Actualités robotique — page 3

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

37

101arXiv cs.RO 

Robuste contrôle par mode glissant et admittance de manipulateurs aériens sous-actionnés pour l'inspection par contact

Une publication arXiv (référence 2608.10656v1, aout 2026) présente une architecture de contrôle robuste destinée a un hexarotor sous-actionne équipe d'un bras manipulateur a un seul degré de liberté, conçu pour l'inspection industrielle par contact. Le système associe un contrôle par mode glissant (Sliding Mode Control) a action intégrale pour le suivi de trajectoire, et une loi de contrôle par admittance pour réguler la force exercée sur la surface inspectée. La force de contact est convertie en un terme d'attitude anticipe (feedforward), tandis que le bras a 1 DoF compense activement l'inclinaison du drone pour maintenir l'alignement avec la surface. Teste uniquement en simulation software-in-the-loop, le système surpasse un contrôleur PID classique en précision de suivi et en rejet du couplage dynamique entre attitude et force, avec une régulation de force d'une précision RMSE de 0,12 newton et une capacité a exercer jusqu'a 20 newtons de manière stable. Pour les intégrateurs de drones d'inspection industrielle, qui testent l'épaisseur de peinture, la corrosion ou réalisent des contrôles par ultrasons sur des pipelines, des éoliennes ou des coques de navires, ce travail traite un problème concret: maintenir un contact stable malgré les perturbations aérodynamiques et le couplage mécanique entre mouvement du véhicule et force exercée. Les plateformes sous-actionnées, plus légères et moins couteuses que les drones entièrement actionnes, sont notoirement plus difficiles a stabiliser en interaction directe avec une surface. Montrer qu'un bras réduit a un seul degré de liberté, combine a du SMC et de l'admittance, atteint une régulation de force de l'ordre du dixième de newton pourrait réduire la complexité mécanique jugée nécessaire pour ce type de mission. La réserve importante reste que la validation est entièrement simulée: aucun vol réel n'est rapporte, et les 20 newtons annonces sont une performance en boucle logicielle, non mesurée sur banc d'essai physique. Ce travail s'inscrit dans un axe de recherche actif sur la manipulation aérienne, ou plusieurs équipes explorent le contrôle en admittance ou en impédance pour gérer l'interaction physique entre drones et environnement, un problème distinct du vol libre classique. La spécificité des plateformes sous-actionnées, ou l'orientation du véhicule est intrinsèquement liée a la génération de force, pousse ici a des lois de commande hybrides plutôt qu'a l'ajout de degrés de liberté mécaniques. Le PID, encore répandu dans les prototypes commerciaux d'inspection, sert de référence et ressort nettement moins performant face aux perturbations testées. La suite logique, non précisée dans l'article, serait une validation sur plateforme physique réelle afin de confirmer que les gains observes en simulation tiennent en conditions de vol réelles, avec vent, bruit de capteurs et dynamiques de contact non modélisées.

Recherche❖Paper

1 source

35

102arXiv cs.RO 

Contrôle prédictif non linéaire par programmation convexe séquentielle pour l'amarrage drone-à-drone

Des chercheurs publient sur arXiv (arXiv:2608.10542v1) un nouveau cadre de contrôle prédictif non linéaire pour l'amarrage autonome en vol de drones multirotors, une tâche rendue difficile par un mouvement de cible perturbé par le vent. Le problème est formulé comme un contrôle optimal à horizon fini, appuyé sur un modèle non linéaire d'ordre réduit augmenté d'états de perturbation, puis résolu par programmation convexe séquentielle (SCP) dans un schéma à horizon glissant. Un module d'estimation d'état gère des mesures bruitées pour prédire le mouvement relatif entre les deux appareils. Les essais, menés en simulation haute fidélité sous MuJoCo pour des cibles fixes ou à vitesse constante, montrent des violations du cône d'amarrage quasi nulles, des erreurs terminales dans les tolérances prescrites, un amarrage fiable jusqu'à des demi-angles de cône de 10 degrés, et une robustesse conservée face à des perturbations de vent d'écart-type allant jusqu'à 0,5. Ce travail s'attaque à un verrou technique central pour toute flotte de drones autonomes appelée à se recharger, se ravitailler ou s'assembler en vol sans intervention humaine, un prérequis pour les missions longue durée, l'inspection d'infrastructures ou les opérations en essaim. En démontrant qu'un contrôleur optimisé en temps réel peut garantir une capture géométrique fiable même avec une cible mobile et du vent, l'étude illustre que l'amarrage aérien devient un problème d'ingénierie de contrôle tractable plutôt qu'un obstacle fondamental non résolu. La validation s'arrête toutefois à la simulation: aucun vol réel n'est rapporté, ce qui limite pour l'instant la portée des chiffres annoncés à un cadre contrôlé et idéalisé, loin des conditions d'un déploiement opérationnel. L'amarrage drone-à-drone s'inscrit dans une lignée de travaux sur la commande prédictive appliquée à la robotique aérienne, où la programmation convexe séquentielle s'est imposée ces dernières années comme alternative rapide aux solveurs non linéaires classiques pour générer des trajectoires dynamiquement faisables en temps réel. L'approche se distingue par l'intégration explicite d'états de perturbation et de bruit de mesure directement dans la boucle de contrôle, plutôt que de les traiter en aval par un simple asservissement correctif. Les auteurs ne précisent aucun calendrier de transfert vers du matériel réel ni de partenaire industriel; la prochaine étape logique resterait une démonstration physique confirmant ces marges de robustesse hors simulation.

Recherche❖Paper

1 source

45

103Pandaily 

Unitree Robotics a créé des collèges industriels dans dix pôles de production avant son introduction en bourse

Unitree Robotics, le fabricant chinois de robots humanoïdes, a signé depuis décembre 2025 des partenariats avec plus d'une dizaine d'universités réparties dans dix pôles industriels chinois, dont Qingdao, Liuzhou, Zhengzhou, Jiaozuo, Hefei, Xiamen, Suzhou, Ningbo, Guangzhou et Wuhan, selon le 21st Century Business Herald. La dernière signature en date, le 7 août 2026, concerne le Changjiang Engineering Vocational and Technical College et la China University of Geosciences à Wuhan. Chaque collège industriel est calibré sur les besoins locaux : les partenariats avec des établissements universitaires visent la R&D et l'ingénierie transversale, tandis que les filières professionnelles ciblent les métiers d'exploitation, de maintenance et de débogage, aujourd'hui les plus en tension. À Hefei, l'écosystème compte déjà 190 entreprises couvrant toute la chaîne de valeur de la robotique intelligente, des puces aux systèmes corps entier. Le prospectus d'introduction en bourse d'Unitree révèle que la recherche scientifique et l'éducation ont représenté plus de 70% du chiffre d'affaires humanoïde sur les trois premiers trimestres 2025, contre environ 9% seulement pour les applications industrielles pures. Cette stratégie éducative est en réalité une stratégie commerciale : les universités et instituts de recherche constituent le principal segment client d'Unitree, pas seulement un vivier de talents en amont. En intégrant les standards techniques Unitree dans l'enseignement, les équipements de laboratoire et les projets étudiants, l'entreprise crée une dépendance plus durable qu'une simple vente d'équipement, tout en s'implantant à long terme dans les villes où les futurs déploiements industriels sont les plus susceptibles de monter en échelle. Pour le secteur, cette manœuvre confirme que le marché des humanoïdes reste dominé par la recherche et l'éducation plutôt que par des cas d'usage industriels matures, malgré le statut de leader mondial des livraisons revendiqué par Unitree. Elle illustre aussi une course silencieuse entre villes chinoises pour capter en premier les talents et l'écosystème humanoïde, dans un contexte où l'application industrielle incontournable qui justifierait un déploiement massif fait encore défaut. Cette offensive éducative s'inscrit dans un calendrier d'introduction en bourse encore non officialisé mais manifestement imminent. Elle répond à une pénurie de compétences aiguë : les estimations sectorielles évoquent un déficit d'environ un million de travailleurs en IA incarnée en Chine, et les offres d'emploi dans la catégorie robots humanoïdes ont été multipliées par quinze sur un an entre janvier et avril 2026, avec un salaire annuel moyen d'environ 406 100 yuans. Peu d'universités chinoises proposent à ce jour une filière de premier cycle dédiée à l'IA incarnée. Le cofondateur d'Unitree, Chen Li, a publiquement reconnu que l'entreprise avait dû former elle-même ses talents pendant sa première décennie d'existence faute de marché domestique établi. En verrouillant dès maintenant des partenariats éducatifs à l'échelle des villes, Unitree cherche à transformer son revenu actuel, largement issu de la recherche et de l'éducation, en future demande de déploiement industriel.

Chine/Asie❧Opinion

1 source

27

104Robotics Business Review 

Webinaire sur la sécurité et le passage à l'échelle des flottes de robots en entrepôt

Les robots mobiles en entrepôt peuvent être sécurisés sans interrompre la production, selon un webinaire gratuit prévu le mercredi 26 août à 14h00 (heure de l'Est) intitulé « When Robots and People Share the Floor: Safety That Keeps Fleets Moving ». L'événement virtuel réunit trois intervenants: John Calcio, vice-président des partenariats chez Redpoint Positioning (Newton, Massachusetts), fabricant de systèmes de positionnement et de sécurité industriels en ultra-large bande (UWB) déployés à plus de 50 000 exemplaires dans le monde, dont le système phare Crew Safety System, certifié SIL2/PLd selon les normes IEC 61508 et ISO 13849-1, conçu pour les fabricants d'AGV et d'AMR; John Santagate, fondateur du cabinet de conseil EMP Advisors, ancien analyste chez IDC et ex-vice-président senior de la robotique mondiale chez Infios; et Jonathan Cortellacci, professionnel de l'automatisation d'entrepôt chez Geek+, passé auparavant cinq ans chez Walmart sur des initiatives d'automatisation à grande échelle. Les panélistes doivent aborder l'évaluation des risques à mesure que les flottes de véhicules guidés automatisés (AGV), de robots mobiles autonomes (AMR) et de chariots élévateurs autonomes s'agrandissent, l'interopérabilité avec les systèmes de stockage et de récupération automatisés (ASRS), les points où les pratiques de sécurité actuelles freinent la productivité, ainsi que les retours d'expérience sur l'évitement de collision et la protection du personnel. Pour les intégrateurs et décideurs logistiques, l'enjeu dépasse le simple format webinaire: la sécurité reste un frein structurel à l'adoption et au passage à l'échelle des flottes robotiques en entrepôt, souvent à cause de frictions entre équipes conformité et équipes opérations, et d'arrêts de production déclenchés par des mesures de précaution trop rigides. L'argument mis en avant par Redpoint, à savoir qu'un système de sécurité certifié permet à un opérateur humain d'intervenir au sein d'une flotte active sans déclencher un arrêt général, répond directement à une inquiétude opérationnelle concrète: chaque arrêt de flotte coûte en throughput. Ce positionnement illustre une tendance plus large du secteur des AMR et AGV, où la certification fonctionnelle (SIL2/PLd) et les technologies de localisation en temps réel (RTLS/UWB) deviennent des arguments de vente différenciants face à des solutions de sécurité perçues comme trop conservatrices, freinant la cohabitation homme-robot à grande échelle. Le contexte est celui d'un marché de l'automatisation d'entrepôt en pleine expansion, où la cohabitation entre opérateurs humains et flottes robotiques multiplie les cas d'usage à risque, notamment avec la croissance simultanée des AGV, AMR et chariots élévateurs autonomes sur un même site. Geek+, acteur chinois de premier plan dans les AMR de préparation de commandes, apporte une perspective d'intégrateur confronté à des défis d'exploitation complexes chez ses clients. Le webinaire, gratuit et accessible en direct avec session de questions-réponses ainsi qu'en rediffusion à la demande, s'inscrit dans une série d'initiatives de sensibilisation du secteur plutôt que dans l'annonce d'un nouveau produit: il ne s'agit pas d'un lancement technologique mais d'un partage de bonnes pratiques opérationnelles, avec inscription requise pour y assister.

Industriel⚡Actu

1 source

44

105Robotics Business Review 

The 370-billion-dollar race: comment une conception intégrée peut aider les fabricants d'humanoïdes à réussir sur un marché en forte croissance

Selon un rapport McKinsey intitulé « The future of robotics: Intelligent, adaptable, and on your team », le marché de la robotique généraliste, évalué à moins d'un milliard de dollars aujourd'hui, pourrait atteindre 370 milliards de dollars d'ici 2040 si le rythme de progression actuel se maintient. Des acteurs comme Tesla (Optimus) et Figure AI se précipitent pour commercialiser leurs plateformes humanoïdes. Dans ce contexte, l'industriel allemand Siemens met en avant l'intégration de son écosystème logiciel Xcelerator, dont l'outil Designcenter, pour relier conception mécanique, simulation de mouvement, gestion du cycle de vie produit (PLM), fabrication et service au sein d'une même plateforme. Le module propose un support natif du format URDF (Unified Robot Description Format), permettant d'exporter en un clic des modèles CAO vers des environnements de simulation, avec cartographie automatique des liaisons, articulations et hiérarchies cinématiques. Ces modèles sont compatibles avec les moteurs de simulation basés sur PhysX. Aucune date de disponibilité, aucun chiffre de déploiement ni tarif n'est communiqué : il s'agit d'une annonce de plateforme logicielle, pas d'un robot livré ni d'un pilote client identifié. L'enjeu vise un goulot d'étranglement bien identifié chez les fabricants de robots humanoïdes : la désynchronisation entre les outils de CAO, matures chez la plupart des industriels, et les environnements de simulation et de contrôle robotique, souvent bâtis sur des workflows disjoints hérités d'une autre époque. Concrètement, de nombreuses équipes reconstruisent encore à la main leurs modèles cinématiques, avec des valeurs de masse et d'inertie approximées plutôt que dérivées de la géométrie réelle, ce qui crée une dérive entre conception et commande et pousse à geler prématurément les designs mécaniques pour éviter des reprises coûteuses en aval. Pour les intégrateurs et décideurs industriels, résoudre cette incohérence entre design et simulation conditionne la capacité à valider plus tôt l'équilibre, la démarche et l'atteignabilité d'un robot avant le prototypage physique, un facteur direct sur les coûts et les délais de mise sur le marché, alors que des dizaines d'acteurs se disputent la même fenêtre commerciale. Cette annonce s'inscrit dans la bataille plus large pour les briques logicielles de l'écosystème humanoïde, aux côtés des piles d'IA embarquée comme Pi-0, GR00T N2 ou Helix, qui traitent plutôt la perception et le contrôle que la conception mécanique. Siemens, déjà présent dans l'automatisation d'usine via sa division Digital Industries, cherche ainsi à se positionner comme fournisseur d'infrastructure logicielle transversale pour les fabricants de humanoïdes, plutôt que comme constructeur de robots concurrent de Tesla ou Figure AI. Le texte, à la tonalité clairement promotionnelle (l'expression « Gordian knot of design complexity » y côtoie des superlatifs sur l'interopérabilité), ne mentionne aucun fabricant humanoïde ayant déjà adopté Designcenter en production ni aucune feuille de route de déploiement : les capacités décrites restent, à ce stade, celles annoncées par l'éditeur sur sa plateforme Xcelerator, et resteront à vérifier sur des programmes industriels réels.

Infrastructure❧Opinion

1 source

46

106Interesting Engineering 

Digit V5 d'Agility vise des journées de travail de 20 heures en usine, sans barrières de sécurité

Agility Robotics, entreprise basée dans l'Oregon, prépare le déploiement de son robot humanoïde Digit V5 chez des premiers clients dès décembre 2026, une étape présentée comme décisive vers une collaboration homme-robot sans barrières de sécurité en entrepôt et en usine. Le robot doit fonctionner jusqu'à 20 heures par jour, de quoi couvrir trois équipes de travail avec une seule machine, grâce à son système de batterie repensé. Digit V5 embarque des actionneurs cycloïdaux propriétaires au niveau des hanches et des genoux, censés lui donner la stabilité dynamique nécessaire pour encaisser un déséquilibre sans lâcher sa charge ni tomber. Agility affirme avoir testé cette capacité en retirant brusquement le sol sous le robot, qui a alors corrigé sa posture d'un pas et maintenu sa charge. La plateforme utilise aussi une bride au standard ISO compatible avec un large éventail de pinces et outils terminaux ; Agility a déjà démontré un changement d'outil sur Digit et prévoit à terme de rendre cette opération autonome. Sur le plan financier, Agility Robotics a récemment annoncé son introduction en bourse via une opération SPAC valorisée 2,5 milliards de dollars, destinée à lever plus de 620 millions de dollars pour financer le développement produit, la recherche et l'expansion de l'entreprise. L'enjeu central de Digit V5 est sa capacité annoncée à opérer à proximité immédiate des humains sans les clôtures de sécurité classiques imposées aux robots industriels, grâce à un dispositif combinant caméras, capteurs et logiciels de détection humaine avec une réponse matérielle rapide aux mouvements imprévus. Si cette promesse se vérifie en conditions réelles, elle changerait la donne économique du déploiement de robots dans des entrepôts déjà denses : les cages dédiées consomment de l'espace au sol, imposent des travaux d'aménagement coûteux et perturbent les flux de circulation existants. Agility prévoit d'utiliser ces premiers déploiements clients pour valider les capacités de sécurité de Digit V5 en conditions réelles avant une production à plus grande échelle, une démarche qui distingue explicitement la phase de validation terrain de la commercialisation de masse. L'entreprise mise sur cette validation pour élargir les usages des humanoïdes au-delà de la logistique et de la fabrication, vers la vente au détail et la pharmacie, deux secteurs où les contraintes opérationnelles ont jusqu'ici freiné l'adoption. Reste que les tests évoqués, comme le retrait du sol pour provoquer un pas correcteur, restent des démonstrations contrôlées par le fabricant et ne remplacent pas un audit de sécurité indépendant en usine. Agility Robotics développe la lignée Digit depuis plusieurs générations, avec des déploiements antérieurs déjà opérés notamment chez le logisticien GXO. Le marché des humanoïdes industriels s'est nettement densifié ces dernières années, avec des concurrents comme Tesla et son Optimus, Figure AI, Boston Dynamics avec Atlas ou encore Apptronik et son Apollo, tous engagés dans la même course à la démonstration de cas d'usage réels en entrepôt. Le pari d'Agility consiste à différencier Digit V5 par la sécurité de cohabitation plutôt que par la seule performance brute de manipulation. Les prochaines étapes attendues sont les retours des premiers clients pilotes en décembre 2026, qui conditionneront le passage à une production plus large, ainsi que le développement du changement d'outil autonome, pour l'instant démontré mais pas encore déployé en pleine autonomie.

Humanoïdes⚡Actu

1 source

46

107SCMP Tech 

Unitree en bourse : une vague d'IPO qui masque les limites des robots humanoïdes

Unitree Robotics, fabricant chinois de robots humanoïdes basé à Hangzhou, a vu son introduction en bourse à Shanghai sursouscrite plus de 5 500 fois par les investisseurs particuliers, selon un communiqué publié lundi. L'opération portait sur 6,1 milliards de yuans, environ 900 millions de dollars, et a attiré 9,8 millions d'ordres d'achat individuels malgré les craintes liées à une possible interdiction d'importation américaine visant l'entreprise. Face à cette demande, Unitree a relevé de moitié le nombre d'actions réservées aux particuliers, mais seuls 0,018% des ordres pourront finalement être honorés. Cet engouement traduit avant tout une spéculation boursière chinoise sur la robotique, alimentée par l'espoir de gains rapides et par la demande intérieure, plus qu'un verdict sur la maturité réelle de la technologie humanoïde. Pour les intégrateurs et décideurs industriels, l'épisode souligne un décalage croissant entre la valorisation financière du secteur et les limites persistantes des robots humanoïdes en conditions réelles : comportement encore restreint, autonomie limitée, coûts de production élevés. La ruée des investisseurs ne dit rien des volumes de déploiement effectifs ni des performances opérationnelles vérifiées des machines Unitree. Unitree s'est fait connaître avec ses robots quadrupèdes avant d'étendre sa gamme aux humanoïdes bipèdes, dans un marché chinois de la robotique soutenu par les autorités et confronté à des rivaux comme Boston Dynamics, Tesla avec Optimus ou UBTech. Cette entrée en bourse intervient dans un contexte de tensions commerciales avec les Etats-Unis autour des importations de robots chinois, et doit financer l'expansion de la production, sans que le communiqué ne précise de calendrier de déploiement commercial ni les montants alloués à la recherche et au développement.

Chine/Asie❧Opinion

1 source

42

108Pandaily 

Chery soutient Mojia : 2 000 unités vendues dans 60 pays, vitrine de la stratégie mondiale de Chery

Mojia, la marque de robots humanoïdes et quadrupèdes incubée par le constructeur automobile chinois Chery, a livré plus de 2 000 unités dans plus de 60 pays. Le directeur général de Mojia, Zhang Guibing, a présenté ce bilan lors de la cérémonie de livraison mondiale « 2000 à l'international, 60 pays » de l'entreprise. En Malaisie, la première expédition remontait à février 2025 avec une seule unité ; la commande la plus récente porte sur 120 unités, illustration de la courbe de montée en charge plus que du chiffre brut. Au premier semestre de cette année, 110 robots de police de la circulation Mojia Zhiqing sont entrés en service dans plusieurs villes chinoises, assurant régulation du trafic, gestion des files d'attente et communication de sécurité. Le robot d'accueil Moyin équipe des concessions automobiles pour l'accueil, l'interaction, l'ouverture autonome des portières et le suivi client. Les robots médicaux Zhihu prennent en charge le triage et la collecte d'antécédents dans des hôpitaux, tandis que le quadrupède Argos assure patrouille tout-terrain, contrôle en essaim, suivi de charge et interaction multimodale. L'ensemble de la gamme est certifié CE en Europe et FCC aux Etats-Unis. Le vrai signal de cette annonce n'est pas le hardware mais l'infrastructure industrielle sous-jacente. Selon Zhang Guibing, les questions des acheteurs sont passées de « est-ce qu'il marche, est-ce qu'il parle, est-ce qu'il danse » à « quand peut-il commencer le travail, quand peut-il résoudre un problème client », signe d'un basculement de la démonstration vers l'usage commercial réel. Pour Xia Peng, vice-président exécutif de Mojia, la compétition future dans la robotique ne se jouera pas sur un produit isolé mais sur un système industriel complet : fabrication, chaîne d'approvisionnement, distribution, canaux commerciaux et service après-vente à l'échelle mondiale. C'est précisément ce que les startups humanoïdes chinoises et américaines s'efforcent de construire à partir de zéro, alors que Chery met à disposition de Mojia trente ans d'infrastructure déjà opérationnelle. Le jalon des 2 000 unités dans 60 pays constitue la preuve la plus concrète à ce jour que l'industrialisation et la mondialisation, plutôt que la sophistication de la démo, détermineront les gagnants du marché de la robotique humanoïde. La stratégie de Mojia repose sur une co-source voiture-machine : la même pile de perception, de navigation et de contrôle équipe à la fois les véhicules Chery et les robots Mojia. Cela permet à la marque de réutiliser le réseau de distribution international, le hub de pièces détachées, le service après-vente localisé, les équipes de conformité réglementaire et les filiales régionales déjà en place chez Chery. Quand un robot part pour la Malaisie, il hérite d'un réseau après-vente construit depuis trois décennies plutôt que d'en créer un nouveau, un avantage structurel que n'ont pas les acteurs purement spécialisés en robotique humanoïde. Contrairement à une simple annonce ou une démonstration isolée, Mojia revendique un déploiement commercial effectif, documenté secteur par secteur (concessions automobiles, espaces publics, police, guidage médical) et appuyé par des certifications réglementaires en Europe et aux Etats-Unis. Les chiffres de déploiement et la définition exacte du « service commercial » proviennent toutefois de la communication de Mojia elle-même et méritent d'être lus avec la prudence habituelle réservée aux bilans internes non audités.

Chine/Asie⚡Actu

1 source

48

109Pandaily 

Nanyang Technological University, Peking University et BAAI dévoilent Omega-0, un modèle d'action corps entier qui réussit 81,8 % des tâches domestiques réelles

Des chercheurs de l'Université technologique de Nanyang (NTU), de l'Université de Pékin, de HKUST Guangzhou et du Beijing Academy of Artificial Intelligence (BAAI) ont publié Omega-0, un modèle d'action corps entier pour robots humanoïdes. Sur 11 tâches domestiques réelles, il atteint 81,8% de réussite, devançant pi-0.5, EgoVLA, GR00T-N1.7 et psi-0. Plutôt que de prédire les pixels futurs, Omega-0 prédit des caractéristiques visuelles latentes, à partir desquelles un transformeur de diffusion génère les actions du corps entier. L'entraînement suit trois étapes: un modèle vision-langage-action pré-entraîné via un tokenizer "Whole-Body FAST" qui affine Qwen3-VL-2B-Instruct avec des tokens de point de vue première et troisième personne, un pré-entraînement latent humain-robot inspiré de V-JEPA fusionnant vision, langage et proprioception, puis un affinage sur données domestiques réelles avec chunking temps réel pour la continuité des gestes. L'équipe a bâti pour cela Omega-HOME: 40,3 heures de données réelles, 4827 trajectoires téléopérées et 24 types de tâches, dont la prise d'objets, le nettoyage de surfaces et l'usage d'appareils électroménagers. Le résultat pèse moins que la méthodologie: pour éviter toute contamination, l'équipe a retiré les 11 tâches d'évaluation du jeu de pré-entraînement Omega-HOME, un souci de rigueur rare dans un secteur où les vidéos de démonstration sont souvent sélectionnées après coup. Pour les intégrateurs et décideurs industriels, Omega-0 illustre une approche qui couple prédiction de l'environnement futur et génération d'action corps entier dans un seul modèle, plutôt que de traiter perception, navigation et manipulation comme des sous-systèmes séparés. Le domicile reste la cible la plus difficile pour un humanoïde: il exige une perception continue combinée à une coordination motrice globale, contrairement à l'usine où tâches et environnement sont contrôlés. Un score de 81,8% sur tâches réelles, non simulées, réduit l'écart entre démonstration scénarisée et exécution robuste, sans le combler: les auteurs reconnaissent eux-mêmes que l'autonomie longue durée, l'interaction sécurisée et la généralisation à de nouvelles tâches restent non résolues. Le nom minimaliste du modèle suggère qu'Omega-0 est le premier d'une série, dans la lignée des modèles vision-langage-action qui structurent la recherche humanoïde depuis pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI. Omega-0 se mesure directement à ces références ainsi qu'à EgoVLA et psi-0, avec un protocole pensé pour limiter les biais de benchmark répandus dans le secteur. Aucun calendrier de commercialisation, de partenariat industriel ou de déploiement pilote n'est communiqué à ce stade: il s'agit d'une publication de recherche académique, pas d'un produit livré ni d'un déploiement réel à grande échelle. Les suites attendues portent vraisemblablement sur l'extension du jeu de données Omega-HOME au-delà de la sphère domestique et sur la validation de l'architecture latente sur d'autres plateformes robotiques, alors que la course humanoïde oppose désormais un nombre croissant de laboratoires universitaires chinois aux groupes commerciaux occidentaux.

IA physique❧Opinion

1 source

46

110Pandaily 

Après l'IPO à 60 milliards de yuans d'Unitree, les entreprises robotiques chinoises coincées par un nouveau seuil de prix

La souscription publique en ligne d'Unitree a démarré le 10 août à 150,80 yuans par action, valorisant l'entreprise à 60,99 milliards de yuans pour une levée visée de 6,10 milliards de yuans, près de 1,9 milliard au-dessus de l'objectif initial. Ce prix devient la référence pour les entreprises chinoises de robotique humanoïde en attente de cotation, réparties en trois groupes : dossiers publics avancés, avec Unitree en souscription, DeepRobotics au premier tour de réponses aux régulateurs, Leju en examen public et DOBOT validé par le comité du ChiNext ; voie confidentielle de Hong Kong, avec AgiBot et Zhongqing ; et groupe en planification, avec X Square Robot, Zhipingfang et CrossWise Intelligence. Unitree a déclaré 1,699 milliard de yuans de chiffre d'affaires en 2025, un résultat net non-GAAP de 591 millions de yuans et environ 670 millions de yuans de flux de trésorerie opérationnel ; ses 5 215 robots humanoïdes vendus, pour 868 millions de yuans, ont dépassé pour la première fois les ventes de quadrupèdes. DeepRobotics a généré 322 millions de yuans de revenus en robotique incarnée, quadrupèdes et robots à roues-pattes déployés dans l'inspection électrique, la lutte incendie et l'inspection industrielle, mais seulement 4 robots humanoïdes livrés entre 2024 et 2025. DOBOT a totalisé 493 millions de yuans de chiffre d'affaires, dont 395 millions issus des cobots, 80 % de l'activité, l'humanoïde et le multi-pattes ne pesant que 20,04 millions de yuans, soit 4,1 % du total. Ce repère de prix force le marché à distinguer, dans chaque dossier, un socle de profits matures et une prime narrative liée à l'humanoïde et à l'IA incarnée. DeepRobotics et DOBOT disposent d'un plancher fondamental plus lisible que les paris purement humanoïdes, grâce à des activités industrielles déjà rentables. Les acteurs misant sur les modèles de bout en bout et le cross-embodiment, valorisés en privé sur l'équipe et la feuille de route, devront en Bourse prouver un entonnoir plus strict, du modèle à la livraison puis au revenu récurrent et à la marge durable. La question est de savoir si le chiffre d'affaires trimestriel permettra à ce récit de résister à la première correction de prix par le marché. Cette dynamique s'inscrit dans une vague plus large de mises en Bourse pour la robotique chinoise, où Unitree, longtemps identifiée à ses quadrupèdes avant sa diversification humanoïde, sert de point de comparaison pour tout le secteur. DeepRobotics et DOBOT arrivent avec des revenus industriels établis mais une exposition humanoïde marginale, tandis qu'AgiBot et Zhongqing avancent sur la voie hongkongaise confidentielle et que X Square Robot, Zhipingfang et CrossWise Intelligence restent en amont. Les deux prochains cycles de résultats trimestriels diront si ces entreprises peuvent s'aligner sur la valorisation de 60,99 milliards de yuans d'Unitree, la dépasser, ou se coter en dessous.

Chine/Asie❧Opinion

1 source

45

111Pandaily 

Chinese fabricants détiennent désormais 97 % des livraisons mondiales de robots humanoïdes : AgiBot devance Unitree au premier semestre 2026

Les fabricants chinois de robots humanoïdes représentent désormais 97% des livraisons mondiales, selon les données du premier semestre 2026 publiées par Smart Analytics Global. Le volume total de robots humanoïdes livrés dans le monde a atteint 19 100 unités au S1 2026, en hausse de 274% sur un an par rapport à environ 5 100 unités au S1 2025. AgiBot domine désormais le classement avec environ 8 400 unités livrées, soit 44% du marché mondial, dépassant Unitree qui totalise 5 900 unités, soit 30,9%. Une précédente étude du cabinet CCID portant sur 2025 estimait la part chinoise à 84,7% du marché mondial, un bond de près de 13 points en quelques mois qui illustre la vitesse de consolidation du secteur autour de la Chine. Unitree, qui avait livré plus de 5 500 robots humanoïdes sur l'ensemble de 2025 et menait alors le classement mondial, a vu sa production cumulée franchir les 11 000 unités en mai 2026. AgiBot, de son côté, a assemblé son 10 000e robot à corps général en mars 2026, un cap présenté comme le passage du prototype à la production de qualité industrielle. Aux États-Unis, les livraisons cumulées de Tesla, Figure AI et Agility Robotics ne représentent qu'une fraction du volume chinois sur la même période. Ces chiffres déplacent le débat sectoriel : il ne s'agit plus de savoir si la Chine domine la production de robots humanoïdes, mais si le reste du monde peut encore rattraper l'écart. Fin juillet 2026, le gouvernement américain a annoncé une interdiction d'importation visant les robots humanoïdes et quadrupèdes neufs fabriqués en Chine ainsi que certains composants, invoquant un risque pour la sécurité nationale lié aux infrastructures d'IA. Son effet immédiat reste toutefois limité : les données de Smart Analytics Global ont été collectées avant l'entrée en vigueur de la mesure, et les principaux exportateurs chinois ne vendent pas encore à grande échelle à des clients finaux américains. La mesure ressemble davantage à un signal structurel de long terme qu'à un choc de marché immédiat. Autre évolution notable relevée par Linda Sui, analyste chez Smart Analytics Global : les déploiements industriels et commerciaux représentent désormais plus de 70% des livraisons mondiales, contre environ 50% un an plus tôt. Le marché ne construit plus principalement pour la démonstration mais pour l'usine et l'entrepôt, un indicateur que les intégrateurs et décideurs B2B suivront de près pour juger de la maturité réelle de la technologie, au-delà des vidéos promotionnelles. Ces volumes s'inscrivent dans une trajectoire de croissance que Smart Analytics Global projette à environ 60 000 unités livrées pour l'ensemble de 2026, puis à plus de 500 000 unités d'ici 2030, un rythme comparable, si la projection se confirme, à la courbe de production des robots industriels du début des années 2000. Ces prévisions restent des extrapolations d'un seul cabinet d'analyse, à considérer avec la prudence habituelle réservée aux projections de marché à quatre ans. La compétition reste concentrée entre un petit nombre d'acteurs chinois, AgiBot et Unitree en tête, face à un peloton américain composé de Tesla, Figure AI et Agility Robotics, encore nettement en retrait en volume. La question ouverte porte sur la trajectoire de la part chinoise : contrainte à l'export par la politique américaine, dépendante en Chine de la densité des cas d'usage industriels, et soumise à long terme à la pression sur les coûts. Les prochains trimestres diront si cette part continue de progresser ou si elle se stabilise, alors que la bataille se déplace du laboratoire vers la chaîne de production.

Chine/Asie❧Opinion

1 source

41

112Pandaily 

La chirurgie orthopédique des robots humanoïdes crée en Chine un emploi à 6 000 yuans par mois

L'essor des robots humanoïdes en Chine a fait émerger un nouveau métier ouvrier concret : technicien réparateur tiers, surnommé familièrement "médecin orthopédiste" des robots. La formation dure un mois, le salaire mensuel avoisine 6 000 yuans, et le patient le plus fréquent est le robot quadrupède Unitree Go2. Selon IDC, les livraisons mondiales de robots humanoïdes ont atteint 18 000 unités en 2025. Le ministère chinois de l'Industrie et des Technologies de l'information prévoit que la Chine seule en produira plus de 100 000 en 2026. Wang Xingxing, fondateur de Unitree, affirme que les quadrupèdes de son entreprise détiennent 60 à 70% des parts de marché mondiales, tandis qu'AgiBot a franchi fin juin le cap des 15 000 robots à corps général produits de manière cumulée. Sur le terrain, réparer une jambe de robot revient à intervenir sur un empilement de modules articulaires (moteur, réducteur planétaire, encodeur, carte de commande, roulement), dont les pannes se diagnostiquent souvent au bruit : grincement sableux pour une articulation sèche, clic pour un engrenage cassé, sifflement pour un court-circuit. La plupart des interventions consistent à remplacer des pièces plutôt qu'à les réparer. Cette professionnalisation révèle où se situe réellement le goulot d'étranglement du secteur : la disponibilité des pièces détachées, pas celle des techniciens. Les revendeurs agréés n'obtiennent des pièces qu'avec des restrictions géographiques et d'usage, ce qui alimente un marché parallèle de pièces récupérées sur des appareils démontés. Les composants ne sont pas interchangeables d'une marque à l'autre, les schémas électroniques ne sont pas publiés, et certains fabricants poncent les marquages des puces avant expédition, rendant la réparation tierce plus dépendante des relations que du seul savoir-faire technique. Signe de cette tension, une paire de pieds de rechange coûte 400 yuans, plus de six fois le prix d'une paire de chaussures humaines comparable, preuve que le passage à l'échelle des flottes de robots bute autant sur l'écosystème de service après-vente que sur la technologie embarquée. Cette économie de maintenance se structure alors que la Chine consolide sa domination matérielle, portée par Unitree sur les quadrupèdes et AgiBot sur les humanoïdes généralistes. Des opérateurs spécialisés comme la société nankinoise Kaogong Yunji étendent leur réseau à cinq points de maintenance à l'échelle du pays, et une hiérarchie professionnelle s'est déjà formée : technicien stagiaire, technicien de terrain, partenaire certifié par la marque, puis formateur. Un marché de la formation se développe en parallèle, de qualité inégale, certains programmes étant rigoureux et d'autres relevant surtout du marketing de contenu. Contrairement aux vagues précédentes de matériel grand public, l'écosystème humanoïde chinois dispose désormais d'un marché du travail qui croît avec le parc installé de robots, et non plus seulement avec les budgets marketing des fabricants.

Chine/Asie⚡Actu

1 source

49

113TechNode 

Les fabricants chinois représentent plus de 97 % des expéditions mondiales de robots humanoïdes au premier semestre 2026

Les fabricants chinois ont représenté plus de 97% des livraisons mondiales de robots humanoïdes au premier semestre 2026, portant le total mondial à environ 19 100 unités, contre près de 5 100 unités sur la même période l'an dernier, selon le média chinois IT Home. AgiBot arrive en tête avec environ 8 400 unités livrées, soit 44% du total mondial, suivi d'Unitree avec près de 5 900 unités. Les applications industrielles et commerciales ont représenté plus de 70% des livraisons, contre environ 50% un an plus tôt. Le marché mondial des humanoïdes est désormais projeté à 60 000 unités livrées sur l'ensemble de 2026, avec une trajectoire visant 500 000 unités d'ici 2030. Cette concentration quasi totale de la production entre les mains d'acteurs chinois marque un basculement structurel pour l'industrie robotique mondiale : elle confirme que la Chine a transformé son avantage en fabrication et chaîne d'approvisionnement en domination directe sur le segment humanoïde, laissant les acteurs américains et européens loin derrière en volumes réels expédiés. Le glissement du mix produit vers l'industriel et le commercial, au détriment de la démonstration ou de la recherche pure, suggère que les déploiements dépassent désormais le stade du prototype pour entrer dans des usages opérationnels répétés, en usine ou en logistique. Pour les intégrateurs et décideurs B2B occidentaux, ce rapport de force questionne la capacité de rattrapage face à des acteurs qui combinent coûts de production plus bas et cadence de livraison accélérée. Cette avance chinoise s'appuie sur un écosystème déjà consolidé, porté par des entreprises comme AgiBot et Unitree qui multiplient les annonces de production en série depuis plusieurs trimestres, tandis que les concurrents occidentaux, qu'il s'agisse de Figure AI aux États-Unis ou d'acteurs européens comme Wandercraft en France, restent pour l'instant sur des volumes de pilotes ou de déploiements limités plutôt que sur une production de masse. La trajectoire annoncée vers 500 000 unités d'ici 2030 reste une projection de marché et non un engagement ferme des fabricants ; elle devra être confrontée aux prochains bilans trimestriels pour vérifier si le rythme de croissance observé au premier semestre se maintient face à la demande industrielle réelle.

Chine/Asie❧Opinion

1 source

53

114arXiv cs.RO 

RynnValue : faire passer à l'échelle les modèles fondation de valeur robotique par la distance temporelle

RynnValue s'attaque au goulot d'étranglement des modèles de récompense pour l'apprentissage robotique en remplaçant les ancrages classiques (préférences, progression normalisée) par la distance temporelle : le coût-à-parcourir dirigé entre une observation et un objectif spécifié en langage naturel. Comme ces étiquettes se déduisent directement des horodatages, le modèle open source s'entraîne sur plus de 7 000 heures et environ 3 millions de clips conditionnés par instruction, sans annotation de préférence ni de progression. Trois techniques stabilisent l'apprentissage à cette échelle : échantillonnage temporel aléatoire, mélange de l'ordre temporel et attention à isolation de valeur, qui empêchent le modèle de trouver des raccourcis insensibles aux échecs et régressions. Résultat : un Kendall's tau_a moyen de 0,675 sur le benchmark RBM-EVAL-OOD, devant l'état de l'art entièrement supervisé par préférences (0,655) et plus du double d'un équivalent entraîné uniquement sur la progression (0,292), avec généralisation zero-shot à des tâches, embodiments et points de vue inédits. Converti en récompense dense via un potential-based shaping, il fait grimper le taux de succès de politiques robotiques réelles de 52,5% à 72,5% en ligne, et de 63,8% à 82,5% hors ligne. Pour les intégrateurs et décideurs robotique, ce résultat pèse dans le débat sur le passage à l'échelle des modèles VLA : il suggère qu'un signal de supervision dérivé automatiquement des timestamps peut remplacer l'annotation manuelle coûteuse (préférences, jugements de progression) tout en généralisant mieux à des robots et environnements jamais vus à l'entraînement. C'est une preuve concrète que le goulot d'étranglement des reward models, souvent cité comme frein au reinforcement learning robotique à grande échelle, peut être contourné par un signal purement temporel plutôt que par plus d'annotation humaine. L'amélioration mesurée du taux de succès en conditions réelles, et pas seulement sur benchmark hors ligne, distingue ce travail d'une simple démonstration académique et le rend directement pertinent pour qui cherche à industrialiser des politiques génératives de contrôle robotique. RynnValue s'inscrit dans la lignée des modèles de fondation pour la robotique de type VLA (vision-langage-action), aux côtés d'approches comme Pi-0 ou GR00T N2, qui cherchent toutes à exploiter des corpus hétérogènes multi-embodiments pour généraliser au-delà d'un seul robot ou d'une seule tâche. Contrairement aux méthodes appuyées sur des préférences annotées ou une progression normalisée par tâche, difficilement transférables entre plateformes et sources de données, RynnValue mise sur un signal universel et bon marché à produire. Le fait que le modèle et vraisemblablement son code soient publiés en open source (arXiv, août 2026) facilite sa reproduction et son intégration par des laboratoires tiers pour du reward shaping en apprentissage par renforcement. Les prochaines étapes attendues concernent l'extension à davantage d'embodiments et de tâches en conditions réelles, ainsi que la comparaison avec d'autres modèles de récompense émergents dans un secteur où la fiabilité du reward model conditionne directement la vitesse d'entraînement des politiques.

Recherche❖Paper

1 source

48

115arXiv cs.RO 

WorldSimProbe : évaluer la fidélité des simulateurs dans les modèles du monde conditionnés par l'action pour la manipulation incarnée

Un article publié sur arXiv en août 2026 (arXiv:2608.09298) présente WorldSimProbe, un cadre destiné à tester la fidélité des modèles du monde conditionnés par l'action (ACWM), ces simulateurs neuronaux censés prédire les effets des actions d'un robot manipulateur. Les auteurs formalisent un « Observable Simulator Contract » : les actions fournies doivent produire un mouvement cohérent de l'agent, et les réponses de l'environnement doivent rester ancrées dans ce mouvement réellement exécuté. Le cadre comprend cinq suites de tests, couvrant la sensibilité au contrôle local, la variation de trajectoire globale, la diversité des sources d'action, l'ancrage des interactions et la dynamique physique élémentaire. Six ACWM open source ont été évalués sur plus de 18 000 instances, réparties sur trois bancs d'essai existants pour la manipulation robotique : RoboTwin, ManiSkill et LIBERO. Les résultats révèlent une dégradation systématique de la correspondance action-mouvement dès que la variation de contrôle augmente, ainsi que des défaillances structurelles dans l'ancrage des interactions et la modélisation de la dynamique. Ce constat contredit l'idée, répandue dans le secteur, que les modèles du monde généralistes pourraient déjà remplacer les moteurs physiques classiques pour entraîner des politiques VLA ou générer des données synthétiques à grande échelle. Les évaluations habituelles, centrées sur la qualité visuelle des vidéos générées ou le taux de réussite final d'une tâche, masquaient jusqu'ici ces défauts de causalité action-effet. Les signaux produits par WorldSimProbe restent néanmoins cohérents avec les jugements humains, ce qui en fait un outil diagnostique exploitable pour les laboratoires et intégrateurs qui envisagent ces simulateurs pour du planning ou de l'évaluation de politiques avant déploiement réel. Ce travail s'inscrit dans la montée en puissance des modèles du monde conditionnés par l'action comme alternative moins coûteuse aux simulateurs physiques traditionnels pour la robotique manipulative, une piste explorée en parallèle par plusieurs laboratoires d'IA incarnée. Jusqu'ici, l'essentiel des publications du domaine évaluait ces modèles à l'échelle du rollout complet, sans isoler la correspondance élémentaire entre une action donnée et le mouvement réellement induit. En s'appuyant sur trois bancs d'essai déjà utilisés pour l'apprentissage de politiques robotiques, les auteurs proposent un paradigme standardisé et reproductible, destiné à servir de test systématique pour tout nouvel ACWM revendiquant une utilité en planification ou en génération de données, plutôt qu'un simple générateur vidéo plausible.

Recherche❖Paper

1 source

48

116arXiv cs.RO 

SHRIMP : affinement itératif des plans de tâches robotiques

SHRIMP, un système développé par des chercheurs de l'université du Wisconsin-Madison (Wisc-HCI), permet de générer et corriger des plans de tâches robotiques à partir d'instructions en langage naturel. Décrit dans un article publié sur arXiv le 8 août 2026 (arXiv:2608.08884v1), l'outil traduit une consigne textuelle en un plan hiérarchique de primitives robotiques, que l'utilisateur peut ensuite réviser de façon itérative, soit en reformulant sa demande (ré-prompting), soit en corrigeant directement des éléments du plan. Chaque révision peut être validée en simulation avant exécution sur un robot physique. Les chercheurs ont mené une étude utilisateur avec 35 participants chargés de planifier des tâches culinaires de table (tabletop kitchen tasks), afin de mesurer le sentiment de contrôle et la transparence perçue du système. Les vidéos de démonstration et le code source sont disponibles sur le site du projet, wisc-hci.github.io/SHRIMP. L'enjeu dépasse la simple démo technique : il touche au goulot d'étranglement de l'adoption des robots collaboratifs en usine, en agriculture ou en santé, où la programmation reste réservée à des experts. Les modèles de langage (LLM) permettent depuis peu de traduire des consignes en plans d'action, mais cette approche souffre d'ambiguïté sémantique et d'un manque de transparence, rendant difficile pour un opérateur de vérifier qu'un plan généré fera bien ce qui est demandé avant de l'exécuter sur du matériel réel. En validant que la révision itérative et la visualisation en simulation améliorent le contrôle perçu par l'utilisateur, l'étude apporte un argument empirique en faveur d'interfaces homme-robot où l'IA générative reste sous supervision humaine explicite, plutôt que dans une logique de plan-et-exécute en boîte noire. C'est un signal utile pour les intégrateurs qui cherchent à déployer des robots collaboratifs sans dépendre d'ingénieurs robotique pour chaque reprogrammation. Ce travail s'inscrit dans la lignée des recherches combinant LLM et planification robotique (task-and-motion planning), un axe qui a vu émerger des approches comme le prompting de primitives d'action ou les modèles vision-langage-action (VLA) tels que Pi-0 ou GR00T N2, davantage orientés vers l'exécution directe que vers la validation utilisateur intermédiaire. SHRIMP se positionne différemment, en misant sur la boucle de correction humaine plutôt que sur l'autonomie complète du modèle. L'article reste à ce stade une contribution académique publiée en prépublication, sans mention de partenariat industriel ni de déploiement au-delà du cadre expérimental universitaire ; les prochaines étapes attendues concernent l'extension à des tâches et environnements plus complexes que le contexte de cuisine de table testé dans l'étude.

Recherche❖Paper

1 source

47

117arXiv cs.RO 

Event-Time : commande optimale hybride pour les services de tennis de table par un robot

Des chercheurs présentent une nouvelle méthode de contrôle optimal pour générer des services robotises au tennis de table, appliquée et testée sur un bras industriel KUKA Agilus. L'approche, baptisée "évent-time hybrid optimal control", formule le service comme un problème de contrôle optimal (OCP) hybride qui optimise simultanément la vitesse et l'orientation d'impact de la raquette ainsi que les instants du rebond sur la table, du franchissement du filet et de l'atterrissage de la balle, ces instants étant traites comme des variables libres plutôt que des pas de temps fixes. Un second OCP convertit ensuite ces paramètres en une trajectoire de bras complètement réalisable, en respectant les limites de position, de vitesse et de couple articulaires du robot. Compare a une formulation classique a pas de temps fixe avec localisation des racines, la méthode réduit le temps de calcul médian d'un facteur 4,1, tout en conservant une précision d'atterrissage, une précision de spin et un taux de validité des services comparables. Sur robot réel, les essais ont produit des services avec topspin, backspin et effet latéral, pour une erreur moyenne d'atterrissage de 13,1 cm (ecart-type 7,3 cm) et des vitesses de rotation de balle allant jusqu'a 30 tours par seconde. Pour l'industrie robotique, ce travail illustre comment rendre tractable en temps réel un contrôle optimal hybride, c'est-a-dire un contrôle qui gère a la fois une dynamique continue (vol de la balle, mouvement du bras) et des événements discrets contraignants (impact raquette-balle, rebond, franchissement du filet). Diviser par quatre le temps de résolution sans perdre en précision est directement pertinent pour toute application manipulant des contacts et impacts rapides sous contrainte temporelle stricte, au-delà du seul tennis de table. Le fait que la validation ait été menée sur un bras industriel standard, et non sur un actionneur spécialisé de laboratoire, suggère une portabilité plus large de la méthode. Il s'agit toutefois d'un travail de recherche publie en preprint, sans annonce de produit ni de déploiement commercial, et les résultats reposent sur un seul robot et un jeu d'essais limite. Le service au tennis de table est plus complexe qu'un simple échange car il doit satisfaire plusieurs contraintes hybrides combinées, rebond du bon cote, franchissement du filet, zone d'atterrissage cible, ce qui justifie le recours a une optimisation conjointe des temps d'événement plutôt qu'a une simple planification de trajectoire. Cette approche s'inscrit dans la lignée des recherches en contrôle optimal pour la manipulation robotique dynamique, en contraste avec la tendance actuelle vers des modèles vision-langage-action appris de bout en bout. Publie sous la référence arXiv:2608.08157v1, l'article ne mentionne ni partenaire industriel ni calendrier de déploiement ; les prochaines étapes attendues concernent l'extension a des échanges complets au-delà du seul service, ainsi que la validation sur davantage de configurations robotiques.

Recherche❖Paper

1 source

47

118arXiv cs.RO 

Suppression des barrières d'infrastructure dans la collaboration homme-robot grâce à des cellules reconfigurables sans fil

Un preprint arXiv publie en aout 2026 (2608.09658) décrit une cellule de collaboration homme-robot entièrement sans fil, conçue pour les scenarios industriels a forte variabilité et faibles volumes comme le remanufacturing, ou les réaménagements fréquents de poste sont la norme. Le système repose sur la 5G et intègre un prototype de plateforme multi-capteurs alimentée par batterie, supprimant le câblage électrique et de données qui bride habituellement la reconfiguration des lignes. Un module de vision par ordinateur, entraine sur données synthétiques et réelles, détecte les poses de préhension des objets et reconnait les mains des opérateurs avec une précision mAP@50-95 de 97,74% (+/-0,10%) et un temps d'inférence moyen de 12,5 millisecondes. Teste en Hongrie et en Norvege sur des infrastructures 5G publiques et privées, en mode Standalone et Non-Standalone, le dispositif a atteint des temps de réponse aller-retour descendant jusqu'a 12 millisecondes avec des combinaisons réseau-terminal compatibles. Pour les intégrateurs et décideurs industriels, ce travail s'attaque a un frein concret a la collaboration homme-robot: le câblage, qui rend couteuse toute reconfiguration en contexte de petites sériés. En déportant les calculs vers l'edge via la 5G, l'architecture cherche a résoudre l'arbitrage classique entre bande passante et latence, condition nécessaire a une détection de mains suffisamment rapide pour garantir la sécurité en temps réel. Les auteurs précisent toutefois que ces performances ne sont obtenues qu'avec des associations réseau-matériel compatibles, et que des problèmes d'interopérabilité persistent entre équipements 5G, un rappel utile face au discours souvent trop optimiste sur la 5G industrielle "plug and play". Ce testbed s'inscrit dans la recherche sur les cellules de production reconfigurables pour l'Industrie 4.0, ou la demande de lignes flexibles s'oppose aux infrastructures filaires traditionnelles. Il s'agit d'une contribution académique en preprint, non encore évaluée par les pairs, centrée sur l'infrastructure de communication et de perception plutôt que sur un produit commercial. La validation croisée sur deux sites aux configurations réseau distinctes vise a démontrer la portabilité de l'approche, les auteurs annonçant que les limites d'interopérabilité identifiées devront être traitées dans de futurs travaux avant un déploiement industriel plus large en remanufacturing et formation des opérateurs.

Recherche❖Paper

1 source

47

119arXiv cs.RO 

TAMS : diffusion adaptative multivue orientée tâche pour la téléopération robotique sans fil

Des chercheurs ont mis en ligne le 11 août 2026 sur arXiv la description de TAMS (Task-Aware Multi-View Adaptive Streaming), un système d'allocation dynamique du débit vidéo pour la téléopération robotique sans fil. TAMS ajuste la bande passante allouée à chaque caméra en fonction de la phase de manipulation en cours, détectée à partir de signaux légers émis côté robot, afin de prioriser la vue jugée la plus utile à l'opérateur tout en conservant une visibilité minimale sur les vues secondaires. Le système a été testé sur un banc de téléopération à six degrés de liberté (6-DoF), sous trois conditions de réseau contraintes reproduisant des liaisons montantes limitées et instables. Les résultats montrent une amélioration de l'indice SSIM sur la vue principale, une réduction du temps de complétion des tâches et un taux de réussite plus élevé que les méthodes de référence à allocation égale ou statique. Dans la condition de bande passante la plus restrictive, le temps moyen de complétion passe de 68,9 à 43,9 secondes, et le taux de réussite des essais grimpe de 48% à 71%. Le code est publié sur GitHub, sous le compte Dzxx623. Cette approche s'attaque à un goulot d'étranglement concret pour l'industrie robotique: la bande passante montante disponible sur site (usine, entrepôt, zone d'intervention à distance) est rarement suffisante pour transmettre plusieurs flux vidéo haute définition sans latence perceptible, ce qui dégrade directement la précision des opérateurs en téléopération. Or la téléopération reste le principal moyen de collecte de données de démonstration pour entraîner les modèles VLA (vision-language-action) qui équipent les robots humanoïdes actuels, avant tout passage à l'autonomie complète. Un gain de fiabilité et de rapidité dans ces sessions de téléopération, sans nécessiter plus de bande passante, intéresse donc directement les intégrateurs et les équipes qui opèrent des flottes de robots ou collectent des données à distance. TAMS s'inscrit dans la lignée des techniques de streaming adaptatif déjà utilisées en visioconférence et en réalité virtuelle, transposées ici au contexte spécifique de la manipulation robotique. Il s'agit pour l'instant d'un résultat de recherche académique validé sur un banc de test en laboratoire, sans indication de déploiement industriel ni de partenariat annoncé; la prochaine étape logique serait une validation sur des liaisons sans fil réelles, en dehors du cadre contrôlé du testbed.

Recherche❖Paper

1 source

46

120arXiv cs.RO 

Auditer les écarts entre instructions et trajectoires dans les démonstrations robotiques multimodales

Des chercheurs décrivent, dans un article publié sur arXiv (2608.07895), une méthode d'audit ciblant un défaut discret des jeux de démonstrations robotiques utilisés pour entraîner les politiques vision-langage-action (VLA) : les Instruction-Trajectory Mismatches (ITM), des trajectoires physiquement correctes mais associées à la mauvaise instruction textuelle. Contrairement aux trajectoires ratées, ces erreurs paraissent plausibles et corrompent l'association langage-comportement apprise par le modèle. Les auteurs proposent Multimodal Probabilistic Fusion (MMPF), un cadre d'audit sans réentraînement qui traite vision, langage et trajectoire comme des experts distincts, estime une distribution de labels par accord de voisinage local et similarité à des prototypes globaux, puis fusionne ces signaux par pondération d'entropie prédictive dans un produit d'experts. Testé sur les benchmarks LIBERO avec mismatches injectés et sur des données bruitées de vrais robots, MMPF obtient la meilleure précision de détection et de correction des labels parmi les méthodes comparées. Pour l'industrie des modèles VLA généralistes, ce travail souligne que la qualité de l'étiquetage linguistique des démonstrations pèse autant que le volume de données ou l'architecture du réseau. Les pipelines de collecte à grande échelle, par téléopération ou vidéo humaine, produisent souvent des instructions mal associées aux trajectoires, un problème moins visible que les échecs physiques mais tout aussi corrosif pour l'apprentissage. Les auteurs montrent que l'audit améliore surtout les politiques dans les tâches où le langage est nécessaire pour distinguer entre plusieurs comportements possibles, un signal utile pour les laboratoires qui industrialisent la préparation de données d'entraînement robotique. Cette approche s'inscrit dans la montée des efforts de curation de données pour l'apprentissage robotique à grande échelle, à mesure que les politiques VLA se généralisent au-delà des démonstrations parfaitement contrôlées. Elle se distingue des méthodes de filtrage post-hoc classiques, qui repèrent des rollouts physiquement incorrects, en ciblant des erreurs sémantiques invisibles à l'œil nu. Les expériences sur robot réel mettent en évidence un arbitrage entre deux stratégies correctives : supprimer les démonstrations suspectes ou les réétiqueter automatiquement. Chacune modifie différemment la performance finale de la politique, ouvrant la voie à une intégration de ce type d'audit dans les pipelines de préparation de données, avant même l'entraînement des modèles.

Recherche❖Paper

1 source

46

121arXiv cs.RO 

Compiler et évaluer les horizons d'états de tâche pour les agents incarnés

L'agence de recherche IA vient de publier un article arXiv (2608.08036, non révisé par les pairs) qui identifie une faille dans la façon dont l'industrie évalue les agents robotiques capables de planification longue durée. L'équipe introduit la notion de "task-state horizon" (TSH), c'est-à-dire l'étendue des transitions d'état pertinentes pour la tâche qu'un agent doit suivre au fil du temps, y compris celles causées par ses propres explorations, la dynamique de l'environnement, des échecs inattendus ou des interventions externes. Pour mesurer ce facteur, jusqu'ici ignoré par les benchmarks existants qui se contentent de mesurer la longueur des séquences d'actions ou la complexité des sous-tâches, les chercheurs ont développé RoboGraph, un compilateur de tâches robotiques qui traduit les dépendances de transition d'état en graphes symboliques exécutables. Ils publient également un benchmark associé de 588 épisodes répartis sur 84 scènes, avec des niveaux de TSH variables. Testés sur cet ensemble, en environnement fermé sémantique et visuel, 15 modèles agentiques de pointe ont été évalués, sans que les noms précis de ces modèles ne soient détaillés dans le résumé disponible. Ce travail est important car il déplace la question centrale de l'évaluation robotique : la difficulté d'une tâche ne se réduit pas à sa longueur ou à son nombre d'étapes, mais dépend de la capacité de l'agent à maintenir, explorer et mettre à jour une représentation cohérente de l'état du monde sur la durée. Pour les intégrateurs et décideurs qui évaluent des piles de planification haut niveau associées à des modèles vision-langage-action (VLA), ce résultat suggère que des benchmarks de "longue durée" bien notés peuvent masquer des faiblesses réelles sur des tâches où l'état évolue de façon imprévisible, un cas fréquent en environnement industriel réel. L'étude confirme empiriquement que la majorité des modèles agentiques testés peinent dès que le TSH devient exigeant, ce qui nuance les annonces de robustesse "long-horizon" faites par certains fournisseurs de modèles de fondation robotique. Ce travail s'inscrit dans la vague récente de benchmarks cherchant à dépasser les métriques simplistes (taux de succès, nombre d'étapes) pour capturer des dimensions cognitives plus fines de l'autonomie robotique, à l'image d'efforts antérieurs sur la mémoire ou le raisonnement causal des agents. Les auteurs ne précisent pas, dans le résumé, l'identité des laboratoires ou entreprises ayant développé les 15 modèles testés ni un calendrier de suites prévues ; RoboGraph et le benchmark associé sont présentés comme des outils ouverts destinés à orienter les prochaines générations d'agents planificateurs vers une meilleure gestion des états de tâche, plutôt que comme un produit ou déploiement commercial.

Recherche❖Paper

1 source

46

122arXiv cs.RO 

Diminution des retours de l'intelligence : la relation non linéaire entre l'échelle des LLM et la perception utilisateur dans les interactions sociales humain-robot ouvertes de courte durée

Une étude publiée sur arXiv début août 2026 interroge une hypothèse répandue dans la robotique sociale : plus un grand modèle de langage compte de paramètres, meilleure serait l'expérience utilisateur. Dix-neuf participants ont testé, dans un protocole intra-sujets, un visage robotique piloté par trois variantes du modèle vision-langage Qwen3-VL d'Alibaba, comptant respectivement 4, 8 et 30 milliards de paramètres. Chaque interaction, courte et sans script, a été notée sur quatre critères : intelligence perçue, naturel, plaisir ressenti et humour. Résultat principal : aucune préférence significative ne ressort pour le modèle à 30 milliards de paramètres, y compris face à la version 4B, sur les dimensions du naturel et de l'intelligence perçue. Ce résultat va à l'encontre d'une hypothèse implicite du secteur, selon laquelle la course à l'échelle des modèles se traduirait mécaniquement par une meilleure interaction homme robot. Pour les intégrateurs et concepteurs d'interfaces sociales robotiques, la conclusion est concrète : un modèle 4B ou 8B, moins coûteux à faire tourner, plus rapide en latence et plus facile à déployer en local ou en périphérie, peut suffire pour des échanges brefs et ouverts, où la fluidité conversationnelle et la réactivité comptent autant que le nombre brut de paramètres. Fait notable, les utilisateurs les plus familiers de l'IA conversationnelle se montrent plus sensibles aux écarts de capacité du modèle 30B, ce qui suggère que les gains de l'échelle ne se révèlent qu'à des utilisateurs expérimentés, pas au grand public. Ce travail s'inscrit dans un champ distinct de la course aux robots humanoïdes commerciaux type Figure ou Optimus : il porte sur les agents conversationnels incarnés, ces interfaces à visage robotique utilisées pour l'accueil, l'assistance ou la démonstration, où le rendu social prime sur la manipulation physique. Le choix de Qwen3-VL, famille de modèles multimodaux ouverts d'Alibaba, illustre une tendance à tester des LLM open source plutôt que des API propriétaires pour ce type d'usage. Les auteurs reconnaissent eux-mêmes les limites de l'étude, à commencer par un échantillon réduit à 19 participants et des interactions brèves, et précisent qu'il s'agit d'une prépublication arXiv non encore relue par les pairs. Le signal rejoint néanmoins d'autres travaux sur l'écart entre démonstration et usage réel, invitant la recherche en interaction homme-robot à prioriser la latence et le comportement social plutôt que la seule taille du modèle.

Recherche❖Paper

1 source

46

123arXiv cs.RO 

Projection-rétraction MPPI : contrôle exact sur variété de contraintes pour manipulateurs

Des chercheurs du RCI Lab publient sur arXiv (référence 2608.07573v1) une nouvelle méthode de commande pour bras manipulateurs baptisée Projection-Retraction MPPI (PR-MPPI). Le système a été validé sur des plateformes bimanuelles à 14 degrés de liberté (DOF) : en simulation, via un test de stress sur les limites articulaires et un test d'évitement d'obstacles randomisé, puis sur matériel réel avec un humanoïde Unitree H1-2 dont les deux bras évitent de façon réactive un obstacle mobile. Le code source et les vidéos d'expérience sont publiés sur rcilab.github.io/prmppi. Il s'agit d'une publication de recherche académique, sans annonce de produit commercial ni de déploiement industriel. Le Model Predictive Path Integral (MPPI) est une technique de commande prédictive très utilisée en manipulation robotique car elle gère des coûts non convexes sans calcul de gradient, en échantillonnant en parallèle de nombreuses trajectoires candidates, une approche qui tire parti du calcul GPU massivement parallèle. Sa limite connue est que les contraintes strictes, comme une chaîne cinématique fermée que deux bras doivent maintenir exactement pour porter ensemble un objet rigide, ou les limites articulaires et distances de sécurité aux obstacles, ne sont traitées que comme des pénalités douces dans le coût, susceptibles d'être violées dès que le coût de tâche devient dominant. PR-MPPI corrige ce point en projetant, à chaque étape de simulation, la vitesse échantillonnée sur le sous-espace de la contrainte d'égalité puis sur le demi-espace de chaque contrainte d'inégalité, avant de ramener la commande finale sur la contrainte à une tolérance numérique près, indépendamment du poids attribué à la tâche. Pour la manipulation bimanuelle et les humanoïdes évoluant près d'humains ou d'obstacles mobiles, cette garantie de respect exact, et non plus seulement approximatif, des contraintes de sécurité répond à une faiblesse pratique connue des architectures de commande par échantillonnage. Le MPPI est hérité des méthodes de commande prédictive par échantillonnage développées initialement pour les véhicules autonomes, avant d'être largement repris ces dernières années dans la commande corps-complet des bras manipulateurs et des humanoïdes, portée par les gains de calcul parallèle sur GPU. L'article positionne PR-MPPI comme une réponse directe à la principale faiblesse de cette famille de méthodes, la gestion uniquement molle des contraintes strictes, un problème qui concerne potentiellement des architectures de commande similaires chez d'autres constructeurs d'humanoïdes et de bras bimanuels, alors même que le H1-2 d'Unitree a servi ici de plateforme de test réel. Aucun partenariat industriel, pilote commercial ni calendrier de déploiement n'est mentionné : la publication reste, à ce stade, une validation académique en simulation et sur un seul robot en laboratoire, code et vidéos mis à disposition de la communauté recherche.

Recherche❖Paper

1 source

46

124arXiv cs.RO 

Efficacité de l'apprentissage par renforcement en ligne pour la manipulation robotique via entraînement centralisé et décomposition du critique

Une équipe de recherche présente HIL-HARC, une méthode d'apprentissage par renforcement en ligne appliquée directement sur des bras robotiques réels, sans phase de simulation préalable et avec intervention humaine ponctuelle pendant l'entraînement. Le système combine un entraînement centralisé à exécution décentralisée (CTDE) avec une architecture de récompense hybride (HRA) : plusieurs bras partagent un même critique multi-tête, décomposé en une tête "tâche" liée à une récompense éparse et une tête "préhension" fondée sur un potentiel de saisie. Les objectifs du critique et de l'acteur ont été reformulés pour exploiter ces valeurs Q décomposées, en tenant compte de la distribution catégorielle propre au contrôle discret de la pince. La méthode a été testée sur deux bras robotiques réels et sur un robot humanoïde simulé, pour des tâches de préhension-dépôt d'une balle de tennis et d'une banane, de repositionnement d'une casserole, et de déplacement de blocs en simulation, avec une plage de randomisation de domaine 5 à 25 fois plus large que dans les travaux antérieurs. Comparée à une référence de l'état de l'art, la méthode fait passer le taux de réussite de 60% à 80% sur la balle de tennis, de 60% à 90% sur la banane, et de 25% à 95% sur le déplacement de blocs simulé, tout en réussissant une tâche sur laquelle la référence échoue systématiquement. Ce résultat s'attaque à deux limites connues du RL en ligne avec intervention humaine : la faible tolérance aux variations d'environnement, jusqu'ici restreinte à de petites plages de randomisation, et l'instabilité provoquée par l'entraînement simultané de plusieurs agents, qui rend les cibles d'apprentissage non stationnaires. En montrant qu'un critique centralisé partagé absorbe une randomisation bien plus large tout en améliorant l'efficacité d'échantillonnage, ces travaux nuancent l'idée selon laquelle seule une simulation massive permettrait d'obtenir des politiques robustes aux variations physiques. Pour les intégrateurs et équipes de R&D en manipulation robotique, cela ouvre une piste pour affiner des politiques directement sur site industriel, sans dépendre d'un pipeline sim-to-real coûteux à calibrer, un enjeu d'autant plus actuel que les architectures vision-langage-action cherchent à généraliser au-delà de démonstrations scriptées. Le travail s'inscrit dans la lignée du RL avec intervention humaine en temps réel, en réutilisant des briques issues du RL multi-agent, l'entraînement centralisé à exécution décentralisée et la décomposition de récompense, pour les appliquer à un contexte mono-robot multi-tâche. Aucun système commercial n'est nommé dans la comparaison, et l'ensemble reste à ce stade un résultat de recherche publié en préprint sur arXiv plutôt qu'un produit déployé : les essais réels se limitent à un nombre restreint de tâches de préhension, et le volet humanoïde n'a été validé qu'en simulation. Les auteurs mettent à disposition vidéos et détails complémentaires sur un site dédié, sans annoncer de calendrier de transfert vers un humanoïde physique ni de partenariat industriel.

Recherche❖Paper

1 source

45

125arXiv cs.RO 

MPPI, planification par fonction de coût humain gaussienne pour la navigation sociale

L'université ou le laboratoire à l'origine de PGIF (Predictive Gaussian Interaction Fields) propose une nouvelle formulation de coût pour la navigation robotique en milieu social, publiée sur arXiv le 8 août 2026. La méthode s'appuie sur le contrôleur MPPI (Model Predictive Path Integral), un planificateur par échantillonnage largement utilisé en robotique mobile, mais qui traite habituellement les piétons comme des obstacles ponctuels statiques à leur position actuelle. PGIF corrige ce défaut en projetant les trajectoires prédites des piétons sur tout l'horizon de planification et en les encodant sous forme de champs répulsifs gaussiens anisotropes, alignés sur la direction de déplacement de chaque personne. L'étendue de chaque champ croît avec la vitesse du piéton, créant une zone de danger en forme de cône qui pénalise davantage les trajectoires du robot coupant la route d'un piéton que celles l'abordant par l'arrière. Testée sur 300 scénarios de foule randomisés répartis sur trois niveaux de densité, l'approche PGIF-MPPI atteint un taux de collision de 0% à chaque niveau, contre jusqu'à 82% pour une implémentation MPPI classique, tout en conservant des performances de planification en temps réel, la formulation étant décrite comme calculable en forme close et entièrement parallélisable sans surcoût de calcul mesurable. Pour les intégrateurs de robots mobiles autonomes (AMR) et les équipes travaillant sur des plateformes destinées à des entrepôts, hôpitaux ou espaces publics, ce résultat s'attaque à un point de friction connu: les planificateurs par échantillonnage comme MPPI sont appréciés pour leur simplicité et leur rapidité, mais leur modélisation naïve des humains comme obstacles statiques les rend fragiles dès que la densité de foule augmente. Un taux de collision de 82% pour la version vanille de MPPI, même en simulation, illustre l'ampleur du problème que rencontrent les déploiements réels en environnement dynamique. Si les résultats se confirment au-delà de la simulation, cela renforcerait l'argument selon lequel la sécurité en navigation sociale ne nécessite pas forcément des architectures d'apprentissage profond lourdes, mais peut passer par un enrichissement ciblé de la fonction de coût dans des planificateurs classiques déjà utilisés en production. Ce travail s'inscrit dans une lignée de recherches en navigation sociale robotique cherchant à combler l'écart entre prédiction de trajectoires piétonnes et planification de mouvement du robot, un défi documenté depuis plusieurs années dans la littérature sur les champs de force sociaux et les modèles de prédiction de trajectoires. Contrairement à des approches basées sur l'apprentissage par renforcement ou des réseaux profonds pour la navigation sociale, PGIF reste une extension analytique du MPPI existant, ce qui facilite potentiellement son intégration dans des piles logicielles robotiques déjà en production. L'article, à ce stade une publication arXiv non encore validée par les pairs, ne précise pas de déploiement sur robot physique ni de partenariat industriel; les résultats rapportés reposent uniquement sur des scénarios simulés, et la validation en conditions réelles avec capteurs bruités et prédictions imparfaites reste l'étape suivante à surveiller.

Recherche❖Paper

1 source

45

126arXiv cs.RO 

Généraliser l'apprentissage par renforcement profond aux configurations de robots parallèles à câbles via des politiques au niveau des actionneurs

Un article publié le 11 août 2026 sur arXiv (2608.07546v1) présente une nouvelle méthode d'apprentissage par renforcement profond pour piloter les robots parallèles à câbles (CDPR). Plutôt qu'une politique unique guidant l'effecteur terminal vers une position cible via la cinématique directe, les auteurs entraînent une politique par actionneur : chaque moteur apprend, via la cinématique inverse, à atteindre une longueur de câble cible. Entraînée en simulation puis transférée sans réentraînement sur un CDPR réel, cette politique « actuator-level » (ALP) permet à un modèle entraîné sur un CDPR planaire simulé à 4 moteurs de piloter en 3D un CDPR réel à 8 moteurs, avec une robustesse et une précision supérieures aux méthodes de RL traditionnelles. Pour les intégrateurs et les équipes R&D en robotique industrielle, ce résultat s'attaque à un verrou connu des CDPR : la diversité des configurations (nombre de câbles, de moteurs, géométrie) oblige en général à reconcevoir un contrôleur pour chaque nouvelle machine, ce qui freine l'industrialisation de systèmes déjà utilisés pour la manutention lourde, les grues de chantier ou la captation de mouvement à grande échelle. En déplaçant l'apprentissage de l'effecteur vers l'actionneur, la méthode produit une politique réutilisable d'une architecture à l'autre sans réentraînement, ce qui réduirait le coût d'ingénierie de chaque nouveau design. Le transfert réussi vers une configuration réelle différente de celle utilisée à l'entraînement apporte aussi un élément concret face au problème récurrent du sim-to-real gap qui freine l'adoption industrielle du DRL en robotique. Les CDPR existent depuis plusieurs années pour couvrir de grands espaces de travail à moindre coût structurel, mais leur commande reste délicate en raison de la nonlinéarité de leur dynamique ; les travaux DRL antérieurs se limitaient à des politiques propres à une seule configuration, sans transfert vers un autre nombre d'actionneurs. Les auteurs présentent leur approche comme la première à appliquer le DRL au contrôle de CDPR via une politique au niveau actionneur. L'article ne mentionne ni partenariat industriel ni calendrier de déploiement : il s'agit d'une preuve de concept en laboratoire, testée sur des prototypes à 4 et 8 moteurs, dont la généralisation à des CDPR de taille industrielle reste à démontrer.

Recherche❖Paper

1 source

45

127arXiv cs.RO 

Compétences en poids, mémoire en code : apprentissage hybride pour la manipulation robotique dépendante de la mémoire

Une équipe de recherche a publié le 11 août 2026 sur arXiv (référence 2608.09410) un article intitulé "Skills in Weights, Memory in Code", présentant HyMeS, un framework hybride destiné à la manipulation robotique dépendant de la mémoire à long terme. Le système associe une politique vision-langage-action (VLA) markovienne, qui apprend les compétences motrices de bas niveau par imitation learning basée sur le gradient, à un agent de codage chargé de la gestion de la mémoire de haut niveau. Cet agent apprend par heuristique, en mettant à jour de façon itérative un système de règles exécutables à partir des retours d'essais (rollouts). Une vérification multimodale de l'achèvement des étapes, combinant signaux proprioceptifs et jugements d'un modèle vision-langage sur plusieurs images, permet de rafraîchir la mémoire en boucle fermée. Sur le benchmark RoboMemArena, HyMeS fait grimper le taux de succès cumulé moyen de 52,5% à 66,2% et le taux de succès par tâche de 41,3% à 60,1% par rapport au modèle de référence pi0.5, tout en dépassant le système concurrent PrediMem de 4,5 points en succès cumulé et 14,5 points en succès par tâche. L'enjeu dépasse la simple performance chiffrée: la plupart des politiques VLA actuelles génèrent chaque action à partir de l'observation courante ou d'un historique court et fixe, ce qui les rend inadaptées aux tâches non markoviennes où le robot doit se souvenir d'informations glanées bien plus tôt dans la séquence. En séparant les compétences motrices, apprises par imitation et figées dans les poids du réseau, de la logique de mémoire, gérée en code exécutable et adaptable sans nouvelles démonstrations, HyMeS promet une généralisation compositionnelle plus économe en données: seules les compétences motrices réutilisables nécessitent des démonstrations, pas chaque configuration de tâche dépendante de l'historique. Pour les intégrateurs et laboratoires travaillant sur des tâches industrielles multi-étapes (tri, assemblage séquentiel), c'est un argument direct contre le coût prohibitif de collecte de données propre aux approches VLA de bout en bout. Le travail s'inscrit dans la lignée des modèles VLA généralistes tels que pi0.5 (Physical Intelligence), utilisé ici comme référence, et se positionne face à d'autres approches de mémoire augmentée comme PrediMem. Il s'agit à ce stade d'un préprint arXiv validé uniquement sur le benchmark RoboMemArena, sans validation annoncée sur robot physique ni pilote industriel.

Recherche❖Paper

1 source

44

128arXiv cs.RO 

X2C : un ensemble de données d'expressions faciales nuancées pour l'imitation humanoïde réaliste

Une équipe de recherche publie X2C, un jeu de données pour le transfert d'expressions faciales humaines vers des robots humanoïdes, en version 3 sur arXiv (2505.11146). Il compile 100 000 paires image/valeurs de contrôle, chaque expression étant annotée avec 30 paramètres de contrôle continus et physiquement contraints, donc exploitables sur du matériel réel et non seulement pour la synthèse vidéo. Les auteurs proposent aussi X2CNet, un framework en deux étapes qui sépare l'extraction du mouvement visuel de la régression vers les commandes mécaniques. Validé par des benchmarks quantitatifs et des tests physiques réels, le système affiche une meilleure cohérence inter-domaines et une imitation robuste en conditions non contrôlées, avec code et données publiés sur lipzh5.github.io/X2CNet. Le verrou est concret: la dynamique faciale humaine, continue et haute-dimension, contraste avec les têtes robotiques limitées par un nombre restreint de degrés de liberté mécaniques et les contraintes physiques des actionneurs. L'absence de données appariées à grande échelle cantonnait jusqu'ici la recherche à des démonstrations isolées ou à des pipelines propriétaires fermés, peu comparables d'un laboratoire à l'autre. En publiant un jeu de données massif et densément annoté, X2C pose les bases d'un benchmark standardisé pour l'imitation faciale, un terrain où, contrairement à la locomotion ou la préhension, aucun outil d'évaluation commun n'existait vraiment. Pour les intégrateurs de robots d'accueil, de service ou compagnons, où l'expressivité faciale conditionne l'acceptabilité sociale, disposer d'une méthode reproductible et ouverte change la donne face aux démonstrations vidéo invérifiables. Ce travail prolonge les progrès rapides de la synthèse visuelle de têtes parlantes, deepfakes et avatars numériques compris, un domaine mature côté génération d'image mais qui ne réglait pas le passage à des commandes physiques exploitables par un visage robotique réel. Sur le terrain des têtes expressives commerciales, plusieurs plateformes existent déjà, à l'image d'Ameca d'Engineered Arts ou des robots sociaux basés sur Furhat, mais avec des pipelines internes non comparables faute de référentiel commun. X2C se positionne comme cette référence ouverte, code et données publiés pour permettre des comparaisons reproductibles entre équipes. L'article demeure à ce stade un travail de recherche en preprint, sans partenariat industriel ni déploiement commercial annoncé; son adoption comme benchmark par d'autres laboratoires serait la suite logique.

Recherche❖Paper

1 source

44

129arXiv cs.RO 

Hierarchical Fast-Slow ReAct : un agent de navigation vers un objectif sans apprentissage préalable

Publié en août 2026 sur arXiv, ce travail de recherche présente un agent hiérarchique rapide-lent pour la navigation vers un objet cible en zero-shot (ZSON) : un robot doit localiser une catégorie d'objet dans un bâtiment jamais visité. Les méthodes dominantes choisissent la frontière d'exploration par argmax sur une carte de valeur vision-langage, sans conserver les preuves passées. Le système proposé garde ce contrôleur réactif actif à chaque pas, en construisant une mémoire ancrée sur les coordonnées : grille sémantique des pièces et objets confirmés, plus des images-clés bornées, chaque détection filtrée par un VLM avant écriture. Une couche délibérative relit cette mémoire en boucle bornée raisonnement-récupération-action, se déclenche sur des événements structurels, raisonne d'abord en texte et ne rappelle une image qu'en dernier recours, sous plafonds d'appels et repli automatique. Résultat : 68,75% de succès sur HM3D v1 (val) et 47,29% sur MP3D (val), meilleur score zero-shot comparé ; sur 2000 épisodes HM3D, un argmax simple à la place de la délibération coûte 3,40 points de succès (IC 95% [1,70 ; 5,05]), perte que la délibération systématique ne comble pas. Ce résultat contredit l'hypothèse selon laquelle interroger un VLM à intervalle fixe depuis la vue courante suffit, et qu'une mémoire explicite ne vaut pas son coût de calcul. En montrant qu'une mémoire persistante couplée à une délibération sélective bat l'argmax pur et la délibération exhaustive, l'étude donne un argument concret aux intégrateurs de robots mobiles d'intérieur (logistique, inspection, service) arbitrant entre coût des appels VLM et qualité de décision, et confirme la bascule vers des architectures hybrides rapide-lent en IA incarnée. Le travail s'inscrit dans la lignée des méthodes ZSON à carte de valeur vision-langage, dominantes mais sans mémoire longue, et des architectures plus récentes plaçant un VLM directement dans la boucle de décision, jugées coûteuses et rigides. Il s'appuie sur les benchmarks standards HM3D et MP3D, sous simulateur Habitat, pour se comparer aux méthodes zero-shot existantes. Aucun partenaire industriel n'est mentionné : la validation reste en simulation, l'étape suivante logique étant un test sur robot réel.

Recherche❖Paper

1 source

44

130arXiv cs.RO 

Approche sémantique de la communication pour le traitement de marqueurs fiduciaires en SLAM en périphérie 5G

Des chercheurs publient sur arXiv (identifiant 2608.09620v1, mise en ligne début août 2026) un article intitulé "A Semantic Communication Approach to Fiducial Marker Processing in 5G-Enabled Edge SLAM". Le papier propose un framework d'inférence répartie ("split inférence") pour le traitement des marqueurs fiduciaires utilisés en SLAM robotique. Un réseau de neurones convolutif inspiré de DeepTag est découpé en deux parties : une portion tourne sur le robot, l'autre sur un serveur en périphérie de réseau (edge). Plutôt que d'envoyer l'image brute, le robot transmet uniquement des représentations intermédiaires de caractéristiques, une forme de communication sémantique orientée tâche, via une liaison 5G réelle. Le système est intégré dans une architecture robotique sous ROS2 et testé sur un banc d'essai 5G opérationnel, non simulé. Les résultats montrent une estimation précise des points caractéristiques (keypoints) des marqueurs, mesurent l'impact sur l'estimation de pose en aval, et quantifient le compromis entre charge de communication et charge de calcul selon le point de découpage choisi dans le réseau. Pour les intégrateurs de flottes de robots mobiles autonomes (AMR) et les décideurs déployant des réseaux 5G privés en usine ou en entrepôt, ce travail répond à un problème concret : les marqueurs fiduciaires (type AprilTag, ArUco ou DeepTag) restent une méthode de localisation économique et robuste, mais leurs pipelines de détection classiques n'étaient pas pensés pour un partage efficace entre robot et edge. En quantifiant précisément où placer la coupure entre calcul embarqué et calcul déporté, l'étude offre un cadre méthodologique plutôt qu'une simple preuve de concept, utile pour arbitrer entre latence, bande passante et précision de localisation dans des environnements où le réseau reste une ressource contrainte. Ce travail s'inscrit dans la tendance plus large du edge computing appliqué à la robotique connectée, portée par les déploiements de 5G privée en environnement industriel. Il ne s'agit pas d'un produit commercial mais d'une contribution de recherche, validée sur un banc d'essai réel plutôt qu'en simulation, ce qui renforce sa crédibilité par rapport aux études purement théoriques. L'article ne mentionne pas de partenariat industriel ni de calendrier de déploiement ; il pose des bases méthodologiques que des fournisseurs de solutions SLAM ou d'infrastructures 5G pourraient reprendre pour leurs propres architectures edge-robot.

Recherche❖Paper

1 source

44

131arXiv cs.RO 

RoboSeg : reconstruction sémantique en ligne au niveau des pièces pour la manipulation robotique via une seule caméra montée sur pince

RoboSeg est un système de perception robotique présenté dans un article déposé sur arXiv (arXiv:2608.09778v1) qui vise à reconnaître non pas des objets entiers mais leurs parties actionnables : poignées, bords, gâchettes, embouts d'outils. Le système interroge un modèle vision-langage (VLM) sur une première image RGB pour identifier des invites de parties fonctionnelles, puis combine deux flux asynchrones : un thread géométrique haute fréquence pour l'odométrie RGB-D et la fusion TSDF, et un thread sémantique déclenché par images clés utilisant SAM3 pour segmenter les parties. Les masques projetés sont fusionnés par vote temporel au niveau voxel pour construire une carte de points étiquetée, persistante, sans nécessiter de modèle CAD ni de maillage pré-scanné. Cette carte sert ensuite à assigner les candidats de prise à 6 degrés de liberté générés par AnyGrasp à la partie sémantique pertinente pour la tâche demandée. Les résultats rapportés atteignent 83,4% de mIoU (intersection sur union moyenne) sur des objets annotés manuellement, et lors d'un pilote physique de 24 essais couvrant quatre objets et huit tâches, la prise sélectionnée a touché la partie demandée dans tous les essais, pour 21 réussites sur 24 au total. L'intérêt de ce travail pour les intégrateurs et chercheurs en robotique tient au fait qu'il traite un angle mort classique des pipelines de manipulation : la plupart des systèmes de préhension raisonnent au niveau de l'objet entier, sans distinguer la partie fonctionnellement pertinente pour une tâche donnée. En s'appuyant uniquement sur une caméra montée sur l'effecteur (eye-in-hand) et sur des modèles de fondation existants plutôt que sur des CAO préalables, RoboSeg propose une couche d'indexation sémantique généralisable à des environnements non structurés. Le papier reste toutefois prudent sur la portée de la validation : le pilote physique ne couvre que quatre objets et 24 essais, un échantillon restreint qui limite la généralisation des taux de réussite annoncés. Ce travail s'inscrit dans la tendance actuelle combinant modèles vision-langage et générateurs de prises pré-entraînés plutôt que de réentraîner des systèmes de bout en bout. Les auteurs positionnent explicitement RoboSeg comme une couche complémentaire à AnyGrasp, conservé comme générateur de propositions de préhension, et non comme un remplacement. Il s'agit d'un article de recherche académique récemment publié, sans mention d'un déploiement industriel ni d'un partenaire commercial ; les prochaines étapes concernant une éventuelle extension à davantage d'objets, de tâches ou de plateformes robotiques ne sont pas précisées dans le résumé.

Recherche❖Paper

1 source

44

132arXiv cs.RO 

PEEL : extraction parallèle pour la planification du désassemblage à long terme par échantillonnage invariant à l'échelle

Des chercheurs présentent PEEL (Parallel Extraction for Long-Horizon Disassembly), un algorithme de planification pour le démontage robotique d'assemblages multi-pièces, publie en preprint sur arXiv en aout 2026 (arXiv:2608.08773). Il calcule des séquences de retrait sans collision, y compris via des corridors étroits, grâce a un planificateur MAB-RRT qui alterne entre stratégies d'échantillonnage selon un signal de récompense, couple a un échantillonnage scale-invariant ou l'échelle de l'objet, estimée en phase de rodage, guide ensuite un échantillonneur directionnel; plusieurs planificateurs tournent en parallèle pour produire un graphe ordonne du retrait des pièces. Resultat: 100% de réussite sur 76 assemblages testes en retrait pièce par pièce, et résolution de quatre problèmes complets, de 10 a 17 pièces, sur un bras manipulateur Fetch. Le démontage automatise reste un verrou pour la robotique industrielle: contrairement a l'assemblage, il impose de planifier de longues séquences interdépendantes, chaque retrait pouvant bloquer l'accès aux pièces suivantes dans des marges de passage parfois très étroites, un enjeu concret pour le reconditionnement électronique, le recyclage de batteries et l'économie circulaire industrielle. En hybridant la planification RRT classique avec un arbitrage type bandit manchot entre stratégies d'échantillonnage, PEEL montre qu'un même planificateur peut traiter des assemblages a deux chiffres de pièces sans exploser combinatoirement, la ou des méthodes a stratégie unique échouent souvent sur des corridors étroits. Le taux de 100% annonce ne concerne toutefois que le sous-problème le plus simple, teste en laboratoire, et non les démontages longs, valides sur un seul robot. PEEL s'inscrit dans la lignée des RRT, famille d'algorithmes de planification par échantillonnage utilises depuis plus de vingt ans en robotique, ici hybrides avec les bandits manchots empruntes a l'apprentissage par renforcement. Le champ de la planification de démontage reste domine par la recherche académique plutôt que par des produits commerciaux matures, a la différence de l'assemblage robotise déjà industrialise, et le preprint ne mentionne ni affiliation, ni partenaire industriel, ni calendrier de déploiement. Il s'agit d'une preuve de concept testée sur un seul bras Fetch, dont les suites logiques, extension a des assemblages plus grands ou a plusieurs bras coopérants, ne sont pas annoncées dans la publication.

Recherche❖Paper

1 source

44

133arXiv cs.RO 

Modèles du monde latents structurés par énergie avec champs de temps neuronaux pour la planification de mouvement physiquement cohérente en monde ouvert

Un preprint publié sur arXiv (arXiv:2608.09876v1) présente ELWM (Energy-Structured Latent World Model), un modèle du monde latent qui encode l'énergie et le moment cinétique pour garantir des transitions physiquement causales, entraîné sur des données RGB-D et inertielles. Les chercheurs l'intègrent à un module de navigation, PC-NTF (Physics-Conditioned Neural Time Fields), qui couple ce modèle à un champ de temps d'arrivée via l'équation eikonale. Sur des scènes de test inédites, il fait passer le NRMSE de prédiction à 0,8 seconde de 0,36 à 0,29 face aux modèles latents génériques, et, face à Active Neural Time Fields, porte le taux de réussite en navigation de 81,3% à 89,7%, le SPL de 0,64 à 0,73, tout en réduisant la collision de 12,1% à 5,8% et le résidu eikonal de 0,083 à 0,031. Le travail cible une faiblesse des world models robotiques: sans contrainte physique explicite, ils peuvent halluciner des dynamiques irréalistes, ce qui fragilise la navigation dès qu'un robot mobile ou humanoïde sort des scénarios d'entraînement pour un environnement ouvert et imprévisible. En forçant le modèle à conserver énergie et moment, les auteurs améliorent simultanément précision de prédiction et sécurité réelle, deux métriques qui ne progressent pas toujours ensemble dans les architectures purement data-driven. Pour les équipes développant des planificateurs pour AMR et robots humanoïdes, l'approche esquisse une piste pour combler l'écart entre modèles prédictifs et exigences de sécurité dynamique, alors que le secteur cherche à faire passer world models et VLA de la démonstration à un usage fiable. Il s'agit d'un preprint de recherche, sans robot physique ni site de déploiement, évalué sur des scènes tenues à l'écart de l'entraînement plutôt que dans un déploiement réel: les gains relèvent d'une validation contrôlée, pas d'un produit commercial. La comparaison s'appuie sur les modèles latents génériques et sur les Active Neural Time Fields, une approche de champs de temps neuronaux déjà établie en planification de trajectoire. Le travail s'inscrit dans une tendance plus large de la recherche en IA incarnée visant à injecter des priors physiques dans les world models de navigation, sans calendrier de transfert vers du matériel réel précisé par les auteurs.

Recherche❖Paper

1 source

44

134arXiv cs.RO 

Assistance personnalisée aux exosquelettes des membres inférieurs par optimisation bayésienne basée sur les préférences

Voici le résumé en français. Une équipe de recherche présente PbBO (préférence-based Bayesian Optimization), une méthode d'optimisation par préférences pour l'assistance personnalisée d'un exosquelette du membre inférieur, décrite dans un article publié sur arXiv (référence 2608.09015v1). Le système ajuste six paramètres de contrôle en se basant sur les préférences de mouvement de l'utilisateur, et converge vers les réglages préférés avec une précision de validation de 90,7% en seulement 20 itérations, contre un nombre bien plus élevé d'interactions homme-robot nécessaires avec les méthodes existantes. Un contrôleur hiérarchique génère un couple de torsion personnalisé selon les tâches et assure un suivi du couple d'interaction en temps réel. Des expériences sur tapis roulant et en extérieur montrent que les paramètres optimisés réduisent le taux métabolique de 14,5% à 15,4%, la fréquence cardiaque de 6,3% à 7,6%, et l'activation musculaire de 6,7% à 31,5% par rapport à une marche sans assistance. L'enjeu principal pour l'industrie des exosquelettes est la vitesse de calibration individuelle, un frein connu à l'adoption en contexte professionnel et médical. Les méthodes d'optimisation par préférences existantes exigent de nombreux cycles d'essais en ligne avec l'utilisateur, ce qui génère fatigue et biais dans les résultats obtenus. En réduisant drastiquement le nombre d'itérations nécessaires tout en maintenant une précision élevée, PbBO répond directement à une limite pratique qui freinait le déploiement à grande échelle de dispositifs adaptatifs, que ce soit en réhabilitation, en logistique ou en assistance industrielle au port de charges. Si les résultats se confirment sur des cohortes plus larges, cela pourrait accélérer la personnalisation d'exosquelettes commerciaux sans allonger les phases de calibration en clinique ou sur site industriel. Le champ des exosquelettes actifs cherche depuis plusieurs années à dépasser les profils de contrôle génériques, peu adaptés à la morphologie et aux préférences individuelles de chaque porteur. Les approches par optimisation bayésienne classique existent déjà dans ce domaine, mais l'apport ici réside dans l'exploitation de la distribution d'échantillonnage des ensembles de candidats pour améliorer l'efficacité par échantillon. L'article ne précise pas d'acteur industriel ni de partenaire de commercialisation associé à ces travaux, qui relèvent à ce stade de la recherche académique publiée en preprint, sans indication de déploiement produit ni de calendrier de transfert vers un dispositif commercial.

Exosquelettes❖Paper

1 source

44

135arXiv cs.RO 

Prédiction conforme par particules pour la calibration d'incertitude tenant compte du contact dans des espaces de configuration stratifiés

Des chercheurs ont publié le 11 août 2026 sur arXiv (référence 2608.09166) un nouvel algorithme baptisé CaPTURe (Calibrated Particle-sets for Trans-dimensional Uncertainty Representation), destiné à quantifier de façon fiable l'incertitude de mouvement d'un robot lors de contacts avec son environnement, par exemple en navigation dans un espace encombré ou en insertion de pièce dans un assemblage. Basée sur la prédiction conforme et des modèles à base de particules, la méthode construit des régions de prédiction garanties statistiquement, à une probabilité fixée par l'utilisateur, quelle que soit la fidélité du modèle de mouvement employé. Testée en simulation sur deux tâches, le pilotage d'une bille dans un labyrinthe et une insertion peg-in-hole à tolérance serrée avec un bras manipulateur, elle respecte la couverture de probabilité demandée aussi bien avec que sans contact, et améliore le taux de réussite de la tâche jusqu'à 30 points de pourcentage par rapport à la meilleure méthode de référence. Le résultat cible un problème concret pour l'industrie robotique : les modèles de mouvement, analytiques ou appris, sont souvent imprécis faute de données suffisantes ou à cause d'hypothèses simplificatrices, et un contact avec un obstacle peut rendre la distribution des configurations futures multimodale, discontinue, ou confinée à une variété de dimension inférieure à l'espace de configuration complet, ce qui invalide les approches classiques de planification sous incertitude. Pour les intégrateurs travaillant sur l'assemblage à tolérance serrée, le picking en environnement encombré ou la navigation en usine, disposer de garanties de couverture calibrées séparément pour les phases avec et sans contact permet de réduire les échecs de tâche et les arrêts de sécurité inutiles, sans sacrifier l'efficacité du mouvement. CaPTURe s'inscrit dans le champ de la prédiction conforme, une famille de méthodes statistiques de plus en plus utilisée en robotique pour garantir une couverture de probabilité sans hypothèse forte sur la distribution sous-jacente. Contrairement aux approches conformes classiques, pensées pour un espace de configuration fixe et continu, elle cible des espaces stratifiés dont la dimensionnalité effective change selon la présence ou non de contact, un cas de figure courant en manipulation robotique et en navigation de robots mobiles. L'article ne mentionne ni déploiement industriel ni partenariat commercial : il s'agit à ce stade d'une contribution de recherche académique, évaluée uniquement en simulation sur deux bancs d'essai contrôlés, sans calendrier annoncé de transfert vers du matériel réel.

Recherche❖Paper

1 source

44

136arXiv cs.RO 

PhysX-CoT : raisonnement physique structuré, d'une image unique à des actifs 3D prêts pour la simulation

Des chercheurs ont publié le 11 août 2026 sur arXiv (référence 2608.08053v1) une méthode baptisée PhysX-CoT, conçue pour générer des actifs 3D prêts pour la simulation directement à partir d'une seule image. Contrairement aux approches actuelles, qui confient cette tâche à un modèle vision-langage produisant un flux de tokens unique et global ensuite décodé en géométrie et en champs physiques, PhysX-CoT décompose le processus en une trajectoire explicite et structurée d'états par partie : décomposition, ancrage 2D et 3D, relations entre parties, géométrie grossière et indices de surface, chaque étape étant supervisée séparément. La géométrie est factorisée de sorte que des boîtes englobantes 3D encodent le placement tandis que des codes locaux encodent la forme, et un entraînement par renforcement de type GRPO aligné sur cette chaîne de raisonnement optimise la validité du parsing, l'ancrage, la géométrie, le placement et la cohérence physique. Testée selon un protocole unifié, avec les mêmes backbone, données et décodeur figé que les méthodes concurrentes, PhysX-CoT dépasse la meilleure référence existante sur les métriques de géométrie, d'échelle et d'attributs physiques, et les actifs générés se chargent, entrent en collision et s'articulent correctement dans Unreal Engine 5. Pour l'industrie robotique et l'IA incarnée, ce travail s'attaque à un goulot d'étranglement réel : la production à grande échelle d'environnements simulés physiquement crédibles, nécessaires à l'entraînement de politiques VLA comme celles utilisées par GR00T N2, Pi-0 ou Helix. En rendant les étapes intermédiaires de génération vérifiables plutôt qu'implicites, la méthode ouvre la voie à un diagnostic plus fin des erreurs de géométrie ou de physique qui pénalisent aujourd'hui les pipelines automatisés. Les auteurs appuient leur démonstration sur des contrôles rigoureux (oracle, comparaisons à budget de tokens équivalent, permutation de l'ordre des états), montrant que ce raisonnement structuré est fonctionnel et non cosmétique, un point de méthode qui renforce la crédibilité des gains annoncés malgré leur origine auto-rapportée. Ce travail s'inscrit dans la lignée des recherches en chaîne de raisonnement appliquées au-delà du texte, transposées ici à la génération d'actifs 3D physiques pour la robotique simulée. Il reste à ce stade une contribution académique, sans déploiement commercial annoncé ; les prochaines étapes attendues concernent l'intégration à des pipelines d'entraînement de robots et l'extension à des actifs plus complexes.

Recherche❖Paper

1 source

44

137arXiv cs.RO 

XPolicyLab : une norme unifiée et un écosystème ouvert pour l'évaluation et le déploiement de politiques robotiques

Un article publié sur arXiv (2608.09892v1) présente XPolicyLab, un standard unifié et un écosystème ouvert pour l'évaluation et le déploiement de politiques robotiques. Il ramène le coût d'intégration entre N modèles de politique et M environnements, jusqu'ici de O(N×M), à O(N+M), grâce à des schémas communs d'observation, d'action et de trajectoire et à une architecture client/serveur séparant l'inférence de la politique de l'exécution de l'environnement. L'écosystème intègre 42 politiques robotiques et normalise leur installation, leur débogage et leur évaluation ; le respect du standard fait passer l'effort d'intégration d'une politique type de plus de cinq heures à deux heures, puis à trente minutes avec des modules d'agent prêts à l'emploi. Les mêmes adaptateurs font tourner les simulateurs RoboTwin et RoboDojo ainsi que des protocoles d'évaluation sur robot réel via une seule interface, le tout publié sur xpolicylab.github.io. Cette fragmentation logicielle freine depuis longtemps la comparaison reproductible des politiques robotiques, notamment des modèles vision-langage-action (VLA) qui se multiplient sans convention commune de dépendances. Pour les intégrateurs et laboratoires qui testent plusieurs politiques sur plusieurs plateformes, ce coût quadratique explique pourquoi tant de comparatifs publiés restent partiels ou difficiles à reproduire. Les auteurs montrent que le code propre à chaque politique varie d'un ordre de grandeur alors que la boucle côté environnement reste quasi identique à une référence fixe, preuve que la complexité peut être confinée au seul modèle. Le fait que les mêmes adaptateurs couvrent simulation et robot physique constitue un argument concret, mais limité à l'ingénierie logicielle, pour atténuer l'écart entre démonstration et déploiement réel. Ce travail s'inscrit dans la multiplication récente des modèles de politique généralistes pour la robotique, chacun livré avec sa propre pile logicielle et ses propres simulateurs, ce qui rendait les comparaisons indépendantes coûteuses et rares. XPolicyLab se positionne comme une couche d'infrastructure neutre plutôt qu'un produit commercial, un rôle comparable à celui des formats d'échange communs adoptés ailleurs en machine learning. L'article ne mentionne aucun déploiement industriel ni partenariat avec un fabricant de robots : il s'agit d'une publication de recherche, pas d'une annonce produit, présentée comme une infrastructure partagée destinée à être étendue par la communauté avec de nouvelles politiques et de nouveaux environnements.

Infrastructure⚡Actu

1 source

43

138arXiv cs.RO 

Adaptation vision-couple : quand fusionner vue et toucher pour manipuler des objets en contact

Une équipe de recherche publie sur arXiv une version mise à jour de son étude (article 2604.01414v2) consacrée à la fusion entre vision et signaux force/couple (F/T) dans les politiques de manipulation robotique fondées sur des modèles de diffusion. Les auteurs comparent, pour la première fois de façon contrôlée, plusieurs stratégies existantes d'intégration vision-F/T déjà proposées dans la littérature : objectifs de prédiction auxiliaires, architectures mixture-of-experts, et mécanismes de gating conscients du contact. Ils introduisent ensuite leur propre méthode adaptative, qui ignore les signaux de force/couple pendant les phases sans contact et ne les combine à la vision que lorsqu'un contact est détecté. Sur les tâches testées, cette approche améliore le taux de réussite de 14% par rapport à la meilleure référence existante, un chiffre qui reste toutefois issu d'évaluations en conditions de laboratoire et non d'un déploiement industriel. Ce travail cible un point de friction connu du secteur : les politiques purement visuelles, sur lesquelles reposent la plupart des modèles vision-langage-action (VLA) actuels, atteignent leurs limites dès que la tâche exige une sensibilité fine au contact, comme l'insertion de précision, l'assemblage ou le vissage, opérations centrales en logistique et en industrie manufacturière. En démontrant qu'une fusion adaptative bat toutes les architectures F/T-vision publiées jusqu'ici, l'étude apporte un argument concret aux intégrateurs qui cherchent à équiper leurs bras robotiques de capteurs de force pour des tâches d'assemblage fin, et suggère que le "dernier centimètre" du contact reste un verrou technique non résolu par la seule vision, contrairement à certains discours commerciaux qui présentent les VLA comme suffisants pour toute manipulation. Cette publication s'inscrit dans la lignée des politiques de manipulation par diffusion (diffusion policies), devenues un standard de recherche depuis leurs premières démonstrations, et dans la continuité des travaux sur la fusion multimodale pour la robotique de contact, un axe exploré séparément par plusieurs laboratoires sans comparaison directe jusqu'ici. En comblant ce manque méthodologique, les auteurs positionnent leur mécanisme de gating adaptatif comme référence pour les futurs travaux sur la manipulation riche en contact, une étape encore académique qui devra être validée sur du matériel physique varié et des tâches industrielles réelles avant toute adoption commerciale.

Recherche❖Paper

1 source

43

139arXiv cs.RO 

Video Assessment Conditionnée par l'Action et le Langage pour le Contrôle Incarné

ALVA, pour Action- and Language-Conditioned Video Assessment, est une méthode d'évaluation de trajectoires présentée dans une prépublication arXiv d'août 2026 (référence 2608.08273), qui vérifie si un agent robotique a réellement exécuté une instruction en langage naturel donnée en plusieurs étapes. Le système s'appuie sur un modèle vision-langage pré-entraîné en deux temps : il résume d'abord les transitions visuelles conditionnées sur les actions exécutées, puis confronte ce résumé à l'instruction pour produire un score discret de progression sur la trajectoire. Testé dans des environnements domestiques 3D simulés, ALVA se montre conservateur, avec un taux de faux positifs proche de zéro, et utilisé comme récompense terminale pour l'optimisation de politiques, il surpasse les références fondées sur l'image finale ou la similarité d'embeddings et réduit l'écart avec un oracle de vérité terrain. Ce travail s'attaque à un point faible connu de l'apprentissage par renforcement pour agents suivant des instructions : concevoir une récompense fiable capable de détecter si une tâche multi-étapes est vraiment accomplie, sans se laisser tromper par des états visuellement proches mais fonctionnellement incorrects. Pour les équipes qui entraînent des politiques VLA (vision-language-action), un évaluateur conservateur, quitte à sous-noter certaines réussites, limite le risque qu'un agent apprenne à exploiter les failles d'une récompense trop permissive et conforte l'idée que des VLM généralistes peuvent servir de juges interprétables pour le contrôle robotique. Ces résultats restent toutefois circonscrits à des environnements simulés, sans validation sur robot physique, ce qui limite pour l'instant leur portée industrielle directe. La démarche s'inscrit dans un courant de recherche plus large visant à remplacer les récompenses figées, fondées sur l'appariement de l'image finale ou la distance d'embedding, par des juges basés sur des modèles de fondation capables de raisonner sur une trajectoire complète et le langage de la consigne. Cette prépublication arXiv n'a pas encore été relue par les pairs et ne compare pas ALVA à des systèmes commerciaux. Les auteurs le présentent comme un mécanisme de feedback interprétable pour les tâches de contrôle robotique simulées étudiées, laissant ouverte son extension à des tâches plus complexes ou à des robots réels, étape logique mais non annoncée à ce stade.

Recherche❖Paper

1 source

43

140arXiv cs.RO 

GraphThink : une planification robotique guidée par un graphe de raisonnement pour les tâches longues

Des chercheurs présentent GraphThink, un nouveau framework de planification pour agents robotiques pilotés par des grands modèles de langage (LLM), détaillé dans un article publié le 7 août 2026 sur arXiv (2608.07905v1). Le système combine deux structures de données : un graphe de tâches (task graph), qui guide le raisonnement du LLM via un prompting contextuel et un raffinement itératif pour limiter les hallucinations de planification, et un graphe de scène (scene graph), qui sert de mémoire environnementale pour déclencher une replanification en boucle fermée dès qu'un événement imprévu survient. L'entraînement du planificateur s'appuie sur GRPO (Group Relative Policy Optimization), avec une conception de récompense calquée sur le graphe de tâches. Sur le benchmark ALFRED, référence standard pour l'exécution de tâches ménagères instruites en langage naturel par un agent virtuel, GraphThink atteint l'état de l'art : son module de haut niveau dépasse les LLM propriétaires accessibles par API, aussi bien sur l'ensemble de validation que sur des tâches longues inédites (held-out long-horizon tasks), avec une bonne généralisation zero-shot et few-shot à des environnements et tâches jamais vus. Ce résultat cible un problème central pour l'industrie de la robotique humanoïde et des agents incarnés : les planificateurs fondés sur des LLM génériques hallucinent souvent des actions physiquement impossibles et perdent en cohérence sur des séquences de tâches longues, un écart classique entre démonstration et usage réel. En ancrant le raisonnement dans une représentation structurée de l'environnement plutôt que dans le seul texte, GraphThink illustre une piste concrète pour fiabiliser les architectures de type VLA (vision-language-action) utilisées par des systèmes comme GR00T N2 ou Helix, sans dépendre uniquement de modèles propriétaires massifs. Il s'agit toutefois d'un résultat de recherche évalué en simulation sur ALFRED, non d'un déploiement sur robot physique. Le champ des planificateurs LLM pour la robotique s'est développé depuis des approches comme SayCan ou Code as Policies, et la comparaison de GraphThink aux LLM API démontre surtout un gain méthodologique en environnement contrôlé ; sa validation sur du matériel réel reste l'étape suivante attendue.

Recherche❖Paper

1 source

43

141arXiv cs.RO 

Auto-apprentissage à partir de démonstrations générées automatiquement pour la manipulation robotique visuelle

Un preprint publie sur arXiv le 11 aout 2026 (2608.07553) décrit une méthode d'apprentissage auto-supervise pour la manipulation robotique visuelle, dans laquelle le robot génère lui-même ses démonstrations autour d'une pose cible au lieu de dépendre d'une téléopération humaine ou d'un enseignement kinesthésique. Le pipeline, base sur ROS 2 et le simulateur Isaac Sim, produit des paires image-pose étiquetées sans calibration extrinsèque explicite entre camera et robot, avec deux jeux de données distincts, l'un pour l'affinage planaire, l'autre pour l'approche grossière en trois dimensions. Un réseau convolutif régressé la translation et la rotation relatives a partir d'une seule image RGB montee au poignet, et pilote un contrôleur grossier-vers-fin qui approche d'abord l'objet puis affine l'alignement final. Teste en simulation et sur un bras collaboratif réel UR5e équipe d'une pince et d'une camera monoculaire, le système réduit la dispersion planaire finale de 9,69 mm a 5,38 mm en simulation, et atteint en conditions réelles des taux de réussite de préhension de 66,6% et 63,6% sur deux des trois objets testes sans rotation, avec une robustesse partielle en cas de rotation. Cette approche cible un goulot d'étranglement connu de l'industrie: la plupart des pipelines de manipulation exigent une programmation spécifique a l'objet, une annotation manuelle ou une calibration camera-robot précise, ce qui freine le déploiement chez les intégrateurs. En générant ses propres démonstrations en simulation avant transfert vers le réel, la méthode réduit l'effort de mise en place, un argument qui parle directement aux intégrateurs voulant éviter des phases de téléopération couteuses. Les résultats restent toutefois modestes, avec des taux de réussite de 63 a 67% sur seulement trois objets, et les auteurs reconnaissent eux-mêmes des difficultés persistantes en prédiction de profondeur et en généralisation. Le travail se positionne ainsi en contrepoint des modèles de fondation VLA massifs de type GR00T N2 ou Pi-0: une alternative plus légère, ciblée sur une tache étroite, sans la promesse de généralisation zero-shot de ces derniers. Le papier s'inscrit dans une lignée académique de recherches sur le transfert sim-to-real et la génération automatique de données d'entrainement, sans affiliation industrielle mise en avant ni partenariat commercial annonce. Aucun pilote ni calendrier de déploiement n'est mentionne: les auteurs présentent ces travaux comme une preuve de concept, les prochaines étapes évoquées portant sur l'amélioration de l'estimation de profondeur et l'extension a un plus grand nombre d'objets avant d'envisager une application industrielle plus large.

Recherche❖Paper

1 source

43

142arXiv cs.RO 

Optimisation multi-objectifs de la biellette de Jansen : qualité de démarche contre usure des articulations

Une étude publiée sur arXiv (2606.22129v2) réexamine le mécanisme de Jansen, la liaison à un degré de liberté des sculptures marchantes Strandbeest du Néerlandais Theo Jansen, en lui ajoutant un objectif de durabilité absent du dessin original. Les auteurs couplent un modèle cinématique, un modèle dynamique inverse (système à sept corps, dix articulations, formulation jacobienne et multiplicateurs de Lagrange) et un modèle d'usure d'Archard afin de comparer, pour toute combinaison de longueurs de tiges, la qualité de la démarche et l'usure par glissement à chaque axe. Résolu par l'algorithme génétique NSGA-II, ce problème bi-objectif, erreur de trajectoire du pied contre usure articulaire totale, révèle que la géométrie classique, ses onze "nombres saints" mis au point dans les années 1990 pour la seule trajectoire du pied, est dominée au sens de Pareto : des ajustements de tiges de ±29% aplatissent la phase d'appui (-28%), lissent sa vitesse (-58%) et réduisent l'usure articulaire totale d'environ 56%. L'étude bouscule l'idée reçue selon laquelle fluidité du geste et longévité mécanique s'opposeraient : les deux progressent ici de concert sur une large part de l'espace de conception. Une analyse de sensibilité confirme un gain d'usure robuste, entre 48% et 56%, sur toute une plage de vitesses de manivelle et de charges utiles, et une analyse de variance de Sobol identifie deux longueurs de tiges comme principaux leviers de l'usure. Une simulation Monte-Carlo sur les tolérances de fabrication montre que cet avantage se dégrade progressivement, sans disparaître, face aux imprécisions d'usinage réalistes. Pour les concepteurs de jambes mécaniques low-cost à un seul actionneur, le cadre offre une méthode reproductible pour prolonger la durée de vie d'un mécanisme sans sacrifier ses performances de déplacement, sachant que les chiffres d'usure, calculés sur des articulations idéales sans jeu, restent un classement comparatif plutôt qu'une prédiction de durée de vie absolue. Theo Jansen a mis au point ce mécanisme à partir des années 1990 en faisant évoluer par algorithme génétique les longueurs de ses onze tiges, sans jamais intégrer l'usure des articulations dans ses critères de sélection. Ce travail rejoint la famille des liaisons de marche à un degré de liberté, aux côtés d'alternatives comme les mécanismes de Klann ou de Chebyshev, mais innove en couplant explicitement dynamique inverse et modèle d'usure d'Archard sur l'ensemble du système. Les auteurs présentent leur cadre comme une base pour de futures études associant usure, jeu articulaire et effets d'impact, un axe qu'ils laissent explicitement de côté puisque le modèle actuel suppose des articulations idéales, sans jeu mécanique.

Recherche❖Paper

1 source

43

143arXiv cs.RO 

Agentic Harnesses : des couches de vérification pilotées par LLM pour l'autonomie des robots

Un article publié sur arXiv (identifiant 2608.09857) propose une couche de vérification pilotée par des grands modèles de langage (LLM), insérée entre la planification et l'exécution des actions d'un robot autonome. Ce middleware, dénommé « agentic harness », intercepte les plans avant qu'ils n'atteignent le serveur MCP (Model Context Protocol) et les commandes bas niveau du robot, en s'appuyant sur un ensemble de LLM juges qui combinent raisonnement en chaîne de pensée et synthèse multi-modèles, selon une logique de mélange d'experts et d'auto-cohérence. Chaque plan est classé en trois catégories : approuvé, rejeté pour reformulation, ou escaladé vers une révision humaine. Les auteurs rapportent une précision proche de 85% sur ces trois catégories, un taux de blocage de 97% des attaques adversariales, et des erreurs quasi nulles entre acceptation et rejet, la plupart des erreurs résiduelles se situant à la frontière de l'escalade. Cette proposition comble un angle mort de la recherche en robotique autonome, jusqu'ici concentrée sur l'exécution des plans plutôt que sur la vérification de leur faisabilité : comme les LLM généralistes, les modèles de planification robotique peuvent produire des actions biaisées vers l'objectif fixé par l'utilisateur, contraires à l'éthique scientifique, dangereuses faute de mémoire des risques déjà identifiés, ou vulnérables aux attaques adversariales. Pour les intégrateurs qui déploient des piles agentiques combinant modèles vision-langage-action et contrôle robotique, ce travail illustre un besoin croissant de gouvernance intermédiaire entre la décision du modèle et l'actionnement physique. Il apporte une mesure rare dans un domaine où les garanties de sécurité restent souvent qualitatives, même si des erreurs subsistent à la frontière de l'escalade, où l'arbitrage humain reste nécessaire. Cette recherche s'inscrit dans la montée des architectures agentiques en robotique, où les modèles de fondation vision-langage-action, tels que ceux développés par Physical Intelligence, NVIDIA ou Figure AI pour piloter des robots humanoïdes, sont de plus en plus reliés à des chaînes d'outils via des protocoles comme MCP. L'article, publié en août 2026, ne précise ni plateforme robotique testée ni calendrier de déploiement industriel : il s'agit à ce stade d'une contribution méthodologique de recherche, dont l'adoption par des laboratoires ou des intégrateurs reste à démontrer.

Recherche❖Paper

1 source

43

144arXiv cs.RO 

SAFE-CHEM : commutation de politiques sensible à l'incertitude pour une chimie robotique fiable

Des chercheurs présentent SAFE-CHEM, un système de sécurité pour robots de chimie autonomes piloté par des politiques d'apprentissage, détaillé dans un article déposé sur arXiv le 9 août 2026 (arXiv:2608.09303). L'architecture repose sur un ensemble de politiques d'imitation learning basées sur des réseaux de neurones récurrents, chargées de manipuler du matériel de laboratoire. Chaque politique produit ses propres prédictions d'action, et la variance entre elles sert de mesure d'incertitude épistémique calculée en temps réel. Les auteurs caractérisent la distribution de cette variance lors des essais réussis via une estimation de densité par noyau (kernel density estimation), ce qui permet de fixer un seuil de sécurité calibré. Quand l'incertitude dépasse ce seuil, le système bascule automatiquement de la politique apprise vers un contrôleur de secours déterministe, basé sur des règles fixes. L'équipe a testé SAFE-CHEM sur trois tâches fondamentales de manipulation en laboratoire, puis a démontré un transfert zero-shot du simulateur vers un bras robotique physique Franka Production 3. L'enjeu dépasse la simple performance : dans les laboratoires de chimie des matériaux, une erreur de manipulation peut être dangereuse, contrairement à la plupart des benchmarks robotiques classiques. Les politiques d'apprentissage actuelles ont tendance à extrapoler avec excès de confiance sur des situations hors distribution, un défaut connu qui freine leur adoption dans des environnements à risque. En démontrant une réduction des violations de sécurité critiques et une amélioration du taux de succès par rapport à des architectures à politique unique, SAFE-CHEM répond directement à un obstacle identifié comme central pour le déploiement de robots dans les laboratoires autonomes ("self-driving labs"), un secteur en expansion pour accélérer la génération de données scientifiques exploitables par l'IA. Ce travail s'inscrit dans la tendance plus large des "self-driving labs" de chimie et matériaux, où des bras robotiques automatisent synthèse et caractérisation d'échantillons pour nourrir des modèles de découverte scientifique. Le choix du Franka Production 3, plateforme de recherche largement utilisée en robotique académique, facilite la reproductibilité. Les auteurs présentent leurs résultats comme une validation de faisabilité plutôt qu'un déploiement industriel abouti, la généralisation à un plus grand nombre de tâches et de laboratoires restant à démontrer.

Recherche❖Paper

1 source

43

145arXiv cs.RO 

CoCoNav : un contrôle conforme pour une navigation robotique sûre en milieu de foule

Un article déposé sur arXiv en août 2026 (arXiv:2608.07751) présente CoCoNav, un framework de navigation pour robots évoluant en foule, conçu pour anticiper les mouvements imprévisibles des piétons. Le système combine une calibration conforme en ligne et une planification certifiée en temps réel. Son composant central, un contrôleur conforme proportionnel-intégral spécifique à l'horizon temporel, ajuste dynamiquement les marges d'erreur de trajectoire pour maintenir un taux de couverture empirique stable face à des erreurs de prédiction qui évoluent au fil du temps. Un second module, baptisé "relax-then-verify" (détendre puis vérifier), génère d'abord des trajectoires nominales via un contrôle prédictif par modèle (MPC) à contraintes souples, avant de certifier séparément ces trajectoires, ainsi que des manœuvres de secours, par rapport aux bornes calibrées, juste avant leur exécution. Les auteurs ont validé l'approche à la fois en simulation et lors d'expériences avec un robot quadrupède, mesurant l'évitement de collision, le taux de réussite de tâche et l'efficacité de navigation par rapport à plusieurs méthodes de référence. Ce travail s'attaque à un point de friction connu dans le déploiement de robots mobiles en environnement humain: les méthodes réactives classiques produisent des comportements oscillants dès que la densité de piétons augmente, tandis que les planificateurs prédictifs supposent souvent des trajectoires piétonnes exactes ou s'appuient sur des modèles d'erreur trop rigides pour rester fiables en conditions réelles. Imposer des marges d'incertitude conservatrices comme contraintes strictes rend par ailleurs le MPC souvent infaisable en pratique, un problème qui limite l'usage de ces techniques dans des AMR (robots mobiles autonomes) commerciaux, des robots de livraison ou des plateformes de service. En séparant génération de trajectoire et certification, et en calibrant les marges d'erreur en continu plutôt qu'a priori, CoCoNav propose une piste concrète pour rendre les garanties de sécurité compatibles avec la réactivité nécessaire en environnement dense, un compromis que peu d'approches publiées atteignent simultanément selon les auteurs. La navigation sociale en robotique reste un domaine actif de recherche depuis plusieurs années, tiraillé entre approches purement réactives, rapides mais instables, et planificateurs prédictifs, plus robustes mais coûteux en calcul ou trop optimistes sur la qualité des prévisions de mouvement humain. La prédiction conforme, technique statistique permettant de quantifier l'incertitude d'un modèle sans hypothèse forte sur sa distribution d'erreur, gagne du terrain dans la robotique de perception et de planification comme alternative aux bornes d'erreur fixes. CoCoNav s'inscrit dans cette tendance en l'appliquant spécifiquement à l'horizon de prédiction du MPC. À ce stade, les résultats se limitent à des simulations et à des essais sur un robot quadrupède en conditions contrôlées, sans déploiement en foule réelle ni partenariat industriel annoncé; les auteurs ne précisent pas de calendrier pour un transfert vers des plateformes commerciales de type AMR ou robots de service.

Recherche❖Paper

1 source

43

146arXiv cs.RO 

Tether-Inertial: localisation par câble et inertie pour drones planétaires

Des chercheurs présentent dans un article publié sur arXiv (référence 2608.09515v1) une nouvelle méthode de localisation pour drones planétaires reliés par câble à leur base, baptisée Tether-Inertial Localization. Le système exploite les mesures de longueur et d'angle du câble reliant le drone (UAV) à un rover au sol pour estimer sa position, en combinant un modèle analytique de caténaire, peu coûteux en calcul, avec une compensation d'erreur résiduelle par processus gaussien (GP) corrigeant les imprécisions des capteurs et les limites du modèle. Les essais ont couvert des trajectoires circulaires, triangulaires et en forme de huit, avec des longueurs de câble allant jusqu'à 4,5 mètres et un temps de vol cumulé de 37 minutes. Le modèle de caténaire seul atteint une précision moyenne de 7,4 cm d'erreur quadratique moyenne (RMSE), réduite à 5,2 cm grâce à la compensation GP, soit un gain d'un ordre de grandeur par rapport à l'état de l'art selon les auteurs. Pour l'exploration planétaire, ce résultat répond à une contrainte concrète : les drones autonomes comme l'hélicoptère Ingenuity de la NASA, qui a fourni des données cartographiques précieuses sur Mars, restent bridés par leur charge utile réduite, ce qui plafonne temps de vol et puissance de calcul embarquée pour la localisation. En reliant le drone au rover par câble, la charge de calcul et l'alimentation sont déportées vers la base, tandis que le câble lui-même devient un capteur de position sans dérive, s'affranchissant du GPS, absent hors de la Terre, et des limites de la localisation par vision, sensible à la poussière et aux conditions d'éclairage extraterrestres. Pour les équipes de robotique spatiale et les intégrateurs travaillant sur des missions d'exploration, cette approche ouvre une alternative robuste et peu gourmande en ressources aux pipelines visuels ou inertiels classiques. Ce travail s'inscrit dans la lignée d'Ingenuity, premier hélicoptère à avoir volé sur un autre corps céleste, dont les contraintes énergétiques et de calcul ont mis en évidence les limites des drones planétaires autonomes non reliés. Les drones captifs (TUAV) existent déjà dans des contextes terrestres pour la surveillance ou l'inspection prolongée, mais leur adaptation à l'exploration planétaire reste embryonnaire, et les méthodes de localisation par câble publiées jusqu'ici restaient nettement moins précises. Ce papier reste, à ce stade, une validation expérimentale en laboratoire, sans précision sur l'institution ni de calendrier de mission concret, et ne doit donc pas être confondu avec un système qualifié pour un vol spatial réel. C'est une preuve de concept destinée à alimenter de futures générations de drones d'exploration, notamment pour des missions lunaires ou martiennes où l'autonomie énergétique et computationnelle reste le principal facteur limitant.

Recherche❖Paper

1 source

43

147arXiv cs.RO 

SC$^{2}$-WM : un modèle du monde autocorrecteur à boucle de rétroaction fermée pour la navigation vision-langage en environnement continu

Des chercheurs ont publié le 11 août 2026 sur arXiv (référence 2608.07548v1) un article présentant SC²-WM, un modèle du monde auto-correcteur destiné à la navigation par vision et langage en environnement continu (VLN-CE), une tâche où un agent robotique doit suivre des instructions en langage naturel pour se déplacer dans un espace qu'il ne perçoit que partiellement. Contrairement à la plupart des méthodes existantes, qui fonctionnent en boucle ouverte sans mécanisme pour détecter une dérive de leur représentation interne pendant l'exécution, SC²-WM introduit une boucle de rétroaction fermée : le modèle du monde anticipe les conséquences d'une action avant de l'exécuter et affine le plan de navigation au niveau de l'état interne. Pour les cas les plus difficiles, les auteurs ajoutent un mécanisme d'adaptation conditionnelle qui met à jour le modèle du monde lui-même au moment du test, lorsque la rétroaction signale que ses capacités sont insuffisantes pour la situation rencontrée. Les expériences, menées sur les benchmarks standards de VLN-CE, montrent une robustesse et une généralisation améliorées par rapport aux approches en boucle ouverte. Le code est mis à disposition sur GitHub (sunrise-ikun/SC2_WM). Aucun chiffre précis de gain de performance ni comparaison avec des systèmes commerciaux n'est communiqué dans le résumé. Cette contribution touche un point sensible de la navigation robotique par instructions : le fossé entre les démonstrations en simulation et la fiabilité en conditions réelles. Un agent en boucle ouverte accumule des erreurs de perception ou d'interprétation du langage sans pouvoir les corriger, ce qui dégrade rapidement ses performances dès que l'environnement s'écarte des données d'entraînement. En donnant au modèle du monde la capacité de vérifier ses propres prédictions avant d'agir, puis de se réadapter localement quand ses connaissances ne suffisent plus, SC²-WM s'inscrit dans une tendance de fond de la recherche en IA incarnée : rendre les architectures de type modèle du monde ou VLA plus robustes à l'inférence, sans réentraînement complet. Pour les intégrateurs travaillant sur des AMR ou des plateformes mobiles guidées par langage naturel, ce type de mécanisme de correction interne est un prérequis pour sortir des scénarios de laboratoire scriptés et s'approcher d'un déploiement fiable en environnement non structuré. SC²-WM s'inscrit dans la lignée des travaux récents combinant modèles du monde et navigation instruite par le langage, un domaine où la littérature s'est jusqu'ici surtout concentrée sur l'amélioration de la perception et de la planification en boucle ouverte, laissant de côté la correction d'erreurs pendant l'exécution. L'article ne précise ni affiliation institutionnelle ni partenariat industriel ; il s'agit d'une publication de recherche accompagnée d'un code open source, sans annonce de produit ni de déploiement commercial. Les prochaines étapes attendues pour ce type de travaux sont généralement une validation sur des plateformes robotiques physiques et une comparaison directe avec d'autres architectures de navigation par le langage, notamment les approches fondées sur des modèles VLA génériques.

Recherche❖Paper

1 source

43

148arXiv cs.RO 

Epically Powerful : une infrastructure logicielle et mécatronique open source pour les robots portables

Le laboratoire de robotique portable (wearable robotics) publie Epically Powerful, une infrastructure open-source pour systèmes robotiques portés sur le corps, décrite dans un article arXiv (2511.05033v2) mis à jour en remplacement d'une version précédente. Le framework gère en Python l'ensemble de la couche bas niveau de ces dispositifs : protocoles de communication, synchronisation d'horloge, envoi de commandes aux actionneurs, acquisition de données capteurs, journalisation et visualisation en temps réel. Il s'interface avec des actionneurs quasi-direct drive (QDD) commerciaux, des ordinateurs monocarte du marché et des capteurs courants, et fournit des contrôleurs d'exemple prêts à l'emploi. Le package inclut également une liste de pièces recommandées avec guide de compatibilité, ainsi qu'une documentation détaillée couvrant l'assemblage matériel et l'implémentation logicielle, sans imposer de forme spécifique au dispositif final. L'enjeu pour les équipes de recherche et les intégrateurs en robotique portable est la réduction du temps d'ingénierie nécessaire pour passer d'un assemblage de composants matériels bruts à un prototype fonctionnel et robuste. Jusqu'ici, chaque laboratoire développant exosquelettes, prothèses actives ou orthèses motorisées devait reconstruire from scratch sa propre couche de contrôle temps réel, un travail répétitif et chronophage qui ralentit l'itération scientifique. En standardisant cette infrastructure et en la rendant compatible avec un large éventail d'actionneurs QDD et de cartes de calcul déjà utilisées dans l'industrie, Epically Powerful abaisse la barrière d'entrée technique et pourrait accélérer la publication de nouveaux designs de dispositifs portables, tout en facilitant la comparabilité et la reproductibilité entre équipes. Le projet s'inscrit dans une tendance plus large de mutualisation logicielle en robotique, à l'image d'autres frameworks open-source ayant already standardisé le contrôle bas niveau dans la robotique mobile ou manipulatrice. Si les auteurs ont conçu l'outil en priorité pour les dispositifs portés, ils soulignent son applicabilité à tout système robotique en boucle fermée reposant sur des actionneurs QDD, capteurs et cartes embarquées, ouvrant potentiellement son usage à d'autres domaines comme la robotique mobile légère. L'article ne précise pas de partenaires industriels ni de calendrier de déploiement commercial, s'agissant avant tout d'une contribution logicielle destinée à la communauté de recherche.

Exosquelettes⚡Actu

1 source

43

149arXiv cs.RO 

GWM-VLA : une modélisation latente du monde tenant compte de la géométrie pour le VLA

Publié sur arXiv sous la référence 2608.07619 (août 2026), GWM-VLA est un nouveau cadre de modélisation latente du monde pour les modèles vision-langage-action (VLA) utilisés en manipulation robotique. L'architecture combine trois éléments : un module d'encodage multi-vues géométriquement conscient, nommé VGGT-Ω, qui agrège à chaque pas de temps les flux de plusieurs caméras pour construire un état multi-vues cohérent ; un modèle du monde latent qui prédit uniquement les tokens de patch de l'étape suivante pour une vue cible unique, la caméra de poignet du bras robotique dans les expériences, plutôt que de reconstruire l'intégralité de la scène multi-vues ; et une représentation d'action latente partagée qui conditionne à la fois ce modèle du monde et une tête d'action par flow-matching, entraînée simultanément par supervision de prédiction latente et par les actions robotiques réelles. Les auteurs testent le système en simulation et sur robot réel, sans détailler de chiffres de performance dans le résumé public. L'enjeu vise une faiblesse connue des VLA : leurs performances de manipulation, solides en conditions contrôlées, se dégradent souvent face à des changements visuels ou environnementaux comme l'éclairage, la position de caméra ou l'arrière-plan. La plupart des modèles du monde latents existants encodent chaque vue caméra indépendamment et prédisent la dynamique globale de la scène sans modéliser explicitement les relations géométriques entre vues, ce qui fragilise la robustesse. En imposant une cohérence géométrique multi-vues dès l'encodage, GWM-VLA s'inscrit dans les efforts récents pour combler l'écart entre démonstrations en laboratoire et déploiement réel, un point sensible pour les intégrateurs qui évaluent des politiques VLA de type Pi-0, GR00T N2 ou Helix pour des lignes de production ou de la logistique, où la variabilité des scènes est la norme plutôt que l'exception. GWM-VLA s'ajoute à une vague de recherches associant modélisation du monde et apprentissage d'actions pour renforcer la généralisation des politiques robotiques, un axe explore en parallèle par plusieurs laboratoires travaillant sur les architectures VLA à grande échelle. L'article ne précise ni l'affiliation institutionnelle des auteurs ni de comparaison chiffrée avec des bases de référence publiées, ce qui en fait pour l'instant une contribution académique en preprint, non revue par les pairs, plutôt qu'un produit ou un déploiement industriel. Aucune date de publication en conférence, aucun partenariat industriel ni feuille de route de déploiement ne sont mentionnés ; la validation indépendante de la robustesse annoncée reste donc à établir par la communauté.

Recherche❖Paper

1 source

43

150arXiv cs.RO 

DiSCo : des copilotes de séquence par diffusion pour l'autonomie partagée

Une équipe de recherche présente DiSCo (Diffusion Sequence Copilots), une méthode d'autonomie partagée où un copilote IA fondé sur une politique de diffusion assiste un opérateur humain pour piloter des systèmes complexes comme un bras robotique ou un véhicule simulé. Décrit dans un article déposé sur arXiv (identifiant 2603.22787, version 2, republiée en cross-listing), le système « ensemence » et « inpaint » le processus de diffusion à partir des actions récentes de l'utilisateur, produisant des séquences de commandes cohérentes avec ses gestes passés, réglées par trois hyperparamètres équilibrant conformité aux actions expertes, alignement avec l'intention de l'utilisateur et réactivité perçue. Les auteurs rapportent une amélioration « substantielle » des performances en conduite simulée et en manipulation robotique, sans chiffres précis de gain ou de taux de réussite dans le résumé, et mettent en ligne un site de projet avec démonstrations vidéo. Pour les concepteurs de systèmes de téléopération et d'assistance au geste, ce travail cible un compromis concret : un copilote trop intrusif écrase l'intention de l'utilisateur, tandis qu'un copilote trop passif n'aide pas sur les tâches difficiles ou lorsque le signal de commande est dégradé. En s'appuyant sur une politique de diffusion générant des séquences entières d'actions plutôt que des règles fixes ou une politique de renforcement entraînée séparément, DiSCo s'inscrit dans la bascule du secteur robotique vers des modèles génératifs de trajectoires, dans l'esprit des architectures VLA déployées côté humanoïdes. Le travail reste toutefois cantonné à la simulation, sans essai mentionné sur bras robotique physique ou véhicule réel, ce qui distingue nettement cette publication académique d'une annonce produit ou d'un pilote industriel prêt à déployer. L'autonomie partagée est un champ de recherche ancien en robotique et en interaction homme-machine, longtemps dominé par des règles de correction ou des politiques d'inférence d'intention entraînées séparément du contrôle. L'essor des politiques de diffusion en robotique depuis 2023, comme alternative à l'apprentissage par renforcement, a ouvert la voie à des méthodes génératives produisant des séquences d'actions complètes, cadre que DiSCo adapte au contrôle partagé via des techniques d'inpainting empruntées à la génération d'images. Le statut « replace-cross » de l'article sur arXiv indique une nouvelle version d'un travail déjà soumis, et la suite logique, non précisée dans le résumé, consisterait à valider la méthode avec de véritables opérateurs humains sur du matériel physique, seule façon de confirmer que les gains mesurés en simulation se transposent au monde réel.

Recherche❖Paper

1 source