Actualités robotique — page 21

4 531 articles au fil, du plus récent au plus ancien.

42

1001Interesting Engineering 

China vise 1 000 robots humanoïdes Iron par mois avant un déploiement mondial en 2027

Xpeng, le constructeur chinois de véhicules électriques, accélère la production de son robot humanoïde Iron avec l'objectif de dépasser 1 000 unités par mois d'ici fin 2026, en vue d'un déploiement mondial prévu pour 2027. Les premiers exemplaires seront installés comme assistants de vente dans les showrooms chinois de la marque au premier trimestre 2027, avant une extension aux magasins à l'étranger dans la seconde moitié de l'année, selon des sources citées par le Wall Street Journal et relayées par CNEV Post. Dévoilé lors de l'AI Day de Xpeng en novembre 2025, Iron mesure 178 cm pour 70 kg, des proportions proches de celles d'un adulte moyen. Sa structure mécanique s'inspire de la colonne vertébrale et du système musculo-squelettique humains, avec des actionneurs imitant des muscles synthétiques répartis sur 62 articulations actives, et des mains offrant 22 degrés de liberté capables de manipuler aussi bien des objets fragiles que des outils plus lourds. Le robot embarque trois puces Turing développées en interne, pour une puissance de calcul cumulée de 2 250 TOPS, une batterie tout solide, et le modèle Vision-Language-Action maison de Xpeng, entraîné sur des milliers d'heures de données de mouvement humain, qui lui permettrait de marcher jusqu'à 2 mètres par seconde. Cette montée en cadence de production intéresse directement l'écosystème de la robotique humanoïde, où l'écart entre démonstrations scéniques et déploiements industriels réels reste la question centrale. Iron avait déjà fait parler de lui pour de mauvaises raisons : sa démarche jugée si fluide sur scène a poussé certains observateurs à soupçonner qu'un humain se trouvait à l'intérieur, obligeant le PDG He Xiaopeng à exposer publiquement la structure mécanique interne du robot pour couper court aux doutes. Un objectif de 1 000 unités mensuelles, si tenu, placerait Xpeng parmi les rares acteurs à afficher des volumes de fabrication significatifs sur ce segment, aux côtés de Tesla (Optimus) et Figure AI (Figure 03). Mais l'usage annoncé, assistant de vente en showroom, reste pour l'instant un déploiement à faible risque opérationnel comparé à des tâches industrielles ou logistiques, ce qui invite à relativiser la portée de l'annonce tant qu'aucun pilote en usage réel n'est documenté. Ce virage s'inscrit dans une stratégie plus large de Xpeng, qui cherche à transformer son savoir-faire en conduite autonome et en intelligence artificielle embarquée, développé pour ses véhicules électriques, en une offre d'IA physique plus large. L'entreprise a récemment présenté ce qu'elle présente comme le premier robotaxi chinois entièrement développé en interne et prêt pour la production, bâti sur sa plateforme GX et conçu pour répondre aux standards de conduite autonome de niveau 4. Sur le marché des humanoïdes, Xpeng affronte une concurrence dense, entre les groupes chinois rivaux comme Unitree ou UBTech, et les acteurs américains Tesla et Figure AI, ainsi que des laboratoires spécialisés dans les modèles VLA comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2). La feuille de route reste pour l'instant celle d'un teaser industriel : la production de masse et le calendrier de déploiement en Chine puis à l'international pour 2027 restent à confirmer par des livraisons effectives, aucun contrat commercial concret n'ayant été détaillé à ce stade.

Chine/Asie⚡Actu

1 source

43

1002Interesting Engineering 

Vidéo : les robots d'usine du spin-off américain de Toyota apprennent de leur expérience sur le terrain

Walden Robotics, spinout de Toyota Research Institute basé à Cambridge, Massachusetts, sort de son mode furtif avec une plateforme robotique généraliste conçue pour apprendre directement sur le poste de travail plutôt que suivre des séquences préprogrammées. L'entreprise a été créée en janvier 2026 et déploie déjà ses robots dans une usine Toyota en Amérique du Nord depuis février, passant d'un pilote initial à une production active en moins de deux mois. Son approche combine des Large Behavior Models et du Diffusion Policy, deux techniques d'IA permettant aux robots d'acquérir des compétences de manipulation par l'expérience réelle plutôt que par reprogrammation. Walden annonce parallèlement une levée de 300 millions de dollars, valorisant l'entreprise à 1,1 milliard de dollars, un tour co-mené par Toyota et Deviation Capital avec la participation de NVIDIA, Boeing, Samsung Ventures, AE Ventures, Prologis Ventures, CoreWeave Ventures et Menlo Ventures. Le PDG et cofondateur, Russ Tedrake, était auparavant vice-président senior des Large Behavior Models chez Toyota Research Institute et reste professeur au MIT. La société cible l'automobile, l'aérospatial, les semi-conducteurs, l'électronique, la logistique et les sciences de la vie. L'intérêt de l'annonce tient moins à la levée de fonds, conséquente mais désormais courante dans le secteur, qu'au positionnement revendiqué : des robots opérationnels dès le premier jour sur des tâches difficiles à automatiser, qui s'améliorent ensuite par l'usage plutôt que par des cycles de reprogrammation coûteux. Cela répond directement à une pénurie de main-d'œuvre en usine et en logistique, tout en testant grandeur nature l'hypothèse selon laquelle les modèles fondation type VLA peuvent tenir la charge en production réelle, et pas seulement en démonstration contrôlée. Tedrake insiste d'ailleurs sur ce point : l'objectif est la valeur pratique en usine avec des industriels, pas la vitrine technologique. Si les revendications se confirment sur la durée, cela validerait un argument encore débattu dans la robotique humanoïde et industrielle, celui du passage réel de la démo au déploiement à l'échelle. Le pedigree de Walden s'inscrit dans la continuité des recherches de Toyota Research Institute sur l'apprentissage robotique, dont Tedrake pilotait déjà les travaux sur les Large Behavior Models avant le spinout. La concurrence s'organise sur plusieurs fronts : l'américain Robot.com vient par exemple de lancer R-Noid, un humanoïde à deux bras de 7 degrés de liberté proposé en mode Robot-as-a-Service, déployable en huit à douze semaines et décliné en cinq configurations (restauration, emballage, prélèvement, pliage, accueil) pour la logistique, la santé, l'hôtellerie et la restauration. Reste à voir si Walden publiera des spécifications techniques détaillées et des données de performance vérifiables, au-delà de l'annonce du pilote Toyota.

IA physique❧Opinion

1 source

38

1003Robotics Business Review 

Lockheed Martin fait appel aux robots de Machina pour des pièces de missiles critiques

Machina Labs a obtenu un contrat de qualification de Lockheed Martin dans le cadre du programme JASSM (Joint Air-to-Surface Standoff Missile), une première pour un composant fabriqué avec sa technologie robotique "RoboForming" qui atteint ce stade de qualification pour un système de missile de défense américain. Le procédé repose sur des cellules de travail composées de deux robots industriels placés de part et d'autre d'une feuille de métal brut, qui la déforment progressivement par des mouvements coordonnés, à la manière d'un forgeron, pour obtenir des pièces complexes dans des matériaux exotiques comme le titane. La dernière génération de ces cellules ajoute le perçage, la découpe et le gravage laser. Contrairement à une ligne d'emboutissage classique, coûteuse à mettre en place, une cellule Machina peut produire des pièces de haute qualité en très petites séries, y compris à l'unité. Pour honorer ce contrat, l'entreprise ouvre une nouvelle usine, Machina Factory 3, dédiée exclusivement à Lockheed Martin et aux autres clients de défense: 18 580 m² (200 000 pieds carrés), jusqu'à 50 cellules RoboCraftsman, avec formage, usinage, soudure et assemblage regroupés sous un même toit pour, selon l'entreprise, compresser des délais de production de plusieurs mois à quelques jours. L'enjeu dépasse le seul contrat JASSM: Edward Mehr, cofondateur et PDG de Machina, situe le problème non pas dans la conception des missiles mais dans la capacité de production de la base industrielle de défense américaine, jugée trop lente face aux besoins de montée en cadence. Une qualification de ce type valide, pour un secteur habitué aux méthodes de fabrication traditionnelles et aux cycles de qualification longs, qu'une approche robotique flexible et pilotée numériquement peut répondre aux exigences de fiabilité des programmes militaires critiques, un test bien plus dur que les démonstrations habituelles de fabrication additive ou de robotique industrielle. Pour les décideurs B2B et intégrateurs, le signal est celui d'un modèle de fabricant sous contrat entièrement automatisé qui pourrait s'imposer comme alternative crédible aux chaînes d'emboutissage classiques, notamment pour les petites séries et les pièces à délai court, un segment que Lockheed Martin Ventures a explicitement identifié en investissant dans l'entreprise. Machina Labs, lauréat d'un prix RBR50 Robotics Innovation Award en 2023 pour cet usage inédit de robots industriels dans le formage métallique, ne vend pas ses cellules mais opère en tant que fabricant sous contrat. Chris Moran, vice-président et directeur général de Lockheed Martin Ventures, a salué la combinaison de vitesse, flexibilité et scalabilité ayant motivé l'investissement initial, tandis que John Borrego, président de Machina Bellator, la filiale dédiée à la défense, évoque un renforcement de la préparation industrielle américaine. La suite dépendra de la montée en puissance de Factory 3, actuellement en construction, et de son intégration à d'autres programmes de défense au-delà du JASSM.

Industriel⚡Actu

1 source

43

1004Pandaily 

LimX Dynamics dévoile une démo qui défie Figure : le humanoïde chinois rivalise désormais avec le meilleur de la Silicon Valley

LimX Dynamics a diffusé une vidéo de démonstration de 3 minutes, en plan-séquence unique, montrant son robot humanoïde de taille humaine Oli exécuter de façon autonome une séquence continue de tâches ménagères : décrocher des vêtements de cintres, les ranger dans un panier à linge, trier des jouets, empiler des boîtes, se pencher profondément pour ramasser des débris au sol et jeter des déchets. La séquence est présentée comme ininterrompue, non montée et réalisée sans téléopération humaine. Cette publication intervient un jour seulement après l'annonce par LimX d'un tour de financement pré-IPO de 200 millions de dollars, valorisant l'entreprise à 2,3 milliards de dollars. Le système à l'origine de cette démonstration, baptisé COSA 0.5, repose sur une architecture à trois niveaux selon Zhang Wei, fondateur de LimX : une couche cognitive S2 pour la compréhension de scène, la mémoire, le raisonnement et la planification ; une couche de compétences S1 intégrant notamment des modèles vision-langage-action (VLA) ; et une couche de contrôle moteur S0, une politique Transformer corps entier tournant à 1000 Hz pour l'équilibre et la coordination. Cette démonstration mérite d'être prise avec prudence puisqu'il s'agit d'une vidéo unique diffusée par l'entreprise elle-même, sans vérification indépendante ni détail sur le nombre de prises nécessaires en amont. Elle n'en reste pas moins significative : jusqu'ici, seul Figure avait publié des démonstrations comparables en matière de continuité des tâches, de complexité des enchaînements et de contrôle corps entier sans intervention humaine. Que LimX affiche un niveau similaire, avec un calendrier de développement plus court, interroge l'hypothèse selon laquelle Figure disposerait d'une avance technologique difficile à rattraper. L'argument de Zhang Wei, selon lequel un "cerveau" robotique doit être conçu comme un système modulaire plutôt qu'un modèle monolithique toujours plus gros, offre aussi un contrepoint à la course actuelle aux modèles fondation géants dans la robotique humanoïde : chaque couche de COSA pouvant en théorie être mise à jour indépendamment, l'architecture promet des cycles d'itération plus rapides que les approches bout-en-bout. La démonstration confirme également le positionnement stratégique de LimX, qui cible en priorité les environnements domestiques, commerciaux, hôteliers et de loisirs plutôt que les lignes de production industrielles privilégiées par la majorité des acteurs du secteur. En réussissant à montrer une gestion crédible de l'imprévisibilité d'un intérieur non structuré, LimX renforce son pari qu'un premier marché de masse pour les humanoïdes émergera du service à la personne avant l'usine. Reste à savoir si l'entreprise, forte de sa levée récente, transformera cette démonstration en déploiements pilotes concrets dans les mois à venir.

Humanoïdes❧Opinion

1 source

46

1005arXiv cs.RO 

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

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

Recherche❖Paper

1 source

46

1006arXiv cs.RO 

IA généralisable par ancrage de représentation et alignement langage-action pour les modèles VLA

Le laboratoire à l'origine de ce travail publie Anchor-Align, une méthode de finetuning pour les politiques vision-langage-action (VLA), décrite dans un article arXiv (2607.13429, juillet 2026, projet en ligne sur anchoralignvla.github.io). Le problème ciblé est concret : quand un modèle vision-langage préentraîné est affiné sur des démonstrations robotiques par clonage comportemental (behavior cloning), il perd progressivement les représentations qui lui permettaient de généraliser visuellement et sémantiquement. Le co-entraînement sur des données web texte-image, remède habituel, ne corrige pas le vrai défaut : les pertes de langage et d'action portent sur des observations différentes, ce qui laisse un désalignement langage-action invisible aux benchmarks de manipulation classiques. Anchor-Align ajoute deux objectifs d'entraînement, l'un qui distille les représentations couche par couche d'une copie figée du VLM d'origine, l'autre qui convertit chaque action cible en étiquette discrète de direction de mouvement pour entraîner conjointement langage et action sur la même observation robotique. Sur un bras robotique physique xArm7, avec deux architectures VLA largement utilisées, les taux de réussite passent de 28% à 54% pour l'une et de 37% à 60% pour l'autre. L'enjeu dépasse la seule courbe de performance : c'est une remise en cause d'un présupposé du secteur des VLA, celui du "plus de données de co-entraînement suffit" pour éviter l'oubli catastrophique. En montrant qu'il existe un désalignement structurel que les benchmarks de manipulation standards ne détectent pas, les auteurs pointent un angle mort méthodologique qui concerne tous les laboratoires construisant des politiques de type RT-2, OpenVLA, Pi-0 ou GR00T. Pour les équipes qui finetunent des VLA pour des tâches industrielles, le message est que préserver les représentations préentraînées et apprendre correctement l'action ne sont pas des objectifs contradictoires, contrairement à l'hypothèse implicite du compromis généralisation-performance. Il faut toutefois noter que la majorité des gains rapportés (LIBERO-PRO, LIBERO-Plus, CALVIN) proviennent de simulation, avec seulement deux architectures testées en conditions réelles sur un unique bras robotique, ce qui limite la portée immédiate pour un déploiement industriel à grande échelle. Le contexte est celui d'une course intense autour des modèles VLA depuis l'émergence de RT-2 puis des systèmes open source comme OpenVLA, où le clonage comportemental sur démonstrations téléopérées est devenu la recette standard malgré ses limites connues de généralisation. Anchor-Align se positionne comme une brique méthodologique plutôt qu'un produit ou un robot, sans annonce de partenariat industriel ni de calendrier de déploiement pour l'instant. La suite logique serait une validation sur davantage d'architectures et de plateformes physiques, ainsi qu'une comparaison directe avec les techniques de co-entraînement existantes utilisées par les acteurs commerciaux du secteur, pour voir si le gain se maintient à l'échelle des flottes industrielles réelles.

IA physique⚡Actu

1 source

46

1007arXiv cs.RO 

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

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

Recherche⚡Actu

1 source

45

1008arXiv cs.RO 

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

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

Recherche❖Paper

1 source

44

1009arXiv cs.RO 

Apprentissage de compétences avant/arrière à partir d'une seule démonstration inachevée pour tâches de manipulation contraintes

Chercheurs de l'Automation and Control Institute (ACIN) de la TU Wien publient un nouveau framework d'apprentissage par démonstration (LfD) pour les tâches de manipulation en contact, dans un article arXiv daté du 16 juillet 2026 (arXiv:2607.13882v1). Contrairement aux méthodes existantes qui exigent plusieurs démonstrations complètes, leur système apprend à la fois l'exécution avant et arrière d'une compétence à partir d'une seule démonstration, potentiellement inachevée. La méthode découpe chaque démonstration en phases sans contact et en phases de contact : les premières sont encodées via des primitives de mouvement dynamiques (DMP), les secondes représentées comme une séquence de primitives de mouvement vissé (screw motion primitives), segmentées grâce à un algorithme de segmentation par direction de torsion géométrique conçu par les auteurs. À l'exécution, ces primitives sont enchaînées sous correction de pose et régulation de vitesse pilotées par admittance, ce qui permet au robot d'aller au-delà de la trajectoire démontrée et de rejouer la tâche à l'envers sans données supplémentaires. Les tests portent sur quatre tâches : insertion de tige (peg insertion), insertion de batterie, ouverture de serrure et vissage. L'enjeu est la réduction drastique du coût d'apprentissage pour les tâches contraintes géométriquement, un point faible connu du LfD classique, qui peine sur les interactions riches en contact et en force. En ne nécessitant qu'une démonstration, même incomplète, la méthode limite le travail de téléopération ou de capture de données habituellement requis pour entraîner un robot industriel à des gestes d'assemblage précis. La capacité d'exécution inverse sans réapprentissage est particulièrement utile pour les cycles assemblage/désassemblage, un besoin fréquent en ligne de production. Les auteurs rapportent des taux de succès et une robustesse supérieurs aux baselines de segmentation et d'apprentissage de trajectoire en un coup, ce qui positionne l'approche comme une alternative crédible pour les intégrateurs cherchant à automatiser des tâches de préhension fine sans multiplier les démonstrations. Le travail s'inscrit dans la lignée des recherches sur les primitives de mouvement (DMP) et la modélisation par torseurs cinématiques pour la robotique de contact, un champ actif face aux limites des approches purement basées trajectoire. Le site du projet (tuwien-asl.github.io/LfD-Screw) propose des démonstrations vidéo ; aucune date de publication de code ni de partenariat industriel n'est mentionnée à ce stade.

FR/EU ecosysteme❖Paper

1 source

44

1010arXiv cs.RO 

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

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

Recherche❖Paper

1 source

42

1011arXiv cs.RO 

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

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

Recherche❖Paper

1 source

41

1012arXiv cs.RO 

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

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

Recherche❖Paper

1 source

41

1013arXiv cs.RO 

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

Un nouveau papier arXiv (2607.13478v1) présente VAMP-MR, une suite de planificateurs de mouvement pour bras robotiques multiples destines aux taches industrielles comme la fabrication. Le problème cible est la planification de trajectoires sans collision pour plusieurs manipulateurs opérant dans le même espace, un calcul traditionnellement couteux avec les solveurs bases sur la recherche ou l'échantillonnage. L'équipe combine des algorithmes de planification classiques avec des techniques de vérification de collision vectorisées de dernière génération, exploitant les instructions SIMD des processeurs CPU. Le goulot d'étranglement principal de ce type de planification, le contrôle de collision entre les bras, en bénéficie directement : les auteurs annoncent un gain de vitesse pouvant atteindre deux ordres de grandeur, soit jusqu'a environ 100 fois plus rapide, aussi bien pour la planification de trajectoire que pour le post-traitement de l'exécution sur des taches de manipulation multi-bras. Le code est mis a disposition publiquement sur vamp-mr.github.io/vamp-mr. Cette accélération change la donne pour le déploiement de cellules industrielles a bras multiples, un scenario de plus en plus courant en fabrication ou plusieurs manipulateurs doivent coopérer dans un espace de travail partage sans se percuter. Jusqu'ici, générer des mouvements de qualité, sans collision et exploitables en conditions réelles, demandait un temps de calcul important, ce qui limitait la réactivité des systèmes et compliquait la replanification en cas de changement de scene. Un planificateur quasi temps réel ouvre la voie a des cellules multi-bras plus flexibles, capables de s'adapter dynamiquement plutôt que de suivre des trajectoires figées calculées hors ligne. Pour les intégrateurs et les équipes de R&D en robotique, la libération du code source abaisse significativement la barrière d'entrée pour expérimenter avec la planification multi-bras, un domaine jusqu'ici réserve a des équipes disposant de solveurs propriétaires ou de ressources de calcul importantes. Le problème de la planification multi-bras s'inscrit dans la lignée des travaux sur les planificateurs bases sur la recherche (comme les variantes de RRT ou de PRM) et sur l'échantillonnage, qui restent les approches dominantes mais souffrent d'un cout de calcul croissant avec le nombre de bras et la complexité de l'environnement. VAMP-MR ne cherche pas a remplacer ces algorithmes classiques mais a en accélérer radicalement le maillon le plus couteux, la vérification de collision, en s'appuyant sur le parallélisme vectoriel déjà présent dans les CPU modernes plutôt que sur du matériel spécialisé type GPU. Cette approche logicielle, portable sur du matériel standard, distingue le projet des solutions nécessitant une infrastructure de calcul dédiée. La publication du code s'accompagne d'une invitation explicite de l'équipe a la communauté de recherche pour étendre et tester ces planificateurs sur d'autres problèmes de manipulation multi-robot, sans qu'un calendrier de déploiement industriel ou de pilotes concrets ne soit pour l'instant annonce.

Recherche❖Paper

1 source

41

1014arXiv cs.RO 

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

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

Recherche❖Paper

1 source

41

1015arXiv cs.RO 

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

Une équipe de recherche présente une stratégie hybride permettant a des robots équipes de capteurs chimiques de localiser plus vite la source d'une pollution atmosphérique ou aquatique, en combinant réflexes bio-inspires et raisonnement probabiliste. Publiee sous la référence arXiv:2607.13853v1, l'étude part d'un constat concret: les polluants rejetés dans l'environnement sont disperses par des écoulements turbulents qui produisent des panaches intermittents, rendant les détections rares et les gradients de concentration peu exploitables. Le système introduit un mécanisme de commutation déclenche par chaque détection d'odeur, qui bascule automatiquement entre une exploration en travers du courant et un déplacement direct vers la source, en priorisant la proximité plutôt que le seul gain d'information. Les paramètres de comportement sont dérivés directement des métriques de croyance du robot, rendant la réactivité adaptative sans réglage manuel préalable. La méthode a été validée en simulation sous trois conditions de turbulence, puis testée sur le terrain avec un véhicule de surface autonome déployé sur le fleuve Mondego, au Portugal, avec a la clé jusqu'a 50% de réduction de la distance parcourue, un taux de réussite de 86% et une erreur de localisation moyenne de 3,2 mètres. Ces résultats intéressent directement les opérateurs de surveillance environnementale et de réponse aux déversements chimiques, ou chaque minute gagnée dans la localisation d'une fuite limite l'impact sur les écosystèmes et la sante publique. Le travail tranche aussi un débat récurrent en robotique de recherche de source: privilégier des comportements réactifs simples mais nécessitant un réglage propre a chaque scenario, ou des stratégies cognitives plus robustes mais trop exploratoires et gourmandes en calcul. Les auteurs s'appuient sur une analyse antérieure en chaines de Markov montrant que les mouvements diriges vers la source sont environ deux fois plus fréquents juste après une détection, preuve que la réactivité émerge déjà naturellement des cadres cognitifs. Ils choisissent donc de l'intégrer explicitement plutôt que de traiter les deux paradigmes comme concurrents. Les 86% de réussite restent toutefois obtenus sur un site fluvial unique et un nombre limite d'essais réels, ce qui appelle des vérifications sur d'autres environnements avant généralisation. L'approche prolonge les travaux sur l'algorithme Fast-Cognitive, qui avait déjà allégé la charge de calcul des méthodes bayésiennes complètes sans en lever les limites de sur-exploration. En formalisant la transition entre exploration et poursuite, cette nouvelle méthode se positionne en synthèse entre les stratégies bio-inspirées historiques, type surge-casting, et les approches cognitives probabilistes plus récentes. Aucun partenariat industriel ni calendrier de déploiement n'est mentionne au-delà des essais sur le Mondego; la suite logique serait d'étendre les tests a d'autres plans d'eau ou environnements terrestres, et de comparer directement la méthode a Fast-Cognitive sur des métriques identiques.

Recherche❖Paper

1 source

40

1016arXiv cs.RO 

Un cadre bayésien pour l'analyse de la vallée dérangeante dans la conception de robots humanoïdes

Des chercheurs proposent un nouveau cadre mathématique pour modéliser la vallée de l'étrange, ce phénomène bien documenté selon lequel un robot humanoïde trop réaliste peut susciter du malaise plutôt que de la sympathie. Publié le 15 juillet 2026 sur arXiv (2607.13060v1), le modèle repose sur un réseau bayésien hiérarchique qui traduit en variables mathématiques manipulables des principes jusqu'ici qualitatifs, comme éviter un réalisme excessif ou limiter les incohérences entre modalités sensorielles. L'affinité envers un robot y est définie comme une "surprise négative pondérée par la probabilité a posteriori", articulée autour de quatre variables : l'écart par rapport à l'apparence moyenne attendue d'un robot, l'incohérence du degré d'humanité perçu entre les modalités (apparence, mouvement), l'incertitude de prédiction et l'incertitude d'observation. Des simulations montrent que l'ambiguïté catégorielle et le décalage entre apparence et mouvement suffisent à produire une chute d'affinité, et qu'une plus grande incertitude modifie la forme même de la vallée. Une expérience menée sur des sujets humains, utilisant des images de morphing progressif entre visage robotique et visage humain, a confirmé qu'une incertitude d'observation accrue (images floutées) atténue la baisse de familiarité perçue à mi-chemin entre robot et humain, tandis qu'une faible incertitude de prédiction renforce au contraire l'appréciation des apparences clairement robotiques. Pour l'industrie de la robotique humanoïde, cet outil change la donne : au lieu de tâtonner par essais-erreurs sur l'apparence et le comportement d'un robot, designers et ingénieurs pourraient optimiser algorithmiquement ces paramètres pour maximiser l'acceptabilité perçue, un enjeu direct pour tout acteur cherchant un déploiement grand public ou en environnement humain partagé, du service client à l'assistance aux personnes âgées. Le concept de vallée de l'étrange remonte à l'hypothèse formulée par Masahiro Mori en 1970, longtemps restée une heuristique empirique difficile à opérationnaliser. Ce travail s'inscrit dans un effort plus large de modélisation computationnelle de la perception sociale des robots, potentiellement utile aux concepteurs de robots à visage expressif comme Ameca (Engineered Arts) ou Reachy (Pollen Robotics, France). Les auteurs appellent à des validations complémentaires sur des robots physiques et des interactions en mouvement réel, au-delà des images statiques testées ici.

Recherche❖Paper

1 source

40

1017arXiv cs.RO 

Fusion des modalités tactiles pour les modèles vision-langage-action (VLA)

Il s'agit d'un article de recherche académique (préprint arXiv, version révisée), donc sans annonce commerciale ni chiffres de performance détaillés dans le résumé fourni, je reste factuel sur ce point plutôt que d'inventer des métriques. TacFiLM est une méthode de fusion de modalités proposée dans un préprint arXiv (2603.14604v2, version révisée) qui intègre des signaux tactiles aux modèles vision-langage-action (VLA) utilisés en robotique manipulatrice. Le constat de départ est simple: les VLA actuels, bien qu'efficaces pour généraliser des politiques de contrôle a partir d'instructions sémantiques, reposent presque exclusivement sur la perception visuelle, incapable de capturer les dynamiques d'interaction propres aux taches de manipulation en contact étroit, comme les forces de contact, le frottement de surface, la compliance ou le cisaillement. Plutot que de concaténer des tokens tactiles ou de reentrainer massivement le modèle, ce qui alourdit considérablement le cout de calcul, les auteurs proposent un finetuning post-entrainement léger: les caractéristiques visuelles intermédiaires sont conditionnées par des représentations tactiles pré-entraînées via une modulation linéaire par caractéristique (FiLM). La méthode a été testée sur des taches d'insertion et d'ouverture de tiroir, en distribution et hors distribution, avec des améliorations rapportées sur le taux de réussite, la performance directe, le temps d'exécution et la stabilité des forces appliquées. L'intérêt pour le secteur tient moins a la performance brute qu'a la stratégie d'intégration: la plupart des architectures VLA déployées (dans la lignée de Pi-0, GR00T N2 ou Helix) tournent déjà a la limite du budget de calcul embarque, ce qui rend les approches de fusion tactile lourdes difficilement viables en production. Une méthode de finetoning légère, greffée après coup sur un modèle déjà entraine, ouvre la voie a l'ajout de retour tactile sur des politiques existantes sans reentrainement complet ni explosion du cout d'inférence, un point clé pour les intégrateurs qui visent des taches d'assemblage ou de manipulation fine ou le seul retour visuel échoue régulièrement. Cette publication s'inscrit dans une tendance de fond de la recherche VLA: après avoir démontre la généralisation sémantique et le contrôle multitâche, le champ se heurte désormais au problème spécifique de la manipulation en contact, un angle mort connu depuis les débuts de l'apprentissage par imitation en robotique. Le fait qu'il s'agisse d'une version "replace" du preprint suggère une itération après retours de relecture. Les auteurs renvoient vers une page de projet dédiée pour le code et les démonstrations, sans toutefois annoncer de déploiement industriel ou de partenariat avec un fabricant de robots a ce stade.

IA physique❧Opinion

1 source

39

1018arXiv cs.RO 

Locomotion agile et perceptive multi-compétences pour robots quadrupèdes en conditions réelles

Des chercheurs présentent APT-RL (Action Pretrained Transformer-based Reinforcement Learning), un framework unifié permettant à un robot quadrupède de franchir des terrains complexes en n'utilisant que ses capteurs et son calcul embarqués, sans dépendre d'une infrastructure externe. La méthode génère d'abord des jeux de données de mouvement 2D à grande échelle via optimisation de trajectoires sur une dynamique simplifiée, ce qui permet d'entraîner des compétences de locomotion variées et réutilisables. Ces compétences servent ensuite de base solide pour apprendre des tâches plus complexes en 3D, avec transition autonome entre différentes allures. Lors des tests en conditions réelles, le robot a exécuté des manœuvres agiles à travers des obstacles intérieurs et extérieurs, y compris des sauts en descente dynamiques atteignant une vitesse de pointe instantanée de 6 mètres par seconde. Une seule politique embarquée lui a permis de franchir escaliers, haies, pierres de gué, trous et branches tombées au sol, sans changer de modèle selon le type d'obstacle. L'intérêt de ce travail réside dans sa capacité à combiner plusieurs compétences motrices en un seul système embarqué et autonome, un point de friction connu dans la robotique quadrupède où la plupart des démonstrations reposent encore sur des politiques spécialisées par terrain ou sur une assistance en calcul déporté. En s'appuyant uniquement sur la perception et le calcul embarqués, APT-RL s'attaque directement à l'écart classique entre simulation et réalité, tout en montrant que des priors de mouvement générés à moindre coût en 2D peuvent se généraliser efficacement à des environnements 3D non structurés. Pour les intégrateurs travaillant sur l'inspection industrielle, la robotique de terrain ou les interventions en environnement accidenté, cela représente une piste concrète vers des robots capables de gérer la diversité des obstacles réels sans reconfiguration manuelle entre chaque scénario. Ce travail s'inscrit dans la lignée des recherches récentes en apprentissage par renforcement pour la locomotion des robots à pattes, un domaine où des plateformes comme Unitree Go2, Boston Dynamics Spot ou ANYbotics ANYmal servent de référence pour les capacités tout-terrain. Publié comme preprint sur arXiv, l'article ne précise ni laboratoire porteur ni calendrier de déploiement commercial : il s'agit à ce stade d'une contribution de recherche, sans indication de produit shippé ni de pilote industriel annoncé.

Recherche❖Paper

1 source

39

1019arXiv cs.RO 

Robot industriel d'évaluation de dextérité : une plateforme matérielle et logicielle pour le benchmarking de la manipulation dextre industrielle

La revue arXiv a publié ce 14 juillet un article intitulé "Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation" (référence 2607.14021v1), qui propose un nouveau cadre de test pour l'automatisation industrielle fine. Les auteurs introduisent trois éléments : une série de plateaux de test baptisés Industrial Dexterity Benchmark (IDB), conçus pour reproduire trois scénarios concrets, le câblage de datacenters, les harnais de câbles automobiles et l'assemblage de boîtes de vitesses ; un framework d'apprentissage par imitation nommé DAG-ROS ; et une politique de contrôle basée sur la diffusion, AG-iDP3, qui fusionne images RGB, nuages de points, positions articulaires et données de force au poignet. Les tests se concentrent sur une tâche précise, le nettoyage d'un câble unique sur le plateau datacenter, évaluée sur 48 essais par configuration. La meilleure configuration, une Diffusion Policy multimodale combinant plusieurs caméras RGB via un encodeur R3M, atteint 78% de réussite combinée sur la prise et l'insertion, contre 36% pour la version à caméra unique. Chaque configuration n'a nécessité qu'environ 100 démonstrations téléopérées par phase de tâche. Ce résultat intéresse directement les intégrateurs industriels parce qu'il touche un point resté largement non résolu malgré des décennies de recherche en robotique : le câblage, l'insertion de connecteurs et l'assemblage de précision continuent de dépendre du travail manuel. L'écart de performance entre la version mono-caméra et la version multi-vues suggère que la robustesse des politiques apprises tient autant à la richesse des capteurs qu'à l'algorithme lui-même, un point utile pour quiconque évalue des solutions VLA ou d'apprentissage par imitation pour des lignes à haute disponibilité. Reste que l'échantillon de validation demeure limité, une seule tâche testée sur 48 essais par configuration, ce qui invite à la prudence avant d'extrapoler ces chiffres à d'autres cas d'usage. Ce travail s'inscrit dans une transition plus large observée dans la recherche en robotique industrielle, celle du passage des pipelines modulaires classiques, perception puis planification puis contrôle codés séparément, vers des architectures de bout en bout entraînées par imitation. Les benchmarks IDB visent à combler un manque identifié par les auteurs : l'absence de plateformes standardisées pour comparer objectivement les méthodes de manipulation dextre en environnement industriel. Aucun calendrier de déploiement commercial n'est mentionné à ce stade, l'article reste un travail de recherche publié en prépublication, sans partenariat industriel ni date de mise en production annoncés.

Recherche❖Paper

1 source

39

1020arXiv cs.RO 

Understanding le champ de radiation thermique du feu pour les robots mobiles

Une équipe de chercheurs présente dans un article publié sur arXiv (2602.19108) une méthode permettant à des robots mobiles de cartographier en temps réel les champs de rayonnement thermique générés par un incendie, afin de naviguer sans danger dans un environnement affecté par le feu. Le système fusionne des images de profondeur et des images thermiques pour construire un nuage de points 3D annoté en température. À partir de ces données, l'algorithme identifie les foyers d'incendie et applique la loi de Stefan-Boltzmann pour estimer le rayonnement thermique dans les espaces vides environnants, produisant ainsi un champ thermique continu sur l'ensemble de la scène. Ce champ est ensuite intégré comme contrainte dans la carte de coûts utilisée pour la planification de trajectoire, ce qui permet de calculer des chemins évitant à la fois les collisions et les zones thermiquement dangereuses. La méthode a été validée sur un robot quadrupède Spot de Boston Dynamics, en conditions expérimentales contrôlées, où le robot a démontré sa capacité à contourner les régions à risque tout en atteignant ses objectifs de navigation. Pour le secteur de la robotique de secours, cette approche s'attaque à un problème concret : la plupart des systèmes de navigation autonome évitent les obstacles physiques mais ignorent les dangers invisibles comme le rayonnement thermique, qui peut endommager les capteurs ou l'électronique d'un robot bien avant tout contact direct avec les flammes. En transformant une grandeur physique (le flux thermique) en contrainte exploitable par un planificateur de trajectoire classique, les auteurs proposent une brique potentiellement réutilisable pour les plateformes de recherche-sauvetage et d'intervention en milieu dangereux, sans nécessiter de capteur de flux thermique dédié coûteux. Il s'agit toutefois d'un travail de recherche académique, testé en environnement contrôlé et non lors d'un incendie réel, ce qui limite pour l'instant sa portée à une preuve de concept. Le texte, republié dans une version révisée (v2) sur arXiv, ne mentionne ni partenariat industriel ni feuille de route de déploiement. Les auteurs situent leurs travaux dans la lignée plus large des efforts de robotique pour la réponse aux catastrophes, aux côtés des plateformes comme Spot déjà employées par des pompiers et équipes d'urgence pour l'inspection à distance.

Recherche❖Paper

1 source

39

1021arXiv cs.RO 

Où toucher, comment entrer en contact : un cadre hiérarchique RL-MPC pour une manipulation sim-vers-réel sensible à la géométrie

Une équipe de recherche propose une architecture hiérarchique combinant apprentissage par renforcement (RL) et commande prédictive (MPC) pour la manipulation dextre en contact riche, détaillée dans un article arXiv (2601.10930, quatrième révision). Le système sépare la décision en deux niveaux: une politique RL de haut niveau détermine "où toucher", c'est à dire un point de contact sur la surface de l'objet ainsi qu'une pose cible à atteindre après ce contact, un concept que les auteurs nomment "intention de contact". Un contrôleur MPC de bas niveau, dit à contact implicite, prend ensuite le relais pour optimiser en temps réel les modes de contact locaux et replanifier la trajectoire du robot à travers la dynamique de contact, non lissée par nature. Le framework a été testé sur des tâches de manipulation non préhensile: poussée généralisée sur des objets de formes variées, réorientation par pivotement ou basculement, et repositionnement assisté par l'environnement. Les résultats annoncés montrent un taux de réussite élevé, un transfert simulation vers réel sans réentraînement (zero shot), et surtout un besoin en données dix fois inférieur à celui des politiques de bout en bout classiques. Cette approche s'attaque directement à l'un des points faibles des politiques end to end actuelles, y compris les modèles vision langage action de type VLA: leur appétit en données et leur difficulté à transférer proprement de la simulation vers le réel. En réintroduisant une décomposition géométrique explicite plutôt que de tout confier à un réseau appris de bout en bout, les auteurs cherchent à concilier la généralisation apprise par renforcement avec la robustesse physique garantie par la commande prédictive. Pour les équipes travaillant sur la manipulation robotique, la promesse d'un facteur dix sur les données nécessaires est significative si elle se confirme au delà des tâches non préhensiles testées ici. Le travail s'inscrit dans un courant de recherche plus large sur la manipulation en contact riche, domaine où la difficulté vient précisément de devoir raisonner conjointement sur la géométrie globale des objets et sur une dynamique de contact non lisse, difficile à différentier et à planifier. Contrairement aux approches purement data driven qui dominent la littérature récente, ce travail mise sur une structure hybride inspirée de la robotique classique. L'article, republié dans sa quatrième version, ne précise pas de calendrier de déploiement matériel à plus grande échelle ni de partenariat industriel.

Recherche❖Paper

1 source

38

1022arXiv cs.RO 

Scene Graph Enrichi en Temps Réel : Lutter contre la Saturation Perceptuelle en Robotique Long Horizon

Récupération de la vidéo et rédaction en cours de l'article de synthèse. Je rédige directement le texte en français, sans titres, selon les consignes. Une équipe de recherche présente JITOMA (Just-In-Time On-demand Memory Activation), un nouveau cadre logiciel destiné aux robots autonomes qui doivent construire et exploiter des cartes sémantiques 3D de leur environnement, appelées 3D Scene Graphs (3DSGs). Publié sur arXiv (2607.13245v1), le système s'attaque à un problème concret des plateformes embarquées à faible latence : les pipelines classiques construisent une carte exhaustive de l'environnement avant de filtrer les informations utiles, un processus qui sature les ressources de calcul et de mémoire à cause d'observations redondantes. JITOMA inverse la logique avec une architecture en boucle fermée : en façade, une carte de chaleur des tâches ("task heatmap") filtre en continu les flux de perception pour ne conserver que des ancres mémorielles à bas coût, laissées "dormantes" tant qu'elles ne sont pas nécessaires. Quand une requête cognitive arrive, un LLM en arrière-plan interprète l'intention du robot et réveille sélectivement les ancres pertinentes pour la tâche, ce qui déclenche localement les opérations coûteuses, comme le sous-titrage dense des nœuds ("dense node captioning") et l'inférence fonctionnelle. Les auteurs ont aussi conçu JITOMA-Bench, un banc d'essai dédié aux tâches longues et multi-étapes. L'intérêt de cette approche pour les intégrateurs et les décideurs robotique tient à ce qu'elle cible directement le goulot d'étranglement du déploiement réel de la perception 3D embarquée : la plupart des solutions actuelles fonctionnent bien en démonstration courte mais s'effondrent en performance sur des missions longues et multi-tâches, à mesure que la carte de la scène grossit et que le temps de traitement dérive. En montrant une taille de graphe actif réduite et une latence de sous-titrage stable même lors de changements de tâche sur horizon long, JITOMA répond précisément à l'écart classique entre démonstration et réalité opérationnelle ("demo vs reality gap"), un des points de friction majeurs pour l'adoption de robots dotés d'agents LLM sur des plateformes à ressources limitées, plutôt que sur des serveurs GPU dédiés. Ce travail s'inscrit dans la lignée des recherches récentes qui cherchent à coupler perception, mémoire et raisonnement pilotés par LLM pour des robots incarnés, un axe déjà exploré par des architectures de type scene graph utilisées dans la navigation et la manipulation de robots mobiles et humanoïdes. La contribution se distingue en proposant une activation mémorielle à la demande plutôt qu'une cartographie exhaustive systématique, une direction qui pourrait intéresser les concepteurs de piles logicielles pour robots mobiles autonomes (AMR) et humanoïdes devant raisonner sur de longues séquences de tâches sans寄 sacrifier le temps réel. Il s'agit ici d'une contribution de recherche académique publiée sur arXiv, donc à un stade de preuve de concept expérimental via JITOMA-Bench, sans indication à ce jour de déploiement industriel ni de partenariat commercial annoncé.

Recherche❖Paper

1 source

38

1023arXiv cs.RO 

Système de tâches et de planification min-max regret pour un robot multi-hétérogène en environnement partiellement connu

Une nouvelle étude publiée sur arXiv (2607.13403) propose un cadre de planification pour l'allocation de tâches dans des systèmes multi-robots hétérogènes (HMRS) évoluant en environnement partiellement connu. Le problème est formulé comme une optimisation min-max regret, avec une nouvelle représentation appelée Region-Binding Atomic Proposition (RbAP), qui encode directement l'incertitude sur les ressources dans la structure de l'automate utilisé pour exprimer les contraintes logiques temporelles des tâches. Pour résoudre ce problème, les auteurs introduisent un Extended Planning Decision Tree (E-PDT), couplé à une stratégie de Branch-and-Bound basée sur le regret (Regret-based BnB) qui élague dynamiquement les politiques sous-optimales. Contrairement aux approches classiques qui s'appuient sur des probabilités a priori ou une analyse de pire cas, cette méthode ajuste en continu l'arbitrage entre exploration des zones incertaines et exploitation des ressources déjà connues. L'équipe affirme une scalabilité quasi linéaire par rapport au nombre de robots et de types de robots, avec des gains significatifs en qualité de solution et en temps de calcul face à des méthodes de référence basées sur la programmation linéaire en nombres entiers mixtes (MILP), validés par des expériences numériques et des essais physiques. L'enjeu principal est la complexité exponentielle qui bloque aujourd'hui le déploiement de flottes de robots hétérogènes à grande échelle dès que les tâches impliquent des contraintes logiques complexes en environnement mal cartographié, un scénario courant en logistique, entrepôt ou intervention en zone partiellement explorée. Si les résultats se confirment au-delà du cadre académique, cela réduirait le compromis habituel entre robustesse théorique et coût de calcul, un frein connu pour les intégrateurs qui cherchent à faire monter en charge des flottes AMR mixtes sans tout recalculer à chaque mise à jour de la carte. Il faut toutefois noter que l'article reste un preprint arXiv de type recherche, sans indication du nombre de robots testés en conditions physiques réelles ni de partenaire industriel identifié, donc la portée pratique du gain de scalabilité annoncé reste à confirmer en dehors du banc d'essai des auteurs. Ce travail s'inscrit dans la lignée des recherches sur la planification multi-robots sous logique temporelle linéaire (LTL), un domaine où les méthodes MILP servent traditionnellement de référence malgré leur coût de calcul croissant avec la taille de la flotte. L'apport revendiqué ici est de sortir du dilemme entre méthodes probabilistes, qui nécessitent des priors souvent invérifiables sur le terrain, et méthodes pire-cas, jugées trop conservatrices. Les auteurs annoncent une preuve théorique de faisabilité et de complétude de leur approche, mais l'article ne précise pas de calendrier de suivi, de code source public ou de collaboration industrielle pour une validation à plus grande échelle.

Recherche❖Paper

1 source

38

1024arXiv cs.RO 

PokeNet : apprentissage de modèles cinématiques d'objets articulés à partir d'observations humaines

PokeNet, un nouveau framework de recherche présenté dans un article arXiv (2602.02741v2, version révisée), apprend le modèle cinématique complet d'un objet articulé à partir d'une seule démonstration humaine, sans connaissance préalable du nombre ou du type d'articulations. Le système reçoit une séquence d'observations en nuages de points capturant une personne en train de manipuler un objet inconnu (porte, tiroir, appareil à plusieurs axes), et en déduit trois choses simultanément : les paramètres des articulations (position et orientation des axes), l'ordre dans lequel les liaisons doivent être actionnées, et l'évolution de l'état de chaque articulation au fil du temps. Sur un ensemble d'objets variés, y compris des catégories jamais vues à l'entraînement, PokeNet améliore la précision d'estimation des axes et des états articulaires de plus de 27% en moyenne par rapport aux meilleures méthodes existantes, avec des résultats validés à la fois en simulation et en conditions réelles. L'enjeu dépasse la simple prouesse technique : la modélisation d'articulations est une brique de base pour toute manipulation robotique d'objets du quotidien, en amont de l'apprentissage de compétences ou de la planification de mouvements. Les approches précédentes butaient sur plusieurs limites pratiques, à commencer par la dépendance à des priors sur l'objet, l'incapacité à récupérer des articulations occultées qui ne se révèlent que pendant l'interaction, ou le besoin de dizaines d'images multi-vues par objet, difficilement compatible avec un déploiement réel. PokeNet s'attaque aussi à un point souvent négligé : l'ordre des manipulations, crucial pour des objets à plusieurs degrés de liberté comme un lave-vaisselle, où il faut ouvrir la porte avant de pouvoir sortir le panier. Un robot capable d'apprendre ce modèle à partir d'une simple démonstration humaine, sans instrumentation lourde, se rapproche d'un déploiement générique en environnement domestique ou industriel non structuré. Le travail s'inscrit dans la lignée des méthodes de "articulation modeling" qui cherchent à généraliser au-delà des catégories d'objets prédéfinies, un axe de recherche actif en robotique de manipulation ces dernières années. En s'appuyant uniquement sur une observation humaine plutôt que sur une exploration robotique coûteuse en essais, PokeNet ouvre la voie à des pipelines où un robot apprend par observation avant d'agir. Les auteurs ne précisent pas de calendrier d'intégration dans un système robotique complet, mais les résultats en environnement réel suggèrent une maturité suffisante pour des tests d'intégration à court terme sur des plateformes de manipulation existantes.

Recherche❖Paper

1 source

38

1025arXiv cs.RO 

La Direction d'Impact Non Lisse (NSID) des Systèmes Robotiques

Une nouvelle étude théorique publiée sur arXiv (2607.13768) s'attaque à un problème central de la dynamique des robots à liaisons rigides : la modélisation des collisions avec l'environnement. Les auteurs y introduisent le concept de "direction d'impact non lisse" (NSID, nonsmooth impact direction), une direction caractéristique des vitesses avant et après impact qui reste largement indépendante des propriétés de contact (frottement, élasticité, rigidité de surface). Le travail couvre plusieurs cas de figure : systèmes à joints non élastiques et à joints flexibles, robots contraints et non contraints, et démontre que la direction d'approche par rapport à la NSID détermine directement l'orientation de la force impulsive lors d'impacts frictionnels et inélastiques. L'analyse théorique s'appuie sur une validation expérimentale, appliquée aux grandes classes de systèmes robotiques rétro-entraînables (backdrivable) à liaisons rigides. L'enjeu n'est pas un produit ou une démo, mais un outil mathématique fondamental pour la planification et le contrôle des robots en contact avec leur environnement, un problème notoirement difficile car les impacts sont modélisés comme des événements instantanés générant des discontinuités de vitesse. Pour les concepteurs de contrôleurs de locomotion humanoïde, disposer d'une direction caractéristique d'impact indépendante des propriétés du contact simplifie considérablement la conception d'algorithmes robustes face à des sols aux frictions variables (carrelage, surface glissante, gravier). Cela intéresse aussi les tâches répétitives à choc, comme le martelage industriel ou certaines opérations d'assemblage en robotique de manipulation, où la prévisibilité de la force d'impact conditionne la précision et l'usure mécanique. Ce travail s'inscrit dans une longue lignée de recherches en dynamique des systèmes hybrides et en modélisation des impacts rigides, un domaine qui bute depuis des décennies sur des paradoxes classiques (comme le paradoxe de Painlevé) et des formulations approximatives peu généralisables. Contrairement aux annonces produit du secteur humanoïde, il s'agit ici d'une contribution purement académique, sans chiffres de déploiement ni promesse commerciale : les auteurs présentent leur cadre comme une fondation pour de futurs algorithmes de planification et de contrôle, sans indiquer de calendrier d'intégration dans des plateformes robotiques existantes.

Recherche❖Paper

1 source

38

1026arXiv cs.RO 

Modèle vision-langage-action, développé pour la robotique, capable de généraliser à des tâches inédites

Les chercheurs à l'origine de cette étude, publiée sur arXiv le 13 juillet 2026, ont développé un nouveau type d'actionneur pour exosquelettes de membre inférieur baptisé Limb-Encircling Actuator (LEA). Contrairement aux exosquelettes classiques, dont les moteurs sont placés sur le côté de la jambe ou déportés à la taille ou dans le dos, ce composant encercle directement le membre dans un plan perpendiculaire à son axe. L'équipe a construit un banc d'essai dédié pour caractériser les propriétés électromécaniques du dispositif, qui intègre également une nouvelle configuration de roulement radial pensée comme alternative plus légère et moins coûteuse aux roulements de grand diamètre habituellement utilisés. Résultat mesuré : une densité de couple continue de 7,5 Nm/kg pour une masse de 894 grammes. Cette architecture s'attaque à un frein connu à l'adoption des exosquelettes : l'encombrement. Les designs actuels dépassant souvent de l'enveloppe naturelle du corps, ils restent intrusifs au quotidien et peu compatibles avec un usage grand public, en particulier pour l'assistance à la mobilité hors contexte médical ou industriel lourd. Un actionneur capable de conserver une forte densité de couple tout en épousant mieux la jambe ouvrirait la voie à des exosquelettes plus discrets, potentiellement intégrables dans des vêtements du quotidien plutôt que dans des harnais visibles, un enjeu commercial autant que technique pour le secteur. Le travail reste toutefois à un stade de caractérisation en laboratoire, pas de produit fini : malgré la densité de couple obtenue, les auteurs reconnaissent que le système demeure difficile à contenir près du corps, révélant des limites persistantes dans le dimensionnement et la géométrie de l'actionneur. L'étude se positionne ainsi comme une exploration de piste architecturale plutôt qu'une solution aboutie, dans un domaine où la miniaturisation et la conformité corporelle des actionneurs restent un verrou majeur, aux côtés d'autres approches déjà explorées comme les actionneurs déportés ou les transmissions à câble.

Exosquelettes❖Paper

1 source

38

1027arXiv cs.RO 

Fire as a Service : dynamique du feu thermiquement et visuellement précise pour simulateurs de robots

Cette étude, publiée sur arXiv (2603.19063v2, version révisée), présente Fire as a Service (FaaS), un framework de co-simulation asynchrone conçu pour ajouter des dynamiques d'incendie réalistes aux simulateurs robotiques existants. Contrairement aux simulateurs classiques centrés sur la dynamique des corps rigides et le rendu photoréaliste, FaaS modélise des transferts de chaleur thermodynamiques multi-espèces et une fumée volumétrique visuellement cohérente, tout en préservant les boucles de contrôle haute fréquence des robots. Le pipeline fonctionne en parallèle du moteur de simulation robotique principal, sans le ralentir, et permet de générer des données perceptuelles multimodales représentatives de conditions d'incendie réelles. Les auteurs indiquent que le système tourne en temps réel, ce qui autorise la téléopération humaine en boucle fermée pour entraîner des politiques réactives par clonage comportemental (Behavioral Cloning). L'enjeu visé est l'évaluation et l'entraînement de robots pompiers avant tout déploiement en environnement dangereux, un cas d'usage où les simulateurs actuels échouent faute de modéliser la chaleur et la fumée avec fidélité. En comblant ce manque, FaaS ouvre la voie à des benchmarks de risques thermiques standardisés pour comparer différentes plateformes robotiques, et à la génération de données d'entraînement synthétiques à grande échelle sans exposer de robots réels au feu. C'est un signal notable pour un secteur qui peine encore à faire le lien entre démonstrations en simulation et fiabilité sur le terrain, en particulier pour des scénarios à haut risque où l'itération réelle est coûteuse voire impossible. Le papier ne nomme pas de plateforme robotique ni de simulateur commercial précis: il s'agit d'un travail de recherche générique, pensé pour s'intégrer à divers moteurs de simulation existants plutôt que de constituer un produit fermé. Aucun chiffre de performance détaillé (précision thermique, latence de co-simulation, taille des jeux de données collectés) n'apparaît dans le résumé, ce qui limite pour l'instant l'évaluation de la robustesse réelle de l'approche. Il s'agit donc d'une brique méthodologique publiée en preprint, à suivre pour vérifier si elle sera reprise par des laboratoires ou fabricants travaillant sur la robotique d'intervention en environnement à risque, plutôt que d'un déploiement ou d'un produit disponible aujourd'hui.

Recherche❖Paper

1 source

38

1028arXiv cs.RO 

PhysClaw-0 : un système agentique symbiotique pour l'autonomie robotique via corrections langagières

Un système baptisé PhysClaw-0 vise à réduire drastiquement le temps humain nécessaire pour collecter des données d'entraînement en robotique de manipulation. Décrit dans un article publié sur arXiv (2607.14047v1), le système fonctionne en boucle autonome : il collecte des trajectoires, vérifie leur succès et remet le poste en configuration initiale sans intervention, ne sollicitant un opérateur distant que lorsqu'une phase épuise un budget de tentatives explicite. Sa nouveauté tient à une "mémoire corrective" : lorsqu'un opérateur formule une correction en langage naturel, un LLM la transforme en ajustement structuré qui reste actif pour les tentatives suivantes, au lieu d'être perdu à la fin de chaque épisode comme dans les pipelines existants. Testé sur un banc réel de débarrassage de bureau (desktop-clearing), PhysClaw-0 égale le taux de succès de la téléopération classique tout en ramenant le temps de travail humain à 16% de celui requis par la téléopération. Les corrections en langage naturel améliorent l'accord entre le vérificateur automatique et l'humain sur les quatre configurations testées, et font grimper le taux de succès moyen en une seule tentative de 12,5% à 47,5% (jusqu'à 20% à 50% pour la tâche de sélection de bras). Ce résultat s'attaque directement à un goulot d'étranglement connu du secteur : la collecte de données réelles pour l'apprentissage de politiques de manipulation reste coûteuse en supervision humaine, et les corrections ponctuelles doivent être répétées à chaque récurrence du même échec, faisant croître le coût de supervision avec la durée de session plutôt qu'avec le nombre réel de problèmes distincts. En capitalisant les corrections plutôt qu'en les jetant, PhysClaw-0 propose une piste concrète pour industrialiser la collecte de données robotiques à moindre coût humain, un enjeu central pour tout acteur cherchant à entraîner des politiques VLA (vision-language-action) à grande échelle plutôt qu'en laboratoire. L'article ne précise ni l'institution ni le matériel robotique utilisé au-delà du banc de test desktop-clearing, et s'inscrit dans la lignée des travaux récents sur le "self-resetting" et la vérification par VLM (modèles vision-langage) pour automatiser la collecte. Il s'agit d'une publication de recherche fraîchement mise en ligne, sans annonce de déploiement industriel ni de partenaire commercial à ce stade ; les auteurs indiquent que des politiques entraînées sur les données PhysClaw-0 atteignent des performances comparables à celles obtenues via téléopération complète, pour une fraction du coût humain de collecte.

Recherche⚡Actu

1 source

38

1029arXiv cs.RO 

Apprentissage d'une exécution robuste en manipulation robotique par apprentissage par renforcement à base d'agents

Traduction en cours. Ce papier de recherche s'attaque à un problème central de la manipulation robotique : la fragilité d'exécution face à l'incertitude et aux tâches longues, où une petite déviation peut faire échouer toute une séquence d'actions. Les modèles vision-langage-action (VLA) actuels, malgré leurs bonnes capacités de généralisation, manquent de mécanismes explicites pour détecter qu'une exécution dérape et pour s'en remettre. Les auteurs proposent deux contributions complémentaires : des métriques permettant d'évaluer en temps réel la qualité de l'exécution, et un cadre d'apprentissage par renforcement dit "agentique", où une politique de haut niveau observe l'historique récent d'exécution et choisit parmi un petit ensemble de modes d'exécution pour réguler le comportement du robot. Plutôt que de réapprendre directement les actions bas niveau, cette politique déclenche des mécanismes de récupération qui ramènent le robot vers des états nominaux déjà visités, permettant à la tâche de reprendre son cours. Testée sur le benchmark LIBERO, la méthode améliore le taux de réussite jusqu'à 13,7% en conditions standards, et jusqu'à 39,2% en conditions perturbées. L'enjeu dépasse la simple performance chiffrée : c'est une réponse directe à l'écart entre démonstration et réalité qui pénalise l'industrie humanoïde et les intégrateurs. Un modèle VLA capable d'enchaîner des tâches en laboratoire s'effondre souvent dès qu'un objet glisse, qu'un capteur bruite, ou qu'une perturbation externe survient sur une ligne réelle. En ajoutant une couche de supervision qui détecte la dérive et enclenche une correction plutôt que de laisser le modèle bas niveau tenter d'improviser, cette approche s'attaque directement à la robustesse, le principal frein à la mise en production de bras manipulateurs et d'humanoïdes en environnement industriel non contrôlé. Le gain nettement plus marqué en conditions perturbées (39,2%) qu'en conditions standards (13,7%) suggère que le bénéfice réel se manifeste précisément là où les décideurs B2B en ont besoin: en présence d'aléas, pas en démo scriptée. Ce travail s'inscrit dans la lignée des recherches récentes sur les modèles VLA généralistes (dans la veine de Pi-0 ou GR00T N2), qui ont démontré une capacité de généralisation impressionnante mais restent critiqués pour leur manque de garanties d'exécution en conditions réelles. En séparant la décision de haut niveau (quel mode d'exécution adopter) de l'apprentissage bas niveau des actions, les auteurs évitent de devoir réentraîner l'ensemble du modèle VLA pour gagner en robustesse, une approche modulaire qui pourrait s'intégrer à des piles existantes plutôt que les remplacer. Reste à voir si cette architecture agentique se transpose au-delà du benchmark simulé LIBERO vers des déploiements physiques réels, où la latence de décision et la diversité des modes de défaillance sont bien plus complexes qu'en simulation.

Recherche❖Paper

1 source

38

1030arXiv cs.RO 

Pretraining à l'apprentissage par renforcement acteur-critique pour la locomotion

Une équipe de recherche propose une méthode de pré-entraînement pour l'apprentissage par renforcement (RL) appliqué à la locomotion des robots, détaillée dans une nouvelle version d'un article déposé sur arXiv (2510.12363v4). Le constat de départ : dans la plupart des pipelines RL actuels, chaque compétence de marche ou de course est apprise depuis zéro, alors qu'une même architecture de robot partage probablement des connaissances générales d'un mouvement à l'autre. Les auteurs introduisent un Proprioceptive Inverse Dynamics Model (PIDM), entraîné par apprentissage supervisé sur des données de transition dynamiques collectées via une exploration indépendante de toute tâche spécifique. Les poids ainsi obtenus servent ensuite à initialiser à la fois l'acteur et le critique dans des algorithmes classiques comme Proximal Policy Optimization (PPO), au lieu de partir d'une initialisation aléatoire. La méthode a été validée sur neuf environnements de locomotion RL distincts, couvrant trois types de robots différents, avec des gains moyens de 36,2% en efficacité d'échantillonnage et 4,3% en performance de tâche par rapport à une initialisation classique. L'intérêt pratique tient au coût de l'apprentissage par renforcement pour la robotique : chaque politique entraînée depuis zéro consomme un temps de simulation et de calcul considérable, un frein direct pour les équipes qui doivent multiplier les comportements sur un même robot (marche, course, franchissement d'obstacles, terrains variés). En réutilisant un socle de connaissances proprioceptives commun à l'embodiment, cette approche promet d'accélérer l'entraînement de nouvelles compétences sans repartir de zéro à chaque fois, un enjeu direct pour les laboratoires et intégrateurs qui développent des politiques de locomotion pour humanoïdes ou quadrupèdes. Ce travail s'inscrit dans la tendance plus large du paradigme pré-entraînement puis fine-tuning, déjà dominant en vision et en langage, et de plus en plus recherché en robotique via les modèles fondation vision-langage-action (VLA) type Pi-0 ou GR00T N2. Contrairement à ces approches qui visent des politiques génériques multi-tâches à grande échelle, cette étude reste focalisée sur la locomotion bas niveau et propose des ablations détaillées pour isoler les mécanismes expliquant les gains observés, une contribution méthodologique plutôt qu'un produit ou un déploiement commercial.

Recherche❖Paper

1 source

38

1031arXiv cs.RO 

Reverse to Advance : apprentissage de politiques complexes à coût de téléopération réduit à partir de tâches simples inversées

Une équipe de recherche propose dans un article publié sur arXiv (2607.13455v1, "Reverse to Advance: Teleoperation-Cost Effective Hard Policy Learning from Reversed Easy Tasks") une méthode pour réduire le coût de collecte de démonstrations par téléopération, principal poste de dépense dans l'apprentissage de politiques de manipulation robotique. Le point de départ est une observation simple : de nombreuses tâches présentent une asymétrie directionnelle, difficiles à accomplir dans le sens direct mais faciles à inverser en relâchant ou perturbant l'environnement. Les chercheurs exploitent cette asymétrie via un framework à trois composants : un pipeline de collecte en boucle fermée qui alterne entre politique de tâche difficile et politique de tâche facile pour réinitialiser l'environnement de façon autonome, un pipeline de raffinement hiérarchique qui inverse temporellement les trajectoires faciles et filtre les mouvements de mauvaise qualité via des a priori cinématiques et un filtre d'avantage guidé par un critique, et enfin une méthode d'apprentissage itératif qui entraîne la politique de tâche difficile en boucle continue à partir des démonstrations inversées initiales et des données filtrées. L'enjeu dépasse la simple astuce technique : la collecte de démonstrations humaines par téléopération reste le goulot d'étranglement de l'apprentissage par imitation pour la manipulation fine et de précision, un domaine où le fossé entre démonstrations en laboratoire et déploiement réel reste large. En automatisant une partie de la génération de données d'entraînement sans multiplier les sessions de téléopération sur la tâche difficile elle-même, cette approche s'attaque directement au coût qui freine le passage à l'échelle des politiques de manipulation complexes, un sujet central pour quiconque cherche à industrialiser des tâches robotiques à haute précision plutôt qu'à en démontrer des versions isolées. Sur deux bancs d'essai simulés et des expériences sur robot réel, les auteurs rapportent une amélioration du taux de réussite sur les tâches difficiles, une meilleure efficacité des données et un entraînement plus stable que des méthodes de référence basées sur l'inversion simple ou sur l'apprentissage par renforcement, sans nécessiter de téléopération extensive sur la tâche cible. Il s'agit d'une contribution de recherche, sans annonce de déploiement industriel ni d'acteur commercial identifié à ce stade.

Recherche❖Paper

1 source

38

1032arXiv cs.RO 

RADAR : génération de données robotiques en boucle fermée par planification sémantique et réinitialisation causale autonome de l'environnement

Wandercraft, Exotec, Pollen ou Enchanted Tools ne figurent pas dans cet article, c'est un papier de recherche académique, pas une actualité produit. Voici la traduction-synthèse. Des chercheurs présentent RADAR (Robust Autonomous Data Acquisition for Robotics), un moteur de génération de données robotiques entièrement autonome qui élimine toute intervention humaine du cycle de collecte. Le système s'appuie sur seulement 2 à 5 démonstrations humaines en 3D comme a priori géométriques, puis enchaîne un pipeline en quatre modules : un modèle vision-langage (VLM) génère des tâches pertinentes par ancrage sémantique d'objets et récupération de compétences, un réseau de neurones sur graphes (GNN) traduit ces sous-tâches en actions physiques via de l'apprentissage par imitation en contexte, le VLM évalue ensuite automatiquement la réussite via un pipeline de question-réponse visuelle structuré, et enfin une machine à états finis orchestre la remise à zéro autonome de l'environnement grâce à une planification simultanée avant-arrière selon une séquence causale stricte de type LIFO (dernier entré, premier sorti). En simulation, RADAR atteint jusqu'à 90% de réussite sur des tâches complexes à long horizon, là où les méthodes de référence chutent près de zéro. En conditions réelles, le système exécute des compétences riches en contact comme la manipulation d'objets déformables, en adaptation few-shot et sans fine-tuning spécifique au domaine. L'intérêt pour l'industrie robotique tient au goulot d'étranglement que RADAR cible directement : la collecte de données physiques à grande échelle reste freinée par le coût et le manque de scalabilité des méthodes nécessitant un humain en boucle, notamment pour la remise en configuration manuelle de l'environnement entre chaque essai. En automatisant à la fois la génération de tâches, l'exécution, l'évaluation de succès et surtout la réinitialisation de l'espace de travail, RADAR promet de transformer la collecte en processus auto-suffisant, un argument central pour quiconque cherche à entraîner des politiques VLA (vision-language-action) à l'échelle sans multiplier les téléopérateurs humains. Les chiffres de simulation sont à prendre avec la prudence habituelle pour ce type de benchmark, mais la démonstration en réel sur des tâches de manipulation d'objets déformables, sans fine-tuning dédié, est le signal le plus concret de transférabilité. Ce travail s'inscrit dans la vague de recherche sur la génération de données synthétiques et semi-autonomes pour l'apprentissage robotique, en réaction directe aux limites des approches de téléopération massive utilisées par des acteurs comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2). L'article, disponible sur arXiv sous une version révisée (v2), ne précise pas de plateforme robotique commerciale ni de partenariat industriel : il s'agit d'une contribution méthodologique destinée à la communauté recherche, dont l'adoption dépendra de sa reproductibilité et de son intégration dans des pipelines d'entraînement de politiques VLA plus larges.

Recherche❖Paper

1 source

38

1033arXiv cs.RO 

Vers un cadre modulaire de bin-picking pour gérer l'incertitude de pose des objets

Une équipe de chercheurs propose un framework modulaire pour le bin-picking robotique, la tâche qui consiste à saisir des objets en vrac dans un bac, capable de gérer simultanément deux sources d'erreur jusqu'ici traitées séparément: l'incertitude sur l'estimation de la pose de l'objet et les erreurs de préhension elles-mêmes. Le système repose sur une estimation de distribution de pose plutôt qu'une pose unique, utile quand l'observation est ambiguë et qu'aucune orientation correcte ne peut être déterminée avec certitude. Un module de second point de vue calcule une distribution complémentaire, fusionnée avec la première pour réduire l'incertitude globale, complété par deux modules indépendants de compensation des erreurs de préhension. L'architecture modulaire permet de combiner ces briques ou de les utiliser isolément selon la configuration physique du poste. Les tests, menés en conditions réelles sur trois objets différents et sans erreurs induites artificiellement, montrent que chaque module améliore l'efficacité du système. Précision utile: le framework est pour l'instant limité aux rotations dans le plan (SO(2)) et n'aborde pas encore les six degrés de liberté complets (SE(3)). Pour l'industrie du bin-picking, la promesse n'est pas un gain de précision brut mais une meilleure gestion du cas le plus fréquent en usine: l'ambiguïté de pose sur des objets partiellement occlus ou symétriques, là où la plupart des pipelines de vision se contentent de retourner une pose unique, souvent fausse en silence. En raisonnant sur des distributions de probabilité plutôt que sur des estimations ponctuelles, l'approche s'attaque à un vrai point de friction pour les intégrateurs, qui doivent aujourd'hui compenser ces erreurs par des capteurs de force, des reprises de saisie ou un sur-dimensionnement des pinces. La preuve de concept reste toutefois modeste, trois objets, un environnement contrôlé, et l'extension annoncée à SE(3) conditionne largement l'intérêt industriel réel du framework. Le travail s'inscrit dans une littérature déjà fournie sur la robustesse du bin-picking, où les approches existantes traitent généralement soit l'incertitude de pose, soit les erreurs de préhension, rarement les deux ensemble selon les auteurs. La contribution revendiquée est précisément cette unification dans une architecture à modules interchangeables, pensée pour absorber de futurs blocs sans réécriture complète. Les auteurs évoquent des extensions possibles vers la 3D complète (SE(3)) et l'ajout d'autres modules correctifs, sans calendrier ni partenaire industriel mentionné à ce stade: il s'agit pour l'instant d'un résultat de recherche publié sur arXiv, pas d'un système déployé ou commercialisé.

Recherche❖Paper

1 source

38

1034arXiv cs.RO 

STITCHER : Planification de trajectoires contraintes en environnements complexes par recherche en temps réel de primitives de mouvement

Un article de recherche publié sur arXiv (2510.14893v4, version révisée) présente STITCHER, un nouveau cadre de planification de trajectoires pour drones qui se passe totalement d'optimisation numérique. Contrairement aux planificateurs modernes qui calculent des trajectoires par optimisation sous contraintes, STITCHER assemble de courts segments de trajectoire préexistants via une recherche sur graphe, pour produire des trajectoires longues portées, quasi optimales et exploitables en temps réel. En simulation, sur deux environnements complexes de 50 mètres sur 50, l'algorithme génère des trajectoires sûres et complètes en quelques millisecondes seulement, un résultat que les auteurs comparent favorablement à trois planificateurs d'optimisation de référence. Des essais matériels ont ensuite été menés sur un quadricoptère personnalisé, capable de suivre les trajectoires calculées en respectant des contraintes non convexes strictes, comme les limites d'angle d'inclinaison et de force des moteurs, tout en atteignant des vitesses de vol jusqu'à 63 km/h. L'enjeu dépasse la prouesse technique isolée. La navigation autonome à grande vitesse dans des environnements encombrés impose des calculs de trajectoire en temps réel, dynamiquement réalisables et sans collision, un problème où les méthodes d'optimisation classiques restent vulnérables aux délais de calcul et à l'instabilité numérique dès que les scénarios deviennent critiques pour la sécurité. En démontrant qu'une approche sans optimisation, fondée sur la recherche de primitives de mouvement, peut égaler voire dépasser la qualité des trajectoires optimisées tout en garantissant des temps de calcul déterministes, STITCHER apporte un argument concret dans le débat entre optimisation et recherche combinatoire pour la planification robotique embarquée, un enjeu direct pour les drones d'inspection, de secours ou de course évoluant en environnement GPS-dénié. La planification de trajectoires agiles s'appuie depuis plusieurs années presque exclusivement sur l'optimisation numérique, jugée seule capable de produire des trajectoires expressives satisfaisant des contraintes complexes d'état et d'actionneurs. Cette dépendance a toutefois un coût en robustesse temporelle, que STITCHER cherche à contourner en revenant à une logique de bibliothèques de primitives de mouvement couplées à une recherche sur graphe, une approche plus ancienne en robotique mobile mais repensée ici pour le vol agile. Il s'agit d'une quatrième révision du travail sur arXiv, signe d'un développement itératif; les auteurs annoncent des tests matériels supplémentaires comme prochaine étape, mais aucun calendrier de déploiement commercial ni partenaire industriel n'est mentionné à ce stade.

Recherche❖Paper

1 source

37

1035arXiv cs.RO 

Anatomy de l'incertitude : descripteurs expressifs du mouvement des bras robotiques pour la communication non verbale en collaboration homme-robot

Une équipe de recherche propose, dans un article publié sur arXiv (2607.13696) mi-juillet 2026, un cadre mathématique permettant aux bras manipulateurs robotiques d'exprimer, via leur seule gestuelle, l'incertitude liée à une perception incomplète ou ambiguë de leur environnement. Le système s'appuie sur la Laban Movement Analysis, une méthode d'analyse du mouvement issue de la danse, pour organiser le comportement du robot dans un espace d'états baptisé Commitment-Vigilance. Cinq états psychologiques, confiance, curiosité, hésitation, peur et inactivité, y sont associés à des signatures de mouvement spécifiques (les "Laban Efforts"), traduites en cinq primitives motrices : approche, pause, retrait, exploration et oscillation. Chacune est paramétrée par onze descripteurs cinématiques et géométriques précis, incluant l'accélération, les caractéristiques de pause et de retrait, les angles de regard, l'inclinaison et l'amplitude de tremblement. Une étude utilisateur basée sur des vidéos a testé quatre trajectoires expressives auprès de participants humains, qui ont su identifier de façon fiable les états comportementaux visés, tandis que plusieurs descripteurs modulaient significativement l'intensité perçue. Le code, les vidéos, le questionnaire et les annexes sont disponibles publiquement sur bit.ly/github-aou. Pour la collaboration homme-robot, ce travail comble un manque concret : la plupart des bras manipulateurs industriels communiquent leurs intentions mais restent muets sur leur propre incertitude, ce qui peut générer des interactions perçues comme imprévisibles ou dangereuses en environnement partagé. Plutôt que d'ajouter des écrans, des voyants lumineux ou une synthèse vocale, coûteux en intégration et parfois peu adaptés à un atelier bruyant, l'approche mise sur le mouvement lui-même comme canal de communication non verbal, exploitable sur du matériel existant. L'intérêt principal réside dans la validation empirique : les descripteurs ne sont pas de simples hypothèses de design, ils ont été testés sur des sujets humains et montrent un effet mesurable sur la perception d'intensité, ce qui donne une base exploitable pour des intégrateurs cherchant à rendre des cobots plus lisibles sans surcoût matériel. Le travail s'inscrit dans la lignée de recherches plus anciennes sur la légibilité et l'expressivité du mouvement robotique, un courant qui a notamment nourri des robots sociaux comme Kismet ou les travaux de Disney Research sur l'animation appliquée à la robotique. Il n'implique ici aucun acteur industriel ni produit commercialisé : il s'agit d'un preprint académique fraîchement déposé, sans partenaire ou financement mentionné dans le résumé. Les auteurs indiquent que cette base perceptuelle doit maintenant servir à la génération autonome de trajectoires, via des représentations paramétriques du mouvement, pour des tâches collaboratives en environnement partagé, ce qui suggère une prochaine étape orientée vers l'intégration dans des planificateurs de trajectoire temps réel plutôt qu'une simple démonstration en laboratoire.

Recherche❖Paper

1 source

37

1036arXiv cs.RO 

Reconstruction de maillage indépendante de la topologie d'objets déformables à partir de contacts tactiles épars

Des chercheurs proposent un unique modèle capable de reconstruire le maillage complet d'un objet déformable à partir de quelques points de contact seulement, sans aucune vision. L'architecture repose sur un mécanisme d'attention croisée invariant par permutation, ce qui lui permet de traiter indifféremment une corde en une dimension, un tissu en deux dimensions ou un corps mou volumétrique en trois dimensions avec le même estimateur, sans connaître à l'avance la topologie de l'objet. Sur les tests menés, ce modèle appris réduit l'erreur de reconstruction d'environ deux tiers par rapport à deux références classiques non apprises : une complétion géométrique de maillage et une méthode par processus gaussien. Il surpasse également un encodeur ensembliste plus simple à agrégation globale, l'écart se creusant à mesure que le nombre de contacts augmente. Les auteurs montrent en complément qu'une estimation d'incertitude par ensemble de réseaux (deep ensemble) permet de décider où toucher ensuite, ce qui réduit encore l'erreur et bat à la fois le toucher aléatoire et une stratégie active basée sur un processus gaussien, notamment à faible budget de contacts. Ce travail cible un angle mort classique de la manipulation robotique : les situations où la caméra ne sert à rien, dans l'obscurité, à l'intérieur d'un sac opaque, derrière la main du robot ou en cas d'occlusion sévère. Un modèle unique capable de gérer plusieurs topologies d'objets déformables sans reconfiguration évite de devoir entraîner un estimateur dédié par type d'objet, un vrai frein pratique pour les intégrateurs travaillant sur la manipulation tactile ou le tri en aveugle. Le gain apporté par le choix intelligent du point de contact suivant reste modeste en moyenne, mais devient significatif justement dans les cas les plus difficiles, forte occlusion et queue de distribution d'erreur, ce qui est précisément le scénario où le tact seul est indispensable. Le papier note aussi un résultat qui relativise l'intérêt de l'exploration tactile active : dès que la vision redevient disponible, l'endroit où l'on touche importe peu, ce qui justifie de cantonner cette approche aux contextes réellement privés de vision plutôt que d'en faire une brique générale de perception. Publié sur arXiv (2607.13479), le travail se positionne comme une alternative aux approches spécifiques par type d'objet et aux baselines géométriques ou par processus gaussien couramment utilisées en reconstruction tactile, sans toutefois préciser de déploiement matériel ou d'intégration industrielle à ce stade : il s'agit pour l'instant d'un résultat de recherche évalué en simulation ou en banc d'essai contrôlé, avant toute validation à plus grande échelle.

Recherche❖Paper

1 source

37

1037arXiv cs.RO 

Joint apprentissage sur et hors politique pour la navigation vision-langage

Une équipe de chercheurs présente JOP-VLN, un nouveau framework d'apprentissage pour la navigation par instructions en langage naturel (Vision-and-Language Navigation, VLN), où un agent embarqué doit se déplacer dans un environnement physique en suivant des consignes textuelles. L'article, publié sur arXiv (2607.13461v1), combine pour la première fois deux approches jusqu'ici traitées séparément : l'apprentissage par imitation (IL) à partir de démonstrations expertes, renforcé par l'algorithme DAgger pour corriger les erreurs de trajectoire, et l'apprentissage par renforcement (RL) piloté par des récompenses vérifiables pour améliorer le raisonnement et l'exploration. Le pipeline se déroule en trois étapes : acquisition des compétences de base par imitation, génération de trajectoires d'exploration heuristiques via DAgger pour muscler la récupération d'erreurs, puis une phase conjointe on-policy/off-policy combinant échantillonnage de trajectoires à haute entropie et un tri priorisant la correction d'erreurs. Résultat : 69,9% de taux de réussite sur le benchmark VLN-CE R2R et 68,0% sur RxR, un nouveau record sur R2R. Ces chiffres comptent parce qu'ils comblent un angle mort méthodologique de la navigation par modèles vision-langage : la plupart des systèmes actuels choisissent soit l'imitation (stable mais peu exploratoire, sujette à la dérive en cas d'erreur), soit le renforcement (meilleur en exploration mais coûteux et instable à entraîner). Prouver qu'une combinaison structurée des deux surpasse chaque approche isolée est un signal pour les équipes qui développent des agents de navigation embarqués, notamment pour les robots mobiles autonomes (AMR) ou les futurs humanoïdes devant suivre des instructions en environnement non contrôlé, un domaine où la robustesse aux erreurs reste le principal verrou avant tout déploiement réel. Le travail s'inscrit dans la lignée des modèles vision-langage appliqués à la robotique, où des architectures VLA comme GR00T N2 ou Pi-0 cherchent à unifier perception, langage et action. JOP-VLN se positionne spécifiquement sur les benchmarks de référence R2R et RxR, sans annonce de déploiement matériel ni de partenariat industriel à ce stade ; il s'agit pour l'instant d'un résultat de recherche évalué en simulation, la page projet dédiée servant de vitrine aux résultats.

Recherche❖Paper

1 source

37

1038arXiv cs.RO 

SPINE : combler l'écart cyber-physique grâce à l'IA à base d'agents

Un groupe de chercheurs présente SPINE (Scalable Physical Integration with ageNtic Expertise), un framework agentique conçu pour automatiser le déploiement de robots bimanuels, une étape aujourd'hui dominée par un calibrage manuel long et réservé à des experts. L'architecture repose sur deux workflows multi-agents orchestrés : un « profile builder » qui construit un contexte spécifique au robot cible, et un « debugger » qui enchaîne diagnostic, réparation et validation jusqu'à obtenir une téléopération fonctionnelle. Les tests ont porté sur deux plateformes distinctes. Sur le bras DOBOT X-Trainer, à travers sept scénarios de debugging, un opérateur novice équipé de SPINE a fait mieux qu'un opérateur humain utilisant Claude Code seul avec les mêmes documents de référence, sans le workflow structuré de SPINE : le taux de réussite de l'opérationnalisation est passé de 75 % à 100 %, et le temps moyen jusqu'à la téléopération a chuté de 16 minutes 45 secondes à 13 minutes 47 secondes. Sur l'AgileX PiPER, un autre bras bimanuel sous ROS/CAN, SPINE a résolu la totalité des dix bugs implantés pour le test, contre neuf sur dix pour la référence experte, dans un temps quasi identique. Ces résultats ciblent un goulot d'étranglement bien identifié dans l'IA incarnée : les modèles fondation offrent déjà une couche de décision sophistiquée, mais la « moelle épinière » reliant ce cerveau au matériel physique reste un frein majeur au passage à l'échelle. En automatisant cette phase de calibrage, SPINE réduit la dépendance à une expertise robotique pointue et pourrait accélérer le déploiement de flottes hétérogènes chez les intégrateurs, sans multiplier les besoins en ingénieurs spécialisés par plateforme. Le papier, publié sur arXiv, reste au stade de la recherche académique : il s'agit d'une évaluation contrôlée sur deux bras robotiques de test, pas d'un déploiement industriel ni d'un produit commercialisé. La capacité de SPINE à transférer d'une plateforme à l'autre, DOBOT puis AgileX, est le point mis en avant par les auteurs comme preuve de généralisation, mais l'ampleur limitée des essais (sept puis dix scénarios) invite à la prudence avant toute extrapolation à des déploiements à grande échelle.

Recherche❖Paper

1 source

37

1039arXiv cs.RO 

Anticipation sémantique pour les représentations d'actions robotiques

Traduction et synthèse en cours. Une équipe de recherche vient de publier sur arXiv (2607.13597, soumission de juillet 2026) une étude sur la dégradation des représentations sémantiques dans les modèles Vision-Language-Action (VLA), ces architectures qui pilotent aujourd'hui la plupart des robots humanoïdes commerciaux comme Figure 03, Optimus Gen 3 ou les modèles Pi-0 et GR00T N2. Le constat de départ est simple : ces modèles héritent d'une structure sémantique riche de leurs encodeurs vision-langage préentraînés, mais le finetuning sur un nombre limité de démonstrations robotiques érode cette structure, un phénomène que les chercheurs ont confirmé par un sondage systématique des représentations internes. Ils montrent aussi que la qualité de cette structure sémantique conditionne directement le taux de réussite des tâches et la capacité de généralisation hors distribution (out-of-distribution, OOD). Leur solution, baptisée ancrage sémantique, consiste à contraindre les représentations d'action à rester proches d'une variété sémantique de référence tout en séparant un canal partagé et un canal privé, les deux étant supprimés à l'inférence, sans changer le modèle déployé. Testée sur plusieurs backbones VLA en simulation et en conditions réelles, la méthode apporte jusqu'à +18,7% de réussite sur des tâches en distribution et +21,5% en généralisation OOD. L'enjeu dépasse la seule performance sur benchmark : la dérive sémantique pendant le finetuning est un problème connu mais peu quantifié dans l'industrie humanoïde, où les intégrateurs adaptent en permanence des modèles préentraînés à des tâches spécifiques d'usine ou d'entrepôt avec très peu de données. Une méthode plug-and-play, sans coût à l'inférence, qui améliore la robustesse hors distribution touche directement au fameux écart entre démonstration scénarisée et déploiement réel, un des points faibles récurrents des annonces du secteur ces deux dernières années. L'approche s'inspire de la théorie des neurones miroirs, selon laquelle observation et exécution d'une action partagent un même encodage au niveau de l'intention, et s'inscrit dans la lignée des travaux sur les VLA préentraînés type RT-2 ou OpenVLA, où la question du transfert des capacités du modèle vision-langage vers l'action reste un chantier ouvert. Les auteurs positionnent leur contribution comme complémentaire aux architectures existantes plutôt que comme un nouveau backbone, ce qui laisse présager une adoption potentielle par différents laboratoires sans remise en cause de leurs modèles de base.

Recherche❖Paper

1 source

36

1040arXiv cs.RO 

Kepler-Encoder-v0.1 : vers un modèle d'embedding multimodal pour robots

Des chercheurs publient sur arXiv (2607.13522v1) Kepler-Encoder-v0.1, un encodeur multimodal pour robots qui fusionne vision, proprioception et force/couple dans un espace latent partagé, entraîné en auto-supervisé selon l'objectif LeJEPA/SIGReg. Le point de départ est que les features visuelles brutes d'un ViT figé captent très mal la force, avec un R² inférieur ou égal à 0,10 sur chaque robot testé. Sur le corpus multi-robots RH20T, le latent entraîné avec fusion, mais utilisé vision-seule à l'inférence, récupère significativement mieux l'état de l'effecteur terminal et la force que les baselines vision, sur tous les robots dotés de capteurs de force, tout en égalant les meilleures baselines sur l'état moteur déjà visible par la caméra. Un seul encodeur couvre quatre robots différents ; son erreur de prédiction croisée détecte les états invalides sans entraînement supplémentaire (AUROC de 0,90 sur les états hors limites, 0,69 sur les changements de scène), et un décodeur de diffusion (PixNerd) reconstruit l'image caméra depuis ce latent. Pour les intégrateurs robotique, l'intérêt est concret : un encodeur entraîné avec force et proprioception, une fois déployé vision-seule, conserve une partie de l'information de contact dans son espace latent, ce qui ouvre la voie à des robots moins instrumentés à l'inférence tout en restant plus sensibles au contact physique. L'approche se distingue de la course aux modèles VLA généralistes comme Pi-0, GR00T N2 ou Helix, centrés sur la génération d'action : Kepler-Encoder-v0.1 s'attaque à la représentation d'état en amont, y compris ce que la caméra ne voit pas directement. Les auteurs restent toutefois prudents, la récupération absolue de la force à un instant donné demeurant modeste, un signal statistique plutôt qu'une reconstruction fiable image par image. Le travail s'appuie sur RH20T, jeu de données multi-robots déjà utilisé pour entraîner des représentations tactiles et visuelles, et sur LeJEPA/SIGReg, une famille de méthodes type JEPA qui prédit dans l'espace latent plutôt que de reconstruire les pixels bruts. Publié en preprint sur arXiv, le rapport précise explicitement ses limites : il ne valide que le cas à un seul pas de temps, la fusion temporelle à fréquence native étant annoncée comme prochaine étape, et aucun déploiement industriel n'est mentionné à ce stade. Il s'inscrit dans un mouvement de recherche plus large visant des encodeurs d'état généralistes et agnostiques à l'embodiment, en complément des modèles VLA orientés action comme Pi-0 ou GR00T N2.

Recherche❖Paper

1 source

36

1041arXiv cs.RO 

Vers des objectifs de navigation par le langage : une approche vision-langage pour la navigation sémantique de robots mobiles par perception RGB-D

Une équipe de recherche présente un framework open source de navigation sémantique piloté par le langage naturel pour robots mobiles, publié sur arXiv (2607.13624v1). Le système, bâti sur des composants modulaires ROS 2, traduit des requêtes en langage naturel comme "va vers la boîte aux lettres" en objectifs de navigation exécutables. Concrètement, le pipeline identifie l'objet cible mentionné dans la phrase, estime sa position dans l'espace à partir de données RGB-D, puis génère un point de navigation transmis à la pile Nav2 de ROS 2 pour l'exécution autonome. Les auteurs ont validé l'approche à la fois en simulation et en conditions réelles, sur deux plateformes distinctes : un TurtleBot3 Waffle et un Unitree Go2 équipé d'une caméra RealSense. Le code sera publié en open source après acceptation de l'article. Cette architecture illustre une tendance de fond dans la robotique mobile : le passage d'une navigation pilotée par coordonnées ou par carte à une navigation pilotée par l'intention exprimée en langage naturel, sans expertise technique requise de l'utilisateur. Pour les intégrateurs, l'intérêt réside moins dans la performance brute que dans la portabilité : en s'appuyant sur ROS 2 et sur des topics et services standardisés, le framework promet une adaptation à différentes plateformes robotiques via une simple reconfiguration plutôt qu'un développement spécifique par robot. Le système va au-delà des commandes directes en interprétant aussi des requêtes contextuelles et en générant du feedback en langage naturel, deux capacités clés pour une interaction homme-robot fluide dans des environnements domestiques ou logistiques où les utilisateurs finaux ne sont pas des opérateurs formés. Ce travail s'inscrit dans la vague plus large des architectures vision-langage-action qui traversent la robotique depuis l'essor de modèles comme Pi-0 ou GR00T N2, même si ceux-ci ciblent surtout la manipulation plutôt que la navigation pure. Plutôt qu'une approche end-to-end déléguant tout le raisonnement à un modèle unique, les auteurs optent pour une architecture modulaire combinant perception RGB-D, compréhension du langage et planification via Nav2, une pile de navigation déjà largement adoptée dans l'écosystème ROS 2 académique et industriel. L'ambition de portabilité multi-plateforme et la publication annoncée du code positionnent ce travail comme une brique réutilisable plutôt qu'une démonstration isolée, même si, à ce stade, rien n'indique un calendrier de diffusion précis ni des tests en environnements plus complexes ou à grande échelle.

Recherche❖Paper

1 source

36

1042arXiv cs.RO 

GigaWorld-Policy-0.5 : un WAM plus rapide et puissant grâce à AutoResearch

GigaWorld-Policy-0.5, développé par une équipe de recherche chinoise, s'attaque à un problème concret des World Action Models (WAM), ces architectures qui améliorent l'apprentissage de politiques robotiques en modélisant conjointement les actions et l'évolution future de la scène visuelle. Le défaut des WAM existants est de générer explicitement des vidéos futures au moment de l'inférence, ce qui alourdit fortement le calcul et empêche un déploiement en boucle fermée temps réel. GigaWorld-Policy-0.5 conserve la dynamique visuelle future comme signal d'entraînement mais bascule à l'inférence vers un décodage uniquement orienté action. Le modèle combine un entraînement mixte Action-Conditioned World Modeling (AC-WM) et WAM classique, renforçant le couplage entre dynamique visuelle et actions robotiques. Côté architecture, une Mixture-of-Transformers sépare les experts dédiés à la modélisation visuelle de ceux dédiés à la génération d'actions, réduisant le calcul actif lors de l'inférence pure. Résultat annoncé : 85 millisecondes de latence d'inférence sur une configuration locale RTX 4090. Les auteurs ajoutent un pipeline agentique baptisé AutoResearch pour rechercher automatiquement les configurations d'entraînement optimales, réduisant le temps et l'intervention manuelle nécessaires au réglage des hyperparamètres. Cette approche répond à une tension centrale du secteur robotique : les modèles vision-langage-action (VLA) les plus performants s'appuient souvent sur une prédiction vidéo coûteuse pour ancrer physiquement leurs décisions, ce qui les rend inadaptés à un contrôle en temps réel sur du matériel embarqué. En démontrant qu'il est possible de conserver les bénéfices d'entraînement liés à la dynamique visuelle future tout en s'affranchissant de sa génération explicite à l'inférence, GigaWorld-Policy-0.5 offre une piste concrète pour rapprocher les WAM d'un usage industriel réel, sur des GPU consumer plutôt que des clusters dédiés. Pour les intégrateurs et décideurs B2B, la latence de 85 ms mesurée sur une RTX 4090 reste un chiffre en environnement contrôlé, sans précision sur la tâche exécutée ni sur la charge du système complet (perception, planification), ce qui invite à la prudence avant d'en déduire une performance transposable telle quelle en production. GigaWorld-Policy-0.5 s'inscrit dans la lignée des World Action Models qui ont émergé pour pallier les limites des VLA purement réactifs, en s'inspirant des travaux sur les modèles du monde utilisés en simulation avant d'être transposés au contrôle robotique réel. Le papier ne détaille pas de comparaison chiffrée directe avec des systèmes concurrents comme Pi-0, GR00T N2 ou Helix, ce qui limite l'évaluation de son positionnement compétitif réel. L'apport revendiqué de la version 0.5 tient surtout à l'architecture Mixture-of-Transformers et au pipeline AutoResearch, présentés comme des briques permettant d'itérer plus vite sur les configurations d'entraînement. Le document, publié sur arXiv (2607.13960v1), reste à ce stade une contribution de recherche sans mention de déploiement industriel, de partenariat ou de calendrier de commercialisation.

Recherche❧Opinion

1 source

35

1043arXiv cs.RO 

Mondes en une seule démo : un moteur de données synthétiques pour la manipulation mobile en monde ouvert

Des chercheurs présentent WANDA (learning open-World mobile mANipulation from one Demonstration via a synthetic DAta engine), un moteur de génération de données synthétiques permettant d'entraîner des politiques de manipulation mobile à partir d'une seule démonstration humaine. Décrit dans un preprint arXiv publié mi-juillet 2026 (arXiv:2607.13154), le système reconstruit d'abord une scène sous forme de Gaussian splats et extrait les trajectoires d'interaction robot-objet à partir d'observations RGBD. Ces segments d'interaction riches en contacts sont ensuite réagencés dans de multiples configurations spatiales grâce à une planification de mouvement corps entier, qui les enchaîne en nouvelles trajectoires. Une méthode nommée Corrective State Expansion augmente la diversité des états du robot et des objets à chaque étape de la tâche. Pour généraliser au-delà d'un seul environnement, WANDA synthétise aussi des trajectoires sur des mondes 3D générés à partir de simples photos du quotidien, puis compose des rendus photoréalistes en combinant meshes de robot et d'objets avec des fonds en Gaussian splatting. Les auteurs valident l'approche sur des tâches simulées et réelles dans des scènes variées, et démontrent un transfert zero-shot vers un second manipulateur mobile de morphologie différente, sans réentraînement. L'enjeu central est le goulot d'étranglement des données pour les politiques de manipulation mobile en monde ouvert : la téléopération et les interfaces type UMI (Universal Manipulation Interface) exigent un effort humain considérable et ne passent pas à l'échelle. En démontrant qu'une seule démonstration réelle peut être démultipliée en un jeu de données couvrant robustesse long-horizon, généralisation spatiale et généralisation inter-environnements, WANDA s'attaque directement à l'hypothèse dominante du secteur selon laquelle les politiques VLA (vision-language-action) nécessitent des milliers d'heures de téléopération pour généraliser. Le support natif du cross-embodiment, illustré par un déploiement zero-shot sur un manipulateur différent, intéresse particulièrement les intégrateurs qui cherchent à réutiliser des données d'entraînement entre plusieurs plateformes robotiques plutôt que de recollecter pour chaque nouveau châssis. Ce travail s'inscrit dans une vague de recherches sur la donnée synthétique en robotique, aux côtés d'approches comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, qui explorent chacune des voies différentes pour réduire la dépendance à la téléopération massive. À la différence de ces systèmes déjà déployés commercialement, WANDA reste à ce stade un preprint arXiv de juillet 2026, sans affiliation industrielle mentionnée dans l'abstract, et ses résultats n'ont pas encore été validés par une revue par les pairs ni testés en conditions de production. Les auteurs ne précisent ni le nombre de tâches évaluées ni de chiffres de performance quantifiés, ce qui invite à la prudence avant d'extrapoler ces résultats à un contexte industriel. Les prochaines étapes attendues incluent une publication en conférence et des comparaisons plus poussées face aux méthodes de collecte existantes.

Recherche❖Paper

1 source

32

1044arXiv cs.RO 

Robots quadrupèdes "QuadBoat" : conception et contrôle pour le sauvetage de noyade

Des chercheurs présentent QuadBoat, un véhicule de surface sans pilote (USV) bio-inspiré conçu pour retrouver et récupérer des victimes en détresse dans l'eau, décrit dans un preprint arXiv publié récemment. Contrairement aux USV classiques à coque rigide, QuadBoat adopte une configuration de robot quadrupède dont la posture est activement ajustable, ce qui lui confère une maniabilité et une agilité supérieures sur l'eau. Le système combine un contrôleur basé sur la cinématique inverse pour le pilotage des pattes et un contrôleur en cascade associant commande prédictive par modèle (MPC) et PID pour la coordination du mouvement global. Les auteurs ont validé la plateforme via des démonstrations de maniabilité, des essais de suivi de trajectoire et de mouvement des pattes, puis des expériences de suivi visuel et de récupération d'objets menées en intérieur et en extérieur. Cette approche cible un angle mort réel de la recherche en robotique de sauvetage : l'extraction rapide de victimes hors de l'eau, une étape rarement traitée frontalement par les travaux existants, généralement centrés sur la détection ou le transport après récupération plutôt que sur l'extraction elle-même. En hybridant locomotion à pattes et flottaison, QuadBoat cherche à réunir la stabilité d'un USV et l'agilité d'un système articulé capable de manipuler un objet ou une personne en surface, une combinaison encore peu explorée hors laboratoire. Le papier reste toutefois un prototype de recherche : les expériences de « récupération » portent sur des objets test, pas sur des mannequins ou victimes simulées en conditions réalistes de détresse (vagues, panique, hypothermie), et le résumé ne communique aucune métrique de taux de réussite ni de temps de sauvetage, ce qui limite pour l'instant la portée des conclusions. QuadBoat s'inscrit dans une tendance plus large de robots légés amphibies, aux côtés de plateformes hybrides terrestre-aquatique testées par plusieurs laboratoires universitaires ces dernières années, tout en se distinguant des drones nautiques et des bouées robotisées déjà déployés par certains services de secours côtiers. Aucun acteur français ou européen n'apparaît dans ce travail, qui semble émaner d'un laboratoire universitaire sans partenariat industriel identifié. Les prochaines étapes, non précisées dans le résumé, porteraient logiquement sur des essais avec des mannequins de sauvetage et une validation en conditions de mer réelles, préalable indispensable avant d'envisager un transfert vers des services de secours opérationnels.

Recherche❖Paper

1 source

30

1045arXiv cs.RO 

Active Trust Management pour un travail d'équipe humain-robot réussi : passer d'une réparation à une satisfaction de la confiance

Le Fil Robotique n'a pas grand-chose à voir avec cet article de recherche (papier trust HRT), mais je le traduis quand même, voici le résultat : Un nouvel article publié sur arXiv (référence 2607.13595, juillet 2026) propose un cadre de gestion de la confiance pour les équipes homme-robot amenées à opérer dans des environnements dangereux, typiquement des missions de recherche en zone à risque avec des robots mobiles. Les auteurs distinguent deux approches : la "réparation de confiance", qui intervient après coup lorsqu'un robot commet une erreur ou semble s'écarter des priorités de la mission, et la "satisfaction de confiance" ("trust satisficing"), une approche proactive qui part du principe que le niveau de confiance fluctue en permanence selon le contexte, même en fonctionnement normal. Le cadre qu'ils esquissent repose sur trois piliers : la mesure en continu de métriques proxy de la confiance, l'adaptation en boucle fermée du comportement du robot, et une autonomie variable laissant à l'humain la responsabilité des décisions engageant un jugement de valeur. Les auteurs s'appuient sur une étude expérimentale récente portant sur la notion de "confiance rapide" (swift trust) et sur une nouvelle métrique comportementale de confiance conçue spécifiquement pour les équipes homme-robot. L'enjeu dépasse la recherche académique : à mesure que les robots mobiles gagnent en autonomie décisionnelle grâce à l'IA, au lieu de rester de simples systèmes téléopérés, la confiance entre humains et machines devient un facteur critique de réussite de mission, potentiellement aussi déterminant que la fiabilité technique elle-même. Pour les intégrateurs et décideurs qui déploient des robots autonomes en environnement industriel ou à haut risque, ce travail pointe un angle mort fréquent des feuilles de route produit : la confiance n'est pas un état binaire acquis une fois pour toutes après un test réussi, mais une variable dynamique qu'il faut mesurer et réguler en continu pendant l'opération. Ce positionnement s'inscrit dans la continuité des travaux en interaction homme-robot (HRI) et en psychologie des équipes, jusqu'ici centrés sur la réparation de confiance après incident. Il s'agit ici d'un article de perspective, qui formule un cadre conceptuel plutôt qu'un système validé à grande échelle, et les auteurs identifient explicitement plusieurs pistes de recherche encore ouvertes.

Recherche❖Paper

1 source

39

1046TechNode 

Xiaomi présente Xiaomi-Robotics-U0 pour l'IA incarnée et la génération de robots

Xiaomi a dévoilé mercredi Xiaomi-Robotics-U0, un modèle de fondation multimodal autorégressif de 38 milliards de paramètres conçu pour l'IA incarnée (embodied AI). L'entreprise affirme que ce modèle unifie quatre capacités au sein d'un même framework : la génération de scènes pour robots, le transfert de comportements robotiques, la génération de vidéos d'interaction robot-environnement, et la génération et l'édition d'images à usage général. Concrètement, le système peut créer des environnements exploitables par des robots à partir de simples prompts textuels, adapter des trajectoires robotiques existantes à de nouvelles scènes tout en préservant le mouvement d'origine, produire des vidéos d'interaction à partir d'instructions de tâches, et exploiter des connaissances visuelles à l'échelle d'internet pour des applications d'IA incarnée. L'annonce a été rapportée par TechNode. Cette annonce s'inscrit dans une tendance de fond du secteur robotique : l'utilisation de modèles génératifs pour produire des données d'entraînement synthétiques et combler l'écart entre simulation et réalité, un problème central pour les acteurs du VLA (vision-language-action) comme Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia. Si la promesse de générer des environnements et trajectoires synthétiques à la demande tient ses promesses, elle pourrait réduire le coût de collecte de données réelles, un goulot d'étranglement majeur pour l'entraînement des robots humanoïdes et bras manipulateurs. Toutefois, à ce stade, il s'agit d'une annonce de capacités techniques, sans démonstration publique détaillée ni benchmark comparatif, ni précision sur un déploiement matériel réel. Xiaomi investit depuis plusieurs années dans la robotique, avec son robot quadrupède CyberDog et des incursions dans les véhicules autonomes et l'IA embarquée. Ce modèle de 38 milliards de paramètres le positionne face aux laboratoires spécialisés en IA incarnée tels que Physical Intelligence, Figure AI ou Nvidia, ainsi que face aux géants chinois de la tech comme Baidu ou Alibaba, également actifs sur les modèles fondation pour la robotique. Aucune date de disponibilité, de partenariat industriel ou de déploiement pilote n'a été précisée à ce stade.

Chine/Asie⚡Actu

1 source

38

1047Pandaily 

China : premier humanoïde grandeur nature accomplit seul des tâches ménagères complexes grâce à un système cérébral à contre-courant

La start-up chinoise LimX Dynamics a présenté Oli, un robot humanoïde grandeur nature doté de 31 degrés de liberté, réalisant de façon autonome une série de tâches domestiques complexes dans un environnement réel, sans téléopération ni montage vidéo, selon les affirmations de l'entreprise. En une seule prise continue, le robot a plié du linge, rangé des objets, empilé des boîtes, ramassé des déchets et livré de l'eau. LimX se positionne ainsi comme la deuxième entreprise au monde, aux côtés de Figure, à revendiquer ce niveau d'autonomie sur des tâches ménagères à horizon long. Cette démonstration repose sur COSA 0.5, une architecture cognitive à trois couches baptisée S2-S1-S0. La couche S2, dite « cognition », s'appuie sur un agent LLM/VLM pour la compréhension de scène, la mémoire et le raisonnement ; la couche S1 regroupe un portefeuille de compétences entraînées, dont des modèles vision-langage-action (VLA) pour la génération de mouvements du corps entier ; la couche S0 fait tourner en local, à 1000 Hz, une politique de transformeur corps-entier (WBT) de 10 millions de paramètres chargée de traduire les objectifs en commandes articulaires coordonnées et équilibrées. Zhang Wei, fondateur de LimX, justifie cette séparation en comparant un grand modèle isolé à Stephen Hawking alité : d'une intelligence extrême mais incapable de mouvement. Cette approche va à contre-courant du consensus actuel du secteur, qui tend à assimiler le "cerveau" du robot à un modèle unique et massif. En découplant cognition, compétences et contrôle moteur, LimX affirme pouvoir faire évoluer chaque couche indépendamment, un argument de robustesse industrielle plus que de performance brute. Le système aurait été affiné par apprentissage par renforcement directement sur le robot réel : des opérateurs corrigent les erreurs par téléopération pendant que la couche S0 maintient l'équilibre, ces corrections alimentant ensuite l'entraînement de modèles de récompense. Si les résultats se confirment au-delà de cette démonstration filmée par l'entreprise elle-même, l'enjeu dépasse la prouesse technique : il s'agit de savoir si les architectures VLA passent enfin l'épreuve du réel en dehors des environnements industriels contrôlés, un test que la plupart des acteurs du secteur n'ont pas encore franchi publiquement. La majorité des entreprises d'IA incarnée, à l'image de Tesla avec Optimus ou Agility Robotics, concentrent leurs premiers déploiements sur l'usine et la logistique. LimX Dynamics fait un pari inverse : cibler d'emblée les marchés du commerce, de l'hôtellerie, du divertissement et du service à domicile, où l'interaction physique humanoïde crée, selon Zhang Wei, une valeur différente. La démonstration d'Oli sert avant tout à crédibiliser ce positionnement stratégique face à des concurrents comme Figure ou aux plateformes Pi-0 et GR00T N2, en misant sur la polyvalence domestique plutôt que sur la répétabilité en chaîne de production, sans qu'aucun calendrier de déploiement pilote n'ait pour l'instant été communiqué.

Chine/Asie⚡Actu

1 source

47

1048NVIDIA Blog Robotics 

NVIDIA dévoile les nouveaux ordinateurs Jetson Thor pour démocratiser la robotique et l'IA en périphérie

NVIDIA a présenté les modules Jetson T3000 et T2000, basés sur l'architecture Thor, avec pour objectif de démocratiser les supercalculateurs d'IA embarquée pour la robotique et les systèmes autonomes. Le Jetson et IGX T3000 délivre 865 téraflops en FP4 dans un format deux fois plus compact et moins gourmand en énergie que le T5000, grâce à un GPU Blackwell, un CPU Arm Neoverse huit cœurs, 32 Go de mémoire LPDDR5X, une bande passante de 273 Go/s et une connectivité 25 GbE. La version IGX T3000 intègre en plus une sécurité fonctionnelle certifiée et fait tourner la pile Halos for Robotics pour les robots évoluant à proximité d'humains. Le T2000, plus modeste avec 400 téraflops FP4 et 16 Go de mémoire, cible les robots mobiles autonomes, les bras manipulateurs industriels et les agents visuels. L'ensemble porte la gamme Jetson d'une fourchette de 70 TOPS à 2 000 téraflops. Des entreprises comme 1X, Agility, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi, Medtronic ou Techman Robot construisent déjà sur cette plateforme. NVIDIA a également lancé des "agent skills" logiciels d'optimisation mémoire : UBTech, Agile Robots et Connect Tech affirment avoir réduit leur usage mémoire jusqu'à 15 Go, permettant de repasser d'un module Orin 64 Go à 32 Go ; SandStar évoque 4 Go économisés dans le retail intelligent, et NoTraffic annonce 30% de mémoire libérée sur Jetson TX2 NX. L'enjeu réel n'est pas la puissance de calcul brute, déjà abondante, mais son coût. En pleine flambée des prix mémoire, réduire l'empreinte RAM permet de descendre d'un cran dans la gamme de composants sans perdre en performance, un levier direct sur les marges des fabricants de robots humanoïdes qui cherchent à passer du prototype à la production de série. Ces annonces confirment surtout que la quasi-totalité des acteurs majeurs de la robotique humanoïde et industrielle s'appuie sur le même socle silicium NVIDIA plutôt que de développer leurs propres puces, une dépendance qui pèsera sur les rapports de force à mesure que les volumes augmentent. Il faut toutefois noter que les chiffres de gains mémoire proviennent de témoignages clients sélectionnés par NVIDIA, sans benchmark indépendant, et que les performances FP4 annoncées restent des mesures constructeur. Ces modules Thor succèdent au Jetson AGX Thor dévoilé précédemment et prolongent la lignée Jetson Orin, avec un objectif affiché de couvrir tous les segments d'edge AI, du drone au robot industriel. Aucun acteur français ou européen de la robotique n'est cité parmi les entreprises partenaires mentionnées dans cette annonce. La suite passera par l'élargissement progressif des "agent skills" à l'ensemble du portefeuille Jetson, Thor comme Orin, et par l'intégration continue de nouveaux clients robotique dans l'écosystème Thor.

Infrastructure❧Opinion

1 source

48

1049Robotics Business Review 

Walden Robotics se lance avec une valorisation de 1,1 milliard de dollars pour des robots polyvalents

Walden Robotics est sorti de son mode furtif ce jour avec 300 millions de dollars de financement et une valorisation de 1,1 milliard de dollars. La startup, basée à Cambridge dans le Massachusetts, a été fondée par Russ Tedrake, professeur au MIT et ancien vice-président senior en charge des large behavior models chez Toyota Research Institute (TRI), qui a essaimé Walden en janvier dernier. Ses cofondateurs viennent de Stanford et d'Amazon. Le robot combine un torse humanoïde à deux bras avec une base à roues plutôt que des jambes, un choix que Tedrake justifie par une certification de sécurité plus simple en environnement industriel. La technologie s'appuie sur dix ans de recherche autour de la diffusion policy, de l'Universal Manipulation Interface (UMI), des large behavior models, d'OpenVLA et du simulateur open-source Drake, complétés par de l'apprentissage par imitation, de la simulation et de la téléopération. Depuis février, ces robots travaillent dans une usine Toyota en Amérique du Nord, où ils sont passés du premier pilote à des tâches de production et de logistique en moins de deux mois, sur des opérations comme le machine tending, le changement d'outils, le kitting de pièces et l'assemblage. Cette annonce s'inscrit dans la course à la robotique généraliste où l'accent se déplace des démonstrations vers le déploiement réel en usine, un point sur lequel Walden insiste explicitement en opposant sa stratégie à celle d'acteurs misant sur des briques technologiques prêtes à l'emploi. Le choix d'une base roulante plutôt que bipède, et d'une approche full-stack intégrant matériel, logiciel, IA et couche applicative, tranche avec les paris plus spectaculaires sur l'humanoïde bipède pur et souligne combien le passage à l'échelle industrielle reste conditionné par des contraintes pratiques de sécurité et de fiabilité plutôt que par la seule sophistication du modèle. Walden capitalise sur l'écosystème de recherche construit par Tedrake au MIT et sur les relations nouées avec Toyota pendant son passage chez TRI, qui reste investisseur via Toyota Motor Corp. et Toyota Ventures. La startup revendique des partenariats stratégiques dans l'automobile, l'aérospatiale, les semi-conducteurs, l'électronique et les sciences de la vie, dans un paysage où elle se positionne face aux autres poids lourds de la robotique physique et de l'IA générale sans toutefois donner de détails supplémentaires sur ses prochaines étapes, promettant seulement d'en dire plus lors d'événements comme RoboBusiness 2026.

Business⚡Actu

1 source

39

1050Robotics Business Review 

Agility présente six recommandations pour les politiques américaines sur les robots humanoïdes

Basé sur ces déclarations, la robotique humanoïde industrielle s'invite dans le débat réglementaire américain. Peggy Johnson, directrice générale d'Agility Robotics (constructeur du robot Digit, déployé notamment chez GXO et Schaeffler), a présenté dans une récente vidéo six recommandations destinées aux décideurs politiques américains. Premier point : réduire la dépendance aux composants importés, en particulier les aimants permanents pour moteurs, dont la Chine contrôle 90% de la capacité de production mondiale selon un rapport de McKinsey. Deuxième axe : adopter une stratégie nationale coordonnée entre agences fédérales et industriels, en réponse à l'objectif chinois affiché dès 2023 de production de masse d'humanoïdes pour 2025. Johnson appelle aussi à privilégier des normes volontaires et des cadres de sécurité pilotés par l'industrie, en s'appuyant sur les travaux déjà en cours à l'ISO, au NIST et à l'ASTM, plutôt qu'une réglementation contraignante. Les trois derniers piliers concernent le soutien fédéral à la formation des techniciens et aux partenariats avec les établissements d'enseignement, ainsi que des incitations financières pour abaisser le coût d'entrée à l'automatisation pour les petits fabricants. Cette prise de position illustre la bascule d'un secteur encore largement expérimental vers une phase de lobbying industriel classique, signe que les humanoïdes commencent à peser économiquement aux yeux de leurs fabricants. Pour les intégrateurs et décideurs industriels américains, l'argument central de Johnson est celui d'un risque de dépendance stratégique : sans intervention publique, la chaîne d'approvisionnement en composants critiques (aimants, actionneurs) resterait sous contrôle chinois, fragilisant à terme la base industrielle domestique. C'est aussi une manière pour Agility de peser dans la définition des normes de sécurité avant qu'elles ne soient figées par la réglementation, un enjeu direct pour la commercialisation de robots amenés à travailler aux côtés d'humains en entrepôt. La référence à la recherche montrant que les robots complètent plutôt qu'ils ne remplacent la main-d'œuvre vise aussi à désamorcer par avance l'opposition syndicale. Ces recommandations s'inscrivent dans un contexte de concurrence sino-américaine déjà bien documentée sur les semi-conducteurs et les batteries, désormais étendue à la robotique humanoïde. Le communiqué mentionne explicitement AGIBOT et son robot G2 comme illustration de l'avance industrielle chinoise en volume de déploiement. Agility Robotics, qui a déjà noué des partenariats commerciaux concrets avec des logisticiens américains pour son robot Digit, n'est pas un acteur neutre dans ce débat : ses recommandations servent aussi ses propres intérêts commerciaux en cherchant à sécuriser un accès facilité aux composants et un cadre réglementaire favorable avant que des concurrents chinois ou d'autres humanoïdes américains (Figure, Tesla Optimus, Apptronik) ne s'implantent davantage sur le marché domestique. Aucun calendrier législatif concret n'est pour l'instant associé à ces six propositions, qui restent à ce stade des recommandations et non des mesures adoptées.

Regulation⚖Reglementation

1 source