Actualités robotique — page 18

4 602 articles au fil, du plus récent au plus ancien.

37

851arXiv 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

852arXiv 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

853arXiv 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

854arXiv 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

855arXiv 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

37

856arXiv 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

857arXiv 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

858arXiv 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

36

859arXiv cs.RO 

Mise en évidence de la découverte de mouvements primitifs chez un robot humanoïde via des cartes auto-organisatrices pour la reconnaissance de phase

Des chercheurs proposent une architecture à deux niveaux pour la reconnaissance de phases de mouvement chez un robot humanoïde, inspirée du système de neurones miroirs (MNS) impliqué dans la cognition sociale humaine. Appliquée au robot NICO, la méthode combine deux cartes auto-organisatrices (Self-Organising Maps, SOM) : une A-SOM pour la cinématique du bras et une H-SOM pour celle de la main, entraînées sur des essais simulés couvrant sept actions motrices distinctes. Les caractéristiques utilisées pour l'entraînement sont sélectionnées via une analyse de corrélation hiérarchique des trajectoires de mouvement, afin d'éliminer la redondance. Un second niveau, un réseau à états d'écho (Echo State Network, ESN), analyse ensuite les trajectoires temporelles d'activation des SOM, c'est-à-dire les unités les mieux appariées successives, pour déterminer si cette information suffit à reconnaître en ligne la phase de mouvement en cours d'exécution. Les résultats montrent que les deux cartes encodent des aspects complémentaires du comportement moteur, et que les trajectoires issues des SOM captent l'essentiel de la structure discriminante des phases de mouvement, l'information contextuelle n'apportant qu'un raffinement secondaire. Pour la robotique humanoïde et l'interaction homme-robot, ce travail illustre une voie alternative aux approches d'apprentissage profond de bout en bout dominantes dans les modèles vision-langage-action (VLA) : des représentations motrices auto-organisées, légères et interprétables, pourraient suffire à un robot pour suivre en temps réel l'exécution de ses propres gestes ou ceux d'un humain, sans nécessiter l'énorme volume de données d'entraînement typique des VLA. Ce résultat s'inscrit dans la lignée des travaux sur NICO, plateforme de recherche en robotique développementale et cognitive, et prolonge des méthodes établies (SOM, ESN) plutôt que d'en proposer de radicalement nouvelles. Il s'agit d'une contribution de recherche fondamentale publiée en prépublication sur arXiv, testée en simulation et non déployée sur un système commercial ; les auteurs eux-mêmes présentent leurs résultats comme compatibles avec une hypothèse computationnelle, appelant des validations supplémentaires avant tout transfert vers des applications industrielles ou d'interaction sociale réelle.

Recherche❖Paper

1 source

36

860arXiv cs.RO 

STeP : logique temporelle de signaux pour des spécifications précises de génération d'actions avec des modèles vision-langage

Des chercheurs proposent STeP, un cadre hiérarchique qui relie les modèles vision-langage-action (VLA) à la logique temporelle de signaux (Signal Temporal Logic, STL), un formalisme mathématique servant à spécifier des contraintes spatiales, temporelles et logiques de façon précise et vérifiable. Concrètement, une politique de haut niveau s'appuie sur un modèle vision-langage pour décomposer une instruction en langage naturel en sous-tâches, générer pour chacune une spécification STL, puis choisir la politique de bas niveau adaptée à son exécution : soit un contrôle prédictif par modèle (MPC) guidé directement par les contraintes STL, soit une politique apprise dont l'exécution est surveillée en continu via ces mêmes contraintes, pour les comportements perceptuellement complexes ou impliquant des contacts physiques. Le système a été évalué sur un banc de manipulation de table en conditions réelles, avec replanification possible si une contrainte est violée en cours d'exécution. Il s'agit d'un article de recherche (arXiv, catégorie "new"), pas d'un produit commercialisé. L'enjeu dépasse la simple démonstration technique. Les modèles VLA génèrent des trajectoires impressionnantes en généralisation mais restent largement des boîtes noires, incapables de garantir qu'une instruction précise, du type "posez l'objet dans les 5 secondes sans dépasser telle zone", sera réellement respectée. Pour des intégrateurs industriels, cette absence de vérifiabilité formelle est un frein direct à l'adoption en environnement contraint, là où une simple démo vidéo ne suffit pas. En réintroduisant des méthodes formelles héritées du contrôle et de la vérification de systèmes cyber-physiques, ce travail illustre une tentative de combler l'écart entre le battage médiatique autour des VLA et des garanties d'exécution exploitables en production. Ce projet s'inscrit dans la lignée des modèles VLA récents (Pi-0, GR00T N2, Helix, RT-2 et dérivés) qui ont démontré la faisabilité de politiques génératives multi-tâches, mais sans mécanisme natif d'interprétabilité ni de contrôle formel. STeP se positionne comme une couche intermédiaire plutôt qu'un modèle concurrent. À ce stade, seule une validation en laboratoire sur tâches de table a été menée, aucun pilote industriel ni déploiement à plus grande échelle n'a été annoncé.

Recherche❖Paper

1 source

36

861arXiv 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

36

862arXiv cs.RO 

Design et analyse de stabilité d'une main sous-actionnée à doigts en rotation passive

Une équipe de recherche présente dans un nouveau papier (arXiv, juillet 2026) la conception d'un doigt robotique sous-actionné à mobilité spatiale, destiné aux mains de préhension robotiques. L'innovation clé repose sur une articulation rotoïde à la base du doigt, qui permet une rotation spatiale passive facilitant les prises cylindriques et sphériques. Contrairement aux doigts articulés classiques à trois phalanges, ce design n'en utilise que deux par doigt, ce qui réduit la complexité cinématique tout en conservant la capacité de réaliser des prises de précision et des prises enveloppantes. Les chercheurs ont défini des critères de stabilité basés sur le moment de force généré à l'articulation de base par les contacts avec l'objet, afin d'éviter l'éjection de l'objet pendant la manipulation. Un mécanisme différentiel répartit un couple d'actionnement unique entre plusieurs doigts, permettant un mouvement adaptatif et coordonné. Les résultats théoriques ont été validés expérimentalement sur un prototype entièrement mécanique, capable de prises cylindriques, sphériques, parallèles et enveloppantes. Cette approche s'inscrit dans une tendance de fond de la robotique de préhension : réduire le nombre d'actionneurs et de capteurs pour diminuer coût et complexité de contrôle, tout en conservant une adaptabilité fonctionnelle grâce à la passivité mécanique. Pour les intégrateurs industriels, c'est un signal important : la course actuelle aux mains humanoïdes à haute dextérité (souvent très actionnées, coûteuses et fragiles) n'est pas la seule voie viable. Un doigt sous-actionné mécaniquement robuste, capable de s'adapter à des formes d'objets variées sans réglages fins avant la prise, répond directement aux besoins de secteurs à fort volume et budget contraint comme la logistique, l'agriculture ou le tri de déchets, où la robustesse prime sur la dextérité fine façon main humaine. La sous-actionnation des mains robotiques est un champ de recherche mature, où des architectures comme les mains SDM ou les préhenseurs différentiels ont déjà montré l'intérêt de la compliance mécanique face aux mains entièrement actionnées et coûteuses. Ce travail s'inscrit dans cette lignée en combinant sous-actionnation intra-doigt et inter-doigts via un mécanisme différentiel commun. Les auteurs annoncent que les prochaines étapes porteront sur l'automatisation de l'actionnement et l'amélioration des stratégies de contrôle, en vue d'une manipulation autonome en environnement non structuré, mais aucun calendrier de commercialisation ni de partenaire industriel n'est mentionné à ce stade : il s'agit d'un travail de recherche académique, pas d'un produit prêt au déploiement.

Recherche❖Paper

1 source

36

863arXiv cs.RO 

WorldScape Policy 2.0 : vers une modélisation d'action du monde pilotable grâce à une mémoire enrichie par le raisonnement

WorldScape Policy 2.0 est un nouveau modèle d'action du monde (World Action Model, WAM) publié en preprint sur arXiv, conçu pour la manipulation robotique par apprentissage conjoint des transitions visuelles et des actions du robot. Son architecture combine une mémoire visuelle causale à court terme, qui alimente le module de génération (DiT) avec les observations récentes pour préserver la dynamique locale d'interaction, et une mémoire d'événements à long et court terme, qui organise les sorties d'un modèle vision-langage en trois niveaux : historique global, activité locale et frontières d'événements. Cette mémoire récupérée sert de sous-objectif implicite pour la planification autonome, renforcé par un mécanisme de "semantic forcing" qui transfère la sémantique des instructions au niveau événementiel dans le flux de planification latent. Les auteurs introduisent également ManipEvent-5M, un jeu de données de pré-entraînement embarqué comptant près de 5 millions de segments d'événements, chacun aligné avec des trajectoires d'action, des instructions de tâche au niveau épisode, des légendes de sous-tâches au niveau segment, des images d'objectif et des démonstrations vidéo. L'enjeu dépasse la seule prouesse technique : les modèles d'action du monde actuels souffrent d'un contexte temporel limité, d'une supervision par le langage trop grossière (au niveau de l'épisode entier) et d'un conditionnement quasi exclusivement textuel, ce qui limite le suivi de la progression des tâches, l'ancrage fin entre langage, vidéo et action, ainsi que le transfert entre différentes morphologies de robots. En proposant un conditionnement multimodal unifié, exploitable aussi bien par instruction de haut niveau que par image d'objectif ou contexte vidéo, WorldScape Policy 2.0 s'attaque directement à l'écart persistant entre démonstrations en laboratoire et exécution robuste sur des tâches longues et complexes, un point de friction central pour quiconque cherche à faire passer les architectures VLA (vision-langage-action) du prototype à un déploiement fiable. Le papier s'inscrit dans la lignée des travaux récents qui cherchent à dépasser les VLA purement textuels en intégrant une mémoire structurée et une planification hiérarchique, plutôt que de simplement empiler davantage de données ou de paramètres. Les auteurs revendiquent des résultats supérieurs en simulation et sur plateformes réelles pour la planification autonome à long horizon, le suivi d'instructions fines et l'adaptation en contexte. Il s'agit à ce stade d'une contribution académique (article "new" sur arXiv), sans acteur industriel ni calendrier de déploiement associés : la validation par la communauté et la reproduction des résultats sur d'autres bancs de test restent les prochaines étapes attendues.

Recherche⚡Actu

1 source

35

864arXiv cs.RO 

Calibrage extrinsèque en deux étapes d'un lidar à balayage linéaire statique avec plateforme rotative

Des chercheurs publient sur arXiv (arXiv:2607.18578v1) une méthode de calibration extrinsèque en deux étapes pour lidars à balayage linéaire montés sur une plateforme rotative. Le problème de départ: un lidar line-scanning ne mesure que dans un plan fixe (distance et azimut), donc pour reconstruire un objet en 3D il faut un mouvement relatif entre le plan du lidar et l'objet, typiquement obtenu via une base rotative. Mais cette configuration pose une question précise: comment localiser exactement l'axe de rotation de la plateforme par rapport au repère du lidar, la fameuse "calibration" en robotique. Les auteurs proposent des algorithmes automatisés capables d'estimer cette transformation de manière statique et dynamique, testés sur des jeux de données réels acquis avec une plateforme rotative fabriquée sur mesure et un lidar FMCW (frequency-modulated continuous-wave), avec une étude de la convergence des algorithmes selon différentes conditions initiales. Cette calibration est un prérequis critique pour tout système d'inspection 3D bâti autour d'un lidar 2D couplé à une platine rotative, une architecture nettement moins coûteuse qu'un lidar 3D natif mais qui accumule les erreurs de reconstruction si l'axe de rotation n'est pas estimé avec précision. Toute imprécision dans cette transformation dégrade directement la qualité du nuage de points et fausse la représentation de l'objet scanné, un enjeu très concret pour les intégrateurs qui visent du contrôle qualité, de la rétro-ingénierie ou de l'inspection de défauts en environnement industriel. Automatiser cette étape plutôt que de recourir à des mires et des procédures manuelles réduit le temps de mise en service et la variance entre installations, un facteur clé pour déployer ce type de capteur à l'échelle en usine. Le travail s'inscrit dans un champ de recherche établi, la calibration extrinsèque capteur-actionneur en robotique, mais l'applique spécifiquement au cas moins couvert d'un lidar FMCW statique couplé à une plateforme rotative, par opposition aux calibrations lidar-caméra ou lidar-IMU plus fréquentes sur les véhicules autonomes. Les auteurs comparent une approche statique et une approche dynamique, et évaluent leur robustesse face à différentes conditions initiales, un point important puisque ce type d'optimisation non linéaire peut diverger ou converger vers un minimum local erroné. Le papier ne mentionne aucune application industrielle nommée ni de partenaire commercial: il s'agit d'une contribution méthodologique destinée aux équipes qui conçoivent des scanners 3D bas coût à base de lidar rotatif, un choix d'architecture courant en inspection industrielle et en logistique.

Recherche❖Paper

1 source

35

865arXiv cs.RO 

Uncertitude et allocation de tâches multi-robots avec récompenses inter-robots fortement couplées

Une équipe de recherche en robotique propose un nouvel algorithme d'allocation de tâches par enchères (auction-based) pour des flottes de robots hétérogènes confrontées à une incertitude sur les capacités réellement requises par chaque tâche. Publié sur arXiv (2509.22469v3), l'article introduit une formulation "fortement couplée" qui positionne naturellement les robots dotés de capacités potentiellement nécessaires à proximité des tâches incertaines, sans les y affecter en redondance systématique. Testée sur des scénarios simulés de secours après catastrophe avec contraintes de délai, la méthode affiche jusqu'à 15% d'augmentation de la valeur de mission attendue par rapport aux approches classiques basées sur la redondance. Les chercheurs proposent également un second mécanisme exploitant le délai naturel entre la détection d'une condition environnementale imprévue et la confirmation qu'une capacité supplémentaire est nécessaire, ce qui porte le gain jusqu'à 18% par rapport aux stratégies purement réactives. L'enjeu dépasse le cadre théorique: pour les intégrateurs et opérateurs de flottes multi-robots (secours, logistique, inspection industrielle), le compromis entre sur-allocation prudente et réactivité tardive coûte cher en temps et en ressources. Une flotte qui duplique systématiquement ses robots "au cas où" gaspille de la capacité productive; une flotte purement réactive risque des retards critiques lorsque l'incertitude se lève trop tard. En modélisant explicitement cette incertitude dans l'algorithme d'enchères plutôt qu'en la traitant après coup, cette approche s'attaque directement à un problème central du déploiement multi-robot à l'échelle: comment maintenir la productivité tout en restant prêt à réagir vite. Les gains annoncés (15% et 18%) restent toutefois mesurés en simulation, sur des scénarios de secours après catastrophe, et n'ont pas été validés en conditions réelles. Ce travail s'inscrit dans le champ de l'allocation de tâches multi-robots (MRTA), où les méthodes existantes oscillent traditionnellement entre redondance coûteuse et réactivité tardive face à l'incertitude des besoins en capacités. Contrairement aux approches réactives classiques qui attendent la confirmation d'un besoin avant d'agir, la nouvelle formulation exploite le délai de confirmation lui-même comme signal utile. Les auteurs positionnent explicitement leur méthode contre deux familles de référence: les stratégies redondantes et les stratégies purement réactives. La publication, classée "replace" sur arXiv, correspond à une version révisée d'un travail antérieur; les prochaines étapes attendues porteraient sur une validation en conditions réelles ou sur du matériel robotique physique, non mentionnée dans ce résumé.

Recherche❖Paper

1 source

34

866arXiv cs.RO 

Planification stochastique kinodynamique multi-objectifs contre des adversaires

Des chercheurs publient sur arXiv (arXiv:2607.19284v1) un nouveau cadre de planification de trajectoires en environnement incertain, baptisé SMO-RRT et SMO-SST (Stochastic Multi-Objective RRT et sa variante Stable Sparse RRT). L'objectif est de construire un front de Pareto de chemins qui arbitrent entre le coût d'exécution et la probabilité de violation d'une contrainte de sécurité, face à des adversaires hybrides stochastiques capables de basculer en mode agressif selon l'état du robot ou du véhicule. La méthode déplace l'espace de planification des trajectoires en boucle ouverte vers des séquences de politiques en boucle fermée, et intègre l'évaluation du risque directement dans la construction de l'arbre via des simulations Monte-Carlo par particules. Les auteurs démontrent la complétude probabiliste de SMO-RRT, tandis que SMO-SST sacrifie cette garantie théorique contre un élagage sélectif qui améliore les performances numériques. Ils fournissent aussi une borne à échantillon fini sur la probabilité de violation de contrainte, valable même avec une incertitude non gaussienne et dépendante de l'état. Pour l'industrie de la robotique autonome et de la conduite automatisée, l'enjeu est la conservativité excessive des planificateurs actuels à contraintes de risque (chance-constrained), qui évaluent le danger sur des trajectoires figées sans tenir compte de la capacité du système à réagir en temps réel. En modélisant explicitement la réactivité de l'agent face à un adversaire qui change de comportement, ce travail vise des trajectoires moins prudentes mais tout aussi sûres, un enjeu direct pour la navigation sociale (robots en environnement humain), les systèmes multi-agents et la conduite autonome en trafic mixte, où la surestimation du risque coûte cher en fluidité et en acceptabilité commerciale. Le papier s'inscrit dans la lignée des algorithmes RRT (Rapidly-exploring Random Trees), référence historique en planification kinodynamique depuis la fin des années 1990, et de leurs extensions à contraintes de risque plus récentes. Il ne s'agit pour l'instant que d'une contribution théorique avec preuves formelles, sans validation matérielle rapportée ni déploiement embarqué : la prochaine étape attendue serait une implémentation testée sur plateforme réelle ou en simulation à haute fidélité pour confirmer le gain pratique face aux méthodes conservatrices existantes.

Recherche❖Paper

1 source

29

867arXiv cs.RO 

Le décomposition en torseurs des robots sériels pour les tâches à mobilité réduite

La décomposition en torseurs (twists) présentée dans ce nouveau preprint arXiv (arXiv:2607.18940v1) propose un cadre théorique pour la cinématique des robots manipulateurs sériés charges de taches dites "a mobilité réduite", c'est-a-dire lorsque la tache exige moins de degrés de liberté que n'en offre l'effecteur (typique du perçage, du polissage ou du soudage, ou l'orientation autour de l'axe de l'outil reste libre). Plutot que de recourir aux projections dans l'espace nul du Jacobien, méthode de référence depuis des décennies, les auteurs décomposent le torseur cinématique de l'effecteur en une composante liée directement a la tache et une composante redondante, via des "projecteurs de torseur" définis de manière purement géométrique. Cette formulation débouche sur un schéma de cinématique inverse compact, capable de traiter simultanément la redondance du bras et celle de la tache. L'intérêt pratique concerne les intégrateurs travaillant sur des bras redondants en environnement industriel. Quand une tache laisse un degré de liberté inutilisé, les contrôleurs doivent l'exploiter intelligemment, par exemple pour éviter les singularités, contourner des obstacles ou optimiser la trajectoire, ce que les approches par projection matricielle rendent parfois peu intuitif a implémenter et a régler. Une formulation géométrique plus directe pourrait simplifier ce travail de réglage et clarifier la distinction entre mouvements utiles et mouvements superflus, un enjeu récurrent en robotique industrielle comme en téléopération ou les opérateurs doivent comprendre ce que fait vraiment le bras. La résolution de la redondance cinématique est un problème classique de la robotique, ou les méthodes fondées sur le pseudo-inverse du Jacobien et la projection dans l'espace nul dominent depuis longtemps la littérature et les contrôleurs industriels. Ce travail, publie comme nouvelle soumission sur arXiv, se positionne comme une alternative théorique a cette approche établie plutôt que comme un produit ou un déploiement: aucune implémentation matérielle, aucun partenariat industriel ni validation sur robot réel n'est mentionne a ce stade, la contribution restant pour l'instant purement méthodologique.

Recherche❖Paper

1 source

47

868Pandaily 

Huawei entre dans l'IA incarnée avec la plateforme CloudRobo : peut-elle répéter le miracle SERES de la voiture intelligente ?

Huawei a franchi une étape décisive dans l'IA incarnée lors du WAIC 2026 en lançant la bêta publique de CloudRobo, une plateforme complète de développement pour robots intelligents. La stratégie positionne le groupe chinois comme fournisseur de "cerveau robotique" plutôt que comme fabricant, calquant l'approche qui a fait le succès de SERES/AITO dans l'automobile électrique. Plus de 20 entreprises, dont Youibot et Huayan Robotics, ont déjà rejoint CloudRobo comme partenaires initiaux. La plateforme repose sur trois piliers : une base de données de niveau pétaoctet fournissant des millions d'actifs prêts à l'emploi, un moteur cloud de production de modèles s'appuyant sur la série de modèles Pangu pour l'IA incarnée exécutés sur puces Ascend, et un système de simulation et d'évaluation baptisé Real-Sim, développé en interne. Les développeurs accèdent à plus de 20 modèles optimisés pour Ascend et peuvent, selon Huawei, connecter un robot au cloud en quelques heures et déployer un modèle en quelques minutes, couvrant toute la chaîne allant de la collecte de données à l'intégration matérielle. La logique stratégique reprend celle éprouvée dans l'automobile : Huawei avait fourni la conduite intelligente, le cockpit connecté et la motorisation électrique à SERES, qui est ainsi passé de constructeur inconnu à marque premium, le modèle M9 devenant le véhicule le plus vendu du segment au-dessus de 500 000 yuans. La même division du travail s'applique désormais à la robotique : Huawei fournit le système d'exploitation intelligent, la plateforme cloud et les modèles fondation, tandis que les fabricants se concentrent sur le matériel et les applications verticales où ils ont l'expertise métier. La marge brute de 79,8% sur l'activité contrôleurs, contre 38,4% sur le matériel, illustre le pari sur la valeur logicielle. Ce choix intervient alors que les capacités de contrôle moteur ont largement convergé entre fabricants, faisant du "cerveau" le principal facteur de différenciation, et alors que le secteur, fragmenté entre bras industriels, robots de service, quadrupèdes et humanoïdes, souffrait d'un développement artisanal coûteux en ressources. La transposition du modèle automobile à la robotique reste toutefois incertaine : les véhicules sont hautement standardisés, alors que les robots couvrent des formes et exigences très hétérogènes. Huawei dispose néanmoins déjà de M-Robots OS sur OpenHarmony et revendique une influence sur plus de 15 startups d'IA incarnée fondées par d'anciens salariés du groupe, signe d'un rayonnement dépassant CloudRobo lui-même.

Chine/Asie❧Opinion

1 source

48

869Robotics Business Review 

U.K. : Humanoid lève 152 millions de dollars en série A

L'entreprise britannique Humanoid, basée à Londres, a annoncé avoir levé 152 millions de dollars lors d'un tour de série A, valorisant la société à 1,35 milliard de dollars post-money. Ce financement porte le total levé depuis sa création à 270 millions de dollars. Fondée en 2024 sous le nom SKL Robotics Ltd, l'entreprise dirigée par Artem Sokolov développe le HMND 01 Alpha Wheeled, un manipulateur mobile bimanuel monté sur roues actuellement proposé en accès anticipé à des clients industriels, ainsi qu'une version bipède encore en développement. Le robot fonctionne sous KinetIQ, un framework logiciel destiné à orchestrer des flottes de robots humanoïdes de bout en bout ; sa déclinaison KinetIQ Ascend ajoute une capacité d'apprentissage par essai-erreur. Les fonds serviront à développer une nouvelle génération de plateforme, à lancer une version bêta des robots au quatrième trimestre 2026 chez des clients en logistique, manufacturing et retail, à démarrer la production en série des versions à roues, et à poursuivre le développement de KinetIQ. Schaeffler, via son PDG Klaus Rosenfeld, et Bosch, via son CTO Mathias Pillin et sa filiale Robert Bosch Robotics GmbH, sont annoncés comme investisseurs stratégiques et partenaires industriels, Bosch endossant notamment le rôle de sous-traitant de fabrication. Ce tour de table, que Humanoid présente comme le plus important jamais levé en série A par une entreprise européenne de robotique humanoïde, illustre l'accélération du financement du secteur bien au-delà des seuls acteurs américains ou chinois. L'implication directe de deux poids lourds industriels allemands comme partenaires commerciaux, et non de simples investisseurs financiers, signale un pari sur le passage de la démonstration technologique au déploiement industriel réel, un cap que la plupart des acteurs du secteur n'ont pas encore franchi. L'annonce mélange toutefois volontairement financement, partenariats et feuille de route produit : les déploiements "long terme" et la bêta prévue au quatrième trimestre 2026 restent des objectifs annoncés, pas des livraisons effectives, et la formule du fondateur selon laquelle l'entreprise aurait accompli "en deux ans ce qui prendrait normalement une décennie" relève davantage de la rhétorique de levée de fonds que d'un fait vérifiable. Le marché du robot humanoïde industriel s'est nettement densifié depuis un an. En Allemagne, NEURA Robotics vient d'ouvrir un tour de série C visant 1,4 milliard de dollars. Aux États-Unis, Figure AI a bouclé en septembre 2025 une série C supérieure au milliard de dollars, tandis qu'Apptronik a enchaîné plusieurs levées, dont une série A de 520 millions de dollars annoncée en février 2026. Agility Robotics a rejoint les marchés publics via une introduction en bourse par SPAC valorisée 620 millions de dollars, et Unitree a également entamé son introduction en bourse. D'autres acteurs comme AI² Robotics, 1X Technologies ou Leju Robotics complètent ce paysage très concurrentiel, dans lequel la levée de Humanoid confirme surtout que l'Europe, jusqu'ici en retrait face aux États-Unis et à la Chine sur ce segment, cherche désormais à peser financièrement dans la course aux humanoïdes industriels.

FR/EU ecosysteme❧Opinion

1 source

48

870Robotics Business Review 

Générateur bionique dévoile un robot humanoïde à détection tactile intégrale

Generative Bionics, une entreprise de deep tech spécialisée dans les robots humanoïdes industriels, a dévoilé cette semaine son robot Gene.01 lors de la conférence AMD Advancing AI 2026, marquant ses débuts aux États-Unis. Développé en seulement six mois, Gene.01 combine une peau tactile distribuée sur l'ensemble du corps avec une architecture d'IA que l'entreprise qualifie de "physics-native", conçue pour unifier corps, mécanique et intelligence au sein d'un même système plutôt que de les concevoir séparément. Cette peau tactile détecte le toucher, la température, la proximité et la force, ce qui permet au robot d'anticiper la présence humaine et de réagir avant et pendant un contact physique. Generative Bionics a annoncé un premier cas d'usage industriel via une collaboration avec le chantier naval italien Fincantieri, ciblant des opérations en environnement de construction navale. L'entreprise a aussi choisi d'ouvrir le modèle du robot en open source, en le distribuant sur PyPI, conda-forge et la plateforme officielle de build ROS, permettant une installation via une simple commande pip, conda ou ROS pour l'intégrer aux environnements de simulation ou de robotique existants. Daniele Pucci, PDG de l'entreprise, présente Gene.01 comme une plateforme scalable et personnalisable, et non comme un humanoïde universel. Cette approche répond à un problème concret du secteur: l'apprentissage par démonstration vidéo ne capture pas la force nécessaire pour manipuler un objet, par exemple pour une préhension précise. En intégrant des capteurs de force à l'ensemble du corps, Generative Bionics affirme pouvoir enseigner aux robots non seulement des trajectoires de mouvement mais aussi l'intensité physique requise, un axe que d'autres plateformes VLA comme Pi-0 ou GR00T N2 abordent surtout via la vision. Pour les intégrateurs et décideurs industriels, l'enjeu est de savoir si cette sensorisation tactile complète permet réellement de dépasser l'écart classique entre démonstration en laboratoire et déploiement en usine, un doute qui reste légitime tant que le partenariat avec Fincantieri n'a pas produit de résultats vérifiables sur le terrain. La stratégie d'ouverture du modèle logiciel, elle, vise à construire un écosystème de développeurs autour du matériel avant même la commercialisation à grande échelle, une tactique différente de celle de Figure ou de Tesla, qui gardent leurs plateformes fermées. Gene.01 est conçu comme la base d'une famille de robots spécialisés par secteur: pour chaque application, Generative Bionics prévoit d'adapter l'IA à la tâche visée, l'apparence extérieure au contexte d'exploitation, et les effecteurs terminaux, mains ou pieds, selon le déploiement. L'objectif affiché est de fabriquer une plateforme unique à grande échelle puis de la décliner commercialement dans plusieurs verticales industrielles, une logique proche de celle poursuivie par Figure avec le Figure 03 ou par Tesla avec Optimus Gen 3. Le marché des humanoïdes industriels reste toutefois dominé par des annonces et des pilotes plus que par des déploiements massifs vérifiés, et la collaboration avec Fincantieri sur les chantiers navals constitue pour l'instant le seul engagement concret cité par l'entreprise, sans calendrier précis de mise en production communiqué à ce stade.

FR/EU ecosysteme⚡Actu

1 source

39

871Interesting Engineering 

Vidéo : le nouveau modèle omni d'Unitree permet aux robots humanoïdes de penser, se déplacer et assister les humains

Unitree, le fabricant chinois de robotique connu pour ses robots quadrupèdes et humanoïdes low-cost, a dévoilé UnifoLM-OminiA-0.3, un modèle d'IA unifié destiné à ses robots humanoïdes. Ce système combine dans une seule architecture la perception omni-modale, le raisonnement, le dialogue et la manipulation mobile du corps entier, sans passer par des modules séparés pour la reconnaissance vocale, la détection d'objets, la navigation et la manipulation. Dans les vidéos de démonstration diffusées par Unitree, un robot humanoïde saisit un coussin et le pose sur un canapé, identifie des couleurs, compte des boîtes de médicaments, va chercher un médicament précis sur une étagère, trie du linge dans un panier, charge une assiette dans un lave-vaisselle et ajuste un lit médicalisé de type hospitalier. Une séquence montre le robot interrompre immédiatement l'ajustement du lit lorsqu'un utilisateur lui demande d'arrêter en pleine tâche, illustrant une réactivité dynamique aux instructions. L'annonce intervient peu après qu'Unitree a présenté un robot humanoïde à buste haut vendu à partir de 26 900 yuans, soit environ 4 290 dollars, positionné comme une alternative bon marché sur le marché. Sur le fond, l'intérêt revendiqué par Unitree n'est pas la nouveauté de chaque tâche individuelle, déjà démontrées séparément par d'autres constructeurs humanoïdes, mais la coordination de l'ensemble du flux (compréhension du langage, perception visuelle, décision, navigation, contrôle moteur) par un seul modèle plutôt qu'une chaîne de sous-systèmes. C'est la promesse centrale des architectures vision-langage-action (VLA) que le secteur cherche à valider à grande échelle: remplacer des routines programmées tâche par tâche par une généralisation across environnements, un enjeu jugé crucial pour les usages domestiques, hospitaliers et de soin où les objets bougent et les consignes changent en temps réel. Reste que ces démonstrations proviennent de vidéos sélectionnées par le fabricant, sans données chiffrées sur le taux de réussite, le temps de cycle, la charge utile ou le nombre de degrés de liberté, ni validation indépendante en conditions réelles de déploiement, ce qui invite à distinguer nettement la démonstration marketing du produit réellement livré ou déployé chez un client. UnifoLM-OminiA-0.3 s'inscrit dans le programme d'IA incarnée UnifoLM d'Unitree, qui a débuté en 2025 avec UnifoLM-WMA-0, un cadre open-source de modélisation du monde et de l'action destiné à prédire les effets physiques des interactions robot-environnement. Ce socle a été suivi début 2026 par UnifoLM-VLA-0, un modèle vision-langage-action, avant cette version omni-modale axée sur l'assistance à domicile et les soins. Unitree ne précise pas de calendrier de déploiement pilote ni de partenaires hospitaliers ou domestiques identifiés, la trajectoire du programme suggérant toutefois une progression méthodique vers des systèmes de plus en plus généralistes plutôt qu'un produit fini prêt à l'emploi.

IA physique⚡Actu

1 source

37

872Interesting Engineering 

La Chine dévoile PrimeBOT, le premier robot humanoïde personnel transformable au monde

La startup chinoise PrimeBOT, basée à Shanghai, a dévoilé le Qiyuan T1 lors de la World Artificial Intelligence Conference (WAIC), qui s'est tenue du 17 au 20 juillet 2026 à Shanghai. Ce robot personnel se présente comme capable de basculer de façon autonome entre deux configurations construites sur un châssis unique : un mode quadrupède pour les terrains extérieurs difficiles (herbe, gravier, pentes, escaliers) et un mode humanoïde à roues et pieds pour les espaces intérieurs, doté d'un rayon de braquage nul pour se faufiler dans les couloirs et pièces encombrées de meubles. La transition entre les deux formes se ferait en continu, sans redémarrage ni interruption des tâches en cours, grâce à ce que l'entreprise appelle une architecture cross-morph de type Transformer, qui mutualise structure, articulations, actionneurs, capteurs et alimentation entre les deux modes. Le robot embarque une caméra pivotante, un écran interactif incliné à 45 degrés et un réseau de microphones pour l'interaction vocale et multimodale. PrimeBOT met également en avant une technologie de contrôle de force permettant des gestes comme tenir la main d'un utilisateur. Aucune spécification technique détaillée, aucun prix et aucune date de commercialisation n'ont été communiqués ; l'entreprise promet des informations complémentaires ultérieurement. Il s'agit donc pour l'instant d'une démonstration de salon plutôt que d'un produit disponible. Le positionnement du Qiyuan T1 illustre une tendance émergente dans la robotique personnelle : plutôt que de choisir entre robot à roues et robot bipède, certains acteurs chinois parient sur des plateformes hybrides capables de s'adapter au terrain sans intervention humaine. Si la promesse d'une transformation continue et stable est tenue en conditions réelles, elle répondrait à une limite concrète des humanoïdes actuels, souvent peu à l'aise hors des sols plats et lisses des usines ou des vitrines de démonstration. Mais l'absence totale de spécifications chiffrées (charge utile, autonomie, degrés de liberté, temps de transition réel) invite à la prudence : la présentation reste, à ce stade, une vitrine technologique et communicationnelle plutôt qu'une validation industrielle. PrimeBOT avait déjà lancé début 2026 deux robots personnels, le Prime Q1 et le Prime T1, conçus pour des interactions de type humain et des usages quotidiens distincts, avant de présenter cette version transformable comme une évolution de sa gamme. L'entreprise s'inscrit ainsi dans la course chinoise aux robots compagnons grand public, aux côtés d'acteurs comme Unitree ou Fourier Intelligence, sur un marché où Pékin pousse activement au développement de l'humanoïde domestique. Les prochaines étapes attendues concernent la publication de spécifications techniques précises et l'annonce d'un calendrier de commercialisation, seuls éléments permettant de vérifier si les capacités démontrées à Shanghai tiennent au-delà de la vidéo promotionnelle.

Chine/Asie⚡Actu

1 source

41

873Interesting Engineering 

Robot centaure chinois : rapide sur terrain accidenté et capable de soulever des charges

Run Robotics, société basée à Shanghai, a dévoilé lors du WAIC 2026 (World Artificial Intelligence Conference, tenu du 17 au 20 juillet à Shanghai) un robot hybride à roues et jambes que l'entreprise présente comme le premier robot "centaure" au monde. Contrairement aux humanoïdes bipèdes classiques, la machine adopte un corps divisé : un châssis à quatre roues tout-terrain sous un buste humanoïde équipé de bras robotiques. Elle peut porter une charge utile typique de 100 à 120 kg et supporter une charge statique maximale de 210 kg, tout en respectant des normes anti-déflagrantes. Son système de perception maison combine lidar, vision binoculaire et caméras de profondeur pour identifier canalisations, vannes, jauges, obstacles et personnes, planifier des trajectoires et éviter les collisions en autonomie. Run Robotics affirme que plus de 95% des composants du robot sont fabriqués en Chine, et prévoit de finaliser une ligne d'assemblage automatisée au quatrième trimestre 2026 ; l'entreprise dit avoir déjà obtenu des commandes commerciales. La chaîne publique CCTV a classé ce robot parmi les dix exhibits marquants d'un salon qui rassemblait plus de 1 000 entreprises, 3 000 démonstrations et 349 lancements mondiaux. Le choix d'un châssis roulant plutôt qu'une locomotion bipède est révélateur d'une approche pragmatique côté chinois : plutôt que de viser l'humanoïde généraliste façon Figure ou Optimus, Run Robotics cible directement des marchés industriels à forte contrainte, inspection de sites dangereux, mines, plateformes pétrolières, intervention incendie et secours, où la stabilité et la vitesse sur terrain accidenté comptent plus que la ressemblance avec l'humain. Cette approche évite une bonne partie du problème de contrôle d'équilibre qui freine encore le déploiement à grande échelle des humanoïdes bipèdes, au prix d'une polyvalence moindre en environnement structuré. Pour les intégrateurs et décideurs B2B, le signal intéressant n'est pas tant le vocabulaire marketing du "premier centaure au monde", à prendre avec prudence puisque des architectures hybrides à roues et bras existent déjà sous d'autres formes, que l'annonce de commandes commerciales fermes et d'une ligne d'assemblage automatisée dès fin 2026, ce qui distinguerait ce projet d'un simple prototype de salon. Le robot est né dans la Zhangjiang Science City de Shanghai, pôle industriel où Run Robotics dit avoir puisé talents d'ingénierie et soutien réglementaire pour construire sa chaîne d'approvisionnement. La société présente cette machine comme l'aboutissement d'un travail continu pour dépasser les limites classiques de la robotique d'inspection : capacités opérationnelles restreintes, faible adaptabilité aux environnements variés et difficulté à passer à l'échelle industrielle. La plateforme se veut modulaire, avec possibilité d'ajouter bras doubles, mains dextres ou capteurs de force multidimensionnels selon les besoins clients. Aucun calendrier précis de déploiement pilote au-delà de la ligne d'assemblage 2026 n'a été communiqué, et comme souvent lors de ces annonces chinoises très médiatisées au WAIC, l'écart entre démonstration et déploiement industriel réel à grande échelle reste à vérifier dans les prochains mois.

Chine/Asie❧Opinion

1 source

37

874Robotics Business Review 

Frottement clé pour améliorer les modèles du monde des robots

Un nouveau papier technique propose une architecture appelée VμA pour corriger un angle mort des modèles du monde en robotique : l'absence du coefficient de frottement statique (μ) parmi les signaux de conditionnement. Aujourd'hui, la quasi-totalité des systèmes conditionnent leurs prédictions sur deux sources seulement, les images de caméras et la position des effecteurs mesurée par les encodeurs articulaires, ce qui suffit pour des tâches en espace libre mais devient insuffisant dès qu'un robot entre en contact avec un objet. Dans de nombreuses implémentations, le contact n'est même pas mesuré directement : il est déduit du courant moteur, un signal proxy éloigné de la physique réelle qui se joue au bout du doigt du gripper. Certains systèmes ajoutent des capteurs tactiles, comme ceux commercialisés par l'entreprise australienne Contactile pour équiper mains et pinces robotiques, avec des gains mesurables sur la préhension adaptative en temps réel et la correction de glissement. Mais ces capteurs restent limités à des cartes de pression, des images de déformation ou, au mieux, une distribution de force sur trois axes : ils disent qu'un contact a lieu et avec quelle intensité, pas si ce contact va tenir. C'est précisément cette lacune que VμA cherche à combler en injectant μ comme entrée de premier ordre. Le coefficient de frottement statique est la grandeur physique qui détermine si un objet saisi reste saisi, en fonction du couple de matériaux, de l'état de surface, de la température ou de la contamination. Il ne peut être ni vu par une caméra, ni déduit du courant moteur, ni reconstruit à partir d'une carte de pression. Pour l'industrie de la manipulation robotique, l'enjeu dépasse la subtilité académique : sans μ, un modèle du monde n'apprend que des corrélations statistiques entre motifs de contact et résultats observés dans ses données d'entraînement, ce qui explique pourquoi ces systèmes échouent souvent à généraliser sur des surfaces ou des objets inédits. Un modèle conditionné sur la friction change de nature, puisqu'il manipule directement la cause physique du glissement plutôt qu'un proxy appris, ce qui intéresse au premier chef les intégrateurs travaillant sur la manipulation en environnement non structuré, de la logistique à l'assemblage fin. Cette proposition s'inscrit dans la course plus large aux modèles du monde généralistes, présentés par une partie du secteur comme la prochaine étape après les architectures vision-langage-action de type Pi-0 ou GR00T N2, censées permettre à un robot de raisonner sur des situations jamais rencontrées plutôt que de mémoriser des tâches. L'argument du papier est en réalité une critique de cette trajectoire : tant que le conditionnement tactile reste incomplet, la promesse de généralisation reste largement théorique pour toute manipulation en contact riche. Les suites concrètes, à savoir une intégration de VμA sur du matériel comme les capteurs Contactile ou des essais chez des intégrateurs industriels, ne sont pas précisées dans le document source.

Recherche❖Paper

1 source

38

875TechNode 

BrainCo dévoile des robots contrôlés par la pensée au WAIC 2026

BrainCo, société de Hangzhou spécialisée dans les interfaces cerveau-machine, a présenté lors du WAIC 2026 (World Artificial Intelligence Conference) une plateforme de contrôle robotique par la pensée. Le système repose sur un casque EEG qui capte les signaux neuronaux de l'utilisateur et les traduit en commandes pour des machines. Selon l'entreprise, cette plateforme peut se connecter à plusieurs types de robots : humanoïdes, bras robotiques et robots-chiens. L'objectif affiché est de convertir des actions imaginées par l'opérateur en mouvements physiques réels, sans passer par une interface manuelle classique. Le communiqué reste toutefois avare en détails techniques précis, aucune précision sur la latence, le taux de reconnaissance des intentions ou le nombre de canaux EEG utilisés n'a été communiquée, ce qui invite à la prudence sur la maturité réelle du système hors démonstration contrôlée. Cette démonstration s'inscrit dans une tendance plus large où les interfaces cerveau-machine sont explorées comme couche de commande complémentaire aux approches vocales ou par téléopération pour les robots humanoïdes. Au-delà du contrôle direct, BrainCo met en avant un second usage : la génération de données d'interaction homme-robot, potentiellement utile pour entraîner des modèles d'intention ou des systèmes de téléopération assistée. Pour les intégrateurs et chercheurs en robotique, l'enjeu réel n'est pas tant le contrôle par la pensée en soi, encore expérimental et lent comparé au teleop classique, que cette collecte de données d'intention comme brique complémentaire aux architectures VLA. BrainCo développe depuis plusieurs années des interfaces cerveau-machine, notamment des prothèses et dispositifs neuroadaptatifs, avant de se positionner sur la robotique humanoïde, un secteur où la Chine multiplie les démonstrations technologiques lors d'événements comme le WAIC. Aucun calendrier de commercialisation ni partenaire industriel n'a été annoncé à ce stade, la présentation relevant pour l'instant de la démonstration de faisabilité plutôt que d'un produit prêt au déploiement.

Chine/Asie⚡Actu

1 source

50

876arXiv cs.RO 

RobustVLA : robustesse d'un modèle vision-langage-action face aux perturbations multimodales

RobustVLA s'attaque à un angle mort des modèles Vision-Language-Action (VLA) : leur fragilité face aux perturbations réelles. Une équipe de recherche a d'abord testé les principaux VLA sous 17 types de perturbations réparties sur quatre modalités (actions, instructions, environnement, observations visuelles). Résultat : les actions constituent la modalité la plus fragile, les modèles réputés robustes visuellement (comme BYOVLA) ne conservent aucun gain sur les autres modalités, et pi0 se distingue par une robustesse supérieure aux autres backbones testés. Pour corriger ces faiblesses, les chercheurs proposent RobustVLA, qui combine une optimisation robuste hors ligne contre le pire cas de bruit sur les actions (via l'objectif de flow matching) et un mécanisme forçant des actions cohérentes malgré les variations d'entrée. La sélection automatique des perturbations les plus nuisibles est traitée comme un problème de bandit multi-bras, résolu par un algorithme d'upper confidence bound. Sur le benchmark LIBERO, RobustVLA gagne 12,6% de réussite absolue sur backbone pi0 et 10,4% sur OpenVLA face aux 17 perturbations combinées, avec une inférence 50,6 fois plus rapide que BYOVLA, qui dépend de LLM externes. Cette avancée touche un point sensible pour l'industrie robotique : la plupart des démonstrations de VLA impressionnent en conditions contrôlées mais s'effondrent face au bruit réel (mauvaise calibration caméra, instructions ambiguës, occlusions, dérive capteurs). En identifiant les actions comme le maillon le plus faible, l'étude remet en question l'hypothèse répandue selon laquelle la robustesse visuelle suffirait à garantir un déploiement fiable. Sur robot réel FR5, RobustVLA dépasse pi0 de 65,6% de taux de réussite avec seulement 25 démonstrations, un résultat clé pour les intégrateurs qui manquent de données d'entraînement en environnement industriel. Même avec des données abondantes, le gain reste de 30%, ce qui suggère que la méthode n'est pas qu'un palliatif pour le few-shot mais une amélioration structurelle. Le papier s'inscrit dans la lignée des travaux récents sur pi0 (Physical Intelligence) et OpenVLA, deux architectures de référence dans la course aux modèles génériques de manipulation robotique. Il répond directement aux limites de BYOVLA, une approche antérieure de robustesse visuelle jugée coûteuse en calcul car dépendante de LLM externes. Les auteurs positionnent RobustVLA comme une alternative légère et généralisable, testée à la fois en simulation (LIBERO) et en conditions réelles. Le code et des vidéos de démonstration sont disponibles sur GitHub, ce qui permettra une validation indépendante par la communauté avant une adoption plus large en environnement industriel.

Recherche❖Paper

1 source

46

877arXiv cs.RO 

RoboHarness : orchestration mémoire de politiques robotiques hétérogènes pour la planification à long terme

Le laboratoire à l'origine de RoboHarness propose un framework unifié qui encapsule des systèmes de contrôle robotique développés indépendamment, qu'il s'agisse de modèles VLA (vision-langage-action), de politiques d'apprentissage par renforcement (RL) ou de planificateurs tâche-et-mouvement (TAMP), sous forme de compétences agentiques réutilisables. L'idée centrale est d'orchestrer ces politiques hétérogènes sans les ré-entraîner conjointement, via une mémoire d'exécution multimodale et des preuves collectées en ligne qui cartographient les limites de capacité de chaque politique. Un composant appelé Memory Bridge récupère les trajectoires d'exécution associées à la politique suivante, estime sa région de distribution "in-distribution", puis guide le robot vers cette zone pour stabiliser les transitions entre politiques. Le système a été testé sur trois benchmarks publics, 500 tâches personnalisées et 135 expériences sur robot réel, avec des gains significatifs en planification zero-shot sur des horizons longs et en robustesse hors distribution. Le problème que RoboHarness cherche à résoudre est structurel pour l'industrie robotique: aucune politique unique, aussi performante soit-elle sur son benchmark d'origine, ne couvre l'ensemble des capacités nécessaires à une tâche longue et complexe. Les méthodes de planification existantes reposent sur des compétences homogènes et prédéfinies, avec une applicabilité fixe, ce qui limite leur capacité à combiner des modèles VLA génériques avec des politiques RL spécialisées ou des planificateurs TAMP plus rigoureux. En proposant un routage conscient des capacités et une décomposition dynamique des tâches, ce travail répond directement à une hypothèse contestée du secteur: qu'un seul modèle généraliste suffirait à couvrir la diversité des tâches robotiques. Pour les intégrateurs et les équipes R&D, cela ouvre la voie à des architectures modulaires où plusieurs politiques spécialisées, potentiellement issues de fournisseurs différents, cohabitent sans réentraînement coûteux. Ce travail s'inscrit dans un contexte de recherche académique, publié sur arXiv fin juillet 2026, plutôt que dans une annonce produit commerciale. Il rejoint un courant de recherche actif sur l'orchestration de politiques robotiques multiples, alors que le secteur voit se multiplier des modèles VLA à vocation généraliste censés unifier perception et action en un seul réseau. RoboHarness prend le contre-pied de cette tendance en misant sur la composition de systèmes hétérogènes plutôt que sur un modèle monolithique unique, un pari qui reste à valider au-delà des benchmarks académiques et des essais en laboratoire, notamment sur la robustesse en conditions industrielles réelles et à plus grande échelle.

Recherche❖Paper

1 source

45

878arXiv cs.RO 

Le Fil selon un robot social : enrichir le dialogue humain-robot avec des modèles vision-langage

Selon un article publié sur arXiv (2607.16318v1, juillet 2026), une équipe de recherche a testé l'intégration d'un modèle de langage visuel (VLM) sur un robot social Pepper, produit historiquement développé par Aldebaran puis SoftBank Robotics. Le système combine un modèle de langage de Mistral AI avec des capacités de perception visuelle, permettant au robot d'observer non seulement les paroles de son interlocuteur mais aussi son comportement et le contexte de la scène pendant un dialogue humain-robot. Les chercheurs ont mesuré l'impact de cet ajout d'information visuelle sur le temps de réponse du robot, en comparant plusieurs configurations de modèles. Résultat principal: l'ajout du contexte visuel n'augmente que modérément la latence de réponse, tout en enrichissant significativement la compréhension de la situation par le robot, notamment sur les éléments non verbaux de l'échange. Cette expérimentation touche à un problème central pour les robots sociaux déployés en environnement réel, à l'accueil, en médiation ou en assistance: comprendre les codes sociaux implicites sans que l'utilisateur ait à tout formuler explicitement. C'est aussi un signal pour les intégrateurs et décideurs européens: le choix d'un modèle Mistral AI, hébergé en Europe, permet de respecter le RGPD sans dépendre de fournisseurs américains ou chinois, un argument de poids pour des déploiements dans des administrations, hôpitaux ou établissements publics soumis à des contraintes réglementaires strictes. L'étude reste toutefois à un stade préliminaire, avec un nombre limité d'interactions testées, loin d'une validation à grande échelle. Le choix de Pepper, robot social lancé il y a plus d'une décennie et longtemps utilisé dans la recherche en interaction humain-robot, s'inscrit dans la continuité des travaux sur l'intelligence conversationnelle embarquée. Face à des architectures VLA plus orientées manipulation physique comme GR00T N2 ou Helix, cette approche cible spécifiquement le dialogue social et la compréhension contextuelle plutôt que l'action motrice. Le recours à Mistral AI illustre aussi la montée en puissance d'une offre souveraine européenne en IA, alternative crédible à OpenAI ou Google dans des cas d'usage sensibles aux données. Les auteurs annoncent vouloir approfondir ces travaux avec des scénarios d'interaction plus complexes.

FR/EU ecosysteme❖Paper

1 source

44

879arXiv cs.RO 

Reasoning à double tranchant : architecture et robustesse inter-étapes des modèles vision-langage-action

Voici l'article traduit et résumé. Une équipe de recherche publie sur arXiv (arXiv:2607.17786, 24 juillet 2026) une étude testant si le raisonnement améliore la robustesse des modèles Vision-Language-Action (VLA) face aux perturbations. Trois architectures couvrant le spectre du raisonnement ont été comparées : un modèle sans raisonnement, un modèle à chaîne de raisonnement textuelle (chain-of-thought), et un modèle à boucle itérative latente. Chaque architecture a été soumise à des perturbations aux étages vision, raisonnement et action, sur deux bancs d'essai standards de la robotique manipulatrice, LIBERO et SimplerEnv. Résultat central : le modèle à raisonnement latent itératif s'effondre en taux de réussite sous bruit stochastique comme sous attaque adversariale en boîte blanche, alors que les deux autres architectures tiennent. Les chercheurs montrent que cette fragilité est structurelle et non cumulative, puisque faire varier la profondeur de raisonnement à l'inférence ne change presque rien au problème. Ils testent également des sondes de sécurité censées lire le raisonnement en temps réel pour détecter une anomalie : une sonde de cohérence plan-action, qui semblait quasi parfaite sous évaluation naïve, retombe au niveau du hasard sous attaque adaptative. Ce résultat va à contre-courant d'une hypothèse répandue dans la robotique embarquée par IA, à savoir que faire "réfléchir" un modèle avant d'agir le rend mécaniquement plus fiable face à des entrées bruitées ou adverses, comme un capteur dégradé ou une caméra masquée sur un robot humanoïde ou un AMR en usine. Pour les intégrateurs et décideurs B2B qui évaluent des architectures de type Pi-0, GR00T N2 ou Helix pour du déploiement industriel, l'étude suggère que le choix d'un module de raisonnement latent, souvent présenté comme plus performant sur les tâches complexes, peut introduire un point de défaillance critique en environnement réel non contrôlé. Elle contredit aussi l'idée que le monitoring du raisonnement interne suffirait à sécuriser ces systèmes : les auteurs montrent que combiner une sonde de cohérence avec une sonde d'anomalie sur l'action, même calibrée à taux de fausses alertes constant, ne permet jamais de dépasser les performances d'un système non défendu. Cette publication s'inscrit dans un courant de recherche en sécurité IA appliquée à la robotique qui cherche à quantifier le "reality gap" entre démonstrations et déploiements réels des modèles VLA, une question centrale alors que des acteurs comme Figure, Physical Intelligence ou NVIDIA multiplient les annonces de modèles généralistes pour bras robotiques et humanoïdes. Les auteurs cadrent explicitement leurs résultats comme un préalable : toute défense crédible contre les perturbations en boîte blanche à l'étage vision devra d'abord franchir ce plafond de performance avant de prétendre sécuriser des déploiements réels, ce qui laisse ouverte la question des architectures et protocoles de test à concevoir pour la suite.

Recherche❖Paper

1 source

44

880arXiv cs.RO 

Musée : étude sur l'acceptation du robot Android Andrea, avec et sans simulation d'émotions

Pendant six jours consécutifs, le robot androïde Andrea a de nouveau été installé dans un musée public en Allemagne pour converser en autonomie complète avec les visiteurs, une deuxième expérience après un premier déploiement qui avait déjà livré des résultats qualitatifs. Cette fois, le robot disposait d'informations contextuelles sur le musée et les expositions environnantes, et pouvait échanger en plusieurs langues avec le public. Sa voix, légèrement synthétique, avait été jugée cohérente avec son apparence très humaine et son genre volontairement ambigu. Trois conditions expérimentales ont été comparées: aucune simulation d'émotion, une émotion pilotée par ChatGPT 4.1, ou l'architecture WASABI dédiée à la dynamique émotionnelle des robots. Au total, 73 visiteurs ont rempli une version étendue du questionnaire TAM2 pour évaluer leur expérience avec Andrea. Les résultats montrent que ni l'émotion générée par ChatGPT 4.1 ni celle simulée par WASABI n'ont amélioré l'acceptation du robot par rapport à l'absence totale de simulation émotionnelle, et ces différences sont restées indétectables consciemment par les visiteurs. Ce constat va à l'encontre d'une hypothèse répandue en interaction homme-robot: que doter un androïde d'émotions simulées, y compris via un grand modèle de langage généraliste, renforce automatiquement la confiance et l'engagement des utilisateurs. Pour les concepteurs de robots sociaux destinés aux espaces publics, musées, accueil ou commerce, le signal est net: brancher un LLM conversationnel sur un moteur d'émotions ne suffit pas à produire un bénéfice perceptible, et l'architecture spécialisée WASABI n'a pas fait mieux dans ce contexte précis. Andrea appartient à la famille des androïdes hyperréalistes utilisés en recherche HRI pour étudier l'acceptation sociale des robots humanoïdes en conditions réelles, hors laboratoire. Ce déploiement fait suite à une première étude qualitative menée dans le même musée, dont les enseignements ont orienté cette nouvelle expérimentation quantitative testant trois architectures émotionnelles distinctes sur un échantillon de visiteurs réels. Les auteurs suggèrent que ces résultats négatifs invitent à revoir soit la conception des architectures émotionnelles évaluées, soit les métriques utilisées pour en mesurer l'effet, avant d'envisager de nouvelles itérations avec Andrea ou des androïdes comparables dans des environnements publics.

Recherche❖Paper

1 source

43

881arXiv cs.RO 

Fermeture de la boucle en VLA humanoïde : jetons d'objets 3D persistants pour une loco-manipulation vérifiable

Des chercheurs viennent de publier sur arXiv (2607.18016v1) une nouvelle méthode baptisée Persistent Object Tokenization (POT), testée sur un robot humanoïde Unitree G1 dans le cadre d'un système appelé POT-VLA. Le problème ciblé est ce que les auteurs nomment la "divergence d'état objet" : dans les politiques vision-langage-action (VLA) actuelles, l'état de l'objet utilisé pour décider d'un mouvement du corps entier peut différer de celui utilisé ensuite pour vérifier si l'action a bien produit la relation physique voulue, un décalage qui devient critique lors de déplacements, contacts, occlusions ou phases de récupération. POT maintient des enregistrements 3D d'objets indexés par rôle, construits à partir d'observations RGB-D, et les convertit en tokens exploitables par un module d'action corps entier. Sur huit familles de tâches réelles, POT-VLA fait passer le taux de réussite de 39 sur 80 à 71 sur 80 par rapport à une base directe GR00T-N1.7 comparable. Sur un protocole externe aligné sur le benchmark Being-0, le système obtient 44 succès sur 50 tâches de service, contre 37 sur 50 rapportés dans l'article Being-0 original. Pour l'industrie de la robotique humanoïde, ce travail s'attaque à un angle mort souvent glissé sous le tapis dans les démonstrations impressionnantes : la capacité réelle à maintenir une relation géométrique correcte entre un bras et un objet pendant une tâche longue, plutôt que la seule génération d'une trajectoire plausible. En rendant l'état objet à la fois exploitable et vérifiable via des contrôles de prédicats géométriques, le système ferme la boucle entre perception et exécution, un point sensible pour les intégrateurs qui cherchent des garanties de fiabilité au-delà des vidéos de démonstration soigneusement sélectionnées. Les gains les plus marqués concernent justement les tâches nécessitant le maintien prolongé d'une relation 3D, ce qui suggère que l'abstraction d'objet persistant comble une limite structurelle des architectures VLA actuelles plutôt qu'un simple réglage fin. Ce papier s'inscrit dans la course actuelle autour des politiques VLA pour humanoïdes, dominée par des architectures comme GR00T (NVIDIA), utilisée ici comme base de comparaison directe, et des benchmarks de référence comme Being-0 pour les tâches de service. L'usage d'un Unitree G1, plateforme largement adoptée dans la recherche académique en loco-manipulation, ancre les résultats dans un cadre reproductible plutôt que propriétaire. Les auteurs ne mentionnent pour l'instant ni déploiement pilote ni calendrier de commercialisation : il s'agit d'une contribution de recherche, destinée à être étendue à davantage de familles de tâches et potentiellement intégrée à d'autres piles VLA que GR00T.

Recherche❖Paper

1 source

42

882arXiv cs.RO 

Test-Time Scaling pour les modèles d'action du monde via évaluation géométrique zéro-shot

Le 24 juillet 2026 des chercheurs ont publié sur arXiv (2607.17454) une méthode d'allocation de calcul au moment de l'inférence pour les World Action Models (WAM), ces modèles robotiques qui prédisent à la fois un segment d'actions et les observations futures qui en découlent. La technique, sans entraînement supplémentaire, sélectionne la meilleure parmi plusieurs trajectoires générées (Best-of-N, avec N=8) en évaluant la cohérence géométrique des observations futures prédites entre plusieurs points de vue, grâce à un modèle de fondation géométrique figé qui vérifie la reprojection de profondeur. Une seconde version ajoute une porte de déclenchement légère qui ne lance cet échantillonnage supplémentaire que si la trajectoire initiale semble incohérente. Testée sur cinq combinaisons de benchmarks et de modèles (RoboCasa, LIBERO Long et RoboTwin 2.0), la méthode à budget fixe améliore le taux de réussite dans tous les cas, faisant passer la moyenne du groupe RoboCasa de 66,3% à 68,4% avec Cosmos Policy, et de 80,8% à 82,5% avec X-WAM. La version avec porte de déclenchement conserve en moyenne 74,8% du gain obtenu par la version systématique, tout en ne déclenchant un échantillonnage additionnel que sur 26,2% des décisions. L'enjeu dépasse le simple gain de score: la méthode traite un problème concret pour le déploiement de robots pilotés par des modèles vision-langage-action (VLA), celui de décider en temps réel si dépenser plus de calcul avant d'exécuter un geste vaut le coût en latence. Contrairement aux approches classiques de test-time scaling qui nécessitent un signal de récompense ou une étiquette de tâche, ce sélecteur fonctionne sans supervision, uniquement à partir de la cohérence géométrique des futurs prédits. C'est un signal utile pour les intégrateurs qui cherchent à fiabiliser des politiques VLA en production sans réentraînement, et une preuve que l'écart entre démonstration et fiabilité réelle peut être réduit par du calcul additionnel bien ciblé plutôt que par un modèle plus gros. Les auteurs situent leur travail dans la lignée des World Models robotiques récents, qui couplent prédiction du futur visuel et génération d'actions, à l'image de Cosmos Policy ou X-WAM utilisés ici comme architectures de base. L'article documente aussi un mode d'échec: certaines trajectoires reçoivent un score de cohérence faussement bas, ce qui explique pourquoi les gains de performance plafonnent, voire se dégradent, quand on augmente excessivement le nombre de trajectoires échantillonnées N. Cette limite ouvre la voie à des travaux futurs sur des métriques de sélection plus robustes.

Recherche⚡Actu

1 source

42

883arXiv cs.RO 

Persistance des connaissances spatio-temporelles : un graphe pour la mémoire de scène des robots dans les questions-réponses

Des chercheurs publient VL-KnG, un framework open, sans entraînement supplémentaire ("training-free"), qui construit des graphes de connaissances spatio-temporels à partir de vidéo égocentrique monoculaire pour répondre à des questions embarquées (embodied question answering). Le système traite la vidéo par blocs (chunks) et maintient l'identité persistante des objets grâce à une association spatio-temporelle pilotée par un grand modèle de langage, baptisée STOA. Les réponses sont générées via une méthode nommée Graph-Enhanced Retrieval (GER), qui combine récupération de sous-graphes et ancrage visuel. Le framework a été évalué sur trois bancs d'essai : OpenEQA, NaVQA, et un nouveau benchmark introduit par les auteurs, WalkieKnowledge. Les auteurs annoncent une précision compétitive face aux VLM (vision-language models) de pointe, une latence de requête nettement plus faible, et un raisonnement explicable car ancré dans le graphe. Une démonstration sur robot réel est mentionnée, montrant une latence stable même quand l'historique d'observation s'allonge. Il s'agit de la troisième version (v3) d'un article déjà publié sur arXiv, donc d'un travail académique révisé, pas d'un produit commercial. L'intérêt principal ici n'est pas robotique au sens matériel, mais architectural : les VLM actuels n'ont pas de mémoire persistante, donc chaque nouvelle question oblige à retraiter toutes les frames vidéo échantillonnées, ce qui rend le coût de calcul proportionnel à la longueur de la vidéo. En découplant la latence de requête de la durée d'observation, VL-KnG répond directement à un vrai goulot d'étranglement pour les agents embarqués qui doivent accumuler de l'expérience sur de longues sessions, un problème central pour tout robot ou assistant devant raisonner sur des heures d'historique plutôt que sur un clip court. Si les chiffres de latence et de précision se confirment en dehors des bancs d'essai propriétaires des auteurs, cela offre une alternative crédible aux approches de reconstruction 3D lourdes, sans nécessiter cette reconstruction. Le papier s'inscrit dans une lignée de travaux sur la mémoire de scène persistante pour l'IA embarquée, en concurrence directe avec les approches de VLM "frontière" et les baselines à représentation persistante existantes, qu'il dit surpasser sur plusieurs configurations. Aucun acteur français ou européen n'est cité dans ce travail. Les prochaines étapes attendues concernent la généralisation à des environnements plus larges et l'intégration comme substrat mémoire pour des agents robotiques devant mettre à jour leurs connaissances en continu.

Recherche❖Paper

1 source

41

884arXiv cs.RO 

Robots à double bras : des gains de performance en assemblage de précision

Assemblage de précision (tight assembly) par une paire de bras robotiques coordonnés : des chercheurs proposent un nouveau framework de bout en bout permettant à deux bras robotiques d'exécuter conjointement une opération d'assemblage, à partir des modèles CAO des pièces et de leur positionnement relatif visé une fois assemblées. Publié sur arXiv (2607.17876v1), le travail a été validé à la fois en simulation et sur des robots physiques réels. Les auteurs montrent que la coordination de deux bras réduit le temps d'exécution moyen de plus de 50% par rapport à un système à un seul bras, tout en produisant des trajectoires de meilleure qualité et en accélérant la recherche de positionnements valides pour les robots. La méthode fournit également des garanties théoriques sur le temps d'exécution et la précision des trajectoires, appuyées par des résultats empiriques, ainsi que des bornes sur les dimensions minimales requises pour la cellule robotique. Le code est publié en open source, accompagné de démonstrations vidéo sur la page du projet. Pour les intégrateurs industriels et les concepteurs de lignes d'assemblage, ce résultat interroge une hypothèse répandue : qu'un seul bras robotique, correctement programmé, suffit pour la plupart des tâches d'assemblage serré, la coordination bi-bras étant réservée à des cas de niche jugés trop complexes à orchestrer. En démontrant un gain de temps de cycle supérieur à 50% assorti de garanties théoriques, et pas seulement de chiffres de démonstration, les auteurs apportent une preuve quantifiée que l'investissement dans une cellule à deux bras peut se justifier économiquement pour des opérations de précision, en particulier quand l'espace disponible est contraint : les bornes dimensionnelles calculées permettent justement de dimensionner la cellule au plus juste. C'est aussi un signal pour la recherche en planification de mouvement multi-bras, un domaine où peu de méthodes offrent des garanties formelles plutôt que de simples heuristiques validées empiriquement. La coordination de deux bras robotiques pour des tâches d'assemblage est étudiée depuis plusieurs années, portée notamment par des plateformes industrielles bi-bras comme l'ABB YuMi, mais la littérature manquait encore d'une méthode end-to-end couvrant à la fois la planification à partir de CAO, l'optimisation du placement des robots et des garanties de performance chiffrées. Ce travail se positionne comme une contribution académique ouverte, l'équipe ayant publié à la fois le code source et des démonstrations vidéo sur robots réels, ce qui distingue la publication d'une simple étude en simulation. Aucun partenaire industriel ni déploiement pilote n'est mentionné à ce stade ; la suite logique, comme souvent pour ce type de publication arXiv, sera de voir si la méthode est reprise ou testée par des équipes tierces sur d'autres géométries de pièces et d'autres configurations de cellules robotiques.

Recherche❖Paper

1 source

41

885arXiv cs.RO 

MEVION : système de collecte de données open source à faible coût pour la manipulation à deux bras rapide et puissante

Une équipe de recherche a dévoile MEVION, un système de collecte de données pour bras robotique bimanual pense pour dépasser les limites du célèbre ALOHA, standard de facto pour la téléopération a bas cout dans la recherche en apprentissage par imitation. Presente dans un article publie sur arXiv (2607.17970), MEVION embarque quatre bras a 6 degrés de liberté (DoF) équipes de pinces parallèles. Chaque bras pèse 7,0 kg et développe un couple maximal de 60 Nm, largement au-dessus de ce que permet ALOHA, pour un cout total de construction d'environ 14 000 dollars. Toutes les pièces sont sourcées via des sites d'e-commerce standard, et la structure principale, de grande taille, est assemblée par soudure de tôle avec un nombre réduit de composants, ce qui simplifie le montage. Point technique clé: l'articulation du coude reprend un mécanisme a liaison fermée, une architecture habituellement réservée aux robots quadrupèdes, qui réduit la masse distale du bras et permet ainsi de générer plus de force et de vitesse au niveau de l'effecteur terminal. L'ensemble du matériel et du logiciel est publie en open source, disponible sur GitHub (haraduka/mevion). L'enjeu dépasse la seule question matérielle. ALOHA a permis de démocratiser la collecte de démonstrations pour l'apprentissage par imitation, mais sa faible puissance le cantonne a des taches légères et lentes, incompatibles avec la manipulation d'objets lourds ou les mouvements rapides. En repoussant ces limites tout en gardant un cout de construction comparable, MEVION ouvre la collecte de données a des taches jusqu'ici hors de portée des plateformes bas cout: manipulation d'objets pesants, gestes dynamiques, cycles rapides. Pour les laboratoires qui entrainent des modèles de type VLA ou des politiques d'imitation, cela signifie un accès a des jeux de données plus diversifies sans recourir a des bras industriels couteux. C'est un signal notable dans la course mondiale aux modèles fondamentaux pour la robotique, ou la qualité et la variété des démonstrations collectées conditionnent directement les capacités des modèles entraines derrière. ALOHA, popularise notamment via les travaux sur l'apprentissage par imitation fine (ACT), s'est impose depuis plusieurs années comme la référence open source pour la téléopération bimanuale a bas cout, repris par de nombreux laboratoires et startups robotiques a travers le monde. MEVION s'inscrit dans sa continuité directe en visant le même public, chercheurs et petites équipes a budget limite, mais en s'attaquant frontalement au principal reproche adresse a ALOHA: son incapacité a générer des données pour des taches nécessitant force et vitesse. En publiant intégralement le matériel et le code, les auteurs misent sur une adoption communautaire comparable a celle d'ALOHA. Reste a voir si MEVION s'imposera comme un standard alternatif ou complémentaire, alors que la demande en données de démonstration de qualité s'intensifie avec la multiplication des modèles fondamentaux pour la manipulation robotique.

Recherche❖Paper

1 source

41

886arXiv cs.RO 

Distillation de priorités globales de traversabilité pour la prédiction d'affordance basée sur l'image en environnement tout-terrain

Les chercheurs du AirLab, associé à Carnegie Mellon University, publient une nouvelle méthode de navigation autonome en terrain non structuré, décrite dans un article déposé sur arXiv le 23 juillet 2026 (arXiv:2607.17984) et destiné à IROS. Le problème visé : les robots naviguant en tout-terrain avec des cartes métriques construites à partir de LiDAR ou de caméras sont limités par la portée de leurs capteurs de profondeur, ce qui les pousse à prendre des décisions à courte vue sur de longs trajets, faute d'information au-delà de l'horizon cartographié. La solution proposée extrait directement des images de vue à la première personne (FPV) des frontières de navigabilité à longue portée, sans dépendre uniquement des données LiDAR locales. Pour entraîner ce système sans recourir massivement à des démonstrations humaines coûteuses, l'équipe utilise l'imagerie satellite : elle calcule, pour un jeu de données de paires image/position, l'ensemble des trajets réalisables vus depuis l'espace, et s'en sert comme signal de supervision pour le réseau de neurones. Résultat annoncé : une amélioration de plus de 10 % par rapport aux méthodes existantes sur plusieurs bancs d'essai hors ligne, ainsi qu'une réduction du nombre d'interventions humaines nécessaires lors d'essais réels. L'enjeu dépasse la seule performance chiffrée. La navigation tout-terrain longue distance reste un point faible connu des robots mobiles autonomes, qu'il s'agisse de véhicules agricoles, de robots d'inspection, de plateformes militaires ou de rovers planétaires : au-delà de la portée des capteurs embarqués, la plupart des systèmes actuels naviguent à l'aveugle ou s'appuient sur des cartes globales coûteuses en données humaines. En démontrant qu'une supervision faible tirée de l'imagerie satellite, disponible et peu coûteuse, peut remplacer une partie de l'annotation humaine, ce travail attaque directement le goulot d'étranglement des données de démonstration qui freine le déploiement à grande échelle des systèmes de navigation tout-terrain. Le travail s'inscrit dans une lignée de recherches sur la planification à long horizon en robotique mobile, où les approches classiques de cartographie métrique locale (SLAM, occupancy grids) sont complétées ou remplacées par des modèles prédictifs entraînés sur des priors globaux. Les auteurs annoncent des détails supplémentaires, code et données sur theairlab.org/ssfrontiersiros, et visent une validation via IROS, la conférence de référence en robotique intelligente.

Recherche❖Paper

1 source

41

887arXiv cs.RO 

RynnBrain 1.1 : vers un modèle fondation incarné plus performant et généralisable

RynnBrain 1.1 est une famille de modèles de fondation "embodied" pour la robotique, déclinée en trois tailles : 2 milliards, 9 milliards et 122 milliards de paramètres (avec 10 milliards actifs, architecture mixture-of-experts). Entraîné avec un cadre unifié spatio-temporel et physiquement ancré, le système gère la perception incarnée, le raisonnement spatial, la localisation et la planification. Par rapport à la version 1.0, cette itération ajoute la prédiction de points de contact sur toute la famille de modèles et un ancrage 3D natif pour les versions 2B et 9B, produisant des représentations directement exploitables pour la manipulation robotique. Les chercheurs ont également développé RynnBrain-VLA, doté d'un espace d'action unifié inter-plateformes et d'un masquage spécifique à chaque robot, déployé sur trois plateformes matérielles distinctes : l'humanoïde Unitree G1, l'Astribot-S1 et le Tianji-Wuji. Sur les benchmarks VSI-Bench, MMSI et RefSpatial-Bench, le modèle 122B surpasse l'ensemble des modèles propriétaires et open-source évalués en cognition incarnée, localisation et ancrage 3D. Cette annonce s'inscrit dans la course aux modèles vision-langage-action (VLA) généralistes, où la capacité à transférer un même modèle sur plusieurs plateformes robotiques distinctes reste un obstacle majeur. Les expériences sur robot réel montrent que les politiques initialisées avec RynnBrain surpassent celles basées sur Qwen ainsi que d'autres VLA généralistes représentatifs, et que l'entraînement conjoint multi-tâches et multi-plateformes améliore les scores de processus et les taux de réussite par rapport à un entraînement tâche par tâche. Pour les intégrateurs et décideurs B2B, ce type de résultat, s'il se confirme au-delà des conditions de laboratoire, suggérerait qu'un socle de fondation partagé pourrait réduire le coût d'adaptation à chaque nouvelle plateforme matérielle, un enjeu central pour la commercialisation à l'échelle des humanoïdes. Le déploiement simultané sur trois architectures robotiques différentes, dont l'humanoïde bipède Unitree G1, illustre la stratégie de généralisation cross-embodiment poursuivie par plusieurs laboratoires actuellement, en concurrence avec des approches comme Pi-0 ou GR00T N2. L'absence de détails sur les conditions précises des essais réels (nombre d'essais, environnements testés, sélection des vidéos démonstratives) invite toutefois à la prudence sur la portée exacte des gains rapportés. La publication ne mentionne pas de calendrier de déploiement commercial ni de partenaire industriel identifié, ce qui situe pour l'instant RynnBrain 1.1 au stade de la recherche plutôt que du produit prêt à l'emploi.

IA physique❧Opinion

1 source

40

888arXiv cs.RO 

Stabilité et confort dans les interactions entre robots mobiles et piétons

Voici l'article rédigé selon les consignes. Des chercheurs ont développé et validé expérimentalement des algorithmes de navigation socialement adaptés pour robots mobiles non-holonomes (NMR), une catégorie de robots majoritaire dans les applications industrielles et de service mais historiquement sous-étudiée par rapport aux plateformes holonomes. Le cadre proposé s'appuie sur le Social Force Model (SFM) et sur une variante appelée TSFM (projected Time-to-collision Social Force Model), qui modélise explicitement les interactions entre le robot, les piétons et les obstacles statiques. Les auteurs démontrent mathématiquement la stabilité du système sous l'hypothèse de piétons "boundedly nonpassive" (dont le comportement reste dans des limites prévisibles), puis calibrent leurs modèles en simulation via une fonction de coût hybride combinant confort et vitesse de déplacement. Des expérimentations réelles impliquant des interactions robot-piéton comparent SFM et TSFM à deux références télécommandées manuellement, avec recueil du confort perçu par les marcheurs via questionnaires, analysés statistiquement. Cette étude comble un vide méthodologique important pour l'industrie robotique: la plupart des algorithmes de navigation classiques traitent les piétons comme de simples obstacles dynamiques, sans modéliser les facteurs humains subjectifs qui déterminent l'acceptabilité sociale d'un robot en espace partagé. Pour les intégrateurs déployant des AMR (robots mobiles autonomes) en entrepôt, hôpital ou espace public, ce résultat est directement actionnable puisque la majorité des plateformes commerciales sont non-holonomes et non les robots holonomes omnidirectionnels généralement privilégiés dans la littérature académique sur la navigation sociale. La preuve de stabilité formelle, plutôt qu'une simple validation empirique, renforce la crédibilité du système pour un déploiement en conditions réelles où la sécurité et la prévisibilité du comportement robotique sont critiques. Le travail s'inscrit dans le champ de la navigation socialement consciente ("social navigation"), qui cherche depuis plusieurs années à dépasser les approches purement géométriques d'évitement d'obstacles. Le Social Force Model, initialement conçu pour modéliser les dynamiques de foules humaines, sert ici de brique de base étendue avec une composante de temps avant collision (time-to-collision) pour mieux anticiper les trajectoires. Les auteurs comparent leurs résultats à des études antérieures pour établir un avantage sur les métriques de confort et de performance, sans toutefois préciser de partenaire industriel ni de calendrier de déploiement commercial concret, ce travail relevant à ce stade de la recherche académique plutôt que d'un produit prêt à être industrialisé.

Recherche❖Paper

1 source

40

889arXiv cs.RO 

La saisie robotique facilitée par xperception

Une équipe de recherche publie xperception, un système d'estimation de pose 6D en zero-shot destiné à la manipulation robotique industrielle, décrit dans un preprint arXiv (2607.16312v1). Contrairement aux systèmes de vision classiques qui exigent une collecte de données et un réentraînement du modèle à chaque nouvel objet introduit sur une ligne de production, xperception s'appuie directement sur des modèles CAD standards et sur les features sémantiques de modèles de fondation comme DINOv2 et GeDi pour localiser un objet dans l'espace avec une précision annoncée de l'ordre du millimètre. Le système a démontré une robustesse face aux occlusions sévères dans des tâches de bin picking (préhension en vrac) et a été conçu pour tourner sur du matériel edge industriel, notamment le NVIDIA Jetson Thor. Les auteurs indiquent avoir validé la technologie à un TRL (niveau de maturité technologique) de 6, ce qui correspond à une démonstration en environnement pertinent, pas encore à un produit commercial déployé en usine. L'enjeu visé est celui de la fabrication à forte diversité et faible volume (high-mix low-volume), où le goulot d'étranglement n'est pas le bras robotique mais la vision : chaque changement de référence impose aujourd'hui une phase d'annotation et de calibration coûteuse en temps d'ingénieur. En éliminant le fine-tuning spécifique à l'objet, xperception s'inscrit dans la promesse, encore largement à prouver à grande échelle, d'une automatisation robotique "plug-and-play" pour les intégrateurs et les PME industrielles qui ne peuvent pas amortir un long cycle de mise en service par référence. C'est aussi un signal supplémentaire que les modèles de fondation vision, initialement conçus pour des tâches génériques de reconnaissance, deviennent des briques réutilisables en robotique industrielle sans données d'entraînement dédiées. Sur le plan méthodologique, xperception repose sur l'algorithme FreeZe, vainqueur du BOP Challenge 2024, la compétition internationale de référence en estimation de pose d'objets 6D (Benchmark for 6D Object Pose estimation), ce qui ancre la technologie dans un état de l'art académique validé plutôt que dans une simple démonstration marketing. Le papier ne mentionne ni société commercialisant le produit, ni calendrier de déploiement industriel, ni comparatif chiffré face à des concurrents comme MegaPose ou FoundPose : à ce stade, xperception reste une preuve de concept technique à TRL6, dont la transition vers un produit exploité en usine reste à documenter.

Recherche❖Paper

1 source

40

890arXiv cs.RO 

IA incarnée : locomotion des quadrupèdes par apprentissage par renforcement (sim-vers-réel dans Isaac Sim)

Une équipe de recherche présente un nouveau framework d'apprentissage par renforcement (RL) pour la locomotion de robots quadrupèdes, entraîné avec Isaac Sim et son framework compagnon Isaac Lab, les outils de simulation nouvelle génération de Nvidia. La particularité de l'approche est d'obtenir un transfert "zero-shot" du simulateur vers le robot physique, c'est-à-dire une politique de contrôle qui fonctionne directement sur le matériel réel sans réentraînement ni ajustement supplémentaire. Le système gère le contrôle corps entier (whole-body control) et a été validé expérimentalement sur le Unitree Go1, un quadrupède commercial largement utilisé en recherche. Les résultats montrent des performances de suivi de vitesse comparables à celles du contrôleur intégré d'origine du robot, tout en offrant une meilleure capacité de récupération face à de fortes perturbations externes. Le robot atteint des vitesses linéaires de 2,0 m/s et des vitesses angulaires de 1,8 rad/s. Les travaux sont publiés en preprint sur arXiv (2607.18135v1). L'enjeu central de ces travaux est l'écart sim-to-real, ce fossé de performance qui survient lorsqu'une politique entraînée en simulation échoue une fois déployée sur du matériel réel, faute de correspondre exactement à la physique, aux frottements ou aux latences du monde physique. Démontrer un transfert direct et robuste, avec en prime une meilleure résilience aux chocs qu'un contrôleur classique, renforce l'argument selon lequel le RL en simulation peut désormais produire des contrôleurs de locomotion fiables sans les cycles coûteux d'essais sur robot réel. Pour les équipes d'intégration robotique, cela réduit le temps et le risque associés au déploiement de nouveaux comportements locomoteurs, un point clé pour des usages industriels comme l'inspection ou la logistique en environnement accidenté. Le travail s'inscrit dans la transition des outils Nvidia pour la robotique, Isaac Sim et Isaac Lab succédant à l'ancien Isaac Gym, alors que la firme positionne sa pile de simulation aussi bien pour les quadrupèdes que pour les humanoïdes via ses initiatives GR00T. La communauté RL pour la locomotion inclut des acteurs comme l'ETH Zurich, ANYbotics ou Boston Dynamics, avec qui ces résultats sur Go1 offrent un point de comparaison direct. Les auteurs ouvrent la voie à une extension de la méthode vers d'autres plateformes robotiques.

Recherche❖Paper

1 source

40

891arXiv cs.RO 

Robotique forestière : optimisation stochastique de trajectoire sous contraintes pour une grue forestière optimale en temps

Des chercheurs présentent TSC-VP-STO, une extension de l'algorithme VP-STO (Via-Point-based Stochastic Trajectory Optimization) destinée à la planification de trajectoires pour les grues forestières autonomes. Le problème initial de VP-STO est qu'il impose une configuration articulaire terminale fixe, définie avant même l'optimisation, ce qui limite l'exploitation de la redondance cinématique propre à ces bras manipulateurs à plusieurs degrés de liberté (DOF). TSC-VP-STO remplace cette contrainte rigide par une contrainte dans l'espace de la tâche, permettant d'optimiser conjointement la trajectoire et les degrés de liberté redondants de la posture finale. Les auteurs formalisent l'approche via une décomposition de l'espace de configuration et une contrainte d'atteignabilité spécifique à la cinématique des grues forestières. Les essais, menés sur plusieurs cibles de planification et configurations de points de passage, montrent une réduction de 12 à 15% de la durée des trajectoires en moyenne par rapport à VP-STO, avec une meilleure répartition de l'utilisation du débit hydraulique. La méthode a été validée en conditions réelles sur une grue forestière, incluant un cycle complet de chargement de grumes. L'enjeu dépasse le seul cas des grues forestières: il touche à l'automatisation de tout manipulateur hydraulique cinématiquement redondant soumis à des contraintes de débit de pompe non linéaires et globalement couplées, un problème classique en robotique industrielle lourde (foresterie, BTP, manutention). Optimiser la posture terminale plutôt que de la figer permet de mieux équilibrer la demande hydraulique entre articulations, un gain concret pour les intégrateurs cherchant à réduire les temps de cycle sans changer le matériel. La validation sur machine réelle, et pas seulement en simulation, renforce la crédibilité des gains annoncés, un point que les décideurs industriels scrutent généralement avec prudence face aux démonstrations purement simulées. Ce travail s'inscrit dans la continuité de VP-STO, déjà présenté comme quasi temps-optimal pour la planification hybride de grues forestières, et prolonge une littérature plus large sur l'optimisation stochastique de trajectoires sous contraintes robotiques. Publié comme prépublication arXiv, il reste à ce stade un résultat de recherche appliquée plutôt qu'un produit commercialisé, mais son déploiement réel sur une grue en exploitation forestière constitue une étape notable vers une adoption industrielle.

Recherche❖Paper

1 source

39

892arXiv cs.RO 

SplatSearch : navigation vers une image cible pour robots mobiles via 3D Gaussian Splatting et modèles de diffusion

Des chercheurs présentent SplatSearch, une nouvelle architecture de navigation robotique permettant à un robot mobile de retrouver un objet ou une personne spécifique à partir d'une seule image de référence, prise sous un angle arbitraire. Le système s'appuie sur des reconstructions 3D par Gaussian Splatting (3DGS) construites à partir de vues éparses, une technique bien moins gourmande en données que les reconstructions denses classiques. SplatSearch génère plusieurs points de vue synthétiques autour des objets candidats grâce à cette carte 3DGS, puis utilise un modèle de diffusion multi-vues pour compléter les zones manquantes des images rendues, ce qui permet une mise en correspondance robuste avec l'image cible. Une politique d'exploration de frontières a également été développée : elle combine le contexte visuel des vues synthétisées et le contexte sémantique de l'image but pour hiérarchiser les zones à explorer en priorité. Les auteurs rapportent des performances supérieures aux méthodes de référence actuelles, mesurées en taux de réussite et en longueur de chemin jusqu'au succès, sur des environnements domestiques photoréalistes et des tests en conditions réelles. Une étude d'ablation confirme la pertinence des choix de conception retenus. Cette avancée s'attaque à un problème central pour la robotique de service et l'inspection industrielle : la capacité d'un robot à localiser une cible précise dans un environnement inconnu, sans dépendre d'un scan 3D exhaustif préalable. La navigation par instance d'image (Instance Image Goal Navigation) est particulièrement exigeante lorsque l'image de référence est prise sous un angle très différent de celui du robot au moment de la recherche, un scénario fréquent en usage réel mais souvent contourné dans les benchmarks. En misant sur des reconstructions éparses complétées par diffusion plutôt que sur des cartes 3D denses coûteuses à construire, l'approche pourrait réduire le temps de calibration nécessaire au déploiement de robots de recherche et de récupération d'objets, un enjeu concret pour les intégrateurs travaillant sur des AMR en environnement domestique ou logistique. Le travail s'inscrit dans la lignée des recherches combinant 3D Gaussian Splatting et navigation robotique, une technique de rendu apparue en 2023 et rapidement adoptée pour la cartographie temps réel en raison de sa rapidité par rapport aux champs de radiance neuronaux (NeRF). SplatSearch se positionne face aux méthodes état de l'art existantes en IIN, qu'il dépasse selon les métriques de taux de réussite et de longueur de chemin rapportées dans l'article, republié en version 2 sur arXiv. Le papier ne précise pas de partenariat industriel ni de calendrier de déploiement commercial ; il s'agit à ce stade d'une contribution de recherche académique, validée par simulation et par des tests réels limités, sans indication d'un acteur français ou européen impliqué.

Recherche❖Paper

1 source

39

893arXiv cs.RO 

ConceptTree : la transparence sémantique pour la prise de décision en boîte noire dans la manipulation robotique

Le laboratoire à l'origine de ConceptTree propose une nouvelle méthode pour rendre transparente la sélection de compétences dans la manipulation robotique à long horizon, un domaine où les approches actuelles fonctionnent comme des boîtes noires opaques entre observation et action. Publié sur arXiv (2607.17861v1), le framework reformule la décision comme un raisonnement sur des concepts interprétables par l'humain : plutôt que d'apprendre une représentation latente implicite, le système construit un espace de concepts normalisé et ancré dans les observations visuelles, sur lequel un arbre de décision est entraîné pour prédire les compétences de haut niveau à exécuter. Testé sur des tâches réelles de manipulation robotique de complexité croissante, ConceptTree surpasse systématiquement les méthodes concurrentes à base de concepts, l'écart se creusant sur les scénarios longs et complexes. Les auteurs montrent aussi, via des études de cas qualitatives, qu'il est possible de corriger une erreur de décision en modifiant directement un concept individuel, sans réentraîner le modèle. L'enjeu dépasse la seule performance brute. Les politiques de manipulation actuelles, notamment les modèles VLA (vision-language-action) type Pi-0, GR00T ou Helix, gagnent en capacité mais restent difficiles à auditer : quand un bras robotique se trompe, il est souvent impossible de savoir pourquoi sans tout réentraîner. Pour les intégrateurs industriels et les responsables de déploiement, cette opacité freine la certification et la supervision humaine dans des environnements sensibles. En rendant chaque décision traçable et modifiable, ConceptTree répond directement à ce problème de confiance, sans sacrifier les performances sur les tâches longues, un compromis que les baselines à base de concepts peinaient jusqu'ici à tenir. Ce travail s'inscrit dans un courant de recherche plus large sur les modèles à goulot d'étranglement conceptuel (concept bottleneck models), déjà explorés en vision par ordinateur, désormais transposés à la robotique. L'article ne précise pas d'implication industrielle ni de déploiement commercial : il s'agit d'une contribution académique, dont la validation reste circonscrite à des bancs d'essai réels mais contrôlés. Les prochaines étapes attendues porteraient sur l'extension à des tâches encore plus longues et des environnements moins structurés.

Recherche❖Paper

1 source

39

894arXiv cs.RO 

Robots quadrupèdes : transport coopératif par NMPC distribué et critique de sécurité basé sur ADMM

Une équipe de recherche publie sur arXiv (2607.17007v1, dépôt du 24 juillet 2026) un framework de commande prédictive non linéaire distribuée (DNMPC) pour le transport coopératif de charges par des équipes de robots quadrupèdes. Le système robotique et la charge partagée sont modélisés comme un réseau dynamiquement couplé par des contraintes holonomes rigides. Le problème d'optimisation centralisé à horizon fini est décomposé en sous-problèmes NMPC locaux résolus en parallèle et coordonnés via ADMM (alternating direction method of multipliers), avec un consensus imposé à la fois sur l'état de la charge et sur les torseurs d'interaction, en intégrant les contraintes de couplage holonome au niveau accélération. La sécurité (évitement d'obstacles pour les robots et pour la charge) est assurée par des fonctions barrières de contrôle d'ordre supérieur (HOCBF). Le framework est validé en simulation avec des équipes de deux, trois et quatre robots dans des environnements encombrés, puis testé en temps réel sur des équipes de deux et trois robots sous incertitude de charge et perturbations externes, avec une réduction jusqu'à 23% du temps de résolution du problème d'optimisation non linéaire par rapport à une NMPC centralisée, pour des performances en boucle fermée comparables. L'intérêt principal est la scalabilité: la commande centralisée devient rapidement le goulot d'étranglement quand le nombre de robots coopérants augmente, ce qui limite le transport collectif de charges à des cas de petite échelle. En distribuant le calcul tout en conservant un consensus explicite sur l'état de la charge, plutôt qu'un consensus limité aux seuls torseurs d'interaction comme dans des travaux antérieurs, les auteurs améliorent le suivi de trajectoire de la charge et la coordination, un point que les études d'ablation confirment. La robustesse démontrée aux délais de communication est également significative pour un déploiement réel, où les liaisons sans fil entre robots ne sont jamais parfaites. Le travail s'inscrit dans la lignée des recherches sur la NMPC distribuée par ADMM et les barrières de contrôle pour la sécurité, déjà explorées pour des robots à roues ou aériens, mais adaptées ici aux contraintes spécifiques des quadrupèdes coopérant sur une charge rigide. Il s'agit d'une contribution académique, sans annonce de pilote industriel ni de partenaire commercial identifié; les suites logiques évoquées par les auteurs concernent le passage à des équipes plus grandes et des environnements moins structurés.

Recherche❖Paper

1 source

39

895arXiv cs.RO 

HyperDCM : rejeu dynamique de mémoire par clusters en espace hyperbolique pour la navigation robotique continue à travers différentes scènes

Des chercheurs proposent HyperDCM (Hyperbolic Dynamic Cluster Memory), un mécanisme de mémoire destiné à la navigation robotique en apprentissage continu, décrit dans une prépublication arXiv (2607.16267v1) parue fin juillet 2026. Le système s'attache à résoudre l'oubli catastrophique, ce phénomène par lequel un robot perd sa capacité à naviguer dans des environnements déjà appris lorsqu'il en découvre de nouveaux. HyperDCM combine plusieurs briques : des modèles de vision-langage extraient des triplets sémantiques (objets, relations spatiales) à partir d'images RGB, un réseau de convolution sur graphes relationnels (R-GCN) encode ces scènes sous forme de graphes, puis ces représentations sont projetées dans un espace hyperbolique plutôt qu'euclidien pour mieux préserver la structure hiérarchique des scènes. Une stratégie de clustering dynamique sélectionne ensuite les exemples les plus représentatifs à rejouer en mémoire, plutôt que de stocker l'ensemble des trajectoires passées. Le tout s'intègre à des politiques de navigation par diffusion, testées sur des jeux de données multi-scènes en intérieur et en extérieur, où HyperDCM affiche une meilleure rétention des compétences acquises et une meilleure généralisation que les méthodes de continual learning de référence adaptées à ce cadre. Pour l'industrie robotique, ce type de travail répond à un vrai point de friction commercial : un robot mobile ou humanoïde déployé sur plusieurs sites clients doit s'adapter à chaque nouvel entrepôt ou bâtiment sans effacer ses acquis précédents, faute de quoi chaque déploiement nécessite un réentraînement coûteux. Une mémoire structurée et compacte, capable de conserver l'essentiel sans stocker toutes les données brutes, va dans le sens d'une navigation véritablement continue et scalable, un prérequis pour les flottes d'AMR ou de robots humanoïdes opérant chez plusieurs intégrateurs. Le travail s'inscrit dans la lignée des recherches sur les politiques de diffusion appliquées à la navigation et sur l'apprentissage continu en robotique, un domaine où la plupart des méthodes existantes proviennent de la vision par ordinateur classique et s'adaptent mal aux contraintes spatiales de la navigation. À ce stade, HyperDCM reste un résultat de recherche validé sur benchmarks académiques, sans annonce de déploiement industriel ni de partenariat commercial ; la suite logique serait une validation sur des plateformes robotiques réelles et une comparaison directe avec les architectures de mémoire utilisées par les grands modèles VLA du secteur.

Recherche❖Paper

1 source

39

896arXiv cs.RO 

Retriever : composer des programmes robotiques asynchrones en boucle fermée

Une équipe de recherche publie Retriever, un framework pour construire des agents robotiques à horizon long qui enchaînent perception, mise à jour des croyances, planification et contrôle, des composants qui tournent à des cadences différentes avec des latences variables. Décrit dans un article arXiv (2607.17213v1), le système représente un agent comme un graphe de fonctions de flux causales et stateful, exécutées sur des horloges d'exécution explicites. Retriever couvre toute la pile technique : un modèle de décision asynchrone, un modèle de programmation, un runtime compilant ces graphes vers plusieurs backends, et un pipeline d'agent en boucle fermée fourni en exemple. Les auteurs formalisent cette approche via une boucle environnement-agent asynchrone sur des flux en temps continu, et démontrent que des politiques causales à mémoire finie peuvent être représentées par composition de ces opérateurs. Le système a été évalué à travers une étude de cas sur robot réel, complétée par des mesures contrôlées du surcoût du runtime et du comportement de rejeu déterministe. Le problème que Retriever cherche à résoudre est bien connu des équipes qui déploient des robots autonomes en conditions réelles : aujourd'hui, ces pipelines sont souvent assemblés avec des conventions de concurrence et de publication/abonnement ad-hoc, rendant implicite la sémantique de timing et de consommation des entrées. Résultat, un comportement dépendant de l'ordonnancement, difficile à reproduire, déboguer et réutiliser, un frein direct à la fiabilité des systèmes en production. En proposant un débogage systématique et un rejeu déterministe à partir de données asynchrones journalisées, Retriever s'attaque directement à un angle mort de l'ingénierie robotique actuelle, où la plupart des solutions traitent soit la couche algorithmique soit la couche systèmes, rarement les deux ensemble. Ce travail s'inscrit dans une tendance de fond de la recherche en robotique appliquée, cherchant à industrialiser les architectures d'agents complexes plutôt qu'à empiler des modèles plus puissants. Il fait écho aux efforts autour des architectures VLA (vision-language-action) et des pipelines multi-composants déployés sur des plateformes comme les humanoïdes ou les AMR, où la robustesse logicielle devient aussi critique que la performance des modèles eux-mêmes. Les auteurs ne précisent pas de partenariat industriel ni de calendrier de diffusion publique de l'outil, mais positionnent explicitement Retriever comme une brique d'infrastructure réutilisable, destinée aux équipes de recherche et développement construisant des agents robotiques à long horizon.

Infrastructure⚡Actu

1 source

39

897arXiv cs.RO 

L'apprentissage par imitation en contexte avec raisonnement visuel

Un article de recherche publié sur arXiv (identifiant 2603.07530v2, version révisée) présente ICLR, pour "In-Context Imitation Learning with Visual Reasoning", une nouvelle méthode d'apprentissage par imitation en contexte pour les robots manipulateurs. Le principe consiste à faire adapter un robot à une nouvelle tâche à partir d'un petit nombre de démonstrations, sans réentraînement du modèle. La nouveauté d'ICLR est d'enrichir les démonstrations avec des traces de raisonnement visuel structurées, c'est-à-dire des trajectoires futures anticipées du robot représentées directement dans l'espace image, plutôt que de se limiter aux seules paires état-action utilisées par les approches existantes. Ces traces de raisonnement et les actions de bas niveau sont apprises conjointement au sein d'un unique transformeur autorégressif, ce qui permet au modèle d'imiter non seulement le geste final mais aussi le cheminement qui y conduit. Les auteurs rapportent des évaluations à la fois en simulation et sur des tâches de manipulation réelles, avec des gains constants en taux de succès et en généralisation face à des tâches inédites et de nouvelles configurations d'objets, comparé aux méthodes d'apprentissage par imitation en contexte existantes. L'enjeu pour l'industrie robotique tient au principal talon d'Achille des systèmes vision-langage-action (VLA) actuels: leur capacité à généraliser au-delà des tâches et objets vus à l'entraînement reste limitée, surtout quand une même séquence de gestes peut correspondre à des intentions différentes selon le contexte. En donnant au modèle une représentation explicite de l'intention, sous forme de trajectoire visuelle anticipée plutôt qu'une simple politique action-état, ICLR s'attaque directement à l'ambiguïté qui bloque le déploiement des robots généralistes en environnement peu structuré. Si les résultats se confirment à plus grande échelle, cela renforcerait l'hypothèse selon laquelle intégrer un raisonnement visuel explicite, plutôt que de scaler uniquement les données de démonstration, est une voie crédible pour rendre les politiques d'apprentissage en contexte plus robustes, un enjeu direct pour les intégrateurs qui cherchent à déployer des bras robotiques capables de s'adapter rapidement à de nouvelles références produits sans campagne de réentraînement coûteuse. Ce travail s'inscrit dans la lignée des recherches récentes sur l'apprentissage par imitation en contexte (in-context imitation learning), un domaine qui cherche à reproduire pour la robotique la flexibilité du few-shot learning observée dans les grands modèles de langage, et fait écho aux efforts plus larges autour des modèles VLA tels que Pi-0 ou GR00T N2, qui tentent eux aussi de combler l'écart entre démonstrations en laboratoire et déploiement réel. L'article ne précise pas d'industriel partenaire ni de calendrier de mise en production; il s'agit d'une contribution académique, acceptée pour la conférence ICLR, dont l'apport reste à ce stade expérimental. La suite logique pour ce type de travaux est généralement une intégration progressive dans des piles logicielles open source de manipulation robotique, avant une éventuelle reprise par des acteurs commerciaux du secteur.

Recherche❖Paper

1 source

39

898arXiv cs.RO 

Modèles du monde JEPA à régularisation de profondeur : des représentations plus transférables à partir de données robotiques réelles en extérieur

Publié sur arXiv (arXiv:2607.16314v1), un nouveau papier de recherche propose une architecture de modèle du monde basée sur JEPA (Joint Embedding Predictive Architecture) qui intègre la profondeur comme prior géométrique pendant l'entraînement. L'équipe a entraîné un modèle de 18 millions de paramètres sur des vidéos capturées par un robot agricole réel évoluant en extérieur, un environnement visuellement complexe et imprévisible par rapport aux données de laboratoire habituelles. La méthode combine une supervision par carte de profondeur avec un régularisateur latent isotrope appelé SIGReg, qui vise la représentation la plus riche en information possible tout en respectant la géométrie de la scène, et ajoute une surparamétrisation limitée à l'entraînement pour ne pas alourdir l'inférence. Face à la baseline LeWM, les résultats montrent une réduction de 33% de l'erreur sur une sonde d'odométrie visuelle à représentation gelée, une meilleure séparation du score de surprise à la fois sur les données d'origine et sur le benchmark hors domaine TartanGround, ainsi qu'une fidélité accrue des projections latentes multi-étapes sous décalage de domaine, avec des gains qui s'amplifient à mesure que l'horizon de prédiction s'allonge. Ce travail répond à un problème central pour la robotique de terrain: la plupart des modèles du monde performent bien en simulation ou en environnement contrôlé, mais peinent à généraliser sur des données réelles bruitées, avec éclairage variable et textures complexes. Montrer qu'un simple prior physique, la profondeur, améliore la transférabilité sans ajouter de coût de calcul à l'inférence est significatif pour les intégrateurs qui doivent déployer des modèles embarqués sur des robots agricoles, des AMR ou d'autres plateformes mobiles à ressources limitées. Le résultat le plus notable dépasse la géométrie pure: le modèle améliore aussi la détection de surprise sur des phénomènes physiques non directement liés à la 3D, comme l'éclairage et les ombres, ce qui suggère un effet d'amélioration générale de la qualité des représentations plutôt qu'un simple gain spécifique à la tâche de profondeur. À noter toutefois que les gains sont mesurés sur un seul type de robot et un modèle de taille modeste, la généralisation à d'autres plateformes reste à démontrer. Les architectures JEPA, popularisées par les travaux de Yann LeCun chez Meta, sont présentées comme une alternative aux modèles génératifs pixel par pixel pour apprendre la dynamique du monde sans reconstruire chaque détail visuel. Ce papier s'inscrit dans cette lignée en cherchant à rendre ces modèles utilisables sur des données réelles de terrain, un défi que la littérature identifie souvent comme le principal obstacle entre les démonstrations en simulation et le déploiement effectif. Les auteurs positionnent leur approche contre LeWM comme référence directe et s'appuient sur TartanGround pour valider la généralisation hors domaine. Les prochaines étapes attendues incluraient l'extension à d'autres types de robots et capteurs, et l'intégration de ce modèle du monde dans des politiques de contrôle robotique complètes plutôt que dans des sondes d'évaluation isolées.

Recherche❖Paper

1 source

39

899arXiv cs.RO 

Main basse pour un pouce anthropomorphe sans capteurs, souple, actionné par électrohydraulique

Un article publié sur arXiv (version révisée, "replace") présente une main robotique anthropomorphe entièrement actionnée par des vérins électrohydrauliques de type Peano-HASEL, sans capteurs externes. Les chercheurs ont déporté les actionneurs dans l'avant-bras plutôt que dans la main elle-même, ce qui isole l'interface de préhension des risques électriques tout en conservant un profil fin, proche de la morphologie humaine. Pour compenser la contraction linéaire limitée de ces actionneurs souples, l'équipe a intégré un mécanisme de poulies avec un rapport de démultiplication de 1:2, qui amplifie mécaniquement le déplacement des tendons. Point clé du système: la nature auto-détectrice des actionneurs HASEL permet, en surveillant simplement le courant de fonctionnement, de détecter la préhension en temps réel et d'assurer un contrôle en boucle fermée sensible au contact, sans capteurs de force ni encodeurs additionnels. Les essais montrent que la main reproduit des types de prise issus des taxonomies standards et manipule sans les détruire des objets très fragiles, comme un ballon en papier. L'intérêt pour l'industrie robotique tient moins à la puissance qu'à la sécurité intrinsèque: en misant sur des actionneurs qui limitent naturellement la force appliquée plutôt que sur des capteurs externes coûteux, ce type d'architecture pourrait simplifier la conception de mains destinées à la manipulation d'objets fragiles ou à l'interaction physique avec des humains, un enjeu central pour les intégrateurs travaillant sur la cobotique et les humanoïdes. Le compromis assumé, une capacité de charge utile réduite au profit de la compliance, illustre bien la tension classique entre sécurité passive et performance brute dans les mains robotiques actuelles. Les actionneurs HASEL (hydraulically amplified self-healing electrostatic) s'inscrivent dans la lignée des muscles artificiels électrohydrauliques étudiés en robotique souple depuis plusieurs années, en alternative aux mains rigides à câbles ou tendons équipées de capteurs de force et couple, comme la Shadow Hand. Ce travail reste à un stade de recherche académique: aucune date de commercialisation ni déploiement industriel n'est mentionné, et les prochaines étapes attendues concernent probablement l'augmentation de la capacité de charge et des tests hors laboratoire.

Recherche❖Paper

1 source

39

900arXiv cs.RO 

Utilisateur-guidé : apprentissage par démonstration de trajectoire et d'impédance

Des chercheurs publient sur arXiv (papier 2607.16998, juillet 2026) une nouvelle méthode d'apprentissage par démonstration (Learning from Demonstration, LfD) pilotée par l'utilisateur, validée sur un bras robotique KUKA LWR IV+ à 7 degrés de liberté (DOF). Le système combine un algorithme de "Fast Diffeomorphic Matching" (FDM) tridimensionnel avec un générateur de mouvement basé sur les systèmes dynamiques (DS), complété par un filtre de Kalman étendu (EKF) qui compense les erreurs de reproduction et permet au robot de récupérer après une perturbation externe. Une fonction de paramétrisation d'impédance apprend en temps réel les variations de raideur du bras à partir d'une unique démonstration, notamment pour maintenir un contact stable avec une surface. L'objectif affiché est d'éliminer le réenseignement répété d'une même tâche, en apprenant en une seule fois (single-shot) à la fois la trajectoire et la conformité mécanique nécessaires pour la reproduire avec précision. Pour les intégrateurs et les équipes de robotique industrielle, l'enjeu est la sécurité et l'efficacité de l'interaction homme-robot (HRI). Les trajectoires classiques indexées dans le temps, rigides par nature, posent un problème de sécurité dès qu'un opérateur interagit physiquement avec le bras ou qu'un obstacle imprévu survient, le robot suivant son chemin sans s'adapter. En apprenant simultanément la géométrie du mouvement et son impédance, la méthode cherche à combiner précision de reproduction et sécurité intrinsèque, sans complexifier la phase d'enseignement pour l'opérateur qui ne réalise la démonstration qu'une seule fois. C'est un signal, parmi d'autres travaux récents en LfD, que la communauté robotique cherche à sortir du dilemme précision contre compliance qui limite aujourd'hui le déploiement des bras collaboratifs sur des tâches de contact (polissage, assemblage, ébavurage) en environnement partagé avec des humains. Cette approche s'inscrit dans la lignée des méthodes de LfD basées sur les systèmes dynamiques (DS-GMM, DMP et variantes), déjà largement étudiées pour encoder des trajectoires robustes aux perturbations, mais qui peinent traditionnellement à intégrer une impédance variable sans multiplier les démonstrations ou les phases de réglage manuel. Le choix du KUKA LWR IV+, bras à sept degrés de liberté doté d'un contrôle en couple aux articulations, reste une plateforme de référence académique pour ce type d'expérimentation en contrôle d'impédance et en manipulation compliante. Déposé sur arXiv comme nouvelle soumission, le papier n'en est qu'au stade de la validation expérimentale en laboratoire: aucune indication d'industrialisation ni de partenariat n'est mentionnée, et des essais sur d'autres plateformes et des tâches d'usine réelles seront nécessaires pour juger de sa portée au-delà du cas d'étude KUKA.

Recherche❖Paper

1 source