Actualités robotique — page 22

4 559 articles au fil, du plus récent au plus ancien.

38

1051arXiv 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

1052arXiv 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

38

1053arXiv 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

1054arXiv 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

1055arXiv 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

1056arXiv 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

38

1057arXiv 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

1058arXiv 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

1059arXiv 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

1060arXiv 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

1061arXiv 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

1062arXiv 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

37

1063arXiv 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

1064arXiv 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

1065arXiv 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

1066arXiv 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

1067arXiv 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

1068arXiv 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

1069arXiv 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

1070arXiv 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

1071arXiv 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

1072arXiv 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

1073arXiv 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

1074TechNode 

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

1075Pandaily 

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

1076NVIDIA 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

1077Robotics 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

1078Robotics 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

43

1079Interesting Engineering 

Le robot-chien coréen apprend un mouvement animal grâce à l'IA pour franchir forêts et escaliers

Les chercheurs du Korea Advanced Institute of Science and Technology (KAIST), de l'Universite Korea, de l'Agence de développement de la défense sud-coréenne et de DIDEN Robotics ont présente APT-RL (Action Pretrained Transformer-based Reinforcement Learning), un framework d'IA qui permet a un robot quadrupède de changer automatiquement de mode de locomotion selon le terrain. Teste sur le robot HOUND de KAIST, le système combine des compétences de déplacement preentrainees a partir de plus de 180 000 trajectoires de mouvement optimisées (soit 15,5 heures de simulation générées en seulement huit minutes) avec un apprentissage par renforcement qui décide quand basculer entre marche, bond, escalade ou saut. Le tout fonctionne uniquement avec des capteurs embarques, une camera de profondeur et un LiDAR 2D, sans système de capture de mouvement externe. Lors d'essais en campus universitaire, en foret, sur terrain rocheux, escaliers, troncs et pierres de gué, HOUND a atteint une vitesse instantanée de 4,25 mètres par seconde, et jusqu'a 6 m/s en sautant depuis un escalier de trois marches, des chiffres que les auteurs présentent comme parmi les plus rapides jamais rapportes pour un quadrupède pilote par perception en conditions réelles. Cette démonstration s'inscrit dans un enjeu central de la robotique legged: le fosse entre les gaits appris en simulation et leur robustesse une fois déployés sur terrain non structure. La plupart des robots quadrupèdes commerciaux (Spot de Boston Dynamics, Go2 d'Unitree) reposent encore sur des contrôleurs distincts ou des transitions de gait limitées a des scenarios pré-testes. En démontrant qu'une politique unique embarquée peut généraliser a des obstacles jamais vus, sans reentrainement, sans capture de mouvement extérieure, KAIST apporte un argument concret en faveur de la viabilité des architectures de type "un seul cerveau, plusieurs compétences" pour des missions d'exploration ou de recherche et sauvetage en environnement réel, ou la connectivité et l'infrastructure de tracking sont absentes. Reste que les chiffres de vitesse, notamment la pointe a 6 m/s en descente d'escalier, méritent d'être lus comme des pics instantanés obtenus dans des conditions contrôlées par l'équipe, pas comme une performance opérationnelle soutenue. Le champ de la locomotion quadrupède a bascule ces dernières années vers l'apprentissage par renforcement en simulation massive (une approche popularisée par ETH Zurich et Boston Dynamics avec Spot, puis reprise par Unitree en Chine), avec un gain de robustesse mais une spécialisation encore forte par tache. APT-RL se distingue par sa méthode en trois étapes: preentrainement de briques motrices de base, apprentissage du séquencement de ces briques par renforcement, puis adaptation au déploiement réel via perception seule. Compare a des méthodes hiérarchiques et RL existantes, le framework affiche de meilleurs taux de réussite, des transitions de gait plus fluides et une meilleure efficacité énergétique, selon l'équipe. Les prochaines étapes évoquées par les chercheurs concernent l'extension a des missions de recherche et sauvetage et d'exploration autonome, sans toutefois de calendrier de déploiement industriel ou commercial précise a ce stade.

Recherche❖Paper

1 source

44

1080Interesting Engineering 

La Chine dévoile un nouveau robot humanoïde avec un taux de réussite de 98%, assemblage EV et opérations d'usine

Xiaomi a annoncé de nouveaux progrès dans le déploiement de son robot humanoïde sur une chaîne de production automobile en Chine. Après quatre mois d'optimisations continues, le taux de réussite du robot sur un poste de vissage de vis autotaraudeuses est passé de 90,2 % à 98 %, ramenant l'écart avec le taux de qualification des ouvriers humains à seulement un point de pourcentage. Ce chiffre de 90,2 % avait été annoncé en mars 2026, lors du premier déploiement du robot en usine d'assemblage de véhicules électriques. Xiaomi a également étendu les tâches confiées au robot avec deux nouvelles applications: le tri des panneaux latéraux de console centrale et le pliage et recyclage de bacs à pièces, toutes deux atteignant 90 % de réussite. Le tri des panneaux latéraux constitue une étape notable puisque, selon Xiaomi, il s'agit de la première fois qu'un robot humanoïde effectue des opérations continues de longue durée sur des pièces flexibles dans une usine automobile, des composants plus difficiles à manipuler que les pièces rigides car ils peuvent se déformer et changer de position. Ces progrès, avancés par communiqué et rapportés par Technode, illustrent le déplacement progressif de la compétition humanoïde industrielle des vidéos promotionnelles courtes vers des démonstrations prolongées en conditions réelles d'usine. Pour les intégrateurs et décideurs industriels, l'enjeu est de savoir si ces taux de réussite, mesurés sur des tâches spécifiques et sur des durées limitées, reflètent une fiabilité réellement transposable à une production en volume, plutôt qu'une performance optimisée pour la communication. La manipulation de pièces flexibles sur une durée prolongée reste un indicateur technique pertinent, car elle teste la robustesse de la perception et du contrôle moteur au-delà des scénarios rigides plus simples à automatiser. Le contexte est celui d'une course serrée entre acteurs chinois du robot humanoïde industriel. Figure a fait tourner son robot Figure 02 pendant plus de 20 heures en continu sur des tâches logistiques, sans communiquer de taux de réussite formel, misant plutôt sur la gestion de flotte et la fiabilité longue durée. AgiBot, de son côté, a revendiqué un taux de réussite de 99,99 % avec son robot G2 ayant exécuté 64 828 tâches sur une ligne de production de tablettes pendant 64 heures consécutives, avant d'annoncer récemment des résultats quasiment identiques à ceux de Xiaomi sur l'assemblage automobile, avec 98 % en vissage et 90 % sur le tri et le pliage. Cette convergence de chiffres entre concurrents chinois suggère une course à la communication de métriques autant qu'une course technologique, sans qu'aucun protocole de mesure indépendant ne soit encore public.

Chine/Asie❧Opinion

1 source

44

1081Robohub 

Un robot à ailes battantes nage et vole comme un oiseau plongeur

Des chercheurs de l'EPFL et du MIT ont présenté un robot volant capable de nager sous l'eau puis de reprendre son envol, à l'image des oiseaux plongeurs comme les guillemots, les mouettes, les macareux ou les pétrels. Baptisé FAAV (flapping-wing aerial-aquatic vehicle), l'engin pèse moins de 300 grammes et se compose d'un fuselage central, de deux ailes battantes flexibles et d'une queue orientable, ces deux derniers éléments étant interchangeables selon la taille souhaitée. Les essais, menés d'abord dans un bassin à l'EPFL puis en conditions réelles sur le lac Léman, ont permis d'identifier la combinaison optimale de paramètres : des ailes de 80 centimètres, une fréquence de battement d'environ 5 hertz, et une inclinaison de la queue permettant au robot de nager sous l'eau à près d'un mètre par seconde puis de voler à environ 6 mètres par seconde, des valeurs proches de celles observées chez les oiseaux plongeurs réels. Pour franchir la surface, l'appareil doit adopter une trajectoire à 70 degrés afin d'éviter que ses ailes ne touchent l'eau au moment du décollage. Les résultats ont été publiés dans la revue Science. Cette démonstration constitue une avancée notable pour la robotique bio-inspirée aérienne et aquatique, un domaine où la transition fluide entre deux milieux aux propriétés physiques très différentes reste un obstacle technique majeur. Au-delà de l'exploit d'ingénierie, le projet ouvre la voie à une nouvelle catégorie de drones capables d'atteindre des zones difficiles d'accès pour les navires océanographiques classiques, glaciers, ports, ou zones de présence de cétacés, afin d'y prélever des échantillons ou d'y effectuer des mesures à moindre coût. Pour les acteurs de la surveillance environnementale et de l'océanographie, un tel système pourrait réduire significativement les coûts et les risques logistiques associés aux missions de terrain, tout en offrant une alternative légère aux flottes de capteurs marins traditionnelles. Le projet a démarré sous la direction de Raphael Zufferey, alors chercheur postdoctoral à l'EPFL au sein des laboratoires LIS (Laboratory of Intelligent Systems, dirigé par Dario Floreano) et BioRob (Biorobotics Lab, dirigé par Auke Ijspeert), avant d'être achevé au MIT où Zufferey dirige désormais l'AURA Lab, spécialisé dans les véhicules aériens et aquatiques bio-inspirés. Des co-auteurs du Northwest Indian College, aux États-Unis, ont également contribué à l'étude. Sur le plan technique, les ailes du robot sont recouvertes de membranes fines traitées avec des nanoparticules hydrophobes pour limiter l'adhérence de l'eau, tandis qu'un moteur électrique étanche entraîne un vilebrequin assurant le battement des ailes. Les chercheurs envisagent désormais des déploiements pilotes avec des océanographes et des communautés côtières, la prochaine étape consistant à valider l'usage opérationnel de l'appareil pour la collecte de données en conditions réelles.

Recherche❖Paper

1 source

46

1082Pandaily 

Robotique-U0 de Xiaomi : un modèle génératif incarné à 38 milliards de paramètres unifiant quatre tâches robotiques

Xiaomi a mis en open source Xiaomi-Robotics-U0, un modèle génératif embarqué multimodal autorégressif de 38 milliards de paramètres, code et poids disponibles sur GitHub, HuggingFace et ModelScope. L'entreprise chinoise le présente comme le premier modèle génératif unifié du secteur de l'IA embarquée capable de gérer simultanément quatre tâches robotiques distinctes : la génération de scènes multi-vues à partir de descriptions textuelles (établis, cuisines, entrepôts, environnements ouverts) pour un matériel robotique donné ; le transfert de trajectoires existantes vers de nouveaux environnements en modifiant éclairage, arrière-plan, matériaux ou objets cibles tout en conservant les poses du bras et la disposition de la scène ; la génération de vidéos d'interaction robotique prolongeant des observations initiales selon des instructions données, avec généralisation zero-shot à des scénarios inédits ; et des capacités classiques de génération et d'édition d'images texte-image. Sur le benchmark WorldArena, Xiaomi revendique le meilleur score parmi 126 modèles participants. Sur robot réel, en conditions hors distribution (éclairages et arrière-plans inconnus), le taux de réussite des tâches aurait progressé de 26 % en moyenne grâce à l'entraînement sur données augmentées par U0. L'architecture d'inférence UNIS annoncée accélérerait la génération d'environ 83 fois par rapport au paradigme autorégressif brut. Ces chiffres proviennent des communications de Xiaomi et n'ont pas fait l'objet de vérification indépendante à ce stade. L'enjeu dépasse la simple démonstration technique : la rareté des données réelles reste l'un des principaux goulots d'étranglement du développement de l'IA embarquée, et un modèle capable de générer ou d'augmenter des jeux de données synthétiques, y compris pour des scénarios dangereux ou rares physiquement inaccessibles, réduit potentiellement le coût de collecte terrain pour les intégrateurs et laboratoires. Pour les décideurs B2B et les équipes robotique, cela déplace une partie de l'effort d'ingénierie de la collecte physique vers la génération contrôlée de données, à condition que le gain de performance annoncé se vérifie hors du cadre contrôlé du fabricant. C'est aussi un signal de plus que les grands acteurs chinois de l'électronique grand public investissent lourdement la pile complète de l'IA embarquée, du matériel au modèle fondation. Cette sortie s'inscrit dans la continuité du déploiement d'usines robotisées par Xiaomi et positionne le groupe comme acteur intégré sur toute la chaîne : fabrication de robots, déploiement réel et recherche en modèles fondation. Elle intervient dans un paysage déjà occupé par Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure (Helix), où la course porte désormais autant sur la disponibilité de données d'entraînement à grande échelle que sur l'architecture des modèles eux-mêmes. Aucune feuille de route de déploiement commercial ni de partenariat industriel n'a pour l'instant été précisée au-delà de la publication open source du modèle.

IA physique⚡Actu

1 source

47

1083arXiv cs.RO 

DECO : transformateur de diffusion multimodal découplé pour la manipulation dextre bimanuelle avec adaptateur tactile enfichable

DECO (Decoupled multimodal Diffusion transformer for bimanual dExterous manipulatiOn) est un nouveau modèle de politique robotique présenté dans un papier arXiv (2602.05513v3) qui sépare explicitement le traitement de la vision, de la proprioception et du tactile via des voies de conditionnement dédiées, plutôt que de fusionner ces signaux en amont comme le font la plupart des architectures existantes. Un adaptateur tactile léger permet d'injecter le signal de toucher de façon paramétrique-efficace, sans réentraîner l'ensemble du réseau. Les auteurs publient aussi DECO-50, un jeu de données de 50 heures et plus de 5 millions de frames, collecté par téléopération sur de vrais robots à deux bras équipés de capteurs tactiles. Sur plus de 2 000 essais réels (pas de simulation), DECO atteint un taux de réussite moyen de 72,25%, soit 21 points de mieux que la meilleure référence testée. L'ajout de l'adaptateur tactile apporte 10,25 points de réussite supplémentaires en moyenne, et jusqu'à 20 points sur les tâches à contact riche, tout en ne réajustant que moins de 10% des paramètres du modèle. Ce résultat compte parce qu'il s'attaque à un point de friction connu des politiques de manipulation bimanuelle: la fusion multimodale brute dégrade souvent les performances quand un des signaux (typiquement le tactile) est bruité ou absent, et le réentraînement complet pour intégrer un nouveau capteur reste coûteux. Découpler les modalités et rendre l'ajout de signaux modulaire via un adaptateur va dans le sens d'une approche plus industrialisable pour les intégrateurs qui veulent équiper des mains ou pinces existantes de tactile sans repartir d'un modèle de zéro. Le volume d'essais réels (2 000+) et le jeu de données ouvert de 50 heures renforcent aussi la crédibilité par rapport aux annonces qui ne reposent que sur quelques démonstrations sélectionnées. Le travail s'inscrit dans la vague des transformeurs de diffusion appliqués aux politiques robotiques (diffusion policy), une famille d'approches également explorée par des modèles vision-langage-action comme Pi-0 ou GR00T N2, mais ici recentrée spécifiquement sur la dextérité bimanuelle et l'intégration tactile plutôt que sur la généralisation multi-tâches à grande échelle. La publication conjointe du dataset DECO-50 laisse présager des comparaisons à venir avec d'autres politiques entraînées sur les mêmes données, un terrain encore rare dans la manipulation dextre où chaque laboratoire collecte ses propres démonstrations.

IA physique❧Opinion

1 source

47

1084arXiv cs.RO 

Amélioration des performances des nano-drones autonomes via l'optimisation et le déploiement automatisés de bout en bout de réseaux de neurones profonds

Des chercheurs ont publié une méthodologie complète d'optimisation et de déploiement automatisé pour PULP-Dronet, un réseau de neurones convolutif (CNN) de référence pour la navigation autonome de nano-drones, embarqué sur un Crazyflie 2.1 équipé d'un système-sur-puce multicœur ultra-basse consommation (ULP) servant d'ordinateur de mission. Par rapport à la version originale conçue manuellement, le CNN optimisé obtient une empreinte mémoire divisée par deux et un temps d'inférence 1,6 fois plus rapide, tout en conservant la même précision de prédiction. En vol réel, les gains se traduisent concrètement : évitement d'obstacles avec une vitesse de freinage record de 1,65 m/s et un meilleur ratio vitesse/distance de freinage, vol libre en environnement connu jusqu'à 1,96 m/s contre seulement 0,5 m/s pour la version de référence, et suivi de trajectoire incluant un virage à 90 degrés. L'ensemble du calcul embarqué consomme moins de 1,6 % du budget énergétique du drone. Pour les intégrateurs et ingénieurs travaillant sur des plateformes robotiques miniatures, ce résultat répond à un point de friction connu du secteur : le déploiement de CNN de vision sur nano-UAV reposait jusqu'ici sur des flux de développement itératifs, manuels et sujets aux erreurs, faute d'outils automatisés adaptés aux contraintes mémoire et calcul extrêmes de plateformes sub-10 cm. En démontrant qu'un pipeline d'optimisation end-to-end peut à la fois réduire les ressources nécessaires et améliorer les performances de vol mesurées (et non de simples métriques de laboratoire), les auteurs comblent une partie de l'écart habituel entre démonstration et comportement réel en conditions de vol. Le travail s'inscrit dans la lignée de PULP-Dronet, projet de recherche sur l'informatique embarquée ultra-basse consommation appliquée aux drones autonomes, et cible spécifiquement le Crazyflie 2.1, plateforme open-hardware largement utilisée dans la recherche académique en robotique aérienne miniature. Les auteurs publient l'intégralité de la chaîne logicielle en open source, sous forme de projet prêt à l'emploi compatible avec le Crazyflie 2.1, ouvrant la voie à une adoption directe par d'autres équipes de recherche travaillant sur les capteurs intelligents ubiquitaires et les nano-robots d'assistance de nouvelle génération.

Recherche❖Paper

1 source

43

1085arXiv cs.RO 

Contract-Grounded Behavior Tree Synthesis via Agents de Codage

Des chercheurs proposent une architecture de synthèse d'arbres de comportement (behavior trees, BT) pour robots, pilotée par un agent de codage qui interroge un serveur MCP (Model Context Protocol) côté robot avant de générer le BT. Ce contrat renvoie une bibliothèque de compétences exécutables, la liste des opérateurs BT autorisés, et éventuellement des templates de composition. Un opérateur non expert formule une commande en langage naturel, puis une passerelle de validation intégrée au runtime du robot vérifie la correction du BT avant toute exécution. L'équipe a testé deux modèles de langage, Sonnet 4.6 (fermé) et Gemma4:31b (open source, plus petit), sur 110 tâches simulées dans l'environnement PyRoboSim et 14 tâches sur un robot physique Husarion Panther équipé d'une pile de navigation Nav2. L'intérêt est de déplacer la charge du "grounding", c'est-à-dire s'assurer que le BT généré ne référence que des actions réellement exécutables, du rédacteur de prompt vers un protocole standardisé interrogé dynamiquement. Concrètement, cela réduit la fragilité des déploiements dans les usines et entrepôts où l'opérateur ignore souvent le détail des capacités du robot ou de son runtime. Les résultats montrent une validation de BT quasi parfaite et un taux de réussite élevé grâce au contrat, et surtout que les templates de composition permettent au modèle open source, moins capable seul, de rattraper une bonne partie de son retard sur les tâches à logique de contrôle réactive. Le transfert réussi sur robot physique, avec une pile Nav2 opaque à la fois pour l'opérateur et pour l'agent, va dans le sens d'une réduction de l'écart simulation-réel souvent observé sur ce type de démonstrations. La synthèse de BT par LLM s'inscrit dans la tendance à rendre les robots pilotables en langage naturel, en alternative aux machines à états codées à la main. Le protocole MCP, popularisé pour connecter des agents IA à des outils et données externes, est ici détourné pour exposer les capacités robotiques de façon structurée plutôt que de tout confier au prompt. Ce travail reste à ce stade une publication académique (arXiv), sans déploiement commercial annoncé, mais pointe vers une piste concrète pour fiabiliser les architectures agentiques face aux approches concurrentes de type VLA telles que Pi-0, GR00T N2 ou Helix, qui misent elles sur l'exécution directe plutôt que sur une couche symbolique intermédiaire.

Recherche❖Paper

1 source

42

1086arXiv cs.RO 

Look, Focus, Act : apprentissage robotique efficace et robuste grâce au regard humain et aux transformeurs à vision fovéale

Des chercheurs du Soltani Lara Lab publient GIAVA (Gaze Integrated Active-Vision ALOHA), un système de vision robotique qui reproduit les mouvements de tête et de cou humains ainsi que l'ajustement du regard pour un traitement visuel "fovéalisé", c'est-à-dire concentré sur les zones pertinentes de la scène plutôt que sur l'image entière. Le système étend la plateforme robotique AV-ALOHA et s'appuie sur un nouveau cadre de collecte de données permettant d'enregistrer simultanément le suivi oculaire, le contrôle de la perspective et les démonstrations de manipulation d'un opérateur humain. L'équipe publie en open source un benchmark de simulation et un jeu de données associé. Techniquement, l'innovation centrale consiste à intégrer l'information de regard dans les Vision Transformers (ViT), très utilisés en apprentissage robotique, via un schéma de tokenisation par patchs fovéalisée : au lieu de découper l'image en patchs uniformes, le système alloue davantage de "tokens" aux zones fixées par le regard et moins au reste, réduisant fortement leur nombre total et donc le coût de calcul. Cette approche s'attaque à un angle mort classique de la vision robotique actuelle, qui traite généralement l'image caméra de façon passive et uniforme, contrairement à la vision humaine, structurée par l'attention active. Pour les équipes qui entraînent des politiques robotiques par imitation ou VLA (Vision-Language-Action), le résultat est double : une baisse significative de la charge de calcul, un enjeu concret pour l'embarqué et le temps réel, et une robustesse accrue face aux distracteurs visuels en arrière-plan, un problème récurrent dans le passage simulation-réel. Les auteurs rapportent même des gains de taux de réussite sur certaines tâches de haute précision, suggérant que la fovéalisation n'est pas qu'une optimisation de coût mais peut aussi améliorer la performance brute. Ce travail s'inscrit dans la lignée des recherches sur la segmentation d'image fovéalisée et prolonge la plateforme AV-ALOHA, déjà utilisée pour la téléopération à vision active. En ouvrant le code, le simulateur et le jeu de données, les auteurs positionnent le regard humain comme un biais inductif encore sous-exploité pour les futures architectures de perception robotique, avec des développements attendus sur des tâches de manipulation plus complexes et des déploiements matériels réels.

Recherche❖Paper

1 source

41

1087arXiv cs.RO 

Réduction de récompense dense pour la manipulation robotique via synthèse d'échecs

Des chercheurs présentent DenseReward, un modèle de récompense visio-linguistique conçu pour l'apprentissage par renforcement (RL) appliqué à la manipulation robotique, détaillé dans un article publié sur arXiv (2607.13033v1). Le système répond à deux limites connues des modèles de récompense existants : la difficulté de collecter des trajectoires d'échec à grande échelle et l'absence de signaux fins au-delà d'un simple label de succès ou d'échec en fin de trajectoire. Pour cela, les auteurs ont développé un pipeline automatisé qui synthétise en simulation des trajectoires d'échec physiquement réalistes, sans intervention humaine, couvrant des modes de défaillance variés : collisions, préhensions manquées, chutes d'objets et comportements de récupération. À partir de ces données, DenseReward prédit des scores de récompense image par image, à partir d'observations visuelles et d'instructions en langage naturel, permettant d'estimer la progression d'une tâche tout au long d'un épisode plutôt qu'un simple verdict final. Les expériences montrent que ce modèle surpasse à la fois des VLM généralistes et les modèles de récompense robotiques existants sur la prédiction de récompense dense, en simulation comme en conditions réelles. Cette avancée cible un goulot d'étranglement central du RL en robotique : sans retour dense et fiable, l'optimisation de politiques reste inefficace et dépendante de démonstrations imitées, ce qui limite la capacité des robots à dépasser les performances de leurs données d'entraînement. En automatisant la génération de données d'échec, DenseReward réduit un coût d'annotation humaine qui freinait jusqu'ici le déploiement du RL à grande échelle sur des tâches de manipulation, un enjeu direct pour l'entraînement de politiques VLA robustes destinées à l'industrie. Le travail s'inscrit dans la lignée des efforts récents visant à doter les robots de modèles de récompense appris plutôt que conçus manuellement, un axe où les VLM généralistes servaient jusqu'ici de solution par défaut faute de mieux. Les auteurs annoncent la publication en accès libre du jeu de données, des modèles de récompense entraînés et d'une suite d'évaluation, avec pour objectif de faciliter l'intégration de DenseReward dans des boucles de contrôle prédictif par modèle (MPC) et de RL en aval, ouvrant la voie à des travaux communautaires sur la récompense dense sensible aux échecs.

Recherche❖Paper

1 source

41

1088arXiv cs.RO 

MAMMOTH : une politique multimodale de bout en bout robuste face aux modalités manquantes pour la mobilité tout-terrain

Une équipe de recherche présente MAMMOTH (MAsking Multi-Modal inputs for Off-road Traversability Heuristic-informed navigation), une politique de navigation autonome end-to-end conçue pour les terrains non structurés, publiée sur arXiv le 15 juillet 2026. Le système fusionne quatre modalités de capteurs, la caméra RGB, l'imagerie thermique, le nuage de points 3D issu du lidar et la vitesse propre du robot, pour estimer la praticabilité du terrain et planifier des trajectoires, que ce soit vers un objectif visuel ou en exploration libre. La particularité technique réside dans un entraînement par "modality dropout" : certaines entrées sensorielles sont masquées aléatoirement pendant l'apprentissage, ce qui force le modèle à rester fonctionnel même quand une caméra tombe en panne, qu'un lidar est aveuglé par la poussière ou que la lumière ambiante s'effondre. La planification de trajectoire s'appuie sur une politique de diffusion apprenant conjointement des trajectoires physiquement réalistes et une heuristique de praticabilité intrinsèque. Les auteurs annoncent des tests réels sur robot dans plusieurs environnements tout-terrain distincts, y compris de nuit, avec des gains mesurés en évitement de collision et en planification tenant compte du terrain. L'enjeu dépasse la démonstration technique : la dépendance quasi exclusive au RGB est le talon d'Achille de nombreux systèmes de navigation off-road actuels, qui échouent dès que l'éclairage devient difficile (contre-jour, ombres, obscurité). En rendant la fusion multimodale tolérante aux pannes de capteurs plutôt que rigide, MAMMOTH s'attaque directement à un écart connu entre démonstrations en conditions idéales et déploiement réel, un enjeu clé pour les robots agricoles, miniers, militaires ou de secours en extérieur. Le travail s'inscrit dans la lignée des approches de navigation par apprentissage visuo-conditionné et de génération de trajectoires par diffusion, deux axes de recherche actifs en robotique mobile. Code et jeu de données seront publiés, ce qui permettra une évaluation indépendante des performances annoncées, notamment sur la robustesse réelle en cas de perte de capteurs plutôt que sur des scénarios de dropout simulés en laboratoire.

Recherche❖Paper

1 source

41

1089arXiv cs.RO 

Robots Jetson-PI : contrôle robotique en temps réel embarqué via inférence asynchrone alignée sur l'anticipation

Une équipe du PKU-SEC-Lab (Peking University) publie Jetson-PI, une méthode pour déployer des modèles Vision-Language-Action (VLA) directement à bord de cartes embarquées à faible consommation comme le Nvidia Jetson Orin, très utilisées en robotique mobile et humanoïde. Le problème ciblé est connu : l'inférence asynchrone, qui parallélise l'exécution des actions et le calcul de l'action suivante pour masquer la latence, introduit en pratique un décalage entre ce que le robot perçoit et ce qu'il exécute, ainsi qu'un temps de réaction dégradé. Jetson-PI corrige cela via un module léger de "correction par anticipation" qui prédit la représentation future de l'environnement à partir des actions déjà engagées, permettant à l'expert d'action de raisonner directement sur l'état futur plutôt que sur un état périmé. S'y ajoute un ordonnancement piloté par la confiance du modèle, qui arbitre dynamiquement entre appels au VLM et à l'expert d'action, complété par des optimisations bas niveau (réutilisation de CUDA graphs, buffers intermédiaires résidents en mémoire GPU, déroulement de flux). Résultat mesuré : un gain de fréquence de contrôle de 8,66x face à une implémentation PyTorch naïve et de 5,41x face à vla.cpp, avec un taux de réussite supérieur de 14,8% à VLASH sur le benchmark LIBERO. L'enjeu dépasse la performance brute : c'est le goulot d'étranglement classique du déploiement de VLA en robotique embarquée qui est visé, celui qui empêche des modèles entraînés en simulation ou sur GPU serveur de tourner en temps réel sur du matériel embarqué bon marché. Pour les intégrateurs et fabricants de robots mobiles ou humanoïdes, cela réduit un frein concret à la mise en production de piles de contrôle par VLA, sans dépendre d'une puissance de calcul embarquée démesurée. Le travail s'inscrit dans la lignée des recherches sur l'accélération des VLA (dont VLASH, utilisé ici comme référence de comparaison) et sur les moteurs d'inférence légers type llama.cpp. Les auteurs publient à la fois leur algorithme d'inférence asynchrone et un moteur d'inférence dédié, Jetson-PI-Edge, en open source sur GitHub, ouvrant la voie à une reproduction et une adoption par la communauté robotique.

IA physique⚡Actu

1 source

40

1090arXiv cs.RO 

RoboDesign1M : un jeu de données à grande échelle pour la compréhension de la conception robotique

Le dataset RoboDesign1M rassemble un million d'échantillons multimodaux consacrés à la conception de robots, extraits automatiquement de la littérature scientifique couvrant plusieurs domaines de la robotique. Les auteurs ont mis au point un pipeline de collecte semi-automatisé permettant d'agréger efficacement des données diverses (texte et images) issues de publications existantes, plutôt que de les créer manuellement. Pour valider l'utilité du corpus, l'équipe a mené des expériences sur trois tâches distinctes : la génération d'images de conception robotique, la réponse à des questions visuelles portant sur des schémas de conception, et la recherche d'images de conception à partir de requêtes. Les résultats montrent que ce jeu de données constitue un nouveau benchmark exigeant pour ces tâches de compréhension du design. Le dataset sera rendu public, avec une page de projet dédiée (airvlab.github.io/robotdesign1m). Il s'agit d'une version mise à jour d'un article déposé sur arXiv (2503.06796), initialement publié en mars puis révisé. Ce travail cible un goulot d'étranglement méthodologique plutôt qu'un produit commercial : la conception mécanique d'un robot reste un processus long, coûteux et dépendant d'une expertise rare, et les modèles de fondation qui pourraient l'automatiser manquaient jusqu'ici de données d'entraînement à grande échelle sur ce sujet précis. En fournissant un million d'exemples annotés, RoboDesign1M ouvre la voie à des assistants IA capables de proposer des pistes de conception, de retrouver des schémas existants à partir d'une description textuelle, ou de générer des visualisations de composants robotiques. Pour les laboratoires de recherche et les équipes R&D en robotique, c'est surtout un instrument de mesure standardisé qui manquait pour comparer objectivement les approches de génération et de compréhension de designs. Le projet s'inscrit dans la tendance plus large d'application des modèles de fondation multimodaux à des domaines d'ingénierie spécialisés, après leur succès en vision et en langage naturel. La rareté des jeux de données de conception robotique freinait jusqu'à présent ce transfert, contrairement à des domaines comme la manipulation ou la navigation qui disposent déjà de corpus massifs. La mise à disposition publique annoncée par les auteurs devrait permettre à d'autres équipes de recherche de reproduire et d'étendre ces travaux, sans toutefois que des applications commerciales concrètes ou des partenariats industriels n'aient été mentionnés à ce stade.

Recherche❖Paper

1 source

40

1091arXiv cs.RO 

UR-VC : correction non supervisée de la valeur robotique pour proxys de progression dérivés du temps

Des chercheurs ont présenté UR-VC (Unsupervised Robotic Value Correction), une méthode hors ligne et sans entraînement pour corriger les signaux de progression utilisés en apprentissage robotique, dans un preprint arXiv publié en juillet 2026 (arXiv:2607.12892). Le problème visé : l'usage courant du temps normalisé au sein d'une démonstration comme proxy de la progression réelle d'une tâche, où une image plus tardive est jugée plus proche de l'accomplissement. Or en manipulation à contact riche, un bras peut avancer puis régresser (glissement, échec de préhension, pli partiellement défait) sans que ce label temporel, strictement monotone, n'en tienne compte. UR-VC corrige ce biais en recherchant des états similaires dans d'autres épisodes puis en agrégeant leurs propres labels temporels, sans annotation manuelle ni modèle de valeur additionnel. La méthode a été testée sur une tâche réelle bimanuelle de pliage de linge, un cas de manipulation d'objet déformable à horizon long où la progression intermédiaire reste visible à l'œil. Pour l'entraînement de politiques vision-langage-action (VLA), la qualité du signal de progression conditionne directement l'apprentissage par avantage (advantage-conditioned policy learning) : un signal insensible aux régressions locales pousse le modèle à ignorer les échecs partiels, un angle mort classique des pipelines de démonstration à grande échelle. En construisant des labels d'avantage à partir des estimations corrigées d'UR-VC, les auteurs rapportent une tendance positive du taux de succès en tâche réelle, à données, modèle et protocole d'entraînement égaux. Ce résultat conforte une hypothèse déjà répandue dans le secteur : le temps écoulé reste un proxy commode mais fragile de la progression physique, un point sensible pour tout intégrateur cherchant à industrialiser l'apprentissage par démonstration sans multiplier les annotations coûteuses. Le travail s'inscrit dans la lignée des méthodes de policy learning conditionné par l'avantage, où le signal de progression sert de fondation à l'entraînement plutôt que la seule structure séquentielle des démonstrations. UR-VC ne nécessite ni ré-entraînement d'un modèle de valeur ni annotation additionnelle, ce qui le rend directement applicable aux jeux de données déjà collectés. Il s'agit pour l'instant d'un preprint de recherche, sans acteur industriel ni intégrateur nommé, et sans calendrier de déploiement annoncé ; la validation reste limitée au pliage de linge en laboratoire, laissant ouverte la question de sa généralisation à d'autres familles de manipulation en contact riche.

Recherche⚡Actu

1 source

40

1092arXiv cs.RO 

« Cartes sémantiques enrichies par instance pour la navigation en langage visuel »

Une équipe de recherche (RCI Lab) publie un nouveau framework baptisé Instance-Enriched Semantic Maps pour la navigation par instructions en langage naturel (Visual Language Navigation, VLN), avec trois apports techniques. D'abord, une cartographie 2.5D au niveau instance construite à partir d'images couleur et de profondeur via segmentation panoptique en vocabulaire ouvert, qui préserve les distinctions verticales et capture les petits objets, tout en associant à chaque élément des attributs sémantiques et des descriptions en langage naturel enrichies du contexte de la pièce. Ensuite, un module de traitement des requêtes s'appuyant sur un LLM pour sélectionner la cible, en routant dynamiquement les requêtes vers des experts spécialisés par type et en fusionnant leurs scores pour une sélection d'objectif cohérente quel que soit le formulation de la requête. Enfin, une représentation sémantique nettement plus compacte, avec une réduction de stockage d'environ 96 % par rapport aux approches à scene-graph 3D, tout en conservant l'information spatiale nécessaire à la navigation. Sur le plan des résultats, la représentation 2.5D dépasse la référence 3D de plus de 27 % en AUC normalisée, et le système complet améliore la récupération d'objets de plus de 17 % et le taux de réussite de navigation de plus de 23 % par rapport à la baseline, sur des types de requêtes variés. Pour les robots mobiles autonomes (AMR) et les agents embarqués évoluant en intérieur, ces travaux ciblent un goulot d'étranglement connu des systèmes VLN actuels : la cartographie sémantique existante manque de granularité au niveau des instances individuelles et se montre fragile face à la diversité réelle des formulations utilisateur. En réduisant drastiquement le coût de stockage des cartes tout en gardant leur précision spatiale, l'approche répond à une contrainte concrète de déploiement embarqué, où la mémoire et le calcul restent limités. C'est un signal que la navigation par langage naturel progresse vers une robustesse compatible avec des usages industriels au-delà des démonstrations de laboratoire. Le travail s'inscrit dans la lignée des systèmes VLN combinant cartes spatiales sémantiques et raisonnement par LLM, une direction de recherche active depuis l'essor des modèles de segmentation en vocabulaire ouvert. Les auteurs comparent explicitement leur méthode à des approches de référence en scene-graph 3D, positionnant leur contribution comme une alternative plus légère et plus précise. Le code et les démonstrations sont disponibles sur la page du projet, mais aucun calendrier de déploiement sur robot physique n'est mentionné à ce stade.

Recherche❖Paper

1 source

39

1093arXiv cs.RO 

Vol en formation serrée de quadricoptères en temps réel : apprentissage résiduel préservant la platitude

Des chercheurs ont mis au point un cadre d'apprentissage capable de compenser en temps réel les perturbations aérodynamiques qui affectent les quadrirotors volant en formation serrée. Le problème ciblé est le downwash, ce souffle descendant généré par chaque drone qui perturbe ses voisins et peut provoquer des collisions s'il n'est pas modélisé. La méthode, un apprentissage de dynamique résiduelle informé par la physique, corrige les équations de mouvement du système multi-drones tout en préservant sa "flatness" différentielle, une propriété mathématique qui permet de calculer directement les commandes à partir de la trajectoire désirée. Cette flatness préservée autorise un contrôleur par linéarisation par bouclage, peu coûteux en calcul et réglable avec des techniques de contrôle linéaire classiques, qui annule les perturbations par compensation feedforward. Sur banc d'essai matériel, l'approche réduit l'erreur moyenne de suivi de trajectoire de 31% par rapport aux contrôleurs de référence sans compensation. Elle égale la précision d'un contrôle prédictif non linéaire (NMPC) de pointe tout en demandant un ordre de grandeur de calcul en moins, avec un vol en formation stable atteint avec moins de 30 secondes de données d'entraînement et une boucle de contrôle à 5 millisecondes. Pour l'industrie des essaims de drones, ce résultat s'attaque à un goulot d'étranglement connu: les modèles capables de compenser les interactions aérodynamiques en formation serrée, comme le NMPC, sont précis mais trop gourmands en calcul pour les cartes embarquées limitées des petits quadrirotors. En divisant la charge de calcul par un ordre de grandeur sans sacrifier la précision, la méthode ouvre la voie à des vols en formation serrée sur du matériel contraint en ressources, un enjeu direct pour les intégrateurs travaillant sur les light shows, l'inspection coordonnée ou la logistique par essaims. Le fait de n'exiger que 30 secondes de données contredit aussi l'hypothèse répandue selon laquelle l'apprentissage de dynamiques aérodynamiques complexes nécessite de vastes jeux de données collectées en vol, ce qui réduit le coût de déploiement sur de nouvelles configurations de flotte. Le downwash et les interactions aérodynamiques en formation serrée constituent un défi ancien en robotique aérienne, traité jusqu'ici soit par des modèles physiques simplifiés peu précis, soit par du contrôle prédictif non linéaire coûteux en calcul, référence de performance du domaine. Ce travail se positionne explicitement face au NMPC, visant à l'égaler en précision avec une charge de calcul bien moindre plutôt qu'à le dépasser en performance brute. Les auteurs présentent leurs résultats comme une première démonstration de vol en formation stable obtenue avec un volume de données aussi faible et une fréquence de boucle aussi élevée. Il s'agit toutefois d'expériences matérielles en conditions contrôlées, et le passage à des flottes plus nombreuses ou à des environnements extérieurs reste à démontrer.

Recherche❖Paper

1 source

39

1094arXiv cs.RO 

GaitSpan : de la marche à la course, l'évolution progressive de la locomotion humanoïde

GaitSpan est un nouveau framework d'apprentissage présente dans un preprint arXiv (2607.12114v1, publie en juillet 2026) qui permet a une politique de contrôle humanoïde pretrainee sur la marche de s'étendre vers des allures plus rapides, jogging et course, sans réapprentissage complet. Le système traite la marche comme une "compétence germe" (seed skill), c'est a dire une structure motrice réutilisable pour l'équilibre, le support, la coordination du corps et les transitions de contact, qui est ensuite régénérée a de nouveaux rythmes, étendue en foulées plus longues et plus hautes, puis corrigée par une adaptation résiduelle. La méthode combine trois mécanismes: une génération de rythme qui module la politique de marche figée via plusieurs horloges internes et apprend des combinaisons conditionnées par des commandes de vitesse; un façonnage de foulée qui récompense des schémas de locomotion dynamique adaptes aux vitesses élevées, inspire de la dynamique du pendule inverse a ressort (spring-loaded inverted pendulum); et une adaptation résiduelle qui capture les détails de mouvement non couverts par les deux premiers mécanismes. Selon les auteurs, GaitSpan est la première politique humanoïde unique, conditionnée par commande, a couvrir un spectre continu allant de la marche au jogging jusqu'a des régimes proches de la course, tout en se transférant a différentes morphologies de robots et en se déployant en zero-shot sur des terrains simules inédits comme sur des terrains réels. Pour l'industrie de la robotique humanoïde, cela répond a une limite récurrente des approches actuelles: les stratégies existantes de diversification des allures, qu'elles reposent sur des calendriers de démarche prédéfinis, l'imitation de clips de mouvement humain, l'entrainement d'experts spécialisés ou la distillation de plusieurs compétences en une seule politique, restent rigides face a des commandes de vitesse continues, des terrains varies et des changements de morphologie. Une politique capable de généraliser la course a partir d'une base de marche déjà maîtrisée réduirait le cout d'ingénierie et accélèrerait le déploiement sur des plateformes variées. Comparee aux approches de référence utilisant plusieurs experts ou l'imitation de démonstrations humaines, GaitSpan apprend plus vite et obtient de meilleures performances de démarche, selon les tests rapportes par les auteurs. Le papier s'inscrit dans la lignée des travaux récents sur les politiques VLA et d'apprentissage par renforcement pour la locomotion humanoïde, ou la question du transfert sim-to-real et de la généralisation entre vitesses et terrains reste un enjeu central de robustesse avant déploiement industriel a grande échelle.

Recherche❖Paper

1 source

39

1095arXiv cs.RO 

StratMamba : partitionnement stratégique et réactif des flux pour l'évitement d'obstacles basé sur le LiDAR

Des chercheurs présentent StratMamba, une architecture de modélisation temporelle à deux flux basée sur Mamba, conçue pour la navigation robotique en environnement complexe et encombré d'obstacles. Le système combine deux mémoires aux dynamiques différentes : un flux à décroissance rapide qui traite les données LiDAR haute fréquence pour l'évitement réactif d'obstacles, et un flux à décroissance lente qui conserve les informations de but à plus long horizon pour la planification stratégique. L'architecture a été testée dans les simulateurs IsaacLab et Gazebo sur plusieurs scénarios d'évitement, avec obstacles statiques et dynamiques, puis validée en conditions réelles sur un robot quadrupède Unitree Go1. Face à des références classiques du RL temporel (LSTM, Transformer, Mamba standard), StratMamba affiche un taux de timeout plus faible, la vitesse de navigation la plus rapide (576 pas médians, 5,0% de mieux que le Mamba standard) et la meilleure efficacité de trajectoire mesurée (0,915). Cette approche répond à un problème central en robotique mobile : concilier réactivité immédiate face au danger et cohérence stratégique sur la durée, deux besoins souvent traités par une seule mémoire dans les architectures existantes, au prix de compromis. En séparant explicitement ces deux échelles temporelles, StratMamba illustre une piste concrète pour améliorer la navigation des AMR et robots quadrupèdes dans des environnements denses, un enjeu clé pour les intégrateurs industriels. Le test sur robot physique, où le système reste robuste même avec des portées LiDAR étendues, contrairement au Mamba standard et au Transformer, apporte une validation sim-to-real qui manque souvent aux publications purement simulées. Ce travail s'inscrit dans la lignée des modèles d'état séquentiels (state space models) type Mamba, apparus ces dernières années comme alternative plus efficiente aux Transformers pour le traitement de séquences longues, y compris en apprentissage par renforcement. Il s'agit ici d'un article de recherche déposé sur arXiv, non d'un produit commercialisé ni d'un déploiement industriel annoncé : aucune entreprise, aucun site de déploiement ni calendrier de mise sur le marché n'est mentionné. Les prochaines étapes attendues concernent l'extension à des flottes de robots et à des capteurs plus variés que le seul LiDAR.

Recherche❖Paper

1 source

39

1096arXiv cs.RO 

Exploration structurée pour un ajustement fin par renforcement efficace des modèles vision-langage-action (ExToken)

Des chercheurs présentent ExToken (RL Exploration Token), une méthode d'apprentissage par renforcement conçue pour affiner plus efficacement les modèles vision-langage-action (VLA) sur des tâches de manipulation robotique complexes, selon un article publié sur arXiv le 15 juillet 2026. Les auteurs identifient d'abord un goulot d'étranglement dans les frameworks VLA-RL actuels: l'exploration stagne rapidement, et la diversité des trajectoires collectées compte davantage pour l'efficacité d'apprentissage que leur simple volume. Pour y remédier, ExToken conditionne la politique du robot sur des tokens discrets dérivés de démonstrations hors ligne, représentant différents modes comportementaux. En variant ces tokens pendant la collecte de trajectoires, le système pousse l'agent à explorer des comportements plus variés et à mieux couvrir l'espace des états et actions possibles. Un sélecteur de tokens conditionné par l'état est ajouté pour choisir automatiquement le mode comportemental le plus adapté lors du déploiement, où l'inférence doit rester déterministe. Les expériences, menées à la fois en simulation et sur des tâches réelles de manipulation, montrent une convergence accélérée et de meilleures performances, notamment avec un budget d'interactions limité. L'enjeu est concret pour tout le secteur du VLA: le fine-tuning par renforcement est aujourd'hui le principal levier pour dépasser les performances de l'apprentissage par imitation pur, mais son coût en interactions environnementales freine son adoption à grande échelle, que ce soit pour des modèles comme Pi-0, GR00T ou des architectures propriétaires chez les acteurs de la robotique humanoïde. Une méthode qui réduit ce coût d'échantillonnage touche directement la viabilité économique du RL pour l'industrie, au-delà des démonstrations en laboratoire. Il s'agit toutefois d'un travail de recherche académique publié en preprint, sans affiliation commerciale revendiquée ni déploiement industriel annoncé. ExToken s'inscrit dans une lignée de travaux cherchant à rendre le RL praticable pour la robotique après la phase d'apprentissage par imitation, aux côtés d'approches comme le curriculum learning ou l'exploration guidée par démonstrations, sans qu'aucun calendrier d'intégration dans un produit commercial ne soit précisé.

Recherche⚡Actu

1 source

39

1097arXiv cs.RO 

Modélisation par diffusion optimale pour la planification de mouvement multi-robots

Des chercheurs présentent MDOC (Model-Based Diffusion Optimal Control), un planificateur de trajectoires pour flottes multi-robots fondé sur la diffusion, décrit dans un preprint publié sur arXiv (2607.12423). Contrairement aux approches récentes qui traitent la planification de trajectoires comme un problème d'inférence probabiliste et apprennent leurs fonctions de score à partir de larges jeux de données de démonstration, MDOC s'appuie directement sur des modèles de dynamique connus, sans données d'entraînement. Sa mécanique de sécurité combine ces modèles avec des projections contraintes par des Control Barrier Functions (CBF), et le système passe à l'échelle multi-robots grâce à la méthode de Conflict-Based Search (CBS), qui résout les conflits de trajectoires entre agents de façon hiérarchique. Les auteurs rapportent, en simulation, de meilleures performances que des planificateurs de référence en termes d'efficacité d'échantillonnage, de fluidité géométrique des trajectoires et de taux de réussite, tout en réduisant le temps de calcul et en garantissant des trajectoires sans collision. L'enjeu dépasse l'exercice académique : la planification de mouvement multi-robots en environnement continu se heurte à une explosion combinatoire de l'espace des trajectoires conjointes, et les méthodes par diffusion existantes peinent à garantir rigoureusement la faisabilité dynamique et les contraintes de sécurité strictes lors de l'échantillonnage. En s'affranchissant de la dépendance aux données de démonstration tout en conservant des garanties formelles de sécurité, MDOC répond à un frein réel à l'adoption industrielle de ces techniques pour des flottes d'AMR ou de robots collaboratifs, où l'absence de collision n'est pas négociable. Le travail s'inscrit dans la lignée des approches récentes qui recadrent la planification de trajectoires comme un problème d'inférence par diffusion, en s'en distinguant par son caractère "model-based" plutôt que piloté par les données. Il se positionne aussi comme une alternative aux méthodes classiques d'optimisation de trajectoire et de recherche multi-agents. À ce stade, les résultats restent limités à des expériences en simulation ; aucun déploiement sur robots physiques n'est mentionné, ce qui en fait une contribution méthodologique à confirmer avant tout usage en conditions réelles.

Recherche❖Paper

1 source

39

1098arXiv cs.RO 

DiffRadar : SLAM radar sensible à la physique et différentiable avec champs gaussiens

Une équipe de recherche présente DiffRadar, un système de SLAM (localisation et cartographie simultanées) radar en temps réel, décrit dans un preprint arXiv publié le 15 juillet 2026 (arXiv:2607.12265v1). Contrairement aux systèmes radar SLAM classiques qui recalent des cartes de chaleur radar discrétisées entre elles, DiffRadar modélise la scène comme un champ de gaussiennes anisotropes différentiable, physiquement cohérent avec le signal radar. Un modèle direct différentiable projette ces primitives dans les espaces range-azimut et Doppler-azimut pour reconstruire les mesures radar brutes, ce qui permet d'optimiser conjointement la pose du robot et la structure de la scène directement depuis les données radar, sans passer par une étape de matching discret. Le système a été implémenté sur du matériel radar FMCW (frequency-modulated continuous-wave) grand public et testé sur le benchmark public Radarize ainsi que sur une suite de stress-tests conçue par les auteurs pour cibler les modes de défaillance classiques du SLAM radar : dégénérescence en couloir, transitions de régime de mouvement, encombrement dynamique et fermetures de boucle sur de longues trajectoires. Les résultats annoncés montrent une réduction substantielle de l'erreur de trajectoire, particulièrement marquée dans les couloirs pauvres en features géométriques, une cohérence cartographique plus que doublée, et un fonctionnement temps réel à 70 images par seconde. Pour l'industrie de la robotique mobile, l'enjeu est de taille : le radar reste le seul capteur fiable dans le noir total, le brouillard, la fumée ou les environnements sensibles à la vie privée où caméras et LiDAR décrochent, mais sa faible résolution angulaire a longtemps limité son usage à un rôle d'appoint. Si les gains rapportés se confirment en conditions réelles au-delà du benchmark contrôlé, cela ouvrirait la voie à des plateformes tout-radar pour l'inspection industrielle, la logistique en environnement enfumé ou les drones en conditions dégradées, sans dépendre d'une fusion capteurs coûteuse. Le papier s'inscrit dans une tendance plus large du SLAM vers les représentations continues et différentiables, héritée des champs de radiance neuronaux (NeRF) et du splatting gaussien popularisé en vision par ordinateur, ici transposés au domaine du signal radar plutôt qu'à l'image. Il reste à ce stade un preprint non encore revu par les pairs, évalué sur un seul benchmark public et une suite de tests maison ; l'étape suivante attendue par la communauté sera une validation indépendante sur d'autres plateformes radar et en conditions de terrain non contrôlées.

Recherche❖Paper

1 source

38

1099arXiv cs.RO 

Représentation des préférences humaines déployable en robotique : apprendre des récompenses représentatives à partir de préférences humaines diverses

Une équipe de recherche a publié sur arXiv (2607.12466v1) un nouveau framework baptisé PREC (Preference-based REward Clustering), conçu pour aligner les politiques de contrôle robotique sur les préférences humaines lors du déploiement auprès d'utilisateurs finaux variés. Le problème que les auteurs cherchent à résoudre est concret : quand chaque utilisateur fournit un retour de préférence binaire (trajectoire A préférée à trajectoire B), ce signal est souvent trop rare et bruité pour apprendre une politique individualisée fiable, tandis qu'une politique unique partagée entre tous les utilisateurs écrase les préférences minoritaires. PREC contourne ce dilemme en mettant de côté les labels de préférence dans un premier temps pour apprendre un encodeur de trajectoires au niveau de la population entière, puis en regroupant les utilisateurs en clusters cohérents selon leurs préférences et en entraînant un modèle de récompense représentatif par cluster, à partir duquel une politique dédiée est optimisée. Les tests, menés sur des environnements de locomotion simulés, montrent que PREC identifie mieux les groupes d'utilisateurs aux préférences divergentes que les méthodes de référence, même avec un retour humain sparse et bruité. Pour l'industrie robotique, l'enjeu dépasse la simple curiosité académique : c'est un problème de scalabilité du déploiement. Multiplier les politiques individualisées pour chaque client rend la validation de sécurité intraitable avant mise en production, alors qu'une politique générique déçoit une partie des utilisateurs et nuit à l'adoption. En réduisant le nombre de politiques à un jeu de clusters gérable tout en couvrant les préférences hétérogènes, PREC propose un compromis directement pertinent pour les intégrateurs qui doivent certifier et maintenir un nombre limité de comportements robotiques plutôt qu'une politique par client. Ce travail s'inscrit dans la lignée des recherches sur l'alignement par préférences humaines (RLHF appliqué à la robotique), un champ qui a longtemps oscillé entre alignement individuel coûteux et alignement collectif appauvri. Les auteurs positionnent explicitement PREC face aux approches d'alignement par utilisateur et à l'alignement par politique unique partagée, sur lesquelles il montre des gains sur trois métriques de bien-être social. L'étude reste pour l'instant limitée à des environnements de locomotion simulés, sans validation sur robots physiques ni indication de partenaires industriels ou de calendrier de déploiement.

Recherche❖Paper

1 source

38

1100arXiv cs.RO 

Dévoiler des comportements collectifs complexes à partir de récompenses simples

Une équipe de recherche propose dans un article publié sur arXiv (2607.12861v1) un cadre d'interprétabilité en deux étapes baptisé EEC, destiné à décortiquer les politiques neuronales opaques de l'apprentissage par renforcement multi-agents (MARL) appliqué aux essaims de robots. L'outil central, nommé Agent Response Map (ARM), cartographie spatialement les décisions de chaque agent pour repérer les zones d'agrégation et d'évitement. Les auteurs valident cette méthode sur deux tâches distinctes : un assemblage coopératif de formes par plusieurs robots, et un scénario compétitif de poursuite-évasion prédateur-proie. Dans la tâche coopérative, ARM révèle que les robots ciblent implicitement l'intérieur inoccupé d'une forme cible, et que cette cible se déplace automatiquement vers la périphérie dès que le centre se remplit, preuve d'une capacité d'exploration autonome des zones libres. Dans la tâche compétitive, la carte identifie de façon inattendue la frontière du diagramme de Voronoï des prédateurs comme point de convergence des proies. Le résultat central de l'étude, c'est que des comportements collectifs complexes émergent de récompenses individuelles simples, sans incitation explicite à l'agrégation, et que ces comportements correspondent à des structures géométriques implicitement apprises par le réseau. Pour l'ingénierie robotique, cela offre un outil concret pour auditer des politiques MARL en boîte noire avant déploiement, un point critique quand ces systèmes gèrent des essaims réels en usine, en logistique ou en défense. Cela répond aussi à une limite connue du MARL : la difficulté à prédire ou garantir un comportement de groupe cohérent à partir de règles de récompense locales, ce qui freinait jusqu'ici l'adoption industrielle au-delà de la simulation. Ce travail s'inscrit dans la lignée des recherches sur l'interprétabilité en apprentissage par renforcement multi-agents, un champ actif où les méthodes de visualisation post-hoc restent rares comparées aux avancées algorithmiques. Les auteurs positionnent ARM comme un outil analytique générique, potentiellement applicable à d'autres tâches de coordination d'essaims, et ouvrent la voie à des extensions vers des environnements plus complexes ou des essaims hétérogènes.

Recherche❖Paper

1 source