Actualités robotique — page 27

7 510 articles au fil, du plus récent au plus ancien.

37

1301arXiv cs.RO 

AeRSoM : un manipulateur aérien hybride rigide-souple pour la manipulation à contacts multiples

Une publication arXiv (référence 2609.28044v1) décrit AeRSoM, un robot aérien manipulateur combinant rigidité et souplesse pour la manipulation en contact riche. Le système associe une plateforme volante entièrement actionnée, un bras hybride rigide-souple et un mécanisme de raideur variable qui repartit la compliance dans toute la structure, afin d'absorber passivement les chocs sans sacrifier la précision. Un cadre de contrôle composite assure le suivi de trajectoire de l'effecteur terminal malgré les incertitudes et perturbations extérieures. Les expériences en conditions réelles portent sur quatre taches représentatives : saisie dynamique de lignes électriques, interaction physique avec une pale d'éolienne, insertion peg-in-hole et opérations de vissage. Les auteurs rapportent une robustesse et une adaptabilité accrues face au contact, sans perte de précision de manipulation. L'enjeu vise un problème connu des concepteurs de drones manipulateurs : les forces de contact se transmettent directement a la plateforme et la déstabilisent, ce qui cantonne en général les manipulateurs aériens a des taches sans contact ou peu précises. Les bras souples réduisent ce risque mais perdent en exactitude, ce qui empêchait jusqu'ici des opérations fines comme le vissage ou l'insertion serrée. En distribuant la compliance dans la conception mécanique elle-même plutôt que dans le seul contrôle logiciel, cette approche cherche a lever ce compromis. Pour les intégrateurs d'inspection et de maintenance aérienne, sur lignes haute tension ou parcs éoliens, cela ouvre une voie vers une interaction physique réelle avec les infrastructures, au-delà de la simple observation ou du transport de charge. Ce travail s'inscrit dans la recherche académique sur la manipulation aérienne, un domaine ou les systèmes existants privilégient généralement soit des bras rigides précis mais fragiles au contact, soit des mécanismes souples ou a câbles plus surs mais moins exacts. AeRSoM se positionne comme une alternative intermédiaire fondée sur une répartition mécanique de la compliance plutôt que sur un seul point flexible. Classee comme nouvelle soumission arXiv, l'étude reste a un stade expérimental : les essais ont été menés en conditions contrôlées, sans annonce de partenariat industriel, de calendrier de déploiement ni de produit commercial. Les auteurs présentent leur architecture comme une piste de conception pour renforcer la sécurité et la polyvalence des futurs robots aériens manipulateurs, sans indiquer de suite prévue au-delà de cette publication scientifique.

Recherche❖Paper

1 source

37

1302arXiv cs.RO 

BladeMaster : simulation de découpe robotique en temps réel avec discontinuités persistantes générées en ligne

BladeMaster est un nouveau cadre de simulation de découpe robotique, présente dans un article arXiv (2609.27342v1) et accélère sur GPU via la méthode total Lagrangian material point method (TLMPM). Il s'attaque a un problème connu : la découpe change forme et topologie des objets déformables, ce qui oblige un simulateur a suivre l'outil pendant la coupe, préserver les discontinuités après son retrait, et laisser les nouvelles surfaces interagir avec l'outil et entre elles. L'idée clé : encoder l'historique de coupe sur les points matériels via des étiquettes de cote persistantes, générées en ligne depuis la géométrie de la lame, qui pilotent le couplage particule-grille sans surface prédéfinie ni duplication de particules. Les surfaces coupées peuvent se retoucher sans se reconnecter, et les forces de réaction du matériau influencent le mouvement de l'outil ; les tests affichent des vitesses de calcul supérieures au temps réel. Pour l'industrie robotique, ce travail comble un angle mort courant des simulateurs de manipulation, qui traitent souvent les objets déformables comme rigides ou déjà pré-découpés, un frein pour entrainer des politiques robotiques, dont des modèles vision-langage-action (VLA), sur des taches de coupe alimentaire, de chirurgie assistée ou de découpe industrielle de matériaux souples. En rendant la topologie dynamique sans surface scriptée ni duplication couteuse de particules, BladeMaster améliore le réalisme disponible pour générer des données d'entrainement synthétiques et réduire l'écart entre simulation et réel. La performance annoncée reste toutefois mesurée sur des taches choisies par les auteurs et demande une reproduction indépendante avant toute extrapolation industrielle. BladeMaster se positionne face aux formulations existantes, qui imposent généralement une surface de coupe a l'avance ou couplent la séparation du matériau a des champs géométriques auxiliaires, des approches rigides face a des coupes progressives ou multiples. Le choix de la méthode TLMPM s'inscrit dans une lignée active de simulateurs GPU pour la robotique, aux cotes de moteurs comme Isaac Sim ou Genesis, déjà utilises pour entrainer des politiques de manipulation. Classe comme nouvelle soumission arXiv, l'article ne précise ni institution ni calendrier de publication du code : il reste une démonstration de recherche en laboratoire, dont la portée dépendra de sa reproduction par la communauté.

Recherche❖Paper

1 source

37

1303arXiv cs.RO 

Locomotion humanoïde grâce à un contrôleur récurrent inspiré de la mouche

Une étude arXiv publiée sous la référence 2609.27001v1 ("Humanoid Locomotion with a Fly-Inspired Recurrent Controller") détaille un contrôleur récurrent inspiré du circuit neuronal de la mouche, testé exclusivement en simulation sur un robot humanoïde Unitree G1. Le système relie 3 609 états neuronaux continus au corps du robot via des projections d'observation corporelle, une couche de lecture étiquetée par neurones moteurs, et les servomoteurs articulaires. Un unique checkpoint figé a été évalué sur 7 types de terrain, 3 vitesses et 3 décalages de lacet initiaux, soit 63 configurations : le contrôleur réussit 61 d'entre elles selon un critère de survie et de progression vers l'avant, contre 62/63 pour une référence dite "privilégiée" disposant d'informations supplémentaires. Une expérience clé révèle la dépendance du système à sa mémoire interne : réinitialiser l'état moteur récurrent avant chaque appel de la politique, à lacet nominal, fait chuter le taux de réussite de 19/21 à 0/21. À l'inverse, substituer la perception de profondeur et les états en amont sur 252 états enregistrés ne modifie pas les actions produites, avec une sortie descendante nulle mesurée sur l'ensemble des trajectoires intactes. Ce résultat intéresse la robotique humanoïde à un moment où l'industrie mise majoritairement sur des modèles vision-langage-action de type Pi-0, GR00T N2 ou Helix, entraînés sur de vastes corpus de démonstrations. L'approche testée ici emprunt une voie différente : un contrôleur récurrent de taille modeste, structuré d'après une architecture neuronale biologique plutôt qu'un transformeur massif, dont la robustesse tient à un état moteur porté dans le temps plutôt qu'à une réactivité purement sensorielle. Pour les intégrateurs et chercheurs, l'enseignement principal est méthodologique : démontrer que retirer la mémoire récurrente fait s'effondrer la marche (0/21) alors que perturber les entrées sensorielles ne change rien aux actions isole précisément quelle partie du circuit porte le comportement. Le travail reste néanmoins cantonné à la simulation, sans validation sur robot physique, sur un jeu de terrains limité, ce qui borne la portée de ses conclusions à ce stade de recherche. La démarche s'inscrit dans un courant qui s'appuie sur la connectomique, la cartographie détaillée des circuits neuronaux d'insectes comme la drosophile, pour concevoir des architectures de contrôle alternatives aux réseaux appris de bout en bout. Contrairement aux humanoïdes commerciaux tels Figure 03 ou Optimus Gen 3, dont les annonces mettent en avant cycles de production et déploiements en usine, cette étude ne vise pas un produit mais la compréhension des mécanismes internes d'un contrôleur, avec un Unitree G1 simulé comme plateforme d'essai standard en recherche académique. Les auteurs présentent leurs résultats comme une base pour de futures comparaisons de structures de circuits et de ressources de contrôle, sans annoncer de calendrier de transfert vers du matériel réel ni de partenariat industriel. Aucun acteur français ou européen n'apparaît dans cette publication.

Recherche❖Paper

1 source

36

1304arXiv cs.RO 

RegenHarness : un harnais d'agent robotique à auto-amélioration récursive validée par preuves

Un preprint arXiv (2609.27612v1, non relu par des pairs) présente RegenHarness, une couche d'orchestration pour agents robotiques qui distingue proposition du modèle, fin d'exécution du contrôleur et vérification réelle de la tache. Son architecture combine une boucle modèle générant des propositions conditionnées au contexte et une boucle agent organisée en quatre contextes isoles par rôle (planification, supervision, vérification, récupération), avec une mémoire versionnée et une porte de validation liée a l'identité et a la version de la tache, vérifiant l'objectif utilisateur avant toute déclaration de succès. Les auteurs documentent un déploiement réel sur un robot quadrupède en entrepôt: navigation déclenchée a la voix, inspection panoramique, analyse visuelle, livraison de message, retour et compte-rendu vocal, traces par audio, images, trajectoires et reçus. Un second circuit distinct montre que l'achèvement d'une tache dépend de l'historique d'exécution et non de la seule proximité au point final. Les auteurs revendiquent le premier protocole d'auto-amélioration récursive "évidence-gated" pour des agents robotiques incarnes, une affirmation non encore validée par des pairs. A partir des journaux d'exécution, le système peut proposer des modifications de ses propres règles de contexte, gabarits de tache, routage ou politiques de récupération, mais leur adoption reste soumise a des tests de régression fixes et une autorisation explicite, avec déploiement et retour arrière versionnes; il ne touche jamais aux poids du modèle ni a la porte de validation elle-même. Pour les intégrateurs, l'intérêt tient moins a un nouveau modèle qu'a cette couche de gouvernance qui sépare ce qu'un modèle propose de ce qui est vérifie comme réellement accompli. RegenHarness s'inscrit dans une recherche plus large visant a combler l'écart entre les modèles généralistes vision-langage-action et une exécution fiable sur le terrain, en ajoutant une couche de vérification autour des politiques existantes plutôt qu'en modifiant les modèles eux-mêmes. L'abstract ne nomme ni laboratoire, ni entreprise, ni plateforme quadrupède précise, empêchant toute comparaison avec les piles commerciales du secteur. Aucun volume de déploiement, calendrier de pilote ni prix n'est communique: il s'agit a ce stade d'une preuve de concept sur un site d'entrepôt et un circuit de test complémentaire, sans extension annoncée a d'autres plateformes.

Recherche❖Paper

1 source

36

1305arXiv cs.RO 

Cellule robotisée bi-bras modulaire pour le désassemblage et la réparation d'électronique de contrôle industrielle

Un nouveau papier de recherche publié sur arXiv (référence 2609.27466v1) présente une cellule robotique modulaire à deux bras pour le désassemblage orienté réparation d'électronique de contrôle industriel, comme les automates programmables, les variateurs de vitesse et les pupitres opérateur, des équipements jamais conçus pour un démontage automatisé. Le système combine deux manipulateurs collaboratifs, des outils interchangeables, une perception RGB-D montée au poignet, des capteurs de force et de couple, et un contrôle sous ROS 2 piloté par arbres de comportement (Behavior Trees), avec téléopération, support de jumeau numérique et des compétences de contact apprises par démonstration et bornées pour la sécurité. Le processus se décompose en planification de séquence, exécution symbolique avec mécanismes de repli en cas d'échec, compétences d'outils limitées en force, évaluation visuelle de l'état des pièces et adaptation par démonstration. Un graphe de dispositif dérivé directement de la CAO encode l'ordre de désassemblage, les contraintes d'accès, les outils requis et les directions de retrait possibles. Testée sur trois dispositifs représentatifs, la cellule réalise le retrait de vis, la gestion de fixations endommagées, l'ouverture de fixations à clips, la déconnexion de connecteurs, l'extraction coopérative de cartes de circuits imprimés et des décisions de réparation fondées sur l'état constaté. Pour les intégrateurs et responsables de maintenance industrielle, l'intérêt tient moins au matériel qu'à l'architecture logicielle: une seule interface ROS 2 relie connaissance de séquence issue de la CAO, perception, vérification visuelle et compétences sensibles à la force, de façon cohérente en simulation, en téléopération et sur matériel réel. Cette approche cible un angle mort de l'automatisation industrielle, où le désassemblage en usine reste très majoritairement manuel car fixations, tolérances et points d'accès n'ont jamais été standardisés pour la robotique. Elle contraste aussi avec la tendance du secteur à tout miser sur des politiques vision-langage-action de bout en bout: ici, séquencement symbolique dérivé de la CAO et apprentissage borné restent combinés plutôt que remplacés, signe que pour des tâches de réparation à fort risque d'échec et à forte variabilité de pièces, l'approche hybride reste jugée plus fiable qu'un modèle purement appris. Classé comme nouvelle publication sur arXiv, le papier ne précise ni laboratoire d'affiliation ni partenaire industriel dans son résumé, et reste à ce stade un prototype de recherche validé sur trois dispositifs de test, non un système déployé en usine ou commercialisé. Il s'inscrit dans une préoccupation plus large de réparabilité de l'électronique industrielle, un terrain longtemps délaissé par la vague actuelle de robots humanoïdes et de modèles génératifs de manipulation, davantage tournés vers la préhension générique en logistique ou en production que vers le désassemblage fin d'équipements électroniques hétérogènes. Aucun pilote industriel ni calendrier de commercialisation n'est mentionné dans le résumé; les auteurs présentent leur contribution comme une architecture de référence destinée à être étendue à d'autres familles de dispositifs de contrôle au-delà des trois cas testés.

Recherche❖Paper

1 source

36

1306arXiv cs.RO 

EmbodiedSWE : agents de codage pour la robotique dextre à long horizon

Une équipe de recherche présente EmbodiedSWE, un système qui exploite des agents de codage pour résoudre des tâches de robotique dextre à long horizon, avant de transformer leurs solutions en données d'entraînement pour des politiques robotiques générales. Les auteurs introduisent EmbodiedSWE-Bench, un benchmark de simulation couvrant la manipulation à contact riche, les objets déformables et des tâches longues exigeant jusqu'à trente minutes d'interaction continue. Les agents de codage de pointe testés résolvent ces tâches et transfèrent leurs solutions d'une tâche à l'autre, voire d'un robot à un autre, au prix de nombreuses itérations et d'une forte spécialisation. EmbodiedSWE-Gen démultiplie ensuite une solution unique en de nombreuses trajectoires diversifiées pour entraîner un modèle vision-langage-action (VLA), qui, entraîné uniquement sur ces démonstrations simulées, exécute avec succès une tâche longue sur un robot réel, sans donnée de téléopération humaine. Ce résultat s'attaque au principal goulot d'étranglement de l'apprentissage robotique : la collecte de démonstrations, aujourd'hui dominée par la téléopération humaine, lente et coûteuse. En montrant qu'un agent de codage capable d'itérer en simulation peut se substituer à l'opérateur humain pour produire des trajectoires exploitables, l'étude ouvre une piste de supervision scalable pour les politiques VLA, la même famille de modèles que des systèmes connus du secteur comme GR00T N2, Pi-0 ou Helix. Pour les intégrateurs et décideurs industriels, l'enjeu est de réduire le coût et le délai nécessaires pour doter un robot de nouvelles compétences sans dépendre de flottes dédiées à la collecte de données. Le transfert réussi vers un robot réel, même limité à une seule tâche démontrée, suggère que l'écart sim-to-real peut être comblé par une diversification algorithmique des trajectoires plutôt que par un volume massif de données réelles. L'approche s'inscrit dans la tendance qui consiste à détourner les agents de codage, conçus pour l'ingénierie logicielle, vers des problèmes de contrôle physique, en écho aux efforts des laboratoires développant des modèles VLA pour réduire leur dépendance à la téléopération humaine. Publiée en prépublication sur arXiv (2609.27308), la recherche ne mentionne aucun déploiement industriel : la validation sur robot réel reste limitée à une seule tâche, le reste se déroulant en simulation.

Recherche❖Paper

1 source

36

1307arXiv cs.RO 

ADMM Stein projeté avec contact implicite pour découvrir des stratégies variées de manipulation riche en contacts

Un article déposé sur arXiv (référence 2609.28299, soumission anonyme, signe probable d'une évaluation en double-aveugle pour une conférence de robotique) propose une nouvelle méthode d'optimisation de trajectoire pour la manipulation robotique riche en contacts. Le problème visé: les solveurs dits "contact-implicit trajectory optimization" formulent la tâche comme un programme d'optimisation unique sous contraintes, qui converge systématiquement vers un seul optimum local alors qu'il existe souvent plusieurs modes de contact, prises ou directions de poussée tout aussi valides. La stratégie obtenue est donc rigide et très sensible aux conditions d'initialisation. Les auteurs combinent une variante de l'ADMM par consensus (Consensus Alternating Direction Method of Multipliers) avec l'inférence variationnelle de Stein pour produire, en une seule résolution, un ensemble de solutions distinctes plutôt qu'une réponse unique. Leur trouvaille technique: appliquer la force répulsive de Stein sur la variable "splittée" de l'ADMM plutôt que sur sa forme primale, ce qui permet de couvrir l'espace des stratégies de contact faisables sans bloquer prématurément la convergence. La méthode est testée sur des tâches de poussée, de saisie et de transfert d'objet entre deux robots, avec vidéos et code publiés sur un site dédié. Pour la recherche en manipulation robotique, ce travail s'attaque à une limite connue: l'incapacité des solveurs actuels à explorer plusieurs stratégies de contact en parallèle, ce qui fragilise les robots face aux perturbations ou aux variations d'initialisation en conditions réelles. Produire un ensemble diversifié de solutions plutôt qu'une trajectoire figée intéresse directement les intégrateurs cherchant à fiabiliser des tâches de pick-and-place ou de transfert d'objets en environnement non structuré. Les auteurs affirment que leur solveur, plus simple à formuler que les approches existantes, découvre des modes de contact que ces dernières manquent, ce qui, si confirmé indépendamment, nuancerait l'idée que la diversité de stratégies exige des architectures plus complexes. Le travail s'inscrit dans la lignée des méthodes traitant les contacts comme variables continues plutôt qu'événements discrets, en combinant deux briques existantes, l'ADMM et l'échantillonnage par particules de Stein issu du machine learning bayésien. Aucun déploiement matériel, partenariat industriel ni acteur français ou européen n'est mentionné: il s'agit d'un résultat en simulation, à ce stade en preprint. Une validation sur robot physique et une comparaison chiffrée avec les solveurs concurrents restent les suites logiques attendues.

Recherche❖Paper

1 source

36

1308arXiv cs.RO 

InfiNoVA : augmentation infinie de vues nouvelles pour des politiques robotiques invariantes au point de vue

Des chercheurs en robotique ont présenté InfiNoVA (Infinite Novel View Augmentation), une méthode d'augmentation de données pour les politiques Vision-Language-Action (VLA), détaillée dans un preprint publié sur arXiv le 24 septembre 2026 sous la référence 2609.27734v1. Le problème visé : ces politiques restent dépendantes des angles de caméra utilisés à l'entraînement et perdent en performance face à un nouveau point de vue, un défaut que la seule multiplication de démonstrations physiques ne corrige que partiellement, à coût élevé. InfiNoVA reconstruit chaque trajectoire de manipulation, filmée par plusieurs caméras synchronisées, en une représentation 3D Gaussienne variable dans le temps, puis génère des vues synthétiques depuis des poses caméra échantillonnées, en conservant la correspondance état-action d'origine. Sur quatre tâches de manipulation réelles, les politiques entraînées avec cette méthode obtiennent un taux de réussite moyen 5,4 fois supérieur à celui de l'augmentation VISTA ou d'une politique non augmentée face à des points de vue inédits, et 1,7 fois supérieur à un entraînement direct sur les cinq caméras physiques disponibles. Ce travail cible un frein concret à l'industrialisation des politiques VLA : l'écart de performance qui apparaît dès qu'un intégrateur installe une caméra à une hauteur ou un angle différent de ceux du laboratoire d'origine, un obstacle direct à des déploiements sur des cellules robotiques hétérogènes. En s'appuyant sur une représentation 3D explicite plutôt que sur une synthèse générative par diffusion, InfiNoVA limite aussi les hallucinations visuelles qui nuisent à l'exécution de la tâche, un défaut connu de ces méthodes génératives. Pour un décideur robotique, l'enseignement clé est que la robustesse au point de vue s'obtient ici par un traitement des données d'entraînement, sans modifier l'architecture de la politique. InfiNoVA s'inscrit dans les efforts pour combler l'écart de généralisation visuelle des politiques VLA. Sa comparaison directe avec VISTA, une méthode antérieure d'augmentation de vues, la positionne comme une alternative aux approches génératives par diffusion. Le travail reste une contribution de recherche en preprint, validée sur quatre tâches de laboratoire, sans partenariat industriel annoncé, présentée par ses auteurs comme une voie vers des politiques robustes aux caméras et vers des tests à plus grande échelle.

Recherche⚡Actu

1 source

35

1309arXiv cs.RO 

GLoTouch : perception haptique du global au local avec une pince parallèle, pour rechercher, reconnaître et saisir des objets sans vision externe

Un groupe de chercheurs présente GLoTouch, un système de perception haptique conçu pour permettre à un robot de chercher, reconnaître et saisir un objet uniquement par le toucher, sans caméra externe, dans un environnement sombre ou peu éclairé. L'architecture repose sur un gripper parallèle classique à faible nombre de degrés de liberté et fonctionne en deux temps. Dans la phase globale, la pince tient une sonde passive de grande portée dont la géométrie est connue à l'avance: les mesures de force au contact permettent de localiser l'objet candidat, d'estimer grossièrement son contour et sa hauteur à l'échelle du conteneur qui l'entoure. Dans la phase locale, le robot repose cette sonde et utilise des capteurs visuotactiles bilatéraux montés sur le même gripper pour recueillir des observations fines de surface, comparées directement à un modèle 3D cible fourni, sans entraînement spécifique à cet objet. Le système a été évalué à la fois en simulation et sur un robot réel; les auteurs, publiant sur arXiv en septembre 2026 (référence 2609.27695), annoncent l'ouverture future du code source, sans préciser à ce stade de date. L'abstract ne communique aucun chiffre de payload, de temps de cycle ou de taux de réussite quantifié. L'intérêt pour l'industrie robotique tient au problème visé plus qu'aux résultats chiffrés: la quasi-totalité des systèmes de manipulation actuels, y compris les modèles vision-langage-action (VLA) qui dominent la recherche en robotique généraliste, dépendent d'une perception visuelle qui s'effondre dès que la lumière manque, un cas fréquent en logistique nocturne, en tri de conteneurs fermés ou en intervention en milieu confiné. GLoTouch propose une alternative en montrant qu'un gripper parallèle low-cost, sans capteurs externes ni DOF supplémentaires, peut unifier exploration spatiale grossière et perception géométrique fine dans un seul pipeline tactile. C'est une preuve de concept de recherche, pas un produit prêt au déploiement: l'absence de métriques comparatives et le stade encore expérimental invitent à la prudence avant toute extrapolation vers un usage industriel. Le travail s'inscrit dans un courant de recherche tactile robotique qui s'appuie sur des capteurs visuotactiles bilatéraux, sans qu'aucune affiliation ou financement ne soit précisé dans le résumé. Cette approche répond à une limite connue de ce champ: la plupart des méthodes tactiles existantes se cantonnent à la manipulation fine locale sans traiter la recherche spatiale à l'échelle d'un contenant. Aucun acteur français ou européen n'est cité dans cette publication. La suite annoncée se limite à la publication du code source, sans calendrier de pilote industriel ni partenaire nommé.

Recherche❖Paper

1 source

34

1310arXiv cs.RO 

Prêtez-moi une oreille : amélioration de la parole via un bras robotique équipé d'un réseau de microphones

Une publication mise à jour sur arXiv (référence 2602.17818v2) décrit une plateforme robotique de rehaussement de la parole conçue pour les environnements industriels bruyants, comme les ateliers de fabrication. Le système associe un réseau de seize microphones à un bras manipulateur à sept degrés de liberté (DOF), les capteurs étant répartis en quatre groupes de quatre, dont un groupe fixé près de l'effecteur terminal. Le bras ajuste ses angles articulaires pour rapprocher physiquement ce groupe de microphones du locuteur ciblé, améliorant la qualité du signal de référence capté. La plateforme combine localisation de source sonore, vision par ordinateur, cinématique inverse, un beamformer à variance minimale sans distorsion (MVDR) et un masquage temps-fréquence appuyé sur un réseau de neurones profond. Selon les auteurs, cette configuration reconfigurable surpasse les dispositifs d'enregistrement fixes classiques, avec un ratio signal-sur-distorsion invariant à l'échelle (SI-SDR) plus élevé et un taux d'erreur de mots (WER) plus faible, mesurés sur plusieurs niveaux de rapport signal/bruit en entrée. L'enjeu dépasse la démonstration de laboratoire : les interfaces de commande vocale peinent à fonctionner sur des lignes de production bruyantes, où le traitement du signal ou l'apprentissage profond purement logiciels atteignent leurs limites face au bruit ambiant et à la réverbération. En traitant le problème comme une question de géométrie physique autant que de calcul, cette approche relativise l'hypothèse répandue selon laquelle le rehaussement de la parole se résout uniquement par du logiciel. Pour les intégrateurs robotiques et les responsables d'usine envisageant la commande vocale de machines ou la collaboration homme-robot, l'idée qu'un bras déjà présent sur une cellule de travail serve aussi de capteur acoustique reconfigurable ouvre une piste peu coûteuse. Il s'agit néanmoins d'un résultat expérimental publié en preprint, non d'un produit commercialisé, et les gains rapportés reposent sur des tests contrôlés dont la transposition à un bruit d'usine réel reste à démontrer. Les auteurs situent leur travail en rupture avec les approches existantes, qui reposent sur le traitement du signal numérique avancé, l'apprentissage profond ou l'optimisation logicielle appliqués à des réseaux de microphones à géométrie fixe. La nouveauté revendiquée tient à cette reconfigurabilité mécanique, rendue possible par un bras manipulateur à sept DOF, matériel déjà courant dans l'industrie manufacturière. La publication ne précise ni l'origine académique ou industrielle de l'équipe ni de calendrier de transfert vers un produit, et aucun concurrent direct n'est cité. L'étape suivante logique pour ce type de recherche resterait une validation en conditions industrielles réelles, avec bruit de machines et réverbération variable, avant toute intégration à des cellules robotiques commerciales.

Recherche❖Paper

1 source

33

1311arXiv cs.RO 

HiRE : édition rétrospective des récompenses pour l'affinage de politiques

HiRE (Hindsight Reward Editing), décrit dans une publication arXiv (identifiant 2609.27068v1, catégorie "new"), est une méthode pour affiner par apprentissage par renforcement (RL) des politiques robotiques déjà pré-entraînées, afin de les adapter à un environnement spécifique. Le problème visé: le RL améliore directement l'optimalité de l'action plutôt que de simplement imiter des démonstrations, mais son efficacité dépend entièrement de la qualité de la récompense, or les récompenses sparse manquent de retour intermédiaire, les récompenses conçues à la main sont coûteuses et biaisées, et les récompenses sémantiques issues de modèles de représentation fondamentaux sont rarement centrées sur le contrôle physique. HiRE, présenté comme un framework "training-free", recalibre ces modèles en comparant après coup des trajectoires réussies et échouées : il repère les "trap states", des états jugés très prometteurs par le modèle mais menant en réalité à l'échec (et l'inverse), puis pénalise les premiers tout en renforçant la récompense des états critiques du succès. Compatible avec tout modèle de représentation fondamental et tout algorithme de RL, HiRE atteindrait, selon les auteurs, au moins trois fois la performance des politiques de base, avec des résultats qualitatifs publiés sur hire-project.github.io. Ce travail s'attaque à un goulot d'étranglement bien identifié dans le déploiement de politiques robotiques fondées sur des modèles de type VLA (vision-language-action) : le finetuning par RL, en théorie plus performant que l'apprentissage par imitation, reste peu utilisé en pratique faute de signaux de récompense fiables, ce qui pousse la plupart des acteurs à rester sur du finetuning supervisé. En évitant l'ingénierie manuelle de récompenses tâche par tâche, une méthode training-free comme HiRE pourrait réduire le coût d'adaptation site par site pour les intégrateurs et laboratoires qui cherchent à spécialiser un modèle fondation sur un cas d'usage précis. Le gain revendiqué, la prévention de l'effondrement de la fonction de valeur et du "reward hacking" où l'agent exploite les failles de la récompense sans réellement accomplir la tâche, répond à des défauts connus du RL appliqué à la robotique réelle. Le facteur "3x" reste toutefois une mesure interne aux propres expériences des auteurs, sans détail sur les tâches, robots ou simulateurs utilisés, ce qui appelle une lecture prudente avant toute généralisation. Le papier s'inscrit dans la vague de travaux cherchant à combler l'écart entre les grands modèles de représentation entraînés sur des corpus larges et leur usage concret pour piloter un robot, un défi central pour toute l'industrie humanoïde et de la manipulation aujourd'hui. Il ne s'agit à ce stade que d'une soumission arXiv, sans affiliation d'entreprise, sans robot ni site de déploiement mentionnés dans le résumé, donc d'une contribution de recherche et non d'un produit ou d'un pilote industriel. Les auteurs renvoient vers une page de démonstrations qualitatives pour appuyer leurs résultats, mais aucune date de publication du code, aucun partenaire industriel ni suite annoncée ne figurent dans l'article.

Recherche❖Paper

1 source

33

1312arXiv cs.RO 

Information orientée action pour le contrôle distribué et l'interaction à base d'agents

Un article diffusé le 24 septembre 2026 sur arXiv (2609.27580) présente DI-Walker, une plateforme simulée bidimensionnelle à quatre membres, pilotée par des politiques de contrôle figées entraînées par la méthode Cross-Entropy (CEM). Les auteurs comparent deux architectures de capteurs de force : l'une où chaque membre lit uniquement son propre capteur de force réalisée, l'autre où il lit aussi ceux des membres voisins (architecture « Peer-Sensor »). Sous trois types de pannes testées, perte d'un membre, glissement d'un membre et décrochage partiel du contrôle central, l'architecture Peer-Sensor produit une erreur de suivi de trajectoire plus faible en fin de séquence dans plusieurs configurations. Un estimateur corrigé, fondé sur un historique fini d'actions prédictives, révèle un gain nettement plus élevé des messages inter-membres en cas de panne combinée, alors qu'un second estimateur, fondé sur une prédiction scalaire de fonctionnelle future, ne retrouve pas cet avantage stable. Ce résultat pèse surtout sur le plan méthodologique pour le contrôle distribué et la robotique multi-agents, plus que comme avancée produit immédiate. Il montre qu'une information utile à une décision de contrôle intermédiaire peut rester invisible aux mesures classiques d'information prédictive, masquée par la dynamique ultérieure du système, la redondance des capteurs et le contexte d'exécution. Pour les concepteurs de robots multi-membres ou de systèmes multi-agents tolérants aux pannes (essaims, exosquelettes, manipulateurs redondants), cela signale que le choix de l'estimateur d'information utilisé pour justifier un partage de capteurs entre composants peut inverser la conclusion : un avertissement pour toute évaluation d'architecture de communication fondée sur une seule métrique. Les auteurs rattachent leur proposition à des cadres théoriques existants : information prédictive, entropie de transfert, information dirigée de Massey, approches « information-to-go »/IT-PAC, notion d'empowerment et perspective du débit de données en contrôle robuste, tout en distinguant explicitement leurs gains prédictifs opérationnels, mesurés empiriquement sur DI-Walker, de l'information dirigée exacte, de la capacité de canal et du théorème formel de débit de données. L'étude reste entièrement simulée, sur un système jouet à deux dimensions et des politiques de contrôle gelées plutôt qu'apprises en continu, sans déploiement sur robot physique. Aucune entreprise n'est impliquée : il s'agit de recherche fondamentale, sans calendrier annoncé de transfert vers du matériel réel.

Recherche❖Paper

1 source

32

1313arXiv cs.RO 

Étalonnage caméra-robot assisté par tracker laser pour robots mobiles

Des chercheurs ont publié en septembre 2026 sur arXiv (référence 2609.27006v1) une nouvelle méthode de calibration main-œil assistée par tracker laser, destinée aux robots mobiles équipés de caméras. Le principe combine la métrologie 3D d'un tracker laser, qui localise en continu le robot dans l'espace, avec des observations caméra en 2D, pour déterminer la pose exacte de la caméra dans le référentiel du robot. Ce travail prolonge une méthode antérieure des mêmes auteurs, initialement conçue pour des robots mobiles observant le sol, en proposant une formulation généralisée qui s'applique à un éventail plus large de configurations robot-caméra. La nouveauté technique tient au chaînage de plusieurs cibles de calibration, qui permet de lever les contraintes que l'approche précédente imposait sur le positionnement relatif de la caméra et du châssis. Une calibration caméra-robot précise conditionne directement la fiabilité de toute chaîne de navigation, de manipulation ou de cartographie embarquée: une erreur de quelques millimètres dans ce repère se répercute sur la localisation, la saisie d'objets ou la construction de cartes. Les méthodes classiques supposent souvent une configuration rigide et connue à l'avance, ce qui devient un frein dès qu'un intégrateur doit qualifier une flotte hétérogène d'AMR ou de robots d'inspection portant des caméras montées à des hauteurs et angles variés. En généralisant la calibration à ces configurations diverses, cette approche vise à réduire le travail d'ingénierie nécessaire pour déployer un système de calibration fiable sur un nouveau type de plateforme, plutôt que de repartir d'un montage ad hoc à chaque robot. Le papier s'inscrit dans la continuité directe des travaux antérieurs des mêmes auteurs sur la calibration par tracker laser, une technique de métrologie de précision déjà répandue en robotique industrielle et en photogrammétrie, ici étendue au cas de robots mobiles dont la position est suivie en temps réel. Aucun déploiement industriel, partenaire ou nom d'entreprise n'est mentionné: il s'agit d'une contribution méthodologique de recherche, dont la portée pratique dépendra de sa reprise par des équipes de calibration robotique ou des fournisseurs de solutions de métrologie.

Recherche❖Paper

1 source

29

1314arXiv cs.RO 

Behaviora : une architecture conceptuelle pour le comportement externe et interne des robots et agents

Une nouvelle architecture conceptuelle baptisée Behaviora propose de représenter de façon adressable le comportement, externe et interne, des robots et agents artificiels. Publiée sur arXiv (arXiv:2609.27536v1, catégorie "new"), la proposition définit un système où un robot ou agent exécute des "Behavior Episodes" composées d'éléments dérivés de taxonomies comportementales (BTax), chacun recevant un identifiant persistant appelé adresse IoB, pour Internet of Behaviors. Un "Style Profile" (SP) spécifie la manière dont un comportement est exprime, tandis qu'un "Experience Profile" (EP) modélise un état interne pertinent qui module l'exécution de l'épisode. Un "Behavior Compiler" traduit ensuite ces représentations abstraites en actions concrètes propres a chaque plateforme matérielle. Les auteurs illustrent ces mécanismes a l'aide d'un modèle primitif de bras articule effectuant un mouvement de contact, et notent que le comportement interne peut se matérialiser sous forme de discours intérieur génère par le système. Aucun chiffre de performance, de déploiement ou de produit commercial n'accompagne cette publication, s'agissant explicitement d'une architecture "préliminaire". L'intérêt de ce travail est structurel plutôt qu'opérationnel: en séparant le "quoi" (l'épisode) du "comment" (le style) et de l'"état interne" (l'expérience), Behaviora propose un cadre potentiellement standardise pour rendre les comportements robotiques adressables et interopérables entre plateformes, un peu comme l'IoT adresse des objets connectes. Pour les intégrateurs et chercheurs travaillant sur des approches VLA (vision-langage-action) comme GR00T N2 ou Pi-0, ce cadre reste orthogonal: il ne resout pas le sim-to-real ni l'exécution physique, mais propose une couche de représentation et de personnalisation comportementale au-dessus de ces moteurs d'action. Le papier s'inscrit dans la lignée des taxonomies comportementales utilisées en interaction homme-robot, mais sans rattachement a une entreprise ou un laboratoire identifie dans le résume. Les auteurs précisent que la perception, la détection de contexte et les taches complexes ne sont pas encore intégrées dans l'implémentation actuelle, une place conceptuelle leur étant simplement réservée pour des travaux futurs.

Recherche❖Paper

1 source

29

1315arXiv cs.RO 

Trajectoires rebondissantes : classes de réflexion pour robots tolérants aux collisions

Des chercheurs ont publié en septembre 2026 sur arXiv (arXiv:2609.27145v1) une méthode de planification de trajectoire qui autorise délibérément un robot mobile à rebondir contre les murs plutôt qu'à les éviter systématiquement. Le système construit un graphe d'états augmenté par réflexion, dans lequel chaque trajectoire possible est classée selon la séquence de murs utilisés pour les rebonds, ce qui permet d'énumérer systématiquement les stratégies de rebond et d'identifier le chemin le moins coûteux dans chaque classe. Les trajectoires calculées sont ensuite exécutées par un contrôleur d'échantillonnage tenant compte des contacts et de la dynamique complète du robot. L'étude, limitée à un scénario de test simulé en navigation plane, montre que la meilleure classe de trajectoires rebondissantes réduit le temps d'exécution et l'effort de commande par rapport à un chemin strictement sans collision, même si ce dernier reste géométriquement plus court. Aucun robot physique, aucune entreprise ni aucun site de déploiement ne sont associés à ces travaux à ce stade: il s'agit d'un preprint de recherche académique, pas d'un produit ni d'un pilote industriel. L'intérêt pratique concerne les robots à forte inertie et manœuvrabilité limitée, typiquement des AMR lourds ou chargés, pour lesquels éviter tout contact impose des changements de cap coûteux en temps et en énergie, alors même que l'environnement pourrait être exploité sans danger. En démontrant que des trajectoires exploitant le contact contrôlé peuvent être plus rapides et moins gourmandes en effort d'actionnement qu'un chemin purement évitant les collisions, les auteurs remettent en question un présupposé implicite de la planification de navigation classique, selon lequel l'absence totale de contact serait toujours la stratégie optimale. Pour les intégrateurs et concepteurs de flottes en logistique ou en environnement industriel, cela ouvre une piste pour réduire les temps de cycle et la consommation énergétique de robots massifs évoluant dans des espaces contraints, à condition que la structure du robot et des surfaces environnantes tolère physiquement ce type d'interaction. Cette approche s'inscrit à contre-courant de la tradition dominante en navigation robotique, où la quasi-totalité des planificateurs cherchent par défaut des trajectoires sans collision, le contact étant assimilé à un échec ou un risque. Les auteurs formalisent au contraire le contact comme une ressource exploitable, en s'appuyant sur une représentation en graphe pour structurer un espace de solutions jusqu'ici exclu des formulations classiques d'évitement d'obstacles. Le travail reste toutefois préliminaire: validation uniquement en simulation, sur un seul scénario de test, sans confrontation à du matériel réel ni comparaison à d'autres méthodes de planification tolérante aux contacts. Aucune feuille de route, aucun calendrier de validation physique ni partenaire industriel n'est mentionné dans le preprint, ce qui en fait pour l'instant une contribution de recherche fondamentale plutôt qu'une brique prête à intégrer.

Recherche❖Paper

1 source

37

1316Robotics Business Review 

Helicon automatise la fabrication de composites à grand volume

Helicon Industries, startup basée a Los Angeles, est sortie de stealth avec 16 millions de dollars en financement d'amorçage mène par AlleyCorp. L'entreprise développe des systèmes de fabrication automatisée pour les matériaux composites, en commençant par la fibre de carbone, avec l'objectif de ramener les délais de production de six mois ou plus a deux semaines. Le procédé traditionnel consiste a placer un textile en fibre de carbone dans un moule, avec la résine déjà intégrée (prepreg) ou ajoutée ensuite par infusion sous vide ou moulage par transfert de résine (RTM). Cette méthode reste largement manuelle, en particulier pour la manipulation de textiles flexibles, et se heurte a une réglementation stricte propre a l'aéronautique et a la défense. Helicon a été cofondée par Edmundo Sanz-Gadea, directeur technique, et Alex Niehaus, directeur général. L'enjeu dépasse la seule fibre de carbone. Un nombre croissant d'acteurs en drones, robotique et aérospatial cherchent a produire des structures légères et performantes non plus par centaines, comme les grands groupes de défense tels que Lockheed Martin ou Boeing, mais par centaines de milliers d'unités, sans renoncer aux avantages mécaniques des composites. Or la plupart des fabricants achètent aujourd'hui des feuilles plates de fibre de carbone importées, les découpent puis les assemblent par fixations mécaniques, une approche jugée inefficace qui multiplie le travail d'assemblage. Automatiser la manipulation de textiles souples, un problème non résolu de longue date en robotique industrielle, conditionnerait donc directement la capacité du secteur a faire passer les composites d'une fabrication artisanale a une production de masse, un changement d'échelle déjà engage dans les drones et qui gagne d'autres pans de la robotique. Le parcours d'Edmundo Sanz-Gadea éclairé le positionnement d'Helicon a la croisée de l'aérospatial et de la robotique autonome. Forme a l'aérospatiale a TU Delft après un stage a l'Agence spatiale européenne a Paris, il a participe a une équipe Formula Student de voitures autonomes associant Delft et le MIT, avant de travailler sur des drones d'inspection d'infrastructures aux Pays-Bas puis a l'ETH Zurich, ou il a développe une politique de diffusion permettant a un quadrupède ANYbotics de réaliser des transferts d'objets homme-robot. Ce passage de l'aérospatiale optimisée aux systèmes autonomes nourrit la thèse d'Helicon : appliquer l'autonomie robotique a un secteur manufacturier reste largement manuel. L'entreprise n'a pas communique de calendrier de déploiement industriel ni de client pilote nomme, l'annonce relevant pour l'instant d'une sortie de stealth accompagnée d'un tour d'amorçage plutôt que d'une mise en production vérifiée.

Industriel⚡Actu

1 source

33

1317Robotics Business Review 

La keynote « State of Humanoids » réunit les leaders de l'industrie à RoboBusiness

Les organisateurs de RoboBusiness 2026 ont annoncé la tenue d'une keynote intitulée "State of Humanoids" qui ouvrira la deuxième journée du salon, le 21 octobre. Le panel réunira Pras Velagapudi, directeur technique d'Agility Robotics, Parker Conroy, responsable de la gestion produit chez Apptronik, Michael Patrick Perry, responsable de la stratégie commerciale chez Persona AI, et Aadeel Akhtar, fondateur et PDG de PSYONIC. La discussion sera animée par Mike Oitzman, rédacteur en chef de The Robot Report. L'événement s'inscrit dans la 20e édition de RoboBusiness, salon nord-américain consacré à la robotique commerciale. Aucun produit, chiffre de déploiement ou spécification technique n'est communiqué à ce stade : il s'agit d'une annonce d'événement et non d'un lancement, le contenu réel des échanges ne sera connu qu'à l'issue du panel. L'initiative illustre un repositionnement du discours sectoriel sur les robots humanoïdes, qui passe des vidéos de démonstration virales vers une évaluation plus posée de leur maturité opérationnelle réelle. En réunissant sur une même scène des dirigeants de quatre entreprises aux approches différentes, du bipède industriel à la prothèse bionique en passant par l'humanoïde destiné aux environnements lourds, l'organisation cherche explicitement à confronter le discours marketing à l'état effectif des déploiements en usine, en entrepôt et en logistique. Les thèmes annoncés, sécurité, normes, modèle économique et jalons nécessaires à une adoption commerciale plus large, indiquent que le secteur cherche désormais à documenter l'écart entre promesse et réalité plutôt qu'à l'occulter, un signal utile pour les intégrateurs et décideurs industriels qui doivent arbitrer entre pilotes précoces et attente d'une technologie plus mûre. Le choix des intervenants reflète des trajectoires distinctes dans la course humanoïde. Agility Robotics, connue pour son robot bipède Digit, et Apptronik, qui développe la plateforme Apollo avec des déploiements pilotes chez des industriels comme Mercedes-Benz, comptent parmi les acteurs américains les plus avancés en matière de tests en environnement réel. Persona AI, entreprise plus récente positionnée sur les humanoïdes pour la construction navale et l'industrie lourde, apporte une perspective centrée sur des cas d'usage à forte pénibilité. PSYONIC, de son côté, vient du monde des prothèses bioniques avec sa main robotique Ability Hand, un angle complémentaire sur la manipulation fine plutôt que sur la locomotion. Aucun acteur français ou européen ne figure dans ce panel. RoboBusiness, organisé par WTWH Media et couvert par The Robot Report, se tiendra les 21 et 22 octobre 2026 ; les organisateurs invitent déjà les professionnels du secteur à s'inscrire pour assister à la session en personne.

Humanoïdes⚡Actu

1 source

45

1318Robotics Business Review 

Qualcomm va racheter PickNik Robotics et maintenir MoveIt en open source

Qualcomm Technologies Inc. a annoncé son accord pour racheter PickNik Inc., éditeur basé à Boulder, dans le Colorado, du framework open source MoveIt, référence pour la planification et le contrôle de manipulation robotique sous ROS (Robot Operating System). Le montant de la transaction n'a pas été communiqué. Fondée en 2015, PickNik s'est fait connaître via l'Amazon Picking Challenge et a compté Google comme premier client ; son équipe avait initié les travaux sur MoveIt au sein du projet ROS chez Willow Garage. En 2024, l'entreprise a fait évoluer MoveIt Studio vers MoveIt Pro, une version professionnelle dotée de capacités avancées d'exécution, de décision et d'orchestration. Cette année, PickNik s'est associée à Motiv Space Systems pour développer le logiciel de la mission Fly Foundational Robotics de la NASA, et a publié MoveIt Pro 9.0, avec des fonctions de perception vers mouvement enrichies, une téléopération repensée et un système de collecte de données d'entraînement. L'opération vise à intégrer MoveIt à la plateforme Dragonwing de Qualcomm, présentée en janvier 2026 comme une architecture généraliste unifiant matériel, logiciel et IA, compatible avec les modèles vision-langage (VLM) et vision-langage-action (VLA). L'objectif affiché est de raccourcir le chemin entre un modèle d'IA et son exécution concrète sur un robot, en couvrant planification, manipulation et contrôle temps réel. Pour les intégrateurs et décideurs industriels, ce rapprochement illustre une bascule : les fournisseurs de silicium et de connectivité (Snapdragon, modems SoC, plateformes IoT) cherchent désormais à contrôler la couche logicielle qui relie les modèles génératifs aux commandes moteur réelles, un point de friction encore largement non résolu dans le secteur. Le rachat d'un pilier open source aussi central que MoveIt par un acteur du poids de Qualcomm soulève aussi, de façon implicite, la question de la dépendance future de la communauté ROS à un fournisseur de puces unique, même si l'entreprise affirme vouloir préserver l'ouverture du projet. L'acquisition s'inscrit dans une stratégie d'expansion de Qualcomm vers la robotique physique amorcée en avril 2026, quand l'entreprise avait rejoint MassRobotics pour mettre Dragonwing à disposition des startups résidentes de l'incubateur. Qualcomm affirme vouloir maintenir MoveIt 1 et 2 en open source sous leur licence actuelle, avec une feuille de route toujours pilotée par la communauté, et continuer de le supporter sur du matériel tiers, hors Dragonwing. Dave Coleman, fondateur et directeur produit de PickNik, présente l'opération comme un moyen d'accélérer l'investissement dans MoveIt en tant que plateforme d'entraînement IA pour la robotique. Nakul Duggal, vice-président exécutif de Qualcomm en charge de l'automobile, de l'industriel et de la robotique, y voit un moyen de faciliter le développement d'applications robotiques avancées sur Dragonwing. Aucun calendrier de clôture ni de déploiement commercial n'a été précisé à ce stade.

Business⚡Actu

1 source

39

1319Robohub 

Feuille de route robotique du mois : la Chine à la loupe

La Chine mise sur l'intelligence artificielle incarnée et la robotique humanoïde comme moteur de sa prochaine révolution industrielle, en s'appuyant sur son immense infrastructure manufacturière déjà en place. Dans un article coécrit par Ellen H. Rumley et Allison Okamura consacré aux feuilles de route robotiques mondiales, les auteures rappellent que les robots chinois se sont récemment imposés dans l'imaginaire collectif mondial : danseurs robotiques lors de concerts, humanoïdes disputant marathons et sprints à des vitesses supérieures à celles d'athlètes de haut niveau, robots guides de circulation et personnel de restaurant, essaims de drones animant des spectacles lumineux urbains ou livrant des repas dans des tours résidentielles. Derrière ces vitrines publiques, qui normalisent l'automatisation et projettent du soft power, se dessine un agenda de domination économique porté par Pékin, qui voit la robotique comme le levier central de sa rivalité géopolitique avec les Etats-Unis pour contrôler les chaînes d'approvisionnement mondiales. Cette stratégie répond aussi à des contraintes internes : vieillissement démographique, recul de la main-d'œuvre industrielle hérité de la politique de l'enfant unique, urbanisation rapide, et des dispositifs comme le visa K pour attirer des talents étrangers. Depuis les années 1950, le gouvernement chinois publie tous les cinq ans des Plans quinquennaux (FYP). Le 13e FYP (2016-2020) a posé les bases de l'essor robotique national via "Made in China 2025", campagne visant à transformer le pays d'usine low-cost mondiale en leader manufacturier high-tech souverain, financée par des subventions publiques massives. Critiqué à l'international et visé par des sanctions, ce label a été abandonné, mais ses objectifs se sont poursuivis dans le 14e FYP (2021-2025), avec deux initiatives sectorielles du ministère de l'Industrie et des Technologies de l'information (MIIT) : le plan quinquennal pour l'industrie robotique (2021), destiné à remplacer les fournisseurs étrangers de composants critiques par des équivalents domestiques, et le "Robot + Application Action Plan" (2023), qui impose l'adoption de robots chinois dans dix secteurs clés dont l'agriculture, la logistique et la santé. Pour les intégrateurs et décideurs industriels occidentaux, cette coordination simultanée de l'offre et de la demande, orchestrée par l'Etat, dessine une menace structurelle sur les composants robotiques critiques (actionneurs, réducteurs, capteurs), avec un scénario de dépendance rappelant celui du solaire ou des batteries. Les démonstrations spectaculaires de marathoniens humanoïdes ou de danseurs robots relèvent davantage d'opérations de normalisation et de soft power que de preuves de maturité technologique généralisée : l'article ne fournit aucune donnée vérifiable de performance sur ces machines, ce qui invite à distinguer nettement la mise en scène du déploiement industriel réel. Ce plan s'inscrit dans une tradition de planification centralisée vieille de sept décennies, où l'Etat aligne entreprises publiques, capital privé et chaînes d'approvisionnement autour d'objectifs communs. La controverse internationale ayant entouré Made in China 2025 n'a pas stoppé la trajectoire, seulement rebaptisé son affichage. La rivalité explicite avec les Etats-Unis structure désormais la compétition mondiale en robotique et IA incarnée, la suite logique étant la préparation d'un 15e plan quinquennal après 2025 pour prolonger cette bascule vers l'autosuffisance technologique.

Chine/Asie❧Opinion

1 source

48

1320Robot Magazine FR 

Interview : les deux membres fondateurs de MAESTRO racontent la naissance du consortium à l’Inria et au CNRS

Le consortium MAESTRO, né des travaux menés à l'Inria et au CNRS, a été présenté par deux de ses membres fondateurs, Justin Carpentier et Pierre-Guillaume Raverdy, dans une interview sur sa genèse et ses objectifs. Son ambition est de rapprocher la recherche française et européenne en robotique et intelligence artificielle des besoins concrets de l'industrie, en se concentrant sur les logiciels qui modélisent, simulent et contrôlent les mouvements des robots. La suite s'appuie sur des briques développées par l'équipe de recherche WILLOW (CNRS, PSL, Inria), conçues à l'origine pour des problématiques scientifiques de locomotion et de manipulation, et aujourd'hui utilisées par des équipes de recherche et des industriels du monde entier, de l'aérospatial aux plateformes humanoïdes de dernière génération. Ces outils couvrent désormais toute la chaîne : modélisation physique, simulation, optimisation et contrôle. Cette structuration répond à une difficulté récurrente de la robotique académique européenne : des briques logicielles scientifiquement solides qui restent cantonnées au laboratoire faute de maintenance et de feuille de route alignée sur les contraintes industrielles. En intégrant des partenaires qui apportent leurs cas d'usage et confrontent les logiciels à des déploiements concrets, MAESTRO vise à accélérer le passage du prototype de recherche à l'outil industriel robuste. Pour les intégrateurs et décideurs B2B, l'enjeu est celui d'une alternative européenne mutualisée face aux piles logicielles propriétaires des acteurs américains et chinois de la robotique humanoïde. Le consortium ne vend pas un robot mais une infrastructure logicielle commune, un positionnement qui relève autant de la souveraineté technologique que de la compétitivité scientifique. MAESTRO prolonge les travaux de l'équipe WILLOW, qui a progressivement étoffé sa suite au-delà de ses cas d'usage d'origine. Justin Carpentier y situe une rupture méthodologique plus large : la robotique s'est longtemps appuyée sur des modèles mathématiques et le contrôle optimal, dont les fondements remontent aux années 1950, une approche rigoureuse mais qui suppose de décrire explicitement la dynamique du robot, ses contacts et ses objectifs, mise en échec dès que le geste se complique, comme un salto, par l'explosion du nombre de paramètres. L'IA a d'abord transformé la perception, remplaçant la description manuelle des objets par des représentations apprises depuis images et capteurs, capables de généraliser à des objets inédits. Elle transforme désormais la décision et l'action via l'apprentissage par renforcement et par imitation, qui permettent d'acquérir un mouvement par essais ou par démonstration humaine sans programmation geste par geste. Les progrès récents combinent vision, apprentissage et modèles de langage, une convergence sur laquelle l'interview s'arrête sans calendrier de déploiement industriel précisé.

FR/EU ecosysteme⚡Actu

1 source

44

1321arXiv cs.RO 

VLAQuantBench : évaluation en boucle fermée de la quantification post-entraînement pour les modèles vision-langage-action

Des chercheurs ont publié VLAQuantBench, un protocole d'évaluation en boucle fermée de la quantification post-entraînement pour les modèles vision-langage-action, construit sur 409 runs et 94 574 épisodes de simulation, avec quatre modèles testés sur le benchmark LIBERO et X-VLA évalué en plus sur trois autres familles de benchmarks de simulation. Sous une quantification W4A4 non calibrée (poids et activations sur 4 bits), étendre le sous-ensemble de couches de la tête d'action de π0.5 de 126 à 167 couches fait bondir le taux de réussite de 7,0% à 70,5%, un gain confirmé par rejeu à observations fixes. Une calibration limitée à deux épisodes supprime les échecs sévères observés sur les sous-ensembles testés, mais la même recette de lissage et d'écrêtage dégrade le score de π0 et ne suffit pas à restaurer OpenVLA-OFT de bout en bout, qui exige de protéger une seule projection de sortie de 28 672 paramètres pour retrouver une performance quasi égale à la référence, le reste du réseau (441 couches linéaires) pouvant alors tourner en poids 3 bits sur LIBERO-Long ou en activations 8 bits sur les quatre suites testées. Ces résultats visent directement les équipes qui doivent faire tenir des VLA de plusieurs milliards de paramètres dans la mémoire limitée d'un contrôleur embarqué, un enjeu croissant pour les robots manipulateurs et humanoïdes commerciaux. Le constat principal invalide l'idée de règles de sensibilité par couche universelles et transférables d'un modèle à l'autre: une même recette de calibration peut sauver un modèle et en casser un autre, ce qui impose aux intégrateurs de valider chaque schéma de quantification modèle par modèle plutôt que de recycler des heuristiques génériques. L'étude montre aussi qu'un effondrement massif sous quantification agressive ne trahit pas forcément une fragilité intrinsèque du VLA, puisqu'un ajustement ciblé du périmètre de couches protégées, ou une simple calibration sur deux épisodes, peut faire passer la réussite de 7% à plus de 70%. La quantification post-entraînement, technique éprouvée sur les grands modèles de langage, est de plus en plus reprise telle quelle pour les VLA sans validation poussée sur des tâches de manipulation en boucle fermée, un vide que ce travail comble en testant côte à côte π0, π0.5, OpenVLA-OFT et X-VLA. Le code, les configurations et les enregistrements d'épisodes sont publiés en accès libre sur GitHub, ce qui permet à d'autres équipes de reproduire ou d'étendre les assignations de précision identifiées. L'article, référencé arXiv:2609.25376, n'annonce ni nouveau modèle ni déploiement commercial, mais livre un outil méthodologique aux équipes de recherche et d'ingénierie qui arbitrent entre empreinte mémoire et fiabilité avant de faire tourner un VLA sur du matériel embarqué.

Recherche❖Paper

1 source

44

1322arXiv cs.RO 

Le monde entre vos mains : un écosystème open source à grande échelle pour l'apprentissage de la manipulation centrée sur l'humain en conditions réelles

Un article déposé sur arXiv (version 4) présente World In Your Hands (WIYH), un écosystème open source comprenant plus de 1 000 heures de données de manipulation humaine collectées en conditions réelles, avec une précision de mouvement à l'échelle millimétrique. Il s'articule autour de trois éléments : l'Oracle Suite, un kit de capture portable doté d'un pipeline d'auto-étiquetage pour un suivi de mouvement précis hors laboratoire ; le WIYH Dataset, qui couvre des centaines de compétences de manipulation dans des scénarios réels variés et de multiples modalités ; et un ensemble d'annotations et de benchmarks allant de la perception à l'action. Les auteurs précisent que toutes les données et les plans matériels seront publiés en open source. Le résultat central des expériences menées avec WIYH montre que l'intégration de ces données humaines dans l'entraînement de politiques robotiques fait passer le taux de réussite de manipulation en environnement encombré de 8% à 60%. Cet écart souligne que le goulot d'étranglement des politiques vision-langage-action reste la quantité et la qualité des démonstrations, plus que l'architecture des modèles. Pour les équipes travaillant sur l'apprentissage cross-embodiment, transférable d'une morphologie de robot à une autre voire de la main humaine vers un bras robotique, WIYH offre une alternative aux campagnes de téléopération propriétaires coûteuses. Publier données et matériel en open source tranche avec la logique de plusieurs acteurs commerciaux qui gardent leurs jeux de données fermés. Ce travail s'inscrit dans une série d'efforts visant à exploiter vidéo et geste humains comme alternative aux données de téléopération, face au coût et à la lenteur de la collecte robot par robot. La difficulté historique tenait à la précision du tracking et à l'hétérogénéité des conditions de capture, ce que l'Oracle Suite cherche à résoudre avec son pipeline d'auto-étiquetage millimétrique déployable hors studio. À ce stade, WIYH reste une publication de recherche accompagnée d'un jeu de données et de benchmarks, pas un produit commercialisé ni un déploiement industriel ; son impact dépendra de la mise en ligne effective des données et des plans matériels, ainsi que de la reproductibilité du gain de 8% à 60% sur d'autres tâches que celles testées par les auteurs.

IA physique⚡Actu

1 source

43

1323arXiv cs.RO 

Effet du délai d'assistance sur la mécanique articulaire et l'énergétique du contrôle biologique du couple d'un exosquelette de hanche

Un essai contrôlé portant sur huit participants a testé un exosquelette de hanche piloté par "contrôle de couple biologique", une stratégie qui traduit en temps réel le moment articulaire estimé de l'utilisateur en couple d'assistance, sans réglage spécifique à la tâche. L'étude, publiée en préimpression sur arXiv (2609.25417), a comparé une condition de référence sans assistance à cinq conditions actives avec des délais d'assistance allant de 40 à 320 millisecondes, lors de trois tâches de marche : terrain plat, montée de rampe et descente de rampe. Toutes tâches et délais confondus, l'assistance a réduit la dépense métabolique nette de 5,24%, le travail articulaire positif de la hanche de 5,86% et le travail articulaire positif total des membres inférieurs de 1,68% (p<0,05 dans tous les cas). Le délai d'assistance a modifié significativement les résultats de travail articulaire (p<0,001) mais pas la dépense métabolique nette. Par rapport à la condition sans couple, la dépense métabolique a chuté de 9,75% en terrain plat et de 7,20% en montée, mais a augmenté de 1,23% en descente de rampe. Ces résultats nuancent une hypothèse répandue dans le secteur des exosquelettes portables : qu'une cartographie unique état-vers-couple puisse assister efficacement n'importe quelle tâche locomotrice. L'étude montre que le bénéfice mécanique (déchargement articulaire) se dégrade avec l'allongement du délai, alors que le bénéfice métabolique reste étonnamment stable, ce qui questionne la robustesse temporelle des architectures de contrôle actuelles face aux contraintes matérielles réelles (latence des capteurs, transmission, calcul embarqué). Plus important pour les concepteurs de systèmes d'assistance industriels ou médicaux, l'assistance à dominante de puissance positive ne se généralise pas sans adaptation aux tâches dominées par du travail négatif, comme la descente de rampe, où elle peut devenir contre-productive. Le contrôle par couple biologique s'inscrit dans une lignée de stratégies concurrentes aux approches classiques basées sur des profils de couple calés sur la phase du cycle de marche, moins adaptables aux terrains variés. Le marché des exosquelettes de hanche, porté notamment par des acteurs comme Dephy ou Wandercraft en France sur le versant médical, cherche justement des lois de commande génériques capables de couvrir marche, rampes et escaliers sans reparamétrage manuel. Les auteurs appellent à évaluer ces cartographies au cas par cas selon le rôle mécanique de l'articulation ciblée, ouvrant la voie à des travaux futurs sur la compensation active du délai et l'extension à d'autres articulations et populations.

Exosquelettes❖Paper

1 source

43

1324arXiv cs.RO 

Fonctions barrières de sécurité pour la capture autonome et sûre d'une cible non stabilisée par un satellite volant libre

Un groupe de recherche publie sur arXiv (référence 2609.25905v1, mise en ligne le 23 septembre 2026) un article décrivant un système de fonctions barrières de contrôle, ou CBF, destiné à sécuriser les manœuvres d'un robot spatial autonome chargé de capturer une cible en rotation incontrôlée en orbite. Le dispositif visé compte 13 degrés de liberté, décomposés en trois sous-systèmes, translation, attitude et bras robotique, chacun doté de son propre filtre de sécurité. Ce filtre modifie a minima les commandes de pilotage nominales via un programme quadratique léger, calculé en temps réel, pour respecter simultanément un corridor d'approche conique, une zone d'évitement de collision, un pointage en ligne de mire pour l'attitude, des limites de vitesse angulaire, des butées articulaires du bras, l'évitement de collision entre le bras et le corps du satellite, ainsi que les contraintes des actionneurs. Le couplage dynamique entre sous-systèmes est géré en traitant les commandes sûres d'un filtre amont comme des entrées connues pour les filtres avals, ce qui préserve la modularité de l'architecture. La validation a été menée dans un scénario complet de servicing en orbite, approche finale, synchronisation de la vitesse angulaire puis saisie de la cible en rotation, à l'aide du simulateur astrodynamique haute-fidélité Basilisk, avec des campagnes Monte Carlo mesurant efficacité de calcul et sécurité pour différents taux de rotation de la cible. Ce travail s'adresse directement aux concepteurs de missions de maintenance et de retrait de débris en orbite, un secteur où la moindre erreur de trajectoire lors d'un accostage avec un objet non coopératif et en rotation peut détruire les deux engins. En garantissant formellement, et non plus par simple heuristique, le respect de contraintes de sécurité sur un système fortement couplé (propulsion, orientation, bras articulé), l'approche répond à une préoccupation concrète des intégrateurs : comment certifier qu'un robot autonome ne violera jamais une zone de sécurité pendant une capture, sans sacrifier la modularité du logiciel de vol. Le projet s'inscrit dans le prolongement direct des lignes directrices récentes de l'Agence spatiale européenne (ESA) sur les opérations en proximité rapprochée, qui imposent des marges de sécurité strictes autour des cibles orbitales. Ces règles, pensées pour encadrer la multiplication des missions de servicing et de désorbitation de débris, servent ici de base pour traduire des exigences réglementaires en contraintes mathématiques exploitables par un contrôleur embarqué. L'étude reste à ce stade une validation en simulation haute-fidélité, sans démonstration en vol annoncée.

Recherche❖Paper

1 source

42

1325arXiv cs.RO 

JAMB : la diffusion conjointe action-mouvement pour la manipulation bimanuelle

JAMB (Joint Action-Motion Diffusion for Bimanual Manipulation) est une nouvelle politique de diffusion pour la manipulation robotique à deux bras, décrite dans un article publié le 23 septembre 2026 sur arXiv (2609.25322v1). Sa particularité est de débruiter simultanément, au sein d'un même Transformer partagé, les actions bimanuelles et les trajectoires 3D futures de points de la scène, les deux hypothèses s'informant mutuellement tout au long du processus de débruitage grâce à un système de coordonnées spatiotemporelles commun. L'équipe a testé JAMB sur 16 tâches de manipulation bimanuelle dans le simulateur RoboTwin 2.0 ainsi que sur un robot réel pour 3 tâches. En simulation, JAMB atteint un taux de succès moyen de 83,4 %, soit 23,9 points de pourcentage de plus que la meilleure référence testée. En conditions réelles, il dépasse les politiques n'utilisant que l'action de 50,0 points et les méthodes de prédiction géométrique auxiliaire de 21,2 points. Le site du projet est accessible à jam-bimanual.github.io. L'enjeu identifié par les auteurs est spécifique à la bimanualité : le mouvement d'un bras modifie la scène 3D partagée et affecte donc l'autre bras, un couplage que la plupart des politiques de diffusion ignorent, se contentant de générer des actions sans modéliser leurs conséquences géométriques futures. Les approches prédictives existantes, elles, traitent l'état futur comme une simple supervision auxiliaire ou un conditionnement figé plutôt que comme un élément coévoluant avec l'action. En montrant qu'un couplage bidirectionnel actions/trajectoires améliore nettement la performance et surtout la généralisation à des scènes encombrées et des arrière-plans inédits, ce travail apporte un argument concret en faveur d'une modélisation géométrique explicite pour les politiques de type VLA appliquées à la manipulation à deux bras, un axe suivi de près par les équipes travaillant sur la robotique de manipulation fine. Le papier positionne JAMB face à des politiques action-only et à d'autres approches de prédiction géométrique auxiliaire reposant sur des représentations d'état et des objectifs d'apprentissage différents, en s'appuyant sur RoboTwin 2.0 comme benchmark de référence pour la manipulation bimanuelle simulée. Il s'agit à ce stade d'une contribution de recherche académique, validée en simulation et sur un nombre limité de tâches réelles, sans indication de déploiement industriel ni de partenaire commercial associé.

Recherche❖Paper

1 source

42

1326arXiv cs.RO 

Échantillonner, simuler, sélectionner : le pilotage par la physique pour le texte-vers-mouvement des humanoïdes sans entraînement

Une équipe de recherche présente S³ (Sample-Simulate-Select), une méthode permettant à un humanoïde d'exécuter des commandes textuelles sans aucun entraînement supplémentaire, en plaçant directement le contrôleur de déploiement dans la boucle de génération. Pour chaque instruction, S³ tire N mouvements candidats d'un modèle text-to-motion figé, les retargete vers un robot Unitree G1 par cinématique inverse à correspondance de direction, les simule sous dynamique rigide complète avec la politique de suivi préentraînée SONIC, puis conserve le candidat le mieux exécuté. Sur 200 prompts stratifiés issus de HumanML3D, avec huit candidats par instruction, le taux d'exécution en position debout passe de 83,5% à 89,5%, et les passages du filtre matériel bondissent de 33 à 85 sur 200 ; sur l'intégralité du split de test (4184 prompts), le taux grimpe de 80,5% à 89,5%. Un vérificateur cinématique, prédisant les chutes avec une AUROC de 0,90, ne récupère qu'un quart de ce gain. Une comparaison avec un second retargeteur, GMR, révèle des échecs complémentaires qui portent le plafond combiné à 95%, et les 177 clips sélectionnés puis exécutés sur un G1 réel se terminent tous debout, avec une erreur de suivi proche de la simulation (r=0,94). L'intérêt tient à ce que ces gains s'obtiennent sans réentraîner ni le générateur ni le contrôleur, alors que les systèmes récents reliant langage et humanoïdes comblent généralement cet écart par un entraînement dédié. Pour les équipes de recherche appliquée et les intégrateurs, cela suggère qu'un simple filtrage physique par simulation, réutilisant des briques déjà déployées, peut constituer une étape low-cost avant d'investir dans du réentraînement. Le travail tempère toutefois l'enthousiasme : le taux de passage du filtre matériel plafonne à 42,5%, et une classe entière de mouvements, ceux qui abaissent le bassin, échappe totalement à la sélection car aucun candidat généré ne l'exécute correctement. La méthode s'appuie sur des générateurs text-to-motion entraînés sur HumanML3D et sur la politique de suivi corps-entier SONIC, ici testée sur un Unitree G1, et se positionne explicitement contre l'approche dominante d'un entraînement de bout en bout langage-vers-humanoïde. Il s'agit d'une contribution de recherche, validée à grande échelle en simulation mais sur un nombre restreint de séquences réelles et un seul robot, sans annonce de déploiement commercial ; les auteurs pointent eux-mêmes la limite à lever, les mouvements abaissant le centre de masse, qui exigeront probablement un générateur réentraîné sur des trajectoires robot plutôt qu'une sélection parmi des candidats humains retargetés.

Recherche❖Paper

1 source

42

1327arXiv cs.RO 

Restauration du support de destination pour la prédiction de trajectoire multimodale à ensemble fini

Des chercheurs présentent Destination Support Restoration (DSR), une méthode publiée sur arXiv (arXiv:2609.25942v1) qui vise à corriger un défaut des systèmes de prédiction de trajectoires piétonnes utilisés par les robots évoluant en environnement humain. Ces robots raisonnent sur un ensemble fini d'hypothèses de trajectoires futures, mais les mises à jour successives en ligne tendent à concentrer ce budget limité sur les destinations dominantes, au détriment d'alternatives plausibles qui finissent sous-représentées, voire absentes de l'ensemble transmis aux modules de décision. DSR intervient comme un opérateur causal de post-sélection : à chaque étape de réparation, il construit une banque temporaire de candidats stratifiés par destination à partir du préfixe observé, convertit ces preuves en quotas cibles entiers, protège les représentants des modes actifs, puis réaffecte les hypothèses redondantes vers les modes sous-dotés. L'ensemble maintenu conserve exactement N hypothèses, avec au maximum ⌈ρN⌉ remplacements par étape, sans réentraîner le prédicteur hôte ni augmenter la taille de l'ensemble. Sur le protocole complet Edinburgh (3 719 trajectoires, trois graines aléatoires), DSR réduit l'erreur moyenne de déplacement (ADE) et l'erreur finale (FDE) pondérées MIF de 13,36% et 13,30% respectivement, pour N=64. Pour l'industrie robotique, ce travail cible un point de contrôle souvent négligé : la gestion de l'ensemble fini d'hypothèses lui-même, plutôt que le modèle de prédiction sous-jacent. C'est pertinent pour tout intégrateur dont les robots interfacent leur module de perception prédictive avec un planificateur de trajectoire consommant un nombre fixe de scénarios, un cas fréquent en navigation autonome en environnement partagé avec des humains. Les auteurs montrent que ce module s'intègre à plusieurs prédicteurs existants sans les modifier, ce qui en fait un correctif potentiellement généralisable plutôt qu'une architecture concurrente. DSR a été testé en association avec cinq prédicteurs de l'état de l'art, CLiFF, PPT, GDTS causal, Social Informer et PECNet, améliorant les deux métriques ADE et FDE dans chaque paire évaluée. Ce positionnement en complément, et non en remplacement, de modèles existants suggère une voie d'adoption incrémentale pour les équipes de recherche en navigation robotique plutôt qu'un changement de paradigme.

Recherche❖Paper

1 source

42

1328arXiv cs.RO 

MatcherCompass : un benchmark tenant compte du déploiement pour guider le choix d'un matcher d'images en conditions réelles

Une équipe de recherche publie sur arXiv (référence 2609.25688) un benchmark baptisé MatcherCompass, conçu pour guider le choix des algorithmes de mise en correspondance d'images utilisés par les robots de terrain. L'outil compare neuf pipelines de matching, classiques et appris, testés sur quatre résolutions d'image et plusieurs précisions numériques. Quatre conditions visuelles sont couvertes : variation de point de vue, appariement jour/nuit en lumière visible et en thermique, et appariement visible/thermique de jour. La précision de pose est mesurée via l'aire sous la courbe erreur-rappel (AUC) à 5, 10 et 20 degrés, tandis que temps d'exécution, mémoire GPU et énergie consommée par paire d'images sont relevés sur quatre plateformes GPU, de la station de travail à l'ordinateur embarqué. Les résultats montrent qu'un changement de matériel, de résolution d'entrée ou de précision numérique peut faire basculer un matcher au-delà du budget de temps disponible, modifiant l'ensemble des choix réellement viables. Ces mesures sont organisées en un guide de sélection qui renvoie toutes les configurations respectant les contraintes de temps et de ressources fixées par l'utilisateur, avec la précision associée pour la condition visuelle choisie. Le projet est documenté sur matchercompass.github.io. Ce travail répond à un problème concret pour les intégrateurs et ingénieurs robotique : un article décrivant un matcher isolé rapporte généralement une précision et un temps de calcul obtenus sur un seul dispositif, ce qui ne dit rien sur la tenue des contraintes temps réel d'une plateforme embarquée différente. En démontrant qu'un simple changement de GPU, de résolution ou de précision numérique peut faire sortir un algorithme de son budget de calcul, MatcherCompass met en évidence l'écart entre performances annoncées en laboratoire et réalité du déploiement sur robot, un problème récurrent du secteur. Pour un ingénieur ou un décideur industriel choisissant un pipeline de vision pour un robot opérant de jour comme de nuit, avec caméras visibles et thermiques, l'outil transforme un choix jusqu'ici empirique en décision fondée sur des mesures comparables et reproductibles. Le benchmarking de la mise en correspondance d'images locales s'est historiquement concentré sur la précision brute mesurée sur des jeux de données statiques, sans tenir compte des contraintes matérielles propres à la robotique de terrain, où les capteurs alternent entre lumière visible et infrarouge thermique selon l'heure. En couvrant à la fois des méthodes classiques fondées sur des descripteurs et des pipelines appris par apprentissage profond, MatcherCompass se positionne comme un outil transversal d'aide à la décision plutôt que comme un nouveau matcher concurrent des approches existantes. Les auteurs mettent guide de sélection et mesures à disposition sur la page du projet, laissant ouverte l'extension à d'autres plateformes matérielles ou conditions visuelles à mesure que de nouveaux matchers seront publiés.

Recherche❖Paper

1 source

42

1329arXiv cs.RO 

Quel est le meilleur curriculum : façonner le comportement de préhension guidé par un contrôleur pour la manipulation sensible à la force de contact

La manipulation d'objets fragiles où des forces de contact inférieures au newton peuvent causer des dommages irréversibles pose un problème spécifique pour l'apprentissage de politiques robotiques, selon un article publié sur arXiv (2609.25887v1). Les chercheurs montrent que le goulot d'étranglement ne se situe pas dans la politique elle-même mais en amont, lors de la collecte des démonstrations : le contrôle manuel d'une pince est trop lent et trop grossier pour maintenir la fenêtre de force étroite nécessaire à une prise stable. Leur solution consiste à utiliser un contrôleur réflexe tactile déterministe fonctionnant à 25 Hz comme "professeur" au moment de la collecte de données, produisant des démonstrations façonnées par ce contrôleur pour entraîner ensuite des politiques sans capteur tactile. Sur l'architecture Action Chunking with Transformers (ACT), les politiques entraînées sur ces démonstrations reproduisent le profil de prise du contrôleur et atteignent 95% de prises stables sur une tâche de référence avec une tasse en plastique, un net progrès par rapport aux démonstrations manuelles simplement filtrées visuellement. Le même principe améliore aussi la stabilité en distribution du modèle π0.5 et montre une tendance encourageante sur une variante non vue, une tasse en papier. Ce travail nuance une hypothèse répandue dans la robotique manipulatrice actuelle, celle selon laquelle intégrer le tactile directement comme entrée de politique serait la voie naturelle vers une manipulation fine. Il propose à la place de réserver le tactile au moment de la collecte, comme enseignant qui façonne le comportement démontré, une distinction utile pour les équipes qui conçoivent des pipelines de téléopération et d'annotation pour des tâches sensibles à la force. Mais l'étude révèle aussi une limite nette : sous perturbation externe aléatoire, la politique π0.5 entraînée sur données réflexes échoue tout de même dans 45% des essais lorsqu'elle agit seule, alors qu'un arbitre réflexe activé au déploiement conserve toutes les prises. Autrement dit, le rejet de perturbations reste dépendant d'un contrôleur explicite, ce qui trace une frontière claire pour ce qu'une politique purement visuelle peut espérer accomplir sans capteur tactile embarqué. Le constat de départ, la lenteur et l'imprécision de la téléopération manuelle face à des contraintes de force strictes, s'inscrit dans la littérature existante sur l'apprentissage de politiques visuo-tactiles, où le signal tactile est généralement traité comme une entrée supplémentaire du modèle plutôt que comme un outil de collecte. En testant leur approche sur deux architectures différentes, ACT et π_0.5, les auteurs cherchent à généraliser leur conclusion au-delà d'un seul modèle. L'article ne mentionne ni déploiement industriel ni partenaire commercial ; il s'agit d'un travail de recherche méthodologique dont les suites logiques porteraient sur l'extension à d'autres objets fragiles et sur des stratégies hybrides combinant arbitrage réflexe et politique visuelle au moment de l'exécution.

Recherche❖Paper

1 source

42

1330arXiv cs.RO 

HazardArena : évaluer la sécurité sémantique des modèles vision-langage-action

Un article publié sur arXiv (référence 2604.12447, version 2, mise à jour de la disponibilité du code) présente HazardArena, un benchmark conçu pour évaluer la sécurité sémantique des modèles Vision-Language-Action (VLA), ces systèmes qui pilotent des robots en combinant perception visuelle, compréhension du langage et exécution d'actions. Le jeu de données comprend plus de 2 000 assets et 40 tâches sensibles au risque, réparties en 7 catégories de danger réel calquées sur des normes de sécurité robotique établies. Sa spécificité tient à des paires de scénarios jumeaux, sûr et dangereux, qui partagent exactement les mêmes objets, la même disposition spatiale et les mêmes consignes d'action, et ne diffèrent que par le contexte sémantique déterminant si l'action devient risquée. Les auteurs montrent que des modèles VLA entraînés uniquement sur les versions sûres échouent fréquemment à ajuster leur comportement face aux scénarios dangereux correspondants, exécutant la tâche demandée sans tenir compte du risque contextuel. Pour y remédier, l'équipe propose une "Safety Option Layer", un module ajouté sans réentraînement du modèle, qui restreint l'exécution des actions à l'aide d'attributs sémantiques ou d'un juge vision-langage, réduisant nettement les comportements dangereux avec un impact limité sur la performance des tâches. Le code est publié sur GitHub, sous HazardArena-Team. Ce travail met en évidence une faille méthodologique dans la manière dont l'industrie évalue aujourd'hui les modèles VLA: la réussite d'une action ne garantit pas qu'elle soit exécutée en toute sécurité, car les politiques d'action restent faiblement couplées à la sémantique visuelle et linguistique du contexte. Pour les intégrateurs et décideurs qui déploient des robots pilotés par des modèles fondation en environnement réel, entrepôts, sites industriels ou domiciles, cela signifie que les benchmarks de performance actuels ne suffisent pas à garantir un comportement sûr face à des variations contextuelles subtiles. L'approche sans réentraînement proposée est notable car elle offre une voie de correction peu coûteuse, applicable a posteriori sur des modèles déjà entraînés, plutôt que d'exiger une refonte complète des pipelines d'apprentissage. HazardArena s'inscrit dans un mouvement plus large de scrutin critique des modèles VLA à mesure qu'ils passent des démonstrations en laboratoire à des déploiements réels, où la diversité des contextes rend les défaillances sémantiques plus probables qu'en environnement contrôlé. Les auteurs présentent leur travail comme un appel à repenser l'évaluation et l'application de la sécurité sémantique dans ces modèles à l'échelle, sans annoncer de partenariat industriel ni de déploiement commercial associé. Le code et les données étant publiés en accès ouvert, l'initiative vise avant tout la communauté de recherche en robotique et en IA embarquée, plutôt qu'un produit ou un pilote destiné à des clients.

Recherche❖Paper

1 source

42

1331arXiv cs.RO 

RoboTwin-Phys : les WAM et VLA comprennent-ils vraiment le monde physique ?

Une équipe de recherche a publié en septembre 2026 sur arXiv (2609.26292) RoboTwin-Phys, un benchmark de manipulation robotique qui introduit la diversité des conditions physiques comme dimension explicite d'évaluation, aux côtés des variations visuelles et de disposition de scène déjà couvertes par les benchmarks existants. Le système fait varier en continu 13 attributs physiques, masse, friction, dynamique des articulations, dans des plages physiquement plausibles, pour constituer un cadre unifié de test des politiques robotiques face à des conditions d'opération diverses. Les auteurs publient également plus de 5 000 démonstrations expertes annotées avec leurs paramètres physiques exacts, ce qui permet l'estimation d'attributs physiques, la modélisation sensible aux conditions et l'entraînement de politiques conditionnées par la physique. Le benchmark sert à évaluer des modèles représentatifs des familles WAM et VLA, ces derniers désignant les architectures vision-language-action désormais courantes en manipulation robotique. L'évaluation révèle un écart de robustesse important: des modèles qui résistent bien aux randomisations visuelles et de disposition de scène, devenues standard dans les benchmarks de simulation, voient leurs performances chuter nettement dès que les paramètres physiques changent. Ce résultat nuance un récit répandu dans le secteur robotique, celui d'une généralisation acquise grâce au volume de données et à l'échelle des modèles VLA: la robustesse démontrée sur des variations visuelles ne garantit pas la robustesse face à des variations de masse, de friction ou de dynamique articulaire, pourtant omniprésentes dans le monde réel. Pour les intégrateurs et les décideurs industriels, l'implication est concrète: une politique validée en simulation peut échouer sur un objet plus lourd, une surface plus glissante ou une chaîne cinématique légèrement différente, même sans aucun changement d'apparence, ce qui interroge la manière dont la robustesse des VLA et des WAM est actuellement testée et communiquée avant tout déploiement. RoboTwin-Phys prolonge la lignée des benchmarks RoboTwin, qui avaient déjà élargi les tests de manipulation bimanuelle en simulation aux variations d'apparence des objets et de disposition des scènes, sans jamais toucher aux paramètres physiques sous-jacents restés jusqu'ici figés. En rendant publics le benchmark, le jeu de données et le protocole d'évaluation, les auteurs ouvrent la voie à une mesure systématique de la robustesse physique des politiques de manipulation et à l'entraînement de modèles conditionnés par la physique plutôt que par la seule perception visuelle. Aucun déploiement réel ni partenariat industriel n'est annoncé à ce stade: il s'agit d'un outil de recherche destiné à la communauté pour comparer WAM et VLA sur un axe jusqu'ici négligé, avec l'attente que les prochaines générations de politiques intègrent cette diversité physique dès l'entraînement plutôt que de la découvrir lors du passage en conditions réelles.

Recherche❖Paper

1 source

41

1332arXiv cs.RO 

TriWorldBench : une évaluation de la cohérence tri-vue des modèles du monde incarnés

Une équipe de recherche a publié sur arXiv, en septembre 2026, TriWorldBench, un banc d'essai évaluant les modèles de monde incarnés, ces systèmes qui prédisent le résultat des actions d'un robot pour l'aider à apprendre et planifier. L'outil compare trois flux vidéo synchronisés plutôt que de les juger séparément : la caméra de tête, qui capture la tâche globale, et les caméras de poignet gauche et droite, qui filment l'interaction entre la pince et l'objet. Le jeu de données couvre 500 épisodes sur 50 tâches de manipulation bimanuelle, notées par 19 métriques : cohérence entre vues, alignement avec la tâche, cohérence physique et 3D, qualité du mouvement, stabilité temporelle et qualité visuelle. Un score global, le TWB-Score, résume ces résultats tout en gardant le détail par vue pour localiser les échecs. Code, données et métriques sont publiés en libre accès sur GitHub. Cette approche comble une lacune : jusqu'ici, un modèle pouvait générer une vidéo de tête plausible et des vidéos de poignet tout aussi convaincantes sans qu'aucune métrique ne vérifie si elles décrivent la même action et le même état de l'objet. Pour les équipes qui développent des modèles vision-langage-action et des politiques bimanuelles combinant caméra de tête et caméras de poignet, ce contrôle croisé devient un critère de fiabilité avant tout déploiement. Le benchmark rappelle qu'une vidéo visuellement convaincante n'équivaut pas à une prédiction de monde cohérente, un écart que l'industrie robotique doit désormais mesurer plutôt que supposer. L'essor des modèles de monde incarnés accompagne la multiplication des architectures robotiques associant caméra globale et caméras embarquées sur les pinces, utilisées pour entraîner et planifier des manipulations fines. Jusqu'ici, les benchmarks jugeaient la qualité visuelle vue par vue sans vérifier leur cohérence mutuelle, un angle mort que TriWorldBench comble explicitement. En publiant code, données et métriques en open source, ses auteurs proposent moins un produit commercial qu'un étalon commun destiné aux laboratoires et entreprises qui développent des modèles de monde ou des politiques vision-langage-action. Le texte ne précise ni affiliation industrielle ni calendrier de déploiement : il s'agit pour l'instant d'un outil de recherche visant à structurer l'évaluation d'un domaine encore jeune.

Recherche❖Paper

1 source

41

1333arXiv cs.RO 

MotionForge : pipeline de génération de données et benchmark à grande échelle pour la manipulation longue portée d'objets dynamiques avec décalages de domaine

La communauté de recherche en robotique dispose depuis fin septembre 2026 d'un nouveau benchmark baptisé MotionForge, décrit dans un article arXiv (2609.25689) comme le premier à évaluer conjointement les changements de domaine et les interactions de longue durée dans la manipulation d'objets dynamiques. Le système combine un pipeline de génération de données et une suite de simulation couvrant 40 tâches d'interaction dynamique réparties en 11 patterns de mouvement distincts, dont 17 tâches dites longue durée (long-horizon). Deux protocoles structurent l'évaluation : le premier mesure la robustesse des politiques face à des changements de domaine isolés (par exemple uniquement l'arrière-plan) ou combinés (objets, arrière-plans, éclairage et vitesse modifiés simultanément) ; le second est un protocole d'exécution découplé et sensible à la latence, où l'environnement continue d'évoluer indépendamment du temps de calcul nécessaire à la politique pour décider de son action, contrairement aux simulateurs classiques qui figent la scène pendant l'inférence. Ce travail est important parce qu'il expose un décalage jusqu'ici mal quantifié entre les promesses des politiques robotiques généralistes de type vision-langage-action et leurs performances réelles hors environnements statiques ou quasi statiques. Les auteurs rapportent des limitations substantielles de ces politiques dès lors que plusieurs facteurs de domaine varient en même temps, ce qui contredit l'idée reçue selon laquelle le sim-to-real ou la généralisation à grande échelle seraient déjà largement résolus pour la manipulation dynamique. Pour les intégrateurs et décideurs industriels envisageant des déploiements en entrepôt, logistique ou chaîne de production où les objets bougent en continu, ce résultat invite à traiter les métriques de démonstration avec prudence tant que les tests ne reproduisent pas des conditions de domain shift joint et de latence réaliste. MotionForge répond à une lacune identifiée dans les benchmarks dynamiques existants, jugés trop centrés sur des interactions courtes et réactives avec des mouvements simples, sans protocole systématique de test sous changement de domaine ni exécution temps réel agnostique au modèle. En le positionnant comme testbed de référence, les auteurs visent à orienter les prochains travaux de recherche en IA incarnée vers des évaluations plus proches des conditions réelles, sans toutefois annoncer à ce stade de déploiement matériel ni de partenariat industriel.

Recherche❖Paper

1 source

41

1334arXiv cs.RO 

Généraliser les compétences de manipulation avec un agent de codage local

Des chercheurs ont testé un système où un modèle de langage-vision open-weight, exécuté localement, pilote un bras robotique UR3e en écrivant et exécutant lui-même son propre code, sans programmation ni entraînement spécifique pour chaque nouvelle tâche. Le modèle utilisé, Qwen3.8-27B, agit comme un agent de codage placé au-dessus d'un service qui fournit la cinématique, les limites de sécurité et des techniques classiques de vision par ordinateur. Les auteurs ont évalué le système sur neuf tâches construites à partir de jouets pour enfants, conçues pour tester la généralisation selon la couleur, la taille, la forme et les variations de la tâche elle-même. Sur 45 essais au total (cinq par tâche), le robot a réussi à généraliser dans 30 cas, avec des temps d'exécution allant de 3,4 à 67,5 minutes selon la complexité de la tâche. Lorsqu'on demandait à l'agent de refaire une tâche déjà réussie, la durée chutait de 50%, signe d'une forme d'auto-amélioration au fil des répétitions. L'étude, publiée en préprint sur arXiv, reste une démonstration de laboratoire sur un bras fixe, sans déploiement industriel ni produit commercialisé. L'intérêt de ce travail est de tester une alternative aux approches dominantes de la robotique pilotée par le langage, qui reposent soit sur une interface d'action figée, soit sur une politique entraînée de type VLA (vision-language-action), à l'image de Pi-0, GR00T N2 ou Helix. Ces méthodes généralisent mal à de nouvelles tâches sans collecte de données supplémentaire ni réentraînement, ce qui freine leur adoption chez les intégrateurs. En laissant un modèle local générer et exécuter du code plutôt que produire directement des actions, les auteurs cherchent à contourner ce goulot d'étranglement : un taux de réussite de deux tiers et une division par deux du temps d'exécution après une première réussite suggèrent qu'un agent de codage local peut s'adapter à la volée à des variations d'objets sans nouvelle donnée d'entraînement. Le résultat reste à nuancer : des temps de cycle dépassant l'heure pour les tâches complexes restent très éloignés des standards industriels, et neuf tâches construites à partir de jouets ne reflètent pas la diversité d'un environnement de production réel. Ce travail s'inscrit dans la dynamique des modèles de langage open-weight capables d'écrire, exécuter et déboguer du code de façon autonome sur une seule station de travail, capacité que les auteurs transposent ici du logiciel pur à la commande physique d'un robot. Il se positionne en contrepoint des grands modèles VLA propriétaires ou semi-ouverts développés par des laboratoires de robotique manipulatrice et humanoïde comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2), qui misent sur des politiques massivement entraînées plutôt que sur du code généré à la volée. Les auteurs présentent leur approche comme préliminaire, reconnaissent des limites qu'ils ne détaillent pas dans le résumé, et annoncent vouloir approfondir le mécanisme d'auto-amélioration observé pour ouvrir la voie à un déploiement réel de ce type d'agent local en robotique. Aucun calendrier ni partenariat industriel n'est mentionné à ce stade.

Recherche❖Paper

1 source

41

1335arXiv cs.RO 

RoboFollow : le mirage du suivi d'instructions chez les agents incarnés

Une équipe de chercheurs du AutoLab de la Shanghai Jiao Tong University publie RoboFollow, un benchmark diagnostique détaillé dans un article déposé sur arXiv sous la référence 2609.25636v1 et intitulé "Unveiling the Instruction Following Mirage in Embodied Agents". Les auteurs identifient un biais structurel qu'ils nomment "low scene entropy": lorsqu'une scène visuelle n'admet qu'une seule tâche valide, le langage devient redondant et une politique peut afficher un score de réussite élevé sans réellement exploiter l'instruction donnée. RoboFollow repose sur trois principes: des scènes à entropie élevée, où plusieurs branches de tâches cinématiquement distinctes coexistent pour forcer la dépendance au langage; un protocole diagnostique hiérarchique en quatre niveaux, L0 à L3, qui perturbe progressivement la disposition visuelle et la sémantique des instructions afin de tester la cohérence du comportement face aux relations spatiales, attributs, contraintes de trajectoire et logique; et un contrôle des facteurs confondants, avec objets d'interaction simplifiés, actions restreintes au répertoire entraîné, et des scores séparés d'Intention et d'Exécution. Neuf politiques VLA (vision-language-action) et WAM ont été évaluées: toutes réussissent bien au niveau L0, mais ces performances ne se transfèrent pas de façon fiable aux niveaux L1 à L3 dans le protocole de fine-tuning testé. Code et jeu de données sont publiés sur GitHub et Hugging Face. Ce résultat rejoint des soupçons déjà présents dans la communauté robotique: les taux de réussite affichés par les modèles VLA sur les benchmarks classiques masquent souvent un raccourci visuel plutôt qu'une réelle compréhension du langage, un problème analogue au "shortcut learning" documenté en vision par ordinateur. Pour les intégrateurs et décideurs B2B qui évaluent des politiques génératives pour des lignes de production ou de la manipulation flexible, l'étude suggère que des scores impressionnants en environnement contrôlé ne garantissent pas une capacité à suivre des consignes variées dans des scènes ambiguës ou multi-objets. Plus préoccupant, les remèdes habituellement invoqués pour renforcer l'ancrage langagier, à savoir des backbones VLM plus puissants, le co-entraînement par questions-réponses, la technique LangForce et le Classifier-Free Guidance, échouent tous à combler l'écart entre L0 et les niveaux supérieurs, ce qui indique que le problème est structurel plutôt que réglable par un simple changement d'échelle ou d'architecture. Ce travail s'inscrit dans une vague récente de benchmarks cherchant à sonder la robustesse des agents incarnés au-delà des métriques agrégées de succès de tâche, à mesure que les politiques VLA se multiplient dans la recherche académique et chez les fournisseurs de robots généralistes. En isolant la compréhension de l'exécution motrice via des scores distincts, RoboFollow propose un outil reproductible pour comparer objectivement des politiques avant tout déploiement industriel. La publication ouverte du code et des données sur GitHub et Hugging Face vise à permettre à la communauté d'auditer d'autres modèles avec le même protocole L0-L3, et pourrait devenir une référence pour qualifier les futures générations de politiques avant leur mise en production sur des tâches nécessitant un véritable suivi d'instructions en langage naturel.

Recherche❖Paper

1 source

41

1336arXiv cs.RO 

Au-delà de la réussite de la tâche finale : comment auditer la récupération d'expériences visuelles en robotique

Une nouvelle méthodologie d'audit publiée sur arXiv (2609.26567v1) s'attaque à un angle mort de la robotique par réutilisation d'expériences: la plupart des systèmes sélectionnent, dans une bibliothèque d'expériences passées, celle à réutiliser dans une scène nouvelle par simple similarité visuelle, et les évaluations ne rapportent que le taux de succès final, sans dire si ce choix fait scène par scène est réellement bon. Les auteurs testent leur audit sur deux tâches de manipulation, trois mécanismes de réutilisation et des bibliothèques de K=3, 10 et 50 expériences, en exécutant systématiquement chaque expérience stockée sur chaque scène de requête pour cinq méthodes de sélection basées sur la distance du plus proche voisin dans des espaces d'embeddings visuels allant des pixels bruts à CLIP. Résultat central: une seule expérience fixe, choisie a posteriori, capture déjà 30 à 58% de l'écart entre sélection aléatoire et un oracle optimal, la sélection scène par scène n'ajoutant que 0,07 à 0,15 point de taux de succès. À partir de K=10, les règles visuelles se concentrent sur une seule expérience 1,5 à 3 fois plus que l'oracle, et leur score reflète alors surtout la qualité de cette expérience dominante. La distance visuelle prédit bien la réussite d'une paire donnée (AUROC jusqu'à 0,96) mais classe mal les candidats au sein d'une même scène, à peine mieux que le hasard pour quatre des cinq embeddings à K=50 (AUROC 0,45-0,52). Ce travail remet en cause une hypothèse répandue dans la robotique fondée sur la récupération d'expériences, y compris dans les architectures vision-langage-action: la similarité visuelle, même via CLIP, ne garantirait pas une bonne sélection à l'échelle, et une part importante des gains de performance attribués à un mécanisme de sélection viendrait en réalité de la simple présence d'une expérience générique très transférable dans la bibliothèque. Comparée à un mélange aléatoire conservant les mêmes taux de sélection mais réassignant les scènes au hasard, chaque règle testée se révèle en fait moins bonne dès qu'elle s'en écarte significativement, pour toutes les politiques d'images apprises évaluées. Pour les équipes qui développent des systèmes adaptatifs par réutilisation plutôt que par ré-entraînement, cela signifie qu'optimiser le mécanisme de sélection sans auditer la composition de la bibliothèque peut être un mauvais usage des ressources d'ingénierie. Cette contribution s'inscrit dans la montée des approches d'adaptation par réutilisation de trajectoires stockées, alternative au ré-entraînement complet de politiques popularisée par les architectures VLA. Faute d'une méthode pour distinguer l'apport du mécanisme de sélection de celui de la bibliothèque, le secteur s'appuyait jusqu'ici sur un score agrégé trompeur. Comme l'exécution exhaustive de chaque expérience sur chaque scène reste impraticable en conditions réelles, les auteurs proposent deux rapports simples que toute étude future pourrait fournir sans audit complet: la distribution des expériences effectivement sélectionnées, et le taux de succès de la meilleure expérience unique déterminée après coup.

Recherche❖Paper

1 source

41

1337arXiv cs.RO 

SparseNav : perception sémantique sparse conditionnée par instruction pour la navigation vision-langage sans entraînement

SparseNav, un système de navigation vision-langage sans entraînement, vient d'être présenté dans un article publié sur arXiv (référence 2609.26408v1). Le framework s'appuie sur un principe de sobriété perceptive plutôt que d'accumulation systématique de sémantique. Il maintient une carte géométrique légère en vue aérienne (BEV) et une mémoire éparse de repères, alimentée uniquement à la demande selon la sous-instruction active. Un gestionnaire d'instructions suit la progression et identifie le repère recherché, puis un mécanisme de perception conditionné par l'instruction déclenche une segmentation à vocabulaire ouvert seulement quand ce repère est visible et que sa position peut orienter la décision suivante. Sans aucun entraînement supplémentaire, SparseNav atteint 42,8% de taux de réussite sur le benchmark R2R-CE et 40,7% sur RxR-CE, sur les splits Val-Unseen. L'équipe l'a aussi déployé sur un robot quadrupède Unitree Go2, équipé d'une caméra RGB-D Intel RealSense D455 pour la cartographie géométrique et l'ancrage des repères, et d'un LiDAR Livox MID-360 pour la localisation, sans carte préconstruite, validant l'approche dans plusieurs environnements intérieurs. L'intérêt pour l'industrie robotique tient au fait que SparseNav évite l'écueil classique des méthodes de VLN basées sur des cartes: accumuler des objets et annotations non pertinents, ce qui alourdit le calcul et brouille la représentation visuo-spatiale exploitée par le modèle vision-langage planificateur. En s'affranchissant de tout entraînement dédié, l'approche réduit le coût d'intégration pour les équipes robotiques qui veulent déployer de la navigation instruite en langage naturel sans pipeline de fine-tuning ni cartographie sémantique dense préalable. Le passage réussi d'un banc d'essai en simulation à un robot réel sans carte préconstruite illustre une piste concrète pour réduire l'écart simulation-réel qui freine encore l'adoption de la navigation VLN en conditions industrielles ou logistiques. Ce travail s'inscrit dans la lignée des recherches sur la navigation vision-langage en environnement continu, un champ où les cartes sémantiques exhaustives sont la norme mais où leur coût de calcul et de maintenance reste un frein. Les benchmarks R2R-CE et RxR-CE servent de référence standard pour comparer ces approches, généralement plus gourmandes en entraînement ou en annotation. Les auteurs présentent des ablations contrôlées pour isoler la contribution de chaque composant du framework, et la démonstration sur Unitree Go2 laisse entrevoir des tests élargis à d'autres plateformes et environnements comme prochaine étape logique.

IA physique❖Paper

1 source

40

1338arXiv cs.RO 

Imperfection pour la précision : valoriser des données imparfaites pour une manipulation robotique de haute précision

Une équipe de recherche a publié le 23 septembre 2026 sur arXiv (référence 2609.26672) une méthode baptisée epsilon4P, pour "Imperfection for Precision", destinée à entraîner des modèles vision-langage-action (VLA) pour la manipulation robotique de haute précision sans dépendre uniquement de données de téléopération, longues et coûteuses à collecter. Le principe consiste à recycler deux catégories de données habituellement jetées: des données basse précision issues de la tâche cible elle-même, et des données haute précision issues de tâches différentes de celle visée. Plutôt que de mélanger ces sources de façon uniforme pendant l'entraînement conjoint, epsilon4P répartit leur contribution le long de la trajectoire de flow-matching utilisée pour générer les actions: les données basse précision de la tâche cible interviennent aux niveaux de bruit élevé afin de préserver le contexte de tâche de haut niveau, tandis que les données haute précision issues de tâches non appariées interviennent aux niveaux de bruit faible pour transférer la précision d'action de bas niveau. Sur des expériences en robot réel, incluant des tâches sous-millimétriques exigeantes et des tâches plus grossières, la méthode améliore les performances de la politique jusqu'à 31,7 points de pourcentage grâce à ces données imparfaites supplémentaires, et permet de remplacer un volume équivalent de données spécifiques haute qualité avec une baisse de performance moyenne limitée à 4,2 points. Code et détails sont publiés sur varepsilon4p.github.io. Pour les équipes robotique et les intégrateurs, le résultat s'attaque directement au principal goulot d'étranglement du déploiement de VLA en usine ou en logistique: la collecte de démonstrations par téléopération spécifiques à chaque tâche, qui reste le poste de coût dominant avant tout passage à l'échelle commerciale. En montrant qu'un mélange contrôlé de données médiocres mais abondantes peut approcher, voire quasiment égaler, les performances obtenues avec des données coûteuses et dédiées, les auteurs proposent une piste concrète pour réduire le volume de collecte nécessaire à chaque nouvelle tâche de préhension fine ou d'assemblage. Cela nuance l'hypothèse selon laquelle seule une donnée "propre" et spécifique garantit la précision sous-millimétrique, un enjeu central pour l'électronique, l'assemblage mécanique ou la chirurgie assistée. Le travail s'inscrit dans la lignée des recherches sur les VLA génériques, où le coût et la rareté des données de démonstration de haute qualité freinent la généralisation au-delà des tâches grossières de préhension et de déplacement. En proposant un mécanisme explicite de répartition des sources de données selon le niveau de bruit du flow-matching plutôt qu'un simple mélange, epsilon4P se positionne comme une brique méthodologique complémentaire aux architectures VLA existantes plutôt que comme un modèle concurrent. Les auteurs présentent leurs résultats comme un jalon vers un paradigme d'entraînement plus scalable, où des données hétérogènes et imparfaites, jusque là écartées, seraient systématiquement réexploitées; les prochaines étapes annoncées concernent l'extension à un plus grand nombre de tâches et de plateformes robotiques réelles.

Recherche⚡Actu

1 source

40

1339arXiv cs.RO 

MATE : plateforme de téléopération virtuelle multi-agents pour la collecte de données de collaboration humanoïde

Une équipe de recherche présente MATE, une plateforme de téléopération virtuelle multi-agents conçue pour collecter des données de collaboration entre robots humanoïdes, décrite dans un article déposé sur arXiv (2609.26520v1). Le système permet à plusieurs opérateurs situés dans des lieux géographiquement distincts de piloter simultanément des humanoïdes corps entier dans un même environnement virtuel basé sur un moteur physique, sans avoir besoin de robots physiques multiples ni de colocaliser les opérateurs, tout en conservant des interactions physiquement couplées entre les robots, les objets et l'environnement. Les auteurs ont constitué avec cet outil un jeu de données de 24,1 heures de comportements coordonnés, réparties en 2 500 épisodes conjoints couvrant cinq tâches à long horizon : transfert d'objets entre robots, livraison en relais, interaction avec l'environnement et transport coopératif. Pour exploiter efficacement ces démonstrations riches en interactions, l'équipe introduit aussi EAIS (Execution-Aligned Interaction Sampling), une stratégie d'échantillonnage qui calcule des signaux dans un préfixe aligné sur l'exécution réelle et priorise les comportements critiques pour la progression de la tâche et pour l'interaction entre agents. Les politiques d'apprentissage par imitation et de type vision-langage-action testées sur ces données ont montré un transfert zero-shot vers un humanoïde physique, sans réglage fin supplémentaire dans le monde réel. Ce travail s'attaque à un goulot d'étranglement connu de la robotique humanoïde : la quasi-totalité des pipelines de données existants se concentrent sur un seul agent, alors que la collaboration physique entre plusieurs robots reste difficile à faire passer à l'échelle à cause du coût du matériel, des espaces dédiés nécessaires et des remises en configuration répétées entre chaque essai. En déplaçant la collecte dans un environnement simulé partagé, MATE promet de réduire drastiquement ces coûts tout en gardant la donnée exploitable pour l'entraînement de politiques réelles. Le résultat le plus notable pour les intégrateurs et les équipes de recherche appliquée est ce transfert zero-shot vers le monde réel sans fine-tuning : s'il se confirme au-delà des conditions de l'étude, il viendrait étayer l'idée qu'un volume suffisant de données simulées bien échantillonnées peut suffire à combler l'écart simulation-réel pour des tâches de manipulation coopérative, une hypothèse encore débattue dans le secteur. MATE s'inscrit dans la lignée des plateformes de téléopération virtuelle déjà utilisées pour générer des données d'entraînement à moindre coût, mais se distingue en visant spécifiquement la coordination entre plusieurs humanoïdes plutôt que l'agent unique, un axe encore peu couvert par les pipelines publics existants. L'article ne mentionne ni partenaire industriel ni acteur français ou européen associé au projet, et reste à ce stade une publication de recherche accompagnée d'une page projet (yerik-yu.github.io/MATE) plutôt qu'un produit ou un déploiement commercial. Les prochaines étapes attendues, non détaillées dans le résumé, porteraient vraisemblablement sur l'extension du nombre de tâches couvertes et sur des validations à plus grande échelle sur robots physiques.

Recherche❖Paper

1 source

40

1340arXiv cs.RO 

Apprendre à planifier en collaboration homme-robot : apprentissage par renforcement multimodal pour une interaction adaptative

Des chercheurs proposent une nouvelle méthode d'apprentissage par renforcement (RL) pour piloter automatiquement les décisions d'un robot assistant lors de tâches collaboratives avec un humain, selon un article publié sur arXiv (identifiant 2609.25274v1). Le scénario étudié est concret : un robot aide un utilisateur à localiser des objets dans un environnement domestique, en combinant plusieurs canaux de communication (langage et actions physiques) pour choisir la meilleure action à chaque étape. Contrairement aux systèmes de dialogue classiques, l'agent est entraîné dans un simulateur construit à partir de données humaines réelles et capable de gérer plusieurs modalités simultanément. Les auteurs utilisent une fonction de récompense simple, définie à un haut niveau d'abstraction et ne nécessitant pas de réglage fin, associée à des préconditions qui accélèrent l'entraînement. Une étude impliquant des utilisateurs réels a permis d'évaluer le système en conditions concrètes, avec des résultats jugés prometteurs en termes d'utilisabilité et de taux de réussite des tâches. L'enjeu principal concerne la conception des gestionnaires d'interaction (interaction managers), le composant central chargé d'observer une tâche, d'évaluer l'état de l'humain et son intention, puis de décider de l'action du robot. Aujourd'hui, ces politiques sont le plus souvent écrites à la main, une approche qui devient impraticable à mesure que la complexité des interactions augmente, notamment pour les robots destinés aux personnes âgées ou en situation de handicap, un domaine où les données d'entraînement restent rares. En démontrant qu'un RL multimodal entraîné sur simulateur peut produire une politique fonctionnelle et interprétable sans passer par un long travail d'ingénierie manuelle, ce travail apporte un argument en faveur de l'automatisation de la conception des interactions humain-robot, un enjeu direct pour les intégrateurs et laboratoires travaillant sur l'assistance à domicile. Cette contribution s'inscrit dans la recherche académique sur la robotique d'assistance, où la rareté des données et la difficulté à généraliser des politiques codées manuellement sont des obstacles connus depuis plusieurs années. L'article ne mentionne aucun partenaire industriel, produit commercialisé ni calendrier de déploiement : il s'agit d'un travail de recherche évalué via une étude utilisateur en conditions réelles, présenté comme une alternative scalable aux méthodes existantes plutôt que comme un système prêt à l'emploi.

Recherche❖Paper

1 source

40

1341arXiv cs.RO 

MicroPush : simulateur léger pour la poussée et l'assemblage microrobotiques par transfert simulation-réel

Des chercheurs ont mis en ligne la version 2 d'un article arXiv (2602.23607) présentant MicroPush, un simulateur léger dédié a la manipulation microrobotique par poussée et a l'assemblage, conçu pour des microrobots roulants a actionnement magnétique. L'outil combine une dynamique planaire suramortie, une actionnation de roulement calibrée, une gestion de contact d'ordre réduit, des corrections d'interaction a courte portée et un flux de fond optionnel, avec des interfaces communes pour la planification, la commande basée sur modèle, l'apprentissage par renforcement, la visualisation interactive et l'évaluation sans rendu graphique. En mode sans rendu, il atteint 37 fois la vitesse temps réel avec 100 particules passives simulées simultanément. Les auteurs ont ensuite teste un transfert de politique zero shot du simulateur vers le réel : une politique hybride Residual RL MPC, entraînée entièrement dans MicroPush puis figée sans aucun réglage sur le système physique, a été déployée sur un microrobot magnétique de 20 micromètres charge de pousser une particule de silice de taille comparable le long d'une trajectoire en huit, avec une erreur médiane de 1,91 micromètre et une erreur au 95e percentile de 4,65 micromètres. La même architecture a ensuite réalisé, toujours sans reentrainement réel, des assemblages séquentiels en ligne, en triangle, puis un hexagone de six particules. L'intérêt pour le secteur tient a l'échelle physique concernée : a taille microscopique, la dynamique est dominée par les forces visqueuses et le mouvement brownien, un régime très différent de celui des robots mobiles ou humanoïdes, ou la plupart des simulateurs existants ne transfèrent pas correctement. En montrant qu'un modèle délibérément simplifie et d'ordre réduit, plutôt qu'une simulation fluide haute fidélité couteuse, suffit a un transfert zero shot fiable, les auteurs répondent directement au problème central de la microrobotique par apprentissage : les essais physiques y sont lents, couteux et peu reproductibles, ce qui bloquait jusqu'ici l'entrainement a grande échelle par RL. Pour les laboratoires de micro assemblage, de MEMS ou de manipulation en vue de délivrance ciblée de médicaments, cela ouvre une voie d'entrainement rapide et peu couteuse avant déploiement réel. Ce travail reste un article de recherche et un outil de benchmark, pas un produit commercial ni un déploiement industriel : il s'inscrit dans la lignée des travaux sur les microrobots magnétiques roulants pour l'assemblage de précision, domaine ou peu d'acteurs disposent d'un pipeline sim-to-real valide expérimentalement plutôt que démontre en simulation seule. Les auteurs ne mentionnent pas de partenaire industriel ni de calendrier de diffusion ; les suites logiques évoquées implicitement par leurs résultats concernent le passage a des essaims plus nombreux, a d'autres modes d'actionnement, et a des taches d'assemblage plus complexes que l'hexagone a six particules démontre ici.

Recherche❖Paper

1 source

40

1342arXiv cs.RO 

Exploration vision-langage guidée par plan d'étage pour la réponse à des questions incarnée

Des chercheurs présentent HFLEX-EQA, un nouveau framework pour l'Embodied Question Answering (EQA), publié sur arXiv (référence 2609.26360v1) en septembre 2026. L'EQA désigne la tâche où un robot doit explorer un environnement inconnu, collecter les informations pertinentes, puis répondre à des questions sur ce qu'il a observé. Le système combine quatre briques : une construction en ligne de graphe de scène hiérarchique, une planification pilotée par un modèle vision-langage (VLM), une exploration par frontières sémantiques, et des a priori de plan d'étage. À partir de flux RGB-D, HFLEX-EQA construit incrémentalement à la fois un graphe de scène hiérarchique et une carte d'occupation à vocabulaire ouvert, ce qui permet au VLM de raisonner conjointement sur la structure de la scène, les observations visuelles utiles à la tâche, l'historique d'exploration et un plan d'étage topologique estimé. Une stratégie de découverte de pièces exploite ce plan d'étage combiné à la sémantique des frontières non explorées pour orienter le robot vers les types de pièces les plus susceptibles de contenir la réponse. Le système a été évalué sur les benchmarks OpenEQA et ExploreEQA, et testé en conditions réelles sur un robot quadrupède en environnement intérieur. L'apport principal tient à l'ajout d'un a priori structurel global, le plan d'étage, là où la plupart des approches récentes couplant VLM et cartes ou graphes sémantiques ne s'appuient que sur les observations locales pour décider où explorer ensuite. Pour les équipes travaillant sur la navigation sémantique et la compréhension de scène en robotique de service, industrielle ou d'inspection, ce travail illustre une tendance de fond : le raisonnement spatial des VLM progresse quand on lui injecte une connaissance structurelle du bâtiment plutôt que de le laisser réagir image par image. Le déploiement réel sur quadrupède, au-delà de la simulation, va dans le sens d'une réduction de l'écart entre benchmarks académiques et comportement embarqué, sans pour autant constituer une preuve de robustesse à grande échelle : il s'agit d'une validation de recherche, pas d'un produit commercialisé. Le papier s'inscrit dans la lignée des approches EQA récentes combinant VLM et représentations sémantiques de l'environnement, dont il pointe la limite commune : l'absence d'exploitation des a priori structurels du bâtiment. Ses résultats sont comparés directement aux méthodes existantes sur OpenEQA et ExploreEQA, deux benchmarks de référence du domaine. Aucune date de mise en production, partenariat industriel ou déploiement à plus grande échelle n'est annoncé à ce stade ; il s'agit d'une contribution méthodologique destinée à la communauté de recherche en robotique embarquée et en IA multimodale.

Recherche❖Paper

1 source

40

1343arXiv cs.RO 

Manipulation avec garanties de stabilité : objets déformables linéaires à réponse physique non négligeable, saisis en plusieurs points

Des chercheurs présentent, dans une prépublication arXiv (identifiant 2609.26004v1), une nouvelle architecture de contrôle pour la manipulation robotique d'objets déformables linéaires tels que tuyaux, durites hydrauliques ou faisceaux de câblage, dont la réponse mécanique n'est pas négligeable. Contrairement à la majorité des travaux existants, qui supposent des objets légers évoluant en régime quasi-statique, cette approche modélise explicitement la dynamique de l'objet et reformule la tâche comme un problème de régulation de forme, contrôlée par des forces et des couples appliqués simultanément en plusieurs points fixes le long de l'objet. Trois apports méthodologiques structurent le travail : un modèle dynamique complet des objets déformables linéaires fondé sur une paramétrisation de déformation discrète ; une extension des coordonnées d'actionnement au groupe SE(3), donnant une architecture de contrôle structurée mais intrinsèquement sous-actionnée ; et des lois de retour d'état non linéaires assorties de conditions explicites garantissant la convergence vers la configuration cible en régime permanent. La méthode est d'abord validée par des simulations étendues sur des tâches de manipulation représentatives, puis testée expérimentalement en boucle fermée et en temps réel, avec estimation de la forme de l'objet réalisée en ligne. Ce travail comble une lacune concrète pour l'industrie robotique : la quasi-totalité des recherches sur les objets déformables porte sur des cordes, câbles fins ou tissus dont le poids et la raideur sont négligeables, ce qui exclut de fait des composants industriels réels comme les faisceaux électriques automobiles ou les tuyauteries hydrauliques et aéronautiques, encore largement assemblés à la main faute de solutions robotiques fiables. En traitant frontalement la dynamique de l'objet plutôt qu'en l'ignorant, et en fournissant des conditions mathématiques explicites de convergence plutôt qu'un simple réglage empirique, l'approche offre aux intégrateurs des garanties de stabilité, argument central pour justifier le déploiement de bras robotiques sur des lignes d'assemblage exigeant une fiabilité certifiable plutôt que de simples démonstrations qualitatives de laboratoire. Le sujet s'inscrit dans un champ de recherche actif sur la manipulation des objets déformables linéaires, motivé depuis plusieurs années par des cas d'usage industriels comme le câblage automobile ou la pose de tuyauteries, domaines où les méthodes dominantes reposent souvent sur de l'asservissement visuel quasi-statique ou de l'apprentissage par renforcement sans garantie formelle de convergence. En s'appuyant sur une paramétrisation de déformation discrète proche des modèles de type Cosserat utilisés en robotique douce, les auteurs cherchent à combler l'écart entre les hypothèses simplificatrices académiques et les objets réellement rencontrés en usine. L'abstract ne précise ni l'affiliation des auteurs ni de partenaire industriel ; les suites annoncées portent sur l'extension de l'architecture à des scénarios de manipulation plus complexes, potentiellement multi-bras, avant un éventuel transfert vers des applications industrielles concrètes.

Recherche❖Paper

1 source

40

1344arXiv cs.RO 

PAKT : enseignement kinesthésique physiquement aligné pour l'apprentissage par renforcement

Un article publié fin septembre 2026 sur arXiv (référence 2609.25630, encore non relu par les pairs) décrit PAKT (Physically-Aligned Kinesthetic Teaching), un framework de collecte de démonstrations pour l'apprentissage par renforcement (RL) appliqué à la manipulation industrielle de précision. Contrairement à la téléopération, PAKT repose sur l'enseignement kinesthésique, méthode déjà courante en industrie, où l'opérateur guide physiquement le bras via un contrôle en admittance qui traduit les forces appliquées en mouvement. Un générateur de référence impose ensuite les mêmes limites cinématiques (vitesse, accélération, jerk) que celles utilisées lors de l'exécution autonome de la politique, évitant que l'humain n'enseigne des trajectoires que le robot ne peut pas reproduire. Une couche de contrôle additionnelle convertit les actions RL basse fréquence en commandes de couple haute fréquence via un contrôleur d'impédance. Sur quatre bancs d'essai d'insertion et d'assemblage industriel, dont un plateau de calcul de data center, les auteurs rapportent une réduction du temps de cycle de 23 à 48% et du nombre d'interventions cumulées de 62 à 86%, comparé à la référence HIL-SERL. Le résultat cible un vrai goulot d'étranglement du RL industriel : les politiques off-policy s'améliorent avec des démonstrations et interventions humaines, mais collecter ces données sans casser la physique de l'exécution reste mal résolu, la téléopération exigeant un opérateur expert et un matériel dédié. En rendant l'enseignement kinesthésique compatible avec les contraintes cinématiques de la politique, PAKT vise les standards recherchés par l'industrie manufacturière : précision micrométrique, taux de succès supérieur à 99% et cadences comparables à celles d'un opérateur humain. Pour les intégrateurs et décideurs B2B, l'enjeu est de raccourcir le temps nécessaire pour entraîner une politique RL sur une nouvelle tâche d'assemblage sans recourir à des ingénieurs spécialisés en téléopération, un facteur de coût et de scalabilité pour déployer du RL au-delà de démonstrations de laboratoire. PAKT se positionne comme une amélioration directe de HIL-SERL (Human-in-the-Loop Sample-Efficient RL), utilisé ici comme référence de comparaison, une approche qui combine déjà démonstrations et interventions en boucle mais sans interface d'enseignement physique dédiée. L'article ne précise ni affiliation industrielle des auteurs ni partenaire de déploiement nommé, et les résultats proviennent de bancs d'essai internes, pas d'un déploiement en usine à grande échelle : il s'agit d'un preprint de recherche fraîchement soumis, pas d'un produit commercialisé. Le choix d'un plateau de calcul de data center comme benchmark illustre néanmoins une cible d'application concrète, l'assemblage de serveurs étant un segment où précision et cadence pèsent directement sur les coûts d'exploitation. Les auteurs mettent à disposition un site de projet dédié mais ne communiquent aucun calendrier de transfert industriel ni partenaire pilote annoncé.

Recherche❖Paper

1 source

40

1345arXiv cs.RO 

SG-CPG : générateurs de rythme centraux à sévérité modulée pour la locomotion adaptative d'un quadrupède en cas de dégradation continue des actionneurs

Des chercheurs ont publié le 23 septembre 2026 sur arXiv (2609.25687v1) SG-CPG, un système de contrôle moteur permettant à un robot quadrupède de continuer à marcher malgré la dégradation progressive d'un actionneur, sans basculer vers un mode de marche différent. En simulation sur un Unitree Go2, SG-CPG maintient une allure de trot avec 100% de survie sur une série de commandes omnidirectionnelles même avec 95% de perte de force articulaire, en suivant les commandes de déplacement à 8% près. Des tests d'ablation montrent que retirer l'un des deux mécanismes clés (l'observation de sévérité du "residual gâté", ou l'"amplitude gâté" qui raccourcit la foulée de la jambe faible) fait grimper la saturation de couple à l'articulation touchée de 4,4% à 13,6%, voire 26,3% des pas, pour une perte de couple de 80%. Sur un Go2 réel, le système a réussi 28 essais sur 29 en marche avant et en virage, avec jusqu'à 93% de dégradation du couple au mollet. Cette approche s'attaque à un problème concret pour qui déploie des quadrupèdes en conditions réelles (inspection industrielle, sites extérieurs, logistique): la plupart des contrôleurs actuels traitent une panne d'actionneur comme un événement binaire, basculant vers un mode dégradé ou un arrêt, alors que l'usure des moteurs et réducteurs est en réalité progressive. En imitant la façon dont un animal blessé décharge le membre affaibli et re-coordonne les trois autres sans changer d'allure, SG-CPG propose une réponse graduelle qui pourrait allonger l'autonomie opérationnelle entre deux maintenances et réduire les arrêts liés à une panne partielle. Les résultats restent toutefois à relativiser: l'essentiel de la validation est en simulation, et le test réel se limite à 29 essais sur une seule plateforme et deux types de mouvement, loin d'une validation en conditions industrielles. SG-CPG s'inscrit dans la tradition des "central pattern generators", modèles de contrôle moteur inspirés des circuits neuronaux qui rythment la marche animale, ici combinés à une politique de marche saine "figée" complétée par deux mécanismes correctifs pilotés par la sévérité de la panne. La dégradation est simulée de deux façons distinctes: abaissement du plafond de couple articulaire, ou réduction des gains du contrôleur bas niveau, deux formes différentes d'affaiblissement d'un actionneur. Le travail se positionne dans le champ plus large de la locomotion tolérante aux pannes chez les robots à pattes, domaine où des plateformes comme le Go2 de Unitree ou le Spot de Boston Dynamics servent de bancs d'essai de référence pour la recherche académique. Aucun partenariat ni calendrier de déploiement industriel n'est mentionné: il s'agit d'une preuve de concept publiée en préprint, dont les suites logiques attendues seraient une validation sur davantage de plateformes et de scénarios de panne réels.

Recherche❖Paper

1 source

40

1346arXiv cs.RO 

Appariement de flux conditionné par l'historique pour la dynamique probabiliste des robots continus à tendons

Une équipe de recherche présente, dans un article publié sur arXiv (référence 2609.25658v1), un nouveau cadre de modélisation probabiliste pour les robots continuum actionnés par tendons, une famille de bras souples utilisés notamment en chirurgie mini-invasive et en inspection industrielle. La méthode, baptisée "history-conditioned flow matching", combine apprentissage et connaissances physiques pour prédire, à partir de l'historique des mouvements et des commandes d'actionnement, la distribution probable de la configuration articulaire complète du robot à l'instant suivant, plutôt qu'une trajectoire unique déterministe. Le modèle échantillonne ensuite ces prédictions de façon récursive pour projeter le mouvement du robot sur plusieurs secondes. En simulation, sur des trajectoires de cinq secondes, le score d'énergie obtenu (plus il est bas, meilleur c'est) atteint 12,05 mm face à des variations de friction interne et 9,29 mm face à des perturbations d'actionnement non observées à l'entraînement, des résultats supérieurs aux références comparées, un autoencodeur variationnel conditionnel et des modèles de diffusion. Sur un robot physique réel, testé avec deux profils de commandes exclus de l'entraînement, le score atteint 11,91 et 11,42 mm, avec un ratio d'écart entre prédiction et mesure de 1,65 et 1,22, une valeur proche de 1 signalant une bonne calibration. Cette avancée s'attaque à un problème récurrent en robotique souple: contrairement aux bras rigides, les robots continuum souffrent d'incertitudes mécaniques difficiles à modéliser (comportement des matériaux, transmission par tendons, friction, contacts) qui rendent leur comportement partiellement imprévisible même quand la commande et la configuration mesurée sont connues. En remplaçant une prédiction déterministe par une distribution de probabilité, l'approche permet d'anticiper le mouvement le plus probable tout en quantifiant l'incertitude associée, un point clé pour planifier des trajectoires sûres en contexte chirurgical ou industriel où une erreur de positionnement coûte cher. Pour les chercheurs travaillant sur des bras souples ou hyper-redondants, ces résultats indiquent que le flow matching, déjà répandu en génération d'images et de plus en plus utilisé dans le contrôle de robots via des politiques VLA, peut aussi améliorer la modélisation dynamique de systèmes mécaniquement complexes et faiblement instrumentés. Les auteurs comparent leur méthode à deux familles de modèles génératifs probabilistes concurrents, l'autoencodeur variationnel conditionnel et la diffusion, contre lesquelles le flow matching conditionné par l'historique obtient des scores d'énergie plus bas et une couverture de l'incertitude plus proche du niveau nominal attendu, dans les deux scénarios testés. Des études d'ablation confirment que le conditionnement par l'historique des mouvements et par la structure physique du robot contribuent tous deux à la précision des prédictions. L'article ne mentionne aucun partenariat industriel ni calendrier de déploiement: il s'agit d'une contribution de recherche validée en simulation et sur un prototype de laboratoire, dont l'étape suivante serait l'extension à des continuum robots multi-segments et à des tâches de manipulation en conditions réelles.

Recherche❖Paper

1 source

40

1347arXiv cs.RO 

Au-delà de l'erreur de reconstruction : tokenisation d'action analytique et pilotée par les données pour les modèles VLA autorégressifs

Une étude diffusée sur arXiv (référence 2609.25820) compare trois façons de représenter les actions robotiques dans les modèles vision-langage-action (VLA) autorégressifs avant de les découper en tokens discrets : une transformation analytique fixe (Temporal-DCT), une méthode linéaire pilotée par les données (analyse en composantes principales, PCA), et un autoencodeur neuronal non linéaire. Testées sous une interface de tokenisation commune, via une analyse débit-distorsion, des diagnostics de modélisation de séquence et 3 500 essais sur le benchmark de manipulation en simulation LIBERO, ces représentations changent de classement selon le critère mesuré. La PCA affiche une erreur de reconstruction plus faible que Temporal-DCT, mais produit des séquences de tokens moins prévisibles et un taux de réussite moyen inférieur de 3,0 points de pourcentage sur les tâches déjà vues, sur trois seeds d'entraînement, avec un classement qui s'inverse pour l'une d'elles. Dans une ablation à seed fixe (42), l'autoencodeur réduit encore l'erreur de reconstruction sans produire la politique la plus performante, et se montre plus sensible aux perturbations de tokens. Le résultat contredit une hypothèse répandue dans la conception des VLA : qu'une représentation qui reconstruit mieux le signal d'action original est nécessairement une meilleure base pour le contrôle en boucle fermée. L'étude montre l'inverse, la prévisibilité de la séquence de tokens et la robustesse du décodeur face aux erreurs de discrétisation pèsent autant que la fidélité géométrique sur le taux de réussite final. Pour les équipes qui construisent des VLA autorégressifs sur le modèle des grands modèles de langage, cela signifie qu'un tokenizer d'action ne peut plus être choisi sur la seule base d'un score de reconstruction, mais doit être validé par une évaluation conjointe incluant la performance en conditions de contrôle réel, un rappel utile dans un secteur où l'écart entre métriques de laboratoire et robustesse déployée reste une inquiétude constante pour les intégrateurs. Ce travail s'inscrit dans le courant qui traite le contrôle robotique comme un problème de prédiction de séquence de tokens, à l'image du texte dans les modèles de langage, en alternative aux architectures VLA à sortie continue. Plutôt que de proposer un nouveau tokenizer, les auteurs construisent un protocole comparatif rigoureux entre approches analytique, linéaire et neuronale, un cadre d'évaluation encore peu standardisé dans ce sous-domaine. La suite logique consisterait à étendre ces diagnostics de prévisibilité et de stabilité au-delà de LIBERO, vers d'autres jeux de tâches et architectures de politique, ainsi qu'à comparer plus directement tokenisation discrète et régression continue pour trancher ce débat de conception au sein des VLA.

Recherche❖Paper

1 source

40

1348arXiv cs.RO 

PLAT : suivi épars de mouvements-clés pour le contrôle humanoïde par apprentissage de transition latente privilégiée

Un cadre nomme PLAT, pour Privileged LAtent Transition learning, a été publie sur arXiv sous la référence 2609.25754v1. Il s'attaque au contrôle de robots humanoïdes par "keyframes temporisées éparses" : le robot ne reçoit que quelques poses-clés futures et leurs instants d'arrivée souhaites, plutôt qu'une référence dense image par image comme le font les politiques de motion tracking classiques. L'entrainement se déroule en trois étapes : un expert de suivi de mouvement dense preentraine fournit d'abord un prior de mouvement robuste, un prior latent privilégié est ensuite appris par imitation de type DAgger a partir de séquences d'objectifs denses servant de supervision privilégiée, puis un apprentissage par renforcement affine les transitions dans l'espace latent plutôt que les actions elles-mêmes. Les auteurs rapportent un suivi stable et précis en simulation sur des horizons de planification variables, avec un avantage marque a long horizon, et un déploiement réussi sur un robot humanoïde Unitree G1. Le problème vise est concret pour les équipes de recherche et les intégrateurs en robotique humanoïde : les politiques de suivi dense, précises mais rigides, s'exploitent mal comme contrôleurs de haut niveau pour la planification de taches ou la génération interactive de mouvement, car elles exigent une référence complète a chaque instant. En rendant le contrôle pilotable par de simples poses-clés espacées dans le temps, PLAT propose une interface plus légère entre un module de décision, planificateur ou générateur de mouvement, et l'exécution bas niveau, une séparation qui rejoint la logique d'architectures décision/exécution comme GR00T N2 ou Helix. Le transfert réussi vers un robot physique va dans le sens d'un rapprochement simulation-déploiement, même si les résultats quantitatifs reposent surtout sur la simulation, avec un seul modèle de robot teste et aucun taux de réussite en conditions réelles communique dans le résume. Ce travail s'inscrit dans la lignée des politiques de suivi de mouvement entraînées en simulation puis transférées sur robot réel, méthode courante pour les humanoïdes Unitree et dans la recherche en contrôle appris. Il se distingue des modèles généralistes de type VLA, tels Pi-0 ou GR00T N2, en ciblant la couche de contrôle moteur bas niveau plutôt que la perception ou la planification, une brique complémentaire plutôt que rivale. Publie sous la catégorie "new" d'arXiv, sans partenariat industriel ni calendrier de déploiement annonces, PLAT demeure a ce stade une contribution de recherche dont la robustesse hors simulation et sur d'autres plateformes reste a démontrer.

Recherche❖Paper

1 source

40

1349arXiv cs.RO 

Accrochez-vous : le calage environnemental conditionné par la tâche pour une manipulation humanoïde forcée

Des chercheurs présentent, dans un preprint arXiv (2609.25486), la Supporting Hand Strategy (SHS), une méthode qui permet à un robot humanoïde de s'appuyer sur l'environnement avec une main pendant qu'il exerce une force avec l'autre. Le système combine deux politiques d'apprentissage par renforcement synchronisées, guidées par une configuration d'appui optimisée selon la tâche, sans données de mouvement humain ni planification de trajectoire corps entier en temps réel. Testé sur un Unitree G1, il atteint des forces de contact exploitables jusqu'à 60 newtons, contre 13,5 newtons au maximum sans appui environnemental, avec un suivi de force nettement amélioré par rapport à une configuration d'appui générique et non spécifique à la tâche. Les mêmes politiques se généralisent à d'autres zones de tâche sans réentraînement. Ce résultat s'attaque à une limite connue des humanoïdes bipèdes : toute force exercée par un bras via un contact avec l'environnement peut déséquilibrer le robot, ce qui cantonne aujourd'hui les tâches dites forcées, comme visser, tirer, pousser ou actionner un outil, à des efforts légers. Multiplier par plus de quatre la force utilisable, sans recourir à de la téléopération humaine ni à une replanification complexe de la posture corps entier, ouvre une piste peu coûteuse pour rapprocher les humanoïdes de tâches industrielles réelles telles que l'assemblage ou la maintenance. Le résultat reste toutefois un test de laboratoire sur une seule plateforme et une tâche conditionnée : il documente un gain de capacité mesurable, pas un produit ni un déploiement. La manipulation forcée demeure un angle mort de la course aux humanoïdes, largement concentrée jusqu'ici sur la locomotion et les démonstrations de préhension fine chez des acteurs comme Figure ou Tesla avec Optimus. Le choix du Unitree G1, plateforme chinoise abordable très utilisée en recherche académique, en fait un banc d'essai courant avant un éventuel transfert vers des humanoïdes industriels plus robustes. L'approche, fondée sur du renforcement synchronisé sans capture de mouvement humain, tranche avec les méthodes par téléopération ou imitation privilégiées ailleurs et alimente le débat sur la viabilité du sim-to-real pour le contrôle corps entier. Publié en preprint, le travail n'annonce ni pilote ni calendrier de déploiement ; sa prochaine étape logique serait une validation sur des tâches industrielles concrètes et sur d'autres plateformes humanoïdes.

Recherche❖Paper

1 source

40

1350arXiv cs.RO 

Doigt biomimétique haute fréquence pour la détection tactile-transparente de texture à distance

Des chercheurs présentent, dans un article déposé sur arXiv (arXiv:2609.26256v1), un doigt robotique biomimétique conçu pour la téléopération, capable de restituer à distance la sensation tactile d'une texture de surface. Le dispositif reproduit le gradient mécanique multicouche du doigt humain ainsi que la morphologie des empreintes digitales, et intègre une centrale inertielle (IMU) à haute sensibilité qui capte les vibrations générées au contact d'une texture pour les retranscrire en retour vibrotactile chez un opérateur distant. Trois variantes du capteur ont été comparées à un doigt humain réel via des analyses temporelles et spectrales des signaux, complétées par une étude utilisateur portant sur trois dimensions perceptives: rugosité, granularité et répétitivité. Résultat principal, la variante dotée du gradient mécanique multicouche complet offre la meilleure représentation des caractéristiques de texture et la plus forte intensité de signal, tandis qu'une couche de peau plus rigide amplifie les vibrations mais dégrade la finesse de restitution des détails. L'étude relie aussi chaque perception à un attribut du signal précis: la rugosité perçue dépend de la mise à l'échelle énergétique, la granularité de la forme spectrale, et la répétitivité de la représentation des pics caractéristiques. Pour la téléopération robotique, notamment la téléchirurgie, la manipulation en environnement dangereux (nucléaire, spatial, sous-marin) et les interfaces de robotique de service, ces résultats fournissent des principes de conception explicites reliant l'architecture physique d'un capteur tactile à la qualité du retour sensoriel perçu, là où les choix restaient largement empiriques. Jusqu'ici, la plupart des capteurs tactiles biomimétiques étaient évalués sur leur capacité brute à capter des données de texture, sans que l'on sache clairement comment leur structure influence la fidélité perçue une fois ces données retranscrites à un humain. En clarifiant ce lien, l'étude permet d'adapter l'architecture d'un doigt robotique à l'usage visé, en privilégiant la richesse des détails pour des tâches de discrimination fine ou l'intensité du signal pour une détection rapide de contact, une distinction utile pour les intégrateurs équipant bras téléopérés et mains robotiques. Ce travail s'inscrit dans un courant de recherche déjà ancien sur les capteurs tactiles biomimétiques, qui cherchent à reproduire la structure en couches de la peau humaine et les crêtes papillaires pour améliorer la perception vibratoire du contact, un axe exploré notamment par les familles de capteurs BioTac et GelSight. Il s'agit ici d'un article de recherche académique publié sur arXiv, sans partenaire industriel annoncé, calendrier de commercialisation ni déploiement réel: les résultats proviennent d'essais en laboratoire portant sur trois variantes de capteurs et une étude utilisateur restreinte à trois dimensions perceptives. Les auteurs présentent leurs conclusions comme des principes de conception, et non comme un produit fini, ouvrant la voie à des doigts tactiles spécialisés selon l'application, en téléopération médicale, industrielle ou d'exploration.

Recherche❖Paper

1 source