Actualités robotique — page 57

7 521 articles au fil, du plus récent au plus ancien.

38

2801arXiv cs.RO 

ORPA : adaptation résiduelle en ligne des politiques pour le contrôle de manipulation robotique par retour humain

Publié le 19 août 2026 sur arXiv (2608.17323v1), un article de recherche présente ORPA (Online Residual Policy Adaptation), une méthode qui corrige en temps réel les erreurs d'un bras manipulateur sans réentraîner sa politique de contrôle. Le problème ciblé : les politiques entraînées par apprentissage par imitation, comme ACT (Action Chunking with Transformers), performent bien en conditions idéales mais deviennent fragiles face à de petites erreurs d'exécution ou des écarts de distribution. ORPA ajoute à une politique déjà entraînée un module léger, piloté par un retour humain, qui prédit des corrections résiduelles dans l'espace des articulations. Testé sur la plateforme bimanuelle ALOHA sur des tâches de précision, il améliore le taux de réussite et la récupération après perturbation par rapport aux politiques de base et aux corrections classiques par cinématique inverse. L'enjeu dépasse ce seul papier : corriger un échec de politique de manipulation exige normalement une agrégation de nouvelles données puis un réentraînement complet, coûteux et incompatible avec un usage en temps réel en production. En proposant une couche de correction légère activée au vol par un simple retour humain, ORPA s'attaque à l'écart persistant entre les démonstrations impressionnantes de l'apprentissage par imitation en laboratoire et sa robustesse réelle une fois déployée hors distribution. La question touche potentiellement les approches vision-langage-action actuelles, de Pi-0 à GR00T N2 en passant par Helix, qui partagent la même sensibilité aux erreurs cumulatives. Pour des intégrateurs cherchant à industrialiser des bras entraînés par imitation, cela esquisse une piste pour réduire le coût des cycles de correction, même si l'étude reste limitée à des tâches spécifiques sur une seule plateforme. ORPA prolonge une lignée de travaux qui cherchent à corriger les limites de l'apprentissage par imitation sans repasser par un cycle complet d'agrégation de données de type DAgger, une méthode efficace mais lourde à opérer en continu. La plateforme ALOHA, issue des travaux de Stanford et devenue un banc d'essai courant pour la manipulation bimanuelle à faible coût, sert ici de terrain d'évaluation. Il s'agit à ce stade d'une contribution académique déposée sur arXiv, sans lien avec un produit commercial ou un déploiement industriel, et sans calendrier de suite communiqué.

Recherche❖Paper

1 source

38

2802arXiv cs.RO 

PROBE : questions-réponses visuelles ancrées dans la manipulation avec des agents VLM

Publié le 19 août 2026 sur arXiv (2608.17129), le framework PROBE évalue et entraîne des VLM capables de manipuler des objets pour répondre à des questions visuelles, une tâche formalisée sous le nom de Manipulation-Grounded Visual Question Answering (MG-VQA). Les auteurs construisent PROBE-Sim, un simulateur de table avec objets du quotidien et un bras doté d'outils de préhension et de poussée, puis PROBE-Bench : 150 tâches en six types de questions sur des scènes encombrées, où les méthodes agentiques à base d'outils battent la perception seule de 8,0% en moyenne. Le finetuning PROBE-Agent, qui distille les trajectoires d'un grand modèle enseignant vers un modèle open-weight plus petit, porte ce gain à 11,5%, avec généralisation à des objets inédits et une première validation sim-to-real sur table réelle. Ce travail pointe une limite peu documentée des VLM actuels : performants en ancrage 2D et raisonnement spatial sur des scènes statiques, ils peinent dès qu'une action de manipulation modifie la scène à interpréter. Pour les concepteurs de modèles vision-language-action et les intégrateurs de robotique de service, cela suggère que le reality gap ne se limite pas au contrôle moteur mais touche aussi le raisonnement visuel, longtemps jugé résolu par des benchmarks statiques. Les gains chiffrés restent des moyennes internes sur des tâches hétérogènes et valent comme signal directionnel plutôt que comme mesure absolue ; ils indiquent néanmoins qu'une brique de raisonnement dynamique manipulation-perception se rapproche, condition préalable à des robots d'assistance à domicile ou d'inventaire en entrepôt capables de gérer du désordre réel. PROBE s'inscrit dans la continuité des travaux combinant VLM et usage agentique d'outils, actif depuis que ces modèles ont démontré de solides capacités de planification sur des scènes fixes. Il s'agit d'une contribution académique publiée sur arXiv, évaluée majoritairement dans PROBE-Sim, avec une validation réelle limitée à des environnements de table contrôlés plutôt qu'à un déploiement domestique effectif. Le choix de distiller un grand modèle enseignant vers un modèle open-weight plus petit suit une pratique courante en robotique, où le coût d'inférence embarqué pousse à compresser des modèles de fondation volumineux, sans calendrier de déploiement ni partenaire industriel annoncé.

Recherche❖Paper

1 source

37

2803arXiv cs.RO 

tinyDSM : un cadre de modélisation et de développement de compétences pour les millirobots aux ressources limitées

Un preprint publié sur arXiv (2608.17596v1) présente tinyDSM, un framework logiciel permettant à des millirobots ultra-miniatures d'apprendre et d'adapter leurs compétences motrices de façon autonome. Le système combine apprentissage par renforcement, motivation intrinsèque et évaluation basée sur la fitness, avec un minimum de connaissances codées en dur au départ. Les essais ont été menés sur un millirobot de 36 cm³ piloté par un microcontrôleur Raspberry Pi Pico 32 bits (RP2040), où l'ensemble des fonctions décrites, hors caméra, tient dans 9 kB de mémoire. Partant de mouvements moteurs élémentaires, le robot progresse seul vers des déplacements linéaires et angulaires, puis vers des trajectoires géométriques complexes, en 15 minutes. Une analyse en simulation complète les essais physiques en comparant plusieurs algorithmes d'apprentissage et réglages de motivation intrinsèque. Ce résultat tranche avec la tendance dominante des grands modèles vision-langage-action (VLA), entraînés sur de vastes flottes de robots et exécutés sur du matériel embarquant plusieurs gigaoctets de mémoire. Faire tenir un apprentissage de compétences ouvert dans 9 kB, sur un microcontrôleur à quelques dollars, ouvre une voie pour des essaims de millirobots low-cost dédiés à l'inspection, au monitoring environnemental ou aux missions en essaim, où le coût et l'encombrement par unité priment sur la sophistication individuelle. Pour les chercheurs en robotique en essaim, cela suggère que l'autonomie décisionnelle n'exige pas nécessairement du matériel puissant, à condition de repenser l'architecture cognitive plutôt que de compresser des modèles existants. La démarche s'inscrit dans la robotique développementale et les architectures cognitives fondées sur la motivation intrinsèque, un courant de recherche qui cherche depuis plus d'une décennie à reproduire la curiosité exploratoire des organismes biologiques chez des agents artificiels. tinyDSM formalise cette approche via un graphe de connaissances hiérarchique couplé à des raisonneurs cinématiques, chargés de modéliser et d'évaluer des compétences de mouvement simples puis avancées. Le système reste un résultat de laboratoire : l'intégration de la caméra dépasse encore le budget de 9 kB, et les auteurs prévoient d'approfondir en simulation la comparaison entre algorithmes avant d'envisager un déploiement sur des flottes plus larges.

Recherche❖Paper

1 source

37

2804arXiv cs.RO 

HODAgent : vers des humanoïdes réactifs et disponibles à la demande pour l'interaction physique avec l'humain

Un preprint déposé sur arXiv en août 2026 (arXiv:2608.17584v1) présente HODAgent, un agent de raisonnement « System-2 » pour robots humanoïdes de service interagissant directement avec des humains. Son architecture semi-duplex combine un Env-Interactor, un Planner, un Executor et une mémoire hiérarchique afin de suivre l'état de la tâche pendant tout l'épisode : le robot accepte une nouvelle requête en pleine action, garde sa progression, révise son plan et vérifie le résultat avant de clôturer. Une interface commune relie simulation et robot physique, un Unitree G1, en isolant le contrôle bas niveau. Sur 164 cas en simulation, HODAgent atteint 84,8% et 91,5% de succès conjoint selon le VLM utilisé, soit 9,8 et 18,9 points de plus que les références. Sur le robot réel, les taux vont de 92% pour les tâches atomiques à 72% pour les tâches composites et 63,3% pour les tâches complètes, avec un gain de 0,7 à 9,0 points sur plusieurs benchmarks d'IA incarnée. Ces résultats ciblent l'écart persistant entre démonstrations et usage réel des humanoïdes : interrompre une action en cours pour intégrer une nouvelle consigne, puis vérifier concrètement si la tâche est accomplie plutôt que de suivre un plan figé, reste rarement démontré à cette échelle hors laboratoire. Pour les intégrateurs, l'intérêt tient surtout à la portabilité : une même couche de décision opérant en simulation et sur robot physique, avec le contrôle bas niveau isolé derrière une interface partagée, réduit le travail de réimplémentation entre prototype et pilote. La chute des taux de réussite entre tâches atomiques (92%) et tâches complètes (63,3%) confirme néanmoins que l'enchaînement de sous-tâches demeure le principal facteur d'échec, un repère utile face aux annonces plus promotionnelles du secteur. Le travail s'inscrit dans la mouvance des agents « System 2 », conçus pour planifier et corriger leur action plutôt que réagir de manière réflexe, un axe distinct des modèles vision-langage-action génératifs de type Pi-0, GR00T N2 ou Helix qui occupent la communication du secteur humanoïde. Le choix du Unitree G1 comme plateforme de test reflète sa large adoption par la recherche académique, faute d'accès aux humanoïdes propriétaires de Figure AI, Tesla ou Agility Robotics. Publié comme preprint non encore relu par les pairs, sans partenaire industriel ni date de déploiement pilote annoncée, HODAgent reste pour l'instant une contribution de recherche destinée à être reproduite et comparée par d'autres équipes.

Recherche❖Paper

1 source

37

2805arXiv cs.RO 

Dijkstra comme oracle pour la navigation en plus court chemin stochastique en ligne, avec garanties prouvables

Une nouvelle étude publiée sur arXiv (arXiv:2608.17703v1) démontre que l'algorithme de Dijkstra, généralement jugé inadapté aux environnements stochastiques, peut rester un moteur de planification exact pour la navigation robotique même quand les coûts de traversée réels de la carte sont inconnus a priori et que l'actionnement est imparfait. Les auteurs montrent que cette exactitude tient sous une condition bien plus faible que la condition de causalité habituellement invoquée dans la littérature : la non-négativité d'un coût réduit défini sur la version déterminisée de la carte. Sur cette base, ils proposent DORA (Dijkstra Oracle Reduced-cost Algorithm), un apprenant en ligne qui appelle un oracle de plus court chemin un nombre fixe de fois par épisode, sans jamais estimer le noyau de transition, et qui ajoute un poids de survie logarithmique pour contraindre la probabilité de contact avec un obstacle dynamique à rester sous un budget donné. Testé sur trois bancs d'essai numériques (navigation en grille, forage directionnel et surveillance par drone), DORA égale les performances de l'itération de valeur optimiste alimentée par le vrai noyau de transition, tout en effectuant 4,5 à 19,3 fois moins de calcul de planification, en réduisant les contacts pendant l'apprentissage d'un facteur 17 par rapport à une approche classique de déterminisation puis replanification, et en maintenant le taux de contact dans des budgets couvrant deux ordres de grandeur. Pour les intégrateurs et équipes robotique qui déploient des robots mobiles ou des AMR en environnement partagé avec des humains, ce résultat change le calcul coût-bénéfice des méthodes de planification sous incertitude. L'itération de valeur, référence exacte pour résoudre le problème du plus court chemin stochastique, exige un temps de calcul qui croît avec le diamètre de la carte, ce qui la rend difficilement embarquable en temps réel sur de grands environnements. Dijkstra, rapide, était jusqu'ici cantonné aux cas déterministes ou traité comme une heuristique approximative dès que les transitions deviennent probabilistes. En prouvant qu'un simple critère de coût réduit suffit à garantir son exactitude en régime stochastique, l'étude ouvre la voie à des planificateurs embarqués plus légers, capables de tenir des garanties de sécurité formelles (budget de contact) sans modéliser explicitement les probabilités de transition, un point sensible pour la certification de robots opérant près d'installations critiques. Ce travail s'inscrit dans la recherche sur la planification de trajectoire sous incertitude pour la robotique mobile, un champ partagé entre méthodes exactes coûteuses (itération de valeur, programmation dynamique) et heuristiques rapides mais non garanties comme la déterminisation-replanification, prise ici comme point de comparaison direct. En démontrant une équivalence de performance avec l'itération de valeur sur trois domaines très différents (navigation, forage directionnel industriel, surveillance aérienne), les auteurs cherchent à établir la recherche de plus court chemin classique comme brique de base crédible pour la navigation en ligne sûre et efficace, plutôt qu'un simple raccourci algorithmique. L'article, référencé comme nouvelle soumission sur arXiv, ne précise ni calendrier de déploiement sur robot physique ni affiliation industrielle particulière ; la suite attendue pour ce type de travaux académiques passe typiquement par une validation sur plateforme réelle et une comparaison avec d'autres familles de planificateurs probabilistes avant toute adoption industrielle.

Recherche❖Paper

1 source

37

2806arXiv cs.RO 

Sécurité prédictive calibrée pour robots hétérogènes : un cadre JEPA conditionné par l'action avec boucliers de sécurité basés modèle

Un article publié sur arXiv (référence 2608.17496v1), intitulé « Calibrated Predictive Safety for Heterogeneous Robots », présente un pipeline de décision en cinq étapes pour des robots de types différents. Un module « proposer » génère K séquences d'actions candidates ; un modèle du monde de type JEPA (Joint-Embedding Predictive Architecture), conditionné par l'action et par l'identité du robot, simule chaque candidat dans un espace latent à encodeur figé ; deux têtes calibrées estiment ensuite le risque physique et la progression de la tâche pour chaque simulation, avec une mesure d'incertitude ; un filtre de sécurité déterministe propre à chaque robot élimine les candidats inadmissibles ; une procédure de repli prend le relais si aucun candidat ne passe le filtre. Testé selon un protocole pré-enregistré sur le benchmark de simulation LIBERO-Long, le système améliore le taux de réussite sur des lots de 600 épisodes par rapport à un filtre de sécurité utilisé seul, et réduit les faux négatifs de collision à rappel constant. Des mesures d'efficacité sur accélérateurs embarqués et de périphérie complètent l'évaluation. Le travail cible une tension centrale du secteur : les politiques vision langage action généralisent largement mais n'offrent aucune garantie au moment de l'exécution, tandis que les planificateurs classiques respectent les contraintes cinématiques et géométriques mais généralisent mal. En couplant une prédiction de risque apprise à un filtre déterministe qui seul porte la garantie de sécurité, les chercheurs proposent une architecture où l'apprentissage améliore la performance sans jamais se substituer à la certification, un enjeu concret pour des intégrateurs devant faire cohabiter plusieurs types de robots sur un même site. L'approche illustre une conviction croissante dans l'industrie : la généralisation d'une politique apprise ne suffit pas, seule, à rendre un robot certifiable pour un déploiement réel. Le travail reste cantonné à la simulation. Les auteurs précisent explicitement que les essais sur robot réel et un test statistique de significativité pour le reclassement hors ligne restent à mener, ce qui distingue nettement cette publication de recherche d'un système déployé ou d'un produit commercialisé. Elle s'inscrit dans un effort plus large de plusieurs laboratoires pour combiner modèles du monde appris et garanties formelles de sécurité, afin de répondre à l'écart régulièrement pointé entre les démonstrations de politiques génératives et leur fiabilité une fois embarquées sur du matériel physique. La prochaine étape annoncée consiste à valider le pipeline sur des robots physiques avant toute perspective de déploiement industriel.

Recherche❖Paper

1 source

36

2807arXiv cs.RO 

EATR-Stereo : routage sensible à l'incarnation des données stéréo appariées pour le contrôle VLA des humanoïdes

Une équipe de recherche présente EATR-Stereo (Embodiment-Aware Routing of Paired Stereo Evidence), un cadre de contrôle vision-langage-action (VLA) pour robots humanoïdes équipés de caméras stéréo montées sur la tête, décrit dans un article publié sur arXiv (référence 2608.17453v1, août 2026). Le système conserve les tokens de la vue primaire et construit des tokens auxiliaires inter-vues (Cross-View Auxiliary Tokens, CVAT) alignés sur cette vue en interrogeant la séquence de tokens de la vue auxiliaire synchronisée, tandis qu'un encodeur proprioceptif segmenté par partie du corps conditionne leur usage token par token sur l'historique de configuration du robot, le tout sans réentraîner le modèle vision-langage préentraîné. Testé sur un humanoïde physique à 33 degrés de liberté (DoF) et 37 dimensions d'état proprioceptif, sur neuf configurations et des tâches de recherche-approche-saisie-dépôt-retour dépassant 100 secondes, EATR-Stereo atteint 60,0% de réussite sur la tâche complète, 100,0% en saisie et 80,0% par étape ; en occlusion asymétrique sévère, son taux de récupération grimpe à 80%, contre 30% pour la seule méthode CVAT. Ces chiffres répondent à un problème concret des pipelines VLA actuels, qui jettent souvent l'information stéréo complémentaire ou fusionnent les observations additionnelles sans préserver le flux natif de la vue primaire ni l'adapter à la morphologie du robot. Pour les intégrateurs, la démonstration qu'un routage sélectif conditionné par la proprioception améliore la robustesse en occlusion partielle suggère qu'un gain de fiabilité en manipulation longue durée passe moins par davantage de capteurs que par une meilleure architecture de routage de l'information déjà disponible. Les études d'ablation nuancent toutefois l'enthousiasme : retirer la préservation des tokens primaires ou le routage proprioceptif structuré dégrade nettement les performances, ce qui écarte l'idée que la stéréo seule suffirait à améliorer l'ancrage spatial. Le travail s'inscrit dans la lignée des architectures VLA pour humanoïdes, dans un contexte où des modèles comme Pi-0 ou GR00T N2 ont déjà prouvé la viabilité de politiques généralistes entraînées sur de larges corpus multimodaux, mais restent souvent limités à une seule vue caméra. En gardant le modèle vision-langage gelé et en n'ajoutant qu'un module de routage léger, l'approche vise la compatibilité avec les pipelines VLA existants plutôt qu'un réentraînement complet, une contrainte clé pour l'adoption industrielle. À ce stade, il s'agit d'une contribution académique validée sur une seule plateforme et un nombre limité de configurations, sans annonce de déploiement commercial ni de partenariat industriel ; la suite logique serait une validation sur d'autres humanoïdes et un éventail plus large de tâches de manipulation.

Recherche❧Opinion

1 source

36

2808arXiv cs.RO 

Brachiation robuste sur un robot bibras taille humaine grâce à l'apprentissage par renforcement guidé par points de passage

Une prépublication arXiv (2608.17320), publiée mi-août 2026, décrit une méthode d'apprentissage par renforcement permettant à un robot bipède à deux bras de taille humaine de pratiquer la brachiation, le déplacement par les bras seuls comme chez les primates sur des barres suspendues. Baptisée Waypoint-Guided Reinforcement Learning (WGRL), la technique ne spécifie que quelques points de passage épars pour la trajectoire de l'effecteur terminal; le mouvement complet du corps est ensuite généré par renforcement, guidé par une récompense mêlant respect des points de passage, réussite de la tâche et efficacité énergétique. Conçu pour le transfert sim-to-real, l'entraînement a été validé par des essais sim-to-sim sur des parcours de barres à géométrie variable, puis par des tests sur le robot physique, confirmant une brachiation robuste avec récupération après échec de prise. Le résultat s'attaque à un verrou resté ouvert sur les plateformes grandeur nature: la coordination fine et le timing précis pour saisir et relâcher un appui, sans données de démonstration humaine disponibles, la tâche étant trop spécifique pour un jeu d'apprentissage par imitation. En s'appuyant sur de simples points de passage plutôt que sur des trajectoires complètes annotées, la méthode contourne ce manque de données, un frein courant à l'apprentissage par renforcement en robotique réelle. Pour les chercheurs en locomotion et les intégrateurs travaillant sur des humanoïdes, elle élargit les modes de déplacement envisageables au-delà de la marche bipède, qui concentre l'essentiel des efforts du secteur, vers des structures, échafaudages ou sites industriels sans appui continu au sol. La brachiation robotique est étudiée depuis plusieurs décennies, mais les démonstrations concluantes restaient jusqu'ici cantonnées à des simulateurs ou à des robots miniatures et légers, la coordination bras-corps se compliquant nettement à l'échelle humaine entre inertie et contraintes de couple. Ce travail prolonge un courant de recherche qui combine apprentissage par renforcement et transfert sim-to-real pour la locomotion dynamique, déjà exploité pour la marche et la course des humanoïdes bipèdes. L'article ne précise ni le laboratoire d'origine ni le nom commercial de la plateforme testée, et présente ses résultats comme des lignes directrices méthodologiques réutilisables plutôt que comme un produit finalisé, sans calendrier de déploiement ni partenariat industriel annoncé.

Recherche❖Paper

1 source

36

2809arXiv cs.RO 

Hydra-0 : flux d'action pour la modélisation généraliste du monde et le contrôle

Hydra-0, un nouveau modèle du monde généraliste pour la robotique, a été présenté dans un preprint publié sur arXiv le 19 août 2026 (arXiv:2608.18077). Le système repose sur un concept baptisé "action flow" : les actions du robot y sont représentées comme un flux de mouvement de pixels plutôt que comme des commandes articulaires classiques, ce qui crée une interface visuelle commune permettant d'apprendre les conséquences des actions à travers différents robots, tâches, environnements et architectures de génération vidéo. Dans sa meilleure configuration, Hydra-0 réduit l'erreur de mouvement du robot de 90,4% et l'erreur de mouvement des objets de 60,2% par rapport à une base de référence conditionnée par l'action classique. Sur le benchmark RoboLab, le modèle atteint une corrélation de Pearson de r=0,96 entre les taux de réussite rejoués en simulation et les taux de réussite de référence, un signal de fidélité élevé pour l'évaluation de politiques en boucle ouverte. Les auteurs décrivent aussi un mode inverse émergent : le modèle peut prédire un mouvement robotique compatible à partir d'un flux d'objet désiré transféré depuis une démonstration humaine, une "tête d'action" entraînée convertissant ensuite ces représentations latentes en actions exécutables sans démonstration robotique experte spécifique à la tâche. Pour l'industrie robotique, ce travail s'attaque directement à deux goulots d'étranglement connus des approches vision-language-action (VLA) : la dépendance à des démonstrations robotiques coûteuses par tâche, et la difficulté à faire généraliser un modèle entre embodiments et environnements hétérogènes. En transformant l'action en un signal visuel partagé, l'approche promet une adaptation plus économe en données et une composition zero-shot de comportements, deux propriétés recherchées par les intégrateurs qui veulent déployer un même modèle sur plusieurs plateformes matérielles sans réentraînement lourd. Il faut toutefois noter qu'il s'agit d'un résultat de recherche publié en preprint, évalué sur un benchmark interne (RoboLab) et non d'un système déployé en production ou en usine ; les gains annoncés restent à confirmer par une évaluation indépendante et par des essais sur robots physiques réels au-delà du cadre expérimental décrit. Ce travail s'inscrit dans la vague plus large des modèles du monde et des architectures VLA développés ces dernières années pour unifier perception, prédiction et contrôle robotique, un axe de recherche où plusieurs laboratoires cherchent à résoudre le fossé entre démonstrations en simulation et transfert vers le réel. La piste ouverte par le mode inverse d'Hydra-0, apprendre le contrôle à partir de vidéos humaines sans démonstration robotique dédiée, pourrait, si elle se confirme à plus grande échelle, réduire significativement le coût de collecte de données pour l'entraînement de politiques robotiques généralistes. L'article ne précise pas de calendrier de déploiement industriel ni de partenariat commercial associé.

Recherche❖Paper

1 source

36

2810arXiv cs.RO 

ManiCM : politique de diffusion 3D en temps réel via un modèle de cohérence pour la manipulation robotique

Des chercheurs ont mis en ligne une version actualisée (v4) de leur article ManiCM sur arXiv (2406.01586), présentant un modèle capable de générer des actions robotiques par diffusion en une seule étape d'inférence, contre plusieurs dizaines habituellement nécessaires. Le système applique une contrainte de cohérence (consistency model) au processus de diffusion dans l'espace des actions, conditionné par un nuage de points représentant la scène en 3D. Plutôt que de prédire le bruit à chaque étape de débruitage comme le font les modèles de diffusion classiques, une technique de distillation de cohérence entraîne le modèle à prédire directement l'échantillon d'action final depuis n'importe quel point de la trajectoire ODE. Évalué sur 31 tâches de manipulation issues des bancs d'essai Adroit et Metaworld, ManiCM affiche une vitesse d'inférence moyenne dix fois supérieure aux méthodes de diffusion 3D de référence, tout en conservant un taux de réussite comparable. Cette accélération répond à un frein connu des politiques de diffusion en robotique : leur puissance pour modéliser des distributions d'actions complexes se paie par des dizaines d'étapes de débruitage séquentielles, incompatibles avec un contrôle temps réel, surtout avec des observations 3D haute dimension comme les nuages de points. En ramenant l'inférence à une seule étape sans sacrifier significativement le taux de succès, ManiCM s'attaque à un vrai goulot d'étranglement pour tout intégrateur voulant faire tourner ces modèles sur du matériel embarqué à fréquence de contrôle élevée, plutôt que dans des démonstrations hors ligne. Les gains restent toutefois mesurés en simulation, sur des bancs d'essai standards mais artificiels, et non sur des bras ou mains robotiques physiques : l'écart classique entre performance simulée et robustesse en conditions réelles reste à vérifier. La méthode s'inscrit dans la lignée des politiques de diffusion 3D (3D Diffusion Policy, DP3) qui se sont imposées pour la manipulation dextre depuis 2023-2024, en reprenant les modèles de cohérence initialement conçus pour accélérer la génération d'images dans la communauté vision par ordinateur, ici adaptés à l'espace d'action de dimension bien plus faible pour une convergence rapide. Il s'agit d'une publication de recherche académique, sans annonce d'intégration commerciale ni de partenaire industriel à ce stade. Les suites attendues pour ce type de travaux sont généralement une validation sur robot physique et une comparaison face à d'autres approches génératives rapides, VLA ou politiques distillées, qui visent le même compromis entre expressivité et latence de contrôle.

Recherche❖Paper

1 source

36

2811arXiv cs.RO 

PDDL-ART : abstraction symbolique autonome par démonstration pour la manipulation robotique à long horizon via modèles vision-langage

La rédaction manuelle de domaines PDDL est un goulot d'étranglement connu de la planification symbolique en robotique, exigeant une expertise spécialisée pour formaliser actions, préconditions et effets : PDDL-ART cherche à déléguer cette tâche à un VLM guidé par une seule démonstration. Pour les intégrateurs visant des tâches multi-étapes complexes, cela laisse entrevoir une planification symbolique reconfigurable sans ingénieur PDDL dédié, combinant la fiabilité des planificateurs classiques et la flexibilité des modèles de fondation, en alternative aux politiques purement end-to-end. Ces résultats restent toutefois ceux d'un preprint non relu par les pairs, obtenus sur un nombre restreint de tâches contrôlées ; le gain de 15 points sur la référence mérite confirmation à plus grande échelle et sur des environnements plus variés. Une équipe de recherche présente PDDL-ART dans un article publié sur arXiv le 19 août 2026 (arXiv:2608.17146v1), un framework qui automatise la construction de domaines et problèmes PDDL (Planning Domain Definition Language) pour la planification robotique à long horizon. Le système s'appuie sur un modèle vision-langage (VLM) pour générer ces descriptions à partir d'une seule démonstration expert, d'une consigne en langage naturel et d'une bibliothèque de noms d'actions disponibles, sans gabarit de domaine ni fine-tuning. Un pipeline de correction en trois étapes, syntaxique, sémantique puis d'exécution, vérifie la cohérence du résultat, notamment via un ancrage symbolique des prédicats qui mobilise les capacités d'utilisation d'outils du VLM pour un raisonnement géométrique et temporel allant au-delà de la simple lecture d'image. Sur des tâches de maintenance moteur et de manipulation domestique impliquant mémoire et inférence de prédicats abstraits, PDDL-ART atteint un taux de réussite moyen de 93,3 %, contre 78,3 % pour un planificateur de référence basé uniquement sur un VLM. PDDL structure la planification symbolique depuis la fin des années 1990, mais son adoption a toujours buté sur la difficulté de traduire des observations sensorielles en prédicats exploitables, un problème que les VLM récents dotés de capacités d'appel d'outils permettent d'attaquer différemment. L'article ne cite aucun laboratoire ni entreprise associée au projet, ce qui le situe pour l'instant au stade de recherche académique plutôt que de produit ou de déploiement industriel ; aucun acteur français ou européen n'y figure. La comparaison à un planificateur VLM de référence positionne PDDL-ART face aux approches neuronales pures de la génération actuelle de modèles vision-langage-action, sans calendrier annoncé pour une publication du code ou une suite expérimentale.

Recherche❖Paper

1 source

36

2812arXiv cs.RO 

Enseigner et grandir : une architecture centrée agent pour l'apprentissage général des robots

Des chercheurs ont publié sur arXiv (référence 2608.17209v1) une architecture baptisée Teach-and-Grow Learning (TGL), conçue pour l'apprentissage général de robots. Le système repose sur un agent multimodal qui transforme quelques démonstrations réussies en « Skill Blocks », des comportements en boucle fermée couvrant des sous-objectifs précis, stockés dans une Skill Library. Une Experience Memory structurée conserve en parallèle les succès, les échecs et les corrections associées. Face à une nouvelle scène, l'agent sélectionne et combine ces blocs, choisit des outils appris ou géométriques, observe le résultat physique de son action, puis ajuste sa trajectoire si l'exécution s'écarte de l'intention initiale. Sur le benchmark de simulation LIBERO, largement utilisé pour évaluer les politiques robotiques, TGL revendique des résultats à l'état de l'art, avec des études contrôlées montrant l'induction de nouvelles compétences, leur réutilisation persistante et une adaptation pilotée par l'agent, sans réentraînement de politique spécifique à chaque tâche. L'enjeu vise directement ce que les auteurs nomment la « taxe de réentraînement » : dans les modèles VLA (vision-language-action) et les modèles monde-action classiques, dès qu'un objet, un capteur, une morphologie ou un type de contact sort du périmètre validé, corriger l'échec exige de nouvelles données robotiques, une mise à jour de politique et une campagne de tests de non-régression, un cycle coûteux puisque, contrairement au texte, les données robotiques doivent le plus souvent être générées en opérant physiquement des machines. En proposant d'acquérir de nouvelles tâches par composition de compétences réutilisables plutôt que par réentraînement, TGL questionne l'hypothèse dominante selon laquelle la généralisation passe uniquement par des modèles VLA toujours plus gros nourris de plus de données. C'est un signal utile pour les intégrateurs et décideurs qui évaluent le coût réel de déploiement de politiques robotiques. Il faut néanmoins noter que la validation reste cantonnée au benchmark simulé LIBERO, sans déploiement documenté sur robot physique à ce stade. Ce travail s'inscrit dans la vague plus large des modèles fondation pour la robotique, qui inclut des approches VLA de bout en bout comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, conçues pour généraliser directement à partir de données massives sans couche agentique intermédiaire. TGL se positionne en alternative complémentaire, misant sur un agent explicite plutôt que sur l'échelle brute du modèle. Les auteurs avancent aussi une hypothèse de loi d'échelle propre : à mesure que le volume d'expérience réutilisable augmente, l'erreur sur les tâches futures et l'effort d'enseignement nécessaire devraient décroître selon une loi de puissance vers un plancher irréductible, traitant le déploiement comme une période d'apprentissage continu où chaque tâche accomplie facilite la suivante. Aucune date de disponibilité, partenariat industriel ou pilote n'est mentionné, ce travail restant une contribution de recherche publiée en preprint.

Recherche❖Paper

1 source

36

2813arXiv cs.RO 

Embodied-Navigator : pointer, réfléchir, mémoriser et aligner pour une navigation efficace

Un article publié le 19 août 2026 sur arXiv (référence 2608.17512) présente TAMP-Nav, un framework de navigation pour agents incarnés (embodied navigation) reposant sur des modèles vision-langage (VLM). Le système repose sur trois briques emboîtées : une formulation d'action baptisée « Point », où le VLM se contente de désigner des pixels 2D dans l'image, ensuite projetés en coordonnées 3D par un contrôleur SLAM de bas niveau ; un mécanisme « Think and Memorize » qui déclenche du raisonnement en chaîne (Chain-of-Thought) uniquement aux moments critiques et compresse les trajectoires redondantes en indicateurs spatio-temporels légers pour préserver la mémoire utile sans la saturer ; et un alignement à deux niveaux nommé « Align », entraîné par Group Relative Policy Optimization (GRPO), qui combine récompenses globales de résultat et récompenses fines de processus. Les auteurs annoncent un taux de réussite (SR) de 66,2 % sur le benchmark R2R-CE, avec un entraînement limité à 90 000 trajectoires, revendiquant l'état de l'art en efficacité d'exécution et d'échantillonnage. L'apport principal tient dans le choix de ne pas forcer le VLM à produire des actions dans un espace de coordonnées qui lui est étranger, un défaut récurrent des pipelines de navigation qui plaquent des sorties robotiques brutes sur des modèles pré-entraînés en 2D. En laissant le VLM raisonner dans son espace natif et en déléguant la projection 3D à un module SLAM séparé, l'approche promet une intégration plus simple pour les concepteurs d'AMR (robots mobiles autonomes) et une réduction du volume de données nécessaire à l'entraînement, alors que la tendance dominante dans les modèles VLA (vision-langage-action) va plutôt vers des jeux de données toujours plus massifs. Le chiffre de 90 000 trajectoires reste toutefois à confirmer sur des benchmarks plus larges que R2R-CE, qui est un environnement de simulation et non un déploiement physique réel. TAMP-Nav s'inscrit dans la lignée des travaux récents cherchant à combler l'écart entre les capacités de perception 2D des VLM et les exigences 3D de la navigation robotique, un problème identifié dans plusieurs architectures de navigation vision-langage antérieures. Il s'agit ici d'une publication de recherche déposée sur arXiv, non relue par les pairs à ce stade, sans lien annoncé avec un produit commercial, un déploiement industriel ou un partenariat identifié. Aucune suite, comme un pilote ou un portage sur robot physique, n'est précisée par les auteurs à ce stade.

Recherche❖Paper

1 source

33

2814arXiv cs.RO 

Primitives de mouvement à reconfiguration complète : planification constructive pour robots modulaires plans déformables

Une équipe de chercheurs publie sur arXiv (arXiv:2608.17324v1) une méthode de planification de reconfiguration pour robots modulaires plans déformables. Le papier introduit une abstraction en cellules carrées qui projette des modules losangiques à géométrie continûment déformable sur une grille fixe, via deux mouvements élémentaires: le pivotement et le cisaillement. Les auteurs démontrent que toute configuration connectée non rectiligne d'au moins 7 modules (N≥7) peut être ramenée à une forme canonique "en escalier" par ces seuls mouvements admissibles et réversibles, ce qui rend deux configurations quelconques mutuellement atteignables. La preuve constructive fournit directement un planificateur qui déplace les modules de bordure amovibles en préservant la connectivité à chaque étape. Un sélecteur à anticipation "bordure-vers-livraison" réduit fortement le temps de calcul sans affecter la garantie de complétude, selon les expériences rapportées. Ce résultat s'attaque à un problème resté largement ouvert en robotique modulaire auto-reconfigurable: garantir formellement qu'un planificateur relie toujours deux arrangements quelconques, pas seulement des cas favorables observés en simulation. Pour la matière programmable et les systèmes métamorphiques envisagés pour l'assemblage spatial, l'outillage adaptatif ou la recherche-sauvetage, une preuve de complétude compte plus que la vitesse brute: un échec de planification signifie un système physiquement bloqué. Le papier montre qu'une abstraction géométrique couplée à une démonstration formelle, plutôt qu'une recherche par force brute ou de l'apprentissage, peut apporter à la fois garantie théorique et gain pratique de vitesse. Limite à noter: la garantie ne vaut que pour des configurations non rectilignes d'au moins sept modules, ce qui exclut certains cas limites du champ de la preuve. La robotique modulaire auto-reconfigurable remonte à des systèmes comme PolyBot ou M-Blocks du MIT, et aux robots modulaires en treillis étudiés depuis les années 1990-2000; le champ peine à établir des garanties formelles de complétude pour des modules plans déformables, plus difficiles à discrétiser que des modules cubiques rigides, un défi que ce travail relève spécifiquement pour des modules losangiques à déformation continue. La comparaison à un "cadre antérieur" évoquée par les auteurs n'identifie pas nommément le concurrent, ce qui limite la portée du positionnement compétitif annoncé. Le papier reste, à ce stade, une contribution théorique validée par simulation, sans déploiement sur matériel réel; l'extension à des configurations tridimensionnelles et une validation sur robot physique apparaissent comme les suites naturelles, mais aucune feuille de route ni date n'est communiquée.

Recherche❖Paper

1 source

31

2815arXiv cs.RO 

Prompt visuel pour la manipulation robotique : prise-et-dépose guidée par annotations avec ACT

Un article publié sur arXiv (2508.08748v2, version révisée) décrit un pipeline de perception-action pour des tâches de préhension et de dépose en magasin de proximité, environnement marqué par une forte densité d'objets, des occlusions fréquentes et une grande variabilité de couleur, forme, taille et texture. La méthode repose sur un prompting visuel guidé par annotation : des boîtes englobantes désignent à la fois les objets saisissables et les emplacements de dépose, offrant un guidage spatial structuré au bras robotique. Plutôt qu'une planification de trajectoire classique étape par étape, les auteurs emploient Action Chunking with Transformers (ACT), un algorithme d'apprentissage par imitation qui prédit des séquences d'actions groupées à partir de démonstrations humaines. Le système est évalué sur le taux de réussite des prises et une analyse visuelle du comportement de préhension, sans que le résumé ne publie de chiffres précis. Cette approche cible un verrou concret de la manipulation en environnement non structuré : la planification classique peine face au désordre et aux occlusions typiques d'un rayon de magasin, tandis que les modèles vision-langage-action massifs restent coûteux à entraîner et à déployer. Combiner un guidage visuel léger, par simples boîtes englobantes, avec une politique d'imitation entraînée par chunks d'actions offre une alternative peu gourmande en données pour des intégrateurs visant l'automatisation du picking en retail, sans reconstruction 3D complète de la scène ni lourd transfert sim-to-real. Pour des décideurs B2B, l'intérêt reste surtout méthodologique : l'absence de métriques chiffrées dans le résumé invite à la prudence avant d'en tirer des conclusions de performance industrielle. ACT, brique centrale de l'étude, a été introduite par le projet ALOHA de Stanford pour la manipulation bimanuelle fine à partir de démonstrations téléopérées à bas coût matériel, et s'est depuis imposée comme méthode de référence en apprentissage par imitation, aux côtés d'approches plus généralistes comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure. Contrairement à ces modèles fondation multi-tâches, l'étude reste circonscrite à un pipeline spécialisé pick-and-place, sans nom de robot, de fabricant ni de site de déploiement mentionné : il s'agit d'une contribution de recherche publiée en preprint, non d'un produit commercialisé ni d'un pilote industriel annoncé, et aucune date de déploiement réel n'est précisée.

Recherche❖Paper

1 source

30

2816arXiv cs.RO 

Contrôle optimal d'un robot nageur basé sur le modèle du micronageur de Purcell

Des chercheurs ont construit une réalisation robotique a l'échelle macroscopique du nageur de Purcell, un modèle théorique classique de locomotion planaire a bas nombre de Reynolds compose de trois segments rigides relies par deux articulations rotatives actionnées. Le prototype se déplace dans un fluide fortement visqueux qui reproduit le régime hydrodynamique ou l'inertie devient négligeable face aux forces visqueuses, celui dans lequel évoluent les micro-organismes nageurs. L'équipe a modifie le modèle original de Purcell en introduisant des segments non élancés et une sphère rigide centrale représentant la traînée additionnelle du flotteur du robot, puis a calibre les paramètres sur des mesures expérimentales réelles plutôt que sur de la simulation pure. Elle a ensuite applique le principe du maximum de Pontryagin (PMP) pour calculer les allures periodiques des deux angles articulaires qui maximisent le déplacement par cycle sous contrainte d'amplitude angulaire, a l'aide d'une méthode géométrique différentielle qui transforme le problème en intégrale d'aire délimitée par la trajectoire de l'allure dans le plan des angles, permettant une lecture visuelle des changements topologiques des allures optimales. Le même formalisme PMP, applique cette fois a la maximisation du rendement énergétique de Lighthill, produit un problème aux limites résolu via une paramétrisation en série de Fourier tronquée et le solveur GPOPS-II. L'intérêt de ces travaux tient moins a une prouesse d'ingénierie qu'a une validation expérimentale rare : le contrôle optimal de gaits, jusqu'ici surtout étudie en simulation, est ici confronte a un prototype physique calibre, avec une géométrie modifiée pour tenir compte d'un composant réel non prévu par la théorie initiale (le flotteur). Pour la robotique bio-inspirée et les micro-nageurs destines a l'exploration sous-marine ou a l'administration ciblée de médicaments, cela renforce la crédibilité d'une approche de contrôle géométrique déjà ancienne mais encore peu testée hors laboratoire théorique. C'est aussi un rappel que l'écart simulation-réalité, souvent cite pour les systèmes VLA ou les humanoïdes, existe tout autant en micro-robotique de locomotion, ou la calibration expérimentale change concrètement les allures jugées optimales. Le modèle de Purcell remonte a l'article fondateur d'Edward Purcell sur la locomotion a bas nombre de Reynolds, largement repris depuis en théorie du contrôle géométrique applique a la nage articulée. La plupart des études antérieures restaient cantonnées a l'analyse mathématique ou a la simulation numérique ; peu proposaient une réalisation matérielle calibrée servant de banc d'essai au contrôle optimal. L'article, publie en preprint sur arXiv (2608.17455v1), ne mentionne ni partenaire industriel ni feuille de route de déploiement : il s'agit d'un travail de recherche fondamentale, dont la suite logique serait l'extension a des géométries de nageurs a plus de liens ou a des environnements fluides moins idéaux.

Recherche❖Paper

1 source

29

2817arXiv cs.RO 

Planification de trajectoire locale sensible au terrain avec intégration de données DEM globales pour la navigation autonome des UGV

Des chercheurs proposent, dans un preprint publié sur arXiv (référence 2608.17038v1), un framework hybride de planification de trajectoire pour véhicules terrestres autonomes (UGV) évoluant en terrain extérieur complexe. Le système combine des données de modèle numérique d'élévation (DEM) à basse résolution, prétraitées en amont pour calculer un chemin global via un algorithme A, avec une correction locale en temps réel fondée sur des données LiDAR pour la détection d'obstacles et l'analyse du terrain. Testé en simulation sous Gazebo sur un terrain personnalisé, le système atteint un taux d'évitement d'obstacles de 95% et réduit la pente moyenne rencontrée de 8 degrés à 2,7 degrés, par rapport à une approche de référence sans cette intégration. Ce travail s'attaque à un problème récurrent en robotique mobile outdoor: le décalage entre une carte globale figée, issue de données satellitaires ou aériennes à faible résolution, et la réalité du terrain perçue en temps réel par les capteurs embarqués. Pour les intégrateurs de robots destinés à l'agriculture de précision, la surveillance de sites miniers, la défense ou l'intervention post-catastrophe, ce type d'écart cause des trajectoires sous-optimales, voire des échecs de mission lorsque le véhicule rencontre un obstacle ou une pente non visible sur la carte de référence. L'approche illustre une tendance de fond: plutôt que d'attendre des DEM haute résolution coûteux et rarement disponibles à grande échelle, coupler un planificateur global low cost à une correction locale réactive offre un compromis efficace entre couverture globale et adaptabilité locale. Les résultats restent toutefois circonscrits à un environnement simulé et à un terrain "personnalisé" dont les caractéristiques ne sont pas détaillées, ce qui limite la portée des chiffres avancés face à un déploiement réel. Cette architecture en deux niveaux, planification globale par A puis correction locale réactive, prolonge une lignée établie de méthodes de navigation en robotique mobile, où des planificateurs globaux (A, D) sont classiquement associés à des planificateurs locaux de type Dynamic Window Approach ou champ de potentiel. L'apport revendiqué tient à l'intégration explicite de données DEM basse résolution avec un flux LiDAR pour l'analyse de terrain, plutôt qu'une simple détection d'obstacles binaire. Publié comme preprint arXiv non encore évalué par les pairs, le travail ne mentionne ni prototype matériel, ni essais de terrain, ni partenariat industriel: les prochaines étapes logiques porteraient sur une validation en conditions réelles et sur un passage à l'échelle au-delà du terrain simulé sous Gazebo.

Recherche❖Paper

1 source

45

2818Robotics Business Review 

FORT Robotics prévoit une entrée en Bourse via fusion SPAC pour sa pile de sécurité

FORT Robotics, société de Philadelphie fondée en 2018 par Samuel Reeves (ex-Humanistic Robotics, spécialisée dans le déminage), a annoncé sa fusion avec la SPAC Newbury Street II Acquisition Corp pour entrer en bourse. Sa plateforme Trust Layer, protégée par 25 brevets et certifiée SIL 3 selon la norme IEC 61508, vise à sécuriser la cohabitation entre robots de fabricants différents et humains dans des environnements partagés. En janvier 2026, FORT a lancé le Wireless E-Stop Pro, un dispositif d'arrêt d'urgence portable, suivi de la mise à jour logicielle FORT 2.61 ; en mai, elle a racheté la société de téléopération Mapless AI, puis a annoncé en juin un partenariat avec NVIDIA autour du programme Halos for Robotics. L'entreprise revendique 600 clients, dont Agility, Google DeepMind, Zoox, RIVR, Carnegie Robotics, Textron, Ocado et DoorDash, et affiche une croissance de chiffre d'affaires de 62% en 2025 (91% chez les comptes dépensant plus de 100 000 dollars par an), avec des marges brutes de 70% en 2024 puis 66% en 2025. Cette opération traduit un basculement du secteur : à mesure que robots humanoïdes et mobiles autonomes sortent des pilotes pour s'implanter durablement dans entrepôts, usines et chantiers, la sécurité certifiée devient un critère d'achat plutôt qu'un module ajouté après coup. En se positionnant comme une couche neutre et agnostique du fabricant, FORT répond à un vrai problème d'interopérabilité que peu d'acteurs traitent frontalement, ce qui explique l'intérêt de clients aussi variés que Zoox ou DeepMind. Le choix d'une entrée en bourse via SPAC plutôt qu'un tour de financement classique offre un accès rapide aux marchés publics, mais les chiffres de croissance avancés restent des données communiquées par l'entreprise elle-même, sans audit indépendant mentionné. FORT prolonge directement l'héritage de Humanistic Robotics, la précédente entreprise de Reeves dédiée au déminage, ce qui explique son positionnement sur la sécurité critique plutôt que sur la performance brute des robots. Face à des acteurs plus généralistes, elle mise sur la certification (IEC 61508, travaux au sein de l'ISO TC 200 via son CTO Nathan Bivans) et empile trois couches, matériel certifié, intelligence cloud et télémétrie, puis écosystème d'API, pour accompagner la montée des flottes de robots humanoïdes et des AMR. L'acquisition de Mapless AI en mai 2026 étend ce périmètre à la téléopération, en complément de l'arrêt d'urgence et du contrôle embarqué. La fusion avec Newbury Street II Acquisition Corp doit encore franchir les étapes réglementaires habituelles d'une opération SPAC avant une cotation effective, sans calendrier précis communiqué à ce stade.

Business❧Opinion

1 source

38

2819Robotics & Automation News 

Brightpick étend son partenariat avec Dr. Max Group

Brightpick, fournisseur de robotique d'entrepôt pilotée par IA, annonce l'extension de son partenariat avec Dr. Max Group, la plus grande chaîne de pharmacies d'Europe. Après une phase d'exploitation réussie et une montée en charge progressive au centre de distribution de Prague, en République tchèque, l'entreprise va déployer 44 robots mobiles autonomes Autopicker supplémentaires dans d'autres entrepôts tchèques et slovaques. Le communiqué ne précise ni le volume total de la flotte résultante ni de calendrier de livraison détaillé, ce qui invite à la prudence sur l'ampleur réelle de l'opération à ce stade. Cette extension confirme un mouvement de fond dans la logistique pharmaceutique européenne: après la phase pilote, les robots mobiles autonomes de picking passent à un déploiement multi-sites, signe que la technologie tient au-delà d'une démonstration isolée. Pour les intégrateurs et décideurs B2B du secteur, c'est l'indication que l'automatisation robotisée des centres de distribution pharmaceutiques, où traçabilité et précision de prélèvement sont critiques, sort du stade expérimental. Cela renforce aussi la position de Brightpick face aux autres acteurs européens des AMR d'entrepôt, comme le français Exotec, dans un marché où la preuve par l'usage compte plus que les annonces. Dr. Max Group exploite un vaste réseau de pharmacies et de centres de distribution en Europe centrale et de l'Est, une échelle qui explique le choix de valider d'abord la robotisation sur un site pilote avant d'étendre le modèle. Prague a servi de site de référence, avant un élargissement en République tchèque et en Slovaquie, ce qui laisse entrevoir une extension future vers d'autres marchés du groupe, même si Brightpick n'a pas communiqué de calendrier précis pour ces prochaines étapes.

FR/EU ecosysteme⚡Actu

1 source

40

2820Interesting Engineering 

Les robots humanoïdes arrivent dans les usines, mais peuvent-ils surpasser les robots industriels ?

Selon la Fédération internationale de robotique (IFR), les usines ont installé 542 000 robots industriels en 2024, portant le parc mondial en service à environ 4,66 millions d'unités, avec des installations annuelles supérieures à 500 000 pour la quatrième année consécutive. Les cobots, capables de travailler près des humains et d'être reprogrammés pour différentes tâches, représentaient 10,5% des installations de robots industriels en 2023. Du côté des humanoïdes, les déploiements restent embryonnaires et concentrés sur des tâches répétitives de manutention. Mercedes-Benz teste actuellement l'humanoïde Apollo d'Apptronik pour déplacer des composants et effectuer des contrôles qualité de premier niveau, en se limitant à des opérations de logistique interne plutôt qu'à l'assemblage central des véhicules. Dans la logistique, le prestataire GXO a signé un accord pluriannuel avec Agility Robotics pour déployer son humanoïde Digit ; sur un site de la marque Spanx, ce robot transfère des bacs depuis des robots mobiles autonomes vers des convoyeurs. Ces déploiements illustrent l'écart persistant entre les démonstrations soigneusement montées des fabricants d'humanoïdes et la réalité industrielle actuelle : aucun humanoïde ne circule encore de façon autonome entre des dizaines de postes de travail différents. Pour les intégrateurs et décideurs industriels, le message est clair : le bras robotique fixe reste, pour l'instant, le choix économique dominant. Un bras spécialisé ne nécessite ni marche, ni équilibre, ni compréhension globale de l'usine ; il exécute un mouvement défini avec rapidité et précision, parfois des milliers de fois par jour, ce qui le rend généralement plus rapide, plus fiable et plus facile à entretenir qu'une plateforme polyvalente. Les humanoïdes ne trouvent un intérêt économique que lorsque la restructuration d'une ligne de production pour une tâche irrégulière ou ponctuelle ne se justifie pas. Leur promesse tient dans leur capacité à évoluer dans des environnements conçus pour le corps humain (escaliers, chariots, étagères, outils) sans convoyeurs ni cages de protection, et à cumuler plusieurs fonctions sur une seule plateforme logicielle reconfigurable. Cette dynamique s'inscrit dans une industrie où les robots industriels classiques bénéficient de décennies d'avance : un écosystème mature de fabricants, développeurs logiciels, fournisseurs de composants, spécialistes de la sécurité et techniciens de maintenance permet déjà de calculer précisément le retour sur investissement d'un bras dédié au soudage, à la peinture, à la palettisation ou à l'assemblage. Les humanoïdes, portés par des acteurs comme Apptronik et Agility Robotics, doivent donc se positionner non pas contre les robots d'hier, mais contre une technologie établie qui devient elle-même plus sûre et plus adaptable grâce aux cobots. Des obstacles techniques subsistent, notamment l'autonomie des batteries : Agility Robotics a indiqué en 2025 travailler sur des mises à niveau pour prolonger le temps de fonctionnement de Digit. La suite dépendra largement des résultats économiques des pilotes en cours chez Mercedes-Benz et GXO, qui détermineront si les humanoïdes élargissent réellement le périmètre de l'automatisation industrielle ou s'ils restent cantonnés à combler les tâches que les robots industriels classiques ne peuvent pas justifier économiquement.

Industriel❧Opinion

1 source

39

2821IEEE Spectrum Robotics 

Des drones à griffes se posent sur des icebergs arctiques

Des chercheurs de l'Université de Sherbrooke, au Québec, ont développé un drone baptisé Ice Dart capable de se poser et de s'accrocher à des surfaces glacées extrêmement pentues, comme des icebergs et des glaciers. L'étude, publiée dans la revue IEEE Transactions on Field Robotics, décrit des essais menés dans le sud-est de l'Islande, sur le glacier Fjallsjökull, qui se déverse dans un lagon rempli d'icebergs, par des températures de 0 à 10 °C et des vents soutenus. L'appareil, en fibre de carbone et pesant seulement 2,65 kg, s'est posé avec succès sur des pentes atteignant 58 degrés, à des vitesses allant jusqu'à 3 mètres par seconde, avec un taux de réussite de 100 % même par vents de 30 km/h. Son train d'atterrissage comprend quatre pattes disposées en X, montées sur une articulation pivotante et équipées d'amortisseurs à friction formés de 38 disques qui dissipent l'énergie de l'impact. Chaque patte porte deux griffes rétractables, une plus large pour l'adhérence en descente et une plus fine pour la montée, qui ne se déploient qu'au moment de la compression de la suspension, un mécanisme inspiré des griffes de chat. Les travaux sont signés par Isaac Tunney, chercheur postdoctoral en génie mécanique et robotique et premier auteur de l'étude, et Alexis Lussier Desbiens, professeur de génie à l'Université de Sherbrooke et coauteur. Cette capacité à se poser plutôt qu'à simplement survoler change la donne pour la surveillance de terrain en environnement extrême. Une fois posé, le drone réduit drastiquement sa consommation d'énergie, ce qui permet des périodes d'observation bien plus longues qu'en vol stationnaire, tout en devenant quasi silencieux et en réduisant sa signature thermique et radiofréquence lorsque ses systèmes principaux sont éteints. Pour le suivi des icebergs, un enjeu croissant avec l'intensification de l'activité en Arctique, cette approche pourrait compléter des méthodes plus lourdes comme le déploiement par hélicoptère, les balises larguées ou la détection par satellite et par navire, en apportant des observations continues sur plusieurs jours, voire plusieurs mois, directement depuis la glace. Pour les intégrateurs et opérateurs travaillant en environnements difficiles, la démonstration prouve qu'un atterrissage fiable sur une pente glacée instable de près de 60 degrés est techniquement atteignable avec un système léger et autonome, là où l'absence de site d'atterrissage sûr reste l'une des principales limites à l'usage des drones sur le terrain. Ice Dart s'inscrit dans la continuité des travaux du laboratoire de robotique de l'Université de Sherbrooke, qui avait déjà mis au point des drones capables de se poser sur des camions en mouvement, des remorques, des bateaux et des toits pentus, en réutilisant ici le même principe de train d'atterrissage à amortisseurs à friction. Il s'agit d'un prototype de recherche validé par des essais de terrain réels en conditions arctiques et publié dans une revue à comité de lecture, et non d'un produit commercialisé ou d'un déploiement opérationnel. Les auteurs ne mentionnent pas de partenaire industriel ni de calendrier de commercialisation, mais présentent ces résultats comme une étape vers des drones capables de se poser presque n'importe où dans le monde, ce qui ouvrirait la voie à des missions de surveillance environnementale prolongées dans des zones polaires aujourd'hui difficiles d'accès.

Recherche❖Paper

1 source

34

2822Interesting Engineering 

Des entreprises américaines et chinoises visent une réduction de plus de 30 % du poids des articulations des robots humanoïdes grâce au plastique

Celanese Corporation, groupe américain de matériaux hautes performances, et Vigor Precision, fabricant chinois spécialisé dans le moulage plastique de précision, ont annoncé un partenariat visant à développer des articulations en plastique technique pour robots humanoïdes. L'objectif affiché est de réduire le poids de ces composants de plus de 30% par rapport aux conceptions métalliques traditionnelles. Selon l'accord, Celanese fournira des formulations de matériaux sur mesure répondant aux exigences techniques de Vigor, avec un cahier des charges centré sur la résistance mécanique, la tenue aux températures élevées, la précision de transmission, l'autolubrification et la stabilité dimensionnelle. Ces articulations doivent en effet supporter des démarrages et arrêts rapides, des mouvements alternatifs à haute fréquence et des charges complexes, tout en conservant une précision de mouvement sur la durée. Todd Elliott, vice-président senior chez Celanese Engineered Materials, et Hoi-sang Chan, PDG de Vigor, ont tous deux confirmé l'accord dans un communiqué conjoint. Par ailleurs, des chercheurs de Harvard ont récemment publié un cadre mathématique destiné à optimiser les articulations à contact roulant, une piste qui pourrait bénéficier à la conception de préhenseurs plus performants et de robots aux mouvements plus proches de ceux des animaux. Le poids des articulations est un facteur déterminant pour l'autonomie énergétique, la réactivité dynamique et la mobilité globale des robots humanoïdes, ce qui explique l'intérêt croissant des fabricants pour les matériaux composites en remplacement du métal. Le recours à des plastiques autolubrifiants pourrait aussi réduire les besoins de maintenance en limitant l'usure par friction sur des cycles de mouvement répétitifs, un enjeu concret pour les intégrateurs qui devront faire fonctionner ces machines en continu. Il faut toutefois noter qu'il s'agit à ce stade d'un partenariat de développement matériaux, sans robot commercialisé ni date de mise sur le marché précisée: aucun chiffre de volume de production, de prix ou de calendrier de déploiement n'est communiqué. L'annonce illustre néanmoins un déplacement de la compétition humanoïde vers la couche matérielle et mécanique, longtemps éclipsée par les annonces centrées sur l'intelligence artificielle et les modèles vision-langage-action. Celanese s'appuie sur son expertise reconnue en science des matériaux polymères techniques, tandis que Vigor Precision apporte son savoir-faire en conception d'engrenages et moulage plastique de précision, une complémentarité présentée par les deux entreprises comme nécessaire pour industrialiser ces solutions à grande échelle. Le communiqué évoque une collaboration qui ira au-delà du choix des matériaux, avec un accompagnement de Celanese sur la validation du cycle de vie et la constance des performances en production de masse. Aucun acteur français ou européen n'est mentionné dans cette annonce, qui reste centrée sur un axe de coopération industrielle sino-américaine dans la chaîne d'approvisionnement des composants robotiques.

Humanoïdes⚡Actu

1 source

42

2823Robotics Business Review 

Unichem rachète Loomia pour accélérer son entrée sur le marché de la "peau" humanoïde

Unichem, fabricant coréen de matériaux basé à Ansan et fondé en 1976, a annoncé ce mois-ci l'acquisition de la totalité du capital de Loomia Technologies, start-up de Brooklyn spécialisée dans la "peau électronique" pour robots humanoïdes. La transaction porte sur environ 8,6 milliards de wons, soit près de 6 millions de dollars, représentant 6,5% du capital de Loomia, payés en plusieurs tranches : 4 millions de dollars en cash, 1 million en actions Unichem et 1 million sous forme d'earn-out conditionnel. L'opération doit se conclure le 15 octobre via une fusion triangulaire inversée avec une filiale nouvellement créée. Fondée en 2014 par la diplômée de Stanford Madison Maxey, Loomia a développé la technologie LEL (Loomia Electronic Layer), qui permet de coller des circuits électroniques flexibles sur du tissu ou du cuir sans le défaut de déconnexion à la flexion typique de l'électronique imprimée classique. L'an dernier, l'entreprise a lancé son premier kit de développement de capteurs tactiles, aujourd'hui en rupture de stock, et travaille avec l'équipementier industriel Festo. Elle est aussi membre du consortium NSF HAND ERC, aux côtés de Meta et Amazon Robotics. Maxey et Kim Han-joo, directeur scientifique d'Unichem, deviendront co-directeurs généraux de l'entité fusionnée, qui conservera tous les ingénieurs clés de Loomia comme pôle nord-américain de recherche et d'entrée sur le marché américain. Cette opération illustre la montée du toucher comme brique technologique concurrente de la vision dans la robotique physique, un segment jusqu'ici dominé par les caméras et les modèles vision-langage-action. Pour les intégrateurs et fabricants de mains robotiques, elle signale qu'un fournisseur de cuir automobile mise désormais sur les capteurs tactiles comme relais de croissance face au ralentissement de son marché historique auprès d'équipementiers comme Volkswagen Group. La manœuvre reste toutefois à un stade précoce : il s'agit d'une acquisition capitalistique et d'une intégration industrielle annoncée, pas d'un déploiement de peau tactile sur des humanoïdes en production. Le véritable test sera la capacité du duo Unichem-R&Y à produire ces capteurs à l'échelle et à des coûts compatibles avec les volumes visés par les fabricants de robots humanoïdes. L'accord s'appuie sur un partenariat préexistant entre Loomia et R&Y Corp, société de technologie automobile de rang 1 fondée en 2022, valorisée à plus d'un milliard de dollars et employant plus de 2000 personnes entre Bösel (Allemagne), Wixom (Michigan) et Changzhou (Chine), via sa filiale de Troy (Michigan), adossée à Rying Electronics. Les deux entreprises codéveloppent déjà un capteur capable de détecter simultanément la pression verticale et la force de cisaillement, avec l'objectif de le produire en série. Unichem entend combiner ses cinquante ans d'expertise en traitement du cuir avec la fine couche électronique de Loomia pour équiper aussi bien les intérieurs de véhicules de mobilité intelligente que les futurs projets d'IA physique de grands groupes technologiques mondiaux. Le mouvement s'inscrit dans une compétition naissante autour de la peau tactile pour humanoïdes, où d'autres acteurs, notamment en Europe, explorent des approches concurrentes sans qu'aucun standard ne se soit encore imposé.

Business❧Opinion

1 source

43

2824Interesting Engineering 

Vidéo : l'humanoïde de Unitree affirme dépasser Usain Bolt à la course et sauter 2 mètres en hauteur

Unitree Robotics, groupe chinois base a Hangzhou, a dévoile un nouveau robot humanoïde surnomme "Superman", capable selon l'entreprise d'un saut vertical debout de 2 mètres et d'une vitesse de pointe de 12,66 mètres par seconde, soit environ 45,6 km/h, avec des jambes de seulement 0,85 mètre. Developpe en un peu plus de trois mois, il aurait selon Unitree encore une importante marge de progression. Une vidéo publiée sur YouTube montre le robot effectuant le saut et atterrissant de manière stable, mais ces chiffres n'ont pas été vérifiés de façon indépendante et reposent uniquement sur cette démonstration filmée par l'entreprise elle-même. A titre de comparaison, la vitesse revendiquée dépasse les 12,42 m/s atteints par Usain Bolt lors de son record du monde du 100 mètres en 2009, et le saut debout surpasse le record humain reconnu de 1,8 mètre. En avril, le humanoïde H1 d'Unitree avait déjà atteint 10,1 m/s sur une piste d'athlétisme, pour un poids de 62 kg et des jambes (cuisse et mollet combines) de 80 cm. Le 12 aout, l'entreprise a indique avoir produit environ 18 000 robots humanoïdes, hors autres modèles bipèdes et plateformes a roues. Unitree a par ailleurs ouvert son introduction en bourse, actions au prix de 22 dollars, visant environ 900 millions de dollars levés sur le marche STAR de la Bourse de Shanghai, devenant la première entreprise de robotique humanoïde cotée sur le marche actions A chinois. Pour l'industrie, ces démonstrations de vitesse et de saut fonctionnent avant tout comme des tests de contrainte, selon l'analyste Ma Jihua cite par le Global Times, sollicitant simultanément matériel, algorithmes, équilibre et coordination du corps entier. Des experts estiment que maitriser ces mouvements dynamiques pourrait aider a terme les humanoïdes a évoluer sur des terrains difficiles ou en réponse aux catastrophes, mais les records seuls ne garantissent pas un déploiement pratique : fiabilité, stabilité et adaptabilité en conditions réelles restent des chantiers ouverts, l'écart entre vidéo de démonstration et produit opérationnel demeurant large. Sur le plan commercial, Unitree confirme surtout sa position dominante : selon Smart Analytics Global, l'entreprise a livre environ 5 900 robots humanoïdes au premier semestre 2026, en hausse de 170% sur un an, soit 31% des livraisons mondiales, tandis que les fournisseurs chinois représentent plus de 97% des livraisons mondiales d'humanoïdes sur la même période. Ces démonstrations s'inscrivent dans une stratégie assumée par Unitree, dont le fondateur Wang Xingxing avait prédit que les humanoïdes pourraient dépasser les vitesses de sprint humaines d'ici mi-2026, grâce a des composants moins couteux et des algorithmes améliorés. La progression est rapide : le H1 plafonnait a 10,1 m/s en avril, contre 12,66 m/s revendiques quelques mois plus tard par ce nouveau modèle aux jambes plus courtes. L'annonce survient alors qu'Unitree, déjà connu pour ses robots quadrupèdes et ses précédentes démonstrations athlétiques, vient d'entrer en bourse a Shanghai, une opération censée financer l'expansion de sa production. Aucune date ni site de déploiement commercial n'a été communique pour "Superman" ; l'entreprise se limite pour l'instant a promettre des améliorations matérielles dans les prochains mois, sans calendrier de production précis.

Chine/Asie⚡Actu

1 source

38

2825Pandaily 

Les robots « pré-embauchés » en scénarios d'hôtel : les World Humanoid Robot Games testent bagages, réassort et lits en 30 minutes

Les 16 et 17 aout 2026, l'hôtel Wuzhou de Pekin a accueilli l'épreuve de service hôtelier de la deuxième édition des World Humanoid Robot Games. Selon Li Ziye, responsable de la compétition, chaque manche est limitée a 30 minutes, durant lesquelles les robots humanoïdes doivent enchainer trois taches: le transport de bagages, le réapprovisionnement des chambres et la remise en ordre des chambres. Pour le transport de bagages, les robots chargent deux valises et deux sacs sur un chariot, le poussent jusqu'a la chambre désignée, déchargent l'ensemble des bagages puis ramènent le chariot. Pour le réapprovisionnement, ils recuperent une serviette, deux paires de chaussons et deux bouteilles d'eau, doivent suspendre la serviette a plat, poser les bouteilles sur le meuble d'angle et ranger les chaussons sous la table de chevet. Pour la remise en ordre, ils lissent le lit et déposent deux serviettes sales et un déchet dans les bacs de recyclage appropries. Zhang Yizhuo, de l'équipe Renmin University of China-Beijing Humanoid Alliance-iYZhou, souligne que la principale difficulté vient du site lui-même: l'environnement réel diffère fortement des installations d'entrainement, et les couloirs étroits compliquent les manoeuvres avant-arrière lors du transport de bagages. Le barème distingue le mode entièrement autonome, pondéré a 1,0, du mode téléopére, pondéré seulement a 0,5, et la rapidité d'exécution ne garantit pas un bon score: la netteté du rangement compte tout autant. Cette épreuve illustre une tendance de fond du secteur: déplacer l'évaluation des robots humanoïdes hors du laboratoire vers des scenarios opérationnels réels, avec des critères de notation qui pénalisent explicitement la téléopération par rapport a l'autonomie complète. Le format met a l'épreuve des capacités encore fragiles chez la plupart des plateformes commerciales: manipulation d'objets souples et déformables comme le linge, équilibre lors de la poussée de charges lourdes, perception et navigation dans un environnement non structure, et planification de taches longues et séquentielles sous contrainte de temps. Pour les intégrateurs et décideurs B2B de l'hôtellerie, le signal est clair: les taches candidates a l'automatisation restent les emplois hautement standardises et répétitifs, la ou la pénurie de main-d'oeuvre, la hausse des couts salariaux et le turnover élevé du personnel créent une pression économique réelle. C'est précisément le diagnostic pose par l'organisation après ses études de terrain, qui a servi de base au design de l'épreuve. L'épreuve hôtelière s'inscrit dans un ensemble plus large de neuf scenarios choisis par les Games pour sélectionner des travailleurs robots sur la base de besoins réels: ménage domestique, service hôtelier, production industrielle, secours d'urgence, gestion de bibliothèque, commerce de détail, service de bureau, inspection de jardins et recharge de véhicules, chacun conçu comme une tache longue testant la coordination oeil-cerveau-main. Cote hôtellerie, Wang Fan, directeur de la compétition hôtelière et responsable du bureau Asie-Pacifique olympique du groupe Beichen, indique que l'établissement utilise déjà des robots de livraison en chambre, des casiers intelligents et un standard téléphonique pilote par IA, et prévoit d'introduire des robots dédiés au transport de bagages, a l'interaction avec les clients et a la préparation de café, dans le cadre d'une stratégie d'hôtel a thème robotique qui doit aussi fournir des scenarios réels supplémentaires pour l'entrainement des machines.

Chine/Asie⚡Actu

1 source

39

2826TechNode 

Unitree affirme que son nouvel humanoïde atteint 12,66 m/s et saute 2 mètres

Le groupe chinois Unitree, spécialiste des robots quadrupèdes et humanoïdes, a présenté un nouveau modèle baptisé "Superman". Selon les chiffres communiqués par l'entreprise, ce robot humanoïde est capable de sauter 2 mètres depuis une position debout et d'atteindre une vitesse de pointe de 12,66 mètres par seconde, soit environ 45,6 km/h. L'information a été rapportée par le média chinois IT Home. Unitree n'a publié aucun protocole de test détaillé précisant les conditions dans lesquelles ces performances ont été mesurées, qu'il s'agisse de la charge utile embarquée, de l'état de la surface au sol ou de la reproductibilité des essais sur plusieurs tentatives. Ces annonces s'inscrivent dans la course mondiale à l'humanoïde, où la vitesse et l'agilité sont devenues des arguments marketing centraux pour démontrer la maturité mécanique face à des concurrents comme Figure, Tesla avec Optimus ou Boston Dynamics avec Atlas. Pour les intégrateurs et décideurs industriels, ce type de chiffre brut, sans contexte de charge ni de conditions de test, reste difficile à comparer objectivement à des performances certifiées et doit être interprété comme une démonstration de capacité plutôt que comme une spécification produit fiable. L'absence de protocole rigoureux et la nature probablement sélective des vidéos de démonstration invitent à la prudence: rien n'indique que ces performances soient reproductibles en conditions réelles ou représentatives d'un usage industriel. Unitree s'est fait connaître ces dernières années grâce à ses robots quadrupèdes Go2 et B2, puis à ses humanoïdes H1 et G1, régulièrement mis en scène dans des vidéos virales montrant sauts, danses et figures acrobatiques. "Superman" s'inscrit dans cette continuité de communication axée sur la performance physique spectaculaire, dans un secteur chinois de l'humanoïde très concurrentiel où évoluent aussi Fourier Intelligence, UBTech ou AgiBot. Aucune date de disponibilité commerciale, aucun site de déploiement ni aucun tarif n'ont été communiqués, ce qui confirme qu'il s'agit à ce stade d'une démonstration technologique et non d'un produit prêt pour la production en série.

Chine/Asie❧Opinion

1 source

40

2827Hackaday Robots Hacks 

Des résonateurs acoustiques utilisés comme propulseurs pour petits robots

Des chercheurs de l'EPFL, dont Junsun Hwang, ont publié dans Science Advances une étude sur l'utilisation de la résonance de Helmholtz comme mode de propulsion pour de très petits robots, relayée par un article de synthèse de l'École d'ingénierie de l'établissement. Le principe consiste à stimuler une cavité résonante avec une source acoustique externe accordée sur sa fréquence propre, ce qui génère un jet d'air au niveau du col de la chambre. L'équipe a démontré ce principe sur deux prototypes : un petit bateau équipé de trois chambres de résonance assurant propulsion et pilotage, et un « microflier » capable de léviter au-dessus d'un réseau de transducteurs ultrasoniques à commande de phase, une variante à chambres inclinées ayant ensuite été conçue pour entraîner une hélice miniature. La poussée générée reste minime, de l'ordre d'une fraction de Newton, imposant des structures d'un poids de quelques microgrammes, fabriquées par impression 3D haute résolution après plusieurs itérations de conception. Sur le bateau, les transducteurs ultrasoniques sont fixés directement sous la chambre de résonance, tandis que sur les microfliers, les contraintes de poids obligent à les placer à l'extérieur du dispositif. Cette démonstration illustre une voie de propulsion alternative pour la microrobotique, un domaine où moteurs et hélices classiques deviennent difficiles à miniaturiser sans sacrifier l'efficacité énergétique. L'actionnement acoustique sans contact permet en théorie de s'affranchir de moteurs embarqués, de câblage ou de batteries sur la structure elle-même, l'énergie étant transmise à distance par le champ ultrasonique. Pour les concepteurs de microrobots volants ou de systèmes d'actionnement sans fil, cela ouvre une piste sur des architectures ultralégères, potentiellement utiles pour des essaims de capteurs ou des dispositifs jetables. Il s'agit toutefois d'un démonstrateur de laboratoire et non d'un produit exploitable : les niveaux de poussée obtenus limitent fortement toute application pratique de vol autonome. La résonance de Helmholtz est un phénomène acoustique bien connu, notamment dans les instruments de musique ou pour l'atténuation du bruit, mais son détournement en source de poussée mécanique reste une approche de niche en robotique, aux côtés d'autres pistes non conventionnelles comme les actionneurs piézoélectriques ou les ailes battantes bio-inspirées. L'article ne mentionne aucun calendrier de commercialisation ni partenaire industriel : il s'agit d'une preuve de concept scientifique destinée à documenter la faisabilité technique de l'actionnement acoustique plutôt qu'à annoncer un produit. Les prochaines étapes évoquées concernent l'optimisation de la conception des chambres résonantes, plusieurs itérations ayant déjà été nécessaires pour affiner la configuration des prototypes actuels.

Recherche❖Paper

1 source

42

2828arXiv cs.RO 

Ancrer la généralisation robotique dans les données d'entraînement via des VLM à récupération augmentée

Des chercheurs présentent RADAR, un framework qui compare directement les taches d'évaluation utilisées pour tester des politiques de manipulation robotique aux données d'entrainement de ces mêmes politiques, décrit dans un article arXiv (2603.11426, version 3, mise a jour d'une publication antérieure). Le système fonctionne en deux étapes : une phase de récupération (retrieval) s'appuie sur des embeddings de politiques généralistes pour identifier, parmi les données d'entrainement, les exemples les plus pertinents pour une tache d'évaluation donnée ; puis des modèles vision-langage (VLM) comparent cette tache aux exemples retrouves selon plusieurs axes, produisant une analyse interprétable et une classification du type de généralisation requis, de la simple variation proche de la distribution d'entrainement jusqu'au scenario réellement inédit. Des expériences contrôlées montrent que les VLM identifient correctement ce type de généralisation et que l'étape de récupération isole efficacement les exemples pertinents. Les auteurs appliquent ensuite RADAR a des jeux de données a grande échelle, ou les classifications produites concordent avec des catégories de benchmarks définies manuellement par des travaux antérieurs. Une démonstration est disponible sur radar-analysis.github.io. L'enjeu dépasse la pure méthodologie de recherche. Dans un secteur domine par des annonces de "généralisation" autour de modèles vision-langage-action (VLA) comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, il est aujourd'hui quasi impossible pour un intégrateur ou un décideur B2B de vérifier si une tache de démonstration constitue réellement un test hors distribution, ou si elle ressemble fortement a des exemples déjà vus a l'entrainement. RADAR propose un outil d'audit systématique de cet écart entre discours marketing et réalité technique, en remplaçant l'évaluation subjective par une comparaison quantifiable aux données réelles. Pour l'industrie, cela ouvre la voie a des benchmarks plus rigoureux, capables de distinguer une véritable avancée en généralisation d'un recyclage de scenarios familiers présentes comme des démonstrations impressionnantes. Ce travail s'inscrit dans un mouvement plus large visant a mieux caractériser les limites réelles des politiques généralistes, alors que la course aux robots humanoïdes et aux modèles fondation pour la manipulation s'appuie largement sur des vidéos de démonstration difficiles a vérifier indépendamment. La troisième version de l'article, publiée comme mise a jour sur arXiv, suggère une itération après retours de la communauté scientifique. Aucun acteur français ou européen n'est mentionne dans cette publication, qui reste pour l'instant un outil de recherche académique plutôt qu'un produit commercial : la suite logique serait son adoption par des laboratoires tiers ou des organismes de benchmark pour auditer les claims de généralisation des grands modèles VLA du marche.

Recherche❖Paper

1 source

42

2829arXiv cs.RO 

Sécurité des agents incarnés pilotés par des modèles fondation : surfaces d'attaque, attaques, défenses et évaluation

Des chercheurs publient sur arXiv (arXiv:2608.16843v1, avec des données collectées jusqu'au 15 aout 2026) une synthèse consacrée a la sécurité des agents robotiques pilotes par des modèles de fondation, ces systèmes qui intègrent perception, raisonnement, planification et génération d'actions dans une seule boucle de contrôle. Plutot que de classer les menaces par mécanisme d'attaque (jailbreak, injection de prompt, backdoor, empoisonnement de données, exemples adversariaux) comme le font les travaux existants, les auteurs adoptent une approche centrée sur les frontières de confiance: ils identifient le point d'entrée exact ou un attaquant compromet le système pour la première fois. Le système est décompose en cinq couches et douze surfaces d'attaque, couvrant la chaine d'approvisionnement du modèle, les instructions utilisateur, le contexte et la mémoire, l'environnement physique et sémantique, la perception multimodale, l'état du monde, le raisonnement interne, la planification de taches, les interfaces d'action, le middleware, la communication multi-agents et le contrôle d'exécution. L'analyse s'appuie sur 58 cas d'attaques documentées et 61 mécanismes de défense recenses. Le constat principal intéressé directement intégrateurs et décideurs robotique: la recherche en attaque se concentre presque exclusivement sur la perception multimodale et les interfaces d'action, la ou les défenses existantes se cantonnent surtout au niveau action et a la protection en temps réel. A l'inverse, la mémoire a long terme et le contexte, le middleware et les couches réseau, l'intégrité de l'état du monde, ainsi que la confiance entre agents dans les flottes multi-robots restent quasiment ignores par la littérature. Autrement dit, une faille numérique en amont (une instruction manipulée, une donnée de contexte corrompue) peut se propager jusqu'a un comportement physique dangereux sans qu'aucune défense structurelle ne l'intercepte, un angle mort critique pour toute entreprise déployant des agents embodied bases sur des VLA (vision-language-action) a l'échelle industrielle. Cette synthèse s'inscrit dans un champ encore jeune, celui de la sécurité des agents robotiques génératifs, ou la multiplication des modèles de fondation appliques a la robotique a devance les cadres d'évaluation. Les auteurs pointent plusieurs chantiers ouverts pour la suite: la provenance vérifiable de l'état du système, des défenses compositionnelles capables de couvrir plusieurs couches simultanément, la propagation d'attaques sur des horizons temporels longs, la réalisabilité physique des exploits théoriques, le comportement byzantin dans les essaims multi-robots, et une méthodologie d'évaluation unifiée en boucle fermée.

Recherche⚡Actu

1 source

42

2830arXiv cs.RO 

Pré-entraînement de la dextérité visuelle en simulation

Des chercheurs en robotique publient "Pre-training Visual Dexterity in Simulation" (arXiv:2608.15917), qui présente SPD (Simulation Pre-training for Dexterity), une méthode de pré-entrainement pour la manipulation dexterous entièrement basée sur des données collectées en simulation. Le protocole fait manipuler des objets virtuels a des opérateurs humains via un casque de réalité virtuelle, ce qui génère des trajectoires directement sur l'embodiment cible sans mobiliser de robot physique. Cinq opérateurs ont collecte 75 heures de démonstrations multi-taches en une semaine. Ces données servent a pré-entrainer un transformer causal sur un objectif de modélisation séquentielle. Le modèle est ensuite affine sur seulement 1 a 2 heures de démonstrations physiques réelles, sur une plateforme bimanuelle dexterous a 56 degrés de liberté. Resultat annonce: la politique pré-entraînée en simulation puis affinée surpasse un clonage comportemental entraine uniquement sur les données réelles. Des études d'ablation confirment l'apport du conditionnement par historique et de segments d'action courts pour un contrôle plus réactif. Cette approche s'attaque a un goulot d'étranglement connu du secteur: les mains multi-doigts restent nettement moins bien dotées en données que les pinces parallèles, qui bénéficient de jeux de données a grande échelle. La téléopération réelle coute cher a faire passer a l'échelle, et les vidéos de mains humaines exigent une estimation de pose et un retargeting qui dégradent l'information avant même l'entrainement. En montrant qu'un pré-entrainement purement simule améliore les performances réelles avec très peu de démonstrations physiques, l'étude suggère une voie moins couteuse pour industrialiser l'apprentissage des mains robotiques dexterous, un enjeu central pour les intégrateurs et fabricants de robots humanoïdes cherchant a réduire le cout de collecte de données. Elle reste toutefois une preuve de concept en laboratoire, sur une seule plateforme, sans déploiement industriel démontre. Le travail s'inscrit dans la lignée des efforts de pré-entrainement a grande échelle pour les politiques robotiques, jusqu'ici tires surtout par des données construites autour de pinces simples. Il propose une alternative aux deux approches dominantes pour collecter des données dexterous, la téléopération robot réelle et l'imitation a partir de vidéo humaine, toutes deux limitées par le cout ou la perte d'information au retargeting. En s'appuyant sur la VR comme interface de collecte, les auteurs ouvrent la voie a une mise a l'échelle sans robot physique pendant la phase de pré-entrainement. Les prochaines étapes suggérées par l'article portent sur l'extension a davantage de taches et de plateformes, et sur l'affinement des facteurs, historique de conditionnement et longueur des segments d'action, qui améliorent la réactivité du contrôle en conditions réelles.

Recherche❖Paper

1 source

42

2831arXiv cs.RO 

Apprentissage par imitation sélective Max-Q pour l'entraînement en ligne de robots avec supervision humaine

Des chercheurs publient sur arXiv (2608.15088) une méthode d'apprentissage par renforcement en ligne avec intervention humaine (human-in-the-loop, HIL) pour robots réels, baptisée Max-Q Selective Imitation. Elle combine un critique "MC Q-chunk", qui évalué les actions par segments a partir des retours Monte Carlo du buffer de replay plutôt que par retropropagation temporelle classique, et une règle "max-Q" qui fait imiter a l'acteur, a chaque état, soit l'action de la politique courante soit un échantillon du buffer, selon lequel des deux obtient le Q le plus élevé. Sur une tache réelle d'insertion de connecteur USB avec seulement 20 démonstrations, la variante ACT QChunk-MCBC atteint 99% de réussite en 30 minutes d'entrainement HIL, contre environ 5 heures pour la méthode de référence HIL-SERL. En simulation, sur les taches Peg Insertion et Square, les variantes ACT et Flow Q-chunk dépassent 96% de réussite en une demi-heure environ, devant HIL-SERL, EXPO et E2HiL. Ce gain de vitesse s'attaque a un goulot d'étranglement connu de l'apprentissage robotique en ligne : la convergence après correction humaine se compte souvent en heures, ce qui freine son usage industriel la ou chaque minute d'arrêt machine coute cher. Diviser ce temps par dix sur une tache de précision comme l'insertion de connecteurs suggère que les méthodes HIL pourraient sortir du laboratoire pour des lignes d'assemblage réelles, notamment quand peu de démonstrations sont disponibles. Pour les équipes de recherche en robotique, l'article illustre aussi une tendance a remplacer les mises a jour par différence temporelle, lentes et sensibles au bruit, par des cibles Monte Carlo combinées a une règle de sélection simple, sans seuils ni lissage ajoutes. La méthode se positionne explicitement face a HIL-SERL, référence du domaine, ainsi qu'a EXPO et E2HiL, évaluées sur les mêmes benchmarks de manipulation fine, et s'inscrit dans la lignée des politiques d'action par segments popularisées par ACT, avec une variante testée sur un modèle de flux. Publie comme un article de recherche tout juste mis en ligne sur arXiv, ce travail ne correspond ni a un produit commercial ni a un déploiement industriel annonce : les résultats reposent sur un seul banc réel et deux taches simulées, sans indication sur la généralisation a d'autres robots. Les auteurs ne mentionnent aucune suite en termes de partenariat industriel ou d'intégration logicielle ; la contribution reste, pour l'instant, une brique algorithmique destinée a la communauté recherche en apprentissage robotique.

Recherche❖Paper

1 source

41

2832arXiv cs.RO 

Repenser l'exécution en boucle ouverte en robotique : vers des politiques réactives et plus performantes

Le chunking d'actions, technique consistant à prédire une séquence d'actions puis à en exécuter un préfixe en boucle ouverte, s'est imposé comme un pilier des progrès récents en apprentissage par imitation pour la manipulation robotique. Un nouvel article déposé sur arXiv (2608.15938v1) revient sur ce mécanisme et teste son impact sur quatre tâches en simulation et deux tâches en conditions réelles. Les auteurs montrent que la relation entre le taux de réussite et la longueur de l'horizon d'exécution en boucle ouverte dépend fortement du caractère non markovien des démonstrations expertes, c'est-à-dire du fait que l'action correcte à un instant donné dépend de l'historique et pas seulement de l'état courant. Ils examinent aussi l'explication la plus répandue dans la littérature, à savoir que le chunking limiterait l'accumulation d'erreurs au fil de l'exécution, et constatent que ce facteur joue un rôle réel mais nettement plus faible que la non-markovianité des démonstrations dans leurs expériences. Enfin, lorsque les politiques disposent d'un contexte suffisamment long, l'exécution en boucle ouverte perd son avantage et ce sont les politiques réactives en boucle fermée qui obtiennent les meilleurs résultats. Ce résultat remet en question une hypothèse tacite du secteur selon laquelle le chunking en boucle ouverte serait intrinsèquement bénéfique, par exemple pour lisser les mouvements ou absorber la latence d'inférence. L'étude suggère plutôt qu'il s'agit surtout d'un palliatif pour des politiques à contexte court incapables de bien imiter des démonstrations non markoviennes. Or de nombreux modèles vision-langage-action utilisés aujourd'hui dans l'industrie reposent justement sur de longs préfixes en boucle ouverte, une stratégie qui réduit la capacité du robot à corriger une erreur en cours d'exécution, un enjeu direct pour tout déploiement en environnement non contrôlé où un objet peut glisser ou un opérateur s'approcher du robot. Pour les intégrateurs et les équipes de recherche, ce travail plaide pour orienter les futurs modèles de fondation robotique vers des architectures à contexte long et réactives plutôt que vers des chunks toujours plus longs. Le chunking d'actions s'est démocratisé avec des méthodes comme ACT et les politiques par diffusion, aujourd'hui intégrées dans de nombreux systèmes de manipulation. Cet article, une soumission académique sans affiliation industrielle mise en avant dans le résumé, ne présente ni produit ni déploiement mais propose un changement de paradigme méthodologique pour les prochaines générations de politiques d'imitation, sans annoncer de calendrier ni de modèle concret.

Recherche❖Paper

1 source

41

2833arXiv cs.RO 

PACE : gestion du crédit selon la progression de phase pour la manipulation incarnée à long terme

Un article publié sur arXiv le 18 août 2026 (arXiv:2608.15026v1) présente PACE, un cadre d'attribution de crédit pour post-entraîner des modèles vision-langage-action (VLA) sur des tâches de manipulation longue durée, où un épisode compte souvent plusieurs centaines de pas de contrôle et où le succès n'est connu qu'à la fin. Le système repose sur deux modules. GLC-Critic infère, via des indices visuels et des différences de mouvement locales, la phase et la progression de chaque pas, puis corrige une estimation de coût restant pour produire un crédit pas-à-pas. PPD convertit ensuite ce crédit en signaux positifs et négatifs par seuils propres à chaque tâche, entraîne une politique d'action conditionnée qui protège d'abord les comportements à haut crédit avant d'intégrer tous les signaux, et amplifie ces comportements à l'inférence. Les auteurs rapportent des gains constants en simulation et sur bras robotiques réels face à la meilleure base de comparaison, sans chiffres précis dans le résumé. Le problème visé touche une limite connue des modèles VLA généralistes tels que Pi-0, GR00T N2 ou Helix, post-entraînés sur des démonstrations d'experts mais souvent incapables de corriger les erreurs qui s'accumulent faute de signal intermédiaire sur des séquences longues. Un crédit au niveau du pas, confirmé à plus grande échelle, donnerait aux laboratoires et intégrateurs un moyen de post-entraîner des politiques sans dépendre uniquement de récompenses éparses ou de volumes massifs de téléopération coûteuse, un enjeu clé pour fiabiliser les robots au-delà de la démonstration en laboratoire. L'attribution de crédit sur horizon long est un obstacle classique en apprentissage par renforcement, redevenu central avec des politiques VLA visant des tâches multi-étapes réelles plutôt que des mouvements isolés. PACE se positionne comme une alternative aux méthodes existantes de correction de valeur et de distillation, sans partenariat industriel ni calendrier de déploiement mentionnés : c'est à ce stade un travail de recherche validé en simulation et sur bras de laboratoire, pas un produit commercial. La suite logique serait la publication du code et de benchmarks détaillés face aux méthodes de référence.

IA physique⚡Actu

1 source

41

2834arXiv cs.RO 

Modèle du monde conditionné par la morphologie pour la locomotion quadrupède multi-morphologie

Une équipe de chercheurs présente le Quadrupedal World Model (QWM) dans une version révisée d'un article disponible sur arXiv (2604.08780v2). Le travail cible un verrou connu des modèles du monde en robotique légée : un modèle de dynamique entraîné sur un quadrupède ANYmal-D, conçu par l'entreprise suisse ANYbotics, échoue une fois transféré sur un Unitree Go1, car il surapprend la morphologie précise du robot d'origine plutôt que la dynamique de locomotion partagée entre plateformes. Le moindre changement d'actionneur ou de longueur de membre oblige alors à tout réentraîner. QWM contourne ce problème en formalisant les traits physiques de chaque robot dans une spécification de morphologie invariante à l'échelle, injectée dans un modèle génératif unique via un encodeur de morphologie, un normaliseur de récompense adaptatif et un conditionnement de morphologie dans la dynamique latente, les politiques de contrôle étant entraînées entièrement en imagination. À information de morphologie égale, une politique sans modèle obtient des résultats comparables à QWM sur les robots vus à l'entraînement, mais se dégrade sur des morphologies inédites, alors que QWM transfère en zero-shot, sans réglage fin ni adaptation. Pour les intégrateurs de robotique légée, cela suggère qu'un seul modèle du monde pourrait à terme piloter toute une famille de robots de gabarits différents sans réentraînement coûteux par machine, un frein connu au déploiement de flottes hétérogènes. Les auteurs revendiquent la première démonstration d'un transfert zero-shot cross-embodiment par modèle du monde au sein de la famille des quadrupèdes, un résultat encore limité à ce type de morphologie. Ce travail s'inscrit dans la lignée des modèles du monde, un paradigme visant à faire apprendre à un agent la physique de son environnement une seule fois pour en dériver des comportements efficacement, plutôt que de multiplier les interactions par tâche. Les deux plateformes testées, l'ANYmal-D suisse et le Go1 chinois de Unitree, comptent parmi les références les plus utilisées en recherche académique sur la locomotion quadrupède. La mention "replace" sur arXiv signale une version révisée sans détail public sur les changements apportés. À ce stade, QWM reste un résultat de recherche en preprint, sans annonce de déploiement industriel ni de partenariat constructeur ; une extension à d'autres familles de robots ou une validation sur matériel réel n'est pas précisée dans cet article.

Recherche❖Paper

1 source

41

2835arXiv cs.RO 

Planification de trajectoire consciente du corps par graphe de risque de franchissement pour robots à roues-pattes en terrain complexe

Des chercheurs ont publié le 18 août 2026 sur arXiv (arXiv:2608.16433v1) une méthode baptisée RB-TRG, pour Robot-Body-Aware Traversal Risk Graph, destinée à la planification de trajectoire des robots à roues et pattes (wheeled-legged) en terrain complexe. Elle s'appuie sur les Traversal Risk Graphs (TRG), une représentation compacte du terrain déjà utilisée pour la navigation globale, mais corrige une limite : les coûts natifs des TRG sont calculés sur des voisinages circulaires et des zones de terrain alignées sur les arêtes du graphe, sans tenir compte de l'empreinte orientée réelle du robot ni de ses virages. RB-TRG échantillonne un rectangle orienté représentant le corps du robot le long des arêtes du graphe et des balayages de lacet, pour mesurer la variation longitudinale d'appui, l'inclinaison latérale, les interférences corps-terrain et l'exposition aux zones cartographiées peu fiables. Ces mesures alimentent un coût de transition optimisé par un algorithme A* sur des paires de nœuds ordonnées. Testée sur quatre environnements de terrain scannés et en simulation MuJoCo en boucle fermée, la méthode réduit les trois métriques géométriques de placement du corps et fait passer le taux de réussite de bout en bout de 51,5% à 68,5%, pour un allongement moyen du chemin de seulement 2,3%. Un déploiement sur un robot Go2-W avec pile de navigation LiDAR complète a valu à l'équipe les prix Best Autonomy et Best Mobility aux Legged Robot Challenges de l'IEEE ICRA 2026. Le code est publié sur GitHub sous ZhiqiaoGuo/RB-TRG. Le résultat comble un angle mort connu des planificateurs de navigation terrain-aware : ignorer l'orientation réelle du châssis pendant les virages peut conduire à sous-estimer le risque de perte d'appui partielle, un problème critique pour les intégrateurs déployant des plateformes hybrides roues-pattes en environnement extérieur ou industriel accidenté. Le gain de 17 points de taux de réussite pour un surcoût de trajectoire marginal (2,3%) est significatif car il ne sacrifie pas l'efficacité du chemin pour la sécurité, un compromis souvent difficile à tenir. La validation par une compétition robotique arbitrée (ICRA 2026) plutôt que par de simples métriques internes renforce la crédibilité du résultat face au risque habituel de démonstrations sélectionnées. RB-TRG s'inscrit dans la lignée des travaux sur les TRG pour la navigation globale, qu'il étend sans modifier l'interface de planification existante, facilitant son adoption par des systèmes déjà construits autour de ce formalisme. Le choix du Go2-W, plateforme à roues et pattes d'Unitree couramment utilisée en recherche, en fait un banc d'essai représentatif du segment en forte croissance. La publication du code ouvre la voie à une intégration directe dans d'autres piles de navigation LiDAR pour robots hybrides.

Recherche❖Paper

1 source

41

2836arXiv cs.RO 

Génération de préhensions dextériques guidées et conscientes du bras à partir de modèles de préhension agnostiques au bras

Une équipe de recherche publie sur arXiv (arXiv:2608.16351v1, catégorie "new") un nouveau cadre de génération de prises dextres tenant compte des contraintes liées au bras porteur, un problème clé pour la manipulation robotique en conditions réelles : évitement de collision entre bras et environnement, prises en limite d'espace de travail, saisies consécutives. Contrairement aux modèles de prise dits "hand-centric", qui ne considèrent que la pose de la main flottante, ou aux méthodes "arm-aware" classiques, qui reposent soit sur du réjection sampling coûteux en échantillons soit sur un réentraînement spécifique à chaque bras, l'approche proposée réutilise des modèles de prise pré-entraînés indépendants du bras et n'intègre les contraintes du bras et de l'environnement qu'au moment de l'inférence. Techniquement, le problème est formulé comme une optimisation conjointe de la pose de la main et de la configuration du bras, avec des gradients en forme close pour les contraintes liées au bras ; en représentant la distribution des poses de main par un modèle de diffusion, les auteurs montrent que cette optimisation par gradient équivaut à un échantillonnage de diffusion guidé. L'évaluation couvre 10 000 objets répartis sur 6 scénarios. Ce travail cible un angle mort fréquent en manipulation dextre : la plupart des générateurs de prises sont entraînés hors contexte du bras porteur, creusant un écart entre démonstration en laboratoire et déploiement sur un robot intégré. Pour les équipes R&D et intégrateurs, l'intérêt tient au découplage entre modèle de prise générique et contraintes spécifiques appliquées à l'inférence, ce qui évite un réentraînement à chaque nouveau bras ou nouvelle cellule de travail et promet une meilleure portabilité entre plateformes. Les auteurs rapportent une probabilité significativement plus élevée de générer des prises faisables en configuration fortement contrainte que les approches existantes, un résultat qui reste à confirmer indépendamment mais qui appuie la piste des méthodes guidées par diffusion plutôt que le simple filtrage post-hoc des échantillons. La contribution s'inscrit dans la lignée des modèles de prise dextre basés sur la diffusion, déjà utilisés pour générer des poses de main plausibles à partir de la géométrie d'objets, mais qui traitaient rarement le bras comme contrainte de premier ordre. Il s'agit d'un preprint de recherche, sans essai sur robot physique ni partenariat industriel mentionné : le code et le matériel supplémentaire sont publiés sur arm-aware-dexgrasp.github.io. Aucune plateforme robotique ni entreprise commerciale n'est citée dans l'article, ce qui en fait pour l'instant une contribution méthodologique destinée à être reprise et testée par d'autres laboratoires ou intégrateurs sur leurs propres bras et mains robotiques.

Recherche❖Paper

1 source

41

2837arXiv cs.RO 

GigaBrain-0.7 : faire passer à l'échelle les modèles fondation incarnés grâce à une architecture à trois systèmes

Publié en août 2026 sur arXiv sous la référence 2608.15875, l'article présente GigaBrain-0.7, un modèle de fondation vision-langage-action (VLA) pour robots généralistes. Son architecture à trois systèmes unifie compréhension, prédiction et génération d'action dans un seul réseau. Le préentraînement s'appuie sur plus de 37 000 heures de données robotiques hétérogènes, complété par un entraînement d'alignement en une seule étape qui optimise conjointement la compréhension vision-langage et la génération d'actions multi-embodiment. Le modèle a été évalué sur la plateforme maison Maker H01 et sur des embodiments robotiques courants, en environnements domestiques et industriels, avec des gains revendiqués face à la série précédente GigaBrain-0 et au modèle π0.5 de Physical Intelligence, en généralisation zero-shot, suivi d'instructions et taux de réussite après post-entraînement. Le code et les poids préentraînés seront publiés en open source, sans date précisée. Cette publication illustre la course à l'échelle des données dans les modèles de fondation robotiques, où le volume d'heures d'entraînement devient un argument compétitif au même titre que l'architecture. Le choix d'une architecture à trois systèmes, couplant prédiction du monde et génération d'action plutôt qu'un VLA purement réactif, reflète une tendance de fond du secteur. Pour les intégrateurs, la généralisation multi-embodiment revendiquée promet de réduire le réentraînement spécifique à chaque plateforme. La comparaison directe avec π0.5 positionne GigaBrain comme concurrent frontal des laboratoires de référence en VLA généralistes, même si les chiffres avancés restent auto-rapportés, sans benchmark indépendant ni valeurs absolues détaillées. GigaBrain-0.7 prolonge directement la série GigaBrain-0, avec un accent renouvelé sur l'hétérogénéité des données d'entraînement et l'alignement conjoint vision-langage-action. Le positionnement face à π0.5 s'inscrit dans une compétition plus large entre laboratoires développant des modèles de fondation pour robots généralistes, où l'échelle des données et la diversité des embodiments testés servent de critères de différenciation. À ce stade, il s'agit d'une publication de recherche assortie d'une promesse de publication du code et des poids, non d'un produit commercialisé ni d'un déploiement en conditions réelles : la validation indépendante des performances annoncées dépendra de leur disponibilité effective.

IA physique❧Opinion

1 source

41

2838arXiv cs.RO 

Manipulation robotique incarnée à l'ère des modèles fondation : perspectives de planification et d'apprentissage

Une équipe de chercheurs publie une revue de littérature (arXiv:2512.22983v2) sur la manipulation robotique a l'ère des modèles de fondation, sans annoncer de robot ni de produit. Le papier classe les approches récentes selon une grille unifiée : une planification de haut niveau, qui étend le raisonnement de taches classique au langage, au code, aux affordances (zones d'interaction possibles avec un objet), aux contraintes géométriques et aux représentations 3D, et une modélisation d'action de bas niveau, décomposée en trois briques d'apprentissage : entrées sensorielles, représentations latentes et politiques d'action. Les modèles de fondation y interviennent soit comme générateurs de contraintes de planification, soit comme modèles directs de trajectoires exécutables par le robot. Pour les intégrateurs et les laboratoires, l'apport n'est pas une percée technique mais une mise en ordre d'un champ devenu fragmente, ou chaque acteur publie son propre modèle vision-langage-action (VLA) avec ses propres benchmarks, rendant les comparaisons difficiles. En reliant planification symbolique et apprentissage de bout en bout dans un même cadre, la revue donne aux décideurs B2B des critères pour situer une architecture candidate plutôt que de juger chaque annonce sur des vidéos de démonstration. Elle souligne aussi, en creux, l'écart persistant entre résultats de laboratoire et fiabilité en conditions réelles : passage a l'échelle, généralisation, efficacité des données d'entrainement, interaction physique multimodale et sécurité restent, selon les auteurs, des verrous non résolus. Cette synthèse s'inscrit dans la vague de modèles vision-langage-action appliques depuis deux ans a la manipulation robotique et aux bras et humanoïdes industriels, un domaine ou laboratoires de recherche et entreprises publient a un rythme soutenu sans toujours partager un vocabulaire commun. En articulant planification symbolique classique et apprentissage neuronal de bout en bout, les auteurs visent un point de repère stable pour les travaux futurs, notamment sur la généralisation hors distribution et la sûreté des systèmes autonomes. Le papier ne fixe ni calendrier de déploiement ni pilote industriel : il s'agit d'un état de l'art oriente recherche, et non d'une feuille de route produit.

Recherche❖Paper

1 source

40

2839arXiv cs.RO 

StructRL : exploration structurée de l'espace des actions pour les VLA à flux

Des chercheurs ont publié le 18 août 2026 (arXiv:2608.15139v1) StructRL, une méthode de renforcement en ligne pour adapter les modèles Vision-Language-Action (VLA) à base de flux (flow matching) à de nouvelles tâches de manipulation robotique. Les auteurs décrivent un phénomène nommé Structured Noise Dilution : un bruit structuré injecté au milieu de la chaîne de débruitage est affaibli par les étapes restantes avant l'exécution de l'action, ce qui limite l'exploration. StructRL déplace la stochasticité directement dans l'espace des actions via trois choix couplés : un décodeur ODE déterministe, l'injection de bruit structuré dans l'espace d'action plutôt que dans la chaîne de diffusion, et un "last-step replay" qui évite d'attribuer une vraisemblance aux états intermédiaires lors des mises à jour de gradient. Testée sur trois modèles VLA à base de flux, plusieurs bancs d'essai simulés et deux tâches réelles, la méthode améliore l'exploration et les performances hors distribution par rapport aux approches à bruit intra-chaîne, avec code et détails publiés sur une page de projet dédiée. Ce travail touche un maillon fragile du déploiement des VLA à base de flux, généralement préentraînés par imitation puis affinés pour des tâches spécifiques : le fossé entre démonstrations en laboratoire et robustesse en conditions réelles. Une méthode qui améliore mesurablement l'exploration et la généralisation hors distribution intéresse directement les intégrateurs et équipes R&D confrontés à ce fossé. En isolant la cause précise d'une exploration inefficace plutôt qu'en proposant un simple réglage empirique du bruit, l'étude formalise une limite connue des pipelines de RL appliqués aux politiques de flux, potentiellement transposable au-delà des trois modèles testés. L'article s'inscrit dans la lignée des travaux combinant préentraînement VLA par flow matching et affinage par renforcement, une approche popularisée par des politiques comme pi-0 de Physical Intelligence ou GR00T de NVIDIA pour dépasser les limites de l'imitation pure. Les méthodes RL existantes injectaient un bruit isotrope ou temporellement indépendant dans la chaîne de débruitage, jugé insuffisant par les auteurs pour explorer l'espace d'action continu de la robotique. Validée sur plusieurs architectures distinctes plutôt qu'un seul modèle propriétaire, et publiée sur arXiv sans partenariat industriel annoncé, StructRL reste à ce stade une contribution de recherche dont l'adoption par des laboratoires ou fournisseurs commerciaux reste à observer.

Recherche❧Opinion

1 source

40

2840arXiv cs.RO 

Flow Motion Policy : planification de mouvement pour bras manipulateur par modèles de flow matching

Des chercheurs ont mis en ligne sur arXiv (arXiv:2604.07084v2, version révisée d'une soumission antérieure) une étude présentant Flow Motion Policy, un planificateur de mouvement neuronal en boucle ouverte destiné aux bras manipulateurs robotiques. Contrairement aux planificateurs neuronaux existants, qui produisent un unique chemin déterministe à partir des observations capteurs, Flow Motion Policy s'appuie sur le flow matching pour apprendre une distribution de plans de mouvement conditionnée par l'observation de la scène. Au moment de l'inférence, le système échantillonne un lot de plans candidats et sélectionne le meilleur parmi N propositions (stratégie dite "best-of-N"), sans recourir à une vérification itérative de collisions ni à un vérificateur de collision privilégié pendant la planification. Les auteurs comparent leur méthode à des approches représentatives par échantillonnage, par optimisation et par apprentissage neuronal, et rapportent une amélioration du taux de succès et de l'efficacité de la planification. Le site du projet met à disposition davantage de matériel. Cette contribution s'inscrit dans un enjeu concret pour l'industrie robotique: les méthodes classiques de planification de trajectoire (échantillonnage type RRT, optimisation de trajectoire) exigent une connaissance complète et coûteuse de la géométrie de la scène, un luxe rarement disponible en conditions réelles à partir de simples capteurs. Les planificateurs neuronaux de bout en bout promettaient de s'affranchir de cette contrainte, mais leur nature déterministe à sortie unique limitait leur robustesse face à des environnements variables, un frein pour les intégrateurs déployant des bras de pick-and-place en usine. En générant plusieurs hypothèses de trajectoire exploitables sans vérification coûteuse, ce travail illustre l'intérêt croissant des politiques génératives stochastiques pour la robotique manipulative. Il faut toutefois noter que l'abstract ne fournit aucun chiffre précis de gain (taux de succès, temps de cycle), ce qui limite l'évaluation de l'ampleur réelle de l'amélioration annoncée. Le papier se positionne dans la lignée des travaux récents combinant modèles génératifs de type diffusion ou flow matching et apprentissage de politiques robotiques, une famille de techniques déjà mobilisée dans des politiques d'imitation pour la manipulation. Aucun nom d'entreprise ni de calendrier de déploiement industriel n'est mentionné: il s'agit d'une contribution de recherche académique, dont le code et les démonstrations sont accessibles via le site du projet.

Recherche❖Paper

1 source

40

2841arXiv cs.RO 

GaussMemory : mémoire de scène en gaussiennes 3D pilotée par la tâche pour la manipulation robotique à long horizon

Un article de recherche publie sur arXiv le 18 aout 2026 (référence 2608.14986v1) présente GaussMemory, un système de mémoire spatiale pour la manipulation robotique a long horizon, construit sur le 3D Gaussian Splatting comme substrat géométrique persistant. A la différence des mémoires 3D existantes, qui enregistrent les observations selon des règles fixes en traitant chaque élément de la scene avec la même importance, GaussMemory apprend de bout en bout quels objets suivre précisément, a quelle fréquence les mettre a jour et quoi oublier. Sur les bancs d'essai LIBERO et VLABench, il depasse le système MemoryVLA sur les taches Goal et Long-10, et surpasse le modèle π0-FAST de 5,2 points sur la piste 1 et de 6,0 points sur la piste 6. Le problème vise est bien connu du secteur: les architectures vision-langage-action mémorisent généralement l'environnement de façon passive, sans distinguer ce qui compte pour la tache en cours, ce qui dégradé les performances des que les séquences de manipulation s'allongent. En unifiant mise a jour et lecture de la mémoire dans un seul mécanisme appris plutôt que des heuristiques écrites a la main, GaussMemory s'inscrit dans une tendance de fond visant a faire passer les VLA de démonstrations courtes en laboratoire vers des taches multi-étapes plus proches des besoins industriels réels. Pour les intégrateurs qui évaluent des piles VLA, des gains chiffres sur des benchmarks standardises comme LIBERO et VLABench offrent un point de comparaison plus solide qu'une simple vidéo de démonstration. Le travail se positionne explicitement face a deux références du domaine, MemoryVLA et π0-FAST, ce dernier dérivé du modèle π0 de Physical Intelligence, citées comme bases de comparaison directes plutôt que comme simples antécédents. Il s'inscrit dans la lignée des travaux sur le 3D Gaussian Splatting, technique de représentation de scènes issue de la vision par ordinateur, de plus en plus réutilisée comme mémoire de travail pour des agents robotiques. A ce stade, il s'agit d'une publication de recherche évaluée uniquement en simulation, sans déploiement matériel annonce ni partenaire industriel cite, et sans calendrier donne pour un transfert vers des robots physiques, ce qui distingue clairement cette contribution d'une annonce produit ou d'un pilote commercial.

Recherche⚡Actu

1 source

40

2842arXiv cs.RO 

MistyPilot : contrôler un robot social grâce à l'orchestration multi-agents de compétences LLM

Un preprint arXiv publié fin août 2026 (2608.15549v1) présente MistyPilot, un framework multi-agents à base de LLM pour piloter le robot social Misty à partir d'instructions en langage naturel. Un "Task Router" aiguille chaque instruction vers l'un de deux agents spécialisés : un agent d'interaction physique pour le contrôle déclenché par capteurs et l'invocation directe de compétences, et un agent d'interaction sociale pour la gestion d'état conversationnel et la génération de réponses multimodales contextuelles, qui réutilise les résultats déjà générés quand c'est possible plutôt que de relancer systématiquement une génération complète. Le système a été testé sur cinq suites de composants, avec liaisons capteurs-compétences et invocations de skills exécutées sur un robot Misty physique, ainsi que via une étude utilisateur préliminaire auprès de 12 participants, avec une extensibilité vérifiée jusqu'à 100 compétences et une variance inférieure à celle d'un système mono-agent autrement identique. Le code sera publié via la page du projet. Le problème ciblé est concret pour les intégrateurs de robotique sociale : composer manuellement des API en compétences, lier des événements capteurs à ces compétences et gérer l'état des tâches à l'exécution freine le passage de démonstrations scriptées à des interactions robustes et durables. En séparant le contrôle réactif physique de la gestion sociale à état persistant, MistyPilot répond à une limite fréquente des architectures mono-agent, à savoir une variance et une instabilité plus élevées des réponses, et illustre une voie de production fondée sur l'orchestration de compétences existantes plutôt que sur le réentraînement complet d'un modèle vision-langage-action. L'étude reste toutefois un prototype de recherche à petite échelle, sans mesure d'usage prolongé en conditions réelles. Misty, petit robot social de bureau développé par Misty Robotics, dispose d'un écosystème de compétences programmables via API jusqu'ici assemblées manuellement par les développeurs. MistyPilot s'inscrit dans la vague de travaux visant à faire piloter des robots par des LLM ou des modèles vision-langage-action, un champ largement dominé par des approches orientées manipulation physique comme Pi-0, GR00T N2 ou Helix, dont il se distingue en ciblant spécifiquement l'interaction sociale et conversationnelle plutôt que la locomotion ou la préhension. Aucun calendrier de commercialisation ni partenariat industriel n'est annoncé ; seule la publication du code source via la page du projet est confirmée, ce qui permettra une vérification indépendante des résultats revendiqués sur le routage et l'extensibilité à 100 compétences.

Recherche❖Paper

1 source

40

2843arXiv cs.RO 

Optimisation d'orientation en espace articulaire sous contraintes d'observation pour l'inspection robotisée de cavités cylindriques

Des chercheurs publient sur arXiv (référence 2608.16442v1) une méthode d'inspection robotique entièrement autonome pour observer le fond de cavités cylindriques, un scénario de référence tiré des protocoles ASTM utilisés pour évaluer les robots d'intervention en recherche et sauvetage. Plutôt que d'imposer une pose de caméra cartésienne unique, souvent rejetée pour cause de limites articulaires ou de risques de collision, le système représente l'objectif d'inspection comme un ensemble de géométries de vue valides, directement dans l'espace des configurations articulaires du robot. Un module de perception RGB estime le centre de l'ouverture et l'axe de la cavité à partir de masques sémantiques, en combinant ajustement d'ellipse par arcs et indices géométriques du corps et des bords. Ces estimations contraignent l'alignement de l'axe caméra, le décalage latéral et la distance axiale. Une recherche multistart sans dérivées optimise ensuite les configurations articulaires selon une priorité lexicographique : satisfaction des contraintes d'abord, puis économie de mouvement, marge articulaire et qualité de vue. Un planificateur tenant compte des collisions valide les candidats, et la pose finale est vérifiée géométriquement et par lancer de rayons. Dans le simulateur Isaac Sim, la méthode réussit 92 configurations cibles sur 100, avec une visibilité moyenne du fond de 91,65%, contre 76 sur 100 et 84,3% pour une méthode de référence par recherche par coordonnées multistart. Des essais complémentaires ont été menés sur table et sur un bras monté sur le robot quadrupède Unitree A2. Pour les intégrateurs de robots d'inspection, l'enjeu est concret : de nombreuses poses caméra théoriquement idéales restent inatteignables à cause des limites cinématiques du bras ou des collisions avec l'environnement, ce qui fait échouer les approches à pose unique. En reformulant l'objectif comme un ensemble de géométries acceptables en espace articulaire, la méthode gagne 16 points de réussite par rapport à une recherche multistart classique, un progrès notable pour l'inspection de canalisations, de cuves industrielles ou de puits en contexte de recherche et sauvetage. Ancré dans les benchmarks ASTM, référence reconnue pour qualifier les robots de réponse d'urgence, le résultat a une valeur comparative au-delà du simple laboratoire. L'étude montre surtout que le goulot d'étranglement n'est pas la perception seule mais l'articulation entre perception, planification de mouvement et contraintes physiques du robot, un enseignement transposable à d'autres tâches d'inspection à géométrie contrainte. Ce travail s'inscrit dans la lignée des recherches sur la planification de vue et l'inspection robotique autonome, domaine où les protocoles ASTM servent de référence commune pour comparer les systèmes indépendamment des plateformes matérielles. La comparaison directe avec une recherche par coordonnées multistart positionne l'apport comme une amélioration incrémentale mais mesurable d'une famille d'approches existantes plutôt qu'une rupture méthodologique. La validation en trois étapes, simulation Isaac Sim, essai de table, puis montage sur un bras porté par le quadrupède Unitree A2, vise à démontrer la portabilité de la méthode entre plateformes avant un déploiement terrain plus large. Les auteurs ne communiquent pas encore de calendrier pour des essais en conditions réelles de recherche et sauvetage ni pour une intégration dans des flottes de robots d'intervention existantes.

Recherche❖Paper

1 source

39

2844arXiv cs.RO 

Planification de placement sensible à la sémantique et à la densité pour préserver l'accessibilité multi-objets

Des chercheurs présentent, dans un article publié sur arXiv le 18 août 2026 (référence arXiv:2608.16741v1), une méthode baptisée SDPP (Semantic-Dense Placement Planning), conçue pour permettre à un robot de service domestique de ranger des objets sur une étagère partiellement occupée sans connaître à l'avance les futurs objets à placer. Le système classe les positions candidates à partir d'un score combinant similarité sémantique entre objets (par exemple regrouper les produits de même catégorie) et proximité spatiale, afin de densifier le rangement tout en gardant une organisation cohérente. Une seconde brique, l'Accessibility Map (AM), filtre en amont les poses de placement peu susceptibles d'être atteignables par le bras manipulateur avant même de lancer la planification de mouvement, et pénalise les choix qui réduiraient l'espace de travail accessible pour les placements suivants. Les auteurs rapportent, en simulation, une amélioration significative de la qualité de l'organisation sémantique par rapport aux méthodes de référence actuelles, ainsi que la densité moyenne d'étagère la plus élevée obtenue parmi les approches comparées ; l'AM réduit par ailleurs sensiblement le temps nécessaire pour identifier une pose de placement faisable. Une expérience qualitative en conditions réelles, sur un scénario domestique de stockage en étagère, complète ces résultats. L'enjeu dépasse le simple rangement de courses : la plupart des travaux existants sur la planification de placement traitent séparément l'organisation sémantique, la densité d'occupation de l'espace et l'accessibilité du bras robotique, alors que ces trois contraintes entrent souvent en conflit dans un contexte réel de remplissage séquentiel où les futurs objets sont inconnus. En traitant ces dimensions conjointement, SDPP s'adresse directement aux intégrateurs travaillant sur la logistique en entrepôt, le service à domicile ou le retail automatisé, où un robot doit continuer à opérer efficacement sur une étagère qui se remplit au fil du temps sans bloquer ses propres accès futurs. Le travail s'inscrit dans la littérature de planification de manipulation à long terme pour robots de service, un domaine où la validation reste majoritairement limitée à la simulation. Les auteurs précisent eux-mêmes que leur test en environnement réel n'a qu'une portée qualitative, ce qui distingue cette contribution d'un système prêt pour un déploiement commercial et la situe encore au stade de la recherche exploratoire, avant tout passage à une validation à plus grande échelle.

Recherche❖Paper

1 source

39

2845arXiv cs.RO 

Passage à l'échelle de la manipulation d'appareils guidée par manuel, avec synthèse de données et planification unifiée

Des chercheurs ont publié le 18 août 2026 sur arXiv (référence 2608.15863v1) une étude intitulée "Scaling Manual-Grounded Appliance Manipulation with Data Synthesis and Unified Planning", présentant MAGE, un pipeline de synthèse de données conçu pour entraîner des robots à manipuler des appareils électroménagers en suivant leurs manuels d'utilisation. MAGE s'appuie sur une architecture inédite baptisée Hierarchical Appliance Graph (HAG), qui génère automatiquement des annotations de pièces, des plans d'action à long horizon et des données de correction en boucle fermée directement à partir des manuels d'appareils. Les auteurs en ont tiré UseAppliance, présenté comme le premier jeu de données à grande échelle pour la planification de manipulation d'électroménager ancrée dans la documentation constructeur : 22 catégories d'appareils, plus de 89 000 annotations de pièces, plus de 53 000 tâches de manipulation et plus de 33 000 étapes d'ajustement en boucle fermée. Sur cette base, l'équipe a développé AppliancePlan, un modèle de bout en bout de seulement 7 milliards de paramètres, testé sur le benchmark RealAppliance-Bench où il dépasserait de plus de dix fois la meilleure référence existante en planification en boucle ouverte, avec des expériences robotiques réelles menées sur six appareils domestiques. Pour l'industrie robotique, ce travail cible un goulot d'étranglement précis : l'absence de jeux de données suffisamment diversifiés et orientés tâche pour entraîner des modèles capables de planification robuste face aux imprévus, un problème qui freine le déploiement de robots polyvalents dans des environnements domestiques réels. La confirmation d'un transfert sim-to-real effectif, même à petite échelle (six appareils), constitue un signal utile pour les intégrateurs qui cherchent à évaluer si les architectures type VLA passent réellement du laboratoire au terrain, plutôt qu'un pur exercice de simulation. Ce projet s'inscrit dans une dynamique de recherche plus large sur la planification à long horizon pour la robotique domestique généraliste, où le manque de données annotées reste un frein structurel identifié par plusieurs laboratoires académiques. Les auteurs présentent leurs résultats comme une étape vers une robotique domestique généraliste, sans toutefois annoncer de calendrier de commercialisation ni de partenariat industriel à ce stade.

Recherche❖Paper

1 source

39

2846arXiv cs.RO 

Accélérer la planification de mouvement discrète-continue via des graphes neuronaux d'ensembles convexes

Des chercheurs ont publié en août 2026 sur arXiv (2608.15440) une méthode qui accélère la planification de mouvement combinant décisions discrètes et trajectoires continues, un problème central en navigation sans collision et en manipulation avec contacts. Le travail s'appuie sur le cadre Graphs of Convex Sets (GCS), où les décisions discrètes forment les nœuds d'un graphe et les trajectoires continues ses arêtes, mais remplace la coûteuse relaxation convexe du GCS classique par un passage unique dans un Graph Attention Network qui propose des chemins candidats, triés ensuite par un réseau léger jusqu'à un plan quasi optimal. Testée sur un quadrirotor 3D, un bras à 7 degrés de liberté et une tâche de poussée planaire avec contacts, elle atteint jusqu'à 100 fois la vitesse du GCS classique avec 100% de réussite, au prix d'une légère perte d'optimalité. Code et vidéos sont disponibles sur neural-gcs.github.io. Pour l'industrie robotique, ce résultat s'attaque à un verrou concret : les planificateurs GCS approchent l'optimum global même sur des problèmes non convexes, mais leur coût de calcul limitait leur usage à la planification hors ligne ou à des scènes simples. Diviser ce temps par un facteur proche de 100 rend envisageable le replanning embarqué, utile pour les bras en usine, les drones en environnement encombré et la manipulation avec contact comme le poussage d'objets en logistique. Cela illustre une tendance du secteur : coupler apprentissage et solveurs d'optimisation classiques plutôt que de tout confier à un modèle appris de bout en bout comme les architectures vision-langage-action. Le compromis vitesse contre optimalité de ce travail académique, validé seulement en simulation, reste à confirmer sur du matériel réel. Le cadre GCS n'est pas nouveau : introduit par des chercheurs du MIT et de Toyota Research Institute, il unifie planification discrète et continue en alternative aux méthodes d'échantillonnage type RRT et aux solveurs de programmation en nombres entiers mixtes. Son coût de calcul a motivé plusieurs travaux d'accélération, dont celui-ci, aux côtés d'approches qui utilisent l'apprentissage pour guider des planificateurs par échantillonnage. Aucune entreprise n'est associée à cette publication : code et vidéos sont ouverts pour reproduction indépendante, et les prochaines étapes attendues portent sur une validation sur matériel réel et une intégration dans des piles logicielles utilisées par des intégrateurs industriels.

Recherche❖Paper

1 source

39

2847arXiv cs.RO 

Co-conception algorithme-architecture pour une inférence VLA efficace par spéculation et vérification

Une équipe de recherche présente SpecVLA, un framework de co-conception algorithme-matériel destiné à accélérer l'inférence des modèles Vision-Language-Action (VLA), décrit dans un preprint arXiv (2608.15636v1). Le système part d'un constat sur les environnements robotiques : ils alternent entre phases actives, où la précision des actions est cruciale, et phases inactives, où les erreurs pèsent peu sur le succès de la tâche. SpecVLA prédit de longues séquences d'actions par spéculation durant les phases inactives, puis vérifie sélectivement durant les phases actives, via un modèle de vérification allégé (sVLA) construit avec des résidus différentiels et une quantification mixte-précision par blocs, exécuté en parallèle du VLA principal sur une architecture combinant GPU et module matériel dédié à la robotique. Testé sur les modèles OpenVLA et RDT via les bancs d'essai LIBERO et ManiSkill, SpecVLA réduit significativement la latence de bout en bout tout en préservant le taux de réussite des tâches, face à Dadu-Corki, un accélérateur dédié existant. L'enjeu est concret pour l'industrie robotique : les modèles VLA, malgré leurs capacités démontrées en IA incarnée, restent trop coûteux en calcul et limités en longueur d'action prédite pour un déploiement temps réel. SpecVLA propose une alternative à l'approche purement matérielle de Dadu-Corki, qui n'exploitait pas les motifs d'interaction entre le robot et son environnement. Pour les intégrateurs et concepteurs de systèmes embarqués, ce travail illustre une tendance de fond : l'accélération des VLA passe désormais autant par la co-conception algorithme-matériel que par des puces dédiées. Il alimente aussi un débat clé du secteur, celui de la viabilité des modèles fondation généralistes face aux contrôleurs spécialisés, en montrant qu'un compromis latence-fiabilité-longueur d'action reste atteignable sans sacrifier le taux de succès des tâches. SpecVLA s'inscrit dans la lignée des travaux sur l'accélération matérielle de l'IA incarnée, avec Dadu-Corki cité explicitement comme point de comparaison et de départ critique. Le papier ne mentionne aucun acteur industriel, aucun déploiement en conditions réelles ni calendrier de commercialisation : il s'agit d'une contribution de recherche académique, évaluée en simulation sur les suites LIBERO et ManiSkill plutôt que sur du matériel robotique physique déployé en usine ou en entrepôt. Aucun acteur français ou européen n'apparaît dans cette publication. La portée réelle de ces gains de latence devra être confirmée par des tests sur plateformes physiques avant toute intégration dans des systèmes commerciaux.

Recherche❖Paper

1 source

39

2848arXiv cs.RO 

Quand l'état devient une surface d'attaque : l'injection sémantique d'état dans les agents incarnés pilotés par LLM

Une équipe de recherche publie le 18 août 2026 sur arXiv (arXiv:2608.16806v1) un article intitulé "When State Becomes an Attack Surface: State-Semantic Injection in LLM-Driven Embodied Agents". Le travail identifie une nouvelle surface d'attaque dans les agents robotiques pilotés par de grands modèles de langage (LLM) : la représentation sémantique de l'état de la scène, c'est-à-dire les attributs des objets, les relations spatiales et le retour d'exécution que le modèle utilise pour ancrer ses décisions avant de les transmettre aux bibliothèques de compétences, aux planificateurs de mouvement ou aux contrôleurs du robot. Les auteurs situent cette faille dans la trajectoire des agents LLM, initialement conçus pour naviguer des pages web, documents ou bases de données, désormais chargés de la compréhension de tâches, de la planification de haut niveau et de la décision comportementale en robotique. Ils citent comme jalons SayCan, qui couple le raisonnement de tâche aux capacités physiques du robot, Code as Policies et ProgPrompt, qui génèrent des plans via du code ou des prompts programmatiques, VoxPoser, qui construit des cartes de valeur 3D à partir de modèles vision-langage pour guider la manipulation, ainsi que les modèles vision-langage-action PaLM-E, RT-2 et GR00T N1. Pour les intégrateurs et responsables techniques qui déploient des agents VLA en usine, entrepôt ou environnement partagé avec des humains, ce travail met en lumière un angle mort de sécurité encore peu documenté : si la décision du robot dépend d'un état de scène traduit en langage ou en symboles avant d'atteindre le modèle, corrompre cette traduction plutôt que les capteurs eux-mêmes suffit potentiellement à détourner le comportement physique du système. Cela déplace la question de la fiabilité des agents incarnés au-delà du seul "sim-to-real" ou de la robustesse perceptive, vers la chaîne de raisonnement symbolique elle-même, un enjeu direct pour la certification et l'audit de sécurité des déploiements commerciaux. Ce papier s'inscrit dans la lignée académique qui a vu les LLM passer de simples générateurs de texte à des couches de planification pour des architectures comme GR00T N1 ou RT-2, sans encore livrer, dans le résumé disponible, de démonstration chiffrée de l'attaque ni de calendrier de correctifs : il s'agit d'un travail de recherche préliminaire posant un cadre conceptuel, dont la portée pratique dépendra des preuves de concept et contre-mesures détaillées dans la suite de l'article.

Recherche⚡Actu

1 source

39

2849arXiv cs.RO 

SparkVLA : un VLA hiérarchique conscient des arrêts, avec segmentation d'action adaptative pour la manipulation à long horizon

Une équipe de recherche a publié le 18 août 2026 sur arXiv (référence 2608.16172) SparkVLA, une architecture hiérarchique Vision-Language-Action conçue pour la manipulation robotique sur des tâches longues et multi-étapes. Le système règle un problème d'interface récurrent : à chaque point de ré-observation, il faut décider si la sous-tâche en cours s'arrête et jusqu'où exécuter le segment d'actions proposé, deux choix interdépendants que les architectures existantes évaluaient jusqu'ici séparément. SparkVLA les fusionne en un seul classement, où l'option d'arrêt est mise en concurrence avec chaque longueur possible de préfixe d'actions et le meilleur score l'emporte, sans seuil à régler manuellement. Le mécanisme repose sur deux modules : un encodeur contextuel ancré qui met en cache une représentation de la sous-tâche tenant compte de l'historique pour guider l'élagage des tokens visuels vers les zones pertinentes, et une tête de sélection qui note tous les candidats par auto-attention aux frontières des segments. Sur le benchmark RoboCerebra, SparkVLA atteint 47,12% de réussite, soit 30,57 points de plus que la référence hiérarchique officielle et 26,83 points de plus que la meilleure méthode reproductible connue, des gains confirmés par des essais complémentaires sur robot réel. Ce résultat cible un goulot d'étranglement classique des VLA hiérarchiques, où un module de planification en langage naturel et un module d'exécution bas niveau doivent se synchroniser : un mauvais calibrage provoque des arrêts prématurés ou des segments trop longs qui font dériver le robot sur les tâches à plusieurs étapes, l'un des écarts récurrents entre démonstrations en simulation et comportement réel. Pour les équipes qui construisent des pipelines de manipulation multi-étapes (kitting, assemblage, logistique), l'intérêt tient aussi à la méthode d'entraînement : SparkVLA ne requiert que des préférences ordinales hors ligne, moins coûteuses à collecter que des récompenses denses. Il s'agit toutefois d'un résultat de recherche mesuré sur un benchmark académique, complété par des essais robot réel que les auteurs présentent eux-mêmes comme de portée limitée, et non d'un produit déployé ou commercialisé. Le travail s'inscrit dans la lignée des modèles VLA hiérarchiques, qui séparent un raisonnement haut niveau découpant l'instruction en sous-tâches d'une politique d'action bas niveau entraînée par imitation, une famille d'architectures étudiée pour dépasser les limites des politiques VLA monolithiques sur l'horizon long. Sa contribution se distingue des approches à découpage d'actions de longueur fixe en rendant la longueur du segment exécuté adaptative et couplée à la décision d'arrêt. L'article compare ses résultats à la référence hiérarchique officielle du benchmark RoboCerebra et à la meilleure méthode reproductible publiée à ce jour, sans nommer d'acteur industriel ni annoncer de calendrier de mise à disposition du code, de partenariat ou de pilote de déploiement.

Recherche⚡Actu

1 source

39

2850arXiv cs.RO 

Imaginer la récupération : réalignement contrefactuel à l'inférence pour les modèles VLA

Une équipe de recherche publie sur arXiv (2608.14822, prépublication non revue par les pairs) un nouveau cadre baptisé CoRe, pour Counterfactual Realignment, destiné aux modèles vision-langage-action (VLA) utilisés en manipulation robotique. Le problème ciblé est la fragilité de ces modèles face aux perturbations en cours d'exécution : changement d'objectif de tâche, modification de la scène, ou déviation de l'état du robot. Contrairement aux méthodes existantes qui nécessitent des données d'échec, un réentraînement de la politique ou un agent correcteur externe, CoRe fonctionne à l'inférence, sans entraînement supplémentaire, sur un VLA figé (frozen). Son mécanisme : dès qu'une déviation est détectée, le système imagine, via des observations synthétisées plutôt que par exécution physique réelle, comment la politique aurait continué vers l'objectif depuis un état récent encore viable, puis réaligne minimalement le robot et la scène pour rejoindre cette trajectoire imaginée avant de rendre la main à la politique d'origine. Testé sur plusieurs simulateurs, plusieurs architectures VLA différentes et des configurations réelles, CoRe améliore le taux de réussite jusqu'à 85 points de pourcentage, ramenant les performances à un niveau proche du nominal, tout en réduisant de 42,2 % le nombre de restaurations physiques nécessaires, sans réglage fin de la politique ni entraînement spécifique à la récupération d'échec. L'enjeu pour l'industrie robotique dépasse la simple amélioration technique : il touche à l'écart persistant entre les démonstrations soignées de modèles VLA généralistes et leur robustesse réelle une fois déployés sur des tâches où les objectifs ou l'environnement changent en cours de route. Pour les intégrateurs, la promesse d'un correctif purement inférentiel, applicable à une politique déjà entraînée et gelée, sans pipeline de réentraînement ni collecte de données d'échec, réduit le coût opérationnel et le risque associé aux essais-erreurs physiques sur du matériel réel. La baisse de 42,2 % des restaurations physiques a un impact direct sur les temps de cycle et l'usure mécanique dans des contextes industriels comme la préparation de commandes ou l'assemblage. Ce résultat rappelle aussi que la généralisation des modèles VLA grand public, souvent mise en avant par des acteurs comme Pi-0, GR00T N2 ou Helix, reste un problème ouvert dès qu'il s'agit de gérer l'imprévu. CoRe s'inscrit dans la vague récente de modèles fondation vision-langage-action conçus pour la manipulation généraliste, dont la robustesse aux changements de contexte est régulièrement mise à l'épreuve derrière les démonstrations. Le cadre se positionne explicitement contre les approches concurrentes de récupération d'échec basées sur le réentraînement ou sur des agents correcteurs externes, en misant sur sa compatibilité avec plusieurs architectures VLA testées dans l'étude, ce qui suggère un usage potentiellement agnostique du fournisseur de modèle. L'abstract ne précise ni l'affiliation des auteurs ni de calendrier de déploiement industriel : il s'agit à ce stade d'une contribution de recherche en préimpression, pas d'un produit commercialisé ni d'un pilote annoncé.

IA physique⚡Actu

1 source