la fois

Maven Robotics, start-up de Santa Clara (Californie) fondée en 2024, affirme avoir conçu quatre itérations de son manipulateur mobile, levé 100 millions de dollars (dont une Série A annoncée le mois dernier) et signé un contrat de production avec son premier client. Selon Hamza Derbas, cofondateur et CEO, les robots tournent aujourd'hui 16 heures par jour, cinq jours par semaine, avec jusqu'à 99 % de disponibilité. Le robot repose sur une base à roues volontairement compacte, capable de passer les portes, tout en conservant une grande allonge : il atteint le fond d'une palette de 48 pouces (121,9 cm) ou des rayonnages jusqu'à 3 m de haut, avec une charge utile de 30 kg. Les deux premiers cas d'usage déployés sont la palettisation de caisses mixtes et la manutention de bacs (totes). Le « système Maven » ne se limite pas au robot : il inclut l'intégration avec l'infrastructure informatique du client, la coopération avec les opérateurs humains ou en flotte, et le « Maven Network », une couche d'apprentissage partagé où une erreur rencontrée en Californie doit permettre à un robot au Japon de la gérer dès le lendemain. Le nom du client et le site de déploiement ne sont pas précisés, et les chiffres de disponibilité sont des déclarations de l'entreprise, sans audit indépendant ni définition de ce que recouvre l'« uptime ». L'intérêt tient à l'approche : partir des tâches à accomplir sur le terrain, puis en déduire la morphologie, plutôt que d'adapter un robot humanoïde à la recherche d'un problème. Maven soutient que la forme bipède n'est pas nécessaire pour un robot polyvalent en usine ou en entrepôt, et que la combinaison base roulante compacte, bras à grande portée et 30 kg de charge couvre déjà une part significative du travail industriel pénible. Pour un intégrateur ou un COO, le signal est la cadence de service annoncée (deux postes par jour, cinq jours sur sept) et le passage du pilote au contrat de production, deux jalons qui séparent encore beaucoup d'acteurs du secteur de la démonstration. Reste à vérifier la tenue sur la durée, le taux d'interventions humaines et le temps de cycle, absents de l'entretien. Maven évoque aussi la généralisation par accumulation de compétences, mais à ce stade il s'agit d'une ambition plus que d'un résultat prouvé au-delà de deux flux de travail. Le contexte est celui d'un marché dominé par le discours humanoïde, où Figure, Tesla (Optimus) ou Agility misent sur les jambes, tandis que des manipulateurs mobiles sur roues, comme ceux de Dexterity ou Mobile Industrial Robots dans d'autres segments, cherchent un déploiement plus rapide. Derbas explique que l'équipe a travaillé avec quelques partenaires dès le départ, sur le terrain plutôt qu'en laboratoire, pour cibler des flux maîtrisables rapidement avant de les étendre. Cette stratégie de pénurie de main-d'œuvre (plus de 500 000 postes industriels non pourvus aux États-Unis, selon lui) vise un marché où l'on peut déjà vendre. La suite dépendra de la capacité de Maven à ajouter de nouvelles compétences sans dégrader la fiabilité, à multiplier les clients au-delà du premier et à démontrer que le réseau d'apprentissage partagé fonctionne à l'échelle. Aucun calendrier de déploiement ni prix n'a été communiqué.

IndustrielActu
1 source
ANYbotics lance Shift pour simplifier la gestion des flottes de robots et passer les inspections à l'échelle
750Robotics Business Review 

ANYbotics lance Shift pour simplifier la gestion des flottes de robots et passer les inspections à l'échelle

ANYbotics, l'entreprise zurichoise fondée en 2016 et connue pour son quadrupède ANYmal, a lancé Shift, une plateforme cloud destinée à piloter des flottes de robots d'inspection et à convertir leurs relevés en actions de maintenance. Elle s'organise en quatre modules. Shift Fleet centralise la planification, la supervision et le contrôle des missions multi-robots, qu'un système de contrôle distribué (DCS) peut déclencher directement. Shift Insight croise mesures thermiques, acoustiques, visuelles et gaz avec les conditions de fonctionnement (vitesse moteur, charge, température ambiante) pour ne qualifier d'anomalie que ce que le contexte justifie : surchauffe, décharge partielle, fuite, désalignement. Shift Connect transforme les anomalies confirmées en ordres de travail via des connecteurs prêts à l'emploi et des API REST standard, vers des DCS (Yokogawa), des GMAO, des ERP (SAP, IBM Maximo), des plateformes APM (GE Vernova APM) et des couches de jumeau numérique (Cognite, Oracle). Les notifications passent par e-mail et Microsoft Teams, avec SMS et WhatsApp prévus. Shift Maps fournit un jumeau numérique du site, où les cibles d'inspection sont importées par identifiant d'actif. Un moteur, Shift AI, apprend à partir de l'ensemble des modules. Le produit Data Navigator sera migré automatiquement vers Shift lors d'une prochaine mise à jour. Aucun prix ni calendrier de déploiement client n'a été communiqué dans les éléments disponibles. Pour les industriels, l'enjeu se déplace du robot vers la donnée : la valeur d'une inspection autonome dépend moins de la locomotion que de sa capacité à alimenter les outils de maintenance déjà en place. ANYbotics met en avant le chiffre de 1,4 billion de dollars de pertes annuelles dues aux pannes non détectées pour les 500 plus grandes entreprises mondiales, avec une moyenne de 250 000 dollars par heure d'arrêt. Il s'agit d'estimations de l'entreprise, à prendre comme argument commercial et non comme mesure indépendante. L'approche contextuelle de la détection d'anomalies répond à un frein classique de la robotique d'inspection, les fausses alertes qui noient les ingénieurs fiabilité. Son efficacité réelle reste à démontrer : aucun taux de détection, de faux positifs ni retour client chiffré n'accompagne l'annonce. Les promesses d'économies « de plusieurs millions » citées par le PDG Péter Fankhauser relèvent à ce stade de l'affirmation. L'intégration bidirectionnelle, où un seuil process déclenche une nouvelle ronde robotisée, est en revanche un vrai différenciateur si elle fonctionne en production. Ce lancement s'inscrit dans la montée en gamme logicielle des fabricants de robots d'inspection, qui cherchent à s'ancrer dans les systèmes d'information industriels plutôt qu'à vendre uniquement du matériel. ANYbotics, qui cible l'énergie, la production d'électricité, la métallurgie, les mines et la chimie, y est en concurrence frontale avec Boston Dynamics et son Spot, associé à Orbit, ainsi qu'avec d'autres acteurs du quadrupède d'inspection comme Ghost Robotics et Unitree, plus agressif sur le prix mais moins avancé sur l'intégration industrielle. En s'appuyant sur des standards déjà adoptés par les grands comptes, ANYbotics réduit la charge d'intégration pour un premier client, un point que l'entreprise a défendu auprès de The Robot Report par la voix de Jacob Euler-Rolle, responsable produit. La suite dépendra des premiers déploiements multi-sites et de la publication de résultats mesurables sur la réduction des arrêts non planifiés.

IndustrielActu
1 source