Actualités robotique — page 25

4 571 articles au fil, du plus récent au plus ancien.

36

1201arXiv cs.RO 

Vers un apprentissage robotique prédictif, aligné et à grande échelle

Le papier arXiv 2607.11270, publié le 14 juillet 2026, présente Lumo-2, un modèle latent monde-action développé pour la robotique conçu pour générer des actions en raisonnant sur la dynamique du monde dans un espace latent plutôt qu'en clonant du comportement observé. L'idée centrale est que la qualité de génération d'actions dépend de la géométrie de cet espace latent : les auteurs montrent que les objectifs classiques de tokenisation d'actions basés sur la reconstruction biaisent les représentations vers la fidélité du signal brut, ce qui désaligne la qualité de reconstruction et la performance de contrôle réelle. Pour corriger cela, ils proposent un alignement multi-étapes des modalités, où les représentations d'actions sont progressivement rapprochées de la dynamique du monde latente, de la vision et du langage. Le papier revendique des gains sur des tâches réelles de manipulation dexterous et à long horizon face à des modèles vision-langage-action (VLA) et monde-action (WAM) de référence, sans toutefois publier de chiffres précis de taux de réussite, de temps de cycle ou de comparaison nommée dans le résumé disponible : à ce stade, il s'agit d'une annonce de recherche, pas d'un produit déployé ni de résultats benchmarkés vérifiables publiquement. Si les résultats se confirment à l'échelle et hors distribution, cela renforcerait l'hypothèse selon laquelle le raisonnement prédictif structuré, et non la seule imitation de trajectoires, est la voie vers des politiques robotiques généralisables, un sujet clé alors que des labs et startups (Physical Intelligence avec Pi-0, NVIDIA avec GR00T N2, Figure avec Helix) cherchent tous à faire tenir leurs VLA face à des environnements réels imprévisibles plutôt qu'à des démonstrations scénarisées. Ce travail s'inscrit dans la lignée des modèles monde-action apparus depuis 2024-2025, qui tentent de combiner la prédiction vidéo façon world models avec la génération de commandes motrices. Aucun acteur français ou européen n'est cité dans cette publication, et aucune date de suivi, de code ouvert ou de déploiement industriel n'est mentionnée à ce stade.

Recherche⚡Actu

1 source

35

1202arXiv cs.RO 

Trajectoire et certification pour bras robotiques à 3 degrés de liberté par élimination réelle de quantificateurs sur bases de Gröbner comprehensives

Cet été, une équipe de recherche en calcul formel publie sur arXiv un algorithme de planification de trajectoire et de certification pour bras manipulateurs à 3 degrés de liberté (DOF), fondé sur l'élimination réelle de quantificateurs appliquée à des systèmes de Gröbner complets, méthode désignée CGS-QE. Concrètement, pour chaque point de la trajectoire de l'effecteur terminal, le problème de cinématique inverse est habituellement résolu en recalculant une base de Gröbner, une opération coûteuse en temps de calcul répétée à chaque étape. Les auteurs évitent ce recalcul systématique en construisant un système de Gröbner complet paramétrique, où les coordonnées de l'effecteur terminal sont traitées comme des paramètres plutôt que recalculées point par point. La méthode va plus loin : elle certifie mathématiquement qu'une solution de cinématique inverse existe en tout point d'une trajectoire donnée, y compris pour des trajectoires composées de segments de droite et de splines cubiques naturelles. L'algorithme a été implémenté dans le système de calcul formel Risa/Asir. L'intérêt pour l'industrie robotique tient moins à une démonstration spectaculaire qu'à un changement de nature de la garantie apportée. Les approches numériques ou par échantillonnage, largement utilisées pour valider la faisabilité d'une trajectoire, ne prouvent l'existence d'une solution qu'aux points testés, laissant planer un doute entre les échantillons. Une certification formelle, dérivée de l'algèbre symbolique plutôt que de simulations, offre une garantie continue sur toute la trajectoire, un atout pour les intégrateurs de bras robotiques dans des contextes où la sécurité ou la fiabilité du mouvement doit être prouvée et non simplement observée en test. Le gain d'efficacité annoncé par les auteurs reste toutefois à confirmer sur des cas industriels réels, l'article se limitant à des manipulateurs à 3 DOF, en deçà de la complexité des bras à 6 ou 7 DOF couramment déployés en production. Cette approche s'inscrit dans une lignée de recherche en calcul formel qui applique les bases de Gröbner et l'élimination de quantificateurs à la cinématique des robots, un domaine historiquement dominé par les méthodes numériques itératives. Le choix de Risa/Asir, système de calcul formel japonais utilisé en recherche académique, situe ce travail du côté théorique plutôt que produit. Les auteurs évoquent une extension possible à des trajectoires plus complexes, sans calendrier ni partenariat industriel annoncé à ce stade.

Recherche❖Paper

1 source

35

1203arXiv cs.RO 

Traj-VLN : apprentissage de l'interaction dans l'espace des pixels par génération autorégressive de trajectoire

Des chercheurs présentent Traj-VLN, une méthode publiée en prépublication sur arXiv (référence 2607.10744) pour la navigation vision-langage en environnements continus (VLN-CE), où un agent embarqué doit se déplacer dans un lieu inconnu en suivant des instructions en langage naturel du type « marche jusqu'au bout du canapé et tourne à gauche ». Plutôt que d'injecter des données de profondeur ou une géométrie 3D explicite dans le modèle vision-langage (VLM), les auteurs proposent de faire apprendre directement au VLM, par fine-tuning, à générer une trajectoire dans l'espace des pixels de l'image 2D, de façon autorégressive : à partir de l'instruction et de l'historique d'observations, le modèle prédit une séquence de coordonnées de pixels formant un chemin depuis le centre bas de l'image courante. Les auteurs indiquent que cette supervision par trajectoire en pixels, dont un signal proche (le pixel-goal) avait déjà montré sa supériorité sur l'apprentissage d'actions discrètes dans des travaux antérieurs, améliore sensiblement les performances de navigation, et que leur modèle principal atteint un niveau état de l'art avec des ressources de calcul et un volume de données d'entraînement relativement limités. L'intérêt dépasse l'exercice académique : la navigation vision-langage en continu reste un verrou central pour tout robot mobile ou humanoïde censé exécuter des instructions naturelles dans un environnement non cartographié au préalable, un scénario clé pour la logistique d'entrepôt, l'assistance domestique ou l'inspection industrielle. Le choix de contourner la profondeur et la géométrie 3D est significatif : les VLM généralistes sont entraînés quasi exclusivement sur des conversations autour d'images RGB, et leur faire ingérer des cartes de profondeur ou des nuages de points exige d'ordinaire des architectures spécialisées ou des données rares. En reformulant le problème comme une génération de trajectoire en pixels, modalité que ces modèles maîtrisent déjà nativement, Traj-VLN illustre une tendance de fond du secteur : réutiliser les priors des VLM plutôt que d'entraîner des chaînes de perception 3D dédiées, ce qui pourrait réduire le coût d'intégration pour les fabricants de robots mobiles autonomes (AMR) et les intégrateurs cherchant à connecter leurs plateformes à des VLM existants. Ce travail s'inscrit dans la lignée des approches vision-langage-action (VLA) qui, ces deux dernières années, cherchent à faire des sorties en pixels ou en points-objectifs une interface universelle entre perception et action, aussi bien pour la manipulation que pour la navigation. Le résumé du papier ne précise ni les benchmarks utilisés, ni les chiffres de performance exacts, ni la disponibilité du code ou des poids, ce qui invite à la prudence tant que ces éléments ne sont pas comparés indépendamment aux systèmes concurrents. Publié comme simple prépublication arXiv (catégorie « cross »), Traj-VLN n'est rattaché à aucun laboratoire nommé ni à un acteur français ou européen dans les informations disponibles ; la suite logique, comme pour la plupart des travaux VLN académiques, sera une évaluation sur des benchmarks standards du domaine (R2R, RxR ou équivalents en continu) et, potentiellement, un transfert au delà de la simulation vers des plateformes robotiques réelles.

Recherche❧Opinion

1 source

35

1204arXiv cs.RO 

SmoothTurn : apprendre à tourner en douceur pour une navigation agile avec des robots quadrupèdes

Traduction et résumé de l'article ci-dessous. L'équipe de recherche à l'origine de SmoothTurn s'attaque à un angle mort des politiques de navigation locale pour robots quadrupèdes : la capacité à enchaîner des virages fluides tout en courant à haute vitesse. Les approches existantes entraînent typiquement une politique à atteindre un seul objectif à la fois, en récompensant le robot pour rester immobile une fois la cible atteinte. Résultat, lorsqu'on enchaîne plusieurs objectifs nécessitant des changements de direction, le robot ne peut ni anticiper la manœuvre suivante ni conserver son élan lors du passage d'un objectif à l'autre, ce qui brise sa dynamique de course. SmoothTurn reformule le problème comme une tâche de navigation locale séquentielle et introduit trois éléments techniques : une récompense conçue pour l'atteinte séquentielle d'objectifs, un espace d'observation élargi incluant une fenêtre d'anticipation ("lookahead") sur les objectifs futurs, et un curriculum d'apprentissage automatique qui augmente progressivement la difficulté des séquences d'objectifs en fonction des performances du robot. La politique entraînée a été déployée directement sur des robots quadrupèdes réels, avec capteurs et calcul embarqués, sans étape d'adaptation supplémentaire. Cette avancée cible un écart concret entre démonstration et réalité opérationnelle pour les cas d'usage à forte valeur comme l'intervention en incendie ou l'inspection industrielle, où la vitesse ET la manœuvrabilité comptent autant l'une que l'autre. Une politique qui sait maintenir son élan en pivotant, au lieu de ralentir puis réaccélérer à chaque changement de cap, se rapproche davantage de ce qu'exige un déploiement terrain réel plutôt qu'un simple parcours de démonstration en ligne droite. Pour les intégrateurs et décideurs qui évaluent des plateformes quadrupèdes pour des missions agiles, ce type de résultat conforte l'idée que l'apprentissage par renforcement peut produire des comportements moteurs sophistiqués et transférables du simulateur au monde réel (sim-to-real), sans nécessiter de re-conception matérielle. Les auteurs rapportent des résultats empiriques en simulation et sur robot réel montrant des comportements émergents non explicitement programmés : contrôle de l'élan lors du changement d'objectif, orientation anticipée vers la prochaine cible, et planification de trajectoires efficaces. SmoothTurn s'inscrit dans la lignée des travaux antérieurs sur la navigation locale conditionnée par un objectif unique, qu'il étend au cas séquentiel. Le papier, initialement soumis sous l'identifiant arXiv:2603.12842 puis republié en version corrigée, ne précise pas quel modèle de robot quadrupède a servi aux essais réels ni le nom du laboratoire ou de l'université porteurs du projet. Ce travail se positionne dans un champ de recherche actif sur la locomotion agile par apprentissage, aux côtés d'efforts similaires chez des acteurs académiques et industriels travaillant sur des quadrupèdes comme ceux de Boston Dynamics ou Unitree. Les prochaines étapes attendues porteraient sur l'extension à des terrains plus complexes ou irréguliers et sur des tests d'endurance en conditions réelles prolongées, non détaillés dans le résumé disponible.

Recherche❖Paper

1 source

34

1205arXiv cs.RO 

CoRL-MPPI : améliorer le MPPI avec des comportements appris pour un évitement de collision multi-robots efficace et sûr

Une équipe de recherche présente CoRL-MPPI, une méthode combinant apprentissage par renforcement coopératif et Model Predictive Path Integral (MPPI) pour l'évitement de collision décentralisé entre robots mobiles. Publié sur arXiv (version 3, remplaçant une soumission antérieure), le papier décrit un réseau de neurones profond entraîné en simulation pour apprendre des comportements coopératifs locaux d'évitement d'obstacles. Cette politique apprise est ensuite injectée dans le processus d'échantillonnage du contrôleur MPPI classique, orientant les trajectoires candidates vers des actions plus coopératives et pertinentes, y compris dans des scénarios éloignés des données d'entraînement. Les auteurs affirment que leur méthode conserve les garanties théoriques de sécurité du MPPI standard, tout en améliorant le taux de succès de navigation et en réduisant les délais, dans des environnements denses et dynamiques impliquant plusieurs robots. Les résultats sont comparés à des méthodes classiques (MPPI pur) et à des approches d'apprentissage par renforcement multi-agents concurrentes. Pour l'industrie robotique, ce travail illustre une tendance de fond: hybrider contrôle optimal classique et apprentissage profond plutôt que de choisir entre les deux camps. Le MPPI seul souffre d'un échantillonnage aléatoire non informé, ce qui limite ses performances en environnement dense; le RL pur, à l'inverse, manque souvent de garanties formelles de sécurité, un point bloquant pour tout déploiement industriel réel (flottes d'AMR en entrepôt, essaims de drones). En préservant les propriétés de sécurité prouvable du MPPI tout en injectant du comportement appris, CoRL-MPPI répond directement à une critique récurrente adressée aux méthodes purement data-driven: l'absence de garanties exploitables en production. C'est un signal pertinent pour les intégrateurs qui évaluent des piles de navigation multi-robots pour la logistique ou les essaims aériens. Le MPPI est un cadre de contrôle prédictif largement utilisé en robotique mobile depuis plusieurs années, apprécié pour sa flexibilité vis-à-vis de modèles de mouvement arbitraires. Les tentatives précédentes d'amélioration se sont concentrées soit sur de meilleures fonctions de coût, soit sur des politiques d'apprentissage remplaçant entièrement le contrôle classique, au prix des garanties théoriques. CoRL-MPPI se positionne dans une troisième voie, celle des architectures hybrides guidage-par-politique, déjà explorée dans d'autres contextes de planification de trajectoire. Le papier ne mentionne pas de partenariat industriel ni de déploiement matériel réel: il s'agit d'un travail de recherche évalué en simulation, dont la prochaine étape logique serait une validation sur robots physiques en conditions denses et dynamiques.

Recherche❖Paper

1 source

34

1206arXiv cs.RO 

Chalito : une bibliothèque extensible pour l'estimation d'état par filtrage chez les robots quadrupèdes

Des chercheurs présentent Chalito, une bibliothèque open source en MATLAB et Python conçue pour comparer les algorithmes d'estimation d'état par filtrage chez les robots quadrupèdes. L'outil importe directement les modèles de robots au format URDF (Unified Robot Description Format), prend en charge plusieurs approches de filtrage et a été pensé pour être facilement étendu à de nouvelles méthodes. Chalito fonctionne aussi bien sur des jeux de données simulées que sur des données réelles, ce qui permet une évaluation systématique à travers différents robots et différents filtres. Selon les auteurs, il s'agit de la première bibliothèque open source dédiée exclusivement au benchmarking d'algorithmes de filtrage pour quadrupèdes, un article publié sur arXiv le 14 juillet 2026 (arXiv:2607.09968v1). L'estimation d'état, c'est à dire la capacité d'un robot à déduire en temps réel sa position, sa vitesse et son orientation à partir de ses capteurs, conditionne directement la qualité de la locomotion, de la navigation et du contrôle des quadrupèdes. Or le secteur souffre d'un problème de fond largement sous-estimé hors des laboratoires : chaque équipe de recherche développe ses propres estimateurs, généralement couplés à un robot ou une pile logicielle spécifique, ce qui rend les comparaisons entre méthodes quasiment impossibles à mener équitablement. Cette fragmentation ralentit l'innovation algorithmique et complique la reproductibilité scientifique, un problème classique en robotique mais rarement adressé par un outil dédié. Un cadre de benchmarking standardisé comme Chalito pourrait donc devenir une référence pour comparer objectivement des approches de filtrage (par exemple les variantes de filtre de Kalman étendu) avant de les déployer sur du matériel réel. Le projet s'inscrit dans une tendance plus large de recherche sur l'infrastructure logicielle ouverte pour la robotique legged, à mesure que les plateformes quadrupèdes se multiplient dans la recherche académique et l'industrie. L'abstract ne précise pas quels robots ou filtres spécifiques sont déjà intégrés à la bibliothèque, ni de calendrier de publication du code ou de jeux de données associés. Les prochaines étapes attendues concernent vraisemblablement la publication effective du dépôt et l'ajout progressif de nouveaux algorithmes par la communauté.

Recherche❖Paper

1 source

34

1207arXiv cs.RO 

CR-Solver : solveur cinématique accéléré par GPU pour robots continuum à câbles tendineux

Une équipe de recherche présente CR-Solver, un solveur cinématique en deux étapes destiné à la génération de mouvement pour les robots à structure continue actionnés par câbles (tendon-driven continuum robots). Publié sur arXiv le 14 juillet 2026, l'outil repose sur une optimisation non linéaire contrainte qui unifie en un seul cadre la cinématique inverse, le suivi de trajectoire et la planification de chemin. Sa particularité technique est l'accélération GPU du calcul parallèle, qui permet de résoudre ces problèmes d'optimisation nettement plus vite que les solveurs CPU classiques. Testé sur trois tâches de validation, CR-Solver atteint un taux de réussite supérieur à 95% avec une précision de l'ordre du millimètre. L'implémentation est entièrement écrite en Python, un choix assumé par les auteurs pour abaisser la barrière technique à l'adoption plutôt que viser la performance brute d'un langage compilé. L'enjeu dépasse la simple prouesse algorithmique. Les robots continus, souples et hautement dexterous, sont de plus en plus utilisés pour la navigation et la manipulation en environnements confinés ou non structurés, par exemple en chirurgie mini-invasive ou en inspection industrielle. Or la quasi-totalité des bibliothèques de planification de mouvement existantes reposent sur des hypothèses de corps rigides, inadaptées à la déformation continue de ces manipulateurs. CR-Solver comble ce vide en offrant un outil pratique, rapide et open à la communauté, ce qui pourrait accélérer le déploiement de ces robots hors du seul cadre du laboratoire, là où le manque d'outils logiciels robustes freinait jusqu'ici leur industrialisation. Le papier s'inscrit dans une dynamique de recherche plus large sur la robotique molle et les systèmes hyper-redondants, où le calcul en temps réel de la cinématique inverse reste un verrou majeur faute de modèles analytiques simples. En misant sur le GPU plutôt que sur des solveurs CPU traditionnels ou des approximations analytiques, les auteurs positionnent leur approche comme une alternative extensible aux méthodes existantes, sans toutefois préciser de calendrier de mise à disposition publique du code ni de partenariat industriel à ce stade.

Recherche❖Paper

1 source

34

1208arXiv cs.RO 

Synthèse automatisée de mécanismes faciaux pour robots animatroniques conversationnels

Le laboratoire de recherche à l'origine de ce travail (affilié à un article arXiv publié le 14 juillet 2026, référence 2607.11688) propose un système d'automatisation de la conception mécanique des visages animatroniques. Aujourd'hui, chaque robot conversationnel à visage expressif nécessite une refonte mécanique manuelle complète adaptée à sa géométrie faciale, un processus lent et coûteux qui bloque toute personnalisation à grande échelle. Les chercheurs introduisent un template mécanique paramétrique à liaisons (linkage-driven), dont la topologie et la disposition des actionneurs sont explicitement paramétrées pour s'adapter à des morphologies faciales très différentes. Leur algorithme hiérarchique part d'un simple portrait 2D en entrée, reconstruit un visage cible en 3D, puis génère automatiquement un mécanisme interne sans collision et manufacturable, en combinant des volumes de mouvement anatomiquement contraints, des objectifs d'expressivité dérivés des Action Units (le système de codage des mouvements musculaires faciaux) et une boucle de raffinement pilotée par la détection de collisions. Le système inclut aussi un module de synthèse de mouvement facial conversationnel, capable de modéliser à la fois les comportements de locuteur et d'auditeur à partir de l'audio, pour produire des animations 3D temporellement cohérentes et exécutables en temps réel sur le matériel physique. Cette approche s'attaque à un goulot d'étranglement industriel réel: la fabrication de têtes animatroniques reste aujourd'hui un métier d'artisan, où chaque nouveau visage (mascotte, avatar de service client, robot de recherche en interaction sociale) exige des semaines de conception mécanique sur mesure. Automatiser la génération du mécanisme à partir d'une simple photo change la donne pour les intégrateurs qui veulent déployer des robots à visage humain à plus grande échelle, sans multiplier les coûts d'ingénierie par le nombre de morphologies souhaitées. Le second apport, le passage d'un visage qui parle ou écoute passivement à un système bidirectionnel capable de gérer un dialogue multi-tours, répond à une limite connue des robots sociaux actuels: la plupart affichent des expressions scriptées ou réactives, mais peinent à maintenir une cohérence temporelle crédible sur un échange complet. Les auteurs eux-mêmes cadrent cela comme une évolution nécessaire vers des visages mécaniques déployés en volume, et non comme une simple démonstration technique isolée. Le travail se positionne dans la lignée des recherches en robotique sociale et en animatronique, un domaine historiquement dominé par des réalisations artisanales (parcs à thème, prototypes académiques comme les têtes expressives développées dans plusieurs laboratoires universitaires) plutôt que par des méthodes de conception généralisables. Les auteurs valident leur système par des expériences quantitatives sur la synthèse automatique de mécanismes pour des géométries faciales variées, des comparaisons directes contre la conception manuelle classique, des benchmarks de synthèse de mouvement conversationnel avec déploiement temps réel, et des études utilisateur perceptuelles évaluant la crédibilité des expressions générées. L'article ne précise pas de partenaire industriel ni de calendrier de commercialisation, ce qui le situe pour l'instant au stade de la recherche méthodologique plutôt que du produit prêt à déployer. Aucun acteur français ou européen n'est mentionné dans ce travail.

Recherche❖Paper

1 source

33

1209arXiv cs.RO 

RoboNav-Arm : navigation à base d'agents et évitement d'obstacles pour bras robotique en environnement encombré

Une équipe de chercheurs propose RoboNav-Arm, un framework d'intelligence artificielle agentique destiné à la navigation et à l'évitement d'obstacles pour bras manipulateurs robotiques évoluant en environnement encombré, selon un article publié sur arXiv (arXiv:2607.09716v1). Le système repose sur un module de perception qui détecte les obstacles en temps réel, les localise en 3D et estime la géométrie de la surface au sol, avant de produire un rapport sémantique structuré précisant la position et la forme des objets ainsi que leur situation par rapport aux zones d'interaction critiques du bras. Un module de coordination central orchestre l'ensemble : il invoque des outils comme la mise à jour de la mémoire et de la scène de collision MoveIt, fait communiquer les différents modules entre eux et surveille en continu la progression de la tâche jusqu'à son achèvement. Un troisième module de planification choisit dynamiquement l'algorithme de mouvement le plus adapté, RRTConnect, RRT* ou BiTRRT, selon la configuration de l'environnement et l'objectif visé, avant qu'une étape de raffinement ne sécurise la trajectoire finale. Le tout a été testé dans le simulateur Gazebo Classic, avec des résultats jugés robustes face à des scénarios dynamiques. L'enjeu dépasse la simple démonstration académique : la manipulation robotique en environnement non structuré reste l'un des points durs de l'industrie, les pipelines de perception classiques étant figés et peu capables de s'adapter à des obstacles imprévus. En confiant la décision de planification à une architecture agentique capable de choisir l'algorithme et d'ajuster la trajectoire en fonction du contexte plutôt que de dépendre d'une connaissance préalable de la scène, cette approche s'inscrit dans une tendance plus large qui traverse la robotique industrielle et logistique, celle de systèmes de contrôle pilotés par des modèles capables de raisonner sur l'environnement plutôt que d'exécuter des règles fixes. Reste que la validation se limite à Gazebo Classic, un environnement simulé, sans transfert vers un bras réel ni comparaison chiffrée avec les méthodes de planification classiques. Le travail s'inscrit dans la lignée des recherches sur les architectures agentiques appliquées à la robotique, un domaine dynamisé ces derniers mois par des modèles vision-langage-action comme GR00T N2 ou Pi-0, qui cherchent eux aussi à combiner perception, raisonnement et contrôle moteur. Contrairement à ces VLA entraînés de bout en bout, RoboNav-Arm mise sur une architecture modulaire orchestrée par un agent central s'appuyant sur des outils de planification de mouvement existants comme MoveIt. Les auteurs ne précisent pas de calendrier pour un passage à un bras robotique physique, étape généralement nécessaire pour confirmer la robustesse observée en simulation.

Recherche❖Paper

1 source

33

1210arXiv cs.RO 

Planification des tâches pour la manipulation mobile en magasin grâce à des modèles fondation avec replanification itérative

Il s'agit d'un article de recherche arXiv (2607.09962v1), pas d'une annonce produit, je rédige le résumé en conséquence, en marquant clairement qu'il s'agit d'un travail encore au stade simulation. Des chercheurs présentent une méthode de planification de tâches pour la robotique mobile de manipulation appliquée au réassort en magasin, combinant grands modèles de langage (LLM) et modèles vision-langage (VLM). Le système reçoit des instructions formulées par un utilisateur, construit un plan d'action pour une plateforme de manipulation mobile omnidirectionnelle personnalisée, puis corrige ses erreurs grâce à une boucle de re-planification itérative fondée sur un retour visuel. Point important à souligner : l'ensemble du pipeline n'a été validé qu'en environnement de simulation PyBullet, sur des tâches de prise et dépose (pick-and-place), et non sur un robot physique en conditions réelles de magasin. L'abstract ne fournit ni chiffres de charge utile, ni degrés de liberté, ni temps de cycle, ni date de déploiement, ce qui limite la portée immédiatement opérationnelle de l'annonce. L'intérêt de ces travaux tient moins à la performance affichée qu'au périmètre visé : jusqu'ici, l'automatisation en logistique et distribution s'est concentrée sur des opérations d'arrière-boutique (tri, emballage) dans des environnements structurés et prévisibles. Étendre cette automatisation aux rayons de supermarché suppose de gérer un environnement bien plus variable et centré sur l'humain, avec des obstacles mobiles, des produits mal rangés et des interactions client. L'usage de LLM/VLM pour la planification de haut niveau, couplé à une re-planification réactive en cas d'échec, illustre une tendance plus large du secteur : tester si les modèles fondation permettent de généraliser au-delà des scénarios d'entrepôt scriptés. Mais tant que la preuve ne dépasse pas la simulation, l'écart classique entre démonstration et déploiement réel reste entier, et les intégrateurs B2B devront attendre une validation sur plateforme physique avant d'y voir un signal de maturité commerciale. Ce travail s'inscrit dans la vague plus large de recherche sur la manipulation mobile pilotée par foundation models, qui a vu émerger des architectures VLA comme Pi-0 ou GR00T N2 chez des acteurs orientés produit, mais qui reste ici traitée sous un angle académique, avec une plateforme de manipulation "custom" non identifiée commercialement. Le choix du cas d'usage réassort en supermarché reflète l'intérêt croissant du secteur retail pour l'automatisation de tâches jusqu'ici jugées trop non structurées pour la robotique, un terrain où des acteurs comme Simbe Robotics ou Bossa Nova ont déjà exploré l'inventaire par robot mobile, sans toutefois intégrer la manipulation physique des produits. La suite logique de ces travaux serait un transfert sim-to-real sur robot physique, étape non abordée dans cette publication, ce qui invite à considérer ce résultat comme une preuve de concept méthodologique plutôt qu'un jalon de déploiement.

Recherche❖Paper

1 source

33

1211arXiv cs.RO 

Reconnaissance sous-marine par estime avec planification de covariance déclenchée par la situation

Sous-marin sans vision ni GPS, un robot doit compter uniquement sur ses capteurs internes (dead reckoning) pour connaître sa position, une méthode connue pour dériver rapidement en cas de virages ou de changements de vitesse. Des chercheurs présentent le Situation-Triggered Calibrated Adaptive Robust Extended Kalman Filter, testé sur un véhicule sous-marin BlueROV2. Le système utilise un détecteur probabiliste embarqué qui identifie en continu la situation de mouvement du véhicule (ligne droite, virage, transition), pendant qu'un unique filtre à erreur d'état tourne en permanence. Quand le détecteur est confiant dans son diagnostic, seules les matrices de bruit de processus et de mesure, pré-calibrées pour chaque situation, sont changées : l'estimation d'état, l'historique de covariance et les modèles de dynamique restent intacts, sans réinitialisation. Le détecteur, les profils de bruit et une correction ponctuelle d'alignement de cap du loch Doppler (DVL) ont été calibrés hors ligne lors d'essais en piscine supervisés par des marqueurs AprilTag épars, un jeu de validation séparé servant à figer la politique de bascule avant les tests finaux. Sur quatre parcours de piscine tenus en réserve pour l'évaluation, l'erreur de position (RMSE de translation, pondérée par étiquette) passe de 0,488 m à 0,471 m par rapport au même filtre équipé d'un profil de bruit global unique, chacun des quatre parcours favorisant la version adaptative. Un bootstrap apparié sur des segments de dix secondes confirme un écart de -0,017 m avec un intervalle de confiance à 95 % de [-0,024 ; -0,008] m, tandis que l'erreur d'orientation reste quasi inchangée. Le gain est réel mais modeste, et les auteurs le présentent honnêtement comme tel plutôt que de le vendre comme une rupture : pas de nouvel estimateur, pas de changement d'architecture, juste un ajustement contextuel des paramètres de bruit d'un filtre existant. Pour l'industrie de la robotique sous-marine, où la navigation sans GPS ni vision reste un goulot d'étranglement critique pour les AUV et ROV opérant en eaux profondes ou en environnements confinés, cette approche a l'intérêt de rester compatible avec les architectures de filtrage déjà déployées : elle ne nécessite pas de remplacer l'estimateur, seulement de recalibrer ses paramètres selon des situations de mouvement détectées automatiquement. C'est un argument en faveur d'une adoption progressive plutôt que d'une refonte, un point qui compte pour les intégrateurs qui doivent certifier et maintenir des systèmes de navigation critiques. Ce travail s'inscrit dans la lignée des filtres de Kalman étendus robustes et adaptatifs utilisés en navigation inertielle sous-marine depuis des années, où le compromis classique est entre un réglage unique et générique, simple mais sous-optimal dans les cas limites, et des architectures à commutation complète entre plusieurs estimateurs, plus précises mais plus complexes à valider et à certifier. En ne modifiant que les matrices de covariance sans toucher au cœur du filtre, les auteurs cherchent un entre-deux. La validation reste limitée à quatre parcours en bassin sur un seul véhicule, le BlueROV2, une plateforme d'essai courante mais loin des conditions d'un véritable déploiement en mer. Les prochaines étapes attendues seraient des essais en conditions océaniques réelles et une évaluation sur d'autres classes de véhicules sous-marins autonomes pour confirmer que le gain observé en piscine se maintient à plus grande échelle.

Recherche❖Paper

1 source

31

1212arXiv cs.RO 

Transfert simulation-réel : évaluation du contrôle optimal basé sur modèle pour systèmes rigides-souples sous-actionnés

Les auteurs de cette étude arXiv (identifiant 2602.03435v2, version corrigée) évaluent trois stratégies de commande optimale pour piloter des robots hybrides rigides-souples, une catégorie de systèmes sous-actionnés particulièrement difficile à contrôler dynamiquement. Ils s'appuient sur le modèle Geometric Variable Strain, une avancée récente qui permet de calculer des dérivées analytiques plutôt que numériques, réduisant ainsi le coût de calcul habituellement prohibitif pour ces modèles de haute dimension. Trois méthodes sont comparées: la collocation directe, la programmation dynamique différentielle et la commande prédictive non linéaire (NMPC). Pour gérer la raideur numérique propre aux dynamiques des continuums souples et les contraintes d'actionnement, les chercheurs emploient des schémas d'intégration implicites et des stratégies de démarrage à chaud (warm-start). Les tests portent sur trois bancs d'essai simulés de type balancier (swing-up): le Soft Cart-Pole, le Soft Pendubot et le Soft Furuta Pendulum, tous combinant éléments rigides et souples de haut ordre. Ce travail s'attaque à un angle mort de la robotique souple: la plupart des méthodes existantes se limitent à des comportements quasi-statiques, alors que des tâches dynamiques comme le swing-up exigent une exploitation fine de la dynamique continue du matériau. Les modèles simplifiés utilisés jusqu'ici échouent souvent à capturer cette complexité. En démontrant qu'une commande optimale basée modèle reste applicable à des systèmes hybrides rigides-souples de haute dimension sans sacrifier la précision, l'étude ouvre la voie à des applications où la souplesse structurelle doit coexister avec des mouvements rapides et contrôlés, un enjeu pour la manipulation délicate ou les actionneurs bio-inspirés. Le papier s'inscrit dans la lignée des recherches sur les "continuum soft robots", où le calcul de dérivées analytiques via des modèles géométriques à déformation variable a récemment levé un verrou technique majeur. En comparant systématiquement collocation directe, DDP et NMPC sur des bancs d'essai communs, les auteurs fournissent une base de référence (benchmark) reproductible pour la communauté, plutôt qu'une simple démonstration isolée, avec les compromis de performance et de coût de calcul explicitement documentés pour guider de futurs choix d'implémentation.

Recherche❖Paper

1 source

31

1213arXiv cs.RO 

Conscience contextuelle robotique pour la collaboration humain-robot et la compréhension de l'environnement

Une thèse de doctorat publiée sur arXiv (référence 2607.10372v1) s'attaque à un problème central pour les robots mobiles autonomes appelés à quitter les usines cloisonnées pour des environnements partagés avec des humains, comme la logistique, la santé ou les lignes de production mixtes. Les travaux se structurent autour de deux axes complémentaires. Le premier porte sur la ré-identification et le suivi d'une personne spécifique par un robot mobile, permettant à la machine de cibler sa collaboration sur un opérateur donné tout en ignorant les autres personnes présentes dans la scène, un prérequis pour des tâches de collaboration homme-robot ciblées plutôt que génériques. Le second axe vise à enrichir la perception géométrique et sémantique de l'environnement par le robot, combinant compréhension spatiale (utile à la planification de trajectoire et à l'évitement de collision) et compréhension sémantique des objets et acteurs présents, pour des interactions plus adaptées au contexte. L'enjeu dépassé ici est celui, bien identifié dans la littérature robotique, du fossé entre perception basique et véritable conscience contextuelle: un robot peut cartographier une pièce sans comprendre qui s'y trouve ni pourquoi, ce qui limite sa capacité à adapter son comportement en temps réel. Pour les intégrateurs industriels, ce type de brique logicielle conditionne directement la sécurité et la fluidité des déploiements en environnement humain dense, notamment en logistique et en santé où la coexistence homme-machine est quotidienne. Il s'agit toutefois de travaux de recherche académique et non d'un produit ou d'un système commercialisé; aucun chiffre de performance (précision de ré-identification, latence, taux de succès) n'est donné dans le résumé, ce qui invite à la prudence avant toute extrapolation vers un cas d'usage industriel concret. Cette thèse s'inscrit dans un courant de recherche plus large sur la perception sémantique embarquée, alimenté par les progrès récents des modèles de vision et de langage appliqués à la robotique. Elle ne mentionne pas de partenariat industriel ni de plateforme robotique spécifique, et ne fournit pas de calendrier de transfert vers un produit. Les prochaines étapes attendues pour ce type de travaux sont généralement une validation expérimentale plus poussée sur robot réel, puis une éventuelle intégration dans des piles logicielles commerciales de navigation et d'interaction homme-robot.

Recherche❖Paper

1 source

29

1214arXiv cs.RO 

De la non-rigidité à la rigidité : acquisition sécurisée de graphes de communication rigides sous détection limitée

Une équipe de recherche publie sur arXiv (2607.10170, juillet 2026) une méthode pour construire et maintenir, en temps réel, un graphe de communication rigide entre robots évoluant en formation, sans supposer au départ que ce graphe soit déjà rigide. Le problème visé est concret : dans les architectures de contrôle de formation multi-robots, les liens de communication ne sont établis ou rompus qu'en fonction de portées de détection limitées, ce qui rend la rigidité difficile à garantir et à conserver en conditions dynamiques. Les auteurs proposent un contrôleur distribué, basé sur une optimisation quadratique peu coûteuse en calcul, organisé selon une architecture leader-suiveurs et reposant sur un consensus hiérarchique du second ordre entre robots. Point technique notable : les agents suiveurs n'ont besoin d'aucune position absolue globale, ni celle des autres robots, ni même la leur. La méthode garantit en outre l'absence de collision entre robots et s'applique à des systèmes multi-robots hétérogènes et non linéaires. Elle a été validée à la fois en simulation et lors d'expériences matérielles en environnement de capture de mouvement (motion-capture), avec des performances jugées fiables malgré les capacités de détection limitées de chaque robot pris individuellement. L'enjeu dépasse la seule démonstration académique : la rigidité du graphe de communication est une condition de base pour la plupart des approches de contrôle de formation en essaims ou flottes de robots, qu'il s'agisse de drones, de robots mobiles autonomes (AMR) ou de systèmes hétérogènes combinant plusieurs types d'agents. Or la plupart des méthodes existantes supposent un graphe rigide dès l'initialisation, une hypothèse peu réaliste sur le terrain où la portée de détection est bornée et où les robots peuvent perdre ou gagner des voisins en cours de mission. En supprimant cette hypothèse et en évitant de dépendre d'un positionnement global (GPS ou équivalent), l'approche répond à une contrainte pratique centrale pour le déploiement de flottes en environnements sans infrastructure de localisation centralisée, comme les intérieurs d'usine, les tunnels ou les zones GPS-denied. Ce travail s'inscrit dans un courant de recherche plus large sur la théorie de la rigidité appliquée au contrôle formationnel multi-robots, un domaine actif depuis une quinzaine d'années en robotique distribuée et en théorie des graphes appliquée au contrôle. Les architectures leader-suiveurs et les méthodes de consensus du second ordre constituent des briques déjà largement étudiées séparément ; la contribution ici tient à leur combinaison pour garantir, sous contrainte de portée de détection limitée, l'acquisition et non simplement le maintien de la rigidité. Les auteurs ne précisent pas de calendrier de transfert vers des plateformes commerciales ; la validation reste à ce stade limitée à un environnement de capture de mouvement en laboratoire, une étape intermédiaire avant tout déploiement en conditions réelles non instrumentées.

Recherche❖Paper

1 source

42

1215Pandaily 

Unitree Robotics s'associe à Hunan Steel : l'émergence d'une entreprise d'infrastructure IA physique

Unitree Robotics a signé un accord de coopération stratégique avec le groupe sidérurgique Hunan Iron and Steel Group (Hunan Steel), l'un des plus grands producteurs d'acier chinois, dans le cadre d'un partenariat tripartite impliquant également Looper Robotics, une société d'infrastructure d'IA physique spécialisée dans la perception spatiale. Les trois parties vont créer ce qui est présenté comme le premier laboratoire d'innovation en robotique à intelligence incarnée du secteur sidérurgique, couvrant l'inspection et la maintenance intelligentes, la gestion des urgences, la mise en œuvre d'usines intelligentes, l'exécution de production automatisée et la logistique d'entrepôt. Dans cette répartition des rôles, Hunan Steel fournit les scénarios d'application concrets, Unitree le matériel robotique (robots quadrupèdes, humanoïdes ou à roues), et Looper Robotics la couche de perception spatiale via une caméra embarquée intégrant VIO/VSLAM, vision, cartographie, localisation et navigation autonome, compatible avec l'écosystème ROS. L'enjeu tient à la difficulté propre à l'environnement sidérurgique. Les couloirs de convoyeurs à bande y cumulent poussière, vibrations, chaleur intense, faible luminosité et gaz dangereux, rendant les inspections manuelles limitées en fréquence et sujettes à des détections tardives : une simple déchirure de bande ou une défaillance de roulement peut provoquer des heures d'arrêt de production, des rejets environnementaux ou des incidents de sécurité. Ce déploiement illustre un basculement de l'industrie de l'IA incarnée, qui quitte les démonstrations de laboratoire et les vidéos virales pour des mises en œuvre industrielles réelles. Réussir dans un environnement aussi contraignant que celui d'une aciérie constitue une validation qui pourrait faciliter le transfert de cette technologie vers d'autres secteurs comparables, comme l'énergie, la manufacture, l'entreposage ou la logistique, où des besoins similaires de surveillance et d'inspection existent. À noter que la présentation de ce laboratoire comme une première du secteur reste une revendication commerciale des parties prenantes, non vérifiée de façon indépendante. Ce partenariat traduit aussi une standardisation croissante du matériel robotique, qui déplace le point de friction vers la fiabilité de la perception, de la navigation et de l'exécution des tâches en conditions réelles. Le modèle à trois niveaux qui se dessine ici, un fabricant de robots (Unitree) pour le corps, un fournisseur d'IA spatiale (Looper Robotics) pour le cerveau perceptif et décisionnel, et un client industriel (Hunan Steel) pour les exigences métier, illustre une division du travail émergente dans l'écosystème de la robotique industrielle incarnée, où chaque couche technologique peut progresser indépendamment des autres, accélérant le rythme global de déploiement.

Industriel❧Opinion

1 source

47

121636Kr 

Robot humanoïde : Zhiji Dongli boucle un tour pré-IPO de 200 millions de dollars, valorisation à 15 milliards de yuans

Le fabricant chinois de robots humanoïdes LimX Dynamics (逐际动力) a bouclé un tour de financement pre-IPO d'environ 200 millions de dollars, portant sa valorisation post-money à 15 milliards de yuans (environ 2,1 milliards de dollars). Les investisseurs incluent IDG Capital, le fabricant de verre Lens Technology, GGG Group, Redstone VC, Huashan Capital et le fonds public de Hefei Binhu, aux côtés du fonds émirati Stone Venture qui a réinvesti sur plusieurs tours, ainsi que d'anciens actionnaires comme Oasis Capital, Cornerstone Capital, NIO Capital et Shangqi Capital qui ont sursouscrit. Ce tour porte le total levé par l'entreprise à 400 millions de dollars sur six mois. LimX a achevé sa transformation en société par actions en mars 2026 et aurait déjà enclenché une procédure d'introduction en bourse début 2026. Les fonds serviront à industrialiser sa technologie de fusion "cerveau/cervelet" et à déployer plusieurs milliers d'unités autonomes, notamment au Moyen-Orient, en Europe et en Asie. Ce tour illustre la bascule du secteur humanoïde chinois d'une logique de démonstration vers une logique de volumes commerciaux : LimX revendique plusieurs milliers de commandes cumulées, plus de la moitié à l'export, un chiffre à prendre avec prudence tant que les livraisons effectives ne sont pas détaillées poste par poste. La mise en avant de FluxVLA Engine, une plateforme open-source destinée aux développeurs pour standardiser l'entraînement de modèles VLA (vision-langage-action), traduit un pari stratégique différent des approches "un seul modèle généraliste" : LimX mise sur une multitude de modèles verticaux spécialisés, un choix qui pourrait démocratiser l'accès à l'entraînement de robots embarqués si l'écosystème de développeurs suit réellement. Sur le plan produit, LimX a lancé en mai 2026 Luna, un humanoïde de 160 cm à 27 degrés de liberté capable de démarches de mannequin et de chorégraphies, livré en moins d'un mois à des clients chinois et étrangers. Le même mois, TRON 2, robot modulaire reconfigurable entre bras double, bipède et roues-pattes, a été proposé aux chercheurs et industriels. L'architecture technique de l'entreprise repose sur trois couches : System 0 pour la motricité globale, System 1 pour les capacités VLA du robot, et System 2, le système d'exploitation cognitif COSA combinant modèles de langage et modèles du monde.

Chine/Asie⚡Actu

1 source

42

1217Interesting Engineering 

Regardez : le premier modèle d'IA nativement incarnée promet des robots plus intelligents et plus performants

Robbyant, filiale d'intelligence artificielle incarnée du groupe chinois Ant Group (maison mère d'Alipay), a présenté LingBot-VA 2.0, un modèle de monde vidéo-action que l'entreprise qualifie de premier du secteur conçu nativement pour la robotique plutôt qu'adapté de systèmes de génération vidéo destinés au contenu numérique. Le modèle repose sur une architecture autorégressive entraînée depuis zéro : il prédit comment les actions d'un robot modifient son environnement, puis choisit l'action suivante à partir de ces relations causales. Robbyant met en avant quatre innovations : un tokenizer visuel-action sémantique compressant conjointement image et action, un pré-entraînement causal strict garantissant l'ordre temporel des prédictions, une architecture Mixture of Experts augmentant la capacité sans alourdir l'inférence, et un mécanisme d'inférence asynchrone qui recale en continu les prédictions sur les observations réelles pendant l'exécution. Selon l'entreprise, cette combinaison permet un contrôle en boucle fermée à 150 Hz sur un seul GPU, et le modèle s'adapte à une nouvelle tâche de manipulation avec seulement 20 démonstrations, par apprentissage en contexte, sans réentraînement. Robbyant a montré le système sur des tâches longues et précises : préparer un petit-déjeuner, déballer des colis, insérer des tubes, ramasser des vis, plier du linge, ouvrir des tiroirs. L'entreprise revendique aussi de meilleurs résultats que les méthodes existantes sur les benchmarks de simulation RoboTwin 2.0 et LIBERO. Ce lancement illustre un changement de philosophie dans les modèles fondation pour la robotique. La plupart des systèmes d'IA incarnée actuels réutilisent des modèles vidéo pensés pour générer du contenu grand public, qui privilégient qualité d'image et créativité au détriment de la précision physique et de la vitesse d'exécution. Adapter ces modèles à la robotique, selon Robbyant, dégrade la généralisation, un constat qui rejoint le débat récurrent dans le secteur des modèles vision-langage-action (VLA) sur l'écart entre démonstrations impressionnantes et fiabilité réelle. Si les chiffres avancés se confirment au-delà des vidéos sélectionnées par l'entreprise, ils positionneraient LingBot-VA 2.0 comme alternative face à des VLA généralistes comme Pi-0 ou GR00T N2, avec un argument clé pour les intégrateurs : moins de données pour déployer un nouveau geste, et un temps de cycle compatible avec du matériel limité à un seul GPU. La mémoire à long terme mise en avant, permettant de distinguer des situations visuellement identiques mais contextuellement différentes et d'exécuter des tâches multi-étapes avec comptage et répétition, répond à une limite connue des politiques robotiques actuelles sur les séquences longues. Robbyant a accéléré ses investissements en robotique humanoïde et modèles fondation physiques, dans un contexte où les groupes technologiques chinois, Ant Group mais aussi Unitree, AgiBot ou Xiaomi, intensifient la compétition face à des acteurs américains comme Figure AI ou Physical Intelligence. LingBot-VA 2.0 succède à une première version et s'inscrit dans une stratégie où l'entreprise dit vouloir accélérer le développement d'un écosystème ouvert, sans préciser de calendrier de commercialisation, de partenariats industriels ni de premiers déploiements pilotes. Pour l'instant, la démonstration reste cantonnée aux benchmarks de simulation et aux vidéos publiées par l'entreprise, sans validation indépendante en environnement de production, une réserve qui s'applique à la plupart des annonces de modèles fondation robotiques cette année.

IA physique❧Opinion

1 source

35

1218Interesting Engineering 

Robot flottant inspiré de Tinker Bell et Mew, une nouvelle vision de la compagnie robotique domestique

Un robot compagnon flottant, gonflé à l'hélium et inspiré de Tinker Bell, de Mew (Pokémon) et des esprits de suie du Studio Ghibli, a été présenté par une équipe de l'université Keio à Tokyo, en collaboration avec le MIT Media Lab. Baptisé dans la littérature "soft floating robot" (SFR), le prototype ressemble à une petite baleine blanche qui se déplace dans les airs à l'aide d'ailes battantes en fibre de carbone, sans hélices apparentes. Sa structure combine une enveloppe à hélium, des micro-servomoteurs légers, un microcontrôleur et une batterie lithium compacte. Le battement symétrique des ailes assure la propulsion, tandis qu'un mouvement différentiel des ailes permet la direction. L'hélium ne fournissant qu'environ un gramme de portance par litre, la charge utile reste le principal verrou technique, ce qui pousse les chercheurs à recommander des composants électroniques de qualité drone et un déport du calcul lourd vers des systèmes externes. Au-delà du prototype, l'équipe a construit ce qu'elle présente comme le premier cadre de conception systématique pour ce type de robot, élaboré à partir des retours de douze experts en robotique, en interaction homme-machine et en design, et structuré autour de dix dimensions clés (mobilité, communication, apparence physique, mouvement, interaction, rôle relationnel, niveau d'autonomie). L'intérêt de cette approche tient moins à la performance qu'à une proposition différente de sécurité et d'usage de l'espace domestique. Contrairement aux drones classiques, qui reposent sur l'évitement d'obstacles pour limiter les risques de collision, le SFR mise sur ce que les chercheurs appellent la "sécurité par la compliance" : sa légèreté et son enveloppe souple rendent un contact accidentel avec une personne, un animal ou un meuble largement inoffensif, au point d'envisager des interactions tactiles volontaires comme des nudges ou des câlins. La portance par hélium libère aussi le robot des contraintes du sol ou du plafond : il peut évoluer au-dessus des meubles, dans les cages d'escalier, ou se positionner à hauteur des yeux, des zones inaccessibles à un robot à roues et bien moins intrusives qu'un drone à rotors, silencieux de surcroît puisque l'essentiel de son poids est porté par le gaz plutôt que par la poussée aérodynamique. Pour l'industrie de la robotique domestique, ce travail reste toutefois un exercice de recherche et un cadre méthodologique, pas un produit : il ne règle ni l'autonomie énergétique, ni la production en série, ni le passage d'une démonstration en laboratoire à un usage réel prolongé chez un particulier. Le projet s'inscrit dans une recherche plus large sur des compagnons robotiques pensés comme une présence physique complémentaire aux smartphones et enceintes connectées, plutôt que comme leur remplacement. Dans les démonstrations, l'appareil réveille l'utilisateur, délivre des rappels, tient compagnie pendant une séance de travail, danse aux côtés de son propriétaire ou propose un divertissement ludique. Le cadre de conception publié par l'équipe reste volontairement ouvert à d'autres modes de propulsion déjà testés ou envisagés, comme des nageoires inspirées des poissons, des actionneurs façon méduse, une poussée vectorielle ou des micro-souffleurs à ultrasons sans hélice. Aucun acteur français ou européen n'est associé à ces travaux, qui se positionnent plutôt en amont de la chaîne de valeur, du côté de la recherche académique en interaction homme-robot, avant toute perspective de commercialisation ou de pilote industriel.

Recherche❖Paper

1 source

43

1219MIT News Robotics 

Les agents IA créent des terrains de jeu virtuels pour fournir aux robots des données d'entraînement essentielles

Des chercheurs du MIT CSAIL et du Toyota Research Institute ont présenté SceneSmith, un système qui génère des environnements 3D synthétiques pour entraîner des robots en simulation. L'outil s'appuie sur trois agents IA reposant chacun sur GPT-5.2, un modèle vision-langage (VLM) entraîné sur du texte et des images à grande échelle : un agent "designer" génère les éléments de la scène (murs, objets, mobilier), un agent "critique" évalue le réalisme du résultat, et un "orchestrateur" gère les allers-retours entre les deux jusqu'à validation finale. Les chercheurs ont produit plus de 1300 scènes de ce type, couvrant des restaurants, chambres, hôtels et garages, avec jusqu'à six fois plus d'objets par scène que les méthodes précédentes. Sur simple requête textuelle ("un garage avec une voiture, un établi, des pneus empilés dans un coin et une échelle contre le mur"), le système produit une scène directement chargeable dans un moteur de simulation physique. Nicholas Pfaff, doctorant au MIT EECS et auteur principal de l'étude aux côtés de Russ Tedrake, professeur au MIT et chercheur principal au CSAIL, note que le système a improvisé des arrangements créatifs sans instruction explicite en ce sens. Dans une phase de test, les chercheurs ont généré 100 environnements uniques pour évaluer des politiques d'action robotiques (des plans de tâches comme déposer une tasse dans l'évier ou déplacer une canette d'une étagère à une table). Un agent VLM a jugé chaque tentative, et ses verdicts ont concordé avec l'avis humain dans plus de 99% des cas. L'enjeu principal reste le goulot d'étranglement des données pour l'apprentissage robotique : entraîner physiquement un robot à chaque tâche, dans chaque environnement, est coûteux en temps et en main d'œuvre. La simulation est identifiée depuis des années comme solution potentielle, mais butait jusqu'ici sur la pauvreth et le manque de diversité du contenu généré, loin de la richesse du monde réel. Si les résultats de validation à 99% se confirment sur d'autres benchmarks, SceneSmith apporterait un début de réponse concrète à ce problème en permettant de tester et filtrer les politiques robotiques en simulation avant tout déploiement physique, réduisant d'autant les essais-erreurs coûteux sur du matériel réel. Pour les intégrateurs et équipes de R&D robotique, cela ouvre la possibilité de valider un plus grand nombre de comportements avant la mise en service, un enjeu classique de l'écart entre démonstration et réalité opérationnelle. Le projet s'inscrit dans la continuité des travaux du laboratoire de Russ Tedrake au CSAIL sur la simulation physique et l'apprentissage robotique, en partenariat avec le Toyota Research Institute, acteur historiquement actif sur la robotique domestique et industrielle. La question de la validité de ces mondes virtuels, à savoir dans quelle mesure leur réalisme se traduit effectivement par un transfert réussi vers le monde physique (le fameux problème du "sim-to-real"), reste ouverte : les chercheurs indiquent avoir engagé des vérifications supplémentaires sur ce point, sans que les détails de cette validation ne soient encore précisés.

Recherche❖Paper

1 source

42

1220New Atlas Robotics 

Premier robot de la taille d'un oiseau capable de nager, plonger et redécoller en vol

Des chercheurs du MIT et de l'EPFL ont mis au point un robot inspiré des oiseaux plongeurs, capable de nager, plonger puis reprendre son envol en utilisant une seule et même paire d'ailes, sans hélices, sans pattes et sans mécanisme de pliage façon origami pour changer de mode. Le prototype, de la taille d'un oiseau, reproduit le comportement de certaines espèces comme les fous de Bassan ou les guillemots, qui plongent dans l'eau à haute vitesse avant de ressortir en vol. Les équipes ont travaillé sur la mécanique des ailes pour qu'elles remplissent une double fonction aérodynamique et hydrodynamique, un défi technique généralement contourné dans la robotique existante par l'ajout d'organes séparés pour chaque mode de locomotion. Cette prouesse est significative pour la robotique bio-inspirée car elle démontre qu'un seul appendice mécanique peut gérer deux régimes physiques très différents, l'air et l'eau, sans transformation structurelle ni actionneurs supplémentaires. Pour les ingénieurs travaillant sur les drones et véhicules multi-milieux, cela ouvre une piste de conception plus légère et plus fiable, avec moins de points de défaillance mécanique qu'une architecture à modules interchangeables. C'est aussi un signal pour les applications de surveillance environnementale ou océanographique, où un même engin pourrait observer depuis les airs et sous la surface sans changement d'équipement. Le projet s'inscrit dans la lignée des recherches en biomimétisme portées depuis plusieurs années par le laboratoire de systèmes intelligents de l'EPFL et par des groupes du MIT travaillant sur les drones bio-inspirés, qui avaient déjà exploré des ailes déformables pour le vol seul. La concurrence sur les robots multi-milieux inclut notamment des travaux antérieurs sur des drones capables de plonger brièvement, mais sans la capacité de nage soutenue ni de redécollage répété démontrée ici. Les chercheurs visent désormais à améliorer l'endurance et la robustesse du système en conditions réelles, avec des essais en mer évoqués comme prochaine étape, sans calendrier de commercialisation précisé à ce stade.

Recherche❖Paper

1 source

50

1221Robot Magazine FR 

Mistral AI lance Robostral Navigate

Reformuler ce communiqué en article journalistique neutre, en signalant que les chiffres proviennent uniquement de la communication Mistral, sans donnée sim-to-real indépendante. --- Mistral AI a présenté Robostral Navigate, un modèle de navigation robotique construit selon une architecture Vision-Language-Action : une caméra RGB classique et des instructions en langage naturel remplacent la combinaison habituelle LiDAR, caméras de profondeur, centrale inertielle et cartographie SLAM. Le modèle compte 8 milliards de paramètres, une taille pensée pour tourner sur des plateformes embarquées à ressources limitées plutôt que sur des clusters distants. Selon Mistral, l'entraînement s'est appuyé sur près de 400 000 trajectoires générées dans plus de 6 000 environnements simulés, couvrant bureaux, entrepôts, usines et logements. En fonctionnement, le pipeline doit interpréter le flux vidéo, comprendre la consigne, localiser la cible, planifier une trajectoire, éviter les obstacles fixes et mobiles, et corriger sa position en continu, l'ensemble devant tenir dans un budget de quelques dizaines de millisecondes par cycle de décision. L'intérêt pour les fabricants de robots mobiles tient d'abord au coût : une caméra RGB se chiffre en dizaines d'euros contre plusieurs centaines, voire milliers d'euros pour un LiDAR industriel, ce qui allège aussi bien la facture matérielle que l'intégration logicielle. Sur le fond, Robostral Navigate teste à l'échelle de la navigation pure une hypothèse déjà explorée côté manipulation par les modèles VLA : qu'un système entraîné majoritairement en simulation puisse généraliser à des environnements réels variés sans empiler les capteurs. C'est une promesse à vérifier plutôt qu'un résultat acquis, les chiffres de 400 000 trajectoires et 6 000 environnements provenant uniquement de la communication de Mistral, sans benchmark tiers ni donnée publiée sur l'écart sim-to-real en conditions réelles. Pour les intégrateurs et décideurs industriels, la question qui reste ouverte est celle de la robustesse hors simulation, dans des lieux encombrés, mal éclairés ou changeants. Mistral AI, jusque-là identifiée aux grands modèles de langage (Mistral Large, Mixtral) et positionnée comme l'alternative européenne face à OpenAI et Google, franchit ici son premier pas affiché vers la Physical AI, terrain déjà occupé par NVIDIA avec GR00T N2, Figure AI avec Helix, ou Physical Intelligence avec Pi-0. L'entreprise française n'a pas communiqué de calendrier de déploiement industriel ni de partenariat matériel identifié à ce stade ; Robostral Navigate reste, en l'état des informations disponibles, une annonce de capacité logicielle plutôt qu'un produit livré ou testé en flotte réelle.

FR/EU ecosysteme⚡Actu

1 source

39

1222Interesting Engineering 

Les robots sans électronique pourraient ressentir et réagir instantanément grâce à de nouveaux capteurs souples

Une équipe du College of Design and Engineering de la National University of Singapore (NUS CDE) a mis au point un capteur de force entièrement mécanique baptisé ME-SOFS (mechanical soft force sensor), capable de détecter un contact et de déclencher une réaction sans électronique, sans ordinateur ni alimentation externe. Imprimé en 3D dans une structure souple et poreuse, le dispositif comprend un pilier central entouré de cinq chambres remplies de fluide, quatre disposées horizontalement et une verticalement. Lorsqu'une force est appliquée, le pilier s'incline vers le point de contact, comprime la chambre correspondante et pousse le fluide à travers des tubes souples jusqu'à des actionneurs robotiques, créant une réponse immédiate sans traitement électronique. Chaque chambre fonctionnant indépendamment, le système distingue les forces horizontales, latérales et verticales, et sa sensibilité peut être ajustée en modifiant la géométrie imprimée (diamètre des trous, épaisseur des parois, angle du pilier). Le capteur produit aussi une sortie électrique passive : le déplacement du fluide fait passer de petits aimants devant des arcs métalliques imprimés en 3D, générant des impulsions de tension par induction électromagnétique, sur le principe d'une dynamo de vélo, dont le nombre correspond à la force appliquée. L'équipe l'a intégré à un gant souple doté de cinq capteurs miniatures de la taille d'un petit pois, imprimé en une seule pièce, mesurant la force de préhension à chaque doigt et estimant le poids d'objets saisis. Un pad haptique a également permis à un opérateur de sentir la force de préhension d'une pince robotique en manipulant œufs, blocs de bois et bouteilles d'eau, les données recueillies servant ensuite à réentraîner le robot pour reproduire ces gestes de façon autonome. Le système tolère des températures d'eau jusqu'à 90°C. L'intérêt pratique tient à l'absence totale de circuits de contrôle électroniques, un atout pour les robots souples opérant sous l'eau, dans le corps humain ou dans d'autres environnements hostiles où l'électronique tombe facilement en panne. Cecilia Laschi, du département de génie mécanique de la NUS CDE, y voit une forme de calcul porté par le corps physique du robot lui-même, comparable au rôle du système nerveux chez les organismes vivants. Pour les concepteurs de prothèses, d'interfaces homme-machine ou de préhenseurs souples, cela ouvre la voie à des architectures plus simples, avec moins de points de défaillance et un retour tactile natif. Ce travail s'inscrit dans le courant de recherche sur le calcul morphologique, où la mécanique de la structure remplace une partie du contrôle logiciel habituellement confié à l'électronique embarquée. Il reste toutefois au stade du prototype de laboratoire, sans annonce de partenaire industriel ni de calendrier de commercialisation, et aucun acteur français ou européen du secteur n'est associé à ces travaux.

Recherche❖Paper

1 source

38

1223Robohub 

Le bracelet permet de contrôler une main robotique par ses propres mouvements

Des chercheurs du MIT ont mis au point un bracelet à ultrasons capable de suivre en temps réel les mouvements de la main d'un porteur avec une précision inédite. Le dispositif produit des images échographiques des muscles, tendons et ligaments du poignet pendant que la main bouge, images qu'un algorithme d'intelligence artificielle traduit en continu en positions des cinq doigts et de la paume. L'équipe, dirigée par Xuanhe Zhao, professeur de génie mécanique au MIT, et Gengxi Lu, a présenté ses résultats dans un article publié dans Nature Electronics. Lors des démonstrations, un porteur du bracelet a pu piloter sans fil une main robotique en reproduisant simplement ses propres gestes : le robot a ainsi joué un air simple au piano et envoyé un petit ballon dans un panier de bureau. Le même bracelet permet aussi de manipuler des objets virtuels à l'écran, par exemple en pinçant les doigts pour agrandir ou réduire un élément graphique. Les travaux associent des équipes du MIT et de l'University of Southern California, avec la contribution du professeur Qifa Zhou. Cette approche s'attaque à un problème concret pour l'industrie robotique et la réalité augmentée : le suivi fin des gestes de la main reste un goulot d'étranglement technique. Les systèmes par caméra souffrent d'occlusions visuelles et nécessitent une infrastructure lourde ; les gants à capteurs limitent la liberté de mouvement et les sensations naturelles ; les capteurs électromyographiques, qui lisent les signaux électriques des muscles de l'avant-bras, restent sensibles au bruit et peinent à distinguer les mouvements intermédiaires entre deux positions extrêmes. L'imagerie ultrasonore, elle, capte directement l'activité mécanique des tissus et pourrait offrir un suivi continu et fin, exploitable aussi bien pour remplacer les capteurs de mouvement en AR/VR que pour générer, à grande échelle, des données d'entraînement pour des robots humanoïdes dexterité, un besoin identifié comme critique pour combler l'écart entre démonstrations en laboratoire et déploiement réel des modèles vision-langage-action. Il s'agit à ce stade d'une preuve de concept académique, pas d'un produit commercialisé : les démonstrations de piano ou de basketball, bien que spectaculaires, restent des tâches simples et contrôlées en environnement de recherche. L'équipe du MIT, connue pour ses travaux sur les dispositifs portables et la robotique souple, prévoit maintenant de collecter des données auprès d'un plus grand nombre d'utilisateurs aux morphologies de main variées, afin de constituer un jeu de données massif. L'objectif affiché est de nourrir l'entraînement de robots humanoïdes sur des tâches de dextérité fine, y compris des gestes chirurgicaux, ainsi que des applications de jeu vidéo et de conception assistée par ordinateur.

Recherche❖Paper

1 source

45

1224Robotics & Automation News 

STMicroelectronics acquiert une participation dans Oversonic Robotics, développeur de robots humanoïdes

Oversonic Robotics, entreprise italienne spécialisée en robotique cognitive, annonce l'entrée à son capital de STMicroelectronics, de la Fondazione ENEA Tech Biomedical et du fonds SpotInvest. L'opération vise à accélérer le développement industriel, technologique et international de la société, créatrice de RoBee, présenté par l'entreprise comme le premier robot humanoïde cognitif certifié conçu pour opérer en environnements complexes. Le montant de l'investissement n'a pas été communiqué, et le communiqué reste flou sur les modalités précises de déploiement industriel prévues. Cette opération est révélatrice d'un mouvement plus large: les fabricants de semi-conducteurs cherchent désormais une exposition directe à la robotique humanoïde, au-delà des seuls contrats de fourniture de puces et capteurs. Pour STMicroelectronics, entrer au capital d'un fabricant de robot plutôt que de rester simple fournisseur de composants traduit une volonté de s'ancrer plus profondément dans la chaîne de valeur émergente des humanoïdes industriels. Pour les intégrateurs et décideurs B2B européens, ce soutien à un acteur italien constitue aussi un signal: face à la concurrence américaine (Figure AI, Tesla avec Optimus) et chinoise sur ce segment, l'Europe cherche à consolider ses propres champions, aux côtés d'autres initiatives comme le français Wandercraft. Oversonic Robotics développe RoBee depuis plusieurs années comme plateforme destinée à des tâches industrielles complexes, revendiquant une certification distinguant son robot des simples démonstrateurs. L'arrivée de ces nouveaux actionnaires, combinant un géant des semi-conducteurs, une fondation liée à la recherche biomédicale et un fonds d'investissement, doit permettre à l'entreprise de passer d'un stade de développement à une phase de commercialisation et de déploiements industriels plus larges, sans que le calendrier précis de ces prochaines étapes ait été détaillé pour l'instant.

FR/EU ecosysteme⚡Actu

1 source

46

1225arXiv cs.RO 

DemoBridge : une boîte à outils de simulation en boucle pour le retargeting de démonstrations humaines en vue unique

Une équipe de l'université KU Leuven (Belgique) publie DemoBridge, un outil qui transforme un enregistrement vidéo unique, en stéréo RGB, d'une démonstration manuelle humaine en une trajectoire de bras robotique exécutable et validée par simulation physique. Décrit dans un preprint arXiv daté du 13 juillet 2026 (arXiv:2607.09519), le système repose sur un planificateur unique conscient des collisions qui optimise la trajectoire articulaire complète en une seule passe, en tenant compte simultanément des poses de préhension alternatives, des collisions du bras et de l'objet saisi, et de la fidélité au geste démontré. Un simulateur physique tourne en boucle pendant la génération, valide chaque phase et revient en arrière en cas d'échec plutôt que d'abandonner la démonstration : le geste est replanifié, pas jeté. Le timing de la prise est déduit automatiquement, et les modules de perception, le modèle de robot et les étapes du pipeline sont interchangeables par configuration. L'équipe a testé l'ensemble du pipeline sur trois tâches réelles et évalué le planificateur seul sur un benchmark synthétique contrôlé. Le code est disponible sur le GitLab de KU Leuven. L'enjeu visé est le fossé d'incarnation ("embodiment gap") : un bras robotique, avec ses longs segments articulés, occupe bien plus de volume de collision qu'une main humaine, si bien que la cinématique inverse appliquée telle quelle à une pose de préhension démontrée n'a souvent aucune solution sans collision. Ce verrou freine l'apprentissage par démonstration à bas coût, où une simple vidéo caméra unique remplacerait la téléopération coûteuse utilisée pour collecter des données d'entraînement de modèles vision-langage-action comme Pi-0 ou GR00T N2. En doublant chaque démonstration retargetée d'un rollout de simulation exploitable pour l'apprentissage de politiques, DemoBridge s'inscrit directement dans la course à des données de manipulation moins chères à générer. Il s'agit d'un travail académique préliminaire, non d'un produit commercialisé : l'évaluation reste limitée à trois tâches réelles et un benchmark synthétique, sans déploiement industriel annoncé. Le choix d'une vue unique plutôt qu'un rig multi-caméras vise justement l'accessibilité, un axe que suivent aussi des laboratoires concurrents cherchant à réduire le coût de collecte de données d'imitation face aux approches par téléopération dominantes chez les acteurs américains du secteur.

FR/EU ecosysteme❖Paper

1 source

46

1226arXiv cs.RO 

Effets du toucher robotique sur des personnes âgées guidées à la marche par un robot humanoïde

Une étude publiée sur arXiv (arXiv:2607.09323, 13 juillet 2026) évalue comment des personnes âgées perçoivent le contact physique avec un robot d'assistance à la marche. Vingt-quatre participants âgés de 68 à 88 ans ont parcouru à quatre reprises une trajectoire de dix mètres guidés par le robot humanoïde TIAGo Pro (PAL Robotics), selon quatre modalités de contact : aucun contact physique (NC), prise de poignet main dans main (HH), bras liés comme en accompagnement humain (LA), et appui de l'avant-bras contre l'avant-bras du robot (FC). Les chercheurs ont combiné mesures physiologiques (électrocardiogramme, activité électrodermale), force de contact, distance interpersonnelle au robot et questionnaires subjectifs pour caractériser la réponse des participants à chaque mode d'interaction. Les résultats montrent une légère hausse du stress physiologique lors du contact avec le robot, mais une acceptation globale confirmée par les mesures comportementales et déclaratives. Les deux conditions impliquant les forces d'interaction les plus élevées, HH et FC, sont associées à une distance plus réduite entre le participant et le robot, signe d'une confiance et d'un confort accrus, un résultat corroboré par les questionnaires où sécurité perçue, confiance et confort ressortent plus fortement pour ces deux modalités. Pour l'industrie de la robotique de service et d'assistance gériatrique, ce travail apporte une donnée concrète rare dans un domaine où les démonstrations dépassent souvent la validation clinique : un contact ferme et stable est préféré à l'absence de contact chez les seniors, ce qui oriente directement les choix d'actionneurs, de préhenseurs et de stratégies de contrôle en force pour les robots d'accompagnement. Ce travail s'inscrit dans un contexte de pénurie de personnel soignant qui pousse les établissements gériatriques à envisager l'assistance robotique comme complément, notamment pour la mobilité, domaine où les capacités de navigation déclinent avec l'âge. Le choix du TIAGo Pro, plateforme mobile à bras déjà utilisée dans plusieurs projets de recherche en robotique d'assistance, illustre la maturité relative de cette catégorie de robots pour des essais avec humains fragiles. Les auteurs présentent leurs résultats comme une base de conception pour de futurs systèmes de guidage à la marche, sans toutefois évoquer de déploiement en établissement ni de calendrier de commercialisation.

Recherche❖Paper

1 source

45

1227arXiv cs.RO 

FlowDAgger : adaptation en boucle humaine des politiques génératives de robots dans l'espace latent

Microsoft Research publie FlowDAgger, une méthode d'adaptation des politiques robotiques génératives figées, via des interventions humaines directement dans l'espace latent (arXiv:2607.08877v1, prépublication non revue par les pairs). L'idée centrale, appelée « inversion d'action », consiste à faire correspondre chaque action démontrée par un opérateur humain au bruit qui, injecté dans la politique de base pré-entraînée (fondée sur le flow matching ou la diffusion), aurait produit cette même action. Ce bruit est retrouvé par intégration en temps inverse puis affiné localement, et sert ensuite à entraîner une politique latente légère qui vient piloter le modèle de base au moment du déploiement. L'équipe a testé la méthode en simulation et sur des tâches réelles de manipulation bi-bras et mono-bras, en adaptant à la fois des modèles VLA à tête d'action et des modèles dits « world-action », à partir d'une poignée d'interventions humaines seulement. L'enjeu dépasse la prouesse technique isolée : les politiques génératives pré-entraînées, aussi performantes soient-elles en démonstration, échouent régulièrement une fois sorties de leur distribution d'entraînement en conditions réelles. Jusqu'ici, corriger ces failles imposait soit de recollecter massivement des données, soit de lancer de l'apprentissage par renforcement en ligne sur du matériel physique, deux options lentes, coûteuses et risquées pour un robot en production. FlowDAgger propose une correction à faible coût d'échantillons et de calcul, qui préserve les compétences déjà acquises sur des tâches non revues, un point critique pour des modèles fondation coûteux à réentraîner comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI. Selon les auteurs, la méthode surpasse à la fois le fine-tuning supervisé classique et les approches de RL en espace latent sur les mêmes benchmarks. FlowDAgger s'inscrit dans la lignée de DAgger, algorithme classique d'apprentissage par imitation avec correction humaine en boucle, mais transposé à l'espace de bruit latent propre aux politiques par diffusion ou flow matching. Elle rejoint une vague plus large de travaux cherchant à rendre les politiques robotiques génératives pré-entraînées adaptables sur le terrain sans tout réentraîner. L'abstract ne précise pas de calendrier de mise à disposition du code ni de partenaire industriel ; seul un site de démonstration accompagne pour l'instant la publication.

Recherche❖Paper

1 source

43

1228arXiv cs.RO 

Validation de la réalité virtuelle pour l'étude de l'interaction humain-robot multimodale en navigation sociale de robots

Une équipe de recherche a testé si la réalité virtuelle (VR) permet d'étudier fidèlement les interactions humain-robot dans des scénarios de navigation sociale partagée. L'étude, menée avec 21 participants, a comparé leurs réactions face à un robot mobile manipulateur PR2 dans deux conditions identiques : une arène réelle équipée de capture de mouvement, et sa réplique virtuelle immersive en VR. Deux situations classiques de co-navigation ont été examinées, le croisement orthogonal et le dépassement latéral (pass-by). Les chercheurs ont recueilli à la fois des mesures subjectives, la perception de la conscience sociale du robot et le confort ressenti par les participants, et des données comportementales objectives, trajectoires de déplacement et orientation de la tête, pour comparer précisément les deux environnements. Résultat central : les participants perçoivent la navigation socialement consciente du robot de façon similaire dans les deux conditions, et les comportements observés en VR, trajectoires évitées, orientations du regard, correspondent à ceux mesurés en conditions réelles. Cette validation compte pour tout le secteur de la robotique sociale et des humanoïdes déployés en environnement partagé avec des humains, entrepôts, usines, espaces publics. Concevoir et tester des algorithmes de navigation socialement acceptable exige normalement des essais physiques coûteux, lents et parfois risqués pour les sujets humains. Si la VR reproduit fidèlement les dynamiques d'interaction multimodale, comme le suggèrent ces résultats, elle devient un outil d'itération rapide et sûr pour les équipes qui développent des comportements de navigation robotique, avant tout déploiement réel. C'est aussi une réponse partielle à un scepticisme répandu dans le secteur sur l'écart entre les études HRI menées en environnement contrôlé ou simulé et le comportement humain effectif face à un robot physique. Ce travail s'inscrit dans une lignée de recherches antérieures ayant déjà exploré la VR pour la navigation robotique socialement consciente, mais sans jamais confirmer explicitement que les dynamiques d'interaction multimodale observées en réel s'y retrouvaient. Le protocole within-subjects, chaque participant testant les deux conditions, renforce la robustesse de la comparaison. Les auteurs positionnent leur prototype VR comme une plateforme flexible pour de futures études sur des interactions humain-robot plus riches, ouvrant la voie à des campagnes de test à plus grande échelle sans dépendre systématiquement d'un robot physique et d'une arène de capture de mouvement, deux ressources rares et coûteuses dans les laboratoires de recherche en robotique.

Recherche❖Paper

1 source

42

1229arXiv cs.RO 

RoboStream : associer raisonnement spatio-temporel et mémoire dans les modèles vision-langage pour la robotique

Des chercheurs présentent RoboStream, un framework sans entraînement (training-free) destiné à améliorer la planification robotique par modèles vision-langage (VLM) sur des tâches de manipulation à long horizon. Le système repose sur deux mécanismes : les STF-Tokens (Spatio-Temporal Fusion Tokens), qui lient les preuves visuelles à des attributs géométriques 3D pour ancrer durablement les objets dans la scène, et un graphe causal spatio-temporel (CSTG) qui enregistre les transitions d'état déclenchées par chaque action successive. Sur le benchmark RLBench en configuration longue durée, RoboStream atteint 90,5% de réussite. Sur des tâches réelles de construction de blocs, jugées plus exigeantes, il obtient 44,4%, contre seulement 11,1% pour les deux systèmes de référence SoFar et VoxPoser. Ce résultat cible un problème connu des planificateurs VLM actuels: ils traitent chaque étape comme une observation isolée, sans mémoire des actions précédentes ni de leur effet sur l'environnement. Concrètement, un objet temporairement caché par le bras du robot ou par un autre élément de la scène est purement et simplement "oublié", ce qui provoque des violations de précondition en cascade sur les étapes suivantes. Pour les intégrateurs et équipes de R&D en robotique manipulatrice, l'écart de performance rapporté sur les tâches réelles (44,4% contre 11,1%) illustre un problème plus large que la démonstration de laboratoire ne masque pas toujours: la difficulté à maintenir une cohérence géométrique et causale sur des séquences longues, bien au-delà de la simple perception image par image. Le fait que la méthode soit annoncée comme fonctionnant sans fine-tuning supplémentaire est notable pour un déploiement pratique, si les résultats se confirment au-delà du cadre contrôlé de l'étude. Ce travail s'inscrit dans la lignée des approches de raisonnement spatial pour la robotique, en s'opposant frontalement aux architectures VoxPoser et SoFar, utilisées ici comme lignes de base. Il s'agit pour l'instant d'une publication de recherche (version 2 mise à jour sur arXiv), sans indication de mise en production ou de partenariat industriel; les auteurs ne précisent pas de calendrier de suite ni d'intégration matérielle spécifique.

Recherche⚡Actu

1 source

41

1230arXiv cs.RO 

Vol agile de quadrirotor entraîné en conditions réelles

Une équipe de recherche présente dans un article publié sur arXiv (2602.10111v2) un nouveau cadre d'apprentissage permettant à un quadricoptère de développer un vol agile directement dans le monde réel, sans passer par la simulation ni par une identification précise du système physique. Le système combine trois briques : l'Adaptive Temporal Scaling (ATS), qui explore activement les limites physiques de la plateforme, un apprentissage résiduel en ligne qui vient enrichir un modèle nominal simplifié du drone, et un algorithme baptisé RASH-BPTT (Real-world Anchored Short-horizon Backpropagation Through Time), qui met à jour la politique de vol en temps réel à partir de ce modèle hybride. Résultat mesuré en conditions réelles : partant d'une politique de base prudente plafonnée à 1,9 m/s, le drone atteint une vitesse de pointe de 7,3 m/s après environ 100 secondes de vol cumulé, en opérant proche des limites de saturation de ses actionneurs. L'intérêt de ces résultats dépasse la simple performance de vitesse. Les approches actuelles de vol agile par apprentissage reposent presque toujours sur un entraînement massif en simulation suivi d'un transfert Sim2Real, une méthode qui exige une modélisation très fine et qui reste vulnérable dès que le drone sort de la distribution de conditions prévues (rafales de vent, usure du matériel, etc.). Pour rester sûrs, ces systèmes doivent alors se contenter de marges de sécurité conservatrices, ce qui bride leur agilité réelle. En démontrant qu'une adaptation directement sur le terrain, sans phase de simulation préalable, peut faire progresser une politique de vol de façon rapide et sûre, ces travaux suggèrent que l'apprentissage en ligne n'est pas seulement un correctif pour compenser les erreurs de modèle, mais un véritable levier de montée en performance pour la robotique aérienne opérant en environnement incertain. Ce travail s'inscrit dans la lignée des recherches en contrôle adaptatif et en reinforcement learning appliqué aux drones de course, un domaine où les limites du Sim2Real classique sont documentées depuis plusieurs années. L'article ne précise pas de plan de déploiement commercial ni de partenaire industriel : il s'agit à ce stade d'une démonstration de recherche en laboratoire, dont la prochaine étape logique serait l'extension à d'autres plateformes robotiques mobiles confrontées aux mêmes contraintes de sécurité et de rareté des données d'exploration.

Recherche❖Paper

1 source

41

1231arXiv cs.RO 

PAC-ACT : post-entraînement acteur-critique pour transformeurs à segmentation d'actions

Des chercheurs proposent PAC-ACT, un cadre d'apprentissage par renforcement pour affiner après coup les politiques ACT (Action Chunking Transformer) déjà entraînées, publié le 13 juillet 2026 sur arXiv (2607.09590). Ces politiques, courantes en manipulation industrielle de précision au contact, sont habituellement entraînées par clonage comportemental (behavior cloning) puis souffrent d'un décalage de distribution dès que la tâche implique des contacts physiques répétés, sous des contraintes de force et de perturbations de pose. PAC-ACT reformule l'optimisation au niveau du "chunk" (bloc d'actions), construit une architecture acteur-critique dérivée d'ACT, et introduit une contrainte hybride de préservation du comportement pré-entraîné pendant le fine-tuning en ligne. Sur un benchmark industriel de contact de précision baptisé Contour, la méthode réduit fortement la force de contact maximale et divise par 46 la proportion de mesures de force dépassant 60 newtons, tout en conservant une latence d'inférence et une consommation de mémoire GPU faibles. L'enjeu dépasse la simple performance académique: les modèles vision-langage-action (VLA) généralisent bien mais restent trop lourds et lents pour du contrôle industriel temps réel, alors que les politiques de type ACT sont rapides mais fragiles dès que le contact physique entre en jeu, un défaut connu qui limite leur usage en usine sur des tâches d'assemblage ou d'insertion nécessitant une gestion fine de la force. En démontrant qu'un post-entraînement par renforcement peut corriger ce défaut sans sacrifier la vitesse d'exécution, PAC-ACT apporte une réponse concrète à un point de friction connu entre robotique de recherche et déploiement industriel réel, là où beaucoup d'annonces se limitent à des démonstrations en environnement contrôlé. Le travail s'inscrit dans la lignée des politiques ACT, popularisées pour leur efficacité dans l'apprentissage par imitation sur tâches manipulatoires fines, et cherche à combler leur principal talon d'Achille face aux approches VLA plus généralistes mais coûteuses en ressources. L'ablation en récompense éparse montre par ailleurs que la contrainte de préservation comportementale favorise une exploration efficace même avec des poses initiales aléatoires, ouvrant la voie à une validation plus large sur d'autres tâches de contact industriel avant un éventuel déploiement en conditions réelles.

Recherche❖Paper

1 source

39

1232arXiv cs.RO 

ReinforceGen : politiques de compétences hybrides avec génération automatisée de données et apprentissage par renforcement

Une équipe de recherche en robotique publie ReinforceGen, un système combinant décomposition de tâches, génération automatisée de données, apprentissage par imitation et planification de mouvement, le tout affiné par apprentissage par renforcement. Le principe consiste à segmenter une tâche de manipulation longue en plusieurs compétences localisées, reliées entre elles par un planificateur de mouvement. Ces compétences sont d'abord entraînées par imitation à partir d'un jeu de données généré depuis seulement 10 démonstrations humaines, puis affinées via adaptation en ligne et renforcement. Sur le benchmark Robosuite, ReinforceGen atteint 80% de taux de réussite sur l'ensemble des tâches en contrôle visuomoteur, dans la configuration la plus exigeante de réinitialisation des positions de départ. Des études d'ablation montrent que les étapes de fine-tuning apportent un gain de performance moyen de 89%. Le système a également été testé en conditions réelles, avec des améliorations significatives rapportées après affinage. Vidéos et résultats complémentaires sont disponibles sur le site du projet. La manipulation longue durée reste l'un des obstacles majeurs en robotique manipulative: enchaîner plusieurs sous-tâches sans dérive d'erreur cumulative est difficile pour l'imitation pure, tandis que le renforcement seul peine à converger sur des horizons longs sans démonstration initiale. En combinant les deux, ReinforceGen s'inscrit dans un mouvement plus large cherchant à réduire la dépendance aux données humaines coûteuses (ici seulement 10 démonstrations) tout en conservant une robustesse comparable à des méthodes plus gourmandes. Le passage réussi vers des évaluations réelles, au-delà de la simulation, est le point le plus significatif pour les acteurs industriels: il suggère que l'écart simulation-réel, souvent le talon d'Achille des politiques visuomotrices, peut être réduit par cette architecture hybride plutôt que par du pur scaling de données. Le papier, publié sur arXiv (version révisée, v2), s'appuie sur le benchmark Robosuite, référence standard pour comparer les politiques de manipulation robotique en simulation. Le score de 80% est annoncé dans le réglage le plus difficile testé, un détail à garder en tête: les performances dans des configurations moins contraignantes ne sont pas précisées dans le résumé. Aucun acteur commercial ni institution n'est nommé dans l'abstract, ce travail relevant pour l'instant de la recherche académique plutôt que d'un produit destiné à un déploiement industriel immédiat.

Recherche❖Paper

1 source

39

1233arXiv cs.RO 

Mono-shot d'apprentissage multimodal par démonstration avec cartes élastiques à contrainte de force

Une équipe de robotique publie sur arXiv (2607.09515v1) une méthode d'apprentissage par démonstration capable d'encoder simultanément le mouvement et les forces de contact à partir d'une seule démonstration. Le système repose sur deux briques techniques : un algorithme de segmentation probabiliste multimodale qui pondère dynamiquement les signaux spatiaux et les signaux de force pour extraire automatiquement des primitives de mouvement conscientes du contact, et une extension de la représentation dite "elastic maps" intégrant des contraintes de force externes, résolue via une optimisation convexe pour produire des trajectoires cohérentes avec les forces démontrées. Les auteurs valident l'approche sur cinq tâches de manipulation réelles et deux configurations matérielles distinctes : un bras UR5e équipé d'une pince Robotiq 2f-85 avec capteur de force au poignet, et un Kinova Gen3 avec une pince Openhand Model O dotée de capteurs de force aux doigts. Les résultats montrent une segmentation multimodale robuste, une reproduction fidèle des profils de force, et une généralité constatée sur les deux plateformes. L'enjeu dépasse la curiosité académique. La plupart des méthodes de Learning from Demonstration actuelles ne modélisent que la trajectoire spatiale, ignorant les forces de contact, ce qui pose problème dès qu'un robot doit insérer, essuyer, polir ou assembler des pièces avec un contact physique contraint. Pour les intégrateurs industriels, cette lacune se traduit par des gestes appris en simulation ou en démonstration pure qui deviennent dangereux ou inconsistants une fois transposés à des tâches de contact réel. Une méthode qui apprend le bon profil de force dès la première démonstration, sans réglage manuel ni multiples essais, réduirait le coût de programmation des cobots pour des tâches d'assemblage fin, un frein connu à l'adoption du LfD en production. Le travail s'inscrit dans la lignée des elastic maps, une représentation déjà utilisée pour encoder des trajectoires à partir de démonstrations, ici étendue aux contraintes physiques plutôt que purement géométriques. Il se positionne comme alternative aux approches classiques de type DMP ou GMM/GMR, généralement limitées au domaine spatial. Aucun calendrier de transfert industriel n'est annoncé ; il s'agit à ce stade d'une validation en laboratoire sur bras collaboratifs standards du marché.

Recherche❖Paper

1 source

39

1234arXiv cs.RO 

Analyse différentielle d'images multispectrales pour l'identification du terrain

Une équipe de recherche présente DRIFT, un framework léger d'analyse multispectrale pour l'identification de terrain destiné à la navigation robotique autonome, décrit dans un article publié le 13 juillet 2026 sur arXiv (2607.09319). Le système combine deux flux de traitement dans une architecture résiduelle à double branche : les bandes spectrales brutes captées par la caméra, et des ratios de bandes conçus pour neutraliser les variations d'éclairage et de gain capteur. Une branche de fusion différentielle vient ensuite comparer les signaux bruts et les ratios pour repérer les incohérences, ce qui renforce la robustesse face à des mesures spectrales bruitées ou partiellement fiables. Les chercheurs ont testé DRIFT sur deux scénarios concrets : un nouveau jeu de données de pétrole répandu sur sol, acquis par drone équipé d'une caméra MicaSense RedEdge-P, et une étude contrôlée d'eau sur herbe avec variations d'éclairage et de température (eau chaude et froide) pour isoler les effets sensibles au proche infrarouge (NIR). L'enjeu dépasse le cadre académique. La perception RGB classique, dominante dans la navigation robotique, échoue régulièrement en faible luminosité, sous des ombres portées ou face à des matériaux visuellement ambigus, des angles morts critiques pour des robots mobiles ou des drones opérant en extérieur, sur des chantiers ou en contexte industriel. En démontrant des gains constants sur des baselines solides tout en restant compatible avec un déploiement embarqué (edge), DRIFT s'inscrit dans une tendance vers des capteurs multispectraux abordables et exploitables en temps réel, plutôt que réservés à des applications de télédétection lourdes. Pour les intégrateurs travaillant sur des AMR (robots mobiles autonomes) en environnements extérieurs ou semi-structurés, cela ouvre la voie à une détection de terrain plus fiable sans dépendre uniquement de caméras RGB ou de LiDAR. Le travail s'inscrit dans la lignée des recherches en imagerie multispectrale appliquée à la robotique de terrain, un domaine encore largement expérimental comparé à la perception RGB ou LiDAR déjà industrialisée. L'article ne mentionne pas de partenaire industriel ni de calendrier de commercialisation : il s'agit à ce stade d'une contribution méthodologique et d'un nouveau jeu de données, pas d'un produit prêt à déployer.

Recherche❖Paper

1 source

39

1235arXiv cs.RO 

B-spline Policy : accélérer les politiques de manipulation via des représentations d'action B-spline

Des chercheurs viennent de publier sur arXiv (référence 2607.09648v1) une nouvelle méthode baptisée B-spline Policy, ou BSP, conçue pour accélérer l'exécution des politiques de manipulation robotique apprises par imitation. Contrairement à l'approche dominante qui consiste à prédire des séquences d'actions discrètes dans le temps ("action chunks"), BSP paramètre les actions du robot sous forme de courbes B-spline continues, définies par un ensemble de noeuds et de points de contrôle. Cette représentation produit des trajectoires lisses et continues dans le temps, qui peuvent ensuite être mises à l'échelle temporellement et exécutées par les contrôleurs bas niveau à des fréquences et des vitesses plus élevées. Les auteurs montrent que ces paramètres B-spline peuvent être prédits directement par des architectures de policy learning existantes, sans refonte majeure du pipeline d'entraînement. Les expériences, menées à la fois en simulation et sur des tâches de manipulation réelles, indiquent une réduction significative du temps d'exécution des tâches par rapport aux méthodes de référence, tout en conservant des taux de réussite comparables. L'enjeu est concret pour les équipes qui déploient des politiques de manipulation en usine ou en entrepôt: le goulot d'étranglement des approches par chunks discrets vient souvent de la fréquence de commande limitée et des à-coups introduits entre segments d'actions, ce qui oblige à ralentir l'exécution pour rester stable. En rendant la trajectoire continue et rééchelonnable dans le temps, BSP permettrait de gagner en vitesse de cycle sans changer de modèle de perception ni de politique d'apprentissage, un argument qui parle directement aux intégrateurs cherchant à rapprocher les démonstrations en laboratoire des cadences industrielles réelles. Cette contribution s'inscrit dans la lignée des travaux sur les représentations d'actions pour l'apprentissage par imitation, où des méthodes comme les chunks d'actions ou les politiques de diffusion ont dominé ces deux dernières années sans toujours résoudre le compromis entre vitesse d'exécution et fluidité des mouvements. En proposant une alternative paramétrique compatible avec les pipelines existants, les auteurs ouvrent une piste d'optimisation orthogonale, potentiellement combinable avec d'autres avancées récentes en manipulation robotique. Des résultats supplémentaires et le code sont disponibles sur b-spline-policy.github.io.

Recherche❖Paper

1 source

39

1236arXiv cs.RO 

Recherche décentralisée multi-agents sans communication sous contraintes budgétaires : Dec-MARVEL

Une équipe de chercheurs présente Dec-MARVEL, un cadre d'exploration décentralisé pour flottes de drones capables de coordonner leurs déplacements sans aucune communication ni partage de cartes, de messages ou d'objectifs entre robots. Chaque appareil s'appuie uniquement sur ses observations fortuites : la trajectoire d'un coéquipier détectée dans son champ de vision directionnel sert de signal de coordination implicite. Un acteur basé sur un mécanisme d'attention par graphe combine la géométrie locale des frontières inexplorées, le mouvement des autres robots et le budget de déplacement restant pour choisir des actions de type point de passage plus cap, tout en garantissant un retour possible à la base. L'entraînement repose sur des critiques conditionnés par phase, un critique privilégié orienté tâche utilisé uniquement en apprentissage, et un curriculum de budget basé sur un mélange de scénarios. Sur 900 essais tenus à l'écart de l'entraînement, couvrant trois tailles d'équipe (2, 4 et 8 robots) et trois budgets de déplacement (720, 800 et 1024 mètres), Dec-MARVEL obtient le meilleur taux d'exploration, ou à égalité, et le plus faible recouvrement de zones balayées face à quatre méthodes concurrentes, sur les neuf configurations testées. Sous la contrainte la plus stricte de 720 mètres, le taux de succès atteint 53 %, 94 % et 100 % pour 2, 4 et 8 robots respectivement, contre 37 %, 83 % et 99 % pour la meilleure référence. Des essais sur robots physiques confirment un transfert sim-to-real réussi. Ce résultat s'attaque à un verrou concret pour les flottes de drones opérant en environnements dégradés, zones de catastrophe, bâtiments effondrés, milieux militaires brouillés, où la liaison radio entre appareils est peu fiable ou volontairement coupée. La plupart des approches multi-robots existantes supposent un échange d'informations, même partiel, pour éviter les redondances d'exploration ; s'en passer entièrement tout en conservant des performances proches, voire supérieures, aux méthodes communicantes change la donne pour les intégrateurs qui doivent certifier des systèmes robustes aux pannes réseau. La gestion explicite du budget de retour, plutôt qu'une exploration gloutonne sans garde-fou, répond aussi à une contrainte opérationnelle réelle plutôt qu'à un scénario de laboratoire simplifié. Le travail s'inscrit dans la lignée des recherches en apprentissage multi-agent pour l'exploration robotique, où la coordination décentralisée reste un problème ouvert face aux approches classiques qui centralisent la carte ou diffusent des objectifs partagés. En comparant Dec-MARVEL à quatre méthodes de référence sur une plage large de tailles d'équipe et de contraintes de budget, les auteurs cherchent à démontrer une robustesse à l'échelle, du duo de drones jusqu'à des essaims de huit unités. La validation sur robots physiques, au-delà de la simulation, ouvre la voie à des déploiements dans des missions de recherche et sauvetage ou de reconnaissance où la connectivité ne peut être garantie.

Recherche❖Paper

1 source

39

1237arXiv cs.RO 

Tactile Genesis : explorer les capteurs tactiles à grande échelle pour l'apprentissage de tâches dextériques

Il n'a pas fait la démo de manipulation dextre à l'ancienne, à base de captures vidéo triées sur le volet et de communiqués enjolivés : une équipe de recherche a publié Tactile Genesis, une plateforme de simulation tactile parallélisée sur GPU capable de faire tourner plus de 20 000 environnements simultanés avec jusqu'à 1 000 taxels (points de contact) par simulation sur un seul GPU, soit un débit 3 à 20 fois supérieur aux simulateurs tactiles précédents. L'outil simule sous une interface commune sept types de retour tactile : contact binaire, profondeur de contact, force/couple cinématique par taxel, déplacement des marqueurs d'élastomère, proximité géométrique, audio de contact, et un champ de température voxelisé, une première dans les plateformes de simulation physique pour l'apprentissage robotique. Un modèle de bruit réaliste (dérive, hystérésis, taxels morts, diaphonie) complète le dispositif. Les chercheurs ont entraîné des politiques élève-professeur sur trois tâches de manipulation dextre, testé différentes configurations de capteurs, placements, résolutions et niveaux de bruit, puis vérifié le transfert sur une main robotique réelle, la XHand1. Les résultats livrent des indications concrètes pour les concepteurs de matériel tactile et les équipes qui définissent les observations des politiques d'apprentissage. La proprioception seule s'avère insuffisante sur toutes les tâches testées, confirmant la nécessité du retour tactile pour la manipulation en contact riche. Fait notable pour l'industrie : le placement des capteurs compte bien plus que leur type. Une couverture limitée au bout des doigts reste largement en retrait par rapport à une couverture de toute la main, tandis que l'ajout de capteurs sur la paume et les phalanges proximales comble l'essentiel de l'écart avec un professeur "privilégié" disposant d'informations complètes. La résolution, elle, importe beaucoup moins que la couverture : 200 taxels répartis sur l'ensemble de la main suffisent pour toutes les tâches étudiées. Le capteur de force/couple par taxel ressort comme le type d'information le plus utile, devant les autres modalités testées. Pour les intégrateurs et fabricants de mains robotiques, ce sont des arbitrages coûts/bénéfices directement exploitables avant d'investir dans du matériel tactile haute résolution. Ce travail s'inscrit dans un problème méthodologique connu du secteur : chaque capteur tactile définit de facto un robot différent, rendant impossible la reproduction d'une même expérience d'apprentissage à travers tous les capteurs existants en laboratoire physique. Tactile Genesis répond à ce verrou en offrant un banc d'essai simulé commun, dans la lignée d'autres plateformes de simulation à grande échelle utilisées pour l'apprentissage de politiques robotiques (type Isaac Gym ou MuJoCo). L'article, une version révisée déposée sur arXiv, ne précise pas de calendrier de commercialisation ni de partenariat industriel ; il s'agit d'une contribution de recherche méthodologique plutôt que d'un produit prêt à déployer. La suite logique pointe vers une adoption par d'autres laboratoires travaillant sur la manipulation dextre, ainsi que vers une possible influence sur les choix de conception des futures générations de mains robotiques équipées de capteurs tactiles denses.

Recherche❖Paper

1 source

38

1238arXiv cs.RO 

SplatCtrl : couplage perception-action via représentations de scène gaussiennes et contrôle robotique réactif

Des chercheurs présentent SplatCtrl, un système qui combine reconstruction 3D en temps réel et contrôle réactif de bras robotique pour éviter les collisions dans des environnements inconnus et changeants. Le framework s'appuie sur le 3D Gaussian Splatting, une technique de représentation de scène par nuages de gaussiennes 3D, et introduit une méthode hybride de filtrage voxel combinée à une relocalisation dynamique des gaussiennes, permettant de reconstruire la scène à partir de flux RGB-D tout en s'adaptant aux changements de l'environnement en continu. Pour le contrôle, les auteurs dérivent des fonctions de distance signée continues directement depuis les gaussiennes isotropes, ce qui fournit des estimations de probabilité de collision stables et différentiables, faisant le pont entre les champs de distance classiques et les représentations implicites modernes. Ces métriques sont ensuite injectées dans des fonctions de barrière de contrôle (control barrier functions), aboutissant à un couplage perception-action unifié capable de générer des mouvements fluides en réaction aux changements de scène. Le système a été validé en simulation, sur un robot physique réel, et dans un espace de travail partagé humain-robot. L'intérêt pour l'industrie tient à la promesse centrale du papier: rendre les bras manipulateurs, aujourd'hui performants surtout en environnement structuré et statique, capables d'opérer en sécurité dans des contextes dynamiques et partagés avec des humains, sans reprogrammation manuelle des trajectoires. Si les résultats se confirment à plus grande échelle, cela toucherait directement les intégrateurs industriels et logistiques confrontés à des cellules de travail non figées, ainsi que les applications de cobotique où la coexistence humain-robot impose une réactivité aux obstacles imprévus. C'est aussi un signal supplémentaire que le 3D Gaussian Splatting, initialement pensé pour le rendu photoréaliste, s'impose progressivement comme brique de perception robotique. Le travail s'inscrit dans une lignée de recherches récentes cherchant à exploiter le 3D-GS pour la robotique, au-delà de son usage d'origine en vision par ordinateur et rendu de scènes. L'article ne précise pas d'affiliation industrielle ni de partenaire de déploiement identifié: il s'agit d'une contribution de recherche académique publiée sur arXiv, sans indication de commercialisation ni de calendrier de transfert vers un produit. Les prochaines étapes attendues concernent le passage à l'échelle sur des scènes plus complexes et des tests prolongés en conditions réelles d'usine ou d'entrepôt.

Recherche❖Paper

1 source

38

1239arXiv cs.RO 

Sécurité piétonne empirique d'un robot mobile via un modèle prédictif de force sociale

Le fil d'actualité de l'IA. Voici le résumé demandé : Une équipe de recherche a développé deux nouvelles variantes de modèle de force sociale pour la navigation robotique en présence de piétons : le PSFM (Predictive Social Force Model) et le PTSFM (Predictive TSFM), qui intègrent des vecteurs de force sociale prédits sur un horizon temporel fini. Ces modèles ont été implémentés sur un robot mobile non holonome et testés lors d'essais expérimentaux avec des volontaires placés dans un scénario de croisement face à face. Quatre variantes ont été comparées : le SFM classique, le TSFM (qui intègre le temps de collision projeté, ou PTTC), et les deux nouvelles versions prédictives PSFM et PTSFM. La sécurité objective a été mesurée via le PTTC minimum, la vitesse moyenne, la distance minimale, la distance latérale et la courbure maximale de trajectoire, tandis que la sécurité subjective a été évaluée par des questionnaires post-interaction sur échelle de Likert portant sur le confort, la fluidité, la pertinence de la distance et l'adéquation de la vitesse. Les résultats confirment que l'intégration du PTTC améliore effectivement les métriques de sécurité objective par rapport au SFM classique. En revanche, l'apport spécifique de la prédiction reste limité : il n'est visible que sur certains sous-indicateurs, et les tests statistiques de Mann-Whitney ne révèlent aucune différence significative dans les évaluations subjectives des participants, même si certains perçoivent des mouvements plus fluides et une vitesse jugée plus sûre avec les variantes prédictives. Pour les concepteurs de robots destinés à partager les trottoirs avec des piétons, livraison, robots de service ou plateformes de recherche, ce résultat suggère qu'ajouter de la complexité prédictive au modèle de force sociale n'est pas forcément le levier le plus rentable : le gain principal en sécurité vient déjà de l'intégration du temps de collision projeté, pas de l'horizon de prédiction. Ce travail s'inscrit dans la lignée des modèles de force sociale (SFM), une approche calculatoirement légère et interprétable largement utilisée pour la navigation en temps réel dans des environnements dynamiques, et prolonge des travaux récents ayant montré l'intérêt du PTTC via le TSFM. L'étude reste toutefois limitée à un scénario à piéton unique en face à face ; ses auteurs notent que l'effet de la prédiction pourrait se révéler différemment dans des scénarios de foule plus denses, une piste laissée pour des travaux futurs.

Recherche❖Paper

1 source

38

1240arXiv cs.RO 

SpikeATac : un doigt tactile multimodal à détection dynamique taxélisée pour la manipulation dextérique

Le ROAM Lab présente SpikeATac, un doigt tactile multimodal pour la manipulation robotique dextre, dans une révision (v3) d'un article initialement publié sur arXiv en octobre 2025. Le capteur combine un film PVDF taxelisé, découpé en 16 zones de détection et échantillonné à 4 kHz, qui capte les signaux dynamiques dès l'amorce et la rupture du contact, avec une couche capacitive assurant la mesure statique de la pression, d'où sa réponse en "pics" qui lui donne son nom. Les chercheurs ont caractérisé la sensibilité de chaque modalité et montré que SpikeATac permet d'arrêter une préhension rapidement et délicatement sur des objets fragiles ou déformables. Au-delà de la pince parallèle, l'équipe a intégré le capteur à une main robotique multidoigts dextre, pilotée par une politique affinée via apprentissage par renforcement à partir de retour humain (RLHF) pour moduler la force appliquée. Résultat revendiqué: une manipulation en main d'objets fragiles jamais démontrée jusque-là sur ce type de plateforme. Des vidéos sont disponibles sur roamlab.github.io/spikeatac. Ce travail cible un angle mort connu des mains robotiques: la plupart des capteurs tactiles privilégient soit la résolution statique, soit la réactivité dynamique, rarement les deux, ce qui limite la détection de l'instant où un objet commence à glisser ou se déformer sous la pince. Un retour tactile à 4 kHz couplé à une lecture statique fiable vise directement les cas d'usage où les pinces industrielles classiques échouent ou abîment la charge (fruits, verre, colis, composants électroniques). Le choix du RLHF plutôt qu'une simple fonction de récompense simulée suggère que le réglage fin de la force reste difficile à spécifier automatiquement, un signal utile pour les intégrateurs évaluant des politiques apprises en conditions réelles. SpikeATac se distingue des capteurs à caméra interne comme GelSight ou DIGIT, plus coûteux en calcul et moins réactifs aux événements de contact rapides. L'article, purement académique, ne mentionne ni partenariat industriel ni déploiement hors laboratoire: c'est une preuve de faisabilité, pas un produit commercialisé. Aucun acteur français ou européen n'y figure. Les auteurs évoquent comme suites possibles la miniaturisation du capteur pour des mains commerciales et l'extension du pipeline RLHF à d'autres tâches de manipulation en contact riche.

Recherche❖Paper

1 source

38

1241arXiv cs.RO 

Coordination de comportements implicites à partir de démonstrations de sous-tâches non étiquetées pour des tâches de réarrangement

Une nouvelle publication arXiv (2607.09234v1, soumise en juillet 2026) propose une approche alternative pour les tâches de réarrangement robotique à long horizon, ces missions où un robot doit déplacer plusieurs objets pour réorganiser un environnement. Plutôt que de découper la tâche en compétences prédéfinies avec des étiquettes, des frontières et une logique de commutation propre à chaque scénario, les auteurs formulent le problème comme une coordination implicite de comportements appris directement depuis des démonstrations de sous-tâches non étiquetées. Le système apprend des comportements de type "compétences" à partir de données comportementales mixtes, puis les coordonne via une sélection d'actions guidée par une fonction de valeur (un critique). La méthode est testée sur les tâches de réarrangement de Habitat, la plateforme de simulation d'IA incarnée. Sans plan de tâche oracle ni démonstrations complètes étiquetées par compétence, elle dépasse des méthodes d'imitation spécifiques à la tâche sur les scénarios les plus complexes et s'approche des performances d'un système oracle combiné à des compétences apprises par clonage comportemental. L'enjeu dépasse le cadre académique. Les pipelines robotiques actuels reposent largement sur des architectures de planification explicite, coûteuses à concevoir et difficiles à faire évoluer dès que le nombre de comportements ou l'horizon temporel augmente, un frein connu pour les intégrateurs qui veulent déployer des robots polyvalents en entrepôt ou en usine. En montrant qu'une coordination apprise, sans étiquetage de compétences ni planificateur oracle, peut tenir la comparaison, ces travaux appuient l'hypothèse qu'une abstraction explicite des compétences n'est pas indispensable, un argument qui rejoint la tendance actuelle vers des modèles vision-langage-action génériques plutôt que des pipelines modulaires rigides. Ce travail s'inscrit dans la lignée des recherches en apprentissage par imitation à partir de données comportementales hétérogènes, un axe où Habitat (développé par Meta AI) sert de banc d'essai standard pour l'IA incarnée. Les auteurs montrent aussi, via des études d'ablation, que la sélection de candidats guidée par le critique est déterminante pour gérer des comportements multimodaux, et que la méthode continue de bien se comporter quand le répertoire de comportements et l'horizon de la tâche s'agrandissent, contrairement aux approches d'imitation spécifiques à la tâche. Aucun déploiement matériel réel n'est mentionné à ce stade, l'évaluation restant purement en simulation.

Recherche❖Paper

1 source

38

1242arXiv cs.RO 

Re³Sim : générer des données de simulation photoréalistes en 3D par transfert réel-vers-simulation pour la manipulation robotique

Cette annonce arrive du côté recherche académique plutôt que de l'industrie commerciale : une équipe présente RE³SIM, un système de simulation photoréaliste en 3D destiné à combler l'écart entre entraînement simulé et déploiement réel en robotique manipulatrice. Publié sur arXiv (version 4, remplaçant une précédente), le papier décrit un pipeline qui reconstruit fidèlement des scènes réelles grâce à des techniques avancées de reconstruction 3D et de rendu neuronal, permettant un rendu en temps réel de caméras virtuelles multi-angles au sein d'un simulateur physique. En s'appuyant sur des informations privilégiées pour générer efficacement des démonstrations expertes en simulation, puis en entraînant des politiques robotiques par apprentissage par imitation, les chercheurs rapportent un taux de réussite moyen supérieur à 58% en transfert "zero-shot" vers le réel, c'est-à-dire sans aucune donnée réelle utilisée pour l'entraînement, uniquement des données simulées. Ils ont aussi constitué un jeu de données de simulation à grande échelle pour tester la généralisation des politiques apprises sur des objets variés. Le résultat compte parce qu'il s'attaque directement à l'un des goulots d'étranglement les plus coûteux du secteur : la collecte de données réelles pour entraîner des robots manipulateurs, qui exige des opérateurs qualifiés et du matériel onéreux. Si le fossé sim-to-real (géométrique et visuel) peut être réduit de manière fiable grâce à des reconstructions photoréalistes plutôt qu'à des environnements simulés génériques, cela change la donne pour les intégrateurs et les équipes de R&D qui cherchent à multiplier les scénarios d'entraînement sans multiplier les essais physiques. Un taux de 58% en zero-shot reste toutefois modeste comparé aux standards de fiabilité industrielle, et mérite d'être lu comme une preuve de concept académique plutôt qu'une solution prête à l'emploi pour la production. RE³SIM s'inscrit dans la lignée des travaux récents sur les politiques vision-langage-action (VLA) et les pipelines d'apprentissage par imitation, un axe de recherche également poursuivi par des acteurs comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T). La démarche real-to-sim-to-real, où l'on capture d'abord le monde réel avant de simuler dessus, distingue cette approche des simulateurs purement synthétiques et pourrait influencer les futurs outils de génération de données pour l'entraînement de robots. Le code et des démonstrations sont disponibles sur le site du projet (re3sim.github.io), signe que l'équipe cherche une adoption élargie par la communauté robotique plutôt qu'une simple publication isolée.

Recherche❖Paper

1 source

38

1243arXiv cs.RO 

CoDiMAD : distillation privilégiée par diffusion pour la coordination multi-robots sans communication

Des chercheurs proposent CoDiMAD (Diffusion-Based Privileged Distillation for Communication-Free Multi-Robot Coordination), une méthode pour coordonner des robots en essaim sans qu'ils communiquent entre eux. Le principe repose sur trois étapes : d'abord entraîner un "oracle" privilégié qui voit l'état global du système via MAPPO, un algorithme d'apprentissage par renforcement multi-agents ; ensuite construire un jeu de données hors ligne associant observations locales de chaque robot et actions décidées par cet oracle ; enfin distiller ces connaissances dans des politiques décentralisées, chaque robot n'ayant accès qu'à ses propres capteurs, en les paramétrant comme des modèles de diffusion (DDPM, denoising diffusion probabilistic models) conditionnels plutôt que des réseaux déterministes classiques. Testée sur trois tâches coopératives, l'approche surpasse à la fois l'apprentissage multi-agents purement local et la distillation déterministe classique, avec une analyse théorique à l'appui. Le code doit être publié après acceptation de l'article, qui reste pour l'instant un preprint arXiv non encore évalué par les pairs. L'enjeu technique central est le problème du "mode-averaging" : une même observation locale (par exemple, voir un obstacle et un autre robot à proximité) peut correspondre à plusieurs configurations globales exigeant des actions coopératives très différentes. Une distillation déterministe classique moyenne ces possibilités et produit des actions invalides ou hésitantes, un défaut connu de l'apprentissage par imitation en environnement multimodal. En échantillonnant directement dans le processus inverse de diffusion, CoDiMAD choisit une action cohérente au lieu de la moyenner, ce qui est directement pertinent pour les flottes de robots mobiles autonomes (AMR) en entrepôt, les essaims de drones ou tout système devant rester fonctionnel en cas de perte de communication réseau. Cette approche s'inscrit dans deux lignées de recherche déjà établies : la distillation privilégiée enseignant-élève, popularisée en locomotion robotique pour transférer un savoir "avec triche" (accès à l'état complet) vers une politique embarquée limitée aux capteurs réels, et les politiques de diffusion en robotique, initialement développées pour la manipulation mono-robot (Diffusion Policy) et ici étendues au cas multi-agents décentralisé. Le travail reste à ce stade purement expérimental, sans déploiement sur robots physiques mentionné dans le résumé.

Recherche❖Paper

1 source

38

1244arXiv cs.RO 

Manipulation Tactile et Visuelle Centrée sur le Contact pour la Manipulation du Bras Complet

Des chercheurs du laboratoire EMPRISE de l'université Cornell présentent TACTIC (Tactile and Vision Conditioned Contact-Centric Control), un contrôleur pour la manipulation "bras entier", où le robot touche l'environnement avec plusieurs segments de son bras et non plus seulement sa pince. Décrit dans un preprint arXiv (2607.09218), le système combine images RGB-D, capteurs tactiles distribués et une carte de proximité 2D compacte pour prédire comment les contacts se forment, glissent ou se rompent au fil du mouvement. Un modèle de dynamique appris est couplé aux jacobiennes de contact pour simuler à l'avance forces d'interaction et configurations futures, et alimente un planificateur prédictif (MPC) à échantillonnage dont les trajectoires candidates sont orientées vers des directions qui modulent les forces plutôt que de les subir. En simulation, TACTIC dépasse les méthodes de référence à base de modèle et les approches purement apprises. Sur un bras réel équipé de peau tactile, l'équipe démontre trois tâches multi-contacts : retourner et repositionner un mannequin, et atteindre un objectif dans un labyrinthe 3D dynamique. La manipulation bras entier est un angle mort des pipelines d'apprentissage actuels, taillés pour un contact unique au niveau de la pince. Dès que plusieurs segments touchent l'environnement simultanément, mouvement et forces de contact deviennent étroitement couplés, l'état de contact reste partiellement caché sous occlusion, et les politiques purement apprises se désynchronisent physiquement hors distribution, faute de données sur les configurations multi-contacts. En hybridant apprentissage et modèle physique explicite, TACTIC illustre une tendance de fond en robotique de manipulation : combiner du model-based pour la garantie physique et de l'apprenant pour la perception, plutôt que tout confier à un modèle de bout en bout type VLA. Pour les intégrateurs visant des bras opérant en espace encombré (tri, logistique, désassemblage), c'est un manque réel comblé, la plupart des démonstrateurs actuels évitant soigneusement tout contact hors pince. Le travail émane du laboratoire EMPRISE de Cornell, spécialisé en manipulation riche en contact et perception tactile, et s'inscrit dans une littérature plus large sur le contrôle prédictif informé par le contact, aux côtés de recherches comparables au MIT ou à CMU. Contrairement aux annonces commerciales de robots humanoïdes comme Figure, Optimus ou les modèles VLA de Physical Intelligence et NVIDIA, il s'agit ici d'un résultat académique validé en simulation puis sur un unique bras de laboratoire, pas d'un produit commercialisé. Aucun acteur français ou européen n'est associé à cette publication. Les auteurs mettent en ligne une page projet (emprise.cs.cornell.edu/tactic) sans calendrier annoncé de transfert vers des plateformes commerciales.

Recherche❖Paper

1 source

37

1245arXiv cs.RO 

Acte, ressent, agit : l'apprentissage de la perception active à partir de données égocentriques humaines à grande échelle

Un article de robotique/IA en français, prêt à publier : CoMe-VLA (Cognitive and Memory-aware Vision-Language-Action) est un nouveau framework de recherche présenté dans un article arXiv (version révisée, réf. 2602.04600v2) qui s'attaque à la perception active en robotique manipulatrice, c'est-à-dire la capacité d'un robot à chercher activement de l'information plutôt que d'agir sur des données figées. Le système combine une tête cognitive auxiliaire chargée de gérer les transitions entre sous-tâches de façon autonome, et une mémoire à double piste qui fusionne les signaux proprioceptifs (position, effort) et visuels dans le temps pour maintenir une conscience cohérente de soi et de l'environnement. L'entraînement se déroule en trois étapes progressives et s'appuie sur de larges volumes de données égocentriques humaines (vidéos captées à la première personne), alignées avec l'espace d'action du robot pour transférer la coordination main-œil humaine vers la machine. Les tests ont été menés sur un humanoïde à roues, sur des tâches longues et variées impliquant plusieurs scénarios de perception active. L'enjeu dépasse la démonstration technique isolée. La plupart des modèles VLA actuellement médiatisés, qu'il s'agisse de Pi-0, GR00T N2 ou Helix, fonctionnent principalement en supposant une observabilité quasi complète de la scène, ce qui limite leur robustesse dès que l'environnement devient incertain ou partiellement caché, un cas fréquent en usine ou en entrepôt réel. En formalisant la perception active comme une boucle perception-action dépendante de l'historique, cet article propose une catégorisation structurée utile à toute l'industrie pour comparer les approches, et illustre une piste concrète pour réduire l'écart entre démonstrations en laboratoire et déploiement en environnement non contrôlé, un point sensible que les intégrateurs surveillent de près. Ce travail s'inscrit dans une tendance de fond de la recherche en robotique généraliste : exploiter les vidéos humaines à grande échelle, bien plus abondantes que les données de téléopération robotique, pour apprendre des priors d'exploration et de manipulation. Il ne s'agit ici que d'un article de recherche à un stade préliminaire, sans partenaire industriel ni déploiement annoncé, à distinguer clairement des annonces produits de type Figure ou Tesla Optimus. Les prochaines étapes attendues concernent l'extension à des plateformes bipèdes et la validation sur des tâches manipulatrices plus complexes en conditions réelles.

Recherche❧Opinion

1 source

37

1246arXiv cs.RO 

Une approche par échantillonnage incrémental et segmentation pour l'infaisabilité en planification de mouvement

Des chercheurs ont publié une troisième révision sur arXiv (2501.11434v3) d'un algorithme destiné à détecter l'infaisabilité d'un plan de mouvement en robotique, c'est-à-dire à prouver rapidement qu'aucun chemin ne relie une configuration de départ à une configuration d'arrivée. La méthode discrétise l'espace des configurations du robot, chaque degré de liberté (DOF) ne prenant qu'un nombre fini de valeurs. L'espace obstacle divise cet espace en régions connexes distinctes : pour qu'un chemin existe, départ et arrivée doivent appartenir à la même région. L'algorithme construit progressivement une carte de cet espace, initialement supposé entièrement libre, en échantillonnant des points dans la zone obstacle et en mettant à jour une bitmap correspondante. Il segmente ensuite cet espace partiellement rempli pour identifier ses composantes connexes et vérifier la connectivité entre départ et arrivée. Les auteurs valident l'approche sur cinq scénarios allant jusqu'à 5 DOF, puis démontrent expérimentalement son passage à l'échelle sur des robots à 6 et 7 DOF, avec des optimisations visant à accélérer significativement les calculs. L'enjeu dépasse la simple curiosité académique : prouver qu'un mouvement est impossible est structurellement plus difficile que d'en trouver un possible, car les planificateurs par échantillonnage les plus répandus (RRT, PRM et leurs variantes) sont conçus pour converger vers une solution quand elle existe, mais tournent indéfiniment ou échouent silencieusement en son absence. Pour un intégrateur industriel programmant une cellule robotisée, savoir en amont qu'une trajectoire est irréalisable évite un temps de calcul infini et permet de reconfigurer l'environnement ou la pose du robot plus tôt dans le cycle de conception. La démonstration sur des configurations à 6 et 7 DOF est le point notable : elle indique que la méthode ne reste pas cantonnée à des cas jouets de basse dimension, un écueil fréquent pour les approches de segmentation d'espace de configuration. La détection de complétude et d'infaisabilité en planification de mouvement est un sujet de recherche ancien, où les méthodes par grille ou par décomposition cellulaire coexistent avec les approches probabilistes plus rapides mais incomplètes. Cette publication, revue une troisième fois avant réévaluation, s'inscrit dans cette lignée en proposant une alternative simple à implémenter plutôt qu'une preuve théorique lourde, ouvrant la voie à une intégration dans des pipelines de planification existants pour des bras robotiques à haute dimensionnalité.

Recherche❖Paper

1 source

37

1247arXiv cs.RO 

GenVid2Robot : de la génération vidéo à la manipulation robotique par cohérence rigide-géométrique

Des chercheurs ont publié le 13 juillet 2026 sur arXiv (2607.09191v1) GenVid2Robot, un système qui transforme des vidéos générées par IA en trajectoires exécutables sur un robot manipulateur réel. Le problème de départ: une vidéo générée peut sembler visuellement plausible sans être physiquement exécutable, faute de géométrie métrique, d'ancrage de préhension, de faisabilité cinématique ou de retour d'exécution. GenVid2Robot part d'une observation RGB-D initiale et d'une instruction de tâche, échantillonne des ancres sémantiques pertinentes sur la première image réelle, puis suit ces ancres à travers les candidats vidéo générés. Un modèle SE(3) relatif et épars vérifie si le mouvement 2D observé est cohérent avec la géométrie 3D des ancres; seul le mouvement validé géométriquement est transféré au robot. Ce mouvement est ensuite appliqué à la pose réelle de l'organe terminal (TCP) au moment de la saisie, déterminée par une préhension contrainte par masque, et un module de compensation de profondeur borné corrige les erreurs locales dues au bruit RGB-D ou aux déplacements de contact. L'enjeu dépasse la démonstration technique isolée: les modèles de génération vidéo (type Sora, Veo ou Genie) sont de plus en plus présentés comme des sources de "priors" de mouvement pour la robotique, mais l'écart entre vidéo plausible et action exécutable reste l'un des obstacles majeurs à leur usage réel, aux côtés du problème classique du sim-to-real. En filtrant les hypothèses de mouvement par cohérence géométrique plutôt qu'en rejouant directement une trajectoire, GenVid2Robot répond directement au risque d'échec en conditions réelles que redoutent intégrateurs et équipes R&D travaillant sur les architectures vision-langage-action (VLA). Le travail s'inscrit dans la lignée des approches combinant modèles génératifs et politiques robotiques, aux côtés d'efforts comme Pi-0, GR00T N2 ou Helix qui cherchent à exploiter des priors visuels ou vidéo à grande échelle. À ce stade, il s'agit d'une publication de recherche avec expériences sur robot réel, non d'un produit commercialisé; les auteurs ne précisent pas de calendrier de déploiement industriel.

Recherche❖Paper

1 source

37

1248arXiv cs.RO 

OIPP : prédicteur adaptatif du point d'impact pour intercepter des objets en vol variés

Des chercheurs publient sur arXiv (soumission remplacée, v3) un système baptisé OIPP (Object-Adaptive Impact Point Predictor), conçu pour permettre à un robot quadrupède équipé d'un panier de rattraper des objets en vol. L'objectif est de prédire précisément le point d'impact, c'est-à-dire l'endroit où l'objet va atterrir, avant même la fin de sa trajectoire. Pour entraîner ce système, faute de jeu de données public couvrant des objets divers soumis à une aérodynamique instable, l'équipe a constitué son propre corpus: 8 000 trajectoires réelles issues de 20 objets différents. OIPP repose sur deux modules, un encodeur adaptatif aux objets (OAE) qui extrait des représentations dépendantes de l'objet à partir de l'historique de mouvement, et un prédicteur de point d'impact (IPP) qui en déduit la position finale. Deux variantes de l'IPP ont été testées, l'une (NAE) qui prédit l'accélération puis reconstruit la trajectoire complète, l'autre (DPE) qui produit directement le point d'impact sans étape intermédiaire. Les résultats montrent une performance supérieure aux méthodes de référence sur 15 objets connus et 5 objets jamais vus à l'entraînement, avec des gains de succès de capture confirmés en simulation et lors d'essais sur robot réel. Pour l'industrie robotique, ce travail s'attaque à un problème resté largement non résolu: la manipulation dynamique d'objets en vol, un domaine différent de la préhension statique déjà largement maîtrisée par les bras robotiques. La difficulté centrale que les auteurs mettent en avant, à savoir que les trajectoires de différents objets se ressemblent en début de vol, est précisément ce qui limite les systèmes existants à des scénarios avec un seul type d'objet connu à l'avance. Démontrer qu'un modèle unique généralise à des objets inédits, sans réentraînement, est un signal utile pour les intégrateurs qui envisagent des applications de tri, de logistique ou de sécurité où la nature de l'objet capté n'est pas toujours prévisible à l'avance. Cela reste toutefois un résultat de recherche académique, validé sur un jeu d'objets limité et un robot quadrupède spécifique, loin d'un produit commercial déployé. Le travail s'inscrit dans la lignée des efforts récents sur la manipulation dynamique par apprentissage, où l'accès à des données réelles diversifiées est le principal goulot d'étranglement plutôt que l'algorithme lui-même, un constat similaire à celui qui a poussé des laboratoires travaillant sur des politiques de type VLA (vision-langage-action) à investir massivement dans la collecte de données avant l'entraînement des modèles. Les auteurs positionnent explicitement leur contribution en deux temps, d'abord la construction d'un dataset plus riche et complexe que l'existant, ensuite l'architecture OIPP elle-même. Une démonstration vidéo est disponible en ligne, et les essais sur robot réel suggèrent une prochaine étape naturelle vers des tests en conditions moins contrôlées, avec potentiellement davantage d'objets et de configurations de lancer, avant d'envisager une application industrielle concrète.

Recherche❖Paper

1 source

37

1249arXiv cs.RO 

Modèle vision-langage-action débiaisé causalement pour modèles du monde conditionnés par l'action incarnée

Des chercheurs publient sur arXiv (arXiv:2607.09185v1) un nouveau framework baptisé CD-LAM, destiné à améliorer les modèles du monde conditionnés par l'action (ACWM), ces systèmes qui simulent les observations futures d'un robot en fonction des actions qu'il pourrait exécuter. Ces modèles reposent sur des données massives étiquetées avec les actions correspondantes, coûteuses à collecter en conditions réelles. Pour contourner ce goulot d'étranglement, les modèles d'action latente (LAM) infèrent des actions directement depuis des vidéos non étiquetées, mais souffrent d'un biais connu : entraînés uniquement sur des objectifs de reconstruction, ils mélangent la dynamique liée à l'action avec des éléments visuels non pertinents comme l'arrière-plan ou des objets non manipulés. CD-LAM introduit trois objectifs de fine-tuning complémentaires, une reconstruction centrée sur le corps du robot, un apprentissage contrastif centré sur l'action, et une calibration de l'espace latent, pour produire des représentations plus fidèles et non dégénérées. Testé sur des backbones ACWM de 2 et 14 milliards de paramètres, CD-LAM améliore la contrôlabilité des actions latentes, le suivi des commandes en aval, la fidélité visuelle, et ne nécessite que 6 000 étapes de fine-tuning, soit plus de 12 fois moins de mises à jour d'adaptation que la méthode de référence. L'enjeu dépasse la seule performance technique : réduire d'un facteur 12 le coût d'adaptation d'un modèle du monde à un nouveau robot ou une nouvelle tâche s'attaque directement au principal frein à l'échelle des politiques robotiques actuelles, la rareté des données actions-étiquetées réelles. Ce type de travail nourrit la course aux modèles VLA (vision-language-action) comme Pi-0, GR00T N2 ou Helix, où la capacité à généraliser à partir de peu de démonstrations conditionne la viabilité commerciale des humanoïdes. Il faut toutefois distinguer clairement ce résultat, une contribution de recherche à l'échelle du benchmark, d'un déploiement en production. CD-LAM s'inscrit dans la lignée des travaux récents sur les modèles d'action latente, une direction de recherche née du constat que l'étiquetage manuel des actions robotiques ne passera jamais à l'échelle des humanoïdes commerciaux. L'abstract ne cite ni laboratoire ni entreprise précise, signe d'une publication académique classique plutôt que d'une annonce produit. Les auteurs évoquent des pistes de suite via l'adaptation à davantage de plateformes robotiques et de backbones plus larges, sans calendrier de déploiement communiqué.

Recherche❖Paper

1 source

37

1250arXiv cs.RO 

PhysV2A : complétion de faisabilité guidée par l'atteignabilité et contrainte par masque sémantique, pour la manipulation vidéo-vers-robot

PhysV2A est un nouveau framework de recherche présenté dans un article publié sur arXiv (2607.09365) qui s'attaque à un problème central de la manipulation robotique pilotée par vidéo : convertir un mouvement d'objet en 6 degrés de liberté, extrait de démonstrations humaines, de vidéos générées ou d'observations RGB-D, en une trajectoire réellement exécutable par un robot donné. Le principe clé est de traiter la faisabilité de la prise non pas localement, mais comme conditionnée par la trajectoire entière : chaque candidat de préhension à 6-DoF issu d'une image RGB-D est rigidement couplé au mouvement d'objet reconstruit pour former une hypothèse de trajectoire du point central de l'outil (TCP). Le système applique ensuite une sélection hiérarchique "reachability-gated" qui rejette les paires prise-trajectoire irréalisables via des vérifications cinématiques propres au robot, puis classe les candidats survivants selon leur aptitude à l'exécution. Pour la trajectoire retenue, un masque sémantique S-Mask, assisté par un modèle vision-langage et validé par des règles, distingue les composantes cartésiennes critiques pour la tâche de celles qui peuvent être assouplies, permettant un raffinement de la manipulabilité par optimisation priorisant la redondance et relaxation cartésienne bornée. Sur quatre tâches de manipulation de table testées avec un robot réel, PhysV2A améliore le taux de réussite par rapport aux méthodes de référence fondées sur des a priori vidéo ou sur la seule cinématique inverse, tout en réduisant les échecs liés à la faisabilité cinématique. L'enjeu dépasse la simple démonstration technique : les priors extraits de vidéos sont par nature agnostiques à l'incarnation du robot, ce qui constitue un des principaux verrous empêchant l'usage à grande échelle de vidéos humaines ou générées comme source de données d'apprentissage pour la manipulation, un défi central pour les approches de type VLA (vision-language-action) qui cherchent à exploiter des corpus vidéo massifs plutôt que des démonstrations téléopérées coûteuses. En montrant qu'un traitement de la faisabilité au niveau trajectoire plutôt qu'au niveau de chaque prise réduit les échecs cinématiques, PhysV2A apporte un élément concret au débat sur l'écart entre priors vidéo prometteurs en simulation et exécution fiable sur robot réel. Ce travail s'inscrit dans une tendance de recherche plus large où vidéos humaines et vidéos générées sont envisagées comme source de données scalable pour l'apprentissage de politiques robotiques, en écho aux efforts de modèles comme Pi-0 ou GR00T N2 qui cherchent à exploiter des données hétérogènes au-delà de la téléopération classique. L'article, classé comme nouvelle soumission arXiv, reste à ce stade une contribution académique validée sur banc d'essai restreint (quatre tâches, un seul robot), sans indication d'industrialisation ni de partenaire déployant la méthode ; les prochaines étapes attendues concernent l'extension à davantage d'embodiments et de tâches de manipulation plus complexes.

Recherche❖Paper

1 source