Actualités robotique — page 5

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

41

201arXiv cs.RO 

Robot-Nav Épineux : SpikingNav améliore la robustesse de la navigation incarnée via des politiques neuronales à impulsions

Des chercheurs présentent SpikingNav, un système de navigation robotique fondé sur des réseaux de neurones à impulsions (spiking neural networks), dans une preprint arXiv non relue par les pairs (arXiv:2608.05078v1). L'architecture combine un encodeur de perception à impulsions (Spiking Sensing Encoder) et un réseau de politique à impulsions (Spiking Policy Network), qui maintient un état récurrent via intégration de membrane, seuillage et réinitialisation déclenchée par spike. Testé sur les benchmarks PointNav et ObjectNav, en conditions propres et avec corruptions visuelles, SpikingNav fait passer le taux de réussite ObjectNav de 31,05% à 34,12% face à un modèle ANN équivalent, et fait presque doubler le taux de réussite moyen sous corruptions visuelles, de 8,45% à 13,71%, avec moins de paramètres et moins de calcul par étape. Le module de perception a aussi été validé sur la puce neuromorphique Thruster-V2. Cette publication cible un angle mort connu des politiques de navigation en ANN classiques : leur fragilité face aux corruptions visuelles (flou, bruit, variations de luminosité), critique dès qu'un robot quitte le simulateur pour un environnement réel. L'écart de robustesse mesuré ici, avec un taux de réussite sous corruption presque double de la référence, suggère que la dynamique temporelle et le calcul événementiel des SNN, jusque-là surtout démontrés en classification ou vision statique, améliorent aussi des politiques de décision séquentielle comme la navigation. Pour les intégrateurs de robotique mobile et les concepteurs de systèmes embarqués à ressources limitées (drones, AMR, robots domestiques), c'est une piste concrète pour réduire le calcul embarqué sans sacrifier la robustesse. La preuve de déploiement reste toutefois partielle : seul le module de perception a été instancié sur puce neuromorphique, pas la boucle de politique complète. Les réseaux à impulsions restent un champ de recherche actif mais marginal face aux architectures ANN (transformers, CNN/RNN) qui équipent l'essentiel des agents de navigation publiés, notamment sur les benchmarks Habitat utilisés pour PointNav et ObjectNav. Le recours à une puce neuromorphique dégradée situe ce travail dans la lignée d'efforts comme Loihi d'Intel, avec l'ambition de rapprocher calcul événementiel et robotique embarquée à faible consommation. L'abstract ne précise ni l'affiliation des auteurs ni de calendrier de suite, et s'agissant d'une preprint fraîchement déposée, les chiffres annoncés n'ont pas encore été relus par des pairs ni comparés à des baselines multiples indépendantes : un résultat préliminaire prometteur, pas encore une démonstration définitive de la supériorité des SNN pour la navigation robotique.

Recherche❖Paper

1 source

40

202arXiv cs.RO 

DreamWAM : au-delà de la prédiction RGB pour les modèles d'action du monde

Des chercheurs du laboratoire HUST-VL publient DreamWAM, un modèle monde-action (World Action Model) pour l'apprentissage de politiques robotiques, détaillé dans un article arXiv (2608.04996v1) avec code et modèles publiés sur GitHub. Contrairement à la plupart des WAM, qui prédisent le futur de la scène uniquement en RGB et mélangent ainsi les changements pertinents pour la tâche avec du bruit de texture, d'éclairage ou de point de vue, DreamWAM représente l'état futur sous plusieurs formes complémentaires (apparence, mouvement, géométrie, sémantique). Le modèle combine un débruitage latent conjoint RGB et mouvement avec des branches résiduelles légères pour la géométrie et la sémantique, entraînées via une attention partagée entre les modules VideoDiT et ActionDiT ; ces branches supplémentaires sont désactivées à l'inférence, qui reste purement RGB. Sur le benchmark LIBERO, le taux de réussite passe de 97,30% à 98,40% en inférence sans rollout et de 98,00% à 98,90% en inférence conjointe vidéo-action. Sous les perturbations inédites de LIBERO-Plus, les gains grimpent nettement, de 51,36% à 63,44% et de 69,16% à 75,47%. En manipulation robotique réelle, avec des changements non vus d'éclairage, de fond et de disposition des objets, DreamWAM atteint 74,4% de réussite moyenne, contre 55,6% pour la référence Fast-WAM-Joint. Ce travail pointe un problème bien connu des modèles vision-langage-action: des gains mesurés sur bancs d'essai standards qui s'effondrent dès que l'environnement change légèrement, cet écart entre démonstration et réalité freinant le déploiement industriel des bras manipulateurs et robots humanoïdes. En montrant que des gains modestes en conditions contrôlées, de l'ordre d'un point de pourcentage, se transforment en écarts de dix à vingt points sous perturbation, DreamWAM suggère que la robustesse d'une politique ne dépend pas seulement de la qualité de la prédiction du futur, mais de la forme sous laquelle ce futur est représenté pendant l'entraînement. Pour les équipes de R&D robotique, l'intérêt pratique est que cette supervision multi-vues n'ajoute aucun coût au déploiement puisque les branches concernées sont coupées à l'inférence: la robustesse s'acquiert à l'entraînement, sans alourdir le système embarqué. Ce travail s'inscrit dans une recherche qui cherche à dépasser l'imitation pure en dotant les politiques robotiques d'un modèle du monde capable d'anticiper les conséquences d'une action avant son exécution. DreamWAM se positionne explicitement face à Fast-WAM-Joint, utilisé comme référence RGB pure dans les comparaisons de l'article. Contrairement à une annonce produit ou une démonstration de plateforme humanoïde, il s'agit d'une publication académique évaluée en simulation (LIBERO, LIBERO-Plus) et sur un nombre limité de tâches de manipulation réelle, sans déploiement industriel ni calendrier commercial annoncé. Code et modèles étant publiés en accès libre, la suite logique sera de voir si d'autres équipes reproduisent ces gains de robustesse sur des politiques VLA plus larges ou des tâches de manipulation plus complexes que celles testées ici.

Recherche❧Opinion

1 source

39

203arXiv cs.RO 

Mimir : un système de mémoire neuro-symbolique à ancrage dynamique pour agents incarnés en environnements interactifs

Des chercheurs publient sur arXiv (4 août 2026) Mimir, un système de mémoire neuro-symbolique pour agents incarnés évoluant sous observabilité partielle. L'architecture sépare une mémoire du monde (emplacements et états des objets, preuves perceptuelles) d'une mémoire de tâche (agenda d'objectifs, progression, état de la main de l'agent, échecs, contraintes), qu'un module d'ancrage relie dynamiquement avant chaque planification. Testé sur plusieurs backbones via les benchmarks EB-ALFRED et EB-Habitat, Mimir obtient des gains allant jusqu'à 42,5% (moyenne de 23,0%) et améliore de 8,5% le taux de réussite moyen face aux meilleurs systèmes antérieurs évalués sur le même backbone. Sur le sous-ensemble de tâches longues d'EB-Habitat, il atteint 86,0% de réussite, devant les modèles propriétaires actuels. Le problème ciblé est connu : un historique plat ou un état de politique implicite ne dit pas explicitement quels faits du monde soutiennent l'objectif en cours, ce qui fragilise la planification sur des tâches longues. En séparant "ce que l'agent sait du monde" de "où il en est dans sa tâche", et en ancrant l'un dans l'autre à chaque étape, Mimir cible la dérive entre perception et progression qui limite les agents domestiques ou robotiques sur des séquences multi-étapes. Dépasser des modèles fermés sur le sous-ensemble long-horizon d'EB-Habitat, benchmark utilisé comme proxy vers la robotique physique, suggère qu'une mémoire explicite et modulaire peut surpasser des politiques bout-en-bout plus opaques. EB-ALFRED et EB-Habitat dérivent respectivement d'ALFRED (tâches ménagères instruites en langage naturel) et d'Habitat, le simulateur d'intérieurs de Meta AI, tous deux utilisés pour évaluer des agents en observabilité partielle. Mimir s'inscrit dans une lignée récente de travaux sur la mémoire augmentée pour agents LLM, où plusieurs équipes académiques et industrielles combinent raisonnement symbolique et perception neuronale pour étendre l'horizon de planification. Les auteurs comparent leurs résultats aux "meilleurs systèmes d'agents et de mémoire antérieurs" sans les nommer précisément, ce qui limite l'évaluation de l'avance réellement revendiquée. Le code, annoncé "prochainement", n'est pas encore disponible, et aucun test sur robot physique n'est mentionné : tous les résultats proviennent de simulation.

Recherche❖Paper

1 source

38

204arXiv cs.RO 

SiMDex : exploiter des vidéos égocentriques similaires pour la manipulation dextre inter-incarnation

Des chercheurs présentent SiMDex, un framework de curation de données par similarité pour l'entraînement des modèles vision-langage-action (VLA) appliqués à la manipulation dextre robotique, publié début août 2026 sur arXiv. Le système traite un problème concret: parmi des millions de vidéos égocentriques humaines disponibles, lesquelles sont réellement utiles pour apprendre à un bras ou une main robotique à manipuler des objets? SiMDex formule cette sélection comme un problème de recommandation, avec un pipeline en trois étapes (rappel, classement, reclassement) qui extrait, pour chaque démonstration robotique, les sous-ensembles pertinents dans un réservoir d'environ 32 millions d'échantillons vidéo égocentriques. L'espace d'action utilisé est agnostique à la morphologie, donc aucune modification de l'architecture VLA ni du processus d'entraînement n'est requise pour l'intégrer. Face à une base de référence entraînée avec un volume équivalent de données humaines choisies aléatoirement, SiMDex n'utilise que 1,49 million d'échantillons triés, soit moins de 5% du réservoir total, tout en faisant grimper le taux de réussite global de 47,7% à 61,1%. Cet écart de plus de 13 points obtenu avec dix fois moins de données a une portée directe pour le secteur: il suggère que le frein au post-entraînement des VLA n'est pas le volume de vidéos humaines disponibles, mais leur pertinence pour la tâche visée. Depuis deux ans, la course à la manipulation dextre mise surtout sur la mise à l'échelle brute de jeux de données égocentriques pour combler l'écart entre démonstration et déploiement réel. SiMDex questionne cette logique indiscriminée: pour les laboratoires et intégrateurs qui entraînent des politiques de manipulation, un curatoriat ciblé peut réduire fortement les coûts de calcul et de stockage tout en améliorant la performance, sans toucher au modèle lui-même. Le travail s'inscrit dans la recherche sur l'apprentissage cross-embodiment, où des vidéos de mains humaines servent à préentraîner des politiques ensuite transférées à des mains ou bras robotiques de morphologie différente, une piste explorée par plusieurs équipes travaillant sur des VLA généralistes. Les résultats restent pour l'instant limités à des benchmarks internes: rien n'indique encore une validation en déploiement réel, ni si le code ou le jeu de données mineur seront rendus publics.

Recherche⚡Actu

1 source

37

205arXiv cs.RO 

Mémoire linguistique explicite pour la planification à long terme dans les modèles vision-langage-action

Une équipe de recherche propose sur arXiv (référence 2608.04765) une nouvelle architecture pour les modèles vision-langage-action (VLA), conçue pour améliorer la planification sur des tâches longues et complexes. Le système repose sur un module de mémoire linguistique explicite qui convertit les observations visuelles successives en une séquence textuelle cohérente, dotée d'une logique temporelle. L'architecture est hiérarchique et découplée en deux niveaux : un modèle vision-langage (VLM) de haut niveau, entraîné selon un paradigme de question-réponse visuelle, effectue le raisonnement sémantique et met à jour récursivement la mémoire ainsi que les sous-instructions ; un modèle VLA de bas niveau exécute ensuite le contrôle continu et précis à partir de ces sous-instructions et des observations visuelles. Les auteurs ont évalué la méthode dans plusieurs environnements de simulation, puis mené des expériences de transfert sim-to-real sur une plateforme robotique réelle, sans préciser dans le résumé le type de bras, le payload utilisé, ni le nom de l'institution. L'enjeu dépasse l'amélioration incrémentale : les modèles VLA actuels butent sur les tâches longues car ils sont conditionnés uniquement par l'observation courante, ce qui les rend de fait non-markoviens et sujets à une dérive, les erreurs d'exécution s'accumulant faute de correction en boucle fermée. C'est précisément le fossé entre démonstration et réalité que pointent les critiques des vidéos humanoïdes : enchaîner plusieurs sous-tâches de façon fiable, sans réinitialisation entre chaque étape. En rendant la mémoire du système explicite et interprétable (sous forme de texte plutôt que de vecteurs latents opaques), l'approche offre aussi une traçabilité utile pour le débogage industriel, un point sensible pour des intégrateurs qui doivent comprendre pourquoi un robot échoue en cours de tâche plutôt que se contenter d'un taux de succès global. Ce travail s'inscrit dans une lignée de recherches cherchant à corriger les limites du contrôle bout en bout pur, où le fine-tuning sur l'action tend à dégrader les représentations sémantiques héritées des VLM, un problème documenté sur des familles de modèles comme RT-2, OpenVLA, Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia. D'autres équipes explorent des pistes voisines, mémoire épisodique, planification hiérarchique, modèles du monde, pour traiter le même problème d'horizon long. Publié en août 2026 sous forme de preprint, sans code ni benchmark comparatif détaillé dans le résumé, ce travail reste à ce stade une contribution académique : il faudra des évaluations sur des suites de référence partagées et des tests au-delà du laboratoire pour juger si la mémoire linguistique explicite tient sa promesse de robustesse en conditions réelles.

Recherche❧Opinion

1 source

37

206arXiv cs.RO 

BridgeVLA++ : un cadre vision-langage-action économe en données, généralisable et à mémoire augmentée pour la manipulation en 3D

BridgeVLA++, une évolution du framework vision-langage-action (VLA) BridgeVLA pour la manipulation robotique en 3D, fait l'objet d'un nouveau papier de recherche publié sur arXiv (référence 2608.05042v1). La méthode d'origine projette les nuages de points en images multi-vues et prédit des cartes de chaleur intermédiaires avant de générer les actions du robot, en préservant l'alignement entrée-sortie d'un modèle vision-langage pré-entraîné afin de limiter le besoin en données d'entraînement. BridgeVLA++ y ajoute une architecture de mémoire spatio-temporelle unifiée, combinant contexte spatial persistant et historique des interactions, permettant au système de raisonner sur des séquences d'observations. Le framework a été testé en manipulation bimanuelle et validé sur une plateforme robotique réelle supplémentaire, en plus des benchmarks de simulation. Ni les auteurs, ni le laboratoire ou l'entreprise à l'origine des travaux, ni de chiffres de performance précis ne figurent dans le résumé ; les détails quantitatifs sont renvoyés vers le site du projet, bridgevla-plus.github.io. Ce travail cible un point faible connu des modèles VLA en manipulation 3D : ils restent gourmands en données, généralisent mal face aux changements de distribution, et surtout n'ont aucune mémoire explicite des observations passées, un manque bloquant pour toute tâche multi-étapes comme éviter de re-saisir un objet déjà placé ou retrouver un objet temporairement occulté. Pour un intégrateur industriel évaluant une pile VLA sur des tâches séquentielles, suivre un état dans le temps sans reconstruire l'intégralité des données d'entraînement est un prérequis pratique plus qu'un raffinement académique. BridgeVLA++ ne démontre pas de déploiement en production, mais suggère qu'une mémoire structurée reste compatible avec l'efficacité en données déjà obtenue par les architectures VLA bâties sur des VLM pré-entraînés, un compromis rarement tenu dans la littérature récente. Le framework prolonge directement les travaux antérieurs sur BridgeVLA, en conservant son passage par des cartes de chaleur intermédiaires plutôt qu'une régression directe d'actions. Il s'inscrit dans un paysage VLA de plus en plus dense, aux côtés de familles comme Pi-0 de Physical Intelligence, GR00T de Nvidia ou Helix de Figure, qui visent chacune à leur manière une politique généraliste robuste aux changements de contexte. Le résumé ne mentionne aucun calendrier de commercialisation ni de partenariat industriel : il s'agit à ce stade d'un travail de recherche, code et résultats détaillés étant promis sur le site dédié du projet. Reste à voir si les benchmarks memory-dépendent utilisés pour la validation seront repris par d'autres équipes pour vérifier objectivement les gains de généralisation annoncés.

Recherche⚡Actu

1 source

40

207Pandaily 

WUWENAI a choisi de tracer la voie à l'intersection de l'IA incarnée

Lors du salon chinois WAIC en juillet 2026, les stands de robots humanoïdes ont délaissé les démonstrations chorégraphiées, coups de poing, danses, pour montrer des machines au travail sur des répliques de lignes de production à l'échelle 1:1 : picking, tri, assemblage. Les financements ont suivi, avec plus de 300 opérations recensées au premier semestre dans l'IA incarnée et sa chaîne d'approvisionnement en Chine, pour plus de 90 milliards de yuans (environ 11,5 milliards d'euros), et des effectifs multipliés par quinze en quatre mois. Derrière cet emballement, un goulot d'étranglement inquiète le secteur : la donnée. Un robot ne peut hériter du texte et des vidéos d'internet ; il lui faut un corpus physique propre, frictions entre matériaux, forces générées par des charges variées, boucle causale entre une pince et l'objet saisi. Le secteur estime disposer de quelques centaines de milliers d'heures de données de manipulation de qualité, quand un robot généraliste en réclamerait plusieurs dizaines de millions. La téléopération est précise mais coûteuse, la vidéo à la première personne bon marché mais pauvre en trajectoire et en force, et la simulation pure échoue au transfert vers le réel. C'est sur ce constat que la startup chinoise WUWENAI, fondée par Liu Shengxiang, ex-responsable data et tests de la conduite autonome chez Baidu, a bâti son offre : une boucle fermée virtuel-réel articulée autour de trois briques, une Data Factory de collecte multimodale en environnement réel, un World Model générant scénarios et cas limites en simulation, et un World Simulator chargé de l'entraînement et de l'évaluation à grande échelle. Pour les intégrateurs et décideurs industriels, le pari de WUWENAI dépasse le simple fournisseur de données : si un simulateur reproduit fidèlement la physique réelle, un robot peut multiplier à faible coût les cycles d'essai-erreur en simulation et basculer de l'apprentissage par imitation vers l'apprentissage par renforcement, sur le modèle d'AlphaGo. Cela reviendrait à contredire l'hypothèse selon laquelle le fossé entre démonstration et réalité, le sim-to-real gap, resterait le principal frein au déploiement des VLA (vision-language-action) à grande échelle. Reste que ces gains sont pour l'instant revendiqués par l'entreprise elle-même, sans validation indépendante rendue publique : l'affirmation mérite d'être prise comme une thèse industrielle plutôt qu'un résultat déjà démontré à grande échelle. L'architecture de WUWENAI, baptisée Real2Sim2Real, aurait été déployée plusieurs mois avant que World Labs, la société de Fei-Fei Li, rachète SceniX, un rapprochement que Liu Shengxiang lit comme un signal : un world model ne devient une infrastructure utile que connecté à de la donnée réelle, à de la simulation robotique et à une boucle de rétroaction terrain, la seule génération vidéo ou 3D ne suffisant pas. La startup se positionne ainsi face à des acteurs mieux capitalisés qui développent chacun leur propre pile, World Labs, Tesla avec Optimus, et Google DeepMind. Son pari reste structurel : la contrainte des modèles d'IA incarnée se déplace des paramètres vers la donnée qu'ils peuvent ingérer, dans un secteur qui passe de la simple collecte brute à une infrastructure de données orchestrée.

Infrastructure❧Opinion

1 source

39

208Robotics Business Review 

Panneau d'inspection IA à la périphérie : Avnet et Weston Robot s'associent

Avnet, distributeur mondial de technologies, et Weston Robot, intégrateur robotique basé à Singapour, annoncent un partenariat pour lancer une plateforme d'inspection industrielle autonome fondée sur des robots quadrupèdes et l'IA embarquée. Weston Robot revend principalement des solutions Unitree, tout en fabriquant ses propres plateformes de robots mobiles autonomes (AMR) et des systèmes maritimes sans pilote, le tout commercialisé en mode robots-as-a-service (RaaS). Pour cette plateforme, Avnet a fixé sur le dos du quadrupède un module de calcul embarqué délivrant jusqu'à 50 TOPS de puissance IA, animé par des processeurs AMD Ryzen AI Embedded. L'ensemble exécute directement à bord les tâches d'inspection par IA, l'analyse thermique et visuelle, la cartographie lidar 3D, et le fonctionnement en environnement sans signal GPS. Couplé au logiciel de gestion de flotte de Weston Robot, le robot peut être envoyé en mission de patrouille sur un trajet défini, s'arrêter de lui-même sur des points d'inspection identifiés, et voir de nouvelles tâches de reconnaissance entraînées et déployées via l'architecture de calcul Avnet. L'intérêt principal tient au traitement des données directement sur l'appareil plutôt que dans le cloud, ce qui réduit la latence d'inférence et permet un fonctionnement fiable même sans connectivité réseau stable, un enjeu courant en environnement industriel. Pour les intégrateurs et décideurs B2B, la promesse est de détecter plus tôt les anomalies opérationnelles, de réduire le coût des inspections manuelles et d'améliorer la continuité des opérations. Il faut toutefois noter que l'annonce reste, à ce stade, un partenariat produit sans site de déploiement client nommé, sans date de disponibilité commerciale ni indication de prix: les formules employées, comme celle de l'"IA physique" présentée par Avnet comme la "prochaine évolution de l'intelligence artificielle", relèvent davantage du discours marketing que d'un déploiement terrain déjà mesuré. La valeur ajoutée revendiquée, à savoir des capacités de perception dépassant celles du quadrupède Unitree de base, reste donc à valider par des cas d'usage concrets. Ce lancement s'inscrit dans la stratégie d'Avnet de se positionner comme fournisseur d'architectures de calcul pour la robotique industrielle, un marché où Weston Robot opère déjà via la revente de plateformes Unitree et ses propres AMR. Il rejoint une vague plus large de rapprochements entre distributeurs de semi-conducteurs et intégrateurs robotiques autour de l'inspection autonome, un segment où des acteurs comme Boston Dynamics avec son Spot ou ANYbotics sont déjà établis. Ni Avnet ni Weston Robot n'ont communiqué de calendrier précis de commercialisation ou de premiers pilotes clients, laissant pour l'instant ce partenariat au stade de l'annonce technologique plutôt que du déploiement industriel vérifié.

Industriel⚡Actu

1 source

34

209Interesting Engineering 

« Le fabricant naval de l'US Navy teste une soudure intelligente qui scanne les pièces et s'ajuste en temps réel »

Le chantier naval américain HII a lancé sur son site Ingalls Shipbuilding, dans le Mississippi, un programme pilote de soudage mécanisé intelligent développé avec le sud-coréen HD Hyundai Heavy Industries (HHI), dans la foulée d'un partenariat stratégique signé en 2025 entre les deux groupes pour approfondir leur coopération dans la construction navale militaire. Contrairement aux systèmes mécanisés classiques, cet équipement identifie automatiquement les pièces à souder et ajuste en temps réel la position de soudage, tout en enregistrant des données de production utiles au contrôle qualité et à la traçabilité industrielle. Ingalls prévoit de le déployer dans des zones de fabrication d'unités où le soudage reste aujourd'hui très majoritairement manuel, après avoir vérifié sa conformité aux normes de l'US Navy. Brian Blanchette, président d'Ingalls Shipbuilding, rappelle que le site exploite déjà des lignes de panneaux automatisées et des cellules robotisées de fabrication de cloisons. Le soudage reste l'un des goulots d'étranglement les plus persistants de l'industrie navale américaine, confrontée à une pénurie durable de main-d'œuvre qualifiée alors que l'US Navy pousse pour une production de navires plus rapide sans compromis sur la qualité. Contrairement à nombre d'annonces robotiques qui restent au stade de la démonstration, ce programme concerne un déploiement en atelier de production réel, sur des postes existants et selon des normes militaires déjà validées, ce qui en fait un signal plus solide qu'un simple prototype vitrine. Le recours à une technologie sud-coréenne éprouvée plutôt qu'un développement interne illustre aussi une inflexion : HII importe un savoir-faire étranger pour accélérer sa modernisation. La direction d'Ingalls insiste sur une logique d'augmentation, non de remplacement, de la main-d'œuvre, un discours destiné à désamorcer les craintes dans un métier pénible et en tension. Ce pilote fait suite à un échange technique de trois jours entre ingénieurs des deux entreprises sur le site d'Ingalls, qui a présenté ses capacités de soudage laser hybride et ses systèmes de fabrication robotisée, permettant d'identifier où la technologie de HHI pouvait s'intégrer aux opérations existantes. Won-ho Joo, directeur de l'unité navale de HHI, présente ce partenariat comme une nouvelle étape d'une coopération technique croissante, censée améliorer l'efficacité de production. Le soudage n'est qu'un volet de la stratégie plus large de HII : Ingalls et Newport News Shipbuilding évaluent aussi de nouvelles cellules robotisées, des robots collaboratifs, la fabrication additive et des logiciels de production en temps réel. Le groupe a également lancé l'initiative High-Yield Production Robotics (HYPR), qui associe des entreprises d'IA physique pour développer des outils robotiques destinés aux ouvriers des chantiers navals.

Industriel⚡Actu

1 source

42

210Robotics Business Review 

University of Florida ouvre un nouveau laboratoire de robotique dédié à la construction industrialisée

L'Université de Floride (UF) a inauguré un laboratoire de robotique dédié à la construction industrialisée, financé par un don d'un million de dollars d'Autodesk et baptisé Autodesk Design and Make Laboratory, hébergé au Bruno E. and Maritza F. Ramos Collaboratory du College of Design, Construction and Planning. Ce don complète un premier investissement de 1,5 million de dollars versé par Autodesk en 2024, qui avait lancé le cursus Industrialized Construction Engineering (ICon), premier Bachelor of Science du pays consacré à ce domaine et dont la première promotion débute cet automne 2026. Le programme mêle BIM, jumeaux numériques, IA, préfabrication et suivi de chantier en temps réel, avec un accès pratique à une imprimante béton grand format COBOD BOD3 et à un bâtiment de démonstration entièrement imprimé en 3D. Selon le Shimberg Center for Housing Studies de l'UF, la Floride manque de plus de 121 000 logements et unités locatives. Le laboratoire capitalise sur six années de recherche du Dr Alwisy, qui dirige le Smart Industrialized Construction (Smart IDC) Lab de l'université sur les systèmes homme-robot déployables. L'approche cible deux problèmes structurels du bâtiment : la sécurité des travailleurs et la productivité. Des robots collaboratifs doivent prendre en charge les tâches à haut risque de blessure, comme l'ossature des murs ou l'assemblage de panneaux, pendant que la main-d'œuvre qualifiée se concentre sur le contrôle qualité et les opérations complexes. Face à la pénurie de main-d'œuvre et aux départs à la retraite annoncés dans le secteur, ce type de dispositif figure parmi les rares leviers capables d'augmenter la capacité de production plus vite que ne se réduit le bassin de travailleurs. Il faut toutefois nuancer la portée immédiate : le système de vision par ordinateur développé par l'étudiant chercheur Frank Xie, censé permettre à un robot d'interpréter un jumeau numérique modélisé sous Autodesk Fusion pour en assembler la réalisation, reste un travail à un stade précoce. Il s'agit avant tout d'un investissement dans la formation et la recherche, pas d'un déploiement commercial de robots de chantier. Cette initiative prolonge un partenariat porté à environ 2,5 millions de dollars d'investissement cumulé d'Autodesk depuis 2024. Le doyen du College of Design, Construction and Planning, Chimay Anumba, y voit un partenariat permettant de mobiliser des technologies avancées pour transformer l'industrie de la construction. Le laboratoire s'inscrit dans une dynamique plus large de construction industrialisée, où fabrication en usine et robotique visent à compléter les méthodes traditionnelles de chantier face à la crise du logement aux États-Unis. Les prochaines étapes sont académiques autant qu'industrielles : arrivée de la première cohorte ICon cet automne, ouverture progressive du laboratoire à davantage d'étudiants-chercheurs, et poursuite des travaux du Smart IDC Lab sur la préfabrication et la construction hors site.

Recherche❖Paper

1 source

36

211Robotics Business Review 

Portez son autonomie à l'échelle : la perception est la clé

Mel Torrie, cofondateur et PDG d'Autonomous Solutions Inc. (ASI), signe une tribune publiée à l'occasion de sa prochaine intervention à RoboBusiness, prévu les 20 et 21 octobre à Santa Clara, en Californie. Il y revient sur l'expérience de son entreprise, spécialisée dans l'autonomie industrielle pour les mines et les sites hors route, et sur les leçons tirées du déploiement de son système de vision Mobius. Premier enseignement cité : lors des premiers déploiements, ASI avait retenu des capteurs de qualité automobile, les meilleurs disponibles à l'époque. En moins d'un an, la poussière, les vibrations et les écarts de température extrêmes d'un site minier actif ont provoqué un taux de panne de 100%, forçant l'entreprise à repenser entièrement ses spécifications de capteurs pour les conditions de terrain plutôt que pour un environnement contrôlé. Torrie illustre le niveau d'exigence requis avec l'exemple d'un camion de transport à un carrefour, sous 45°C, dans un nuage de poussière, chargé d'une charge utile de 200 tonnes, avec un véhicule léger traversant sa trajectoire 80 mètres devant lui. Cette tribune défend une idée simple pour les opérateurs industriels et intégrateurs : le GPS indique une position, pas ce qui se trouve devant la machine ni si un obstacle va croiser sa route, et la véritable autonomie repose désormais sur la perception plutôt que sur le contrôle moteur ou la planification de trajectoire, selon l'auteur. L'argument central est économique autant que technique : plutôt que d'imposer un remplacement complet de flottes à forte intensité capitalistique, une mise à niveau de la vision indépendante du matériel permettrait de transformer des équipements existants en plateformes autonomes performantes sans enfermer l'opérateur dans un écosystème propriétaire unique. Pour les décideurs B2B de secteurs comme les mines ou la logistique, où chaque décision opérationnelle a des implications financières et sécuritaires, cela replace le calcul de retour sur investissement autour d'un facteur clé : le temps d'arrêt, plus coûteux dans des environnements réels imprévisibles que dans les sites structurés visés par l'automatisation classique. L'auteur insiste aussi sur la nécessité d'un traitement en périphérie, embarqué et en temps réel, pour détecter un humain et réagir en quelques millisecondes sans dépendre d'un serveur distant. Le texte s'inscrit dans un format tribune d'expert associé à la promotion de la conférence RoboBusiness, où figure d'ailleurs un encart publicitaire pour l'inscription, et ne constitue donc pas un compte-rendu indépendant ni l'annonce d'un nouveau produit : la plateforme Mobius d'ASI est déjà commercialisée, l'article relevant d'un positionnement éditorial plutôt que d'un lancement. Aucun acteur français ou européen n'est cité. ASI, fondée par Torrie, s'est bâtie sur l'autonomie de véhicules hors route pour les mines et le transport de charges lourdes, un segment où d'autres acteurs proposent également des couches d'autonomie rétrofit pour flottes existantes ; l'article ne détaille toutefois ni chiffre de déploiement pour Mobius, ni client nommé, ni calendrier de prochaines étapes au-delà de l'intervention de Torrie à RoboBusiness en octobre.

Industriel❧Opinion

1 source

43

212Interesting Engineering 

Mitsubishi va produire 1 000 robots humanoïdes par mois sur une ligne de moteurs inutilisée

Mitsubishi Motors va produire en série des robots humanoïdes dans son usine de Kyoto, en partenariat avec la startup tokyoïte Highlanders Inc. La production doit démarrer début 2027, sur une ligne de fabrication de moteurs thermiques actuellement à l'arrêt, reconvertie pour l'assemblage de robots, avec un objectif affiché de 1 000 unités par mois. Le robot, baptisé HL Human et dévoilé par Highlanders en 2025, dispose d'un corps à 19 degrés de liberté (DOF) et d'actionneurs électriques à haut rendement, conçu pour exécuter des tâches industrielles via perception, planification de mouvement et interaction en langage naturel pilotées par IA ; de futures versions doivent recevoir des mains à cinq doigts capables de saisir jusqu'à 3 kg. Dans un premier temps, les robots seront déployés sur les propres lignes moteur de Mitsubishi pour générer des données avant toute commercialisation. Mitsubishi a déjà investi au capital de Highlanders, spin-off de l'Université de Tokyo fondée en 2023, et prévoit d'autres investissements. Cette annonce illustre un mouvement de fond : des constructeurs automobiles, confrontés à des pénuries de main-d'œuvre et déjà rompus aux chaînes de production standardisées, deviennent fabricants de robots humanoïdes plutôt que simples clients. En réutilisant une ligne moteur existante plutôt qu'en bâtissant une usine dédiée, Mitsubishi mise sur son savoir-faire de contrôle qualité automobile pour apporter une fiabilité "grade automobile" à une catégorie de produits restée largement expérimentale ailleurs dans le secteur. Le chiffre de 1 000 unités mensuelles, s'il est atteint, dépasserait les cadences généralement annoncées par les concurrents occidentaux et chinois, encore de l'ordre de quelques centaines d'exemplaires par an en présérie. Il faut toutefois garder à l'esprit qu'à ce stade, il s'agit d'un plan industriel et d'un partenariat capitalistique avec un démarrage prévu pour 2027, pas d'un déploiement chez des clients tiers ni de robots livrés : la distinction entre annonce et production réelle reste de mise. Highlanders s'inscrit dans une vague de spin-offs universitaires japonaises misant sur l'IA physique, avec l'ambition de couvrir manufacture, logistique, inspection d'infrastructures et réponse aux catastrophes, des secteurs où le vieillissement démographique du Japon aggrave la pénurie de main-d'œuvre. La startup développe aussi un framework d'IA physique et un logiciel de simulation destinés à accélérer l'entraînement et le déploiement de ses robots. Le partenariat la place face à des acteurs mieux capitalisés et plus avancés en déploiement réel, comme Figure AI, Tesla avec Optimus, Agility Robotics ou 1X, ainsi que d'autres initiatives asiatiques telles que Hyundai via Boston Dynamics. Takao Kato, PDG de Mitsubishi Motors, présente ce partenariat comme un levier de croissance, tandis que Hiroya Masuoka, PDG de Highlanders, y voit une étape vers la production de masse de robots humanoïdes conçus au Japon, avant une commercialisation élargie à d'autres industriels.

Humanoïdes⚡Actu

1 source

48

213Interesting Engineering 

RL-100 entraîne des robots à réussir 1 000 tâches réelles avec 100 % de succès à chaque fois

Des chercheurs de l'Institut Shanghai Qi Zhi ont développé RL-100, un framework d'entraînement ayant atteint un taux de réussite de 100 % sur 1 000 épisodes de test consécutifs menés avec de vrais robots. Sur plusieurs tâches, les robots entraînés ont égalé, voire dépassé en rapidité, des téléopérateurs humains qualifiés. Lors d'un déploiement public, un robot utilisant ce système a fait fonctionner une station de pressage d'oranges pendant environ sept heures sans interruption ni échec. L'entraînement se déroule en trois étapes : d'abord un apprentissage par imitation à partir de vidéos de démonstrations humaines, qui donne au robot une base de compétences mais ne couvre pas tous les scénarios d'échec possibles ; ensuite un apprentissage par renforcement hors ligne, où un mécanisme intégré vérifie chaque mise à jour et rejette celles susceptibles de dégrader la politique déjà acquise ; enfin une phase d'apprentissage par renforcement en ligne, plus réduite, destinée à corriger les cas rares qui n'apparaissent qu'en conditions réelles. Le contrôleur repose sur une approche par diffusion, distillée en une version à une seule étape pour accélérer la fréquence de contrôle sans perte de performance. L'équipe a testé le système sur différentes mains et pinces robotiques, sur des tâches impliquant matériaux déformables, liquides et matériaux granulaires, certaines nécessitant une coordination des deux mains. Les chercheurs ont mesuré, au-delà du taux de réussite, le temps d'exécution, la résistance aux perturbations physiques, l'adaptation à de nouveaux environnements et la tenue en fonctionnement prolongé. Les travaux ont été publiés dans la revue Science Robotics. Le point que l'équipe met le plus en avant n'est pas le score parfait de 100 %, mais le fait que les robots entraînés soient devenus, dans certains cas, plus rapides que les humains dont ils avaient appris les gestes par démonstration. Kun Lei, premier auteur de l'étude, souligne qu'un robot réussissant neuf fois sur dix peut sembler impressionnant en laboratoire mais reste insuffisamment fiable pour un usage réel. Cette distinction est centrale pour l'industrie : elle suggère qu'un robot n'est pas condamné à plafonner au niveau des démonstrations initiales et peut, via l'expérience accumulée, dépasser leur couverture et leur efficacité. Le run de sept heures sur la station à jus d'orange illustre un test différent des quelques dizaines d'essais habituels en laboratoire, et s'attaque directement à l'écart sim-to-real, l'un des obstacles centraux du déploiement de robots humanoïdes et manipulateurs en environnement réel, au-delà des démonstrations scénarisées. RL-100 s'inscrit dans la course actuelle à des architectures robuste combinant apprentissage par imitation et renforcement, à mesure que les VLA (vision-language-action) montrent leurs limites en généralisation. L'équipe prévoit d'étendre l'approche à des modèles VLA de plus grande taille, sur des environnements plus complexes et des tâches à horizon plus long, avec l'objectif de réduire la supervision humaine nécessaire pendant l'entraînement en conditions réelles.

Recherche❖Paper

1 source

39

214TechNode 

Xiaomi rend open source son modèle fondation pour l'IA incarnée, Xiaomi-Robotics-1

Xiaomi a annoncé le 5 août l'ouverture en open source de son modèle fondateur d'IA incarnée Xiaomi-Robotics-1, dévoilé en juillet comme solution « prête à l'emploi », en publiant le pipeline complet, du post-entraînement sur robot réel jusqu'au déploiement, avec le code des évaluations de référence. Le modèle a été pré-entraîné sur plus de 100 000 heures de données UMI puis post-entraîné sur plus de 10 000 heures de données cross-embodiment, collectées sur différentes plateformes robotiques. La publication comprend les liens vers le projet, le dépôt GitHub et la page Hugging Face. Cette ouverture s'inscrit dans la course aux modèles fondateurs pour la robotique, censés généraliser des compétences de manipulation sur plusieurs types de robots plutôt que nécessiter un modèle par plateforme, et elle abaisse la barrière d'entrée pour les laboratoires et intégrateurs qui veulent tester des politiques cross-embodiment sans constituer eux-mêmes des jeux de données à cette échelle. Ce choix de l'open source, plutôt qu'une simple démonstration produit, met à l'épreuve une promesse encore débattue dans le secteur : que les modèles génériques de manipulation passent réellement à l'échelle, au-delà des démonstrations sélectionnées. Le groupe chinois, connu pour son électronique grand public et ses véhicules électriques, avait déjà affiché ses ambitions robotiques avec l'humanoïde CyberOne dévoilé en 2022, et rejoint désormais la course aux modèles fondateurs, aux côtés d'autres laboratoires chinois et internationaux qui multiplient ce type d'annonces depuis un an. Il s'agit ici d'une brique logicielle mise à disposition de la communauté, sans calendrier de déploiement industriel précisé : la suite dépendra de l'adoption du modèle par des équipes tierces sur leurs propres robots, seul vrai test de sa capacité de généralisation au-delà des données d'entraînement de Xiaomi.

IA physique⚡Actu

1 source

44

215Pandaily 

Le prochain champ de bataille robotique à cent milliards de dollars pourrait être la cuisine

Trois annonces coup sur coup illustrent l'accélération d'un marché resté dans l'ombre de l'humanoïde: la robotique culinaire chinoise. Zhigu Tianchu, spécialiste des robots-cuisiniers fondé en 2018, a bouclé un tour stratégique de près de 100 millions de yuans mené par China Merchants Venture Capital. Haier Robotics et Robotera ont dévoilé un partenariat pour développer le CR3, présenté comme le premier robot de cuisine domestique entièrement autonome au monde. Et SoftBank Robotics a signé un accord stratégique avec Busypace, société pékinoise spécialisée dans l'IA culinaire, pour co-développer des plateformes de "food-physical-AI". Zhigu Tianchu affiche déjà un chiffre d'affaires supérieur à 100 millions de yuans avec une rentabilité positive, une rareté dans le secteur, et vise une croissance de 300% en 2026. Ses clients couvrent la restauration collective, les maisons de retraite, les cantines scolaires, la restauration rapide, le commerce de produits frais et l'hôtellerie. Selon les données NCBD, le marché chinois des robots de cuisine pesait 3,81 milliards de yuans en 2025, avec une projection dépassant 12,5 milliards de yuans d'ici 2030, et un scénario optimiste évalue le seul segment commercial à 109,6 milliards de yuans à la même échéance. Cette convergence tient à trois facteurs. D'abord une pénurie de main-d'œuvre: le ministère chinois des Ressources humaines et de la Sécurité sociale classe les cuisiniers parmi les métiers les plus en tension du pays pour la troisième année consécutive, poussant les chaînes de restauration vers la standardisation. Ensuite un seuil économique clé: dès que le retour sur investissement d'un robot-cuisinier passe sous les douze mois, les enseignes basculent du test à l'achat systématique. Enfin, des progrès techniques qui permettent enfin aux robots de gérer un environnement non structuré comme la cuisine, avec des ingrédients variables et des tâches dynamiques, un vrai test de généralisation pour l'IA embarquée. Pour le secteur de l'IA physique au sens large, la cuisine offre justement ce qui lui manquait: un scénario à haute fréquence d'usage et suffisamment incontournable pour justifier un déploiement à grande échelle, plutôt qu'une simple démonstration. Le segment commercial (restauration, collectivités) tire le marché, mais le vrai enjeu se déplace vers le foyer. L'alliance Haier-Robotera cible directement les ménages urbains qui veulent des repas réguliers et sains sans savoir-faire culinaire. Côté SoftBank, l'accord avec Busypace donne à cette dernière un accès immédiat à un réseau commercial mondial couvrant plus de 100 pays et de grands comptes professionnels, pendant que SoftBank récupère une brique logicielle "cerveau culinaire" native IA. Zhigu Tianchu prépare de son côté un changement de nom en Qianyi Intelligence pour accompagner son expansion internationale. La bataille se jouera désormais sur deux critères: la profondeur de la base de données de recettes accumulée par chaque acteur, et sa capacité à s'imposer comme référence hors de Chine.

Chine/Asie❧Opinion

1 source

39

216TechNode 

Kaiwang Data, startup d'infrastructure de données pour l'IA incarnée, lève plus de 100 millions de RMB

Kaiwang Data (恺望数据), startup chinoise spécialisée dans l'infrastructure de données pour l'IA incarnée, vient de boucler un tour de financement stratégique de plus de 100 millions de yuans (environ 13,9 millions de dollars). L'opération a été menée conjointement par le Beijing E-Town Industrial Upgrade Fund, Huafang Capital et Skyline Capital (天际资本), avec la participation de plusieurs entreprises de robotique : Lumai Robotics, Songyan Power, Zizibianliang Robotics et Mifeng Technology, cette dernière affiliée à AGIBOT. Kaiwang Data collecte, annote et gère des données multimodales destinées à la conduite autonome, aux world models et aux robots humanoïdes : vidéos en vue subjective de mains nues, données de gants tactiles, manipulations par pinces et prises de vue panoramiques. L'entreprise affirme produire désormais environ 100 000 heures de données exploitables par mois, un volume qu'elle dit stabilisé, et avoir signé des accords d'achat en gros avec plusieurs grands groupes. Ce tour de table illustre un phénomène qui prend de l'ampleur dans l'écosystème robotique chinois : la donnée d'entraînement devient elle-même un marché à part entière, distinct de la fabrication des robots. Les modèles vision-langage-action (VLA) et les world models qui alimentent les humanoïdes de nouvelle génération réclament des volumes massifs de données de manipulation réelle, coûteuses et lentes à collecter en interne. Que des fabricants comme Songyan Power ou une filiale d'AGIBOT investissent directement dans un fournisseur de données suggère une logique d'intégration verticale défensive, destinée à sécuriser l'approvisionnement plutôt qu'à le laisser au marché spot. Les chiffres avancés par Kaiwang, notamment les 100 000 heures mensuelles, restent toutefois auto déclarés et non audités. Les fonds levés serviront à développer une plateforme d'échange de données, à faire progresser la technologie des world models et à étendre la capacité de collecte dans des environnements commerciaux, industriels et domestiques. L'opération s'inscrit dans une vague plus large d'investissements chinois dans l'infrastructure de l'IA incarnée, portée notamment par l'écosystème AGIBOT, alors que Pékin cherche à structurer une chaîne de valeur complète, de la donnée brute jusqu'au robot humanoïde déployé sur le terrain.

Chine/Asie⚡Actu

1 source

50

217arXiv cs.RO 

Continuer ou replanifier : apprentissage par politique de continuation bernoullienne pour l'exécution à horizon adaptatif

Une équipe de recherche publie sur arXiv (2608.03483, août 2026) Bernoulli-Continuation Policy (BCP), une méthode qui corrige un défaut des modèles Vision-Language-Action (VLA) : ceux-ci exécutent un nombre fixe d'actions avant de replanifier, selon un calendrier périodique indépendant de l'avancement réel de la tâche, ce qui peut faire exécuter une étape critique à partir d'un plan obsolète. BCP ajoute une tête de continuation légère, greffée sur un modèle VLA gelé, qui décide à chaque segment d'action s'il faut continuer ou replanifier, entraînée par apprentissage par renforcement avec une récompense d'efficacité de replanification pénalisant l'échec et le calcul gaspillé. Sur RoboTwin 2.0, avec LingBot-VLA comme modèle de base, BCP améliore le taux de succès moyen de 11,08% sur les 13 tâches les plus difficiles et fait passer le taux global de 89,88% à 93,94% sur 50 tâches. Entraîné uniquement en environnement "propre", il généralise à un environnement randomisé (+4,06%) et transfère à un autre modèle de base, π0.5, avec des gains de 1,7% sur LIBERO et 6,8% sur LIBERO-PRO, la version plus difficile. Sur robot réel, le taux de succès grimpe de 74% à 92% et de 44% à 84% sur deux tâches de manipulation, avec un surcoût de calcul négligeable qui rend le temps d'exécution total inférieur aux méthodes à horizon fixe. Ce résultat s'attaque à un choix d'ingénierie devenu standard dans les VLA en production, la replanification à intervalle fixe, simple à implémenter mais aveugle au contexte de la tâche. Son caractère plug-and-play, compatible avec un modèle de base gelé, le rend potentiellement exploitable par des intégrateurs sans réentraîner leurs modèles VLA déjà déployés. Les gains les plus marqués se concentrent sur les tâches à faible taux de succès initial, celles où les robots échouent réellement en production, ce qui limite le risque d'un simple effet de benchmark favorable. La généralisation confirmée sur deux modèles de base différents, et du simulateur vers le réel, répond directement au scepticisme habituel sur l'écart simulation-réel des méthodes VLA. Le travail s'inscrit dans la lignée des benchmarks de manipulation robotique standardisés LIBERO, LIBERO-PRO et RoboTwin 2.0, utilisés pour comparer des politiques VLA comme LingBot-VLA ou π0.5. Il s'agit à ce stade d'une publication de recherche, un preprint arXiv, sans déploiement industriel annoncé ni acteur commercial identifié. Les suites attendues sont une revue par les pairs et une éventuelle intégration dans des frameworks VLA ouverts déjà utilisés par la communauté robotique.

Recherche❖Paper

1 source

48

218arXiv cs.RO 

Structure-Aware Robust Fine-Tuning : défendre les robots vision-langage-action contre le détournement de l'attention physique

Des chercheurs publient sur arXiv (2608.03231v1) une attaque baptisée AGSD (Attention-Guided Semantic Disruption) : un patch adversarial imprimable, optimisé par Expectation-over-Transformation pour rester efficace sous différents angles et éclairages, qui détourne vers lui-même l'attention conditionnée par l'action des politiques Vision-Language-Action (VLA), au détriment des régions pertinentes pour la tâche. Sur le benchmark de manipulation LIBERO, ce patch fait grimper le taux d'échec du modèle OpenVLA à 100%. Face à cette menace, les auteurs proposent SARF (Structure-Aware Robust Fine-Tuning), une défense qui ne réentraîne que l'encodeur visuel via trois mécanismes (ancrage de features, correction de l'attention critique pour la politique, cohérence géométrique guidée par le langage), sans aucun surcoût en inférence. SARF ramène le taux d'échec sous attaque entre 14,2% et 56,8% selon les suites de tâches (28,6% en moyenne), tout en préservant les performances en conditions normales. Sur un bras manipulateur réel PiPER, le taux de succès sous attaque passe de 23,0% à 65,0% grâce à cette défense. Cette étude révèle une faille de sécurité physique largement absente des benchmarks habituels des modèles VLA, ces politiques génériques censées piloter bras industriels, AMR et humanoïdes à partir d'instructions en langage naturel. Qu'un simple autocollant imprimé fasse chuter le taux de réussite à zéro, et que l'attaque transfère entre tâches et architectures différentes, suggère une vulnérabilité structurelle plutôt qu'un défaut isolé d'OpenVLA. Pour les intégrateurs et décideurs B2B qui envisagent des déploiements sur ligne de production ou en environnement partagé avec des humains, l'évaluation de la robustesse adversariale physique devient aussi nécessaire que les tests classiques de précision ou de temps de cycle. L'absence de surcoût en inférence fait de SARF une piste de mitigation réaliste pour des systèmes déjà contraints en latence. OpenVLA, cible principale de l'étude, compte parmi les politiques vision-language-action open source les plus utilisées depuis 2024, aux côtés de modèles comme Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure. LIBERO sert de référence standard pour évaluer la généralisation des politiques de manipulation en simulation, et ce travail prolonge une littérature déjà ancienne sur les patchs adversariaux physiques en vision par ordinateur, longtemps étudiés contre les systèmes de conduite autonome, désormais transposée aux politiques robotiques génériques. Les auteurs ne mentionnent aucun partenariat industriel ni calendrier de déploiement : il s'agit d'une contribution de recherche en sécurité, publiée en amont de toute adoption commerciale à grande échelle des VLA sur des lignes de production.

IA physique⚡Actu

1 source

47

219arXiv cs.RO 

Sensibilisation bimanuelle avec 8 Go de mémoire : détection à copie nulle et ACT quantifié sur un Jetson d'entrée de gamme

Un système de manipulation bimanuelle SO-101 fonctionne intégralement sur un NVIDIA Jetson Orin Nano Super (8 Go), l'entrée de gamme de la ligne embarquée de Nvidia, une RTX 3070 de bureau ne servant qu'à l'entraînement hors ligne, sur une tâche de préhension-dépôt d'un sac à billes déformable. Un pipeline GStreamer à buffers NVMM supprime les copies redondantes des trois flux caméra ; contre l'hypothèse de départ, la mémoire n'était pas le facteur limitant, mais le zero-copy réduit l'utilisation crête d'un cœur CPU de 98,0% à 77,0% et la latence pire-cas de 117,31 ms à 101,52 ms. Sur les mêmes démonstrations, ACT (100 000 pas d'entraînement) atteint 19 succès sur 20 essais, contre 0 sur 10 pour Diffusion Policy (200 000 pas). Converti en TensorRT, ACT passe de 114,02 ms à 17,93 ms en FP16 (6,4x) puis 12,65 ms en INT8 (9,0x), sans perte de réussite (19/20, 18/20, 19/20). Ces résultats déplacent le vrai goulot d'étranglement du déploiement embarqué : pas la mémoire, mais le calcul CPU et la latence pire-cas, un critère central pour les intégrateurs visant du matériel bas coût plutôt que des GPU de datacenter. L'écart net entre ACT et Diffusion Policy, à budget d'entraînement comparable, questionne la préférence actuelle du secteur pour les politiques de diffusion et pourrait orienter les équipes robotiques vers des architectures plus simples pour un déploiement rapide. La quantification INT8 sans perte de fiabilité démontre qu'une politique de type VLA peut tourner en temps réel sur du matériel d'entrée de gamme, un argument concret contre le scepticisme habituel sur l'écart entre démonstration en labo et usage réel. Ce travail comble un manque documenté : les politiques bimanuelles sont presque toujours évaluées sur des postes de travail ou des GPU de datacenter, laissant le coût réel du portage embarqué largement inconnu, un angle mort face aux communications des fabricants de robots humanoïdes comme Figure ou Optimus, peu diserts sur leurs contraintes de calcul embarqué. Les auteurs documentent aussi deux résultats inédits sur ACT : la calibration INT8 générique de TensorRT quantifie le squelette ResNet18 mais n'accepte aucune des 145 couches du transformer, ce qui explique un gain de taille négligeable (0,9%) malgré 28% de latence en moins ; et le besoin de quantification dépend du chunking d'action, une politique restant utilisable en pleine précision à 100 pas d'action mais pas avec un ré-échantillonnage à chaque pas (temporal ensembling).

Recherche❖Paper

1 source

46

220arXiv cs.RO 

PACE : augmentation physique pour un apprentissage par renforcement coordonné de bout en bout, vers un tennis de table humanoïde polyvalent

Des chercheurs du TRACE Lab de l'université Purdue ont publié PACE, un système d'apprentissage par renforcement qui traduit directement les positions de balle observées en commandes articulaires pour tout le corps, bras et jambes, au tennis de table humanoïde. Un prédicteur léger anticipe la trajectoire future de la balle, tandis qu'un second prédicteur physique fournit, à l'entraînement, des récompenses denses guidant l'exploration. En simulation, sur une plage variée de services, la politique atteint un taux de frappe réussie supérieur ou égal à 96% et un taux de succès supérieur ou égal à 92%. Déployé en zero-shot sur un robot Booster T1 à 23 articulations rotatives, le système produit un jeu de jambes coordonné avec des retours rapides et précis; le code est publié en open source en vue d'ICRA 2026. Ce résultat s'attaque à l'un des écarts les plus tenaces de la robotique humanoïde, celui entre démonstration et réalité: le tennis de table exige perception rapide, locomotion proactive et coordination bras-jambes sous contrainte de timing serré, un registre longtemps hors de portée du contrôle bout-en-bout. Le transfert zero-shot, fonctionnel sans réentraînement spécifique, apporte une preuve concrète que l'approche sim-to-real peut tenir sur des tâches dynamiques rapides, pas seulement sur de la marche ou de la manipulation lente. Pour les équipes de recherche, cela valide l'usage de prédicteurs physiques comme mécanisme de récompense à l'entraînement, une piste transférable à d'autres sports de raquette ou tâches exigeant réactivité et coordination corps entier. Ce travail s'inscrit dans une vague plus large de recherche sur les humanoïdes sportifs, alimentée par des démonstrations de course ou de manipulation dynamique chez Boston Dynamics, Unitree ou Figure, mais rarement documentée avec un tel niveau de détail méthodologique et de code ouvert. Le choix du Booster T1, plateforme chinoise de Booster Robotics, confirme sa place croissante dans la recherche académique en RL humanoïde, aux côtés des Unitree G1 et H1 plus répandus dans les laboratoires occidentaux. Les prochaines étapes attendues, en vue d'ICRA 2026, incluent des échanges plus longs et compétitifs, au-delà du simple retour de service, et des tests face à des adversaires humains réels.

Recherche❖Paper

1 source

46

221arXiv cs.RO 

DigitCode : tokenisation symbolique du mouvement de la main par unités anatomiques

Des chercheurs publient DigitCode, une méthode de tokenisation symbolique du mouvement de la main, décrite dans un papier arXiv (2608.03127) accompagné d'une démonstration en ligne. Le point de départ est la Hand Labanotation (HL), qui encode un geste sous forme d'une grille T x 40 : un symbole de direction fixe par os de la main, à chaque pas de temps. DigitCode reprend cet alphabet mais le redistribue selon trois niveaux anatomiques, l'os, le doigt et la main entière, combinés dans un seul code hiérarchique. Résultat mesuré : l'erreur de quantification chute des trois quarts par rapport à la grille HL de référence au niveau os. Autre constat des auteurs : à niveau anatomique fixé, le type de quantifieur (entraîné ou sans apprentissage) change peu la qualité de reconstruction. C'est le choix de l'unité, et non l'algorithme de quantification, qui pilote la précision. L'enjeu dépasse la seule performance de reconstruction. Les représentations continues de la main (angles articulaires, paramètres MANO) restent la norme en robotique et en génération d'images, mais elles ne permettent ni d'indexer un doigt comme symbole isolé, ni de vérifier qu'une pose est anatomiquement plausible. En rendant le doigt une unité manipulable, DigitCode fournit une poignée d'édition utilisable sans réentraînement, pour corriger des mains mal formées produites par des générateurs d'images ou de vidéos (un défaut récurrent des modèles de diffusion) ou pour retargeter un geste humain vers une main robotique. Pour l'apprentissage de politiques robotiques de type VLA, disposer d'un vocabulaire discret et compact pour les poses de main pourrait aussi simplifier la représentation et la prédiction des actions manuelles. Le travail s'inscrit dans un mouvement plus large de bascule des représentations continues vers des représentations tokenisées, déjà à l'œuvre dans la tokenisation d'actions pour les politiques robotiques et les modèles génératifs vidéo compressifs. Pour permettre des comparaisons homogènes entre tokenizers de main, les auteurs publient HandTok, un banc d'essai reproductible, avec le code et une page projet dédiée. Il s'agit pour l'instant d'une contribution académique, sans déploiement industriel annoncé, mais elle cible un point de friction concret pour quiconque construit des robots manipulateurs ou des générateurs de mains crédibles.

Recherche❖Paper

1 source

46

222arXiv cs.RO 

Robot humanoïde industriel : combler l'écart de sécurité fonctionnelle certifiée par une approche fail-passive, étude de faisabilité

Un preprint arXiv (2608.02809) documente un verrou dans la certification de sécurité fonctionnelle des robots humanoïdes industriels : l'état de sécurité d'un robot a pattes est activement contrôle, ce qui contredit l'hypothèse fail-passive des normes ISO 13849-1 et EN 60204-1. Couper l'alimentation d'un bipède en marche provoque une chute incontrôlée, la mise hors tension classique devenant elle-même un danger. Les auteurs nomment ce problème le "fail-passive gap" et le localisent via une chaine de sécurité externe certifiée (rideau lumineux, arrêt d'urgence, entrée fail-safe, automate Siemens S7-1500, liaison sans fil PROFIsafe), quantifiable avec les méthodes PFHD, DC, CCF et PL/SILCL. Le sous-système de réaction certifiable de cette référence repose sur une coupure de puissance par contacteur, catégorie d'arrêt 0, exactement ce qu'un humanoïde en équilibre ne peut pas avoir. Sans revendiquer de certification PL e / SIL 3 complète, l'étude est validée sur une cellule de prise-dépose équipée d'un Unitree G1 EDU, dans un espace de travail semi-clos de 3 mètres sur 1,5 mètre. Le travail met en évidence un frein souvent occulte par les démonstrations de robots humanoïdes : marcher ou manipuler n'est plus le facteur limitant pour un déploiement en usine, c'est l'absence de cadre de certification adapte aux plateformes a pattes. Pour les intégrateurs et décideurs industriels qui envisagent d'installer des humanoïdes sur une ligne de production, l'étude rappelle qu'aucune solution actuelle ne garantit formellement la sécurité d'un robot devant rester en équilibre actif, contrairement a un bras robotique classique qu'on peut arrêter net. Elle souligne aussi l'écart entre les annonces de robots "prêts pour l'usine" et la réalité technique de la certification, un angle mort récurrent du secteur. Meme une architecture de contrôle industrielle standardisée, avec interface IEC 61131-3, ne résout pas le problème puisque le calculateur embarque du G1 n'est pas un matériel certifie pour la sécurité : elle deplace simplement le problème vers l'interface entre l'automate d'automatisation et la politique d'équilibre du robot. Cette étude s'inscrit dans un examen académique croissant de la maturité réelle des humanoïdes industriels, alors que Figure, Tesla avec Optimus, Agility Robotics ou Unitree multiplient les annonces de pilotes en usine. Le choix du G1, plateforme commerciale relativement accessible, comme banc d'essai illustre une tendance a utiliser des robots grand public pour des études de faisabilité en environnement quasi industriel, faute de plateformes déjà certifiées pour cet usage. Les auteurs livrent une analyse spécifique aux humanoïdes de l'état de sécurité actif (la chute comme danger, les limites d'arrêt en appui simple, le risque résiduel lie a la politique d'équilibre, la distance de séparation selon ISO 13855) ainsi qu'un budget temporel documente par source. La suite logique serait l'élaboration de normes dédiées aux plateformes a pattes, un chantier que les organismes de normalisation n'ont pas encore engage, laissant intégrateurs et fabricants sans référence formelle pour déployer des humanoïdes dans des zones partagées avec des opérateurs humains.

Recherche❧Opinion

1 source

46

223arXiv cs.RO 

Modèles vision-langage-action : superviser les VLA au-delà des actions physiques

Une équipe de recherche propose UVT (Unified Visuomotor Target), une méthode d'entraînement pour les modèles vision-langage-action (VLA), détaillée dans un article déposé sur arXiv en août 2026 (2608.03563v1). Le point de départ : les VLA sont entraînés à prédire directement des commandes moteur bas niveau à partir d'observations visuelles et de langage, alors que les modèles vision-langage sous-jacents encodent des représentations riches et de haut niveau des scènes et des objectifs, un décalage qui freine l'apprentissage. UVT introduit une cible latente unique encodant conjointement le contrôle moteur et la transition visuelle de la scène, sans modifier l'architecture ni ajouter de données. Testée sur deux systèmes VLA représentatifs, en simulation comme sur des tâches réelles de manipulation bimanuelle, elle améliore l'efficacité d'entraînement, la performance finale et la robustesse de la politique, avec des gains marqués sous budget d'entraînement limité ou en conditions difficiles. Pour l'industrie robotique, ce travail touche un point de friction bien identifié : la difficulté à obtenir des politiques VLA robustes sans volumes massifs de démonstrations téléopérées, coûteuses à collecter. En montrant qu'un simple changement de cible d'entraînement, sans toucher à l'architecture ni au volume de données, améliore l'efficacité et la robustesse, UVT s'inscrit dans une tendance cherchant à mieux exploiter l'information déjà présente dans les modèles vision-langage préentraînés plutôt que d'empiler paramètres ou données. Pour les équipes qui entraînent leurs propres politiques (laboratoires, intégrateurs, startups humanoïdes), c'est un levier peu coûteux à tester. Les résultats restent toutefois obtenus sur benchmarks et tâches de manipulation en conditions contrôlées ; leur généralisation à des environnements industriels variés et à d'autres familles de VLA n'est pas démontrée. L'article s'inscrit dans la vague de recherche VLA ouverte par des systèmes comme RT-2, OpenVLA, Pi-0 ou GR00T, qui adaptent des modèles vision-langage préentraînés à la prédiction d'actions robotiques. L'essentiel des travaux récents porte sur l'échelle des données ou sur l'architecture (tokenisation des actions, diffusion, mélange d'experts) ; UVT prend le contre-pied en questionnant la cible de supervision elle-même, tout en restant compatible avec les architectures VLA existantes, ce qui facilite en théorie son adoption. La publication ne mentionne aucun partenariat industriel ni déploiement au-delà des tests de laboratoire. Il s'agit pour l'instant d'une contribution méthodologique dont l'impact dépendra de sa reproduction sur d'autres jeux de données et d'autres plateformes robotiques, humanoïdes comprises.

Recherche❖Paper

1 source

45

224arXiv cs.RO 

ETA : un nouveau paradigme à base d'agents pour les tâches incarnées

Un nouveau papier de recherche publié sur arXiv (référence 2608.03924, version 1) présente ETA, pour Embodied Task Agent, un paradigme conçu pour étendre les agents numériques au monde physique. Les auteurs publient en parallèle OpenETA, une implémentation open source du système. L'architecture repose sur une boucle à trois éléments : un Planner qui sélectionne un appel d'outil à la fois, une Interface qui pilote l'exécution de cet appel, et un World qui renvoie le résultat de l'action ainsi qu'une observation fraîche de l'environnement. Cette boucle permet à l'agent de vérifier ce qu'il a réellement accompli, de corriger son plan en conséquence, et de conserver les interactions réussies comme les échecs sous forme d'expérience réutilisable. OpenETA propose des Planners interchangeables, des Tools et Skills composables, une mémoire consultable a posteriori, des trajectoires rejouables, ainsi que des interfaces communes pour la simulation et pour des robots réels. Le papier mentionne aussi une intégration légère avec Codex, où OpenETA tourne comme un plugin limité à trois fonctions : observe, markpoint et moveto. L'enjeu que pose l'équipe est celui du moment "ChatGPT" de la robotique : un robot généraliste capable de gérer des tâches et des environnements inconnus, tout en restant contrôlable sur des interactions longues. Les auteurs pointent une limite des systèmes actuels, majoritairement bâtis en bout en bout de l'observation vers l'action : leur généralisation dépend fortement de la couverture des données d'entraînement, et l'exécution de tâches longues reste difficile à superviser et à inspecter. En important le schéma agentique du monde des LLM (choix d'outil, vérification, mémoire auditable) plutôt qu'une politique monolithique, ETA vise justement l'inspectabilité et la traçabilité, deux propriétés recherchées par les intégrateurs et décideurs industriels pour le débogage, la sécurité et l'éventuelle certification, là où les modèles vision-langage-action de bout en bout restent largement des boîtes noires. Il s'agit à ce stade d'un article de recherche accompagné d'un code source ouvert, sans déploiement industriel ni partenariat annoncé : le texte ne cite aucune entreprise ni site de production. La démarche se distingue des modèles VLA propriétaires à grande échelle qui dominent la course humanoïde actuelle, en empruntant plutôt aux architectures d'agents logiciels à base d'outils déjà répandues côté LLM. La suite logique passera par l'adoption du code OpenETA par la communauté, avec des évaluations en simulation puis sur robots réels pour confirmer si cette approche modulaire tient la comparaison face aux politiques end-to-end sur des tâches longues et non familières.

Recherche❖Paper

1 source

44

225arXiv cs.RO 

« Des trajets aux étapes : distinguer la progression sémantique de l'exécution locale en navigation vision-langage »

Des chercheurs proposent Route2Step, un nouveau cadre pour la navigation vision-langage (VLN), la tâche où un agent doit suivre une instruction en langage naturel découpée en plusieurs étapes en s'appuyant uniquement sur ses observations visuelles égocentriques. Le problème identifié : les navigateurs actuels, basés sur des modèles vision-langage (VLM), supervisent à la fois le suivi de la progression sémantique dans l'instruction et l'exécution locale des mouvements via une seule prédiction de l'action suivante. Quand l'agent dévie de sa route, impossible alors de savoir s'il a mal identifié la sous-instruction en cours ou s'il a échoué à exécuter la bonne action, ce qui le laisse continuer à décider depuis un état de progression erroné. Route2Step sépare explicitement les deux via une interface au niveau des étapes : un module d'analyse d'instruction (MIA) prédit l'état de progression à partir de l'instruction globale et de l'historique visuel, tandis qu'un module de génération d'action (MAG) produit des séquences d'actions locales conditionnées sur cet état. Pour entraîner le premier module sans étiquetage temporel manuel, les auteurs introduisent E-SPA, une procédure qui aligne automatiquement chaque sous-instruction avec la portion correspondante des démonstrations de route. Sur le benchmark R2R-CE, le taux de réussite (SR) grimpe de 48,1% à 55,3% et le score SPL, qui pénalise les trajectoires inefficaces, de 43,3% à 48,2%, avec 190 000 exemples correctifs au niveau de l'état mais seulement 11 500 états directement supervisés par des labels d'action. Cette séparation entre "savoir où j'en suis dans l'instruction" et "savoir comment bouger" s'attaque à un problème structurel de l'entraînement en VLN : la confusion des signaux d'erreur. Pour les chercheurs en robotique mobile et les concepteurs d'agents suivant des instructions vocales ou textuelles, c'est une piste concrète pour fiabiliser des systèmes destinés à des usages comme la logistique en entrepôt, l'assistance domestique ou les robots de service guidés par la voix. Le gain en efficacité de supervision est notable : 11 500 états annotés par action suffisent là où l'approche classique exigerait un étiquetage massif de chaque trajectoire, un signal encourageant pour réduire le coût d'entraînement de ces agents avant tout déploiement réel. Ce travail s'inscrit dans la lignée des benchmarks de navigation continue en environnement 3D, dont R2R-CE (Room-to-Room, Continuous Environments) sert de référence standard pour évaluer des agents suivant des instructions pas à pas dans des scènes réalistes. Les approches précédentes, fondées sur des VLM entraînés par prédiction d'action unique, butaient sur l'ambiguïté que Route2Step cherche à lever. Les auteurs ne se limitent pas à la simulation : des expériences en environnements réels, intérieurs et extérieurs, viennent appuyer l'applicabilité pratique du système, une étape que peu de travaux académiques sur le VLN franchissent. Le code et les démonstrations sont disponibles sur la page du projet, sisyphus-hxy.github.io/Route2Step.

Recherche❖Paper

1 source

44

226arXiv cs.RO 

Retour physique sémantique : la téléopération robotique dextérique améliorée

Un article publié le 2 août 2026 sur arXiv (2608.02780v1) présente une nouvelle méthode de retour haptique pour la téléopération de tâches de manipulation fine, baptisée "haptique sémantique". Plutôt que de reproduire fidèlement les sensations tactiles réelles, comme le font les systèmes haptiques classiques limités par le matériel de capteurs et d'actionneurs, cette approche transmet à l'opérateur des motifs vibratoires abstraits codant l'état du robot. Les états sont répartis en deux catégories, "confirmations" et "exceptions", délivrées via des bracelets pneumatiques et vibrotactiles, associés à un pipeline de rendu haptique modulaire testé en simulation. Trois études ont permis d'identifier la configuration la plus efficace pour une tâche standard de préhension-dépôt (pick and place), puis de la comparer au retour haptique sensoriel classique et au retour visuel. L'enjeu dépasse le simple confort de l'opérateur. Un retour haptique fidèle exige des capteurs de force et des actionneurs coûteux, ce qui freine le déploiement à grande échelle des postes de téléopération, notamment pour la collecte massive de démonstrations utilisées à entraîner les modèles robotiques de type VLA (vision-language-action). En simplifiant le matériel requis et en permettant des correspondances multiples entre motifs et états du robot, l'haptique sémantique ouvre la voie à des interfaces moins chères et plus faciles à industrialiser. Les résultats montrent une performance équivalente aux méthodes classiques sur les tâches unimanuelles, mais nettement supérieure sur les tâches bimanuelles, avec charge cognitive réduite, meilleure conscience de la situation et préférence marquée des opérateurs, un signal utile pour la conception des postes de téléopération à deux bras. Ce travail s'inscrit dans un regain d'intérêt pour la téléopération, portée par la course aux robots humanoïdes (Figure, Tesla avec Optimus, Physical Intelligence, NVIDIA avec GR00T) qui s'appuient sur des données collectées par téléopération pour entraîner leurs modèles de fondation. Le retour haptique sensoriel haute fidélité, longtemps vu comme l'horizon à atteindre, montre ici ses limites pratiques face à une alternative plus légère et modulaire. Les auteurs comparent explicitement leur approche aux deux références du secteur, sans préciser de calendrier de transfert vers du matériel de téléopération commercial. La suite logique consisterait à valider ces motifs haptiques sur des tâches de manipulation plus variées et sur du matériel réel, au-delà du cadre simulé utilisé dans cette étude.

Recherche❖Paper

1 source

43

227arXiv cs.RO 

Robot mobile autonome, une approche hiérarchique pour l'apprentissage par imitation appliqué aux tâches de manipulation à forces variables dans le temps

Une équipe de recherche en robotique présente DPA-FTG (Diffusion Policy Augmented by Fast Trajectory Generation), une architecture hiérarchique pour les tâches de manipulation contact-riche nécessitant des forces variables dans le temps, comme le désassemblage. La méthode sépare une planification lente d'une régulation de force rapide. À 5 Hz, un modèle de diffusion conditionnel choisit une stratégie dans un vocabulaire appris de primitives de tâche. À 60 Hz, une politique légère conditionnée par la force agit comme un contrôleur d'impédance neuronal, ajustant l'exécution en temps réel pour garder le contact stable. Testée sur une tâche bimanuelle de désassemblage de batterie, avec séparation d'une feuille souple, DPA-FTG surpasse les références existantes, dont Reactive Diffusion Policy (RDP). Le problème ciblé est connu : le débruitage itératif des politiques de diffusion crée une latence incompatible avec le contrôle haute fréquence qu'exigent des gestes dynamiques comme buriner ou faire levier. Les méthodes d'action-chunking récentes réduisent cette latence mais restent en boucle ouverte, donc aveugles aux à-coups de force provoqués par une fracture soudaine. Pour l'industrie, l'enjeu est concret : le désassemblage de batteries est central pour le recyclage des véhicules électriques, où la manipulation de matériaux déformables exige une réaction immédiate à la rupture. L'étude s'inscrit dans un débat plus large du secteur, celui du passage à l'échelle des politiques VLA généralistes face à des architectures hiérarchiques plus spécialisées, mieux adaptées aux tâches de contact fin. Les politiques de diffusion se sont imposées pour leur capacité à apprendre des comportements multimodaux complexes, mais leur coût d'inférence limite les applications dynamiques. Les approches visuo-tactiles récentes corrigent surtout la position ; DPA-FTG s'en distingue en séparant explicitement planification et régulation de force, avec RDP comme comparaison directe. Il s'agit pour l'instant d'une étude publiée sur arXiv en août 2026, validée en laboratoire sur un montage bimanuel et non déployée industriellement. L'article ne donne pas de calendrier de transfert vers la production, mais trace une piste pour des cellules de désassemblage automatisées plus robustes aux variations de force lors d'événements de fracture.

Recherche❖Paper

1 source

43

228arXiv cs.RO 

Fonctions de barrière de contrôle par opérations de Minkowski pour la navigation sécurisée parmi des polytopes

Des chercheurs publient sur arXiv (2608.02886, 5 août 2026) une nouvelle formulation des fonctions de barrière de contrôle (CBF) pour la navigation sécurisée de robots dans des environnements composés de polytopes, c'est-à-dire d'obstacles à géométrie polyédrique exacte plutôt qu'approximée. Les méthodes CBF existantes simplifient généralement les obstacles par des formes lisses et conservatives, sphères ou ellipsoïdes, pour obtenir des fonctions de distance différentiables plus faciles à calculer. L'équipe propose à la place une fonction de distance signée (SDF) exacte, valable à la fois pour un robot et des obstacles de forme polyédrique quelconque. La méthode s'appuie sur des opérations de Minkowski et résout deux programmes convexes complémentaires, un pour le cas sans collision et un pour le cas en collision, ce qui permet de calculer la distance exacte dans les deux régimes. Les auteurs en dérivent également une expression analytique unifiée du gradient de cette SDF, obtenue par analyse de sensibilité en exploitant les propriétés géométriques des opérations de Minkowski en 2D. Le cadre est validé en simulation sur un cas de translation pure et trois scénarios avec des robots de type unicycle : récupération après une initialisation non sécurisée, évitement d'un obstacle unique, puis de plusieurs obstacles, comparés à des méthodes de référence. L'enjeu pour la robotique industrielle est concret : la plupart des robots mobiles autonomes (AMR) et bras manipulateurs ont une géométrie proche du polytope, pas de la sphère, et les approximations conservatives leur font perdre de la marge de manœuvre dans des espaces contraints comme les allées d'entrepôt. Une SDF exacte promet des trajectoires moins prudentes sans sacrifier la garantie de sécurité formelle propre aux CBF. Fait notable, le calcul exact du gradient rotationnel révèle une classe de minima locaux jusque-là masquée par les approximations, provenant du couplage entre la géométrie du robot et sa cinématique non holonome, un mode de défaillance que les méthodes conservatives ne permettaient pas de voir. Les CBF sont une technique établie de contrôle sûr depuis le milieu des années 2010, généralement appliquée à des formes simplifiées. Ce travail les étend à la géométrie exacte, un problème resté ouvert faute d'expression différentiable pratique de la distance entre polytopes. Il s'agit à ce stade d'une publication de recherche validée uniquement en simulation, sans démonstration sur robot physique ni déploiement industriel annoncé.

Recherche❖Paper

1 source

43

229arXiv cs.RO 

Comment vision-langage-action doivent-ils utiliser l'état proprioceptif ?

Un nouvel article de recherche publié sur arXiv (2608.03052, début août 2026) s'attaque à une question que la littérature sur les modèles Vision-Language-Action (VLA) a longtemps traitée par à-coups : comment un robot doit-il intégrer son état proprioceptif, c'est-à-dire les positions et vitesses articulaires mesurées en interne. Les auteurs relèvent que la quasi-totalité des VLA récents exploitent cette information, mais de manière incohérente d'un système à l'autre : sérialisée en texte dans le prompt, projetée dans le préfixe vision-langage, ou injectée directement dans l'expert d'action, et presque toujours limitée à une seule frame instantanée. Pour trancher, l'équipe a mené des expériences contrôlées sur un VLA à flow-matching, en figeant le backbone, les données d'entraînement, la représentation d'action et le protocole d'évaluation. Cinq interfaces ont été comparées à égalité d'implémentation (prompt d'état discret, préfixe VLM, préfixe d'action, expert d'état dédié, modulation de features), testées sur 45 tâches atomiques réparties en trois familles plus 20 tâches composites, avec un balayage de la longueur d'historique d'état de 1 à 96 frames. L'enjeu dépasse le détail d'ingénierie : à mesure que les VLA se généralisent en robotique industrielle, chaque laboratoire bricole sa propre façon de câbler l'état proprioceptif sans base comparative rigoureuse, ce qui rend les gains rapportés difficiles à attribuer. Cette étude cherche à isoler ce qui relève d'un réel bénéfice temporel de ce qui n'est qu'un surcroît de capacité de conditionnement, une distinction cruciale pour les équipes qui doivent arbitrer entre complexité d'architecture et performance en boucle fermée sur des tâches réelles. Le papier s'inscrit dans un paysage VLA en pleine consolidation, dominé par des architectures comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, dont les choix d'intégration proprioceptive restent largement empiriques et non justifiés publiquement. L'abstract ne détaille pas les principes de conception retenus, seulement la méthodologie : les résultats précis et leur portée pratique restent à vérifier dans le corps de l'article.

Recherche❖Paper

1 source

43

230arXiv cs.RO 

GORDON : récompenses par graphes centrées sur l'objet pour décomposer la manipulation à long horizon

Une équipe de recherche décrit dans un article publié sur arXiv début août 2026 (2608.03753) GORDON, un système qui apprend des récompenses denses pour l'apprentissage par renforcement en manipulation robotique, à partir de simples vidéos de démonstration sans action associée. Chaque scène est convertie en graphe d'objets et de relations spatiales, qu'un réseau de neurones sur graphe, entraîné de façon auto-supervisée, projette dans un espace latent aligné sur la progression de la tâche, en isolant les objets pertinents du mouvement propre au bras robotique. La récompense correspond alors à la distance, dans cet espace, entre l'état courant et la configuration d'objectif démontrée. Sur sept tâches testées dans les bancs d'essai simulés MAGICAL et ManiSkill3, GORDON atteint un taux de réussite moyen de 74,4 % sur les tâches longues, soit environ 35 points de mieux que la meilleure base apprise et 25 points de mieux qu'une politique oracle. Ce résultat s'attaque à un goulot d'étranglement classique du RL robotique, la conception de la récompense pour des tâches longues et multi-étapes : les récompenses éparses donnent peu de signal, et celles apprises sur pixels bruts se révèlent fragiles aux variations d'arrière-plan ou de trajectoire. En représentant la scène par objets plutôt que par pixels, et en découvrant automatiquement les sous-tâches à partir du profil temporel de la récompense, sans annotation manuelle, GORDON réduit le travail d'ingénierie nécessaire pour décomposer une tâche complexe. C'est un frein connu pour les équipes qui entraînent des politiques sur des séquences d'assemblage ou de tri multi-étapes, un des obstacles à la généralisation des politiques apprises au-delà des tâches courtes. La méthode s'inscrit dans la lignée des travaux sur la récompense apprise par démonstration, qui cherchaient jusqu'ici un compromis entre richesse du signal et robustesse visuelle. Elle diffère des approches vision-langage-action comme Pi-0 ou GR00T N2, qui apprennent une politique de bout en bout : GORDON reste une brique de reward shaping et de décomposition de tâches, combinable en principe avec différents algorithmes de RL. Les résultats restent pour l'instant limités à deux bancs d'essai simulés, sans test sur robot physique ni transfert sim-to-real annoncé, ce qui reste l'étape suivante pour juger de la portée réelle de la méthode.

Recherche❖Paper

1 source

42

231arXiv cs.RO 

Mixed-Initiative : le travail d'équipe humain-robot en situation de sous-optimalité avec adaptation bayésienne en ligne

Le travail, publié en version mise à jour sur arXiv (2403.16178v2) sous le titre "Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation", s'attaque à un biais courant dans la recherche en collaboration homme-robot: la plupart des modèles existants supposent qu'au moins un des deux partenaires, humain ou machine, agit de façon quasi optimale. Or, dans les situations réelles, humains comme agents autonomes ne disposent souvent que d'une connaissance partielle de l'environnement et agissent tous deux de manière sous-optimale, avec des capacités asymétriques. Les auteurs développent une approche bayésienne en ligne permettant à un robot d'inférer, pendant une tâche de décision séquentielle, la propension de son partenaire humain à suivre ses suggestions d'assistance, puis d'ajuster en conséquence son style d'intervention. Des études utilisateurs viennent étayer la méthode: les préférences des participants et la performance globale de l'équipe varient nettement selon le degré d'initiative pris par le robot, et l'approche proposée améliore la performance objective de l'équipe (p<.001), ainsi que des mesures subjectives comme la confiance envers le robot (p<.001) et la volonté de suivre ses recommandations (p<.001). Pour les concepteurs de systèmes homme-machine, la portée dépasse le cadre académique: cela suggère qu'un cobot ou un assistant robotique ne devrait pas se contenter d'exécuter un plan jugé optimal, mais apprendre en continu à quel point son opérateur humain lui fait confiance et adapter son niveau d'intervention en conséquence, une approche dite "mixed-initiative" où l'initiative de l'action bascule dynamiquement entre les deux parties. C'est un argument concret contre les démonstrations de laboratoire où l'humain est scripté pour se comporter de façon idéale, et un pas vers des architectures de collaboration plus robustes pour l'industrie, la logistique ou l'assistance, où l'imprévisibilité et les erreurs humaines sont la norme plutôt que l'exception. Le papier s'inscrit dans un courant de recherche en robotique interactive qui cherche à dépasser les hypothèses simplificatrices des modèles de théorie des jeux ou d'apprentissage par renforcement multi-agents, généralement testés entre agents artificiels supposés rationnels. En repositionnant l'humain comme partenaire imparfait plutôt que comme oracle de référence, ce travail rejoint les efforts plus larges sur l'adaptation en ligne et l'inférence de préférences dans les systèmes homme-robot, un axe amené à prendre de l'importance à mesure que les robots collaboratifs sortent des environnements contrôlés pour opérer aux côtés d'opérateurs aux compétences et à la disponibilité variables.

Recherche❖Paper

1 source

42

232arXiv cs.RO 

Apprentissage de a priori de mouvement sensibles au contexte pour le contrôle d'humanoïdes

Publié sur arXiv (référence 2608.03234v1), le framework Context-Aware Motion Priors (CMP) s'attaque à un défaut connu de l'apprentissage par imitation de mouvements chez les humanoïdes : les motion priors classiques, appris une fois sur tout le jeu de données de référence, sont appliqués uniformément durant l'entraînement sans distinguer les mouvements pertinents pour la tâche en cours. CMP apprend une compatibilité contexte-mouvement à partir des trajectoires de politique les plus prometteuses, tout en restant ancré sur les démonstrations de référence. Les scores obtenus repondèrent la supervision pour entraîner un adaptateur léger conditionné par le contexte, sans étiquetage manuel ni étape de découverte de compétences séparée. L'approche est validée avec deux familles de priors, Adversarial Motion Priors et Score-Matching Motion Priors, sur cinq tâches de contrôle humanoïde. L'enjeu dépasse la performance académique. L'imitation de mouvements par renforcement est la méthode dominante pour doter les humanoïdes de comportements fluides, une brique reprise dans la plupart des piles logicielles du secteur, de Figure à Unitree. Son talon d'Achille reste le caractère générique du prior, incapable de distinguer un mouvement utile d'un mouvement parasite selon la tâche, ce qui pèse sur l'efficacité d'échantillonnage, un facteur critique quand chaque itération d'entraînement coûte du temps de calcul en simulation. En démontrant un gain constant de performance sur cinq tâches sans labellisation additionnelle, CMP s'attaque à un goulot d'étranglement identifié de la recherche en contrôle humanoïde, sans pour autant constituer un système déployé sur robot physique ni un produit annoncé par un fabricant. Le travail s'inscrit dans la lignée des Adversarial Motion Priors, popularisées à partir de 2021 pour l'animation de personnages physiques puis largement reprises dans le contrôle humanoïde par renforcement, et des Score-Matching Motion Priors plus récentes, inspirées des modèles de diffusion. CMP se positionne comme une couche d'adaptation contextuelle au-dessus de ces deux familles plutôt que comme une méthode concurrente. La publication ne précise ni affiliation institutionnelle ni calendrier au-delà de l'article arXiv lui-même ; si les résultats se confirment sur des tâches plus complexes, la suite logique serait une intégration dans les pipelines d'entraînement sim-to-real des acteurs humanoïdes qui s'appuient déjà sur des motion priors pour la locomotion et la manipulation.

Recherche❖Paper

1 source

42

233arXiv cs.RO 

Intelligence incarnée centrée sur l'humain pour la robotique portable souple

Une équipe de chercheurs propose dans une revue publiée sur arXiv (2608.03556, août 2026) un nouveau cadre conceptuel pour les robots portables souples, baptisé Human-Centric Embodied Intelligence (HCEI). Ce concept part du constat que le champ, après des années de prototypes de preuve de concept en réhabilitation, assistance professionnelle et augmentation humaine, ne bute plus tant sur les matériaux ou les actionneurs que sur l'intégration de la perception, de l'intelligence et de l'adaptation de l'utilisateur dans des dispositifs portés durablement, confortables et dignes de confiance. Pour structurer cette approche, les auteurs introduisent le framework PCAA (Perception-Cognition-Actuation-Augmentation), qui synthétise les avancées récentes en matériaux souples, capteurs portables, intelligence artificielle, actionnement, interaction humain-robot, jumeaux numériques, translation clinique, fabrication, régulation et éthique. L'apport principal tient au renversement de paradigme proposé: alors que le développement des exosquelettes et exomuscles souples a longtemps été piloté par l'actionneur (d'abord concevoir le muscle artificiel ou le vérin, puis y greffer des capteurs), le framework PCAA place la perception et la cognition en amont de la conception. Pour les intégrateurs et décideurs du secteur médical ou industriel, cela signifie qu'un dispositif portable devient un système couplé humain-robot où l'intelligence émerge de l'interaction entre morphologie, capteurs multimodaux et adaptation physiologique du porteur, plutôt qu'un simple actionneur commandé. C'est une piste pour dépasser l'écart persistant entre démonstrations en laboratoire et usage réel prolongé, un problème récurrent en robotique portable. Ce travail s'inscrit dans la maturation d'un domaine né des premiers exosquelettes de réhabilitation et des combinaisons d'assistance au lever de charges en environnement industriel, aujourd'hui tiré par les progrès parallèles des matériaux souples, des capteurs miniaturisés et des modèles d'IA embarquée. En couvrant aussi la fabrication, la régulation et l'éthique, les auteurs visent explicitement à orienter la recherche future et à accélérer la translation clinique et commerciale de robots portables personnalisés et prédictifs, sans toutefois annoncer de produit ou de déploiement concret à ce stade.

Exosquelettes❖Paper

1 source

42

234arXiv cs.RO 

IA incarnée : GraspMeanFlow génère des prises 6-DoF en quelques étapes grâce à un flux moyen équivariant SE(3)

Des chercheurs publient sur arXiv (2608.03295v1, article inédit) GraspMeanFlow, une méthode qui génère des poses de préhension à six degrés de liberté (6-DoF) en une seule ou quelques évaluations, là où les modèles génératifs équivariants SE(3) existants nécessitent des dizaines d'évaluations via intégration numérique itérative, un frein direct pour la manipulation en temps réel. Le système apprend la vélocité moyenne sur un intervalle de temps fini, définie par une exponentielle ordonnée dans le temps, de sorte qu'elle reproduise exactement le déplacement rigide accumulé sur cet intervalle. L'entraînement combine un terme de flow-matching classique avec l'un de deux termes de cohérence : l'identité différentielle MeanFlow, qui exige un produit jacobien-vecteur, ou une perte de semi-groupe équivalente qui l'évite. Sur le jeu de données de référence ACRONYM, une seule évaluation de fonction atteint la distance EMD qu'un modèle de flow SE(3) itératif met cinq étapes à approcher, et une seconde variante du même cadre améliore le taux de succès de préhension jusqu'à 24,3 points dans ce régime à faible nombre d'étapes. L'enjeu est la vitesse d'échantillonnage des poses de préhension, un goulot d'étranglement connu des pipelines de manipulation robotique (bras industriels, préparation de commandes, bras montés sur AMR). Réduire des dizaines d'évaluations à une seule tout en conservant l'équivariance, c'est-à-dire la cohérence des poses générées face aux rotations et translations de l'objet, importe car cette propriété limite le besoin de voir chaque orientation d'objet pendant l'entraînement et renforce la généralisation. Le résultat va à l'encontre d'une hypothèse répandue selon laquelle la distillation few-step des modèles génératifs sacrifie la précision : ici, la qualité reste compétitive, voire supérieure, ce qui ouvre la voie à des préhenseurs génératifs réellement temps réel plutôt que cantonnés à la simulation hors ligne. Le travail s'inscrit dans la lignée des modèles de diffusion ou de flow équivariants SE(3) pour la génération de préhension, et adapte le cadre récent MeanFlow, conçu pour l'échantillonnage en peu d'étapes sans distillation depuis un modèle enseignant, à la structure du groupe SE(3) propre à la robotique. ACRONYM, le jeu de données utilisé, est un benchmark synthétique standard du domaine. Il s'agit à ce stade d'un résultat de recherche évalué en simulation, sans validation annoncée sur robot réel ni indication de calendrier pour un tel test.

Recherche❖Paper

1 source

42

235arXiv cs.RO 

PhyAI : l'IA physique en temps réel en périphérie, avec un déploiement à grande échelle dans le cloud

Publié sur arXiv début août 2026, PhyAI est un moteur d'inférence unifié pour l'IA physique, code et benchmarks disponibles en accès libre sur GitHub (mingti-org/phyai). Le système fait tourner un seul runtime sur les quatre étapes du cycle de vie d'une politique robotique : évaluation de modèle, rollout d'apprentissage par renforcement dans le cloud, service sur GPU en edge et déploiement embarqué. L'architecture isole dans des adaptateurs les briques spécifiques à chaque modèle (conditionnement, solveur, cache, sortie), tandis que le reste, exécution du graphe de calcul, kernels, gestion mémoire, services parallèles, est mutualisé. Les auteurs ont testé la portabilité de cette approche en intégrant MiniCPM-Robot le jour même de sa sortie via cette interface d'adaptateur. Les gains mesurés vont de 1,40x à 4,65x par rapport aux implémentations officielles de pi0, pi0.5, GR00T N1.7 et MiniCPM-Robot. Sur Cosmos3-Nano-Policy-DROID, la latence tombe de 2,46 à 1,18 seconde sur huit GPU H20 (CFG=2, parallélisme tensoriel TP=4), soit un facteur 2,08x. Ce résultat vise directement les intégrateurs et ingénieurs robotique qui jonglent aujourd'hui entre plusieurs runtimes selon l'environnement de déploiement, un vrai point de friction dans l'industrialisation des politiques VLA (vision-language-action). En unifiant évaluation, entraînement et production sous un même code, PhyAI réduit le risque d'écart entre performances mesurées en labo et résultats sur le terrain, un problème classique du secteur. Les auteurs restent factuels sur les limites : des runtimes spécialisés demeurent plus rapides dans plusieurs configurations, l'objectif affiché étant une latence compétitive plutôt qu'un record absolu. L'apport le plus utile pour les décideurs techniques est le concept de "control-time Roofline", qui distingue les cas où le contrôle est limité par l'inférence de ceux limités par l'environnement : sur quatre suites LIBERO, pi0.5 s'avère limité par l'environnement tandis que Cosmos3 reste limité par l'inférence, une grille utile pour prioriser les investissements. Les profils détaillés expliquent pourquoi un runtime unique ne suffit pas seul : sur GPU Hopper, à batch 1, l'expert d'action de pi0.5 représente 8,8% des calculs (FLOPs) mais 57,2% de la latence, un goulot qui retombe à 13,5% à batch 32, portant le débit à environ 100 échantillons par seconde. Cosmos3, dominé par la génération, ne gagne que 14,3% de débit entre batch 1 et 16. Ces travaux s'inscrivent dans la course à l'infrastructure d'inférence pour l'IA physique, alors que les familles pi0/pi0.5 (Physical Intelligence), GR00T (NVIDIA) et les VLA type Cosmos ou MiniCPM-Robot se multiplient, chaque laboratoire ayant historiquement développé son propre runtime maison.

Infrastructure⚡Actu

1 source

42

236arXiv cs.RO 

Robot IA : le shooting par contact retargete le mouvement dynamique sans lissage discontinu

Publié sur arXiv le 5 août 2026 (référence 2608.03116), un article de recherche présente DSMS (Direct Simulation-based Multiple Shooting), une méthode qui corrige un défaut courant du retargeting de mouvement pour humanoïdes. Les techniques actuelles privilégient la ressemblance cinématique avec le mouvement humain source, au détriment de la dynamique corps entier et de la cohérence des contacts, produisant des références difficiles à reproduire en apprentissage par renforcement, surtout pour des comportements riches en contacts. DSMS intègre un simulateur différentiable dans un programme d'optimisation non linéaire, résolvant en interne contacts, friction, impacts, auto-collisions et limites articulaires, sans calendrier de contact imposé. Les auteurs démontrent un transfert sim-to-real zero-shot sur le Unitree G1 : un rampement pilotable riche en contacts et un saut-pivot dynamique à 180 degrés. Ce travail cible un point de friction central pour l'industrie humanoïde : l'écart entre démonstrations simulées et comportements fiables sur robot réel, frein majeur à une commercialisation crédible au-delà des vidéos promotionnelles. Les pipelines de motion imitation actuels, qu'ils reposent sur du RL ou des architectures VLA, héritent souvent de références physiquement irréalistes, ce qui allonge l'entraînement et fragilise les politiques face aux contacts imprévus. En rendant les références dynamiquement cohérentes en amont, DSMS accélérerait l'entraînement et améliorerait le taux de succès et la précision de suivi par rapport aux méthodes existantes, selon les auteurs. Le résumé ne fournit toutefois aucun chiffre comparatif précis, ce qui invite à la prudence sur l'ampleur réelle du gain avant validation indépendante. La publication s'inscrit dans l'effort de recherche intense sur le sim-to-real pour humanoïdes, qui mobilise aussi bien des laboratoires académiques que Nvidia avec GR00T, Figure avec Helix, ou les équipes internes d'Unitree et de Boston Dynamics. Le G1, plateforme largement utilisée en recherche pour son coût relativement accessible et ses capacités dynamiques, sert de banc d'essai standard pour ce type de démonstration. Publié en preprint, non encore validé par revue par les pairs, l'article ne mentionne ni partenariat industriel ni feuille de route commerciale : il s'agit d'une contribution méthodologique destinée à la communauté du contrôle robotique et du RL, dont l'impact réel dépendra de sa reproductibilité par d'autres équipes.

Recherche❖Paper

1 source

41

237arXiv cs.RO 

EvoHIL : optimisation évolutive de la récompense et de la politique par flow matching pour l'apprentissage par renforcement robuste avec humain dans la boucle

Une équipe de recherche vient de publier sur arXiv (2608.03872, début août 2026) EvoHIL, un framework d'apprentissage par renforcement avec humain dans la boucle (HIL-RL) pour la manipulation robotique riche en contacts. Le système combine trois mécanismes : une récompense auto-évolutive (SER) qui met à jour le classificateur de succès à partir d'exemples positifs validés par un humain et de négatifs faibles provisoires ; une stabilisation de flux d'actions (AFS), qui génère des séquences temporellement cohérentes via flow matching en s'appuyant sur les préfixes d'actions déjà exécutés et les démonstrations ; et un fine-tuning hors ligne dit « rétention-aware », qui rejoue des données d'interaction rééclairées tout en ancrant l'acteur-critique AFS au comportement antérieur, sans interaction robotique supplémentaire. Les auteurs ont testé EvoHIL sur six tâches de manipulation, sur des bras Franka FR3 et SO-101, sous un changement contrôlé d'éclairage. Comparé aux méthodes HIL-RL classiques et à l'imitation learning, EvoHIL améliore le taux de réussite, l'accord avec les labels de confirmation humaine, la fluidité du mouvement et le temps de complétion. L'intérêt tient à la façon dont le papier attaque trois faiblesses couplées qui plombent le HIL-RL en conditions réelles : un modèle de récompense visuel statique qui s'effondre dès que la scène change, des actions échantillonnées indépendamment qui produisent des mouvements saccadés, et des politiques vision-based fragiles face aux changements d'apparence. C'est exactement ce type de fragilité qui sépare les démonstrations de labo des déploiements industriels, où l'éclairage, le fond ou la position des objets varient en permanence. En montrant qu'un reward model, un générateur d'actions et un domaine visuel peuvent être adaptés conjointement plutôt que séparément, EvoHIL nourrit le débat sur la viabilité des politiques VLA à l'échelle, une question centrale pour tout intégrateur cherchant à sortir un bras collaboratif ou un humanoïde des conditions contrôlées d'une démo. Le travail s'inscrit dans la lignée des recherches récentes sur le flow matching appliqué aux politiques robotiques, une approche popularisée par des modèles comme Pi-0 ou GR00T N2 pour produire des trajectoires plus fluides que les méthodes de diffusion classiques. Il s'agit toutefois d'un article académique soumis en double-aveugle, avec une page projet hébergée sous un identifiant anonyme et sans affiliation d'entreprise ni de laboratoire revendiquée à ce stade, ni déploiement industriel annoncé. Les essais se limitent à deux plateformes de bras manipulateurs en environnement contrôlé, loin des volumes d'un déploiement commercial. La suite logique, si les résultats tiennent lors de la publication définitive, serait une extension à davantage de tâches, de plateformes et de variations environnementales pour confirmer la robustesse au-delà du simple changement d'éclairage testé ici.

Recherche❖Paper

1 source

41

238arXiv cs.RO 

PACE : allocation adaptative de budget pour une planification incarnée efficace en temps

Des chercheurs présentent PACE (Planning with Adaptive Cognitive Effort), un nouveau framework destiné à accélérer la planification des systèmes robotiques pilotés par des grands modèles de langage à raisonnement renforcé. Publié le 5 août 2026 sur arXiv (identifiant 2608.03034v1), le papier s'attaque au principal frein empêchant ces modèles d'équiper des systèmes embarqués: des délais d'inférence qui dépassent parfois la minute par instance de planification, le modèle devant achever tout son raisonnement avant d'exécuter la moindre action. PACE repose sur deux mécanismes. Une architecture "Interleaved Think-Act" entrelace le raisonnement cognitif et l'exécution des actions au lieu de les séquencer strictement. Un "Dynamic Budget Allocator" ajuste ensuite le budget de tokens de raisonnement à la fenêtre de temps d'exécution réellement disponible. Testé sur le benchmark Robotouille avec le modèle Qwen3-8B-AWQ, PACE atteint un taux de réussite de 10%, soit une amélioration relative de 67% par rapport à la référence ReAct+Think, tout en accélérant le temps de réflexion d'un facteur 6,9 comparé à un raisonnement non contraint. Le framework parvient à masquer 66,8% du temps de réflexion dans les fenêtres d'exécution. Cette approche répond à un goulot d'étranglement bien identifié: les modèles de raisonnement type "thinking" améliorent la qualité des plans générés mais restent inutilisables en temps réel, un robot ne pouvant rester immobile plusieurs dizaines de secondes entre chaque décision. En interrompant le raisonnement pour agir puis en le reprenant pendant l'exécution, PACE ouvre une piste concrète pour rendre les architectures LLM-planificateur compatibles avec des domaines sensibles à la latence, du pick-and-place industriel à la navigation d'AMR. Il faut toutefois relativiser l'ampleur du résultat: un taux de réussite absolu de 10% reste faible en tant que tel, même si le gain relatif et l'accélération démontrent la validité du principe. Il s'agit d'une preuve de concept en simulation, pas d'un système prêt pour un déploiement industriel. Classé "Announce Type: new" sur arXiv, ce travail s'inscrit dans la vague de recherches qui tentent d'adapter les modèles de raisonnement récents, conçus pour du texte, à des contextes physiques et temporisés. La comparaison retenue par les auteurs, ReAct+Think, reflète l'approche dominante actuelle où planification et action restent strictement séquentielles. Robotouille, le benchmark utilisé, simule des tâches de cuisine multi-étapes nécessitant coordination et replanification, un terrain de test courant pour évaluer les agents LLM en environnement embarqué. Les auteurs ne donnent ni calendrier de suite ni validation sur robot physique; l'extension à d'autres benchmarks et, à terme, des tests sur plateformes réelles constituent les prochaines étapes attendues pour ce type de travaux académiques.

Recherche❖Paper

1 source

41

239arXiv cs.RO 

Robots humanoïdes : accélérer la génération de trajectoires par diffusion et distillation par cohérence

Une équipe de recherche propose un framework de planification de trajectoires contraintes pour bras manipulateurs en interaction homme-robot (HRI). Le point de départ : quand la pose de l'effecteur terminal est entièrement fixée, imposer en plus l'évitement de collisions et d'auto-collisions comme simple tâche secondaire dans l'espace nul devient difficile, ce qui complique la génération de trajectoires sûres. Les chercheurs génèrent d'abord, via les algorithmes RRT et RRT*, un jeu de données de trajectoires respectant ces contraintes, puis entraînent dessus un modèle de diffusion produisant des trajectoires articulaires par échantillonnage guidé. Une distillation de cohérence réduit ensuite le temps d'inférence, et un terme de régularisation du jerk pondéré par articulation est ajouté à la fonction de perte pour lisser les trajectoires. En simulation, le modèle de cohérence génère 150 candidats en moins de 100 millisecondes, avec un taux de réussite élevé, et la régularisation du jerk réduit nettement les à-coups articulaires et à l'effecteur terminal. Ce résultat vise un verrou concret pour les robots collaboratifs travaillant près d'humains : les planificateurs classiques par échantillonnage comme RRT sont trop lents pour du replanning temps réel, tandis que les modèles de diffusion, efficaces pour capturer des distributions de trajectoires contraintes, restent coûteux en inférence à cause du débruitage itératif. En ramenant la génération à quelques étapes sans perte visible de qualité, la distillation de cohérence rapproche les planificateurs appris de la latence exigée par un usage embarqué, un enjeu direct pour les intégrateurs de cobots industriels et les concepteurs de systèmes HRI, où la sécurité ne doit pas se payer en réactivité. Le travail s'inscrit dans la lignée des approches par diffusion appliquées à la planification de mouvement et à l'apprentissage par imitation en robotique, où la vitesse de génération reste le principal obstacle face aux contrôleurs classiques. Les modèles de cohérence, conçus à l'origine pour accélérer la génération d'images, sont ici transposés à la manipulation robotique pour contourner ce compromis vitesse-qualité. Les résultats restent toutefois cantonnés à la simulation : la validation sur bras robotique physique, avec perception humaine réelle, constitue l'étape logique suivante avant tout déploiement en environnement collaboratif.

Recherche❖Paper

1 source

40

240arXiv cs.RO 

Stiffness Copilot : une politique d'impédance pour la téléopération à contacts riches

Des chercheurs présentent Stiffness Copilot, une politique de contrôle partagé pour la téléopération de tâches à contact riche : l'opérateur commande la pose du robot, un module logiciel ajuste en continu sa raideur (impédance). L'entraînement combine deux étapes : en simulation, calcul de matrices de raideur directionnelle optimales à partir d'informations de contact privilégiées, inaccessibles en conditions réelles ; puis supervision d'une politique vision légère qui prédit la raideur à partir des seules images de la caméra poignet, avec un transfert zero-shot vers des images réelles au moment de l'exécution. Lors d'une étude avec sujets humains, le système a égalé la sécurité d'une raideur constante basse tout en matchant l'efficacité d'une raideur constante élevée. Le papier (arXiv 2603.14068v2) ne détaille ni plateforme robotique ni chiffres bruts de temps ou de taux de réussite. En téléopération de tâches à contact riche - assemblage, insertion, manipulation d'objets fragiles - le réglage de la raideur reste un compromis classique : trop rigide, le bras risque d'endommager l'environnement en cas de désalignement ; trop souple, il perd en réactivité et en capacité à exercer une force utile. Ce réglage est aujourd'hui généralement fixé manuellement par l'opérateur ou l'intégrateur. L'automatiser en le déduisant visuellement, en temps réel et sans capteur de force dédié, réduirait la charge cognitive de l'opérateur et simplifierait le déploiement industriel de la téléopération comme solution transitoire avant l'autonomie complète - un enjeu direct pour les intégrateurs qui peinent encore à faire fonctionner les politiques VLA de façon fiable sur des tâches en contact. Le contrôle d'impédance existe depuis des décennies en robotique, mais son réglage reste largement manuel ou dépendant de capteurs de force dédiés, coûteux et fragiles hors laboratoire. Le contrôle partagé s'est développé en réponse aux limites du contrôle direct pur sur les tâches délicates et à la difficulté persistante de l'autonomie complète en contact riche. En s'appuyant uniquement sur une caméra poignet et un entraînement en simulation avec information privilégiée, Stiffness Copilot s'inscrit dans cette lignée de travaux cherchant à réduire la dépendance aux capteurs spécialisés. Marqué "replace" sur arXiv, ce document correspond à une version révisée (v2) d'une contribution académique ; le résumé ne mentionne aucune suite industrielle annoncée.

Recherche❖Paper

1 source

40

241arXiv cs.RO 

Exploration autonome des sciences par POMDP

Un rover ou drone d'exploration scientifique autonome, pas un robot humanoïde : je traduis et synthétise cet abstract arXiv sur la planification sous incertitude. Une équipe de recherche publie sur arXiv (référence 2608.03155, 5 août 2026) un nouveau cadre de planification baptisé Science Hypothesis Map POMDP (SHM-POMDP), destiné aux missions d'exploration scientifique autonome, comme des rovers planétaires ou géologiques, confrontées à l'incertitude des capteurs et à des ressources de calcul limitées. Jusqu'ici, intégrer des représentations scientifiques dans la planification POMDP (processus de décision markovien partiellement observable) restait quasi impossible face à la haute dimensionnalité des espaces d'observation. Les planificateurs dits "information-theoretic" contournaient le problème en supposant des observations déterministes, au prix de la rigueur statistique propre aux POMDP. SHM-POMDP fait plutôt "brancher" la décision sur des propriétés physiques inférées plutôt que sur les données brutes, préservant toute l'information sensorielle via des modèles d'observation appris. Sur un domaine RockSample étendu à 50 dimensions d'observation, la méthode gagne 18,6% de récompense et réduit le temps de calcul par étape de 32,9% face aux méthodes à observations continues. Sur des données hyperspectrales réelles de la zone de Cuprite (Nevada), elle atteint un gain d'information 2,5 fois supérieur au meilleur planificateur information-theoretic concurrent, jusqu'à 80% de la performance d'un oracle théorique en partant de simples a priori uniformes. Pour les concepteurs de missions autonomes, rovers, drones ou véhicules sous-marins chargés de cartographie géologique ou minière, ce travail cible un vrai goulot d'étranglement : les systèmes déployés aujourd'hui simplifient souvent la perception pour rester calculables en temps réel, au risque de décisions scientifiquement sous-optimales, notamment quand un opérateur humain ne peut intervenir à temps, par exemple à cause du délai de communication avec Mars ou dans des environnements extrêmes. En montrant qu'un raisonnement probabiliste complet reste exploitable sur des observations de haute dimension sans sacrifier la rigueur statistique, SHM-POMDP suggère qu'on peut rapprocher la planification embarquée des standards théoriques du POMDP plutôt que de s'appuyer sur de simples heuristiques. Ces résultats restent toutefois obtenus en simulation académique, sur un domaine de référence (RockSample) et un jeu de données existant (Cuprite), pas lors d'un déploiement réel sur le terrain. Les POMDP forment un formalisme classique de planification sous incertitude en intelligence artificielle, mais leur usage pour des missions scientifiques s'est longtemps heurté à la malédiction de la dimensionnalité des capteurs modernes, spectromètres ou imagerie hyperspectrale. Les approches information-theoretic avaient contourné l'obstacle en simplifiant les observations, une solution pragmatique mais moins rigoureuse. SHM-POMDP tente de réconcilier les deux logiques via des modèles hiérarchiques probabilistes plutôt qu'un compromis brut. Classé comme nouvelle contribution ("new") sur arXiv, ce travail reste à ce stade purement académique, sans partenariat industriel, mission spatiale ou déploiement terrain annoncés. Les auteurs ne précisent pas de calendrier pour un test sur robot physique, prochaine étape logique pour ce type de recherche en planification de mission scientifique.

Recherche❖Paper

1 source

40

242arXiv cs.RO 

IA humanoïde : PFM-HR, un modèle de flow matching pour la posture des robots

Des chercheurs publient sur arXiv (arXiv:2608.03227, 3 août 2026) PFM-HR, Pose Flow Matching for Humanoid Robots, un nouveau prior de mouvement pour l'apprentissage par renforcement appliqué au suivi de mouvement de robots humanoïdes basé sur la physique. Contrairement aux priors temporels classiques, qui exigent des clips de mouvement ordonnés, PFM-HR entraîne un flow matching réutilisable directement sur de grands volumes de données de poses non ordonnées. Les auteurs introduisent le Pose Geometry Score (PGS), une métrique qui vérifie si les changements de coordonnées articulaires observés pendant l'entraînement suivent la géométrie locale de variation de pose apprise par le prior, et l'utilisent pour moduler la récompense de suivi tout en gardant le prior figé. Résultat : des gains sur le suivi d'un mouvement isolé comme sur le suivi général, plus marqués sur les mouvements très dynamiques. Pour la recherche en robotique humanoïde, ce travail cible un vrai goulot d'étranglement de l'apprentissage par renforcement : le choix actuel entre un guidage temporel rigide, peu adapté aux imprévus, et un guidage de pose statique qui ne dit rien sur la façon de passer d'une posture à l'autre. Un prior réutilisable, découplé des clips séquencés et des tâches d'entraînement, faciliterait la conception de contrôleurs plus robustes pour des mouvements rapides (course, sauts, réactions à un déséquilibre), un point faible récurrent des démonstrations de robots humanoïdes, où l'écart entre vidéo soignée et comportement stable en conditions réelles reste important. Il s'agit ici d'une contribution méthodologique destinée aux équipes qui développent des politiques de contrôle bas niveau, pas d'un produit ou d'un déploiement commercial. PFM-HR s'inscrit dans une lignée de recherches sur les priors de mouvement pour le contrôle physique de personnages et de robots, un champ qui s'appuie largement sur des données de capture de mouvement humain pour guider l'apprentissage de politiques réalistes. Le recours au flow matching, technique de génération continue déjà adoptée par plusieurs modèles de politiques robotiques généralistes de type VLA (Pi-0, GR00T N2), traduit un rapprochement entre les outils de génération d'images et vidéo et le contrôle de robots humanoïdes. Le papier ne fournit ni comparaison chiffrée à des méthodes nommées ni calendrier de test sur robot physique : à ce stade, PFM-HR reste validé en simulation, et son intérêt pour l'industrie dépendra de sa reproduction sur du matériel réel et de son intégration dans des pipelines d'entraînement existants.

Recherche❖Paper

1 source

39

243arXiv cs.RO 

Robot haptique portable à rendu de rigidité doté d'un mécanisme d'embrayage à nid d'abeille pour téléopération bilatérale

Des chercheurs ont mis au point le HJ-Haptic, un dispositif haptique portable et compact de seulement 20 grammes, capable de restituer la rigidité d'un objet grâce à un mécanisme de blocage en nid d'abeille (honeycomb jamming). Le système fait varier sa propre rigidité entre 1,15 N/mm et 2,64 N/mm sous une dépression de 30 kPa. Intégré dans un cadre de téléopération bilatérale, il permet à un opérateur d'ajuster la force de préhension en fonction du retour haptique reçu sur la rigidité de l'objet manipulé à distance. Les auteurs ont validé le dispositif par un essai de flexion trois points sur le mécanisme de blocage, puis par des tâches de préhension téléopérées. Les résultats montrent une erreur quadratique moyenne (RMSE) faible et de fortes corrélations sur le mouvement téléopéré, le rendu de rigidité et le retour de force d'interaction, avec un comportement qui imite la sensation de saisie directe à la main. Cette avancée cible un maillon souvent négligé de la téléopération : le retour kinesthésique. La plupart des systèmes de téléopération, y compris les architectures bras main pilotées par des modèles vision langage action, se concentrent sur le contrôle du mouvement et la perception visuelle, laissant l'opérateur sans indication fiable sur la force ou la rigidité de ce qu'il manipule à distance. Pour des applications industrielles ou médicales où une prise trop forte peut endommager un objet fragile, ce manque limite la précision et la confiance de l'opérateur. Le choix d'une actionnation par dépression plutôt que par surpression est aussi un argument de sécurité : en cas de fuite ou de rupture du matériau, le système perd sa rigidité au lieu de risquer une projection, un point sensible pour un dispositif porté directement sur la main. Le blocage granulaire et le blocage par couches sont exploités depuis plusieurs années en robotique souple et en haptique pour créer des surfaces à rigidité variable, via des gants ou exosquelettes utilisant air comprimé, fluides électrorhéologiques ou actionneurs moteurs plus lourds. Le HJ-Haptic se distingue par sa géométrie en nid d'abeille et son poids réduit, pensés pour un usage porté au quotidien. Publié sur arXiv le 5 août 2026, ce travail reste au stade de recherche, sans industrialisation ni partenariat annoncé. Les auteurs évoquent des applications potentielles au-delà de la téléopération, notamment les interactions en réalité étendue, où ce retour haptique léger pourrait améliorer le réalisme des environnements virtuels.

Recherche❖Paper

1 source

39

244arXiv cs.RO 

Light-Loco-Parkour : locomotion perceptive du corps entier par distillation multi-compétences

Des chercheurs présentent Light-Loco-Parkour (LLP), un système de locomotion humanoïde à corps entier piloté par une politique unique entraînée par apprentissage par renforcement. Contrairement aux systèmes existants qui soit reproduisent des mouvements de référence sans s'adapter au terrain, soit réagissent au terrain sans mobiliser bras, torse et genoux, LLP fonctionne uniquement à partir d'une caméra de profondeur embarquée et d'une commande de vitesse. La politique décide seule quand marcher, se stabiliser, grimper, descendre ou franchir un obstacle par un saut, sans étiquette de compétence prédéfinie, sans machine à états codée à la main et sans graphe de mouvement calculé en temps réel. Trois apports techniques soutiennent le système : une extension d'une politique de suivi de vitesse par RL avec des compétences de franchissement apprises à partir de mouvements d'interaction avec des objets ; une méthode pour générer, à partir de quelques mouvements de départ seulement, des références dynamiquement réalisables couplées à différentes géométries de terrain, sans nécessiter un large corpus de mouvements capturés ; et un apprentissage des transitions entre compétences directement par la récompense, sans supervision explicite. Les auteurs rapportent un taux de réussite élevé en simulation comme en conditions réelles, sur des terrains déjà vus à l'entraînement et sur des obstacles inédits, avec un transfert zero-shot de la même politique vers des essais matériels en intérieur et en extérieur. Ce travail s'attaque à un écart persistant dans le contrôle des humanoïdes : la plupart des démonstrations de franchissement reposent soit sur des trajectoires capturées puis rejouées, peu généralisables à un terrain nouveau, soit sur des réflexes purement locomoteurs qui laissent bras et torse inertes, réduisant la marge de manœuvre face à un obstacle complexe. En unifiant ces deux régimes dans une seule politique perceptive de bout en bout, LLP illustre une tendance de fond du secteur : passer de démonstrations chorégraphiées à des comportements robustes pilotés uniquement par des capteurs embarqués, sans télémétrie externe ni script de mouvement préétabli. Pour les intégrateurs et décideurs qui évaluent la maturité des humanoïdes pour des environnements non structurés, chantiers, entrepôts irréguliers, sites extérieurs, la validation en conditions réelles avec transfert zero-shot est un signal plus solide qu'une vidéo de démonstration en studio, même si la portée reste celle d'un article de recherche et non d'un produit commercialisé. L'article, publié sur arXiv début août 2026, s'inscrit dans une vague de recherche en apprentissage par renforcement appliquée à la locomotion humanoïde perceptive, un domaine où plusieurs laboratoires publient depuis 2024-2025 des variantes de politiques de franchissement d'obstacles, à comparer aux démonstrations déjà montrées par des plateformes comme Atlas de Boston Dynamics ou les humanoïdes Unitree. LLP se distingue en évitant le recours à un large corpus de mouvements capturés, en générant ses données d'entraînement à partir de peu d'exemples, une approche qui, si elle est confirmée par des reproductions indépendantes, pourrait réduire le coût d'entraînement de ce type de système. Les auteurs ne précisent ni plateforme matérielle exacte ni calendrier de déploiement commercial : il s'agit à ce stade d'une démonstration de recherche, dont la suite logique serait une évaluation sur davantage de plateformes et une comparaison directe avec les systèmes concurrents.

Recherche❖Paper

1 source

39

245arXiv cs.RO 

Distiller un traqueur 3D centré sur le monde en politiques vision-langage-action

Des chercheurs publient Track4Action, une méthode d'entraînement pour les politiques vision-langage-action (VLA) qui pilotent des robots, mise en ligne sur arXiv le 5 août 2026. Le problème visé : les labels d'action indiquent quelles commandes imiter, mais pas comment elles transforment la scène en 3D. Un module nommé Track4World distille cette information manquante depuis un tracker 3D figé, en encodant géométrie, mouvement et visibilité captés durant la démonstration ; des "track queries" apprenables retrouvent cette signature dans les états cachés du modèle VLA courant et conditionnent une tête d'action par flow-matching, sans utiliser le clip ni le tracker au moment du déploiement. Résultat : 82,3% de réussite en zero-shot sur LIBERO-Plus (+7,6 points face à une variante sans alignement, +3,0 face à LaMP), 80,44% et 81,48% sur RoboTwin 2.0 selon la configuration, et 67,5% de réussite moyenne sur quatre tâches physiques bimanuelles réelles, soit 25 points de mieux que la variante sans alignement. Ce travail touche un point sensible de la robotique IA actuelle : transférer la richesse d'une démonstration vidéo (mouvement, occlusions, changements de caméra) vers une politique qui, en conditions réelles, ne verra jamais cette vidéo. La plupart des VLA s'entraînent seulement sur des paires observation-action, en ignorant la dynamique 3D implicite des trajectoires démontrées. Le gain de 25 points sur les tâches bimanuelles physiques, bien supérieur à ceux mesurés en simulation, suggère que cette supervision privilégiée devient d'autant plus utile que la manipulation se complexifie, notamment pour les tâches à deux bras qui exigent une meilleure compréhension géométrique de la scène. Track4Action se compare à deux références directes : une variante "alignment-free" du même pipeline, privée de la distillation du tracker, et LaMP, une méthode antérieure de conditionnement par représentations de mouvement. Le travail s'inscrit dans la lignée des architectures VLA à flow-matching, popularisées par des modèles comme Pi-0 ou GR00T N2, en y ajoutant une brique de supervision par tracker 3D. Les auteurs valident leur approche en simulation, sur LIBERO-Plus et RoboTwin 2.0, et sur banc physique avec des manipulations bimanuelles réelles, une combinaison encore rare dans la littérature VLA. Une page projet est en ligne, mais aucun code ni poids de modèle n'est mentionné comme publié à ce stade, ce qui limite pour l'instant la reproductibilité par des tiers.

Recherche❧Opinion

1 source

39

246arXiv cs.RO 

Réseau de distribution d'énergie : l'algorithme DeRP s'auto-assemble par ramification récursive en environnement limité

Un article publié le 2 août 2026 sur arXiv (référence 2608.02904v1) présente DeRP (Dendritic Recursive Pivoting), un algorithme permettant à un essaim de robots de construire de façon totalement décentralisée un réseau de distribution d'énergie électrique vers plusieurs points de consommation, appelés « sinks ». Le système ne repose que sur deux ingrédients locaux : la communication entre robots voisins et une détection de direction (bearing-based sensing) vers les sinks, sans jamais disposer d'une carte globale des positions cibles. Chaque robot agit comme un maillon conducteur du réseau et crée des embranchements à des points de pivot choisis localement, qui approximent les points de Steiner, la configuration mathématique qui minimise la longueur totale d'un réseau reliant plusieurs points. Cette opération de branchement se répète de façon récursive, permettant au réseau de croître de manière adaptative. En simulation, les auteurs comparent DeRP à deux méthodes de référence globales, qui nécessitent une connaissance complète des positions cibles : l'arbre couvrant minimal (Minimum Spanning Tree) et l'arbre de Steiner calculé par le logiciel GeoSteiner. Résultat chiffré : les réseaux formés par DeRP atteignent asymptotiquement environ 125 % de la longueur du minimum théorique global, tout en réduisant les pertes de puissance à 65 % par rapport à un arbre de Steiner euclidien pur. Le temps de calcul augmente de façon sous-linéaire jusqu'à 100 sinks testés. L'intérêt pratique vise les environnements de terrain non structurés où déployer un réseau câblé pré-planifié ou remplacer des batteries pose des problèmes logistiques lourds : zones sinistrées, sites industriels distants, déploiements militaires ou de secours. En approchant les performances d'un arbre de Steiner optimal sans planification centralisée ni connaissance préalable des cibles, DeRP suggère qu'un essaim de robots peut auto-organiser une infrastructure énergétique quasi optimale à la volée. La croissance sous-linéaire du temps de traitement avec le nombre de sinks est un signal encourageant pour la scalabilité vers des déploiements plus larges, un enjeu clé pour la robotique en essaim et les réseaux de capteurs distribués. Il s'agit d'une contribution académique évaluée en simulation, et non d'un produit ou d'un déploiement physique documenté. L'approche s'inscrit dans la lignée des problèmes classiques d'optimisation de réseaux (arbre couvrant minimal, arbre de Steiner), transposés au contexte de la robotique en essaim via un modèle de croissance « dendritique » inspiré des structures ramifiées naturelles. L'article ne mentionne pas de pilote terrain ni de calendrier de test physique ; les prochaines étapes attendues seraient une validation sur robots réels.

Recherche❖Paper

1 source

39

247arXiv cs.RO 

ValueFormer : une fonction de valeur transformer causale à étiquettes conscientes de l'étape pour les politiques vision-langage-action semi-autonomes

Des chercheurs présentent ValueFormer (arXiv:2608.02958), un transformer causal compact adossé à un backbone DINOv3 gelé qui produit, à chaque frame, deux signaux : une valeur Monte Carlo lisse (V_mc) pour l'estimation d'avantage, et une valeur binaire nette pour détecter les erreurs en direct. Les épisodes échoués reçoivent un retour succès puis décroissance, la détection s'appuyant sur des intervalles d'erreur plutôt qu'un instant unique. Sur une tâche réelle d'assemblage bimanuel de sandwichs (1427 épisodes), ce poids de critique par frame fait passer le taux de réussite de 70% à 85% (n=20, dans la marge de bruit), et un encodeur bf16 par lots divise le coût de service par 3 à 5, permettant au critique de tourner à 2 Hz avec la politique sur un seul GPU. L'enjeu souligné par les auteurs est méthodologique : une politique Vision-Language-Action entraînée par clonage comportemental échoue silencieusement, un rollout qui s'effondre ressemblant, vu des seules actions, à un rollout qui progresse normalement. Le renforcement apporterait ce signal de progrès, mais reste impraticable : l'expérience réelle sur robot coûte cher et les aliments déformables comme les ingrédients d'un sandwich résistent mal à la simulation. Un simple bit de succès ou d'échec en fin d'épisode est trop rare pour indiquer quand une trajectoire a dérapé. Le point dur, selon les auteurs, n'est pas l'architecture mais l'étiquette par frame, qui doit être dense, continue et bien structurée. Pour l'industrie, cela offre un moyen peu coûteux d'instrumenter des politiques VLA en production et de détecter les erreurs en direct sur des tâches impliquant des objets déformables, mal gérés par la simulation classique. ValueFormer s'inscrit dans la famille des politiques Vision-Language-Action, aux côtés de modèles comme Pi-0, GR00T N2 ou Helix, qui visent à généraliser le contrôle robotique à partir de démonstrations plutôt que de règles codées à la main. Le choix d'un backbone DINOv3 gelé et d'une architecture indépendante de la politique rend le critique réutilisable d'un système à l'autre, une approche modulaire plutôt qu'intégrée de bout en bout. Le papier reste un travail de recherche testé en laboratoire sur une seule tâche, avec un gain de performance mesuré sur seulement 20 essais, un résultat à confirmer avant toute généralisation.

Recherche⚡Actu

1 source

38

248arXiv cs.RO 

Contact-Driven Localization dans une structure robotique auto-assemblée en forme libre

Des chercheurs publient sur arXiv (référence 2608.02895, soumission nouvelle début août 2026) une méthode de localisation pour robots modulaires en essaim, conçue pour fonctionner sans aucune infrastructure de suivi externe. Le système s'appuie uniquement sur un signal de contact binaire : chaque module sait s'il est physiquement accosté (docké) ou non à ses voisins. Pour en déduire les positions relatives, les auteurs proposent un cadre de « forces virtuelles » : chaque robot affine itérativement sa pose, attiré vers les voisins connectés et repoussé de ceux qui ne le sont pas. Aucun capteur coûteux ni caméra de motion capture n'est requis, seulement une détection de contact embarquée minimale. La méthode est validée en simulation sur l'assemblage de structures libres, tours et porte-à-faux (cantilevers), avec une localisation jugée précise et stable à mesure que la structure grossit. Dans les systèmes modulaires auto-reconfigurables, la localisation reste un goulot d'étranglement connu : les démonstrations actuelles reposent surtout sur du motion capture en laboratoire ou des capteurs embarqués haut de gamme, difficiles à généraliser à un essaim de dizaines ou centaines d'unités low-cost opérant hors laboratoire. Une méthode purement locale, fondée sur un simple signal « connecté / non connecté », changerait l'équation de coût et de scalabilité en supprimant le besoin d'infrastructure externe, un prérequis pour des usages de terrain comme la construction robotique ou les structures déployables. L'étude reste toutefois cantonnée à la simulation, sans preuve de robustesse face au bruit de capteurs réels ou aux erreurs mécaniques de docking d'un système physique. Le travail s'inscrit dans le champ de la robotique en essaim et des systèmes auto-reconfigurables, où la localisation décentralisée est un obstacle récurrent au passage à l'échelle, des premiers modules type CONRO et M-TRAN aux essaims plus récents comme Kilobot ou TERMES. Les approches concurrentes combinent généralement vision embarquée, mesures de distance inter-robots ou tracking externe, avec des compromis de coût variables. Publiée sans affiliation industrielle ni partenariat mentionné, cette contribution relève pour l'instant de la recherche amont : aucun calendrier de validation sur plateforme physique n'est communiqué à ce stade.

Recherche❖Paper

1 source

38

249arXiv cs.RO 

Vol de vent en soufflerie pour drones optimisé par apprentissage en ligne

Un article de recherche (arXiv), pas d'actualité produit, voici la traduction/résumé en trois paragraphes. Une équipe de chercheurs vient de publier sur arXiv (2608.03378) un algorithme d'apprentissage en ligne pour piloter le champ d'écoulement d'air complexe d'une soufflerie verticale multi-ventilateurs, destinée à tester des robots aériens. La méthode associe un modèle physique simplifié à un apprentissage itératif fondé sur des mesures réelles, permettant une convergence rapide et économe en essais vers le profil d'air recherché. Les auteurs démontrent sa polyvalence en générant des profils uniformes, gaussiens et paraboliques. Fait notable, l'algorithme produit aussi un flux d'air conçu pour le vol plané passif, améliorant nettement les performances d'un robot planeur testé dans l'installation. La méthode reste par ailleurs robuste lorsque le nombre de ventilateurs actifs varie. Cette avancée intéresse la recherche en robotique aérienne, où les souffleries à ventilateurs multiples servent de banc d'essai standard avant tout vol extérieur de drones. Façonner un profil d'air complexe exige d'ordinaire une modélisation CFD lourde ou un calibrage manuel à chaque changement de configuration ; l'apprentissage en ligne proposé réduit ce travail à quelques cycles de mesure et correction, abaissant coût et temps de reconfiguration. La capacité à générer un flux dédié au vol plané passif intéresse particulièrement les drones de longue endurance, susceptibles d'exploiter des courants ascendants pour économiser de l'énergie. Il s'agit toutefois d'un résultat académique validé en laboratoire sur un prototype, pas d'un produit commercialisé ni déployé en conditions réelles. Le travail s'inscrit dans une tendance des laboratoires d'aérodynamique à remplacer les souffleries classiques, coûteuses et peu reconfigurables, par des installations à ventilateurs multiples pilotées numériquement, capables de simuler rafales et turbulences sans pièces mobiles supplémentaires. L'approche se distingue des méthodes existantes, généralement dépendantes d'une modélisation fine par mécanique des fluides numérique, en s'appuyant sur un apprentissage itératif guidé directement par les mesures du flux réel, plus rapide à mettre en œuvre et adaptable à de nouvelles géométries de soufflerie. Les auteurs annoncent vouloir tester la méthode sur des robots aériens plus complexes et explorer son intégration dans des protocoles de test standardisés pour drones.

Recherche❖Paper

1 source

38

250arXiv cs.RO 

RoboReact : distillation de compétences à base d'agents à partir de vidéos égocentriques générées pour une manipulation généralisable du corps entier

RoboReact est une méthode qui génère automatiquement des compétences de manipulation pour robots humanoïdes à partir d'une seule observation égocentrique RGB-D, sans télé-opération ni démonstration humaine. Un modèle génératif vidéo synthétise des séquences de manipulation, dont le système extrait des images clés d'interaction par reconstruction 3D préservant la géométrie du contact main-objet, avant de les retargeter vers des plateformes humanoïdes à haut nombre de degrés de liberté (DoF). Pour combler l'écart entre le geste imaginé et l'exécution physique, RoboReact recale en ligne la position de l'objet et s'appuie sur une boucle de raffinement guidée par un modèle vision-langage, qui corrige le geste en cas d'écart géométrique. Les compétences affinées sont exécutées par un contrôleur corps-entier. Sur des robots réels, les auteurs rapportent une généralisation à des configurations d'objets variées et une récupération après perturbation, sans télé-opération. L'enjeu dépasse la simple prouesse technique : collecter des démonstrations diverses pour entraîner des robots humanoïdes coûte cher, entre matériel, télé-opération et annotation, ce qui freine les modèles vision-langage-action (VLA) génériques du type Pi-0, GR00T N2 ou Helix. En transformant une vidéo générée par IA en compétence exécutable sur un robot réel sans capture de mouvement humain, RoboReact propose une voie pour multiplier les données d'entraînement à moindre coût, un enjeu central pour combler l'écart entre simulation et réel. Il s'agit toutefois d'une publication de recherche (arXiv, catégorie "new"), pas d'un produit commercial ni d'un déploiement industriel : le papier ne chiffre pas précisément le nombre de tâches ou d'objets testés, ce qui invite à la prudence sur la portée réelle de la généralisation annoncée. Cette approche s'inscrit dans une tendance large : utiliser des modèles génératifs vidéo comme source de données d'entraînement pour la robotique, en alternative aux pipelines de collecte par télé-opération ou capture de mouvement, coûteux à faire passer à l'échelle. Elle rejoint les efforts des laboratoires développant des modèles VLA généralistes, tous en quête d'un moyen de réduire la dépendance aux démonstrations humaines directes. Le papier ne cite aucun partenaire industriel ni site de déploiement ; les suites attendues sont l'extension à davantage de tâches et une validation indépendante avant tout usage en conditions réelles.

Recherche⚡Actu

1 source