Actualités robotique — page 24

7 505 articles au fil, du plus récent au plus ancien.

39

1151The Verge 

Le robot Optimus de Tesla traverse des difficultés de croissance

Tesla peine à atteindre son objectif de production de 20 000 robots Optimus par semaine, selon un rapport de The Information relayé par The Verge. Le mois dernier, l'entreprise n'aurait assemblé que "plusieurs centaines" d'unités par semaine, bien en deçà de la cible affichée. Plus tôt cette année, Tesla avait reconverti une partie de ses lignes de production des Model S et Model X pour fabriquer Optimus. Cette stratégie génère toutefois des blocages industriels: aligner les pièces avec précision pose problème, les composants du robot étant beaucoup plus petits et nécessitant des tolérances d'assemblage bien plus strictes que celles des pièces automobiles. Même sur la version "V3" d'Optimus actuellement produite, des soucis persistent au niveau des mains et des doigts. Cet écart entre ambition affichée et cadence réelle illustre la difficulté à industrialiser un robot humanoïde au rythme d'une chaîne automobile. Convertir des lignes conçues pour des châssis de plusieurs tonnes en outils capables de manipuler des pièces millimétriques n'est pas une simple opération de reconversion, et le cas Tesla rappelle que la fabrication de masse reste le principal verrou du secteur, davantage que la démonstration de capacités en laboratoire. Pour les intégrateurs et décideurs industriels, ce contraste invite à relativiser les calendriers de déploiement massif annoncés par les acteurs de l'humanoïde, qu'il s'agisse de Tesla ou de ses concurrents comme Figure AI ou Agility Robotics. Optimus a été présenté par Elon Musk comme un projet stratégique majeur pour Tesla, avec des promesses répétées de production à très grande échelle et de déploiement dans les usines du groupe. Après les générations précédentes du robot, la version V3 constitue l'itération actuellement en cours d'industrialisation, dans un contexte où la course aux robots humanoïdes s'intensifie face à des rivaux chinois comme Unitree.

Humanoïdes⚡Actu

1 source

43

1152Robotics Business Review 

Agility Robotics, créateur du robot humanoïde Digit, explore les robots à roues

Agility Robotics, le fabricant du robot humanoïde Digit, a glissé un détail inattendu à la fin de la vidéo de lancement de Digit 5 la semaine dernière : le rendu d'un robot humanoïde sur roues. Interrogé par The Robot Report, le PDG et « chief robot officer » Jonathan Hurst a confirmé que l'entreprise explore effectivement des robots à roues, en complément de ses robots à jambes, pour couvrir des environnements et des besoins clients différents. Il n'a donné aucune précision sur la forme finale (version à roues de Digit, ou robot entièrement nouveau, par exemple un manipulateur mobile à un seul bras) ni de calendrier, se contentant de dire qu'il est « trop tôt pour le dire ». Cette annonce intervient alors qu'Agility entre en Bourse via une fusion SPAC avec Churchill Capital Corp. XI, valorisant l'entreprise à 2,5 milliards de dollars et devant générer plus de 620 millions de dollars de produit brut. Le dossier S-4 déposé pour l'opération a révélé les chiffres financiers de l'entreprise : 1,8 million de dollars de revenus en 2025, pour une perte opérationnelle de 140 millions de dollars, ainsi qu'un carnet de commandes pluriannuel de plus de 300 millions de dollars pour Digit v5, provenant d'un seul client. Digit 5 a par ailleurs abandonné les genoux inversés caractéristiques des versions précédentes du robot. Hurst et le CTO d'Agility, Pras Velagapudi, doivent intervenir à RoboBusiness, les 20 et 21 octobre à Santa Clara, en Californie, Hurst participant à la keynote d'ouverture aux côtés de Rodney Brooks (Robust AI) et Ken Goldberg. Le signal est significatif pour un secteur où le débat jambes contre roues structure une bonne partie des choix d'ingénierie : les roues offrent stabilité, simplicité mécanique et sobriété énergétique en environnement plat et prévisible, tandis que les jambes restent nécessaires dans les espaces conçus pour l'humain, avec escaliers et obstacles. Qu'une entreprise dont l'identité repose entièrement sur la locomotion bipède envisage des roues traduit une pression commerciale bien réelle : le carnet de commandes de 300 millions de dollars démontre une demande concrète pour Digit, mais le revenu reconnu de seulement 1,8 million de dollars en 2025 rappelle à quel point Agility, comme les autres fabricants de robots humanoïdes à jambes, reste à un stade précoce dans la mise à l'échelle commerciale. Pour les intégrateurs et décideurs industriels, le message est clair : la promesse de la bipédie universelle cède du terrain face à une logique plus pragmatique, où la forme du robot doit s'adapter aux contraintes réelles d'un site plutôt que l'inverse, afin d'accélérer le déploiement et les revenus avant que les jambes ne soient pleinement fiables pour tous les usages. Cette inflexion s'inscrit dans la trajectoire d'un fondateur, Jonathan Hurst, qui a consacré des décennies de recherche à la locomotion sur pattes et bâti Agility autour de robots bipèdes distinctifs. L'entreprise avait déjà montré sa capacité à remettre en cause des choix de conception jugés fondamentaux, comme l'abandon des genoux inversés entre les générations précédentes et Digit 5. La piste des roues s'ajoute donc à une stratégie plus large de diversification des formes robotiques pour accélérer la commercialisation, dans un marché des humanoïdes industriels où plusieurs acteurs rivalisent pour prouver la viabilité économique de leurs plateformes au-delà des démonstrations. Aucun calendrier de lancement n'a été communiqué pour un éventuel robot à roues, et Hurst a lui-même reconnu n'en être qu'aux prémices de la réflexion ; les prochaines indications pourraient venir de la présentation d'Agility à RoboBusiness, à Santa Clara les 20 et 21 octobre, où l'entreprise doit revenir sur les vingt prochaines années de la robotique aux côtés d'autres figures du secteur.

Humanoïdes❧Opinion

1 source

29

1153Robohub 

Robot Talk épisode 163 : des robots qui aident les personnes, avec Aaron Edsinger

Dans l'épisode 163 du podcast Robot Talk, l'animatrice Claire s'est entretenue avec Aaron Edsinger, PDG et cofondateur de Hello Robot, au sujet du robot Stretch conçu pour aider les personnes à mobilité réduite à vivre de façon plus autonome. Edsinger a fondé quatre entreprises centrées sur les robots collaboratifs destinés aux marchés grand public, industriel, de la santé et de la recherche. Avant Hello Robot, il a occupé le poste de directeur robotique chez Google, où il a piloté le développement commercial, produit et technique de deux investissements robotiques majeurs du groupe et contribué à définir sa stratégie robotique globale. L'échange, diffusé sous forme d'entretien plutôt que de démonstration produit, ne comporte pas d'annonce de déploiement, de prix ou de spécifications techniques nouvelles pour Stretch. Cet épisode illustre un positionnement distinct de la course humanoïde qui domine l'actualité robotique, avec des acteurs comme Figure ou Tesla misant sur des machines bipèdes polyvalentes pour l'industrie. Hello Robot cible un usage plus circonscrit mais à besoin social avéré, l'assistance à domicile pour les personnes en perte de mobilité, un segment porté par le vieillissement démographique et la pénurie d'aidants. Pour les intégrateurs et décideurs du secteur santé, ce format d'échange rappelle que la robotique assistive avance aussi par la pédagogie et l'adoption progressive, plutôt que par des vidéos spectaculaires dont la portée réelle reste difficile à évaluer. Le parcours d'Edsinger, entre startups robotiques successives et responsabilités stratégiques chez Google, situe Hello Robot dans la lignée des tentatives de faire sortir la manipulation robotique des laboratoires vers des usages domestiques concrets. Robot Talk, podcast consacré aux voix de la recherche et de l'industrie robotiques, ne détaille pas ici de calendrier de déploiement ni de nouveaux partenariats pour Stretch, l'épisode restant centré sur la vision et le parcours de son invité plutôt que sur une annonce produit.

Societe/Ethique⚡Actu

1 source

43

1154Robohub 

Une approche open source de l'IA physique par Intrinsic

Intrinsic, la division robotique d'Alphabet issue du laboratoire X, a ouvert en open source une partie de sa plateforme sous le nom d'Intrinsic Core, un ensemble de briques compatibles ROS pour construire des applications robotiques. L'ensemble comprend Intrinsic Control, un framework de contrôle temps réel agnostique au matériel qui adapte la trajectoire du robot selon les retours capteurs et génère des chemins sans collision, sans réécriture des pilotes lors d'un changement de bras, de pince ou de capteur. S'y ajoutent une estimation de pose en six degrés de liberté (6 DOF), un moteur de planification de mouvement et de prise adaptant automatiquement la préhension à l'orientation de la pièce, des services de simulation continue, un outil de calibration automatique de caméra et des pilotes Intrinsic-ROS préconfigurés. Intrinsic publie également l'Open Machine Tending Solution (OMTS), un design de référence clé en main pour l'alimentation de machines-outils, téléchargeable dès à présent sur GitHub. Cette ouverture marque un changement de posture : Intrinsic vendait jusque-là sa pile logicielle comme une offre intégrée et se rapproche désormais du modèle d'infrastructure partagée de ROS. Pour les intégrateurs, cela abaisse la barrière d'entrée en rendant gratuites des briques de perception, de planification et de prise auparavant développées en interne ou achetées auprès de fournisseurs propriétaires comme ABB, Fanuc ou Universal Robots. L'annonce ne concerne ni robot humanoïde ni modèle fondation VLA, contrairement à Figure 03, GR00T N2 ou Helix : il s'agit d'une pile pour bras industriels classiques, et l'OMTS reste un gabarit de référence, Intrinsic ne communiquant aucun chiffre d'adoption ni déploiement client validé. Intrinsic est née en 2021 comme spin-off du laboratoire de paris technologiques X d'Alphabet, avec pour mission de simplifier la programmation robotique industrielle par le logiciel et l'IA, une trajectoire renforcée par le rachat de Vicarious en 2022. Cette publication s'inscrit dans une vague plus large d'ouverture en IA physique, aux côtés des modèles fondation publiés par Physical Intelligence (Pi-0) ou NVIDIA (GR00T), bien qu'Intrinsic Core reste une couche logicielle classique de robotique industrielle plutôt qu'un modèle généraliste vision-langage-action. Aucun calendrier de pilotes n'a été communiqué au-delà de la disponibilité immédiate du code sur GitHub.

Industriel⚡Actu

1 source

46

1155arXiv cs.RO 

HarnessPAI : un harnais évolutif pour l'IA physique

Une équipe liée au projet Darwin Agent a publié le 25 septembre 2026 sur arXiv (2609.29166) HarnessPAI, un framework agnostique au modèle et à la morphologie qui pilote les modèles d'action physique via du code exécutable. Le système sépare deux échelles : pendant un rollout, un programme fixe vérifie l'exécution en boucle ouverte ; entre les rollouts, il évolue en boucle fermée et transforme les échecs en compétences réutilisables grâce au retour d'exécution. Testé sur des bras de bureau, des robots domestiques, un aspirateur robot et un agent marcheur à pattes, HarnessPAI améliore les modèles d'action purs et les baselines "code-as-policy" sans réentraînement : +61,6 points sur Pi-0.5 sur LIBERO-PRO, +27,2 points sur WorldDreamer sur les tâches atomiques de RoboCasa. Une fois le programme convergé, aucune délibération LLM en ligne n'est nécessaire ; il sert aussi de collecteur de données expertes bon marché, et réentraîner Pi-0.5 sur ces données relève son taux de réussite de 38,8 points sur LIBERO-PRO. Ces résultats contredisent l'hypothèse dominante selon laquelle la performance en robotique physique dépend avant tout de modèles d'action plus puissants : l'entraînement standard de ces modèles peut au contraire éroder les capacités de perception et de raisonnement nécessaires à un comportement robuste, rendant même des modèles forts vulnérables aux perturbations de scène et aux tâches longues. Pour les intégrateurs et chercheurs, cela suggère qu'un harnais exécutable et piloté par le retour d'expérience peut être aussi déterminant que le modèle lui-même, et qu'il offre une voie moins coûteuse pour collecter des données d'entraînement sans téléopération massive. HarnessPAI s'inscrit dans les efforts visant à combler l'écart entre démonstrations et déploiement réel des modèles vision-langage-action, dans un paysage dominé par Pi-0 et Pi-0.5 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI ; l'étude compare directement son approche à Pi-0.5 et à WorldDreamer, la positionnant comme complémentaire plutôt que concurrente. Il s'agit pour l'instant d'une publication de recherche, sans annonce de déploiement industriel ni de partenaire commercial identifié : les auteurs présentent ces résultats comme une preuve de concept sur plusieurs plateformes robotiques, ouvrant la voie à des systèmes intégrant perception, raisonnement et action de manière vérifiable.

IA physique❖Paper

1 source

45

1156arXiv cs.RO 

Sorties anticipées découplées : allocation de calcul adaptée à la tâche dans les VLA à flow-matching

Une équipe de recherche propose une méthode pour réduire le coût de calcul des modèles VLA à flow matching, qui combinent un backbone vision-langage préentraîné avec un action expert générant des actions robotiques continues. Publiée sur arXiv le 25 septembre 2026 (2609.29382), l'approche traite comme réglables indépendamment trois leviers : la profondeur du backbone, celle de l'action expert et le nombre d'étapes de denoising, via de légers modules "Exit Transformers" insérés à des profondeurs intermédiaires et entraînés par distillation, associés à un mécanisme de synthèse de cache KV qui reconstruit les clés et valeurs des couches sautées. Le surcoût en paramètres reste minime, +2,1% pour SmolVLA et +4,1% pour π0.5, sans réentraînement complet. Sur LIBERO et Meta-World, la configuration conjointe des trois leviers réduit la latence de 79,2%, le calcul en FLOPs de 31,8%, et améliore le taux de réussite moyen de 5,6%. L'apport principal n'est pas seulement le gain de vitesse : c'est la démonstration que le budget de calcul optimal dépend de la tâche, certaines bénéficiant d'un backbone raccourci, d'autres d'un action expert raccourci ou de moins d'étapes de denoising, ces leviers ayant des effets complémentaires plutôt que redondants. C'est une piste directement exploitable pour les intégrateurs cherchant à faire tourner des politiques VLA sur du matériel embarqué à puissance limitée, sans réentraînement coûteux. Améliorer simultanément vitesse et taux de réussite contredit l'hypothèse habituelle d'un compromis strict entre précision et rapidité, un point qui intéresse les décideurs évaluant le passage des VLA généralistes du prototype au produit industriel. Jusqu'ici, les méthodes existantes pour accélérer les VLA à flow matching se limitaient à sauter des couches du backbone ou à réduire les étapes de débruitage, sans toucher à la profondeur de l'action expert, le composant qui génère les actions du robot. Les auteurs comblent cette lacune en traitant les trois axes conjointement. La méthode est validée sur SmolVLA, modèle compact open source de l'équipe LeRobot de Hugging Face, cofondée par des Français, et sur π0.5, de la lignée des modèles Pi de Physical Intelligence. Il s'agit d'une contribution de recherche évaluée en simulation, sans partenaire industriel ni calendrier de déploiement annoncé.

Recherche❖Paper

1 source

44

1157arXiv cs.RO 

Les modèles du monde rendent-ils les robots meilleurs ? Un panorama des benchmarks d'évaluation pour l'IA incarnée prédictive

Une synthèse déposée sur arXiv fin septembre 2026 recense et vérifie une par une 160 benchmarks d'évaluation robotique publiés entre 2017 et 2026, dans le but de déterminer si les modèles du monde (world models), qui prédisent les observations futures, offrent un avantage mesurable en boucle fermée face aux politiques vision-langage-action (VLA), qui associent directement l'observation à l'action. Les 160 bancs d'essai sont répartis en quatre familles : suites d'évaluation de politiques, agents incarnés, évaluation pure des world models, et ponts prédiction-vers-action. Le bilan chiffré est net : 138 benchmarks sur 160, soit 86%, restent agnostiques au type de modèle, 11 seulement (7%) construisent une comparaison explicite VLA contre world model, et 4 seulement transforment une prédiction en action réellement exécutée sur un robot. La capacité contrefactuelle, c'est-à-dire anticiper ce qui se passerait sous une action alternative, n'est quasiment jamais mesurée dans l'ensemble du corpus étudié. Ce travail met en lumière un angle mort structurel du secteur : il est aujourd'hui impossible de trancher, preuves à l'appui, si entraîner un robot à prédire l'avenir améliore réellement ses performances en boucle fermée par rapport à une politique VLA directe. Les benchmarks de world models jugent la qualité de la prédiction sans jamais l'exécuter, tandis que les suites de succès de tâche n'hébergent qu'une seule politique à la fois et ne construisent jamais ce contraste. Pour les intégrateurs et décideurs qui arbitrent entre paradigmes de recherche et priorités d'investissement, la leçon est de rester prudent face aux annonces autour des world models : générer des vidéos futures convaincantes ne prouve aucun gain réel de succès de tâche en conditions réelles, faute de protocole capable d'isoler cet avantage. Ce fossé méthodologique vient du fait que les deux courants de recherche se sont développés en parallèle sans jamais vraiment se confronter, les politiques VLA étant jugées en boucle fermée sur le taux de réussite de tâches concrètes, les modèles du monde en boucle ouverte sur la seule qualité de leurs prédictions ou générations. Face à ce vide, les auteurs comparent leur couverture à celle des huit enquêtes les plus proches déjà publiées et revendiquent être les seuls à croiser capacité robotique et famille de modèle. Ils proposent une taxonomie opérationnelle des 160 bancs d'essai, une boucle d'évaluation conçue pour isoler spécifiquement l'avantage de la prédiction, et un protocole de quatre métriques ancrées sur des bancs d'essai nommés. Leur conclusion n'est pas que les world models aident ou non les robots, mais que répondre à cette question exige de construire des benchmarks conçus spécifiquement pour la poser.

Recherche❖Paper

1 source

43

1158arXiv cs.RO 

Robo-Harness K1 : maîtriser les agents d'utilisation robotique par augmentation de perception

Des chercheurs présentent Robo-Harness K1, un framework qui transforme la perception 3D en outils interrogeables par un modèle vision-langage (VLM) plutôt que de la réentraîner dans son architecture : profondeur calibrée, ancrages visuels persistants, mesures spatiales et hypothèses de préhension, à partir desquels l'agent sélectionne des mouvements génériques. Sur le benchmark LIBERO-PRO, Gemini 3.7 Flash équipé de K1 atteint 77,8% de réussite contre 61,1% pour GPT-6 Astra en harnais RGB seul, et K1 porte ce dernier à 88,9%. Sans réglage fin, Gemini plus K1 se transfère à trois bras RoboSuite et à des tâches bi-bras RoboTwin, avec 32,0% de réussite sur les tâches faciles et 28,0% sur les difficiles. Entraîné sur seulement 107 épisodes de démonstration issus de l'agent enseignant, un modèle étudiant Qwen3.5-9B atteint 44,2% sur de nouveaux états initiaux et 13,9% sur des conditions inédites, contre respectivement 30,2% et 0% pour OpenVLA. Le résultat cible une limite connue des modèles vision-langage-action : les VLA de bout en bout exigent d'importants volumes de démonstrations et peuvent dégrader la compréhension acquise au pré-entraînement, tandis qu'un pilotage RGB seul du VLM reste coûteux et dépend de ses capacités brutes. En traitant la géométrie comme une interface d'outils plutôt qu'un module à réentraîner, K1 suggère une voie plus économe en données pour rendre des VLM génériques exploitables en manipulation, un enjeu pour les intégrateurs confrontés à la collecte de démonstrations. L'écart entre 0% pour OpenVLA et 13,9% pour le modèle distillé sur des tâches jamais vues illustre les limites de généralisation de l'apprentissage par pure imitation. Ces scores restent toutefois issus de simulateurs, LIBERO-PRO, RoboSuite et RoboTwin, et non d'un robot physique, laissant ouverte la question du transfert réel. Le travail se positionne entre deux approches dominantes, les VLA de bout en bout et le pilotage RGB direct de VLM, en gardant le modèle figé et en lui fournissant des outils de perception calibrés, une conception comparée à OpenVLA, référence ouverte de la recherche en apprentissage robotique. Publiée comme nouvelle soumission sur arXiv, la contribution reste académique, sans partenariat industriel ni calendrier de déploiement annoncé. La validation hors simulation, sur robot physique, apparaît comme l'étape suivante pour les auteurs.

IA physique⚡Actu

1 source

43

1159arXiv cs.RO 

DAWN : parkour robuste au bruit pour quadrupède via des modèles du monde débruiteurs de profondeur

Des chercheurs ont présenté DAWN (Denoising and Alignment in World models for Noise-robustness), un cadre de perception robuste au bruit pour la locomotion des robots à pattes, décrit dans un article publié sur arXiv (2609.29092v1). Testé sur un quadrupède Unitree Go1, le système exécute du parkour en zero-shot, sans réentraînement ni calibration manuelle de filtre au déploiement : franchissement d'escaliers jusqu'à 18 cm, de trous jusqu'à 70 cm et montée de marches jusqu'à 45 cm, à partir de données de profondeur brutes et bruitées. La méthode combine deux mécanismes intégrés au world model : l'encodeur reçoit une image de profondeur bruitée tout en étant entraîné à reconstruire la version propre correspondante, ce qui le force à débruiter implicitement, tandis qu'un apprentissage contrastif aligne les représentations latentes des versions bruitées et propres d'une même scène. DAWN n'est lié à aucun modèle de bruit particulier et n'ajoute aucun coût de calcul par rapport aux méthodes existantes à world model. Des ablations montrent que le débruitage, au niveau de la reconstruction, et l'alignement contrastif, au niveau de la représentation, apportent des gains complémentaires et cumulatifs. Cette approche cible un point faible connu des pipelines de locomotion par vision : entraînés sur des données de profondeur propres, ils dépendent ensuite de filtres de post-traitement réglés à la main dont les paramètres sont rarement publiés, ce qui nuit à la reproductibilité et dégrade les performances quand le bruit n'est pas traité. En supprimant cette calibration manuelle, DAWN réduit la charge d'ingénierie pour les intégrateurs déployant des capteurs de profondeur bon marché ou bruyants sur des terrains réels, et remet en question l'idée qu'un modèle de perception entraîné en simulation nécessite un réglage fin spécifique au capteur pour combler l'écart entre simulation et monde réel. Les résultats restent toutefois démontrés sur une seule plateforme, le Go1, en conditions expérimentales, et non lors d'un déploiement industriel à grande échelle. DAWN prolonge les travaux sur la locomotion par world models et étend à la perception visuelle une robustesse au bruit déjà explorée pour les capteurs proprioceptifs, un axe resté largement inexploité pour la profondeur. Il s'inscrit dans la vague de démonstrations de parkour quadrupède portées ces dernières années par des plateformes comme celles de Unitree et par des laboratoires académiques travaillant sur la locomotion en terrain extrême. Le code et les vidéos ont été publiés sur dawn-parkour.github.io, une démarche de transparence qui tranche avec l'opacité des filtres propriétaires que l'article dénonce. Il s'agit à ce stade d'une contribution de recherche en preprint, sans partenariat industriel ni calendrier de déploiement commercial annoncé.

Recherche❖Paper

1 source

43

1160arXiv cs.RO 

Détection continue des défauts pour robots mobiles via modèles adaptatifs en périphérie

Un article publié sur arXiv en septembre 2026 (2609.29194v1) présente un système de détection continue de pannes pour robots mobiles, conçu pour du matériel embarqué à ressources limitées. La méthode repose sur une distillation enseignant-élève : hors ligne, le modèle de fondation TSPulse génère des pseudo-étiquettes à partir de séries temporelles non annotées enrichies d'injections de défauts ; à bord, un modèle élève léger, MiniRocket, couplé à un estimateur Recursive Least Squares (RLS), reproduit cette frontière de décision en temps réel. Testé sur le benchmark TSB-AD et sur un robot mobile physique, ce modèle élève atteint une latence d'inférence de 4,30 ms sur CPU. Face à une usure mécanique réelle, l'adaptation en ligne fait passer le score VUS-PR de 0,26 à 0,75 sans oubli catastrophique, et une stratégie d'apprentissage actif guidée par l'incertitude ne sollicite l'opérateur que devant des défauts jamais rencontrés. Ce travail cible un point de friction de la robotique mobile industrielle : les meilleurs détecteurs d'anomalies, souvent des foundation models de séries temporelles, sont trop coûteux pour tourner en continu sur le CPU embarqué d'un robot. En cantonnant le foundation model à une génération hors ligne d'étiquettes et en n'embarquant qu'un modèle compact, les auteurs approchent l'état de l'art sans sacrifier le temps réel. Pour les intégrateurs de flottes de robots mobiles autonomes (AMR), l'apport concret est l'adaptation continue sans réentraînement complet : un robot dont l'usure mécanique modifie ses signaux capteurs continue de détecter les pannes, là où les systèmes statiques se dégradent. La sollicitation de l'opérateur, réservée aux défauts vraiment nouveaux, réduit la charge cognitive des alertes. Le système combine deux briques existantes : TSPulse, modèle de fondation pour séries temporelles, et MiniRocket, algorithme rapide de classification par convolutions aléatoires, évalués ici sur le benchmark public TSB-AD. Il s'inscrit dans une tendance plus large de l'IA embarquée : générer données et étiquettes hors ligne avec un grand modèle, puis déployer sur le terrain un modèle compact, logique déjà éprouvée en vision par ordinateur et désormais appliquée à la maintenance prédictive robotique. L'article ne mentionne ni partenaire industriel ni calendrier commercial : il s'agit d'une validation expérimentale sur benchmark et sur un seul robot physique, pas d'un déploiement en flotte. Les suites logiques seraient une extension à d'autres robots et défauts, avec une validation en conditions industrielles réelles.

Recherche❖Paper

1 source

43

1161arXiv cs.RO 

Le bruit d'exploration modulé par l'incertitude empêche l'effondrement des tâches dans le fine-tuning RL en ligne d'une politique VLA à flow matching

Une équipe de recherche publie le 25 septembre 2026 sur arXiv (2609.28838) une étude sur le fine-tuning par apprentissage par renforcement en ligne de politiques vision-langage-action (VLA) à flow-matching, la piste privilégiée pour des robots qui continuent d'apprendre après déploiement. Les auteurs testent SmolVLA, modèle compact de 450 millions de paramètres développé par Hugging Face, entraîné avec l'algorithme PPO et un échantillonnage stochastique (SDE) sur le benchmark de manipulation LIBERO-10, à budget de calcul identique et volontairement restreint. Trois stratégies de bruit d'exploration sont comparées: un bruit à échelle fixe, un réseau de bruit appris façon ReinFlow, et un contrôleur dit "uncertainty-gated" qui redistribue l'exploration entre les tâches à partir de signaux de nouveauté et de compétence, sans étiquette de tâche ni découpage en épisodes. Résultat mesuré: le bruit fixe fait s'effondrer des tâches individuelles ("task collapse") sur deux graines aléatoires sur trois, le bruit appris s'effondre sur les trois graines avant l'itération 200, alors que le contrôleur ne s'effondre sur aucune des trois. Aucun des trois réglages ne dépasse la simple baseline de clonage comportemental dans ce budget. Fait technique annexe: en entraînement bfloat16 sans copie maîtresse fp32, 96,02% des poids du réseau d'action restent identiques bit à bit sur trois itérations consécutives, tandis qu'une copie fp32 au même taux d'apprentissage fait s'effondrer les deux bras testés, sur une seule graine observée. L'intérêt pour l'industrie tient au problème qu'elle documente plutôt qu'à une solution livrée: le fine-tuning RL en continu, promis comme moyen de faire progresser des robots VLA une fois sur le terrain, peut détruire silencieusement la compétence sur des tâches précises alors que les métriques agrégées restent rassurantes, un piège pour tout intégrateur qui déploierait une boucle d'apprentissage continu en production sans suivi tâche par tâche. L'étude tempère aussi l'hypothèse selon laquelle le RL en ligne améliorerait mécaniquement des politiques VLA préentraînées: dans ce budget de calcul, aucune variante ne bat le clonage comportemental initial. C'est un signal de prudence pour les décideurs B2B face aux discours sur l'apprentissage continu des robots humanoïdes ou manipulateurs, à valider par des mesures par tâche et non par des courbes de récompense globales. Le travail s'inscrit dans la lignée des politiques VLA à flow-matching type Pi-0 ou GR00T N2, en s'appuyant sur SmolVLA, la politique VLA compacte et ouverte publiée par Hugging Face, et sur LIBERO, benchmark standard d'évaluation de politiques de manipulation. Il prend pour référence directe ReinFlow, approche antérieure de bruit appris pour les politiques de flux, utilisée ici comme point de comparaison plutôt que comme solution retenue. Il s'agit d'un article de recherche, pas d'un produit livré ni d'un pilote industriel: les auteurs mettent à disposition leurs outils de mesure du collapse par tâche selon quatre définitions, ainsi que leurs méthodes de recalcul du bruit et d'étalonnage instrumental, sans calendrier de déploiement annoncé.

Recherche❖Paper

1 source

42

1162arXiv cs.RO 

GenPHRI : simulation générative à base d'agents pour l'interaction physique homme-robot

Un laboratoire de robotique universitaire (RCHI Lab) publie GenPHRI, une nouvelle version (arXiv:2604.08664v2, article de remplacement) d'un framework de simulation générative pour l'interaction physique humain-robot, ou pHRI. Le système transforme une simple description en langage naturel en scénario de simulation complet, comprenant une pièce meublée, une pose humaine adaptée à la tâche et un robot exécutant l'interaction demandée. L'architecture s'appuie sur des agents fondés sur des modèles vision-langage : un agent générateur et un agent critique itèrent sur chaque composant de la scène, pendant qu'un agent orchestrateur arbitre les décisions entre les différentes étapes de construction. Les auteurs ont généré 50 scénarios d'assistance distincts sans aucune intervention manuelle, puis déployé deux de ces tâches lors d'une étude impliquant 12 participants humains. Les politiques de vision entraînées sur ces données atteignent un taux de réussite zero-shot d'environ 80% en conditions réelles, contre environ 90% en simulation, avec des comportements jugés cohérents avec les consignes textuelles. Une seconde voie de déploiement, sans entraînement, permet aussi l'exécution directe des trajectoires générées, au prix d'une couverture de contact plus limitée. Le travail cible un goulot d'étranglement concret du secteur : construire des scènes et des mouvements de simulation adaptés à chaque tâche de pHRI reste coûteux et lent, ce qui freine l'entraînement de politiques robotiques capables d'interagir physiquement avec des humains, au delà des tâches de manipulation d'objets classiques. En automatisant entièrement la génération de scénarios à partir de texte, GenPHRI illustre une tendance plus large où des agents VLM remplacent l'ingénierie manuelle de scènes simulées. L'écart mesuré entre performance simulée et performance réelle, dix points de pourcentage, reste toutefois un signal utile à retenir pour quiconque évalue la fiabilité de politiques entraînées uniquement en simulation avant tout déploiement physique auprès d'humains. L'étude reste à ce stade un travail de recherche académique et non un produit commercialisé : la validation s'appuie sur une étude utilisateur restreinte à 12 participants et deux tâches déployées, pas sur un déploiement industriel. Les auteurs publient GenPHRI comme plateforme ouverte pour générer, entraîner et déployer des tâches de pHRI à partir de prompts textuels, avec davantage de détails sur le site du projet associé au laboratoire.

Recherche❖Paper

1 source

42

1163arXiv cs.RO 

PolyUMI : collecte de données visuo-tactiles-audio accessible pour l'inférence et la manipulation d'objets

Des chercheurs présentent PolyUMI, une plateforme open-source pour la collecte de démonstrations robotiques combinant vision, toucher et audio, ainsi qu'une politique d'apprentissage associée baptisée VisTA. Le système repose sur une pince portative légère et sans fil, tenue à la main, qui enregistre de façon synchronisée les flux d'une caméra montée au poignet, d'un capteur tactile optique, d'un microphone de contact et de données proprioceptives, sans nécessiter de station de travail reliée par câble. Le doigt capteur utilisé pendant la démonstration humaine peut être directement transféré sur l'effecteur du robot, ce qui préserve la géométrie de détection entre la phase de collecte et la phase d'exécution de la politique. VisTA, décrite comme une politique multimodale au niveau des tokens, fusionne ces signaux hétérogènes dans le temps pour produire des actions robotiques tenant compte du contact physique. Les auteurs rapportent des expériences sur trois tâches: l'inférence des propriétés d'un objet, le contrôle du glissement lors de la préhension, et la manipulation dans des scénarios riches en contacts. La publication, référencée sous arXiv:2609.29760, ne précise ni prix ni volumes de déploiement, s'agissant d'un travail de recherche et non d'un produit commercial. L'intérêt de ce travail tient au constat qu'il documente: la plupart des systèmes d'apprentissage par imitation en robotique reposent presque exclusivement sur la vision et la proprioception, ce qui laisse de côté des informations de contact difficiles à déduire visuellement, comme le glissement d'un objet ou sa texture. En montrant que le toucher et l'audio apportent des informations pertinentes que la vision seule ne capture pas, et que VisTA se montre compétitive voire supérieure aux politiques multimodales existantes, l'étude appuie l'idée que l'ajout de capteurs tactiles et acoustiques bon marché peut combler une partie du fossé entre démonstrations en laboratoire et manipulation robuste en conditions réelles, un enjeu central pour les intégrateurs travaillant sur la préhension d'objets fragiles ou déformables. PolyUMI s'inscrit dans la lignée des interfaces de manipulation universelles (UMI) qui utilisent des pinces portatives pour collecter des démonstrations sans robot physique, une approche déjà popularisée pour réduire le coût de la collecte de données d'entraînement. En rendant la plateforme et le code ouverts via une page de projet dédiée, les auteurs visent une adoption large par la communauté robotique académique, sans toutefois annoncer de partenariat industriel ni de calendrier de déploiement au-delà de la publication du papier.

IA physique❖Paper

1 source

42

1164arXiv cs.RO 

ReVNM : navigation visuelle par apprentissage à partir d'une caméra distante

Des chercheurs présentent ReVNM (Remote Visual Navigation Model), un système de navigation robotique qui remplace les cameras embarquées classiques par une unique camera de surveillance fixe et distante du robot. Publie sur arXiv sous la référence 2609.28976 en septembre 2026, le modèle s'appuie sur une architecture VNM (Visual Navigation Model) de référence, enrichie d'un module baptise exo2ego qui convertit la vue exocentrique de la camera fixe en une estimation de profondeur égocentrique, soit la perspective que percevrait le robot lui-même face aux obstacles. Cette conversion permet au système de planifier une trajectoire sans collision même lorsque la camera distante, au champ de vision limite, ne cadre pas les obstacles sous le même angle que le robot. Le modèle a été entraine exclusivement sur des mondes synthétiques générés aléatoirement, avec des dispositions d'obstacles et des points de vue de camera varies, sans aucune donnée réelle. Les auteurs rapportent des résultats positifs en simulation comme sur robot réel, sans réglage fin supplémentaire après cet entrainement purement synthétique. Pour l'industrie de la robotique mobile, l'intérêt est concret: les modèles de navigation visuelle usuels exigent soit une carte préalablement construite pour les trajets longs, soit un traitement d'image embarque couteux en calcul. En s'appuyant sur l'infrastructure de vidéosurveillance déjà présente dans nombre d'entrepôts, usines ou espaces commerciaux, ReVNM ouvre la voie a des robots plus légers et moins chers, délestés de camera et de puissance de calcul embarquées, la camera fixe faisant office a la fois de capteur et de carte implicite de l'environnement. Cela concerne directement les intégrateurs d'AMR cherchant a réduire le cout matériel par unité déployée. La généralisation revendiquée du simulateur au monde réel, sans aucune donnée physique d'entrainement, reste toutefois un résultat obtenu sur des scenarios générés de manière procédurale, et sa robustesse face a la variabilité réelle des entrepôts (éclairage, occlusions, positionnement des cameras existantes) demande a être confirmee au-delà des expériences publiées dans l'article. Le travail s'inscrit dans la lignée des VNM, ces modèles qui font naviguer un robot a partir de simples images plutôt que d'une cartographie géométrique classique de type SLAM, une approche qui a gagne du terrain ces dernières années pour simplifier le déploiement en environnements changeants. Jusqu'ici, ces modèles restaient cantonnes aux trajets courts sans carte préalable ou exigeaient une cartographie géométrique pour la navigation longue distance. ReVNM cherche a lever cette limite en misant sur un capteur d'un genre différent, déjà largement présent dans le monde industriel et commercial, plutôt que sur la vision embarquée. L'article ne mentionne aucun partenaire industriel ni calendrier de déploiement pilote: il s'agit a ce stade d'un travail de recherche valide en simulation et sur un banc d'essai réel restreint, dont l'étape logique suivante serait une évaluation a plus grande échelle dans des sites industriels réels, face a des configurations de camera non vues a l'entrainement.

Recherche❖Paper

1 source

41

1165arXiv cs.RO 

WRAP : planification d'assemblage multi-robot sans montage, tenant compte des efforts (wrench)

Wrap se passe de fixations dédiées et raisonne explicitement sur les forces en jeu pendant le montage, coordonnant plusieurs robots pour assembler des pièces multiples. A partir des dépendances d'ordre entre pièces, de leurs maillages 3D et de leur position initiale, le système calcule une séquence de montage réalisable. Un programme linéaire vérifie si une prise donnée peut supporter les forces générées pendant l'assemblage, tandis qu'une heuristique bon marche, calculée par recherche arrière, guide une recherche avant plus couteuse, résolue étape par étape de manière gloutonne. Le plan obtenu est ensuite converti en problème de planification de mouvement multi-robot et multi-objectif, puis décompose a l'exécution en compétences de manipulation a contact riche et en trajectoires en espace libre. Les auteurs, dans un article publie sur arXiv (référence 2609.29407v1), ont teste Wrap sur plusieurs assemblages multi-pièces et sur des groupes de robots de tailles et cinématiques différentes, en simulation physique et en conditions réelles ; code et vidéos sont publies sur vhartmann.com/wrap. Cette méthode s'attaque a une limite classique de l'assemblage robotise industriel, ou les fixations sur mesure, couteuses et rigides, et les stratégies purement descendantes limitent la flexibilité des lignes face aux petites sériés ou aux produits variables. En automatisant le choix entre ajouter un second robot pour maintenir une pièce ou s'appuyer sur un support externe comme une table, Wrap traite une décision habituellement laissée a l'ingénieur d'intégration. Pour les intégrateurs et décideurs industriels, une planification automatisée de l'allocation de taches entre plusieurs bras pourrait réduire le temps de programmation des cellules d'assemblage flexibles, même si le travail reste, a ce stade, valide en laboratoire et non déployé en usine. Le problème cible s'inscrit dans un champ ou la combinatoire des attributions de taches et des ordres possibles explose des que plusieurs robots interviennent, ce qui a longtemps pousse l'industrie vers des cellules a fixation unique et séquence figée. Wrap se présente comme une alternative générique, indépendante du nombre et du type de robots, combinant recherche heuristique, programmation linéaire pour la validité des prises et planification de mouvement multi-robot. Les auteurs ne revendiquent ni déploiement industriel ni partenariat commercial : la contribution reste, pour l'instant, un planificateur open source publie avec son code et ses démonstrations vidéo, destine a être repris par la communauté robotique pour d'autres familles d'assemblages.

Recherche❖Paper

1 source

41

1166arXiv cs.RO 

TAPESIM : simulation efficace du déroulement de ruban adhésif pour la manipulation robotique

Un article publié le 25 septembre 2026 sur arXiv (2609.28766) présente TapeSim, un simulateur physique pour la manipulation robotique de ruban adhésif, utilisé pour sécuriser des faisceaux de câbles ou sceller des emballages ; les auteurs annoncent la publication du code source. Simuler chaque couche adhésive d'une bobine ralentit les solveurs et peut bloquer la rotation du rouleau aux tolérances numériques courantes, alors qu'un rouleau rigide ne libère jamais de matière. TapeSim concentre la déformation près de la zone de déroulement : un amas rigide représente la bobine, un collier déformable avance pour libérer le ruban, et des liaisons adhésives optionnelles simplifient le collage. À 32 tours, l'approche accélère le calcul de 3,2 à 3,4 fois, jusqu'à 8,4 fois pour un mouvement comparable, réduit de 23 à 29% l'erreur de suivi visuel sur cinq rejeux réels, et fait passer, sur 100 essais de décollement, la précision de 50% (hasard) à 72,9-76,3%. Cette avancée cible un angle mort de la simulation robotique : les objets déformables qui collent et décollent, fréquents en logistique et en assemblage industriel, forcent les moteurs physiques à choisir entre rigidité artificielle et coût de calcul prohibitif. En rendant ces interactions rapides et fidèles au réel, comme le montre le bond de précision de 50% à plus de 72% sur la détection du décollement, TapeSim ouvre la voie à un entraînement et une évaluation reproductibles des politiques robotiques sur des tâches jusqu'ici trop coûteuses à simuler, un pas vers la réduction de l'écart persistant entre simulation et déploiement réel. Le travail s'inscrit dans une littérature croissante sur la simulation d'objets déformables et cohésifs, où les approches à couches adhésives complètes, utilisées ici comme référence, restent la norme malgré leur coût de calcul élevé. TapeSim s'en distingue par une architecture hybride rigide/déformable localisée, validée sur des tests synthétiques de balancement et de décollement, et sur une séquence de scellage de boîte en téléopération combinant fixation, déroulement, coupe et scellage. Les auteurs ne précisent ni institution ni calendrier de déploiement au-delà de la publication du code, ce qui situe ce travail au stade de la recherche reproductible plutôt que du produit prêt à l'emploi.

Recherche❖Paper

1 source

41

1167arXiv cs.RO 

RoboRecover : évaluer la récupération des politiques robotiques après des écarts d'exécution

Des chercheurs en robotique ont mis en ligne le 25 septembre 2026 sur arXiv (2609.28952) un nouveau benchmark baptisé RoboRecover, destiné à mesurer la capacité des politiques robotiques, notamment les modèles vision-langage-action (VLA), à se rétablir après une déviation survenue en cours d'exécution. Les benchmarks existants testent des trajectoires complètes depuis un état initial fixe et jugent surtout le résultat final, en négligeant ce qui se passe pendant l'interaction dynamique. RoboRecover cible au contraire les états intermédiaires anormaux, ceux où des contacts ou des actions ont modifié les relations entre objets et la progression de la tâche, obligeant la politique à comprendre ce qui a changé, corriger la situation, puis reprendre l'objectif initial. La méthode sélectionne des états de déviation issus de trajectoires réelles, les reconstruit en rejouant des préfixes d'actions, puis évalue les politiques sur la tâche d'origine à partir de ce point de reprise. Le benchmark compile 2 000 scénarios répartis sur deux plateformes de simulation, RoboTwin et LIBERO, à raison de 1 000 chacune, avec un découpage fixe de 800 scénarios d'entraînement pour 200 de test sur chaque plateforme. Le résultat central est que la performance sur l'état initial ne prédit pas la performance en récupération : une politique compétente sur une tâche propre peut échouer à s'en sortir une fois perturbée, et les forces de récupération varient fortement d'un scénario à l'autre. C'est une nuance importante pour les intégrateurs et décideurs B2B qui évaluent des modèles génériques (type Pi-0, GR00T N2 ou Helix) sur la seule base de démonstrations en conditions nominales : ces vitrines ne renseignent en rien sur la robustesse réelle face aux glissements, collisions ou interventions humaines qui surviennent en déploiement industriel. RoboRecover formalise ainsi un écart entre démonstration et fiabilité opérationnelle que le secteur avait jusqu'ici peu isolé comme axe de mesure à part entière. Ce travail s'inscrit dans la montée en puissance de benchmarks de politiques génériques comme RoboTwin et LIBERO, devenus des bancs d'essai standards pour comparer les architectures VLA. En exploitant son découpage d'entraînement, RoboRecover permet aussi d'étudier des interventions ciblées pour améliorer la récupération, ouvrant la voie à des travaux futurs sur l'entraînement spécifique à la robustesse post-perturbation, potentiellement étendus à d'autres plateformes ou au matériel réel.

Recherche❖Paper

1 source

40

1168arXiv cs.RO 

DeltaWAM : modèles delta monde-action pour la manipulation bimanuelle

Des chercheurs du AIGeeksGroup publient DeltaWAM (Delta World Action Models), une nouvelle architecture pour piloter des bras robotiques bimanuels via l'apprentissage vidéo, détaillée dans un article arXiv (2609.28811v1) diffusé fin septembre 2026, avec code et démonstrations disponibles sur GitHub. Les modèles World-Action (WAM) classiques transfèrent les connaissances visuelles et de mouvement de générateurs vidéo préentraînés vers le contrôle robotique, mais ils prédisent à chaque étape des images futures complètes, ce qui recalcule inutilement du contenu inchangé et ralentit la génération d'actions en temps réel. DeltaWAM sépare le flux en trois composantes, une ancre dense, un delta visuel épars et un flux d'actions, déclinées en trois architectures selon le partage de calcul et de représentation. Le système ajoute une Streaming Delta Memory (SDM) qui met à jour un contexte d'ancrage en cache à partir des seuls changements observés, évitant de repasser par le lourd module vidéo à chaque pas. Sur le benchmark RoboTwin, DeltaWAM avec SDM porte le taux de réussite moyen de 81,3% à 85,4% en conditions standard, et de 75,8% à 83,9% avec randomisation visuelle, par rapport à la référence Fast-WAM. Les trois architectures réduisent le coût de calcul à l'entraînement de 17,78 à 23,77%, tandis que la SDM abaisse la latence d'inférence de 36,57% et le calcul associé de 31,55%. Pour l'industrie robotique, ce travail cible un goulot d'étranglement concret: les modèles génératifs vidéo, puissants pour transférer des priors de mouvement, restent trop lourds pour du contrôle en quelques pas de temps, un frein direct pour des manipulations bimanuelles réactives en usine ou en logistique. En découplant la dynamique liée à l'action des variations d'apparence parasites, DeltaWAM répond à un doute récurrent sur les architectures VLA à grande échelle: leur capacité à généraliser sans reconstruire l'intégralité de la scène à chaque inférence. Les gains annoncés en conditions réelles restent toutefois évalués par les auteurs eux-mêmes, face à un nombre limité de politiques concurrentes, sans validation indépendante à ce stade. L'article s'inscrit dans la lignée des WAM apparus pour exploiter les générateurs vidéo comme source de priors physiques, avec Fast-WAM comme point de comparaison direct explicitement cité. Aucun acteur industriel ni équipe européenne n'est mentionné, le travail restant à ce stade une contribution académique avec code ouvert, sans annonce de déploiement matériel ni de partenariat commercial.

Recherche⚡Actu

1 source

40

1169arXiv cs.RO 

Le contact comme variable de décision : sélection de contacts par compromis de capacité pour la loco-manipulation des robots à pattes

Un article soumis le 25 septembre 2026 sur arXiv (2609.30140) présente CTCS (Capability-Tradeoff Contact Selection), une méthode qui choisit conjointement, pour une tâche de loco-manipulation donnée, un point d'appui environnemental et une posture corps entier. Pour chaque contact candidat, elle évalue trois mesures, le wrench résiduel (force et couple restants), la portée de l'effecteur terminal et la mobilité de la base une fois la tâche satisfaite, et les compare au coût d'acquisition du contact. Plutôt que d'exécuter une optimisation corps entier complète pour chaque candidat, coûteuse en calcul, CTCS filtre les points faisables, regroupe les candidats similaires par surface, prédit leurs capacités par analyse de sensibilité locale, puis vérifie et classe un sous-ensemble restreint avant la décision finale. Elle a été validée en simulation et sur un quadrupède Unitree Go2 équipé d'un bras AgileX NERO, sur 392 conditions de tâche et neuf surfaces d'appui disponibles. CTCS surpasse une stratégie limitée au sol et une stratégie de contact fixe, en sélectionnant les surfaces offrant le meilleur compromis selon la tâche, avec un temps de calcul divisé par environ trois par rapport à une évaluation exhaustive, pour un objectif moyen quasi identique. Pour les intégrateurs de robots à pattes destinés aux chantiers, entrepôts ou sites industriels, ce résultat s'attaque à un verrou concret: le choix de où et comment un robot s'appuie sur son environnement reste rarement optimisé faute de budget de calcul suffisant. L'étude ouvre la voie à une planification de contact quasi temps réel, condition nécessaire pour des robots capables de manipuler en s'appuyant sur des surfaces variées plutôt que de rester cantonnés au sol. Le travail s'inscrit dans la recherche en planification de contact pour la loco-manipulation, domaine où les approches se limitaient jusqu'ici au seul contact au sol ou à des points fixés à l'avance, faute de méthode pour arbitrer entre plusieurs surfaces. Le choix d'un Unitree Go2 couplé à un bras AgileX NERO reflète une plateforme de recherche de laboratoire, non un système commercial en déploiement. Classé nouvelle soumission arXiv, sans partenariat industriel ni feuille de route annoncée, l'article constitue une contribution algorithmique dont la suite logique serait l'extension à des morphologies plus complexes, comme des humanoïdes à deux bras, ou à des environnements moins structurés que les neuf surfaces testées.

Recherche❖Paper

1 source

40

1170arXiv cs.RO 

Analyse de l'apprentissage par renforcement profond en continu pour l'apprentissage adaptatif en robotique

Des chercheurs publient sur arXiv (référence 2609.28807, soumission nouvelle) une étude qui livre la première analyse de l'apprentissage par renforcement profond en flux comme cadre d'apprentissage continu adaptatif pour la robotique. Contrairement à l'approche dominante, qui consiste à réentraîner hors ligne un modèle sur un jeu de données élargi après une phase de pré-entraînement, la méthode testée met à jour la politique neuronale en continu, à partir de chaque nouvelle expérience, en s'inspirant du fonctionnement de l'apprentissage biologique. Les expériences principales portent sur la locomotion d'un robot quadrupède : avec certains optimiseurs et des techniques de limitation de la perte de plasticité, la politique s'adapte rapidement en ligne à des changements imprévus touchant le robot lui-même, son environnement ou ses objectifs. Elle surpasse les méthodes batch on-policy classiques et améliore le taux de réussite des tâches jusqu'à 90% par rapport à la politique simplement pré-entraînée. Des évaluations complémentaires sur des tâches de manipulation robotique, menées sur une morphologie différente, montrent que ces gains se retrouvent partiellement, avec des limites de stabilité et de performance. Pour l'industrie robotique, ce travail apporte une première preuve empirique qu'un apprentissage en flux, sans réentraînement batch hors ligne massif, peut permettre à un robot déjà déployé de s'adapter à des situations non anticipées lors de la collecte de données initiale, un scénario courant pour les intégrateurs confrontés à des changements d'environnement, à l'usure matérielle ou à des objectifs de mission évolutifs. Cela remet en question l'hypothèse dominante du secteur selon laquelle la robustesse passe nécessairement par l'élargissement continu des jeux de données d'entraînement hors ligne, et suggère une voie alternative pour réduire le coût et la latence de mise à jour des politiques embarquées, un enjeu clé alors que les acteurs des humanoïdes et des robots mobiles autonomes cherchent à généraliser leurs modèles au-delà des scénarios démontrés en laboratoire. Le fait que les gains observés en locomotion quadrupède ne se transposent que partiellement à la manipulation souligne toutefois que la généralisation entre morphologies reste un problème ouvert, ce qui tempère tout enthousiasme prématuré côté commercialisation. Le papier s'inscrit dans un courant de recherche récent ayant démontré la faisabilité technique du deep RL en flux, où chaque mise à jour du réseau utilise uniquement la dernière expérience collectée plutôt qu'un lot de données rejouées, sans qu'aucun travail antérieur n'ait validé cette approche comme cadre viable d'apprentissage continu pour adapter des politiques robotiques à des changements non vus. Les auteurs positionnent explicitement leur contribution comme la première étude de ce type appliquée à la robotique, en s'appuyant sur une phase de pré-entraînement suivie d'une adaptation en ligne. L'étude se conclut par une discussion des limites, notamment les problèmes de stabilité observés en manipulation, et par des pistes pour les futurs systèmes de robot learning continu, sans annoncer de calendrier de déploiement ni de partenariat industriel.

Recherche❖Paper

1 source

40

1171arXiv cs.RO 

CAMP : planification coopérative des mouvements bras-main dans des espaces contraints

Un preprint publié sur arXiv (2609.29021v1) présente CAMP (Cooperative Arm-Hand Motion Planning), un planificateur de mouvement coordonné bras-main pour la manipulation dextre en environnements encombrés et contraints. Plutôt que de décomposer le problème en planification séparée de la trajectoire du bras puis des mouvements de la main, approche qui peut manquer des solutions nécessitant une adaptation coordonnée des deux, les auteurs formalisent des « fibres de main faisables » : pour chaque configuration du bras, l'ensemble des configurations de main sans collision. CAMP construit des trajectoires candidates via une recherche hiérarchique de la main combinée à une relaxation locale du bras, les représente de façon compacte avec des primitives de mouvement par points de passage (VMPs), puis les affine par une optimisation conjointe grossière-à-fine. Sur six tâches de simulation en espace contraint, le système atteint un taux de réussite de 84,2 à 98,5 %, supérieur aux planificateurs alternatifs testés, avec une efficacité de calcul comparable, et des expériences sur robot réel valident l'approche sur des tâches de manipulation contrainte. Le site du projet (camp-armhand.github.io) met à disposition code et démonstrations. Le travail s'attaque à un compromis central de la manipulation robotique dextre : la planification décomposée bras/main est rapide mais rigide, tandis que la planification conjointe dans l'espace de configuration complet capture le couplage mais explose en dimensionnalité et en contraintes de collision non convexes. En formalisant ce couplage via les fibres de main faisables, CAMP offre une voie intermédiaire directement exploitable par les intégrateurs travaillant sur des tâches en espace confiné, étagères, tiroirs ou environnements encombrés, où la main doit s'adapter en continu à la trajectoire du bras. Le taux de succès élevé associé à une validation sur robot réel, et non seulement en simulation, répond à une critique fréquente du secteur sur l'écart entre démonstrations sélectionnées et performance reproductible. Les études d'ablation menées par les auteurs, isolant l'apport de la relaxation du bras, de la représentation VMP et de l'optimisation grossière-fine, renforcent la crédibilité méthodologique plutôt que de présenter le résultat comme une simple amélioration marginale. Cette publication s'inscrit dans la lignée des travaux académiques sur la planification de mouvement bras-main en espace contraint, un axe de recherche distinct des annonces produit mais destiné à terme à irriguer les piles logicielles de plateformes équipées de bras et de mains articulées. Le papier compare explicitement CAMP à plusieurs planificateurs alternatifs sur les six tâches simulées, sans nommer ces méthodes concurrentes dans le résumé disponible. Publié en preprint sur arXiv sans mention d'institution ni de revue par les pairs à ce stade, le travail reste à un stade de recherche, non de produit ou de déploiement industriel. La suite logique pour ce type de travail académique est généralement une soumission à une conférence de robotique comme ICRA, IROS ou CoRL, suivie d'une extension à d'autres plateformes bras-main au-delà des six tâches testées en simulation et de la validation limitée sur robot réel.

Recherche❖Paper

1 source

40

1172arXiv cs.RO 

Rolling-WAM : des modèles monde-action avec imagination glissante

Publié le 25 septembre 2026 sur arXiv (2609.30247), Rolling-WAM est un "World Action Model" (WAM) pour la manipulation robotique, une architecture couplant génération d'actions et prédiction visuelle du futur. Le problème ciblé : les WAM classiques doivent débruiter entièrement la séquence vidéo-action conjointe à chaque cycle de replanification, ce qui crée une latence pénalisante pour le contrôle en boucle fermée. La méthode répartit ce calcul via une fenêtre glissante de segments vidéo-action à niveaux de bruit échelonnés, débruitant totalement le segment d'action imminent tout en affinant partiellement les segments futurs, qui poursuivent leur traitement au fil des nouvelles images caméra. Évalué sur les bancs d'essai LIBERO et RoboTwin ainsi que sur un humanoïde réel Unitree G1, Rolling-WAM conserve des performances de manipulation comparables aux WAM standards tout en accélérant la replanification en régime stationnaire d'un facteur 4,5. Ce gain de vitesse s'attaque à un frein connu des modèles génératifs pour le contrôle robotique temps réel : les politiques par diffusion, de plus en plus utilisées dans les modèles de monde et les architectures vision-langage-action, produisent des prédictions réalistes mais coûteuses à chaque étape de replanification, ce qui pousse souvent à réduire leur fréquence ou à alléger les modèles au détriment de la robustesse. En démontrant qu'une accélération de 4,5 fois est atteignable sans modèle plus léger ni perte de performance, Rolling-WAM offre une piste concrète pour rapprocher les WAM d'un usage en conditions réelles, un enjeu suivi de près par les équipes travaillant sur l'autonomie des humanoïdes et des bras manipulateurs industriels. Les World Action Models forment une famille récente de modèles visant à doter les robots d'une anticipation visuelle avant l'action plutôt qu'une politique purement réactive ; leur principal défaut, le coût du débruitage conjoint à chaque cycle, freine leur usage dans des boucles de contrôle rapides. Rolling-WAM reste à ce stade une contribution de recherche publiée en prépublication arXiv, sans acteur industriel ni produit commercial associé, validée sur des bancs d'essai académiques standards et une seule plateforme matérielle, l'humanoïde Unitree G1. Les auteurs ne communiquent aucun calendrier de transfert vers un système de production, ce qui en fait pour l'instant une preuve de concept technique plutôt qu'une solution prête à déployer.

IA physique⚡Actu

1 source

40

1173arXiv cs.RO 

Ancrage auto-supervisé de la perception tactile à la proprioception et aux actions proactives pour l'apprentissage par imitation robotique

Publiée sur arXiv le 25 septembre 2026 sous la référence 2609.29822, une étude propose PROPRA, une méthode de pré-entraînement pour l'apprentissage par imitation en robotique de manipulation à partir de capteurs placés au bout des doigts. Le constat de départ : les caméras externes peinent à capter la proximité d'un objet, l'instant du contact ou l'état de la préhension, souvent occultés par la main du robot. L'équipe combine un capteur tactile sensible à la pression, informatif après contact, et un capteur de proximité réfléchissant, informatif avant contact, chacun couplé à un encodeur pré-entraîné. Ajouter naïvement ces signaux à une politique de contrôle dégrade parfois les performances par rapport à une politique vision seule. PROPRA aligne indépendamment l'historique de chaque capteur avec la proprioception et les actions du robot, offrant une référence sensorimotrice disponible en continu. Sur des tâches de manipulation réelles, la méthode améliore le taux de succès moyen face aux baselines vision seule et pré-entraînement ancré sur l'image, en préservant mieux les informations sur les états pré-contact. Le résultat clé pour un intégrateur n'est pas le gain de performance en soi, mais le constat qui l'accompagne : multiplier les capteurs sur une main robotique ne suffit pas, et peut même dégrader une politique apprise par imitation si le signal est mal intégré. Cela contredit l'hypothèse selon laquelle empiler vision, tactile et proximité améliore mécaniquement la manipulation, alors que l'industrie mise sur des modèles vision-langage-action multimodaux entraînés à grande échelle. Pour les concepteurs de mains équipées de capteurs tactiles piézorésistifs, capacitifs ou optiques, l'alignement entre modalités sensorielles et proprioception devient nécessaire pour rentabiliser l'investissement matériel, notamment pour l'assemblage de petites pièces ou la manipulation d'objets fragiles. Le transfert en manipulation fine ne se résume donc pas au seul écart simulation-réel : même avec des données réelles, fusionner des signaux épars et asynchrones reste difficile quand les démonstrations disponibles pour une tâche restent rares. L'étude s'inscrit dans un champ de recherche actif sur l'intégration tactile dans l'apprentissage par imitation, où le pré-entraînement ancré sur l'image, utilisé ici comme référence de comparaison, reste l'approche dominante. Menés par le chercheur Tomohiro Motoda, les travaux positionnent PROPRA comme une alternative en misant sur la proprioception, continue, comme point d'ancrage pour des signaux tactiles et de proximité discontinus par nature. Le code et les détails méthodologiques sont annoncés sur une page de projet dédiée, sans calendrier de diffusion ni partenariat industriel évoqué. Il s'agit pour l'instant d'un résultat de recherche validé sur des tâches de manipulation réelles en laboratoire, non d'un produit commercialisé ni d'un déploiement chez un intégrateur.

Recherche❖Paper

1 source

40

1174arXiv cs.RO 

CrossSafe : vers des filtres de sécurité latents transférables entre morphologies robotiques

Un article publié sur arXiv le 25 septembre 2026 (2609.28984v1), intitulé "CrossSafe: Towards Cross-Embodiment Latent Safety Filters", propose un filtre de sécurité conditionné par la morphologie du robot et partageable entre plusieurs embodiments. La méthode applique une analyse de type Hamilton-Jacobi reachability directement dans un espace latent construit à partir d'une représentation morphology-aware du robot et de son environnement, plutôt que dans l'espace d'action brut de l'effecteur terminal qu'utilisent la plupart des modèles VLA (vision-language-action). L'approche est évaluée sur cinq embodiments de robots bimanuels et cinq tâches de manipulation, avec des contraintes d'évitement de collision portant sur l'ensemble du corps du robot. Une politique unique, entraînée conjointement sur les cinq tâches et quatre des cinq embodiments, généralise en zero-shot au cinquième embodiment laissé de côté à l'entraînement, réduisant le taux de collision par rapport à la politique nominale sans filtre; les auteurs montrent aussi que multiplier les embodiments à l'entraînement améliore cette généralisation. Ce résultat vise un angle mort des politiques de manipulation généralistes de type VLA, dans la lignée de modèles comme Pi-0, GR00T N2 ou Helix: elles apprennent des actions dans un espace commun d'effecteur terminal sans capturer explicitement comment la sécurité dépend de la morphologie et de la cinématique propres à chaque robot, alors qu'une même action peut être sûre pour un bras et dangereuse pour un autre. Pour des intégrateurs qui déploient une même politique sur des flottes hétérogènes, cela suggère que le raisonnement de sécurité, détecter un obstacle puis décider de l'éviter, peut être mutualisé entre plateformes tout en restant conditionné à la morphologie de chacune, sans nécessiter un filtre réentraîné robot par robot. C'est un indice supplémentaire que la généralisation cross-embodiment, déjà démontrée pour les compétences de manipulation, s'étend à l'évitement de collision, un prérequis pour tout déploiement de VLA en environnement partagé avec des humains. Le travail s'inscrit dans la recherche en apprentissage cross-embodiment et dans les méthodes de contrôle sûr par reachability Hamilton-Jacobi, historiquement coûteuses en calcul et limitées à des systèmes de faible dimension, une contrainte que l'encodage latent proposé ici cherche justement à contourner. Il s'agit à ce stade d'un article académique déposé sur arXiv, sans produit ni robot commercial nommé, et sans acteur français ou européen cité: les cinq embodiments bimanuels testés ne sont pas identifiés publiquement dans le résumé disponible. Aucun calendrier de déploiement réel ni partenariat industriel n'est communiqué; les auteurs indiquent vouloir étendre l'évaluation à davantage d'embodiments et de tâches pour confirmer la courbe de généralisation observée.

Recherche❖Paper

1 source

40

1175arXiv cs.RO 

TactileStep : apprentissage tactile plantaire pour réguler l'interaction pied-terrain en locomotion humanoïde

Des chercheurs publient TactileStep, un framework d'apprentissage tactile pour la marche des robots humanoïdes, décrit dans un article déposé sur arXiv (2609.28959v1, non encore relu par les pairs). Le constat de départ : les politiques de type "parkour" permettent déjà à des humanoïdes de franchir des terrains variés, mais le simple fait de terminer le parcours masque des atterrissages violents, des contacts en bord de semelle et des appuis instables, faute de retour tactile riche sur la plupart des plateformes actuelles. TactileStep intègre une semelle à capteurs de pression et aligne la simulation tactile sur les mesures réelles de cette semelle, de sorte que la politique apprend à partir des mêmes signaux de contact que ceux disponibles sur le robot physique. Pendant l'entraînement, le système combine indices tactiles et signaux de mouvement pour distinguer les phases de contact du pied et applique des récompenses spécifiques à chaque phase, favorisant des atterrissages plus doux et des appuis plus stables. Testé en simulation puis sur un humanoïde Unitree G1 sur divers terrains, TactileStep réduit la force de pic à l'atterrissage jusqu'à 48,8%, le bruit d'impact pondéré A jusqu'à 30,1 dB, et augmente la surface de contact au sol jusqu'à 23,8%, comparé à une base de référence purement perceptive (vision/cartographie du terrain). Pour l'industrie robotique, ce travail pointe un angle mort concret de la génération actuelle de politiques de locomotion pilotées par apprentissage par renforcement : la capacité à traverser un terrain ne garantit ni la sécurité mécanique des composants, ni la stabilité réelle de l'appui, ni la discrétion acoustique du déplacement, des critères qui comptent directement pour la durabilité des actionneurs et le déploiement en environnement industriel ou domestique. Cela nuance l'idée reçue selon laquelle la seule perception visuelle du terrain suffirait à résoudre la locomotion humanoïde tout-terrain. Le travail s'inscrit dans la lignée des politiques de locomotion apprises par simulation puis transférées au réel (sim-to-real), un axe de recherche déjà porté par des équipes travaillant sur la perception de terrain pour humanoïdes. L'utilisation du Unitree G1, plateforme de recherche largement adoptée dans le secteur, en fait un banc d'essai reproductible plutôt qu'un produit commercial ; les auteurs ne mentionnent ni pilote industriel ni calendrier de déploiement, l'apport restant à ce stade une preuve de concept académique.

Recherche❖Paper

1 source

40

1176arXiv cs.RO 

Apprentissage par renforcement résiduel guidé par la physique pour la traversée de chemins étroits par humanoïdes

Une équipe de recherche a publié une nouvelle version (v5) d'un article arXiv (2508.20661) décrivant une méthode d'apprentissage par renforcement en deux étapes pour la traversée de chemins étroits par des robots humanoïdes, terrain où les approches purement basées sur des templates physiques ou purement par renforcement échouent généralement. La première étape combine un planificateur d'appuis au sol issu d'un template physique avec un contrôleur bas niveau de suivi de trajectoire ; la seconde ajoute un module léger de correction des appuis assisté par perception, entraîné selon un curriculum progressif allant du sol plat aux chemins étroits. Testée sur un robot humanoïde Unitree G1, la méthode a permis de franchir sans échec, à 20 reprises consécutives, une poutre de 0,2 mètre de large et 3 mètres de long. Le résultat s'attaque à un problème concret pour l'industrie robotique : le placement précis des pieds sur des appuis rares et critiques pour la sécurité, comme des passerelles ou poutrelles de chantier, reste un point faible connu des humanoïdes malgré des démonstrations vidéo souvent flatteuses. En associant l'interprétabilité d'un planificateur physique classique à la capacité de généralisation du renforcement, les auteurs revendiquent un meilleur taux de réussite, une meilleure adhérence à la trajectoire centrale et de meilleures marges de sécurité que les approches purement template ou purement RL, avec un transfert simulateur-vers-réel facilité, obstacle récurrent pour le secteur. Pour les intégrateurs évaluant des humanoïdes sur chantiers ou sites industriels contraints, ces résultats restent une preuve de concept en laboratoire, limitée à une seule configuration de poutre testée 20 fois, loin d'une validation en déploiement réel. Ces travaux s'inscrivent dans un effort de recherche plus large visant à réduire l'écart entre les démonstrations soignées de locomotion humanoïde, qu'il s'agisse de Figure 03, d'Optimus chez Tesla ou des modèles Unitree, et une robustesse réellement transférable sur terrain contraint. Le choix du G1 d'Unitree, humanoïde compact et abordable très utilisé par les laboratoires académiques, confirme son rôle de plateforme de référence pour la recherche sur la locomotion, face à des systèmes plus coûteux comme l'Atlas de Boston Dynamics. Aucun acteur français ou européen n'intervient dans cette publication, qui reste à ce stade une contribution académique en preprint sur arXiv, sans calendrier de transfert industriel ni partenariat commercial annoncé.

Recherche❖Paper

1 source

40

1177arXiv cs.RO 

Avant-bras robotique souple anthropomimétique à os carpiens articulés indépendamment pour une rigidité adaptative proche de l'humain

Un article déposé sur arXiv en septembre 2026 (arXiv:2609.29176v1) décrit un avant-bras robotique souple anthropomimétique reproduisant l'anatomie du poignet humain, avec huit os carpiens articulés indépendamment, reliés par des ligaments artificiels, 22 muscles actionnés et des bouts de doigts compliants. Les auteurs ont mesuré la raideur du poignet sous quatre schémas d'activation musculaire, appliqués à trois squelettes distincts : le carpe anatomique normal, une rangée carpienne proximale fusionnée, et un substitut géométrique en ellipsoïde. Avec le carpe anatomique, la raideur du poignet reste faible dans la direction du mouvement de lancer (dart-throwing motion, DTM) quand seuls les doigts s'activent, mais devient élevée dans cette même direction dès que poignet et doigts se contractent ensemble, un profil conforme aux mesures déjà publiées chez l'humain. Cette concordance avec la physiologie humaine montre que c'est la géométrie précise des os du carpe, non une approximation mécanique générique, qui gouverne la modulation anisotrope de la raideur du poignet selon les muscles sollicités. Pour l'industrie des mains robotiques et des humanoïdes visant une manipulation dextre, cela indique que des poignets simplifiés à axes fixes ou à formes géométriques abstraites ne peuvent pas reproduire ce réglage fin, pourtant jugé essentiel à une prise stable. Il s'agit d'un résultat de recherche fondamentale en biomécanique, non d'un produit prêt à l'emploi, mais qui pose des principes de conception exploitables pour de futurs poignets robotiques. Le point de départ est une propriété du poignet humain restée mal expliquée : sa capacité à réguler activement l'anisotropie de sa raideur par co-contraction musculaire, dont les bases morphologiques précises n'avaient pas été isolées expérimentalement. En comparant le carpe anatomique à une version fusionnée puis à un substitut ellipsoïdal, les auteurs montrent que fusionner la rangée carpienne proximale supprime la faible raideur en direction DTM, tandis que le squelette ellipsoïdal échoue à réorienter son ellipse de raideur dans toutes les conditions testées, avec des couplages musculaires opposés surtout marqués à la rangée proximale. Ces travaux s'inscrivent dans la robotique molle bio-inspirée, où répliquer des structures anatomiques complexes sert d'alternative aux poignets rigides classiques.

Recherche❖Paper

1 source

39

1178arXiv cs.RO 

RAPID : programmation à base d'agents pour robots à partir de démonstrations

Une équipe de recherche présente RAPID (Robot Agentic Programming from Demonstrations) dans un preprint publié sur arXiv le 25 septembre 2026 (arXiv:2609.30249) : un système qui génère, vérifie et affine automatiquement un programme robotique complet à partir d'une seule démonstration visuelle humaine, sans corpus d'entraînement massif. La boucle agentique itérative infère elle-même, depuis cette démonstration, trois ingrédients clés : une spécification de tâche testable, des primitives d'action exécutables par le robot, et un environnement interactif pour exécuter et vérifier le programme. Pour rendre le résultat réutilisable au-delà du contexte filmé, RAPID exprime les primitives comme des programmes d'optimisation de trajectoire reproduisant l'effet de mouvement au niveau de l'objet, assemblés par des contraintes relationnelles qui capturent la géométrie de la scène au moment de l'exécution. Les chercheurs ont testé le système en simulation sur huit tâches de manipulation non préhensile riches en contacts (pousser, pivoter, basculer des objets) et sur des tâches préhensiles classiques du benchmark LIBERO-Pro, puis l'ont déployé sur un bras robotique Franka réel pour l'ensemble des huit tâches non préhensiles ; le projet est documenté sur yuyaoliu.me/projects/rapid. L'intérêt de RAPID tient à la difficulté qu'il attaque : transformer une démonstration unique en un programme réutilisable et généralisable, là où les politiques d'apprentissage par imitation ou les modèles vision-langage-action (VLA) exigent généralement des corpus de démonstrations massifs. En appliquant à la manipulation robotique la logique des agents de codage logiciel, capables d'itérer, tester et corriger leur propre production, RAPID parie que la synthèse de programmes symboliques explicites généralise mieux que des politiques paramétriques apprises, en particulier sur les tâches non préhensiles où la dynamique de contact et le frottement rendent la généralisation notoirement difficile. Les auteurs revendiquent une généralisation à la pose, la forme, le matériau et l'environnement des objets, une affirmation émanant pour l'instant d'une seule équipe sur un périmètre de tâches limité et non validée indépendamment ; le déploiement réel se cantonne d'ailleurs à un unique bras Franka et aux tâches non préhensiles, les tâches préhensiles de LIBERO-Pro n'ayant été testées qu'en simulation. Il s'agit donc d'un résultat de recherche prometteur mais encore au stade du preprint, pas d'un produit ou d'un pipeline prêt pour l'intégration industrielle. Le travail s'inscrit dans un mouvement plus large visant à transposer aux robots le paradigme des agents de codage popularisé en génie logiciel, plutôt que d'empiler les données pour entraîner des politiques de bout en bout. Il se positionne ainsi en alternative aux approches VLA dominantes du secteur, comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, qui apprennent des politiques directement à partir de grands ensembles de démonstrations plutôt que de synthétiser un programme symbolique explicite à partir d'un seul exemple ; aucun acteur français ou européen n'apparaît dans cette publication. À ce stade, RAPID reste un résultat académique diffusé via un preprint arXiv et un site de projet présentant des matériaux complémentaires, sans partenariat industriel, pilote de déploiement ni calendrier de commercialisation annoncés par les auteurs.

Recherche❖Paper

1 source

39

1179arXiv cs.RO 

OCC4M : mémoire 4D centrée objet pour le raisonnement spatiotemporel en manipulation à long horizon

OCC4M, surnommé « Occam », est une mémoire 4D centrée sur les objets pour robots manipulateurs, présentée en septembre 2026 par ses auteurs (arXiv:2609.28798) pour les tâches longues nécessitant de raisonner sur un état absent du champ de vision actuel. Le système maintient des pistes persistantes dans un référentiel monde partagé et encode explicitement les relations temporelles, de mouvement et de contenance, par exemple pour localiser un objet sorti du champ de vision ou identifier le contenu d'un conteneur mélangé. Un modèle vision-langage interroge cette mémoire structurée pour désigner des cibles, ensuite traitées par un exécuteur bas niveau sans avoir besoin de l'historique complet des observations. Sur sept conditions de simulation et 350 épisodes, OCC4M obtient 96,6% de réussite mémoire et 88,9% de réussite de bout en bout, contre 54,6% et 57,7% pour FrameSamp, une référence utilisant Gemini 3.7 Flash avec l'historique brut complet et le même exécuteur. Après un changement de point de vue caméra, OCC4M conserve 100% et 98% de réussite, contre un score proche de zéro pour FrameSamp. Sur 20 épisodes réels avec un bras Franka et caméra fixe, OCC4M atteint 85% de précision mémoire contre 30% au maximum pour FrameSamp, et achève 45% des tâches complètes en deux étapes. Ce résultat cible une faiblesse connue des architectures vision-langage-action actuelles, qui raisonnent souvent sur une fenêtre d'observations récentes ou sur tout l'historique brut, une approche coûteuse et peu fiable dès qu'une tâche s'étire dans le temps ou que le point de vue change, un cas fréquent en usine ou en logistique. En séparant la mémoire structurée de l'exécution bas niveau, OCC4M évite de faire porter tout le raisonnement long terme au modèle vision-langage, ce qui limite la dérive de contexte observée avec les approches par historique brut. L'effondrement quasi total de FrameSamp lors du changement de caméra illustre concrètement l'écart entre démonstrations en conditions contrôlées et robustesse réelle, un signal utile pour les intégrateurs qui évaluent des piles VLA pour des cellules robotiques à tâches longues et multi-étapes. OCC4M s'inscrit dans la recherche sur la mémoire persistante pour la manipulation robotique, un axe distinct des architectures vision-langage-action généralistes qui gèrent surtout le contexte via une fenêtre d'observations glissante plutôt qu'une mémoire dédiée. Les auteurs situent leur contribution face à une référence bâtie sur Gemini 3.7 Flash de Google DeepMind, posant le débat entre mémoire structurée et simple élargissement du contexte des grands modèles multimodaux. Les tests, menés en simulation puis validés sur un bras Franka Emika réel, restent limités en échelle, avec seulement 20 épisodes physiques sur un seul type de bras, ce qui en fait une preuve de concept académique plutôt qu'un système prêt pour un déploiement industriel. Des vidéos qualitatives supplémentaires sont publiées sur occ4m-sup.github.io, sans calendrier annoncé de transfert vers un robot commercial.

Recherche❖Paper

1 source

39

1180arXiv cs.RO 

ADM-Planner : planification à long horizon guidée par LLM pour manipulateurs mobiles avec mémoire dynamique à attention renforcée

Des chercheurs présentent ADM-Planner, un système de planification pour robots mobiles manipulateurs qui combine un grand modèle de langage avec une mémoire dynamique à attention renforcée (ADM, Attention-enhanced Dynamic Memory). L'idée centrale consiste à séparer la connaissance persistante de l'espace de travail de l'état centré sur les objets, mis à jour de façon asynchrone par les observations et les résultats d'action, tout en ne présentant au LLM qu'un sous-ensemble borné d'informations pertinentes pour la prochaine décision, avec replanification automatique dès qu'une mise à jour invalide le plan en cours. Sur 1 500 épisodes de simulation en environnement bruité à 14 conteneurs, ADM atteint 100% de tâches réussies intégralement, contre 62% pour une mémoire statique figée et 97% pour une mémoire dynamique sans filtrage, tout en réduisant de 95,8% la taille du contexte transmis au modèle. Un test en conditions réelles sur six épisodes avec un planificateur GPT-5 Mini montre que les deux variantes de mémoire dynamique complètent toutes les missions, ADM réduisant de 14,4% les tokens d'entrée facturés et le nombre moyen d'appels au planificateur de 7,0 à 6,0. Une étude séparée de 60 essais sous PyBullet confirme 100% de succès pour ADM contre 50% pour la mémoire statique, et le robot manipulateur mobile équipé d'ADM-Planner a mené à bien diverses missions en intérieur et extérieur, y compris avec des cibles révélées après le début de l'exécution. Ce travail s'attaque à un problème concret pour tout intégrateur déployant des robots en environnement changeant, entrepôt, site logistique ou espace partagé avec des humains: un contexte figé devient obsolète dès qu'un objet est déplacé, tandis qu'un historique complet accumule des informations redondantes ou contradictoires qui dégradent la fiabilité du LLM. En démontrant qu'une gestion sélective de l'état bat à la fois la mémoire statique et l'historique brut, tout en réduisant nettement le coût en tokens et la latence liée aux appels API, l'étude apporte un argument concret en faveur d'architectures de mémoire structurée plutôt que du simple empilement de prompts, une question centrale pour la viabilité économique des LLM appliqués à la planification robotique long-horizon. Le travail reste à ce stade un preprint arXiv, sans affiliation institutionnelle précisée dans le résumé, et ses résultats les plus solides proviennent de simulation à grande échelle, les essais physiques réels en intérieur et extérieur n'étant décrits que qualitativement sans chiffres de réussite détaillés. ADM-Planner se positionne sur la planification de tâches pilotée par LLM plutôt que sur le contrôle continu de bas niveau, un axe distinct des modèles vision-langage-action end-to-end qui dominent actuellement les annonces du secteur humanoïde. Les auteurs mettent à disposition une page projet dédiée pour suivre d'éventuelles publications complémentaires ou du code associé.

Recherche❖Paper

1 source

39

1181arXiv cs.RO 

TRACE : traçage interactif bidirectionnel de câbles monochromes dans un environnement encombré

Des chercheurs ont présenté TRACE (Two-way Routing And Cable Estimation), un système de perception interactive pour tracer l'état de câbles déformables monochromes enchevêtrés, décrit dans un article publié sur arXiv (2609.29103v1) fin septembre 2026. Le système combine un traçage bidirectionnel des câbles avec deux primitives interactives, Divergence Push et Cluster Dilation, qui lèvent activement les ambiguïtés dues aux occlusions, chevauchements et croisements. Sur 110 expériences physiques incluant jusqu'à 4 câbles et 40 croisements, TRACE porte la part de longueur de câble correctement tracée d'environ 60%, score de la meilleure méthode antérieure HANDLOOM 2.0, à environ 90%, devançant aussi RT-DLO et deux modèles multimodaux généralistes, Nano Banana Pro et ChatGPT 5.2. Le calcul prend en moyenne 0,4 seconde par câble sur une station équipée d'un GPU NVIDIA GeForce RTX 4090. L'enjeu est concret pour les data centers, l'industrie manufacturière, le BTP, le domicile et la chirurgie, où le désenchevêtrement fiable des câbles conditionne la sécurité et l'efficacité des opérations robotisées. Pour les intégrateurs, le saut de 60% à 90% de longueur correctement tracée n'est pas cosmétique : en dessous d'un certain seuil, un bras robotique ne peut pas planifier une saisie sans risque d'erreur en cascade. Le fait que TRACE devance des modèles généralistes comme ChatGPT 5.2 ou Nano Banana Pro est révélateur : il montre que les grands modèles multimodaux restent en retrait face à des méthodes géométriques et interactives spécialisées sur ce type de perception fine, contredisant l'idée que les VLM généralistes suffiraient déjà à résoudre ce problème industriel. TRACE s'inscrit dans la lignée des travaux sur l'estimation d'état des objets linéaires déformables (DLO), où HANDLOOM, sa version 2.0 et RT-DLO servent de références de comparaison. Le papier reste à ce stade une contribution académique publiée sur arXiv, sans produit commercial ni déploiement industriel annoncé ; un site dédié, trace-paper.github.io, propose des ressources complémentaires. Aucun acteur français ou européen du type Wandercraft, Exotec, Pollen Robotics ou Enchanted Tools n'intervient dans ce travail, qui semble issu d'un laboratoire de recherche en robotique. Les suites attendues sont la publication du code et des données, puis d'éventuels essais d'intégration sur des plateformes robotiques réelles pour la manipulation de câbles.

Recherche❖Paper

1 source

39

1182arXiv cs.RO 

Adaptation à la nouveauté par planification hybride LLM-symbolique et apprentissage par renforcement guidé par LLM

Une équipe de recherche propose une architecture neuro-symbolique combinant planification symbolique, apprentissage par renforcement (RL) et un grand modèle de langage (LLM) pour permettre à des robots de s'adapter à des objets nouveaux rencontrés dans des environnements ouverts et dynamiques. Le travail, publié sur arXiv sous la référence 2603.11351 (version 2, remplaçant une publication antérieure), part d'un constat technique précis : les planificateurs symboliques classiques échouent purement et simplement lorsque leur domaine de planification ne contient pas les opérateurs nécessaires pour interagir avec un objet imprévu, bloquant toute génération de plan. La méthode proposée fait porter au LLM le raisonnement de sens commun pour identifier les opérateurs manquants, s'appuie sur un planificateur IA symbolique classique pour construire les plans, puis fait rédiger par le LLM des fonctions de récompense qui guident un agent RL dans l'apprentissage des politiques de contrôle associées aux nouveaux opérateurs. Selon les auteurs, la méthode dépasse l'état de l'art à la fois pour la découverte d'opérateurs manquants et pour leur apprentissage effectif, dans des domaines robotiques à espace d'action continu. Code et démonstrations sont publiés sur helenlu66.github.io/hybridLLMguided. L'enjeu dépasse l'exercice académique : la plupart des robots déployés en environnement contrôlé (usine, entrepôt) n'ont jamais à gérer d'objets réellement inédits, mais toute extension vers des environnements ouverts (domicile, extérieur, terrain non structuré) expose la fragilité des planificateurs symboliques figés. Cette approche hybride s'oppose à la tendance dominante des modèles vision-langage-action génériques (à la Pi-0, GR00T N2 ou Helix) qui misent sur une généralisation de bout en bout sans structure symbolique explicite ; elle défend au contraire l'idée qu'associer raisonnement de sens commun du LLM et planification symbolique reste plus robuste et plus interprétable pour traiter des cas rares et imprévus. Il s'agit toutefois d'une contribution de recherche évaluée par ses propres auteurs, sans validation indépendante ni déploiement industriel annoncé à ce stade, et s'inscrit dans un courant actif de travaux neuro-symboliques cherchant à combiner LLM et planification classique plutôt qu'à les opposer.

Recherche❖Paper

1 source

39

1183arXiv cs.RO 

Identification de modèles de robots indépendante des coordonnées

Une méthode d'identification des modèles dynamiques de robots, décrite dans un article déposé sur arXiv (référence 2603.14656, version révisée), corrige un biais méthodologique connu de la régression aux moindres carrés appliquée à la dynamique inverse. Les formulations classiques mesurent l'écart entre couples prédits et mesurés directement dans l'espace des forces en coordonnées, ce qui rend le résultat dépendant du paramétrage choisi, des unités et de l'échelle de chaque degré de liberté. Les auteurs pondèrent ces résidus par la métrique duale induite par la métrique riemannienne du système, en s'appuyant sur la dualité vecteur-covecteur entre force et vitesse pour ramener l'erreur dans l'espace mécanique physique plutôt que dans un repère arbitraire, via une reformulation en métrique affine et complément de Schur qui préserve la convexité du problème. Testée sur un système inertiel Crazyflie-pendule et sur le robot LandSalp, dominé par la traînée, la méthode gagne en précision d'identification, surtout sur les coordonnées de forme. Un biais lié au seul choix de coordonnées peut fausser silencieusement les couples, frictions ou termes de Coriolis estimés, avec des conséquences directes sur la fidélité d'un jumeau numérique ou la robustesse d'un contrôleur. Rendre l'estimation indépendante du paramétrage promet des modèles reproductibles quel que soit le repère cinématique retenu, un point utile pour les équipes qui ré-identifient des robots après un changement de représentation ou qui combinent des sous-systèmes hétérogènes, drones, robots à jambes ou structures souples. Cela rappelle aussi que l'écart entre simulation et réalité ne tient pas qu'au bruit de mesure ou à la friction non modélisée: une part peut venir d'un artefact purement mathématique introduit par la formulation même de l'identification. L'identification par moindres carrés sur la dynamique inverse reste la méthode de référence en robotique pour calibrer masses, inerties et frictions, mais sa dépendance aux coordonnées est un défaut connu que peu de travaux avaient corrigé sans sacrifier la convexité, condition nécessaire à une résolution rapide et fiable. En mobilisant la géométrie riemannienne plutôt que des normalisations ad hoc, cette contribution justifie physiquement la pondération des résidus, et le choix de deux robots aux régimes opposés, l'un dominé par l'inertie et l'autre par la traînée, vise à démontrer sa généralité au-delà d'un seul type de mécanisme. Publié comme version révisée sur arXiv, l'article ne mentionne aucun déploiement industriel ni intégration dans un outil de calibration commercial: il s'agit pour l'instant d'une contribution méthodologique destinée à la communauté recherche en dynamique des robots.

Recherche❖Paper

1 source

39

1184arXiv cs.RO 

Streaming-WAM : modèle monde-action conditionné par l'action pour la manipulation robotique asynchrone

Un modèle de recherche baptisé Streaming-WAM (World-Action Model), décrit dans un article publié sur arXiv le 25 septembre 2026 (arXiv:2609.28927v1), s'attaque au coût de calcul des modèles qui prédisent l'image future pour piloter un bras robotique. Ces modèles, dits world-action models, génèrent habituellement une prédiction visuelle avant de produire l'action suivante, ce qui immobilise le robot pendant l'inférence. Streaming-WAM fonctionne en mode asynchrone : à chaque mise à jour, il conditionne sa prédiction visuelle non seulement sur la dernière observation caméra, mais aussi sur les actions déjà engagées, c'est-à-dire le segment fixe du prochain lot de mouvements en cours d'exécution par le robot. Les caractéristiques visuelles ainsi anticipées servent ensuite à générer, dans la même passe, les actions restantes du lot. Sur le benchmark de simulation LIBERO, le système atteint un taux de succès moyen de 98,35 % tout en divisant par 2,93 le temps moyen par épisode par rapport à une variante appelée Fast-WAM. Sur une tâche en conditions réelles consistant à tamponner une feuille de papier, le temps d'épisode passe de 90 secondes avec un modèle synchrone classique (Joint-WAM) à 38 secondes avec Streaming-WAM. L'enjeu dépasse la simple accélération : les world-action models sont perçus comme un moyen de rendre la manipulation robotique plus robuste en anticipant les conséquences visuelles d'une action avant de l'exécuter, mais leur latence de génération les rendait jusqu'ici difficiles à déployer en temps réel. En montrant qu'il est possible de conserver un taux de succès élevé tout en réduisant fortement le temps de cycle grâce à l'asynchronie, ce travail répond directement à l'un des reproches récurrents faits aux architectures de prédiction du monde en robotique : leur écart entre performance en simulation et viabilité pratique. Pour les intégrateurs et laboratoires qui évaluent ces approches face aux politiques vision-langage-action plus légères, ce type de résultat suggère qu'il n'est plus nécessaire de sacrifier la vitesse pour garder les bénéfices de la prédiction visuelle. Le travail se positionne comme une amélioration incrémentale par rapport à deux approches de référence citées dans l'article, Fast-WAM et Joint-WAM, qui servent de points de comparaison directs plutôt que de produits commerciaux. Il s'agit à ce stade d'un résultat de recherche publié sur arXiv, validé sur un seul benchmark simulé et une unique tâche physique réalisée en laboratoire, sans indication de partenariat industriel, de déploiement en usine ni de calendrier de commercialisation. La prochaine étape logique, non détaillée dans l'article, consisterait à étendre l'évaluation à un éventail plus large de tâches manuelles réelles et à des plateformes robotiques variées.

Recherche❖Paper

1 source

39

1185arXiv cs.RO 

Inspection robotique autonome multimodale sans marqueurs des grandes structures spatiales

Un pipeline d'inspection robotique autonome sans marqueurs pour de grandes structures spatiales a été présenté dans un preprint publié sur arXiv (2609.29644). Le système repose sur un bras manipulateur Kinova Gen2 équipé d'une tête de capteurs multimodale montée sur l'effecteur, combinant une caméra RGB-D, une caméra thermique et un LiDAR 2D. Le pipeline estime d'abord un volume d'inspection approximatif, génère des points de vue, planifie des trajectoires sans collision via MoveIt, puis enregistre de façon synchronisée images RGB-D, données thermiques et poses du robot sous ROS2. Pour la reconstruction 3D, plusieurs méthodes candidates ont été comparées avant de retenir Nerfacto pour la reconstruction géométrique et Thermal-Nerfacto pour un rendu sensible à la température. Le système a été validé dans un simulateur Gazebo et testé de façon préliminaire en laboratoire, où il a démontré sa capacité à acquérir des données d'inspection spatialement cohérentes et à produire des reconstructions exploitables pour une évaluation visuelle et géométrique. Cette approche cible les limites des méthodes actuelles de maintenance en orbite, qui dépendent généralement de trajectoires prédéfinies, d'interfaces standardisées, de marqueurs fiduciaires ou de modèles CAO précis de la cible, des contraintes qui ne tiennent pas face à de futures infrastructures orbitales hétérogènes, partiellement inconnues ou trop vastes, telles que grandes antennes déployables ou fermes solaires. En s'appuyant sur la reconstruction 3D par champs de radiance neuronaux (NeRF) comme représentation support de l'inspection plutôt que sur un modèle préexistant de la cible, ce travail répond à un besoin concret des opérateurs de servicing orbital et de retrait de débris, pour qui la variabilité et l'inconnu des cibles restent un obstacle majeur à l'automatisation. Il faut toutefois souligner que la validation reste circonscrite à une simulation Gazebo et à des essais préliminaires en laboratoire terrestre: aucune démonstration en orbite réelle n'est revendiquée, et rien n'indique encore une robustesse face aux contraintes propres à l'espace, comme l'éclairage extrême ou les limites de masse et de puissance embarquées. Ce travail s'inscrit dans la montée en puissance du secteur du service en orbite et de la gestion de fin de vie des satellites, un domaine où des acteurs comme Northrop Grumman, Astroscale ou Airbus développent des missions de ravitaillement, de réparation ou de désorbitation généralement conçues pour des cibles coopératives et bien caractérisées. L'apport de cette recherche est de traiter le cas inverse, celui de structures non coopératives et faiblement documentées, un scénario appelé à se multiplier avec la croissance des grandes plateformes orbitales et des débris spatiaux. Le choix de Nerfacto après comparaison d'autres méthodes de reconstruction suggère que des variantes concurrentes de NeRF ont été jugées moins adaptées au contexte embarqué. Le papier se présente comme une étape intermédiaire, sans calendrier de test en orbite ni partenaire industriel identifié à ce stade, les prochaines étapes attendues portant sur le passage à des environnements réels et à des structures de taille et de complexité supérieures.

Recherche❖Paper

1 source

39

1186arXiv cs.RO 

Régulation de force en temps réel pour la préhension dextérique de la main entière

Une équipe de chercheurs publie le 25 septembre 2026 une prépublication sur arXiv (arXiv:2609.30082v1) décrivant un système de régulation de force en temps réel pour la préhension dextre impliquant l'ensemble de la main robotique, et non les seuls bouts des doigts. Le problème ciblé est concret : une répartition de force calculée à l'avance échoue dès que l'objet bouge, que le modèle géométrique est imprécis, ou qu'une perturbation externe survient. La méthode estime géométriquement les points de contact sur tous les liens de la main à partir d'un modèle suivi de l'objet et de la proprioception, sans capteur tactile dédié à ces zones de contact. Elle recalcule en continu la distribution de force souhaitée sous contraintes de frottement, de limites d'actionneurs, et une contrainte de cohérence d'actionnement inspirée de l'analyse classique de force en membre entier. Ce contrôleur est couplé à un module d'atteinte réactive, permettant à la main de saisir un objet, de maintenir la prise sous perturbation, puis de re-saisir après une perte de contact. Des essais en simulation sans gravité montrent une meilleure rétention de prise que deux méthodes de référence, une allocation fixe et une exécution limitée aux bouts des doigts, sous perturbations contrôlées. Des tests réels sur un système bras-main à 27 degrés de liberté confirment le maintien et la récupération de prise sous perturbations appliquées à la main par un opérateur humain, alors que les contacts évoluent sur toute la surface de la main. Ce travail s'attaque à un verrou classique de la manipulation dextre : la plupart des mains robotiques reposent soit sur une planification de force figée avant contact, soit sur des réseaux de capteurs tactiles denses et coûteux répartis sur chaque phalange, ce qui alourdit le coût matériel et la calibration. Démontrer qu'une estimation géométrique des contacts suffit à maintenir une prise robuste, sans instrumentation tactile supplémentaire, ouvre une piste pour réduire le coût des mains à haut nombre de degrés de liberté, un enjeu direct pour les intégrateurs visant la manipulation fine en environnement non structuré. Pour les acteurs qui misent sur les modèles vision-langage-action pour piloter des mains humanoïdes, ce résultat rappelle que la couche bas niveau de contrôle de force reste un goulot d'étranglement séparé de la décision haut niveau : savoir quoi saisir ne garantit pas de tenir la prise quand l'objet glisse. Le papier s'inscrit dans la recherche en contrôle de force multi-doigts, un champ dominé jusqu'ici par la planification hors ligne ou par des architectures tactiles denses, ce qui explique le choix des auteurs de comparer leur méthode à ces deux approches plutôt qu'à un produit commercial. La validation sur une plateforme à 27 DoF situe l'expérimentation au niveau des systèmes de recherche avancés en manipulation dextre. Les auteurs mettent à disposition une page de projet avec des démonstrations vidéo, mais ne communiquent aucun calendrier de transfert industriel ni partenariat : il s'agit à ce stade d'une contribution académique en prépublication, non d'un produit déployé.

Recherche❖Paper

1 source

39

1187arXiv cs.RO 

FlyCNS : organisation de l'information fondée sur le connectome pour le contrôle incarné à communication limitée

FlyCNS est un nouveau cadre de contrôle robotique décrit dans un article publié sur arXiv (arXiv:2609.28816) et inspiré du connectome de la drosophile, c'est-à-dire la cartographie complète des connexions neuronales entre le cerveau et le cordon nerveux ventral de la mouche. Le système conserve le calcul sensorimoteur au niveau local de chaque membre du robot et n'autorise la communication longue distance qu'à travers deux voies distinctes, l'une ascendante et l'autre descendante, à l'image de l'organisation biologique observée chez l'insecte. La structure directionnelle réelle de ces deux voies, extraite du connectome, sert de simple indication de départ pour répartir la communication, tandis que le contenu des messages, leur moment d'envoi et les politiques de locomotion restent adaptés à la tâche et appris par apprentissage par renforcement. Testé en simulation sur le quadrupède Unitree Go1, FlyCNS dégrade ses performances de façon plus progressive que les architectures classiques à mesure que le budget de communication se réduit. Dans le scénario le plus restrictif, il ne consomme qu'environ 21 à 22 % du volume de communication d'une référence à communication complète, tout en conservant un score de suivi de trajectoire d'environ 0,882, soit un écart maximal de 6,1 % par rapport à cette référence, et ce sous deux protocoles de commande différents. Ce résultat touche un point structurel du contrôle robotique appris : la plupart des architectures actuelles centralisent le traitement de l'information alors que le corps d'un robot est physiquement distribué en capteurs et actionneurs répartis sur chaque membre. Pour les concepteurs de robots à ressources de calcul ou de communication limitées, qu'il s'agisse de systèmes modulaires, de robots souples ou d'essaims multi-agents, l'enjeu est de savoir combien d'information doit réellement circuler pour maintenir une coordination corps entier efficace. FlyCNS suggère qu'une large part du calcul peut rester locale sans sacrifier la performance globale, ce qui contredit l'idée reçue selon laquelle un contrôle whole-body performant exige un flux d'information centralisé et complet. La démarche s'inscrit dans une tendance plus large de bio-inspiration en robotique, où des données de neurosciences computationnelles, ici le mappage du système nerveux de la drosophile, viennent guider la conception d'architectures de contrôle artificiel plutôt qu'un réseau générique appris de zéro. Le travail se distingue des approches dominantes de contrôle centralisé par apprentissage par renforcement pour la locomotion en ciblant spécifiquement la contrainte de bande passante entre membres. À ce stade, il s'agit d'une validation en simulation sur un seul robot quadrupède, sans démonstration sur matériel physique ni indication de portage vers d'autres morphologies ou d'un calendrier de suite.

Recherche❖Paper

1 source

39

1188arXiv cs.RO 

Contrôle accéléré par Koopman de la diffusion basée sur modèle pour le contrôle robotique en temps réel

Des chercheurs du RCI Lab de l'université Kyung Hee (Coree du Sud) publient sur arXiv (2609.28920) une méthode de planification en temps réel nommée BK-MBD (bilinear Koopman model-based diffusion). Elle projette l'état du robot dans un espace de haute dimension une seule fois par pas de contrôle, puis propage tous les candidats de trajectoire par simples multiplications matrice-vecteur, évitant de resimuler la dynamique complète comme le fait le model-based diffusion classique. En simulation, chaque mise a jour tient en 14,7 ms maximum pour une période de contrôle de 50 ms, avec un objectif atteint a chaque essai, contre un échec quasi systématique pour un modèle de Koopman linéaire. Sur un manipulateur physique réel suivant une cible mobile inconnue au départ, BK-MBD est la seule méthode a la fois a suivre la cible et a tenir le délai. Ce résultat s'attaque a un verrou connu : les méthodes de diffusion appliquées au contrôle produisent des trajectoires de qualité mais leur cout de calcul les cantonne généralement au hors-ligne, les rendant inutilisables en boucle fermée a cadence élevée. En rendant la dynamique bilinéaire plutôt que linéaire dans l'espace de Koopman, BK-MBD laisse le gain d'entrée varier avec la configuration du robot, une capacité qu'un modèle linéaire ne reproduit pas, ce qui explique l'écart de performance observe. La méthode franchit aussi un passage qu'aucune région convexe unique ne couvre, la ou un contrôleur bilinéaire convexifie échoue presque toujours. Pour les intégrateurs et chercheurs en contrôle robotique, c'est un indice que l'optimisation par diffusion peut devenir compatible avec des cadences de contrôle réelles sans attendre une accélération matérielle massive. BK-MBD s'inscrit dans un courant de recherche récent combinant théorie de l'opérateur de Koopman et diffusion générative pour la planification robotique. L'article, classe comme nouvelle soumission arXiv, ne mentionne aucun partenaire industriel, pilote commercial ni calendrier de déploiement. Il s'agit pour l'instant d'un résultat de laboratoire, valide en simulation et sur un seul manipulateur physique, sans indication de portage vers d'autres plateformes ou vers une chaine de production ; une page projet dédiée est disponible en ligne (rcilab.khu.ac.kr/bkmbd).

Recherche❖Paper

1 source

39

1189arXiv cs.RO 

Décomposition direction-échelle dans la représentation d'action : repenser ce qu'il faut tokeniser pour les modèles vision-langage-action

Un nouveau papier publié sur arXiv (2609.28865) propose Direction-Scale Decomposition (DSD), une méthode pour améliorer la représentation des actions dans les modèles vision-langage-action (VLA) à tokens discrets, en partant du constat que les représentations classiques par incréments de pose produisent des tokens sensibles à la vitesse d'exécution et aux normalisations propres à chaque dataset, ce qui brouille la structure géométrique commune aux démonstrations. DSD décompose les incréments de translation et de rotation en une composante direction et une composante échelle avant la tokenisation, isolant le sens du mouvement tout en conservant les amplitudes dans des canaux séparés. Testée avec deux tokenizers, un binning uniforme (BIN) et BEAST, un tokenizer basé sur des B-splines, en simulation comme sur robot réel et en entraînement mono comme multi-datasets, la méthode améliore le taux de succès moyen sur le benchmark LIBERO avec les deux tokenizers, et fait gagner 10,3 points de pourcentage à DSD-BIN par rapport à BIN sur SimplerEnv en entraînement multi-datasets. Les expériences sur robot réel confirment des gains, avec et sans pré-entraînement robotique. Pour les équipes qui entraînent des VLA sur des mélanges hétérogènes de datasets, ce résultat cible un point de friction concret : la dégradation de performance observée quand on combine des démonstrations collectées à des vitesses, fréquences ou conventions de normalisation différentes. En isolant la direction du mouvement des variations d'amplitude liées au dataset, DSD s'attaque à ce qui limite le passage à l'échelle des politiques de manipulation entraînées sur de grands corpus agrégés, un enjeu central alors que le secteur cherche à reproduire pour la robotique le scaling qui a fonctionné pour les modèles de langage. Le gain observé sur SimplerEnv en régime multi-datasets suggère, s'il se confirme sur d'autres benchmarks, que le choix de représentation d'action, souvent traité comme un détail d'implémentation, pèse autant que l'architecture du modèle ou la taille du dataset dans la qualité finale d'une politique VLA. Ce travail s'inscrit dans un champ encore jeune consacré à la tokenisation des actions pour les VLA à sortie discrète, un terrain qui coexiste avec des architectures propriétaires à sortie continue comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI. DSD se positionne comme une amélioration compatible avec des tokenizers existants tels que le binning uniforme ou BEAST, plutôt que comme un tokenizer concurrent supplémentaire, et l'abstract ne précise ni la plateforme robotique utilisée pour les essais réels ni le laboratoire à l'origine des travaux. Une page de projet (vla-dsd.github.io) met à disposition du code et des ressources additionnelles, en vue d'une validation attendue sur des architectures VLA plus larges et des jeux de données de manipulation plus diversifiés.

IA physique❧Opinion

1 source

39

1190arXiv cs.RO 

De la sélection de cible au creusement : un cadre par apprentissage pour l'excavation autonome continue

Un article publié en septembre 2026 sur arXiv (2609.29750) présente un système d'excavation autonome continue combinant apprentissage par renforcement et apprentissage par imitation. Une politique RL partagée pilote l'approche guidée par points de passage (waypoints) et le transport de charge, tandis qu'une politique IL, entraînée sur des démonstrations expertes, gère le creusement et le levage à partir de données visuelles. Les cibles de creusement sont extraites de cartes d'élévation LiDAR et converties en trajectoires pour la pointe du godet. Testé sur un excavateur hydraulique à échelle réduite équipé de capteurs multimodaux, le système atteint une charge utile moyenne de 6,52 kg par cycle complet, contre 2,68 kg pour la méthode de référence "Fixed Dig", sur trois séries de cinq pelletées consécutives. Ce travail cible une limite fréquente des démonstrations d'excavation autonome, généralement testées sur un cycle isolé et un tas figé, loin de la réalité d'un chantier où la géométrie du terrain change à chaque pelletée. En séparant la navigation et le transport, confiés au RL plus robuste aux variations, du geste de creusement fin, confié à l'IL plus fidèle au savoir-faire expert, l'approche répond à l'écart classique entre démonstration ponctuelle et usage répété en conditions changeantes. Le gain de charge utile, plus du double de la baseline, constitue un indicateur économique parlant pour les intégrateurs de machines de BTP et de mines, secteurs où la productivité se mesure en tonnes déplacées par heure. Les chiffres restent toutefois issus d'un banc d'essai réduit en laboratoire, pas d'un engin grandeur nature en conditions de chantier réelles. Le projet s'inscrit dans une évolution académique de l'excavation autonome, qui remplace progressivement les commandes scriptées rigides des premiers systèmes par des politiques apprises combinant RL, IL et, plus récemment, des approches vision-langage-action. Il se distingue d'acteurs industriels comme Built Robotics ou SafeAI, qui automatisent des engins de chantier grandeur nature en conditions réelles : ce travail reste au stade de la recherche, validé sur une plateforme réduite en environnement contrôlé. L'article ne mentionne ni partenaire industriel ni calendrier de commercialisation. La suite logique, non précisée dans le résumé, serait un passage à l'échelle sur un excavateur de taille réelle et des essais en conditions de chantier non contrôlées, où la variabilité du sol et des matériaux dépasse largement celle reproduite en laboratoire.

Recherche❖Paper

1 source

38

1191arXiv cs.RO 

Recherche de mouvement sensible au résultat pour une préhension dextérique consciente de l'impact

Un preprint publié sur arXiv sous la référence 2609.29020 fin septembre 2026 présente une méthode nommée Outcome-Sensitive Motion Search, conçue pour apprendre à un bras robotique à attraper des objets lancés à grande vitesse sans les briser ni endommager l'effecteur. Le principe repose sur un enseignant entraîné par apprentissage par renforcement (RL), disposant d'un accès privilégié à l'état complet de la scène, dont le comportement sert à distiller une politique élève entraînée par apprentissage par imitation (IL), seule déployable en pratique puisqu'elle n'a pas cet accès privilégié. Les auteurs définissent une "fenêtre sensible au résultat" (outcome-sensitive window) marquant les instants où de faibles variations du geste avant contact changent radicalement l'issue de la prise et de l'impact, puis corrigent par recherche géodésique locale les trajectoires de l'enseignant, y compris ses échecs, avant de valider chaque candidat via un modèle calibré d'erreur d'action de l'élève. En simulation, la politique IL obtenue dépasse l'enseignant RL privilégié à la fois en taux de réussite de capture et en atténuation de l'impact, sans que l'abstract ne fournisse de chiffres précis de performance. Le résultat cible un point faible connu de la manipulation dynamique en robotique : la distillation d'un enseignant RL performant vers une politique déployable échoue souvent précisément près de l'instant de contact, où de minimes écarts d'action entre élève et maître se traduisent par des prises ratées ou des chocs mal absorbés. Le papier montre que cette sensibilité doit être caractérisée et réparée activement dans les démonstrations plutôt que traitée comme du simple bruit, ce qui nuance l'idée reçue qu'un enseignant RL capable fournit automatiquement de bonnes démonstrations pour l'imitation. Pour les équipes travaillant sur des bras collaboratifs ou des mains robotiques amenées à réceptionner des objets en mouvement, en logistique ou sur ligne d'assemblage, le message pratique est que l'imitation de trajectoires enseignantes réussies ne suffit pas à garantir un comportement robuste une fois l'accès aux informations privilégiées retiré au moment du déploiement. La méthode s'inscrit dans la lignée classique des architectures enseignant privilégié puis élève par imitation, largement utilisées en robotique pour transférer des comportements appris en simulation vers des politiques compactes exploitables sur du matériel réel. L'article ne cite aucune entreprise, plateforme commerciale ni acteur français ou européen : il s'agit d'un travail académique validé uniquement par des expériences en simulation étendue, sans essai sur robot physique ni calendrier de déploiement annoncé. La suite logique, non couverte par cet abstract, serait une validation sur un bras ou une main robotique réels pour vérifier si les gains observés en simulation sur le taux de capture et l'atténuation d'impact se maintiennent lors du transfert sim-to-réel.

Recherche❖Paper

1 source

38

1192arXiv cs.RO 

World Action Agent : exploiter les modèles vision-langage pour la manipulation robotique via répétition d'actions simulées

World Action Agent (WAA) est un système multi-agents qui fait piloter des robots manipulateurs par des modèles vision-langage dans un espace de travail visuel, plutôt que via des contraintes déduites ou du code généré. Le système combine des vues de contact choisies automatiquement autour du point d'interaction, une « répétition d'action » qui rend chaque geste modifiable avant exécution, et une correction en vue qui élimine les décalages résiduels ; il apprend aussi des compétences via des vidéos d'experts et des démonstrations humaines validées. Sur le benchmark LIBERO-Pro, avec des compétences apprises uniquement sur LIBERO-90, WAA atteint 75,6 % de réussite moyenne, devançant les VLA de bout en bout et les agents « code-as-policy » ; le fine-tuning de Qwen3.5-9B sur ses traces d'interaction porte sa réussite hors domaine de 1,7 % à 43,3 %. Cette approche cible un angle mort du secteur : les VLM sont utilisés indirectement, pour déduire des contraintes ou écrire du code, sans agir dans une représentation modifiable de la scène. En rendant chaque geste corrigeable avant exécution, WAA répond à l'écart persistant entre démonstrations impressionnantes et fiabilité réelle en manipulation, un enjeu central pour les intégrateurs hésitant à déployer des VLA en production. Le résultat le plus parlant pour les décideurs B2B reste la distillation : entraîner un modèle plus petit sur les traces du système fait bondir sa réussite hors domaine de 1,7 % à 43,3 %, ouvrant une voie économique vers des politiques robotiques déployables à grande échelle sans VLM massif en boucle d'inférence. Le travail est publié comme prépublication arXiv non encore relue par les pairs, évalué uniquement en simulation sur les bancs d'essai LIBERO-Pro, LIBERO-90 et robosuite, sans déploiement sur robot physique ni site industriel mentionné. Aucune entreprise ni plateforme robotique n'est citée dans l'étude, WAA se positionnant comme une alternative architecturale aux VLA entraînés de bout en bout et aux approches « code-as-policy » qui dominent la recherche récente sur le pilotage de robots par modèles de fondation. Les auteurs ne précisent aucun calendrier de transfert vers du matériel réel, la validation sur capteurs bruités et environnements non contrôlés restant l'étape déterminante avant tout déploiement industriel.

IA physique⚡Actu

1 source

38

1193arXiv cs.RO 

RoboLDA : un modèle génératif probabiliste pour révéler les structures hiérarchiques incarnées des robots souples à voxels

Des chercheurs présentent RoboLDA, un modèle probabiliste bayésien qui extrait automatiquement les principes hiérarchiques de conception des robots souples à base de voxels (VSR), jusqu'ici tributaires de l'expertise humaine. Entraîné par inférence variationnelle, il décompose la morphologie en quatre niveaux, tâche, robot, organe, voxel, appris à partir de designs performants existants. Sur des VSR simulés, le modèle génère en zero-shot des morphologies pour des tâches inédites, sans optimisation supplémentaire, atteignant en moyenne 106,4% des performances d'algorithmes évolutionnaires optimisés tâche par tâche. Les « organes » identifiés, sous-structures entre voxel et robot complet, s'avèrent être des unités fonctionnelles valides qui améliorent la coordination des mouvements une fois intégrées à des politiques de contrôle modulaires. Publié en preprint sur arXiv (2609.29490), le travail reste une démonstration en simulation, sans validation sur robot physique. Ce résultat intéresse les équipes de recherche en conception automatisée de robots et les intégrateurs travaillant sur des systèmes modulaires ou reconfigurables, dans un contexte où concevoir un VSR performant exige aujourd'hui une expertise pointue pour répartir les fonctions entre segments du robot, un processus coûteux en temps d'ingénieur et peu transférable d'une tâche à l'autre. En montrant qu'une hiérarchie cohérente peut être extraite statistiquement de designs existants plutôt que dictée à la main, RoboLDA ouvre la voie à des outils génératifs capables de proposer des morphologies quasi optimales en zero-shot, là où les algorithmes évolutionnaires exigent un cycle d'optimisation complet par tâche. Le gain de 106,4% mérite d'être nuancé : il s'agit de résultats en simulation sur des bancs d'essai contrôlés, l'écart pouvant se réduire face à des contraintes physiques absentes du simulateur. L'approche s'inscrit dans un courant de recherche qui vise à rendre la conception des robots souples aussi systématique que celle des robots rigides, en s'inspirant de l'organisation hiérarchique des organismes biologiques. Jusqu'ici, la génération de morphologies de VSR reposait surtout sur des algorithmes évolutionnaires ou des réseaux génératifs sans hiérarchie explicite, produisant des designs peu interprétables et peu réutilisables. RoboLDA, dont le nom renvoie à l'allocation de Dirichlet latente (LDA), transpose cette logique probabiliste à la morphologie robotique. Les auteurs le présentent comme une première étape vers une modélisation générative interprétable des agents incarnés, sans calendrier de transfert vers des robots physiques ni partenariat industriel annoncés.

Recherche❖Paper

1 source

38

1194arXiv cs.RO 

ActGaze : apprendre un regard ancré dans l'action via des interventions visuelles contrefactuelles pour une manipulation de haute précision

Des chercheurs ont mis en ligne le 25 septembre 2026 sur arXiv (arXiv:2609.28955) une méthode baptisée ActGaze, destinée à améliorer la précision des modèles vision-langage-action (VLA) utilisés en manipulation robotique. Le constat de départ est que les VLA actuels échouent souvent sur les tâches fines parce que leur attention visuelle se disperse sur des zones de l'image sans rapport avec la tâche à accomplir. ActGaze entraîne la politique VLA à concentrer son regard sur les régions pertinentes, à l'image d'un humain qui fixe les indices visuels critiques lors d'un geste précis. Contrairement aux approches antérieures qui s'appuient sur des annotations externes de regard fournies manuellement, ActGaze dérive sa supervision spatiale directement de l'objectif d'action du modèle lui-même, en utilisant des interventions visuelles contrefactuelles pour identifier quelles régions de l'image sont réellement déterminantes dans la prédiction du geste. Les auteurs rapportent des expériences menées sur robot réel, et non en simulation, portant sur quatre tâches de manipulation à haute précision; le résumé ne précise ni payload, ni degrés de liberté, ni temps de cycle des plateformes testées. Pour l'industrie robotique, ce travail s'attaque à un point de friction précis: l'écart entre les démonstrations spectaculaires de VLA généralistes et leur fiabilité réelle sur des gestes fins comme l'insertion de précision ou la préhension d'objets fragiles, un écart souvent pointé par les intégrateurs comme le principal obstacle à la mise en production. En montrant qu'un signal d'attention utile peut être extrait de l'objectif d'action lui-même plutôt que d'annotations humaines coûteuses, ActGaze propose une piste pour fiabiliser les politiques VLA sans alourdir les pipelines de collecte de données, un enjeu direct pour tout acteur cherchant à déployer ces modèles au-delà du laboratoire. Ce papier s'inscrit dans la vague de recherche récente sur les modèles VLA (dans la lignée de familles comme Pi-0 ou GR00T N2, largement discutées dans le secteur), où la robustesse de la perception reste un sujet ouvert malgré les progrès sur l'échelle des données et des modèles. L'article ne mentionne ni partenaire industriel, ni plateforme robotique commerciale précise, ni calendrier de transfert vers un produit: il s'agit d'une contribution méthodologique publiée en preprint, dont la reproductibilité et l'adoption par d'autres équipes de recherche resteront à observer dans les mois suivant sa publication.

Recherche⚡Actu

1 source

38

1195arXiv cs.RO 

Modélisation par séries de Fourier des erreurs de transmission des réducteurs cycloïdaux selon charge, vitesse et température

Des chercheurs proposent un modèle des erreurs de transmission des réducteurs cycloïdaux équipant les articulations de robots industriels, construit à partir d'une série de Fourier dont l'amplitude et la phase sont exprimées comme des fonctions polynomiales des trois principaux facteurs d'influence : le couple de charge, la vitesse et la température. Les mesures ont été réalisées sur un banc d'essai représentant une articulation robotique unique. L'analyse des données a permis de relier les fréquences harmoniques observées aux propriétés mécaniques internes du réducteur cycloïdal, ces fréquences servant ensuite à identifier les paramètres du modèle polynomial. Comparé à des mesures de validation indépendantes, le modèle obtenu affiche une erreur quadratique moyenne de 0,026 milliradian en moyenne, un résultat que les auteurs jugent suffisant pour une exploitation en commande. Cette précision importe parce que les robots industriels classiques sont aujourd'hui rarement employés pour des tâches d'usinage, leur précision de trajectoire étant limitée avant tout par la compliance et les erreurs de transmission des chaînes d'entraînement au niveau des articulations. Les réducteurs à onde de déformation (strain wave gears) ont déjà fait l'objet de nombreuses études sur ce type d'erreur, mais les réducteurs cycloïdaux, pourtant très répandus dans les articulations dimensionnées pour des charges moyennes à lourdes, restaient jusqu'ici peu documentés sur ce plan. Disposer d'un modèle prédictif fiable ouvre la voie à une compensation en boucle ouverte (feedforward) de ces erreurs, ce qui pourrait rapprocher la précision de robots industriels standards de celle de machines-outils dédiées, et élargir leur usage à des opérations de fraisage, perçage ou ébavurage aujourd'hui réservées à des équipements spécialisés, sans changement matériel côté intégrateur. L'étude s'inscrit dans un travail plus large de caractérisation des chaînes cinématiques robotiques, où les réducteurs à onde de déformation et les réducteurs cycloïdaux constituent les deux familles technologiques dominantes, la seconde étant privilégiée pour les charges plus élevées. En s'appuyant sur une analyse harmonique reliant erreurs mesurées et géométrie interne du réducteur, les auteurs comblent un manque de modélisation identifié par rapport aux travaux existants sur les onde de déformation. Publié sur arXiv fin septembre 2026, l'article se limite pour l'instant à un banc d'essai reproduisant une seule articulation ; il ne présente pas encore de validation sur un bras robotique complet en conditions industrielles, ce qui constitue l'étape logique suivante avant une éventuelle intégration en commande dans des robots commerciaux.

Recherche❖Paper

1 source

38

1196arXiv cs.RO 

M3GD : une diffusion géométrique multimodale et multi-vue pour la synthèse de nouvelles vues caméra-LiDAR

M3GD (Multi-Modal Multi-View Geometric Diffusion), publié sur arXiv le 25 septembre 2026, est une méthode de synthèse de nouvelles vues combinant caméra et LiDAR, là où la plupart des approches génératives existantes reposent uniquement sur l'image. Le système assemble des modèles de fondation 2D et 3D pré-entraînés séparément, sans traducteur cross-modal dédié : après projection caméra, les features LiDAR et image figées partagent déjà une structure spatiale commune exploitable. Des statistiques géométriques et des descripteurs de nuages de points, regroupés en paquets alignés sur la vue, sont injectés via un adaptateur résiduel léger dans un générateur multi-vues par flow-matching, sans modifier son espace latent, ses décodeurs ni son objectif d'entraînement. Sur le jeu de données GrandTour, M3GD améliore la synthèse RGB et de profondeur par rapport à une version image seule du même modèle, et a été déployé sur un robot terrestre, avec un compromis qualité/coût réglable via le nombre d'étapes d'intégration d'Euler. L'enjeu dépasse la curiosité académique : les rendus génératifs de synthèse de vues purement image peuvent paraître réalistes tout en étant géométriquement faux, un défaut rédhibitoire quand ces vues nourrissent l'entraînement, la simulation ou la navigation d'un robot. En démontrant que des features LiDAR et image pré-entraînées séparément partagent déjà une structure spatiale exploitable sans réentraînement lourd, M3GD ouvre une voie économique pour fusionner des capteurs hétérogènes dans des pipelines génératifs existants plutôt que de reconstruire des architectures dédiées, un argument qui parle directement aux équipes de perception multi-capteurs en robotique industrielle. Le travail s'inscrit dans la lignée des générateurs multi-vues par flow-matching, famille de modèles de diffusion déjà utilisée pour la synthèse de vues en robotique, jusque-là cantonnée aux données caméra. Le papier ne cite aucun concurrent commercial et reste une contribution de recherche académique, sans produit ni pilote industriel annoncé. Sa validation se limite au jeu de données GrandTour et à un unique déploiement sur robot terrestre, sans calendrier d'intégration commerciale communiqué, ce qui situe M3GD au stade de preuve de concept plutôt que de solution prête à l'industrialisation.

Recherche❖Paper

1 source

38

1197arXiv cs.RO 

Apprentissage accéléré de politiques visuomotrices sur variétés d'action via Riemannian MeanFlow

Une équipe de recherche publie sur arXiv (2609.30127v1) une méthode baptisée Riemannian MeanFlow Policy (RMFP), destinée a accélérer l'apprentissage des politiques visuomotrices en robotique de manipulation. Ces politiques associent des observations sensorielles brutes a des séquences d'actions robotiques ; les approches actuelles par diffusion ou flow matching capturent bien la diversité des trajectoires possibles, mais exigent une intégration numérique en plusieurs étapes, couteuse en temps et incompatible avec les cadences de contrôle rapides. RMFP apprend directement la carte de flot de la trajectoire de probabilité sur la variété géométrique de l'espace d'actions, ancrée par une méthode de Riemannian Conditional Flow Matching, ce qui ramené la génération a une seule évaluation du réseau. La méthode est testée sur LASA sphérique, Push-T, les taches Tool Hang et Transport de Robomimic, Franka Kitchen, puis sur une manipulation réelle avec capteurs imparfaits. Cette capacité a générer une action valide en une seule passe réseau, plutôt qu'en dizaines d'étapes d'intégration, s'attaque directement au goulot d'étranglement qui empêche les politiques de type diffusion ou flow matching de tourner aux fréquences de contrôle exigées par la manipulation fine en temps réel. Pour les intégrateurs et les équipes de recherche en robotique, ce résultat suggère qu'il est possible de conserver l'expressivité des modèles génératifs multimodaux, utiles pour représenter plusieurs stratégies de saisie ou de manipulation possibles, sans sacrifier la latence d'inférence. Le test en conditions réelles avec des mesures sensorielles bruitées répond en partie a la critique fréquente adressée a ce type de travaux, a savoir un écart entre résultats en simulation et robustesse effective sur robot physique, même si la portée de ce test unique reste limitée. RMFP s'inscrit dans la lignée des politiques de diffusion popularisées en robotique depuis 2023 et de leurs variantes en flow matching, dont s'inspirent aussi certains modèles vision-langage-action commerciaux qui génèrent des séquences d'actions continues, a l'image de Pi-0 de Physical Intelligence ou des architectures d'action de la famille GR00T de NVIDIA. La technique MeanFlow, empruntée a la génération d'images en une étape, est ici adaptée pour la première fois aux variétés géométriques propres aux espaces d'actions robotiques. Il s'agit d'une contribution académique publiée en preprint, sans acteur industriel associe ni déploiement annonce ; les auteurs évoquent comme suite logique l'extension a des architectures VLA de plus grande échelle et a davantage de plateformes robotiques réelles.

Recherche❖Paper

1 source

38

1198arXiv cs.RO 

Pince à granulaire renforcée par support pour la préhension par apprentissage par renforcement avec des manipulateurs continuum

Un article publié le 25 septembre 2026 sur arXiv sous la référence 2609.29093 décrit un gripper à jamming granulaire renforcé par une structure de support, conçu spécifiquement pour les manipulateurs continuum, ces bras robotiques souples capables de se faufiler dans des espaces confinés. Le dispositif reste compliant tant que le jamming, durcissement obtenu par mise sous vide d'une membrane remplie de particules, n'est pas activé, puis transmet directement les efforts jusqu'à l'extrémité du bras une fois durci. Les auteurs ont testé matériaux de membrane, types de particules, taux de remplissage et structures de support internes, puis cartographié les limites de préhension selon le décalage de contact et la forme des objets. Ils ont assemblé un système complet associant manipulateur continuum, gripper, retour visuel, actionnement par câbles et contrôle pneumatique, puis déployé sur ce système réel un contrôleur d'atteinte entraîné par apprentissage par renforcement en simulation randomisée, pour une tâche de saisie et relâchement d'objets. Aucun chiffre de charge utile, de degrés de liberté ou de cadence n'est communiqué : c'est une démonstration de faisabilité en laboratoire, non un produit. L'enjeu dépasse l'exercice académique. Les manipulateurs continuum intéressent l'inspection en espace confiné et la chirurgie mini-invasive, mais leur souplesse génère hystérésis et déformations dépendantes de la charge qui compromettent le contact fiable avec des pinces rigides classiques. En rendant le gripper lui-même adaptatif, souple avant serrage puis rigide après, les auteurs déplacent une partie de la difficulté de modélisation et de contrôle de position vers la mécanique. C'est une illustration du principe d'intelligence incarnée : la structure physique compense les imperfections du positionnement plutôt que d'exiger un apprentissage capable de combler entièrement l'écart simulation-réel, une piste pour rendre les bras continuum exploitables sans précision submillimétrique. Les pinces à jamming granulaire ne sont pas nouvelles : popularisées au début des années 2010 par des travaux universitaires américains puis commercialisées sous le nom Versaball par Empire Robotics, elles sont connues pour saisir des objets de formes irrégulières sans planification fine. La nouveauté tient à l'adaptation de ce principe, via une structure de support interne, à l'extrémité d'un manipulateur continuum, couplée à un contrôle appris par renforcement plutôt que programmé. Soumis comme nouvel article arXiv, le travail n'a pas encore été relu par les pairs, ne cite aucune entreprise partenaire et ne fixe aucun calendrier de transfert produit.

Recherche❖Paper

1 source

38

1199arXiv cs.RO 

OREN-X : réseau octree résiduel pour la cartographie multimodale en temps réel

Publié en septembre 2026 sur arXiv (2609.29157), OREN-X est un système de cartographie 3D temps réel pour robots qui réunit dans un même octree trois informations traitées jusque-là séparément : la géométrie pour la planification, la radiance pour le rendu et la relocalisation, et des features vision-langage pour la reconnaissance d'objets en vocabulaire ouvert. Un apprentissage de dictionnaire en ligne comprime ces features jusqu'à 3,7 fois tout en améliorant la précision des requêtes. Sur le benchmark Replica, OREN-X cartographie à plus de 80 images par seconde pour le SDF (distance signée) seul et plus de 30 images par seconde pour les quatre modalités combinées, avec une précision SDF améliorée de 33% et un score mIoU en vocabulaire ouvert en hausse de 71% par rapport à la meilleure méthode antérieure. L'intérêt tient à la mutualisation : plutôt que de faire tourner des pipelines séparés pour la géométrie, le rendu et la compréhension sémantique, ce qui multiplie mémoire et calcul embarqués, OREN-X fait cohabiter ces représentations et en tire une synergie mesurée, les estimations SDF étant affinées par les données d'occupation et de radiance. Pour l'autonomie longue durée des robots mobiles, cela répond à un frein concret à la mise en production : exécuter navigation, rendu visuel et compréhension de scène en langage naturel sans faire exploser la charge de calcul embarquée. Les gains en vocabulaire ouvert suggèrent un ancrage sémantique plus fiable sans sacrifier la vitesse, même si ces résultats restent obtenus en simulation sur Replica et non sur un robot physique en conditions réelles. Ce travail s'inscrit dans une recherche où la cartographie robotique traitait jusqu'ici séparément les représentations SDF/TSDF pour la géométrie, les champs de radiance neuronaux ou le splatting gaussien pour le rendu, et des embeddings type CLIP pour l'ancrage sémantique, chacun avec son propre coût mémoire. OREN-X se positionne comme une alternative unifiée, appuyée sur un octree partagé et un parcours de rayons accéléré par GPU pour le rendu temps réel. Publié en preprint sur arXiv sans évaluation par les pairs à ce stade, l'article ne précise ni les auteurs ni de calendrier de tests sur robot réel ; il reste, pour l'instant, une contribution validée en simulation plutôt qu'un système prêt à l'intégration industrielle.

Recherche❖Paper

1 source

38

1200arXiv cs.RO 

Connaître son corps : une méthode pour un contrôle robotique direct et auto-améliorant avec des VLM

Une équipe de recherche présente KnowBody, un harnais logiciel qui vient se greffer sur un modèle vision-langage (VLM) déjà entraîné, sans toucher à ses poids, pour lui apprendre concrètement comment le corps d'un robot donné produit un effet. Le système part d'une seule trajectoire hors tâche pour construire un modèle partiel du corps du robot, qui guide ensuite le choix des actions et l'interprétation des interactions passées ; ce modèle est révisé au fil des nouvelles observations, et toute connaissance qui en dépendait est revérifiée avant d'être réutilisée. Sur 32 essais à budget fixe répartis sur quatre tâches confiées à un robot réel, la version initialisée de KnowBody atteint 75% de complétion contre 25% pour le harnais natif du même VLM, avec moins de cycles de planification nécessaires sur les tâches réussies par les deux approches. Lorsque les mises à jour persistantes du modèle de corps sont activées, le nombre de cycles de planification chute de 29 à 53% entre le premier et le cinquième succès enregistré. Le résultat touche un point de friction central pour l'industrie des modèles vision-langage-action (VLA) : un VLM générique comprend sémantiquement l'objectif d'une tâche, mais ignore par défaut comment les degrés de liberté et les organes effecteurs spécifiques d'un robot donné traduisent cette intention en mouvement. Les approches dominantes comme Pi-0, GR00T N2 ou Helix misent sur l'apprentissage de bout en bout, souvent au prix d'un réentraînement ou d'un fine-tuning par plateforme. KnowBody propose l'inverse : garder le modèle figé et ajouter une couche intermédiaire explicite, interrogeable et corrigible, qui capitalise l'expérience physique du robot. Pour les intégrateurs, l'intérêt est la promesse d'un déploiement d'un même VLM générique sur des corps robotiques différents sans coût de réentraînement, si l'approche tient sur des flottes plus larges. Ces résultats restent toutefois un travail de recherche préliminaire, publié en preprint sur arXiv (arXiv:2609.28530v1), validé sur seulement quatre tâches et 32 essais en environnement contrôlé, loin d'un déploiement industriel. Aucun nom d'entreprise, de robot commercial ni de site de production n'est associé à ces expériences. La démonstration se positionne néanmoins explicitement en alternative aux stratégies VLA propriétaires actuelles, et la suite logique attendue serait une extension à davantage de tâches, de plateformes robotiques et de conditions réelles pour confirmer la généralisation du mécanisme.

Recherche❖Paper

1 source