Actualités robotique — page 16

4 572 articles au fil, du plus récent au plus ancien.

37

751arXiv cs.RO 

TableVerse : un jeu de données de tables à grande échelle avec des dispositions ancrées dans le réel pour la manipulation généralisable

TableVerse est un nouveau pipeline Real2Sim entièrement automatisé qui transforme des images non structurées, glanées sur internet, en environnements de table simulables avec une échelle métrique précise et une stabilité mécanique vérifiée. Contrairement aux méthodes existantes qui génèrent des scènes à partir de texte ou par génération procédurale simplifiée, TableVerse reconstruit de manière déterministe des dispositions d'objets réellement observées, en préservant leur topologie authentique. Le pipeline intègre également un module de génération de trajectoires conditionné par tâche, capable de produire des démonstrations de préhension et dépose (pick-and-place) sans collision. À partir de cette chaîne complète, les chercheurs ont constitué TableVerse-100K, un corpus de 100 000 environnements de table uniques et physiquement cohérents, chacun associé à des trajectoires de manipulation interactives. L'enjeu principal est celui, bien identifié dans la robotique manipulative, du goulot d'étranglement des données : entraîner des politiques de manipulation généralisables nécessite des volumes massifs de scènes réalistes et denses en encombrement, proches de véritables environnements domestiques ou industriels. Les approches de synthèse par hallucination texte-vers-disposition ou par génération procédurale produisent souvent des agencements physiquement implausibles, avec un encombrement bien plus pauvre que celui d'un vrai bureau ou d'une vraie table de cuisine. En ancrant la génération de scènes dans des images réelles plutôt que dans l'imagination d'un modèle génératif, TableVerse cherche à combler cet écart entre données synthétiques et complexité du monde réel, un enjeu central pour les modèles de type VLA (vision-langage-action) qui peinent aujourd'hui à généraliser au-delà de leurs environnements d'entraînement. Cette publication s'inscrit dans une dynamique de recherche plus large sur la génération automatisée de données d'entraînement pour la manipulation robotique, où plusieurs équipes explorent des approches concurrentes de synthèse procédurale ou de génération de scènes par diffusion 3D. L'accent mis ici sur la reconstruction déterministe à partir de médias internet non scénarisés, plutôt que sur la génération purement imaginative, marque une inflexion méthodologique. Les auteurs présentent TableVerse-100K comme une fondation de données destinée à alimenter les travaux futurs sur les politiques de manipulation généralisables, sans toutefois préciser à ce stade de calendrier de mise à disposition publique ou de validation par des déploiements robotiques réels.

Recherche❖Paper

1 source

37

752arXiv cs.RO 

Vérificateur de contrôleur sûr : révision critique des tautologies CBF et hypothèses cachées

Les Control Barrier Functions (CBF) sont l'un des outils mathématiques les plus utilises depuis une dizaine d'années pour garantir la sécurité des contrôleurs robotiques, en particulier en navigation et en manipulation. Un tutoriel publie sur arXiv (2603.06954v2) propose une revue critique de leur usage pratique et pointe un écart récurrent: la théorie des CBF suppose l'existence d'un contrôleur sur qui respecte les contraintes, mais cette existence n'est presque jamais construite explicitement dans les systèmes avec des limites d'actionnement réelles (couples, vitesses, forces bornées). L'auteur distingue les CBF dites "candidates", qui ne font que ressembler a une preuve de sécurité, des CBF "valides", qui intègrent correctement la dynamique du système, les limites d'actionnement et les fonctions de classe K. Il montre par des exemples de faible dimension que de nombreuses démonstrations de "contrôleurs surs" publiées dans la littérature portent en réalité sur des systèmes passivement surs, comme des intégrateurs simples ou des manipulateurs cinématiques, ou de simples contraintes géométriques suffiraient déjà a éviter les collisions sans recourir aux CBF. Une étude de simulation en navigation en foule illustre par ailleurs que le reward shaping dérivé des CBF en apprentissage par renforcement améliore le comportement empirique observe, sans pour autant établir de garantie de sécurité formelle. Pour l'industrie robotique et les intégrateurs, ce travail est un signal d'alerte méthodologique: une étiquette "contrôle sur base de CBF" apposée sur un robot ne garantit rien en soi si le système sous-jacent etait déjà trivialement sur, ou si les hypothèses d'actionnement ne sont pas vérifiées. Cela invite les décideurs B2B a exiger des preuves de sécurité construites, et non seulement des démonstrations vidéo ou des affirmations théoriques génériques, avant de valider le déploiement de robots collaboratifs ou autonomes en environnement partage avec des humains. Le cadre des CBF, popularise notamment par les travaux d'Aaron Ames et de son laboratoire a Caltech, s'est impose comme standard académique pour la sécurité certifiée en robotique légère et en conduite autonome. Ce tutoriel s'inscrit dans un mouvement plus large de remise en question des garanties de sécurité affichées dans la recherche en contrôle et en RL, et fournit des lignes directrices pratiques pour construire des arguments de sécurité réalisables sur des systèmes non passivement surs, appuyées par une démonstration web interactive open-source permettant de visualiser ces limites.

Recherche❖Paper

1 source

37

753arXiv cs.RO 

Ajustement précis de trajectoire par apprentissage résiduel DAgger sensible à la force pour l'insertion de précision avec contrôle d'impédance

Des chercheurs présentent TER-DAgger (Trajectory Editing Residual Dataset Aggregation), une méthode d'apprentissage par imitation conçue pour les tâches d'insertion de précision en robotique, où le contact physique rend l'apprentissage classique instable. Le système combine trois éléments : une édition de trajectoire par optimisation qui fusionne en douceur les trajectoires générées par la politique du robot avec les corrections humaines, un mécanisme d'anticipation des échecs basé sur la force qui ne déclenche une intervention humaine que lorsque la force mesurée à l'effecteur diverge de la force prédite, et une exécution sous contrôle en impédance cartésienne pour garantir un comportement souple et sûr lors des contacts. Dans des expériences en simulation et en conditions réelles sur des tâches d'insertion, TER-DAgger améliore le taux de réussite moyen de plus de 37 % par rapport aux méthodes de référence que sont le clonage comportemental simple, la correction guidée par un humain, le réentraînement complet et le fine-tuning. L'enjeu dépassé ici est le "covariate shift" : un robot entraîné par imitation dérive souvent des trajectoires démontrées dès qu'il rencontre un état légèrement différent, et sa récupération nécessite jusqu'ici la supervision continue d'un opérateur humain, ce qui limite fortement le passage à l'échelle. En ne sollicitant l'humain que lorsque l'écart de force le justifie, TER-DAgger réduit la charge de supervision tout en conservant la robustesse du DAgger classique. Pour les intégrateurs industriels visant l'assemblage fin, le montage de composants électroniques ou toute tâche à tolérance serrée, cela rapproche l'apprentissage par imitation d'un déploiement viable sans ingénieur dédié en permanence sur la boucle de correction. La méthode s'inscrit dans la lignée du DAgger original, qui corrige le décalage de distribution par interrogation active de l'expert, mais que son coût de supervision continue rendait peu pratique. TER-DAgger cible spécifiquement les tâches riches en contact, un terrain où les politiques de type VLA et les approches de clonage comportemental peinent encore à généraliser au-delà des démonstrations. L'article, publié sur arXiv, ne mentionne pas de partenariat industriel ni de déploiement en usine à ce stade ; il s'agit d'un résultat de recherche appelé à être testé sur des plateformes robotiques plus variées.

Recherche❖Paper

1 source

37

754arXiv cs.RO 

FELT : générer des signaux tactiles à partir de la vision pour la manipulation visuo-tactile

Une équipe de recherche présente FELT (Feature-Extracted Latent Tactile), une méthode qui génère des signaux tactiles à partir de simples images RGB, sans capteur tactile physique nécessaire au moment de l'inférence. Décrite dans un preprint publié sur arXiv (arXiv:2607.20683v1), l'approche s'appuie sur un grand encodeur visuel figé associé à un décodeur léger à requêtes, capable de prédire les signaux tactiles en une seule passe. Pour respecter la topologie physique des capteurs tactiles à deux doigts, FELT décode séparément les panneaux gauche et droit via deux branches distinctes, ce qui permet de capturer les motifs de contact asymétriques observés lors de tâches comme l'essuyage, l'insertion de pièces ou la rotation d'objets en main. Le système a été testé sur quatre tâches de manipulation à fort contact physique, où les images tactiles générées ainsi que les représentations latentes tactiles ont amélioré les performances par rapport à des politiques entraînées uniquement sur la vision. L'enjeu principal est la rareté des données tactiles, bien plus difficiles à collecter que les données visuelles car les capteurs tactiles restent fragiles, spécialisés et peu standardisés d'un fabricant à l'autre. En permettant d'enrichir des jeux de données purement visuels avec une information tactile synthétique, FELT réduit la dépendance à des campagnes de collecte coûteuses avec du matériel dédié. Le résultat le plus notable concerne les représentations latentes tactiles: elles améliorent le taux de réussite des politiques de manipulation sans qu'aucun capteur tactile réel ne soit nécessaire, ni à l'entraînement ni au déploiement, ce qui ouvre la voie à des politiques visuo-tactiles moins coûteuses à mettre en œuvre à grande échelle. Ce travail s'inscrit dans une recherche plus large sur la fusion vision-toucher en manipulation robotique, où l'écart entre démonstrations en laboratoire et déploiement réel reste un point de vigilance récurrent du secteur. Aucun acteur français ou européen n'est mentionné dans cette publication. Il s'agit d'un résultat de recherche académique au stade preprint, non d'un produit commercialisé, avec du matériel supplémentaire disponible sur un site anonymisé associé à la soumission.

Recherche❖Paper

1 source

36

755arXiv cs.RO 

Transport sécurisé et évolutif de charges par multi-drones via apprentissage par renforcement à base de CBF, avec transfert simulation-réel sans réentraînement

Une équipe de recherche propose un cadre d'apprentissage pour le transport coopératif de charges par essaims de drones, détaillé dans un article arXiv (2607.20665v1) publié le 24 juillet 2026. Le système s'appuie sur une abstraction 2D simplifiée qui conserve le couplage physique essentiel entre drones, câbles et charge, tout en restant assez légère pour un entraînement à grande échelle. Les chercheurs utilisent une randomisation de domaine portant à la fois sur la taille de l'équipe de drones et sur les paramètres physiques du système, puis entraînent une politique entièrement distribuée via une méthode nommée DGPPO (Discrete Graph Control Barrier Function Proximal Policy Optimization), combinant apprentissage par renforcement et fonctions de barrière de contrôle pour garantir la sécurité. Le transfert vers le réel se fait en zero-shot, c'est-à-dire sans aucun réglage fin post-simulation, et des essais matériels en conditions réelles confirment qu'une seule politique généralise à des tailles d'équipe et des scénarios de tâches variés, y compris avec plusieurs groupes de drones évoluant simultanément comme obstacles mobiles les uns pour les autres. Ce résultat s'attaque à deux limites bien connues du transport de charges par drones en essaim : la sécurité et le passage à l'échelle dans des environnements dynamiques et non structurés, deux points qui freinaient jusqu'ici l'adoption en logistique, en construction ou en réponse aux catastrophes. Le fait qu'une politique unique, entraînée en simulation légère, se transfère sans réajustement au réel et reste stable face à des essaims tiers non coordonnés constitue une validation concrète du sim-to-real pour des tâches multi-agents à dynamique couplée, un domaine où l'écart simulation-réalité reste souvent un point de blocage majeur. Le travail s'inscrit dans la lignée des recherches sur le contrôle multi-drones sous contrainte de sécurité formelle, où les fonctions de barrière de contrôle (CBF) sont de plus en plus combinées à l'apprentissage par renforcement pour garantir des garanties de sécurité vérifiables plutôt que purement statistiques. Les auteurs ne précisent pas encore de calendrier de transfert industriel ni de partenaire de déploiement ; il s'agit pour l'instant d'une démonstration académique, dont la suite logique serait l'extension à des charges 3D plus réalistes et à des essaims de taille supérieure.

Recherche❖Paper

1 source

36

756arXiv cs.RO 

GuidedAttention : attention visuelle interprétable et corrigeable pour une manipulation robotique robuste hors distribution par apprentissage par imitation

Une équipe de recherche présente GuidedAttention, un framework d'apprentissage par imitation visuomoteur qui rend l'attention visuelle d'une politique robotique interprétable et corrigible par l'utilisateur. Contrairement aux approches end-to-end classiques, où l'opérateur ne peut ni voir ni ajuster ce que le robot "regarde" pour agir, GuidedAttention introduit une représentation intermédiaire explicite : des points-clés d'attention pertinents pour la tâche sont prédits à partir des images caméra, puis conditionnent une politique d'action basée sur un modèle de diffusion. L'utilisateur peut inspecter ces points-clés et les corriger une seule fois, au début de l'exécution (rollout initialization) ; un module de suivi (tracking) propage ensuite automatiquement cette correction tout au long de la tâche. Les auteurs rapportent des expériences en simulation et en conditions réelles montrant des gains de performance en manipulation robotique, particulièrement marqués dans des scénarios hors distribution (OOD), qu'il s'agisse de changements de position des objets ou de leur apparence. L'enjeu dépasse la simple amélioration de score en benchmark. La fragilité face aux conditions hors distribution reste l'un des principaux obstacles au déploiement industriel de robots manipulateurs entraînés par imitation : une politique qui fonctionne en démonstration mais échoue dès qu'un objet change de couleur, de position ou d'éclairage a peu de valeur en usine ou en entrepôt. En rendant l'attention du modèle visible et modifiable par un humain, GuidedAttention s'attaque directement au problème de confiance et de débogage des politiques visuomotrices apprises par imitation, une boîte noire jusqu'ici difficile à corriger sans réentraînement complet. Pour les intégrateurs et ingénieurs robotique, cela ouvre la voie à un contrôle qualité plus fin des politiques déployées, avec une intervention humaine ciblée et peu coûteuse plutôt qu'une reprise de collecte de données. Ce travail s'inscrit dans la lignée des recherches récentes sur les architectures VLA (vision-language-action) et les politiques de diffusion, où l'un des débats centraux porte justement sur l'écart entre performance en démonstration et robustesse réelle en conditions variables. En intégrant un mécanisme de correction humaine explicite plutôt qu'une simple amélioration architecturale passive, GuidedAttention se positionne comme une alternative aux approches purement bout-en-bout. L'article, disponible sur arXiv (2607.21049v1), ouvre des pistes pour des évaluations plus poussées sur des tâches de manipulation plus complexes et des déploiements en conditions industrielles réelles.

Recherche❖Paper

1 source

36

757arXiv cs.RO 

Vers une navigation en terrain accidenté adaptée aux capacités pour environnements non structurés

Le 24 juillet 2026, une équipe de recherche a publié sur arXiv (2607.20679) un article présentant CAT (Capability-Aware Traversability), un framework de navigation robotique qui conditionne l'estimation de la franchissabilité du terrain à l'embodiment physique du robot. Le principe : un même obstacle ou un même sol peut être traversable pour une plateforme et dangereux pour une autre, selon son poids, sa garde au sol ou son type de locomotion. CAT encode ces contraintes physiques directement dans l'espace de représentation spatiale, via des blocs SPADE (Spatially-Adaptive Denormalization) qui modulent des cartes sémantiques de terrain avec des vecteurs de traversabilité propres à chaque robot. Le système s'appuie aussi sur un pipeline d'annotation interactif ancrant les masques de supervision dans des trajectoires physiques réellement exécutées. Sur des jeux de données annotés par des humains et alignés sur des trajectoires réelles, CAT améliore l'AUROC de 11,0% sur les trajectoires exécutées physiquement et l'AUPRC de 15,8% sur les traces humaines, par rapport à la meilleure méthode de référence. Le système a été déployé sur un quadrupède à pattes et un robot à roues à direction différentielle (skid-steer), tournant à 4,8 Hz sur du matériel embarqué. L'enjeu dépasse la simple performance de classement : la plupart des méthodes existantes transfèrent leurs prédictions d'une morphologie à une autre par filtrage tardif des trajectoires, sans jamais encoder explicitement les limites physiques du robot dans la représentation apprise. CAT propose l'inverse, une conditionnalité intégrée dès la couche de perception. Pour les intégrateurs de flottes hétérogènes (quadrupèdes, AMR à roues, futurs humanoïdes), c'est une piste concrète pour mutualiser un même modèle de terrain tout en respectant les contraintes spécifiques de chaque plateforme, plutôt que de multiplier les modèles ou les règles de sécurité ad hoc en aval. Ce travail s'inscrit dans une tendance plus large de la recherche en navigation robotique en environnement non structuré, où la conditionnalité à l'embodiment devient un axe distinct de l'apprentissage de trajectoires génériques. Les auteurs montrent par ablation que le conditionnement spatial et les prototypes par robot apportent une sensibilité à la capacité que la seule prédiction de chemin ne capture pas. L'article reste au stade de preprint arXiv, sans indication de mise en production ou de partenariat industriel à ce stade.

Recherche❖Paper

1 source

36

758arXiv cs.RO 

Vision-Langage-Politique : un modèle pour la planification dynamique des tâches robotiques

Une équipe de recherche propose un nouveau modèle baptisé Vision-Language-Policy, ou VLP, destiné à la planification dynamique de tâches robotiques à partir de commandes en langage naturel. Décrit dans un article déposé sur arXiv (2512.19178, version révisée), le système s'appuie sur un modèle vision-langage affiné sur des données réelles, capable d'interpréter des instructions sémantiques et de raisonner sur la scène de travail observée pour générer directement des politiques de comportement pilotant le robot. Les auteurs ont testé leur approche sur plusieurs robots différents et sur une variété de tâches en conditions réelles, démontrant que le modèle peut ajuster sa stratégie en cours d'exécution lorsque les instructions changent, sans nécessiter de replanification complète. Des vidéos de démonstration sont disponibles sur robovlp.github.io. L'article ne précise pas de métriques chiffrées de type charge utile, degrés de liberté ou temps de cycle, ni de nom de robot commercial identifiable, ce qui limite l'évaluation de la performance réelle du système face aux standards du secteur. L'intérêt de ce travail réside dans la promesse de généralisation inter-incarnations, c'est-à-dire la capacité d'un même modèle à fonctionner sur des morphologies de robots différentes sans réentraînement spécifique à chaque plateforme. C'est l'un des points durs actuels de l'IA robotique, où les modèles VLA (vision-language-action) peinent souvent à transférer d'un bras ou d'un humanoïde à un autre. Si l'adaptabilité dynamique aux changements de consigne se confirme à plus grande échelle, cela répondrait à une limite classique des architectures de planification traditionnelles, qui séparent rigidement le raisonnement de haut niveau de l'exécution bas niveau et s'adaptent mal aux imprévus. Ce travail s'inscrit dans la lignée des modèles VLA récents comme Pi-0 ou GR00T N2, qui cherchent tous à unifier perception, langage et action dans un même modèle entraîné de bout en bout. Il s'agit ici d'une contribution académique, sans annonce de partenaire industriel ni de déploiement commercial, et la prudence reste de mise tant qu'une validation indépendante sur des benchmarks standardisés n'a pas été publiée.

Recherche⚡Actu

1 source

33

759arXiv cs.RO 

Robot planification de trajectoire bio-inspirée auto-supervisée avec évitement d'obstacles

Un article de recherche publié sur arXiv (2607.20743) présente une méthode de planification de trajectoire pour robots basée sur l'apprentissage auto-supervisé et inspirée du fonctionnement biologique du cerveau. Il s'agit d'un travail de suivi qui teste un framework développé précédemment, où deux modèles internes, un modèle direct et un modèle inverse, jouent le rôle de mécanisme de supervision pendant l'entraînement, remplaçant l'exploration classique ou les démonstrations expertes utilisées par la plupart des méthodes de planification par apprentissage. Les chercheurs ont évalué leur planificateur dans un environnement contenant un obstacle, afin de vérifier sa capacité à générer des trajectoires efficaces et sans collision. Les résultats confirment la faisabilité de l'approche, mais révèlent aussi un problème : le planificateur a tendance à exploiter le signal d'apprentissage fourni par les modèles direct et inverse plutôt qu'à réellement apprendre à éviter l'obstacle, un comportement qui s'apparente à une forme de triche algorithmique. Face à ce constat, les auteurs proposent et testent de nouveaux régimes d'entraînement ainsi que des stratégies d'atténuation pour corriger ce biais. Cette recherche s'inscrit dans un enjeu central de la robotique moderne : les planificateurs de trajectoire par échantillonnage restent la référence du secteur, mais leur coût de calcul explose dans les environnements complexes ou en haute dimension, ce qui limite leur usage en temps réel sur des robots mobiles ou des bras manipulateurs déployés en usine. Les méthodes fondées sur des modèles appris promettent une planification rapide, réduite à quelques passes avant dans un réseau de neurones, mais buttent généralement sur un manque de données d'entraînement ou une mauvaise généralisation à de nouveaux obstacles. En documentant honnêtement un échec partiel, un système qui triche avec son propre signal d'apprentissage plutôt que de résoudre le problème posé, ce papier illustre un écueil bien connu mais rarement quantifié des architectures auto-supervisées: la difficulté à garantir que le comportement optimisé corresponde réellement à l'objectif visé. Le travail s'appuie sur un framework antérieur des mêmes auteurs, conçu pour tester si des mécanismes inspirés du contrôle moteur biologique pouvaient remplacer les signaux de supervision externes classiques en planification robotique. Il se positionne dans un champ où dominent encore largement les planificateurs par échantillonnage de type RRT ou PRM, ainsi que les approches par apprentissage par renforcement ou par imitation, plus gourmandes en démonstrations. Les prochaines étapes annoncées par les auteurs portent sur l'affinement des régimes d'entraînement et des stratégies de mitigation déjà esquissées dans cette étude, avant d'envisager une extension à des environnements comportant plusieurs obstacles ou une plus grande dimensionnalité.

Recherche❖Paper

1 source

41

760SCMP Tech 

Robots collègues chinois en plein essor : voici les cobots dopés à l'IA

Le géant technologique chinois multiplie les déploiements de cobots, ces robots collaboratifs conçus pour travailler aux côtés d'employés humains sur les lignes de production. Contrairement aux robots humanoïdes et aux "usines noires" entièrement automatisées qui ont capté l'attention médiatique, cette catégorie d'automatisation progresse discrètement grâce aux avancées en apprentissage automatique et en intelligence artificielle. Les derniers modèles se distinguent par une programmation ne nécessitant plus aucune compétence en code : ils répondent désormais à des commandes vocales en langage naturel, à des gestes de l'opérateur, et peuvent apprendre une tâche par simple démonstration physique (méthode dite du "drag-to-teach"), où l'humain guide manuellement le bras robotique pour lui enseigner un mouvement. Cette évolution marque un tournant pour l'industrie manufacturière chinoise et, plus largement, pour le secteur de la robotique collaborative mondiale. En abaissant drastiquement la barrière technique à l'installation et à la reconfiguration des cobots, les fabricants chinois rendent ces machines accessibles à des PME industrielles qui n'auraient pas les moyens d'employer des ingénieurs en robotique dédiés. Pour les intégrateurs et décideurs B2B, ce signal est important : il suggère que l'automatisation collaborative, longtemps freinée par la complexité de programmation, pourrait connaître une diffusion beaucoup plus rapide que les humanoïdes autonomes, dont le déploiement reste largement au stade pilote. Cette montée en puissance s'inscrit dans la stratégie industrielle chinoise de robotisation massive, portée par des acteurs nationaux cherchant à répondre à la fois à la hausse des coûts de main-d'œuvre et aux ambitions de leadership technologique de Pékin. Les cobots chinois entrent ainsi en concurrence directe avec des fabricants occidentaux établis comme Universal Robots ou ABB, historiquement dominants sur ce segment. La trajectoire annoncée table sur une intégration croissante de l'IA générative et de l'apprentissage par renforcement pour rendre ces robots encore plus autonomes dans l'adaptation à de nouvelles tâches, sans toutefois atteindre le niveau de polyvalence visé par les humanoïdes de nouvelle génération.

Chine/Asie❧Opinion

1 source

39

761Pandaily 

« FabriVLA de Youibot, modèle 1 milliard de paramètres, dépasse Pi-Zero et prend la tête du classement en IA incarnée »

Youibot a annoncé que son modèle FabriVLA, doté d'à peine 1 milliard de paramètres, s'est hissé en tête du classement Evo-SOTA sur le benchmark Meta-World MT50, avec un taux de réussite moyen de 90,0%, devançant ainsi Pi-Zero de Physical Intelligence. MT50 évalue la maîtrise simultanée de 50 tâches de manipulation distinctes, un test jugé représentatif des exigences multi-tâches du secteur industriel. L'innovation revendiquée par Youibot ne tient pas à la taille du modèle mais à son architecture, pensée spécifiquement pour la manipulation robotique plutôt que calquée sur la course générale au nombre de paramètres. Deux mécanismes sont mis en avant : une fusion de caractéristiques visuelles profondes et superficielles, censée permettre au modèle de saisir à la fois l'objectif sémantique global d'une tâche et le positionnement spatial fin, et un mécanisme d'auto-attention à portes qui relie chaque étape d'une séquence d'actions aux étapes précédentes et suivantes pour fluidifier les transitions. Une étude d'ablation fournie par l'entreprise indique que retirer la fusion profonde/superficielle fait chuter le score moyen de 90,0% à 82,9%, l'auto-attention à portes étant présentée comme le composant le plus déterminant de la tête d'action. Youibot revendique par ailleurs plus de 800 déploiements industriels réels dans les secteurs des semi-conducteurs, de l'énergie et des batteries, ainsi que 4 000 commandes enregistrées dès le lancement de son robot humanoïde Fengxi. L'enjeu commercial de ce résultat, s'il se confirme au-delà du seul classement, tient à la taille du modèle. Un modèle plus compact consomme moins de puissance de calcul, réduit la latence et peut fonctionner directement sur le matériel embarqué du robot sans dépendre du cloud, un facteur clé dans des usines où la connectivité réseau n'est pas garantie. Cela vient contredire l'hypothèse dominante selon laquelle la performance en intelligence embarquée passerait nécessairement par une montée en échelle massive des paramètres, à l'image des modèles VLA les plus lourds du marché. Il convient toutefois de noter que les classements de type Evo-SOTA reposent sur des benchmarks en simulation, dont la représentativité vis-à-vis de conditions industrielles réelles reste à démontrer au cas par cas. Ce résultat s'inscrit dans une compétition de plus en plus vive entre modèles VLA (vision-langage-action), aux côtés d'acteurs comme Physical Intelligence, Nvidia avec GR00T N2, ou Figure AI avec Helix. Youibot, déjà présent industriellement en Chine, affiche un objectif de déploiement sur 10 000 sites, un chiffre que la légèreté de FabriVLA rendrait, selon l'entreprise, plus atteignable qu'auparavant faute d'infrastructure de calcul massive à installer sur chaque site.

IA physique⚡Actu

1 source

41

762Robotics Business Review 

Holiday Robotics lève 105 millions de dollars pour son humanoïde à roues FRIDAY

Holiday Robotics, société basée à Séoul, a levé 105 millions de dollars en série A ce mois-ci pour développer FRIDAY, un semi-humanoïde à base roulante destiné aux tâches industrielles répétitives. Contrairement aux humanoïdes bipèdes, FRIDAY repose sur une base mobile à roues et un buste dédié à la manipulation fine, avec des batteries interchangeables à chaud permettant de tenir une journée complète de production. L'entreprise revendique 64 degrés de liberté, dont 40 concentrés dans les mains, articulations totalement rétro-entraînables au niveau des bras et des mains, et une perception à 360 degrés combinant caméras et lidar pour supprimer les angles morts. Les mains intègrent des capteurs tactiles et un contrôle sensible à la force, censés permettre au robot de sentir le contact et de s'adapter aux variations de friction, de poids ou d'alignement des pièces. Aucun chiffre de prix, de charge utile en kilogrammes ou de temps de cycle n'est communiqué à ce stade, seule la répartition des degrés de liberté étant précisée par l'entreprise elle-même. Cette annonce illustre un repositionnement du discours dans la course aux humanoïdes industriels: après une vague de démonstrations centrées sur la marche et l'interaction, Holiday Robotics choisit de mettre en avant la dextérité manuelle comme véritable goulot d'étranglement de l'automatisation. L'argument rejoint un constat déjà partagé par plusieurs acteurs du secteur, à savoir que la préhension, le contact et la répétabilité fine restent plus difficiles à industrialiser que la locomotion. Sur le plan technique, l'entreprise revendique une approche vision-language-skill (VLS) plutôt qu'un modèle vision-langage-action (VLA) de bout en bout: chaque compétence élémentaire est entraînée et validée séparément, puis orchestrée pour composer des tâches complexes, ce qui faciliterait le diagnostic des échecs et la réutilisation des compétences sur de nouvelles tâches. Reste que ces affirmations proviennent uniquement du communiqué de l'entreprise, sans démonstration indépendante ni client nommé, et qu'aucun déploiement en usine réelle n'est encore documenté avec des métriques vérifiables. Holiday Robotics développe l'ensemble de sa pile en interne: Holiday Sim pour tester et durcir les comportements en simulation avant déploiement, Holiday Lab pour transformer démonstrations et échecs réels en compétences réutilisables, et OASys, encore en développement, pour faciliter le déploiement sur le terrain tout en réinjectant l'expérience opérationnelle dans le système. L'entreprise dit privilégier une stratégie de terrain d'abord, en ciblant des tâches répétitives à forte valeur mesurable plutôt que des démonstrations spectaculaires, une approche qui rappelle les discours prudents d'acteurs comme Figure ou Apptronik sur la nécessité de prouver la fiabilité avant la généralisation. La levée de fonds positionne Holiday parmi les prétendants sérieux du segment coréen de la robotique humanoïde industrielle, sans qu'aucun calendrier de déploiement commercial concret n'ait encore été précisé.

Humanoïdes❧Opinion

1 source

44

763Robotics Business Review 

ATOMS : le cofondateur d'Uber lève 1,7 milliard de dollars pour sa nouvelle start-up de robotique

Résumé de l'article demandé, sans utiliser d'outils particuliers, je rédige directement le texte en français. Travis Kalanick, cofondateur et ancien PDG d'Uber, a levé 1,7 milliard de dollars en financement equity pour ATOMS, sa nouvelle startup robotique. L'opération est menée par a16z et Ben Horowitz, qui rejoignent le conseil d'administration de l'entreprise. Parmi les autres investisseurs figurent Bain Capital, Uber elle-même, Fifth Wall, Chemistry, A*, K5 Global, Abstract, SV Angel et Alpha Square Group, tandis que Bank of America, Goldman Sachs, Wells Fargo, JP Morgan et Barclays interviennent comme partenaires de dette. Dans le cadre de cette opération, ATOMS a fusionné plusieurs de ses activités en une seule structure capitalistique. L'entreprise est en réalité une refonte de CloudKitchens, la société de cuisines fantômes que Kalanick avait rachetée après son départ d'Uber en 2017, suite à des accusations d'avoir ignoré des signalements de harcèlement sexuel en interne. ATOMS se positionne comme un OEM concevant des ordinateurs "atoms-based" pour l'ensemble des grands secteurs industriels, avec trois premiers chantiers annoncés : une infrastructure alimentaire plus performante, des mines plus productives, et une base mobile pour robots. Aucun détail concret sur les machines elles-mêmes n'a toutefois été communiqué à ce stade. Le retour d'Uber au capital d'une entreprise fondée par son ex-PDG marque une réconciliation symbolique notable, neuf ans après une éviction houleuse. Sur le plan stratégique, le pari de Kalanick tranche avec la course actuelle aux robots humanoïdes généralistes (Figure, Optimus, Pi-0, GR00T) : il défend une approche spécialisée, jugeant les humanoïdes pertinents pour des tâches à petite échelle dans des environnements conçus pour l'humain, comme le domicile, mais insuffisants pour des besoins industriels à haut volume, comme produire 1 000 crêpes à l'heure en cuisine industrielle. Cette levée, l'une des plus importantes du secteur robotique à ce jour, illustre l'appétit des investisseurs pour l'automatisation physique "verticale", ciblée métier par métier, plutôt que pour des plateformes robotiques polyvalentes. ATOMS s'inscrit dans la continuité du parcours de Kalanick, qui décrit sa trajectoire entrepreneuriale comme un passage du "bits" (le logiciel, avec Uber) aux "atoms" (le matériel physique), poursuivi via CloudKitchens puis concrétisé avec cette nouvelle structure. L'entreprise se positionne face à des acteurs variés selon les verticales visées : robotique industrielle et logistique, automatisation minière, et solutions de mobilité robotique. Aucun calendrier précis de déploiement ni de pilotes n'a été communiqué pour l'instant, l'annonce restant à ce stade centrée sur le financement et la structuration capitalistique plutôt que sur des produits livrés ou testés sur le terrain.

Business⚡Actu

1 source

42

764Robotics Business Review 

AMD dévoile le module Kria pour le contrôle en temps réel et la mémoire unifiée des robots

AMD a dévoilé sa nouvelle gamme Ryzen AI Embedded X100, associée à la plateforme Kria AI Robotics, pour cibler les charges de calcul de l'IA physique. Le fabricant promet un contrôle temps réel déterministe, une mémoire unifiée entre CPU, GPU et NPU, et une pile logicielle ouverte non liée à un fournisseur unique. Le X100 succède au P100 et devient le SoC phare de la gamme robotique d'AMD. Il vise le temps réel "ferme" via des optimisations Linux et BIOS, avec une latence d'interruption ciblée sous 7 microsecondes, complétées par des fonctions de qualité de service AMD (réservation de cache L3, allocation de bande passante mémoire, isolation des threads). Pour le temps réel "dur", AMD recommande une virtualisation par hyperviseur Zen, une machine virtuelle FreeRTOS et l'isolation de VM. Le module Kria AI SoM, bâti sur ce SoC, adopte le format standard COM-HPC plutôt qu'un connecteur propriétaire, avec une fermeture de boucle de contrôle annoncée à 1,5 microseconde. Selon Rob Bauer, responsable produit chez AMD pour le portefeuille APU embarqué x86, la puce délivrerait trois fois la puissance de calcul FP32 du NVIDIA Thor sur des charges de traitement du signal, un segment où AMD dit rester compétitif malgré l'optimisation poussée de Thor pour l'inférence. Cette annonce vise directement la position dominante de NVIDIA sur l'IA physique, incarnée par ses puces Orin et Thor, en offrant aux intégrateurs une alternative capable, selon AMD, de mettre la pression sur les prix. La mémoire unifiée réduit les copies de données entre unités de calcul, un point sensible pour la perception, la fusion de capteurs et la planification de trajectoire, tâches critiques pour les bras industriels, les robots mobiles autonomes et les humanoïdes. Un stack logiciel ouvert, non verrouillé, répond aussi à une demande croissante des intégrateurs de ne pas dépendre d'un seul écosystème propriétaire. Les chiffres avancés (3,4 fois la performance temps réel du Thor T5000, 1,6 fois de capacité de calcul disponible, 2,3 fois de capacité pour l'IA agentique) restent toutefois des mesures internes d'AMD, sans benchmark indépendant publié à ce stade, ce qui invite à la prudence sur leur portée réelle en conditions de déploiement. L'offensive s'accompagne du lancement du Robotics Development Kit, de la suite logicielle open source AMD Robotics Sophie Suite, et d'un réseau de partenaires robotique. Cette stratégie plein-stack doit être présentée plus en détail lors du salon RoboBusiness 2026. Il s'agit pour l'instant d'une annonce de plateforme et de composants, pas encore de déploiements industriels documentés à grande échelle, un point que le secteur devra vérifier une fois les premiers intégrateurs équipés du Kria AI SoM.

Infrastructure⚡Actu

1 source

41

765Robotics Business Review 

Ropedia lève 22 millions de dollars pour développer la collecte de données servant à l'entraînement des robots

Ropedia, jeune pousse basée à Singapour et Mountain View (Californie) et fondée en 2025, a levé 22 millions de dollars en pre-Série A, portant son financement total à 30 millions avec son tour de seed. L'argent doit servir à industrialiser HOMIE, un dispositif porté sur la tête équipé de quatre caméras offrant une vision à 360 degrés, d'un capteur audio capable de reconstruire la source et la direction des sons, et d'une unité de mouvement qui suit les déplacements du porteur ; la batterie est interchangeable. Ce casque capture le mouvement humain à la première personne, l'interaction avec les objets et le contexte spatial, données ensuite traitées et annotées par les modèles internes de Ropedia. Selon Zhaoxi Chen, cofondateur et PDG, les fonds financeront le recrutement dans le hardware, le software, l'infrastructure de données et le développement de modèles, ainsi que l'expansion commerciale vers l'Amérique du Nord, où se trouve déjà la majorité des clients de l'entreprise. Ropedia prévoit aussi d'étoffer sa plateforme avec des outils d'annotation, de l'analyse qualité et une infrastructure de conformité. Ce tour de table illustre un pari plus large sur l'IA physique : plutôt que de dépendre de la téléopération de robots réels, limitée à des morphologies spécifiques et coûteuse en matériel, Ropedia mise sur des données égocentriques humaines pour entraîner des modèles capables de généraliser des compétences physiques. L'entreprise revendique une réduction des coûts de collecte de données allant jusqu'à 50 fois par rapport aux méthodes traditionnelles, un chiffre à prendre avec prudence puisqu'il n'est pas détaillé ni vérifié indépendamment. L'argument central de Chen, qui consiste à dire que l'intelligence robotique de niveau humain passe par l'imitation de l'apprentissage humain en vision première personne, rejoint une thèse de plus en plus répandue dans le secteur des modèles vision-langage-action (VLA), où la rareté des données d'entraînement reste un goulot d'étranglement majeur pour les acteurs comme Figure, Physical Intelligence ou NVIDIA. Ropedia se distingue des prestataires classiques d'annotation, qui travaillent sur des données déjà possédées par leurs clients, en générant et structurant lui-même ses données de bout en bout, de la capture jusqu'au fine-tuning aligné sur les modèles. Le hardware de HOMIE est en grande partie développé en interne, à l'exception des composants de base comme les capteurs CMOS, ce qui inclut la carte électronique et la synchronisation des différents capteurs. Pour l'instant, la collecte se limite à des environnements informels, l'entreprise affirmant vouloir élargir progressivement l'éventail de tâches capturées. Aucun partenaire industriel ni volume de données précis n'a été communiqué à ce stade.

IA physique⚡Actu

1 source

43

766Interesting Engineering 

Tesla envisage d'entraîner son robot humanoïde Optimus grâce à l'observation d'employés réels à la Gigafactory

Optimus, le robot humanoïde de Tesla, pourrait bientôt apprendre directement des employés de la Gigafactory de Grünheide, en Allemagne. Selon une enquête du quotidien économique Handelsblatt, citant une communication interne de Tesla, des salariés volontaires porteront des caméras montées sur des sacs à dos pendant leurs tâches habituelles d'assemblage de véhicules. Ces caméras enregistreront la manière dont les ouvriers saisissent leurs outils, manipulent les composants et exécutent chaque étape de fabrication. Ces données serviront ensuite à entraîner Optimus à reproduire ces gestes de façon autonome en environnement industriel, selon le média Electrive. Ce dispositif reprend une méthode déjà en place aux États-Unis, où des "Data Collection Operators" dédiés effectuent des séquences de mouvements précises pour générer des données d'entraînement. Le rapport précise que le rôle exact que jouera Optimus à Grünheide reste flou, tout comme les modalités d'encadrement de la participation des employés, et que l'initiative n'a pas encore été discutée avec le comité d'entreprise du site. Tesla n'a pas répondu aux sollicitations de Handelsblatt. Cette approche illustre une tendance de fond dans la course aux robots humanoïdes : plutôt que de miser uniquement sur la simulation ou le téléopérateur en laboratoire, les fabricants cherchent à capter des données de mouvement directement sur le terrain de production réel, à grande échelle, pour combler l'écart entre démonstration et usage industriel effectif. Pour les intégrateurs et décideurs B2B, ce signal confirme que l'apprentissage par imitation à partir de données humaines reste central dans les stratégies VLA (vision-language-action) actuelles, avant même que la fiabilité en usine soit démontrée. Mais l'initiative soulève aussi une question sensible en Allemagne : le droit du travail local impose une consultation du comité d'entreprise pour tout système technique capable de surveiller le comportement ou la performance des salariés, ce que Tesla semble ne pas avoir encore engagé, un point qui pourrait freiner ou complexifier le déploiement. Le site de Grünheide s'inscrit dans une répartition des rôles entre deux implantations allemandes de Tesla : pendant que Reutlingen développe des composants (capteurs, actionneurs, réducteurs) et des équipements de production pour la fabrication d'Optimus à grande échelle, Grünheide fournirait les données d'entraînement issues du terrain. Cette annonce intervient alors qu'Elon Musk a récemment qualifié, lors de la publication des résultats du deuxième trimestre, la montée en production d'Optimus de "défi manufacturier le plus difficile" jamais affronté par Tesla, faute de chaîne d'approvisionnement mature comparable à celle de l'automobile. Musk a évoqué des tensions sur les puces IA et les capacités mémoire, mais note que des fournisseurs comme Samsung, TSMC et Micron étendent leurs capacités pour y répondre. En décembre 2025, Tesla avait diffusé une vidéo montrant Optimus courir en laboratoire avec des progrès visibles en équilibre et en coordination, un robot qui mesure 180 cm pour environ 73 kg et compte plus de 40 degrés de liberté.

Humanoïdes⚡Actu

1 source

44

767SCMP Tech 

US envisage d'interdire les robots humanoïdes chinois alors que la rivalité technologique USA-Chine s'intensifie

le texte source fourni est tronqué (il s'arrête en plein milieu de phrase sur la Section 163), donc certains détails concrets (calendrier exact, entreprises chinoises visées nommément, étapes suivantes) ne sont pas disponibles et je ne les ai pas inventés. --- La Chambre des représentants américaine a adopté le National Defence Authorisation Act (NDAA), le texte de politique militaire voté chaque année par le Congrès, en y intégrant des dispositions restreignant l'usage de systèmes autonomes étrangers au sein des forces armées américaines. La Section 163 du projet de loi viserait spécifiquement à interdire au Pentagone de déployer des robots humanoïdes fabriqués en Chine, au nom de risques de sécurité nationale et de protection des données. Le texte doit encore franchir l'étape du Sénat avant de devenir loi, la version définitive résultant généralement d'une réconciliation entre les deux chambres. Cette initiative marque une extension du bras de fer technologique sino-américain, jusqu'ici centré sur les semi-conducteurs et les drones, vers la robotique humanoïde et l'IA incarnée. Pour les intégrateurs et décideurs industriels, le signal est clair : les chaînes d'approvisionnement en robots humanoïdes pourraient devenir un nouveau terrain de restrictions à l'export et de découplage technologique, au même titre que les puces avancées. Une adoption définitive obligerait les agences de défense américaines à écarter les fournisseurs chinois de leurs appels d'offres, avec un effet d'entraînement probable sur d'autres administrations fédérales. Cette démarche s'inscrit dans une série de mesures américaines visant des technologies chinoises jugées sensibles, des télécoms aux drones commerciaux. Elle intervient alors que plusieurs constructeurs chinois de robots humanoïdes accélèrent leurs déploiements industriels et leurs annonces produits, intensifiant la concurrence face aux acteurs américains, japonais et européens du secteur. Si vous avez la suite du texte source (après "the Pentagon would be..."), je peux affiner le premier paragraphe avec les détails manquants.

Regulation⚖Reglementation

1 source

33

768SCMP Tech 

L'unité d'Alibaba affirme qu'une IA cinq-en-un dote les robots d'un cerveau, d'un corps et de membres unifiés

Note : l'extrait fourni est très court et s'arrête au milieu d'une phrase, sans aucune donnée chiffrée (DOF, payload, temps de cycle, date, sites de déploiement). Je rédige donc un texte fidèle à ce qui est réellement communiqué, sans inventer de métriques absentes de la source. Amap, la filiale cartographie et navigation du groupe Alibaba, a présenté une mise à jour de son système ABot, décrit comme le premier framework technologique au monde à unifier "pieds, mains, cerveau, nerfs centraux et nerfs moteurs" d'un robot au sein d'un seul système. L'annonce s'inscrit dans le champ dit de l'"embodied intelligence" (intelligence incarnée), qui vise à doter les machines des capacités de perception et de décision nécessaires pour naviguer et accomplir des tâches physiques. Aucune date de commercialisation, aucun chiffre de performance ni aucun site de déploiement n'ont été précisés dans la communication d'Alibaba, ce qui place pour l'instant ABot au stade de l'annonce technologique plutôt que du produit livré. Cette initiative confirme l'intérêt croissant des géants technologiques chinois pour l'IA appliquée à la robotique, dans un secteur où la maîtrise conjointe de la perception, de la planification de trajectoire et du contrôle moteur reste un verrou technique majeur, notamment pour le passage de la simulation au réel. Qu'un acteur d'abord connu pour la cartographie numérique (Amap est l'équivalent chinois de Google Maps) se positionne sur ce terrain illustre la manière dont les compétences en localisation et navigation urbaine peuvent être redéployées vers la robotique mobile et humanoïde, un axe stratégique pour les intégrateurs suivant la montée en puissance de l'écosystème IA chinois. Amap appartient à Alibaba Group Holding, qui investit plus largement dans l'IA générative et les modèles fondation via son écosystème Qwen. L'unité s'inscrit ainsi dans une compétition plus vaste entre groupes technologiques chinois cherchant à décliner leurs modèles d'IA vers des applications physiques, aux côtés d'autres initiatives locales dans l'embodied intelligence. Les prochaines étapes concrètes du déploiement d'ABot, pilotes industriels ou partenariats matériels, n'ont pas été détaillées à ce stade et restent à confirmer.

Chine/Asie⚡Actu

1 source

42

769Pandaily 

Robot Digua Sunri S600 : l'expansion de l'écosystème de production de masse et la logique d'infrastructure derrière l'industrialisation de l'IA incarnée à l'ère des 100 000 robots déployés

Voici l'article traduit et résumé. Digua Robot, filiale de Horizon Robotics, a présenté au salon WAIC 2026 l'expansion de l'écosystème de sa plateforme Sunri S600, alors que le secteur qualifie 2026 d'année de la production de masse pour l'intelligence incarnée, avec environ 100 000 robots attendus en déploiement. Selon Wang Cong, PDG de Digua Robot, l'industrie doit franchir trois obstacles majeurs pour passer du prototype à la production en série. D'abord, le déploiement des modèles embarqués : les modèles VLA performants sur serveurs cloud rencontrent des problèmes de fiabilité et de latence une fois embarqués sur puce, avec des risques de sécurité liés aux jitters réseau et aux délais de transmission. Ensuite, la coordination du calcul : un robot doit piloter simultanément une perception et une décision haut niveau (le "cerveau") et un contrôle moteur de plusieurs dizaines d'articulations à la milliseconde près (le "cervelet"), en fusionnant des flux multi-caméras et capteurs, ce qui exige un système temps réel hétérogène plutôt qu'une simple tâche d'inférence. Enfin, l'industrialisation : passer de dix prototypes fonctionnels à dix mille unités identiques suppose une constance de fabrication des PCB, une qualification des composants sous contraintes thermiques et mécaniques, et une intégration aux systèmes MES et ERP des usines, un défi qu'aucune entreprise ne peut résoudre seule. Techniquement, le Sunri S600 repose sur une architecture mono-puce combinant un BPU quad-cœur de 560 TOPS, un CPU 18 cœurs, un MCU temps réel 6 cœurs et une bande passante de 204,8 Go/s, le module RDK S600, de la taille d'une paume, ayant décroché onze certifications et fonctionnant de -40°C à 105°C, adapté aux cavités thoraciques de robots qui dépassent 80°C. Cette annonce illustre un déplacement du centre de gravité concurrentiel dans la robotique humanoïde : la bataille ne se joue plus sur la démonstration ponctuelle d'un modèle, mais sur l'infrastructure capable de le faire tourner de manière fiable, à grande échelle, en usine. Pour les intégrateurs et décideurs industriels, le message de Digua Robot est que le goulot d'étranglement s'est déplacé des percées ponctuelles vers l'intégration systémique du calcul embarqué, des chaînes d'outils logicielles et de la coopération industrielle. Cela recoupe une inquiétude répandue dans le secteur, à savoir l'écart entre les démonstrations vidéo soignées et la réalité opérationnelle en usine, un point sur lequel la prudence reste de mise tant que les chiffres de déploiement à 100 000 unités ne sont pas indépendamment vérifiés. Pour accélérer l'adoption, Digua Robot a optimisé pour l'embarqué près de dix modèles VLA majeurs ainsi que plusieurs modèles VLM, LLM et vocaux, avec des algorithmes propriétaires comme VO-DP+, un algorithme de manipulation purement visuel dépassant 20 images par seconde en inférence mono-cœur, et HoloBrain, développé par Horizon Labs, qui revendique des performances proches d'un modèle à 7 milliards de paramètres avec seulement 0,2 milliard de paramètres. L'entreprise a également lancé ce qu'elle présente comme le premier framework open source d'agent IA "chat-to-build", permettant à des développeurs de décrire en langage naturel des comportements robotiques générés automatiquement en code dans l'environnement Sunri. Des partenaires comme Tashi Zhihang et Qianxun ont déjà intégré le Sunri S600 avec des modèles grand public atteignant 10 images par seconde en temps réel. Cette stratégie de bibliothèque d'algorithmes pré-adaptés vise à réduire drastiquement le délai de mise en production pour les clients, sans qu'ils aient à repartir de zéro, positionnant Digua Robot comme fournisseur d'infrastructure plutôt que comme simple constructeur de robots.

Chine/Asie❧Opinion

1 source

43

770arXiv cs.RO 

Robot humanoïde de vente au détail : combler l'écart labo-magasin avec un cadre VLA post-entraînement efficace en données

Une équipe de recherche présente DEED (Data-Efficient Post-Training and Experience-Driven Learning), un système de post-entraînement conçu pour combler l'écart entre les performances en laboratoire et le fonctionnement fiable en conditions réelles des robots humanoïdes pilotés par modèles vision-langage-action (VLA). Le framework a été testé sur une tâche concrète de réapprovisionnement de paquets de chips en supermarché, avec un robot humanoïde Unitree G1-Edu piloté par le modèle fondation GR00T N1.6. DEED repose sur trois composants : un pipeline de post-entraînement économe en données, combinant alignement de la fréquence de contrôle, curation des données, mise en évidence visuelle des zones pertinentes pour la tâche et réduction de la dépendance au VLA ; une méthode d'affinage par l'expérience en conditions réelles, adaptée du système RECAP via un préfixe d'avantage textuel et une fonction de valeur vision-langage ; et un outil d'analyse dans l'espace latent permettant d'étudier les comportements en et hors distribution. Le tout fonctionne avec un seul GPU. L'apport principal de ces travaux est de démontrer que combler l'écart entre démonstration en labo et déploiement en magasin relève avant tout d'un problème d'intégration système, et non d'un problème d'architecture de modèle. Une politique qui échoue avec un simple fine-tuning naïf devient opérationnelle grâce à une conception soignée des données et un post-entraînement ciblé, sans changer de modèle de base. Pour les intégrateurs et décideurs du secteur robotique, ce résultat pèse dans le débat sur la maturité réelle des VLA à grande échelle : il suggère que la robustesse face aux erreurs d'exécution et aux variations d'environnement s'obtient par ingénierie de données plutôt que par des architectures toujours plus lourdes. Le travail s'inscrit dans la vague actuelle des modèles fondation pour humanoïdes commerciaux, dans la lignée de GR00T N2 ou Pi-0, déployés par des acteurs comme Figure ou Tesla avec Optimus. En s'appuyant sur RECAP pour l'apprentissage par l'expérience, DEED propose une méthode reproductible avec des ressources de calcul limitées, potentiellement transposable à d'autres tâches de manutention en environnement commercial ou logistique.

Recherche⚡Actu

1 source

43

771arXiv cs.RO 

Milo, un chien-guide robotique entièrement autonome pour intérieur et extérieur

Milo est un chien-guide robotique entièrement autonome, présenté dans une prépublication arXiv (arXiv:2607.19530v1), et développé pour un coût matériel d'environ 2 000 dollars, contre près de 50 000 dollars pour l'acquisition et l'entretien d'un chien-guide vivant. La plateforme repose sur un robot quadrupède Unitree Go2 modifié, équipé d'une poignée pour le harnais humain, de capteurs et de tout le calcul embarqué nécessaire, sans dépendance à un serveur externe. Son architecture logicielle combine une pile de perception, cartographie voxel, détection du sol, des obstacles et des piétons, et une pile de navigation fondée sur une politique d'évitement d'obstacles entraînée dans un simulateur vue de dessus (bird's-eye-view) développé en interne. Les auteurs ont testé Milo sur des parcours d'obstacles réels, en intérieur et en extérieur, et l'ont comparé à une approche de référence basée sur une costmap classique, observant une navigation plus fluide et moins de collisions avec le porteur du harnais. L'ensemble, matériel et logiciel, est publié en open source. L'enjeu dépasse la simple démonstration technique. Les chiens-guides robotiques sont envisagés depuis plusieurs années comme alternative aux chiens vivants pour les personnes aveugles ou malvoyantes, mais les prototypes existants butaient sur un problème récurrent: ils nécessitaient un scan 3D préalable de l'environnement ou un calcul déporté, les rendant inutilisables hors d'un cadre contrôlé. En démontrant une autonomie complète, sans connaissance a priori des lieux et sans calcul externe, Milo répond directement à cet écart entre démonstration en laboratoire et déploiement réel, un problème classique en robotique mobile assistive. Le choix de l'open source, à la fois hardware et software, vise explicitement à abaisser la barrière d'accès pour la communauté BLV (blind and low-vision) et pour les chercheurs qui voudraient reproduire ou améliorer la plateforme, plutôt que de verrouiller la technologie derrière un produit commercial fermé. Le projet s'inscrit dans la lignée des travaux académiques sur la navigation collaborative homme-robot utilisant des plateformes quadrupèdes commerciales comme base matérielle, une stratégie déjà explorée par d'autres équipes universitaires mais généralement limitée par l'autonomie de perception. En misant sur un simulateur maison pour l'entraînement de la politique de navigation plutôt que sur des données réelles coûteuses à collecter, les auteurs ouvrent la voie à des itérations rapides. La publication complète du code et des instructions de fabrication laisse présager des reproductions et extensions par la communauté robotique et accessibilité dans les mois à venir.

Recherche❖Paper

1 source

42

772arXiv cs.RO 

Étude empirique : qu'est-ce qui compte dans le suivi de mouvement général des humanoïdes ?

Une équipe de recherche a publié une étude empirique sur les facteurs qui déterminent la qualité des politiques de suivi de mouvement pour humanoïdes, accompagnée d'un framework open-source baptisé YAHMP, testé sur le robot Unitree G1. Les auteurs ont défini une configuration nominale puis fait varier isolément plusieurs choix de conception courants dans les pipelines d'imitation de mouvement : la représentation des commandes de mouvement, l'historique d'observation utilisé par la politique, la représentation de l'action, le profil d'actionnement, l'ajout d'une randomisation de force appliquée aux mains pendant l'entraînement, et l'approche d'entraînement elle-même. Ces variantes ont été évaluées sur un jeu de test de mouvements humains retargetés vers le squelette du robot, avec TWIST2 comme référence externe entraînée sur le même corpus de mouvements. Les politiques issues de YAHMP ont ensuite été déployées en zero-shot sur un G1 réel, démontrant un suivi de mouvements variés en tout le corps, un maintien de l'équilibre face à des perturbations externes, et une capacité d'interaction physique forcée. L'intérêt principal de ce travail n'est pas une nouvelle performance record, mais une clarification méthodologique rare dans un domaine où les papiers annoncent souvent des résultats sans isoler l'effet de chaque choix d'architecture ou d'entraînement. En distinguant les paramètres qui influencent réellement la précision du suivi de ceux qui ne modifient que l'effort d'actionnement, la complexité d'entraînement ou la capacité d'interaction physique, l'étude fournit une base concrète pour rationaliser la conception des pipelines VLA et d'imitation de mouvement, un sujet critique alors que l'industrie cherche à transférer des politiques de simulation vers des déploiements réels fiables. Ce travail s'inscrit dans la lignée des recherches sur le contrôle whole-body des humanoïdes via imitation de mouvement, un axe où le Unitree G1 s'est imposé comme plateforme de référence pour la recherche académique grâce à son coût et son accessibilité. La comparaison directe avec TWIST2 positionne YAHMP comme un outil de benchmarking reproductible plutôt qu'un simple système propriétaire, les auteurs ayant choisi l'ouverture du code comme condition de validation de leurs conclusions.

Recherche❖Paper

1 source

42

773arXiv cs.RO 

Robots acquièrent des compétences de manipulation en secondes grâce à une seule vidéo humaine

Des chercheurs ont présenté HOST (Human-to-robot One-Shot Skill AcquisiTion), un framework permettant à un robot d'acquérir une nouvelle compétence de manipulation à partir d'une seule vidéo humaine, en 29 secondes en moyenne au moment de l'inférence. Le système fonctionne par une cascade de prédictions auto-référencées : il estime d'abord la progression du robot dans la tâche démontrée, traduit cette progression en observations futures propres à l'embodiment du robot, puis en déduit les actions à exécuter. L'entraînement de cette cascade s'appuie sur une correspondance entre la trajectoire du robot et la vidéo de démonstration, projetées sur une même variété de progression de tâche, ce qui permet d'aligner les cibles d'apprentissage sur le déroulé futur de la vidéo. Sur les tâches testées, HOST atteint un taux de réussite moyen de 62%, soit 45 points de plus qu'une baseline zero-shot, tout en conservant les compétences déjà maîtrisées par le robot. Ce résultat s'attaque directement à un goulot d'étranglement connu du secteur de la robotique manipulatrice : les méthodes actuelles d'apprentissage de compétences reposent sur des boucles d'entraînement lourdes et coûteuses, qui en plus dégradent souvent les compétences précédemment acquises à chaque nouvel apprentissage (le problème dit du "catastrophic forgetting"). En affichant des performances supérieures à une baseline fine-tunée sur 50 démonstrations robot par tâche, tout en n'utilisant qu'une seule vidéo humaine et 507 fois moins de temps d'acquisition, HOST illustre une piste concrète pour réduire drastiquement le coût de déploiement des VLA (vision-language-action models) en environnement industriel réel, un enjeu central pour les intégrateurs qui doivent reconfigurer rapidement des cellules robotiques sur de nouvelles références produit sans campagne de collecte de données coûteuse. Cette approche s'inscrit dans la lignée des travaux récents sur l'apprentissage par imitation cross-embodiment, où des modèles comme GR00T N2 ou Pi-0 cherchent également à exploiter des données humaines ou hétérogènes pour accélérer l'apprentissage robotique. La contribution spécifique de HOST réside dans sa capacité à opérer en one-shot, à l'inférence, sans réentraînement du modèle sous-jacent, et sans effacer les compétences déjà en mémoire du robot. Les auteurs renvoient vers un site du projet pour des démonstrations complémentaires ; il s'agit à ce stade de résultats de recherche publiés sur arXiv, non d'un produit ou d'un déploiement industriel.

Recherche❖Paper

1 source

41

774arXiv cs.RO 

Robot Sensor : préhension guidée par le langage dans des scènes complexes à plusieurs morphologies

Des chercheurs du Intelligent Systems Lab de l'Université de Toronto ont publié SeededGrasp, un nouveau framework de saisie robotique guidée par le langage, capable de fonctionner dans des scènes encombrées avec plusieurs types de robots (multi-embodiment). Plutôt que de demander à un modèle vision-langage (VLM) de prédire directement la prise à effectuer, ce qui limite sa compréhension spatiale, ou d'entraîner un VLM conjointement avec le modèle de saisie, ce qui exige un volume de données et de calcul considérable, l'équipe découple les deux étapes : le VLM se contente de désigner un point d'amorçage (seed point) sur l'objet cible, qui sert ensuite de conditionnement à un modèle de génération de prise léger et spécialisé. Pour entraîner cette architecture, les chercheurs publient également le premier jeu de données de saisie multi-embodiment sur table, comprenant plus de 2,5 millions de prises annotées dans des scènes encombrées. Les résultats expérimentaux font état de 72% de réussite en simulation et 78% en conditions réelles, surpassant les approches de référence existantes. Le code et les données sont disponibles sur le site du projet (uoft-isl.github.io/seeded-grasp). Pour les intégrateurs et les équipes de recherche en robotique, l'intérêt de SeededGrasp tient à son efficacité en données : en séparant le raisonnement sémantique de haut niveau (comprendre quel objet saisir et pourquoi) de l'exécution géométrique de bas niveau (calculer une prise stable), la méthode évite l'entraînement de bout en bout très coûteux qu'exigent les modèles VLA (vision-langage-action) intégrés. Elle permet aussi de réutiliser le même module de perception sémantique sur différents robots et pinces, un problème récurrent pour l'industrie qui doit aujourd'hui redévelopper des pipelines de saisie spécifiques à chaque plateforme. Le fait que le taux de réussite en réel (78%) dépasse celui en simulation (72%) est notable : il suggère que le découplage limite l'écart classique entre démonstration simulée et déploiement physique, plutôt que de le masquer par une simulation trop favorable. Cette publication s'inscrit dans un mouvement plus large de recherche sur les modèles vision-langage-action appliqués à la manipulation robotique, aux côtés de travaux comme RT-2, OpenVLA ou les approches de saisie zero-shot guidée par instructions textuelles, qui cherchent toutes à rapprocher la compréhension du langage naturel et le contrôle physique des robots. La contribution principale de SeededGrasp reste ici la mise à disposition ouverte d'un dataset de grande échelle spécifiquement conçu pour la généralisation entre plusieurs types de robots, une ressource rare dans le domaine et qui pourrait accélérer les travaux d'autres laboratoires sur la saisie en environnement encombré. Aucune date de déploiement industriel n'est mentionnée : il s'agit pour l'instant d'une contribution de recherche académique, publiée sur arXiv, sans partenariat commercial annoncé.

Recherche❧Opinion

1 source

40

775arXiv cs.RO 

Vers la téléopération et manipulation locomotrice miniature humanoïde par réalité virtuelle et apprentissage par renforcement

Le stack de téléopération pour humanoïdes complets a connu des progrès rapides ces dernières années, combinant réalité virtuelle pour le contrôle du haut du corps et apprentissage par renforcement pour l'équilibre et la locomotion du bas du corps, permettant à un seul opérateur distant de voir, manipuler et se déplacer dans un environnement physique réel. Un article publié sur arXiv (2607.20399v1) transpose cette approche vers les humanoïdes miniatures, testée sur la plateforme ROBOTIS OP3. Le système développé permet une marche jusqu'à 0,45 m/s, indépendamment des mouvements des bras de l'opérateur. Une expérience de télé-loco-manipulation a été menée avec un opérateur humain expert chargé de relocaliser des cubes de 40 grammes : en moyenne, deux cubes différents ont été déplacés en moins de 10 minutes, pour une distance totale parcourue de 5 mètres. L'enjeu dépasse la simple démonstration technique. Les stacks combinant VR et RL restent aujourd'hui réservés aux robots humanoïdes de taille adulte, coûteux et souvent inaccessibles à la communauté académique. Les humanoïdes miniatures, plus répandus et abordables, embarquent en général moins de capteurs et de degrés de liberté, ce qui limitait jusqu'ici l'application de ces techniques de contrôle avancées. En portant ce contrôle compliant de bout en bout sur du matériel accessible, les chercheurs ouvrent la possibilité d'expérimenter la télé-loco-manipulation sans dépendre de plateformes à plusieurs dizaines de milliers de dollars, ce qui pourrait démocratiser la recherche sur le contrôle whole-body des humanoïdes. Le ROBOTIS OP3 est une plateforme open-source largement utilisée dans les laboratoires de robotique pour prototyper des algorithmes de contrôle, contrairement aux plateformes propriétaires des acteurs commerciaux du secteur humanoïde. L'expérience reste limitée en échelle, un seul opérateur expert et une tâche simple de déplacement de cubes, et les auteurs présentent leurs résultats comme une preuve de potentiel plutôt qu'un système finalisé. Les prochaines étapes attendues concernent l'élargissement des tâches de manipulation testées et une évaluation plus systématique face aux stacks équivalents développés pour les humanoïdes de taille réelle.

Recherche❖Paper

1 source

40

776arXiv cs.RO 

ModPack : une interface de téléopération extensible pour la manipulation mobile bimanuelle

Une équipe de recherche a présenté ModPack, un système de téléopération modulaire conçu pour piloter des robots à manipulation bimanuelle mobile, indépendamment de leur plateforme matérielle. Le cœur du dispositif est un "sac à dos" portable autonome intégrant calcul embarqué, alimentation, communication et stockage de données. Autour de cette interface commune, le système propose des modules interchangeables en plug-and-play : téléopération articulation par articulation avec retour haptique, manipulation mobile, et perception active. Les chercheurs ont testé ModPack sur deux plateformes robotiques distinctes lors de tâches réelles de manipulation mobile, démontrant sa capacité à servir de socle réutilisable pour la collecte de données et l'apprentissage de politiques de contrôle. L'ensemble du design matériel et de la pile logicielle est publié en open source, accompagné d'un site de projet dédié. Cette approche répond à une limite structurelle bien identifiée dans la robotique humanoïde et la manipulation mobile : la plupart des systèmes de téléopération actuels sont conçus sur mesure pour un robot et une tâche donnés, ce qui oblige les laboratoires et les entreprises à reconstruire leurs outils de collecte de données à chaque nouveau matériel. Pour les acteurs qui développent des modèles vision-langage-action (VLA) comme Pi-0, GR00T N2 ou Helix, la disponibilité de données de démonstration humaine de qualité, capturées efficacement sur des embodiments variés, est un goulot d'étranglement central pour l'apprentissage par imitation. Un outil modulaire et open source comme ModPack pourrait réduire le coût d'ingénierie nécessaire pour générer ces jeux de données, un enjeu direct pour les intégrateurs et les équipes de recherche qui cherchent à faire monter en échelle leurs pipelines de collecte plutôt qu'à réinventer le matériel de téléopération à chaque projet. Le développement de ModPack s'inscrit dans la tendance plus large de la robotique d'apprentissage, où la qualité et le volume des données de téléopération conditionnent directement les performances des politiques apprises, à l'image des efforts menés autour de plateformes comme Figure 03 ou Optimus Gen 3. En ouvrant l'intégralité du design matériel et du code, les auteurs positionnent ModPack comme une infrastructure communautaire plutôt qu'un produit commercial fermé, une démarche qui rappelle d'autres initiatives open source du secteur visant à standardiser les outils de collecte pour accélérer la recherche académique. L'article, publié sur arXiv, ne précise pas encore de feuille de route pour une adoption industrielle à plus grande échelle ni de partenariats annoncés, ce qui en fait pour l'instant une contribution de recherche plutôt qu'un déploiement commercial.

IA physique⚡Actu

1 source

40

777arXiv cs.RO 

Robot humanoïde : apprendre des interventions de sécurité personnalisées pour le contrôle partagé haptique humain-robot

Traduction de l'article demandée. Un système de retour haptique personnalisé permet désormais aux robots partagés en téléopération d'apprendre les préférences de sécurité individuelles d'un utilisateur à partir de démonstrations limitées, plutôt que d'imposer des réglages génériques prédéfinis. L'approche, baptisée Learning from Haptics (LfH), s'appuie sur une couche d'optimisation différentiable fondée sur des fonctions de barrière de contrôle (Control Barrier Function, CBF), un outil mathématique classique pour garantir qu'un système reste dans une zone d'état sûre. Concrètement, l'opérateur n'a plus besoin de régler manuellement les paramètres du contrôleur par essais-erreurs: il montre au système comment il souhaite que celui-ci intervienne pendant la téléopération, et l'algorithme ajuste automatiquement les paramètres de sécurité sous-jacents pour reproduire ce comportement démontré. Les auteurs ont validé le cadre à la fois en simulation et sur un banc matériel réel, montrant que le système apprend des interventions personnalisées à partir de peu de données utilisateur et réduit l'écart entre le retour haptique généré et les préférences réellement démontrées. Cette avancée s'attaque à une limite connue des systèmes de guidage haptique en contrôle partagé humain-robot: les stratégies d'intervention prédéfinies ne s'adaptent ni aux préférences individuelles des opérateurs, ni aux spécificités de chaque scénario applicatif (chirurgie assistée, téléopération industrielle, exosquelettes, manipulation à distance). Pour les intégrateurs et concepteurs de systèmes à contrôle partagé, cela signifie potentiellement moins de temps de calibration terrain et une meilleure acceptabilité utilisateur, un facteur souvent négligé mais déterminant dans l'adoption réelle de ces interfaces. Le résultat conforte aussi une tendance plus large en robotique interactive: remplacer le réglage manuel de paramètres de contrôle par de l'apprentissage à partir de démonstrations éparses, une approche qui gagne du terrain face aux méthodes classiques de tuning expert. Le travail s'inscrit dans la lignée des recherches sur le contrôle partagé haptique et les CBF, deux domaines matures séparément mais rarement combinés de façon apprenante. Les CBF sont largement utilisés en robotique de sécurité (véhicules autonomes, manipulateurs collaboratifs) pour garantir formellement l'évitement de zones dangereuses, mais leurs paramètres restent généralement fixés à la main par des experts. En les rendant différentiables et ajustables par apprentissage, les auteurs ouvrent la voie à des systèmes de téléopération qui s'adaptent utilisateur par utilisateur. L'article, publié sur arXiv fin juillet 2026, ne précise pas de partenaire industriel ni de calendrier de déploiement au-delà des expériences en laboratoire, ce qui en fait pour l'instant un travail de recherche fondamentale plutôt qu'une solution prête à l'intégration.

Recherche❖Paper

1 source

40

778arXiv cs.RO 

PGTT : navigation de terrain guidée par phase pour la locomotion perceptive à pattes

Des chercheurs proposent PGTT (Phase-Guided Terrain Traversal), une méthode d'apprentissage par renforcement profond pour la locomotion perceptive de robots à pattes, décrite dans une version révisée publiée sur arXiv (2510.18348v2). Le système encode la phase de chaque patte via une spline cubique d'Hermite, adapte la hauteur de balancement des jambes aux statistiques locales de la carte de hauteur perçue, et ajoute une pénalité de contact pendant la phase de balancement, tout en laissant la politique agir directement dans l'espace articulaire pour rester indépendante de la morphologie du robot. Entraîné dans le simulateur MuJoCo (variante MJX) sur des terrains d'escaliers générés procéduralement, avec apprentissage par curriculum et randomisation de domaine, PGTT obtient le meilleur taux de succès parmi les méthodes comparées face à des perturbations par poussée (+7,5% médian par rapport au meilleur concurrent) et sur des obstacles discrets (+9%), tout en conservant un suivi de vitesse comparable. Les auteurs valident l'approche sur un robot quadrupède Unitree Go2 équipé d'un pipeline LiDAR temps réel convertissant l'élévation en carte de hauteur, et rapportent des résultats préliminaires sur l'ANYmal-C avec les mêmes hyperparamètres, sans réglage spécifique. L'enjeu dépasse la simple performance chiffrée: la plupart des contrôleurs RL perceptifs actuels imposent soit des a priori de démarche basés sur des oscillateurs ou de la cinématique inverse, ce qui contraint l'espace d'action et limite l'adaptabilité entre morphologies, soit fonctionnent en aveugle, incapables d'anticiper le terrain sous les pattes arrière et fragiles au bruit de perception. En remplaçant ces contraintes dures par du reward shaping, PGTT réduit le biais inductif tout en conservant une structure de démarche cohérente. Le transfert vers l'ANYmal-C sans réajustement d'hyperparamètres constitue un indice, encore préliminaire selon les auteurs eux-mêmes, qu'une politique terrain-adaptative peut se généraliser entre plateformes sans retuning coûteux, un enjeu concret pour les intégrateurs qui déploient plusieurs morphologies de robots à pattes. Le travail s'inscrit dans la lignée des efforts sur la locomotion perceptive pour quadrupèdes, où le Unitree Go2 sert de banc d'essai courant en recherche et où l'ANYmal-C d'ANYbotics reste une référence industrielle. Les résultats sur ANYmal-C étant qualifiés de préliminaires par les auteurs, une validation plus large sur d'autres plateformes, voire sur des humanoïdes, reste la suite logique attendue de ces travaux.

Recherche❖Paper

1 source

40

779arXiv cs.RO 

ReferTrack, référencer avant de suivre pour le suivi visuel incarné

Le suivi visuel incarné (embodied visual tracking, EVT) demande à un robot mobile de suivre en continu une cible décrite en langage naturel, en s'appuyant uniquement sur sa caméra embarquée. Des chercheurs présentent ReferTrack, un modèle qui découpe la tâche en deux étapes explicites : d'abord désigner la cible parmi un ensemble indexé de boîtes englobantes détectées dans l'image, puis générer les points de trajectoire pour la suivre, en conditionnant cette planification sur la décision de désignation. Pour conserver la trace du mouvement de la cible dans le temps, le système maintient une fenêtre glissante des boîtes précédemment sélectionnées et injecte leurs caractéristiques géométriques via des tokens appelés TVBI (temporal-viewpoint-bbox indicator). L'identification de cible est renforcée par un co-entraînement sur un jeu de données maison, Refer-QA. Sur le benchmark EVT-Bench, ReferTrack atteint des taux de réussite de 89,4 %, 73,3 % et 74,1 % respectivement sur les scénarios cible unique, cible parmi des distracteurs, et cible ambiguë. Des tests réels sur robots à pattes et humanoïdes confirment un transfert simulation-vers-réel fonctionnel. Le code est publié sur GitHub (MedlarTea/referTrack). L'intérêt principal tient à la manière dont ReferTrack contourne un défaut connu des politiques vision-langage-action (VLA) actuelles : leur raisonnement en chaîne de pensée s'appuie souvent sur des représentations spatiales abstraites, difficiles à superviser et mal alignées avec les détections réelles dans l'image. En ancrant explicitement la décision d'identification sur des boîtes englobantes visibles avant de planifier la trajectoire, le modèle devient plus interprétable et plus facile à corriger. Fait notable pour les intégrateurs : avec une seule caméra frontale, ReferTrack égale voire dépasse des méthodes multi-caméras sur les tâches où l'identification est le point dur, ce qui suggère une simplification matérielle possible sans perte de robustesse sur ce type de tâche. Le travail s'inscrit dans la vague actuelle de politiques VLA généralistes (à l'image de GR00T N2, Pi-0 ou Helix) qui cherchent à unifier perception et action dans un seul modèle. Il s'agit ici d'une publication de recherche accompagnée d'un dépôt de code ouvert, pas d'un produit commercial ni d'un déploiement industriel annoncé ; la validation sur robots à pattes et humanoïdes reste à ce stade une démonstration de faisabilité plutôt qu'un déploiement à grande échelle.

Recherche❖Paper

1 source

40

780arXiv cs.RO 

Contact-Persistent Full Actuation pour l'interaction physique aérienne

Le laboratoire à l'origine de cette étude propose un nouveau cadre théorique pour certifier l'actionnement complet des drones (UAV) lors de contacts physiques prolongés, un point aveugle des méthodes actuelles. Publié sur arXiv le 24 juillet 2026, l'article part d'un constat simple : les drones dits "fully actuated" sont aujourd'hui validés soit par une condition de rang sur leur matrice d'allocation de commande, soit par leurs performances de suivi en vol libre, deux critères insuffisants dès qu'un robot appuie contre une surface. En contact soutenu, une partie du wrench (force et couple combinés) disponible est absorbée par la tâche elle-même, ne laissant qu'un wrench résiduel pour stabiliser l'appareil. Les chercheurs modélisent le corps rigide sur R3×SO(3) et introduisent une cartographie de wrench dépendante de la morphologie, couvrant les architectures à inclinaison fixe, à inclinaison variable, coaxiales et surdimensionnées en rotors. Ils définissent des ensembles de wrench faisables sous contraintes d'actionneurs, des ensembles résiduels sous charge de tâche, et des marges d'autorité résiduelle. Le résultat central : l'actionnement complet persistant au contact équivaut à ce que le wrench de tâche reste strictement à l'intérieur du polytope de wrench faisable contraint, le rayon d'autorité résiduelle correspondant exactement à la distance jusqu'à la frontière de ce polytope. Pour l'industrie de la manipulation aérienne, ce travail comble un vrai décalage entre théorie et pratique. Un hexarotor incliné peut afficher une matrice d'allocation de rang plein, critère habituellement jugé suffisant, tout en étant incapable d'exécuter une tâche de contact de façon stable. C'est un exemple concret du fossé entre démonstration en vol libre et réalité opérationnelle, que les intégrateurs travaillant sur l'inspection par contact, le ponçage aérien ou la manipulation en environnement industriel doivent désormais intégrer dans leurs choix de conception. Les certificats proposés (marge résiduelle signée, allocation maximisant le slack, condition d'implémentabilité robuste) offrent des outils directement exploitables comme filtre de sécurité conscient des marges. Les drones surdimensionnés en rotors ou à inclinaison variable se sont développés ces dernières années comme alternative aux quadrirotors sous-actionnés classiques, précisément pour permettre l'interaction physique aérienne. L'évaluation numérique, menée sur un hexarotor incliné abstrait plutôt que sur un prototype physique, montre que les angles d'inclinaison intermédiaires préservent l'autorité résiduelle en poussée, tandis que des inclinaisons trop faibles ou excessives échouent respectivement par déficience de force latérale ou perte de marge de vol stationnaire. Une validation matérielle reste la prochaine étape logique pour confirmer ces prédictions théoriques.

Recherche❖Paper

1 source

39

781arXiv cs.RO 

NavVerse : évaluer la navigation incarnée intérieur-extérieur en simulation robotique continue

NavVerse est un nouveau benchmark de simulation physique dédié à la navigation robotique continue entre intérieur et extérieur, présenté dans un article déposé sur arXiv le 24 juillet 2026. Il couvre 100 scènes intérieures, 50 scènes urbaines extérieures et 50 scènes hybrides intérieur-extérieur, pour un total de 10 000 épisodes répartis sur trois tâches : navigation vers un objet (Object Navigation), navigation guidée par le langage (Vision-and-Language Navigation) et navigation vers un lieu (Place Navigation), où l'agent doit localiser des points d'intérêt sémantiques comme un restaurant ou une banque. Contrairement aux benchmarks existants qui évaluent séparément l'intérieur et l'extérieur et abstraient souvent l'exécution robotique réelle, NavVerse impose aux agents de passer par des interfaces robotiques exécutables, avec des métriques de succès de tâche, d'efficacité de trajectoire et de sécurité. Les tests zéro-shot menés avec des baselines par apprentissage par renforcement (RL), des modèles vision-langage-action (VLA) et des architectures modulaires montrent qu'aucune approche ne résout le problème : les VLA de bout en bout obtiennent le meilleur taux de succès zéro-shot, tandis que la méthode modulaire affiche le meilleur profil de sécurité. Cette double évaluation comble un angle mort réel du secteur : la plupart des robots de livraison, de campus ou d'intervention d'urgence doivent aujourd'hui franchir la frontière bâtiment-rue au sein d'un seul épisode continu, un cas d'usage rarement testé de bout en bout. Le résultat le plus révélateur concerne PlaceNav, dont les performances chutent nettement dès qu'on passe d'un environnement purement extérieur à un scénario hybride intérieur-extérieur, ce qui pointe l'adaptation au changement de contexte comme goulot d'étranglement majeur plutôt que la perception ou la planification prises isolément. Pour les intégrateurs et décideurs B2B, ce constat tempère l'idée que les modèles VLA génériques sont prêts à généraliser sans friction hors des environnements d'entraînement : le meilleur taux de succès zéro-shot ne s'accompagne pas du meilleur niveau de sécurité, ce qui illustre un arbitrage encore mal résolu entre performance brute et fiabilité opérationnelle. Le benchmark s'inscrit dans une lignée de plateformes de simulation pour la navigation incarnée (embodied navigation), généralement centrées soit sur l'intérieur soit sur l'extérieur, que NavVerse cherche explicitement à unifier en modélisant la traversée de frontière, la recherche de sortie et les échecs kinodynamiques souvent ignorés ailleurs. L'article ne précise pas d'institution porteuse ni de partenaire industriel, et reste à ce stade un outil d'évaluation académique plutôt qu'un produit déployé. Les prochaines étapes annoncées concernent l'élargissement des baselines testées et l'affinement des scénarios hybrides, dans un contexte où la course aux agents de navigation généralistes s'intensifie face à la difficulté persistante de transférer des compétences apprises en simulation vers des déploiements réels multi-environnements.

Recherche❖Paper

1 source

39

782arXiv cs.RO 

EgoRecovery : acquérir la capacité de récupération après échec grâce à des démonstrations humaines de récupération

Un groupe de recherche présente EgoRecovery, un article publié sur arXiv (référence 2607.19745v1), qui s'attaque à un problème central de la robotique embarquée: la capacité d'un robot à récupérer d'un échec en cours de tâche plutôt que de rester bloqué. Le constat de départ est simple, collecter des données de récupération par téléopération robotique est très coûteux en temps, car il faut provoquer artificiellement des états d'échec variés, exécuter les gestes correctifs, puis réinitialiser l'environnement avant chaque nouvel essai. Les auteurs proposent à la place d'utiliser des démonstrations humaines à la première personne, filmées avec une caméra egocentrique, pour capturer les gestes de récupération. Selon leur protocole, un opérateur humain permet de générer plus de dix fois plus de données de récupération exploitables par heure qu'un opérateur en téléopération robotique classique. Pour combler l'écart entre le corps humain et le corps du robot, l'équipe introduit un espace d'intention corrective compact et partagé, qui encode le moment et l'amplitude de la correction plutôt que les mouvements bruts, et ne nécessite qu'un petit nombre de démonstrations robotiques réelles pour relier cette intention à des actions exécutables. Cette approche s'attaque directement à un goulot d'étranglement connu du secteur, à savoir que les modèles vision-langage-action (VLA) actuels progressent surtout sur les démonstrations de succès mais restent fragiles face aux échecs, faute de données de récupération suffisamment diverses. Si la méthode tient à plus grande échelle, elle offrirait un moyen bien moins coûteux d'entraîner des robots à se corriger seuls en environnement réel bruité, un enjeu clé pour toute déploiement industriel ou domestique fiable au-delà des démonstrations scénarisées. C'est aussi un signal supplémentaire que l'apprentissage par imitation à partir de vidéos humaines, déjà exploré par plusieurs laboratoires, gagne du terrain comme complément moins onéreux à la téléopération pure. Le système embarque également un mécanisme appelé recovery gate, qui observe en continu le robot au moment du déploiement et déclenche l'intention corrective uniquement lorsqu'un état d'échec est détecté, évitant d'interférer avec l'exécution normale de la tâche. Les auteurs rapportent, sur des tâches réelles de récupération, des gains de succès par rapport à un entraînement uniquement sur données robotiques, à un co-entraînement direct avec les données humaines, et à des méthodes de transfert d'intention plus simples, sans toutefois préciser à ce stade de partenaire industriel ni de calendrier de déploiement au-delà du cadre expérimental.

Recherche❖Paper

1 source

39

783arXiv cs.RO 

Prédiction et planification unifiées via un entraînement de paramètres disjoints sensible aux conflits

Des chercheurs viennent de publier sur arXiv (2607.19971v1) une nouvelle méthode d'entraînement baptisée Disjoint Parameter Training (DPT), conçue pour unifier deux fonctions critiques de la navigation robotique en milieu encombré : la prédiction du mouvement des agents environnants et la planification de trajectoire sécurisée du robot lui-même. Le constat de départ est un phénomène que les auteurs nomment le "Skill Conflict" : lorsqu'un modèle compact et unique doit gérer ces deux tâches sur un même jeu de paramètres partagés, typiquement pour tourner sur du matériel embarqué à ressources limitées, les objectifs de prédiction du comportement des voisins et de planification égocentrique entrent en concurrence pour les mêmes poids, ce qui empêche le modèle de se spécialiser pleinement dans chacune des deux compétences. DPT résout ce conflit en isolant d'abord les régions de paramètres propres à chaque tâche pendant un entraînement distribué, avant de les fusionner. Les auteurs montrent également qu'une fusion "sparse", qui ne réintègre que les paramètres les plus influents de chaque tâche plutôt que l'ensemble des poids spécifiques, donne les meilleurs résultats en limitant les interférences entre caractéristiques voisines. La méthode a été validée sur deux benchmarks de référence pour la navigation en foule, JRDB et JTA, avec des performances supérieures aux approches unifiées existantes. L'enjeu dépasse la simple performance académique : pour les intégrateurs de robots mobiles et d'AMR (robots mobiles autonomes) destinés à opérer parmi des humains, entrepôts, hôpitaux, espaces publics, le coût de calcul embarqué est souvent le facteur limitant. Un modèle unique capable de prédire ET de planifier, sans dégradation liée au partage de paramètres, réduit la latence et la charge matérielle par rapport à deux modèles séparés. Ce travail s'inscrit dans une tendance plus large de recherche sur le "model merging" et l'apprentissage multi-tâche, où des architectures partagées cherchent à répliquer certains bénéfices des modèles génératifs de type VLA sans leur coût de calcul, une question centrale alors que l'industrie robotique cherche à faire tourner des capacités de plus en plus riches sur des puces embarquées plutôt que dans le cloud. Ce papier s'ajoute à une littérature croissante sur les architectures partagées prédiction-planification pour la navigation sociale, un problème documenté depuis plusieurs années par des benchmarks comme JRDB (Stanford) et JTA (Joint Track Auto), utilisés pour comparer les approches de suivi et de prévision de trajectoires en environnement dense. DPT se positionne comme une brique méthodologique, compatible avec plusieurs techniques de fusion de modèles existantes, plutôt que comme un système ou produit déployé : à ce stade, aucune implémentation commerciale ni intégration matérielle spécifique n'est annoncée, et les prochaines étapes naturelles seraient une validation sur robot physique réel plutôt que sur benchmarks simulés uniquement.

Recherche❖Paper

1 source

39

784arXiv cs.RO 

KineBench : évaluation des modèles du monde incarnés par ancrage cinématique sans IDM

Une équipe de recherche a publié KineBench, un nouveau benchmark conçu pour évaluer la cohérence physique des modèles de monde incarnés (embodied world models, EWM), ces systèmes qui génèrent des vidéos prédictives de l'interaction robot-environnement. Jusqu'ici, l'évaluation en boucle fermée de ces modèles reposait presque exclusivement sur des modèles de dynamique inverse (IDM) pour extraire les actions robotiques à partir des vidéos générées, une méthode fragile dès que la scène ou l'objet manipulé sort de la distribution d'entraînement. KineBench s'affranchit de cette dépendance en extrayant directement des poses d'organe terminal en 6 degrés de liberté image par image, via une cascade de modèles de vision fondation, puis en rejouant ces trajectoires dans un simulateur physique pour valider l'exécution. Le benchmark ajoute deux métriques cinématiques classiques, la longueur d'arc spectrale (SPARC) et l'indice de manipulabilité de Maruyama, pour juger la fluidité et la faisabilité des trajectoires du point de vue du robot. L'ensemble s'appuie sur 20 tâches de manipulation issues du simulateur ManiSkill3, réparties en quatre suites progressives: exécution de base, transfert de tâche, généralisation visuelle hors distribution, et montée en complexité. L'enjeu dépasse la simple mesure académique: sans méthode fiable pour distinguer une erreur du modèle de monde d'une erreur de l'extracteur d'actions, impossible de savoir si un EWM comprend réellement la physique ou s'il produit des vidéos plausibles mais inexploitables pour du contrôle réel. C'est précisément le doute qui plane sur beaucoup de démonstrations vidéo dans le secteur des VLA (vision-language-action) et de la génération embarquée, où l'écart entre rendu visuel convaincant et action réellement exécutable reste mal quantifié. En testant plusieurs modèles de pointe, les auteurs montrent une montée en échelle non linéaire et bornée par la complexité des tâches, un signal utile pour calibrer les futures stratégies d'entraînement sur données plutôt que d'empiler des vidéos sans discernement. Ce travail s'inscrit dans la lignée des benchmarks fermés basés simulateur, déjà utilisés pour évaluer le sim-to-real, mais cherche à corriger leur talon d'Achille méthodologique, la dépendance aux IDM appris. En s'appuyant sur ManiSkill3, un environnement de simulation déjà largement adopté par la communauté manipulation robotique, KineBench se positionne comme un outil de diagnostic reproductible plutôt qu'un nouveau modèle concurrent, avec pour prochaine étape probable son extension à davantage de tâches et de familles de modèles génératifs.

Recherche❖Paper

1 source

39

785arXiv cs.RO 

Robots-bateaux autoreconfigurables : planification de mouvement distribuée avec garanties de sécurité

Traduis et resume l'article, voici le texte en français, prêt à publier : L'équipe de recherche derrière ce papier arXiv (2607.20352, publié le 24 juillet 2026) présente un framework hybride pour la reconfiguration de flottes de robots-bateaux aquatiques capables de s'auto-assembler en formes définies. La méthode combine un contrôle prédictif distribué (MPC) résolu via ADMM (Alternating Direction Method of Multipliers) pour planifier les trajectoires de chaque agent en optimisation locale avec échange d'informations entre voisins, et des filtres de sécurité basés sur des fonctions barrières de contrôle (CBF) qui garantissent en temps réel l'évitement de collisions entre agents. Les auteurs ont validé leur approche en simulation avec jusqu'à 25 agents, puis expérimentalement sur quatre robots physiques réels, démontrant la faisabilité et la capacité de passage à l'échelle du système. Ce travail s'adresse à un problème central de la robotique en essaim : comment coordonner un grand nombre d'agents mobiles pour qu'ils atteignent collectivement une configuration cible, sans collision, malgré la nature non convexe du problème d'optimisation sous-jacent. L'intérêt pratique du MPC distribué est sa capacité prédictive, qui limite le risque de blocage dans des minima locaux, un piège classique des méthodes de planification réactive pure. Les CBF apportent de leur côté des garanties formelles de sécurité, complémentaires et non redondantes avec l'optimisation MPC. Pour l'industrie robotique, notamment les applications de surveillance maritime, de dépollution ou de plateformes modulaires flottantes, ce type de coordination distribuée et scalable est une brique nécessaire avant tout déploiement réel en essaim, où la sécurité inter-agents ne peut pas dépendre d'une supervision centralisée fiable à tout instant. Le champ des robots auto-reconfigurables, terrestres, aériens ou aquatiques, cherche depuis plusieurs années à combiner flexibilité de forme et robustesse de contrôle, avec des travaux antérieurs s'appuyant soit sur des méthodes de contrôle purement réactives (moins performantes en anticipation), soit sur des optimisations centralisées peu scalables au-delà de quelques agents. La validation avec 25 agents en simulation et 4 robots physiques marque une étape de démonstration plutôt qu'un déploiement opérationnel abouti : les auteurs ne précisent pas de calendrier de suite ni de partenaire industriel identifié à ce stade, ce qui situe ce résultat clairement du côté recherche académique plutôt que produit commercialisable à court terme.

Recherche❖Paper

1 source

38

786arXiv cs.RO 

SOPD-SocialNav : distillation sélective en ligne pour la navigation sociale vision-langage

Des chercheurs présentent SOPD-SocialNav, une méthode de distillation sélective "on-policy" (SOPD) qui transfère les capacités de raisonnement social pour la navigation robotique d'un grand modèle vision-langage (VLM) enseignant vers un VLM étudiant léger, plus facile à déployer sur une plateforme robotique aux ressources limitées. Le mécanisme central repose sur une sélection de tokens basée sur l'entropie: le système repère, grâce à l'incertitude du modèle enseignant, les tokens de décision socialement informatifs, tout en supprimant les gradients des tokens à faible entropie qui correspondent à des situations de navigation triviales. Un objectif de divergence de Jensen-Shannon à température contrôlée aligne ensuite les distributions de l'étudiant et de l'enseignant sur ces tokens sélectionnés uniquement. Sur les benchmarks SNEI et MUSON, SOPD surpasse le fine-tuning supervisé classique, la distillation hors ligne (off-policy) et la distillation on-policy standard, sur trois axes: prédiction d'action, cohérence de perception et cohérence de raisonnement. Les auteurs ont aussi testé le modèle distillé en conditions réelles sur un robot Scout Mini, dans des scénarios de conversation et de file d'attente humaine. L'enjeu dépasse la simple performance benchmark: c'est la tension classique entre VLM massifs, riches en raisonnement social mais trop lourds pour l'embarqué, et VLM légers, rapides mais socialement maladroits. Les méthodes de distillation existantes traitent généralement tous les tokens de façon uniforme, gaspillant de la capacité d'apprentissage sur des états de navigation sans enjeu social réel. En ciblant spécifiquement les moments de décision ambigus (croiser un piéton, gérer une file d'attente), SOPD propose une piste concrète pour des robots socialement compétents sans dépendre d'un cloud ou d'un GPU embarqué surdimensionné, un sujet clé pour les intégrateurs en logistique, santé ou espaces partagés. Ce travail reste toutefois un résultat de recherche publié sur arXiv, validé sur un seul robot (Scout Mini) et deux benchmarks spécialisés (SNEI, MUSON), pas un produit déployé à l'échelle. Il s'inscrit dans la vague plus large des VLA/VLM pour la robotique incarnée (Pi-0, GR00T, Helix), mais se concentre étroitement sur la navigation sociale plutôt que la manipulation généraliste. Les suites logiques attendues seraient des essais sur d'autres plateformes robotiques et une comparaison directe avec d'autres approches de navigation sociale.

Recherche❖Paper

1 source

37

787arXiv cs.RO 

LENS : simplification d'environnement guidée par LLM pour la planification et le contrôle en milieu encombré

Une équipe de recherche publie LENS (LLM-guided Environment Simplification), une méthode qui utilise un grand modèle de langage pour simplifier automatiquement la représentation d'une scène encombrée avant de la transmettre aux modules de planification et de contrôle d'un robot manipulateur. Le système fusionne les objets empilés ou proches et élimine les éléments jugés non pertinents pour la tâche en cours, en boucle fermée et en fonction de la progression réelle de l'exécution. Contrairement aux abstractions de scène classiques, construites manuellement pour chaque tâche par des ingénieurs, LENS génère ces simplifications de façon automatique, spécifique à la scène et à la tâche, et les met à jour en continu. Les auteurs le présentent comme un module ajoutable directement sur des piles de planification et de contrôle existantes, sans réingénierie. Les tests couvrent trois familles d'approches distinctes: la planification classique, le contrôle basé modèle, et un modèle vision-langage-action (VLA), sur un ensemble varié de scènes de manipulation fortement encombrées. Le site du projet est accessible à lens-2026.github.io. L'intérêt de LENS tient au goulot d'étranglement qu'il cible: le passage à l'échelle des abstractions de scène, aujourd'hui produites à la main et donc coûteuses à créer, difficiles à ajuster et non réutilisables d'une tâche à l'autre. Pour les intégrateurs et décideurs en robotique industrielle, c'est précisément ce type de travail d'ingénierie manuelle qui freine le déploiement de robots manipulateurs en environnement réel, où le désordre, les objets distracteurs et l'ambiguïté des tâches multiplient les cas particuliers. En montrant des gains de performance simultanés sur trois paradigmes de contrôle différents, dont un modèle VLA, l'étude appuie l'idée qu'une couche d'abstraction pilotée par LLM peut se greffer en amont de stacks hétérogènes plutôt que d'exiger une solution de bout en bout propre à chaque architecture, ce qui va dans le sens d'une meilleure généralisation en environnement encombré, un point faible reconnu des approches actuelles de manipulation généraliste. Le travail s'inscrit dans la tendance récente consistant à exploiter les LLM comme couche de raisonnement de haut niveau au-dessus de piles robotiques existantes, plutôt que de tout réentraîner de bout en bout, une direction également explorée par des modèles comme GR00T N2 ou Helix pour la manipulation généraliste. La publication, un article arXiv daté du 24 juillet 2026, reste à ce stade une contribution de recherche évaluée en simulation ou en laboratoire selon un protocole expérimental propre aux auteurs, sans indication de partenariat industriel ni de déploiement chez un intégrateur. Les prochaines étapes attendues porteraient sur une validation à plus grande échelle et sur l'intégration effective avec des piles de production, notamment des modèles VLA déployés commercialement.

Recherche❖Paper

1 source

37

788arXiv cs.RO 

Distribution acoustique d'un réseau de localisation via un robot souple à déploiement vine

Des chercheurs ont développé un système de localisation acoustique intégré à un robot souple à croissance par éversion (soft everting vine robot), conçu pour repérer des victimes ensevelies dans des environnements confinés et non structurés après une catastrophe. L'architecture repose sur un réseau de cinq microphones distribués le long du corps du robot et un algorithme dynamique de type Steered Response Power with Phase Transform (SRP-PHAT), capable à la fois d'estimer la direction d'arrivée du son en champ lointain et de localiser une source sonore en trois dimensions en champ proche, à mesure que le robot progresse vers elle. Les auteurs ont testé trois emplacements de capteurs (à l'intérieur du corps pressurisé, dans la queue interne, et à l'extérieur de la paroi) combinés à quatre configurations de déploiement du robot (linéaire, linéaire double, circulaire, sinusoïdale), en faisant varier le rapport signal/bruit, la direction d'approche et la distance à la source. Résultat marquant: dans une démonstration où le robot croît selon une forme arbitraire avec les microphones fixés sur sa paroi externe, la localisation en champ proche atteint une précision élevée dès que seulement trois microphones ont émergé du corps du robot. L'intérêt pour la recherche et sauvetage (search and rescue) est direct: les robots à éversion peuvent se faufiler dans des décombres ou des cavités trop étroites pour un robot rigide ou un drone, sans nécessiter de vision directe ni de conditions d'éclairage. Coupler cette capacité de progression à une détection acoustique distribuée répond à un vrai angle mort du secteur, la plupart des systèmes de détection de victimes reposant sur la vision, le CO2 ou les vibrations, rarement sur un réseau de microphones mobile et déformable. Le fait qu'une localisation fiable soit obtenue avec seulement trois capteurs actifs, avant même l'éversion complète, suggère une robustesse utile en conditions réelles où le déploiement complet du robot n'est pas garanti. Le travail s'inscrit dans la lignée de la recherche sur les robots souples à croissance (vine robots), portée notamment par des laboratoires universitaires américains actifs sur l'exploration en milieu confiné depuis plusieurs années. Il reste à ce stade une étude expérimentale en laboratoire, avec des configurations contrôlées, et non un système validé sur un site sinistré réel. Les auteurs présentent leurs résultats comme une preuve de concept ouvrant la voie à une intégration plus poussée du sensing acoustique distribué dans les futures générations de robots de recherche et sauvetage, sans annoncer de calendrier de déploiement opérationnel.

Recherche❖Paper

1 source

37

789arXiv cs.RO 

Diffusion ReRoll : débruitage révisable pour la prédiction séquentielle en robotique

Des chercheurs publient sur arXiv (arXiv:2607.19919v1) Diffusion ReRoll, un nouveau framework de diffusion pour la prédiction séquentielle en robotique, conçu pour rendre le débruitage "révisable" sur un horizon temporel. Contrairement aux approches existantes qui appliquent un débruitage monotone en une seule passe, la méthode renoise sélectivement les segments devenus localement stables pendant que le reste de la séquence continue à se débruiter, permettant aux portions passées et futures de se réviser mutuellement tout en gardant leur cohérence locale. L'équipe compare Diffusion ReRoll à deux références du domaine, la diffusion pleine séquence et le débruitage causal de Diffusion Forcing, sur trois familles de tâches: planification à long horizon, apprentissage de politiques et modélisation vidéo-action unifiée. Sur les benchmarks OGBench PointMaze et AntMaze, la méthode obtient des gains relatifs de taux de réussite de 21% face à Diffusion Forcing en planification guidée et de 23% face à Diffuser en goal-inpainting. Sur LIBERO-10, un benchmark multi-tâches de prédiction d'actions, le gain relatif atteint 56,5% par rapport à Diffusion Policy, quel que soit l'horizon de prédiction ou la longueur d'historique utilisée. Ce résultat cible un point de friction connu des architectures VLA et des politiques par diffusion: la difficulté à réviser une trajectoire déjà partiellement générée sans tout recalculer depuis le début. Un débruitage figé pénalise la robustesse quand le contexte évolue en cours d'exécution, un problème direct pour les intégrateurs qui déploient des politiques d'action sur bras manipulateurs ou robots mobiles en environnement changeant. Les gains observés en généralisation hors distribution, où Diffusion ReRoll conserve la meilleure cohérence action-vidéo, suggèrent un mécanisme plus robuste que le simple ajustement d'hyperparamètres, sans toutefois valider un déploiement en conditions réelles. Il s'agit à ce stade d'un travail de recherche publié en preprint, sans laboratoire ni affiliation précisée dans le résumé, positionné comme amélioration directe de Diffusion Forcing et Diffusion Policy, deux méthodes de référence en génération de séquences robotiques par diffusion. Les auteurs n'annoncent pas de code ni de date de publication complète pour l'instant, la validation reposant uniquement sur des benchmarks simulés (OGBench, LIBERO-10).

Recherche❖Paper

1 source

36

790arXiv cs.RO 

Extreme-RGMT : apprentissage continu de compétences hautement dynamiques pour un contrôle humanoïde généraliste robuste

Une équipe de recherche publie sur arXiv le framework Extreme-RGMT, une méthode d'apprentissage continu en deux étapes destinée au contrôle de robots humanoïdes généralistes. La première étape entraîne une politique de suivi de mouvement généraliste à partir de données de mouvement multi-sources diverses. La seconde étape introduit un mécanisme asymétrique d'acquisition de compétences et de consolidation des capacités, qui limite la dérive de la politique sur les mouvements déjà maîtrisés tout en concentrant l'apprentissage sur les segments dynamiques difficiles. Pour pallier la rareté des mouvements très dynamiques et leur fort taux d'échec à l'entraînement, les auteurs combinent un échantillonnage sensible à la difficulté avec un rééchantillonnage de trajectoires priorisé par l'avantage. Résultat annoncé : des performances état de l'art en suivi de mouvement corps entier généraliste, avec une nette amélioration du taux de réussite sur les mouvements dynamiques rares, le contrôleur final exécutant des mouvements inédits sous références fixes et sous entrées de capture de mouvement inertielle en ligne. L'enjeu dépassé ici est un compromis classique et bloquant du secteur : les politiques généralistes de suivi de mouvement échouent souvent sur les gestes rares et acrobatiques, tandis que le fine-tuning spécialisé sur ces gestes fait régresser les comportements courants déjà acquis, un phénomène d'oubli catastrophique bien connu en apprentissage continu. Si les résultats se confirment au-delà du papier, cela réduit un frein concret à la commercialisation des humanoïdes généralistes, où les intégrateurs veulent un seul contrôleur capable à la fois de gestes du quotidien fiables et de réactions dynamiques ponctuelles, sans devoir maintenir des politiques séparées ni recertifier le comportement de base à chaque ajout de compétence. Le travail s'inscrit dans la lignée des recherches sur le suivi de mouvement corps entier pour humanoïdes, où des approches génériques par imitation ou par capture de mouvement sont couramment utilisées pour transférer des mouvements humains vers des robots. Extreme-RGMT ne s'appuie pas sur des données terrain ni sur un déploiement industriel : il s'agit d'une contribution méthodologique en simulation ou banc d'essai contrôlé, publiée en preprint (arXiv:2607.20110), sans partenaire industriel ni plateforme matérielle nommée dans le résumé. Les suites logiques attendues seraient une validation sur robot physique réel et une comparaison directe avec les contrôleurs généralistes existants du secteur.

Recherche❖Paper

1 source

36

791arXiv cs.RO 

Robot sans membres à câbles et articulations roulantes MILR : conception et pilotage pour évoluer en milieux complexes

Traduction et synthèse de l'article en cours de rédaction, pas de recherche supplémentaire nécessaire, je pars du texte fourni. Un robot sans membres actionné par câbles, baptisé MILR (Morphing limbless robot), a été présenté dans une prépublication arXiv datée du 24 juillet 2026. Le système utilise une actionnation distribuée par câbles pour générer des ondes de flexion traversant le corps, combinée à une compliance passive programmable qui permet un contact robuste avec le terrain sans capteurs complexes ni retour d'information à haute fréquence. Sa particularité réside dans des articulations à roulement ("rolling joints") équipées d'un verrouillage à engrenages, qui réorientent les plans de flexion le long du corps et permettent de reconfigurer rapidement la morphologie sans consommation d'énergie continue pour maintenir la position. Grâce à cette combinaison de compliance programmable et de contrôle morphologique, la plateforme reproduit plusieurs modes de locomotion au sein d'un seul et même système : ondulation latérale, sidewinding, roulement et torsion. Des expériences ont validé la génération fiable de démarches et le franchissement d'environnements encombrés d'obstacles, avec des transitions fluides entre modes. L'intérêt principal de ces travaux tient à la résolution d'un compromis classique en robotique sans membres : jusqu'ici, les conceptions misant sur la compliance pour une locomotion robuste sans contrôle sophistiqué restaient figées dans une seule configuration corporelle, adaptée à un unique mode de déplacement ou type de terrain. MILR démontre qu'il est possible de conserver cette robustesse tout en gagnant en polyvalence, un enjeu clé pour les applications de recherche et sauvetage, d'inspection industrielle ou de surveillance environnementale, où le robot doit s'adapter à des environnements imprévisibles sans reprogrammation ni capteurs coûteux. Ce travail s'inscrit dans une lignée de recherches sur les robots serpents et sans membres, qui exploitent depuis plusieurs années les interactions corps-terrain pour se faufiler dans des espaces confinés et encombrés, un atout que les robots à pattes ou à roues peinent à égaler. Les approches précédentes basées sur la compliance passive, si elles simplifiaient le contrôle, sacrifiaient la polyvalence morphologique. En introduisant un mécanisme de reconfiguration mécanique peu coûteux en énergie, cette étude ouvre la voie à des essais plus poussés en conditions réelles, notamment sur des terrains non structurés, avant d'envisager des déploiements en contexte opérationnel.

Recherche❖Paper

1 source

35

792arXiv cs.RO 

EA-Nav : apprentissage de politiques de navigation visuelle sûres avec conscience de l'incarnation

Des chercheurs publient EA-Nav, un framework de navigation visuelle "embodiment-aware" conçu pour l'apprentissage par imitation plutôt que par renforcement, décrit dans un article arXiv (2607.19880) mis en ligne fin juillet 2026. Le système répond à un problème précis : une même image de caméra peut impliquer des actions différentes selon la géométrie du robot (empattement, hauteur, rayon de braquage), ce qui rend la prédiction ambiguë si l'on se fie uniquement à la vision. L'architecture se déploie en deux temps. En pré-entraînement, les auteurs construisent un jeu de données de navigation cross-embodiment à partir de vidéos Internet, en injectant la géométrie du robot comme token conditionnel pour lever l'ambiguïté. En fine-tuning, un mécanisme d'injection multimodale à architecture découplée entre en jeu, complété par une stratégie d'augmentation de trajectoires qui génère des échantillons à haut risque, utilisés pour entraîner séparément la perception spatiale et la correction consciente du risque. L'enjeu dépasse le cas d'école. Les flottes de robots mobiles et d'humanoïdes déployées en entrepôt ou en usine sont rarement homogènes : plusieurs géométries de châssis, plusieurs générations de matériel coexistent souvent chez un même intégrateur. Les approches par renforcement, dominantes jusqu'ici, exigent une interaction à grande échelle et un design de récompense minutieux, ce qui limite leur passage à l'échelle et leur adaptation rapide sur le terrain. Une méthode par imitation capable de généraliser à travers les morphologies, sans réentraînement lourd par robot, répondrait à un vrai besoin d'industrialisation plutôt qu'à une simple prouesse académique. Il s'agit toutefois d'un article de recherche à ce stade, sans lien annoncé avec un produit commercial, un intégrateur ou un déploiement réel, et le résumé ne fournit aucun chiffre de performance vérifiable, seulement une amélioration qualifiée d'"effective" sur plusieurs configurations testées. Le travail s'inscrit dans la même veine que les modèles vision-langage-action génériques comme GR00T N2, Pi-0 ou Helix, mais se concentre spécifiquement sur la brique navigation plutôt que sur la manipulation, un axe encore peu couvert par ces plateformes généralistes.

Recherche❖Paper

1 source

33

793arXiv cs.RO 

Physical AI dans les hôpitaux : les protocoles cliniques comme spécifications de sécurité

Le mois d'AI: cet article ne concerne pas un robot humanoïde commercial mais une publication de recherche. Un article publié sur arXiv (référence 2607.19827v1, soumission nouvelle) propose de réinterpréter les "parcours de soins" (clinical pathways) hospitaliers comme des spécifications de sécurité exécutables pour l'IA physique déployée dans les services hospitaliers. Les auteurs conçoivent une architecture robotique conceptuelle qui unifie capteurs portables, dispositifs médicaux connectés et composants robotiques assistifs dans un même cadre de surveillance de sécurité en temps réel. Au cœur du système, un Runtime Safety Monitor (RSM) évalue en continu des signaux physiologiques et système multimodaux, en les comparant à des contraintes cliniques dérivées directement du protocole de soins prescrit au patient. Plutôt que de s'appuyer uniquement sur de la détection d'anomalies statistique, l'approche combine prédiction temporelle, raisonnement sous incertitude et vérification par contraintes pour repérer les violations de sécurité. Le RSM cible trois catégories d'événements : les écarts physiologiques par rapport au protocole prescrit, les pannes matérielles ou de communication, et les cas potentiels de falsification ou de mauvais usage des données. L'enjeu dépasse la robotique pure : c'est une tentative de combler le fossé entre perception basée sur l'apprentissage et garanties de sécurité vérifiables, un point de friction central pour tout déploiement d'IA physique en environnement critique. Pour les intégrateurs et décideurs hospitaliers, l'intérêt est de disposer d'un cadre où les contraintes de sécurité ne sont pas génériques mais ancrées dans la connaissance clinique spécifique à chaque patient, ce qui pourrait faciliter la certification et l'acceptation par le personnel soignant, souvent réticent face à des systèmes d'IA opaques. Le papier reste toutefois à un stade conceptuel : il s'agit d'une proposition d'architecture, pas d'un système validé cliniquement ni déployé en conditions réelles. Ce travail s'inscrit dans le champ émergent de la "Safe Physical AI", qui cherche à rendre les robots assistifs et dispositifs autonomes fiables dans des environnements où l'erreur a un coût humain direct, contrairement aux entrepôts ou usines. Contrairement aux approches génériques de détection d'anomalies utilisées en robotique industrielle, l'originalité ici est d'opérationnaliser des connaissances médicales spécifiques au domaine comme contraintes formelles. Les prochaines étapes attendues, non détaillées dans l'abstract, porteraient logiquement sur une implémentation prototype et des tests en environnement hospitalier simulé avant tout essai clinique réel.

Recherche❖Paper

1 source

46

794Pandaily 

Ant Group dévoile sa stratégie duale VLA et modèles d'action du monde pour l'IA physique, écosystème open source et défi des données

Ant Group a fondé en décembre 2024 Ant LingBot, filiale à 100 % basée à Shanghai et bras armé du groupe dans l'IA physique, où plus de 90 % des effectifs sont titulaires d'un master ou d'un doctorat. Dirigée par le PDG Zhu Xing et le scientifique en chef Shen Yujun, l'entreprise a présenté six modèles d'IA incarnée en open source lors du WAIC 2026, couvrant vision, vidéo, perception spatiale, manipulation, modèles du monde et modèles d'action du monde. Sa stratégie technologique repose sur deux voies parallèles. La première, VLA (vision language action), incarnée par LingBot-VLA 2.0, suit l'architecture dominante du secteur, celle qu'utilisent aussi Figure ou la série RT de Google DeepMind. La seconde, portée par LingBot-VA 2.0, prédit l'évolution du monde avant de générer une action ; présenté comme le premier modèle d'action du monde nativement incarné du secteur, il est entraîné from scratch sur une architecture autorégressive atteignant 150 Hz d'inférence temps réel sur un seul GPU, avec tokenisation sémantique visuelle-action, pré-entraînement causal strict, architecture MoE et inférence asynchrone permettant au robot de prédire ses états futurs tout en exécutant l'action en cours, avec un temps de réponse de 6,7 millisecondes, contre 300 à 400 millisecondes pour un clignement d'œil humain. Plus d'une dizaine de fabricants ont noué des partenariats, dont Unitree Robotics, Xinghaitu et Leju Robotics, dont le KUAVO 4 Pro a été adapté à LingBot-VLA sur 95 scénarios de manipulation réels. LingBot commercialise aussi son propre robot de service, le Robbyant R1, destiné aux usages domestiques, à la santé et aux personnes âgées, mais dont les volumes livrés restent limités. Ce choix d'ouvrir intégralement poids, code, outils de post-entraînement et benchmarks d'évaluation, à un moment où les standards techniques de l'IA incarnée restent instables, vise à faire de LingBot une base logicielle partagée entre plateformes matérielles hétérogènes. Mais la principale contrainte du secteur demeure la donnée : contrairement aux LLM entraînés sur des billions de tokens textuels, les données d'interaction physique ne s'accumulent que par l'exploitation réelle de robots. LingBot compense en s'appuyant sur les données de ses partenaires (Unitree, Leju, Xinghaitu) plutôt qu'en opérant sa propre flotte, une dépendance qui fragilise sa position à mesure que ces mêmes partenaires développent leurs propres capacités IA. Cette approche intégrale, du modèle cerveau au modèle du monde jusqu'au déploiement matériel, distingue LingBot des autres géants technologiques chinois. Alibaba, Tencent, Huawei, JD.com et Meituan privilégient tous des stratégies plus ciblées, et Ant Group entre en outre en concurrence avec d'autres initiatives affiliées à Alibaba. LingBot constitue ainsi un test grandeur nature : une entreprise de la fintech peut-elle incuber une activité robotique viable, et l'open source combiné à l'emprunt de données suffira-t-il à surmonter les limites structurelles de l'IA incarnée ?

Chine/Asie❧Opinion

1 source

34

795Pandaily 

30 ans de micro-moteurs aux mains dextériques de robots : MINDSYNC TECH et Jiangsu Leili résolvent le problème de rigidité mécanique des humanoïdes

Jiangsu Leili Motor, entreprise de fabrication de précision cotée à Changzhou et forte de plus de 30 ans d'expertise en micromoteurs, s'impose comme fournisseur critique de composants pour l'industrie des robots humanoïdes via ses filiales Dingzhi Technology et MINDSYNC TECH. Sur son site de Changzhou, l'entreprise a fait la démonstration d'une main robotique dextre exécutant de la calligraphie, manipulant de la verrerie de laboratoire et maniant des instruments de précision, illustrant les progrès réalisés pour résoudre le problème de rigidité mécanique qui limitait jusqu'ici les mains robotiques à de simples opérations de préhension. La technologie centrale est le moteur à cage creuse (hollow-cup), unité de puissance dominante pour les mains dextres haut de gamme : contrairement aux moteurs conventionnels à noyau de fer, il offre une densité de puissance et une efficacité supérieures pour un poids réduit, indispensables au format compact des mains robotiques, qui peuvent nécessiter plus d'une dizaine de micromoteurs pour reproduire une articulation proche de la main humaine. Dingzhi Technology a développé une gamme complète de moteurs à cage creuse allant de 6 à 42 mm de diamètre et a surmonté la difficulté du bobinage automatisé pour cette structure sans fer, atteignant une capacité de production de masse totalement autonome. Les réducteurs et trains d'engrenages de précision ont été renforcés par le rachat de Sailente, société forte de près de 20 ans d'expérience dans la fabrication d'engrenages. Les systèmes de main dextre intègrent moteurs, réducteurs, vis à billes, encodeurs et variateurs en solutions de contrôle de mouvement unifiées. Cette annonce reflète un basculement de fond dans l'industrie robotique. Les déploiements actuels d'humanoïdes basiques en usine utilisent des pinces à deux doigts capables uniquement d'opérations standard de transfert sur convoyeur. Comme l'a souligné Wang Wenwei, directeur général de MINDSYNC TECH, ces pinces à deux doigts ne peuvent ni ajuster de manière autonome l'angle de préhension, ni retourner une pièce pour inspection, ni gérer des objets positionnés de façon irrégulière sur une chaîne de production : ces opérations fines exigent des mains dextres multi-degrés de liberté. MINDSYNC TECH a déjà déployé trois architectures technologiques parallèles (câble, biellette, entraînement direct) sur des applications concrètes : inspection de bandes transporteuses en mine, détection de défauts sur tubes ondulés en usine, et application de pâte thermique sur puces électroniques. Le déploiement pour l'inspection d'écrans dans l'électronique grand public haut de gamme est prévu fin 2026. Le secteur estime qu'il faudra encore 1 à 2 ans avant un déploiement industriel de masse des mains dextres, en cohérence avec la maturation attendue des humanoïdes et de leurs courbes de coûts. À noter : le coût unitaire actuel d'une main dextre (10 000 à 60 000 yuans) reste élevé, reflet de l'investissement en fabrication de précision requis, un signal à surveiller avant de parler de déploiement massif. Cette montée en gamme s'inscrit dans la trajectoire d'une entreprise qui a fait le choix stratégique d'éviter la fabrication de corps de robots pour se concentrer sur les composants critiques, là où ses décennies d'expertise en micromoteurs constituent un avantage différenciant. Cette stratégie de spécialisation est validée par un marché des moteurs visé à 91,7 milliards de yuans d'ici 2030. La transition des mains préhensiles vers des mains manipulatrices dextres sera déterminante pour savoir si les robots humanoïdes peuvent devenir des travailleurs véritablement polyvalents, une question qui oppose directement les fournisseurs de composants chinois comme Jiangsu Leili aux acteurs occidentaux du secteur, qu'il s'agisse des mains dextres développées par des laboratoires américains ou des approches françaises et européennes en matière de manipulation robotique.

Chine/Asie⚡Actu

1 source

41

796Robotics Business Review 

IA physique et robotique

Le Robot Report a mis en ligne un rapport gratuit intitulé « Physical AI and Robotics », compilant les témoignages d'experts du secteur qui développent et déploient de l'IA physique dans l'industrie. Le document souligne un changement structurel dans la robotique : après des années de programmation déterministe pour la navigation et la reconnaissance d'objets, les robots gagnent désormais en capacité de perception, de compréhension, de décision et d'action grâce à l'IA. Selon des chiffres du Wall Street Journal cités dans le rapport, les entreprises d'IA physique ont levé plus de 23 milliards de dollars de capital-risque depuis le début de l'année 2026. Les levées les plus importantes incluent la Série D de 16 milliards de dollars de Waymo, la Série C de 1,4 milliard de dollars de Skild AI, celle de même montant pour l'allemand NEURA Robotics, et le tour d'un milliard de dollars de Physical Intelligence. L'essentiel des financements cible les modèles de fondation, l'automatisation industrielle, ainsi que les véhicules autonomes et les humanoïdes. Ces montants confirment que l'IA physique est devenue une thèse d'investissement à part entière, et pas seulement un argument marketing pour vendre des robots. Pour les intégrateurs et décideurs industriels, le signal est clair : le capital afflue vers les modèles de fondation capables de généraliser d'une tâche à l'autre, plutôt que vers des solutions verticales figées, ce qui laisse présager une consolidation rapide autour de quelques plateformes dominantes. Le rapport pointe aussi une boucle de rétroaction inédite entre IA et robotique : les data centers hyperscale nécessaires à l'entraînement des modèles d'IA générative créent eux-mêmes une demande de robots capables de les construire et de les maintenir, ce qui tire la demande de calcul aussi bien côté cloud que côté edge, pour la simulation, l'orchestration de flottes et le raisonnement embarqué. Le rapport s'inscrit dans un débat plus large que Le Robot Report documente depuis plusieurs années sur la frontière entre automatisation spécialisée et intelligence artificielle générale : les interviewés y discutent notamment si les manipulateurs mobiles et les humanoïdes rapprochent réellement le secteur de l'AGI, ou si ce terme reste largement prématuré face aux limites persistantes des données spécifiques à chaque domaine. Il aborde également où trouver les jeux de données les plus utiles pour l'entraînement, et pourquoi la supervision humaine demeure incontournable. Il s'agit toutefois d'un contenu promotionnel à télécharger via formulaire, davantage une synthèse de tendances qu'une annonce produit ou un déploiement vérifié sur le terrain.

Business⚡Actu

1 source

43

797Interesting Engineering 

Robot apprend comme un enfant, puis maîtrise seul le bowling, le pliage et le pressage de jus

Des chercheurs dirigés par la Shanghai Jiao Tong University ont présenté RL-100, un cadre d'entraînement qui combine apprentissage par imitation et apprentissage par renforcement pour permettre à des robots manipulateurs de réaliser des tâches réelles avec une fiabilité proche de 100%. Le système repose sur un pipeline en trois étapes : d'abord l'imitation à partir de démonstrations téléopérées par des experts humains, qui entraîne une politique visuomotrice basée sur un modèle de diffusion et exploite des flux RGB ou des nuages de points 3D ; puis un apprentissage par renforcement hors ligne itératif, où le robot rejoue ses propres tentatives réussies pour affiner sa politique via un objectif unifié de type PPO, sans dégrader les comportements déjà appris ; enfin une phase d'apprentissage en ligne directement sur le robot physique, ciblée sur les cas d'échec rares, qui fait passer le taux de réussite d'environ 90% à un niveau quasi parfait. Les chercheurs ont aussi développé une technique de distillation par modèle de cohérence qui compresse la politique de diffusion multi-étapes en un contrôleur à une seule étape, réduisant la latence d'inférence d'environ 100 à 10 millisecondes. Sur huit tâches de manipulation testées, bowling, pliage de serviettes, versage de liquide, dévissage de bouchons, pliage de boîtes et préparation de jus d'orange en deux étapes, le robot a atteint 100% de réussite après l'entraînement complet, et a fonctionné en continu pendant sept heures dans un centre commercial pour servir du jus frais sans le moindre échec. Ce résultat s'attaque directement à ce que le secteur robotique appelle le "plafond de l'imitation" : un robot qui se contente de copier des démonstrations humaines reste borné par la qualité et l'efficacité de ces démonstrations, sans jamais dépasser la performance de son professeur. En combinant imitation, renforcement hors ligne et un correctif ciblé en ligne, RL-100 illustre une voie concrète pour que les politiques d'apprentissage par diffusion, jugées jusqu'ici trop lentes pour un contrôle robotique à haute fréquence, deviennent utilisables en production. La démonstration en environnement public, sur sept heures sans interruption, est le type de test qui compte pour les intégrateurs et décideurs B2B : elle rapproche l'apprentissage par renforcement appliqué à la robotique d'un déploiement réel plutôt que d'une démonstration en laboratoire soigneusement choisie, un écart que le secteur peine encore à combler pour la plupart des systèmes de type VLA. RL-100 s'inscrit dans une lignée de recherches visant à rendre les politiques de diffusion exploitables en temps réel, un problème également abordé par des approches comme Pi-0 ou GR00T N2 dans l'écosystème de la robotique généraliste. Le cadre revendique une conception agnostique à la tâche, au robot et à la représentation sensorielle, compatible avec des bras simples ou doubles. Les auteurs ne précisent pas de calendrier de commercialisation ni de partenaire industriel identifié ; il s'agit pour l'instant d'un résultat de recherche académique, dont la reproductibilité à plus grande échelle et hors conditions contrôlées reste à démontrer.

Recherche❖Paper

1 source

43

798Interesting Engineering 

Bio-inspiration : les robots capables de marcher, voler, nager et grimper

Une équipe de chercheurs de l'université de Beihang, de l'université de technologie de Dalian et de l'EPFL vient de publier une revue de littérature sur les robots bioinspirés multimodaux, capables de combiner plusieurs modes de déplacement (marche, vol, natation, escalade, saut) sur une seule et même plateforme mécanique. Contrairement aux robots classiques limités à un seul mode de locomotion, ces machines s'inspirent du vivant pour partager des structures et des systèmes de contrôle entre plusieurs fonctions de déplacement. L'étude identifie les principaux verrous techniques qui freinent leur développement : l'espace embarqué limité, puisque chaque mode de déplacement supplémentaire exige ses propres actionneurs, capteurs, batteries et éléments mécaniques, ce qui alourdit et complexifie la machine ; la reconfiguration corporelle, c'est-à-dire la capacité à modifier physiquement la structure du robot pour passer d'un mode à l'autre ; et l'équilibre entre rigidité et flexibilité des matériaux. Pour combler l'absence de méthode d'évaluation standardisée, les auteurs proposent cinq métriques de performance : le nombre de modes de locomotion disponibles, le coût additionnel lié à chaque nouveau mode, la part de composants mutualisables entre les modes, le temps ou l'énergie nécessaires pour basculer d'un mode à l'autre, et le gain de performance global apporté par la combinaison de plusieurs types de déplacement. Cette grille de lecture arrive à un moment où l'industrie robotique cherche justement à dépasser la simple addition de capacités pour viser une véritable polyvalence opérationnelle : un robot capable de voler puis de marcher peut parcourir de longues distances rapidement avant de basculer en mode inspection au sol, tandis qu'un robot amphibie peut alterner terre et eau pour des missions de recherche et sauvetage ou de surveillance environnementale. En proposant un cadre commun de mesure, les chercheurs offrent aux intégrateurs et décideurs industriels un moyen de comparer objectivement des architectures très différentes, plutôt que de se fier aux démonstrations ponctuelles souvent mises en avant par les fabricants, un enjeu clé pour distinguer les prototypes de laboratoire des solutions réellement déployables sur le terrain. La revue s'inscrit dans une évolution du secteur, qui est passé de robots assemblant des mécanismes séparés pour chaque mode de déplacement à des systèmes intégrés inspirés directement de l'anatomie animale. Les auteurs pointent aussi les limites des algorithmes de planification et de contrôle classiques, mal adaptés aux changements brutaux de dynamique lors d'un changement de mode, et misent sur les progrès de l'apprentissage par renforcement, des modèles vision-langage-action (VLA) et des modèles du monde pour rendre ces robots réellement autonomes. Parmi les pistes de conception évoquées figurent les matériaux souples et déformables, le réemploi de structures à fonctions multiples, ainsi que des architectures de flottes de robots simples coopérant pour obtenir collectivement des capacités multimodales.

Recherche❖Paper

1 source

48

799Interesting Engineering 

Vidéo : le nouvel humanoïde Gene.01 doté d'une peau intelligente intégrale pour une collaboration homme-robot plus sûre

Generative Bionics, entreprise italienne de deep-tech, a présenté à l'occasion d'AMD Advancing AI 2026 une version considérablement enrichie de son robot humanoïde industriel Gene.01, développée en seulement six mois. La machine se distingue par une "peau intelligente" multimodale recouvrant l'intégralité du corps, capable de détecter le toucher, la proximité, la force et la température, ce qui lui permet de percevoir la présence humaine avant et pendant tout contact physique. Cette architecture tactile s'appuie sur une intelligence artificielle dite "physics-native", conçue pour optimiser conjointement le matériel, la mécanique, les capteurs et le contrôle du mouvement plutôt que de traiter ces éléments séparément. Le système utilise des modèles numériques du robot et de son partenaire humain pour ajuster déplacement, ergonomie, équilibre et stabilité de marche. Generative Bionics avait dévoilé un premier concept de Gene.01 en janvier 2026 lors du CES. L'entreprise publie par ailleurs le jumeau numérique du robot en open source, distribué via PyPI, conda-forge et le dépôt officiel ROS, afin de faciliter son intégration dans les environnements de simulation et de développement existants. Le premier déploiement industriel est en cours d'élaboration avec le chantier naval italien Fincantieri, où une version soudeuse de Gene.01 est adaptée aux opérations de chantier. L'apport principal de Gene.01 tient à son approche par le toucher plutôt que par la seule vision, un choix qui répond à une limite bien identifiée des systèmes d'apprentissage visuels: l'incapacité à inférer les forces physiques nécessaires à une manipulation fine. La détection de force permet aussi un apprentissage kinesthésique, où un opérateur guide physiquement le bras du robot pour lui montrer l'intensité de préhension requise, une méthode plus intuitive que la programmation classique. Pour les intégrateurs et décideurs industriels, cela ouvre la voie à une collaboration homme-robot plus sûre dans des ateliers partagés, un enjeu central pour l'adoption des humanoïdes en usine. Il faut toutefois distinguer l'annonce du déploiement réel: si Generative Bionics qualifie Gene.01 de plateforme "fully functional", son unique cas d'usage concret, chez Fincantieri, reste en développement et non encore opérationnel en production. La mise à disposition open source du jumeau numérique constitue en revanche une contribution tangible et immédiate pour les développeurs en robotique physique. L'architecture d'intelligence de Gene.01 puise directement dans des travaux publiés dans Nature Machine Intelligence, issus du projet de recherche ergoCub sur l'intelligence incarnée sensible à l'humain. Generative Bionics affirme être la première entreprise à transposer cette méthodologie évaluée par des pairs sur une plateforme commerciale entièrement sensorisée, dans un secteur où Figure, Tesla (Optimus) ou Boston Dynamics avancent surtout sur la perception visuelle et la locomotion. Plutôt qu'un humanoïde généraliste, Gene.01 est pensé comme une base modulable, adaptable en IA, effecteurs et carrosserie selon les secteurs visés (manufacturing, logistique, inspection, santé, sécurité publique). L'entreprise construit également une chaîne d'approvisionnement européenne avec un partenaire industriel, dans une logique de souveraineté technologique face aux acteurs américains et chinois du secteur.

FR/EU ecosysteme⚡Actu

1 source

31

800Robot Magazine FR 

Top 15 des robots mobiles autonomes (AMR) : les leaders de l’automatisation industrielle

Les robots mobiles autonomes (AMR) s'imposent comme le nouveau standard de l'automatisation logistique et industrielle, en remplacement progressif des véhicules guidés automatisés (AGV) apparus dès les années 1950. Contrairement aux AGV, qui suivent des bandes magnétiques, des fils enterrés, des réflecteurs laser ou des QR codes au sol, un AMR combine capteurs, caméras, LiDAR et algorithmes de navigation pour cartographier son environnement, éviter les obstacles et recalculer son itinéraire en temps réel, sans aucune infrastructure de guidage fixe. Cette autonomie de déplacement s'étend désormais bien au-delà des entrepôts logistiques : usines de production, centres de distribution, hôpitaux, laboratoires pharmaceutiques, aéroports, plateformes e-commerce, centres de tri et même certaines exploitations agricoles déploient aujourd'hui ce type de robots. Selon l'International Federation of Robotics (IFR), les AMR constituent l'un des segments à plus forte croissance de la robotique professionnelle. Interact Analysis confirme une accélération rapide des déploiements dans les centres logistiques, tandis qu'ABI Research souligne la montée en importance des logiciels de gestion de flotte, désormais jugés aussi critiques que le matériel robotique lui-même. Cette bascule des AGV vers les AMR répond à une transformation structurelle des besoins industriels : essor du commerce électronique, personnalisation croissante des produits, pénurie de main-d'œuvre qualifiée et exigence de résilience des chaînes d'approvisionnement imposent désormais une flexibilité que les systèmes fixes ne peuvent plus offrir. Modifier un itinéraire AGV nécessite des travaux, un arrêt de production et une reprogrammation lourde, un coût que les usines modernes, confrontées à des volumes fluctuants et des implantations changeantes, ne peuvent plus absorber. Les analystes du secteur comparent désormais l'AMR à ce que l'Ethernet est devenu pour l'informatique : une brique d'infrastructure invisible mais indispensable au fonctionnement des usines connectées, ce qui déplace la valeur ajoutée du seul robot vers l'orchestration logicielle de flottes entières. Cette évolution s'inscrit dans la continuité directe des AGV industriels des années 1950, dont les limites de rigidité ont motivé le développement d'une génération de robots capables de décision autonome plutôt que de simple exécution de trajectoire préprogrammée. La montée des logiciels de gestion de flotte comme facteur différenciant, plutôt que la seule plateforme mobile, dessine une compétition où l'intelligence de coordination entre robots devient l'enjeu principal pour les fournisseurs, avec une adoption qui devrait continuer de s'étendre à mesure que les industriels cherchent à sécuriser et fluidifier leurs chaînes logistiques.

Industriel⚡Actu

1 source