Actualités robotique — page 51

7 520 articles au fil, du plus récent au plus ancien.

49

2501Pandaily 

Pékin remporte les Humanoid Games : son PDG évoque un « moment ChatGPT » imminent pour l'IA incarnée

Le Beijing Humanoid Robotics Innovation Center a dominé la deuxième édition des World Humanoid Robot Games, remportant 15 médailles d'or, 12 d'argent et 18 de bronze au soir du 26 août, quelques heures avant la clôture de la World Robot Conference à Pékin. Sa gamme de robots Tiangong a établi 34 records humains durant la compétition et décroché l'or dans les épreuves phares, tant sportives que scénarisées. La même semaine, le centre a dévoilé Pelican-Unify, un modèle unifié d'intelligence embarquée, ainsi que Tiangong Omni, un humanoïde léger de 1,35 mètre pour 39 kilogrammes conçu pour une production de masse à coût réduit. Il a également annoncé un partenariat stratégique avec Mercedes-Benz, dans lequel le robot Tiangong 3.0 a servi de "conseiller sur base silicium", accueillant les visiteurs, présentant les modèles et répondant aux questions dans un environnement de salon très fréquenté. Le PDG Xiong Youjun a affirmé que le secteur approche la "veille du moment ChatGPT" de l'IA incarnée, une formule qui relève davantage du discours de positionnement que d'un fait vérifiable et mérite d'être lue comme telle. Au-delà de la vitrine compétitive, le discours de Xiong marque un déplacement notable du débat sectoriel : de la course aux spécifications brutes (couple moteur, degrés de liberté) vers des critères plus systémiques, chaîne d'approvisionnement, ingénierie, expérience client, et surtout la question du retour sur investissement, signe classique d'un marché qui cherche à sortir du stade de la démonstration. Xiong reconnaît lui-même que les humanoïdes restent en retrait des robots industriels et de la main-d'œuvre humaine sur ce critère de rentabilité, ce qui tranche avec la tonalité triomphaliste habituelle de ces événements. Pour les intégrateurs et décideurs industriels, l'élément le plus concret est ailleurs : la plateforme open source Huisi Kaiwu revendique plus de 16 millions de téléchargements, une dizaine de modèles ouverts et plus de 200 partenaires de développement, dont des institutions aux États-Unis et en Europe, ce qui en fait une tentative sérieuse de mutualisation d'infrastructure plutôt qu'une simple démonstration technologique isolée. Cette stratégie s'inscrit dans une approche délibérément terre-à-terre : plutôt que de viser des usages spectaculaires, Beijing Humanoid cible ce que Xiong appelle les scénarios "3D" (sales, dangereux, répétitifs), comme les opérations sous tension électrique, les tests en laboratoire, l'inspection énergétique ou le tri logistique. Un cas cité, l'automatisation de la vérification de thermomètres infrarouges pour l'Institut de métrologie du Jiangsu avec un gain de vitesse revendiqué de six fois, reste toutefois un exemple isolé communiqué par l'entreprise, sans données indépendantes pour l'étayer. Xiong pousse également la standardisation du secteur, en présidant un groupe de travail sur les normes de sécurité et en faisant avancer 49 standards, estimant que l'industrialisation des humanoïdes nécessite d'abord une infrastructure commune avant toute adoption à grande échelle. Aucun acteur français ou européen de la robotique humanoïde n'apparaît directement dans cette annonce, en dehors du partenariat commercial avec le constructeur automobile allemand Mercedes-Benz.

Chine/Asie❧Opinion

1 source

43

2502Pandaily 

Pénurie de données » : le véritable frein qui bride l'IA incarnée en Chine

Au World Robot Conference de Beijing cette année, l'attention s'est déplacée des démonstrations spectaculaires de robots vers des stands où des opérateurs humains, casque et gants de téléopération sur la tête et les mains, "enseignent" des gestes à des pinces robotiques dont chaque mouvement est enregistré comme donnée d'entraînement. Une nouvelle catégorie d'acteurs, qualifiés d'"infrastructure de données" ou de "fondation de données pour l'IA physique", s'est imposée en nombre, signe d'un basculement de la démonstration vers l'alimentation en données. Xia Hualin, qui dirige la base de données et d'entraînement du Beijing Humanoid Robotics Innovation Center, estime que l'IA incarnée réclame plusieurs ordres de grandeur de données de plus que la conduite autonome. La China Academy of Information and Communications Technology recense plus de 70 sites d'entraînement opérationnels fin juin, avec 46 autres planifiés ou en construction, un volume jugé encore très insuffisant. Une estimation du secteur chiffre à environ 500 000 heures les données réelles d'interaction physique conformes disponibles en Chine, alors que la commercialisation exigerait des dizaines de millions d'heures, soit un déficit de plus de 99 %. Le travail de collecte s'est complexifié : une simple tâche de tri de pièces a déjà généré entre 30 000 et 40 000 points de données, et le standard pour "porter un plateau" est passé d'un simple geste de saisie-déplacement-dépôt à un maintien de l'équilibre en marchant. Wang Chuang, associé chez AgiBot, situe la bascule entre l'ère de la démonstration en 2024 et la production de masse et le déploiement réel visés pour 2025-2026. En juin, le ministère de l'Industrie et des Technologies de l'information et le régulateur des actifs publics ont lancé un plan d'action 2026 ciblant plus de 100 scénarios d'usage à forte valeur et des dizaines de milliers d'unités déployées d'ici la fin de l'année. Ce constat déplace le vrai goulot d'étranglement de l'humanoïde chinois : ce n'est plus la mécanique ou l'algorithme qui bride le déploiement, mais l'approvisionnement en données physiques réelles, un problème que le texte ou les corpus de conduite autonome ne peuvent pas résoudre par transfert. Cela nuance directement le récit dominant d'un sim-to-real résolu ou de modèles vision-langage-action prêts à s'industrialiser à grande échelle : sans force, toucher distribué et couple moteur, la vidéo seule ne suffit pas à rendre une saisie fiable. Pour les intégrateurs et décideurs industriels, cela signifie que le calendrier de déploiement des humanoïdes dépend désormais autant d'une chaîne d'approvisionnement en données que du matériel lui-même. Ce virage s'inscrit dans la course chinoise à l'humanoïde portée par des acteurs comme AgiBot, UBTech ou Unitree, après deux années dominées par des vitrines technologiques. Les sites d'entraînement sont désormais conçus comme des "écoles complètes" couvrant la marche basique jusqu'aux opérations industrielles de précision, combinant téléopération en réalité virtuelle, capture de mouvement portable et collecte sur robots réels. Tant que ce déficit de données ne se résorbe pas, prévient Xia Hualin, les robots humanoïdes peineront à se défaire de leur image de jouets téléguidés.

Chine/Asie❧Opinion

1 source

45

2503arXiv cs.RO 

PRISM : commande prédictive par échantillonnage avec projection et réglage bayésien du coût pour la manipulation bimanuelle

Un framework académique publié en août 2026 sur arXiv (référence 2608.25666) présente PRISM, une commande prédictive par modèle (MPC) pour la manipulation bimanuelle en environnement encombré et riche en contacts. Le système s'appuie sur un simulateur physique accéléré par GPU comme modèle du monde en ligne, et introduit un échantillonnage de commandes guidé par programmation quadratique : les trajectoires de vitesses articulaires échantillonnées sont projetées sur l'ensemble des mouvements respectant les limites de position, vitesse, accélération et jerk avant évaluation. Un solveur QP maison, basé sur ADMM et le splitting de Bregman, assure l'exécution temps réel, tandis qu'une optimisation bayésienne règle automatiquement les poids de coût. PRISM a été testé sur des variantes du benchmark PerAct2 (transport de balle avec obstacles, transport de plateau, transfert de cube, levage de boîte), avec un transfert sim-to-real démontré sur deux bras UR5e d'Universal Robots. Cette approche illustre une alternative aux modèles vision-langage-action (VLA) comme Pi-0, GR00T N2 ou Helix, qui dominent la manipulation robotique par apprentissage bout en bout : au lieu d'entraîner un réseau de neurones sur des démonstrations massives, PRISM planifie directement via simulation physique, réduisant le besoin de données tout en gardant une exécution temps réel. Pour les intégrateurs industriels, le transfert sim-to-real réussi sur du matériel standard comme l'UR5e est significatif, car l'écart simulation-réalité reste un point de rupture fréquent des méthodes MPC comme des approches apprises. Il s'agit néanmoins d'un travail académique publié sur arXiv, sans partenaire industriel annoncé ni déploiement commercial, ce qui le distingue des annonces produit humanoïdes. Le contrôle bimanuel en milieu contraint reste un problème ouvert de longue date en robotique, partagé entre méthodes MPC classiques, coûteuses en calcul, et méthodes apprises nécessitant d'importants volumes de démonstrations. PRISM se positionne entre les deux en combinant simulation GPU et optimisation bayésienne pour automatiser le réglage des coûts. Le choix du benchmark PerAct2 et du bras UR5e, plateforme largement répandue en recherche comme en intégration industrielle, facilite la reproductibilité et la comparaison avec d'autres approches. Aucun essai pilote, partenariat industriel ni calendrier de commercialisation n'est mentionné dans la publication, qui reste à ce stade une contribution de recherche accompagnée de code source ouvert.

Recherche❖Paper

1 source

42

2504arXiv cs.RO 

MA-VLA : un modèle vision-langage-action multi-bras pour la collaboration et la généralisation compositionnelle

La recherche en robotique manipulative s'attaque à un problème précis: coordonner plusieurs bras robotiques qui doivent collaborer sur une même tâche sans être limités aux schémas de coopération vus pendant l'entraînement. Un article publié sur arXiv (identifiant 2608.25864v1) présente MA-VLA, un modèle vision-langage-action (VLA) conçu pour la collaboration multi-bras. Contrairement aux VLA récents qui traitent l'instruction comme une consigne globale unique appliquée à l'ensemble du système, MA-VLA découpe le comportement coopératif en "prompts atomiques" de niveau intermédiaire, chacun assigné à un bras spécifique. L'équipe introduit aussi une technique d'entraînement baptisée Arm Shuffle: elle permute aléatoirement, pour chaque bras, les observations, les états et les prompts atomiques assignés, ce qui force le modèle à suivre les instructions indépendamment du rôle fixe attribué à un bras donné. Les auteurs ont construit un benchmark dédié où les configurations de collaboration testées sont absentes de l'ensemble d'entraînement, et ont évalué le système en simulation comme en conditions réelles. Le code, les modèles et les données sont publiés sur GitHub (zhangzaibin/future-robots). Ce travail cible un angle mort connu des VLA actuels: leur capacité de généralisation s'effondre dès que la répartition des rôles entre bras change par rapport aux schémas mémorisés à l'entraînement. Selon les résultats rapportés, les VLA de référence échouent largement sur ces collaborations inédites, alors que MA-VLA maintient des performances stables. Pour les intégrateurs travaillant sur des cellules robotiques multi-bras ou des plateformes bimanuelles, c'est un signal utile: la généralisation compositionnelle, plutôt que la simple mémorisation de trajectoires coopératives, pourrait devenir un critère de sélection des architectures VLA pour des lignes de production où la configuration des tâches varie. Cette contribution s'inscrit dans la vague plus large des modèles VLA qui cherchent à unifier perception, langage et contrôle pour la manipulation robotique, un axe de recherche porté ces dernières années par plusieurs laboratoires académiques et industriels. MA-VLA se positionne explicitement contre les architectures à instruction globale unique, en misant sur une assignation explicite et recomposable de sous-objectifs par bras. Il s'agit à ce stade d'une publication de recherche avec code ouvert, sans annonce de déploiement industriel ni de partenaire commercial identifié.

Recherche⚡Actu

1 source

42

2505arXiv cs.RO 

GaussianDream++ : modélisation 3D gaussienne efficace du monde pour la manipulation robotique

GaussianDream++, décrite dans un article publié en août 2026 sur arXiv (2608.25659), est une méthode d'entraînement pour les politiques Vision-Language-Action (VLA) de manipulation robotique. Elle succède à GaussianDream, dont la reconstruction 3D en Gaussiennes mélangeait état, dynamique et action dans un pipeline dense (VGGT/TGE) coûteux. La nouvelle version insère seulement 20 "World State Tokens" et "World Prediction Tokens" dans le backbone VLA ; une tête dédiée, active seulement à l'entraînement, les décode en scène courante et prédiction future partageant les mêmes primitives Gaussiennes, avec une factorisation statique/dynamique isolant le mouvement pertinent. À l'inférence, cette tête et le pipeline lourd disparaissent : ne restent que les 20 tokens. Résultat : 98,6% de réussite sur LIBERO, 87,8% sur LIBERO-Plus, et sur robot réel un taux de succès moyen porté de 29,2% à 52,5% face à une politique pi_0.5 reproduite. Ce résultat répond à une limite connue des politiques VLA : l'imitation d'actions seule supervise mal la structure 3D métrique et la dynamique physique à court terme, tandis que les approches prédictives en RGB ou en espace latent alourdissent le déploiement. En montrant qu'une supervision géométrique riche à l'entraînement peut être totalement retirée à l'inférence sans perte de performance, GaussianDream++ répond au compromis coût/richesse qui freine l'adoption des politiques géométriques par les intégrateurs devant faire tourner ces modèles en boucle fermée sur du matériel embarqué. Le quasi-doublement du taux de succès sur robot réel suggère que cette supervision comble une partie de l'écart simulation-vers-réel, plutôt que d'apporter un simple gain en simulation. GaussianDream++ corrige la principale faiblesse de GaussianDream, sa dépendance à un pipeline VGGT/TGE mêlant plusieurs signaux dans un même préfixe. Elle s'inscrit dans un paysage de politiques VLA concurrentes, comme les modèles pi0 et pi0.5 de Physical Intelligence utilisés ici comme référence, GR00T N2 de NVIDIA ou Helix de Figure AI, chacune arbitrant différemment entre richesse de représentation et coût d'inférence temps réel. L'article ne précise ni partenaire industriel ni calendrier de déploiement : à ce stade, il s'agit d'un résultat de recherche évalué sur des bancs d'essai standards et un nombre limité d'expériences sur robot réel, sans détail sur les plateformes utilisées.

IA physique❧Opinion

1 source

42

2506arXiv cs.RO 

Génération rapide de préhensions via MeanFlow contraint par groupes de Lie

Un preprint publie sur arXiv (arXiv:2608.26076v1) présente Lie Group-constrained MeanFlow, une méthode de synthèse de prise (grasp synthesis) pour bras robotiques. Elle applique MeanFlow, une technique générative récente, sur le groupe de Lie produit SO(3) x R3, qui encode conjointement orientation et position d'une prise dans un seul espace géométrique. L'entrainement combine une condition de consistance semi-groupe purement algébrique avec un flow matching riemannien conditionnel sur ce groupe, qui ancre la vitesse moyenne du modèle a la distribution réelle des prises. Sur le jeu de données ACRONYM, la méthode génère des prises fiables en 5 évaluations de réseau au maximum, pour une latence d'inférence de l'ordre de la milliseconde, soit un gain de vitesse allant jusqu'a 39 fois par rapport aux modèles de diffusion et de flow-matching de référence, a qualité de prise équivalente. Les auteurs rapportent également un transfert direct vers des essais de préhension réelle sur robot, sans reentrainement ni adaptation de domaine, avec une robustesse maintenue face au bruit d'observation. Ce résultat s'attaque a un goulot d'étranglement connu du secteur du grasping: les modèles de diffusion capturent bien la multimodalité des prises valides sur un objet, mais leurs dizaines d'étapes d'échantillonnage restent trop lentes pour les cadences industrielles du bin-picking ou de la préparation de commandes. Ramener ce nombre a cinq évaluations sans perte de qualité rapproche les pipelines génératifs des contraintes temps réel attendues par les intégrateurs. Le maintien des performances en conditions réelles, avec bruit de capteur et sans reentrainement, répond aussi a une critique fréquente des démonstrations purement simulées, l'écart sim-to-real restant l'un des principaux freins a la mise en production des pipelines de perception-action. La méthode prolonge les travaux récents de distillation des modèles de diffusion en peu d'étapes, dont MeanFlow est une variante; son apport propre est de l'appliquer rigoureusement a un espace non euclidien, celui des rotations SO(3), que de nombreuses approches antérieures traitaient par des paramétrisations approximatives plutôt que par une géométrie riemannienne native. Les points de comparaison cites restent les modèles de diffusion et de flow-matching de référence évalués sur ACRONYM, jeu de données standard du domaine. A ce stade, il s'agit d'une publication de recherche non revue par les pairs et non d'un produit déployé : aucun partenariat industriel, pilote ou calendrier n'est mentionne, la validation réelle se limitant a des essais de préhension en laboratoire.

Recherche❖Paper

1 source

42

2507arXiv cs.RO 

Une politique, plusieurs incarnations : pré-entraînement géométrique unifié centré caméra pour la manipulation robotique hétérogène

Un article de recherche publié sur arXiv le 27 août 2026 présente UCAG-P (Unified Camera-Centric Action Geometry Pre-training), une méthode d'entraînement pour politiques vision-langage-action (VLA) généralistes pilotant des robots de morphologies différentes à partir d'un seul modèle. Plutôt que d'apprendre des commandes propres à chaque robot, UCAG-P représente les mouvements de manipulation comme des trajectoires observables par caméra, traitant bras robotiques, humanoïdes et mains humaines comme des variantes d'un même schéma d'action ; un module de traduction combine ce mouvement avec la cinématique du robot cible pour produire des commandes exécutables. Entraîné sur 4,03 milliers d'heures de données robot et simulation plus 2,34 milliers d'heures de démonstrations humaines, un seul checkpoint, sans réglage spécifique, atteint 98,3% sur LIBERO, 88,7% et 89,2% sur RoboTwin, 82,0% en zero-shot sur LIBERO-Plus et 62,0% sur RoboCasa GR-1, quatre benchmarks simulés. Ces résultats visent le principal goulot d'étranglement du secteur : l'hétérogénéité des morphologies, caméras et espaces d'action, qui empêche de mutualiser facilement les données pour entraîner une politique unique. En découplant géométrie du mouvement et exécution spécifique au robot, UCAG-P évite les branches d'adaptation par dataset et les pipelines de synthèse vidéo humain-vers-robot. Pour les intégrateurs, cela pourrait réduire le coût de réutilisation de données d'un robot vers un autre, bras industriel ou humanoïde. Qu'un checkpoint unique égale l'état de l'art sur plusieurs benchmarks sans réglage spécifique appuie l'hypothèse d'une généralisation VLA au-delà d'un seul embodiment, même si la preuve reste cantonnée à la simulation. Cette publication s'inscrit dans la course à la politique VLA généraliste, où des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure AI (Helix) cherchent à démontrer qu'un même modèle peut piloter différents robots sans réentraînement lourd. UCAG-P s'en distingue par une représentation géométrique centrée caméra plutôt qu'un espace d'action robot, une piste validée uniquement en simulation. L'article, déposé sur arXiv sans affiliation industrielle mentionnée, reste une contribution de recherche et non un produit commercialisé : aucune date de production, aucun pilote ni déploiement physique n'est annoncé. Les suites attendues sont une validation sur robots réels et une comparaison directe avec les politiques généralistes existantes.

Recherche⚡Actu

1 source

42

2508arXiv cs.RO 

LM-X : modélisation explicable des actions par prédiction de progression, d'événements et d'incertitude pour la manipulation robotique généraliste

Un nouveau preprint arXiv (2608.25757, aout 2026) présente LM-X, un modèle vision-langage-action (VLA) pour la manipulation robotique généraliste. Contrairement aux politiques VLA classiques qui ne prédisent que l'action a court terme, LM-X génère en continu trois signaux explicites pendant l'exécution: le "return-to-go" (RTG), qui mesure la progression visible de la tache, l'"évent-to-go" (ETG), qui anticipe la prochaine transition sémantique, et un flux d'action heteroscedastique, qui estime la fiabilité locale via une variance propagée. Avant de lancer un preentrainement couteux de 20 jours sur 64 GPU Nvidia B200, les auteurs ont valide l'architecture sur un test contrôle a cinq taches: le modèle complet améliore le taux de réussite de 16,0 points par rapport a un backbone action seule, et de 10,8 points par rapport a la meilleure variante a une seule tête de prédiction. Le modèle final a ensuite été entraine sur plus de 20 000 heures de trajectoires robot réelles, dont plus de 1 000 heures d'échecs de politiques antérieures. Sur 50 taches durcies et randomisées du benchmark RoboTwin2.0, LM-X atteint 74,1% de réussite contre 55,4% pour GR00T N1.7 de Nvidia, et 68,6% contre 50,7% sur sept taches exécutées en robot réel. L'intérêt ne tient pas qu'au score brut face a GR00T N1.7: LM-X expose des états internes normalement caches dans les politiques VLA, ou une seule cible d'action doit implicitement porter la progression, l'intention et la fiabilité du geste. Le RTG suit la progression sémantique et détecte les régressions visibles, tandis que la variance grimpe pendant les hésitations ou les oscillations de commande. Pour un intégrateur ou un responsable fiabilité, ce type de signal pourrait permettre de détecter un échec avant qu'il ne se produise plutôt que de le constater après coup, un argument concret pour la supervision et la sécurité en environnement industriel. Le travail s'inscrit dans la compétition croissante autour des politiques de manipulation généralistes, aux cotes de familles comme GR00T de Nvidia, Pi-0 de Physical Intelligence ou Helix de Figure. L'abstract ne précise ni l'institution ni l'entreprise porteuse du projet, et il s'agit a ce stade d'un preprint de recherche, sans produit commercialise ni déploiement industriel annonce: la comparaison reste limitée a GR00T N1.7 et aux benchmarks présentes par les auteurs eux-mêmes, ce qui appelle une lecture prudente en attendant une évaluation indépendante.

IA physique❧Opinion

1 source

40

2509arXiv cs.RO 

Un audit statistique de la redondance des benchmarks en IA physique

Une équipe de recherche publie sur arXiv (arXiv:2608.25940v1) une analyse statistique de la redondance des benchmarks utilises pour évaluer les modèles d'IA physique, ceux qui pilotent robots et systèmes embarques. Les auteurs ont constitue une matrice croisant 51 modèles et 12 benchmarks, sélectionnés parmi un registre plus large de 51 benchmarks et 152 modèles en fonction de la densité des scores rapportes. Les données combinent les chiffres publies dans les fiches modèles et les papiers de benchmarks avec des évaluations menées directement par les auteurs, suivant le protocole officiel de chaque test. Resultat central: deux paires de benchmarks se révèlent statistiquement substituables, c'est a dire qu'elles mesurent essentiellement la même chose. En fusionnant ces paires redondantes en colonnes uniques, le classement moyen a pondération égale de 22 des 51 modèles se déplace d'au moins trois rangs. Les chercheurs proposent ensuite une sélection gloutonne des benchmarks, combinant dispersion des scores et variance non expliquée par les benchmarks déjà retenus: un sous-ensemble de seulement quatre benchmarks conserve 78,5% de l'utilité statistique des douze initiaux, sur lequel ils ajustent un classement de type Bradley-Terry. Cette étude expose un problème structurel largement ignore dans la course a l'IA physique et aux robots humanoïdes: les classements publies par les fournisseurs de modèles reposent souvent sur des batteries de benchmarks choisies au cas par cas, sans mesure de leur redondance mutuelle. Pour les intégrateurs et décideurs B2B qui comparent des modèles vision-langage-action ou des politiques de contrôle avant d'engager un pilote industriel, le message est direct: un score favorable sur plusieurs benchmarks peut refléter la même capacité mesurée deux fois, pas une supériorité réelle et généralisée. Le fait que fusionner seulement deux paires redondantes bouscule le classement de 22 modèles sur 51, soit plus de 40% du panel, suggère que nombre de comparaisons marketing entre modèles reposent sur un artefact statistique plutôt que sur une différence de robustesse réelle. La méthode, transposable au-delà de la robotique, offre un outil pour auditer objectivement les suites de tests avant d'en tirer des conclusions commerciales. Ce travail s'inscrit dans une phase de maturation du secteur, ou la multiplication des benchmarks de manipulation, de navigation ou de simulation a suivi celle des modèles généralistes de commande robotique, sans standardisation ni vérification croisée de leur pertinence individuelle. En construisant un registre de 152 modèles et 51 benchmarks avant de restreindre l'analyse aux couples suffisamment documentes, les auteurs documentent aussi la fragmentation des pratiques de reporting du secteur, ou peu de fournisseurs testent leurs systèmes sur les mêmes protocoles. La méthode ne nomme aucun acteur ni modèle particulier et se veut générique: elle ne requiert que des scores au niveau des benchmarks avec un chevauchement suffisant entre modèles testes. Les auteurs n'annoncent pas de suite opérationnelle immédiate, mais ouvrent la voie a des audits réguliers des suites de benchmarks a mesure que de nouveaux modèles et bancs d'essai continueront d'être publies.

Recherche❖Paper

1 source

40

2510arXiv cs.RO 

Extension du calibrage LiDAR-IMU à contrainte de sol aux surfaces inclinées dans un cadre à temps continu

Une équipe de chercheurs propose une nouvelle méthode de calibration LiDAR-IMU sans cible pour véhicules terrestres, capable de fonctionner sur des surfaces inclinées et pas seulement sur sol plat. Le papier, publié en préprint sur arXiv (référence 2608.25135v1), part d'un problème connu du calibrage: pour aligner correctement un LiDAR et une centrale inertielle (IMU), le système doit être soumis à une excitation complète de mouvement, condition rarement remplie par un robot terrestre qui roule surtout à plat, générant un mouvement planaire dégénéré. Les méthodes actuelles contournent ce problème avec des résidus qui supposent que le vecteur de gravité est colinéaire à la normale de la surface physique, ce qui ne fonctionne que si le sol est plat. Les auteurs introduisent des résidus de plan au sol qui abandonnent cette hypothèse, rendant la calibration valide pour un mouvement planaire sur une surface inclinée. La méthode a été testée sur un véhicule Husky, sur le jeu de données public M2DGR ainsi que sur un jeu de données de véhicule tout-terrain, avec code et expériences publiés en open source sur GitHub (vkorotkine/licalibtiltedground). Pour les intégrateurs de robots mobiles autonomes (AMR) et véhicules terrestres, cette avancée réduit une contrainte opérationnelle concrète: jusqu'ici, calibrer un rig LiDAR-IMU exigeait des manœuvres artificielles d'excitation ou l'hypothèse d'un terrain parfaitement plat, un scénario peu réaliste hors entrepôt. Étendre la calibration aux surfaces inclinées ouvre la voie à des déploiements plus fiables sur chantiers, terrains agricoles ou sites miniers, où le sol présente des pentes ou irrégularités. Les résultats montrent une répétabilité améliorée à la fois en conditions inclinées et sur sol plat, avec un gain particulièrement marqué sur terrain incliné, ce qui suggère que la méthode ne dégrade pas les performances dans le cas standard tout en résolvant le cas dégénéré. Ce travail s'inscrit dans la lignée des méthodes de calibration extrinsèque sans cible pour capteurs embarqués sur véhicules à mouvement contraint, un sujet actif en robotique mobile et cartographie SLAM. Il reste à ce stade un résultat académique en accès libre, non intégré à un produit commercial, mais son caractère open source facilite une adoption rapide par les équipes de perception travaillant sur des flottes de robots ou véhicules autonomes tout-terrain.

Recherche❖Paper

1 source

39

2511arXiv cs.RO 

Une taxonomie des activités de tâches de construction pour les robots ouvriers

Un article publié sur arXiv (2608.25395v1, août 2026) présente TARCAT, une taxonomie des tâches de construction destinée aux robots ouvriers, développée par un groupe associé au laboratoire AICPS. Le système s'appuie sur 91 tâches issues de la base O*NET, couvrant sept métiers du bâtiment à forte employabilité, ainsi que sur l'analyse de 30 vidéos pédagogiques de travail physique. TARCAT décompose ce corpus en 41 primitives d'action, regroupées en 12 catégories et trois classes, avec un mécanisme pour combiner ces primitives paramétrées en séquences réutilisables appelées compétences. Une partie de ces primitives a été testée sur un bras robotique DOBOT CR3 équipé d'une main CRAFT. Les annotations complètes sont publiées en accès libre sur GitHub, dans le dépôt AICPS/TARCAT-Taxonomy. Cette taxonomie répond à un problème concret pour les intégrateurs et chercheurs en robotique générale : les modèles vision-langage-action promettent des robots au répertoire plus large que les systèmes spécialisés, mais leur déploiement sur chantier exige un inventaire précis des gestes et des capacités nécessaires, ce qui manquait dans le secteur de la construction. En offrant un vocabulaire commun et lisible par des humains, TARCAT peut organiser des démonstrations d'apprentissage, spécifier les exigences matérielles d'un robot, et alimenter des agents de codage capables de retrouver et d'étendre des bibliothèques de compétences. À noter : seule une sélection restreinte de primitives a été validée physiquement sur un unique bras, loin d'une démonstration de système complet opérant sur un vrai chantier. Ce travail s'inscrit dans le mouvement plus large de la robotique embarquée, où les modèles VLA cherchent à s'affranchir des systèmes dédiés tâche par tâche, un axe poussé par plusieurs laboratoires et fabricants de robots manipulateurs ou humanoïdes. Contrairement aux annonces produits qui multiplient des démonstrations spectaculaires sans cadre d'évaluation standardisé, TARCAT s'appuie sur des données d'occupation officielles et des vidéos de terrain plutôt que sur des cas choisis pour l'effet. Les auteurs présentent ce travail comme une fondation destinée à être étendue : le dépôt GitHub public ouvre la porte à des contributions externes et à une adoption par d'autres équipes travaillant sur la robotique générale appliquée au bâtiment, un secteur où peu de standards communs existaient jusqu'ici pour décrire précisément le travail humain à automatiser.

Recherche❖Paper

1 source

39

2512arXiv cs.RO 

Prise de décision et planification de déploiement fondées sur la confiance pour des systèmes multi-robots résilients

Une équipe de recherche publie sur arXiv (référence 2608.25690, mise en ligne fin août 2026) une étude sur la prise de décision séquentielle robuste dans les systèmes multi-robots confrontés à des attaques de localisation. Le travail porte sur le routage en ligne de flottes de robots lorsque certains agents subissent un usurpation GPS (spoofing) qui fausse à la fois les données envoyées au planificateur et l'exécution réelle des tâches. Les auteurs introduisent un modèle d'attaque à contrainte de distance conçu pour tromper un moniteur de surveillance tout en restant plausible, associé à une stratégie d'appariement bipartite à paliers qui maximise l'impact sur l'attribution des tâches tout en limitant l'amplitude du décalage de position déclaré. En réponse, ils développent un moniteur dit "trust-aware" qui combine une estimation probabiliste de la fiabilité de localisation, calibrée sur des jeux de données réels de spoofing GPS, avec des indices comportementaux tirés de l'exécution effective des tâches, afin de classer les agents et d'exclure les robots compromis des cycles de planification suivants. Les expériences s'appuient à la fois sur ces données de spoofing réelles et sur des données de demande de taxis de San Francisco pour simuler des scénarios de flotte réaliste. Le résultat central est que des adversaires non détectés font perdre à la technique de "rollout", une méthode de planification par simulation anticipée très utilisée pour améliorer une politique de base, son avantage habituel de réduction de coût, en brisant la cohérence entre ce que le planificateur anticipe et ce que les robots exécutent réellement. Le retrait des agents compromis via le moniteur de confiance restaure cette cohérence et permet de récupérer le gain de performance attendu. Pour les opérateurs de flottes de robots mobiles autonomes (AMR, taxis robotisés, drones), l'étude illustre concrètement qu'une couche de détection de confiance distincte de la localisation brute est nécessaire, la sécurisation du signal GPS seul ne suffisant pas à garantir la stabilité des décisions de routage. Ce travail s'inscrit dans la continuité des recherches sur la robustesse des politiques de planification par rollout et sur la détection d'usurpation GPS, un vecteur d'attaque déjà documenté dans l'aviation, le maritime et les drones militaires, mais peu étudié jusqu'ici sous l'angle de son impact direct sur la qualité des décisions d'un planificateur multi-robots. Les auteurs testent leur approche selon plusieurs configurations : tailles de flottes adverses variables, capacités de spoofing différentes, attaques adaptatives et divers horizons de planification, sans toutefois préciser à ce stade de calendrier de déploiement industriel ou de partenariat commercial.

Recherche❖Paper

1 source

39

2513arXiv cs.RO 

TacForcing : génération d'actions en flux continu avec retour tactile à l'exécution

Une équipe de recherche présente TacForcing, un framework de génération d'actions en flux continu pour la manipulation robotique riche en contacts, publié sur arXiv (arXiv:2608.25798v1). Il remplace l'expert d'action standard des modèles vision-langage-action (VLA) par un « streaming action expert » qui génère les actions en se conditionnant sur des retours tactiles captés pendant l'exécution, et non plus sur des observations figées antérieures au mouvement. Un mécanisme associé, Execution-Aware Tactile Attention (EATA), restreint ce conditionnement tactile aux actions proches de leur exécution réelle, réduisant le décalage entre capture tactile et mouvement. Sur six tâches simulées du benchmark UniVTAC et trois tâches réelles de manipulation riche en contacts, TacForcing atteint des taux de réussite moyens de 65% et 69% respectivement, devant les références existantes. Le problème visé est connu des intégrateurs en préhension fine et assemblage: les VLA à base de blocs d'actions (« chunks ») prédisent un mouvement complet à partir d'observations pré-exécution, rendant le conditionnement tactile obsolète dès que l'état de contact change (glissement, résistance, déformation). Les approches tactiles réactives existantes compensent avec un contrôleur haute fréquence séparé, ce qui alourdit l'architecture et l'entraînement. En intégrant le retour tactile directement dans le flux de génération, sans contrôleur additionnel, TacForcing simplifie cette chaîne et illustre qu'un VLA peut devenir réactif au contact sans architecture parallèle, un enjeu concret pour les tâches d'assemblage, d'insertion ou de manipulation d'objets déformables en environnement industriel. Ce travail s'inscrit dans la vague de recherche sur les modèles vision-langage-action qui a suivi des systèmes comme Pi-0, GR00T N2 ou Helix, où l'ajout de modalités sensorielles au-delà de la vision vise à combler l'écart entre démonstrations et robustesse réelle. Il s'agit d'une publication académique, sans acteur industriel ni déploiement commercial associé, évaluée sur le benchmark UniVTAC et seulement trois tâches réelles, ce qui invite à la prudence sur la généralisation des taux annoncés avant validation indépendante à plus grande échelle.

Recherche⚡Actu

1 source

39

2514arXiv cs.RO 

Apprendre à accélérer les modèles vision-langage-action grâce à la mise en cache adaptative de tokens visuels

Des chercheurs ont publié sur arXiv une version révisée d'un article intitulé "Learning to Accelerate Vision-Language-Action Models through Adaptive Visual Token Caching" (identifiant arXiv:2602.00686v2), qui reformule l'accélération de l'inférence des modèles Vision-Language-Action (VLA) en robotique manipulatrice comme un problème d'apprentissage de politique plutôt qu'une règle fixe. Le système repose sur deux modules légers entraînés conjointement avec le modèle: un Cached Token Selector, qui choisit quels tokens visuels réutiliser d'une étape à l'autre, et un Cache Ratio Predictor, qui détermine la proportion de tokens à mettre en cache selon l'évolution de la scène. Ces décisions étant discrètes par nature, les auteurs les rendent différentiables pour permettre un entraînement de bout en bout par descente de gradient. Évaluée sur les bancs d'essai LIBERO et SIMPLER ainsi que sur un robot réel, la méthode atteint une accélération de 1,76x du temps d'inférence en conditions réelles, tout en améliorant le taux de réussite moyen de 1,9 point sur LIBERO (de 75,0% à 76,9%) et de 5,0 points sur les tâches en environnement physique, devançant les méthodes de référence existantes. L'enjeu pour les intégrateurs et concepteurs de systèmes robotiques tient au goulot d'étranglement bien connu des modèles VLA: leur coût de calcul freine le déploiement embarqué, notamment sur des contrôleurs à ressources limitées. Les approches actuelles de mise en cache ou d'élagage de tokens sont généralement statiques et fondées sur des heuristiques, donc mal adaptées aux changements dynamiques de scène. Montrer qu'une politique apprise peut à la fois accélérer l'inférence et améliorer légèrement la précision, plutôt que la dégrader comme c'est souvent le cas avec les techniques de compression, va à l'encontre de l'hypothèse répandue d'un compromis strict entre vitesse et fiabilité pour les architectures VLA. Ce travail s'inscrit dans la lignée des recherches sur l'efficacité des modèles VLA à grande échelle, un axe jugé aussi critique que la généralisation elle-même pour leur adoption industrielle. Les auteurs comparent explicitement leur approche aux méthodes existantes de cache par règles, sans toutefois nommer de modèles VLA commerciaux précis dans le résumé fourni. Il s'agit à ce stade d'une contribution académique publiée en preprint, testée en laboratoire et sur un nombre limité de tâches réelles, et non d'un produit ou d'un déploiement industriel; les suites annoncées concernent l'extension de ces politiques d'allocation de calcul apprises à d'autres familles de modèles VLA.

Recherche❖Paper

1 source

38

2515arXiv cs.RO 

Exploiter les affordances entre objets pour une planification efficace des tâches à contact riche

Des chercheurs proposent une nouvelle méthode de planification robotique baptisée U-TAMP (Unified Task-and-Motion Planning), détaillée dans un preprint publié le 27 août 2026 sur arXiv (référence 2608.25641v1). Le travail s'attaque à une limite connue des approches classiques de planification tâche-mouvement (TAMP), qui modélisent les objets de façon simplifiée et ignorent des propriétés physiques essentielles (matière, forme, prise possible) pour réussir des tâches impliquant des contacts complexes, comme empoigner ou poser un objet sur un autre. Les auteurs utilisent un modèle vision-langage (VLM) pour générer automatiquement des abstractions des affordances entre objets, c'est-à-dire des contraintes de préhension et de support qui décrivent comment deux objets peuvent interagir physiquement. Ces contraintes enrichissent le domaine de planification pour gérer des objets aux propriétés variables. La méthode a été testée dans des scénarios simulés de rangement de table de cuisine, et comparée à la version originale de U-TAMP ainsi qu'à un planificateur VLM de référence s'appuyant sur le sens commun pour déduire les affordances. Résultat annoncé : un taux de réussite de planification nettement supérieur et des temps de calcul réduits d'un à deux ordres de grandeur par rapport aux méthodes concurrentes. Pour les équipes de recherche en robotique manipulatrice, ce travail illustre une piste alternative à l'apprentissage de bout en bout défendu par les modèles vision-langage-action comme Pi-0 ou GR00T N2 : plutôt que de tout confier à un réseau appris sur des données, il s'agit d'injecter du sens commun physique, via un VLM, dans un moteur de planification symbolique classique, pour gagner en vitesse et en fiabilité sans sacrifier l'interprétabilité. La réduction du temps de planification est particulièrement pertinente pour les tâches longues et séquentielles typiques de l'industrie et du service à la personne. Il faut toutefois noter que ces résultats restent cantonnés à la simulation, sur un seul type de scénario domestique, sans validation sur robot réel ni indication de déploiement industriel. Le TAMP est un champ de recherche établi qui combine raisonnement symbolique et planification de mouvement continue ; ce papier s'inscrit dans la lignée d'un système U-TAMP préexistant, qu'il étend avec la brique VLM pour l'affordance. Les prochaines étapes attendues, non précisées dans l'article, seraient une validation sur plateforme physique et une extension à des tâches de manipulation plus variées que le simple rangement de table.

Recherche❖Paper

1 source

38

2516arXiv cs.RO 

R³ : entraîner des robots à raisonner en langage naturel par apprentissage par renforcement

Des chercheurs présentent R³ (R-cubed), une méthode de post-entraînement qui transforme des modèles vision-langage (VLM) génériques en « raisonneurs robotiques » capables de guider des politiques de manipulation bas niveau. La recette se déroule en deux temps : un VLM est d'abord entraîné (mid-training) sur des traces de raisonnement générées par des experts pour installer un style de raisonnement adapté, puis affiné par apprentissage par renforcement à un pas, fondé sur des grilles d'évaluation (rubric-based RL), à partir de données d'action hors ligne. L'équipe a testé R³ sur deux bancs d'essai contrôlés : Language Table et une tâche simulée d'emballage de courses à deux bras (bimanual grocery packing). Sur ces deux benchmarks, R³ améliore l'exploration et la généralisation vers des tâches non vues à l'entraînement, et surpasse nettement des références d'apprentissage par imitation guidées uniquement par instruction. Le travail est publié en préprint sur arXiv (2608.26053, août 2026) et une page de projet est disponible à robotic-reasoner.github.io. La particularité de R³ tient à la nature du raisonnement produit : contrairement aux méthodes robotiques antérieures, qui utilisent des traces structurées comme simple supervision auxiliaire à l'entraînement, R³ entraîne le modèle à produire un raisonnement en langage libre qui sert directement de guidage au moment de l'exécution, pour piloter des politiques bas niveau souvent bruyantes. L'enjeu dépasse l'exercice académique : les tâches robotiques à long horizon exigent de suivre une progression partielle, de raisonner sur les relations entre objets et de détecter puis corriger des erreurs, des compétences que l'apprentissage par imitation pure peine à capturer. Ces résultats apportent un signal utile au débat en cours dans le secteur des modèles vision-langage-action (VLA), où des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure (Helix) cherchent à doter bras manipulateurs et robots humanoïdes d'un raisonnement transférable de la simulation au monde réel. R³ suggère que le raisonnement en langage libre, popularisé par les modèles de type o1 sur des problèmes textuels complexes, peut aussi fonctionner comme mécanisme de calcul au moment du test pour la manipulation robotique. Ce travail s'inscrit dans une tendance plus large visant à transférer aux robots les gains obtenus par les modèles de fondation lorsqu'ils « réfléchissent » avant d'agir, capacité qui a déjà transformé les performances des grands modèles de langage sur les problèmes nécessitant décomposition et anticipation des conséquences. Jusqu'ici, les approches de raisonnement robotique se contentaient le plus souvent d'un signal auxiliaire sans que ce raisonnement pilote réellement l'action finale, ce que R³ cherche précisément à corriger. Les résultats publiés restent toutefois circonscrits à des environnements contrôlés et largement simulés, sans démonstration sur un déploiement réel à grande échelle ni comparaison directe avec des systèmes commerciaux déjà en service. Les auteurs ne précisent pas de calendrier de portage vers des robots physiques ou de tests sur des tâches industrielles plus complexes, ce qui situe R³ comme une contribution de recherche amont plutôt qu'un produit prêt à l'intégration.

Recherche❖Paper

1 source

38

2517arXiv cs.RO 

RAEM : exploration autonome robuste multi-étages avec un robot quadrupède

Le laboratoire à l'origine de l'article a publié sur arXiv (référence 2608.25366v1, soumission classée "new") un système baptisé RAEM, conçu pour permettre à un robot quadrupède d'explorer de façon autonome des bâtiments à plusieurs étages. Les auteurs partent d'un constat technique précis: la plupart des méthodes d'exploration existantes pour robots terrestres reposent sur des cartes de franchissabilité planes, incapables de représenter les structures superposées et les connexions entre étages d'un immeuble. Les représentations par tomographie corrigent en partie ce défaut mais imposent un coût de calcul trop lourd pour être maintenues globalement en temps réel, tandis que les données LiDAR, éparses dans les cages d'escalier, dégradent l'estimation locale du terrain et provoquent des placements de points de vue irréguliers ainsi que des déconnexions topologiques temporaires. RAEM combine donc une carte de tomographie locale et une grille 3D locale catégorisée pour l'analyse de terrain et de connectivité en temps réel, complétées par un graphe topologique global sensible à l'altitude, construit de façon incrémentale à partir de ces représentations locales. Deux mécanismes additionnels sont introduits: un alignement sur le centre des escaliers pour limiter les variations brusques de lacet pendant la montée, et une recherche de chemin double pour retrouver un guidage de navigation lorsque la topologie globale se retrouve localement déconnectée. Des essais en simulation et en conditions réelles ont démontré, selon les auteurs, une exploration autonome stable et peu coûteuse en calcul à travers des structures multi-étages, incluant une exploration continue d'une cage d'escalier de cinq niveaux. Pour les intégrateurs travaillant sur l'inspection de sites, la surveillance ou la logistique en environnements multi-étages, ce travail cible un verrou concret: la plupart des piles d'exploration pour robots quadrupèdes supposent un terrain plat et peinent à décider de façon autonome comment franchir des escaliers sans itinéraire prédéfini. Réduire le coût de calcul d'une représentation hybride locale-globale est significatif pour des missions embarquées sur batterie, où la puissance de calcul disponible reste contrainte. Il s'agit toutefois d'une publication de recherche dont les résultats reposent sur les mesures et environnements de test choisis par les auteurs eux-mêmes; les qualificatifs de robustesse et de stabilité calculatoire méritent d'être confirmés par une réplication indépendante avant toute généralisation à d'autres bâtiments ou plateformes. Ce travail s'inscrit dans un effort de recherche plus large visant à dépasser l'hypothèse du sol plat pour l'autonomie des robots à pattes, un axe actif alors que des quadrupèdes de fabricants comme Unitree, ANYbotics ou Boston Dynamics sont de plus en plus proposés pour l'inspection industrielle. Les approches antérieures s'appuyaient soit sur des cartes planes simples, inadaptées aux bâtiments avec escaliers, soit sur des cartes tomographiques complètes, précises mais trop lourdes pour un replanification en ligne; RAEM se positionne comme un compromis entre les deux. L'abstract ne précise ni la plateforme robotique exacte utilisée dans les expériences, ni de partenaire de déploiement, ni de calendrier de commercialisation: il s'agit d'une contribution académique à un stade précoce, qui indique une direction technique plutôt qu'un système prêt pour un déploiement industriel immédiat, avec pour suite plausible des validations sur davantage de bâtiments et de plateformes robotiques.

Recherche❖Paper

1 source

37

2518arXiv cs.RO 

VirTooS : boîte à outils de virtualisation ROS 2-Unity pour la gestion de flottes de robots mobiles autonomes

Une équipe de recherche présente VirTooS, un toolkit Python/C# pour la gestion de flottes (fleet management) de robots mobiles autonomes (AMR), dans un article publié sur arXiv fin août 2026 (arXiv:2608.26066v1). L'outil combine le middleware ROS 2 et le moteur de jeu Unity pour créer des environnements de simulation en réalité mixte, permettant de générer et personnaliser facilement des scénarios virtuels réalistes. Des capteurs réels et virtuels, comme des LiDAR, peuvent y être exploités pour cartographier et naviguer en toute sécurité dans ces environnements mixtes. Pour les expérimentations distribuées, les auteurs proposent des routines dédiées s'appuyant sur le framework ChoiRbot. À titre d'exemple, l'équipe démontre des expériences de résolution de problèmes d'allocation de tâches dans un environnement virtuel, avec interaction transparente entre robots réels et virtuels. Le paquet inclut une suite conteneurisée facilitant son déploiement sur différentes machines, et le code source sera rendu public sur GitHub, sans date précisée dans l'article. Pour les intégrateurs et exploitants de flottes d'AMR en logistique et en industrie, l'outil s'attaque à un problème concret: tester et valider des algorithmes de coordination multi-robots sans déployer une flotte physique complète. En faisant cohabiter robots réels et virtuels dans le même environnement ROS 2, VirTooS réduit le coût et le risque des essais à grande échelle, un frein fréquent à l'adoption de nouvelles stratégies de gestion de flotte en entrepôt, et apporte une réponse partielle au problème récurrent du sim-to-real gap en faisant tourner la même pile logicielle sur matériel simulé et réel. Contrairement à une annonce produit, il s'agit d'une contribution académique: aucun chiffre de déploiement, client ou volume de production n'est cité, l'apport restant méthodologique et outillé pour la recherche en robotique distribuée. VirTooS s'inscrit dans la lignée des outils de jumeau numérique et de simulation en réalité mixte qui se multiplient en robotique mobile, à mesure que le coût des essais physiques freine l'itération rapide sur les algorithmes de flotte. Le choix de s'appuyer sur ROS 2, standard de facto de la robotique open source, et sur Unity, moteur largement utilisé pour le rendu 3D, ancre le projet dans un écosystème déjà familier aux équipes de R&D plutôt que dans une architecture propriétaire fermée. Le recours au framework ChoiRbot pour les expériences distribuées le situe aussi dans la continuité de travaux existants sur le contrôle multi-robots. Classé comme nouvelle soumission sur arXiv, l'article ne précise ni date de disponibilité du code ni pilote industriel annoncé: la publication effective du dépôt GitHub promis par les auteurs sera la prochaine étape concrète à surveiller pour les équipes souhaitant évaluer l'outil sur leurs propres flottes.

Recherche❖Paper

1 source

37

2519arXiv cs.RO 

Apprentissage orienté contrôle pour le suivi dynamique et l'analyse de stabilité d'actionneurs pneumatiques souples

Un preprint publié sur arXiv le 27 août 2026 (référence 2608.25171) présente un cadre de modélisation et de commande pour les actionneurs pneumatiques souples, appréciés pour leur compliance mais difficiles à contrôler en raison de leur dynamique non linéaire et distribuée. La méthode décompose leur comportement en un modèle statique non linéaire d'équilibre et un modèle dynamique résiduel linéaire, identifié via l'EDMDc (Extended Dynamic Mode Decomposition avec commande), permettant compensation en boucle ouverte, asservissement dans l'espace de la tâche et analyse de stabilité en boucle fermée. Les tests rapportent une erreur quadratique moyenne d'environ 1 mm à 10 mm/s et inférieure à 10 mm à 100 mm/s, un suivi stable de trajectoires dynamiques avec des pics d'accélération supérieurs à 25 m/s² couplé à de l'évitement d'obstacles en temps réel, ainsi qu'une prédiction validée expérimentalement des régimes stables, marginaux et instables. Ce travail s'attaque à un frein majeur de la robotique souple : l'absence de modèles de commande précis et exploitables en temps réel, qui confinait ces actionneurs à des tâches lentes. En montrant qu'un modèle hybride, mêlant physique simplifiée et apprentissage par données, atteint une précision millimétrique tout en supportant des dynamiques rapides et de l'évitement d'obstacles, l'étude suggère que ces actionneurs peuvent dépasser la simple préhension délicate pour des tâches exigeant réactivité, comme la manipulation collaborative ou certains gestes chirurgicaux assistés. Pour les intégrateurs, l'apport clé tient à la garantie de stabilité formelle : prédire à l'avance qu'un régime sera stable, marginal ou instable évite des essais empiriques coûteux avant tout déploiement industriel ou médical. La commande des actionneurs pneumatiques souples s'est longtemps heurtée à deux approches concurrentes : une modélisation physique détaillée, coûteuse en calcul, et des méthodes purement data-driven, peu interprétables et sans garanties de stabilité. L'EDMDc s'inscrit dans la lignée des méthodes fondées sur l'opérateur de Koopman, de plus en plus employées en robotique pour linéariser des dynamiques complexes tout en conservant des outils de commande classiques. Le travail reste, à ce stade, un preprint non évalué par des pairs, issu de tests en laboratoire, sans partenariat industriel annoncé ni précision sur la plateforme matérielle ou le nombre de degrés de liberté testé. Les suites attendues consistent généralement à étendre le cadre à des structures souples multi-segments, avant d'envisager une intégration dans des bras collaboratifs ou des dispositifs médicaux.

Recherche❖Paper

1 source

37

2520arXiv cs.RO 

VISTA : attention spatiale de contact inférée visuellement pour la manipulation à contacts riches

Un article arXiv publié fin août 2026 (2608.25872) présente VISTA-Policy, une méthode d'apprentissage par imitation pour la manipulation robotique en contact avec des objets. Plutôt que d'ajouter des capteurs tactiles ou de force, coûteux à calibrer et déployer, l'approche utilise le Visual Deformation Field (VDF), une représentation 3D des déformations d'un gripper compliant captée par caméra, comme signal de contact. Le système combine un module de décodage du VDF en temps réel, un mécanisme de débruitage isolant les vrais signaux de contact, et un réseau de politique pilotant des corrections incrémentales du gripper en boucle fermée. Il a été testé sur trois tâches, la préhension d'objets d'échelles variables, le dévissage de bouchons et l'écriture calligraphique, face à la référence vision pure 3D Diffusion Policy et à une référence tactile. L'enjeu dépasse la démonstration technique : en manipulation fine, la seule caméra peine à distinguer des états de contact subtils, notamment sous occlusion, tandis que les capteurs tactiles dédiés ajoutent du matériel, de la calibration et des coûts de déploiement. En montrant qu'un signal visuel dérivé de la déformation du gripper égale ou dépasse un capteur tactile physique, l'étude ouvre une voie moins coûteuse vers une manipulation généraliste en environnement non structuré. Les auteurs rapportent une généralisation à des objets d'échelles inédites et une robustesse à des perturbations dynamiques, deux points faibles fréquents des politiques vision seule. Pour des intégrateurs évaluant des piles VLA pour la préhension fine, cela suggère qu'un retour de contact riche est possible sans multiplier les capteurs embarqués. Le travail s'inscrit dans la tendance de l'apprentissage par imitation centré vision, où des politiques par diffusion comme 3D Diffusion Policy dominent mais restent limitées par l'ambiguïté des retours visuels purs ; la comparaison directe avec une référence tactile positionne VISTA-Policy comme alternative, plutôt que complément, aux capteurs de force dédiés. À ce stade, il s'agit d'une publication de recherche sur arXiv, pas d'un produit commercialisé : les résultats reposent sur des évaluations de laboratoire sur trois tâches, avec vidéos et matériel supplémentaire en ligne. Aucun calendrier de transfert industriel ni partenariat n'est communiqué.

Recherche❖Paper

1 source

36

2521arXiv cs.RO 

Échantillonnage génératif par blocs d'actions pour un contrôle adaptatif de la rigidité en collaboration homme-robot physique

Une équipe de recherche a publié sur arXiv (2608.25284, août 2026) une méthode de contrôle adaptatif de raideur articulaire pour la collaboration physique homme-robot, basée sur l'échantillonnage génératif de séquences d'actions. À partir d'une image RGB et d'estimations de couple externe aux articulations, la politique générative tire plusieurs séquences d'actions futures ; leur variance pilote en continu la raideur et l'amortissement du robot, une forte dispersion le rendant plus compliant, une faible dispersion plus ferme. Sur une tâche réelle de transport collaboratif à quatre directions possibles, la méthode atteint un taux de réussite de 0,95, contre 0,83 pour une raideur fixe et 0,69 pour une politique déterministe, la variance grimpant précisément quand la direction voulue par l'humain reste ambiguë. Le résultat s'adresse aux intégrateurs de cobots, bras d'assistance et exosquelettes confrontés à l'arbitrage entre un robot trop rigide, qui impose sa trajectoire, et un robot trop compliant, sans assistance utile. Utiliser la dispersion d'un modèle génératif comme proxy d'incertitude sur l'intention humaine, sans reconnaissance de geste explicite, offre un signal de contrôle peu coûteux ; l'écart avec la politique déterministe (0,95 contre 0,69) confirme l'intérêt d'une modélisation stochastique de l'action, alors que le secteur cherche à rendre les politiques VLA exploitables au-delà du laboratoire. Le résultat reste toutefois obtenu sur une seule tâche à quatre directions, avec un volume d'essais limité typique d'un preprint, et sa transposition à des manipulations plus complexes n'est pas démontrée. Ce travail prolonge les recherches sur le contrôle d'impédance variable en interaction physique homme-robot, en détournant l'échantillonnage de séquences d'actions, technique popularisée par les politiques récentes de type action chunking (dans la veine des approches diffusion policy ou des modèles VLA comme Pi-0 ou GR00T N2), pour en extraire un signal d'incertitude plutôt qu'une action à exécuter. La comparaison se limite à deux références internes, raideur fixe et politique déterministe, sans confrontation à un système commercial : une contribution académique en preprint, non un produit ou un pilote industriel. Aucune entreprise ni calendrier de déploiement n'est mentionné dans l'article ; les suites évoquées porteraient sur des tâches de manipulation plus riches et une validation auprès de davantage de participants.

Recherche❖Paper

1 source

36

2522arXiv cs.RO 

SUPER ODOMETRY 2.0 : une odométrie résiliente grâce à une adaptation hiérarchique

Un article publié sur arXiv (2608.25427v1) présente Super Odometry, un système de fusion de capteurs conçu pour maintenir une odométrie fiable dans des environnements dégradés comme la fumée, les tempêtes de sable, la neige ou la faible luminosité. L'architecture repose sur une structure hiérarchique à quatre modules, de la sélection adaptative de features jusqu'à un module d'odométrie inertielle appris par apprentissage automatique, en passant par la sélection adaptative de la direction d'état et celle du moteur d'estimation. Ce module inertiel a été entraîné sur plus de 100 heures de données issues de plateformes robotiques hétérogènes, ce qui lui permet de capturer une large gamme de dynamiques de mouvement. Point clé: la centrale inertielle (IMU) est élevée au même rang que la caméra et le LiDAR dans la fusion de capteurs, servant de solution de repli quand les capteurs extéroceptifs échouent. Le système a été validé sur 200 kilomètres et 800 heures de fonctionnement, sur une flotte de robots aériens, à roues et à pattes, avec des configurations de capteurs variées et des mouvements agressifs. Pour l'industrie robotique, ce travail cible un point de défaillance récurrent des piles de SLAM et de VIO classiques: la dégradation ou la perte des capteurs extéroceptifs en conditions réelles, un scénario critique pour la recherche et sauvetage, l'inspection industrielle ou la défense. En traitant l'IMU comme une source de mesure à part entière plutôt qu'un simple correctif de dérive, Super Odometry cherche à réduire l'écart entre démonstrations en laboratoire et robustesse sur le terrain. Qu'un seul framework couvre trois morphologies de robots est également notable, les stacks de navigation étant généralement spécialisées par plateforme. Les chiffres de validation, 200 km et 800 heures, dépassent largement les échelles habituelles des publications académiques sur l'odométrie, même si, comme pour toute étude auto-rapportée sans benchmark indépendant, ces résultats restent à confirmer par des tiers. Le nom "Super Odometry 2.0" suggère une évolution d'un système antérieur, désormais enrichi d'une couche d'adaptation hiérarchique et d'un module inertiel appris, dans la lignée des travaux de fusion LiDAR-inertielle-caméra pour la robotique de terrain en environnements extrêmes (mines, tunnels, sites sinistrés). Il s'inscrit dans une tendance plus large consistant à hybrider composants appris et estimation classique plutôt que viser une navigation neuronale de bout en bout. L'abstract ne mentionne ni affiliation, ni partenaire de déploiement, ni calendrier commercial: à ce stade, il s'agit d'une publication de recherche, pas d'un produit livré ni d'un pilote annoncé.

Recherche❖Paper

1 source

36

2523arXiv cs.RO 

Scene2Demo : génération autonome de données incarnées via un graphe objet-action

Des chercheurs présentent Scene2Demo, un framework de génération offline de données d'apprentissage robotique, décrit dans une version révisée (v2) d'un preprint arXiv (2602.12065), avec une page projet hébergée de manière anonyme (scene2demo-anon.github.io), signe d'une soumission en cours de relecture en double-aveugle. A partir d'une seule image RGB réelle et d'une requête utilisateur en langage naturel, le système construit une scene simulée interactive et génère des configurations de taches exécutables, des vidéos d'exécution multi-vues ainsi que des jeux de données exploitables pour l'apprentissage de politiques robotiques. L'architecture s'appuie sur un graphe objet-action, orchestre par un flux de travail multi-modules, complète par des agents de feedback qui inspectent les exécutions filmées et corrigent séquences ou paramètres en cas d'échec. Sur 102 paires scene-tache primitives générées automatiquement, le taux de réussite d'exécution atteint 71,6%. Sur quatre taches longues et complexes, le mécanisme d'auto-évolution améliore a la fois la réussite globale et la qualité d'exécution des sous-taches par rapport a une exécution purement primitive; face aux frameworks RoboGen et GenSim2, Scene2Demo obtient de meilleurs résultats de planification et d'exécution. Des politiques entraînées par clonage comportemental sur ces données atteignent 96,0% et 92,0% de réussite sur deux taches représentatives. Ce travail s'attaque au goulot d'étranglement central de l'IA robotique embarquée: la rareté des démonstrations réelles nécessaires pour entrainer des politiques de type VLA ou de clonage comportemental, dont la collecte manuelle reste couteuse et lente. En générant scènes, taches et trajectoires directement depuis une image unique, Scene2Demo vise a réduire la dépendance a la téléopération humaine pour constituer des jeux de données d'entrainement. Les scores de clonage comportemental apportent un indice, encore limite a deux taches, que des données synthétiques générées automatiquement peuvent produire des politiques exploitables, un point clé du débat sur l'écart entre démonstrations simulées et performance réelle. La comparaison avec RoboGen et GenSim2 reste toutefois interne a l'étude et porte sur un périmètre restreint (102 paires primitives, quatre taches longues), ce qui invite a la prudence avant toute généralisation a l'échelle industrielle. Scene2Demo s'inscrit dans une lignée de frameworks de génération automatique de taches pour la robotique, aux cotes de RoboGen et GenSim2, qui exploitent déjà des modèles de langage ou de génération pour construire des environnements simules a partir de descriptions textuelles. L'absence de nom d'entreprise et l'hébergement anonyme du projet confirment une contribution académique, vraisemblablement destinée a une conférence majeure de robotique, sans annonce de déploiement pilote ni de calendrier commercial. La suite logique, une fois la relecture achevée, serait une publication ouverte du code et une extension a des taches et des embodiments robotiques plus varies.

Recherche❖Paper

1 source

36

2524arXiv cs.RO 

Optimisation spécifique à la tâche guidée par la performance pour la conception de multirotors

Une équipe de recherche présente sur arXiv (2510.04724v2, version mise à jour d'un préprint) une méthodologie d'optimisation de conception spécifique à la tâche pour des micro-véhicules aériens multirotors. L'approche combine apprentissage par renforcement, optimisation bayésienne et stratégie d'évolution par adaptation de matrice de covariance (CMA-ES) pour faire émerger des configurations de moteurs guidées uniquement par la performance en boucle fermée sur une tâche donnée, plutôt que par des règles de conception classiques. L'exploration porte sur l'espace des poses de moteurs, sous contraintes de fabricabilité et en limitant les interférences aérodynamiques entre rotors. Sur des tâches de navigation agile par points de passage, les designs optimisés surpassent à la fois les configurations multirotors conventionnelles et des architectures pleinement actionnées (fully actuated) issues de la littérature, où l'orientation des moteurs découple habituellement poussée et attitude. Les auteurs ont construit et testé en conditions réelles l'un des designs optimisés pour valider le transfert simulation vers réel de la méthode. Ce travail illustre une tendance de fond en robotique aérienne, le co-design, où la géométrie du drone n'est plus fixée en amont mais devient elle-même une variable optimisée conjointement avec le contrôleur, en fonction de la mission visée. Pour les intégrateurs et fabricants de drones industriels, cela ouvre la voie à des appareils taillés sur mesure pour une tâche précise, inspection, vol en espace confiné, manœuvres agiles, plutôt qu'à des plateformes généralistes. Le résultat le plus notable n'est pas la victoire, attendue, sur les multirotors classiques, mais la performance supérieure face aux architectures pleinement actionnées, jugées habituellement plus capables mais plus complexes et coûteuses à fabriquer: cela suggère qu'une optimisation fine d'une géométrie multirotor standard peut rivaliser avec des mécanismes plus sophistiqués. La validation physique, même limitée à un seul design construit, reste l'élément clé: elle distingue l'étude d'un simple exercice de simulation et répond au scepticisme habituel sur l'écart entre simulation et réalité. Cette recherche prolonge des travaux antérieurs sur la conception de robots guidée par les données, où l'apprentissage par renforcement sert de plus en plus à évaluer des variantes en simulation avant fabrication, en complément de méthodes d'optimisation bayésienne et évolutionnaires plus classiques en ingénierie aérospatiale. Le choix de comparer aux multirotors pleinement actionnés positionne explicitement ces travaux par rapport à un courant actif sur les drones omnidirectionnels. S'agissant d'une publication arXiv en version 2, le texte reste au stade académique: aucun partenaire industriel, date de commercialisation ou volume de production n'est mentionné. Les suites attendues incluent l'extension à d'autres tâches et familles de designs, ainsi qu'une validation sur davantage de prototypes physiques.

Recherche❖Paper

1 source

36

2525arXiv cs.RO 

Mémoire explicite guidée par l'avantage pour la navigation sociale

Une équipe de recherche publie sur arXiv (référence 2608.25610v1) un nouvel agent de navigation robotique doté d'une mémoire explicite non paramétrique, conçu pour la navigation sociale, c'est à dire le déplacement d'un robot au milieu d'humains. Le constat de départ est que les politiques robotiques actuelles, entraînées par imitation learning ou par apprentissage par renforcement (RL) classiques, stockent tout leur comportement dans les poids du réseau de neurones, ce qui les rend fragiles face aux situations rares mais critiques, comme un risque de collision avec un piéton. La solution proposée consiste à indexer explicitement les séquences d'étapes ayant mené à ces événements critiques dans une mémoire externe, plutôt que de tout confier à la représentation apprise. Techniquement, cette mémoire est intégrée à une architecture PPO récurrente (Proximal Policy Optimization), où les états cachés du réseau servent de clé de récupération pour capter la dynamique spatio-temporelle continue de l'environnement, et où les signaux d'avantage du RL guident la priorisation des événements rares à fort impact. L'agent est entraîné en simulation, combinant rendu photoréaliste et simulation de foule non visuelle. L'apport principal tient à deux effets combinés. D'une part, l'agent peut continuer à apprendre pendant son déploiement en collectant des données de ses propres épisodes de test, ce qui améliore sa généralisation face à des comportements humains hors distribution (OOD), un point faible connu des politiques purement paramétriques. D'autre part, cette mémoire externe atténue en partie l'écart classique entre simulation et monde réel (sim-to-real gap), puisque certaines décisions peuvent désormais s'appuyer sur des données réelles collectées après l'entraînement, et non uniquement sur des poids figés issus de la simulation. Pour les intégrateurs travaillant sur des robots mobiles évoluant en environnement humain, cela pointe vers des architectures hybrides mémoire plus apprentissage continu comme piste pour fiabiliser la sécurité sans réentraînement complet. Le travail s'inscrit dans la lignée des méthodes RL récurrentes de type PPO et des recherches sur la mémoire épisodique non paramétrique, sans affiliation industrielle ni nom d'entreprise cités dans la publication. Il reste à ce stade une validation en simulation, sans annonce de pilote terrain ni de calendrier de déploiement réel.

Recherche❖Paper

1 source

36

2526arXiv cs.RO 

Zero-WAM : modélisation monde-action en contexte à partir de vidéos humaines pour la généralisation de tâches ouvertes

Des chercheurs présentent Zero-WAM, un modèle causal vidéo-action qui exécute des tâches de manipulation robotique inédites en suivant une simple vidéo humaine donnée en contexte, sans réentraînement, sur le principe de l'apprentissage en contexte des grands modèles de langage. Pour pallier le manque de données appariées humain-robot, ils ont construit un pipeline automatique générant HumanGen, 74 200 paires vidéo sur 8 600 tâches, avec un nouvel objectif d'entraînement dit IFP (prédiction de segments futurs en contexte). Sur sept tâches inédites du simulateur RoboTwin 2.0, le modèle atteint 47,0% de réussite, soit +29,5 points face à la meilleure base vidéo-action comparée, et des essais réels montrent une généralisation à des scènes multi-objets et à des insertions fines. L'article, publié sur arXiv (2608.26103), reste une contribution académique sans produit ni partenaire industriel annoncé. L'enjeu dépasse la performance brute : la plupart des modèles vision-langage-action doivent être réentraînés ou finement ajustés pour chaque nouvelle tâche, ce qui alourdit les coûts d'intégration industrielle. En montrant qu'une vidéo de démonstration peut servir de consigne à la volée, Zero-WAM propose une alternative au conditionnement par le langage utilisé par des approches comme Pi-0 ou GR00T N2, et suggère une piste pour réduire la dépendance aux collectes de démonstrations spécifiques par tâche. Le résultat mérite toutefois d'être nuancé : un taux de réussite de 47% reste modeste en absolu, et l'essentiel de la validation chiffrée se fait en simulation, les essais réels n'étant pas quantifiés dans l'abstract. L'apprentissage en contexte, popularisé par les grands modèles de langage généralistes, se heurtait en robotique à la rareté de vidéos humaines et robotiques appariées, problème que ce travail attaque via son pipeline HumanGen. Il se positionne face à l'écosystème des modèles vision-langage-action généralistes tels Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, qui misent davantage sur le langage que sur la vidéo comme consigne. Aucun acteur français ou européen n'apparaît dans cette publication, et les auteurs ne fournissent ni pilote industriel ni feuille de route de commercialisation.

Recherche❖Paper

1 source

36

2527arXiv cs.RO 

GaussVLA : un raisonnement spatial géométrique pour les modèles vision-langage-action

Un preprint arXiv (2608.24959v1) présente GaussVLA, un modèle Vision-Language-Action fondé sur une architecture Mamba, doté de deux modules : le Gaussian Spatial Tokenizer (GST), qui convertit des caractéristiques sémantiques et de profondeur figées en tokens 3D gaussiens compacts en agrégeant les zones géométriquement saillantes via des requêtes apprises, et le Depth-Aware Chain-of-Thought (DA-CoT), un raisonnement géométrique structuré et non autorégressif conditionné par le langage. Testé en simulation sur le benchmark LIBERO et en conditions réelles, il atteint 93,5 % de réussite moyenne et 100,0 % sur la suite Spatial avec seulement 200 millions de paramètres, soit 19,7 % de mieux que SpatialVLA, sa référence de comparaison directe, tout en restant nettement plus économique en paramètres. Le problème visé est connu : les observations visuelles des modèles VLA sont d'ordinaire encodées en tokens 2D plats sans structure géométrique, et une carte de profondeur monoculaire n'ajoute que des valeurs scalaires par pixel, sans orientation de surface ni confiance géométrique. En dotant le modèle d'une représentation 3D explicite, GaussVLA améliore le raisonnement spatial requis pour la manipulation fine, un des écarts récurrents entre démonstrations de laboratoire et déploiement réel. Pour les intégrateurs, le signal le plus utile reste l'efficacité paramétrique : un modèle de 200 millions de paramètres qui surpasse une référence plus lourde suggère que la qualité du raisonnement spatial tient davantage à la structure de la représentation qu'à la taille du modèle, contredisant l'hypothèse du "plus gros VLA égale meilleure généralisation" et laissant entrevoir des coûts d'inférence embarquée réduits pour des politiques déployées directement sur des contrôleurs de robots. GaussVLA se positionne explicitement comme une amélioration de SpatialVLA, dans une course d'architectures VLA qui cherche depuis plusieurs générations à résoudre le raisonnement spatial en manipulation robotique. Le travail reste un preprint non encore revu par les pairs, validé sur LIBERO, un benchmark de simulation standard, complété par des essais réels dont l'ampleur n'est pas précisée dans le résumé. Aucun partenaire industriel, calendrier de déploiement ou prix n'est mentionné : il s'agit d'une contribution de recherche sur l'architecture des tokenizers spatiaux, et non d'un produit ou d'un pilote commercial, dont les suites attendues seraient des tests sur des tâches de manipulation plus longues et des plateformes robotiques variées.

Recherche❧Opinion

1 source

35

2528arXiv cs.RO 

Une main à cinq doigts actionnée par tendons, dotée d'une perception tactile distribuée pour la manipulation dextérique

Des chercheurs ont publié en août 2026 sur arXiv (référence 2608.25547v1) une nouvelle conception de main robotique à cinq doigts actionnée par tendons, dotée d'une perception tactile distribuée. La structure adopte une architecture hybride souple-rigide, pensée pour combiner compliance mécanique et force opérationnelle suffisante pour manipuler des objets. Des capteurs tactiles à double modalité sont répartis sur les phalanges distales et médianes des cinq doigts, permettant de détecter simultanément le contact statique et les variations de force dynamique lors d'une prise. Les auteurs ont validé le système par une série de manipulations : gestes de comptage sur les doigts, pincement pouce-index, saisie d'objets variés, et un enregistrement tactile lors de la préhension d'une bouteille. Ces expériences visent à démontrer la faisabilité d'un couplage étroit entre actionnement et perception au sein d'une même main robotique. Pour l'industrie robotique, la main reste le goulot d'étranglement le plus critique des robots humanoïdes : la dextérité fine et le retour tactile conditionnent la capacité d'un système à manipuler des objets imprévus, un prérequis pour toute application logistique ou domestique au-delà des démonstrations scénarisées. En couvrant l'ensemble des cinq doigts avec des capteurs tactiles doubles plutôt que quelques points de contact isolés, cette approche répond à une limite souvent pointée par les intégrateurs : la plupart des mains commerciales actuelles restent tactilement pauvres, ce qui cantonne des modèles vision-langage-action comme Pi-0 ou Helix à une perception essentiellement visuelle. Un retour de force distribué et fiable est une brique nécessaire pour fermer la boucle entre perception et contrôle fin, condition souvent citée pour réduire l'écart persistant entre démonstrations vidéo soignées et manipulation réelle robuste. La course aux mains dextres s'est intensifiée ces deux dernières années à mesure que les plateformes humanoïdes elles-mêmes progressaient : Tesla travaille sur la main d'Optimus, Figure a itéré sur ses propres designs entre Figure 02 et Figure 03, tandis que des acteurs spécialisés comme Shadow Robot, PSYONIC ou Sanctuary AI développent depuis plusieurs années des mains à forte densité de capteurs. Ce travail reste à ce stade une publication de recherche académique, sans nom d'entreprise ni de produit associé, et sans partenariat industriel ou calendrier de déploiement annoncé : il s'agit d'une preuve de concept en laboratoire, pas d'un système prêt à l'intégration commerciale. Sa contribution s'inscrit néanmoins dans une tendance de fond du secteur, où la perception tactile distribuée devient un axe de différenciation aussi disputé que la dextérité mécanique elle-même, avec pour prochaine étape probable l'intégration de ce type de main sur un bras ou un torse humanoïde complet pour des essais de manipulation en conditions réelles.

Recherche❖Paper

1 source

35

2529arXiv cs.RO 

Apprentissage robotique longitudinal par démonstration avec des aidants à domicile

Des chercheurs publient sur arXiv, sous la référence 2608.25196, une étude consacrée a l'apprentissage par démonstration (Learning from Demonstration, LfD), une méthode qui permet a des utilisateurs non experts d'enseigner de nouvelles taches a un robot sans programmation explicite. A la différence des évaluations habituelles, menées en laboratoire avec un expert en robotique présent pour assister l'utilisateur, cette expérience se déroule directement au domicile de professionnels du soin, sans encadrement technique sur place. Les participants enseignent au robot des taches d'assistance lors de plusieurs visites successives, ce qui permet de suivre l'apprentissage dans la durée plutôt que lors d'une seule session isolée. Deux mécanismes de guidage issus de travaux antérieurs des mêmes auteurs, un pré-entrainement du système et un retour adaptatif fourni pendant la démonstration, sont testes pour aider ces utilisateurs non experts a surmonter les difficultés rencontrées. Les auteurs annoncent leur intention de publier en open source le jeu de données ainsi collecte. L'intérêt du travail tient moins a une prouesse technique isolée qu'a la méthodologie retenue. La plupart des études sur l'utilisabilité du LfD par des non-experts restent conduites en environnement contrôle, avec un ingénieur prêt a intervenir, ce qui tend a surestimer la facilite réelle d'usage. En retirant cet expert et en déplaçant l'expérimentation dans un vrai foyer sur plusieurs visites, l'étude met en évidence l'écart entre démonstration en laboratoire et usage autonome en conditions réelles, un problème récurrent dans la robotique domestique et d'assistance. Pour les intégrateurs et décideurs qui envisagent de déployer des robots configurables par des aidants ou des soignants sans formation technique, ces résultats permettent d'identifier les barrières concrètes a l'adoption et de vérifier si le pré-entrainement et le retour adaptatif suffisent réellement a les lever hors du cadre protégé du laboratoire. Le champ du LfD vise depuis plusieurs années a permettre l'enseignement de compétences a un robot par simple démonstration, en alternative a la programmation explicite ou aux approches de téléopération intensive utilisées ailleurs dans l'industrie pour entrainer des modèles généralistes. Les deux mécanismes de guidage évalués ici, pré-entrainement et retour adaptatif, avaient été conçus lors de travaux précédents des mêmes chercheurs ; cette publication en constitue le prolongement en conditions écologiques, auprès d'une population réelle sur la durée. En ciblant les professionnels du soin a domicile, confrontes quotidiennement a des taches d'assistance répétitives, les auteurs visent un cas d'usage concret pour la robotique d'assistance aux personnes âgées ou en perte d'autonomie. La suite annoncée, la mise a disposition en open source du jeu de données issu des visites multiples, doit permettre a d'autres équipes de recherche de réutiliser ces démonstrations réelles pour entrainer ou évaluer leurs propres systèmes de LfD.

Recherche❖Paper

1 source

35

2530arXiv cs.RO 

ConfAL-WM : apprentissage actif guidé par la confiance pour les modèles du monde conditionnés par l'action

Une équipe de recherche publie ConfAL-WM, un framework d'apprentissage actif guidé par la confiance pour le post-entraînement de world models conditionnés par l'action, utilisés en robotique pour la prédiction, la planification et la génération de données synthétiques. Décrit dans un preprint arXiv (2608.25572v1) daté d'août 2026, le système s'appuie sur EVAC, un world model existant, auquel les chercheurs greffent une sonde de confiance légère branchée sur les features du décodeur UNet. Cette sonde produit des cartes de confiance denses dans l'espace latent, ensuite agrégées à trois niveaux : tâche, frame et patch. Le pipeline complet fonctionne en trois étapes : réentraînement de la sonde et préchauffage d'EVAC sur un petit sous-ensemble de données du domaine cible, présélection au niveau tâche pour répartir le budget d'échantillonnage, puis réentraînement ciblé avec pondération optionnelle au niveau frame ou patch. Les expériences ont été menées sur le benchmark RoboTwin2.0, avec une page de démonstration visuelle disponible sur ConfAL-WM.github.io. L'intérêt de ce travail tient au problème qu'il cible : dans les world models embarqués, les erreurs de prédiction ne se répartissent pas uniformément mais se concentrent sur des zones précises, bras robotique, objets manipulés, points de contact, zones occluses. Entraîner ou réadapter ces modèles de façon uniforme gaspille donc du calcul et des données d'annotation. Une sélection guidée par la confiance promet de réduire le coût d'adaptation d'un world model à un nouveau domaine ou une nouvelle tâche, un enjeu direct pour les laboratoires qui développent des modèles de type VLA (vision-langage-action) à grande échelle, où le post-entraînement sur données cibles reste coûteux. Les auteurs affirment que leur pondération dense par frame et patch surpasse des méthodes de scoring plus classiques, basées sur une récompense scalaire, une mesure de progrès ou un jugement automatique. Ce travail s'inscrit dans la dynamique plus large des world models conditionnés par l'action comme brique fondamentale pour la planification robotique et la génération de données synthétiques, aux côtés d'approches comme Pi-0 ou GR00T N2. Il ne s'agit toutefois pas d'un produit commercial ni d'un déploiement industriel : c'est une contribution de recherche publiée sur arXiv, sans partenaire industriel ni acteur français ou européen mentionné, dont l'impact réel dépendra de sa reproduction et de son adoption par d'autres laboratoires.

Recherche❖Paper

1 source

35

2531arXiv cs.RO 

LAC : compliance linéaire et angulaire pour le contrôle corporel complet des humanoïdes

Un article publie sur arXiv (2608.25405) présente LAC, un contrôleur de corps entier pour humanoïdes qui traite simultanément les forces linéaires et les couples angulaires appliques sur le haut du corps. La méthode entraine, via apprentissage par renforcement en schéma enseignant-élevé, une politique unique a suivre des mouvements de conformité calcules par un modèle d'admittance virtuelle, a partir d'un jeu de données augmente ou des forces et couples sont appliques sur des points de contact extraits d'interactions humaines réelles. Simulations et essais sur robot réel montrent une réponse conforme sur tout le haut du corps, une modulation continue de la raideur commandée, et une application a la loco-manipulation téléopérée ; le projet est documente sur lac-humanoid.github.io. La plupart des contrôleurs humanoïdes actuels traitent les forces externes comme des perturbations a rejeter pour garder l'équilibre, ou ne tolèrent la conformité que sur quelques liaisons, sans tenir compte des couples. En unifiant conformité linéaire et angulaire sur tout le haut du corps avec une seule politique, LAC vise des interactions physiques plus sures avec des objets ou des humains, utiles pour l'assistance au geste, le guidage physique ou la manipulation collaborative. Pour les intégrateurs, ce travail illustre le passage de contrôleurs rigides orientes stabilité vers des architectures apprises a raideur réglable, un ingrédient recherche pour rapprocher les humanoïdes d'une téléopération ou d'une autonomie exploitables en usine ou en logistique. LAC s'inscrit dans la lignée des travaux sur le contrôle en impédance et en admittance pour humanoïdes, un champ transforme ces dernières années par l'apprentissage par renforcement sim-to-real, une approche aussi explorée par des acteurs comme Figure, Unitree ou Boston Dynamics, sans qu'aucun ne soit associe a cette publication académique. Il s'agit d'une contribution de recherche validée en simulation et sur robot réel en laboratoire, non d'un produit commercialise ni d'un déploiement industriel : les démonstrations doivent donc être lues comme une preuve de concept. Aucun calendrier de transfert commercial n'est communique, mais le site du projet met les résultats a disposition, en vue d'extensions vers le contrôle du bas du corps ou l'intégration a des piles logicielles humanoïdes existantes.

Recherche❖Paper

1 source

35

2532arXiv cs.RO 

RA-VLA : adaptation d'un modèle vision-langage-action par récupération augmentée au moment de l'inférence

RA-VLA (arXiv 2608.25585v1) est un nouveau framework de type Vision-Language-Action (VLA) augmenté par récupération, conçu pour l'adaptation à l'exécution sans réentraînement. Les auteurs partent du constat que les modèles VLA, bien qu'utilisés comme socle généraliste pour la manipulation robotique, restent fragiles face à des distributions de tâches inédites. L'apprentissage par imitation en contexte (ICIL), approche existante ne nécessitant pas d'entraînement supplémentaire, souffre selon eux d'un goulot d'étranglement : des mécanismes de récupération superficiels et une forme d'inertie comportementale qui maintient la politique ancrée sur ses biais pré-entraînés. RA-VLA propose de corriger cela en combinant une récupération de contexte alignée sur le comportement recherché avec un pipeline d'exécution ancré dans des indices fonctionnels concrets. Le système a été évalué sur le benchmark LIBERO, référence standard pour la manipulation robotique en simulation, ainsi que sur un environnement réel utilisant un bras UR5e. Le résumé revendique des taux de réussite supérieurs et une meilleure efficacité de calcul par rapport aux méthodes existantes, sans toutefois fournir de chiffre précis (pourcentage de réussite, temps de cycle, latence) permettant de quantifier l'écart. Cette publication touche un point sensible du secteur : la capacité réelle des modèles VLA à généraliser au-delà de leurs données d'entraînement, alors que des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure (Helix) présentent leurs modèles comme des socles universels prêts à s'adapter à de nouvelles tâches. En proposant une adaptation purement par récupération de contexte au moment de l'inférence, sans réentraînement, RA-VLA illustre une voie alternative au fine-tuning lourd, potentiellement utile pour des intégrateurs devant déployer des bras robotiques sur des tâches changeantes sans budget de réentraînement récurrent. Pour les décideurs B2B, ce travail rappelle surtout que le fossé entre démonstration et robustesse en conditions réelles reste un sujet de recherche actif, même pour les architectures VLA les plus médiatisées. Le papier s'inscrit dans la lignée des travaux sur l'apprentissage en contexte appliqué à la robotique, alternative au fine-tuning classique de modèles VLA de type RT-2 ou OpenVLA. Il ne mentionne aucun partenaire industriel ni aucun site de déploiement : il s'agit d'une contribution académique évaluée en simulation et sur un unique bras UR5e en laboratoire, sans code source public ni calendrier de suite indiqués. La compétition dans ce domaine reste dominée par les laboratoires et start-up développant des modèles fondation généralistes, tels que Physical Intelligence, NVIDIA, Google DeepMind ou Figure, pour lesquels la robustesse à l'adaptation en test reste un argument de différenciation central. RA-VLA se positionne comme une brique méthodologique susceptible d'être intégrée à ces architectures existantes plutôt que comme un produit ou un modèle concurrent autonome.

Recherche❧Opinion

1 source

34

2533arXiv cs.RO 

Perception à basse résolution pour la préhension robotique en entrepôt

Des chercheurs publient sur arXiv (référence 2608.25874v1) un article consacré à la perception robotique pour le rangement d'objets en caisse, ou "bin packing", à partir de capteurs de profondeur bas coût et basse résolution. Le système articule deux mécanismes: une stratégie de sélection de la prochaine vue optimale (Next Best View) qui pilote la reconstruction 3D de la scène en évitant les prises de vue redondantes tout en préservant la géométrie utile à la tâche, et un estimateur de stabilité par objet mis à jour à partir des preuves de préhension recueillies pendant la manipulation. Les auteurs valident l'approche en deux temps: une étude d'ablation de la fonction d'utilité testée en très basse résolution, puis une évaluation de bout en bout comparant plusieurs politiques de perception et de saisie. L'enjeu dépasse la démonstration académique. La perception robotique industrielle s'appuie généralement sur des caméras RGB-D haute résolution, coûteuses et gourmandes en calcul, ce qui freine le déploiement à grande échelle dans la logistique et l'emballage. En montrant qu'une politique de vision active peut maintenir des performances de saisie correctes avec des capteurs bas de gamme, ce travail cible les intégrateurs cherchant à réduire le coût matériel par poste robotisé, facteur clé de rentabilité pour les cellules de "pick and pack" en entrepôt. Il illustre une tendance du secteur à déplacer l'intelligence vers le logiciel, planification et politiques adaptatives, plutôt que vers un capteur toujours plus précis. Ce travail prolonge une lignée de recherche en planification de vue et manipulation guidée par la perception, active depuis plusieurs années en robotique et vision par ordinateur. Publié comme preprint arXiv sans affiliation industrielle précisée dans le résumé, il n'a pas encore été relu par les pairs ni testé en entrepôt réel; les résultats rapportés restent circonscrits à des évaluations en laboratoire ou en simulation, selon les pratiques usuelles de ce type de publication. Les suites attendues sont une validation sur du matériel physique varié et une comparaison directe avec des capteurs RGB-D haut de gamme déjà utilisés en production.

Recherche❖Paper

1 source

34

2534arXiv cs.RO 

Quand les obstacles plient : modéliser la déformation de la végétation en robotique de terrain

Des chercheurs en robotique de terrain publient sur arXiv (identifiant 2608.26050, soumis fin août 2026) un article intitulé « When Obstacles Bend », consacré à la modélisation de la déformation de la végétation pour la navigation robotique. Le constat de départ : les robots autonomes évoluant en milieu naturel, notamment agricole, doivent souvent traverser de la végétation plutôt que la contourner. Jusqu'ici, la « traversabilité » d'un obstacle végétal se mesure depuis la plateforme elle-même, en observant comment un robot donné réagit au contact avec les plantes. Les auteurs proposent une approche différente : caractériser la végétation par ses propriétés mécaniques intrinsèques, rigidité et résistance à la déformation, indépendamment du robot utilisé. La méthode combine mesures de déformation et données de force de contact pour estimer les paramètres mécaniques sous-jacents et reconstruire la réponse de la plante à l'interaction. L'enjeu dépasse la question purement académique. Les modèles de traversabilité actuels, calibrés sur la dynamique propre d'une plateforme précise, se transfèrent mal d'un robot à l'autre : des mesures prises avec un robot à roues ne renseignent pas sur la façon dont un robot à pattes ou un engin agricole plus lourd interagira avec la même haie ou le même rang de culture. En découplant la caractérisation de la végétation de celle du robot, l'approche ouvre la voie à des cartes environnementales réutilisables entre plateformes, un enjeu concret pour les intégrateurs qui déploient des flottes hétérogènes en agriculture de précision ou en surveillance environnementale. Elle répond aussi à une limite des méthodes d'évitement classiques, qui traitent la végétation comme un obstacle binaire alors qu'elle est souvent franchissable sans dommage si le contact est correctement anticipé. Cette publication s'inscrit dans un courant plus large de navigation dite « interaction-aware » en robotique de terrain, où l'évitement pur cède la place à une modélisation physique du contact plante-robot, utile pour l'agriculture de précision, la foresterie ou le suivi écologique en milieu dense. Elle prolonge des travaux antérieurs sur la traversabilité empirique en cherchant à s'en affranchir au profit de paramètres mécaniques mesurables indépendamment de la plateforme. Classé comme nouvelle soumission sur arXiv, l'article ne fait état ni de validation à grande échelle sur le terrain ni de partenariat industriel : il s'agit à ce stade d'une contribution méthodologique, dont la suite logique serait de tester la généralisation du modèle sur différents types de végétation et de plateformes robotiques réelles.

Recherche❖Paper

1 source

33

2535arXiv cs.RO 

PARAssist : un cadre pour une assistance robotique personnalisée et adaptative face aux requêtes ambiguës

Une équipe de recherche présente PARAssist (Personalized and Adaptive Robotic Assistance), une architecture logicielle décrite dans un article publié sur arXiv sous la référence 2608.24905v1 (catégorie cross-listing), conçue pour les robots de service confrontés à des requêtes ambiguës. Le système s'appuie sur des modèles vision-langage pour évaluer les exigences physiques et cognitives des tâches demandées, puis apprend de façon passive les préférences de l'utilisateur en comparant les tâches qu'il accomplit seul à celles qu'il délègue au robot. Lorsqu'une requête ambiguë survient, PARAssist génère des candidats de tâches à partir de l'historique des actions, activités, déplacements, conversations et demandes de l'utilisateur, croisé avec l'état courant de la personne et de son environnement, avant de confronter ces candidats au modèle de préférence appris pour suggérer les options d'assistance les plus pertinentes. Les expériences menées par les auteurs montrent que cette personnalisation permet d'aligner la désambiguïsation sur les besoins exprimés lors des demandes antérieures, et une étude d'ablation confirme l'apport de chacun des composants principaux. Ce travail s'attaque à un point aveugle récurrent des robots d'assistance : la plupart des systèmes actuels traitent les commandes comme explicites ou s'appuient sur des profils utilisateurs configurés manuellement, alors que les demandes réelles sont souvent vagues et dépendent du contexte. En démontrant qu'un modèle de préférence peut s'apprendre passivement, sans questionnaire ni calibration explicite, PARAssist ouvre une piste pour réduire la charge de configuration des robots destinés aux environnements domestiques ou aux soins à la personne. Il s'agit toutefois d'une contribution de recherche évaluée expérimentalement, sans indication de déploiement réel ni de partenariat industriel dans l'article, une nuance importante pour les intégrateurs qui chercheraient une solution prête à l'emploi. Cette publication s'inscrit dans un courant académique plus large qui cherche à combiner modèles vision-langage et apprentissage de préférences pour la robotique de service, un axe distinct des annonces commerciales de robots humanoïdes centrées sur la dextérité manipulatoire. Aucun acteur industriel, français ou étranger, n'est cité dans l'article, qui reste à ce stade un travail de recherche expérimentale sans calendrier de déploiement ni pilote annoncé. Les prochaines étapes attendues pour ce type d'approche porteraient sur des tests en conditions réelles avec des utilisateurs et une intégration à des plateformes robotiques de service existantes.

Recherche❖Paper

1 source

33

2536arXiv cs.RO 

Optimisation de trajectoire dynamiquement cohérente pour robots à pattes via décomposition des points de contact

Une équipe de recherche publie sur arXiv (référence 2510.24069, version 2, qui remplace une soumission antérieure) un article intitulé "Dynamically-Consistent Trajectory Optimization for Legged Robots via Contact Point Decomposition". La méthode proposée est une optimisation de trajectoire par phases qui garantit, sur l'ensemble du mouvement, la faisabilité de la dynamique de translation ainsi que le respect des contraintes de cône de friction. Elle exploite les propriétés de superposition des équations différentielles linéaires pour découpler la dynamique de translation de chaque point de contact, chacun suivant sa propre séquence de phases d'appui et de vol. Les auteurs utilisent ensuite la matrice de différentiation des polynômes de Bézier pour établir une relation analytique directe entre position du robot et forces appliquées, puis la propriété d'enveloppe convexe de ces mêmes polynômes pour contraindre le frottement tout au long de la trajectoire. Le framework est validé sur un modèle de robot quadrupède, avec code source et matériel complémentaire publiés sur une page de projet dédiée. Pour la robotique à pattes, ce travail s'attaque à un goulot d'étranglement connu : calculer simultanément la séquence de contacts et une trajectoire dynamiquement valide est coûteux en calcul, et de nombreux optimiseurs existants ne vérifient la dynamique qu'en des instants discrets, laissant passer des violations entre ces points. En assurant une satisfaction continue et analytique des contraintes plutôt qu'une approximation par échantillonnage, l'approche vise des trajectoires plus fiables sur des allures variées (marche, trot, saut) sans recalcul correctif coûteux après coup. Pour des intégrateurs travaillant sur des plateformes quadrupèdes du type Spot, Unitree ou ANYmal, ce genre de méthode pourrait alimenter des planificateurs embarqués plus robustes. Il s'agit toutefois d'un résultat académique validé en simulation sur un seul modèle de robot, pas d'un produit commercial ni d'un déploiement de terrain. Cette contribution s'inscrit dans la lignée des recherches sur l'optimisation de trajectoire à contacts implicites et le contrôle prédictif corps entier pour robots légers, un domaine où dominent depuis plusieurs années des méthodes fondées sur la programmation quadratique séquentielle ou l'intégration numérique directe, qui peinent à garantir la cohérence dynamique entre les points d'échantillonnage. La publication d'une version 2 sur arXiv signale une révision après une première soumission, probablement liée à un processus d'évaluation par les pairs. Aucun partenariat industriel, calendrier de pilote ou passage au matériel réel n'est mentionné à ce stade : les auteurs renvoient uniquement vers leur page de projet et le code source pour toute reproduction ou prolongement des résultats.

Recherche❖Paper

1 source

30

2537arXiv cs.RO 

Détection multi-touch et de flexion par tomographie d'impédance électrique pour la robotique

Une équipe de recherche publie une quatrième révision (v4) de son article déposé sur arXiv (2503.13048), intitulé "Multi-Touch and Bending Sensing Using Electrical Impedance Tomography for Robotics", qui propose un nouveau cadre de traitement pour les capteurs tactiles basés sur la tomographie d'impédance électrique (EIT). L'EIT permet de couvrir une surface complète avec un câblage minimal, contrairement aux grilles de capteurs discrets, mais pose un problème connu dès que la surface se déforme : le pliage modifie la distribution d'impédance de référence et se mélange aux variations dues au toucher, rendant le signal difficile à interpréter. Pour découpler ces deux effets, les auteurs combinent un réseau de neurones profond qui classe l'état d'interaction (repos, toucher, flexion), une stratégie de référence adaptative dynamique qui sépare les deux types de signaux, et un modèle de régression qui traduit les variations de tension EIT en angle de flexion continu. Le système a été validé sur un capteur composite en hydrogel magnétique conçu pour épouser des surfaces flexibles. Les auteurs rapportent une estimation précise et robuste de l'angle de flexion, une bonne distinction entre états toucher/flexion/repos, une localisation tactile améliorée sous déformation par rapport aux méthodes à référence fixe classiques, ainsi qu'une détection multi-touch fiable en temps réel. Le texte ne fournit toutefois aucun chiffre précis d'exactitude, de nombre d'électrodes ou de temps de cycle, ce qui limite l'évaluation objective des gains annoncés. Le résultat vise un problème concret pour toute peau robotique distribuée : les zones les plus utiles au toucher, doigts, articulations, coudes, sont justement celles qui se plient, et jusqu'ici les capteurs EIT perdaient en fiabilité dès qu'une déformation mécanique s'ajoutait au signal de contact. Découpler toucher et courbure ouvre la voie à des peaux tactiles EIT réellement utilisables sur des surfaces mobiles de robots humanoïdes ou de mains robotiques, sans multiplier le câblage ni les capteurs discrets, un avantage de coût et de fiabilité pour les intégrateurs qui cherchent une couverture tactile étendue à moindre coût. Ce travail reste néanmoins une validation académique en laboratoire sur un prototype, et non une solution commerciale prête à l'intégration : aucun partenaire industriel, produit ni déploiement pilote n'est mentionné. Il illustre surtout un verrou technique récurrent en robotique tactile, la difficulté de faire cohabiter détection fine du toucher et adaptation à la déformation mécanique, qui freine encore l'adoption large de peaux artificielles souples sur les robots articulés. L'EIT est étudiée depuis plusieurs années comme alternative aux capteurs tactiles capacitifs ou piézorésistifs classiques, précisément pour son faible nombre d'électrodes et sa capacité à reconstruire une carte de contact sur toute une surface plutôt qu'en points discrets. Le principal obstacle reste la robustesse du signal face aux déformations mécaniques des substrats souples, problème que ce travail cherche spécifiquement à résoudre avec un capteur en hydrogel magnétique conforme. La publication étant une quatrième révision d'un article initialement déposé sur arXiv, elle reflète un travail itératif retravaillé après retours plutôt qu'une annonce ponctuelle. Aucun calendrier de suite, pilote industriel ou collaboration avec un fabricant de robots n'est indiqué ; le texte se limite à présenter la validation expérimentale du cadre proposé comme une étape vers des peaux robotiques EIT flexibles capables d'une détection multimodale plus riche, utile en interaction homme-robot.

Recherche❖Paper

1 source

30

2538arXiv cs.RO 

EgoNav : relier points de passage appris et contrôle local géométrique pour une navigation intérieure robuste

Un article publié sur arXiv le 27 août 2026 (référence arXiv:2608.25642v1) présente EgoNav, un système hiérarchique de navigation robotique en intérieur fondé sur la navigation par image-cible et des cartes topologiques légères, qui ne demandent que des images géolocalisées et une correspondance visuelle plutôt qu'une estimation précise de la pose du robot. Le système complète un prédicteur de points de passage (waypoints) appris par un module qui génère des candidats à partir de zones traversables segmentées sémantiquement, notés selon trois critères : sécurité géométrique, cohérence directionnelle et fidélité à la prédiction du réseau. Un planificateur de trajectoire locale adaptatif exécute ensuite le waypoint retenu en ajustant ses paramètres selon le résultat de cet arbitrage. Testé dans le simulateur Habitat-sim et sur un robot humanoïde physique non identifié dans l'abstract, EgoNav dépasserait des méthodes de référence récentes en taux de réussite et en efficacité de trajectoire, sans que le texte ne précise de chiffres exacts ni l'identité des auteurs ou du laboratoire. L'enjeu touche un problème opérationnel connu du secteur : la navigation par image-cible avec cartes topologiques est déjà considérée comme une option pratique pour déployer des robots en intérieur, car elle évite le coût d'une cartographie métrique dense ou d'un SLAM précis. Mais les prédicteurs de waypoints appris, souvent issus de réseaux de type VLA ou de pipelines bout en bout, peuvent générer des cibles qui violent la géométrie de la scène ou s'écartent du chemin global, sans garde-fou explicite, et les planificateurs locaux existants manquent d'adaptabilité aux espaces confinés. En hybridant l'intuition du modèle appris avec une couche de sécurité géométrique et un planificateur adaptatif plutôt qu'à paramètres fixes, EgoNav illustre une tendance à corriger, non remplacer, les réseaux de navigation appris, un enjeu concret pour les intégrateurs de robots mobiles et humanoïdes destinés à des entrepôts ou des bureaux. Ce travail s'inscrit dans un champ de recherche actif où coexistent navigation topologique par correspondance d'images, navigation par instructions en langage naturel et pipelines VLA appliqués à la locomotion, sans qu'EgoNav ne revendique de rupture face à des systèmes concurrents nommés. Publié en août 2026 comme prépublication non revue par les pairs, l'article ne mentionne ni partenariat industriel, ni feuille de route de déploiement, ni ouverture de code source. La suite logique pour ce type de contribution académique passe généralement par une soumission à une conférence de robotique, puis éventuellement une publication du code permettant de reproduire les résultats obtenus sur Habitat-sim et sur la plateforme humanoïde testée.

Recherche❖Paper

1 source

30

2539arXiv cs.RO 

Modélisation dynamique du faisceau de câbles d'une torche de soudage et son impact sur la dynamique du robot

Des chercheurs proposent un modèle dynamique multi-corps contraint pour simuler le comportement de l'ombilic reliant une torche de soudure robotisée à son générateur, selon un article publié sur arXiv (2608.25509v1). L'ombilic, ce faisceau de câbles et tuyaux qui achemine courant, gaz et fil vers la torche, est représenté comme une chaîne sérielle de corps rigides connectés par des articulations passives dotées d'effets élastiques et dissipatifs. Les auteurs introduisent des mouvements prescrits au point d'ancrage distal via des contraintes cinématiques holonomes, puis réduisent les équations de mouvement en projetant la dynamique sur le sous-espace des vitesses admissibles, ce qui donne une formulation efficace ne nécessitant pas de multiplicateurs de Lagrange. Le torseur de réaction, c'est-à-dire les forces et moments que l'ombilic exerce en retour sur le robot, est explicitement calculé. Une étude de cas plane illustre la méthode. Le sujet paraît étroit mais touche un point sensible du soudage robotisé industriel: avec la diffusion des robots légers et collaboratifs, moins dimensionnés en couple que les gros bras industriels traditionnels, l'influence mécanique de l'ombilic sur la trajectoire et sur les forces d'actionnement cesse d'être négligeable. Un modèle capable de prédire cette perturbation permet aux intégrateurs de mieux dimensionner les actionneurs, d'anticiper les écarts de trajectoire dus au câble et d'améliorer la précision des cordons de soudure sans recourir à du réglage empirique coûteux en temps de mise au point. C'est un travail de modélisation théorique et non un produit ou un pilote industriel: aucun déploiement, partenariat ou intégrateur n'est mentionné, et la validation reste limitée à un cas d'étude plan, pas à un robot réel en usine. Ce papier s'inscrit dans un champ de recherche plus large sur la dynamique des systèmes multi-corps avec contraintes flexibles, pertinent pour toute application robotique où un câble, un tuyau ou un harnais relie l'effecteur à une source externe fixe. La suite logique attendue, non annoncée dans l'abstract, serait une validation expérimentale sur un cobot de soudage réel et une extension à des cas tridimensionnels, avant une éventuelle intégration dans des logiciels de planification de trajectoire pour l'industrie du soudage.

Recherche❖Paper

1 source

35

2540Interesting Engineering 

Nouvel algorithme de vision stéréo donne aux robots humanoïdes une perception de la profondeur plus humaine

Une équipe dirigée par des chercheurs de l'Université York, à Toronto, a développé CBS (convergent binocular stéréo), un algorithme de vision stéréoscopique pour têtes robotiques dont les deux caméras convergent vers un même point plutôt que de rester parallèles, à l'image des yeux humains. Contrairement aux systèmes stéréo classiques qui ne mesurent que les disparités horizontales entre caméras parallèles, CBS exploite aussi les disparités verticales issues de la convergence, via une pyramide gaussienne à cinq niveaux, une détection de points SIFT sous contraintes épipolaires et des filtres de Gabor pour affiner la mise en correspondance des pixels. L'équipe a testé la méthode sur un nouveau jeu de données, CBS-BM : 49 scènes (tables ordinaires, motifs répétés, surfaces sans texture, objets occlus), chacune avec des images parallèles et 5 à 12 paires en fixation convergente. Sur les scènes à motifs répétés, où les méthodes classiques échouent le plus souvent, CBS réduit l'erreur de profondeur d'environ 0,8 mètre et l'erreur de disparité horizontale d'environ 100 pixels par rapport à la meilleure méthode concurrente, mais le traitement prend environ 69 secondes par scène sur un processeur AMD Ryzen 7 7700X. Pour l'industrie robotique, l'enjeu dépasse la seule photogrammétrie : une perception de profondeur plus proche du fonctionnement binoculaire humain aiderait les humanoïdes à mieux juger les distances, estimer l'orientation des objets et naviguer en environnement encombré, des capacités utiles à la manipulation comme au déplacement. Mais l'annonce doit être relativisée : il ne s'agit ni d'un produit commercial ni d'un système temps réel, un temps de calcul de 69 secondes par scène étant incompatible avec un usage embarqué, la précision se dégradant en outre avec la distance et restant dépendante d'un calibrage caméra très précis. Les chercheurs présentent eux-mêmes CBS comme un complément, non un remplacement, des systèmes stéréo parallèles pour les applications qui n'exigent pas une vision de type humain. La publication relève de la recherche académique plutôt que d'une annonce produit : aucun partenariat, pilote ou calendrier de commercialisation n'est mentionné. Elle s'inscrit dans une tendance du secteur des humanoïdes qui traite la perception visuelle comme un prérequis aussi critique que la manipulation ou la locomotion, avec une approche différente des modèles vision-langage-action appris de bout en bout : ici, ce sont les mouvements physiques des caméras et le traitement d'image qui coopèrent, à la manière du système oculaire humain. Les auteurs reconnaissent une large marge d'optimisation avant tout usage pratique, notamment pour réduire le temps de calcul, ce qui situe CBS comme une preuve de concept plutôt qu'une technologie prête à l'intégration.

Recherche❖Paper

1 source

42

2541TechNode 

Les robots sont-ils prêts pour les lignes de production ? La voie de Galbot vers l'IA industrielle

Galbot, société chinoise de robotique fondée en mai 2023, développe des robots destinés aux lignes de production industrielles à travers deux produits phares : le Galbot G1, qui associe une plateforme mobile à un système de manipulation à deux bras, et le Galbot S1, conçu spécifiquement pour des tâches manufacturières comme le transport, la palettisation et le chargement de machines. L'entreprise a levé plus de 2,4 milliards de yuans (environ 360 millions de dollars) au total jusqu'en 2025, dont un tour de table de 1,1 milliard de yuans (160 millions de dollars) annoncé en juin 2025. En 2026, Galbot a annoncé un nouveau tour de financement de 2,5 milliards de yuans (370 millions de dollars), avec parmi ses investisseurs le Fonds national d'investissement dans l'industrie de l'intelligence artificielle, le groupe pétrolier Sinopec et CITIC Investment Holdings. Sa valorisation dépasserait désormais 22 milliards de yuans, soit environ 3,27 milliards de dollars. Ce positionnement illustre un basculement en cours dans l'industrie : les bras robotiques traditionnels, fixes à un poste de travail et programmés pour des séquences répétitives, peinent à couvrir les tâches de manutention, de tri ou de chargement encore largement confiées à des opérateurs humains dans les usines. Un robot mobile capable de se déplacer et de s'adapter à des objets variés répond à une demande réelle des industriels confrontés à la hausse des coûts de main-d'œuvre et à la recherche de lignes plus flexibles. L'usine, plus structurée qu'un environnement domestique, est aussi perçue comme le terrain le plus propice à l'accumulation de données et à la fiabilisation à long terme des robots à IA incarnée, ce qui explique pourquoi le secteur industriel est vu comme la voie la plus crédible vers la commercialisation de cette technologie. Il faut toutefois noter que la communication de Galbot met surtout en avant des montants de financement et une valorisation, mais reste silencieuse sur des indicateurs opérationnels concrets, cadence de cycle, charge utile, degrés de liberté ou volumes réellement déployés en usine, ce qui rend difficile de juger si G1 et S1 ont dépassé le stade de la démonstration pour une adoption industrielle à l'échelle. Cette trajectoire s'inscrit dans la vague d'investissement massif que connaît la robotique à IA incarnée en Chine depuis 2023, portée à la fois par des fonds privés et par des capitaux publics et industriels, comme en témoigne la présence du fonds national d'IA et de Sinopec au tour de table 2026 de Galbot. Face aux fabricants historiques de bras robotiques industriels, dont l'automatisation reste cantonnée à des tâches prédéfinies, Galbot cherche à se différencier par la mobilité et l'adaptabilité de ses plateformes, un pari partagé par plusieurs acteurs chinois de la robotique humanoïde et de la manipulation mobile. L'entreprise mise sur une intégration verticale du matériel, des modèles d'IA et des systèmes de données pour accélérer le passage du laboratoire à la ligne de production, mais les échéances de déploiement pilote, les sites industriels concernés et les clients confirmés ne sont pas précisés à ce stade, ce qui place encore Galbot du côté de l'annonce et du financement plutôt que du déploiement industriel vérifié.

Chine/Asie❧Opinion

1 source

30

2542NVIDIA Developer Blog 

Comment entraîner une politique de navigation à cross-embodiment pour robots avec des agents IA

Un article technique intitulé « How to Train a Cross-Embodiment Robot Navigation Policy with AI Agents » présente une méthode pour entraîner des politiques de navigation robotique capables de fonctionner sur plusieurs types de robots, une approche dite « cross-embodiment » reposant sur des agents IA. Le texte distingue navigation et locomotion : la locomotion assure un mouvement stable comme la marche ou l'équilibre, tandis que la navigation doit en continu localiser le robot, interpréter un environnement changeant, choisir un itinéraire et éviter les obstacles pour atteindre un objectif en sécurité. Selon l'article, transférer cette capacité vers un nouveau robot ou un nouvel environnement exige généralement de nouvelles données d'entraînement, de nouveaux assets de simulation et de nouvelles interfaces robot spécifiques, un goulot d'étranglement que la méthode proposée cherche à réduire en confiant à des agents IA la génération ou l'adaptation automatique de ces éléments. Cette approche vise un problème central pour les intégrateurs et laboratoires de robotique : la difficulté de porter une politique de navigation d'un robot ou d'un environnement à un autre sans tout recréer manuellement. Si la génération assistée par IA des données de simulation et des interfaces tient ses promesses, elle pourrait réduire le temps et le coût de déploiement d'un même système de navigation sur des flottes hétérogènes, mobiles ou humanoïdes, un enjeu alors que le secteur cherche à généraliser les modèles vision-langage-action au-delà de la manipulation vers la mobilité autonome. L'article, cependant, ne fournit aucune métrique chiffrée, taux de réussite, temps de cycle, nombre de robots ou de scènes testées, ni de date de disponibilité, ce qui en fait pour l'instant une démonstration méthodologique plutôt qu'un produit prêt à déployer. Cette publication s'inscrit dans la tendance sectorielle à découpler les compétences robotiques, perception, locomotion, navigation, manipulation, de la plateforme matérielle, dans la lignée des efforts autour des modèles génériques de type VLA et de l'entraînement massif en simulation. Le texte source ne précise ni l'organisme à l'origine de la méthode au-delà du titre, ni les robots ou environnements utilisés pour la valider, ni de calendrier de publication d'outils ou de suite associée, laissant ouvertes les questions de reproductibilité et de disponibilité pratique de cette approche.

IA physique❖Paper

1 source

44

2543Interesting Engineering 

Nouveau système robotique aide les humanoïdes à maîtriser l'acrobatie sans entraîner chaque mouvement

Des chercheurs ont présenté BeyondMimic, un système d'apprentissage en deux étapes permettant à des robots humanoïdes d'exécuter des mouvements agiles inspirés de l'humain, sans entraînement dédié à chaque geste. La première étape utilise de l'apprentissage par renforcement pour apprendre au robot à suivre une large gamme de mouvements humains, à partir d'environ 2,5 heures de données de capture de mouvement, avec une seule formulation de suivi, une structure de récompense commune et des hyperparamètres partagés plutôt qu'un réglage spécifique par mouvement. Le robot a ainsi appris des centaines de compétences : marche, course, équilibre sur une jambe, sauts, danse, gestes inspirés des arts martiaux, coups de pied retournés et roues. Vingt et un mouvements représentatifs ont ensuite été transférés avec succès sur un robot humanoïde physique. Lors d'une roue aérienne, le robot a atteint une accélération de pointe de 31 m/s² et une vitesse angulaire du bassin de 15,7 rad/s, des valeurs comparables à celles observées chez des athlètes humains entraînés. Une étude auprès de 77 participants a par ailleurs montré une préférence pour les mouvements générés par BeyondMimic par rapport à ceux du robot sans ce système. L'apport principal tient à la seconde étape : un modèle de diffusion latente, entraîné via un autoencodeur variationnel, apprend la distribution sous-jacente des trajectoires état-action plutôt que de simplement rejouer des séquences mémorisées. Un guidage par classifieur à l'inférence permet ensuite d'orienter le robot vers des objectifs non vus à l'entraînement, comme suivre une commande de joystick, naviguer vers des points de passage ou éviter des obstacles, sans réentraîner ni ajuster la politique de base. Cette capacité répond à une limite connue des systèmes de contrôle humanoïde actuels, souvent contraints à des fonctions de récompense spécifiques par tâche et à des transitions rigides entre compétences. Le résultat renforce l'hypothèse selon laquelle un transfert simulation-vers-réel robuste, combiné à une génération de mouvement compositionnelle, peut réduire la dépendance à un réglage manuel massif, un enjeu central pour les intégrateurs qui cherchent à déployer des humanoïdes polyvalents plutôt que des machines à gestes figés. BeyondMimic s'inscrit dans une compétition croissante autour des modèles de contrôle et des architectures vision-langage-action pour humanoïdes, aux côtés d'approches comme GR00T N2 de NVIDIA, Pi-0 de Physical Intelligence, Helix de Figure AI ou les itérations successives d'Optimus chez Tesla. Il s'agit à ce stade d'un résultat de recherche démontré en laboratoire sur un nombre limité de clips, et non d'un produit commercialisé ni d'un déploiement industriel ; aucun calendrier de transfert vers une plateforme commerciale n'est communiqué.

Recherche❖Paper

1 source

45

2544Robotics Business Review 

Bedrock Robotics lance ses premiers déploiements d'excavatrices sans opérateur

Bedrock Robotics, startup de San Francisco dirigée par d'anciens ingénieurs de l'autonomie chez Waymo, a déployé ses premières excavatrices lourdes entièrement autonomes sur des chantiers actifs au Texas et au Nevada. Financée à hauteur de 350 millions de dollars en capital-risque, l'entreprise mène trois premiers projets : une station de traitement des eaux dans le Nevada avec Sundt Construction, un chantier de terrassement de plusieurs millions de mètres cubes au Texas avec Champion Site Prep, et un projet de génie civil de 1,2 million de mètres cubes avec Zachry Construction Corp. Selon Kevin Peterson, directeur technique de Bedrock, les machines réalisent pour l'instant des travaux de terrassement précoces : décapage, déblai-remblai et préparation des fondations avant les tâches plus fines. L'entreprise ne déploie que des engins neufs équipés et testés à son siège, mais compte faire fonctionner son système sur des machines de partenaires d'ici la fin de l'année. Les excavatrices opèrent sans opérateur en cabine mais restent supervisées à distance : le système surveille sa propre progression et alerte automatiquement en cas de blocage, un principe de "personne dans la boucle" présenté comme la priorité de sécurité numéro un. Ce déploiement marque une étape pour l'automatisation du BTP : il s'agit de machines opérationnelles sur des chantiers commerciaux actifs, et non de démonstrations en environnement contrôlé, ce qui illustre une transition de l'IA physique du prototype vers un usage économique réel. Pour les intégrateurs et entreprises de construction, l'enjeu dépasse le seul gain de productivité : le secteur fait face à une pénurie de main-d'œuvre qualifiée, avec plus de 40% des ouvriers du BTP américain appelés à partir à la retraite d'ici cinq ans, ce qui transforme l'automatisation des engins lourds en nécessité structurelle plutôt qu'en simple optimisation de coûts. Les volumes annoncés, plusieurs millions de mètres cubes, ne renseignent toutefois ni sur les temps de cycle réels ni sur le niveau d'intervention humaine à distance encore nécessaire, des éléments à vérifier avant de parler d'autonomie totale à grande échelle. Bedrock Robotics s'inscrit dans une vague de startups issues de la conduite autonome qui réorientent leurs technologies de perception vers les engins de chantier. Le système, conçu en mode plug-and-play, vise à terme le rétrofit d'excavatrices existantes plutôt que la seule vente de machines neuves, une stratégie censée accélérer l'adoption sans forcer le renouvellement du parc. Peterson a détaillé trois priorités pour la suite : élargir le nombre de clients et de déploiements pour accumuler de l'expérience opérationnelle, étendre le système à des tâches plus fines nécessitant davantage de précision, et ouvrir la voie à des flottes hétérogènes capables de se coordonner entre plusieurs types d'engins sur un même chantier. Ces annonces restent pour l'instant limitées à quelques sites pilotes ; leur généralisation dépendra de la capacité de Bedrock à prouver une fiabilité constante sans opérateur en cabine, sur des chantiers aux conditions plus variables que celles rencontrées jusqu'ici.

Industriel⚡Actu

1 source

33

2545Robotics & Automation News 

Burns & McDonnell et Gritt s'associent pour déployer des robots dotés d'IA sur des chantiers solaires

Burns & McDonnell, groupe d'ingénierie et de construction basé à Kansas City, et la startup robotique Gritt annoncent un partenariat stratégique pour évaluer puis déployer des robots pilotés par intelligence artificielle sur des chantiers de centrales solaires utility-scale. Gritt conçoit des robots combinant IA et automatisation pour prendre en charge des tâches de construction répétitives et physiquement pénibles. L'annonce ne précise ni date de lancement, ni site pilote, ni chiffres sur le nombre de robots, le temps de cycle ou la charge utile: il s'agit d'une déclaration d'intention, pas d'un produit livré ni déployé. Pour les intégrateurs et équipementiers solaires, l'accord illustre la pression que la demande d'infrastructures énergétiques fait peser sur des chantiers confrontés à une pénurie de main-d'œuvre et à des exigences de sécurité strictes. L'objectif affiché est de réduire les risques liés au travail humain et d'améliorer la prévisibilité des calendriers, un enjeu clé pour des développeurs soumis à des délais de mise en service contractuels. L'automatisation de la construction solaire reste un segment peu mature comparé à la robotique industrielle en usine, et le partenariat ne démontre pas un passage à l'échelle réel. Burns & McDonnell est un acteur établi de l'ingénierie et de la construction d'infrastructures énergétiques aux Etats-Unis, actif sur les grands projets solaires. Gritt s'inscrit dans une vague de startups robotiques ciblant les chantiers extérieurs, terrain longtemps resté hors de portée de l'automatisation en raison de la variabilité du sol et de la météo. Aucun calendrier de pilote n'a été communiqué.

Industriel⚡Actu

1 source

44

2546Pandaily 

XPeng, après avoir rattrapé Tesla sur l'ADAS, veut s'imposer sur les robots humanoïdes

XPeng a bouclé le premier tour de financement de sa division robotique à plus de 900 millions de dollars, un record pour une levée en capital-investissement dans le secteur chinois de l'intelligence incarnée et l'une des plus importantes au monde. À titre de comparaison, le premier tour externe de Figure AI n'avait atteint que 70 millions de dollars, et même son tour C de 2025 plafonnait à 1 milliard de dollars, un niveau comparable. Parmi les investisseurs figurent IDG Capital, Gaorong Ventures, Tencent et Alibaba, ces deux derniers ayant nettement accru leur mise après avoir déjà soutenu Unitree. Le robot humanoïde IRON de XPeng puise plus de 85% de sa chaîne d'approvisionnement dans la base fournisseurs automobile existante du constructeur, réutilisant usinage de précision, moteurs, électronique et gestion thermique. IRON fonctionne avec trois puces maison Turing AI totalisant 2 250 TOPS de calcul effectif, intègre des modèles du monde physique issus de la conduite autonome, des articulations creuses développées en interne, un squelette à l'apparence humaine et des mains dextres à 21 degrés de liberté. XPeng vise d'abord les environnements commerciaux (ses propres magasins, parcs et bureaux) pour des tâches d'accueil et de guidage, avec Baosteel comme partenaire pour l'inspection industrielle. La production de masse doit démarrer d'ici la fin de cette année, avec des livraisons à grande échelle vers des clients du commerce et des services en Chine et à l'international prévues pour 2027. Cette levée confirme que XPeng se positionne comme l'un des rares acteurs capables de rivaliser avec Tesla sur la production de masse de robots humanoïdes, un défi qui combine hardware, chaîne d'approvisionnement, fiabilité, IA et retour commercial, et sur lequel de nombreuses startups trébuchent. Figure AI, par exemple, n'a livré qu'environ 350 unités de son Figure 03 cette année, avec un taux de défaut d'environ 20% sur sa ligne de production, un rappel que la promesse marketing des humanoïdes reste encore loin de l'échelle industrielle réelle. L'argument de XPeng est que son expérience automobile, notamment sa maîtrise de la chaîne logistique et de la fabrication de précision, peut raccourcir ce chemin. Le modèle économique vise aussi des marges supérieures à celles des voitures: le prix de vente des robots atteint souvent 2,5 à 3 fois le coût des composants, auxquels s'ajoutent des revenus récurrents liés au logiciel et à l'IA, plutôt qu'une simple vente de matériel ponctuelle. Pour les intégrateurs et décideurs industriels, ce dossier illustre un basculement: la robotique humanoïde commerciale ne se jouera pas seulement sur la démo, mais sur la capacité à industrialiser sans exploser les taux de défaut. Cette annonce s'inscrit dans la trajectoire de XPeng, qui a d'abord rattrapé Tesla sur la conduite assistée intelligente avant de se tourner vers l'intelligence incarnée, suivant une logique similaire à celle de Tesla avec son programme Optimus. Le paysage concurrentiel chinois et mondial des humanoïdes s'est densifié, avec Tesla Optimus, Figure AI et son Figure 03, ainsi qu'Unitree, déjà soutenu par certains des mêmes investisseurs, Tencent et Alibaba en tête. XPeng mise sur ce financement pour accélérer le passage du prototype à la production de masse d'ici fin 2026, puis sur un déploiement commercial élargi en Chine et à l'international en 2027, en s'appuyant sur les usages en boutique, en entreprise et dans l'inspection industrielle pour accumuler des données avant une diffusion plus large. L'entreprise entend ainsi transformer son avance retrouvée dans l'automobile intelligente en avantage décisif dans la course aux robots humanoïdes.

Chine/Asie❧Opinion

1 source

44

2547Robohub 

Votre robot est-il vraiment écologique ? Et autres questions gênantes

Présenté lors d'ICRA en juin, le projet Robotics Eco-Label, piloté par Bram Vanderborght de la Vrije Universiteit Brussel (Belgique), propose un outil web léger pour quantifier l'empreinte environnementale des robots sur l'ensemble de leur cycle de vie, de l'extraction de terres rares jusqu'à la fin de vie. Le toolkit décompose un robot en sept catégories (matériaux, sources d'énergie, capteurs, processeurs, actionneurs, conception, recyclabilité) évaluées selon cinq métriques : conservation des ressources, prolongation du cycle de vie, empreinte carbone, efficacité énergétique et circularité. Ces scores sont combinés dans une matrice pondérée pour produire un Eco-Score de 0 à 100, avec un outil d'autoévaluation interactif déjà accessible en ligne. Le projet fait partie d'une série d'initiatives financées par les IEEE RAS Sustainability Grants, dont une seconde, dirigée par Antun Skuric, a développé une plateforme open-source pour dimensionner les cobots : l'utilisateur définit l'espace de travail, la charge utile (payload) et la trajectoire requis, et l'outil identifie le robot de masse minimale capable de répondre au besoin, avec visualisation interactive de l'espace atteignable et des configurations. Une troisième initiative, SolarPeer 360, menée par Umar Adetola Abdulganiyy, étudiant à la Federal University of Technology de Minna (Nigeria), applique la robotique solaire à la pauvreté énergétique qui prive plus de 90 millions de Nigérians d'un accès fiable à l'électricité. Ces initiatives répondent à un angle mort du secteur : la robotique se vend souvent comme un outil de durabilité (nettoyage de rivières, tri des déchets, inspection d'infrastructures renouvelables) sans que personne ne mesure le coût environnemental de fabrication et d'exploitation des robots eux-mêmes. En donnant aux ingénieurs et aux acheteurs un score comparable, l'Eco-Label pourrait devenir un argument concurrentiel pour les fabricants et un critère d'achat pour les intégrateurs, sur le modèle d'une étiquette énergétique appliquée à la robotique industrielle. L'outil de Skuric cible un problème plus concret pour les décideurs B2B : la surspécification, c'est-à-dire l'achat de robots plus gros ou plus capables que nécessaire, qui gonfle inutilement le coût matériel, l'empreinte énergétique et l'usure sur toute la durée de vie d'un cobot. Ces deux projets partagent toutefois une limite : les pondérations utilisées pour calculer l'Eco-Score ne sont pas encore fixées, ce qui en fait pour l'instant des prototypes de recherche plutôt que des standards industriels prêts à l'emploi. Ces travaux s'inscrivent dans l'effort plus large de l'IEEE Robotics and Automation Society pour faire de la durabilité un axe visible de la recherche, de l'enseignement, de la conception et du déploiement en robotique, via son programme de Sustainability Grants dont plusieurs lauréats ont été présentés à ICRA en juin. Contrairement aux standards environnementaux déjà matures dans l'électronique grand public ou l'automobile, la robotique ne disposait jusqu'ici d'aucun outil dédié pour chiffrer son empreinte, un vide que l'équipe de Vanderborght cherche à combler en ajoutant des fonctionnalités communautaires permettant aux chercheurs de comparer leurs approches et de partager des études de cas. La suite dépendra en grande partie de la capacité du consortium à fixer des pondérations consensuelles pour l'Eco-Score et à obtenir une adoption au-delà du cercle académique, tandis que SolarPeer 360, encore à un stade universitaire au Nigeria, montre que cette réflexion sur la durabilité s'étend désormais au-delà des laboratoires occidentaux vers des contextes où la robotique pourrait directement contribuer à réduire la pauvreté énergétique.

FR/EU ecosysteme❖Paper

1 source

42

2548arXiv cs.RO 

E2HiL : sélection d'échantillons guidée par l'entropie pour un apprentissage par renforcement humain-dans-la-boucle efficace en conditions réelles

Des chercheurs présentent E2HiL, un framework d'apprentissage par renforcement en boucle humaine (human-in-the-loop RL) destiné à réduire le nombre d'interventions manuelles nécessaires pour entraîner des politiques de manipulation robotique en conditions réelles. Publié sur arXiv (2601.19969v2), le système a été évalué sur 10 tâches de manipulation réelle, couvrant plusieurs types de robots et plusieurs frameworks d'apprentissage. Comparé aux meilleures références HiL-RL existantes, E2HiL améliore le taux de réussite de 24,9% tout en réduisant de 9,3% les interventions humaines requises. Techniquement, la méthode calcule des fonctions d'influence mesurant l'effet de chaque échantillon sur l'entropie de la politique, via la covariance entre probabilités d'action et avantages softs, puis ne conserve que les échantillons à influence modérée, écartant les raccourcis provoquant une chute d'entropie brutale et le bruit sans effet mesurable. Les détails du projet sont disponibles sur e2hil.github.io. L'approche cible un goulot d'étranglement bien identifié du RL réel appliqué à la manipulation: la supervision humaine nécessaire pour guider l'exploration reste coûteuse en main d'oeuvre, ce qui freine le passage à l'échelle hors simulation. En sélectionnant activement les échantillons les plus informatifs plutôt qu'en traitant chaque intervention de façon uniforme, E2HiL améliore simultanément performance et coût de supervision, un compromis rarement obtenu dans la littérature HiL-RL. Présenté comme agnostique à la politique et à l'embodiment, le module est réutilisable avec différents robots et algorithmes d'apprentissage sans reconception spécifique, ce qui intéresse les équipes cherchant à industrialiser le RL réel plutôt que de rester dépendantes du fine-tuning de modèles vision-langage-action entraînés hors ligne. Les gains chiffrés restent toutefois mesurés par les auteurs face à leurs propres baselines, sans validation indépendante à ce stade. Le framework s'inscrit dans la lignée des méthodes de RL en boucle humaine apparues pour accélérer l'apprentissage en conditions réelles, en alternative aux approches purement imitatives ou aux grands modèles vision-langage-action entraînés hors ligne puis affinés. La mention "replace" associée à la version 2 de l'article indique une mise à jour d'une publication antérieure; le résumé fourni ne précise ni laboratoire ni affiliation institutionnelle des auteurs. Aucun partenariat industriel, pilote annoncé ou calendrier de déploiement n'est mentionné: il s'agit à ce stade d'une contribution de recherche méthodologique, conçue comme un module plug-and-play destiné à s'intégrer dans des pipelines HiL-RL existants plutôt que d'un produit ou d'un système robotique complet.

Recherche❖Paper

1 source

42

2549arXiv cs.RO 

Gant à Fibre Optique pour la Capture de Mouvements de Manipulation Dextérique Haute Performance

Des chercheurs ont publié sur arXiv (2608.24572) un gant à fibres optiques pour capturer la pose complète de la main pendant des manipulations fines. Des fibres multi-cœurs y mesurent la forme 3D entière de chaque fibre, et non sa seule courbure comme les capteurs flexibles classiques. Un pipeline recale ces formes dans un repère commun de la main, puis un solveur cinématique inverse reconstruit la pose à 60 Hz. Testé sur deux heures de manipulation d'objets avec cinq sujets, le gant obtient 7,2 mm d'erreur moyenne au bout des doigts face à une référence de motion capture, ramenée à 4,9 mm par une calibration usine du hub de fibres, transférable entre utilisateurs et sessions. Cette précision, proche des systèmes de motion capture professionnels, vise un goulot d'étranglement connu: la vision échoue dès que la main occlut l'objet manipulé ou sous éclairage difficile. Les gants instrumentés existants dérivent ou souffrent d'interférences magnétiques sans jamais égaler cette précision. Pour les équipes qui collectent des démonstrations humaines destinées aux modèles vision-langage-action, la qualité de la trajectoire de main captée conditionne celle des politiques apprises. Un gant occlusion-free au millimètre près promet une collecte plus scalable que les rigs optiques, qui exigent un environnement contrôlé à plusieurs caméras, et intéresse aussi les intégrateurs pratiquant la téléopération virtuelle bimanuelle. La détection de forme par fibre optique multi-cœur est déjà utilisée en robotique chirurgicale et pour le suivi de cathéters. Son application à la pose de main entière est présentée comme nouvelle. Le travail reste une contribution de recherche en preprint, sans entreprise ni produit commercial associé, et sans démonstration sur un robot physique complet. Il s'inscrit dans une dynamique plus large où la collecte de démonstrations de haute fidélité, via gants, exosquelettes ou contrôleurs VR, conditionne l'entraînement des modèles VLA qui équipent des mains robotiques sur des plateformes comme Figure 03, Optimus Gen 3 ou GR00T N2, sans calendrier ni partenariat annoncé.

Recherche❖Paper

1 source

41

2550arXiv cs.RO 

L'action latente comme intention permet une imagination efficace du futur pour les modèles d'action du monde

La modélisation prédictive de l'action robotique franchit une étape avec LAWA, une architecture présentée dans un article publié sur arXiv fin août 2026 sous la référence 2608.24882. Les modèles dits "world action models" (WAM) améliorent le contrôle des robots en simulant l'évolution future des observations visuelles, mais cette génération d'images futures coûte cher en latence au moment de l'exécution. Une variante rapide, Fast-WAM, supprime cette étape pour gagner en vitesse, au prix d'une généralisation nettement plus faible, en particulier lorsque les démonstrations robotiques sont rares ou dans des scénarios hors distribution. LAWA propose un compromis: au lieu de générer des vidéos futures complètes, il encode l'intention future sous forme d'actions latentes compactes, produites par un tokenizer discret pré-entraîné sans action, qui génère des cibles de codebook centrées sur la manipulation. Le modèle débruite conjointement un état latent continu ancré sur ces cibles avec des blocs d'actions exécutables, tout en omettant la branche vidéo future à l'inférence. Sur le benchmark RoboCasa, LAWA atteint des taux de succès moyens de 65,6% en few-shot et 80,8% en données complètes, dépassant Fast-WAM de 9,6 et 4,5 points respectivement, tout en réduisant la latence d'inférence de 42,9% par rapport à la variante Joint-WAM de référence. Ces résultats remettent en question l'idée reçue selon laquelle il faudrait sacrifier l'imagination du futur pour gagner en rapidité d'exécution. Pour les équipes qui développent des politiques de contrôle basées sur des modèles VLA (vision-language-action), le message est clair: la vitesse et la généralisation ne sont pas nécessairement antagonistes si l'information future est compressée intelligemment plutôt que supprimée. C'est un enjeu concret pour l'industrialisation des robots manipulateurs, où le temps de cycle et la robustesse hors distribution conditionnent directement la viabilité en usine ou en entrepôt. Un modèle capable de conserver la qualité de généralisation d'un WAM complet tout en réduisant drastiquement la latence rapproche ces architectures d'un déploiement temps réel réaliste, plutôt que d'un simple exercice de recherche en laboratoire. Le travail s'inscrit dans la lignée des architectures WAM et de leurs déclinaisons rapides, dont Fast-WAM sert ici de point de comparaison direct sur des implémentations appariées. Les auteurs testent aussi LAWA en zero-shot sur LIBERO-Plus, où il affiche une robustesse compétitive, ainsi que sur des tâches réelles où il surpasse les approches concurrentes. Le code et les modèles doivent être publiés, ce qui permettra une vérification indépendante des chiffres annoncés, une précaution utile puisque les métriques de succès en manipulation robotique restent souvent sensibles au choix des tâches et des conditions d'évaluation.

IA physique⚡Actu

1 source