Actualités robotique — page 17

4 593 articles au fil, du plus récent au plus ancien.

40

801arXiv 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

39

802arXiv 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

803arXiv 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

804arXiv 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

39

805arXiv 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

806arXiv 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

38

807arXiv 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

808arXiv 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

37

809arXiv 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

810arXiv 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

36

811arXiv 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

36

812arXiv 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

35

813arXiv 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

814arXiv 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

815Pandaily 

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

816Pandaily 

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

817Robotics 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

818Interesting 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

819Interesting 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

820Interesting 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

821Robot 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

40

822Pandaily 

Robots humanoïdes d'Unitree et AgiBot en boutique : la compétition se déplace du laboratoire au centre commercial

La compétition dans la robotique humanoïde quitte les laboratoires et les classements de performance pour s'installer dans les centres commerciaux chinois. Unitree Robotics a ouvert des boutiques en direct à Wangfujing Yinxin (Pékin) et sur Nanjing Road chez Jiuguang (Shanghai), tandis qu'AgiBot a inauguré son tout premier magasin mondial dans un centre commercial JD à Minhang, Shanghai. Vbot s'est implanté à Raffles City (Changning) et à Solana (Pékin), et Qiyuan World prépare des ouvertures à Shenzhen et Shanghai. Un modèle de magasin collectif émerge aussi : Taozhu New Maker exploite déjà cinq points de vente à Pékin, et Wuhan Optics Valley a ouvert le premier magasin "7S" de robots humanoïdes du pays. Côté chiffres, Unitree propose des robots quadrupèdes dès 8 000 yuans et des humanoïdes jusqu'à 170 000 yuans. Sa directrice marketing, Wang Qixin, affirme que le magasin de Wangfujing est déjà rentable, et celui de Wuhan a généré 615 000 yuans de ventes cumulées en deux mois. Ces montants restent toutefois modestes à l'échelle d'une industrie où, selon Unitree, 73,6% du chiffre d'affaires humanoïde 2025 provient encore de clients B2B, recherche scientifique et éducation. Cette bascule vers le commerce physique traduit un changement de terrain concurrentiel. La marche, la course et le contrôle moteur de base sont désormais des prérequis communs à la plupart des fabricants, ce qui déplace la vraie bataille vers la perception du consommateur, la confiance et l'expérience d'interaction directe, des éléments qu'aucune vidéo promotionnelle ou fiche technique ne peut transmettre. Les boutiques deviennent des dispositifs à triple fonction : canal d'acquisition client, laboratoire de validation de modèles économiques, et boucle commerciale complète, de la découverte jusqu'au service après-vente. Pour les intégrateurs et décideurs industriels, c'est un signal clair que le marché grand public commence à être testé sérieusement, avec des questions encore ouvertes sur les prix acceptables, la pertinence de la location ou du paiement en plusieurs fois, et la capacité réelle des réseaux après-vente à absorber la maintenance à l'échelle du commerce de détail. Deux modèles de distribution coexistent : la vente directe de marque, incarnée par Unitree, qui garde un contrôle total sur l'expérience en boutiques haut de gamme, et les magasins collectifs comme Taozhu New Maker, qui agrègent les produits de dizaines de fabricants avec un système de service "7S" complet, à la manière d'un point d'entrée grand public pour la robotique. Les acteurs du secteur s'inspirent à la fois de la logistique de distribution des smartphones et de la conversion à haut ticket propre à l'automobile. Les ambitions d'expansion sont notables : Unitree vise 50 magasins en un an, Vbot plus de 10 villes, et Taozhu New Maker 20 emplacements à l'échelle nationale. Le véritable test reste de transformer une fréquentation de curiosité en revenus d'achat et de service durables.

Chine/Asie⚡Actu

1 source

46

823Pandaily 

Le boucle fermée de l'IA physique enfin réalité : Rimnot et Yuantu déploient 10 000 robots industriels pour la fabrication de serveurs

Rimnot, jeune pousse chinoise de l'IA physique fondée il y a seulement quatre mois par des diplômés de doctorat de Tsinghua passés chez NIO, Huawei et AgiBot, a annoncé un partenariat stratégique avec Yuantu Future Technology pour déployer 10 000 robots industriels dédiés à la fabrication de serveurs. L'annonce, faite juste avant la conférence WAIC 2026, constitue l'un des engagements commerciaux les plus concrets jamais formulés dans le secteur de l'IA incarnée. Lors du salon, Rimnot a fait la démonstration de sa technologie sur une tâche d'assemblage de serveurs en conditions réelles : le robot a manipulé des composants de carte mère densément agencés, puces, connecteurs et pièces de précision, nécessitant la reconnaissance de plusieurs variantes de modèles ainsi qu'un contrôle précis de la force de préhension et du placement. Confrontée à un temps de mise en route limité sur le stand, avec un éclairage, une température et une disposition spatiale différents de son environnement habituel, l'équipe affirme que le robot a réalisé une adaptation complète à ce nouvel environnement en seulement 30 minutes d'entraînement. La technologie repose sur un modèle de fondation du monde physique censé assurer une boucle complète allant de la compréhension des processus et de la planification des tâches jusqu'à l'exécution et l'optimisation continue par retour d'expérience. Cette annonce doit être lue avec prudence : les 30 minutes d'adaptation et la démonstration sur stand restent des chiffres communiqués par l'entreprise elle-même, sans validation indépendante, et le déploiement de 10 000 unités demeure à ce stade un plan annoncé, non un produit livré. Elle n'en illustre pas moins un déplacement d'enjeu pour le secteur de la robotique humanoïde et de l'IA incarnée, longtemps critiqué pour multiplier des démonstrations spectaculaires sans traction commerciale réelle. Contrairement à l'IA numérique, où un modèle unique peut servir des centaines de millions d'utilisateurs, l'IA physique impose à chaque robot de s'adapter à un environnement, des objets et des gestes spécifiques, en tolérant des erreurs visuelles et des aléas que la simulation ne peut jamais entièrement anticiper. Si l'accord tient ses promesses à l'échelle de 10 000 unités, il pourrait fournir un modèle reproductible pour l'automatisation robotisée de l'électronique de précision, un marché que Rimnot évalue lui-même à plusieurs centaines de milliards de yuans. Le décalage entre les quatre mois qui séparent la création de l'entreprise et cet engagement de déploiement massif suggère, selon ses promoteurs, que le principal obstacle pour l'IA physique se déplace désormais de la technologie vers l'exécution des partenariats industriels, une lecture qui reste à confirmer sur le terrain. Yuantu Future Technology, partenaire industriel de l'opération, est un acteur mondial de la fabrication de serveurs et des infrastructures IA complètes, produisant serveurs IA, serveurs généralistes, commutateurs, super-nœuds et armoires à refroidissement liquide, avec une maîtrise intégrale de la chaîne allant de la R&D à la fabrication et au service. La fabrication de serveurs constitue un terrain d'essai particulièrement pertinent pour la robotique incarnée, car elle combine assemblage complexe, câblage, tests fonctionnels et contrôle qualité, avec une valeur industrielle suffisante pour justifier un déploiement à grande échelle. L'ambition affichée par les deux partenaires dépasse le simple remplacement d'une étape de production isolée : il s'agit de construire une opération robotisée en boucle fermée de bout en bout, Rimnot apportant les modèles du monde physique et les solutions de qualité industrielle, Yuantu les scénarios de production réels et l'expérience opérationnelle. Aucun acteur français ou européen n'apparaît dans cette collaboration, qui s'inscrit dans une compétition mondiale de plus en plus vive entre start-up chinoises de l'IA incarnée, à mesure que des sociétés comme AgiBot, dont sont issus certains fondateurs de Rimnot, tentent de traduire leurs avancées technologiques en contrats industriels concrets.

Chine/Asie⚡Actu

1 source

41

824Robotics & Automation News 

Robots capables de ressentir : HBK et Siléane apportent l'intelligence tactile à l'emballage cosmétique haute vitesse

Siléane, spécialiste français de la robotique avancée, s'est associé à Hottinger Brüel & Kjær (HBK) pour développer une solution de préhension automatisée destinée à un fabricant mondial de cosmétiques. Le projet intègre des capteurs intelligents directement dans l'outil en bout de bras (end-of-arm tooling), permettant une validation en temps réel de la qualité de la prise. L'objectif est de garantir précision et fiabilité sur des lignes de conditionnement à haute cadence et fort volume, dans un secteur soumis à des exigences réglementaires strictes. Le communiqué ne précise ni chiffres de cycle time, ni charge utile, ni volumes de déploiement concrets, ce qui invite à la prudence sur la portée réelle du déploiement à ce stade. Cette approche illustre un axe de différenciation qui monte dans l'automatisation industrielle: remplacer ou compléter la vision par capteurs tactiles embarqués pour fiabiliser la prise d'objets fragiles ou irréguliers, un point sensible en cosmétique où flacons, pots et emballages varient en forme et en matière. Pour les intégrateurs et décideurs B2B, l'enjeu est de réduire les rebuts et arrêts de ligne liés aux erreurs de préhension, un problème récurrent quand les cadences dépassent ce que la seule vision industrielle peut valider en temps utile. Siléane s'est construit une expertise reconnue en robotique de précision pour l'industrie française, tandis que HBK apporte son savoir-faire en capteurs et instrumentation, issu du rapprochement historique entre Hottinger Baldwin Messtechnik et Brüel & Kjær. Le communiqué ne détaille pas de calendrier de déploiement élargi ni les sites concernés, laissant ouverte la question du passage du pilote à une industrialisation à grande échelle.

FR/EU ecosysteme⚡Actu

1 source

44

825arXiv cs.RO 

Boum de forage longue portée : planification de trajectoire paramétrée par pose et filtrage anti-collision par CBF-QP

Une équipe de recherche a développé une méthode de planification de mouvement collision-aware pour le bras de forage longue portée SB60 du fabricant suédois Sandvik, décrite dans un article publié le 24 juillet 2026 sur arXiv. Le système combine une planification paramétrée par pose avec un contrôleur de type CBF-QP (control barrier function quadratic program) basé sur des capsules géométriques, intégré à la cinématique inverse en boucle mesurée. Un planificateur de détours hors ligne filtre les points de passage candidats à partir de 23 distances calculées entre segments de tige et zones du corps de la machine, tandis qu'un filtre en ligne applique 14 contraintes de paires de capsules issues d'un modèle corporel complet à neuf primitives géométriques. La méthode a été testée sur deux tâches de forage dans un modèle Simscape Multibody fourni par le constructeur : un parcours à cinq cibles en orientation restreinte et un parcours à trois cibles en pose complète. Sur plusieurs centaines de milliers d'échantillons, aucun échec de cinématique inverse n'a été enregistré, l'erreur de position finale moyenne reste de l'ordre du millimètre, et aucune marge de sécurité CBF n'est descendue sous les seuils fixés. Ce résultat s'adresse directement aux intégrateurs et décideurs de l'industrie minière et du forage, secteur où le passage d'un contrôle supervisé par opérateur vers une autonomie partielle bute historiquement sur le risque d'auto-collision des bras articulés longue portée. En démontrant un taux d'échec nul sur un volume d'essais important, l'étude apporte une validation quantitative rare dans ce domaine, où les annonces reposent souvent sur des démonstrations ponctuelles plutôt que sur des campagnes statistiques massives, ce qui distingue ici clairement un travail de validation en simulation d'un déploiement terrain réel, qui reste à venir. Sandvik, groupe industriel suédois déjà présent sur les équipements de forage et de mine automatisés, s'appuie ici sur des méthodes de planification et de filtrage de sécurité déjà établies dans la littérature robotique, adaptées à la géométrie spécifique du SB60. L'article ne mentionne pas de calendrier de déploiement sur machine physique ni de partenaire concurrent nommé, laissant ouverte la question du passage de cette validation en simulation vers des essais sur site minier réel.

FR/EU ecosysteme❖Paper

1 source

43

826arXiv cs.RO 

RAPT : détection de dérive et diagnostic de défaillance par prédiction de modèle pour le déploiement sim-vers-réel d'humanoïdes

Des chercheurs présentent RAPT (Recurrent Anomaly Probabilistic Trajectory Model), un moniteur de déploiement léger et auto-supervisé fonctionnant à 50 Hz, conçu pour détecter en temps réel les états hors distribution (OOD) lorsqu'une politique de contrôle apprise en simulation est transférée sur un robot humanoïde réel. Le système apprend le comportement d'exécution nominal à partir de données de simulation à grande échelle, puis produit en ligne des signaux de déviation prédictive calibrés, dimension par dimension, permettant de localiser précisément quand et où l'exécution réelle s'écarte du comportement attendu. Pour le diagnostic post-hoc, RAPT combine saillance temporelle, résumés cinématiques articulaires et raisonnement sémantique par LLM afin de classifier les causes probables d'échec en mode zero-shot. En simulation, sur quatre tâches Isaac Lab, RAPT améliore le taux de vrais positifs (TPR) de 37% par rapport à la meilleure référence existante, à un taux de faux positifs au niveau épisode limité à 0,5%. Sur matériel réel, il atteint 89% de TPR sur 78 essais, avec moins de faux positifs que les approches concurrentes compatibles haute fréquence, et 75% de précision de diagnostic sémantique sur 21 catégories d'échecs, sur un sous-ensemble de cas OOD jugés difficiles. L'enjeu dépasse la simple détection d'anomalie: c'est le problème du "silent failure" après transfert sim-to-real qui est visé, ces politiques qui semblent robustes en simulation mais entrent en territoire inconnu sur le robot réel sans que rien ne le signale, avec un risque direct de casse matérielle. Pour les intégrateurs et équipes R&D qui déploient des politiques VLA ou apprises par renforcement sur humanoïdes ou bras robotiques, un moniteur capable de tenir la cadence du contrôle temps réel tout en gardant un taux de fausses alertes très bas comble un manque concret entre recherche en simulation et fiabilité opérationnelle sur le terrain. RAPT s'inscrit dans la lignée des travaux sur la détection d'anomalies pour systèmes robotiques appris, un domaine où la plupart des détecteurs existants échouent soit sur la fréquence de fonctionnement, soit sur le taux de faux positifs, soit sur l'interprétabilité du diagnostic. Le papier, publié sur arXiv en version 2, met à disposition code, site projet et vidéos de démonstration, ouvrant la voie à une adoption par d'autres équipes travaillant sur le déploiement sécurisé de politiques apprises en simulation.

Recherche❖Paper

1 source

42

827arXiv cs.RO 

EquiBim : apprentissage d'une politique équivariante par symétrie pour la manipulation bimanuelle

Des chercheurs présentent EquiBim, un cadre d'apprentissage par imitation qui impose une contrainte de symétrie bilatérale aux politiques de manipulation bimanuelle. Publié sur arXiv (2603.08541, version 3, une révision d'un article déjà soumis), le travail part d'un constat simple: les bras robotiques à deux membres partagent souvent une symétrie morphologique gauche-droite, tout comme de nombreuses tâches qu'ils exécutent, mais les politiques entraînées par imitation classique ne l'exploitent pas et produisent des comportements incohérents face à des observations pourtant symétriques. EquiBim formalise cette symétrie physique comme une action de groupe sur les espaces d'observation et d'action, puis impose une contrainte d'équivariance aux prédictions du modèle pendant l'entraînement. Le framework se veut agnostique au modèle sous-jacent: il s'intègre à des pipelines variés, qu'ils reposent sur des nuages de points ou des images, et que les actions soient paramétrées dans l'espace cartésien de l'effecteur ou dans l'espace articulaire. Les auteurs valident l'approche sur RoboTwin, une plateforme de simulation à cinématique bimanuelle symétrique, avant de la tester sur un système bras double réel. L'intérêt pour l'industrie tient à la nature du gain rapporté: une amélioration constante des performances et de la robustesse face aux changements de distribution, en simulation comme en conditions réelles. C'est un signal utile dans un secteur où l'écart entre démonstrations impressionnantes et fiabilité en déploiement reste un point de friction majeur pour les intégrateurs de robots bimanuels et humanoïdes. Injecter un biais inductif structurel, plutôt que de compter uniquement sur le volume de données de démonstration, est une piste que plusieurs laboratoires explorent pour réduire le besoin en données coûteuses tout en stabilisant le comportement des politiques VLA. Le contexte est celui d'une littérature déjà riche sur l'équivariance en apprentissage robotique, jusqu'ici surtout appliquée aux bras uniques. EquiBim l'étend au cas bimanuel, dans un paysage où des architectures comme GR00T N2, Pi-0 ou Helix cherchent aussi à généraliser au-delà des données d'entraînement. À ce stade, il s'agit d'un résultat académique reproductible sur banc d'essai et sur un prototype réel, pas d'un produit commercial: la suite logique serait son adoption ou son adaptation par des équipes développant des piles de contrôle bimanuelles en conditions industrielles.

Recherche❖Paper

1 source

42

828arXiv cs.RO 

Évaluation de l'incertitude et de la qualité des robots à base de VLA

Des chercheurs publient une étude d'évaluation portant sur les robots pilotés par des modèles Vision-Language-Action (VLA), qui combinent perception visuelle, compréhension du langage naturel et planification d'actions pour exécuter des tâches de façon autonome. Le papier (arXiv:2507.17049) adapte huit métriques d'incertitude et cinq métriques de qualité spécifiquement conçues pour les tâches de manipulation robotique par VLA. L'étude s'appuie sur 908 exécutions de tâches réussies, issues de trois modèles VLA de pointe testés sur quatre tâches de manipulation représentatives et deux morphologies de robots différentes. Des experts du domaine ont annoté manuellement la qualité de chaque exécution, servant ainsi d'oracle humain de référence pour mesurer la corrélation avec les métriques automatiques proposées. L'enjeu dépasse l'exercice académique. Aujourd'hui, la quasi-totalité des benchmarks robotiques VLA se limitent au taux de succès binaire, une tâche est réussie ou échouée, sans mesurer la qualité de l'exécution ni le niveau de confiance du modèle dans ses propres décisions. Pour les intégrateurs et les équipes qui déploient ces modèles en conditions réelles, cette limite est concrète : un robot peut valider une tâche tout en l'exécutant de manière hésitante, dangereuse ou peu répétable, sans que cela apparaisse dans les statistiques de succès. Les auteurs montrent que plusieurs de leurs métriques présentent une corrélation modérée à forte avec le jugement humain, et que certaines permettent même de distinguer des exécutions de bonne, moyenne ou mauvaise qualité parmi les tâches échouées, un cas où l'oracle de succès classique ne fournit aucune information exploitable. Ce travail s'inscrit dans la montée en puissance rapide des architectures VLA ces deux dernières années comme brique centrale des robots humanoïdes et bras manipulateurs, où l'écart entre démonstration et fiabilité réelle reste une question ouverte pour le secteur. En proposant des métriques exploitables sans oracle de succès préexistant, les auteurs ouvrent la voie à du monitoring temps réel et à des mécanismes d'amélioration adaptative pour des robots déployés en production, plutôt qu'à une simple évaluation a posteriori en laboratoire.

Recherche❖Paper

1 source

41

829arXiv cs.RO 

RoboInspector : révèle les failles de fiabilité du code de politique en IA robotique manipulatrice

Des chercheurs présentent RoboInspector, un pipeline conçu pour détecter et caractériser les défaillances du "policy code", le code de commande généré automatiquement par des grands modèles de langage (LLM) pour piloter des robots manipulateurs à partir d'une simple instruction en langage naturel. L'équipe a mené 216 combinaisons distinctes de tâches, d'instructions et de modèles LLM, testées sur deux frameworks reconnus de manipulation robotique pilotée par LLM. Cette analyse systématique a permis d'identifier quatre grands types de comportements non fiables qui provoquent l'échec de la manipulation, liés à la complexité de la tâche demandée et au niveau de détail de l'instruction fournie par l'utilisateur. Les chercheurs documentent précisément ces comportements et leurs causes sous jacentes. Ils proposent également une méthode de raffinement fondée sur le retour d'erreur du code de politique défaillant, qui améliore la fiabilité de génération jusqu'à 35 %, validée à la fois en simulation et sur des essais réels. Cette étude touche un point sensible de la robotique pilotée par IA générative : la plupart des démonstrations de "un seul prompt suffit pour commander un bras robotique" reposent sur des tâches simples et des instructions bien formulées, un contexte éloigné des conditions réelles où les opérateurs formulent des consignes ambiguës ou incomplètes. En quantifiant précisément où et pourquoi le code généré échoue, RoboInspector fournit aux intégrateurs et développeurs de frameworks un diagnostic actionnable plutôt qu'une promesse marketing, et rappelle que la fiabilité, pas seulement la capacité de génération, reste le principal verrou avant un déploiement industriel de la manipulation pilotée par LLM. Le papier, disponible sur arXiv sous la référence 2508.21378 (version 2, republiée en remplacement d'une version antérieure), s'inscrit dans le champ en expansion des architectures "code as policy", où le LLM ne prédit pas directement des actions motrices mais génère du code exécutable interfaçant avec des primitives robotiques. Cette approche, popularisée par des frameworks académiques de manipulation par LLM, gagne du terrain face aux modèles vision-langage-action (VLA) entraînés de bout en bout. Les auteurs annoncent la mise à disposition de leur pipeline d'évaluation, ouvrant la voie à des benchmarks de fiabilité comparables entre futurs systèmes.

Recherche❖Paper

1 source

41

830arXiv cs.RO 

Zéro pilote : ancrage métrique persistant pour la navigation aérienne vision-langage sans apprentissage

Une équipe de recherche propose Fly0, un framework de navigation aérienne pilotée par instructions en langage naturel (Vision-Language Navigation, VLN) pour drones, décrit dans un article déposé sur arXiv (version révisée, arXiv:2602.15875v2) et dont le code est publié sur GitHub. Le système repose sur un pipeline en trois étapes qui découple le raisonnement sémantique de la planification géométrique : un modèle multimodal de grande taille (MLLM) traduit d'abord l'instruction textuelle en coordonnées de pixels 2D dans l'image, un module de projection géométrique exploite ensuite les données de profondeur pour localiser la cible en 3D, puis un planificateur géométrique génère une trajectoire sans collision. Ce découplage permet au drone de continuer à naviguer vers son objectif même en cas de perte de contact visuel. Sur des expériences menées en simulation et en environnement réel, les auteurs rapportent un taux de réussite supérieur de plus de 20 points par rapport aux meilleures méthodes existantes, ainsi qu'une erreur de navigation réduite d'environ 50 % dans des environnements non structurés. L'enjeu pratique de ce travail est la latence et la stabilité des systèmes de navigation pilotés par IA générative. Utiliser un MLLM comme contrôleur bas niveau en continu produit typiquement des oscillations de trajectoire et une forte latence, deux défauts rédhibitoires pour un drone évoluant en environnement contraint. En confiant le raisonnement sémantique au MLLM uniquement pour l'ancrage initial de la cible, puis en s'appuyant sur un planificateur géométrique classique pour l'exécution, Fly0 réduit la charge de calcul et évite l'inférence continue, ce qui va dans le sens d'une meilleure applicabilité embarquée pour l'inspection, la logistique ou la surveillance par drone autonome. Ce travail s'inscrit dans une tendance plus large de la recherche en VLN et en robotique aérienne, où l'ancrage géométrique persistant (les auteurs parlent de « metric anchoring ») cherche à corriger les limites des architectures purement bout-en-bout fondées sur les VLA (Vision-Language-Action). Il reste à confirmer, au-delà des métriques annoncées dans l'article, la robustesse du système face à des instructions ambiguës ou des scènes encombrées non couvertes par les jeux de test utilisés, et à voir si cette approche modulaire est reprise par d'autres équipes ou intégrée dans des plateformes commerciales de drones autonomes.

Recherche❖Paper

1 source

41

831arXiv cs.RO 

Interception de cibles en essaim par planification POMDP en ligne, au-delà de la livraison à objectif fixe

Le collectif de recherche à l'origine de ce papier arXiv formule le problème d'interception de cible en foule comme un processus de décision markovien partiellement observable (POMDP), résolu en ligne par recherche arborescente sous budget de calcul fixe. L'équipe compare deux architectures de planification : un planificateur séquentiel qui calcule d'abord un chemin spatial puis module la vitesse le long de ce chemin, et un planificateur unifié qui explore conjointement direction et vitesse au sein du même arbre de recherche. Testées en simulation avec des foules allant jusqu'à 200 humains, les deux approches se comportent de façon comparable à faible densité, mais divergent nettement quand la densité augmente. Au niveau de densité le plus élevé, le planificateur séquentiel affiche un taux d'interception sûre inférieur de 31 points de pourcentage et nécessite 44% de temps de calcul supplémentaire par rapport au planificateur unifié. Le code et les vidéos du projet sont disponibles sur tic-planning.github.io. Ce résultat a une portée directe pour les concepteurs de robots mobiles amenés à opérer en environnement humain dense, robots de livraison, agents de sécurité, ou assistants devant rejoindre une cible mobile plutôt qu'un point fixe. Il met en cause une pratique courante en navigation robotique, qui consiste à découpler le calcul du chemin géométrique et la modulation de la vitesse pour limiter le coût de calcul. L'étude montre que ce découplage devient une limitation structurelle dès que la densité de foule grimpe, l'espace des trajectoires possibles se restreignant trop tôt pour permettre une réaction adéquate à l'incertitude sur les intentions humaines. Le travail s'inscrit dans la lignée des recherches sur la navigation sociale des robots, où l'incertitude sur les trajectoires humaines est classiquement traitée par des modèles comme ORCA ou les champs de force sociaux, mais l'applique ici à une tâche d'interception plutôt qu'à un simple évitement d'obstacles vers un but fixe. Les auteurs positionnent leur planificateur unifié comme une alternative structurelle plutôt qu'un simple réglage paramétrique, et annoncent la mise à disposition du code pour permettre une validation au-delà des simulations, notamment sur robot réel en environnement encombré.

Recherche❖Paper

1 source

40

832arXiv cs.RO 

L'Open Ant, une plateforme robotique pour la recherche en apprentissage par renforcement

Une équipe de recherche présente l'Open Ant, une plateforme robotique physique conçue pour la recherche en apprentissage par renforcement (RL), dans un article publié sur arXiv (2607.18488v1). Il s'agit d'une déclinaison matérielle de l'environnement Gymnasium Ant, un benchmark de simulation largement utilisé dans la communauté RL, accompagnée de sa propre simulation. Les chercheurs démontrent que des politiques de marche compétentes peuvent être apprises directement à partir de l'expérience du robot physique, sans passer par la simulation, en environ une heure seulement. Ce résultat a été obtenu avec deux algorithmes très différents dans leur approche, SARSA(λ) et Soft Actor-Critic (SAC), ce qui suggère une certaine robustesse de la plateforme face à des méthodes d'apprentissage variées. Les auteurs montrent également que des politiques entraînées en simulation se transfèrent avec succès vers le robot réel. L'ensemble, conception matérielle et logiciel, est publié en open source sur GitHub. Cette publication s'attaque à un problème structurel du champ du RL: la grande majorité des travaux restent cantonnés à la simulation, ce qui rend incertaine leur transposition à des systèmes physiques réels, tant pour les algorithmes que pour les chercheurs qui manquent souvent d'accès à du matériel adapté. En apportant la preuve qu'un apprentissage from scratch sur robot réel est possible en une heure, et que le transfert sim-to-real fonctionne sur cette plateforme, les auteurs fournissent un argument concret contre l'idée que le RL physique serait nécessairement lent, coûteux ou peu fiable. Pour les laboratoires académiques et les équipes industrielles travaillant sur des systèmes de locomotion ou de contrôle appris, cela abaisse la barrière à l'expérimentation matérielle. Le choix de dériver la plateforme de l'environnement Gymnasium Ant, très utilisé comme référence en simulation, vise explicitement à faciliter l'adoption par des chercheurs déjà familiers de cet environnement virtuel. Les auteurs ont aussi évalué l'accessibilité du système pour des utilisateurs novices issus de formations diverses, ainsi que la facilité de réparation et de mise à jour du matériel en cas de panne, deux critères rarement documentés dans les publications robotiques mais déterminants pour une adoption réelle en laboratoire.

Recherche❖Paper

1 source

40

833arXiv cs.RO 

Robot quadrupède : apprentissage par renforcement de bout en bout pour monter et descendre des escaliers en intervention incendie intérieure

Des chercheurs ont développé une approche d'apprentissage par renforcement profond en deux étapes pour entraîner des robots quadrupèdes Unitree Go2 à monter et descendre des escaliers de manière autonome, dans le cadre de recherches en intérieur lors d'incendies. L'étude, publiée sur arXiv (2602.03087v2, version révisée), s'appuie entièrement sur le moteur de simulation Isaac Lab de NVIDIA. Dans une première phase, les robots sont entraînés sur un terrain abstrait en forme de pyramide d'escaliers. Dans une seconde phase, la politique apprise est transférée vers des configurations d'escaliers réalistes et variées, droits, en L et en spirale, représentatives des bâtiments réels. Le système repose sur une perception locale par carte de hauteur et une formulation de navigation basée sur une ligne centrale, qui unifie l'apprentissage de la navigation et de la locomotion sans recourir à une planification hiérarchique séparée. L'enjeu pratique est direct: lors d'une recherche primaire en intérieur après un départ de feu, un robot doit balayer rapidement des zones dangereuses, repérer des victimes potentielles et surveiller des matériaux inflammables, souvent en empruntant des cages d'escalier de formes différentes selon les bâtiments. La difficulté classique pour les quadrupèdes n'est pas seulement de gravir des marches, mais de généraliser ce savoir-faire à des topologies d'escaliers jamais vues, sans replanification lourde à chaque changement de géométrie. En démontrant qu'une politique unique, entraînée d'abord sur un terrain simplifié puis affinée sur des cas réalistes, généralise à des formes variées à partir de perception locale seulement, les auteurs apportent un élément de preuve en faveur des architectures de bout en bout face aux pipelines de navigation classiques, plus modulaires mais plus coûteux à adapter. Le travail reste cependant limité à la simulation: aucun transfert vers un robot physique n'est rapporté dans cette version, ce qui laisse ouverte la question du sim-to-real. Le Go2 d'Unitree, plateforme quadrupède abordable largement utilisée dans la recherche académique, sert ici de base matérielle de référence, dans un secteur où Boston Dynamics (Spot) et ANYbotics occupent le segment industriel haut de gamme. Isaac Lab, environnement de simulation robotique de NVIDIA basé sur Isaac Sim, s'impose comme plateforme standard pour ce type d'entraînement RL à grande échelle. Les auteurs présentent aussi une analyse empirique des taux de réussite, de l'efficacité et des modes d'échec à mesure que la difficulté des escaliers augmente, un exercice de transparence utile pour situer les limites actuelles de la méthode avant d'envisager des essais sur robot réel.

Recherche❖Paper

1 source

40

834arXiv cs.RO 

Vol, suivi, atterrissage : localisation magnétique sans infrastructure pour équipes hétérogènes UAV-UGV

Le nombre premier du champ magnétique multiplexé en fréquence, généré directement à bord d'un robot quadrupède Unitree A1, sert désormais de référence de localisation pour un nano-drone Crazyflie lors de sa phase d'atterrissage. Une équipe de recherche présente un système de localisation magnéto-inductif de type ancre-étiquette, sans infrastructure externe, conçu pour les équipes hétérogènes air-sol. Le quadrupède UGV émet un champ magnétique alternatif actif, tandis que le nano-drone embarque uniquement une bobine réceptrice passive et légère, estimant sa position 3D dans le référentiel du robot au sol. Cette estimation magnétique est fusionnée avec la chaîne de capteurs embarqués existante, sans recourir à des balises visuelles, au GNSS ou à un système de capture de mouvement en fonctionnement réel. Face à une vérité terrain établie par capture de mouvement, le système atteint une précision centimétrique en vol stationnaire et à l'atterrissage sur plateforme statique, et une erreur RMSE d'environ 8 à 11 cm lorsque le robot au sol est en mouvement. Une méthode de référence basée uniquement sur le flux optique échoue fréquemment à respecter la marge de sécurité et manque la tâche d'atterrissage. Ce résultat cible un verrou technique précis: le retour d'un nano-drone vers une base mobile après une mission de reconnaissance ou d'inspection courte. Avec seulement quelques grammes de charge utile disponible, ces appareils ne peuvent embarquer les capteurs habituellement nécessaires à une localisation relative de précision sur cible mobile. En s'affranchissant de toute infrastructure externe, le système ouvre la voie à des missions autonomes prolongées pour l'inspection industrielle, la surveillance ou les opérations de recherche en environnement contraint, là où poser des balises ou déployer un système de capture de mouvement n'est pas envisageable. L'approche se distingue des dispositifs d'aide au docking magnétique passifs et des méthodes exploitant les signatures magnétiques naturelles de l'environnement, deux familles de solutions déjà explorées dans la littérature sur le couplage UAV-UGV. Publié sur arXiv (identifiant 2603.08926, version révisée), ce travail reste au stade de la recherche expérimentale plutôt que du déploiement opérationnel, les essais ayant été menés en conditions contrôlées avec vérité terrain par capture de mouvement.

Recherche❖Paper

1 source

39

835arXiv cs.RO 

Koopman DCM : les fonctions propres instables comme représentations pour l'équilibre des robots à pattes

Les chercheurs à l'origine de cette étude, publiée sur arXiv fin juillet 2026, proposent une nouvelle formulation des composantes divergentes du mouvement (DCM), un concept clé pour l'équilibre des robots à pattes. Historiquement, le DCM isole le mode instable de la dynamique d'un robot bipède, mais les formulations existantes se limitent à des modèles réduits comme le pendule inversé linéaire. L'équipe montre que ces DCM peuvent être reformulés de façon plus générale comme des fonctions propres de Koopman, une approche mathématique qui permet de représenter une dynamique non linéaire par un système linéaire de dimension plus grande. Fait notable, alors que l'analyse de Koopman cible habituellement des valeurs propres proches de zéro, correspondant à des grandeurs conservées ou lentement variables, les auteurs recherchent volontairement des paires propres instables à grande valeur propre. Ces "DCM de Koopman" sont des observables entièrement pilotées par les données, entraînées uniquement à partir de données réelles issues d'un robot bipède, sans modèle physique préalable. Avec seulement une heure de données collectées sur le robot réel, le système améliore le suivi des trajectoires de marche de référence. Pour le secteur robotique, ce résultat pèse dans le débat entre approches basées modèle et approches data-driven pour le contrôle d'équilibre, un enjeu central pour les humanoïdes et bipèdes destinés à des environnements non structurés. Une méthode capable d'apprendre des représentations d'instabilité directement depuis des données réelles, avec un volume d'entraînement aussi limité, réduit la dépendance à des modèles dynamiques complexes et coûteux à calibrer, un frein connu au déploiement en usine ou en extérieur pour les intégrateurs. Le concept de DCM, aussi appelé "capture point" dans la littérature sur la locomotion bipède, structure le contrôle d'équilibre depuis plus d'une décennie, notamment dans les approches à pendule inversé linéaire utilisées par de nombreux bipèdes de recherche. En combinant leurs DCM appris avec un contrôle prédictif par modèle (MPC), les auteurs introduisent aussi des contraintes de viabilité fondées sur l'état, une piste qui pourrait s'étendre à d'autres classes de robots à pattes au-delà du cas bipède testé ici.

Recherche❖Paper

1 source

39

836arXiv cs.RO 

Vers un apprentissage par renforcement piloté par couple pour la locomotion quadrupède

Des chercheurs publient sur arXiv (référence 2607.18365v1) un nouveau cadre d'apprentissage par renforcement (RL) piloté par le couple moteur, plutôt que par la position, pour la locomotion de robots quadrupèdes. Contrairement aux approches RL classiques qui commandent les articulations en position et nécessitent une estimation d'état complexe (notamment la vitesse linéaire de l'engin), ce framework agit directement sur le couple et permet à un robot de suivre une vitesse cible sans connaître sa propre vitesse en temps réel. L'équipe a testé son approche en simulation sur Nvidia Isaac Sim et Isaac Lab, en utilisant le quadrupède Unitree B1, une plateforme lourde et à fort couple par rapport aux petits robots légers habituellement employés dans ce type de recherche. Résultat : le robot simulé atteint 3,5 m/s en vitesse linéaire et 1,5 rad/s en rotation, et parvient à monter et descendre des escaliers sans capteur extéroceptif (caméra ou lidar), en s'appuyant uniquement sur sa perception proprioceptive. L'enjeu dépasse la simple performance chiffrée : la plupart des frameworks RL actuels butent sur des robots légers, limités dès qu'il s'agit de tâches à forte exigence mécanique (charge utile, franchissement d'obstacles robustes). En démontrant qu'un contrôle par couple peut fonctionner sur une plateforme lourde et à haut couple sans état de vitesse explicite, ce travail ouvre la voie à des quadrupèdes RL capables d'opérations industrielles plus exigeantes, un axe clé pour les intégrateurs qui cherchent à sortir la locomotion apprise des laboratoires vers des usages réels (inspection, logistique en terrain difficile). Il faut toutefois noter que ces résultats restent purement issus de la simulation, sans validation sur robot physique à ce stade, ce qui laisse ouverte la question classique du transfert sim-to-real. Le choix du Unitree B1, une plateforme commerciale déjà répandue dans la recherche en robotique mobile, suggère une intention de test réel à venir, mais aucun calendrier n'est communiqué dans l'article.

Recherche❖Paper

1 source

39

837arXiv cs.RO 

RoboInter1.5 : une suite de représentations intermédiaires holistiques pour la modélisation du monde incarné et la manipulation robotique

Les chercheurs à l'origine du projet RoboInter publient RoboInter1.5, une suite de données et de modèles conçue pour standardiser les représentations intermédiaires utilisées dans la robotique manipulatrice, selon un article déposé sur arXiv (arXiv:2607.18709v1) le 24 juillet 2026. Ce travail prolonge une version antérieure, RoboInter1.0. Le cœur du système, RoboInter-Data, rassemble plus de 230 000 épisodes de manipulation répartis sur 571 scènes, chacun annoté image par image selon plus de dix types de représentations intermédiaires : sous-tâches, compétences élémentaires, ancrage des objets et du gripper, segmentation, cartes d'affordance, poses de préhension, points de contact et trajectoires de mouvement. Sur cette base, RoboInter-VQA introduit des tâches de question-réponse spatiales et temporelles pour évaluer et entraîner un modèle vision-langage dédié, RoboInter-VLM. RoboInter-VLA étudie ensuite comment ces représentations améliorent l'exécution d'actions, via trois approches distinctes : implicite, explicite, et modulaire en plan-puis-exécution. Enfin, RoboInter-World exploite ces mêmes annotations comme signaux de conditionnement pour prédire l'évolution future d'un environnement. L'enjeu dépasse la simple publication d'un jeu de données. Les modèles vision-langage-action (VLA) actuels, qu'il s'agisse de Pi-0, de GR00T N2 ou de Helix, souffrent d'un manque de données annotées finement et généralisables au-delà d'un robot ou d'un environnement précis, ce qui freine leur passage à l'échelle industrielle. En proposant une structure unifiée de représentations intermédiaires plutôt qu'un simple signal interprétable en sortie de modèle, RoboInter1.5 vise à combler l'écart entre démonstration en laboratoire et déploiement réel : ces annotations serviraient à la fois à contraindre les espaces d'action de bas niveau et à limiter les dérives des simulateurs physiques en monde ouvert, deux points de friction identifiés dans la course actuelle à l'IA embarquée pour la robotique. Le projet s'inscrit dans une tendance de recherche qui cherche à mutualiser les coûts de collecte de données robotiques, historiquement chers et spécifiques à chaque plateforme matérielle. En documentant explicitement l'ensemble des sous-composants (Data, VQA, VLM, VLA, World) et en publiant des benchmarks associés, les auteurs positionnent RoboInter1.5 comme une infrastructure de référence potentielle plutôt qu'un modèle isolé, ouvrant la voie à des comparaisons systématiques avec d'autres approches de représentations intermédiaires pour la manipulation.

Recherche❖Paper

1 source

39

838arXiv cs.RO 

CONTACT : apprentissage tactile sensible au contact pour le démontage robotique

Une équipe de recherche présente CONTACT (CONtact-aware TACTile learning), un cadre d'apprentissage qui évalue systématiquement le rôle du toucher dans le désassemblage robotique, tâche qui reste l'un des points faibles de la robotique industrielle car elle implique des contacts serrés et des transitions d'état dépendantes de la force, contrairement au montage où la vision seule suffit souvent. Les chercheurs ont construit cinq tâches de désassemblage rigide en simulation, avec des contraintes géométriques croissantes, et cinq tâches réelles (trois rigides, deux déformables). Dans un même cadre d'apprentissage, ils comparent trois configurations de perception : vision seule, vision plus capteur tactile RGB (TacRGB), et vision plus champ de force tactile (TacFF). Résultat constant en simulation comme en réel : les politiques basées sur TacFF obtiennent les meilleurs taux de réussite, avec des gains particulièrement marqués sur les scénarios à fort contact et sur les objets déformables. Fait notable, la simple fusion de TacRGB et TacFF donne de moins bons résultats que chaque modalité utilisée seule, ce qui suggère qu'une concaténation naïve dilue l'information de force pertinente pour la tâche. Pour l'industrie robotique, ce travail apporte une preuve empirique que la perception visuelle seule, sur laquelle reposent la plupart des politiques de manipulation de type VLA aujourd'hui, atteint ses limites dès que la tâche devient contact-dominante ou implique des matériaux déformables comme des câbles ou des joints souples. Le désassemblage, contrairement à l'assemblage en usine où les tolérances et les pièces sont contrôlées, correspond justement aux cas d'usage en forte demande : recyclage de batteries, réparation, économie circulaire électronique, où les géométries sont variables et non calibrées à l'avance. Le résultat sur la fusion naïve des modalités est aussi un signal utile pour les équipes qui intègrent des capteurs tactiles sur leurs bras robotiques : ajouter du tactile brut sans architecture dédiée peut dégrader la performance plutôt que l'améliorer, ce qui remet en question des approches de fusion multimodale trop simplistes actuellement déployées dans certains systèmes VLA génériques. Ce travail s'inscrit dans une vague de recherche récente cherchant à dépasser les limites du "sim-to-real" purement visuel qui domine les VLA comme GR00T N2 ou Pi-0, en réintroduisant des modalités proprioceptives et tactiles jugées indispensables pour la manipulation fine. Les capteurs de champ de force tactile restent coûteux et peu standardisés industriellement comparés aux capteurs RGB tactiles de type GelSight, ce qui limite pour l'instant un déploiement à grande échelle. Les auteurs ne précisent pas de partenariat industriel ni de calendrier de transfert vers un produit commercial ; il s'agit à ce stade d'un travail de recherche fondamentale publié sur arXiv, sans démonstration en usine réelle ni chiffres de cycle de production.

Recherche❖Paper

1 source

38

839arXiv cs.RO 

Robot humanoïde : synthèse d'arbres de comportement corrects par construction à partir de spécifications en logique temporelle de signaux

Une équipe de recherche publie sur arXiv (2607.18731v1) une méthode de synthèse "correct-by-construction" d'arbres de comportement (Behavior Trees, BT) à partir de spécifications en logique temporelle de signal (Signal Temporal Logic, STL). L'approche modélise l'espace de travail du robot comme un système de transition temporisé, abstrait ensuite en graphe de zones. Un espace d'état augmenté suit simultanément la progression logique de la mission et les contraintes temporelles associées. Un algorithme de point fixe hiérarchique calcule les ensembles gagnants pour un fragment STL couvrant cinq classes de propriétés : sécurité, atteignabilité, réponse, récurrence et persistance, produisant des sous-arbres de comportement associés à une fonction de contrainte d'exécution. Les auteurs démontrent formellement les garanties de correction et établissent des bornes de complexité. Des simulations valident la satisfaction des spécifications avec une robustesse strictement positive, et une expérience physique sur un quadrirotor teste six spécifications STL distinctes. L'intérêt pratique tient à ce que les Behavior Trees, très employés en robotique pour leur modularité et leur réactivité, manquaient jusqu'ici de garanties formelles solides quand elles incluent des contraintes de timing. Les méthodes existantes de synthèse correcte par construction s'appuyaient sur la logique temporelle linéaire (LTL), incapable d'exprimer des exigences quantitatives comme des délais ou des fenêtres temporelles précises. En comblant ce manque, les travaux ouvrent la voie à des missions robotiques vérifiables où le respect de deadlines n'est plus seulement testé empiriquement mais prouvé mathématiquement, un enjeu direct pour les intégrateurs déployant des robots dans des contextes où l'échec temporel a des conséquences opérationnelles ou de sécurité. Les Behavior Trees, issus initialement de l'IA de jeu vidéo, se sont imposés en robotique comme alternative aux machines à états finis pour le contrôle de tâches complexes. Les travaux antérieurs de synthèse formelle s'appuyaient majoritairement sur LTL, sans traiter la dimension temporelle quantitative propre aux systèmes cyber-physiques critiques. Aucun acteur industriel n'est mentionné : il s'agit d'une contribution académique, dont la validation reste limitée à un démonstrateur quadrirotor, laissant ouvertes les questions de passage à l'échelle vers des missions multi-robots ou des environnements plus complexes.

Recherche❖Paper

1 source

37

840arXiv cs.RO 

IA de bout en bout par diffusion visuo-force avec apprentissage structurel lent-rapide : ImplicitRDP

Des chercheurs ont publié une nouvelle version d'ImplicitRDP, une politique de diffusion visuo-force de bout en bout destinée à la manipulation robotique en contact riche, sur arXiv (article remplacé, version 2, décembre 2025). Le système fusionne dans un seul réseau la planification visuelle et le contrôle réactif par retour de force, deux modalités dont les fréquences diffèrent fortement : la vision offre un contexte spatial riche mais mis à jour lentement, tandis que les capteurs de force captent la dynamique de contact à haute fréquence. Pour concilier ces deux flux, les auteurs introduisent le "Structural Slow-Fast Learning", un mécanisme d'attention causale qui traite simultanément des tokens visuels et des tokens de force asynchrones, permettant au robot d'exécuter un contrôle de force rapide au rythme de l'action tout en conservant la cohérence temporelle des blocs d'actions générés par diffusion. Un second apport, la "Virtual-target-based Representation Regularization", vise à corriger un défaut classique des modèles bout en bout appelé "modality collapse", où le réseau finit par ignorer une des deux modalités lors de l'apprentissage des poids ; la méthode projette le retour de force dans le même espace que l'action, ce qui fournit un signal d'apprentissage ancré dans la physique plutôt qu'une simple prédiction brute de force. Cette avancée s'attaque à un problème central pour l'industrie de la manipulation robotique fine : la difficulté de faire coopérer vision et toucher dans un même modèle sans que l'un écrase l'autre à l'entraînement. Pour les intégrateurs travaillant sur des tâches d'assemblage, d'insertion ou de préhension délicate, où le simple retour visuel ne suffit pas à détecter un contact ou un glissement, une politique unifiée capable de réagir à l'échelle de la force tout en gardant une planification visuelle cohérente représente un gain direct en robustesse, sans複exifier l'architecture avec des modules hiérarchiques séparés. Les auteurs affirment que leur approche surpasse à la fois les baselines "vision seule" et les architectures hiérarchiques classiques sur des tâches de manipulation en contact riche, avec un pipeline d'entraînement simplifié, ce qui, si confirmé au-delà des benchmarks internes, appuierait l'idée que les modèles de type VLA (vision-language-action) peuvent intégrer nativement des modalités hétérogènes sans passer par un empilement de contrôleurs spécialisés. Le travail s'inscrit dans la lignée des politiques de diffusion pour la manipulation robotique, une famille de méthodes qui a gagné en popularité ces dernières années comme alternative aux politiques par apprentissage par renforcement classique, en modélisant directement des séquences d'actions à partir d'observations multimodales. Le défi de la fusion vision-force n'est pas nouveau et plusieurs équipes de recherche en robotique explorent des architectures hiérarchiques séparant planification lente et contrôle rapide ; ImplicitRDP se positionne explicitement contre cette approche en misant sur un réseau unique de bout en bout. Le code et les vidéos de démonstration sont mis à disposition par les auteurs sur un site dédié, ce qui permettra une évaluation indépendante des résultats revendiqués. À ce stade, il s'agit d'un travail de recherche académique avec validation expérimentale interne, et non d'un système déployé industriellement.

Recherche⚡Actu

1 source

37

841arXiv cs.RO 

Real2Sim à base d'agents : modélisation physique du monde par agents vision-langage

Optimus, Figure, Gr00t... la robotique humanoïde progresse vite en démos mais bute toujours sur un même verrou technique : reconstruire un environnement réel en simulation physique exploitable. Un article arXiv (2607.19190) présente Agentic Real2Sim, un framework qui utilise des agents vision-langage (VLA) pour automatiser cette conversion. Concrètement, à partir d'un simple enregistrement d'une interaction robot-objet dans le monde réel, le système génère un "jumeau épisodique" simulable, préservant les observations visuelles, les géométries de la scène, les états des objets et les mouvements du robot. Les auteurs ont testé leur approche sur trois familles de scénarios distinctes habituellement traitées par des pipelines séparés : manipulation d'objets rigides, interaction avec des objets déformables, et mouvements humanoïdes. Point notable, le framework peut fonctionner avec un modèle vision-langage open-weight, à une fraction du coût des modèles frontier (type GPT-4V ou équivalents propriétaires), tout en obtenant un taux de conversion réussie comparable. L'enjeu dépasse la seule prouesse académique. Le goulot d'étranglement du "real2sim" est aujourd'hui l'un des principaux freins à l'entraînement de politiques robotiques par apprentissage : sans environnement simulé fidèle, impossible d'entraîner ou d'évaluer massivement des modèles de contrôle sans multiplier les essais coûteux sur robot physique. Actuellement, ce travail repose sur du réglage manuel de modèles de vision, du nettoyage de maillages 3D et de l'alignement de repères de coordonnées, un processus lent et peu reproductible d'un labo à l'autre. Automatiser cette étape via des agents autonomes, capables de prendre eux-mêmes les décisions de pipeline, pourrait accélérer la constitution de jeux de données d'entraînement pour les politiques de type VLA, un sujet clé alors que des acteurs comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2) cherchent à démontrer que leurs modèles généralisent au-delà des données d'entraînement. Ce travail s'inscrit dans une tendance plus large de recherche visant à combler l'écart entre simulation et réel (le "sim-to-real gap"), longtemps considéré comme l'un des obstacles majeurs à la robotique généraliste. Il ne s'agit ici que d'une publication de recherche, avec un site de projet public, et non d'un produit commercial ou d'un déploiement industriel : les auteurs eux-mêmes le présentent comme "un premier pas" vers une conversion real2sim généralisable et à l'échelle, sans préciser de calendrier de mise à disposition ou d'intégration dans des pipelines industriels existants.

Recherche❖Paper

1 source

37

842arXiv cs.RO 

FARO : optimisation de mouvement de robot sensible à la faisabilité

Des chercheurs présentent FARO (Feasibility-Aware Robot Motion Optimization), un nouveau framework publié sur arXiv (2607.18362v1) qui s'attaque à un problème central de la robotique humanoïde : planifier rapidement des mouvements inédits pour des scénarios de loco-manipulation jamais rencontrés auparavant. L'approche combine trois éléments techniques : un module kino-dynamique imbriqué qui vérifie la faisabilité d'une séquence de contacts candidate et génère une trajectoire dynamiquement cohérente, une recherche arborescente guidée par cette faisabilité, et une stratégie d'échantillonnage des plans de contact pilotée par un grand modèle de langage (LLM). Les trajectoires produites sont ensuite suivies par un contrôleur entraîné par apprentissage par renforcement (RL), que les auteurs jugent suffisamment robuste pour une exécution en conditions réelles de loco-manipulation. Une vidéo de démonstration accompagne la publication. Aucune métrique chiffrée précise (temps de calcul, taux de réussite, plateforme robotique testée) n'apparaît dans le résumé, ce qui limite pour l'instant l'évaluation indépendante des performances annoncées. Ce travail s'attaque à un verrou connu du secteur : la nature hybride, sous-actionnée et de très haute dimension des humanoïdes rend le calcul de trajectoires de loco-manipulation extrêmement coûteux, surtout quand il faut décider en temps quasi réel quelle séquence de contacts (mains, pieds, appuis) utiliser face à une situation nouvelle. En accélérant la vérification de faisabilité et en déléguant l'exploration combinatoire des plans de contact à un LLM, FARO illustre une tendance de fond : l'usage des modèles de langage non plus pour générer du texte ou des commandes haut niveau, mais comme heuristique de recherche dans des problèmes d'optimisation robotique classiquement résolus par des méthodes purement numériques. Si les résultats se confirment à plus grande échelle, cela pourrait réduire l'écart persistant entre démonstrations scriptées et comportements réellement adaptatifs, un des points faibles récurrents des humanoïdes actuels. Le papier s'inscrit dans la lignée des travaux combinant planification kino-dynamique, recherche arborescente et contrôle par renforcement, une architecture de plus en plus courante dans les publications académiques sur la loco-manipulation humanoïde depuis l'essor de plateformes comme Figure, Optimus ou les modèles VLA (Pi-0, GR00T N2, Helix). L'absence d'affiliation industrielle explicite dans le résumé suggère une contribution principalement académique ; les suites logiques incluraient des tests sur robot physique documentés et des comparaisons chiffrées face aux méthodes de planification existantes.

Recherche❖Paper

1 source

37

843arXiv cs.RO 

TacRefineNet : affinage de la préhension tactile guidé par objectif pour objets à arêtes saillantes

Une équipe de recherche présente TacRefineNet, un système d'affinage tactile de prise pour objets à géométrie fine comme les plaques, disques et tiges, dont les contacts épars sont difficiles à capter par la vision en profondeur. Le framework utilise un réseau siamois entraîné à comparer les images tactiles multi-doigts actuelles et cibles, ainsi que les configurations articulaires de la main, pour prédire directement des corrections incrémentales de la pose du poignet. La main ouvre, déplace et resaisit l'objet de façon itérative, formant une boucle de servocontrôle tactile à dextérité externe. Les chercheurs ont collecté 156 007 échantillons simulés à partir de 15 objets (plaques, disques, tiges) et entraîné la politique entièrement dans MuJoCo avant un déploiement zero-shot sur une main à cinq doigts et 11 degrés de liberté équipée de capteurs piézorésistifs. Sur des objets déjà vus, le système réel atteint un taux de réussite de 80,7% pour les cibles fixes et 59,3% pour les cibles aléatoires selon le critère de 10 degrés et 10 mm, avec des erreurs moyennes d'environ 5,2 mm et 3,5 degrés après cinq étapes de correction. Ce résultat s'attaque à un angle mort précis de la manipulation robotique: les objets fins et symétriques restent un point faible pour les capteurs de profondeur classiques, car leurs surfaces de contact sont trop réduites ou occultées pour une estimation de pose fiable par vision seule. En démontrant qu'un asservissement purement tactile peut corriger l'alignement final avec une précision millimétrique, l'étude conforte l'idée que la fusion vision-tactile, plutôt que la vision seule, sera nécessaire pour les tâches d'assemblage fin en usine ou en logistique. Le transfert zero-shot simulation-vers-réel, sans réentraînement sur le système physique, est aussi un signal encourageant pour réduire le coût de déploiement de ce type de politique sur du nouveau matériel. Le travail s'inscrit dans la lignée des approches de manipulation dextre pilotées par retour tactile, un domaine où la rareté des données réelles pousse les équipes à s'appuyer sur la simulation pour l'entraînement. Les auteurs reconnaissent des limites: le transfert reste restreint à des objets non vus mais proches en catégorie, et la performance chute nettement pour les objets symétriques ou aux contacts peu discriminants, un écueil classique pour toute méthode fondée sur la comparaison d'images de contact. Le système montre en revanche une capacité de correction continue face à des perturbations prolongées, ce qui ouvre la voie à des essais sur des tâches d'assemblage réel où la précision fine de prise est critique, sans qu'aucun calendrier de déploiement industriel ne soit pour l'instant annoncé.

Recherche❖Paper

1 source

37

844arXiv cs.RO 

Robot DASH : conception minimaliste et locomotion aérienne-terrestre optimale via contrôle sous contraintes de contact

Des chercheurs présentent DASH (Ducted Aerial Spring Hopper), un robot hybride capable de se déplacer aussi bien au sol que dans les airs, avec une architecture mécanique volontairement minimaliste. Le design repose sur un module à hélices carénées coaxiales, qui assure le vol par vectorisation de poussée, combiné à une jambe ressort légère fixée sous le corps. Cette jambe permet des bonds au sol très efficaces énergétiquement grâce à la restitution d'énergie élastique, sans actionneur dédié supplémentaire. Pour gérer automatiquement le passage entre les deux modes de locomotion, vol et bond terrestre, l'équipe utilise un contrôleur prédictif à modèle (MPC) dit "contact-implicit", capable de décider seul quand et comment activer chaque mode selon le contexte. Les auteurs rapportent des validations sur plusieurs tâches: sauts périodiques au sol, vol aérien pur, et une locomotion dite "mode-free" où le robot alterne de façon autonome entre les deux régimes pour franchir des obstacles. Le papier a été publié sur arXiv (référence 2607.18527v1) comme nouvelle soumission. L'intérêt de DASH tient moins à la performance brute qu'à l'approche architecturale: la plupart des robots hybrides air-sol existants empilent des actionneurs séparés pour chaque mode, au prix du poids, de la complexité mécanique et de la consommation énergétique. En réutilisant les mêmes hélices carénées pour le vol et en couplant passivement une jambe ressort pour le sol, DASH cherche à prouver qu'un système mécaniquement minimal, piloté par un contrôleur suffisamment intelligent, peut remplacer la redondance d'actionneurs par de l'intelligence de commande. C'est un signal pertinent pour les concepteurs de drones d'inspection ou de robots de recherche-sauvetage, où l'autonomie énergétique et la légèreté priment sur la puissance brute de chaque mode pris isolément. Ce travail s'inscrit dans une lignée de recherches académiques sur la locomotion hybride multi-modale, un axe encore largement expérimental où plusieurs laboratoires explorent des combinaisons ailes/pattes ou hélices/pattes. Contrairement à un produit commercial, DASH reste à ce stade un prototype de recherche validé en tests contrôlés; l'abstract ne mentionne ni partenaire industriel ni feuille de route de déploiement, et les prochaines étapes attendues porteraient vraisemblablement sur des essais en environnements plus complexes et non structurés.

Recherche❖Paper

1 source

37

845arXiv cs.RO 

TransDex : pré-entraînement d'une politique visuo-tactile par reconstruction de nuage de points pour la manipulation dextérique d'objets transparents

Des chercheurs présentent TransDex, une politique de contrôle moteur pour mains robotiques dextres capable de manipuler des objets transparents, un défi connu où la transparence provoque un bruit de profondeur sévère et une perte d'information 3D pour les capteurs optiques classiques. La méthode repose sur un pré-entraînement auto-supervisé par reconstruction de nuages de points, basé sur une architecture Transformer, qui reconstruit la structure 3D d'un objet à partir des points de contact générés par les doigts de la main robotique en interaction, même en présence de bruit aléatoire ajouté et d'un masquage à grande échelle des données d'entrée. Sur cette base pré-entraînée, TransDex ajoute un encodage perceptif hiérarchique fin et un mécanisme d'attention multi-tours qui fusionne de façon adaptative les caractéristiques du bras robotique et de la main dextre, permettant une prédiction de mouvement différenciée entre les deux systèmes. Les auteurs valident l'approche par des expériences de manipulation d'objets transparents sur un système robotique réel, où TransDex surpasse les méthodes de référence existantes, avec des analyses complémentaires portant sur la généralisation du modèle et la contribution de chaque composant. L'enjeu dépasse la simple prouesse académique: la manipulation d'objets transparents ou réfléchissants reste l'un des points faibles récurrents des politiques de manipulation dextre basées uniquement sur la vision, un problème très concret pour les intégrateurs industriels confrontés à des verres, flacons, emballages plastiques ou pièces en verre sur les lignes de production et en logistique. En s'appuyant sur le tactile en complément du visuel plutôt que sur la seule reconstruction de profondeur optique, TransDex illustre une tendance de fond dans la recherche en manipulation dextre: les fusions visuo-tactiles gagnent du terrain là où les approches purement basées vision (type VLA ou reconstruction RGB-D) échouent sur les surfaces transparentes ou spéculaires. Cela dit, il s'agit d'un résultat de laboratoire sur banc réel, pas d'un déploiement industriel: les auteurs eux-mêmes cadrent leurs résultats comme une validation de généralisation et de composants, sans indication de volumes de test, de taux de succès chiffré ni de comparaison sur objets industriels standardisés, ce qui appelle à la prudence sur la portée réelle des gains annoncés face aux baselines. Le papier s'inscrit dans la lignée des travaux combinant pré-entraînement auto-supervisé et manipulation dextre multi-doigts, un axe de recherche actif depuis l'essor des politiques visuo-tactiles pour la robotique de préhension fine, à côté d'approches comme les VLA génériques (Pi-0, GR00T N2, Helix) qui misent principalement sur la vision et le langage sans traitement dédié à la transparence. La publication, une version révisée (v2) d'un prétirage arXiv, ne mentionne pas d'acteur industriel ni de laboratoire commercial associé, ce qui la positionne comme une contribution de recherche fondamentale plutôt qu'une annonce produit; aucune timeline de transfert vers un système commercial ou un pilote industriel n'est indiquée à ce stade.

Recherche❖Paper

1 source

37

846arXiv cs.RO 

Modèles du monde à embodiment croisé : passage à l'échelle pour la manipulation dextérique

Résumé des risques : aucun outil nécessaire, ceci est une tâche de traduction/synthèse d'article. Voici le texte. Une équipe de recherche propose dans un article publié sur arXiv (2511.01177v3, version révisée) une nouvelle approche pour construire des modèles du monde partagés entre différentes morphologies de mains, robotiques comme humaines. Le problème posé est concret : les différences de cinématique et d'espaces d'action entre robots empêchent aujourd'hui de mutualiser les données d'entraînement et de transférer du contrôle d'un système à l'autre. Les chercheurs représentent les mains, humaines et robotiques, comme des ensembles de particules 3D, et définissent les actions comme des champs de déplacement de ces particules à l'extrémité effectrice. Cette abstraction géométrique s'affranchit des espaces articulaires propres à chaque plateforme tout en conservant la géométrie et le mouvement pertinents pour l'interaction physique. Le modèle du monde, basé sur des réseaux de graphes, est entraîné sur des données d'interaction aléatoires issues de mains robotiques simulées variées et de mains humaines réelles, puis couplé à du contrôle prédictif par modèle (MPC) pour piloter du matériel inédit. Les expériences, menées sur des tâches de manipulation d'objets rigides et déformables, dégagent trois résultats. D'abord, plus la diversité des morphologies utilisées à l'entraînement est grande, meilleure est la généralisation à des mains jamais vues. Ensuite, combiner données simulées et données réelles dans de bonnes proportions surpasse l'usage de l'une ou l'autre source seule. Enfin, un même modèle appris permet de contrôler efficacement des mains robotiques aux cinématiques et degrés de liberté (DOF) distincts. Pour le secteur, ces résultats intéressent directement la question du transfert de compétences entre plateformes hétérogènes, un verrou connu pour les approches VLA classiques qui restent souvent liées à un espace d'action fixe. Il s'agit d'un travail de recherche académique, pas d'un produit ni d'un déploiement industriel : aucune entreprise, aucun robot commercial n'est nommé, et les résultats sont obtenus en environnement contrôlé, majoritairement simulé. La méthode s'inscrit dans la lignée des travaux récents sur les modèles du monde et le contrôle prédictif appliqués à la manipulation dextre, un axe de recherche actif face aux limites de généralisation des politiques bout-en-bout entraînées par embodiment.

Recherche❖Paper

1 source

37

847arXiv cs.RO 

Odométrie proprioceptive à modèles multiples interactifs pour robots à pattes

Une équipe de recherche propose une méthode d'odométrie proprioceptive basée sur un modèle multiple interactif (IMM, interacting multiple model) pour l'estimation d'état des robots à pattes. Le problème adressé : l'odométrie de jambe souffre habituellement d'une observabilité limitée et dépend fortement de contraintes de mesure pour limiter la dérive de position. Lorsque les capteurs extéroceptifs (caméras, LiDAR) sont peu fiables ou dégradés, ces contraintes reposent essentiellement sur les données proprioceptives, en particulier la cinématique des jambes au contact du sol. Or la plupart des méthodes existantes supposent un contact ponctuel idéalisé entre le pied et le sol, une hypothèse souvent violée en conditions réelles de marche. Les chercheurs ont donc conçu un cadre probabiliste unifié intégrant plusieurs hypothèses de contact simultanément, permettant une commutation de mode en ligne et une fusion probabiliste adaptée aux conditions de contact variables. Des simulations poussées et des expériences sur robot réel valident l'approche, montrant une précision d'estimation de pose supérieure aux méthodes de référence actuelles, pour un coût de calcul comparable. Cette avancée compte pour les intégrateurs et ingénieurs en robotique de locomotion car l'estimation d'état fiable est un prérequis critique à l'autonomie des robots à pattes, notamment en environnements où le GPS ou la vision échouent (intérieurs encombrés, terrains accidentés, conditions de faible luminosité). L'hypothèse de contact ponctuel, largement utilisée par commodité mathématique, ne correspond pas à la réalité physique des pieds robotiques, qui peuvent glisser, rouler ou entrer en contact par une surface plutôt qu'un point unique. En modélisant explicitement plusieurs types de contact possibles et en les fusionnant de façon probabiliste, cette méthode comble un écart entre modèles théoriques et comportement réel, un enjeu direct pour la fiabilité des robots quadrupèdes et bipèdes déployés en conditions industrielles ou d'inspection. Ce travail s'inscrit dans une lignée de recherche sur l'estimation d'état des robots à pattes, domaine où les approches à filtre de Kalman étendu ou à optimisation par fenêtre glissante dominent traditionnellement, souvent couplées à l'IMU et aux encodeurs de jambe. L'utilisation de modèles à interaction multiple, technique empruntée au suivi de cibles en robotique et en aérospatiale, représente une adaptation méthodologique notable à ce domaine. Cette version republiée (v2) sur arXiv suggère une révision après un premier dépôt, sans détails sur un déploiement matériel commercial ni sur les acteurs impliqués dans l'expérimentation.

Recherche❖Paper

1 source

37

848arXiv cs.RO 

Modélisation unifiée du monde par actions visuelles masquées

Des chercheurs présentent Masked Visual Actions, une nouvelle interface de contrôle en espace pixel pour les modèles de monde robotiques, décrite dans un article déposé sur arXiv (2607.19343v1). La méthode consiste à exprimer une action sous forme de trajectoire partiellement révélée d'une entité arbitraire dans une vidéo. Concrètement, révéler le mouvement du robot transforme le modèle en modèle de dynamique directe, capable de prédire comment la scène va réagir à une commande motrice bas niveau. À l'inverse, révéler le mouvement souhaité d'un objet permet au même modèle de retrouver le comportement robotique nécessaire pour produire ce résultat, une forme de modélisation inverse. Le système a été affiné avec seulement 15 heures d'exemples masqués, combinant vidéos réelles et données de simulation. Un unique point de contrôle (checkpoint) obtient une bonne fidélité visuelle et un contrôle fiable sur des scènes variées et plusieurs types d'embodiments robotiques différents. L'intérêt de cette approche pour le secteur tient à l'unification qu'elle propose entre prévision et contrôle au sein d'un seul modèle vidéo, sans représentation d'action spécifique par plateforme. Pour les équipes qui développent des politiques de manipulation, les "rollouts imaginés" produits par le modèle montrent une corrélation avec les résultats d'exécution réelle, ce qui ouvre la voie à évaluer des politiques robotiques sans multiplier les essais physiques coûteux. Le modèle sert aussi d'outil de planification, en classant des futurs candidats pour orienter la prise de décision, et de générateur de trajectoires robotiques à partir d'un mouvement d'objet cible. Avec seulement 15 heures de données de finetuning, ces résultats suggèrent qu'un modèle vidéo pré-entraîné peut absorber l'essentiel des priors physiques nécessaires, réduisant la dépendance à de vastes jeux de données de téléopération spécifiques à chaque robot. Ces travaux s'inscrivent dans la dynamique plus large des modèles de monde vidéo appliqués à la robotique, aux côtés d'approches comme les architectures VLA (vision-langage-action) ou les modèles génératifs de type Genie. La contribution ici porte spécifiquement sur le mode d'expression de l'action en pixels, plutôt que sur une nouvelle architecture réseau. L'article ne précise pas de partenariat industriel ni de déploiement matériel; il s'agit à ce stade d'une démonstration de recherche évaluée en simulation et en environnement contrôlé, dont la généralisation à des déploiements robotiques en production reste à établir.

Recherche❖Paper

1 source

37

849arXiv cs.RO 

Alignement de cap par vision seule avec seuil de confiance pour systèmes coopératifs UAV-UGV

Des chercheurs publient sur arXiv (référence 2607.18713) un nouveau papier consacré à l'alignement de cap par vision seule pour la coopération entre drones (UAV) et robots terrestres (UGV). Le système ne se contente pas de prédire un cap à partir du flux vidéo : il ajoute une couche de décision qui détermine quand cette prédiction doit réellement être envoyée comme commande de contrôle. Deux indicateurs de fiabilité simples et interprétables sont extraits du flux de perception : la surface de la bounding box, qui sert de proxy de visibilité, et la variation à court terme du cap prédit sur une fenêtre glissante, qui sert de proxy de stabilité. Lorsque la confiance chute, deux stratégies sont comparées : une politique de référence dite freeze-HOLD, qui fige la dernière commande valide, et une alternative bounded-blend, qui met à jour la commande de façon plus prudente en la mélangeant progressivement plutôt que de la geler. Le tout est testé sur un jeu de données réel UAV-UGV, en conditions normales et perturbées. Les résultats montrent un arbitrage net entre taux d'exécution, précision image par image, précision de la commande finalement émise et fluidité du mouvement. Point clé : une exécution trop clairsemée peut, sous la politique freeze-HOLD, provoquer des erreurs sévères liées à des commandes obsolètes, tandis que le fallback bounded-blend améliore nettement le comportement au niveau de la commande, à décisions de filtrage identiques. Pour les intégrateurs de systèmes multi-robots (inspection, logistique extérieure, essaims air-sol), le message est clair : la fiabilité d'une autonomie pilotée par la perception ne tient pas qu'à la précision du modèle de vision, mais aussi à la façon dont les commandes sont gérées pendant les phases de doute. Ce travail s'inscrit dans le champ classique de la coopération hétérogène drone-robot, où la robustesse face aux occlusions et aux changements d'échelle reste un point faible connu. L'approche reste volontairement légère, sans réseau de confiance additionnel, contrairement aux architectures VLA plus lourdes. Il s'agit d'un preprint de recherche, sans produit ni déploiement commercial annoncé ; les suites logiques seraient une validation sur davantage de scénarios réels et une intégration dans des piles de contrôle air-sol plus larges.

Recherche❖Paper

1 source

36

850arXiv cs.RO 

Robot musculaire pneumatique en tissu basé sur le principe du lacet

Une équipe de chercheurs présente, dans une prépublication arXiv (2607.18641v1), un nouveau type de muscle pneumatique artificiel textile baptisé DPAM (drawstring fabric pneumatic artificial muscle), inspiré du principe du cordon de serrage utilisé dans l'industrie textile. Contrairement aux muscles pneumatiques classiques de type McKibben, qui se déforment radialement (gonflement latéral) lors de leur contraction axiale, le DPAM ne produit aucune déformation radiale supplémentaire, ce qui améliore nettement sa compacité structurelle. Ses performances mécaniques annoncées sont notables : une capacité de charge supérieure à 800 fois son propre poids, un taux de contraction maximal de 44%, et une densité de puissance atteignant 4,98 kW/kg. Les auteurs ont validé le concept sur deux scénarios d'application, un robot bio-inspiré et une ligne de production industrielle, et ont fabriqué une matrice de DPAM démontrant sa capacité à s'étendre facilement dans un plan bidimensionnel. Pour la robotique souple et l'actionnement pneumatique, ce travail répond à une limite concrète des muscles artificiels existants : l'encombrement radial parasite qui limite leur intégration dans des espaces contraints, que ce soit sur des robots bio-inspirés compacts ou sur des lignes industrielles où l'espace disponible est un facteur de conception. Une architecture qui conserve son diamètre pendant la contraction ouvre la voie à des actionneurs plus denses et plus faciles à empiler ou à disposer en matrices, un point clé pour les intégrateurs cherchant à remplacer des vérins pneumatiques classiques par des solutions plus légères et plus sûres au contact humain. Les muscles pneumatiques artificiels, popularisés par la conception McKibben datant des années 1950, souffrent depuis longtemps de ce compromis entre force de contraction et gonflement radial, un problème que plusieurs équipes de recherche en robotique souple tentent de résoudre par des architectures textiles ou tressées alternatives. En s'appuyant sur le principe du cordon de serrage plutôt que sur un tressage classique, cette approche s'inscrit dans une tendance plus large consistant à emprunter des techniques manufacturières textiles éprouvées pour concevoir des actionneurs souples, avec pour prochaine étape probable une évaluation de la durabilité et de l'intégration de ces matrices DPAM sur des systèmes robotiques complets.

Recherche❖Paper

1 source