Actualités robotique — page 63

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

37

3101arXiv cs.RO 

LUCID : contrôle unifié des compétences latentes via une dynamique imaginée pour la loco-manipulation humanoïde à long terme

Le laboratoire de recherche à l'origine du papier arXiv:2608.07746v1 (soumis en catégorie cross-listing, daté d'août 2026) présente LUCID, acronyme de "Latent-Skill Unified Control via Imagined Dynamics", un framework d'apprentissage par renforcement hiérarchique et basé sur un modèle du monde, destiné aux tâches de loco-manipulation humanoïde longue durée. La méthode se déroule en deux temps : une politique bas niveau, conditionnée par des codes latents structurés, est d'abord entraînée par imitation adversariale puis gelée ; un modèle de dynamique de haut niveau ("macro-dynamics world model") est ensuite appris conjointement avec une politique de décision, ce modèle prédisant les transitions d'état à horizon étendu induites par chaque décision latente, ce qui permet d'optimiser la politique haut niveau via des simulations imaginées plutôt que par essais réels. Les auteurs évaluent LUCID sur des scénarios simulés de réarrangement multi-objets et rapportent une amélioration du taux de réussite complète des tâches ainsi que des taux de complétion partielle, comparés à des méthodes de référence combinant planificateurs scriptés, automates à états finis ou politiques model-free spécifiques à une tâche. Le problème visé est celui de la coordination longue durée chez les robots humanoïdes : enchaîner marche, atteinte et préhension sur des séquences complexes sans dépendre d'automates codés à la main, un goulot d'étranglement que les démonstrations courtes de nombreux acteurs du secteur (modèles VLA type Pi-0, GR00T N2 ou Helix) laissent souvent dans l'ombre. En remplaçant la planification scriptée par un modèle du monde appris, capable de projeter les conséquences de décisions latentes avant de les exécuter, LUCID propose une alternative architecturale aux pipelines VLA end-to-end dominants, ce qui intéresse directement les intégrateurs cherchant à fiabiliser des tâches multi-étapes en logistique ou en usine plutôt qu'à empiler des démonstrations isolées. Il s'agit toutefois d'une contribution strictement académique et simulée : aucun robot physique, aucune entreprise ni aucun site de déploiement n'est mentionné dans l'abstract, et les gains rapportés portent uniquement sur des environnements de simulation de réarrangement d'objets, sans chiffres de charge utile, de degrés de liberté ou de temps de cycle réels. LUCID s'inscrit dans la lignée des travaux sur les modèles du monde appliqués à la robotique (dans l'esprit de Dreamer ou TD-MPC), en offrant une voie hiérarchique et modulaire face à l'approche monolithique des modèles VLA. Aucun essai matériel, partenariat industriel ou calendrier de transfert vers un robot réel n'est annoncé à ce stade.

Recherche❖Paper

1 source

37

3102arXiv cs.RO 

REMAC : collaboration multi-agents auto-réflexive et auto-évolutive pour la manipulation robotique à long horizon

Une équipe de recherche a publié une version révisée (v2) sur arXiv (2503.22122) présentant REMAC, un framework de planification multi-robots pour des tâches de manipulation longues et complexes, piloté par des modèles vision-langage. Le système combine deux modules: une auto-réflexion qui vérifie les conditions avant et après chaque action pour détecter les erreurs de plan, et une auto-évolution qui adapte la stratégie selon le contexte réel de la scène, sans prompt spécifique à la tâche. Les auteurs ont bâti un environnement de test basé sur RoboCasa, avec 4 catégories de tâches, 27 variantes et plus de 50 objets, puis évalué REMAC avec quatre modèles de raisonnement comme moteurs de décision: DeepSeek-R1, o3-mini, QwQ et Grok3. Résultat revendiqué: +40% de taux de réussite moyen et +52,7% d'efficacité d'exécution face à une baseline à robot unique. L'enjeu visé est concret pour les intégrateurs: les approches actuelles reposent souvent sur une connaissance préalable de l'environnement ou des prompts taillés sur mesure, ce qui les rend fragiles dès qu'un imprévu survient, par exemple un robot chargé de poser une carotte dans un micro-ondes qui découvre que la porte est fermée. En permettant à un robot d'en solliciter un autre pour paralléliser les tâches après plusieurs cycles de réflexion, REMAC pointe vers une robotique multi-agents plus tolérante aux aléas de scène, un axe clé pour dépasser les démonstrations scénarisées et réduire le travail d'ingénierie de prompt lors du déploiement de flottes sur des tâches longues. Le travail s'inscrit dans la recherche sur la planification robotique assistée par grands modèles, aux côtés d'approches comme Pi-0 ou GR00T N2, mais REMAC mise sur un raisonnement multi-agents itératif plutôt que sur un modèle action de bout en bout, en s'appuyant sur des modèles de raisonnement généralistes existants plutôt qu'un modèle propriétaire dédié. Il s'agit pour l'instant d'un travail académique validé en simulation, sans déploiement matériel réel ni partenariat industriel annoncé; la publication de cette seconde version suggère une itération continue sur la méthode, sans calendrier communiqué pour un transfert vers des robots physiques.

Recherche❖Paper

1 source

36

3103arXiv cs.RO 

WA-SpecDec : décodage spéculatif conscient du monde pour les modèles vision-langage-action

Un preprint arXiv (2608.08725, non revu par les pairs) présente WA-SpecDec, une méthode d'accélération pour les modèles vision-langage-action (VLA) qui pilotent des robots. Ces politiques génèrent les commandes token par token de manière autoregressive, ce qui rend la latence en boucle fermée dépendante des passes successives du modèle cible. Le décodage spéculatif réduit déjà ce cout en vérifiant des blocs de tokens d'action en parallèle, et des travaux récents assouplissent l'acceptation car de petits écarts de token se traduisent souvent par des commandes continues proches. WA-SpecDec injecte, durant le pré-remplissage du VLA, une conscience physique de la scene issue d'un modèle du monde, partagée entre brouillon et vérification. Teste sur trois schémas d'acceptation relâchée de l'état de l'art, il obtient un gain de vitesse de 1,5x a succès équivalent face au décodage spéculatif VLA seul, et réduit de 18,6% en moyenne les échecs proches du contact. Jusqu'ici cette relaxation restait agnostique a la scene: un même écart de token était traite pareillement en espace libre et près d'un contact, alors que le second peut causer une collision ou un échec de prise que le premier n'engendrerait jamais. En rendant l'acceptation sensible au contexte physique, WA-SpecDec maintient un taux de succès plus élevé même sous tolérance assouplie et accepte des préfixes plus longs avant vérification. Pour les intégrateurs qui cherchent a faire tourner des VLA en temps réel, cela suggère un gain de vitesse d'inférence sans sacrifier la fiabilité aux moments critiques de la manipulation, la ou les erreurs coutent le plus cher en sécurité. Le décodage spéculatif vient de l'inférence des grands modèles de langage, ou un modèle léger propose des tokens que le modèle cible valide en bloc; son adaptation aux VLA suit la logique autoregressive de ces politiques, proches par construction des LLM. Les trois schémas d'acceptation relâchée compares dans l'étude ne sont pas nommes individuellement dans le résume publie. A ce stade, WA-SpecDec reste un résultat de recherche en preprint, sans plateforme robotique, entreprise ni date de déploiement associées: une contribution méthodologique évaluée en benchmark contrôle, et non un produit livre ou un pilote industriel annonce.

IA physique❧Opinion

1 source

36

3104arXiv cs.RO 

Accélérer l'exécution des politiques grâce à un apprentissage par renforcement léger : SpeedTuning

SpeedTuning, un framework d'apprentissage par renforcement décrit dans une prépublication arXiv du 11 août 2026 (arXiv:2608.09138v1), vise à accélérer l'exécution des politiques de manipulation robotique apprises par imitation. Le système apprend à prédire, pour chaque action, la vitesse d'exécution optimale, en complément d'une politique de base déjà entraînée et sans nécessiter de nouvelle collecte de démonstrations. Ses auteurs rapportent un gain de vitesse supérieur à 2,4x par rapport à la politique originale, avec un taux de réussite jugé adéquat, comparé à la fois à la politique de base et à des méthodes d'accélération naïves comme l'interpolation linéaire à vitesse fixe. La méthode a été testée sur des tâches dynamiques et précises, verser un liquide, lancer un objet et saisir un objet, en conditions réelles sur robot. Le problème ciblé touche un point sensible du secteur : les politiques apprises par imitation héritent de la cadence de l'opérateur humain pendant la téléopération de collecte de données, ce qui plafonne structurellement leur vitesse une fois déployées, et aucune méthode établie ne permettait jusqu'ici d'accélérer une politique déjà entraînée sans repasser par une collecte de démonstrations plus rapides et coûteuses en heures de téléopération. En démontrant qu'il est possible de découpler vitesse d'exécution et taux de réussite, SpeedTuning s'adresse directement aux intégrateurs industriels, pour qui le temps de cycle conditionne la rentabilité d'une cellule robotisée. La portée de la démonstration reste toutefois limitée : le gain de 2,4x est une moyenne sur trois familles de tâches testées en laboratoire, pas une garantie généralisable, et l'article ne précise ni la plateforme robotique utilisée ni son nombre de degrés de liberté. Ce travail s'inscrit dans une limitation bien identifiée de l'apprentissage par imitation appliqué à la manipulation robotique, où les politiques de type diffusion ou VLA (vision-language-action) restent bridées par la qualité et la vitesse des démonstrations humaines collectées par téléopération, un goulot d'étranglement sur lequel travaillent plusieurs laboratoires développant des modèles fondation pour la robotique. En proposant une couche d'accélération post-hoc plutôt qu'une nouvelle architecture de politique ou un nouveau mode de collecte, SpeedTuning se positionne comme un complément aux approches existantes plutôt qu'un concurrent direct. Le document, publié en prépublication sur arXiv et non encore évalué par les pairs, ne mentionne aucun partenariat industriel ni date de mise en production : il s'agit pour l'instant d'un résultat de recherche restant à valider sur un éventail plus large de tâches et de plateformes avant toute adoption en environnement industriel.

Recherche❖Paper

1 source

36

3105arXiv cs.RO 

Gant robotique à impédance ultra-faible pour interaction physique transparente et à large bande passante

Un preprint publié le 11 août 2026 sur arXiv (2608.09198) décrit une nouvelle pince robotique baptisée DDD (Differential Direct-Drive), à trois doigts et 9 degrés de liberté. Plutôt que les transmissions à fort ratio classiques, elle combine des moteurs à entraînement direct et une transmission différentielle à faible ratio de 1:2, qui couple deux moteurs en parallèle pour amplifier le couple en flexion tout en centralisant leur masse à la base du mécanisme, ce qui limite l'inertie des doigts mobiles. Le prototype délivre une force de préhension nominale d'environ 18 N et 4,7 N en bout de doigt, pour une contribution des moteurs à l'inertie totale du système de seulement 0,236% et une impédance mécanique passive maximale de 50,1 N/m lorsque les moteurs sont hors tension. Ce résultat s'attaque à un compromis classique des mains robotiques : les forts ratios de réduction nécessaires pour générer du couple augmentent la friction et l'inertie réfléchie, ce qui dégrade la transparence mécanique et impose l'ajout de capteurs de force externes pour percevoir le contact. En abaissant l'impédance passive tout en conservant une force de préhension exploitable, la DDD ouvre la voie à une estimation de force proprioceptive sans capteur tactile dédié, un point qui intéresse directement les intégrateurs cherchant à simplifier le câblage et réduire le coût des mains dextres, ainsi que les concepteurs de systèmes de téléopération ou d'interaction physique humain-robot à haute bande passante. L'approche prolonge les travaux sur l'entraînement direct, déjà utilisés dans les actionneurs de jambes de robots quadrupèdes et humanoïdes pour leur rétro-entraînabilité, mais rarement transposés aux mains faute de couple suffisant dans un faible encombrement. Il s'agit ici d'un prototype de laboratoire présenté dans un preprint arXiv, sans entreprise, site de déploiement ni calendrier de commercialisation associés : une contribution de recherche fondamentale, non un produit livré. Les auteurs la présentent comme une brique matérielle pour de futures mains capables d'interaction physique à haute bande passante, un prérequis pour la manipulation dextre couplée à des modèles de commande vision-langage-action, sans citer de système concurrent dans cette publication.

Recherche❖Paper

1 source

36

3106arXiv cs.RO 

Reconfiguration d'un robot à chenilles pour un franchissement d'obstacles amélioré grâce à un point d'articulation mobile et un déplacement de masse interne

Des chercheurs présentent TRASER (Tracked Robot with Articulated Spine for Extended Reach), un robot a chenilles reconfigurable dont le point d'articulation et la masse interne peuvent tous deux être déplacés pour améliorer le franchissement d'obstacles. Le système repose sur un mécanisme "tape-spring" qui concentre la flexibilité dans la zone de flexion tout en gardant le reste du corps rigide, ce qui accroit la portée avant du robot et sa capacité a déplacer son centre de masse. Decrits dans un preprint publie sur arXiv (2608.07624v1), les essais montrent un franchissement de marches équivalent a 74% de la longueur du corps, une traversée de plateforme suspendue a 66%, et un franchissement de fosse a 59%, ce que les auteurs présentent comme la meilleure performance de franchissement jamais rapportée pour un robot a chenilles. Les robots a chenilles sont largement employés en environnements non structures (inspection, déblaiement, intervention post-catastrophe), mais leur conception bute traditionnellement sur un compromis: augmenter la portée avant pour atteindre des obstacles éloignés fragilise la stabilité, et inversement. En rendant reconfigurables a la fois l'articulation et la répartition de masse, TRASER cherche a lever ce compromis par la mécanique plutôt que par le seul contrôle logiciel, une piste utile pour les intégrateurs concevant des plateformes destinées aux terrains accidentes. Ces chiffres restent toutefois issus de tests en laboratoire sur un prototype, et la revendication de "meilleure performance jamais rapportée" n'est pas vérifiée par un tiers ni éprouvée en déploiement réel. Le compromis portée/stabilité est un problème classique en robotique a chenilles: les "flippers" articules a l'avant améliorent le franchissement mais accroissent le risque de basculement, tandis que déplacer le poids vers l'arrière stabilise la plateforme au prix de la portée utile. TRASER combine ces deux leviers, articulation mobile et masse déplaçable, dans un seul mécanisme structurel plutôt que de les traiter séparément. L'article, publie comme nouvelle soumission arXiv, ne mentionne ni entreprise partenaire ni site de déploiement: il s'agit d'une contribution académique a un stade de prototype, dont l'intégration éventuelle dans des plateformes commerciales d'inspection ou de secours reste, pour l'instant, hypothétique.

Recherche❖Paper

1 source

36

3107arXiv cs.RO 

VANE : entraînement fiable en temps de test pour les modèles vision-langage-action par prédiction visuelle future

Des chercheurs publient VANE (arXiv:2608.09448, soumis en aout 2026), une méthode de test-time training (TTT) pour les modèles vision-langage-action (VLA) utilises en manipulation robotique en boucle fermée. Le problème cible: l'adaptation en ligne classique mélange dans un espace de correction unique des ajustements incompatibles entre taches, et modifie les actions suivantes du robot avant même de savoir si la correction précédente était pertinente. VANE conditionne l'adaptation du prompt sur le contexte visuel et langagier courant, puis apprend a partir des conséquences visuelles futures des actions exécutées: les mises a jour candidates sont isolées de la politique active, évaluées sur les observations suivantes, et validées uniquement si les preuves futures les confirment, ce qui rend l'adaptation sélective et réversible. Sur le benchmark SimplerEnv WidowX, VANE améliore le taux de succès moyen de 3,2 points de pourcentage par rapport a la baseline TTT standard. Sur Google Robot en revanche, les gains obtenus au moment du déploiement restent dépendants de la tache et de l'embodiment (le type de robot), signe que la méthode ne généralisé pas uniformément. Pour les intégrateurs et laboratoires qui déploient des politiques VLA en production, ce travail s'attaque a un angle mort connu mais rarement traite proprement: l'adaptation test-time non supervisée peut dégrader silencieusement une politique déjà entraînée, en particulier en manipulation robotique ou une erreur d'action n'est visible qu'après coup. En rendant chaque mise a jour réversible et conditionnée a une preuve visuelle future, VANE propose une alternative aux méthodes TTT qui appliquent les corrections immédiatement et sans garde-fou. Le résultat mitige sur Google Robot est tout aussi instructif que le gain sur WidowX: il confirme que les bénéfices de l'adaptation en ligne ne sont pas garantis d'un robot a l'autre, et que le TTT reste une piste a valider embodiment par embodiment plutôt qu'une solution universelle, un rappel utile face aux discours présentant l'adaptation en temps réel comme un problème déjà résolu pour les VLA. VANE s'inscrit dans la lignée des travaux récents sur le test-time training applique aux politiques VLA de type RT-2, OpenVLA, Pi-0 ou GR00T, qui cherchent a corriger les policies au moment du déploiement sans reentrainement complet. Sa contribution spécifique est de traiter l'adaptation comme un processus a vérifier avant validation plutôt que comme une mise a jour immédiate, une approche qui rejoint les efforts plus larges du secteur pour fiabiliser le passage de la simulation au déploiement réel. Les auteurs testent leur méthode sur deux bancs d'essai standards, SimplerEnv WidowX et Google Robot, mais les résultats contrastes sur ce second environnement suggèrent qu'une validation plus large, sur d'autres plateformes et taches de manipulation, sera nécessaire avant d'envisager une adoption industrielle.

IA physique⚡Actu

1 source

36

3108arXiv cs.RO 

You Don't Restez Pas dans la Boucle : une Boucle Robotique à Base d'Agents pour Améliorer les Politiques Robotiques

Un article de recherche publié sur arXiv (arXiv:2608.07555v1, intitulé "You Don't Need To Stay in The Loop: An Agentic Robotics Loop for Robot-Policy Improvement") présente AgenticRobotics, une architecture de contrôle indépendante du backend pour automatiser l'amélioration des politiques robotiques. Le système transpose à la robotique l'architecture des agents de codage type Claude Code ou Codex, où un agent principal pilote la boucle pendant que des sous-agents exécutent les tâches via des outils. Ici, un contrôleur LLM dirige des workers jetables à travers des transactions entraîner-évaluer-améliorer, avec cinq briques: un objectif immuable, une mesure détenue par le contrôleur, une récupération après crash indexée par commit, une bibliothèque de compétences graduée par preuves, et un registre d'outils à surface d'appel standardisée et enregistrée. Sur la lignée testée par les auteurs, le taux de fausse promotion tombe à 0,001 par run en version durcie contre 0,005 à 0,021 en version de base, les décisions restent valides à tout moment sous arrêt optionnel, aucun effet n'est perdu ou dupliqué sous injection de pannes, et un vérificateur signé détecte les six classes de falsification d'artefacts testées. Le point de départ est que les outils robotiques (politiques entraînées, pipelines d'entraînement, collecte de données) échouent régulièrement, contrairement aux outils logiciels des agents de codage: AgenticRobotics mesure donc et enregistre la qualité de chaque outil à chaque appel, et l'expire dès que l'artefact sous-jacent change. Les auteurs précisent que le titre est une revendication opérationnelle et non une revendication de performance: l'opérateur humain peut quitter la boucle parce que la promotion des candidats est conditionnée à des preuves et que l'état du système est récupérable, pas parce que la boucle sélectionne de meilleurs checkpoints qu'un humain. Sur la lignée testée, ce n'est d'ailleurs pas le cas. Pour les intégrateurs et responsables R&D en robotique, l'intérêt n'est donc pas un gain de performance des politiques mais une réduction mesurable du risque opérationnel lors de cycles d'amélioration continue à grande échelle, une distinction utile face aux discours qui assimilent automatisation de la supervision et automatisation de la décision de qualité. Le travail prolonge explicitement les architectures d'agents de codage popularisées par Claude Code (Anthropic) et Codex (OpenAI), adaptées ici au contexte des politiques robotiques apprenantes, où les pipelines d'entraînement produisent des artefacts instables et coûteux à valider. En présentant AgenticRobotics comme un plan de contrôle indépendant du backend, les auteurs visent une architecture générique plutôt que liée à un fournisseur ou une pile logicielle unique. L'article ne mentionne ni déploiement industriel ni partenariat commercial: il s'agit d'une contribution de recherche évaluée sur une seule lignée expérimentale de politique, ce qui limite pour l'instant la portée des résultats. Les suites logiques, non détaillées dans cette publication, porteraient sur l'extension à davantage de lignées de politiques et de backends robotiques afin de confirmer la généralité des garanties de sécurité et de traçabilité mises en avant.

Recherche❖Paper

1 source

36

3109arXiv cs.RO 

SAIN : navigation interactive tenant compte de la structure et ancrée dans le dialogue actif pour robot mobile

Des chercheurs ont publie en aout 2026 sur arXiv (2608.09196v1) SAIN (Structure-Aware Interactive Navigation), un framework permettant a un robot mobile de dialoguer avec un humain pour lever l'ambiguïté d'une instruction. La tache visée, l'Interactive Instance Goal Navigation, demande au robot de retrouver un objet précis derrière une consigne de catégorie, par exemple "la tasse" parmi plusieurs tasses. Plutot que de traiter les réponses obtenues comme un indice textuel jetable, SAIN les convertit en état persistant reparti dans quatre mémoires structurées (valeur, pièce, graphe, objet), exploitées par une politique unique pour explorer et approcher la cible. Sur le benchmark VL-LN IIGN, SAIN fait passer le taux de succès de 20,2 a 25,4 et le SPL de 13,07 a 14,17 face a la meilleure base dialoguée publiée, sans entrainement spécifique a la tache. Pour les équipes de navigation vision-langage et de robots de service, ce résultat esquisse une piste pour combler l'écart entre instructions humaines vagues et des benchmarks qui supposent des consignes complètes, en transformant le dialogue en état spatial structure plutôt qu'en contexte textuel jetable, ce qui évite un reentrainement couteux par tache. Le gain reste toutefois mesure (environ cinq points de SR, un point de SPL), obtenu sur un seul benchmark face a une seule base de comparaison, ce qui invite a la prudence avant d'extrapoler a des environnements réels non contrôles. Il s'agit d'une contribution de recherche publiée sur arXiv et non d'un produit déployé: l'article ne mentionne ni partenaire robotique ni mise en production. Le problème du dialogue actif en navigation s'inscrit dans la continuité des travaux de navigation vision-langage, qui visent a gérer le langage naturel impreci des humains; les méthodes dialoguées antérieures se limitaient a exploiter les réponses comme indices ponctuels sans mémoire persistante, ce qui dégradait leurs performances sur des trajets longs. SAIN se positionne comme une alternative zero-shot misant sur la structuration de la mémoire plutôt que sur un apprentissage supplémentaire. L'article ne fournit ni calendrier de suite ni partenariat industriel ni portage vers un robot physique au-delà des simulations du benchmark VL-LN IIGN.

Recherche❖Paper

1 source

35

3110arXiv cs.RO 

Un embout doigt anthropomimétique à rigidité mixte élargit la plage de préhension des pièces de monnaie

Une étude publiée sur arXiv en août 2026 (arXiv:2608.07887v1) présente un embout de doigt robotique anthropomimétique à rigidité mixte pour saisir des pièces de monnaie posées à plat sur une surface dure. Les chercheurs ont fabriqué des embouts en silicone au centre souple (Shore E10) et aux bords plus fermes (Shore A60), comparés à des embouts uniformément souples en E10. Un dispositif automatisé réalisait une prise oblique où le coussinet accroche la tranche de la pièce pour la soulever sans espace dessous. En variant la distance d'approche, le déplacement vertical et la rotation du doigt, la paire mixte a réussi sur davantage de configurations que la paire uniforme, qui a échoué dans les 36 conditions sans ongle rigide de l'expérience 1-1. Après réglage selon la taille, les deux embouts ont saisi les six dénominations de monnaie japonaise. Ce résultat s'attaque à un problème concret pour les intégrateurs : manipuler des objets fins comme des pièces, cartes ou puces électroniques sans accès au dessous ni mécanisme mécanique dédié. Il montre que la rigidité peut être répartie à l'intérieur même du coussinet, en complément d'un ongle rigide, pour élargir la plage de conditions où la prise réussit, plutôt que de miser uniquement sur la douceur globale du matériau. Le compromis observé, la paire uniforme restant meilleure sur certaines variations de position de la pièce, rappelle qu'aucune configuration ne domine partout et que le calibrage doit rester spécifique à la tâche visée. Ce travail prolonge des recherches antérieures des mêmes auteurs, qui avaient montré qu'un ongle rigide bloque la déformation du coussinet souple et crée une contrainte géométrique favorable à la prise de précision. La question posée ici était de savoir si une seconde frontière de rigidité, créée par le choix du matériau plutôt que par une pièce anatomique ajoutée, pouvait étendre les conditions où cette contrainte tient. Les auteurs présentent le placement de la rigidité comme une nouvelle variable de conception pour les doigts robotiques anthropomimétiques, à distinguer des approches d'apprentissage qui dominent la recherche actuelle en manipulation. Aucun calendrier de déploiement industriel n'est mentionné, l'étude restant une validation de laboratoire.

Recherche❖Paper

1 source

35

3111arXiv cs.RO 

SG-WAM : guidage sémantique ancré au texte et conscient de l'espace pour les modèles monde-action

Un article de recherche publié sur arXiv (référence 2608.08839, avril... plutôt août 2026) présente SG-WAM, une méthode de guidage sémantique pour les modèles dits "World-Action Models" (WAM), une famille d'architectures utilisées en manipulation robotique qui prédisent à la fois une vidéo future de la scène et les actions du robot à partir d'une observation visuelle et d'une instruction en langage naturel. Le constat de départ des auteurs est que la plupart des WAM existants s'appuient surtout sur l'image et peu sur le texte, car les encodeurs de texte classiques traitent l'instruction indépendamment de ce que voit le robot. Résultat, la vidéo prédite s'écarte souvent du sens réel de la consigne, ce qui dégrade la précision des actions calculées. Pour corriger cela, SG-WAM ajoute un planificateur basé sur un modèle vision-langage (VLM), entraîné à produire deux types de prévisions sémantiques: une prévision "ancrée dans le texte", qui identifie les bons objets cibles mentionnés dans l'instruction, et une prévision "consciente de l'espace", qui restitue la géométrie de la scène pour une manipulation précise. Ces prévisions sont injectées comme guidage de haut niveau dans le WAM, pour aligner génération vidéo et prédiction d'action sur l'instruction donnée. Les auteurs rapportent des expériences en simulation et en conditions réelles. Sur le fond, ce travail s'attaque à un point de friction classique des architectures VLA et WAM: la tendance des modèles à bien fonctionner en démonstration contrôlée mais à perdre l'instruction de vue dès que la scène contient plusieurs objets similaires ou une ambiguïté spatiale. Pour les équipes qui évaluent des piles de manipulation robotique en entrepôt ou en usine, ce type de contribution touche directement la fiabilité du suivi d'instruction, un critère souvent plus déterminant que la vitesse d'exécution pour la mise en production. Il s'agit toutefois d'une publication académique, testée sur des protocoles expérimentaux et non d'un produit commercialisé ni d'un déploiement industriel chiffré. Le papier s'inscrit dans la lignée des travaux qui cherchent à combler l'écart entre modèles purement vision-action et modèles de "monde" capables d'anticiper les conséquences physiques d'une action avant de l'exécuter. L'abstract ne précise ni les benchmarks utilisés, ni de calendrier de mise à disposition du code, ni de partenariat industriel.

Recherche❖Paper

1 source

35

3112arXiv cs.RO 

AdaDexGrasp : préhension dextérique adaptative par fusion de représentations visuo-tactiles 3D

Un nouveau système de préhension robotique baptisé AdaDexGrasp vient d'être publié sur arXiv (référence 2608.07600) en août 2026. Le framework vise à rapprocher les mains robotiques dextres du niveau d'adaptabilité humain en fusionnant vision et toucher : les signaux tactiles de chaque doigt sont associés à son identité propre et combinés à la géométrie 3D de l'objet saisi, formant une représentation unique dite visuo-tactile. Cette représentation alimente trois briques : génération de poses de préhension tenant compte du contact dès la planification, prédiction de faisabilité, puis ajustement dynamique de la prise une fois le contact établi. Les auteurs disent avoir testé l'approche en simulation et sur robot réel, avec une amélioration du taux de réussite et de la généralisation à des objets variés. Le résumé publié ne fournit toutefois ni chiffre précis de taux de succès, ni nombre de degrés de liberté de la main utilisée, ni comparaison chiffrée avec des méthodes existantes, des détails qui restent à vérifier dans l'article complet. Le sujet touche un angle mort connu de la préhension robotique dextre : la plupart des pipelines actuels planifient une prise à partir d'images puis exécutent sans réellement corriger après le contact, ce qui dégrade la robustesse face aux objets fragiles, déformables ou mal localisés par la seule vision. Un mécanisme de rétroaction tactile post-contact qui tiendrait ses promesses hors laboratoire intéresserait directement les intégrateurs travaillant sur le bin-picking, l'assemblage fin ou les mains de robots humanoïdes, domaines où l'échec de préhension reste un goulot d'étranglement malgré les progrès des modèles vision-langage-action. Cette recherche s'inscrit dans une tendance plus large de fusion visuo-tactile en manipulation robotique, portée depuis plusieurs années par des capteurs comme GelSight ou DIGIT et par des jeux de données de préhension dextre type DexGraspNet. AdaDexGrasp reste à ce stade une contribution académique en pré-publication, non revue par les pairs, sans partenariat industriel ni déploiement annoncé. Sa validation indépendante sur du matériel commercial constituera la prochaine étape à surveiller.

Recherche❖Paper

1 source

35

3113arXiv cs.RO 

Calib3R : calibration main-œil et reconstruction 3D à l'échelle métrique avec des modèles fondation 3D

Le laboratoire de recherche a présenté Calib3R, une méthode conjointe de calibration main-œil et de reconstruction 3D métrique pour bras robotiques équipés de caméras RGB. Contrairement aux techniques traditionnelles qui exigent des mires de calibration physiques, Calib3R fonctionne sans motif imprimé : elle s'appuie sur un modèle de fondation 3D pour extraire des pointmaps directement à partir d'images RGB, combinées aux poses articulaires du robot afin de reconstruire une scène 3D à l'échelle métrique, alignée sur le référentiel de la base du robot. Le système gère aussi bien les configurations mono-caméra que multi-caméras, un cas généralement plus complexe car il impose d'exprimer les données dans un référentiel commun. Selon les auteurs, des expériences menées sur plusieurs jeux de données montrent que Calib3R atteint une calibration précise avec moins de dix images, surpassant à la fois les méthodes sans mire et les méthodes classiques avec mire. Le papier, disponible sur arXiv (2509.08813v2), correspond à une version révisée d'un article déjà annoncé précédemment. Pour l'industrie robotique, cette approche répond à un goulot d'étranglement concret de l'intégration : aujourd'hui, calibrer un bras robotique et reconstruire son environnement en 3D restent deux étapes distinctes, chacune exigeant du matériel dédié (mires, cibles) et une expertise spécifique, ce qui ralentit le déploiement de systèmes de manipulation guidés par la vision. En unifiant les deux tâches dans une seule optimisation géométrique, et en réduisant drastiquement le nombre d'images nécessaires, Calib3R pourrait simplifier la mise en service de cellules robotiques pour des intégrateurs qui n'ont pas de laboratoire de métrologie dédié. C'est aussi un signal parmi d'autres que les modèles de fondation 3D, initialement développés pour la vision générale, commencent à s'infiltrer dans les briques d'infrastructure robotique les plus techniques, au-delà des usages de perception ou de planification de trajectoire déjà démontrés. Cette publication s'inscrit dans la lignée des travaux récents exploitant les modèles de fondation 3D (type reconstruction dense à partir d'images non calibrées) pour résoudre des problèmes classiques de robotique autrement dépendants de capteurs ou de mires physiques. Elle se positionne face aux méthodes de calibration patternless existantes et aux approches par mire encore largement utilisées en production. L'article ne précise pas d'implémentation matérielle commerciale ni de partenaire industriel : il s'agit à ce stade d'une contribution de recherche évaluée sur jeux de données, sans indication de déploiement pilote ou d'intégration produit annoncée.

Recherche❖Paper

1 source

35

3114arXiv cs.RO 

Vid2WAM : distiller les a priori de diffusion vidéo en modèles d'action du monde

Vid2WAM est un nouveau framework de distillation hors ligne pour l'apprentissage de politiques robotiques, décrit dans un preprint publie sur arXiv (arXiv:2608.08558v1). La méthode s'attaque a une limite connue des World Action Models (WAM), ces modèles qui prédisent conjointement la dynamique visuelle future et les actions d'un robot : leur dépendance a des démonstrations expertes couteuses a collecter, qui freine leur passage a l'échelle. Vid2WAM transféré les priors de diffusion vidéo d'un grand modèle fondation vidéo vers un WAM élevé compact, via deux canaux complémentaires. Le premier utilise des projections vidéo futures conditionnées par la tache pour superviser directement la branche de prédiction du modèle élevé. Le second passe par un modèle de dynamique inverse qui reconstruit des pseudo-actions spécifiques a l'embodiment du robot, utilisées pour l'apprentissage de la politique d'action. Une technique nommée "source-aware residual action adaptation" apprend des corrections propres a chaque source de supervision, synthétique ou réelle, autour d'un socle d'action partage, ce qui limite les interférences liées au bruit des pseudo-actions. A l'inférence, le modèle de diffusion vidéo enseignant et le modèle de dynamique inverse sont abandonnes : seul le WAM compact reste déployé, pour un traitement a faible latence. Les auteurs rapportent des expériences en simulation et sur robot réel. Cette approche cible directement le goulot d'étranglement central des modèles VLA (vision-language-action) et des WAM : la rareté des données de démonstration expertes spécifiques a la tache cible. En s'appuyant sur des priors appris a partir de vidéo générique plutôt que sur des trajectoires robot annotées, Vid2WAM cherche a découpler la généralisation a de nouvelles taches du volume de téléopération collecte, un enjeu central pour tout intégrateur voulant déployer un bras ou un humanoïde sur une nouvelle tache sans campagne de collecte couteuse. Jeter le modèle enseignant et le modèle de dynamique inverse a l'inférence est notable : cela vise une politique légère et rapide, condition nécessaire pour du contrôle temps réel, la ou de nombreuses approches VLA a grande échelle restent limitées par la latence. Ce travail s'inscrit dans la lignée des World Action Models et politiques VLA qui, comme GR00T N2 de NVIDIA, Pi-0 de Physical Intelligence ou Helix de Figure, exploitent des données vidéo ou multimodales a grande échelle pour réduire la dépendance a la téléopération. Contrairement a ces systèmes déjà testes chez des clients, Vid2WAM reste au stade de preprint de recherche : aucune institution n'est citée dans le résume, aucun partenariat industriel ni déploiement pilote n'est mentionne, et les chiffres de performance restent a vérifier via une publication complète ou une revue par les pairs. La suite logique serait une évaluation sur des benchmarks standardises et un passage a des modèles fondation vidéo plus grands pour tester les limites de la méthode.

IA physique❧Opinion

1 source

34

3115arXiv cs.RO 

Learning et interaction physique : une revue de l'apprentissage robotique tactile et sensible à la force

Une équipe de chercheurs publie sur arXiv (identifiant 2608.07558v1) une étude de synthèse consacrée à l'apprentissage robotique sensible au toucher et à la force dans les tâches de manipulation en contact. Plutôt que de présenter un nouveau robot ou un nouveau modèle, le papier propose un cadre baptisé TF-ART (Tactile/Force-Aware Robot learning Taxonomy), une classification unifiée des méthodes existantes qui combinent capteurs de force, retour tactile, vision, langage et proprioception au sein de politiques de manipulation apprises. La taxonomie décrit comment ces systèmes organisent les modalités de perception, encodent et fusionnent des signaux sensoriels hétérogènes, puis génèrent et affinent les actions selon des architectures multi-phases articulant une politique de haut niveau, des modules de raffinement d'action et des contrôleurs bas niveau chargés du pilotage réactif de l'effecteur. L'intérêt de ce travail pour les intégrateurs et les équipes de R&D en manipulation robotique tient à un vide méthodologique qu'il comble explicitement: aucune revue existante n'avait jusqu'ici croisé la fusion multimodale force/tactile/vision/langage avec l'analyse des architectures multi-phases. Cette mise en ordre touche un débat central du secteur, celui de savoir si les architectures vision-langage-action (VLA) génériques suffisent pour la manipulation en contact ou si des boucles dédiées de régulation de force restent nécessaires pour des tâches où l'exécution dépend autant du contrôle des efforts que de la perception visuelle. En structurant les approches publiées dans une hiérarchie commune, TF-ART fournit un référentiel comparatif utile pour repérer où les pipelines actuels sont robustes et où ils restent fragiles, notamment sur la fusion tactile-force plutôt que sur la seule perception visuelle. Le travail s'inscrit dans la dynamique récente des politiques de manipulation apprises qui intègrent de plus en plus de modalités sensorielles au-delà de la caméra, un mouvement porté par la multiplication des architectures multi-phases séparant compréhension sémantique de la tâche et exécution physique réactive. Au-delà du seul recensement méthodologique, les auteurs examinent également les configurations de tâches et les exigences d'infrastructure, capteurs, bancs d'essai, matériel de contrôle, nécessaires à la manipulation physique réelle, reliant ainsi perspective algorithmique et contraintes pratiques de déploiement. Le survey ne cite pas de calendrier de suivi ni d'implémentation industrielle précise, son apport étant avant tout de structurer un champ de recherche en pleine expansion pour orienter les travaux futurs.

Recherche❖Paper

1 source

34

3116arXiv cs.RO 

Planification de trajectoire sans enchevêtrement pour robots mobiles attachés avec câble détendu

Un article de recherche publié sur arXiv le 11 août 2026 (référence 2608.09860v1, catégorie "new") présente un algorithme de planification de trajectoire pour robots mobiles reliés par un câble souple ("tethered mobile robots"), conçu pour éviter l'enchevêtrement du câble lorsque celui-ci est détendu, c'est-à-dire lorsque sa forme dépend non seulement de la géométrie de l'environnement mais aussi de sa propre dynamique, de la trajectoire du robot et de forces extérieures. La méthode repose sur un pipeline en trois étapes: construction d'un modèle topologique de l'espace de configuration sans enchevêtrement, génération d'un ensemble de trajectoires candidates à partir de ce modèle, puis calcul d'une trajectoire dynamiquement réalisable via un problème de génération de trajectoire contraint par homotopie. Le système a été testé uniquement en simulation, dans un environnement avec obstacles statiques, où les auteurs montrent que l'algorithme évite les violations des contraintes d'enchevêlement par rapport à des approches ne prenant pas en compte cet aspect dès la phase de planification. Pour les intégrateurs travaillant sur des robots filaires (inspection en espaces confinés, robotique sous-marine, robots d'alimentation électrique par câble dans des zones sans couverture sans fil fiable), ce travail comble un manque réel: la plupart des méthodes existantes supposent un câble tendu ou ne modélisent l'enchevêtrement que de façon géométrique, ignorant la dynamique du câble lui-même. Un enchevêtrement non anticipé peut immobiliser un robot ou endommager le câble, un risque coûteux en environnement industriel. Cette approche promet donc une meilleure fiabilité opérationnelle, à condition d'être validée au-delà de la simulation: aucune expérimentation sur robot réel n'est rapportée, et les forces exogènes, le frottement ou l'élasticité réelle du câble restent des inconnues à vérifier en conditions physiques. Le papier s'inscrit dans la lignée des recherches en planification de mouvement par classes d'homotopie, en étendant les modèles d'enchevêtrement classiques, généralement limités à des câbles tendus ou à des considérations purement géométriques, à un cadre dynamique plus réaliste. Aucun laboratoire, université ou entreprise n'est nommément associé dans le résumé disponible, et les prochaines étapes annoncées porteraient logiquement sur des essais avec obstacles dynamiques et une validation matérielle.

Recherche❖Paper

1 source

34

3117arXiv cs.RO 

Collaboration drone-robot terrestre pour la navigation autonome en terrain enneigé

Un preprint arXiv (2608.07797, mis en ligne début aout 2026) décrit un système de navigation collaborative associant un drone et un robot terrestre pour circuler en terrain enneige d'altitude, la ou faible visibilité et sol instable mettent en échec les méthodes classiques. Le dispositif s'appuie sur une architecture U-Net allégée, taillée pour le temps réel sous contrainte de calcul embarque et entraînée via une augmentation de données synthétiques simulant la neige, atteignant 96,5% de précision en segmentation de route. Le drone se localise grâce a un filtre de Kalman étendu fusionnant GPS et IMU, avec une erreur maximale de ±0,5 mètre, tandis que le robot terrestre, sans localisation propre, est suivi par un pipeline YOLOv5 combine aux données de profondeur de sa camera RGB-D embarquée. Un planificateur de trajectoire dynamique contourne ensuite les congères détectées, avec une déviation minimale observée lors des tests. L'approche illustre une tendance de la robotique de terrain: confier a un drone la perception que le robot au sol ne peut assurer seul, utile quand la neige efface les repères visuels et fausse l'odométrie des roues ou chenilles. Pour les intégrateurs déployant des UGV en montagne, en logistique hivernale ou en recherche et sauvetage, cette coordination air-sol permet d'éviter d'équiper chaque robot terrestre d'une suite de capteurs couteuse. Elle confirme aussi que la segmentation sémantique par vision reste exploitable sous contrainte de calcul embarque stricte, un enjeu clé pour déployer des flottes multi-robots a cout maitrise plutôt que des plateformes suréquipées. Le travail s'inscrit dans un courant de recherche plus large sur la coopération UAV-UGV, déjà explore pour des usages militaires ou de secours en montagne, mais rarement valide spécifiquement en conditions neigeuses. Il s'agit d'un preprint non encore revu par les pairs: les 96,5% de précision et la déviation minimale annoncée reposent sur un seul environnement de test contrôle, sans précision sur sa durée, son échelle ou les conditions météorologiques réellement rencontrées. Les auteurs ne mentionnent ni partenaire industriel ni calendrier de déploiement; la suite logique serait une validation en conditions réelles, sur plusieurs sites et avec des chutes de neige actives plutôt qu'un sol déjà enneige mais statique.

Recherche❖Paper

1 source

33

3118arXiv cs.RO 

Planification hiérarchique et contrôle des systèmes véhicule-manipulateur sous-marins en environnements confinés

Un article publié le 11 août 2026 sur arXiv (référence 2608.08871v1) présente MANTA, un cadre hiérarchique en trois couches pour la planification et le contrôle de systèmes véhicule-manipulateur sous-marins (UVMS) dans des environnements confinés et partiellement connus, comme des grottes, tubes ou structures subsea encombrées. La première couche identifie des corridors de passage praticables dans un espace de base réduit ; la deuxième optimise conjointement le mouvement du véhicule porteur et la trajectoire du bras pour produire une trajectoire combinée sans collision ; la troisième apprend, via l'algorithme MC-PILCO d'apprentissage par renforcement basé sur un modèle à processus gaussien, une politique de maintien de position pour le suivi de trajectoire et le maintien au poste. Le système détecte les changements de carte en cours d'exécution et déclenche une reprise ou une réparation d'itinéraire si le corridor choisi devient infaisable. Sur 120 requêtes de planification appariées, MANTA obtient un taux de réussite supérieur aux méthodes de référence par échantillonnage à état complet, avec des marges de dégagement plus larges, un mouvement de bras réduit, et des erreurs de suivi de position et de lacet plus faibles, y compris sur des trajectoires tubulaires inédites. Ce résultat s'attaque à un verrou concret de l'intervention sous-marine autonome : coupler la navigabilité d'un espace étroit à la faisabilité de manipulation, deux contraintes que les planificateurs existants traitent généralement de façon séparée. Pour les intégrateurs de robotique subsea, chargés d'inspection de pipelines ou de cartographie de grottes noyées, l'intérêt tient surtout à la frugalité en données réelles du module d'apprentissage, capable de produire une politique de contrôle robuste avec peu d'essais physiques, un atout décisif quand chaque test en mer est coûteux et risqué. Les comparaisons publiées portent toutefois sur des méthodes de planification académiques et des essais en environnement contrôlé, pas sur un produit commercial ni un déploiement en mer ouverte. Le travail s'inscrit dans la recherche en planification hiérarchique pour UVMS, un domaine où le couplage entre navigation confinée et manipulation limite depuis longtemps l'autonomie réelle des robots face aux grottes noyées ou aux conduites industrielles. La publication ne mentionne ni partenaire industriel, ni site de déploiement, ni acteur commercial concurrent : il s'agit d'une contribution académique en prépublication, sans calendrier de test en conditions réelles annoncé. Les auteurs présentent MANTA comme une base structurée et économe en données pour de futurs travaux sur l'intervention sous-marine sécurisée dans des environnements confinés et encombrés.

Recherche❖Paper

1 source

30

3119arXiv cs.RO 

Knowledge-Distilled Learning Renforce le Contrôle de Poussée 6-DOF et l'Adaptation aux Courants Marins pour les ROV

Des chercheurs présentent TSRCA-PPO (thrust smoothness rapid current adaptation proximal policy optimization), une méthode d'apprentissage par renforcement de bout en bout pour piloter les véhicules sous-marins téléopérés (ROV) sur leurs 6 degrés de liberté, publiée sur arXiv le 11 août 2026 (arXiv:2608.08598). Le système repose sur un framework de distillation en deux étapes, combinant une fonction de récompense spécifiquement conçue et une architecture multi-encodeurs dite "privilégiée". En simulation, la méthode est comparée à un contrôleur cascadé P-PID, référence classique du secteur. Les résultats annoncés montrent une erreur de position en régime permanent ramenée à 42,7% de la valeur P-PID, une erreur d'attitude à 76,5%, un temps de stabilisation à 10,6%, un indice énergétique à 93,5%, et un indice de lissage de poussée à 15,9%. Des études d'ablation confirment la contribution de chaque module à ces gains. Pour l'industrie offshore et sous-marine (inspection de pipelines, maintenance de parcs éoliens en mer, opérations pétrolières et gazières), la stabilité de trajectoire sous courants marins reste un verrou opérationnel : un ROV mal contrôlé consomme plus d'énergie, use prématurément ses propulseurs et perd en précision de manipulation. Ce travail illustre la bascule progressive des architectures de contrôle sous-marin, du PID cascadé réglé manuellement vers des politiques apprises de bout en bout capables de s'adapter en temps réel aux perturbations hydrodynamiques. Le résultat notable est le compromis simultané entre précision, réponse rapide, sobriété énergétique et douceur de commande, des objectifs souvent antagonistes dans les architectures RL classiques. Ces gains restent toutefois exclusivement issus de simulation : l'écart habituel entre simulation et conditions réelles (bruit de capteurs, dynamique hydrodynamique non modélisée, latence) n'est pas encore documenté pour cette méthode. L'apprentissage par renforcement de bout en bout pour le contrôle de ROV s'est développé avec la montée en puissance de calcul disponible, en alternative aux boucles de contrôle cascadées classiques, jugées peu réactives face aux courants océaniques changeants. TSRCA-PPO se positionne face à ces contrôleurs P-PID conventionnels ainsi qu'aux approches RL existantes, jugées insuffisantes pour concilier simultanément précision, rapidité, énergie et lissage des commandes sous perturbation. L'étude reste au stade de simulation, sans essai en bassin, en mer, ni partenariat industriel annoncé. La suite logique pour ce type de recherche académique est une validation expérimentale sur plateforme ROV réelle avant tout transfert vers des opérateurs commerciaux du secteur sous-marin.

Recherche❖Paper

1 source

29

3120arXiv cs.RO 

Contrôle interactif multimodal d'un bras robotique par modèles de langage embarqués hors ligne

Des chercheurs présentent "Socratic Models-ChatGLM", un système de contrôle interactif multimodal pour bras robotique reposant sur un grand modèle de langage (LLM) hébergé en local plutôt que via une API cloud payante comme ChatGPT. Décrit dans un article arXiv (2608.08183v1) publié en août 2026, il associe ChatGLM, un LLM open source, à la plateforme de simulation physique PyBullet pour piloter un bras robotique virtuel à partir d'instructions textuelles combinées à des données visuelles, sur des tâches de manipulation multi-étapes à horizon long. L'article ne fournit ni charge utile, ni degrés de liberté, ni temps de cycle, ni benchmark chiffré face à des approches concurrentes: les démonstrations restent cantonnées à la simulation, sans essai sur bras physique. L'argument des auteurs est autant économique que technique: les modèles propriétaires comme ChatGPT facturent chaque appel API, un coût récurrent difficile à justifier pour des applications robotiques embarquées ou des campagnes de recherche à grande échelle. En s'appuyant sur un LLM open source hébergé localement, l'équipe cherche à montrer qu'un contrôle robotique piloté par le langage peut fonctionner sans dépendance à un fournisseur cloud, avec un usage stable et gratuit. Pour les intégrateurs et laboratoires de robotique, ce travail alimente le débat sur la viabilité des architectures Vision-Language-Action hors des budgets des grands acteurs propriétaires comme Pi-0, GR00T N2 ou Helix, en misant sur l'autonomie plutôt que sur la performance de pointe. Le cadre "Socratic Models", introduit par des chercheurs de Google en 2022, fait collaborer plusieurs modèles pré-entraînés (vision, langage, robotique) via des échanges en langage naturel plutôt qu'un réentraînement conjoint. Cette déclinaison substitue au moteur de langage habituellement propriétaire ChatGLM, LLM open source développé par l'entreprise chinoise Zhipu AI avec l'université Tsinghua, et s'appuie sur PyBullet, moteur physique open source classique en recherche pour prototyper des politiques avant tout transfert vers du matériel réel. Les auteurs ne communiquent ni calendrier de transfert vers un bras physique ni partenariat industriel; l'article s'inscrit dans un courant académique visant à réduire la dépendance aux API commerciales pour le contrôle robotique par le langage, face à la montée des modèles VLA propriétaires.

Recherche❧Opinion

1 source

39

3121TechNode 

Au-delà de la mobilité : le GD01 d'Unitree marque une nouvelle phase de la bataille robotique chinoise

Après une première période dominée par les démonstrations de mobilité, Unitree Robotics a mis en scène en 2026 son robot GD01, apparu en couverture du magazine TIME aux côtés de son fondateur et PDG Wang Xingxing, sous le titre "The Big Robot Moment". La machine, haute d'environ 2,7 mètres et pesant près de 500 kilogrammes, se pilote depuis un cockpit intégré dans son torse et peut alterner entre une locomotion bipède et quadrupède. Ses deux poings sont présentés comme assez puissants pour défoncer un mur, et ses pieds sont reliés à une coque de protection en fibre de carbone via des charnières mécaniques renforcées. Unitree qualifie le GD01 de premier mécha habité produit en série au monde, une affirmation qui reste pour l'instant non étayée par des chiffres vérifiables: ni degrés de liberté, ni temps de cycle, ni prix, ni volumes de production ou calendrier de livraison n'ont été communiqués. Il s'agit donc à ce stade d'une vitrine technologique plutôt que d'un produit commercialisé ou déployé sur le terrain. L'intérêt du GD01 dépasse son aspect spectaculaire de robot de science-fiction. Il signale un basculement dans la compétition robotique chinoise: après des années où la mobilité seule (courir, sauter, danser) suffisait à démontrer un avantage technique, la bataille se déplace désormais vers la capacité réelle des machines à accomplir des tâches utiles dans des environnements non structurés. Pour les intégrateurs et décideurs industriels, ce positionnement mixte, ni robot industriel classique ni produit grand public, illustre la difficulté persistante à faire sortir la robotique humanoïde et quadrupède des démonstrations contrôlées pour l'amener vers des cas d'usage concrets comme les interventions en zone dangereuse, le secours d'urgence, l'inspection ou le transport. Le GD01 doit encore prouver qu'il peut opérer hors du cadre scénarisé d'une couverture de magazine. Ce lancement s'inscrit dans la trajectoire d'Unitree, connue jusqu'ici pour sa gamme de robots-chiens grand public Go, puis pour ses humanoïdes G1 et de la série H, construits sur une expertise reconnue en contrôle moteur. Il intervient alors que l'industrie chinoise de la robotique, après une première phase de croissance rapide marquée par des records de mobilité, voit affluer de nouveaux acteurs dans la course à l'intelligence incarnée, poussant chaque entreprise à démontrer non plus seulement des prouesses physiques mais une utilité opérationnelle en logistique, en fabrication ou en inspection. Aucun pilote commercial, partenaire industriel ni calendrier de déploiement n'a pour l'instant été annoncé pour le GD01, dont l'avenir dépendra de sa capacité à passer du statut de plateforme exploratoire à celui d'outil réellement opérationnel.

Chine/Asie❧Opinion

1 source

44

3122SCMP Tech 

L'engouement pour l'IPO d'Unitree laisse aux investisseurs particuliers chinois 1 chance sur 5 500

Unitree Robotics, fabricant de robots basé à Hangzhou connu pour ses robots quadrupèdes et ses humanoïdes, a lancé l'une des introductions en bourse technologiques les plus suivies de Chine. Lundi, près de 9,8 millions de comptes d'investisseurs particuliers se sont disputé les 9,7 millions d'actions mises en vente lors de la phase de souscription en ligne, selon les documents publiés en soirée par l'entreprise. Le taux d'allocation final n'a atteint que 0,018 %, soit environ un lot gagnant pour 5 500 demandes déposées, plaçant la grande majorité des petits investisseurs hors course tandis que les premiers soutiens financiers de la société s'apprêtent à réaliser une plus-value importante. Cet engouement démesuré illustre l'appétit spéculatif des marchés chinois pour les valeurs liées à la robotique humanoïde, secteur présenté comme stratégique par Pékin. Pour les acteurs industriels et les investisseurs institutionnels, ce niveau de sursouscription traduit moins une validation technique ou commerciale des produits Unitree qu'une ruée financière sur un thème porteur, dans un contexte où plusieurs sociétés chinoises de robotique cherchent à capitaliser sur la vague humanoïde avant que la traction commerciale réelle ne soit pleinement démontrée. Le contraste entre l'ampleur de la demande boursière et la maturité encore incertaine du marché des robots humanoïdes mérite d'être souligné plutôt que pris pour argent comptant. Fondée par Wang Xingxing, Unitree s'est fait connaître avec ses robots quadrupèdes puis ses humanoïdes bipèdes, dans un paysage chinois déjà peuplé de concurrents comme UBTech, coté à Hong Kong depuis fin 2024. Cette IPO s'inscrit dans une vague plus large d'entrées en bourse de fabricants de robots chinois, avec pour prochaine étape le début officiel des échanges de l'action, qui déterminera si l'engouement des souscripteurs se traduit en valorisation boursière durable.

Business⚡Actu

1 source

35

3123Robotics Business Review 

RoboStore lance Robo Inc. pour aider les organisations américaines à déployer des robots

RoboStore, distributeur nord-américain historique des robots humanoïdes et quadrupèdes chinois Unitree, a officiellement lancé Robo Inc., une nouvelle entité de fabrication et d'intégration robotique basée aux États-Unis. L'annonce intervient après un an en mode furtif et s'appuie sur l'expérience de RoboStore, qui a vendu et déployé plus de 1 500 robots humanoïdes et quadrupèdes auprès de 4 500 clients nord-américains, dont Harvard, le MIT, Amazon et NVIDIA. Basée à Plainview, dans l'État de New York, RoboStore reste le distributeur principal d'Unitree Robotics, dont le siège est à Hangzhou en Chine et qui a déposé la semaine dernière une demande d'introduction en bourse à Shanghai, visant une valorisation supérieure à 900 millions de dollars. Robo Inc. prévoit d'ouvrir une usine de production de 6 132 mètres carrés sur Long Island, avec une mise en service complète visée pour le premier trimestre 2027. La communauté de développeurs Roboverse, forte de plus de 4 000 membres, continuera d'exister sous l'ombrelle de Robo Inc., tout comme le support, les pièces détachées et les réparations pour le parc déjà installé. Ce lancement illustre une tendance de fond dans l'industrie robotique : la relocalisation de la production et de l'intégration face aux tensions commerciales croissantes entre les États-Unis et la Chine. À l'image des entreprises occidentales qui ont créé des filiales locales pour pénétrer le marché chinois, Robo Inc. pourrait préfigurer un mouvement inverse, des acteurs étrangers ou liés à des fournisseurs étrangers s'implantant aux États-Unis pour sécuriser leur accès à ce marché malgré les restrictions commerciales et les préoccupations de cybersécurité liées aux équipements chinois. Robo Inc. dit intégrer dès la conception des revues de flux de données, d'accès réseau et de contrôles logiciels pour répondre à ces inquiétudes. Sur le plan commercial, la société affiche une posture volontairement modeste face au discours souvent survendu du secteur humanoïde : elle affirme viser des déploiements concrets et immédiats sur des tâches spécifiques plutôt que la promesse d'un humanoïde généraliste capable de tout faire, et revendique une approche agnostique vis-à-vis du matériel, sélectionnant plateformes et composants selon les besoins de chaque application plutôt que de pousser une seule gamme de robots. Le positionnement de Robo Inc. répond directement aux retours clients accumulés par RoboStore ces dernières années : selon Teddy Haggerty, fondateur et PDG des deux entités, les acheteurs veulent des solutions déployables maintenant, construites autour d'un poste de travail précis et suivies dans la durée, plutôt que de nouvelles promesses lointaines. L'entreprise combine chaînes d'approvisionnement mondiales et ingénierie, logiciel, intégration, production, tests et support basés aux États-Unis, un modèle qu'elle qualifie de "global-to-local". Le sujet de la relocalisation manufacturière par l'automatisation sera d'ailleurs au centre d'un panel dédié, "Reshoring With Robots", lors de la conférence RoboBusiness 2026 prévue les 20 et 21 octobre à Santa Clara, en Californie, signe que la question dépasse le seul cas de Robo Inc. et touche l'ensemble de la filière robotique américaine.

Business⚡Actu

1 source

43

3124Robotics Business Review 

Hadrian lève 1,37 milliard de dollars pour accélérer la production de défense et d'aérospatiale aux États-Unis

Hadrian Automation, société basée à Torrance, en Californie, a annoncé début août 2026 avoir levé 1,37 milliard de dollars en financement par actions, portant sa valorisation à 7,87 milliards de dollars, contre 1,6 milliard lors d'un tour précédent en janvier de la même année. Fondée en 2020 par Chris Power, l'entreprise a vu ce tour co-mené par WCM Investment Management, Washington Harbour Partners, Valor Equity Partners, 137 Ventures et Baillie Gifford, avec le Strategic Investment Group de JPMorganChase comme co-investisseur principal via son initiative dédiée à la sécurité et à la résilience ; ont aussi participé 1789 Capital, Morgan Stanley Wealth Management, des fonds Apollo, T. Rowe Price et Andreessen Horowitz. Hadrian exploite une usine de 9 290 m² à Torrance et a ouvert, en douze mois, deux sites supplémentaires à Mesa (Arizona) et Muscle Shoals (Alabama), portant sa surface totale à près de 278 709 m² sur quatre sites, pilotés par Opus, sa pile logicielle propriétaire d'IA, de machine learning et de robotique, selon un modèle qu'elle qualifie de "factories-as-a-service". Cette levée illustre l'appétit croissant des investisseurs institutionnels pour l'automatisation de la production de défense américaine, alors que la demande de capacité manufacturière fiable dépasse l'offre disponible sur le sol américain. La valorisation d'Hadrian a été multipliée par cinq en sept mois, et l'implication de JPMorganChase via un véhicule dédié à la sécurité et à la résilience illustre une tendance plus large : l'automatisation industrielle assistée par IA devient un axe stratégique pour les grandes institutions financières, au-delà du simple pari technologique. Pour les intégrateurs et décideurs du secteur, l'opération confirme que le modèle "factories-as-a-service", jusqu'ici centré sur les pièces de précision, s'étend vers des systèmes complets et critiques, munitions et construction navale comprises, des segments historiquement lents à s'automatiser. La formule de Chris Power, selon laquelle "la production est désormais la ligne de front de la dissuasion", relève davantage du positionnement que d'une mesure vérifiable, mais traduit la volonté de l'entreprise de se présenter en acteur de souveraineté industrielle face à la Chine. Fondée en 2020, Hadrian avait déjà levé des fonds via une série C il y a environ un an, financement qui avait permis l'ouverture des sites de Mesa et Muscle Shoals. La société ne doit pas être confondue avec le robot maçon Hadrian X, développé par l'australien Fastbrick Robotics (FBR), basé à Perth. L'article ne cite aucun concurrent américain direct dans l'automatisation de la production de défense, Hadrian se positionnant plutôt face à la base industrielle chinoise. Pour les douze prochains mois, l'entreprise prévoit l'ouverture de nouvelles usines et l'extension de ses lignes vers les munitions et les systèmes autonomes destinés à la sécurité nationale, tout en recrutant et formant opérateurs, ingénieurs et technologues appelés à travailler aux côtés des logiciels et des robots sur ses lignes de production.

Business⚡Actu

1 source

46

3125Interesting Engineering 

Robots humanoïdes entraînés sur 1 million d'heures de vidéos humaines : jusqu'à 90 % de réussite

Dyna Robotics, entreprise basée à Redwood City en Californie, a dévoilé DYNA-2, un nouveau modèle de fondation robotique de type « world-action » entraîné sur plus d'un million d'heures de vidéos humaines filmées à la première personne, soit l'équivalent d'environ 170 ans d'expérience continue à l'éveil. Contrairement à l'approche classique reposant sur des données de téléopération collectées manuellement, ce modèle n'a vu aucune donnée robotique pendant sa phase de pré-entraînement. Selon l'entreprise, la seule augmentation de l'échelle de pré-entraînement a permis de faire passer le taux de réussite sur des tâches de fabrication de haute précision de 20 % à 80-90 %. Le modèle s'est aussi montré transférable à des bras robotiques fixes, des prototypes humanoïdes et des mains robotiques dextres : dans un test, 13 minutes de données locales ont suffi pour qu'une paire de mains à cinq doigts apprenne à dévisser le bouchon d'une bouteille. Sur 15 tâches de référence internes, les versions entraînées avec davantage de vidéo humaine ont systématiquement mieux performé, et comparé à DYNA-1, le précédent modèle vision-langage-action de la société, DYNA-2 a atteint 87 % de réussite lors d'un déploiement client sans réglage préalable, contre 46 % pour son prédécesseur. Cette annonce s'attaque frontalement au principal goulot d'étranglement de la robotique généraliste, à savoir la rareté des données d'action collectées par téléopération, jugées non scalables pour viser une intelligence physique générale. En misant sur la vidéo humaine, disponible en quantités quasi illimitées, Dyna affirme qu'un robot peut acquérir une forme d'intuition physique sans dépendre d'un volume massif de données spécifiques à chaque plateforme matérielle, une adaptation à un nouveau robot ou une nouvelle tâche ne nécessitant alors que quelques heures de fine-tuning local. Ces chiffres restent toutefois issus de bancs d'essai internes à l'entreprise, sans validation indépendante ni comparaison publique standardisée avec d'autres modèles généralistes comme Pi-0 ou GR00T N2, ce qui invite à les considérer avec prudence tant qu'un tiers ne les a pas reproduits. Si l'approche se confirme à plus grande échelle, elle déplacerait néanmoins une partie de la course humanoïde du terrain de la collecte téléopérée vers celui du pré-entraînement vidéo massif. Dyna Robotics a été fondée par Lindon Gao, York Yang et Jason Ma, ancien chercheur chez DeepMind, avec le soutien d'investisseurs dont CRV et First Round. L'entreprise exploite déjà commercialement des robots propulsés par DYNA-1 dans des hôtels, des restaurants et des laveries automatiques, ce qui distingue cette annonce d'un simple teaser de laboratoire puisque DYNA-2 vise à succéder à un système déjà en production. Jason Ma justifie cette orientation en rappelant que les données d'action robotique restent rares alors que la vidéo est omniprésente. L'entreprise met aussi en avant une meilleure résilience aux perturbations physiques lors de tâches comme la découpe d'aliments ou le rangement d'un espace de travail, DYNA-2 récupérant seul là où DYNA-1 nécessitait une intervention humaine, avec un gain de 133 % sur les tâches de suivi d'instructions grâce au co-entraînement vidéo. Aucun calendrier de déploiement élargi ni de nouveaux sites pilotes n'a pour l'instant été communiqué.

IA physique⚡Actu

1 source

40

3126Robotics Business Review 

Tate déploie 58 robots-soudeurs collaboratifs Hirebotics dans plusieurs usines

Tate Inc., fabricant de systèmes de plafonds structurels, de confinement et de gestion de flux d'air basé à Columbia (Maryland), a déployé 58 systèmes de soudage collaboratif Cobot Welder de Hirebotics sur trois sites de production en Arkansas, en Virginie et dans le Kentucky. L'entreprise, active depuis 120 ans, a lancé cette transition du soudage manuel vers l'automatisation en 2024 après avoir évalué environ neuf fournisseurs, retenant finalement Hirebotics (basé à Nashville, Tennessee) pour sa plateforme cloud sans code Beacon Pro, qui permet de programmer, piloter et superviser les cobots depuis un smartphone ou une tablette. Les deux premiers robots ont été livrés en septembre 2023. La formation des opérateurs, combinant tutoriels vidéo et accompagnement sur site, ne prenait que 10 à 20 minutes par employé selon Daniel Adams, directeur commercial chez Hirebotics. Sur son site de l'Arkansas, Tate a mis en place un flux de travail spécifique où les cobots assurent le pointage et le pré-assemblage des pièces en amont, avant transfert vers des robots industriels classiques en aval. Selon Tate, le déploiement s'est traduit par une multiplication par 12 du débit de soudage par opérateur sur les assemblages structurels critiques, tout en réduisant les reprises liées aux variations de qualité entre soudeurs manuels. Ce déploiement illustre un cas d'usage industriel concret pour les cobots de soudage à limitation de force et de puissance, dans un secteur, celui des infrastructures pour data centers, confronté à une demande explosive et des délais de projet extrêmement serrés, sans marge d'erreur de fabrication. Pour les intégrateurs et décideurs industriels, l'intérêt principal ne réside pas dans la robotique elle-même mais dans le modèle organisationnel: la standardisation des paramètres de soudage (angle de torche, vitesse de déplacement) programmés par des opérateurs certifiés, puis partagés en temps réel entre plusieurs usines via le cloud, permettant une qualité homogène à l'échelle nationale plutôt que dépendante du savoir-faire individuel de chaque soudeur. Le chiffre de "12x" mérite toutefois d'être pris avec prudence, s'agissant d'une mesure ciblée sur des assemblages spécifiques et communiquée par le client lui-même, sans méthodologie indépendante publiée. L'affirmation selon laquelle "aucun composant n'est plus soudé à la main" chez Tate reste également une déclaration d'Hirebotics à vérifier dans la durée. Ce cas s'inscrit dans la stratégie de Hirebotics, spécialiste américain des cobots de soudage destinés aux ateliers de toutes tailles, qui mise sur la simplicité de mise en œuvre face à des solutions robotiques industrielles plus lourdes à programmer. L'argument commercial mis en avant par l'entreprise, à savoir qu'elle a pu réaliser des soudures sur des pièces apportées par Tate en 30 minutes lors d'une première visite, et que Tate a pu programmer ses propres robots pendant que l'équipe de Hirebotics était encore sur site, vise directement les freins classiques à l'automatisation dans les PME industrielles: coût d'intégration et complexité de programmation. Le marché de la construction de data centers, en forte croissance aux États-Unis, constitue un terrain propice à ce type de déploiement multi-sites, et Tate a indiqué vouloir poursuivre l'extension de son parc de soudeurs certifiés en parallèle de l'automatisation plutôt qu'au détriment de l'emploi.

Industriel⚡Actu

1 source

41

3127IEEE Spectrum Robotics 

Robot recycleur récupère des pièces sur des machines cassées

L'Institut de technologie de Karlsruhe (KIT), en Allemagne, a développé un système robotique capable de désassembler automatiquement des machines industrielles cassées tout en préservant les pièces réutilisables. Conçu par une équipe menée par le chercheur Jan Baumgärtner, le système combine un algorithme prédictif et des manipulateurs robotiques : il s'appuie sur un modèle CAD du dispositif défectueux et de chacune de ses pièces, ainsi que sur un modèle mathématique permettant d'anticiper la nature du dommage. Concrètement, le robot manipule légèrement chaque composant pour observer ses degrés de liberté réels (rotation, translation) et les compare à ceux attendus : une pièce corrodée bougera moins que prévu, une vis desserrée bougera davantage, une pièce déformée présentera des degrés de liberté inattendus. Le système ajuste ensuite sa stratégie de démontage en temps réel. Dans une démonstration vidéo, lorsqu'une vis est volontairement bloquée par un chercheur pour simuler une panne, le système détecte que la vis reste immobile et bascule automatiquement vers un fraisage pour retirer la pièce plutôt que de continuer à tenter de dévisser. L'opérateur peut aussi indiquer au préalable quelles pièces doivent être sauvegardées intactes en priorité. Cette avancée répond à un problème structurel de l'industrie robotique : selon la Fédération internationale de robotique, plus de 4 millions de robots industriels sont actuellement en service dans le monde, un chiffre que les chercheurs projettent à plus de 16 millions d'ici 2030. Aucune filière équivalente n'existe pourtant pour leur fin de vie. Le désassemblage manuel de robots cassés est coûteux et imprévisible, contrairement à l'assemblage qui suit des étapes standardisées sans déviation. Baumgärtner souligne que la difficulté tient à l'incertitude du mode de défaillance: retirer 100 vis avant de découvrir que la dernière est grippée fait perdre un temps considérable si la bonne méthode n'a pas été anticipée dès le départ. Pour les intégrateurs et décideurs industriels, ce système ouvre la voie à une automatisation du recyclage et de la remise en état des robots, un maillon jusqu'ici absent de la chaîne de production automatisée, et pourrait réduire les coûts de maintenance et de récupération de composants à mesure que le parc mondial de robots vieillit. Le projet s'inscrit dans une logique d'économie circulaire, où les anciens équipements sont démontés pour réutiliser leurs pièces plutôt que d'être mis au rebut, un objectif que Baumgärtner formule directement comme une contribution à la préservation des ressources planétaires. Il ne s'agit pas d'un produit commercial déployé mais d'un prototype de recherche, illustré par des démonstrations vidéo en conditions simulées de panne. L'article ne précise ni de partenariat industriel, ni de calendrier de commercialisation, ni de comparaison chiffrée avec des méthodes de démontage manuel existantes. Ce travail se positionne néanmoins dans un champ de recherche émergent sur le désassemblage robotique adaptatif, distinct des efforts plus médiatisés sur les robots humanoïdes ou les bras manipulateurs pour la production, en ciblant spécifiquement l'aval du cycle de vie industriel plutôt que l'amont.

FR/EU ecosysteme❖Paper

1 source

34

3128Robotics & Automation News 

L'électronique cutanée dote robots et prothèses d'un « toucher humain

Sur le campus ERICA de l'Université Hanyang, en Corée du Sud, une équipe de chercheurs a développé un nouveau type de peau électronique destinée à équiper robots et prothèses d'un sens du toucher proche de celui de l'humain. Le dispositif repose sur une architecture de transistor à double grille, empilée verticalement, conçue pour dépasser les limites des composants tribotroniques classiques, ces capteurs qui convertissent un stimulus mécanique comme un contact en signal électrique. Jusqu'ici, ces dispositifs souffraient d'une sensibilité fixe et se heurtaient à des difficultés d'intégration sur de grandes surfaces à haute densité de capteurs. La nouvelle conception verticale vise précisément à résoudre ces deux contraintes simultanément. Pour l'industrie robotique et les fabricants de prothèses, cette avancée s'attaque à un goulot d'étranglement bien identifié: la capacité à équiper des surfaces étendues, comme une main entière ou un bras robotique, d'un maillage dense de capteurs tactiles fiables et ajustables. Une sensibilité modulable, plutôt que figée, permettrait d'adapter la réponse tactile selon l'usage, préhension délicate d'un objet fragile ou prise plus ferme, un enjeu central pour les intégrateurs qui cherchent à rapprocher la manipulation robotique du niveau de dextérité humain, notamment dans les applications de préhension fine et de retour haptique pour les prothèses. Ce travail s'inscrit dans un effort de recherche plus large sur les technologies tactiles électroniques, un domaine où plusieurs laboratoires explorent des architectures de transistors et de matériaux pour améliorer la densité et la fiabilité des capteurs de peau artificielle. L'annonce reste à ce stade au niveau de la recherche académique, publiée dans une étude, sans indication de partenariat industriel, de calendrier de commercialisation ni de déploiement sur un produit robotique ou prothétique existant.

Recherche❖Paper

1 source

42

3129Interesting Engineering 

Des bras robotiques impriment en 3D un bateau-drone, une entreprise de Floride vise une production militaire plus rapide

L'entreprise américaine Haddy, basée à St. Petersburg en Floride, a fabriqué un bateau-drone baptisé TF-179 à l'aide de bras robotiques d'impression 3D grand format, plutôt que par moulage ou usinage traditionnel. La société, fondée en 2022 et initialement spécialisée dans le mobilier sur mesure et les éléments architecturaux, s'est progressivement réorientée vers la fabrication de défense. Elle opère depuis un atelier d'environ 2 800 mètres carrés équipé de huit systèmes de fabrication additive grand format fournis par le néerlandais CEAD, dont sept montés sur rails pour étendre leur portée sur de grandes pièces. Haddy avait déjà démontré la rapidité de sa plateforme avec une coque de véhicule de surface sans pilote (USV) à faible profil de 12 mètres, produite en dix jours entre la conception et l'expédition, soit selon l'entreprise jusqu'à neuf fois plus vite qu'une fabrication de coque classique, avec une réduction de coûts revendiquée de 50 à 65 % par rapport au bateau-building conventionnel. Haddy n'a révélé ni le client à l'origine du TF-179 ni la mission opérationnelle visée pour ce drone. Cette annonce illustre un déplacement de la fabrication additive robotisée vers le secteur maritime militaire, à un moment où la demande américaine pour des drones navals petits et consommables augmente. Pour les intégrateurs et décideurs industriels, l'intérêt affiché n'est pas tant la performance d'un vaisseau donné que la promesse d'un cycle de développement raccourci, permettant de produire, tester et modifier des designs de coques sans reprendre un outillage traditionnel à chaque itération. Les chiffres de rapidité et de coûts mis en avant restent toutefois des déclarations de l'entreprise elle-même, non vérifiées de façon indépendante, et l'absence de détails sur le donneur d'ordre et la mission du TF-179 invite à distinguer la démonstration technologique du déploiement opérationnel confirmé. Ce projet s'inscrit dans la montée en puissance d'une division défense chez Haddy, qui combine impression 3D robotisée grand format, fraisage intégré, matériaux avancés et flux de production numériques pour accélérer la fabrication de structures de grande taille, en quelques jours ou semaines plutôt qu'en mois, avec des designs modifiables sans redémarrer les cycles d'outillage classiques. L'entreprise positionne cette approche comme adaptée à des modèles de fabrication distribuée et expéditionnaire, capables de produire aussi bien des prototypes que des séries répétables. Aucune échéance de production en série ni programme pilote n'a pour l'instant été annoncé publiquement pour le TF-179.

Industriel⚡Actu

1 source

40

3130Interesting Engineering 

Boston Dynamics : son robot humanoïde change ses batteries en moins de trois minutes pour continuer à travailler

Boston Dynamics a doté la version industrielle de son robot humanoïde Atlas, filiale du groupe coréen Hyundai, d'un système de remplacement autonome de batterie: le robot détecte lui-même une batterie déchargée, rejoint une station dédiée, effectue l'échange et reprend sa tâche en moins de trois minutes, selon les spécifications communiquées par l'entreprise. Atlas offre environ quatre heures d'autonomie en usage courant et près de deux heures lors de tâches de levage lourd, contre environ 90 minutes pour une recharge classique. Le robot mesure environ 1,88 mètre pour 90 kg, porte en charge soutenue jusqu'à 30 kg et peut soulever brièvement jusqu'à 50 kg. Il embarque un système tactile dans les mains et une couverture caméra à 360 degrés. Cette annonce fait suite à une présentation récente détaillant comment Atlas a appris à manipuler des charges lourdes par apprentissage par renforcement et simulation à grande échelle, acquérant en quelques semaines des capacités de levage, de transport et d'équilibrage adaptatif. Pour les intégrateurs et décideurs industriels qui envisagent le déploiement d'humanoïdes en usine, l'autonomie énergétique reste l'un des principaux freins à une exploitation continue en plusieurs équipes. En réduisant l'immobilisation liée à la batterie de 90 minutes à moins de trois, Boston Dynamics cible directement ce goulot d'étranglement plutôt que la seule démonstration de dextérité. L'entreprise met aussi en avant un transfert simulation-vers-robot réel en environ une heure, ce qui suggérerait une réduction notable de l'écart sim-to-real qui a longtemps limité le passage de compétences apprises virtuellement au monde physique. Ces chiffres restent toutefois ceux communiqués par le fabricant, sans validation indépendante ni confirmation publique de déploiements clients à grande échelle: il s'agit pour l'instant d'une capacité produit annoncée, pas d'un usage industriel documenté sur site. Cette évolution s'inscrit dans la trajectoire d'Atlas, passé en 2024 d'un robot hydraulique de démonstration à une plateforme entièrement électrique pensée pour la manutention industrielle. L'architecture a été volontairement simplifiée: deux types d'actionneurs seulement pour tout le corps, une conception symétrique des bras et des jambes, et des articulations sans câbles traversants permettant une rotation continue et réduisant l'usure, autant de choix qui facilitent la modélisation et l'entraînement en simulation. Lors de tests, le robot est parvenu à déplacer un réfrigérateur de plus de 45 kg après un entraînement effectué avec des charges nettement plus légères, et des mouvements dynamiques comme des coups de pied, des appuis renversés ou des backflips sont utilisés pour muscler son équilibre et sa récupération. Boston Dynamics évolue dans un marché de l'humanoïde industriel de plus en plus disputé, face à Figure AI et son Figure 03, Tesla et Optimus, ou encore les plateformes logicielles Pi-0 de Physical Intelligence et GR00T N2 de Nvidia, qui misent elles aussi sur l'apprentissage par simulation massive. Aucune date de déploiement client ni volume de production n'a pour l'instant été précisé pour cette fonction de changement de batterie autonome.

Humanoïdes❧Opinion

1 source

40

3131SCMP Tech 

Les États-Unis nuisent à leur propre industrie robotique en l'isolant de la Chine

Le régulateur américain des télécommunications, la Federal Communications Commission (FCC), a annoncé le mois dernier l'ajout de robots humanoïdes étrangers, de robots quadrupèdes et d'onduleurs de puissance fabriqués à l'étranger à sa "Covered List", la liste des équipements jugés menaçants pour la sécurité nationale. La décision, prise par le président de la FCC Brendan Carr, s'appuie sur les conclusions d'un groupe de travail de la Maison Blanche. Concrètement, l'inscription sur cette liste prive ces appareils de l'autorisation que la quasi-totalité des équipements électroniques doit obtenir pour être commercialisée aux États-Unis, ce qui revient à leur fermer l'accès au marché américain. La mesure vise en priorité le matériel robotique conçu ou assemblé en Chine, dans la continuité d'exclusions déjà appliquées par le passé à des équipementiers télécoms chinois comme Huawei ou ZTE. Pour l'industrie robotique américaine, cette exclusion pourrait se retourner contre elle. De nombreux intégrateurs et startups américains dépendent de composants, d'actionneurs, de batteries et de sous-systèmes fabriqués en Chine, où se concentre l'essentiel de la chaîne d'approvisionnement des robots humanoïdes et quadrupèdes. Couper l'accès à ce matériel sans alternative domestique compétitive risque de ralentir l'innovation et de renchérir les coûts pour les fabricants américains, plutôt que de stimuler une production locale équivalente à court terme. Cette décision s'inscrit dans l'escalade plus large des tensions technologiques sino-américaines, où la Covered List, initialement conçue pour les équipements télécoms sensibles, s'étend désormais à la robotique de nouvelle génération. Elle intervient alors que des acteurs chinois occupent une position dominante sur le marché mondial des robots quadrupèdes et humanoïdes commerciaux, face à des concurrents américains encore en phase de montée en échelle industrielle.

Regulation⚖Reglementation

1 source

44

3132SCMP Tech 

AgiBot dépasse Unitree et devient le premier fournisseur mondial de robots humanoïdes au premier semestre, en pleine préparation d'IPO

AgiBot, entreprise chinoise basée à Shanghai, a dépassé son rival domestique Unitree Robotics pour devenir le premier fournisseur mondial de robots humanoïdes au premier semestre 2026. Selon un rapport publié dimanche par le cabinet de recherche californien Smart Analytics Global (SAG), AgiBot a capté 44% du marché mondial après avoir livré environ 8 400 robots humanoïdes entre janvier et juin 2026. Ce basculement intervient alors que les deux poids lourds chinois du secteur préparent chacun une entrée en bourse, dans un contexte d'engouement financier généralisé pour la "physical AI", l'IA incarnée dans des systèmes robotiques. Ce changement de leadership vaut signal pour toute la filière: il confirme que la Chine concentre aujourd'hui l'essentiel des volumes réels de production et de livraison de robots humanoïdes, loin devant des annonces occidentales encore souvent limitées au prototype ou au pilote restreint. Pour les intégrateurs et décideurs B2B qui évaluent des fournisseurs, les 8 400 unités livrées en six mois marquent un changement d'échelle: le secteur quitte la phase de démonstration pour entrer dans une logique de déploiement mesurable. La double préparation d'IPO d'AgiBot et Unitree confirme aussi que les marchés financiers commencent à valoriser ces acteurs sur des bases commerciales concrètes, et non plus sur la seule promesse technologique. AgiBot, également connue sous le nom de Zhiyuan Robotics, et Unitree, pionnier reconnu de la robotique quadrupède avant de se diversifier vers l'humanoïde, comptent parmi les entreprises chinoises les plus avancées du secteur, soutenues par des fonds publics et privés locaux. Leur course à la cotation s'inscrit dans une compétition mondiale plus large face à des acteurs comme Figure AI ou Tesla aux Etats-Unis, qui visent eux aussi la production de masse de robots humanoïdes pour la logistique et l'industrie. Les prochaines étapes attendues concernent la confirmation des calendriers d'introduction en bourse des deux groupes chinois, ainsi que la publication de données plus détaillées sur la répartition géographique de ces déploiements.

Chine/Asie⚡Actu

1 source

45

3133Pandaily 

Un robot qui apprend à partir de vidéos courtes en 29 secondes : HOST, la nouvelle recette d'IA incarnée de X Square Robot

Le robot humanoïde chinois X Square Robot a mis en open source HOST, un framework d'apprentissage par vidéo qui permet à un robot de reproduire une tâche dès sa première tentative, après avoir simplement regardé un clip de démonstration de 29 secondes. Sur ce test, HOST atteint un taux de réussite de 62%, contre 38% pour la méthode standard actuelle qui nécessite environ 50 démonstrations expertes et quatre heures de fine-tuning. Le système repose sur deux modules: un module de vision qui reconstruit la scène observée du point de vue du robot, et un module d'action qui calcule la trajectoire articulaire correspondante, le tout aligné par un mécanisme de dynamic time warping qui réduit l'erreur d'alignement d'un facteur dix environ. Fondée fin 2023 à Pékin, X Square Robot a levé plus d'un milliard de yuans sur huit tours de table, avec Meituan Strategic Investment, Alibaba Cloud, Lenovo Capital et Delian Capital parmi ses investisseurs. L'enjeu dépasse la simple prouesse technique: la collecte de données par téléopération, aujourd'hui dominante dans le secteur, repose sur des ingénieurs équipés de casques VR qui pilotent un bras robotique geste par geste, des dizaines de fois, pour chaque tâche. Un robot de collecte coûte plusieurs centaines de milliers de dollars et chaque démonstration peut dépasser cent dollars en coût marginal, un modèle que même les "fabriques de données" en Inde ou les travailleurs à temps partiel des zones rurales chinoises ne parviennent pas à rendre réellement scalable. En inversant la logique, c'est à dire en apprenant à l'inférence plutôt qu'en réentraînant hors ligne sur des données massives, HOST attaque directement ce goulot d'étranglement économique. Si l'approche tient à l'échelle au-delà du benchmark de recherche, elle rebattrait les cartes pour les intégrateurs et décideurs industriels en réduisant drastiquement le coût d'acquisition de nouvelles compétences robotiques, un argument central dans la course actuelle entre laboratoires embodied-AI. Il faut toutefois noter que le chiffre de 62% reste une mesure de recherche sur benchmark, pas une performance de déploiement en conditions réelles, et l'article ne précise pas la diversité des tâches testées ni les conditions d'évaluation. L'approche s'inspire de la théorie cognitive de la simulation, selon laquelle l'humain répète mentalement le résultat visé avant d'agir, une logique que l'équipe chinoise transpose à l'apprentissage robotique en remplaçant l'imitation articulation par articulation par une reconstruction de la scène finale suivie d'un calcul de trajectoire. Le choix de l'open source vise explicitement à capter l'attention des développeurs comme tremplin vers des pilotes en entreprise, une stratégie de positionnement qui s'inscrit dans la compétition plus large entre approches VLA telles que Pi-0, GR00T N2 ou Helix, où la question du passage à l'échelle depuis la démonstration jusqu'au déploiement industriel reste largement ouverte.

IA physique❧Opinion

1 source

44

3134TechNode 

Unitree ouvre la souscription à son introduction en bourse sur le marché des actions A

Unitree Robotics a ouvert le 10 aout 2026 la souscription en ligne de son introduction en bourse sur le STAR Market de la Bourse de Shanghai. Les médias chinois, dont le 21st Century Business Herald, présentent l'opération comme la première IPO d'un fabricant de robots humanoïdes sur le marche actions A. Elle suscite l'attention en raison d'un flottant public très restreint. Des courtiers estiment le taux d'allocation des souscriptions en ligne entre 0,02% et 0,03%, signe d'une demande très largement supérieure a l'offre disponible. D'éventuels gains a la première séance de cotation circulent déjà dans la presse financière, mais restent des projections de marche et non des indications communiquées par Unitree elle-même. Cette cotation marque une étape pour la commercialisation de la robotique humanoïde chinoise, secteur érigé en priorité industrielle par Pekin. Elle donne a Unitree, connu pour ses robots-chiens Go et ses humanoïdes H1 et G1 déjà vendus a des intégrateurs et laboratoires de recherche, un accès a des capitaux frais pour accélérer production en série et R&D, alors que Figure AI, Tesla avec Optimus ou Boston Dynamics avancent aussi vers la commercialisation. Pour les intégrateurs et décideurs B2B, un tel niveau de demande d'allocation traduit surtout un engouement boursier propre au marche chinois, et non une validation directe de la maturité technologique ou commerciale des humanoïdes. Fondee en 2016 par Wang Xingxing, Unitree s'est d'abord fait connaitre avec ses robots-chiens grand public avant d'élargir sa gamme aux humanoïdes bipèdes destines a la logistique et l'inspection industrielle. Elle concurrence UBTech Robotics, déjà cotée a la Bourse de Hong Kong depuis fin 2023, ce qui relativise le qualificatif de "première": l'opération de Shanghai est plus précisément la première IPO d'un fabricant de robots humanoïdes sur le marche actions A continental. D'autres acteurs chinois de l'humanoïde préparent aussi des levées de fonds ou des cotations, sans date de mise en bourse effective encore précisée pour Unitree.

Business❧Opinion

1 source

36

3135TechNode 

Ancien responsable robotique de ByteDance rejoindrait Xiaomi

Kong Tao, ancien responsable de l'équipe robotique de ByteDance, aurait rejoint Xiaomi en 2025 pour y diriger une équipe dédiée aux modèles fondation pour robots, selon plusieurs sources citées par IT Home. Il aurait emmené avec lui plusieurs anciens collègues de ByteDance. La division robotique de Xiaomi compterait environ 200 employés, l'équipe modèles fondation opérant séparément au sein de cette activité. Xiaomi a déjà publié son modèle Xiaomi-Robotics-1 et teste actuellement des robots humanoïdes dans des environnements de production manufacturière. Ce recrutement illustre l'intensification de la bataille des talents autour des modèles fondation pour la robotique en Chine, un domaine où la maîtrise des architectures VLA (vision-langage-action) devient un facteur différenciant aussi critique que le hardware lui-même. Pour les acteurs B2B et les intégrateurs industriels, ce mouvement confirme que Xiaomi structure une stratégie robotique à long terme, distincte de son activité smartphone et véhicules électriques, avec une ambition affichée de rivaliser sur le terrain des modèles génériques capables de piloter des humanoïdes en usine, à l'image des efforts de Figure AI, Tesla ou Unitree. Ce transfert de personnel s'inscrit dans un contexte où ByteDance a investi ces dernières années dans la robotique et l'IA incarnée, sans toutefois en faire une priorité affichée publiquement comparable à ses activités IA générative. Xiaomi, de son côté, a multiplié les signaux d'intérêt pour la robotique humanoïde depuis 2022, entre prototypes et partenariats industriels. Les informations sur ce recrutement, non confirmées officiellement par les deux entreprises, restent à ce stade basées sur des sources anonymes rapportées par la presse chinoise, sans calendrier précis sur le déploiement à plus grande échelle des humanoïdes testés par Xiaomi.

Chine/Asie⚡Actu

1 source

46

3136arXiv cs.RO 

Quand la coordination devient une menace : attaques de communication dans les systèmes multi-robots pilotés par LLM

Des chercheurs publient sur arXiv (2608.06830v1) une étude formalisant deux attaques de communication visant les systèmes multi-robots pilotés par des grands modèles de langage (LLM) : l'attaque par point d'entrée externe et l'attaque par accès privilégié interne. Testées sur trois architectures, le système décentralisé DMAS et les architectures hiérarchiques HMAS-1 et HMAS-2, avec trois LLM et cinq tâches robotiques incarnées, elles révèlent une propagation quasi systématique des informations dangereuses vers des actions dangereuses. Sur DMAS, un message malveillant est accepté à l'entrée dans 96,7% des cas et activé ensuite dans 100% des cas ; sur HMAS-1, le taux de réussite des actions dangereuses atteint 97,8% ; sur HMAS-2, 88,3% des créneaux d'actions dangereuses prédéfinis sont déclenchés. Les auteurs proposent une défense, le CPV Gate, qui vérifie la provenance des informations avant réutilisation et fait chuter le taux de violation de 70,0% à 36,6%. L'étude révèle une faille structurelle dans le déploiement de flottes robotiques coordonnées par des LLM : la sécurité s'est jusqu'ici concentrée sur les robots isolés, alors qu'un seul message compromis, injecté depuis l'extérieur ou via un accès interne privilégié, peut se propager en cascade jusqu'à des actions physiques dangereuses, quelle que soit l'architecture de communication. Pour les intégrateurs et décideurs B2B envisageant des déploiements multi-robots en logistique ou en industrie, ce résultat contredit l'idée qu'un LLM individuel robuste suffit à sécuriser un système collectif, et impose de repenser la confiance entre agents avant tout déploiement à l'échelle. Les travaux antérieurs s'étaient limités à des analyses préliminaires centrées sur l'architecture DMAS, sans établir si ces failles persistaient dans les architectures hiérarchiques plus courantes en pratique. En couvrant DMAS, HMAS-1 et HMAS-2, cette étude comble cette lacune et compare systématiquement les risques selon le niveau d'accès de l'attaquant. Le CPV Gate n'élimine pas la menace : son taux de violation résiduel de 36,6% suggère que d'autres couches de défense, authentification des agents, limitation des privilèges, audit en temps réel, restent nécessaires avant un déploiement industriel à grande échelle.

Recherche⚡Actu

1 source

45

3137arXiv cs.RO 

AtlasVLA : une modélisation persistante de l'état monde-ego pour les modèles vision-langage-action

Une équipe de recherche présente AtlasVLA, un nouveau framework pour les modèles vision-langage-action (VLA), décrit dans un article publié sur arXiv le 6 août 2026 (arXiv:2608.06729v1). Le système repose sur une architecture à double mémoire: une "4D Persistent World State Memory", qui transforme les observations 2D transitoires en un état spatial global mis à jour en continu via un hachage voxel, et une "Ego-Working State Memory", qui conserve l'historique de l'état du robot et l'avancement de la tâche en cours. Ces deux mémoires conditionnent un transformeur de diffusion (DiT) chargé de générer les actions. Testé sur les bancs d'essai LIBERO, RLBench et sur des tâches réelles, AtlasVLA atteint des performances de pointe en n'utilisant qu'une seule caméra montée au poignet, avec des gains de taux de réussite de 9,4 points sur LIBERO-Long et de 17,5 points sur des tâches réelles à long horizon, comparé à des méthodes de référence multi-caméras. Ce résultat s'attaque à une limite connue des modèles VLA actuels: leur nature réactive, qui pousse les robots à "oublier" un objet dès qu'il sort du champ de la caméra, et à perdre le fil de la progression dans les tâches à plusieurs étapes. Pour les intégrateurs industriels, l'intérêt est concret: obtenir une robustesse comparable à des rigs multi-caméras avec un seul capteur poignet réduit le coût matériel et la complexité de calibration des cellules robotisées. Le résultat remet en question l'hypothèse selon laquelle une couverture visuelle multi-angles serait indispensable pour la manipulation à long horizon, un argument souvent avancé par les fournisseurs de systèmes de vision embarqués. Ces chiffres proviennent toutefois d'un article encore non revu par les pairs, et les conditions précises des essais réels (nombre d'essais, environnements testés) restent à vérifier avant toute généralisation. Le travail s'inscrit dans la lignée des modèles VLA qui ont émergé ces dernières années, de RT-2 à Pi-0 en passant par GR00T N2 ou Helix, tous construits sur un mappage direct image vers action avec peu ou pas de mémoire persistante. AtlasVLA se positionne explicitement contre les approches multi-vues, qu'il dit surpasser de façon nette sur les tâches longues. L'article ne précise pas d'acteur industriel ni de calendrier de déploiement: il s'agit à ce stade d'une contribution de recherche, sans indication de portage vers un produit commercial ou un partenariat avec un fabricant de robots humanoïdes ou de bras manipulateurs.

IA physique⚡Actu

1 source

44

3138arXiv cs.RO 

Apprendre à marcher avec moins de données : une approche Dyna pour la locomotion quadrupède

Une équipe de recherche a publié une version révisée sur arXiv (2509.06296v2) d'une méthode de renforcement pour accélérer l'entraînement de robots quadrupèdes en simulation. Les algorithmes on-policy classiques comme PPO exigent des dizaines de millions d'interactions simulées avant de converger. La méthode proposée injecte des données synthétiques dans les rollouts PPO via une architecture Dyna : un modèle de transition appris génère de courtes trajectoires additionnelles ancrées à la simulation physique, introduites progressivement pour éviter les erreurs de début d'entraînement. Sur le quadrupède Unitree Go1, elle converge en 19,64 millions de pas de simulation contre 27,53 millions pour PPO seul, soit 12,24% de temps d'entraînement en moins, sans perte de performance. Des essais croisés sur ANYmal, du suisse ANYbotics (spin-off de l'ETH Zurich), et sur le Unitree Go2 confirment le gain, avec des compromis sur la récompense pour les morphologies les plus complexes. Pour l'industrie robotique, l'efficacité d'échantillonnage reste le principal goulot d'étranglement : chaque nouvelle démarche ou terrain appris par un quadrupède consomme des semaines de calcul avant le transfert du simulateur vers le robot réel. Une réduction d'environ 29% des pas de simulation nécessaires, si elle se confirme au-delà des trois plateformes testées, réduirait les coûts et délais pour les intégrateurs qui personnalisent des contrôleurs pour Unitree, ANYbotics ou d'autres fabricants. Le résultat renforce aussi une tendance de fond en RL : utiliser des modèles du monde appris en complément, et non en remplacement, de la simulation physique. Le bémol : le gain se réduit sur les morphologies complexes, signe que ces architectures hybrides restent à calibrer robot par robot plutôt qu'universelles. Le papier s'inscrit dans la lignée du RL model-based initié par l'architecture Dyna de Richard Sutton dans les années 1990, revenue au premier plan pour réduire le coût du RL model-free sur des tâches de contrôle continu à haute dimension comme la locomotion. Il prolonge des travaux appliquant PPO à des quadrupèdes commerciaux (Unitree Go1/Go2, ANYmal) pour la marche ou le franchissement d'obstacles, où l'entraînement massif en simulation précède le déploiement réel. Les résultats restent cantonnés à la simulation : aucun essai sur robot physique ni calendrier de transfert sim-to-real n'est mentionné, les auteurs présentant leurs travaux comme un cadre méthodologique plutôt qu'un produit prêt à déployer.

Recherche❖Paper

1 source

44

3139arXiv cs.RO 

Découplage de l'intention et de la trajectoire : un cadre de déduction représentationnelle pour les modèles d'action du monde

Optimus Gen 3 démontre 22 degrés de liberté par main et un temps de cycle de 12 secondes pour le tri de colis chez un partenaire logistique de Fremont, en Californie, selon une démonstration diffusée par Tesla le 8 août 2026. Le robot a manipulé des charges allant jusqu'à 4 kilogrammes en enchaînant préhension, transport et dépose sur convoyeur pendant une session filmée sans coupure annoncée de 40 minutes. Tesla indique un déploiement pilote de 25 unités sur ce site d'ici fin 2026, avec une extension prévue à trois usines Tesla supplémentaires (Austin, Fremont assemblage, Shanghai) au premier trimestre 2027. Le modèle de contrôle sous-jacent, baptisé en interne FSD-Bot v2, s'appuie sur l'architecture VLA (vision-language-action) déjà utilisée pour la conduite autonome, entraînée sur des données de téléopération collectées depuis janvier 2026. Aucun prix commercial n'a été communiqué, Tesla réservant pour l'instant le robot à un usage interne. Cette annonce intervient alors que le secteur cherche des preuves de déploiement réel plutôt que des démonstrations scénarisées, un point sensible pour Tesla après plusieurs vidéos Optimus critiquées pour téléopération dissimulée. Un cycle de 12 secondes en environnement logistique reste correct mais loin des standards des bras industriels dédiés ou des AMR de tri, et la vidéo étant sélectionnée par le constructeur, la robustesse hors conditions contrôlées demeure à vérifier. Pour les intégrateurs et décideurs industriels, le signal important est moins la performance brute que la tentative de bascule d'un stade démo vers un pilote à volume mesurable, sur un site tiers et non plus seulement en usine Tesla. Optimus a été dévoilé en 2021 et a connu plusieurs itérations, Gen 2 fin 2023 puis Gen 3 annoncé en 2026 avec des mains à actionnement amélioré. Tesla affronte une concurrence directe de Figure AI, dont le Figure 03 est déjà en pilote chez BMW et Amazon, ainsi que d'Agility Robotics avec Digit, tandis qu'un écosystème de modèles fondation comme GR00T N2 de Nvidia ou Pi-0 de Physical Intelligence équipe des humanoïdes tiers. Aucun acteur français ou européen n'est cité dans ce déploiement. Tesla n'a pas précisé de calendrier de commercialisation externe ni de tarif, la prochaine étape annoncée étant l'extension multi-sites prévue début 2027.

Humanoïdes❧Opinion

1 source

42

3140arXiv cs.RO 

STRONG-VLA : robustesse découplée des modèles vision-langage-action face aux perturbations multimodales

STRONG-VLA est un framework de fine-tuning en deux étapes qui vise a rendre les modèles Vision-Language-Action (VLA) plus robustes face aux perturbations multimodales, c'est-a-dire au bruit visuel et aux instructions linguistiques dégradées qui font chuter les performances en conditions réelles. Plutot que d'entrainer conjointement sur données propres et perturbées, ce qui créé un conflit d'optimisation, la méthode sépare l'acquisition de robustesse, via un curriculum de 28 types de perturbations textuelles et visuelles (bruit de capteur, occlusions, instructions corrompues), d'un réajustement final sur taches propres. Sur le benchmark LIBERO, elle ameliore le taux de réussite jusqu'a 12,60% sur perturbations connues et 7,77% sur perturbations inédites pour OpenVLA, avec des gains plus marques encore sur OpenVLA-OFT (+14,48% / +13,81%) et pi0 (+16,49% / +5,58%). Des tests en conditions réelles sur une plateforme robotique AIRBOT confirment ces résultats hors simulation. Le travail cible un angle mort connu du secteur: les démonstrations de VLA se font généralement en environnement contrôle, alors que le déploiement réel expose ces systèmes a des variations d'éclairage, des occlusions et des instructions humaines imprécises. En prouvant que la robustesse peut être gagnée sans sacrifier la performance sur taches propres, et que ce gain se reproduit sur trois architectures distinctes, les auteurs apportent un signal de généralisation qui intéressé directement les intégrateurs cherchant a fiabiliser des pipelines VLA au-delà du laboratoire. Cela remet en cause l'hypothèse, courante dans l'industrie, qu'un simple entrainement conjoint sur données propres et perturbées suffit a garantir la robustesse. STRONG-VLA s'inscrit dans les efforts pour combler l'écart entre simulation et déploiement réel des modèles VLA, une famille d'architectures qui compte déjà des références comme OpenVLA, sa variante OpenVLA-OFT, et pi0 développe par Physical Intelligence. Le benchmark de 28 perturbations introduit par les auteurs se veut un outil de référence pour évaluer la robustesse de futurs modèles, au-delà des scores de réussite en environnement propre mesures par LIBERO. Aucun acteur européen n'est cite dans cette publication académique, qui reste a ce stade une contribution de recherche validée en laboratoire et sur une seule plateforme physique, sans annonce de déploiement industriel ou de partenariat commercial.

Recherche❖Paper

1 source

42

3141arXiv cs.RO 

Prédiction d'occupation sémantique multimodale panoramique pour robots quadrupèdes

Des chercheurs présentent PanoMMOcc, premier jeu de données réel d'occupation sémantique multimodale panoramique conçu pour des robots quadrupèdes, réunissant quatre modalités de capteurs collectées dans des scènes variées. A partir de ce jeu de données, l'équipe propose VoxelHound, un framework de perception d'occupation adapte a la locomotion sur pattes et a l'imagerie sphérique a 360 degrés. Il repose sur deux modules : Vertical Jitter Compensation (VJC), qui corrige les perturbations de point de vue provoquées par le tangage et le roulis du corps pendant la marche, et Multimodal Information Prompt Fusion (MIPF), qui fusionne les indices visuels panoramiques avec les modalités auxiliaires pour affiner la prédiction volumétrique. Sur le benchmark établi a partir de PanoMMOcc, VoxelHound revendique des résultats état de l'art avec un gain de +4.16 points de mIoU par rapport aux méthodes existantes. Le jeu de données et le code source doivent être publies sur le dépôt GitHub SXDR/PanoMMOcc, référençant le papier sous l'identifiant arXiv 2603.13108, dans une version révisée. L'enjeu tient au fait que les méthodes de prédiction d'occupation actuelles ont été conçues pour des véhicules a roues et reposent lourdement sur des indices RGB, une approche mal adaptee aux robots a pattes dont le corps oscille verticalement a chaque cycle de marche, dégradant la cohérence spatiale des modèles existants. En fournissant le premier jeu de données réel et un benchmark spécifiques a ce cas d'usage, ce travail comble un manque concret pour les intégrateurs qui cherchent a déployer des quadrupèdes dans des environnements dynamiques comme des entrepôts ou des chantiers extérieurs. Le gain de +4.16 en mIoU reste toutefois une mesure interne, évaluée sur le benchmark propre des auteurs, sans comparaison indépendante tierce a ce stade. La prédiction d'occupation 3D s'est surtout développée dans le contexte de la conduite autonome, avec des architectures pensées pour des plateformes a roues stables et des rigs multi-cameras fixes. L'essor de plateformes quadrupèdes commerciales, capables de franchir des terrains irréguliers, a mis en évidence l'absence d'outils de perception robustes a ce type de mouvement non rigide. La publication conjointe du dataset et du code vise a faciliter les recherches futures sur la perception 3D multimodale panoramique pour les systèmes robotiques incarnes. Il s'agit pour l'instant d'un travail de recherche académique, sans annonce de déploiement industriel ni de partenaire commercial associe.

Recherche❖Paper

1 source

41

3142arXiv cs.RO 

Identification des caractéristiques biomécaniques clés de l'adaptation du mouvement lors d'une locomotion assistée par exosquelette

Une étude publiée le 7 août 2026 sur arXiv (2608.07140) a suivi neuf participants sains marchant sur tapis roulant sous trois conditions : sans exosquelette, avec assistance active à la cheville, et avec l'exosquelette réglé en couple nul (zero-torque). Les chercheurs ont mesuré la cinématique des membres inférieurs, la coordination inter-articulaire et le coût métabolique de transport (MCoT), à l'échelle du groupe et de chaque individu. L'adaptation s'avère progressive et très hétérogène : le temps de convergence et les patterns moteurs varient fortement d'un participant à l'autre. Les ajustements cinématiques sont asynchrones entre articulations, avec des fluctuations plus marquées en phase d'oscillation, tandis que le coût métabolique reste souvent instable, sans atteindre de plateau net chez plusieurs sujets. Ce constat fragilise une hypothèse méthodologique répandue dans la littérature sur les exosquelettes : celle d'un régime stable (steady-state) atteint après quelques minutes d'essai, sur laquelle reposent la plupart des comparaisons d'efficacité énergétique entre dispositifs. Si l'adaptation individuelle continue d'évoluer au-delà des fenêtres de mesure classiques, les gains métaboliques annoncés pour certains exosquelettes pourraient être mal évalués, voire artefactuels. Pour les fabricants et intégrateurs d'exosquelettes médicaux ou industriels, cela plaide pour des protocoles de test plus longs et une analyse individualisée plutôt que des moyennes de groupe, en particulier pour les usages en rééducation ou en port prolongé, où l'ajustement fin de l'assistance dépend directement du profil moteur de chaque utilisateur. Le travail s'inscrit dans la recherche biomécanique sur les interfaces homme-exosquelette, un domaine où les essais s'appuient historiquement sur des métriques agrégées par souci de simplicité statistique. Sans citer de dispositif ou de fabricant commercial précis, l'étude reste un travail académique de méthodologie plutôt qu'une évaluation produit. Ses auteurs appellent à un suivi longitudinal par participant plutôt qu'à un instantané de fin d'essai, une recommandation transposable à l'ensemble des exosquelettes de cheville testés en laboratoire, qu'ils visent la rééducation, le sport ou l'usage industriel. Aucun calendrier de déploiement ni suite expérimentale n'est précisé dans l'abstract.

Exosquelettes❖Paper

1 source

41

3143arXiv cs.RO 

SoRoMoX : des modèles de robots souples rapides, différentiables et parallélisables

SoRoMoX (Soft Robot Models in JAX) a été présente le 10 aout 2026 dans un preprint arXiv (2608.06650), un framework logiciel en Python/JAX pour modéliser des robots souples. L'outil implémenté trois familles de modèles réduits bases sur la théorie des tiges de Cosserat, articules, a déformation constante par morceaux (Piecewise Constant Strain) et a déformation variable (Variable Strain), via une interface unique compilable JIT qui calcule matrices d'inertie, forces gravitationnelles et élastiques, jacobiennes et leurs dérivées. Selon les auteurs, c'est le premier framework de ce type entièrement différentiable par rapport aux états, entrées et paramètres, et capable de tourner directement sur GPU. Les benchmarks annonces montrent des simulations séquentielles jusqu'a 18,1 fois plus rapides que les meilleures alternatives existantes sur CPU, et un débit multiplie par 234,6 en parallélisation GPU. Ces gains ouvrent plusieurs usages testes dans l'étude: identification de système en équilibre statique avec une erreur de position réduite de 66%, apprentissage de forces résiduelles avec 64% de réduction supplémentaire, suivi de trajectoire par couple calcule avec une erreur environ 500 fois inférieure a un contrôle PD sans modèle, optimisation de gains de contrôle abaissant la perte jusqu'a 62%, et contrôle sous contrainte de sécurité limitant la force de contact a 5 newtons contre 33,5 newtons sans cette contrainte. L'entrainement de politiques par apprentissage par renforcement va jusqu'a 7 fois plus vite qu'une référence CPU basée sur PyElastica. Cette avancée compte parce que la robotique souple accusait un retard d'outillage par rapport a la robotique rigide, ou des frameworks différentiables et parallèles sur GPU ont déjà transforme l'entrainement de contrôleurs. Modeliser un robot souple, dont la déformation est théoriquement a degrés de liberté infinis, restait couteux en calcul et peu compatible avec l'optimisation par gradient ou l'entrainement massif en simulation, ce qui freinait le passage du laboratoire aux applications réelles. En rendant ces simulations rapides et différentiables, SoRoMoX ouvre la voie a des boucles de contrôle temps réel, une identification de paramètres plus précise et des garanties de sécurité formelles, utiles pour des robots destines a manipuler des objets fragiles ou a interagir avec des humains. C'est un signal pour les intégrateurs qui évaluent la robotique souple en manutention délicate ou en préhension adaptative: le logiciel, longtemps le vrai frein, commence a rattraper la théorie. Le papier le précise lui-même: la théorie des modèles réduits bases sur les tiges de Cosserat est déjà bien établie, ce n'est pas elle qui limitait le domaine mais l'absence d'implémentations numériques compatibles avec les workflows de contrôle modernes. La référence de comparaison citée est PyElastica, bibliothèque CPU non différentiable dédiée aux tiges discrètes. SoRoMoX reste a ce stade une publication de recherche accompagnée de son code, sans annonce de produit commercial ni de déploiement industriel: une preuve de performance sur benchmarks internes, pas encore une validation a grande échelle sur matériel physique. Les suites évoquées par les auteurs portent sur l'intégration de cet outil dans des pipelines complets de contrôle et d'apprentissage pour robots souples, avec une validation attendue sur des plateformes réelles.

Recherche❖Paper

1 source

39

3144arXiv cs.RO 

Détection et estimation de distance des contacts externes transitoires par détection tactile dynamique 6D

Des chercheurs présentent TECDAR (Transient Extrinsic Contact Detection And Ranging), une méthode de détection et de localisation des contacts transitoires entre un objet saisi par un robot et son environnement, décrite dans un article publie sur arXiv le 10 aout 2026 (arXiv:2608.07075v1, page projet humitlab.github.io/TECDAR/). Le système repose sur des embouts de pince équipes d'un unique capteur tactile dynamique, une centrale inertielle 6D de seulement 2,5 x 3 mm, capable de capturer des deformations sub-milliseconde a 7 kHz d'échantillonnage pour un débit de données limite a 84 Ko/s. En fusionnant ce flux tactile avec la pose du robot via un filtre de Kalman étendu, TECDAR localise un contact extrinsèque avec une précision millimétrique en 180 millisecondes seulement. Les expériences rapportées montrent une précision moyenne d'environ 7 mm, aussi bien pour des contacts linéaires que ponctuels. Cette rapidité change la donne pour la manipulation fine en robotique. La main humaine localise instinctivement un contact fortuit grâce a sa sensibilité tactile, alors que la plupart des systèmes robotiques manquent de résolution pour capter ce type d'information et corrigent leur trajectoire trop tard, générant des gestes maladroits voire des échecs de tache. En montrant qu'un capteur compact et peu gourmand en bande passante permet de corriger une trajectoire a l'échelle de la milliseconde, les auteurs visent des applications a faible marge d'erreur: assemblage de précision, assistance chirurgicale, exploration autonome dans des environnements domines par le toucher. Il s'agit toutefois d'un résultat de recherche publie en preprint, valide sur des taches de laboratoire contrôlées, et non d'un produit commercialise ou déployé en usine: les intégrateurs devront attendre une validation sur des taches de préhension plus complexes avant d'envisager une adoption. Le travail s'inscrit dans un effort plus large visant a combler l'écart entre la sensibilité tactile humaine et les capacités perceptives des mains robotiques, un axe explore depuis plusieurs années notamment par des capteurs a base de vision comme GelSight, généralement plus volumineux et plus lents a traiter. En misant sur un capteur inertiel miniature unique plutôt que sur une matrice dense de capteurs, TECDAR vise a réduire a la fois le cout matériel et la charge de calcul nécessaire au traitement en temps réel. L'équipe ne communique pas de calendrier de transfert vers une plateforme robotique commerciale; la publication, classée comme nouvelle soumission sur arXiv, ouvre la voie a des travaux de suivi destines a étendre la méthode a des taches de manipulation plus complexes et a des pinces dotées de plusieurs doigts instrumentes.

Recherche❖Paper

1 source

39

3145arXiv cs.RO 

Planification en temps réel du mouvement complet pour manipulateurs mobiles portant des charges de forme arbitraire via SVSDF couplé cinématiquement

Des chercheurs décrivent, dans un article publie sur arXiv (identifiant 2608.07005), un nouveau système de planification de mouvement en temps réel pour manipulateurs mobiles charges de transporter des objets volumineux et de forme non convexe a travers des environnements encombres. La méthode repose sur une version couplée cinématiquement du SVSDF (Swept Volume Signed Distance Field), baptisée KC-SVSDF. L'architecture comporte trois étages: un front-end qui vérifie les collisions par décomposition en chaine et requêtes booléennes rapides tout en préservant la géométrie réelle du robot et de sa charge; un mid-end qui transforme le chemin obtenu en trajectoire continue, lisse et faisable, exécutée directement si elle est sans collision afin d'éviter le recours au back-end, plus couteux en calcul; et un back-end, active seulement quand nécessaire, qui optimise la trajectoire en propageant les gradients d'évitement de collision le long de la chaine cinématique pour produire des manoeuvres d'esquive cohérentes sur l'ensemble du corps du robot. Les auteurs valident l'approche par des études d'ablation, des comparaisons avec des méthodes de référence existantes, et des essais réels sur un manipulateur mobile a entrainement différentiel, franchissant des passages étroits avec des charges volumineuses et irrégulières. Le problème cible reste largement sous-estime en robotique industrielle: la plupart des planificateurs actuels réduisent les charges transportées a des boites englobantes ou des sphères, une simplification qui dégradé fortement les performances des que l'objet réel présente une forme irrégulière ou des parties saillantes, un cas fréquent en logistique, en construction ou en maintenance industrielle. En traitant explicitement le couplage cinématique entre les liaisons du bras et la charge, l'approche vise a éviter deux écueils classiques, la perte d'espace de solutions faisable et le blocage de l'optimisation, qui empêchent souvent les démonstrations en laboratoire de se traduire en déploiements fiables en entrepôt. Pour les intégrateurs de robots mobiles équipes de bras, une planification en trois étages qui ne déclenche l'optimisation lourde qu'en cas de besoin répond directement a la contrainte de temps de calcul compatible avec des cadences industrielles réelles. Ce travail s'inscrit dans la lignée des recherches sur les champs de distance signée et les volumes balayes, déjà exploites pour des robots a corps unique mais rarement étendus a des chaines cinématiques multi-corps couplées comme un bras sur base mobile portant une charge solidaire. Classe "new" sur arXiv, il reste a ce stade une contribution académique, validée sur une seule plateforme en laboratoire, et non un produit déployé ni un pilote industriel annonce. Les comparaisons se limitent a des méthodes génériques de l'état de l'art, sans mention d'entreprises ou de systèmes commerciaux concurrents. Les suites attendues pour ce type de travaux passent généralement par une extension a des bras multiples et une intégration aux piles logicielles de robots mobiles existantes, avant d'envisager des tests en flotte réelle.

Recherche❖Paper

1 source

39

3146arXiv cs.RO 

Système d'assemblage automatisé terminal-boîtier pour faisceaux de câbles plats

Le laboratoire à l'origine de ces travaux a publié un système d'assemblage automatisé pour les faisceaux de câbles rubans plats bidirectionnels (FRCH, flat ribbon cable harnesses) à connecteur unique, décrit dans un article déposé sur arXiv le 6 août 2026 (arXiv:2608.06996v1). Contrairement aux tâches classiques d'insertion peg-in-hole ou d'un seul terminal, l'assemblage FRCH implique l'insertion simultanée de plusieurs terminaux mécaniquement couplés, sous des contraintes géométriques denses et flexibles. Le système proposé fonctionne sans vision ni détection active: une séquence purement mécanique en quatre étapes, Cable Alignment (alignement du câble), Lean & Slide (inclinaison et glissement), Weaving (tressage) et Clamping (serrage), réduit progressivement les défauts d'alignement corrélés entre terminaux, les interférences d'insertion et l'instabilité avant le verrouillage final. Sur 80 essais de FRCH à rangée unique bidirectionnelle, le taux de réussite du processus complet atteint 83,75%, avec 85,0% sur la première moitié des essais et 82,5% sur la seconde. Le temps de cycle mesuré est de 33 secondes, mais à vitesse réduite de moitié, une précision que les auteurs eux-mêmes soulignent et qui doit être relativisée avant toute comparaison avec une cadence industrielle réelle. Ce travail cible un maillon resté largement manuel dans l'industrie électronique et automobile: le câblage de connecteurs à câbles plats, omniprésent dans les faisceaux électriques de véhicules, l'électronique grand public et l'électroménager, où la variabilité mécanique du câble ruban rend l'automatisation par pince rigide peu fiable. L'approche sans capteur ni vision est notable à contre-courant d'une tendance sectorielle vers des pipelines VLA (vision-language-action) coûteux en calcul: elle mise sur une conception mécanique passive pour absorber l'incertitude, une stratégie potentiellement moins chère et plus robuste à déployer en ligne pour les intégrateurs cherchant à automatiser des tâches fines sans investir dans des systèmes de perception complexes. Les auteurs revendiquent le premier prototype automatisé d'assemblage terminal-vers-boîtier pour connecteurs FRCH multi-broches, un sous-domaine peu couvert par la littérature en assemblage robotique fin, dominée jusqu'ici par les études de câbles souples uniques ou de connecteurs rigides simples. Aucun acteur français ou européen n'est mentionné dans cette publication. L'article ne précise ni l'identité institutionnelle des auteurs, ni de calendrier de transfert industriel ou de partenariat avec un fabricant; il s'agit à ce stade d'une démonstration de faisabilité en laboratoire, non d'un produit déployé en usine.

Recherche❖Paper

1 source

39

3147arXiv cs.RO 

CrossTracer : navigation inter-incarnations par raisonnement VLA et adaptation des résidus de trace

Des chercheurs ont publie le 10 aout 2026 sur arXiv (référence 2608.06688v1) un article présentant CrossTracer, un framework hiérarchique de navigation robotique cross-embodiment (multi-plateformes) fonde sur des modèles vision-langage-action (VLA). Le système combine deux modules : VL-Tracer, qui adapte un modèle VLA preentraine pour prédire une trace de navigation initiale sous forme de points de passage normalises dans le plan image, a partir d'observations égocentriques et de consignes en langage naturel ; et CE-Adapter, qui corrige cette trace via des résidus conditionnes par l'identité du robot et des indices visuels de franchissabilite du terrain. Pour entrainer ce module de correction sans annotation manuelle couteuse, les auteurs introduisent CE-RRT, une variante de l'algorithme RRT qui convertit une segmentation panoptique en cartes de cout de franchissabilite spécifiques a chaque robot et génère des traces optimales dans l'espace pixel. Sur le benchmark NaviTrace, qui évalué la cohérence des traces de navigation selon le type d'embodiment du robot, CrossTracer obtient un score total de 45,68, devançant Gemini-2.5-Pro, la meilleure base généraliste testée, de 10,01 points, soit une amélioration relative de 28,1%. Des essais réels sont rapportes sur robots a roues et robots a pattes, avec des gains de taux de réussite et d'efficacité d'exécution. Ce résultat s'attaque a une limite connue des VLA appliques a la navigation : leur raisonnement sémantique ignore souvent les contraintes physiques propres a chaque plateforme, si bien qu'une trajectoire plausible pour un robot a roues peut être infaisable pour un robot a pattes. En séparant le raisonnement sémantique de l'ancrage physique, CrossTracer offre une piste concrète pour réutiliser un même modèle VLA sur des flottes hétérogènes, un enjeu direct pour les intégrateurs qui déploient a la fois des AMR et des robots humanoïdes ou quadrupèdes sur un même site logistique. CE-RRT* intéressé aussi les équipes de recherche car il evite la collecte de données de démonstration coordonnées a la main, goulot d'étranglement récurrent pour entrainer des politiques multi-robots. Le gain de 28,1% face a Gemini-2.5-Pro suggère que les architectures dédiées restent en avance sur les modèles fondation généralistes pour des taches de contrôle fin. Le papier s'inscrit dans la lignée des travaux récents combinant VLA (type Pi-0, GR00T N2 ou Helix) et navigation, un domaine ou la plupart des systèmes se concentrent soit sur la manipulation soit sur la navigation, rarement sur les deux avec une représentation transférable entre embodiments. Le choix du benchmark NaviTrace, récent et conçu pour tester la cohérence embodiment par embodiment, positionne CrossTracer comme une contribution de recherche plutôt qu'un produit commercial : ni volumes de déploiement ni partenaires industriels ne sont précises, et les essais réels évoqués restent des démonstrations limitées, sans détail sur l'échelle ou les conditions de test. La comparaison face a un modèle généraliste plutôt qu'a des systèmes de navigation spécialisés existants mérite d'être lue avec prudence en attendant une reproduction indépendante. La suite logique serait une validation sur davantage de morphologies robotiques et un passage a l'échelle au-delà du cadre du benchmark.

Recherche❧Opinion

1 source

39

3148arXiv cs.RO 

R2S-EGO : raffinement à double proxy pour la reconstruction réel-vers-simulation à capture éparse

Payload de 6 vues pour R2S-EGO, 19,062 dB de PSNR contre 14,226 dB pour la meilleure référence R2S existante, et un taux de réussite de 82,5% (±6,8%) sur une tâche réelle de position assise avec un robot humanoïde Unitree G1, contre seulement 10,0% (±10,5%) pour la méthode concurrente GaussGym : c'est ce que rapporte un article publié le 6 août 2026 sur arXiv (2608.06827v1), présentant une nouvelle méthode nommée R2S-EGO pour la reconstruction de scènes en robotique. Le système combine deux "proxys" : l'un dérivé d'un simulateur qui modélise le domaine de requêtes exécutables propres au comportement du robot, l'autre ancré sur une capture réelle qui fournit les contraintes géométriques de la scène. Les tests ont été menés sur 48 vues égocentriques figées du G1, réparties sur trois environnements de la base de données Replica, avec un budget fixe de sélection de vues à générer. Ce travail répond à un problème concret pour les équipes qui entraînent des politiques de contrôle en simulation avant déploiement réel (le fameux "sim-to-real") : la capture dense multi-vues d'un environnement réel est coûteuse et lente, alors qu'une capture humaine parcimonieuse laisse des angles de vue mal couverts pour les trajectoires spécifiques du robot. En générant des vues synthétiques ciblées sur les déficits de couverture réels plutôt qu'en capturant plus de données terrain, R2S-EGO réduit potentiellement le temps et le coût de mise en place de scènes d'entraînement pour les robots humanoïdes, un enjeu direct pour tout intégrateur ou laboratoire qui veut multiplier les scènes d'entraînement sans multiplier les tournages. Le gain de performance rapporté sur la tâche de position assise, s'il se confirme sur des tâches plus variées, suggérerait que l'écart simulation-réalité reste largement conditionné par la qualité de la représentation visuelle de la scène plutôt que par la seule dynamique du robot. Le contexte est celui de la course actuelle autour du "real-to-sim" pour l'entraînement de politiques VLA appliquées aux robots humanoïdes, domaine où des acteurs comme GaussGym (cité ici comme référence comparative) développent des approches de rendu par Gaussian Splatting. L'étude ne précise pas d'affiliation institutionnelle ni de calendrier de déploiement industriel ; il s'agit à ce stade d'une contribution de recherche évaluée sur un robot Unitree G1 en environnement contrôlé, sans indication de pilote commercial ou d'intégration annoncée chez un fournisseur de robots humanoïdes.

Recherche❖Paper

1 source

39

3149arXiv cs.RO 

WNM-3D : un modèle de navigation intégrant une conditionnalisation 3D pour la navigation vision-langage en boucle fermée

Un article publié sur arXiv (référence 2608.07267, catégorie "cross-listing" signalant un croisement entre disciplines) présente WNM-3D, un modèle de navigation "world-action" conçu pour la navigation vision-langage en boucle fermée, c'est-à-dire des robots qui suivent des instructions en langage naturel à partir de flux vidéo égocentriques. Le système combine un encodeur de géométrie gelé, qui extrait des représentations 3D à partir de l'historique RGB monoculaire de l'agent, avec un adaptateur entraînable appelé 3D Scene-to-Token, qui convertit ces représentations en un préfixe de longueur fixe injecté dans un Transformer de diffusion. Grâce à un mécanisme d'attention "block-causal", ce contexte géométrique conditionne à la fois la génération des futures vues visuelles et celle des actions de navigation. L'entraînement se déroule en trois étapes : un ajustement supervisé sur des démonstrations générées par l'algorithme A*, une adaptation de type DAgger sur les états visités par la politique elle-même, puis une optimisation en boucle fermée via une méthode appelée DanceGRPO. Sur le benchmark GN-Bench, WNM-3D surpasse des politiques de navigation basées sur des modèles vision-langage classiques ainsi que sa propre variante conditionnée en 2D, avec une meilleure cohérence entre flux visuel et action et une erreur de mouvement visuel réduite sur un jeu d'évaluation proche de l'objectif. L'intérêt de ces travaux réside dans le diagnostic qu'ils posent sur les approches VLA (vision-language-action) actuelles, qui associent directement observations et instructions à des actions sans modéliser explicitement comment la scène visuelle doit évoluer sous l'effet du mouvement prédit. En ancrant la prédiction conjointe d'images futures et d'actions dans une représentation 3D persistante plutôt que dans un simple contexte 2D, WNM-3D vise à réduire la dérive en boucle fermée, un problème classique où les erreurs de navigation s'accumulent au fil des pas de temps. Pour les intégrateurs de robots mobiles autonomes, ce résultat suggère qu'un conditionnement géométrique explicite améliore la robustesse par rapport à des politiques purement basées sur des modèles vision-langage préentraînés, sans toutefois constituer une preuve de déploiement réel : les résultats restent circonscrits à un benchmark, sans essai terrain ni robot physique mentionné. Ce travail s'inscrit dans la lignée des modèles génératifs "world-action" (WAM), une famille d'approches qui prédisent conjointement observations futures et actions mais qui, jusqu'ici, ne conditionnaient pas cette génération sur une représentation géométrique de l'historique observé pour la navigation continue. WNM-3D se positionne explicitement contre les politiques VLA de référence et contre une variante 2D du même modèle, utilisée comme ablation pour isoler l'apport du conditionnement 3D. Aucun partenariat industriel, aucun calendrier de déploiement ni acteur commercial n'est mentionné dans l'abstract, ce qui situe cette publication au stade de la recherche amont plutôt que d'un produit prêt à l'intégration.

Recherche⚡Actu

1 source

39

3150arXiv cs.RO 

AutoIntervene : intervention calibrée pour les politiques d'apprentissage par imitation par segmentation d'actions

Un article publié sur arXiv (2608.07065v1) début août 2026 présente AutoIntervene, un système d'intervention calibrée pour les politiques d'imitation par découpage d'actions ("action chunking"), qui prédisent de courtes séquences d'actions plutôt qu'une commande à chaque pas de temps afin de gagner en cohérence temporelle. Le problème visé : les erreurs de perception et la dérive d'exécution peuvent sortir le robot de la distribution des démonstrations d'entraînement, alors que la politique continue de produire des gestes fluides mais inadaptés à l'état réel observé. AutoIntervene évalue en continu les séquences d'actions proposées face à une mémoire de référence visuelle et gestuelle construite à partir d'exécutions réussies, en combinant similarité visuelle et cohérence entre actions proposées et actions de référence, puis applique deux seuils distincts, l'un local à la phase de tâche pour transférer le contrôle vers l'opérateur, l'autre global pour rendre la main à la politique après récupération, tous deux calibrés automatiquement par quantiles empiriques sur des démonstrations expertes plutôt que réglés à la main ; les segments d'intervention issus des essais réussis servent ensuite de supervision corrective pour mettre à jour la politique. Sur des tâches réelles de manipulation bimanuelle, les auteurs rapportent un taux de succès post-adaptation supérieur et un temps de contrôle opérateur réduit par rapport à une intervention manuelle classique, sans détailler de chiffres précis dans le résumé. Pour les intégrateurs qui déploient des politiques de manipulation apprises par imitation, y compris des architectures vision-langage-action, le goulot d'étranglement reste la supervision humaine : un opérateur doit surveiller en permanence le robot et reprendre la main dès qu'une dérive apparaît, ce qui limite le passage à l'échelle. En automatisant et en calibrant statistiquement ce basculement, AutoIntervene propose un critère quantifiable pour décider quand reprendre ou rendre le contrôle, plutôt qu'un jugement humain ad hoc. L'approche transforme aussi chaque intervention en donnée d'entraînement ciblée sur les états réellement rencontrés en production, une boucle d'amélioration continue moins coûteuse que la recollecte de démonstrations complètes. Elle s'inscrit dans le débat plus large sur la fiabilité des politiques apprises hors distribution : la méthode ne résout pas le problème de généralisation, mais propose un filet de sécurité calibré et exploitable en conditions réelles. Cette méthode s'inscrit dans la lignée des politiques par découpage d'actions, popularisées par des approches comme ACT/ALOHA ou les diffusion policies, qui avaient déjà amélioré la fluidité des gestes appris par imitation sans résoudre le décalage entre distribution d'entraînement et conditions réelles. Elle prolonge aussi la littérature sur l'apprentissage avec intervention humaine, en remplaçant le réglage manuel des seuils de reprise de contrôle par une calibration statistique automatisée à partir de démonstrations expertes. L'article ne cite aucune entreprise ni plateforme robotique commerciale : il s'agit d'une contribution de recherche testée sur des tâches de manipulation bimanuelle réelles, avec vidéos et résultats complémentaires publiés sur aus.bot, et se positionne face aux protocoles d'intervention manuelle aujourd'hui standards pour la collecte de données d'imitation, un enjeu direct pour les laboratoires misant sur la téléopération à grande échelle pour entraîner leurs modèles.

Recherche❖Paper

1 source