Actualités robotique — page 67

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

32

3301Robotics & Automation News 

Yusen Logistics déploie la plateforme de coordination d'entrepôt Destro AI

Yusen Logistics Americas, filiale du groupe japonais de logistique globale Yusen Logistics, a annoncé une collaboration stratégique avec Destro AI, éditeur d'une plateforme d'intelligence artificielle physique dédiée à la coordination entre robots et opérateurs humains en entrepôt. Ce déploiement s'inscrit dans les investissements continus de Yusen dans les technologies d'entreposage intelligent, avec pour objectif affiché d'améliorer l'efficacité opérationnelle et la constance d'exécution des tâches logistiques. Le communiqué reste toutefois avare en détails techniques concrets : aucun chiffre de cycle time, de volume de déploiement, de nombre de sites ou de montant financier n'est communiqué à ce stade, ce qui relève plutôt de l'annonce de partenariat que du bilan de déploiement opérationnel vérifiable. Pour le secteur de la logistique et de la robotique d'entrepôt, ce type d'accord confirme une tendance de fond : les grands opérateurs logistiques cherchent désormais des couches logicielles de coordination homme-robot plutôt que des robots isolés, misant sur l'orchestration plus que sur le hardware seul. C'est un signal pour les intégrateurs et les décideurs B2B que la bataille se déplace vers les plateformes de pilotage capables de faire cohabiter efficacement main-d'œuvre humaine et flottes robotiques hétérogènes, plutôt que vers la seule performance d'un robot individuel. Yusen Logistics opère un vaste réseau nord-américain d'entrepôts et de centres de distribution pour le compte de clients industriels, un terrain d'application naturel pour ce genre de plateforme de coordination. Destro AI, acteur encore peu documenté publiquement, se positionne ainsi face à d'autres fournisseurs de solutions d'automatisation d'entrepôt et de robotique mobile autonome (AMR). Les prochaines étapes attendues concernent la publication de résultats opérationnels chiffrés et l'extension éventuelle du déploiement à d'autres sites du réseau Yusen.

Industriel⚡Actu

1 source

50

3302Robotics & Automation News 

La Chine menace de riposter après les restrictions américaines sur les importations de nouveaux robots humanoïdes étrangers

La Chine a menacé de répliquer après que la Commission fédérale des communications (FCC) américaine a ajouté les robots humanoïdes et quadrupèdes étrangers avancés à sa "Covered List", une liste qui bloque l'homologation de nouveaux modèles sur le marché américain. Pékin, par la voix de son ministère du Commerce, a averti que cette mesure endommagerait les relations économiques et commerciales entre les deux premières économies mondiales. Le communiqué de la FCC ne détaille pas encore précisément quels fabricants ou quels modèles sont visés, mais la formulation cible explicitement les dispositifs robotiques "avancés" produits à l'étranger. Cette décision étend aux robots un mécanisme jusqu'ici réservé aux équipements télécoms et aux drones, avec Huawei, ZTE puis DJI comme précédents. Pour les intégrateurs et fabricants chinois comme Unitree, UBTech ou AgiBot, qui ont multiplié les annonces d'export ces derniers mois, l'accès au marché américain se complique nettement. À l'inverse, les acteurs américains du secteur, Figure AI, Apptronik ou Tesla avec Optimus, pourraient bénéficier d'une barrière protectionniste de facto sur un marché encore naissant, où la concurrence chinoise progresse vite en coût et en volume de production. Cette escalade s'inscrit dans la continuité des tensions technologiques sino-américaines déjà observées sur les semi-conducteurs et les terres rares, ces dernières étant justement des composants critiques pour les actionneurs des robots humanoïdes. Pékin dispose donc d'un levier de rétorsion direct via ses propres restrictions à l'export. Les prochaines étapes attendues sont une période de commentaires côté FCC et une possible réponse formelle chinoise, dont la nature reste à préciser.

Regulation⚖Reglementation

1 source

46

3303IEEE Spectrum Robotics 

Robot humanoïde : ce que pensent les entreprises de la robotique de l'interdiction américaine des robots étrangers

Le régulateur américain des télécommunications, la Federal Communications Commission (FCC), a ajouté le 28 juillet à sa "Covered List" les robots mobiles communicants de plus de 2 kilogrammes ainsi que les onduleurs de puissance utilisés dans les panneaux solaires. Cette liste, créée en 2021 pour identifier les équipements jugés menaçants pour la sécurité nationale, entraîne l'interdiction d'importation de tout nouveau produit étranger relevant de ces catégories. La décision, portée par le Department of Defense (DOD), définit un "dispositif robotique avancé" comme un système mobile doté de capteurs embarqués, de capacités de communication et d'un certain degré d'autonomie. Deux exemptions notables : les systèmes pesant moins de 2 kg et ceux communiquant à moins de 200 kilobits par seconde échappent à la règle, tout comme les drones (déjà régulés séparément), les véhicules connectés et les dispositifs médicaux. La mesure ne s'applique qu'aux nouveaux appareils : les produits déjà certifiés restent autorisés à la vente et à l'utilisation. Pour l'industrie robotique, cette décision reconfigure l'accès au marché américain. Le gouvernement justifie la mesure par un risque de cybersécurité touchant les infrastructures critiques, avançant deux arguments : la nécessité pour les États-Unis de disposer d'une chaîne d'approvisionnement et d'une base industrielle domestique plutôt que de dépendre de fabricants étrangers, et le fait que les robots mobiles surveillent souvent des sites sensibles, ce qui en fait un vecteur de risque potentiel. Le DOD cite explicitement, parmi ses justifications, un article d'IEEE Spectrum documentant une vulnérabilité critique dans des robots du fabricant chinois Unitree (Hangzhou), aux côtés d'autres rapports sur la robotique chinoise. Pour toute entreprise étrangère qui souhaite continuer à vendre aux États-Unis, l'homologation FCC exige désormais, entre autres conditions, un "plan détaillé et chiffré dans le temps" pour établir ou étendre une production sur le sol américain, ce qui pourrait pousser des acteurs internationaux à délocaliser une partie de leur fabrication. Bien que la FCC insiste sur le caractère "neutre" de la mesure, affirmant qu'elle ne vise aucun pays en particulier, des sources gouvernementales américaines ont indiqué à IEEE Spectrum que la Chine en est la cible implicite. Pékin ne s'y est pas trompé : lors d'une conférence de presse du ministère du Commerce le 29 juillet, la Chine a dénoncé une mesure qui, sous couvert de "non-discrimination", viserait en réalité à écarter les entreprises et produits chinois, qualifiant l'initiative de protectionnisme nuisible aux intérêts des entreprises et des consommateurs américains eux-mêmes. Cette extension du Covered List s'inscrit dans une série d'efforts fédéraux dispersés visant à réduire l'exposition des États-Unis aux technologies chinoises jugées sensibles, après des restrictions déjà imposées aux drones. Les modalités précises d'application et les réactions des grands fabricants étrangers de robotique restent à préciser dans les semaines à venir. Note : l'article source fourni s'arrête sur une phrase incomplète ("Because China also…"), le texte ci-dessus couvre l'intégralité du contenu disponible.

Regulation⚖Reglementation

1 source

34

3304Robotics & Automation News 

Robots inspirés des oiseaux : un système de contrôle assure leur stabilité par vent fort

Des chercheurs de l'université de Chiba, au Japon, ont mis au point une nouvelle méthode de contrôle pour les robots volants à ailes battantes inspirés des oiseaux, afin de les rendre plus stables face aux perturbations comme les rafales de vent. Ce type de robot reste en effet particulièrement vulnérable aux mouvements imprévus en vol, ce qui complique le maintien d'une trajectoire stable. Le système développé par l'équipe japonaise améliore le rejet de ces perturbations et réduit de 53,1 % l'erreur de position sur l'axe X par rapport aux approches de contrôle existantes, un gain mesuré directement en conditions de vol perturbé. Cette avancée s'adresse directement aux limites qui freinent l'usage pratique des robots à ailes battantes, pressentis pour l'inspection d'infrastructures ou les missions de recherche et sauvetage, deux applications où l'engin doit voler dans des environnements extérieurs exposés au vent ou dans des espaces confinés générant des turbulences. Contrairement aux drones à hélices, les plateformes à ailes battantes offrent une meilleure manœuvrabilité à basse vitesse et un profil sonore plus discret, mais leur dynamique de vol, plus proche de celle d'un oiseau, les rend structurellement plus sensibles aux à-coups aérodynamiques. Améliorer leur robustesse aux perturbations est donc une condition nécessaire pour faire passer ces robots du stade expérimental à un usage opérationnel réel, hors laboratoire. La recherche sur les robots à ailes battantes s'inscrit dans un effort mondial visant à reproduire l'efficacité et l'agilité du vol animal, un champ où plusieurs laboratoires travaillent depuis des années sur des plateformes miniatures capables de voler en milieu contraint. L'enjeu pour ces équipes est désormais de faire converger légèreté, autonomie énergétique et robustesse au vent, trois contraintes difficiles à concilier sur des robots de petite taille. Les auteurs de l'étude de Chiba n'ont pas précisé de calendrier de déploiement, mais présentent ce contrôleur comme une étape vers des tests en conditions extérieures réelles, où le vent reste l'un des principaux obstacles à l'adoption de ces robots pour l'inspection ou les interventions d'urgence.

Recherche❖Paper

1 source

42

3305SCMP Tech 

La start-up chinoise d'IA physique a-t-elle manipulé un classement mondial pour battre Nvidia ?

Une start-up chinoise d'IA physique basée à Hangzhou, dans la province du Zhejiang, s'est brièvement retrouvée en tête d'un classement mondial de robotique avant que la polémique n'éclate sur la manière dont elle y est parvenue. Fondée en 2024, Spirit AI a vu son modèle Spirit v1.6 dépasser en juin le géant américain Nvidia au sommet de RoboArena, un benchmark de référence pour évaluer les systèmes d'IA physique. Ce classement, censé mesurer objectivement les performances de modèles robotiques face à des tâches réelles, a rapidement suscité des soupçons de manipulation autour de la méthode utilisée par Spirit AI pour obtenir ce score, sans que les détails techniques de l'accusation soient encore pleinement établis publiquement. Cet épisode illustre la tension qui traverse la course sino-américaine à l'IA physique et l'humanoïde: au-delà des annonces spectaculaires, la fiabilité des benchmarks censés arbitrer objectivement entre laboratoires devient elle-même un enjeu stratégique. Si un classement mondial peut être influencé ou contourné, c'est toute la crédibilité des comparaisons entre modèles comme Spirit v1.6, les futures itérations de Nvidia, ou d'autres VLA (vision-language-action) concurrents qui s'en trouve fragilisée, un problème direct pour les intégrateurs et décideurs B2B qui s'appuient sur ces classements pour choisir une pile technologique. L'affaire s'inscrit dans une compétition plus large entre laboratoires chinois et américains sur l'IA incarnée, où Pékin pousse activement ses start-ups de robotique humanoïde et physique à rivaliser avec les géants américains comme Nvidia sur le terrain de la performance mesurable, autant que sur celui du déploiement commercial.

Chine/Asie⚡Actu

1 source

43

3306Interesting Engineering 

Robots humanoïdes expressifs : la confiance grandit, mais les erreurs la font chuter rapidement

Une étude de l'université Drexel montre que la confiance envers les robots humanoïdes expressifs s'effondre plus vite qu'elle ne s'était installée dès la première erreur. Cinquante adultes ont interagi avec Pepper, robot conçu à l'origine par la société française Aldebaran Robotics avant son rachat par SoftBank, décliné en deux versions : l'une expressive, avec contact visuel, hochements de tête, gestes et acquiescements verbaux type "uh-huh" ; l'autre immobile, délivrant le même dialogue scripté sans aucun signal non verbal. Chaque participant a suivi trois sessions, les deux premières sans erreur pour établir la confiance, la troisième introduisant volontairement des ratés conversationnels (réponses hors sujet, interruptions, raisonnements incohérents, demandes de répétition) plutôt que des pannes mécaniques. Fait rare pour ce type d'étude, les chercheurs ont croisé quatre mesures simultanées : activité cérébrale par spectroscopie proche infrarouge fonctionnelle (fNIRS) portable, taux d'ocytocine salivaire, notes de confiance déclarées et décisions comportementales réelles. Le robot expressif captait davantage l'attention et influençait plus les choix des participants tant qu'il ne se trompait pas. Mais dès l'apparition d'erreurs, sa capacité à peser sur les décisions a chuté de plus de moitié, un effondrement plus marqué que pour la version immobile. Les IRM ont montré que les erreurs du robot expressif activaient le cortex préfrontal dorsolatéral et médian, zones impliquées dans le raisonnement social, signe que les participants traitaient ces ratés comme une trahison sociale plutôt qu'un simple bug technique. À l'inverse, les erreurs du robot immobile étaient perçues comme de simples défaillances système, avec une réaction neurale plus faible. Pour les concepteurs de robots sociaux destinés à la santé, l'éducation, le service client ou le domicile, le message est clair : plus un robot paraît humain, plus l'expérience utilisateur devient fragile face à l'erreur, ce qui interroge directement les stratégies actuelles misant sur l'expressivité pour vendre l'adoption. Résultat inattendu, l'ocytocine, hormone habituellement associée au lien social, augmentait après les erreurs des deux robots alors même que la confiance chutait. Les chercheurs y voient un signal de vigilance accrue face à un comportement social jugé peu fiable, plutôt qu'un marqueur d'attachement renforcé. Contrairement aux études précédentes sur la confiance homme-robot, majoritairement fondées sur de simples questionnaires déclaratifs, ce protocole multimodal permet d'observer en temps réel la dynamique neurologique, physiologique et comportementale des interactions. L'étude ne fournit pas de calendrier de déploiement ni d'acteur industriel précis pour intégrer ces résultats, mais elle pose un jalon méthodologique pour l'évaluation des interfaces sociales robotiques, à un moment où healthcare, retail et éducation multiplient les pilotes avec des humanoïdes conversationnels.

Recherche❖Paper

1 source

47

3307arXiv cs.RO 

VLAGuard : un cadre pour évaluer et atténuer le détournement d'attention physique dans les robots vision-langage-action au sein des réseaux de capteurs sans fil

Des chercheurs ont présenté VLAGuard, un cadre destiné à évaluer et corriger une faille critique des robots Vision-Language-Action (VLA) déployés comme nœuds mobiles au sein de réseaux de capteurs sans fil (WSN) : le détournement de l'attention croisée action-vision par des patchs adversariaux physiques. Le papier introduit d'abord un module de stress-test, VASA (Visuomotor Attention-guided Semantic Attack), qui utilise de simples patchs imprimables pour perturber gravement le mécanisme d'attention croisée conditionné par l'action, c'est-à-dire la fonction qui relie ce que le robot voit à ce qu'il doit faire. Face à cette vulnérabilité, les auteurs proposent une défense baptisée APFT (Attention-Protective Fine-Tuning), qui stabilise l'attention spatiotemporelle et impose une cohérence géométrique, sans coût de calcul supplémentaire à l'inférence. Testée sur le modèle OpenVLA, cette méthode fait chuter le taux d'échec de 100,0 % à 25,9 % dans les simulations LIBERO. Sur 2 000 essais réels menés dans des environnements intelligents assistés par WSN, APFT fait grimper le taux de réussite moyen de 23,0 % à 67,4 % face à des attaques par patch sévères. Ce résultat expose une faiblesse peu documentée des architectures VLA à grande échelle : leur dépendance à des mécanismes d'attention visuelle facilement manipulables par un simple autocollant imprimé, sans accès numérique au système. Pour les intégrateurs et décideurs qui envisagent de déployer des robots pilotés par VLA en usine, en entrepôt ou dans des environnements connectés en tant que nœuds de capteurs, le taux d'échec de 100 % sous attaque non protégée rappelle que la robustesse des politiques génératives reste loin d'être acquise, même quand les démonstrations en conditions contrôlées paraissent convaincantes. Le fait qu'une contre-mesure sans surcoût d'inférence ramène le taux de réussite à environ deux tiers en conditions réelles, sans l'approcher des 100 %, illustre autant le potentiel que les limites actuelles des défenses par fine-tuning face à des attaques physiques bien conçues. Ce travail s'inscrit dans un courant de recherche croissant sur la sécurité adversariale des modèles VLA, une famille d'architectures (à l'image de Pi-0, GR00T N2 ou Helix) qui gagne du terrain dans la robotique commerciale grâce à sa capacité à traduire des instructions en langage naturel en actions motrices. Jusqu'ici, la plupart des travaux sur la robustesse de ces modèles ciblaient les perturbations numériques ou les échecs de généralisation, laissant de côté les attaques physiques visant spécifiquement les mécanismes d'attention. VLAGuard ouvre la voie à des protocoles d'évaluation standardisés pour ce type de menace, avec des extensions probables à d'autres architectures VLA et à des scénarios d'attaque plus variés que le simple patch imprimé.

Recherche⚡Actu

1 source

46

3308arXiv cs.RO 

Positionnels aveugles : détecter et corriger les angles morts des modèles vision-langage-action

Les modèles Vision-Language-Action (VLA), utilisés pour la manipulation robotique, sont généralement évalués par un taux de réussite agrégé sur des configurations d'objets prédéfinies, une méthode qui suppose implicitement une compétence uniforme sur tout l'espace de travail. Une équipe de recherche montre que cette hypothèse est fausse : même en gardant l'instruction et tous les autres paramètres de la scène identiques, le simple déplacement d'un objet distracteur sans rapport avec la tâche peut faire grimper brutalement le taux d'échec dans des zones localisées et spatialement cohérentes, baptisées "Positional Blind Spots" (PBS, angles morts positionnels). Les chercheurs proposent un cadre en deux étapes, en boîte noire : d'abord un quadrillage de l'espace de travail combiné à un test du rapport de vraisemblance unilatéral pour localiser les cellules à risque élevé, puis un fine-tuning ciblé par LoRA sur des démonstrations collectées dans ces zones. Testé sur cinq politiques VLA de référence et deux benchmarks, le framework révèle des angles morts systématiques, avec des taux d'échec atteignant 0,58 dans certaines cellules. Leur stratégie de recherche atteint un F1-score de 0,678, contre une recherche aléatoire (+0,268) et un échantillonnage adaptatif (+0,178). Le fine-tuning ciblé réduit ensuite le taux d'échec global de 40,00 % à 85,19 %. Ce résultat interroge une pratique d'évaluation largement admise dans le secteur : un taux de réussite agrégé peut masquer des faiblesses spatiales très concentrées, dangereuses en usage réel où la position des objets varie constamment. Pour un intégrateur ou un ingénieur déployant un bras robotique piloté par VLA en entrepôt ou en usine, cela signifie qu'un score de succès global ne garantit rien sur la fiabilité à un endroit précis du poste de travail, et qu'un audit spatial devient nécessaire avant mise en production. C'est aussi un rappel que le "sim-to-real solved" claim de certains labos VLA reste à nuancer : la généralisation spatiale, même sur des tâches simples, n'est pas acquise. Le papier (arXiv:2608.01573v1) s'inscrit dans la vague récente de modèles VLA généralistes (RT-2, OpenVLA, Pi-0, GR00T N2, Helix) évalués presque exclusivement par taux de succès global. Aucun acteur français ou européen n'est cité dans cette étude académique. La méthode se positionne comme un outil de diagnostic et de correction ciblée, potentiellement intégrable en amont du déploiement industriel plutôt que comme un nouveau modèle concurrent.

Recherche❖Paper

1 source

46

3309arXiv cs.RO 

Multi-vue avec champs de caméra unifiés : représentations orientées action, façonnées par la géométrie, pour des politiques VLA multi-caméras en RGB seul

Le champ multi-caméras unifié, une piste pour réduire les échecs de préhension des robots VLA Une équipe de recherche propose MVUCF (Multi-View Unified Camera Fields), une méthode d'entraînement pour les modèles Vision-Language-Action (VLA) qui pilotent des bras et robots humanoïdes à partir d'images. L'idée : construire, uniquement pendant l'entraînement, un champ latent partagé entre plusieurs caméras et orienté vers l'action. Deux objectifs guident cet entraînement, l'un force le modèle à retrouver la profondeur métrique à partir d'une requête de coordonnées, l'autre aligne les représentations internes qui observent un même point physique depuis des caméras différentes. Une fois cette « injection géométrique » réalisée, les têtes auxiliaires de profondeur et de calibration sont supprimées : au déploiement, le robot ne traite plus que du RGB brut, sans capteur de profondeur ni coût de calcul additionnel. Testée sur le modèle GR00T-N1.6 de NVIDIA, la méthode atteint 98,9 % de réussite sur le benchmark LIBERO, gagne 22,4 points sur la version durcie LIBERO-Plus, et améliore de 23,3 points le taux de succès sur six tâches RoboTwin réparties en trois familles : toucher, déplacer-et-poser, et interaction de contact. Des essais sur humanoïde réel confirment l'effet en conditions RGB seules. L'intérêt pour l'industrie tient au problème que MVUCF cible directement : les VLA multi-caméras actuels se contentent le plus souvent de concaténer les tokens de chaque vue, ce qui laisse la représentation de l'action pauvre en profondeur métrique et incohérente d'une caméra à l'autre, un défaut critique pour les tâches riches en contact (saisie, insertion, manipulation sous occlusion) où le bras doit estimer une distance précise à l'objet. En forçant une géométrie cohérente pendant l'entraînement tout en gardant un déploiement purement RGB, l'approche évite le compromis habituel entre précision spatiale et coût matériel (caméras de profondeur, calibration multi-caméras embarquée). C'est un signal utile pour les intégrateurs qui cherchent à fiabiliser des politiques VLA sur des tâches de manipulation fine sans alourdir la pile de perception embarquée, et un argument dans le débat sur la maturité réelle des VLA au-delà des démonstrations en environnement contrôlé. Ce travail s'inscrit dans la vague de modèles VLA généralistes lancée par des familles comme GR00T (NVIDIA), Pi-0 (Physical Intelligence) ou Helix (Figure), où la généralisation en manipulation robotique progresse vite mais où la gestion fiable de plusieurs points de vue reste un point faible documenté. En s'appuyant spécifiquement sur GR00T-N1.6 comme base d'évaluation, les auteurs positionnent MVUCF comme un module d'entraînement générique, potentiellement transposable à d'autres architectures VLA, plutôt que comme un nouveau modèle concurrent. L'article, publié sur arXiv début août 2026, ne précise pas de calendrier de déploiement industriel ni de partenaire matériel ; les résultats sur humanoïde réel restent présentés comme une preuve de concept plutôt qu'un système prêt à être intégré en production.

IA physique❧Opinion

1 source

46

3310arXiv cs.RO 

La mémoire, pas le cache : la provenance des portes borne la fiabilité en boucle fermée du saut de tokens VLA sans entraînement

Une étude arXiv (2608.00391) documente une faille dans le "token skipping", technique sans entraînement qui accélère les modèles vision-langage-action (VLA) en robotique en ignorant le calcul de la majorité des tokens visuels à chaque pas de commande, selon un signal de gâté. Si ce gâté provient de la précédente passe déjà accélérée, les tokens ignorés à une étape deviennent aussi les moins visibles pour le gâté suivant, et l'erreur se propage jusqu'à l'échec de la tâche. Sur LIBERO-Object, à un ratio de saut de 0,9, les deux mécanismes testés, réutilisation et suppression, s'effondrent dans ce cas : taux de réussite à 0,68 et 0,31 contre 1,00 en mode dense, un échec invisible aux détecteurs d'anomalies au niveau de l'action évalués par les auteurs. La conclusion centrale n'est pas la technique de saut choisie, mais l'origine du gâté, propre s'il est calculé par une passe qui n'a rien sauté, ou contaminé sinon. Cette distinction, jusqu'ici négligée, remet en question la fiabilité de nombreuses méthodes d'accélération VLA publiées, dont les métriques de succès peuvent masquer une dégradation progressive sans que les détecteurs au niveau action ne l'identifient. Pour les intégrateurs et ingénieurs déployant des politiques VLA en boucle fermée sur du matériel réel, où chaque milliseconde de latence compte face aux contraintes de commande temps réel, cela signifie qu'une accélération validée en apparence peut tout de même faire dérailler une tâche en conditions réelles, sans signal d'alerte exploitable. La solution proposée, l'"actuation-slack refresh", exploite le temps mort pendant lequel le robot exécute déjà son segment d'action courant pour lancer, hors du chemin critique, une passe dense qui fournit au pas suivant un gâté propre et une base KV fraîche. Appliquée systématiquement plutôt que déclenchée par un détecteur jugé peu fiable, elle ramène les deux mécanismes à 0,98 de réussite. Intégrée à des méthodes de cache et d'élagage de référence sur deux politiques VLA, quatre suites LIBERO et quatre tâches SIMPLER, elle corrige tous les effondrements observés, avec une latence de service réduite de 18 à 22 % par rapport au mode dense, confirmée en simulation comme sur robot physique.

Recherche❖Paper

1 source

43

3311arXiv cs.RO 

Faster-WAM : les modèles monde-action ont-ils besoin de modules d'action profonds ?

Une équipe de recherche présente Faster-WAM, un nouveau modèle d'architecture pour les World Action Models (WAM), systèmes qui couplent la prédiction d'actions robotiques avec des modèles de monde vidéo. Publié sur arXiv début août 2026, le papier introduit le principe du Dock of Transformer (DoT) : plutôt que de calquer la profondeur du module d'action sur celle du backbone vidéo, comme le font les architectures existantes à backbone partagé ou de type Mixture-of-Transformers, DoT traite le Transformer vidéo pré-entraîné comme un simple hub de représentations et y greffe des têtes de sortie légères via une interface de "docking". Concrètement, Faster-WAM branche une tête d'action d'une seule couche sur un backbone vidéo de 30 couches, l'interface fusionnant les clés et valeurs de toutes les couches vidéo avec un réalignement RoPE. Sans pré-entraînement embodied supplémentaire, le modèle obtient des performances compétitives sur les benchmarks LIBERO et RoboTwin 2.0, une bonne généralisation hors distribution sur LIBERO-Plus, et surtout une latence de bout en bout de 66,5 millisecondes par inférence, soit 3,2 fois plus rapide que Fast-WAM, la référence précédente. Pour l'industrie robotique, l'enjeu est moins la performance brute que la latence exploitable en temps réel : un modèle de contrôle qui prend 200 ms à répondre est difficilement utilisable sur un bras ou un robot mobile évoluant dans un environnement dynamique. En découplant la taille de la tête d'action de la profondeur du backbone vidéo, cette approche laisse entrevoir des VLA (vision-language-action) capables d'exploiter de gros modèles de monde pré-entraînés sans en hériter le coût d'inférence, un compromis que beaucoup d'architectures actuelles peinent à tenir. Le travail s'inscrit dans la tendance de fond des World Action Models, qui cherchent à unifier prédiction vidéo et prédiction d'action dans un même réseau plutôt que d'empiler des modules séparés. À ce stade, les résultats restent cantonnés à des benchmarks de simulation (LIBERO, RoboTwin 2.0) et non à un déploiement sur robot réel : il s'agit d'une contribution architecturale, pas d'un produit commercialisé. Les auteurs ne précisent pas de suite ni de calendrier de transfert vers du matériel physique.

Recherche⚡Actu

1 source

43

3312arXiv cs.RO 

Passage sémantique ancré pour une généralisation robuste des instructions dans les modèles vision-langage-action

Des chercheurs ont publié le 2 août 2026 sur arXiv un article intitulé « Grounded Semantic Re-Binding for Robust Instruction Generalization in Vision-Language-Action Models », qui s'attaque à un défaut connu des modèles Vision-Language-Action (VLA) utilisés en manipulation robotique : leurs performances s'effondrent dès qu'une instruction canonique est simplement reformulée, même sans changement de sens. Les auteurs montrent que la cause n'est pas un manque de compréhension sémantique, que les modèles capturent correctement en interne, mais un problème architectural : l'encodage conjoint des observations visuelles dynamiques et du texte introduit des décalages de features qui perturbent la politique d'action en aval. Pour corriger ce goulot d'étranglement, l'équipe propose Grounded Semantic Re-binding (GSR), une méthode qui extrait séparément la sémantique de la tâche et les features visuelles natives avant de les fusionner, puis entraîne un expert d'action entièrement réinitialisé à partir de démonstrations canoniques uniquement, sans données de paraphrase supplémentaires. Sur le benchmark LIBERO-Para, GSR améliore le taux de réussite jusqu'à 44,6 points. La méthode permet aussi à des modèles légers d'égaler des baselines massivement mises à l'échelle, et pousse l'état de l'art à un score PRIDE record de 70,4, devançant le modèle Xiaomi-Robotics-0 récemment introduit. Les chercheurs présentent également ParaVLA, un modèle nativement découplé de seulement 0,33 milliard de paramètres, quasi insensible à la reformulation des instructions. Pour l'industrie robotique, ce résultat remet en cause un réflexe devenu standard : face à la fragilité des VLA aux reformulations, la réponse habituelle est d'empiler davantage de données d'entraînement, une approche coûteuse en calcul et en collecte de démonstrations. En identifiant la cause comme structurelle plutôt que statistique, GSR ouvre la voie à des modèles plus compacts et robustes sans scaling brut, un enjeu direct pour les intégrateurs qui déploient des VLA en environnement réel, où un opérateur ne formule jamais deux fois une consigne exactement de la même façon. Qu'un modèle de 0,33 milliard de paramètres rivalise avec des systèmes bien plus massifs interroge aussi l'hypothèse dominante selon laquelle la robustesse sémantique des VLA dépend mécaniquement de la taille du modèle ou du corpus d'entraînement. Les VLA, qui combinent perception visuelle, compréhension du langage et génération de commandes, sont devenus l'architecture de référence pour la manipulation robotique généraliste, portée notamment par des modèles comme Pi-0 ou GR00T N2. Leur fragilité face aux reformulations reste un point faible documenté, généralement traité par scaling de données plutôt que par correction architecturale. En se comparant explicitement à Xiaomi-Robotics-0, modèle pré-entraîné à grande échelle récemment mis en avant, les auteurs positionnent GSR comme une alternative frugale à la course au gigantisme. Le papier, disponible en preprint sur arXiv (2608.02497), reste pour l'instant une contribution de recherche évaluée en simulation ; sa validation sur des déploiements robotiques réels déterminera sa portée pratique au-delà du laboratoire.

IA physique⚡Actu

1 source

43

3313arXiv cs.RO 

Première déployable à centre de masse dynamique : un référentiel unifié pour l'équilibre monopode humanoïde

Une équipe de recherche en robotique humanoïde publie un constat sévère sur arXiv (2608.00500v1) : sur un benchmark dédié à l'équilibre monopode, huit politiques de contrôle unifiées considérées comme état de l'art échouent intégralement, ne tenant une position stable sur une seule jambe pour aucun des 90 mouvements testés. Ces systèmes ne préviennent pas la perte d'équilibre, ils la subissent et compensent en sautillant ou en reposant le pied au sol. Les chercheurs identifient la cause : aucune politique matérielle n'exploite le point de capture (xCoM), une variable dérivée de la vitesse du centre de masse, car son calcul classique nécessite une vitesse linéaire du bassin qu'aucun capteur embarqué ne fournit directement. Leur solution consiste à exprimer cette vitesse par rapport au pied d'appui plutôt qu'à un référentiel absolu, ce qui fait disparaître le terme problématique et rend l'observation reconstructible à partir des seuls encodeurs et de la centrale inertielle. Entraînée avec la méthode FastSAC en configuration asymétrique, avec un critique privilégié et sans distillation, la politique résultante (baptisée FDDC) tient un équilibre monopode propre sur 86 des 90 mouvements de test répartis en neuf classes de postures, et le résultat se transfère à un robot Unitree G1 réel. Pour l'industrie humanoïde, ce travail documente un angle mort rarement chiffré : la capacité à rester stable est traitée comme acquise dans les démonstrations, alors qu'elle échoue de façon quasi systématique dès qu'on la teste rigoureusement hors des trajectoires d'entraînement habituelles. Cela relativise les vidéos de marche ou de manipulation dynamique diffusées par les fabricants, dont la robustesse posturale reste largement invérifiée en dehors du script filmé. L'étude d'ablation renforce ce point : retirer la seule observation de centre de masse dynamique fait chuter le score de 40 points, ce qui en fait le facteur dominant, davantage qu'un ajustement de récompense ou d'architecture. Les auteurs situent leur approche dans la lignée du contrôle postural humain, dont ils traduisent terme à terme la logique de récompense, et publient l'ensemble du code ainsi qu'un benchmark sim-à-sim agnostique à la méthode, évalué dans un simulateur différent de celui de l'entraînement pour limiter le biais. L'objectif affiché est de transformer l'équilibre d'une astuce ponctuelle par tâche en une capacité mesurable et comparable à l'échelle du secteur.

Recherche❖Paper

1 source

43

3314arXiv cs.RO 

Pourquoi le découpage en séquences (action chunking) améliore-t-il les performances du clonage comportemental en robotique ?

Une équipe de recherche en apprentissage robotique publie une étude (arXiv:2608.02547v1) qui démonte les explications reçues sur le "action chunking", cette technique consistant à faire prédire et exécuter plusieurs actions d'affilée à une politique de contrôle plutôt qu'une seule à la fois, généralisée dans les politiques de clonage comportemental. À travers des expériences en simulation et en conditions réelles, les auteurs montrent que les trois hypothèses jusqu'ici avancées pour expliquer son efficacité, la cohérence temporelle, la réduction d'horizon et l'apprentissage de représentation, ne tiennent pas à l'épreuve des faits. Le vrai mécanisme, selon eux, tient à une expressivité non markovienne accrue et à une réduction de l'erreur cumulative par rapport aux politiques markoviennes classiques, un effet qui peut être entièrement reproduit par de simples politiques retardées, prédisant une action unique à partir d'une observation vieille de k pas de temps. Les chercheurs identifient aussi un second bénéfice, baptisé "implicit ensembling": en apprenant simultanément plusieurs relations temporelles entre observations et actions, une politique chunkée se comporte comme un ensemble de modèles, gagnant en robustesse et en généralisation. Cette clarification a une portée pratique directe pour quiconque conçoit des politiques VLA (vision-langage-action) ou des pipelines de clonage comportemental: elle explique un gain de performance jusqu'ici traité comme un fait empirique quasi magique, et ouvre la voie à des architectures plus efficaces. Les auteurs démontrent qu'on peut égaler les performances du action chunking sans chunking, en déployant une politique sous forme d'ensemble à délais aléatoires, puis proposent une classe de politiques instanciant explicitement cet ensemble, qui surpasse le chunking classique sur plusieurs bancs d'essai. Pour les équipes qui entraînent des modèles de contrôle par imitation, cela suggère un axe d'optimisation concret: remplacer un chunking coûteux en calcul par un ensemble de politiques à délais, plus léger et potentiellement plus performant. Le action chunking s'est imposé ces dernières années comme composant standard dans des architectures largement utilisées comme ACT (Action Chunking Transformer) ou Diffusion Policy, ainsi que dans plusieurs modèles VLA récents, sans qu'un consensus scientifique n'explique précisément pourquoi il fonctionne aussi bien. Ce travail s'inscrit dans un effort plus large de la recherche en robotique pour dépasser les résultats empiriques et bâtir une théorie du clonage comportemental, alors que les hypothèses concurrentes s'accumulaient sans validation rigoureuse comparative.

Recherche❖Paper

1 source

43

3315arXiv cs.RO 

Vers un toucher intégral scalable en géométrie pour humanoïdes : peau EIT conforme imprimée en 3D

Une équipe de recherche a publié le 4 août 2026 sur arXiv (référence 2608.02080) une peau tactile conforme fabriquée par impression 3D, basée sur la tomographie d'impédance électrique (EIT), pour la détection tactile corps entier des humanoïdes. Le dispositif combine une couche de TPU (polyuréthane thermoplastique) conducteur poreux formant un domaine de détection continu, et des patchs de contact à faible résistance qui améliorent la sensibilité tout en préservant l'imprimabilité. Le contact avec la peau modifie les tensions mesurées aux électrodes de bord, reconstruites par un solveur EIT de Gauss-Newton en une seule étape, sans post-traitement supervisé. Trois prototypes ont été testés : une version plane, une version courbe en U, et une géométrie qualitative reprenant la forme du visage d'iCub, l'humanoïde de l'Istituto Italiano di Tecnologia. Sur le prototype courbe, l'erreur de localisation moyenne atteint 6 mm sur 18 positions de contact. L'enjeu dépasse la simple prouesse technique. Les réseaux de taxels classiques (capteurs tactiles discrets multipliés sur la surface) passent mal à l'échelle : plus la surface couverte augmente, plus le câblage devient complexe, et chaque nouvelle géométrie de robot impose un redesign spécifique. En s'appuyant sur une fabrication additive adaptable à la géométrie, cette approche EIT vise justement à réduire ce fardeau de redesign propre à chaque morphologie, un enjeu central alors que l'industrie humanoïde cherche à équiper des corps entiers de peau tactile plutôt que des zones isolées (mains, pieds). Il faut toutefois noter les limites : la validation repose sur seulement 18 points de contact pour le prototype courbe, et le test sur la géométrie de visage reste qualitatif, sans erreur de localisation chiffrée. Ce travail reste donc à un stade de preuve de concept, pas de peau déployée sur un robot fonctionnel. L'EIT tactile n'est pas une idée nouvelle en robotique : elle séduit depuis plusieurs années comme alternative aux grilles de capteurs denses, puisqu'elle ne nécessite de mesurer qu'aux électrodes périphériques et reconstruit la position du contact par un problème inverse. Le choix d'iCub comme géométrie de test s'inscrit dans une tradition de plateformes de recherche académique en robotique tactile. Les prochaines étapes attendues porteraient sur le passage à l'échelle d'un corps entier, l'intégration sur du matériel robotique réel, et une validation quantitative au-delà du test qualitatif sur la forme du visage, ce papier n'ayant pas encore été évalué par les pairs.

Recherche❖Paper

1 source

42

3316arXiv cs.RO 

Traduction pipeline hybride d'estimation de l'attention pour une IHR adaptative avec une tête robotique expressive

Une équipe de recherche présente dans un article arXiv (soumis fin juillet 2026, référence 2608.00284) un pipeline hybride d'estimation de l'attention visuelle pour l'interaction homme-robot, testé sur une tête robotique expressive basée sur l'écosystème open source InMoov. Le système combine deux couches de perception indépendantes: une couche géométrique rapide qui suit en haute fréquence la position du visage et l'orientation de la tête pour la régulation temporelle, et une couche sémantique s'appuyant sur un modèle vision-langage (VLM) qui analyse les images brutes de la caméra égocentrique du robot pour produire des étiquettes contextuelles (attention portée au robot, usage du téléphone, regard ailleurs). Ces deux flux sont fusionnés par une machine à états finis qui pilote le comportement adaptatif du robot: activation, mise en attente, reprise d'interaction et retour au repos. Le dispositif a été évalué avec 10 participants sur 40 essais, répartis entre une condition de référence et une condition d'interaction adaptative avec distraction. Cette démonstration illustre une tendance de fond dans la robotique sociale: le passage d'une perception purement géométrique, rapide mais limitée au suivi de pose, vers des architectures hybrides qui ajoutent une couche de compréhension contextuelle via VLM sans sacrifier la réactivité temps réel nécessaire à une interaction fluide. Pour les intégrateurs travaillant sur des robots d'accueil, d'assistance ou éducatifs, l'apport principal est méthodologique plutôt que spectaculaire: les auteurs montrent que les signaux géométriques et sémantiques apportent une information non redondante, ce qui justifie l'architecture à deux couches plutôt qu'un unique modèle VLM plus lourd et plus lent. Le résultat reste toutefois un prototype de recherche à faible échelle, avec des essais contrôlés en laboratoire et non un déploiement en conditions réelles. InMoov, plateforme de tête et de main robotiques open source lancée par le designer français Gaël Langevin il y a plus d'une décennie, sert ici de base matérielle low-cost pour prototyper des comportements d'interaction adaptative habituellement réservés à des plateformes commerciales fermées. L'article s'inscrit dans la lignée des travaux combinant perception classique et modèles de fondation multimodaux pour l'HRI, un axe de recherche actif face à des systèmes concurrents intégrant directement la compréhension de scène dans des architectures VLA plus larges. Les auteurs ne mentionnent pas de suite commerciale ou de partenariat industriel annoncé à ce stade.

Recherche❖Paper

1 source

42

3317arXiv cs.RO 

Planification à base d'agents en lots pour le service de politiques robotiques

Des chercheurs du Georgia Tech (laboratoire RL2) publient un article intitulé "Action Chunk Scheduling for Batched Robot Policy Serving" (arXiv:2608.00337v1), qui pose un problème encore peu formalisé dans la robotique : comment servir un même modèle de politique robotique, hébergé sur un GPU distant, à plusieurs robots simultanément. Les auteurs présentent Armory, un système de service ("serving") conçu pour cet usage et validé à la fois sur des flottes de robots simulés et sur des robots réels. Leurs expériences montrent que les heuristiques de scheduling classiques (les méthodes de batching habituelles en inférence LLM) fonctionnent correctement tant que tous les robots de la flotte sont identiques et consomment les actions au même rythme. Mais dès que les robots consomment leurs "action chunks" (blocs d'actions produits par les modèles Vision-Language-Action) à des vitesses différentes, ces heuristiques échouent : elles ne tiennent pas compte des contraintes en boucle fermée ("closed-loop") propres à l'exécution de politiques robotiques. Pour corriger ce défaut, l'équipe propose un nouvel algorithme de scheduling qui intègre cette hétérogénéité de rythme entre robots, avec un gain de débit système mesuré jusqu'à 18 % lors d'essais réels. Le code et les détails sont disponibles sur gatech-rl2.github.io/actionchunkscheduling. Le résultat touche un point aveugle du déploiement à grande échelle des modèles fondation pour la robotique (VLA type Pi-0, GR00T N2, Helix ou autres) : le calcul embarqué est limité en puissance et en encombrement, ce qui pousse naturellement vers une inférence déportée sur GPU distant, mutualisée entre plusieurs robots pour amortir les coûts. Or les architectures de batching héritées du monde LLM, pensées pour du texte asynchrone, ignorent la contrainte physique du temps réel robotique : un robot qui épuise son buffer d'actions avant d'être resservi s'arrête ou dégrade sa trajectoire. Ce papier démontre empiriquement que cette mécanique de service compte autant que la qualité du modèle lui-même pour faire fonctionner une flotte hétérogène en production, un enjeu direct pour les intégrateurs qui veulent mutualiser l'inférence entre robots de générations ou de tâches différentes plutôt que de multiplier les cartes embarquées. Ce travail s'inscrit dans la vague récente de modèles VLA génériques (Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA, Helix de Figure) qui cherchent à démontrer un contrôle robotique à l'échelle d'une flotte plutôt qu'à l'unité, un terrain où l'infrastructure de service devient aussi critique que l'entraînement. En formalisant le problème comme un scheduling explicite et en le testant sur du matériel réel plutôt que seulement en simulation, les auteurs positionnent Armory comme une brique d'infrastructure réutilisable, potentiellement comparable aux serveurs d'inférence LLM (type vLLM) mais adaptée aux contraintes temps réel de la robotique. L'article ne précise pas de partenariat industriel ni de déploiement commercial annoncé ; il s'agit pour l'instant d'un résultat de recherche académique, avec du code ouvert, plutôt que d'un produit prêt à l'emploi.

Infrastructure⚡Actu

1 source

42

3318arXiv cs.RO 

Modèles du monde en temps réel : étude empirique de l'exécution fluide via déploiement asynchrone

Des chercheurs publient une étude empirique comparant six stratégies de déploiement asynchrone pour les World Action Models (WAM), ces modèles qui génèrent des blocs d'actions à horizon fixe via débruitage itératif (diffusion). Le problème ciblé : cette génération itérative introduit une latence d'inférence importante, provoquant pauses, actions obsolètes et discontinuités lors de l'exécution robotique. Publiée le 1er août 2026 (arXiv:2608.01880), l'étude teste sur un robot bimanuel fonctionnant à 10 Hz six approches : exécution synchrone, commutation asynchrone pure, fusion post-hoc des actions, fusion pendant le débruitage, guidage de vélocité au moment de l'inférence, et génération conditionnée par préfixe. L'évaluation combine analyse hors ligne des trajectoires et expériences en conditions réelles sur trois types de tâches : manipulation dynamique, placement de précision et tâches à long horizon. Résultat central : la génération conditionnée par préfixe, qui apprend pendant l'entraînement à produire des continuations d'actions cohérentes, obtient le meilleur équilibre entre performance, vitesse d'exécution et fluidité de trajectoire. Cette étude s'attaque à un verrou d'ingénierie rarement documenté publiquement : les WAM basés sur la diffusion, comme Pi-0, GR00T N2 ou Helix, doivent produire des séquences d'actions par débruitage itératif, un processus lent qui entre en conflit direct avec les exigences temps réel du contrôle moteur. Les auteurs montrent qu'un mauvais alignement temporel entre observations, prédictions et commandes exécutées crée des discontinuités aux frontières des blocs d'actions qu'aucune technique de fusion ne peut corriger après coup, un point souvent négligé dans les démonstrations marketing de robots humanoïdes. Ils montrent aussi que le guidage de vélocité, une piste pourtant prometteuse sur le papier, échoue à contraindre fiablement les actions déjà engagées sur leur plateforme. Pour les intégrateurs et ingénieurs déployant des VLA en production, ces résultats offrent un guide pratique des compromis réels plutôt qu'une promesse générique de fluidité. Le travail s'inscrit dans la lignée des recherches sur les modèles vision-langage-action (VLA) qui, depuis l'essor de l'architecture par diffusion pour la génération de trajectoires robotiques, cherchent à résoudre la tension entre expressivité du modèle et contraintes de latence en temps réel. Il ne s'agit pas d'un produit commercialisé ni d'un déploiement industriel annoncé, mais d'une étude empirique de laboratoire comparant des stratégies existantes sur un banc d'essai contrôlé. Les auteurs présentent leurs résultats comme une clarification méthodologique destinée à guider les futurs déploiements de WAM à forte latence, sans préciser à ce stade de suite commerciale ou de partenariat industriel.

Recherche❖Paper

1 source

42

3319arXiv cs.RO 

Weights or Skills ? Un panorama des techniques d'apprentissage pour robots, des poids prédictifs d'action aux robots qui écrivent leurs propres compétences

Un nouveau survey déposé sur arXiv (2608.01851v1, catégorie "new") propose une taxonomie de l'apprentissage robotique organisée autour d'un axe central : poids figés contre code exécutable. D'un côté les modèles vision-langage-action (VLA), qui encodent la compétence dans des poids gelés après entraînement. De l'autre, des agents qui écrivent et corrigent eux-mêmes leurs compétences sous forme de code. Les auteurs classent les méthodes "code-as-policy" selon leur degré d'auto-amélioration, de la simple génération de programme zero-shot jusqu'à une boucle ouverte combinant retour d'exécution, mémoire de compétences persistante et recherche évolutionnaire. Seuls quelques systèmes très récents, comme ASPIRE, ENPIRE et RoboClaw, occupent cette case la plus avancée. Le survey passe aussi en revue le pôle "compétences", de la découverte non supervisée par apprentissage par renforcement aux bibliothèques de compétences pilotées par grands modèles de langage, et relève que le mot "skill" recouvre au moins cinq sens différents, dont un seul, la version code, permet une auto-amélioration sans mise à jour de gradient. Au total, 77 systèmes représentatifs sont analysés à travers six familles de techniques. Pour les intégrateurs et décideurs en robotique, cette cartographie clarifie un choix stratégique concret : miser sur des politiques VLA prévisibles mais figées, ou sur des agents capables de faire évoluer leurs propres compétences sans réentraînement, au prix d'une fiabilité encore incertaine. Le survey pointe aussi un décalage révélateur pour le secteur commercial : les places de marché de compétences robotiques existantes, qui vendent des "skills" en un clic, ne livrent aujourd'hui que de la lecture statique, sans adaptation réelle. Cela douche l'idée d'un écosystème mature de compétences interopérables entre robots. Plutôt qu'un catalogue exhaustif, les auteurs ont volontairement resserré leur corpus à 77 systèmes avec des définitions opérationnelles et les limites explicites de chaque famille de méthodes. Ils formulent enfin un agenda de recherche autour de problèmes non résolus : adaptation, portabilité inter-plateformes, traçabilité de provenance, vérification de sécurité, composition et standardisation des compétences, autant de chantiers dont dépendra la viabilité d'une véritable économie du skill robotique.

Recherche❖Paper

1 source

42

3320arXiv cs.RO 

Filtrage adaptatif de Kalman basé sur les résidus pour l'estimation d'état des robots à pattes

Des chercheurs proposent une nouvelle méthode d'adaptation en ligne pour l'estimation d'état des robots à pattes, publiée sur arXiv (2608.02316) début août 2026. Le filtre de Kalman est l'outil standard pour estimer la position et la vitesse du corps flottant d'un robot en fusionnant plusieurs capteurs, mais le réglage de ses paramètres de bruit (matrices de covariance de processus Q et de mesure R) exige une expertise pointue et reste figé face aux changements de démarche ou d'environnement. L'équipe introduit une adaptation basée sur le résidu du filtre et l'innovation, intégrée dans un filtre de Kalman étendu invariant (InEKF) qui fusionne données IMU et cinématique des pattes. Les tests, menés en intérieur et en extérieur sur un quadrupède Unitree Go2, montrent qu'adapter uniquement R suffit à améliorer la précision de 25 % en trot par rapport à un InEKF réglé de façon fixe, tout en égalant les performances d'une approche concurrente basée sur des capteurs de force au sol. Pour l'industrie robotique, l'enjeu dépasse la seule performance chiffrée: cette méthode supprime le besoin de capteurs de force plantaire, souvent coûteux ou absents sur des plateformes commerciales comme le Go2, et réduit la dépendance à un réglage manuel expert lors du déploiement sur de nouveaux terrains ou de nouvelles démarches. Pour les intégrateurs qui cherchent à faire tourner des robots à pattes hors laboratoire, sur des sols irréguliers ou en extérieur, un estimateur d'état qui s'auto-ajuste en temps réel limite les échecs de contrôle liés à un mauvais calage des filtres, un problème récurrent qui freine le passage des démonstrations en intérieur vers des déploiements réels plus robustes. L'estimation d'état par filtre de Kalman est un pilier du contrôle basé modèle en robotique à pattes depuis des années, avec l'InEKF comme évolution reconnue pour sa cohérence géométrique. Les approches précédentes s'appuyaient largement sur des capteurs de force additionnels pour corriger les dérives, une solution matérielle plus lourde. En s'appuyant uniquement sur IMU et cinématique, cette adaptation résiduelle s'inscrit dans une tendance plus large vers des pipelines de perception moins dépendants d'instrumentation spécialisée, avec des validations attendues sur d'autres démarches et plateformes bipèdes ou humanoïdes.

Recherche❖Paper

1 source

42

3321arXiv cs.RO 

Contrôleur co-adaptatif entraîné en simulation pour exosquelettes de hanche : validation métabolique et biomécanique de l'entraînement multi-agents par étapes (SMAT)

Des chercheurs ont publié le 4 août 2026 sur arXiv (2608.00715v1) la première validation physiologique de SMAT (Staged Multi-Agent Training), un contrôleur d'exosquelette de hanche entraîné entièrement en simulation physique. La méthode repose sur un curriculum en quatre étapes qui entraîne conjointement un acteur musculosquelettique simulant l'humain et un acteur bilatéral pilotant l'exosquelette de hanche, une approche pensée pour gérer la co-adaptation entre le porteur et le dispositif, un problème non stationnaire puisque l'utilisateur réorganise sa coordination neuromusculaire au fur et à mesure que l'appareil modifie la dynamique articulaire. La politique a été déployée sur du matériel réel et testée sur huit adultes en bonne santé, avec mesure du coût métabolique par calorimétrie indirecte sur trois conditions : sans exosquelette, exosquelette passif, et assistance active. L'assistance active a réduit la dépense métabolique nette de 19,7 % par rapport au mode passif (p < 0,001), et l'analyse biomécanique a confirmé une puissance mécanique de hanche majoritairement positive chez tous les sujets, avec un ratio de puissance positive de 0,98. La politique s'est aussi généralisée à différentes vitesses de marche et différents terrains, sans réentraînement spécifique à chaque sujet. Ce résultat compte parce qu'il répond directement à un doute récurrent dans le secteur de l'exosquelette assisté : les contrôleurs appris en simulation tiennent-ils réellement la comparaison face au benchmark de référence, la mesure métabolique en conditions réelles ? Beaucoup de démonstrations de dispositifs d'assistance s'arrêtent à des essais biomécaniques ou à des retours qualitatifs, sans franchir l'étape de la validation métabolique complète. Ici, un seul modèle entraîné en sim, déployé tel quel sur huit personnes différentes, produit un bénéfice mesurable et statistiquement significatif, ce qui constitue un argument concret pour le transfert sim-to-real dans les dispositifs portables et pour les approches d'apprentissage multi-agents appliquées à la robotique portée. Le travail s'inscrit dans la lignée des recherches sur l'assistance à la marche par exosquelette, un champ où les contrôleurs basés sur des règles ou des optimisations individuelles dominent encore largement le marché commercial. SMAT avait déjà montré des gains en simulation et une assistance positive sur banc d'essai avant cette étude ; la contribution ici est la validation clinique sur sujets sains. Les auteurs notent que la généralisation aux terrains et vitesses ouvre la voie à des essais élargis, potentiellement vers des populations cliniques ou des usages industriels, sans que des dates de déploiement commercial ne soient précisées.

Exosquelettes❖Paper

1 source

42

3322arXiv cs.RO 

Robot quadrupède aveugle : Open-DiffLoco, apprentissage différentiable open source pour la locomotion déployable

Un preprint publié le 2 août 2026 sur arXiv (arXiv:2608.02069) présente Open-DiffLoco, un framework open source pour entraîner des politiques de locomotion quadrupède "aveugle" (sans caméra, uniquement proprioceptive) via simulation différentiable. Le système implémente l'algorithme SHAC (Short-Horizon Actor-Critic) dans MuJoCo XLA (MJX) et a été testé sur un robot Unitree Go2. La politique déployée se passe d'observations privilégiées comme la vitesse linéaire du corps et ne repose sur aucune trajectoire de référence, avec une fonction de récompense fortement simplifiée par rapport aux pipelines RL classiques. Sur le robot physique, elle suit des commandes de vitesse omnidirectionnelles avec une erreur quadratique moyenne inférieure à 0,2 m/s, atteint des vitesses supérieures à 1 m/s, et résiste aux terrains irréguliers ainsi qu'aux poussées latérales externes. L'entraînement consomme moins de 6 Go de VRAM sur une seule GPU RTX 5080 et se termine en 20 à 60 minutes. Les auteurs introduisent aussi JAVE (Jacobian-Augmented Value Estimation), une extension qui supervise les jacobiennes du critique pour améliorer l'apprentissage du gradient de politique en début d'entraînement. Code et vidéos sont disponibles sur diffloco.martin-opat.com. L'apport principal n'est pas la performance brute mais l'accessibilité. La simulation différentiable promettait depuis plusieurs années des gains d'efficacité face au RL classique, mais aucun outil open source ne permettait jusqu'ici un transfert simulation-vers-réel complet et reproductible. En abaissant le coût de calcul à moins d'une heure sur du matériel grand public, Open-DiffLoco réduit la barrière d'entrée pour les labos académiques et petites équipes sans accès aux clusters des grands groupes. Supprimer les observations privilégiées et les trajectoires de référence répond aussi au problème classique du "reality gap": une politique entraînée sans ces béquilles simulées généralise statistiquement mieux sur le terrain réel. C'est une contribution méthodologique, pas un produit commercial, mais elle valide l'idée que la simulation différentiable peut remplacer une part de l'ingénierie de récompense complexe encore dominante dans le secteur. Le travail s'appuie sur SHAC, algorithme acteur-critique à horizon court développé initialement chez Nvidia, adapté ici à MuJoCo XLA, moteur de simulation différentiable de Google DeepMind optimisé pour le calcul vectorisé sur GPU. Le choix du Unitree Go2, plateforme quadrupède peu coûteuse largement adoptée en recherche académique face aux robots industriels type Boston Dynamics, traduit une volonté de reproductibilité par des équipes aux moyens limités. Les auteurs, autour de Martin Opat, revendiquent la première implémentation open source complète pour la locomotion déployable via simulation différentiable. La suite logique pointe vers des morphologies plus complexes, notamment humanoïdes, et vers l'ajout de perception visuelle au-delà de la seule proprioception testée ici.

Recherche❖Paper

1 source

41

3323arXiv cs.RO 

Interpréteur vision-langage ancré pour la planification bimanuelle de tâches et mouvements à long horizon

Le laboratoire de recherche Omron Sinic X a publié une version mise à jour sur arXiv d'un article présentant ViLaIn-TAMP, un système hybride de planification pour robots bimanuels. Le framework combine trois briques : un interpréteur vision-langage (ViLaIn, dérivé d'un travail antérieur) qui convertit des entrées multimodales en spécifications structurées au format PDDL, un moteur de planification tâche-et-mouvement (TAMP) qui transforme ces spécifications en séquences de trajectoires concrètes en vérifiant leur faisabilité géométrique et symbolique avant exécution, et un module de planification corrective (CP) qui récupère les retours d'échec moteur et les réinjecte comme contraintes pour affiner la spécification initiale. Les chercheurs ont conçu des tâches de manipulation bimanuelle complexes dans un contexte de cuisine pour évaluer le système. Résultat : ViLaIn-TAMP dépasse de 17,5 points le taux de réussite moyen d'une approche de référence où un modèle vision-langage sert directement de planificateur, et le module correctif ajoute 32,9 points supplémentaires. Le framework a aussi été testé sur un robot physique à deux bras. L'enjeu dépasse la simple performance chiffrée. La quasi-totalité des travaux existants sur la planification pilotée par le langage se limite à des tâches de préhension-dépose à un seul bras, laissant la manipulation bimanuelle, où les sous-tâches sont étroitement interdépendantes et où les collisions inter-bras doivent être gérées explicitement, largement inexplorée. Les modèles vision-langage seuls agissent en boîte noire, sans garanties de sécurité vérifiables, tandis que les planificateurs symboliques classiques offrent ces garanties mais exigent une expertise poussée pour être configurés. En combinant les deux, ViLaIn-TAMP vise à répondre à un besoin concret pour les intégrateurs industriels : obtenir un comportement robotique interprétable et vérifiable avant déploiement, plutôt qu'une démonstration qui échoue silencieusement en conditions réelles. Le travail s'inscrit dans la continuité d'un ViLaIn antérieur, adapté ici pour la planification tâche-et-mouvement complète plutôt que la seule interprétation de scène. Il se positionne explicitement contre les approches où un modèle vision-langage fait office de planificateur de bout en bout, une tendance qui gagne du terrain mais que ces résultats questionnent en matière de fiabilité sur tâches longues et bimanuelles. Le code et les démonstrations sont disponibles sur la page du projet hébergée par Omron Sinic X.

Recherche❖Paper

1 source

41

3324arXiv cs.RO 

Ego2Robot : synthèse de données robotiques à grande échelle à partir de données humaines égocentriques

Une équipe de recherche publie Ego2Robot, un pipeline conçu pour transformer des vidéos de manipulation humaine filmées à la première personne (égocentriques) en données d'entraînement robotique. La méthode combine trois étapes : le retargeting des actions humaines vers des trajectoires robotiques, la synthèse visuelle d'un bras robotique inséré dans la scène, et une curation de qualité à plusieurs niveaux pour filtrer les séquences exploitables. Le résultat annoncé est un jeu de données de 18 561 heures de données robotiques synthétisées, couvrant 15 morphologies de robots différentes, ce qui en ferait le plus grand corpus ego-vers-robot jamais constitué. Pour évaluer la capacité de généralisation des modèles entraînés sur ces données, les auteurs étendent le benchmark RoboTwin2.0 avec des axes de perturbation dissociés : apparence visuelle, disposition de la scène, morphologie du robot et sémantique de la tâche. L'article, déposé sur arXiv (2608.02580), reste à ce stade un preprint non encore relu par les pairs. L'enjeu dépasse la simple taille du jeu de données. Les travaux précédents avaient montré que le retargeting vidéo pouvait produire des politiques efficaces mais limitées à une seule tâche, à petite échelle. Ego2Robot teste pour la première fois si cette approche apporte un bénéfice en pré-entraînement à grande échelle pour des modèles vision-langage-action (VLA), la brique centrale des robots généralistes actuels type Pi-0, GR00T N2 ou Helix. Les auteurs rapportent que le pré-entraînement conjoint sur données synthétisées et données robotiques réelles améliore de façon consistante la généralisation hors distribution, avec une validation sur déploiement réel. Si ces résultats se confirment, cela renforcerait l'idée que la vidéo humaine égocentrique, abondante et bien moins coûteuse à collecter que la téléopération, peut combler une partie du déficit de données qui freine l'entraînement des modèles robotiques généralistes. Le goulot d'étranglement des données reste le frein numéro un des modèles de manipulation généralistes : la téléopération reste coûteuse à grande échelle, et la simulation pure souffre encore d'un écart sim-to-real. Ego2Robot s'inscrit dans une lignée de travaux cherchant des sources de données alternatives, aux côtés d'approches par simulation ou par vidéos web génériques. Aucun acteur français ou européen n'apparaît dans cette publication. Les auteurs mettent à disposition une page projet dédiée, sans calendrier annoncé pour une éventuelle mise à disposition publique du jeu de données complet.

Recherche❖Paper

1 source

41

3325arXiv cs.RO 

RobotDancing : l'apprentissage par renforcement à action résiduelle permet un suivi robuste des mouvements humanoïdes sur le long terme

Des chercheurs présentent RobotDancing, une méthode d'apprentissage par renforcement en une seule étape pour faire exécuter à des robots humanoïdes des mouvements de danse longs et dynamiquement exigeants, avec une robustesse accrue face aux erreurs d'accumulation. Le principe : plutôt que de demander à la politique de recréer entièrement un mouvement de référence retargeté (transposé depuis une capture humaine vers la cinématique du robot), RobotDancing prédit des corrections résiduelles sur les cibles articulaires. La politique se concentre ainsi sur la compensation des écarts dynamiques entre la référence et le robot réel (limites d'actionneurs, latence, friction, inertie) plutôt que sur la resynthèse complète du geste. Une politique est entraînée par séquence de référence, avec une recette d'entraînement et de déploiement commune réutilisée entre mouvements et plateformes. L'équipe a évalué la méthode sur huit chorégraphies issues du jeu de données LAFAN1, exécutées sur le robot Unitree G1, avec des expériences complémentaires de transfert inter-plateforme sur les Unitree H1 et H1-2. Le problème ciblé est central dans la robotique humanoïde actuelle : les mouvements retargetés depuis des captures humaines sont cinématiquement plausibles mais dynamiquement incohérents avec le robot réel, ce qui fait dériver le suivi de trajectoire sur les séquences longues et finit par déstabiliser le contrôleur. En montrant des politiques G1 capables d'exécuter des comportements longs et énergétiques directement sur matériel, sans ajustement au moment du test, RobotDancing apporte un signal concret sur la viabilité du transfert simulation-vers-réel pour du contrôle whole-body à haute dynamique, un point souvent démontré en vidéo mais rarement quantifié avec rigueur dans la littérature. Le travail s'inscrit dans la lignée des méthodes de motion tracking par RL pour humanoïdes, où LAFAN1 sert de banc d'essai de référence pour les mouvements complexes. La publication, une version révisée sur arXiv (2509.20717v2), inclut des clips qualitatifs sur H1 et H1-2 pour illustrer la généralisation inter-plateforme, sans toutefois fournir de métriques chiffrées équivalentes à celles obtenues sur le G1, ce qui invite à la prudence sur l'ampleur réelle du transfert démontré.

Recherche❖Paper

1 source

40

3326arXiv cs.RO 

RIT* : arbres riemanniens informés pour la planification de mouvement optimale adaptative au coût

Des chercheurs présentent RIT (Riemannian Informed Trees), un nouveau framework de planification de mouvement qui remplace les primitives euclidiennes utilisées dans les algorithmes de recherche "batch-informed" (comme BIT) par leurs équivalents riemanniens. Concrètement, RIT construit un ensemble informé plus resserré et cohérent en coût, effectue une recherche de plus proches voisins sous une métrique de distance anisotrope, et évalue le coût des arêtes du graphe via un schéma en cascade pour rester efficace en calcul. Les auteurs ajoutent aussi CARM (Collision-Adaptive Metric Refinement), un mécanisme qui apprend en ligne un champ de coût de proximité aux obstacles à partir des retours de collision, réduisant la dépendance à un design de métrique fixé à l'avance. Les tests couvrent des environnements allant de 2 à 14 dimensions. Le code et les vidéos de démonstration sont disponibles sur le site des auteurs (muhayyuddin.github.io/ritstar). Pour les praticiens de la planification de trajectoire en robotique (bras manipulateurs, robots bimanuels, systèmes à haute dimensionnalité), ce travail répond à une limite connue des planificateurs informés classiques: leur heuristique euclidienne devient trompeuse dès que le coût réel du mouvement varie spatialement, par exemple près d'obstacles ou dans des zones de configuration contraintes. En intégrant une métrique riemannienne adaptative, RIT évite de gaspiller des échantillons dans des régions de l'espace des configurations qui semblent proches au sens euclidien mais coûtent cher à traverser réellement. Cela touche directement à la question de la mise à l'échelle des planificateurs pour la manipulation dextre et les systèmes multi-bras, un point de friction connu en robotique industrielle. Les gains mesurés sont substantiels dans les régimes à forte anisotropie: jusqu'à 13,0% d'amélioration du coût initial médian face à BIT sur un benchmark 3D anisotrope, jusqu'à 9,0% sur le coût final médian en manipulation à 6 degrés de liberté, et entre 24,8% et 63,5% sur un problème de planification bimanuelle à 14 degrés de liberté, où les méthodes informées euclidiennes classiques se dégradent nettement. En dimension basse ou à métrique spatialement constante, RIT reste seulement compétitif avec BIT*, ce qui borne clairement le domaine où l'apport de la méthode se justifie.

Recherche❖Paper

1 source

40

3327arXiv cs.RO 

Mamba Policy : vers une politique de diffusion 3D efficace avec des modèles à états sélectifs hybrides

Une équipe de recherche présente Mamba Policy, une nouvelle architecture pour piloter des robots manipulateurs en 3D, décrite dans une version mise à jour de l'article arXiv:2409.07163. Les modèles de diffusion sont devenus une méthode de référence pour apprendre à prédire des trajectoires d'action en manipulation robotique, mais ils s'appuient généralement sur de lourds réseaux UNet comme backbone, difficiles à faire tourner sur du matériel contraint en ressources, comme l'électronique embarquée d'un bras robotique. Les auteurs remplacent une partie de cette architecture par des blocs Mamba, un type de modèle à état sélectif réputé pour sa faible complexité de calcul en modélisation de séquences. Le résultat, baptisé Mamba Policy, réduit le nombre de paramètres de plus de 80 % par rapport au réseau de politique original, tout en obtenant de meilleures performances. La brique technique centrale, le XMamba Block, combine les informations d'entrée avec des caractéristiques conditionnelles en mélangeant mécanismes Mamba et attention pour une extraction de features plus fine. Pour l'industrie robotique et les équipes de recherche en manipulation, ce travail répond à une contrainte très concrète: les politiques de diffusion actuelles, aussi précises soient-elles, restent souvent trop volumineuses pour un déploiement embarqué en temps réel. Diviser le coût de calcul par cinq tout en gagnant en performance ouvre la voie à des politiques d'action utilisables sur des contrôleurs moins puissants, un enjeu clé pour les intégrateurs qui veulent sortir la manipulation robotique du laboratoire. Les auteurs mettent aussi en avant une meilleure robustesse sur les tâches à long horizon, un point faible connu des méthodes de diffusion classiques. Ce travail s'inscrit dans la vague plus large de modèles Mamba, apparus récemment comme alternative crédible aux architectures Transformer pour le traitement de séquences longues avec moins de calcul. Les expériences ont été menées sur les bancs d'essai académiques Adroit, Dexart et MetaWorld, avec plusieurs variantes de Mamba testées au sein du framework, et complétées par des essais en conditions réelles pour valider les résultats hors simulation. Le code et les détails du projet sont publiés en open source.

Recherche❖Paper

1 source

40

3328arXiv cs.RO 

GraRe : réévaluation des candidats de préhension pour détecteurs de préhension 6-DoF figés

Des chercheurs proposent GraRe, une méthode de re-classement des candidats de préhension pour détecteurs de saisie 6 degrés de liberté (6-DoF) déjà entraînés, sans modifier le détecteur ni ses candidats. Le point de départ est une observation empirique sur GraspNet-1Billion, le benchmark de référence pour l'évaluation de la préhension robotique : le score de confiance produit par les détecteurs existants est souvent mal corrélé à la qualité réelle de la prise, ce qui pousse des candidats pourtant viables en bas du classement au moment de l'exécution. GraRe estime la qualité de chaque candidat à partir de trois sources combinées par un Transformer : les attributs propres au candidat, une représentation géométrique locale stratifiée en coquilles autour du point de contact, et le contexte de l'objet dans la scène. Ce score prédit est ensuite fusionné avec la confiance initiale du détecteur pour produire le classement final. Testée sur trois détecteurs figés différents, la méthode améliore systématiquement la précision moyenne (AP), avec des gains allant jusqu'à 13,60 points, et des essais sur robot réel confirment une préhension robuste dans des scènes encombrées. L'intérêt pour l'industrie tient à la nature "plug-in" de l'approche : GraRe ne nécessite ni réentraînement ni accès aux poids du détecteur sous-jacent, ce qui en fait une couche logicielle ajoutable à des pipelines de préhension déjà déployés en usine ou en entrepôt. Le résultat confirme un problème connu mais rarement quantifié dans la littérature sur la préhension : la confiance d'un détecteur n'est pas un proxy fiable de la qualité de prise, un écart qui coûte cher en taux d'échec réel malgré des métriques d'entraînement flatteuses. Pour les intégrateurs qui exploitent des systèmes de préhension basés sur GraspNet, PointNet ou des architectures dérivées, ce travail suggère qu'un gain de performance mesurable est accessible sans toucher au pipeline de perception principal, un levier économique important quand le recalibrage complet d'un détecteur est coûteux. Ce travail s'inscrit dans la lignée des recherches sur GraspNet-1Billion, benchmark massif de préhension 6-DoF publié il y a plusieurs années et devenu standard pour comparer les détecteurs de saisie. Le champ a longtemps concentré ses efforts sur l'amélioration directe des détecteurs plutôt que sur le classement de leurs sorties, une piste que GraRe explore comme complément indépendant. Les auteurs positionnent leur contribution comme orthogonale aux avancées futures sur les détecteurs eux-mêmes, laissant ouverte la question de son passage à l'échelle sur des catalogues d'objets plus larges ou des scènes encore plus denses en clutter.

Recherche❖Paper

1 source

40

3329arXiv cs.RO 

CAAT : mise à l'échelle de l'attention sensible au contact et masquage tactile pour la manipulation riche en contacts, économe en données

Résumé des faits établis en trois paragraphes, sans traitement d'outil nécessaire ici. Une équipe de recherche présente CAAT (Contact-Aware Attention scaling and Tactile masking), un framework léger conçu pour améliorer les politiques d'apprentissage visuo-tactile dans la manipulation robotique impliquant des contacts physiques. Le principe repose sur deux mécanismes explicites : une pondération dynamique de l'attention qui privilégie les informations visuelles avant le contact et bascule vers les informations tactiles pendant le contact, ainsi qu'un masquage qui supprime les tokens tactiles statiques de fond en comparant l'observation courante à une référence sans contact. CAAT s'intègre directement aux politiques Transformer existantes sans modifier leur décodeur d'action. En simulation, son association avec ACT (Action Chunking Transformer) améliore le taux de réussite moyen de 18,0 points de pourcentage par rapport à une fusion visuo-tactile directe, et de 10,0 points par rapport à un gating appris classique. En conditions réelles, sur une plateforme UMI visuo-tactile, CAAT atteint un taux de réussite moyen de 60,0% combiné à trois architectures différentes, ACT, Diffusion Policy et $\pi0$ (Pi-0), dépassant la meilleure référence de 21,1 points en moyenne. Ce résultat s'attaque à un problème concret pour les intégrateurs et chercheurs en manipulation robotique: les politiques Transformer actuelles traitent le signal tactile de façon peu efficace, soit en le concaténant brutalement aux tokens visuels, soit via un gating appris qui manque de prior explicite sur la physique du contact. En injectant une connaissance a priori simple, mais structurante, sur le moment où le tactile devient pertinent, CAAT permet d'apprendre des représentations plus efficaces à partir de moins de démonstrations, un enjeu central pour la manipulation contact-riche (insertion, assemblage, préhension délicate) où les données d'entraînement réelles restent coûteuses à collecter. Le fait que le gain se maintienne à travers trois architectures de politique différentes, y compris un modèle VLA comme $\pi0$, suggère que le mécanisme est généralisable plutôt que spécifique à une architecture, ce qui renforce sa valeur pratique pour les équipes qui expérimentent déjà avec différents backbones de politique. Le travail s'inscrit dans la lignée des recherches sur la fusion multimodale pour la manipulation robotique, où l'intégration du tactile aux pipelines visuo-moteurs reste un chantier actif depuis l'essor des politiques basées sur l'imitation (ACT, Diffusion Policy) et plus récemment des modèles vision-langage-action comme $\pi_0$. Les auteurs positionnent CAAT comme une brique modulaire, "plug-and-play", plutôt qu'une nouvelle architecture de politique concurrente, ce qui facilite son adoption par des équipes déjà investies dans ACT ou Diffusion Policy. L'article, disponible sur arXiv (2608.01102v1) avec une page de projet dédiée, ne mentionne pas de déploiement industriel ni de partenariat commercial à ce stade: il s'agit d'un travail de recherche validé en simulation et sur un banc de test UMI en laboratoire, sans indication de calendrier vers une intégration produit.

Recherche❖Paper

1 source

40

3330arXiv cs.RO 

TRACE : optimisation ergodique de trajectoire pour la reconstruction active de scène

Des chercheurs du Spike Lab de l'université Johns Hopkins publient sur arXiv (arXiv:2608.02304v1) TRACE, un système de planification de trajectoire pour la reconstruction active de scènes en 3D par Gaussian splatting. Le constat de départ : les systèmes existants sélectionnent leur prochaine vue caméra au coup par coup, selon le principe du « next-best-view » (NBV), puis relient chaque vue choisie par une planification de chemin à courte portée. Cette approche ignore la structure globale de l'information disponible sur la scène et produit des trajectoires inefficaces, où le capteur perd du temps de déplacement entre les points de vue retenus. TRACE reformule le problème comme une couverture ergodique : la statistique spatiale moyennée dans le temps de la trajectoire du capteur doit correspondre à une distribution cible d'information, calculée en continu à partir de l'incertitude et de la visibilité de la carte en cours de construction. Le calcul des trajectoires repose sur un planificateur à horizon dit « kernel-ergodique », combinant flux de gradient et déplétion d'empreinte, ce qui boucle directement cartographie et optimisation de trajectoire. Sur le jeu de données Replica, TRACE améliore le PSNR de 1,5 dB par rapport aux méthodes NBV de référence ; le code est publié sur GitHub (spikelab-jhu/trace-active-reconstruction). Ce résultat s'attaque à un angle mort classique de la cartographie active en robotique : la plupart des pipelines (drones d'inspection, robots mobiles équipés de caméras, capture pour jumeaux numériques) traitent la sélection de vue et la planification de chemin comme deux problèmes séparés résolus l'un après l'autre, ce qui sacrifie l'efficacité globale de la mission à des décisions locales optimales à chaque étape. En unifiant les deux dans un seul problème de couverture ergodique, TRACE ouvre une piste pour réduire le temps de vol ou de déplacement nécessaire pour atteindre une qualité de reconstruction donnée, un paramètre critique pour l'autonomie énergétique d'un drone ou le temps d'immobilisation d'un site industriel en cours de numérisation. Le gain de 1,5 dB reste toutefois mesuré sur un seul jeu de données (Replica, surtout des scènes intérieures synthétiques) face à un nombre limité de baselines NBV : la généralisation à des environnements réels, bruités et à grande échelle n'est pas encore démontrée. Le travail s'inscrit dans la lignée des méthodes de prochaine meilleure vue, d'abord développées pour la cartographie robotique puis adaptées aux représentations neuronales de scène, NeRF d'abord, Gaussian splatting depuis 2023, qui ont remis le placement de caméra au centre du problème puisque la qualité de reconstruction dépend directement de la couverture obtenue. L'approche ergodique elle-même n'est pas neuve en robotique, elle a déjà servi à la recherche et à la surveillance distribuée, mais son couplage direct avec une carte Gaussian-splatting incertaine constitue l'apport revendiqué ici. Publié comme un article de recherche pur, sans annonce produit ni partenaire industriel cité, TRACE appelle désormais des tests sur robots réels et des comparaisons avec d'autres planificateurs actifs récents ; le code ouvert sur GitHub devrait faciliter une réplication rapide par la communauté.

Recherche❖Paper

1 source

40

3331arXiv cs.RO 

Démystifier quand et pourquoi les VLA échouent dans les tâches à contact riche, et comment y remédier

Un nouveau papier de recherche publié sur arXiv (2608.01402v1) s'attaque à un problème resté largement ignoré jusqu'ici : comprendre précisément pourquoi les modèles Vision-Language-Action (VLA) échouent sur les tâches de manipulation à contact riche, celles qui exigent une interaction physique précise comme l'insertion de pièces ou l'assemblage. Les auteurs identifient deux modes d'échec distincts. Les échecs de précision proviennent d'un décalage entre l'entraînement des politiques par flow-matching et leur usage réel. Les échecs de force, eux, découlent de la structure particulière des signaux de force, différente des signaux visuels ou proprioceptifs habituels. Pour corriger chacun de ces deux modes, l'équipe propose un mécanisme ciblé, combinés dans une méthode baptisée FACT. Testée sur près de 2 500 essais réels répartis sur cinq tâches à contact riche, FACT atteint un taux de réussite moyen de 66 %, contre 41 % pour la meilleure référence existante. Cet écart de 25 points sur des tâches concrètes est significatif pour l'industrie robotique, où la manipulation fine reste l'un des principaux obstacles au déploiement des VLA hors des démonstrations contrôlées. Les travaux précédents s'étaient concentrés sur des architectures augmentées de capteurs de force ou des régularisateurs ajoutés à l'entraînement, sans vraiment diagnostiquer la cause des échecs. En isolant deux mécanismes de défaillance bien identifiés plutôt qu'en empilant des correctifs génériques, cette approche fournit aux intégrateurs et chercheurs un cadre plus clair pour évaluer si un modèle VLA est réellement fiable sur des tâches d'assemblage ou de contact fin, un enjeu central pour les applications industrielles et l'automatisation de précision. Le papier s'inscrit dans la lignée des recherches récentes sur les modèles vision-langage-action, une famille d'architectures qui vise à unifier perception, raisonnement et contrôle moteur pour des robots généralistes. Jusqu'à présent, la littérature avait surtout cherché à limiter les échecs de contact via des ajouts matériels ou des contraintes d'entraînement, sans distinguer les causes profondes. En proposant un diagnostic structurel des deux modes de défaillance, les auteurs ouvrent la voie à des correctifs plus ciblés, potentiellement transférables à d'autres familles de politiques robotiques, même si l'ampleur réelle de ce gain en conditions industrielles reste à confirmer au-delà du cadre expérimental du papier.

Recherche❖Paper

1 source

40

3332arXiv cs.RO 

Identification et exploitation de la structure dans la co-conception de robots

Une équipe de recherche publie une nouvelle analyse du co-design robotique, c'est-à-dire l'optimisation conjointe de la morphologie d'un robot et de son système de contrôle, un problème de recherche en haute dimension particulièrement coûteux à résoudre. Les auteurs ont étudié les paysages de co-design de quatre tâches, deux de locomotion en robotique souple et deux de manipulation, et ont identifié trois régularités communes à ces espaces de recherche. D'abord, au sein d'une même région, la qualité des solutions varie principalement le long d'une variété de faible dimension, avec très peu de variation dans les directions orthogonales, ce qui réduit de fait la dimensionnalité effective à explorer. Ensuite, dans les régions de meilleure qualité, cette variance se répartit sur davantage de dimensions, ce qui oblige la recherche à élargir progressivement son périmètre à mesure que la qualité progresse. Enfin, dans ces mêmes régions de haute qualité, les variations dépendent de dimensions conjointes morphologie-contrôle, imposant une exploration couplée des deux paramètres plutôt que séparée. À partir de ces observations, les chercheurs ont conçu un algorithme de co-design qui exploite explicitement cette structure. Les résultats mesurés sont significatifs pour le secteur : l'algorithme proposé produit des co-designs 36 % meilleurs que ceux des méthodes de référence actuelles, et ces méthodes concurrentes nécessitent environ dix fois plus d'évaluations de fonction pour atteindre une qualité comparable. Pour les équipes qui conçoivent des robots souples ou des systèmes de manipulation, cela représente un gain direct en coût de calcul et en temps d'itération, un facteur souvent limitant quand chaque évaluation implique une simulation physique coûteuse. Le travail apporte surtout une preuve que la performance des algorithmes de co-design ne tient pas qu'à la puissance de calcul brute, mais à la capacité à repérer et exploiter la géométrie sous-jacente du problème, un point utile face à l'hypothèse répandue que plus d'évaluations suffit à compenser une recherche non structurée. Le co-design morphologie-contrôle reste un domaine de recherche actif, car les approches historiques traitent souvent la forme du robot et sa commande comme deux problèmes séparés, optimisés en alternance ou séquentiellement, ce qui ignore leurs interactions. Les auteurs situent leur contribution par rapport aux algorithmes de recherche évolutionnaire et bayésienne existants, qu'ils utilisent comme lignes de base, et valident leur approche par une étude d'ablation qui isole l'apport de chacun des trois principes identifiés. La publication, une version révisée déposée sur arXiv, ouvre la voie à des méthodes de co-design applicables à des plateformes robotiques réelles, où la réduction du nombre de simulations nécessaires pourrait accélérer sensiblement les cycles de conception.

Recherche❖Paper

1 source

39

3333arXiv cs.RO 

Autonomie robotique face à des incertitudes multiples et simultanées d'origine inconnue dans les systèmes complexes basés sur ROS : qui est responsable ?

Des chercheurs présentent une approche d'auto-adaptation pour systèmes robotiques basés sur ROS2, capable de gérer plusieurs défaillances simultanées dont l'origine reste incertaine. Construite sur le cadre MAPE-K (Monitor, Analyze, Plan, Execute, Knowledge), elle traite trois cas rarement combinés jusqu'ici : pannes concurrentes de criticité différente, défaillances en cascade d'un module à l'autre, et plusieurs stratégies de correction possibles pour une même panne détectée. Les concepteurs définissent des règles d'adaptation décrivant motifs de panne, niveaux de criticité et stratégies envisageables ; un graphe de dépendances extrait automatiquement à l'exécution permet une analyse de cause racine légère et un classement des stratégies pour privilégier les corrections minimales. Un module d'auto-optimisation apprend en continu les probabilités de succès de chaque stratégie. L'équipe a testé son approche sur un scénario de robot sous-marin et un cas d'usage de perception, avec code source disponible publiquement. Pour les intégrateurs déployant des flottes robotiques réelles, ce travail cible un angle mort des architectures existantes : la plupart supposent une correspondance figée entre une panne et sa solution, une hypothèse qui tient rarement sur des plateformes ROS2 où capteurs et modules logiciels sont fortement couplés. Les résultats montrent une identification correcte des causes racines parmi des pannes concurrentes, une préférence pour les corrections peu coûteuses, et moins d'adaptations inutiles, tout en restant comparable aux référentiels conçus pour des pannes séquentielles uniques. La contribution n'améliore donc pas la performance brute sur les cas simples, mais élargit le domaine de pannes gérables sans les dégrader, un compromis utile pour la robustesse de robots industriels ou sous-marins. Ce travail prolonge les architectures d'informatique autonome type MAPE-K, étudiées en génie logiciel mais peu éprouvées sur des piles ROS2 confrontées à des pannes multiples et à sources incertaines. La version publiée est une révision (replace) d'un article soumis en avril 2025. Les auteurs se positionnent explicitement contre les approches existantes, séquentielles et à correspondance panne-solution prédéfinie. Le code étant public, la suite logique serait une validation sur d'autres plateformes robotiques et en conditions réelles, au-delà des deux scénarios testés.

Recherche❖Paper

1 source

39

3334arXiv cs.RO 

GenTrack : alignement physique pour la génération de mouvement natif au robot et le suivi humanoïde en zéro-shot

Des chercheurs présentent GenTrack, un nouveau framework d'apprentissage conjoint pour générer et suivre des mouvements sur robots humanoïdes, détaillé dans un article publié le 1er août 2026 sur arXiv (2608.01410v1). Le système a été testé sur le robot Unitree G1, avec deux architectures de suivi de mouvement, ProtoMotions et SONIC. L'évaluation couvre trois jeux de données en zero-shot : les benchmarks publics AMASS et LAFAN, ainsi qu'un ensemble privé de 1 024 paires prompt-mouvement collectées hors distribution, censé refléter des conditions réelles variées. Le principe central de GenTrack consiste à faire alterner deux étapes en ligne : un alignement du générateur de mouvements ancré dans l'exécution réelle et calculé de façon relative par groupe, puis un entraînement du tracker sur les nouvelles références ainsi produites, le tout stabilisé par des mécanismes d'ancrage et de rejeu pour limiter la dérive du modèle. L'enjeu technique visé est connu des équipes qui travaillent sur le contrôle des humanoïdes : les générateurs de mouvement texte-vers-mouvement, entraînés sur des données de capture humaine ou retargetées, produisent des trajectoires plausibles cinématiquement mais souvent inexécutables physiquement par un robot réel. Les approches existantes traitent ce problème dans un seul sens, en figeant soit le corpus généré, soit le tracker récompensé. GenTrack propose une boucle fermée entre les deux composants. Selon les auteurs, cette co-évolution en ligne améliore à la fois l'exécutabilité robotique des mouvements générés et la couverture zero-shot du tracker, avec un gain particulièrement marqué sur les références hors distribution, c'est-à-dire les cas les plus proches d'un usage industriel réel plutôt que d'un benchmark contrôlé. Le travail s'inscrit dans la lignée des recherches sur les modèles de suivi de mouvement génériques pour humanoïdes, où l'extension de la couverture zero-shot dépendait jusqu'ici de corpus embarqués coûteux à agrandir. GenTrack propose une alternative sans collecte de données supplémentaire, en exploitant plutôt un post-entraînement conjoint génération-suivi. L'article ne mentionne pas de déploiement industriel ni de partenaire matériel au-delà du G1 de Unitree utilisé comme plateforme d'évaluation ; il s'agit à ce stade d'une contribution méthodologique plutôt que d'un produit commercialisé.

Recherche❖Paper

1 source

39

3335arXiv cs.RO 

MANGO-Grasp : champs de Mahalanobis sur gaussiennes 3D orientées géométrie pour la préhension dextérique inter-incarnations

Des chercheurs publient MANGO-Grasp, une nouvelle méthode de préhension dextre "cross-embodiment", c'est-à-dire capable de fonctionner sur des mains robotiques multi-doigts très différentes sans réglage spécifique à chacune. Le système représente les objets sous forme de primitives gaussiennes 3D orientées selon la géométrie locale de la surface (des sortes de petites plaques alignées avec des normales sortantes), tandis que chaque main robotique est décrite par des points clés de surface encodés dans un descripteur "morpho-kinématique" combinant forme et articulation. L'innovation centrale est l'usage de champs de Mahalanobis entre ces points clés et les primitives d'objet : ils servent à la fois de cible d'apprentissage et de guide d'optimisation au moment de la préhension, en montant fortement le long de la normale à la surface mais restant plats dans le plan tangent, ce qui colle à la physique réelle du contact. Sur les benchmarks CMAP et MultiGripperGrasp, MANGO-Grasp dépasse la meilleure méthode concurrente entraînée sur la même main de jusqu'à 8,24 points de pourcentage en simulation, et transfère en zéro-shot vers une main jamais vue (SharpaWave) avec un gain de 16,57 points sur le meilleur baseline zero-shot, pour un taux de réussite de 86 % en conditions réelles. Ce résultat s'inscrit dans un enjeu clé pour les intégrateurs de robotique dextre : la généralisation d'une politique de préhension à de nouveaux effecteurs sans reprendre tout l'entraînement, un frein majeur au déploiement commercial de mains robotiques variées. Le fait qu'une seule formulation d'optimisation, avec les mêmes hyperparamètres, fonctionne sur toutes les morphologies testées suggère que le goulot d'étranglement historique (représentations d'objets trop pauvres en géométrie locale, descripteurs de main incomplets) peut être résolu sans architecture ad hoc par robot, un argument utile face au scepticisme habituel sur l'écart démo/réalité en manipulation robotique. Le papier (arXiv:2608.02014v1) se positionne face aux méthodes "interaction-centric" existantes, jugées insuffisantes sur la représentation fine de la géométrie de surface et l'encodage combiné de la morphologie et de la cinématique des mains. Le code et les matériaux complémentaires sont annoncés pour publication ultérieure sur la page du projet, mais ne sont pas encore disponibles à ce stade : il s'agit d'un preprint, pas encore d'une solution intégrée ou commercialisée.

Recherche❖Paper

1 source

39

3336arXiv cs.RO 

IA physique : TravKAN, une analyse rapide et interprétable de la franchissabilité par réseaux de Kolmogorov-Arnold

Chercheurs en robotique mobile, une nouvelle architecture baptisée TravKAN vise à résoudre un compromis classique en robotique autonome : celui entre précision et interprétabilité pour l'analyse de traversabilité, c'est-à-dire l'estimation en temps réel de la capacité d'un robot à franchir un type de terrain donné. Publié le 2 août 2026 sur arXiv (référence 2608.02320v1), le papier s'appuie sur les Kolmogorov-Arnold Networks (KAN), une architecture qui remplace les poids fixes des réseaux de neurones classiques par des fonctions univariées apprenables, ce qui permet d'extraire après entraînement une expression analytique symbolique du modèle, baptisée TravKAN-Lite. Les auteurs introduisent aussi un jeu de descripteurs manuels construits à partir du canal de réflectivité des capteurs LiDAR, une information jusqu'ici peu exploitée alors qu'elle renseigne sur la nature et l'état de surface du sol, en complément des données géométriques habituelles. Le système a été testé sur des jeux de données publics couvrant des environnements urbains et tout-terrain réels, face à des références solides comme les réseaux profonds et XGBoost. Sur le plan des résultats, TravKAN dépasse les modèles profonds conventionnels et s'approche des performances de XGBoost, tout en conservant une architecture compacte et un temps de calcul compatible avec un usage embarqué temps réel. L'enjeu dépasse la seule performance brute : dans les systèmes robotiques amenés à prendre des décisions de sécurité, comme éviter un obstacle ou refuser de s'engager sur un terrain instable, la capacité à inspecter et comprendre pourquoi un modèle a estimé qu'un terrain est franchissable ou non devient un critère d'adoption à part entière, notamment pour la certification et le déploiement en conditions réelles chez les intégrateurs. Les études d'ablation menées par les auteurs confirment la robustesse du modèle face à des variations architecturales et quantifient l'apport spécifique des descripteurs de réflectivité. Le travail s'inscrit dans la lignée des recherches récentes sur les KAN, une alternative aux perceptrons multicouches proposée fin 2024 pour offrir une meilleure interprétabilité tout en gardant une capacité d'approximation comparable. Jusqu'ici, l'analyse de traversabilité reposait presque exclusivement sur des réseaux profonds ou des arbres de décision boostés par gradient, performants mais opaques. TravKAN se positionne comme une alternative analytique déployable, sans annonce de partenariat industriel ni de calendrier de déploiement à ce stade : il s'agit d'un résultat de recherche académique, à confirmer par une adoption ultérieure sur des plateformes robotiques réelles.

Recherche❖Paper

1 source

39

3337arXiv cs.RO 

FlowPilot : modélisation monde-action en temps réel pour la navigation agile de drones

Des chercheurs présentent FlowPilot, un modèle compact de navigation temps réel pour drones, fonctionnant entièrement à bord à partir d'un flux de profondeur. Contrairement aux pipelines classiques qui reconstruisent une carte locale avant d'optimiser une trajectoire, ou aux politiques bout-en-bout sans prédiction de scène, FlowPilot débruite conjointement les observations de profondeur futures et les trajectoires exécutables via du flow matching. L'architecture associe un mélange de transformeurs à double flux, où un expert vidéo et un expert action partagent l'attention pour s'informer mutuellement. Au déploiement, seul le flux d'action est actif : le système produit une trajectoire paramétrée en polynômes de Bernstein de degré 7, l'état courant fixant les points de contrôle initiaux et le réseau prédisant cinq points libres, garantissant une continuité C² avec vitesse, accélération et jerk en forme close. Le modèle est entraîné sur une pyramide de données à trois niveaux (simulation haut débit, simulation photoréaliste, données réelles embarquées). En simulation, il surpasse les méthodes d'apprentissage et d'optimisation concurrentes face à un encombrement croissant et des vitesses jusqu'à 8 m/s. Sur un quadricoptère physique, le pipeline perception-action complet tourne en moins de 18 ms sur un Jetson Orin NX, avec des vols jusqu'à 5,5 m/s en intérieur encombré et en forêt, sans assistance extérieure. Cette démonstration cible un point de friction connu de l'autonomie aérienne : l'écart entre performance en simulation et robustesse réelle en environnement encombré à haute vitesse. En fusionnant prédiction de scène et génération de trajectoire dans un seul modèle plutôt qu'en deux étages séparés, FlowPilot transpose à l'aérien une logique de "world-action model" jusqu'ici surtout explorée en manipulation robotique au sol. Le budget de calcul, 18 ms de bout en bout sur du matériel embarqué léger, intéresse directement les intégrateurs d'inspection industrielle ou de logistique par drone, où poids et consommation du calculateur restent contraignants. L'écart entre les 8 m/s simulés et les 5,5 m/s atteints en vol réel rappelle toutefois que la validation reste celle d'un seul papier académique, sans comparaison indépendante ni déploiement commercial. Ce travail s'inscrit dans la recherche sur la navigation de drones par apprentissage, où les approches oscillent entre cartographie-puis-optimisation et politiques bout-en-bout. Les modèles par flow matching, popularisés récemment en génération d'image et en robotique de manipulation à l'image des politiques VLA telles que Pi-0 ou GR00T N2, sont ici transposés à la navigation aérienne pour produire des trajectoires lisses et dynamiquement réalisables. Publié sur arXiv fin juillet 2026 en prépublication non relue par les pairs, l'article ne mentionne aucune affiliation industrielle ni calendrier commercial. Les suites attendues porteraient sur l'extension à des vitesses et environnements plus variés, et sur une comparaison indépendante face aux meilleures méthodes de navigation par optimisation déjà déployées sur drones commerciaux.

IA physique⚡Actu

1 source

39

3338arXiv cs.RO 

SelfWAM : un modèle unifié d'action et du monde auto-fondé pour le contrôle rapide de robots

Une nouvelle publication arXiv (2608.00725v1) présente SelfWAM, un modèle unifié de type "World Action Model" (WAM) conçu pour le contrôle rapide de robots manipulateurs. Contrairement aux WAM classiques qui prédisent les observations futures uniquement à partir du prompt de tâche et du contexte visuel, ce qui les pousse à capturer une progression générique de la tâche plutôt que les conséquences précises de l'action exécutée, SelfWAM s'appuie sur une architecture Mixture-of-Transformers (MoT) spécialisée par modalité. Elle prédit simultanément trois éléments: l'action à exécuter, les images RGB futures conditionnées par cette action, et des masques de silhouette du robot lui-même. Pendant l'entraînement conjoint, le modèle laisse la branche vidéo attendre une copie "propre" de l'action démontrée, ce qui transforme cette branche en modèle des conséquences spécifiques à chaque action, sans ralentir le chemin d'inférence rapide dédié uniquement à l'action. Les auteurs ajoutent des objectifs spécifiques au prompt pour la prédiction des masques du robot, une supervision qui retire les détails d'apparence et concentre l'apprentissage sur les changements visuels directement liés au mouvement du bras. Les tests sur le benchmark RoboTwin 2.0 et sur des tâches de manipulation en conditions réelles montrent des prédictions plus sensibles à l'action et une amélioration des performances de la politique de contrôle, sans dégrader la vitesse d'inférence. Pour le secteur, ce travail s'attaque à un problème connu des modèles vision-langage-action (VLA): la difficulté à faire coïncider prédiction visuelle et effet réel de l'action, un écart qui limite souvent le transfert entre simulation et monde réel. En couplant explicitement la prédiction future à une action "propre" et à la silhouette du robot, SelfWAM cherche à combler ce fossé sans sacrifier la latence, un compromis central pour tout déploiement industriel où le temps de cycle compte. Il s'agit ici d'une publication de recherche déposée sur arXiv, sans produit commercial ni déploiement annoncé: SelfWAM s'inscrit dans la lignée des World Action Models qui gagnent du terrain comme alternative aux politiques purement réactives, en misant sur une modélisation conjointe action-observation pour améliorer la généralisation des robots manipulateurs.

IA physique⚡Actu

1 source

39

3339arXiv cs.RO 

QuASH : interroger des cartes robotiques vision-langage grâce à des heuristiques en langage naturel

Le papier QuASH (arXiv:2510.14546, version 2, publié en remplacement d'une version antérieure) s'attaque à un problème central de la cartographie robotique par embeddings visuo-langagiers : une fois qu'un modèle de type CLIP encode la scène en vecteurs sémantiques, comment déterminer précisément quelles zones de l'environnement correspondent réellement à une requête textuelle libre ("trouve la porte rouge", par exemple) plutôt que de se contenter d'un simple score de similarité cosinus. Les auteurs proposent d'exploiter les synonymes et antonymes du terme recherché dans l'espace d'embedding, via des heuristiques, pour estimer la zone linguistique pertinente autour de la requête. Cette estimation sert ensuite à entraîner un classifieur léger qui partitionne l'environnement entre correspondances et non-correspondances, au lieu de s'appuyer sur un seuil de similarité brut. La méthode a été testée à la fois sur des cartes robotiques et sur des benchmarks d'images standards, avec des gains mesurés en "queryability" (capacité à retrouver correctement les objets ou zones demandés). L'intérêt pratique dépasse la seule démonstration académique : la plupart des systèmes de cartographie sémantique open-vocabulary (VLMaps, CLIP-Fields, NLMap et équivalents) souffrent aujourd'hui d'un écart entre la richesse du vocabulaire qu'ils prétendent gérer et la fiabilité réelle des requêtes en conditions variées. En proposant une couche de classification entraînable, agnostique au type d'encodeur et à la représentation de carte utilisée, QuASH offre un correctif générique et peu coûteux en données d'entraînement, potentiellement intégrable a posteriori sur des pipelines existants sans réentraîner le modèle visuo-langagier de base. Pour les équipes qui développent des systèmes de navigation ou de manipulation guidés par le langage naturel, c'est un signal que le goulot d'étranglement se déplace de la génération d'embeddings vers l'interprétation fine des requêtes. Le travail s'inscrit dans la lignée des recherches sur les cartes sémantiques ouvertes issues des progrès des VLM depuis 2022-2023, où l'enjeu est passé de la simple détection d'objets étiquetés à une compréhension de scène en vocabulaire libre. Aucune plateforme robotique ni déploiement industriel spécifique n'est mentionné dans cette publication, qui reste à ce stade une contribution méthodologique validée sur benchmarks plutôt qu'un système déployé sur le terrain.

Recherche❖Paper

1 source

39

3340arXiv cs.RO 

Transfert simulation-réel dans les mécanismes de jambes à liaisons parallèles via normalisation dynamique côté simulateur

Un article de recherche publié sur arXiv (référence 2608.01697v1) propose une méthode baptisée Simulator-Side System Normalization (S3N) pour réduire l'écart entre simulation et réel dans les mécanismes de jambe à liaisons parallèles. Le problème identifié: lorsqu'un mécanisme à liaisons parallèles est modélisé en simulation par un arbre cinématique en série (une simplification courante car les moteurs physiques gèrent plus facilement les chaînes sérielles que les boucles fermées), les mappings classiques basés sur le jacobien préservent la cohérence cinématique mais ignorent la redistribution de l'inertie et de l'amortissement des actionneurs, ainsi que l'inertie des liaisons omise lors de cette réduction. Deux variantes sont testées: S3N-Act, qui intègre l'inertie et l'amortissement des actionneurs par transformation de coordonnées, et S3N-Full, qui restaure aussi l'inertie résiduelle des liaisons via identification séparée des réponses fréquentielles au niveau actionneur et jambe. Sur une validation à 2 degrés de liberté, S3N-Full réduit les erreurs RMS de position articulaire et de couple de 80,9% et 82,1% respectivement par rapport à la référence par jacobien. En mouvement de pitch sur place, la RMSE de la force de réaction au sol chute de 65,1% (S3N-Act) et 62,4% (S3N-Full). En locomotion circulaire, l'écart sim-to-réel normalisé par commande passe de 17,3% à 9,9% avec S3N-Full. Ce travail cible un point de friction technique précis mais central pour l'entraînement de politiques par renforcement en robotique de jambes: les mécanismes à liaisons parallèles offrent une meilleure densité de couple aux chevilles et genoux, un choix de conception de plus en plus courant sur les robots à pattes et humanoïdes, mais leur représentation fidèle en simulation reste coûteuse. Une normalisation côté simulateur qui conserve la topologie en arbre sériel tout en corrigeant la dynamique effective permettrait d'entraîner des politiques avec un simulateur cohérent avec le matériel réel, sans reconstruire un moteur physique dédié aux boucles fermées. Le papier s'inscrit dans un courant de recherche plus large sur la réduction de l'écart sim-to-réel pour la locomotion à pattes, où l'identification de système et le domain randomization sont des approches concurrentes déjà répandues. Les auteurs ne sont pas précisés dans le résumé, et il s'agit d'un travail académique préliminaire (preprint) plutôt que d'un déploiement matériel ou d'un produit commercialisé.

Recherche❖Paper

1 source

39

3341arXiv cs.RO 

Vérification probabiliste de l'action réalisable des politiques visuomotrices par entraînement basé sur des ensembles

Des chercheurs viennent de publier sur arXiv (papier 2608.02545) une méthode de vérification formelle pour les politiques visuomotrices des robots, celles qui transforment des images caméra en actions de commande via des réseaux VLA (vision-language-action). Le problème qu'ils adressent : l'analyse d'atteignabilité (reachability analysis), qui garantit mathématiquement qu'un robot ne dépassera pas certaines limites d'action, devient ingérable dès qu'on utilise de gros encodeurs visuels, car propager l'incertitude à travers tout le réseau de bout en bout est trop coûteux en calcul et donne des marges de sécurité absurdement larges. Leur solution consiste à geler l'encodeur visuel et à ne propager les ensembles d'incertitude que dans l'interface de basse dimension entre cet encodeur et la politique de décision en aval, calibrée à partir de perturbations de pose de caméra mises à l'écart. Cette propagation utilise des zonotopes (une représentation géométrique d'ensembles) pour produire une largeur d'enveloppe de sortie que l'entraînement dit "set-based" optimise directement. En évaluation, une calibration conforme fractionnée au niveau des trajectoires convertit les écarts d'action mesurés en un rayon d'action atteignable probabiliste, avec une garantie de couverture statistique à échantillon fini. Pour l'industrie robotique, l'enjeu dépasse la curiosité académique : c'est une brique de sécurité qui manquait cruellement aux politiques VLA déployées en usine ou en environnement partagé avec des humains. Aujourd'hui, la plupart des démonstrations de robots humanoïdes ou de bras manipulateurs pilotés par des modèles de type Pi-0, GR00T N2 ou Helix reposent sur la confiance empirique plutôt que sur une preuve mathématique de leurs limites d'action, ce qui freine leur certification pour des tâches critiques. En montrant qu'un entraînement contraint par ensembles réduit le rayon d'incertitude sans sacrifier les performances en boucle fermée, les auteurs suggèrent qu'il est possible d'obtenir des garanties de sécurité formelles sans reconcevoir entièrement l'architecture des politiques, ce qui intéressera directement les intégrateurs et les responsables de certification qui cherchent à faire homologuer des systèmes robotiques autonomes. Cette approche s'inscrit dans un courant de recherche plus large sur la vérification formelle des systèmes d'apprentissage profond, historiquement concentré sur les réseaux de classification ou de contrôle simples, et qui commence seulement à s'attaquer aux politiques visuomotrices modernes à grande échelle. Les auteurs comparent leur méthode à plusieurs contrôles alternatifs, entraînement comportemental seul, cohérence observationnelle, perturbations adversariales ponctuelles, qui produisent tous des rayons d'atteignabilité plus larges, ce qui valide empiriquement l'intérêt de leur approche par ensembles. Le papier ne mentionne pas de déploiement industriel ni de partenariat commercial : il s'agit à ce stade d'une contribution méthodologique testée en expériences de manipulation contrôlées, dont les prochaines étapes logiques seraient l'extension à des politiques plus complexes ou à des robots mobiles et humanoïdes en conditions réelles.

Recherche❖Paper

1 source

39

3342arXiv cs.RO 

RL Bootstrapping d'OpenVLA-OFT pour une nouvelle incarnation robotique

Une équipe de recherche a testé l'adaptation du modèle vision-langage-action OpenVLA-OFT à un robot parallèle à câbles (CDPR) doté d'une pince simple, une morphologie totalement absente des jeux de données habituels utilisés pour entraîner ce type de modèle. Plutôt que de recourir au fine-tuning supervisé classique, qui exige des démonstrations spécifiques à chaque robot, les chercheurs ont opté pour de l'apprentissage par renforcement en simulation, avec des récompenses géométriques denses calculées directement à partir de l'état du simulateur. L'entraînement s'est déroulé en deux temps : une phase PPO pour les primitives de mouvement directionnel, suivie d'une phase GRPO reprenant le point de contrôle du PPO et élargissant le répertoire d'instructions à des commandes conditionnées par objet. Sur les quatre instructions directionnelles communes aux deux phases, le taux de réussite moyen passe de 34,25 % après PPO à 53,50 % après PPO puis GRPO, avec des gains particulièrement marqués sur les commandes "aller à gauche" et "reculer". La phase GRPO introduit aussi l'instruction "aller vers" appliquée à huit objets cibles, pour un taux de réussite strict de 9,75 % (39 succès sur 400 essais). L'intérêt de ces travaux tient moins à la performance brute, encore modeste, qu'à la méthode : contrairement aux résultats précédents obtenus avec OpenVLA et OpenVLA-OFT, qui s'appuient sur des jeux de démonstrations et des bras robotiques rigides standards, cette approche ne mobilise aucune donnée spécifique à l'embodiment cible. Pour les intégrateurs travaillant sur des morphologies robotiques atypiques, où collecter des démonstrations coûte cher ou reste impossible, cela ouvre une piste crédible pour amorcer un contrôleur fonctionnel sans données dédiées. Les auteurs restent toutefois prudents : les essais qualitatifs montrent souvent un comportement d'approche correct vers la cible, suivi d'une instabilité en fin de trajectoire, et le taux de réussite strict à moins de 10 % ne permet pas de parler de manipulation robuste. Ce travail s'inscrit dans la vague plus large des modèles vision-langage-action (VLA), dont OpenVLA-OFT, Pi-0 ou GR00T N2 sont des représentants, généralement entraînés et validés sur des bras manipulateurs classiques plutôt que sur des architectures à câbles. L'étude, publiée en preprint sur arXiv, reste cantonnée à la simulation : aucun transfert vers un robot physique n'est rapporté à ce stade, et les auteurs présentent leurs résultats comme une première preuve de faisabilité plutôt qu'un système déployable.

Recherche⚡Actu

1 source

39

3343arXiv cs.RO 

Cloud-Edge Collaboratif Latence-Tolérant : des Modèles Vision-Langage-Action à Spécialisation Représentationnelle Émergente

Des chercheurs publient le 1er août 2026 sur arXiv (2608.00569v1) CloudEdgeVLA, une architecture qui résout un conflit systémique dans le déploiement de modèles Vision-Language-Action (VLA) à plusieurs milliards de paramètres sur des robots mobiles : le raisonnement sémantique tourne mieux sur GPU cloud, mais le contrôle en boucle fermée doit répondre localement malgré la latence et la gigue réseau. Le système sépare les rôles : un VLA cloud encode les observations retardées en caractéristiques de tâche à variation lente, tandis qu'une tête légère côté edge combine la dernière caractéristique cloud disponible avec la vision locale en temps réel. L'entraînement associe des images actuelles et des images retardées aléatoirement à la même action cible, forçant la représentation cloud à préserver l'information de haut niveau pendant que le chemin edge fournit les corrections sensibles à l'état. Résultat mesuré sur les quatre suites du benchmark LIBERO : CloudEdgeVLA conserve entre 63,8 % et 78,0 % de taux de succès avec une fenêtre de délai uniforme de 40 pas, contre au maximum 6,4 % pour la référence VLASH et 3,0 % pour les approches à chemin unique testées. Pour l'industrie robotique, ce résultat s'attaque directement à l'écart entre démonstration et réalité qui limite le déploiement de VLA lourds : jusqu'ici, faire grossir un modèle cloud pour de meilleures performances sémantiques dégradait la réactivité du contrôle dès que le réseau introduisait du délai ou de la gigue. En traitant le désalignement temporel comme un problème d'apprentissage de représentation plutôt que par une synchronisation bloquante ou des règles de planification explicites, CloudEdgeVLA ouvre une voie où les modèles cloud peuvent continuer de croître pendant que le calcul embarqué reste léger, un enjeu direct pour les intégrateurs qui doivent équiper des flottes de robots avec du matériel de bord limité. Le travail s'inscrit dans la lignée des politiques hiérarchiques et asynchrones existantes, dont les auteurs notent qu'elles améliorent le débit mais laissent les représentations du chemin lent arriver périmées ou nécessitent des indices de délai explicites. La comparaison avec VLASH, cité comme référence, situe l'apport dans la continuité de la recherche récente sur le contrôle robotique distribué cloud-edge. L'article ne mentionne pas de partenaire industriel ni de calendrier de déploiement réel, ce qui en fait pour l'instant une contribution de recherche évaluée en simulation sur LIBERO, sans validation encore rapportée sur du matériel physique.

IA physique⚡Actu

1 source

39

3344arXiv cs.RO 

VertiAKD : cinématique adaptative en tout-terrain sur des sols très accidentés

Des chercheurs proposent VertiAKD, un framework qui apprend à des robots terrestres à s'adapter à des terrains accidentés en transférant des connaissances entre véhicules différents. Le système encode conjointement la configuration mécanique du véhicule, ses transitions de trajectoire et les caractéristiques locales d'élévation et de sémantique du terrain dans une représentation partagée de mobilité. Face à un nouveau véhicule confronté à un terrain inédit, VertiAKD identifie les descripteurs de mobilité les plus pertinents issus de véhicules déjà connus et les transfère pour initialiser un modèle kinodynamique via des encodeurs de fonctions, affiné ensuite en continu à partir des observations reçues en flux, sans réentraînement par descente de gradient. Les tests ont été menés dans le simulateur Verti-Bench, construit sur le moteur multi-physique Chrono, ainsi que sur cinq configurations physiques distinctes de la plateforme Verti-4-Wheeler. Avec seulement une minute de nouvelles données de trajectoire et les caractéristiques de terrain associées, VertiAKD réduit l'erreur de prédiction à long terme jusqu'à 34,52 % par rapport à un simple transfert direct des descripteurs de mobilité, et jusqu'à 94,43 % face aux méthodes concurrentes. L'enjeu dépasse la performance brute d'un modèle : c'est la capacité à déployer rapidement une flotte hétérogène de robots tout-terrain sans collecte de données et réentraînement spécifiques à chaque plateforme, un frein connu à la mise à l'échelle de l'autonomie hors route. Les approches existantes de transfert inter-véhicules supposaient jusqu'ici un terrain plat, tandis que les modèles kinodynamiques sensibles au terrain exigeaient une collecte de données propre à chaque robot. VertiAKD s'attaque aux deux contraintes simultanément, ce qui intéresse directement les opérateurs de flottes robotiques agricoles, militaires ou de secours confrontées à des sols géométriquement et sémantiquement complexes, là où l'écart entre simulation et réalité physique reste un obstacle majeur à la navigation fiable. Le travail s'inscrit dans la continuité des recherches sur la plateforme Verti-Wheeler et le simulateur Verti-Bench, développés pour étudier la mobilité sur terrain « verticalement contraignant » (pentes, obstacles rocheux, végétation dense). Aucun acteur industriel n'est cité dans cette publication, purement académique et publiée sur arXiv le 4 août 2026 ; les auteurs valident leur approche à la fois en simulation et par des essais physiques de suivi de trajectoire en boucle fermée, une étape jugée nécessaire avant tout déploiement réel sur des robots tout-terrain autonomes.

Recherche❖Paper

1 source

39

3345arXiv cs.RO 

Collaboration en peinture humain-robot combinant optimisation par préférences et primitives de mouvement dynamiques

Des chercheurs présentent un système de peinture collaborative homme-robot combinant optimisation par préférences et primitives de mouvement dynamiques, décrit dans une publication arXiv (2608.01981v1). L'idée centrale : un robot assiste un opérateur humain pendant une tâche de peinture en ajustant en temps réel l'orientation de la pièce travaillée pour suivre celle de la main de l'opérateur. Le réglage des paramètres de contrôle, le temps d'exécution, la réactivité du robot et l'amplification de rotation, repose sur l'algorithme GLISp, une méthode d'optimisation par préférences (PBO) qui apprend directement du retour humain plutôt que d'une fonction de récompense prédéfinie. Les primitives de mouvement dynamiques (DMP), technique classique de génération de trajectoires en robotique, ont été modifiées pour rendre le comportement du robot plus réactif et mieux adapté aux contraintes ergonomiques. Le système a été testé avec un groupe hétérogène de participants réalisant des tâches de peinture réelles, avec des résultats montrant une réduction de l'effort perçu par l'opérateur et une amélioration des résultats du processus. L'intérêt de ce travail dépasse la seule peinture industrielle : il illustre une approche de calibration de robots collaboratifs qui évite le réglage manuel fastidieux des paramètres de comportement, un problème récurrent en cobotique. En laissant l'humain guider l'apprentissage par préférences successives plutôt qu'en programmant des règles fixes, le système s'adapte à la morphologie et au style de chaque opérateur sans reprogrammation. Pour les intégrateurs et décideurs industriels, cela ouvre une piste vers des postes de travail hybrides où le robot compense la charge physique sans remplacer le geste humain, particulièrement pertinent dans les tâches de finition, peinture, ponçage, polissage, où la dextérité humaine reste difficile à automatiser entièrement. Ce travail s'inscrit dans un courant de recherche plus large sur l'apprentissage par préférences appliqué à la robotique collaborative, où les DMP servent depuis longtemps de brique standard pour générer des trajectoires adaptatives. Il s'agit ici d'une contribution académique de validation expérimentale plutôt que d'un produit commercialisé : aucune entreprise ni site de déploiement industriel n'est mentionné, l'évaluation se limitant à un groupe de participants en conditions contrôlées. Les prochaines étapes attendues porteraient sur l'extension de la méthode à d'autres tâches manuelles assistées et sur des essais à plus grande échelle.

Recherche❖Paper

1 source

39

3346arXiv cs.RO 

Robots aériens dotés d'une perception aéroacoustique passive incarnée pour la détection relative et la poursuite mutuelles

Des chercheurs présentent SonicFly, un système de perception acoustique passive permettant à un drone d'en suivre un autre en se basant uniquement sur le bruit naturel de vol du drone meneur, sans signalisation acoustique active, sans communication inter-robots, sans partage GPS et sans infrastructure de capteurs externe. Le dispositif embarque un réseau léger de quatre microphones, des représentations acoustiques adaptées aux rotors des multirotors, un estimateur neuronal de gisement et de distance (bearing-range), ainsi qu'un filtrage à seuil de confiance pour piloter le vol en boucle fermée. Lors d'essais de poursuite en extérieur, dans des trajectoires et conditions opérationnelles variées, le système a maintenu une distance au meneur avec une erreur moyenne de 1,34 mètre, malgré une forte interférence acoustique générée par le drone suiveur lui-même (ego-acoustique) et la variabilité environnementale. L'intérêt principal de ces travaux est de démontrer, pour la première fois de façon quantifiée, qu'un signal jusque-là négligé, le bruit de vol lui-même, contient assez d'information pour assurer une perception relative fiable entre robots aériens. C'est significatif pour les essaims de drones et les scénarios où le GPS est indisponible ou brouillé, où la communication radio est limitée en bande passante ou détectable, ou où l'ajout de caméras et de calcul embarqué pour la vision est trop coûteux en poids ou en énergie. Pour les intégrateurs de systèmes multi-drones (inspection, défense, logistique en essaim), cela ouvre une modalité de secours ou complémentaire aux approches vision et GPS, avec un coût matériel très faible (quatre microphones). Il s'agit toutefois d'une preuve de faisabilité en conditions expérimentales contrôlées, pas d'un produit déployé : la robustesse face à un bruit ambiant plus dense (zones urbaines, autres essaims) reste à démontrer. Cette approche s'inscrit dans la lignée des travaux sur la perception incarnée (embodied perception), où un agent exploite les signaux générés par sa propre action ou celle d'un pair plutôt que des capteurs dédiés. Elle se positionne en complément des méthodes dominantes de coordination de drones, vision par caméra, télémétrie radio, GPS relatif, chacune ayant ses propres limites en environnement contesté ou contraint en poids. Les auteurs identifient des principes de conception clés (structure harmonique, séparabilité spectrale, indices spatiaux) qui ouvriront la voie à des variantes futures, potentiellement appliquées à la coordination d'essaims plus larges ou à d'autres classes de robots mobiles bruyants.

Recherche❖Paper

1 source

38

3347arXiv cs.RO 

HapticVLA : manipulation riche en contacts via un modèle vision-langage-action sans détection tactile à l'inférence

HapticVLA, décrit dans un article arXiv (2603.15257v2, republié) sans affiliation académique précisée, propose une architecture vision-langage-action capable de manipulation en contact riche sans capteur tactile embarqué au moment de l'inférence. La méthode se déroule en deux étapes couplées. D'abord, un module baptisé SA-RWFM (Safety-Aware Reward-Weighted Flow Matching) entraîne un expert d'action par flow matching à partir de récompenses tactiles précalculées, qui pénalisent une force de préhension excessive et des trajectoires de saisie sous-optimales. Ensuite, la Distillation Tactile (TD) transfère cette capacité vers un VLA classique : un token tactile compact, issu du modèle SA-RWFM, sert de cible d'apprentissage à un VLA étudiant qui doit le prédire uniquement à partir de la vision et de l'état du robot. Résultat annoncé sur des expériences réelles : un taux de réussite moyen de 86,7 %, supérieur à celui de VLA de référence, y compris des versions disposant d'un vrai retour tactile pendant l'inférence. L'intérêt pratique tient au coût et à la reproductibilité. Les capteurs tactiles dédiés renchérissent le matériel et compliquent le transfert d'un comportement appris d'une plateforme robotique à une autre. Si l'approche tient sur d'autres tâches et d'autres bras, elle affaiblirait une hypothèse répandue dans le secteur, celle qu'un retour haptique direct est indispensable pour un contrôle fin de la force de préhension sur des objets fragiles ou déformables. Pour les intégrateurs industriels, cela ouvrirait la voie à des lignes de préhension contact-riche moins instrumentées, donc moins chères à déployer et à maintenir. Il s'agit toutefois d'un résultat de recherche publié sur arXiv, pas d'un produit commercialisé ni d'un déploiement industriel annoncé. Le papier s'inscrit dans la vague actuelle des modèles VLA généralistes pour la manipulation, aux côtés de GR00T N2 de NVIDIA, Pi-0 de Physical Intelligence ou Helix de Figure, qui cherchent tous à réduire la dépendance à des capteurs spécialisés tout en préservant une manipulation fine. Aucune date de disponibilité ni partenariat industriel n'est mentionné dans l'abstract, la validation reste donc circonscrite au cadre expérimental décrit.

IA physique⚡Actu

1 source

38

3348arXiv cs.RO 

Un aéronef à rotors basculants doté d'une pince pour tâches de contact stables par ancrage environnemental

Des chercheurs ont présenté un nouveau type de drone conçu pour ancrer physiquement sa base dans son environnement afin de réaliser des tâches de contact stables, selon une publication arXiv du 1er août 2026 (2608.01736v1). La plateforme combine un multirotor à rotors inclinables, capable de découpler le tangage du mouvement d'avancement pour maintenir un vol stationnaire stable même à des angles de tangage non nuls, et une pince prismatique sous-actionnée entraînée par câbles, dotée d'une compliance mécanique lui permettant de s'adapter à des géométries irrégulières pour s'agripper à une structure. Les essais en vol sur robot réel montrent que cet ancrage réduit de plus de 95 % l'erreur quadratique moyenne (RMSE) de dérive positionnelle par rapport à un vol libre de référence, y compris dans des conditions venteuses. Une fois ancré, le système résiste à des forces de réaction longitudinales allant jusqu'à 75 newtons tout en conservant une pose stable, et sa dérive positionnelle ne dépasse jamais 3 millimètres sur l'ensemble des géométries et orientations de cibles testées. Cette avancée s'attaque à une limite structurelle des drones classiques: leur instabilité dès qu'ils entrent en contact physique avec une surface, ce qui restreint aujourd'hui leur usage à l'observation à distance plutôt qu'à l'intervention directe. En transformant un aéronef en plateforme de travail temporairement fixe, cette approche ouvre la voie à des tâches nécessitant une force et une précision impossibles en vol libre, comme le perçage ou l'installation de capteurs. Pour les intégrateurs industriels et les opérateurs d'inspection d'infrastructures, cela représente une alternative crédible aux nacelles élévatrices ou aux interventions humaines en zones difficiles d'accès, à condition que la robustesse démontrée en essais contrôlés se confirme sur le terrain. Le papier s'inscrit dans le champ plus large de la manipulation aérienne, où plusieurs équipes de recherche explorent des mécanismes de perchage ou d'ancrage pour stabiliser les drones lors d'interactions physiques. Les auteurs présentent leurs résultats comme une preuve de viabilité plutôt qu'un produit commercial: ils citent explicitement comme applications futures l'échantillonnage de la santé des arbres par forage et l'installation de capteurs en environnements difficiles d'accès, sans annoncer de calendrier de déploiement ni de partenaire industriel à ce stade.

Recherche❖Paper

1 source

38

3349arXiv cs.RO 

Système de fabrication robotisé pour la production automatisée d'actionneurs élastomères diélectriques

Des chercheurs décrivent, dans une étude publiée sur arXiv (référence 2608.00369v1), un système robotique automatisé pour la fabrication de condensateurs souples utilisés comme actionneurs et capteurs, les actionneurs à élastomère diélectrique (DEA). Les travaux se concentrent sur les deux étapes jugées les plus déterminantes pour la qualité finale du composant : la formation de la couche diélectrique par enduction centrifuge (spin coating) et le dépôt des électrodes en nanotubes de carbone (CNT) par tamponnage. Vingt DEA multicouches ont été produits selon ce procédé, chacun comportant 12 couches diélectriques d'une épaisseur moyenne de 55,37 microns (écart type 2,04 microns) et 11 électrodes CNT alternées. Résultat mesuré : une réduction de 14,2 % du temps de fabrication total, et une intervention humaine supprimée sur 56,1 % du processus. L'intérêt de ces travaux dépasse le simple gain de productivité en laboratoire. Les DEA, technologie clé de la robotique souple pour les préhenseurs adaptatifs, les muscles artificiels ou les interfaces haptiques, souffrent historiquement d'une fabrication artisanale, lente et peu reproductible, ce qui freine leur passage du prototype académique au composant industrialisable. En automatisant précisément les étapes les plus sensibles à la variabilité opérateur, cette approche s'attaque directement au goulot d'étranglement de la répétabilité, condition nécessaire pour qu'un intégrateur ou un fabricant envisage sérieusement ces actionneurs souples en dehors du cadre expérimental. Le développement des DEA s'inscrit dans un mouvement plus large de robotique souple cherchant des alternatives légères et conformables aux actionneurs rigides classiques. Jusqu'ici, la production restait majoritairement manuelle, couche par couche, dans des environnements de recherche. Cette démonstration sur vingt unités multicouches constitue une étape de validation de procédé plutôt qu'un produit commercial ; les auteurs ouvrent la voie à une automatisation plus poussée des lignes de production, condition probable pour un futur transfert vers une fabrication à plus grande échelle.

Recherche❖Paper

1 source

38

3350arXiv cs.RO 

SSTG-Nav : graphes topologiques spatio-sémantiques ancrés en métrique pour la navigation d'objets réutilisable

Une équipe de recherche présente SSTG-Nav, un système de mémoire spatiale et sémantique pour la navigation robotique vers des objets (ObjectNav), détaillé dans une publication arXiv du 4 août 2026 (référence 2608.00527v1). Contrairement aux approches classiques qui traitent chaque mission comme une exploration inédite, ce système construit un graphe topologique métrique-sémantique réutilisable après une seule phase de pré-exploration, permettant au robot de localiser directement un point d'arrêt atteignable plutôt que de ré-explorer l'espace à chaque requête. Sur 1 000 épisodes répartis dans 36 scènes du benchmark HM3D-v2, la topologie proposée atteint un plafond de succès géométrique de 99,4 %. En ne faisant varier que l'ancrage métrique, le taux de succès (SR) et le SPL progressent de 0,835/0,560 à 0,920/0,603 ; une fusion tenant compte de la source des indices sémantiques pousse ces scores à 0,926/0,586. Un mécanisme de récupération fondé sur les trois meilleures hypothèses fait grimper le taux de succès à 0,928, 0,965 puis 0,975 selon la tentative, avec un SPL@3 de 0,601. Les auteurs valident l'ensemble par une implémentation complète sur ROS2/Nav2, du requêtage jusqu'à l'exécution physique. Ces résultats s'attaquent à un angle mort classique de la navigation robotique : reconnaître visuellement un objet ne suffit pas à identifier un endroit où le robot peut effectivement s'arrêter, et une seule erreur de cartographie confiante peut faire échouer toute la mission. En basculant d'une exploration à usage unique vers une mémoire persistante, capable de conserver plusieurs points de repli distincts en cas d'échec, le travail répond au besoin des robots de service déployés durablement dans un même lieu, domicile, bureau ou site industriel, gagner en fiabilité avec l'expérience plutôt que repartir de zéro à chaque requête. C'est un signal utile pour les intégrateurs évaluant la maturité des piles de navigation sémantique au-delà des démonstrations de laboratoire : les gains proviennent explicitement de l'ancrage métrique et de la fusion multi-source, pas d'un simple effet d'échelle du modèle, ce que confirment les tests de contrôle sur le champ de vision, la densité de points et la robustesse aux corruptions de données. Le travail s'inscrit dans la lignée des benchmarks ObjectNav standards du secteur, notamment Habitat-Matterport 3D (HM3D), utilisés pour comparer les architectures de navigation sémantique en environnement simulé avant tout déploiement réel. La validation sur ROS2/Nav2, pile logicielle de référence en robotique mobile open source, distingue cette publication d'un simple exercice de simulation en démontrant un pipeline complet, de la requête utilisateur à l'exécution physique. Aucun partenariat industriel ni calendrier de déploiement commercial n'est mentionné ; il s'agit à ce stade d'une contribution académique publiée sur arXiv, sans revue par les pairs formalisée. La suite logique, non précisée par les auteurs, serait une évaluation en conditions réelles au-delà des simulations HM3D, là où les erreurs de perception et les changements d'environnement au fil du temps posent des défis que les benchmarks statiques ne capturent pas entièrement.

Recherche❖Paper

1 source