Actualités robotique — page 31

4 468 articles au fil, du plus récent au plus ancien.

37

1501arXiv cs.RO 

Trajectoires de navigation apprises par graphes pour robots sociaux

Des chercheurs proposent un nouveau framework d'apprentissage par imitation pour la navigation robotique en environnement social, décrit dans un article publié sur arXiv (2607.00028v1). L'approche combine deux briques : un réseau auxiliaire basé sur des graphes qui encode l'état de la foule en modélisant les interactions entre le robot et chaque piéton via un mécanisme d'attention, et un module de navigation qui capture la dynamique temporelle des trajectoires. Ce module intègre des prédictions d'état encodées et s'appuie sur un objectif d'apprentissage au niveau de la trajectoire complète, plutôt qu'étape par étape, pour limiter l'accumulation d'erreurs typique des méthodes d'imitation classiques. Les auteurs indiquent que leur framework surpasse les référentiels existants à la fois en simulation et sur un jeu de données réel, selon plusieurs métriques sociales (respect de l'espace personnel, fluidité des trajectoires, réactivité aux mouvements piétons). L'enjeu pour l'industrie de la robotique mobile autonome est concret : les robots de livraison, d'accueil ou d'assistance déployés en environnement humain doivent naviguer sans perturber les piétons, un problème encore mal résolu. Les méthodes par apprentissage par renforcement exigent des fonctions de récompense conçues à la main, qui réduisent le comportement social à des critères statiques et peinent à reproduire les nuances du comportement piéton réel. À l'inverse, l'apprentissage par imitation pur entraîne directement sur des données réelles mais ignore généralement la dimension interactionnelle et souffre de dérive cumulative des erreurs sur des trajectoires longues. En combinant représentation par graphe et objectif temporel, ce travail cherche à réconcilier fidélité aux données réelles et modélisation explicite des interactions sociales. Ce travail s'inscrit dans une littérature de recherche active sur la navigation socialement compliante, où RL et IL sont traditionnellement opposés faute de méthode combinant leurs forces respectives. Il s'agit d'un article de recherche déposé sur arXiv, sans mention d'implémentation industrielle, de partenaire ou de calendrier de déploiement : la validation reste limitée à des benchmarks de simulation et un jeu de données réel, sans démonstration sur robot physique en conditions opérationnelles.

Recherche❖Paper

1 source

37

1502arXiv cs.RO 

FAR : retentative sensible aux échecs pour la récupération en cours de test et l'amélioration continue des politiques

Les chercheurs à l'origine de ce papier arXiv (référence 2607.01111v1) présentent FAR (Failure-Aware Retry), un framework qui permet à un robot manipulateur d'apprendre de ses propres échecs directement au moment du test, sans intervention humaine, pour finir par accomplir la tâche de façon autonome. Le système combine deux mécanismes: la Failure-Contrastive Preference Adaptation, qui transforme chaque échec en donnée de préférence pour écarter la politique des comportements déjà ratés, et des perturbations d'action légères appliquées lors des tentatives suivantes pour favoriser une exploration locale ciblée autour du point d'échec. Les trajectoires de récupération qui réussissent sont ensuite réinjectées dans une boucle d'entraînement, ce qui permet une amélioration continue de la politique. Testé en simulation et sur des tâches de manipulation réelles, FAR améliore le taux de réussite de 17,6% en moyenne par rapport à une politique de diffusion standard en simulation, et de 11,7% en conditions réelles. Ce travail s'attaque à un problème concret pour l'industrie: la plupart des politiques de manipulation actuelles, notamment celles basées sur la diffusion, échouent silencieusement en réel et se contentent de répéter la même erreur lors d'un nouvel essai, faute de mécanisme pour comprendre pourquoi elles ont échoué. Les méthodes de récupération existantes s'appuient généralement sur un opérateur humain pour réinitialiser ou corriger le robot, ce qui limite le déploiement autonome à grande échelle et alourdit le coût des essais réels. En démontrant qu'un robot peut exploiter ses propres échecs comme signal d'apprentissage plutôt que comme simple bruit à ignorer, FAR va dans le sens d'une meilleure robustesse des politiques VLA et de diffusion en environnement non contrôlé, un enjeu central pour les intégrateurs qui cherchent à réduire la supervision humaine sur des lignes de manipulation. FAR s'inscrit dans la lignée des travaux récents sur les politiques de diffusion et l'apprentissage par imitation appliqués à la manipulation robotique, où la question du "reset" et du "budget de pas de temps" pendant l'entraînement continu reste un goulot d'étranglement pratique. Les auteurs montrent justement que leur méthode améliore l'efficacité des données sous ces deux contraintes de budget, en exploitant préférentiellement les cas d'échec les plus informatifs. Le papier, classé comme nouvelle soumission sur arXiv, ouvre la voie à des extensions vers d'autres familles de politiques et vers des déploiements réels prolongés, sans que des pilotes industriels concrets ne soient encore annoncés à ce stade.

Recherche❖Paper

1 source

37

1503arXiv cs.RO 

Apprentissage de la manipulation dextérique via guidage par couple de contact issu de démonstrations humaines

Wandercraft, Exotec, Pollen et Enchanted Tools ne sont pas mentionnés dans le papier, donc aucune mention forcée. Voici l'article : Une équipe de recherche publie CHORD (Contact Wrench Guidance from Human Demonstration in Robotic Dexterous Manipulation), un framework d'apprentissage par renforcement pour la manipulation dextre à long horizon d'objets rigides et articulés, dans un preprint arXiv daté du 2 juillet 2026 (arXiv:2607.00033v1). L'idée centrale consiste à représenter les mouvements humains et robotiques non pas par des trajectoires articulaires brutes, mais par les forces et couples (wrench) qu'ils induisent sur l'objet manipulé, ce qui permet de comparer directement leur effet plutôt que leur cinématique. Les chercheurs ont construit un benchmark de simulation de 4 739 tâches de manipulation bimanuelle dextre, issu de jeux de données de capture de mouvement et de vidéos reconstruites en interne. Sur 1 831 tâches évaluées, CHORD atteint un taux de réussite moyen de 82,12 %. La méthode se généralise aussi à la manipulation corps entier à partir de démonstrations limitées aux mains ou filmées à la troisième personne, avec 90,77 % de réussite, et les politiques apprises se transfèrent vers le réel en boucle ouverte comme en boucle fermée. L'enjeu dépasse la simple prouesse académique : l'apprentissage par renforcement pour la manipulation riche en contacts est réputé difficile à faire passer à l'échelle, car les démonstrations humaines se transposent mal aux mains robotiques dont la cinématique diffère. En ancrant le signal de guidage dans la physique des forces plutôt que dans les gestes eux-mêmes, CHORD contourne en partie ce fossé d'incarnation. Un benchmark de près de 5 000 tâches, avec transfert vérifié sur robot réel et non seulement en simulation, constitue un test de scalabilité plus rigoureux que la plupart des démonstrations ponctuelles habituelles du secteur. Ce travail s'inscrit dans une tendance plus large exploitant la capture de mouvement et la vidéo humaine pour entraîner des politiques robotiques, en parallèle des approches par imitation ou des modèles vision-langage-action comme Pi-0 ou GR00T N2. Étant un preprint, il reste à valider par relecture par les pairs, avec une portée réelle encore limitée aux conditions de laboratoire décrites.

Recherche❖Paper

1 source

37

1504arXiv cs.RO 

AutoSpeed : apprentissage sans annotation de la vitesse de mouvement adapté aux étapes pour la manipulation robotique

Un nouveau papier arXiv (2607.01051v1) présente AutoSpeed, une méthode qui permet aux politiques visuomotrices par apprentissage par imitation (IL) de moduler automatiquement leur vitesse d'exécution selon la difficulté de chaque étape d'une tâche de manipulation, sans aucune annotation de vitesse ou de segmentation d'étapes. Le problème visé est simple à énoncer: les politiques IL actuelles reproduisent la cadence des démonstrations expertes et opèrent avec un horizon de prédiction temporel fixe, quelle que soit la complexité du geste en cours. AutoSpeed traite plusieurs trajectoires futures à des vitesses candidates comme autant de cibles d'optimisation, les évalue via un coût composite qui arbitre entre erreur de prédiction et longueur de l'horizon, puis entraîne la politique vers le candidat le moins coûteux. La modulation de vitesse est implémentée dans le domaine fréquentiel via une transformée en cosinus discrète (DCT), ce qui autorise un changement d'échelle temporel continu, non entier, tout en préservant la fluidité du mouvement. L'intérêt pour l'industrie robotique tient au fait que la méthode est annoncée comme model-agnostic: elle se greffe sur des politiques visuomotrices existantes sans changer leur architecture ni exiger un travail d'étiquetage supplémentaire, ce qui abaisse le coût d'intégration pour qui veut déjà. Les auteurs rapportent une réduction substantielle du temps d'exécution des tâches couplée à une amélioration du taux de réussite, avec des vitesses inférées qui correspondent bien aux étapes réelles de la tâche, un signal encourageant sur la capacité du modèle à distinguer implicitement les phases faciles des phases délicates. Pour des intégrateurs qui cherchent à augmenter le débit de cellules robotisées sans sacrifier la fiabilité, ce type d'approche répond à une limite concrète des pipelines IL actuels, où la vitesse fixe impose un compromis rigide entre rapidité et précision. Le travail s'inscrit dans la lignée des politiques par apprentissage par imitation avec horizon de prédiction fixe, dont plusieurs limites de flexibilité ont déjà été pointées dans la littérature récente sur la manipulation robotique. À ce stade, il s'agit d'un résultat de recherche évalué en simulation et/ou benchmarks académiques, sans indication de déploiement industriel ni de partenaire matériel identifié; les prochaines étapes attendues seraient une validation sur plateformes physiques variées et une comparaison directe avec d'autres méthodes de contrôle de vitesse adaptatif.

Recherche❖Paper

1 source

37

1505arXiv cs.RO 

FLYNN : réseau de neurones robuste pour la navigation robotique basé sur la topologie du cerveau de la mouche

Chercheurs en IA et neurosciences computationnelles ont développé FLYNN (Fly Connectome Neural Network), un réseau de neurones récurrent dont l'architecture est directement calquée sur le connectome à résolution synaptique de la mouche drosophile (Drosophila melanogaster), c'est-à-dire la cartographie complète des connexions entre ses neurones. Entraîné pour la navigation visuelle dans le simulateur MuJoCo, ce réseau atteint des performances comparables à celles de réseaux conçus manuellement avec un nombre de paramètres équivalent. Le résultat marquant concerne sa robustesse : FLYNN tolère bien mieux les données hors distribution et la perte de capteurs, sans nécessiter d'entraînement supplémentaire pour cela. Il reste fonctionnel même en cas de perte totale de la vision, là où les réseaux classiques échouent largement, y compris ceux spécifiquement entraînés avec des coupures de caméra simulées (camera dropout). Une analyse en composantes principales de l'activité interne du réseau suggère que cette résilience proviendrait d'un degré élevé de modularité représentationnelle, hérité de la structure biologique copiée. Cette découverte bouscule une hypothèse implicite du secteur : que copier les contraintes d'un cerveau biologique pénaliserait forcément la performance brute d'un réseau artificiel. Ici, l'architecture bio-inspirée égale les réseaux optimisés à la main tout en gagnant en robustesse native face aux pannes de capteurs, un enjeu critique pour les robots mobiles déployés en environnement réel (poussière, contre-jour, défaillance matérielle). Pour les intégrateurs de robotique autonome, cela ouvre une piste alternative à l'ingénierie de robustesse par entraînement massif avec dropout ou randomisation de domaine : intégrer directement une topologie éprouvée par l'évolution comme a priori architectural, potentiellement moins coûteux en données et en calcul. Ce travail s'inscrit dans la lignée des grands projets de cartographie du cerveau de la mouche à résolution synaptique, menés ces dernières années par des consortiums comme FlyWire, qui ont rendu ce type de données exploitables pour le machine learning. Il rejoint un courant plus large d'IA neuromorphique et bio-inspirée, en concurrence conceptuelle avec les réseaux de neurones à impulsions (spiking neural networks) sur puces neuromorphiques. À ce stade, il s'agit d'une preuve de concept en simulation, sans déploiement sur robot physique ni implication d'acteur industriel français ou européen ; les prochaines étapes attendues porteraient sur le transfert vers du matériel réel et l'extension à d'autres modalités sensorielles.

Recherche❖Paper

1 source

37

1506arXiv cs.RO 

Transfert pré-entraînement tactile transférable centré sur l'humain pour la manipulation robotique dextérique

Les auteurs de cette étude publient H-Tac, un jeu de données tactile-action à grande échelle constitué de 160 heures de vidéos humaines à la première personne, couvrant plus de 300 tâches et totalisant 135 000 épisodes. À partir de cette base, ils proposent Transferable Tactile Pre-Training (TTP), un système de pré-entraînement fondé sur le sens tactile humain, destiné à transférer des compétences de manipulation fine vers des robots. La méthode s'appuie sur des espaces tactiles et d'action unifiés, maintenus identiques pendant les phases de pré-entraînement et de post-entraînement, afin de préserver les connaissances acquises lors du passage de l'humain au robot. Un module expert dédié prédit l'évolution future du signal tactile, ce qui permet de modéliser explicitement la dynamique de contact et les interactions physiques fines. Les auteurs rapportent des performances supérieures aux approches existantes, en simulation comme sur robots réels, avec une bonne capacité de généralisation. Ce travail cible un verrou connu du secteur robotique: le toucher reste la modalité la moins exploitée dans les modèles Vision-Language-Action, alors qu'il est indispensable pour les tâches riches en contact où la vision seule ne suffit pas à estimer une force appliquée. Les jeux de données tactiles existants restent petits et couvrent peu de types de contacts, ce qui limite le plafond de performance des modèles VLA tactiles, dont le post-entraînement reste largement indifférent à la dynamique physique. En s'appuyant sur des vidéos humaines plutôt que sur de la téléopération robotique coûteuse à collecter, H-Tac vise à lever ce goulot d'étranglement de données, une stratégie déjà explorée pour le pré-entraînement d'actions mais rarement appliquée au tactile à cette échelle. Si les résultats se confirment sur d'autres plateformes, cela pourrait rapprocher les robots manipulateurs dextres de tâches fines comme l'insertion de précision ou la manipulation d'objets déformables, au-delà des démonstrations scénarisées. L'article s'inscrit dans la lignée des modèles VLA récents (Pi-0, GR00T N2, Helix) qui combinent perception visuelle et langage mais négligent généralement le retour tactile faute de données adaptées. Publié sur arXiv (2607.01067v1) début juillet 2026, ce travail reste au stade de la recherche académique: aucun partenariat industriel ni déploiement commercial n'est mentionné, et les auteurs présentent TTP comme une preuve de concept ouvrant la voie à un pré-entraînement tactile transférable et passant à l'échelle, plutôt que comme un produit prêt à l'emploi.

Recherche❖Paper

1 source

37

1507arXiv cs.RO 

Modèle vision-langage-action pour le reciblage robotique multi-corporel via diffusion guidée

Des chercheurs publient une version retravaillée sur arXiv (2505.20857v2) d'un framework de retargeting de mouvement basé sur un modèle de diffusion conditionné par graphe, conçu pour transférer des mouvements de référence vers des robots à la morphologie différente. Le problème ciblé est connu du secteur : un jeu de données de mouvement capturé pour un robot donné ne se transpose pas directement à un autre, à cause des écarts de structure topologique, de paramètres géométriques et de correspondance entre articulations. La méthode encode chaque robot sous forme de graphe capturant sa topologie et sa géométrie, exploité par un mécanisme d'attention développé spécifiquement au niveau articulaire. Faute de mouvements de référence "vérité terrain" pour l'embodiment cible, les auteurs entraînent le modèle de diffusion via un guidage énergétique, formulé comme des fonctions de perte de retargeting, plutôt que par apprentissage supervisé classique. L'enjeu dépasse l'exercice académique : la pénurie de données de démonstration spécifiques à chaque plateforme reste un goulot d'étranglement majeur pour l'entraînement des modèles VLA (vision-language-action) qui équipent les humanoïdes actuels, de Figure à Optimus en passant par les architectures type GR00T ou Pi-0. Une méthode capable de recycler un même corpus de mouvements humains ou robotiques vers plusieurs morphologies réduirait potentiellement le coût de collecte de données propre à chaque robot. Les auteurs présentent leur travail comme l'une des premières approches de retargeting cross-embodiment en robotique, mais restent prudents : ils parlent d'une généralisation "à un certain degré" à des structures squelettiques diverses, une formulation qui invite à la retenue plutôt qu'à l'enthousiasme. Il s'agit d'un article de recherche pur, sans affiliation industrielle citée ni produit commercialisé, à situer dans la lignée des travaux sur l'apprentissage cross-embodiment (type Open X-Embodiment) et le problème historique du retargeting en animation et robotique. Aucun acteur français ou européen n'y est associé. Le texte ne mentionne ni pilote annoncé ni calendrier de déploiement : c'est une brique méthodologique, encore loin d'une intégration produit.

Recherche❖Paper

1 source

36

1508arXiv cs.RO 

Distribution de fret lunaire par plusieurs robots via apprentissage par renforcement décomposé en phases

Ce système ne vient pas d'une entreprise mais d'un laboratoire de recherche : des chercheurs ont mis au point une méthode d'apprentissage par renforcement pour coordonner plusieurs robots modulaires reconfigurables afin de transporter du fret en coopération sur la surface lunaire. Plutôt que d'entraîner une politique unique pour toute la tâche, l'équipe découpe l'opération en trois phases distinctes, soulèvement, déplacement et dépose, chacune pilotée par sa propre politique conjointe capturant le couplage mécanique entre les unités qui portent ensemble la charge. L'entraînement se fait de façon centralisée pour stabiliser la convergence, tandis que le déploiement repose sur la proprioception embarquée de chaque robot pour le contrôle en temps réel, complétée par un système de capture de mouvement OptiTrack utilisé comme vérité terrain pour évaluer les résultats. Un contrôleur de phase déterministe, formalisé sous forme de représentation markovienne, gère les transitions entre étapes, et un mécanisme de synchronisation sensible aux défaillances permet d'arrêter l'opération en cas de désynchronisation dangereuse entre robots. Le dispositif a été validé en simulation puis lors d'essais en conditions réelles dans une installation d'essai de la JAXA, l'agence spatiale japonaise. L'article ne communique toutefois aucun chiffre précis de charge utile, de degrés de liberté ou de temps de cycle, ce qui limite pour l'instant l'évaluation de la performance réelle du système face à des solutions concurrentes. Ce travail s'attaque à un problème central pour toute future base lunaire habitée ou robotisée : comment déplacer du matériel lourd sur un sol accidenté et en gravité réduite sans dépendre d'un seul gros robot polyvalent, coûteux à faire atterrir et à réparer en cas de panne. L'approche multi-robot modulaire promet une redondance utile, si une unité tombe en panne, les autres peuvent en théorie compenser, et une topologie reconfigurable selon la forme de la charge à transporter. Elle illustre aussi la bascule progressive de la robotique spatiale vers des politiques apprises plutôt que des trajectoires programmées à la main, un pari qui reste risqué tant que la fiabilité en environnement réel non contrôlé n'est pas démontrée à grande échelle plutôt que sur un banc d'essai instrumenté. Ce projet s'inscrit dans la vague plus large de recherche sur la robotique modulaire et coopérative destinée aux missions lunaires du programme Artemis et à ses équivalents asiatiques, où la logistique de surface reste un goulot d'étranglement mal résolu. Contrairement aux approches de type humanoïde unique porté par des acteurs comme Figure ou Apptronik, cette voie mise sur des essaims de robots plus simples travaillant de concert. L'installation d'essai de la JAXA suggère une collaboration ou un intérêt institutionnel japonais pour cette technologie, mais aucun calendrier de vol ni de partenaire industriel n'est mentionné à ce stade, le travail reste au niveau de la démonstration en laboratoire.

Recherche❖Paper

1 source

36

1509arXiv cs.RO 

Point Completion 3D pour les modèles du monde : une méthode plus précise d'apprentissage de la dynamique

Les faits d'abord : une équipe de recherche présente sur arXiv (juillet 2026) 3DPWM, un modèle de monde en 3D conçu pour la planification robotique. Contrairement aux modèles de dynamique fondés sur la vidéo, largement utilisés aujourd'hui pour prédire les conséquences d'une action avant de l'exécuter, 3DPWM travaille directement dans l'espace 3D : il complète d'abord les nuages de points partiels captés par les capteurs (souvent incomplets à cause des occlusions), puis apprend une dynamique conditionnée par l'action sur cette géométrie reconstituée. Le modèle est qualifié de "task-agnostic", c'est-à-dire réutilisable d'une tâche à l'autre sans réentraînement complet. Testé sur plusieurs incarnations robotiques et plusieurs bancs d'essai de manipulation sur table, il produit des trajectoires prédictives fiables sur 100 à 300 pas de temps et plus, fonctionne en boucle ouverte comme en boucle fermée, et démontre un transfert réussi de la simulation vers le réel. L'enjeu porte sur un problème central de la robotique fondée sur l'apprentissage : les modèles de monde vidéo, bien que puissants pour générer des scènes plausibles, dérivent géométriquement sur les horizons longs, accumulant des erreurs qui rendent la planification peu fiable au-delà de quelques dizaines de pas. Les modèles 3D à base de nuages de points partiels corrigent en partie ce défaut mais restent vulnérables aux occlusions et à la dérive de prédiction. En comblant explicitement les trous de la géométrie observée avant de simuler la dynamique, 3DPWM attaque directement ce goulot d'étranglement. Pour les équipes qui travaillent sur la planification par modèle (model-based planning), c'est un signal que la fiabilité sur le long terme, condition nécessaire pour improviser des solutions sur des tâches nouvelles, reste atteignable sans reposer uniquement sur des modèles vidéo massifs coûteux à entraîner. Ce travail s'inscrit dans la lignée des recherches récentes sur les modèles de monde pour la robotique, une famille qui inclut aussi bien les approches génératives vidéo que les architectures VLA (vision-langage-action) type Pi-0 ou GR00T N2, davantage orientées vers l'exécution directe que vers la planification explicite. La démonstration d'un transfert sim-to-real réussi est le test classique pour juger la maturité d'une méthode de ce type, avant toute adoption industrielle. À ce stade, il s'agit d'une publication de recherche accompagnée de résultats expérimentaux sur bancs d'essai standards, sans déploiement produit ni partenariat industriel annoncé ; la suite logique serait une validation sur des plateformes robotiques réelles au-delà des configurations de laboratoire testées.

Recherche❖Paper

1 source

36

1510arXiv cs.RO 

Accessibilité de Hamilton-Jacobi contrainte par variété pour planification de mouvement multi-agents décentralisée

Des chercheurs en robotique publient une nouvelle version (v2) d'un article arXiv intitulé "Manifold-constrained Hamilton-Jacobi Reachability Learning for Decentralized Multi-Agent Motion Planning" (arXiv:2511.03591), qui propose une méthode pour planifier les mouvements de plusieurs robots de façon sûre et décentralisée tout en respectant des contraintes géométriques imposées par la tâche elle-même. L'exemple donné par les auteurs est celui d'un robot de service qui doit porter une tasse bien droite, sans la renverser, tout en évitant des collisions avec des humains ou d'autres robots présents dans la même zone. Pour résoudre ce problème, l'équipe combine l'apprentissage par accessibilité de Hamilton-Jacobi, une technique mathématique servant à calculer les zones qu'un système peut atteindre en toute sécurité, avec des contraintes dites de variété (manifold), qui formalisent les gestes ou postures que la tâche impose. Ce calcul de sécurité contrainte est ensuite intégré dans un planificateur de trajectoires décentralisé, c'est-à-dire que chaque robot planifie ses propres mouvements sans connaître à l'avance la stratégie des autres agents. Pour l'industrie robotique, l'enjeu dépasse la simple prouesse académique: la plupart des planificateurs multi-agents actuels garantissent soit la sécurité, soit le respect d'une contrainte de tâche, rarement les deux simultanément à haute vitesse et en environnement dynamique. Une méthode capable de tenir les deux à la fois, tout en restant assez rapide pour un usage temps réel, intéresse directement les concepteurs de flottes de robots mobiles autonomes (AMR) en entrepôt, les fabricants de robots de service et les équipes qui développent des bras manipulateurs coopératifs, où un geste manqué ou une collision a un coût opérationnel direct. L'article s'inscrit dans la lignée des travaux récents sur la planification de mouvement multi-agents décentralisée pour systèmes à haute dimension, un domaine qui peine historiquement à intégrer des contraintes de tâche complexes sans hypothèses fortes sur le comportement des autres agents. Les auteurs affirment que leur approche généralise à des tâches variées et passe à l'échelle sur des problèmes de manipulation multi-agents en haute dimension, en dépassant les planificateurs contraints existants sur des bancs d'essai internes, une performance à nuancer puisqu'elle repose sur des comparaisons choisies par l'équipe elle-même. Une démonstration vidéo accompagne la publication.

Recherche❖Paper

1 source

36

1511arXiv cs.RO 

De la planification en temps réel à l'exécution fiable : une coordination évolutive pour des flottes hétérogènes de robots en environnement industriel

Traduction demandée : je rédige directement l'article en français selon les consignes éditoriales. Une équipe de recherche présente SCALE, un framework de coordination réactive en temps réel pour flottes de robots hétérogènes en environnement industriel, détaillé dans un article publié le 2 juillet 2026 sur arXiv (2607.00591v1). Le système s'attaque à un problème concret : quand plusieurs robots aux capacités de mouvement différentes évoluent à forte densité dans un même espace, les délais de communication et les aléas d'exécution font dévier les trajectoires des hypothèses temporelles calculées en amont, ce qui provoque des attentes en cascade et des embouteillages qui se propagent dans toute la flotte. Pour y remédier, les chercheurs introduisent un mécanisme de réduction des conflits induits par le mouvement, permettant de générer en ligne des trajectoires réalisables, ainsi qu'un hypergraphe de précédence conjuguée généralisé (CAPH) qui réajuste dynamiquement l'ordre de passage entre robots face aux perturbations. Le dispositif a été validé par des expérimentations poussées et un déploiement de trois jours en conditions réelles dans un entrepôt. Cette approche s'attaque directement à un angle mort classique de la robotique de flotte : la plupart des systèmes de planification multi-robots fonctionnent bien en simulation ou sur petits échantillons, mais s'effondrent dès que la densité de robots augmente ou que des retards de communication s'accumulent dans un entrepôt réel. En proposant un mécanisme réactif capable d'ajuster les priorités de passage à la volée plutôt que de recalculer un plan global, SCALE vise le compromis que cherchent les intégrateurs logistiques : maintenir un temps de cycle stable sans multiplier les arrêts et les blocages quand la flotte grossit ou se diversifie en types de robots (AMR, bras manipulateurs, etc.). Le sujet s'inscrit dans une littérature de recherche active sur la coordination multi-agents en environnement partagé, où les hypergraphes de précédence et les méthodes de résolution de conflits en ligne remplacent progressivement les approches de planification centralisée jugées trop rigides face aux flottes hétérogènes en croissance rapide dans l'e-commerce et l'industrie manufacturière. Le passage d'une validation en laboratoire à un déploiement réel de plusieurs jours en entrepôt reste l'étape la plus significative de ce travail, même si l'abstract ne détaille pas encore les métriques précises de réduction des temps d'attente obtenues sur site.

Industriel❖Paper

1 source

36

1512arXiv cs.RO 

Robot mobile-manipulateur unifié : ABot-M0.5 présente un modèle d'action du monde

Des chercheurs présentent ABot-M0.5, un nouveau "World Action Model" (WAM) conçu pour la manipulation mobile, cette capacité qui combine navigation et manipulation d'objets chez un robot généraliste. Publié sur arXiv début juillet 2026, l'article part d'un constat : les politiques VLA actuelles restent réactives et sans modélisation explicite du monde, tandis que les WAM existants sont mal adaptés à la manipulation mobile car ils traitent des séquences vidéo trop grossières, mélangent les actions de navigation et de manipulation, et entraînent leur dynamique inverse avec une supervision qui ne correspond pas aux conditions réelles d'inférence autorégressive. Pour y remédier, ABot-M0.5 introduit des "actions latentes intermédiaires" qui capturent les transitions visuelles locales et servent de pont entre les représentations vidéo et les commandes propres à chaque robot. Le modèle repose aussi sur une architecture de type Mixture-of-Transformers à deux niveaux, séparant les modalités et les sous-espaces d'action hétérogènes (déplacement de la base d'un côté, manipulation du bras de l'autre). Enfin, une stratégie d'entraînement baptisée "dream-forcing" entraîne progressivement la dynamique inverse sur des vidéos générées par le modèle lui-même plutôt que sur les seules trajectoires réelles, ce qui rapproche les conditions d'entraînement et de test. Les auteurs revendiquent des résultats état de l'art sur des benchmarks de manipulation mobile et de manipulation fine, tant sur le taux de réussite des tâches longues que sur la précision de contrôle. Pour l'industrie robotique, ce travail s'attaque à un problème connu et bloquant : l'accumulation d'erreurs lors des déplacements longs, causée par un décalage entre l'entraînement (sur trajectoires vérité terrain) et l'exécution réelle, où le robot doit composer avec ses propres erreurs qui s'accumulent. Si la méthode tient ses promesses au-delà des benchmarks internes, elle constituerait une avancée utile pour les intégrateurs visant des robots mobiles capables d'enchaîner navigation, saisie et dépose sur plusieurs étapes, un scénario bien plus exigeant que la simple manipulation statique sur table. Il s'agit toutefois d'un préprint arXiv non encore relu par les pairs, sans institution ni entreprise clairement identifiée dans le résumé, et les métriques de "état de l'art" reposent sur des comparaisons choisies par les auteurs eux-mêmes. Une réplication indépendante sera nécessaire avant de juger de la portée réelle de cette approche face aux autres travaux sur les modèles monde appliqués à la robotique.

Recherche⚡Actu

1 source

36

1513arXiv cs.RO 

Déploiement d'actions accru grâce à l'entraînement compositionnel pour les modèles VLA

Une équipe de chercheurs propose ACT-VLA (Action Compositional Training for VLA Models), un nouveau cadre d'entraînement présenté dans un article publié sur arXiv (2607.00351v1) début juillet 2026. Le problème visé est bien connu des équipes travaillant sur les modèles Vision-Language-Action (VLA) pour la manipulation robotique : ces modèles, entraînés sur de larges jeux de démonstrations, généralisent mal dès qu'une tâche exige de recombiner des sous-compétences déjà apprises individuellement, même sans réel changement de contexte physique. ACT-VLA s'attaque à ce défaut de généralisation compositionnelle sans collecter de nouvelles données humaines : la méthode exploite les représentations latentes de tâches déjà apprises par le modèle pour synthétiser hors ligne de nouvelles démonstrations, physiquement valides, à partir de tâches existantes. Les auteurs valident l'approche sur des tâches de manipulation complexes en simulation, où les politiques entraînées avec les données augmentées obtiennent des taux de réussite nettement supérieurs à ceux des modèles de référence en situation hors distribution. L'enjeu dépasse le simple exercice académique : la collecte de données robotiques réelles, via téléopération humaine, reste le goulot d'étranglement majeur pour les VLA, coûteux en temps comme en main-d'œuvre. Une méthode capable d'étendre automatiquement la distribution d'entraînement, sans supervision additionnelle, offrirait une voie de mise à l'échelle bien moins coûteuse que celle suivie par les modèles généralistes actuels type Pi-0, GR00T N2 ou Helix, qui misent avant tout sur le volume brut de démonstrations collectées. Reste que la validation s'arrête ici à la simulation : aucun déploiement sur robot physique n'est rapporté, ce qui laisse ouverte la question du transfert sim-to-real. ACT-VLA s'inscrit dans la lignée des travaux cherchant à corriger les limites de généralisation des architectures VLA de type RT-2 ou OpenVLA. L'article ne précise ni l'institution porteuse ni de calendrier de suite ; la prochaine étape logique consisterait à tester la méthode sur du matériel réel pour confirmer que les gains observés en simulation résistent au bruit et aux imprécisions du monde physique.

IA physique⚡Actu

1 source

36

1514arXiv cs.RO 

Modèle vision-langage-action cinématique centré sur les actionneurs pour robots miniers souterrains (MineRobot)

Des chercheurs présentent MineRobot, un framework de modélisation cinématique centré sur les actionneurs pour les robots miniers souterrains, dans un article publié en version révisée sur arXiv sous la référence 2603.22055. Contrairement aux bras industriels classiques à chaîne ouverte, les engins miniers représentatifs reposent souvent sur des chaînes cinématiques fermées entraînées par vérins linéaires, avec des liaisons planes en quadrilatère articulé (four bar linkage), ce qui complique la modélisation réutilisable et la résolution en temps réel de la cinématique directe (FK) et inverse (IK). Le framework introduit le MRDF (Mining Robot Description Format), une représentation dédiée qui paramètre nativement les actionneurs et les fermetures de boucle. Il contracte ensuite les sous structures en quadrilatère articulé en articulations généralisées, puis extrait pour chaque actionneur un chemin topologiquement équivalent indépendant (ITEP), classé en quatre types canoniques. Ces types alimentent des solveurs dédiés assemblés en pipeline séquentiel pour la FK, tandis que l'IK est formulée comme un problème d'optimisation sous contraintes de longueur d'actionneur, résolu par un schéma itératif de type Gauss Seidel. Les expériences menées sur des robots miniers souterrains représentatifs montrent des performances FK en temps réel et une convergence robuste de l'IK sur les plages de fonctionnement testées. L'enjeu dépasse le simple confort de calcul. Dans les mines souterraines, tester physiquement un engin (chargeuse, foreuse, bras de forage) est coûteux et dangereux, d'où le recours croissant à la planification de trajectoires, à l'entraînement des opérateurs et aux jumeaux numériques pour valider les mouvements avant tout déploiement réel. Or la plupart des outils de cinématique existants ciblent des manipulateurs à chaîne ouverte et gèrent mal les mécanismes fermés et sous-actionnés typiques du matériel minier, ce qui oblige souvent les équipes à écrire un solveur spécifique par machine. En automatisant cette dérivation via une décomposition topologique générique, MineRobot vise à réduire ce travail manuel répétitif et à accélérer l'intégration de nouveaux engins dans les chaînes de simulation, un argument qui parlera autant aux intégrateurs et fournisseurs d'équipements miniers qu'aux équipes de R&D en robotique industrielle. Le papier s'inscrit dans un courant de recherche plus large sur la cinématique des mécanismes fermés, un domaine longtemps traité au cas par cas faute de formalisme réutilisable pour les chaînes à boucles multiples. La classification en quatre types d'ITEP et le solveur Gauss Seidel pour l'IK rappellent des approches modulaires déjà explorées pour les robots parallèles et les mécanismes hybrides, mais appliquées ici spécifiquement au vocabulaire métier minier. À ce stade, il s'agit d'un résultat académique validé en simulation sur des robots représentatifs, et non d'un produit déployé chez un opérateur minier. La suite logique serait une intégration dans des suites de planification ou des jumeaux numériques commerciaux, suivie d'une validation sur du matériel réel en conditions souterraines.

Recherche❖Paper

1 source

35

1515arXiv cs.RO 

Structure de prédiction latente 4D pour la planification robotique

Structured 4D Latent Predictive Model : un système de prédiction spatiale en 3D pour la planification robotique Une équipe de recherche publie sur arXiv (identifiant 2607.01166v1) un nouveau modèle baptisé « Structured 4D Latent Predictive Model », conçu pour la planification de tâches robotiques. Contrairement aux modèles prédictifs vidéo classiques, qui travaillent sur des séquences 2D, ce système prédit l'évolution de la structure 3D d'une scène dans un espace latent structuré, à partir d'observations visuelles et d'instructions textuelles. Cette représentation peut être décodée vers plusieurs formats 3D, offrant une compréhension plus complète et géométriquement cohérente de la scène. Le modèle sert de planificateur : il génère des scènes futures qui sont ensuite converties en actions exécutables par un module de dynamique inverse conditionné par l'objectif. Selon les auteurs, les expériences montrent une qualité visuelle élevée et une cohérence 3D et multi-vues nettement supérieure aux meilleurs planificateurs vidéo existants, avec de meilleures performances sur des tâches de manipulation complexes, une bonne généralisation à des conditions visuelles inédites, et une validation sur plateformes robotiques réelles. Un site dédié (structured-4d-model.github.io) présente le projet. L'enjeu dépasse la seule prouesse technique. Les modèles vidéo 2D dominent actuellement l'approche « world model » en robotique, notamment dans les architectures VLA (vision-language-action) qui inspirent des systèmes comme Pi-0 ou GR00T N2. Or ces approches peinent souvent à garantir une cohérence physique et spatiale suffisante pour une manipulation fine. En injectant explicitement une structure 3D dans l'espace latent, ce travail répond directement à une limite identifiée du secteur : le fossé entre démonstrations vidéo impressionnantes et exécution fiable sur du matériel réel, un problème central pour les intégrateurs industriels qui cherchent des systèmes robustes plutôt que des démonstrations sélectionnées. Il s'agit toutefois d'une publication académique à ce stade, sans laboratoire ni entreprise identifiés dans le résumé, et sans date de déploiement annoncée. Elle s'inscrit dans une compétition de recherche intense autour des modèles prédictifs pour la robotique, où plusieurs équipes explorent en parallèle des représentations 3D ou 4D pour dépasser les limites du tout-vidéo. Les prochaines étapes dépendront de la publication du code et de tests indépendants sur des plateformes tierces.

Recherche❖Paper

1 source

35

1516arXiv cs.RO 

Iterated Invariant EKF pour navigation inertielle 3D assistée par repères visuels

Des chercheurs présentent pour la première fois l'application du filtre de Kalman étendu invariant itéré (IterIEKF) à la localisation inertielle 3D assistée par repères visuels (landmarks). L'étude, publiée le 2 juillet 2026 sur arXiv, compare cette approche à trois méthodes de référence: le filtre de Kalman étendu classique basé sur SO(3) (SO(3)-EKF), sa version itérée, et le filtre de Kalman étendu invariant (IEKF) standard. Via des simulations numériques, les auteurs montrent que l'IterIEKF surpasse les trois autres approches à la fois en précision d'estimation et en cohérence de l'incertitude calculée par le filtre. Le problème visé est la "fausse observabilité", un défaut connu des EKF basés sur SO(3): le filtre devient artificiellement trop confiant dans des directions de l'espace d'état qui ne sont en réalité pas observables, ce qui dégrade la précision de la localisation au fil du temps. C'est un enjeu critique pour tout système de navigation inertielle combinant IMU et mesures de repères visuels ou lidar afin d'estimer position et orientation sans GPS, comme les drones, robots mobiles, AMR industriels ou véhicules autonomes. L'IEKF corrige en partie ce biais en reformulant la dynamique du système comme un système "group-affine" sur un groupe de Lie, mais sa mise à jour ne respecte pas totalement certaines propriétés de compatibilité d'état. L'IterIEKF comble cet écart en garantissant, en régime de faible bruit, que l'état estimé reste sur la variété observée pendant que l'incertitude reste confinée à son espace tangent, un raffinement qui promet une estimation plus fiable et moins de dérive. Ce travail s'inscrit dans la lignée des filtres invariants sur groupes de Lie, devenus ces dernières années une alternative de référence aux EKF classiques pour la fusion IMU/vision en robotique et en SLAM. L'IterIEKF avait déjà été proposé comme amélioration générique de l'IEKF, mais son application à la localisation 3D par repères n'avait pas encore été formalisée ni évaluée: c'est la contribution revendiquée ici. Les résultats restent pour l'instant cantonnés à des simulations numériques, une étape préalable avant toute validation sur capteurs réels, où bruit et biais diffèrent des hypothèses idéalisées du papier. Reste donc à voir si ce gain théorique se traduira par un bénéfice mesurable sur des plateformes embarquées.

Recherche❖Paper

1 source

34

1517arXiv cs.RO 

AMBUSH : capture collaborative en environnements complexes grâce à l'accélération neuronale

Une équipe de chercheurs présente AMBUSH, une méthode de capture collaborative pour des robots poursuivants plus lents face à une cible évasive plus rapide, y compris dans des environnements complexes truffés d'obstacles. Le système s'appuie sur une stratégie d'embuscade paramétrée, combinant paramètres discrets et continus, qui prend en compte la topologie de l'espace de travail, la visibilité en ligne de vue tronquée par les obstacles, le ratio de vitesse relative entre poursuivants et cible, et la portée de capture limitée des robots. Pour optimiser ces paramètres en temps réel, les auteurs proposent un algorithme hybride de recherche arborescente Monte Carlo (H-MCTS) couplé à un réseau de neurones entraîné hors ligne : celui-ci apprend à classer les différents choix de paramètres selon l'environnement et à prédire directement leur score, remplaçant ainsi la phase de simulation (rollout) coûteuse du MCTS classique et accélérant la planification en ligne. La méthode a été validée en simulation extensive et sur du matériel réel, face à des cibles de capacités et de niveaux d'intelligence variés, y compris des évadeurs jusqu'à deux fois plus rapides que les poursuivants et des cibles pilotées par un humain. L'intérêt de ces travaux réside dans le fait qu'ils s'attaquent à un angle mort de la littérature sur la poursuite-évasion multi-robots : la plupart des approches existantes, qu'elles soient analytiques et géométriques ou fondées sur l'apprentissage par renforcement de bout en bout, restent cantonnées à des environnements sans obstacles ou avec des obstacles épars et régulièrement répartis. Démontrer qu'une stratégie d'embuscade suffit à capturer efficacement une cible plus rapide, sans recourir à la seule supériorité en vitesse ou en nombre, ouvre des perspectives concrètes pour des applications de sécurité, de surveillance ou de recherche et sauvetage utilisant des flottes de robots peu coûteux mais coordonnés intelligemment. Le travail s'inscrit dans la lignée des recherches en théorie des jeux de poursuite-évasion, en s'inspirant de stratégies observées dans la nature où des espèces plus faibles capturent des proies plus véloces par la coopération. Les auteurs positionnent leur contribution comme une alternative aux approches géométriques classiques et au RL de bout en bout, avec pour prochaine étape l'extension à des scénarios encore plus complexes et à davantage de configurations matérielles.

Recherche❖Paper

1 source

34

1518arXiv cs.RO 

Robustesse des interactions robot-environnement grâce à des degrés de liberté passifs compliants : une approche hybride position-force avec linéarisation par retour d'état

Traduction/synthèse de l'article : Une équipe de recherche propose une nouvelle architecture de contrôle hybride position-force pour bras robotiques, décrite dans un article publié sur arXiv (2607.00571v1). Contrairement aux approches classiques qui reposent uniquement sur la rétroaction active, les capteurs de force et le réglage de gains, cette méthode combine une linéarisation par retour d'état avec un degré de liberté passif compliant intégré à l'effecteur terminal, sous forme d'une interface physique ressort-amortisseur. Cette interface stocke et dissipe l'énergie d'impact directement au point de contact, avant que les chocs haute fréquence ne se propagent vers les articulations actionnées et la boucle de contrôle en force. L'approche a été évaluée sous MATLAB/Simulink sur un manipulateur planaire à 2 degrés de liberté, avec trois configurations d'effecteur comparées : rigide, ressort seul, et ressort-amortisseur. En environnement fixe, la configuration ressort-amortisseur réduit l'écart-type de l'erreur de force tangentielle de 36,5%. En environnement variable, elle réduit l'écart-type de l'erreur de force normale de 25,4% et celui de l'erreur de vitesse normale de 41,1%, avec une réponse de couple articulaire plus lisse. L'enjeu dépasse le simple exercice académique : les interactions robot-environnement en milieu dynamique ou non structuré, chocs, vibrations, incertitudes de géométrie de contact, restent un point faible des architectures de contrôle en force purement actives, qui peinent à absorber les transitoires avant qu'ils ne perturbent la boucle de commande. En ramenant une part de l'amortissement au niveau mécanique plutôt que purement logiciel, cette approche s'inscrit dans une tendance de fond de la robotique de manipulation : compenser les limites de la rétroaction pure par de la compliance physique, moins coûteuse en calcul et plus robuste aux incertitudes de modèle. Pour les intégrateurs travaillant sur des tâches de contact (assemblage, ébavurage, manipulation en environnement incertain), cela ouvre une piste de conception hybride matériel-logiciel plutôt qu'un simple ajustement des gains de commande. Ce travail s'inscrit dans la lignée des recherches en contrôle d'impédance et en compliance passive, qui cherchent depuis plusieurs décennies à concilier précision de positionnement et sécurité des interactions physiques. Ici, la validation reste limitée à la simulation, sur un bras plan à seulement deux degrés de liberté, ce qui est loin des manipulateurs industriels à six axes ou des bras humanoïdes multi-DOF utilisés en conditions réelles. Les auteurs ne précisent pas de calendrier de validation expérimentale sur banc physique, étape généralement nécessaire avant tout transfert vers l'industrie, ni de comparaison directe avec les architectures de contrôle d'impédance déjà déployées commercialement.

Recherche❖Paper

1 source

34

1519arXiv cs.RO 

Robot manipulateur rigide en série : filtrage stochastique invariant sur SE(3) pour l'estimation d'état inertielle-encodeur

Une équipe de chercheurs publie sur arXiv (référence 2607.00026v1) un nouveau filtre de Kalman étendu invariant (IEKF) destiné à l'estimation d'état de bras manipulateurs rigides série, quel que soit leur nombre de segments (liens). La formulation repose entièrement sur le groupe de Lie SE(3), l'espace mathématique qui décrit position et orientation dans l'espace 3D. Grâce à la propriété dite "group-affine" des équations cinématiques, la dynamique de l'erreur linéarisée devient autonome, ce qui permet à l'équation de Riccati de décrire la covariance d'erreur réelle plutôt qu'une simple approximation locale, un gain de précision théorique par rapport aux filtres classiques. Le modèle de bruit sépare physiquement les capteurs : l'accéléromètre fournit la vitesse de translation via une intégration compensée de la gravité, avec une covariance de mesure qui s'ajuste à l'intervalle d'échantillonnage, tandis qu'un terme de bruit de Coriolis, dépendant de l'état, capture la propagation du bruit gyroscopique à travers la dynamique non linéaire, un bruit qui s'annule à l'arrêt et croît avec la vitesse angulaire du bras. Sur le plan industriel, l'apport principal tient à l'architecture modulaire du filtre : chaque segment du bras dispose de son propre IEKF, et la covariance prédite d'un lien ne dépend de son prédécesseur que via une transformation adjointe du résultat précédent, ce qui donne un coût de calcul linéaire par rapport au nombre de liens plutôt qu'exponentiel. Pour les intégrateurs de bras robotiques à nombreux degrés de liberté (DOF), typiquement les bras industriels à 6 ou 7 axes ou les manipulateurs redondants, cela signifie une estimation d'état embarquable en temps réel sans explosion du calcul quand la chaîne cinématique s'allonge. Les auteurs démontrent aussi une garantie de stabilité, l'"exponential ultimate boundedness in mean square", établie via une fonction de Lyapunov sur l'algèbre de Lie, avec des bornes par segment chaînées via la norme de l'opérateur adjoint. Ce type de certificat mathématique est directement exploitable pour des applications nécessitant une validation de sûreté, comme la robotique collaborative ou médicale, là où une simple performance empirique ne suffit pas. Le travail s'inscrit dans la lignée des filtres invariants sur groupes de Lie, une approche qui a gagné du terrain ces dernières années en navigation inertielle et en robotique mobile car elle offre des garanties de convergence plus fortes que les EKF classiques, sujets à des divergences en cas de fortes non-linéarités. L'extension aux manipulateurs série à N liens comble un vide identifié par les auteurs : jusqu'ici, la plupart des applications d'IEKF ciblaient des corps rigides uniques (drones, véhicules) plutôt que des chaînes articulées. Les résultats présentés restent pour l'instant numériques, en simulation, sans validation sur bras physique ni comparaison chiffrée avec des filtres commerciaux existants, une étape que la communauté robotique attendra avant d'évaluer l'intérêt pratique de la méthode pour des applications embarquées.

Recherche❖Paper

1 source

33

1520arXiv cs.RO 

IA physique : des modèles du monde aux modèles d'action, un tutoriel concis pour la robotique

Un article publié sur arXiv (2607.00836) dresse un état des lieux conceptuel des "world models" utilisés en robotique et en simulation générative, un terme dont le périmètre varie fortement selon les communautés de recherche. Les auteurs proposent une définition unifiée : un modèle du monde est un système conditionné par l'action qui prédit l'évolution future des observations ou des états pertinents pour une tâche donnée. Ils distinguent deux grandes familles : les modèles dans l'espace des observations, qui prédisent des images ou vidéos brutes, et les modèles dans l'espace des états, qui travaillent sur des représentations compactes. Chaque approche est comparée selon quatre critères : fidélité visuelle, structuration spatiale, interprétabilité physique et facilité d'usage pour le contrôle. Le papier introduit ensuite les "world action models", qui relient ces prédictions du futur à des actions robotiques exécutables, avec quatre paradigmes identifiés : imaginer puis exécuter, prédiction d'action conditionnée par des features vidéo, modélisation conjointe vidéo-action, et prédiction vidéo auxiliaire pour l'apprentissage de politiques. Cette clarification terminologique a une portée pratique pour les équipes qui développent des politiques robotiques : elle aide à choisir entre un modèle générateur de pixels, coûteux en calcul mais riche visuellement, et un modèle d'état plus léger, plus proche du contrôle temps réel mais moins interprétable. Elle formalise aussi un débat de fond du secteur : les modèles de génération vidéo produisent des démonstrations spectaculaires, mais leur utilité réelle pour piloter un bras ou un humanoïde reste à prouver, faute de garanties physiques strictes, ce qui rejoint les critiques récurrentes sur l'écart entre démo et déploiement réel. En distinguant explicitement l'approche "imaginer puis exécuter" des méthodes qui apprennent directement une politique conjointe vidéo-action, le tutoriel donne aux intégrateurs une grille de lecture pour évaluer les annonces commerciales selon ce qu'elles modélisent vraiment, plutôt que sur la seule qualité de leurs vidéos. Ce travail arrive alors que les world models occupent une place croissante dans la course aux modèles vision-langage-action, portée par des systèmes comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, qui combinent tous, à des degrés divers, prédiction du futur et génération d'actions. Sans analyser directement ces produits commerciaux, la taxonomie proposée offre un cadre académique pour resituer ces systèmes les uns par rapport aux autres, à un moment où la recherche universitaire tente de structurer conceptuellement un domaine dont la vitesse de publication industrielle a largement dépassé la théorie.

Recherche❖Paper

1 source

30

1521arXiv cs.RO 

Robot fouisseur inédit : modélisation dynamique, marche et contrôle d'un propagateur souterrain

Des chercheurs ont publié le 2 juillet 2026 sur arXiv (preprint 2607.00569v1) un article détaillant la modélisation dynamique, la synthèse de démarche et la commande d'un nouveau robot souterrain modulaire, conçu pour l'exploration et l'excavation sans intervention humaine. L'architecture combine deux principes empruntés à des mécanismes distincts : une locomotion par ancrage-propulsion inspirée du ver de terre, et un système d'excavation proche de celui des tunneliers (tunnel boring machines). Le robot se décompose en cinq modules indépendants : une tête de forage qui creuse la cavité de progression, deux modules d'ancrage et deux modules de propulsion du corps. Chaque module est modélisé via le formalisme d'Euler-Lagrange, base mathématique utilisée pour concevoir des contrôleurs découplés par articulation, orchestrés par une machine à états centralisée qui synchronise la démarche complète. Les contrôleurs ont été validés sur la géométrie réelle du robot dans un simulateur Unity basé sur un modèle CAD, avec intégration ROS pour préparer le transfert sim-to-real. Résultat expérimental : le robot parvient à s'ancrer et à progresser de 30 mm dans le sol après trois cycles de démarche complets. Cette progression de 30 mm reste modeste et le travail se situe clairement au stade de la preuve de concept en simulation, mais il adresse un problème concret pour l'industrie souterraine : les tunneliers classiques exigent des tranchées ouvertes ou de lourdes infrastructures, alors que ce type de robot compact viserait des interventions sans tranchée (trenchless) pour l'inspection de réseaux enterrés, la pose de câbles ou l'exploration géologique en milieu confiné, sans exposer d'opérateurs humains. La démonstration que des contrôleurs découplés par module peuvent produire une démarche coordonnée et exploitable en conditions réelles de sol constitue une étape utile avant tout déploiement industriel, mais rien n'indique encore un calendrier de commercialisation. Le projet s'inscrit dans une lignée de robots bio-inspirés d'excavation qui cherchent à reproduire la locomotion péristaltique des vers de terre plutôt que les foreuses rotatives classiques, une piste explorée notamment pour l'exploration planétaire ou les interventions en espace confiné. Aucun acteur français ou européen n'est mentionné dans cette publication, qui reste à ce stade un travail académique. Les auteurs présentent leurs résultats comme une base pour de futures itérations combinant validation matérielle en conditions réelles de sol et optimisation de la vitesse de progression.

Recherche❖Paper

1 source

27

1522Robotics Business Review 

En robotique, la résistance aux conditions extrêmes n'est plus optionnelle

Cet article est signé par Isaiah Dominguez, directeur marketing chez WiBotic, ce qui en fait davantage une tribune promotionnelle qu'un reportage indépendant, un point à garder en tête pour la suite. Le texte pose un constat simple : les robots mobiles autonomes (AMR), longtemps conçus pour des entrepôts aux sols plats, à température stable et à connectivité fiable, sont désormais déployés dans des environnements bien plus hostiles, cours de distribution, sites industriels, hôpitaux, commerces, chantiers, exploitations agricoles et logistique extérieure, où poussière, humidité, vibrations, écarts de température et terrains irréguliers deviennent la norme plutôt que l'exception. Pour illustrer sa démonstration, WiBotic met en avant son propre produit, le chargeur embarqué OC-1000-WP : un système programmable étanche combinant charge sans fil et filaire, profils de charge configurables, gestion de batterie, diagnostics à distance, interface CANbus et boîtier certifié IP65 pour environnements exigeants. L'argument central, au-delà de l'autopromotion, mérite d'être pris au sérieux par les intégrateurs et décideurs industriels : l'infrastructure de charge reste l'un des maillons les plus négligés de la chaîne d'autonomie robotique, alors qu'elle conditionne directement le taux de disponibilité des flottes, la fréquence de maintenance et la capacité à monter en échelle. À mesure que les opérateurs cherchent à réduire l'intervention humaine et à allonger les fenêtres opérationnelles des robots, un chargeur qui tombe en panne à cause de l'humidité ou de la poussière annule les gains promis par l'autonomie logicielle, aussi avancée soit-elle en perception ou en apprentissage. Le message, dépouillé de son emballage commercial, rejoint une tendance de fond déjà observée chez d'autres fournisseurs de matériel robotique : la fiabilité physique conditionne la fiabilité logicielle, pas l'inverse. Historiquement, la conception durcie ("ruggedized") était l'apanage des systèmes militaires, miniers ou industriels lourds. Elle se banalise aujourd'hui dans la robotique commerciale, à mesure que les cas d'usage sortent des entrepôts climatisés pour aller vers l'extérieur et le semi-structuré, un segment que plusieurs analystes du secteur identifient comme l'un des relais de croissance les plus rapides pour les AMR. L'article ne cite aucun concurrent direct ni déploiement client nommé, et reste évasif sur les volumes ou les clients utilisant l'OC-1000-WP, ce qui limite sa valeur factuelle : il s'agit davantage d'un signal de positionnement marketing de WiBotic sur le segment de la charge robuste que d'une annonce de produit shipped avec preuves de déploiement à l'appui.

Infrastructure⚡Actu

1 source

43

1523Interesting Engineering 

Robot park de 90 000 pieds carrés : une entreprise américaine forme des humanoïdes en conditions réelles

Apptronik, entreprise texane basée à Austin, a inauguré Robot Park, une installation de collecte de données et d'entraînement de près de 8 400 m² (90 000 pieds carrés) dédiée à l'accélération du développement de ses robots humanoïdes Apollo. Sur ce site, des unités Apollo 2, la dernière génération de la plateforme, déclinées en version bipède et en version à base roulante, exécutent en continu des tâches représentatives de la logistique, de la fabrication et du commerce de détail, générant ainsi les données réelles nécessaires à l'entraînement de modèles d'IA incarnée. Ce dispositif s'inscrit dans le partenariat de recherche entre Apptronik et Google DeepMind : les données issues d'Apollo 2, combinant téléopération et fonctionnement autonome, alimentent directement les modèles Gemini Robotics de DeepMind tout en améliorant la plateforme commerciale d'Apptronik. Le concept de Robot Park a également été étendu au-delà d'Austin, avec des flux de collecte similaires mis en place chez des clients et partenaires comme Mercedes-Benz et l'opérateur logistique GXO. Apollo 2 sert de « cheval de trait » du programme depuis plus d'un an déjà. Pour l'industrie robotique, cette annonce illustre un déplacement de l'enjeu compétitif : la course aux humanoïdes ne se joue plus seulement sur la démonstration de capacités motrices, mais sur la capacité à produire, à grande échelle et en continu, des données d'usage réel exploitables par des modèles VLA (vision-langage-action). En s'associant à un laboratoire du calibre de Google DeepMind, Apptronik cherche à sécuriser un accès privilégié à des capacités d'IA de pointe plutôt que de tout développer en interne, une stratégie qui tranche avec l'approche plus verticale de concurrents comme Figure AI ou Tesla avec Optimus. Le fait que des clients industriels comme Mercedes-Benz ou GXO participent directement à la collecte de données, sur leurs propres sites, est également un signal notable : il suggère un passage progressif du pilote isolé vers des déploiements multi-sites, même si l'ampleur réelle de l'autonomie atteinte par Apollo 2, par opposition à la téléopération, reste à documenter précisément par Apptronik. Fondée en 2016 et essaimée des travaux de robotique de l'université du Texas à Austin, Apptronik s'est fait connaître avec son premier robot Apollo avant de lancer cette version 2, pensée dès l'origine comme un outil de collecte de données autant que comme un produit commercial. La société évolue dans un secteur de plus en plus dense, aux côtés de Figure AI, Tesla, Boston Dynamics ou encore 1X, chacun misant sur des partenariats logiciels ou une intégration verticale pour combler l'écart entre démonstrations spectaculaires et déploiements industriels réels. Le PDG et cofondateur Jeff Cardenas a présenté l'initiative comme une « boucle d'apprentissage continu » avec l'équipe robotique de Google DeepMind, laissant entendre que d'autres extensions du modèle Robot Park, chez de nouveaux clients ou sur de nouveaux sites, devraient suivre dans les prochains mois.

IA physique⚡Actu

1 source

43

1524The Robot Report 

Top 10 des avancées en robotique de juin 2026

Traduction et résumé rédigés. Le Robot Report a publié son classement des dix actualités robotiques les plus lues de juin 2026, dominé par les levées de fonds et les déploiements de robots humanoïdes. En tête, Collaborative Robotics a dévoilé la deuxième génération de son robot mobile Proxie, avec une capacité de charge augmentée, des batteries à échange autonome et une option de manipulation à deux bras, visant la santé, la logistique et l'industrie. General Intuition a levé 320 millions de dollars en série A pour entraîner des modèles d'IA à partir de données de jeux vidéo plutôt que de téléopération classique. BMW a annoncé le déploiement du Figure 03 de Figure AI sur son site de Spartanburg, en Caroline du Sud, après une première phase avec le Figure 02. NEURA Robotics, fabricant allemand de "robots cognitifs", vise une série C pouvant atteindre 1,4 milliard de dollars sous conditions d'investisseurs non précisées. Agility Robotics a annoncé une fusion avec la SPAC Churchill Capital Corp. XI pour entrer en bourse. Standard Bots a bouclé une série C de 200 millions de dollars, valorisant l'entreprise à 1 milliard de dollars, pour étendre sa production à New York. AGIBOT a franchi la barre des 15 000 robots produits. RealSense a présenté sa caméra de profondeur D585 Pro à Automate, et NVIDIA a dévoilé de nouveaux outils open source pour l'IA physique lors du GTC Taipei et de Computex. Ce palmarès illustre surtout l'accélération du passage des humanoïdes de la démonstration vers le déploiement industriel réel, et l'appétit toujours vif des investisseurs pour l'IA physique. Le cas BMW est révélateur: reconduire un déploiement avec une génération suivante après une phase pilote réussie suggère un début de preuve de valeur opérationnelle, plutôt qu'un simple coup de communication, même si l'ampleur exacte du déploiement (nombre d'unités, tâches réalisées) reste à préciser par les sources primaires. La marche vers les marchés publics via SPAC pour Agility, tout comme les tours de financement de Standard Bots et NEURA, confirment que les investisseurs traitent désormais la robotique humanoïde comme un secteur de commercialisation, pas seulement de recherche. L'approche de General Intuition, qui parie sur les données de jeux vidéo pour entraîner la perception et l'action des robots, illustre aussi une diversification des stratégies d'entraînement face aux limites connues du sim-to-real et de la téléopération à grande échelle. Cette accumulation d'annonces s'inscrit dans la continuité des trajectoires déjà engagées: Figure AI construit sur son historique avec BMW depuis le Figure 02, AGIBOT poursuit sa montée en cadence de production en Chine, et NEURA Robotics, basée en Allemagne, cherche à s'imposer comme l'un des rares acteurs européens de poids face aux groupes américains et chinois. Agility, de son côté, mise sur son statut de pionnier américain coté en bourse avec des déploiements commerciaux actifs pour se différencier. Le Robot Report ouvre par ailleurs les propositions de sessions pour son événement RoboBusiness 2026, signe que ces tendances de financement et de déploiement devraient continuer d'alimenter les débats du secteur dans les mois à venir.

Humanoïdes⚡Actu

1 source

42

152536Kr 

Exclusif : une startup issue de Tsinghua lève plusieurs centaines de millions de yuans, sans vouloir de l'étiquette « modèle du monde »

La startup chinoise Liqing Zhineng (厘清智能, "Clarity Intelligence"), fondée en avril 2026 à Pékin, a bouclé un tour d'amorçage de plusieurs centaines de millions de yuans (soit plusieurs dizaines de millions d'euros), révélé début juillet par le média chinois Zhinen Yongxian. Le tour réunit Shunwei Capital, Sequoia Chine, Hillhouse Ventures, FreeS Fund, Xinglian Capital, le fonds d'amorçage des alumni de Tsinghua, SEE Fund, ainsi que des investisseurs industriels comme AgiBot (智元机器人), Linker Hand (灵心巧手) et Century Golden Resources. L'équipe, adossée au laboratoire de Li Yiming, professeur assistant à l'école d'intelligence artificielle de Tsinghua et ancien chercheur Vision & Robotics chez Nvidia (bourse Nvidia 2024, dix lauréats dans le monde), compte une cinquantaine de membres d'une moyenne d'âge de 23 ans. Le produit central est une infrastructure baptisée "Physical AI Infra", construite autour de deux briques maison : un pipeline de collecte de données visant à passer de la centaine de milliers d'heures habituelle du secteur à plusieurs millions, voire dizaines de millions d'heures, via notamment des gants tactiles propriétaires dont le coût unitaire est ramené du niveau du dollar à celui du yuan ; et un moteur physique différentiable permettant une boucle "réel vers simulation vers réel", capable de modéliser des matériaux complexes (fluides, corps mous, déformations élastoplastiques). L'ensemble cible des gestes fins comme couper, visser, brancher, mélanger, presser ou enfiler, avec un objectif de portabilité entre différentes mains articulées et bras robotiques, pour des usages en usine, retail, hôtellerie, restauration et assistance médicale. Le positionnement de Li Yiming tranche avec l'engouement actuel pour les "world models" (modèles du monde), qu'il juge être la notion la plus galvaudée de 2026, tant les acteurs vidéo, 3D ou VLA (vision-langage-action) s'en réclament dès qu'ils touchent à la simulation physique. Sa thèse : le modèle du monde n'est qu'un composant technique parmi d'autres, sans valeur isolé du reste de la chaîne (données, matériel, déploiement) ; ce qui compte, c'est un système capable de généraliser à travers robots et scénarios. Il affirme ainsi pouvoir entraîner des politiques avec environ 1% du volume de données réelles habituellement nécessaire, en calibrant les transitions d'état du modèle de monde sur un petit échantillon de données réelles puis en laissant le robot s'entraîner par renforcement en simulation, l'exemple cité étant l'apprentissage de la découpe d'une pomme sans détruire des centaines d'exemplaires. Ces chiffres, avancés par le fondateur lui-même sans validation indépendante, restent à confirmer sur des déploiements réels plutôt que sur des démonstrations internes. Le parcours de Li Yiming inclut un doctorat à NYU avec des travaux co-signés avec Saining Xie (cofondateur et chercheur en chef d'AMI Labs), ainsi que plusieurs publications distinguées à CVPR et NeurIPS en collaboration avec Nvidia. La feuille de route affichée prévoit la sortie d'un modèle du monde généralisable à plusieurs scénarios B2B d'ici fin 2026, puis un passage à l'échelle commerciale visé pour 2028, avec pour ambition de livrer aux clients une solution matériel-logiciel intégrée plutôt qu'un simple modèle. Ce pari sur une intégration verticale complète, de la collecte de données au moteur physique en passant par le matériel de capture, reste rare en Chine où la plupart des équipes de robotique physique se concentrent sur un seul maillon de la chaîne ; il positionne Liqing Zhineng en concurrence indirecte avec les autres poids lourds chinois de l'IA incarnée comme AgiBot, qui figure aussi parmi ses investisseurs.

Chine/Asie⚡Actu

1 source

41

1526Robotics Business Review 

Apptronik dévoile Apollo 2 et une nouvelle installation phare de collecte de données et d'entraînement

Apptronik a dévoile hier Apollo 2, la nouvelle version de son robot humanoïde, en même temps que l'ouverture de Robot Park, son centre phare de collecte de données et d'entrainement a Austin, au Texas. Apollo 2 se décline en deux configurations modulaires: une version bipède pour se déplacer dans des espaces conçus pour des humains, et une version a base roulante offrant stabilité et efficacité dans des environnements a fort débit. La base roulante a été conçue pour respecter les normes de sécurité existantes des robots mobiles industriels, ce qui facilite son intégration dans des opérations clients déjà en place. Dans le cadre de son partenariat de recherche avec Google DeepMind, les données collectées par Apollo 2 alimentent aussi Gemini Robotics, les modèles de fondation pour la robotique de DeepMind. Apptronik affirme qu'Apollo repose sur près d'une décennie de développement et quinze robots précédents, dont Valkyrie de la NASA. Issue du Human Centered Robotics Lab de l'Universite du Texas a Austin, l'entreprise compte environ 300 employés et a levé 520 millions de dollars plus tôt cette année, portant son capital total a près d'un milliard de dollars. Cette annonce illustre un repositionnement plus large de l'industrie humanoïde: passer de la démonstration ponctuelle a l'exploitation réelle et répétée sur le terrain. Jeff Cardenas, cofondateur et PDG d'Apptronik, résume l'ambition en opposant explicitement les années de démos spectaculaires a un objectif de fiabilité quotidienne au travail, une façon de reconnaitre implicitement l'écart persistant entre les vidéos promotionnelles du secteur et les déploiements effectifs. La logique mise en avant, une boucle d'apprentissage continue ou le robot travaille, collecte des données et s'améliore a chaque cycle, correspond a un pari répandu chez les acteurs de la robotique généraliste (dans la lignée de Pi-0 ou GR00T N2): la mise a l'échelle des données réelles, plutôt que la seule simulation, serait la voie vers des modèles VLA véritablement robustes. Pour les intégrateurs et décideurs industriels, le choix d'une architecture modulaire bipède/roulante répond a une demande concrète: pouvoir déployer une même intelligence robotique sous une forme déjà conforme aux normes de sécurité existantes, sans attendre la maturation complète de la locomotion bipède. Le contexte de cette annonce s'inscrit dans une accumulation de Robot Parks chez des clients et partenaires dans le monde, Austin devenant le site vitrine du dispositif. Apollo 2 sert depuis plus d'un an de cheval de bataille pour cette collecte de données, et Apptronik présente explicitement tout ce qui en est tire comme la base du développement d'Apollo 3, son futur produit commercial. Barry Phillips, directeur commercial d'Apptronik, insiste sur le fait que la conception modulaire répond a une demande client pour une automatisation adaptable, un positionnement qui distingue Apptronik d'acteurs concentres sur une seule morphologie, comme Figure avec son humanoïde bipède pur ou Boston Dynamics avec Atlas. Face a des concurrents comme Tesla (Optimus), Figure ou Agility Robotics, Apptronik mise sur ce continuum recherche-collecte-produit avec Google DeepMind comme axe de différenciation, sans toutefois préciser de calendrier ferme pour des pilotes clients élargis ni pour la disponibilité commerciale d'Apollo 3.

Humanoïdes❧Opinion

1 source

43

1527Interesting Engineering 

Nouveau robot humanoïde conçu pour la compagnie, reconnaît les émotions avec 90% de précision

UBTech a présenté le 30 juin 2026 lors de son UBTech Global Launch Event à Shenzhen la série UWORLD U1, un robot humanoïde grandeur nature que l'entreprise chinoise qualifie de premier robot "ultra-bionique" conçu pour la production de masse. La plateforme repose sur une architecture intégrée combinant une peau biomimétique propriétaire, du matériel d'intelligence incarnée, un système d'exploitation, des modèles de langage pilotés par l'émotion et une chaîne de fabrication pensée à l'échelle du système. Le robot dispose de 88 degrés de liberté et d'une colonne cervicale biomimétique à double pivot, lui permettant de reproduire jusqu'à 90 % des mouvements humains fondamentaux. Son modèle de langage, présenté comme le premier au monde dédié à la compagnie de long terme, détecterait plus de 20 états émotionnels fins avec une précision annoncée supérieure à 90 %. L'architecture "cerveau rapide et lent" combine réponses réflexes en environ 500 millisecondes et raisonnement approfondi via des modèles de plusieurs centaines de milliards de paramètres, tandis qu'un système d'actuation faciale synchronise parole et mouvements des lèvres avec moins de 20 millisecondes de latence. UBTech ajoute un système de mémoire persistante (Agent Memory OS), un moteur d'attention contextuelle sans mot-clé de réveil, et une architecture de confidentialité en trois couches privilégiant le traitement local. Parallèlement, la société lance le Human-Robot Companionship Initiative, un programme visant à donner 100 robots U1 personnalisés en 2026 pour accompagner des personnes vulnérables, chaque unité intégrant reconnaissance faciale 3D et reproduction vocale d'un proche désigné. Cette annonce marque un déplacement notable du positionnement des humanoïdes chinois, jusqu'ici concentrés sur la logistique et l'industrie, vers le marché de la compagnie et de l'aide psychologique, un segment que UBTech justifie par des chiffres démographiques chinois frappants : plus de 90 millions d'adultes vivant seuls, 118 millions de seniors isolés, et une part estimée entre 10 et 20 % de personnes seules répondant aux critères cliniques de troubles mentaux. Les métriques de précision émotionnelle et de mouvement, non vérifiées de façon indépendante, restent à confirmer en conditions réelles, un écart classique entre démonstration contrôlée et déploiement effectif dans ce secteur. La technologie de réplication d'identité par reconstruction faciale et empreinte vocale soulève aussi des questions de confidentialité pour des publics vulnérables. UBTech, coté à Hong Kong et déjà connu pour sa série industrielle Walker déployée chez des partenaires comme Foxconn, élargit ainsi son ambition vers le grand public, dans la lignée d'une feuille de route en trois étapes allant des tâches dangereuses vers l'assistance quotidienne puis l'interaction généralisée. Face à Figure AI, Tesla Optimus ou aux acteurs chinois Unitree et Fourier Intelligence, ce virage vers l'humanoïde émotionnel positionne UBTech sur un axe différent, dont la crédibilité dépendra des retours d'usage des 100 premières unités promises pour 2026.

Chine/Asie⚡Actu

1 source

42

1528Pandaily 

Ex-cadre de Xiaomi, Tang Mu lance un robot humanoïde pour la restauration, production visée fin d'année

InSpace Technology, la société robotique fondée par Tang Mu, ancien cadre de Xiaomi en charge du hardware intelligent, a présenté le 30 juin trois nouveaux robots de service alimentaire lors d'un événement de lancement : le XBot C3 pour le café, le XBot I3 pour la glace, et le très attendu XBot X1, un robot humanoïde dédié à la restauration. L'entreprise vise une production de masse du X1 d'ici la fin de l'année. Le XBot C3, facturé 219 000 yuans, sera disponible sur JD.com en juillet ; il occupe 1,83 m², un tiers de moins que son prédécesseur, prépare un americano en environ 45 secondes et peut produire 80 tasses par heure grâce à un bras robotique industriel doté d'une pince certifiée pour plus de 500 000 cycles, complété par une stérilisation UV, un suivi de température et un système de latte art qui imprime des photos fournies par le client sur la mousse. Le XBot I3, à 179 000 yuans et lancé mi-juillet sur JD.com, produit plus de 60 portions par heure avec 256 combinaisons possibles à partir de quatre sauces et quatre garnitures ; Tang Mu indique que certaines unités glace dépassent déjà les ventes des robots café, citant un centre commercial de Xiamen où 250 coupes ont été vendues en une seule journée. Le XBot X1 repose sur une base mobile à roues intégrant un compartiment de stockage plutôt que des jambes, avec deux bras humanoïdes à sept axes, une charge utile de 3 à 4 kg par effecteur, une précision de positionnement coordonné d'environ ±1 mm et une répétabilité de ±0,5 mm, complétés par des capteurs de force six axes pour détecter le poids et les efforts lors de la saisie ou du versement. Le choix des roues plutôt que des jambes est un signal notable dans un secteur où la bipédie généraliste domine le discours des acteurs comme Optimus ou Figure : Tang Mu justifie ce choix par un rapport coût-énergie-complexité peu pertinent en restauration, une approche pragmatique typique du raisonnement "électronique grand public" qu'il revendique. Plus significatif encore, InSpace affiche une traction commerciale déjà réelle avec plus de 1 000 robots café déployés dans plus de 100 villes, plus de 4 millions de tasses produites et un taux de disponibilité de 99,4 %, ce qui contraste avec de nombreuses annonces humanoïdes qui restent au stade de la démonstration ou de la vidéo sélectionnée. Pour les intégrateurs et décideurs B2B, ce positionnement suggère que les cas d'usage mono-tâches à ROI démontrable précèdent, dans les faits, l'arrivée de l'humanoïde généraliste polyvalent. L'entreprise, dont le nom chinois est Yingzhi Technology, a déjà installé ses robots café dans des lieux aussi variés que la place Tiananmen, la Commission indépendante contre la corruption de Hong Kong, des stations de métro britanniques et des clubs australiens, une stratégie de montée en charge progressive avant l'humanoïde. Elle évolue dans un paysage chinois de la robotique de service dense, aux côtés d'acteurs comme Unitree ou Pudu Robotics, mais mise sur sa spécialisation alimentaire plutôt que sur la polyvalence. Outre la production en série du X1 prévue fin d'année, InSpace a aussi présenté un concept de food truck combinant le X1 à un véhicule autonome pour créer une unité de restauration mobile et à la demande.

Chine/Asie❧Opinion

1 source

42

1529TechNode 

UBTECH dévoile U1, son robot humanoïde grand public, avec déjà 11 000 commandes avant les premières livraisons

UBTECH a dévoilé mardi à Shenzhen son premier robot humanoïde grand public, le U1 Series, sous une toute nouvelle marque destinée aux particuliers baptisée UWorld. Plus de 50 déclinaisons de gabarits ont été présentées, avec des tailles allant de 1,60 à 1,85 mètre. Selon Zhou Jian, fondateur de UBTECH, plus de 11 000 commandes ont été enregistrées sur l'ensemble des canaux de vente depuis l'ouverture des précommandes sur JD.com le 2 juin. Le U1 embarque 88 articulations à haut degré de liberté et un modèle d'IA émotionnelle censé soutenir une interaction prolongée avec l'utilisateur. UBTECH précise que les données d'interaction sont chiffrées et stockées localement par défaut, sans envoi obligatoire vers le cloud. La gamme se décline en trois versions, Lite, Pro et Ultra, facturées entre 119 800 et 990 000 yuans (17 600 à 145 000 dollars). Les premières livraisons sont annoncées pour le 16 septembre. Cette annonce marque un tournant pour UBTECH, qui bascule d'un positionnement industriel et commercial vers le marché domestique, un segment jusque-là resté largement théorique pour l'ensemble du secteur des humanoïdes. Le chiffre de 11 000 commandes doit toutefois être relativisé: il s'agit de précommandes, pas de ventes fermes, et rien n'indique le taux de conversion réel ni les modalités d'acompte. L'échelonnement des prix, du grand public jusqu'au segment premium, illustre une stratégie de segmentation inédite pour un humanoïde domestique, et l'accent mis sur le traitement local des données répond directement aux craintes de confidentialité qui freinent l'adoption de robots compagnons connectés dans les foyers. UBTECH, coté à la Bourse de Hong Kong, s'est fait connaître avec sa gamme Walker, déployée dans des usines comme celles de NIO ou Zeekr. Le lancement d'UWorld s'inscrit dans une course chinoise au robot domestique où se positionnent aussi Unitree, Xiaomi ou Fourier Intelligence, tandis qu'à l'international Tesla (Optimus), Figure et 1X visent également le foyer. La prochaine échéance à surveiller sera la capacité réelle d'UBTECH à honorer ses livraisons dès le 16 septembre.

Humanoïdes⚡Actu

1 source

45

1530arXiv cs.RO 

E-VLA : modèle vision-langage-action augmenté par événements pour scènes sombres et floues

Des chercheurs présentent E-VLA, un modèle vision-langage-action (VLA) augmenté par caméra événementielle, conçu pour maintenir la fiabilité des robots manipulateurs dans des conditions de perception dégradées : lumière très faible, flou de mouvement, écrêtage des noirs. Contrairement aux approches classiques qui tentent de reconstruire une image à partir des flux d'événements, E-VLA exploite directement les indices de mouvement et de structure captés par la caméra événementielle pour préserver la cohérence perception-action. L'équipe a construit une plateforme de téléopération open source équipée d'une caméra événementielle DAVIS346 et collecté un jeu de données synchronisé RGB-événements-actions sur des tâches de manipulation variées et sous différents niveaux d'éclairage. Les résultats sont marqués : sur une tâche de type pick-and-place à 20 lux, le taux de réussite passe de 0% avec la seule image RGB à 60% avec une simple superposition des cartes d'événements accumulées, puis à 90% avec l'adaptateur événementiel dédié conçu par les auteurs. Sous flou de mouvement sévère (simulation d'un temps d'exposition de 1000 ms), le pick-and-place progresse de 0% à 20-25% de réussite, et une tâche de tri passe de 5% à 32,5%. Ces résultats apportent une preuve concrète que la fusion événementielle, même dans sa version la plus simple et sans paramètres, comble un angle mort critique des modèles VLA actuels : leur dépendance à une caméra RGB classique les rend inutilisables dès que l'éclairage ou la stabilité de la scène se dégradent, un scénario fréquent en environnement industriel réel (entrepôts peu éclairés, bras robotiques en mouvement rapide). Pour les intégrateurs et les équipes robotique visant un déploiement en conditions réelles plutôt qu'en démonstration contrôlée, ce travail suggère qu'ajouter un capteur événementiel low-cost peut être plus efficace qu'un réentraînement massif du modèle de perception. E-VLA s'inscrit dans la lignée des modèles VLA généralistes comme GR00T N2, Pi-0 ou Helix, qui ont démontré une bonne généralisation en manipulation mais restent peu testés hors des conditions de laboratoire. Les auteurs annoncent la publication du code et du jeu de données sur GitHub, ce qui devrait permettre à la communauté d'évaluer la robustesse de la méthode sur d'autres plateformes robotiques et d'autres capteurs événementiels.

Recherche❖Paper

1 source

45

1531arXiv cs.RO 

Rapport technique RhinoVLA

HuixiAI a publié un rapport technique sur RhinoVLA, un modèle vision-langage-action (VLA) conçu spécifiquement pour tourner en temps réel sur du matériel embarqué, en co-conception avec le SoC edge Huixi R1. Le modèle s'appuie sur un backbone Qwen3-VL optimisé pour limiter le nombre de tokens visuels et contextuels traités, identifiés par les auteurs comme le principal goulot d'étranglement en latence des VLA sur puce embarquée : dans les opérateurs de projection dominés par le calcul matriciel (GEMM), le coût croît linéairement avec le nombre de tokens en entrée. RhinoVLA associe ce backbone allégé à un Action Expert à sortie continue, ainsi qu'à une interface unifiée combinant un registre de vues (View Registry), un espace d'état-action physique à 72 dimensions et des adaptateurs LoRA propres à chaque instance de robot, pour aligner des observations et schémas d'action hétérogènes sous une politique commune. Résultat annoncé : des performances comparables à π0.5 à taille de paramètres équivalente, avec une inférence de bout en bout à 11,69 Hz sur le Huixi R1, au-dessus du seuil de 10 Hz jugé nécessaire pour un contrôle en boucle fermée temps réel. L'enjeu dépasse la simple performance brute : la plupart des VLA démontrés en laboratoire (π0, GR00T N2, Helix) tournent sur GPU serveur ou desktop, loin des contraintes de puissance et de latence d'un robot mobile ou d'un bras industriel autonome. En optimisant simultanément l'architecture du modèle et la compilation matérielle (précision mixte, encodage visuel parallélisé), RhinoVLA s'attaque directement au fossé entre démonstration et déploiement réel, un point sensible pour les intégrateurs qui évaluent la viabilité commerciale des VLA en usine ou en logistique plutôt qu'en simple preuve de concept. Le projet doit être publié en open source sur GitHub (HuixiAI/RhinoVLA), une démarche qui s'inscrit dans la compétition croissante autour des architectures VLA généralistes multi-robots, aux côtés des travaux de Physical Intelligence (π0, π0.5) et NVIDIA (GR00T). Le document constitue une version révisée (v2) d'un rapport déjà déposé sur arXiv, sans calendrier de déploiement industriel précisé à ce stade.

IA physique⚡Actu

1 source

45

1532arXiv cs.RO 

Position : les modèles vision-langage-action ne peuvent pas être vérifiés pour le raisonnement physique

Position: Vision-Language-Action Models Cannot Be Verified to Perform Physical Reasoning Un article de position publié sur arXiv (2606.30686) remet en cause l'interprétation dominante des progrès des systèmes Vision-Language-Action (VLA), ces modèles de robotique construits sur des modèles vision-langage (VLM) pré-entraînés comme GR00T N2, Pi-0 ou Helix. Les auteurs décomposent une politique VLA en deux briques distinctes : le mapping sémantique, hérité de l'entraînement internet-scale, et la décision d'action physique, propre à l'exécution motrice. Leur démonstration centrale est que le taux de réussite de tâche, la métrique quasi universelle des benchmarks de manipulation robotique, ne permet pas de distinguer laquelle de ces deux briques est responsable d'une amélioration de score. Autrement dit, un gain de performance mesuré peut aussi bien refléter une meilleure généralisation sémantique, un simple recouvrement distributionnel avec les données d'entraînement, qu'une réelle généralisation physique, sans qu'aucun protocole actuel ne permette de trancher. Cette limite touche directement l'argument commercial central de la vague VLA actuelle: la promesse que des représentations apprises sur des corpus internet transfèrent vers la généralisation en environnement physique réel. Pour les intégrateurs et décideurs B2B qui évaluent des solutions humanoïdes ou des bras manipulateurs sur la base de benchmarks affichant des taux de réussite en hausse, ce papier suggère une prudence méthodologique: un score supérieur ne garantit pas une robustesse physique supérieure, et peut masquer un simple effet de mémorisation de distribution. Le concept de "narrative drift" que les auteurs pointent, où chaque nouveau système hérite et renforce l'interprétation optimiste du précédent sans isoler le mécanisme causal réel, résonne avec les critiques déjà formulées sur l'écart entre démonstrations vidéo sélectionnées et déploiements réels en usine. Les auteurs ne rejettent pas l'utilité des VLM en robotique, mais proposent une piste de recherche: des protocoles d'évaluation introduisant une variation contrôlée pour mesurer séparément la généralisation sémantique et la généralisation physique, sans nécessiter d'accès aux poids internes des modèles. Cette approche s'inscrit dans un débat plus large sur la fiabilité des benchmarks robotiques, alors que des laboratoires et startups, de Figure à Physical Intelligence, multiplient les annonces de performance sur des tâches de manipulation dont la reproductibilité en conditions réelles reste rarement vérifiée indépendamment.

Recherche❖Paper

1 source

45

1533arXiv cs.RO 

Le corps souple à quatre pattes : préhension conforme et prélèvement pour les inspections de contamination en environnements hostiles

Des chercheurs ont développé un système d'augmentation pour robots quadrupèdes destiné aux inspections de contamination au béryllium dans les zones radioactives du CERN. Il s'agit d'une queue robotique souple, légère et actionnée par câbles (tendons), montée sur un robot à quatre pattes. Cette queue possède une colonne vertébrale creuse et flexible ainsi qu'une pince souple, elle aussi actionnée par tendons, capable de saisir des tissus de prélèvement, d'essuyer des surfaces contaminées, puis de déposer ces échantillons à des points de collecte prédéfinis pour analyse ultérieure. Pour permettre une téléopération intuitive, l'équipe a conçu un modèle cinématique à forme close et un contrôleur en espace de tâche robuste aux singularités. Les essais montrent que l'actionnement de la pince a un effet négligeable sur la forme générale de la queue, tandis que l'actionnement en mode commun des tendons permet de moduler la rigidité et le précontraint de la structure. Les résultats valident aussi que le modèle cinématique proposé se prête à un contrôle en temps réel. L'intérêt de ce travail dépasse le cas d'usage du CERN: il illustre une piste concrète pour réconcilier deux exigences généralement contradictoires en robotique de terrain, l'agilité de la locomotion à pattes et la compliance nécessaire à une manipulation fine dans des environnements encombrés de câbles et d'électronique. Pour les intégrateurs industriels et les responsables sécurité en environnement dangereux (nucléaire, radioprotection, sites contaminés), cette approche ouvre la possibilité de réaliser des relevés de contamination sans exposition humaine, avec un appendice souple plutôt qu'un bras manipulateur rigide, souvent encombrant dans des espaces confinés. Le projet s'inscrit dans une tendance plus large de recherche sur la manipulation souple embarquée sur plateformes mobiles, où les bras rigides classiques atteignent leurs limites en milieu exigu. Contrairement à un simple bras robotique fixé sur un quadrupède, la queue souple tire parti de sa propre flexibilité pour se faufiler entre obstacles. Les auteurs positionnent leur concept comme généralisable à d'autres contextes dangereux ou confinés au-delà du CERN, mais le papier reste à ce stade une validation expérimentale en laboratoire, sans calendrier de déploiement opérationnel annoncé.

Recherche❖Paper

1 source

44

1534arXiv cs.RO 

Z-1 : apprentissage par renforcement efficace pour les modèles vision-langage-action

Des chercheurs présentent Z-1, un framework de post-entraînement par apprentissage par renforcement (RL) pour les modèles Vision-Language-Action (VLA) à base de flow matching, décrit dans un article publié sur arXiv (2606.31846v1). Construit sur l'architecture π0.5 de Physical Intelligence, Z-1 s'appuie uniquement sur les démonstrations publiques RoboCasa pour la phase de fine-tuning supervisé (SFT), puis applique une stratégie de Group Relative Policy Optimization (GRPO) tâche par tâche sur 24 tâches standard du benchmark RoboCasa. Pour rendre cette optimisation en ligne plus stable et efficace, les auteurs combinent quatre techniques: construction de rollouts à préfixe partagé, branchement arborescent des trajectoires, calibration des récompenses tenant compte de la complétion des tâches, et entraînement conjoint sélectif du modèle vision-langage et de l'"Action Expert". Résultat: un taux de réussite moyen de 80,6% sur les 24 tâches, soit un gain de 13,2 points par rapport au modèle SFT de départ, et une performance supérieure aux meilleurs modèles publiés jusqu'ici. L'enjeu dépasse le simple gain de benchmark. La grande majorité des politiques VLA actuelles restent bridées par le behavior cloning ou le SFT sur données figées, une approche qui plafonne dès que le robot rencontre une situation absente des démonstrations. En montrant qu'un post-entraînement RL structuré peut améliorer significativement une politique flow-based sans données de démonstration privées supplémentaires, Z-1 apporte un argument concret en faveur du RL comme étape standard après le SFT, plutôt qu'une simple option de recherche. Pour les équipes qui entraînent des VLA pour la manipulation robotique, cela suggère une voie pour corriger les échecs récurrents d'une politique sans repasser par une collecte de données coûteuse. Le travail s'inscrit dans la lignée des modèles génération π (π0, π0.5 de Physical Intelligence) et fait écho aux efforts similaires chez GR00T N2 (NVIDIA) ou Helix (Figure AI), qui cherchent tous à faire passer les VLA du stade de la démonstration à celui d'une robustesse exploitable en conditions réelles. GRPO, popularisé dans l'entraînement de modèles de langage, est ici adapté aux contraintes du contrôle continu. Les auteurs présentent Z-1 comme une preuve de concept méthodologique, sans annoncer de déploiement matériel ni de calendrier commercial.

IA physique❧Opinion

1 source

43

1535arXiv cs.RO 

Robot humanoïde à partir de vidéos humaines : apprentissage zéro-shot avec des corps alignés sur l'humain

Des chercheurs présentent Human-as-Humanoid, un système qui permet d'entraîner des robots humanoïdes directement à partir de vidéos humaines, sans passer par la téléopération classique. Le framework s'appuie sur PrimeU, un humanoïde à 60 degrés de liberté (DoF) pour le haut du corps conçu pour reproduire l'anatomie humaine. La méthode combine des vidéos synchronisées en vue égocentrique (depuis les yeux du démonstrateur) et exocentrique (vue extérieure) : la première fournit une observation alignée sur ce que "verra" le robot en déploiement, la seconde permet de reconstruire précisément le mouvement humain. Ce mouvement est ensuite converti, via une cinématique inverse (IK) en plusieurs étapes, en séquences d'actions directement exploitables par le contrôleur du robot, avant d'entraîner un modèle vision-langage-action (VLA) avec une supervision tenant compte de la cinématique directe (FK) pour préserver la géométrie du poignet et des doigts. Les auteurs rapportent un gain de débit de collecte de données de 4,8 à 7,2 fois supérieur à la téléopération humanoïde classique. L'enjeu dépasse le simple gain de vitesse : la vraie difficulté pour les VLA humanoïdes à haut DoF, c'est le manque chronique de données action-observation de qualité, la téléopération restant lente et coûteuse à grande échelle. En montrant que des politiques entraînées uniquement sur des vidéos humaines converties généralisent à un déploiement réel sans démonstration robotique dédiée à la tâche cible, cette étude appuie l'hypothèse que le goulot d'étranglement des données humanoïdes peut être contourné par les vidéos humaines abondantes sur le web, plutôt que résolu uniquement par plus de téléopération ou plus de simulation. Ce travail s'inscrit dans une lignée de recherches (Pi-0, GR00T N2, Helix) qui cherchent à exploiter des sources de données hétérogènes pour les VLA robotiques, l'originalité ici étant l'alignement explicite entre morphologie humaine et robot via PrimeU. Les auteurs valident leur chaîne de conversion à trois niveaux (récupération du mouvement, espace d'action du robot, déploiement réel), mais les résultats restent circonscrits à quelques tâches de manipulation testées en laboratoire, sans indication de volumes de déploiement industriel à ce stade.

Recherche⚡Actu

1 source

43

1536arXiv cs.RO 

Combinaison d'échantillonnage contraint et d'apprentissage par renforcement pour la manipulation robotique

Manipulation robotique non préhensile : des chercheurs de la TU Berlin combinent échantillonnage contraint et apprentissage par renforcement Une équipe de la TU Berlin, associée au laboratoire de Marc Toussaint, publie une nouvelle version de ses travaux sur l'entraînement de politiques de manipulation robotique en environnement riche en contacts (arXiv:2602.08557v2). Le problème visé est la manipulation dite non préhensile, c'est à dire pousser, faire glisser ou réorienter un objet sans le saisir, une tâche où l'apprentissage par renforcement (RL) peine souvent à explorer suffisamment l'espace des stratégies possibles. La méthode proposée combine deux idées existantes mais rarement associées : d'une part des stratégies de réinitialisation qui contrôlent la distribution des états de départ de chaque épisode d'entraînement, et d'autre part un échantillonnage basé modèle sur des variétés contraintes, une technique reconnue pour son efficacité à générer des états physiquement valides. Le nouvel échantillonneur tient explicitement compte de la structure des contacts pour couvrir un large éventail de modes de contact, le tout combiné à une interpolation projetée et à un apprentissage curriculaire progressif. Sur le plan des résultats, l'équipe affirme surpasser à la fois le RL classique sans échantillonnage contraint et les méthodes alternatives de réinitialisation, en entraînant des politiques universelles, non préhensiles et dynamiques. L'intérêt pour le secteur tient moins à un produit qu'à une brique méthodologique : la manipulation en contact riche, aujourd'hui l'un des points durs de la robotique appliquée (tri industriel, réorientation d'objets sur convoyeur, préhension d'objets déformables), reste largement dominée par des politiques apprises en simulation qui échouent à généraliser sur des configurations de contact non vues à l'entraînement. Une méthode qui améliore la couverture des modes de contact pendant l'apprentissage adresse directement ce problème de généralisation, sans dépendre d'un matériel ou d'un actionneur particulier. Il s'agit ici d'une contribution académique, pas d'une annonce produit ni d'un déploiement industriel, du matériel supplémentaire étant disponible sur le site du laboratoire. Le travail s'inscrit dans la continuité des recherches de Toussaint sur la planification géométrico logique et les approches hybrides modèle/apprentissage, un courant de recherche européen qui contraste avec les approches purement data-driven (type VLA) privilégiées par les laboratoires américains sur les plateformes humanoïdes commerciales.

Recherche❖Paper

1 source

43

1537arXiv cs.RO 

Robot humanoïde : transfert de mouvement corporel complet à grande échelle via un recalage cinéodynamique implicite

Des chercheurs présentent IKMR (Implicit Kinodynamic Motion Retargeting), un pipeline neuronal conçu pour transférer des mouvements humains complets vers des robots humanoïdes à très grande échelle. Le système repose sur un autoencodeur double à convolution de graphes basé sur le squelette, qui projette les configurations cinématiques humaines et robotiques, structurellement différentes, dans un espace latent topologique commun. Une phase de raffinement physique vient ensuite corriger les trajectoires grâce à un retour de suivi physique simulé, garantissant leur viabilité mécanique. Résultat clé : un débit de conversion de données dépassant 5000 images par seconde, un ordre de grandeur inatteignable avec les méthodes classiques d'optimisation numérique image par image. Les auteurs rapportent aussi des déploiements réels de contrôle corps entier sur robot humanoïde pour valider l'approche au-delà de la simulation. L'enjeu dépasse la prouesse technique. L'apprentissage par imitation humain-vers-humanoïde est vu comme une des voies les plus prometteuses pour contourner la pénurie de données d'entraînement en robotique, en exploitant les vastes corpus de mouvement humain déjà disponibles (vidéos, capture de mouvement, modèles génératifs). Mais ces données brutes sont bruitées, saccadées, sujettes au scintillement image par image, des défauts qui, une fois amplifiés par le retargeting classique, peuvent produire des mouvements physiquement dangereux pour le matériel. En traitant le nettoyage du bruit comme un sous-produit implicite de l'apprentissage plutôt qu'une étape séparée, et en déplaçant le coût de calcul vers l'inférence hors ligne, IKMR lève un goulot d'étranglement pratique pour quiconque veut synthétiser des jeux de données massifs de mouvements humanoïdes exploitables sans validation manuelle intensive. Ce travail, publié en version révisée sur arXiv, s'inscrit dans une dynamique de recherche plus large où plusieurs laboratoires cherchent à automatiser et industrialiser la conversion de données de mouvement humain en données d'entraînement robotique, un préalable identifié pour faire progresser les politiques de contrôle corps entier de type VLA (vision-language-action) utilisées par les plateformes humanoïdes actuelles. Les auteurs ne précisent pas de partenariat industriel ni de plateforme robotique commerciale associée à cette publication.

Recherche❖Paper

1 source

43

1538arXiv cs.RO 

RCT : un jeu de données tactiles vision-langage collecté par robot pour la généralisation du toucher

Des chercheurs du Faerber Lab publient RCT (Robotic Contact Tactile), un jeu de données touch-vision-language collecté par robot pour évaluer la généralisation tactile des systèmes robotiques. Le dataset comprend 29 279 frames tactiles issues de pressions complètes effectuées par un bras robotique sur 122 matériaux de référence industriels répartis en 7 catégories, enregistrées à l'aide de trois capteurs DIGIT positionnés à plusieurs points de contact. Particularité méthodologique : RCT conserve chaque pression comme une séquence de contact continue plutôt que comme des frames isolées, ce qui permet des évaluations "held-out" rigoureuses par matériau, catégorie, capteur, position de contact ou séquence entière. Les auteurs démontrent que les frames issues d'une même pression sont fortement corrélées entre elles : un découpage aléatoire des frames (frame-random split), pratique courante dans le domaine, place des observations quasi-identiques de la même interaction physique à la fois dans les jeux d'entraînement et de test. En supprimant ce chevauchement de séquences, le score de Recall@1 en correspondance tactile-texte chute de 17,7 points de pourcentage à encodeur fixe. Lorsque les matériaux sont également exclus à l'entraînement, la performance s'effondre davantage, avec un Recall@1 de seulement 25,1 % (± 6,1 %) en moyenne sur trois tirages de matériaux non vus. Le jeu de données est open source, disponible sur faerber-lab.github.io/RCT. Cette étude expose un biais méthodologique qui gonflait artificiellement les résultats publiés sur la perception tactile robotique. En analysant le split public TVL/HCT, référence largement utilisée dans le domaine, les auteurs montrent que chaque séquence de contact du jeu de test apparaît déjà dans l'entraînement : une simple recherche du plus proche voisin en pixels bruts, sans aucun apprentissage, retrouve la bonne séquence dans 98,3 % des cas. Autrement dit, les benchmarks existants mesurent en grande partie de la mémorisation plutôt que de la généralisation réelle. Pour les équipes qui développent des systèmes de manipulation tactile destinés à des environnements ouverts (tri de déchets, logistique, inspection de pièces), cela signifie que des modèles annoncés comme performants pourraient largement sous-performer face à des matériaux jamais rencontrés. L'étude montre aussi une piste corrective concrète : échantillonner uniformément les frames au sein d'une pression, plutôt que de façon aléatoire, améliore l'entraînement contrastif, et les embeddings entraînés sur RCT améliorent les probes de catégorisation sur des matériaux inédits. Le travail s'inscrit dans la lignée des jeux de données touch-vision-language existants comme TVL (Touch-Vision-Language) et HCT, dont RCT réutilise la structure de split pour illustrer le problème de fuite de données. Le choix des capteurs DIGIT, développés initialement par Meta AI et largement adoptés en recherche tactile académique, ancre RCT dans l'écosystème matériel dominant du secteur plutôt que dans des capteurs propriétaires. Aucun acteur français ou européen n'est mentionné dans cette publication, qui reste un travail de recherche fondamentale plutôt qu'une annonce produit. Les prochaines étapes attendues pour le domaine concernent l'adoption de protocoles d'évaluation "contact-sequence-aware" par les équipes travaillant sur la manipulation tactile, ainsi que l'extension de ce type de benchmark held-out-material à d'autres modalités sensorielles combinées, à mesure que les architectures VLA (vision-language-action) intègrent de plus en plus le retour tactile comme signal de contrôle.

Recherche❖Paper

1 source

42

1539arXiv cs.RO 

OopsieVerse : un référentiel de sécurité avec simulation sensible aux dommages pour la manipulation robotique

Des chercheurs de l'Université du Texas à Austin (UT Austin Robin Lab) ont publié OopsieVerse, un banc d'essai et framework de simulation destiné à mesurer les dommages causés par les robots manipulateurs domestiques. Le système, baptisé DamageSim, convertit les forces de contact, les variations de température et les interactions avec des liquides en dommages mécaniques, thermiques ou fluides quantifiables, de manière agnostique à la tâche effectuée. Les auteurs ont implémenté ce module dans deux simulateurs aux moteurs physiques distincts, OmniGibson (basé sur Nvidia Omniverse) et RoboCasa (basé sur MuJoCo), démontrant sa portabilité. OopsieVerse inclut également une suite de tâches domestiques conçues pour distinguer la réussite d'une tâche de son exécution sans dommage collatéral, un point que les benchmarks existants ignorent largement. Le code et la documentation sont disponibles sur robin-lab.cs.utexas.edu/oopsieverse. Ce travail comble une lacune méthodologique importante pour l'industrie robotique: jusqu'ici, l'évaluation des politiques de manipulation, y compris les modèles Vision-Language-Action (VLA) récents, se concentrait presque exclusivement sur le taux de réussite des tâches, sans mesurer si le robot endommage l'objet manipulé, son environnement ou lui-même au passage. Pour des intégrateurs et décideurs qui envisagent de déployer des robots domestiques ou de service, cette distinction est cruciale: un robot qui range la vaisselle neuf fois sur dix mais casse un verre à chaque essai n'est pas viable commercialement. En proposant un signal de dommage explicite et physiquement fondé, OopsieVerse permet d'entraîner des politiques via apprentissage par imitation ou par renforcement conditionnées au dommage, et d'évaluer objectivement des VLA de référence sur ce critère, révélant potentiellement un écart entre démonstrations soignées et sécurité réelle. Le projet s'inscrit dans une tendance de fond de la recherche en robotique manipulative: après des années centrées sur la réussite pure des tâches (empilement, saisie, tri), l'attention se déplace vers la sécurité physique comme condition préalable au déploiement en environnement non contrôlé, chez des particuliers notamment. Les auteurs positionnent explicitement leur outil comme une fondation open-source pour la recherche systématique sur la manipulation sûre, et montrent des cas d'usage allant de la collecte de démonstrations plus sûres au transfert sim-to-real avec amélioration mesurable de la sécurité réelle. Les prochaines étapes attendues concernent l'adoption de ce benchmark par la communauté pour comparer les politiques VLA existantes (Pi-0, GR00T, Helix notamment) sur cet axe encore peu exploré.

Recherche❖Paper

1 source

41

1540arXiv cs.RO 

Plan bien pensé, puis plan précis : RL symbolique pour un raisonnement incarné efficace

Un article de recherche publié sur arXiv (n°2606.31260) présente une nouvelle méthode d'apprentissage par renforcement symbolique pour la planification de tâches robotiques incarnées, c'est-à-dire la conversion d'instructions en langage naturel en séquences d'actions exécutables dans un environnement physique. Le système repose sur une spécification unique au format BDDL, générée automatiquement soit à partir de vidéos capturées en conditions réelles, soit à partir de tâches curées, qui sert simultanément à construire les données d'entraînement, vérifier la validité des plans et calculer la récompense du modèle. Trois composants la mettent en œuvre : un analyseur vidéo-vers-BDDL, un vérificateur basé sur un LLM, et un moteur symbolique léger capable de fournir un retour en quelques millisecondes. Les chercheurs introduisent également GroupAdapt, un mécanisme qui ajuste dynamiquement la tolérance de longueur des réponses selon le taux de réussite du groupe de prompts, resserrant la contrainte au fur et à mesure que le modèle progresse. Résultat : un modèle de 8 milliards de paramètres atteint un score Strict-Pass de 97,3 sur le benchmark BEHAVIOR-1000, soit une amélioration relative de 25,9% par rapport à la base Qwen3-8B, et dépasse de 3,5% le meilleur modèle de grande taille testé, tout en réduisant de 79% la longueur des réponses générées (207 tokens en moyenne). L'apport principal tient à la vérification déterministe et peu coûteuse des plans, un maillon manquant chez les approches actuelles qui s'appuient soit sur du prompting produisant du texte fluide mais non vérifié, soit sur une simulation haute-fidélité trop lente pour servir de signal d'entraînement en boucle interne. Pour l'industrie de la robotique de service et d'assistance, ce travail illustre qu'un modèle relativement petit, correctement supervisé et vérifié, peut surpasser des modèles plus volumineux tout en étant nettement plus économe en tokens, donc en latence et en coût d'inférence, un critère décisif pour du déploiement embarqué. Le choix de BEHAVIOR-1000 comme banc d'essai ancre cette étude dans la lignée des benchmarks de planification domestique à grande échelle, et l'usage de Qwen3-8B comme référence de base confirme que les progrès s'appuient sur des modèles ouverts plutôt que propriétaires. L'article ne précise pas d'affiliation industrielle ni de calendrier de déploiement : il s'agit à ce stade d'une contribution méthodologique en phase de recherche, dont la prochaine étape logique serait une validation sur robots physiques plutôt qu'en simulation pure.

Recherche❖Paper

1 source

40

1541arXiv cs.RO 

Robustesse de la manipulation robotique : fondations et perspectives

Résumé pour l'article "Robustness of Robotic Manipulation: Foundations and Frontiers" : Une équipe de chercheurs publie sur arXiv une étude systématique consacrée à la robustesse de la manipulation robotique, un chantier resté jusqu'ici fragmenté entre sous-domaines qui n'utilisaient pas les mêmes définitions. Les auteurs proposent d'abord une définition formelle : la robustesse mesure la capacité d'un système de manipulation à atteindre son objectif malgré l'incertitude et la variation des conditions. Ils en dérivent ensuite deux formulations générales, l'une probabiliste, l'autre issue de la théorie du contrôle, avant de cartographier les mécanismes concrets qui produisent de la robustesse à chaque étage de la pile robotique : perception, planification, contrôle, apprentissage de politiques (policy learning) et conception matérielle. Chaque mécanisme est illustré par des travaux de référence, des fondations historiques aux publications récentes. Le papier revient aussi sur les métriques et protocoles d'évaluation existants, souvent hétérogènes, et se conclut par une liste de problèmes ouverts vers une robustesse comparable à celle des humains. L'enjeu dépasse l'exercice académique. Depuis deux ans, une génération de modèles VLA (vision-language-action) comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia, Helix de Figure ou Optimus de Tesla revendique des capacités de manipulation généralistes, mais les annonces s'appuient sur des démonstrations et des métriques propres à chaque acteur, difficiles à comparer entre elles. Pour les intégrateurs et décideurs B2B qui doivent choisir une solution pour de la logistique ou de l'assemblage, disposer d'un cadre commun pour distinguer un modèle réellement robuste d'une démonstration soigneusement sélectionnée devient central, surtout face à l'écart bien documenté entre performance en vidéo et performance en déploiement réel. Cette synthèse s'inscrit dans une lignée qui remonte au contrôle robuste classique des années 1980-1990, avant que l'apprentissage par renforcement puis les politiques end-to-end n'ouvrent de nouvelles pistes dans les années 2010-2020, jusqu'au boom actuel des modèles fondation pour la robotique portés par des laboratoires comme Physical Intelligence, Nvidia, Google DeepMind ou Figure. En posant un vocabulaire et des critères communs, les auteurs cherchent moins à trancher un débat qu'à donner aux chercheurs et industriels un langage partagé pour comparer leurs approches, une étape jugée nécessaire avant toute standardisation sectorielle des tests de robustesse.

Recherche❖Paper

1 source

40

1542arXiv cs.RO 

Robot humanoïde à patins en ligne piloté par apprentissage par renforcement

Des chercheurs ont entraîné un policy de contrôle par apprentissage par renforcement (RL) pour piloter un robot humanoïde équipé de patins à roues alignées (rollers) grand public à la place des pieds classiques. Le système commande les patins avec 6 degrés de liberté (DoF) et exécute des stratégies de propulsion dynamiques basées sur les carres, comme le font les patineurs humains. Contrairement aux travaux antérieurs limités aux robots quadrupèdes ou aux roues motorisées activement, cette approche fonctionne avec des roues passives, sans moteur dans les roues elles-mêmes. Les comportements de patinage émergent uniquement de la structure de récompense, sans données de mouvement humain, sans apprentissage par imitation ni a priori cinématiques. Pour gérer l'instabilité des roues passives et les artefacts de contact en simulation, les auteurs ont utilisé des modèles géométriques de roues différents à l'entraînement et à la validation (sphériques et ellipsoïdaux), un curriculum de commandes basé sur le taux de succès, et une récompense spécifique au roulement. Résultat: une réduction allant jusqu'à 50% du coût de transport (Cost of Transport) par rapport à une démarche marchée classique. Le policy a été transféré zéro-shot sur le robot Booster T1 réel, avec équilibre dynamique démontré, capacité à encaisser des perturbations physiques actives, et virages agiles à vitesse. L'intérêt dépasse l'anecdote technique: c'est une nouvelle preuve que le RL pur, sans données de démonstration humaine, peut produire des comportements locomoteurs complexes et efficaces énergétiquement, transférables directement du simulateur au réel sans réentraînement. Pour les équipes qui travaillent sur la locomotion humanoïde, cela ouvre une piste alternative aux pieds ou aux roues motorisées: des accessoires passifs à faible coût combinés à un contrôleur suffisamment sophistiqué pour compenser la sous-actionnement mécanique. Le travail s'inscrit dans la lignée des recherches sur la locomotion RL pour robots à pattes, qui a déjà permis des transferts sim-to-real robustes pour la marche et la course. Ici l'équipe étend le paradigme à un mode de locomotion inhabituel et instable par nature. Le choix du Booster T1, plateforme humanoïde chinoise à bas coût plus accessible que les Unitree G1 ou Figure 03, suggère aussi une recherche pensée pour la reproductibilité académique plutôt que pour la démonstration commerciale.

Recherche❖Paper

1 source

40

1543arXiv cs.RO 

Vers une manipulation robotique généralisable dans des environnements dynamiques

Les chercheurs du consortium H-EmbodVis publient DOMINO, un jeu de données et un benchmark dédiés à la manipulation robotique dans des environnements dynamiques, où les objets à saisir bougent plutôt que de rester immobiles. L'ensemble couvre 35 tâches organisées par niveaux de complexité, plus de 110 000 trajectoires expertes et une suite d'évaluation multidimensionnelle. Parallèlement, l'équipe présente PUMA, une architecture Vision-Language-Action (VLA) conçue spécifiquement pour la dynamique de scène : elle combine un flux optique historique centré sur la scène avec des requêtes spécialisées ("world queries") qui anticipent implicitement l'état futur des objets. Résultat mesuré : un gain absolu de 6,3 points de taux de réussite par rapport aux modèles de référence, avec du code et des données disponibles sur GitHub (H-EmbodVis/DOMINO). L'enjeu dépasse la simple performance sur un benchmark académique. La plupart des modèles VLA actuels, du type de ceux qui alimentent les bras robotiques et les humanoïdes commercialisés, sont entraînés et évalués sur des scènes statiques, alors que les usages industriels réels impliquent souvent des objets en mouvement : pièces sur convoyeur, échanges main à main, tri en environnement encombré. Le papier documente que cette dépendance à l'observation mono-image limite le raisonnement spatio-temporel des modèles, ce qui explique un écart de performance encore mal quantifié entre démonstrations en laboratoire et déploiement réel. Les auteurs montrent aussi que l'entraînement sur données dynamiques améliore les représentations spatio-temporelles au point de bénéficier aux tâches statiques, un signal utile pour les équipes qui arbitrent leurs budgets de collecte de données. Ce travail s'inscrit dans la vague de modèles fondation pour la robotique (dans la lignée de familles comme Pi-0 ou GR00T) qui cherchent à généraliser au-delà des démonstrations scriptées. En publiant dataset, benchmark et code en open source, l'équipe positionne DOMINO comme une référence commune pour comparer les futurs VLA sur la dimension dynamique, un axe jusqu'ici sous-évalué par les benchmarks existants. Aucune date de déploiement industriel n'est annoncée, il s'agit pour l'instant d'une contribution de recherche destinée à orienter les prochains cycles d'entraînement des modèles de manipulation.

IA physique⚡Actu

1 source

40

1544arXiv cs.RO 

Robots évitant les collisions en temps réel dans des environnements dynamiques

Des chercheurs publient une méthode qui convertit n'importe quel chemin géométrique, c'est-à-dire une simple séquence d'états produite par un planificateur de mouvement quelconque (échantillonné comme RRT ou PRM, ou basé sur la recherche comme ARA*), en une trajectoire réellement exécutable par un robot : cinématiquement faisable et à jerk limité. L'algorithme génère une suite de splines quintiques ou quartiques, discrétisées à une fréquence de contrôle choisie par l'utilisateur, puis diffusées directement vers le contrôleur bas niveau. Il peut être réinvoqué à tout instant pour recalculer une nouvelle trajectoire depuis l'état courant du robot vers une cible ou une séquence de cibles, avec adaptation en temps réel aux changements de l'environnement. Sous l'hypothèse que la vitesse des obstacles reste bornée, la méthode offre des garanties conditionnelles d'arrêt sécurisé sur un intervalle de temps fini, tout en tolérant une déviation géométrique limitée par rapport au chemin d'origine. Les contraintes cinématiques, jerk compris, sont traitées explicitement. En simulation comparative face à une méthode concurrente, les auteurs rapportent un meilleur lissage, un temps de calcul plus faible et de meilleures performances temps réel, en particulier lors de changements fréquents de cible, jusqu'à 1 kHz. Des expériences sur robot réel valident l'approche, y compris dans des scénarios où un humain fait office d'obstacle. Pour les intégrateurs, ce travail cible un problème très concret : la plupart des planificateurs de mouvement produisent des chemins géométriques, pas des trajectoires exécutables respectant les limites physiques du robot en vitesse, accélération et jerk. Combler ce fossé en temps réel, avec des garanties de sécurité formelles même quand des obstacles se déplacent, fait défaut à de nombreuses piles de navigation actuelles destinées aux environnements partagés avec des humains, entrepôts, usines ou bras collaboratifs. La capacité à replanifier jusqu'à 1 kHz sans dégrader la fluidité du mouvement représente un vrai gain pour les systèmes confrontés à des changements rapides de l'environnement, sans imposer le compromis habituel entre réactivité et stabilité. Le domaine de la planification de mouvement reste tiraillé entre planificateurs globaux, qui trouvent un chemin, et méthodes locales, chargées de le rendre exécutable en douceur : les chemins issus d'échantillonnage sont typiquement irréguliers et nécessitent un post-traitement. Les approches existantes de lissage gèrent souvent mal les obstacles dynamiques ou la replanification à haute fréquence, ce qui constitue la référence à laquelle ce travail se compare. La méthode s'appuie sur la génération de trajectoires par splines, technique classique en robotique pour le mouvement à jerk limité, en y ajoutant une gestion explicite des obstacles dynamiques et des garanties formelles d'arrêt sécurisé. Publiée en version révisée sur arXiv, elle ouvre la voie à des validations plus larges sur d'autres plateformes robotiques.

Recherche❖Paper

1 source

40

1545arXiv cs.RO 

MIRTH : raisonnement par information mutuelle avec pôles temporels pour agents vision-langage-action

Une équipe de recherche présente MIRTH (Mutual-Information Reasoning with Temporal Hubs), un framework qui vient se greffer sur un modèle VLA (vision-language-action) préentraîné pour améliorer le contrôle robotique. Le système ajoute trois briques techniques : des "hubs" de mémoire temporelle à double échelle qui compressent l'historique long terme de la scène et les tendances de mouvement court terme en embeddings compacts, des tokens de raisonnement latent optimisés via un objectif d'information mutuelle pour aligner le contexte multimodal avec les trajectoires d'action, et un schéma de décodage d'action parallèle qui remplace la génération autorégressive classique par une prédiction vectorielle simultanée pour accélérer le débit de contrôle. Les auteurs annoncent des résultats state-of-the-art sur le benchmark de simulation LIBERO ainsi que sur une plateforme réelle LeRobot, avec des capacités émergentes de récupération d'erreur. Code et jeux de données sont publiés sur GitHub (kiva12138/mirth). L'enjeu ciblé est bien identifié dans la littérature robotique actuelle : les architectures VLA à trame unique souffrent d'une myopie temporelle qui ignore la dynamique passée de la scène, d'un fossé de raisonnement entre instructions de haut niveau et commandes moteur de bas niveau, et d'une latence d'inférence due au décodage scalaire autorégressif. Ces limites freinent le déploiement de modèles VLA génériques face aux systèmes spécialisés dans l'industrie. À noter toutefois : la validation "monde réel" repose sur LeRobot, une plateforme robotique low-cost destinée à la recherche, loin des contraintes d'un bras industriel ou d'un humanoïde en usine ; les gains restent donc à confirmer à plus grande échelle avant toute traduction en déploiement B2B. MIRTH s'inscrit dans la lignée des travaux type RT-2, Pi-0 ou GR00T N2, qui cherchent à transférer les connaissances sémantiques du web vers le contrôle physique. La contribution ici est ciblée sur la mémoire temporelle et l'efficacité du décodage plutôt que sur l'échelle des données d'entraînement, une direction complémentaire aux approches des grands laboratoires. La publication du code sur GitHub ouvre la voie à des réplications indépendantes, étape nécessaire pour évaluer la robustesse réelle de ces gains annoncés.

Recherche❧Opinion

1 source

39

1546arXiv cs.RO 

Compositional : apprentissage de la manipulation fonctionnelle dextérique sans démonstrations

CoDex est un nouveau framework de manipulation dextre présente par un article arXiv (2606.31909v1) issu du Robin Lab de l'université du Texas a Austin. Il s'attaque a la manipulation fonctionnelle compositionnelle d'objets, c'est a dire des taches ou il faut a la fois orienter un objet vers une cible et actionner son mécanisme interne, comme viser une plante avec un pulvérisateur ou appliquer de la colle chaude sur du bois. Le système a été teste sur un bras robotique a 7 degrés de liberté équipe d'une main multi-doigts a 16 degrés de liberté, sur six taches impliquant des objets jamais vus a l'entrainement: pulvérisateurs, pistolets a colle, soufflettes a air, lampes de poche et moulins a poivre. Sans aucune démonstration humaine, CoDex utilise des modèles vision-langage pour déduire les contraintes sémantiques de la tache et de la scene, génère ensuite une courte liste de prises fonctionnelles candidates par optimisation analytique sous contrainte, puis affine ces prises via apprentissage par renforcement pour produire des politiques complètes de saisie, déplacement et actionnement, transférables de la simulation au monde réel. L'intérêt principal tient a l'approche zero-démonstration. La plupart des systèmes de manipulation dextre récents, des modèles VLA comme Pi-0, GR00T N2 ou Helix, dépendent d'immenses jeux de démonstrations téléopérées, un goulot d'étranglement couteux quand il faut couvrir la longue traine d'outils du quotidien. En montrant qu'un pipeline combinant VLM et RL peut généraliser a des objets et mécanismes inédits sans collecte de données humaines, CoDex propose une alternative crédible pour les intégrateurs confrontes a des catalogues d'objets trop vastes pour être démontrés un par un. Le travail s'inscrit dans la lignée des recherches sur le grasping fonctionnel et la manipulation dextre, en rupture avec le paradigme dominant de l'imitation learning massive. Il reste a ce stade une démonstration académique limitée a six taches et un seul bras robotique, sans annonce de déploiement industriel; les prochaines étapes attendues concernent l'extension a un plus grand nombre de catégories d'objets et de mécanismes d'actionnement plus complexes.

Recherche❖Paper

1 source

39

1547arXiv cs.RO 

Communication d'exécution robotique consciente du réseau pour l'inférence cloud sous connectivité spatialement hétérogène

Les chercheurs proposent un nouveau cadre pour l'exécution robotique s'appuyant sur des modèles fondamentaux hébergés dans le cloud, dans des environnements où la connectivité sans fil varie fortement selon la position du robot. Le problème posé est concret : un robot exécute une primitive de mouvement générée à distance, et doit recevoir la suivante avant d'épuiser la marge de manœuvre de la primitive en cours. Or la qualité de connexion nécessaire pour envoyer une requête et récupérer la réponse dépend de l'endroit où se trouve le robot, pas seulement du temps de latence du réseau. Les auteurs introduisent la notion de "fenêtre requête-réponse", qui intègre le temps de transmission montante, l'inférence cloud, la récupération descendante et l'incertitude d'inférence. Sur cette base, et à partir d'une carte de communication de l'environnement, le système choisit dynamiquement un point d'envoi de requête pendant l'exécution de la primitive en cours, puis guide le robot vers ce point via un planificateur local avant de reprendre sa tâche. Les tests, menés dans un scénario intérieur construit à partir de mesures radio réelles, montrent que la méthode obtient le meilleur taux de réussite de tâche (ou ex æquo) parmi les approches comparées, avec moins de tentatives de requête et un taux d'échec de requête plus faible. L'enjeu dépasse la démonstration académique : il touche directement à la viabilité des architectures robotiques qui délèguent le raisonnement sémantique lourd à des modèles cloud plutôt que de tout embarquer, une tendance de fond dans la robotique VLA (vision-language-action) actuelle. Jusqu'ici, la plupart des optimisations de latence réseau traitaient la transmission comme un problème purement temporel, en ignorant que la position physique du robot détermine si une requête peut même aboutir. En traitant le point de requête comme une décision de mouvement à part entière, intégrée au planificateur local, les auteurs déplacent le problème de la couche réseau vers la couche de contrôle du robot. Pour les intégrateurs qui envisagent des flottes robotiques dépendantes du cloud dans des entrepôts, usines ou espaces publics où la connectivité Wi-Fi ou 5G est hétérogène, cela offre une piste concrète pour réduire les échecs de tâche liés aux zones mortes, sans nécessiter une couverture réseau uniforme coûteuse. Ce travail s'inscrit dans la lignée des recherches sur le déchargement de calcul (offloading) pour la robotique cloud, un axe qui a pris de l'ampleur avec la multiplication des modèles fondamentaux trop volumineux pour tourner entièrement en embarqué, à l'image des architectures VLA de type GR00T ou Helix évoquées dans l'industrie humanoïde. Contrairement aux approches qui se concentrent uniquement sur la compression de modèle ou la réduction de latence par transmission optimisée, cette étude aborde le problème sous l'angle de la planification spatiale de la communication elle-même. L'article, déposé sur arXiv (2606.31497v1), ne précise pas de partenariat industriel ni de déploiement réel au-delà du banc de test indoor basé sur des mesures de terrain ; il s'agit à ce stade d'une contribution méthodologique, dont la prochaine étape logique serait une validation sur des plateformes robotiques réelles opérant dans des environnements de connectivité variable, comme des entrepôts logistiques ou des sites industriels multi-étages.

Recherche❖Paper

1 source

39

1548arXiv cs.RO 

TactX : apprentissage de représentations tactiles partagées entre capteurs variés

Des chercheurs ont présenté TactX, un système d'apprentissage capable d'unifier les représentations tactiles issues de capteurs technologiquement incompatibles entre eux. Trois modalités de transduction radicalement différentes sont couvertes : résistive, magnétique et par vision. Concrètement, TactX projette les signaux bruts de chaque type de capteur dans un espace latent partagé grâce à des encodeurs spécifiques à chaque modalité, entraînés sur des données de contact appariées, c'est-à-dire des interactions physiques identiques capturées simultanément par plusieurs capteurs différents. Ce signal d'alignement naturel permet un entraînement conjoint qui rend l'espace latent cohérent quel que soit le matériel d'origine. Les auteurs valident l'approche sur quatre tâches de manipulation à contact riche : le pick-and-place, l'insertion de connecteurs (plug insertion), l'essuyage de surface et la réorientation d'objets. Résultat chiffré central de l'étude : une politique entraînée avec un seul type de capteur transfère en zero-shot vers des capteurs physiquement distincts via l'espace latent commun, faisant passer le taux de réussite moyen de 27,5% pour une politique vision seule à 45,9% avec TactX. L'enjeu dépassé ici est celui du couplage matériel, un frein connu à l'industrialisation de la manipulation robotique fine. Aujourd'hui, changer de capteur tactile sur une ligne de production ou un bras robotisé impose généralement de ré-entraîner intégralement la politique de contrôle, ce qui verrouille les intégrateurs sur un fournisseur unique et complique la maintenance ou l'évolution du parc matériel. Une représentation tactile transférable ouvre la voie à des politiques de manipulation réutilisables indépendamment du capteur physique installé, un argument direct pour les intégrateurs industriels qui doivent gérer des flottes hétérogènes ou remplacer des composants obsolètes sans tout refaire. Le gain observé (27,5% à 45,9%) reste toutefois modeste en valeur absolue: la démonstration prouve la faisabilité du transfert zero-shot plus qu'elle ne livre une solution mature et déployable en l'état. Ce travail s'inscrit dans une tendance de fond de la recherche en robotique tactile, où la fragmentation des technologies de capteurs (résistifs, capacitifs, magnétiques, ou à base de caméras comme GelSight) a longtemps freiné la mutualisation des données et des modèles, contrairement à la vision où des architectures génériques type ViT dominent largement. Le papier, publié en preprint sur arXiv, ne mentionne pas d'acteur industriel ni de partenariat de déploiement: il s'agit à ce stade d'une contribution académique testée en environnement contrôlé, sans indication de calendrier vers une intégration commerciale. Les prochaines étapes attendues pour ce type de recherche incluraient l'extension à davantage de familles de capteurs, des tests sur des tâches de manipulation plus complexes, et potentiellement une validation par des fabricants de capteurs tactiles ou des intégrateurs cherchant à réduire leur dépendance à un hardware spécifique.

Recherche❖Paper

1 source

39

1549arXiv cs.RO 

TAPE : trajectoires conscientes du câble pour l'exploration autonome de cavités 3D inconnues, drone anti-enchevêtrement

Des chercheurs présentent TAPE (Tether-Aware Path Planning), la première méthode de planification de trajectoire pour l'exploration autonome de cavités inconnues en trois dimensions par un drone relié à un câble tolérant à l'enchevêtrement. Publiée sur arXiv le 30 juin 2026 (arXiv:2606.30817v1), l'approche repose sur une architecture hiérarchique à deux niveaux. Le niveau global, basé sur une détection de frontières, résout un problème du voyageur de commerce (TSP) pour minimiser la distance totale parcourue. Le niveau local ajuste en temps réel le compromis entre longueur de trajet et longueur de câble déroulée, via une fonction de décision dont les paramètres pondèrent les deux objectifs. Validée en simulation détaillée et lors de tests sur le terrain, la méthode génère en moyenne 4,1% de distance supplémentaire par rapport à une solution TSP pure sans planification locale, mais parvient à maintenir la longueur de câble sous le seuil maximal autorisé dans 100% des cas testés, contre seulement 53% sans ce module. L'enjeu dépasse la simple optimisation d'itinéraire. Les drones filaires sont privilégiés pour explorer des environnements confinés, souterrains ou dépourvus de GPS, comme les cavités naturelles, les galeries minières ou les infrastructures endommagées, car le câble assure une alimentation et une liaison de données continues sans dépendre d'un réseau sans fil. Mais ce même câble expose le robot au risque de blocage ou d'accrochage, un problème rarement traité par les planificateurs d'exploration classiques, focalisés sur la seule efficacité du trajet. En démontrant qu'un léger surcoût en distance parcourue permet quasiment d'éliminer les échecs liés au câble, TAPE apporte une preuve concrète que l'optimisation conjointe distance/contrainte physique est possible sans complexité de calcul prohibitive, une brique utile pour des missions de secours, d'inspection minière ou de cartographie de grottes. Cette approche s'inscrit dans la lignée des travaux sur l'exploration robotique autonome de milieux souterrains, popularisés notamment par le DARPA Subterranean Challenge, où la planification par frontières combinée au TSP est devenue une référence pour les robots non filaires. TAPE étend ce cadre aux systèmes tethered, jusqu'ici traités séparément dans la littérature sur la gestion d'enchevêtrement. Les auteurs annoncent vouloir poursuivre les essais terrain et explorer une extension à des scénarios multi-robots.

Recherche❖Paper

1 source

39

1550arXiv cs.RO 

IA physique appliquée à la reconstruction 3D sous occlusion manuelle grâce à la proprioception et au toucher multi-contact

Des chercheurs publient une méthode de reconstruction 3D d'objets saisis à la main, conçue pour reconstruire la forme complète d'un objet même lorsque la main du robot le masque en grande partie (arXiv:2604.09100v2, version révisée). Contrairement aux approches précédentes qui s'appuient uniquement sur la vision pour deviner les parties cachées, le système combine trois sources d'information : la caméra RGB pour les zones visibles, la proprioception du bras robotique pour connaître la géométrie exacte de la main posée sur l'objet, et le toucher multi-contact pour contraindre où se situe physiquement la surface de l'objet dans les zones occultées. L'objet est représenté comme un champ de distance signée (SDF) aligné caméra, encodé dans un espace latent compact via un Structure-VAE, sur lequel est entraîné un modèle de diffusion par flow-matching. L'entraînement se fait en deux temps : préapprentissage sur des images sans occlusion, puis affinage sur des scènes de manipulation avec occlusion, en intégrant des contraintes physiques qui réduisent l'interpénétration main-objet et alignent la reconstruction sur les points de contact tactile mesurés. En simulation, l'ajout de la proprioception et du toucher améliore nettement la complétion de forme sous occlusion par rapport aux méthodes vision seule, avec une échelle métrique correcte. Les auteurs valident aussi un transfert sur un robot humanoïde réel, avec un effecteur différent de celui utilisé à l'entraînement. Pour l'industrie robotique, ce travail s'attaque à un angle mort classique de la perception manipulative : dès qu'une main saisit un objet, la caméra en perd une bonne partie de la vue, ce qui pénalise le placement de préhension, la planification de trajectoire ou la ré-estimation de pose en cours de tâche. Ajouter proprioception et toucher comme signaux de contrainte physique, plutôt que de tout faire reposer sur la vision, est une piste concrète pour fiabiliser les piles de perception des robots à mains dextres ou multi-doigts, notamment en contexte industriel où les objets manipulés sont souvent partiellement occultés par la préhension elle-même. Il faut toutefois noter que les gains rapportés restent majoritairement démontrés en simulation, la validation sur robot réel se limitant à un test de transfert et non à un déploiement en conditions de production. Le papier s'inscrit dans la lignée des méthodes de reconstruction amodale 3D, historiquement limitées à des signaux purement visuels et donc fragiles sous occlusion sévère. En ancrant la reconstruction dans la physique du contact plutôt que dans la seule vraisemblance visuelle, l'approche se positionne comme un module de perception réutilisable en amont d'un pipeline de reconstruction en deux étages, où une étape ultérieure affine la géométrie et prédit l'apparence. Les prochaines étapes attendues concernent l'élargissement à davantage d'effecteurs et de morphologies de main, ainsi que des essais plus poussés en conditions réelles au-delà du test de transfert présenté.

Recherche❖Paper

1 source