Actualités robotique — page 7

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

42

301arXiv cs.RO 

Adaptation Rapide de l'Incarnation pour la Locomotion Quadrupède

Des chercheurs présentent, dans un article publié en août 2026 sur arXiv (2608.01506), un système d'adaptation d'embodiment en ligne pour la locomotion des robots quadrupèdes. La méthode combine une politique généraliste entraînée avec randomisation d'embodiment et un module d'adaptation léger capable d'identifier un changement physique du robot en moins d'une demi-seconde à partir d'un court historique d'interaction. Deux types de variations ont été testés : des contraintes d'amplitude articulaire (dégradation cinématique au niveau des joints) et des changements de masse du tronc (variation dynamique au niveau du corps). En simulation, le module estime précisément ces changements et permet un contrôle en boucle fermée nettement supérieur aux approches qui se contentent de conditionner la politique directement sur l'historique brut d'interaction. Sur un robot réel Unitree Go2, le système conserve une locomotion stable même dans des cas extrêmes, une patte totalement bloquée ou une charge utile de 5 kg, là où les méthodes non adaptatives échouent purement et simplement. L'intérêt pratique tient au problème classique des politiques apprises en robotique : entraînées sur un matériel fixe, elles cassent dès que ses propriétés changent, par usure, dommage ou charge ajoutée. Plutôt que de miser uniquement sur la robustesse passive obtenue par randomisation de domaine, cette approche identifie explicitement les paramètres physiques du robot en temps réel avant d'ajuster le contrôle, une distinction technique importante pour des déploiements industriels où les pattes de robots quadrupèdes subissent usure et charges variables. Les résultats sur des cas extrêmes plutôt que des démonstrations contrôlées renforcent la crédibilité, mais l'évaluation reste limitée à deux types de variation sur une seule plateforme, sans preuve de généralisation à des embodiments plus complexes comme des bras ou des humanoïdes. Le Unitree Go2, plateforme quadrupède low-cost très répandue dans la recherche académique, sert ici de banc d'essai, sans qu'aucun industriel autre que le fournisseur du robot ne soit impliqué. Ce travail s'inscrit dans la lignée des recherches sur l'adaptation rapide en locomotion légère, dans la continuité d'approches antérieures comme la Rapid Motor Adaptation. Les auteurs indiquent vouloir étendre leur méthode à des formes plus larges de dégradation ou d'incertitude matérielle, sans donner de calendrier précis pour de futurs essais.

Recherche❖Paper

1 source

42

302arXiv 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

42

303arXiv 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

41

304arXiv cs.RO 

DynamicManip : permettre la manipulation dynamique à partir d'une seule démonstration statique

DynamicManip, présenté dans un article arXiv publié le 1er août 2026, s'attaque à un problème précis de la robotique manipulatrice : apprendre à un bras robotique à saisir des objets en mouvement ou nécessitant des ajustements rapides, sans avoir besoin de milliers de démonstrations. Le système repose sur deux briques. La première est un pipeline d'augmentation de données qui transforme une seule démonstration statique en une multitude de scénarios dynamiques synthétiques, contournant ainsi la complexité combinatoire habituellement nécessaire pour couvrir toutes les variations de trajectoire, vitesse et position d'un objet mobile. La seconde est une politique d'imitation dite "dynamic-aware", capable d'ajuster sa fréquence d'inférence en temps réel selon le niveau de dynamisme de la tâche, plutôt que d'interroger le modèle à cadence fixe. Les auteurs ont également construit un benchmark dédié à la manipulation dynamique, avec un système d'évaluation automatique permettant des tests reproductibles à grande échelle. En simulation comme en conditions réelles, DynamicManip affiche un taux de réussite moyen supérieur de 18,4 points de pourcentage à l'état de l'art, avec une latence de requête de politique réduite de 32,9 %. Ce résultat cible un angle mort connu du secteur : la plupart des politiques de manipulation par apprentissage par imitation (VLA compris) sont entraînées et validées sur des objets statiques ou des trajectoires prévisibles, et s'effondrent dès qu'il faut réagir à un mouvement imprévu, un scénario pourtant courant sur une ligne de production ou en logistique (convoyeurs, pièces qui glissent, tri en mouvement). En réduisant drastiquement le besoin de données réelles par démonstration, un seul exemple statique suffit à générer la diversité nécessaire, et en abaissant la latence d'inférence, DynamicManip répond directement à deux freins à l'industrialisation des politiques d'apprentissage : le coût de collecte de données et le temps de cycle. Pour les intégrateurs, cela ouvre la voie à des déploiements sur des tâches jusqu'ici jugées trop instables pour l'apprentissage par imitation, sans multiplier les heures de téléopération pour constituer un jeu de démonstrations. Le papier s'inscrit dans la lignée des travaux récents sur l'apprentissage par imitation efficace en données (few-shot, one-shot manipulation), un axe de recherche actif face au coût prohibitif de la collecte de démonstrations réelles pour les politiques VLA à grande échelle. Contrairement aux annonces commerciales de Figure, Physical Intelligence (Pi-0) ou NVIDIA (GR00T), il s'agit ici d'une contribution académique testée sur un benchmark maison plutôt que d'un déploiement industriel documenté ; les chiffres de performance, bien que précis, restent à confirmer sur des tâches et environnements tiers avant toute généralisation. Aucun acteur français ou européen n'est mentionné dans cette publication.

Recherche❖Paper

1 source

41

305arXiv cs.RO 

Diffusion pour l'apprentissage du schéma corporel : adaptation aux états anormaux dans les robots musculosquelettiques

Des chercheurs proposent une nouvelle méthode d'apprentissage du schéma corporel pour les robots musculo-squelettiques, basée sur les modèles de diffusion, capable de s'adapter à des états physiques anormaux comme la rupture d'un muscle artificiel ou le blocage d'un actionneur. Publiée sur arXiv début août 2026, l'étude s'attaque à une limite connue des approches classiques par autoencodeurs ou autoencodeurs variationnels, qui compressent les signaux de capteurs et d'actionneurs dans un espace latent de faible dimension et n'apprennent en réalité qu'un comportement moyen. Cette compression rend ces modèles incapables de bien représenter des situations hors distribution, c'est-à-dire des pannes ou anomalies absentes des données d'entraînement. Le nouveau cadre proposé fonctionne différemment : au lieu de passer par un espace latent réduit, le modèle de diffusion estime directement, par un processus itératif de débruitage, des valeurs de capteurs et d'actionneurs physiquement cohérentes dans l'espace haute dimension d'origine, même à partir d'observations partielles et sous contraintes, sans nécessiter de réentraînement. L'adaptation du schéma corporel est formulée comme un débruitage guidé par gradient, permettant au système d'estimer les longueurs et tensions musculaires appropriées même en cas de rupture de muscle ou de blocage d'actionneur. La validité de l'approche est démontrée uniquement par simulation, sur un modèle de robot musculo-squelettique. Pour l'industrie robotique, ce travail touche à un problème central pour tout système actionné par des muscles artificiels ou des architectures bio-inspirées à haute redondance : la capacité à maintenir une représentation interne fiable du corps quand une partie du matériel tombe en panne, sans devoir réentraîner le modèle à chaque nouveau scénario de défaillance. C'est un enjeu de robustesse plus que de performance brute, particulièrement pertinent pour les plateformes destinées à opérer en autonomie prolongée, loin d'une supervision humaine constante, où une simple rupture de tendon artificiel peut aujourd'hui immobiliser un robot faute de diagnostic interne adapté. L'usage de modèles de diffusion pour ce type d'estimation d'état, plutôt que pour la seule génération de trajectoires ou de politiques d'action comme c'est courant dans les approches VLA, illustre une extension intéressante de cette famille de modèles vers des tâches d'inférence physique et de tolérance aux pannes. Le travail s'inscrit dans la lignée des recherches sur les robots musculo-squelettiques, des plateformes qui cherchent à reproduire l'anatomie humaine avec des muscles artificiels redondants plutôt que des moteurs rigides classiques, dans l'objectif d'obtenir une compliance et une résilience mécanique proches du vivant. Les approches par autoencodeur ou VAE pour l'apprentissage du schéma corporel constituaient jusqu'ici la référence dans ce sous-domaine, d'où la comparaison directe opérée par les auteurs. À ce stade, l'apport reste circonscrit à des expériences en simulation sur un modèle de robot, sans validation sur plateforme physique ni indication de calendrier pour un transfert réel ; l'étape naturelle suivante serait une démonstration sur un robot musculo-squelettique physique intégrant des capteurs et actionneurs réels, où les bruits de mesure et les dynamiques non modélisées pourraient sensiblement compliquer la tâche de débruitage.

Recherche❖Paper

1 source

41

306arXiv cs.RO 

StableMimic : récupération fluide et humaine pour le suivi de mouvement humanoïde, un apprentissage au-delà de la distribution de suivi pour un comportement structuré post-chute

StableMimic, présenté début août 2026 sur arXiv (2608.02385v1), est un système unifié de suivi de mouvement pour robots humanoïdes conçu pour gérer les chutes sans intervention externe. Le problème visé : les politiques de suivi classiques fonctionnent bien tant que le robot reste dans la distribution de trajectoires apprises, mais une chute le projette dans des états de contact au sol (à plat ventre, sur le dos, en déséquilibre) où la commande suivante devient temporairement irréalisable, poussant ces politiques à produire des corrections de membres brutales et risquées. La solution repose sur deux experts dédiés, l'un pour le suivi normal et l'autre pour la relevée post-chute, mélangés en continu par une porte proprioceptive, entraînés grâce à des réinitialisations perturbées autour de références humaines de redressement variées. Un objectif d'état successeur caché structure cette relevée sans jamais exposer au module déployé l'identité de la référence utilisée. Sur le sous-ensemble de danse LAFAN1 retargeté, StableMimic obtient les erreurs les plus basses sur les quatre métriques de suivi parmi cinq méthodes comparées, et sur 100 essais de chute provoquée par poussée, il se relève 100 fois sur 100 avec les meilleurs scores sur six des sept mesures de sécurité post-chute. Des déploiements réels sur un robot Unitree G1 confirment un mouvement des membres borné et une reprise autonome de la commande. Ce résultat comble un angle mort des démonstrations humanoïdes commerciales : la plupart des vitrines publiques, qu'il s'agisse de plateformes pilotées par des VLA comme Pi-0 ou GR00T N2, montrent des robots qui marchent ou manipulent en conditions contrôlées, rarement ce qui se passe après une chute, pourtant fréquente en usage réel. Un taux de relevée de 100% mesuré, plutôt qu'anecdotique, suggère qu'une récupération autonome et sans bascule logicielle externe est atteignable, un prérequis d'exploitation pour tout intégrateur évaluant des humanoïdes en logistique ou en usine. La méthode s'inscrit dans la recherche sur l'imitation par renforcement pour humanoïdes, qui bute généralement sur l'écart entre mouvements normaux retargetés (via LAFAN1) et états hors distribution réels. Les tests restent qualitatifs, limités au G1 de Unitree, plateforme académique courante face aux systèmes propriétaires type Figure ou Optimus. Aucun calendrier de déploiement industriel ni acteur français ou européen n'est mentionné.

Recherche❖Paper

1 source

41

307arXiv cs.RO 

KING : réseau neuronal de graphe cinématique tenant compte de l'incarnation pour une représentation unifiée du mouvement des robots à pattes et à roues

Des chercheurs de l'AIST (National Institute of Advanced Industrial Science and Technology, Japon) publient KING, un modèle cinématique basé sur un réseau de neurones à graphes (GNN) capable d'estimer l'odométrie de robots à roues comme à pattes avec un seul et même réseau. Le système, décrit dans un preprint arXiv publié début août 2026, représente l'embodiment du robot (nombre d'articulations, points de contact au sol, roues ou pieds) sous forme de graphe commun, unifiant ainsi des cinématiques jusqu'ici traitées séparément. KING s'appuie uniquement sur une description du robot au format URDF et sur la proprioception embarquée (encodeurs et IMU), sans capteurs extéroceptifs. Entraîné sur des jeux de données couvrant plusieurs types de robots, il peut ensuite s'adapter à un nouvel embodiment via un apprentissage few-shot ne nécessitant qu'une minute de données, plutôt qu'un réentraînement complet. Les auteurs mettent en avant une précision d'odométrie supérieure aux méthodes cinématiques classiques dans des environnements réels. L'enjeu dépasse la seule performance technique. L'odométrie par capteurs extéroceptifs (caméras, lidars) se dégrade dans les environnements sans repères visuels, et l'intégration IMU seule dérive rapidement ; les modèles cinématiques restent donc une brique essentielle de la localisation robotique. Jusqu'ici, chaque nouvel embodiment imposait de réentraîner un modèle dédié, un frein concret pour les intégrateurs opérant des flottes hétérogènes mêlant AMR à roues et robots à pattes. Un modèle généraliste adaptable en quelques minutes de données réduirait significativement ce coût d'ingénierie, un argument qui parlera aux fabricants de robots quadrupèdes ou humanoïdes cherchant à mutualiser leur stack logicielle avec des plateformes à roues. Le travail s'inscrit dans une tendance plus large de représentations unifiées pour la robotique, portée notamment par les modèles vision-langage-action (VLA) qui cherchent eux aussi à généraliser au-delà d'un seul robot. KING reste à ce stade une publication de recherche, sans déploiement industriel annoncé ; une page projet est disponible en ligne, mais aucun partenaire matériel ni calendrier de commercialisation n'est mentionné.

Recherche❖Paper

1 source

41

308arXiv cs.RO 

Stress-relief annealing : optimisation d'agencement d'entrepôts automatisés en temps polynomial, sans simulation

Des chercheurs publient sur arXiv (référence 2608.01024, début août 2026) un nouvel algorithme baptisé Stress-Relief Annealing (SRA) pour optimiser la disposition physique des entrepôts automatisés où circulent des centaines à des milliers de robots mobiles. L'algorithme calcule, pour chaque point du plan, un "champ de contrainte" (stress field) dérivé de la demande de tâches, qui prédit où le trafic va se concentrer ; le pic de ce champ plafonne mathématiquement le débit maximal atteignable. Contrairement aux méthodes actuelles fondées sur l'optimisation évolutionnaire, qui traitent l'entrepôt comme une boîte noire et testent des milliers de mutations aléatoires via simulation, SRA calcule directement une disposition optimisée en temps polynomial, sans simulation. Sur les benchmarks testés, SRA tourne en 19 minutes sur un seul cœur de CPU, là où les méthodes évolutionnaires nécessitent environ 25 000 simulations et 25 heures sur une machine à 64 cœurs. Appliqué à un entrepôt conçu par des humains, SRA double approximativement le nombre de robots que la disposition peut soutenir sans dégrader le débit, et le gain se généralise à différents algorithmes de planification multi-agents (MAPF), à des répartitions de tâches non uniformes et à un entrepôt aux dimensions doublées. Pour les intégrateurs et opérateurs de centres logistiques automatisés, ce gain de vitesse change concrètement l'équation coût-bénéfice de l'optimisation de layout : une itération en 19 minutes sur un CPU standard permet de tester des dizaines de scénarios par jour, contre un calcul qui, avec les méthodes évolutionnaires, immobilise une machine 64 cœurs plus d'une journée pour un seul résultat. Le doublement de capacité robotique à empreinte au sol identique, sans changement matériel, est l'argument le plus concret : un gain de ROI sur des infrastructures déjà déployées, pas seulement sur de futurs projets. Cela confirme aussi une hypothèse du secteur : la disposition physique des étagères, souvent traitée comme un détail d'ingénierie, est en réalité un levier de performance aussi déterminant que l'algorithme de routage des robots lui-même. Le papier s'inscrit dans la lignée des travaux sur l'optimisation d'entrepôt par méthodes évolutionnaires, dont il reprend les benchmarks comme point de comparaison directe, en pointant leur défaut principal : la dépendance à un très grand nombre de simulations coûteuses pour évaluer chaque disposition candidate. En formulant le problème comme un champ de contrainte calculable analytiquement plutôt que comme une boîte noire à explorer par essais-erreurs, SRA se rapproche des approches d'optimisation de flux utilisées en planification de trafic ou en conception de réseaux logistiques. L'étude reste pour l'instant un résultat de recherche publié sur arXiv, sans validation en entrepôt réel ni partenariat industriel annoncé ; la suite logique serait un déploiement pilote chez un opérateur d'AMR (robots mobiles autonomes) à grande échelle, ou une intégration dans les outils de planification déjà utilisés par les intégrateurs de systèmes d'entreposage automatisé.

Recherche❖Paper

1 source

41

309arXiv cs.RO 

Teleopit : un système de téléopération humanoïde à corps entier

Une équipe de recherche présente Teleopit, un système de téléopération complète pour robots humanoïdes, détaillé dans un article déposé sur arXiv (référence 2608.01834v1). Le système capture les signaux corporels, les mouvements des mains et les données de tête depuis un casque VR, puis les retranscrit simultanément sur le corps d'un humanoïde, sur des mains dextres configurables et sur un module de vision active à 2 degrés de liberté. Un encodeur d'historique combiné à un échantillonnage de rattrapage sensible aux échecs améliore le suivi des mouvements, à la fois sur des données de capture de mouvement et en VR en direct. Un module de retargeting des mains, basé sur l'optimisation, combine directions normalisées des doigts, fermeture du bout des doigts et alignement du cadre du pouce, ce qui permet de transposer les gestes humains vers différents types de mains robotiques sans réglage manuel des hyperparamètres. À partir de 96 démonstrations réussies collectées avec Teleopit, des politiques ACT et GR00T N1.7 ont atteint respectivement 90,0% et 95,0% de taux de réussite lors de déploiements réels sur l'humanoïde. Cette approche s'attaque à un goulot d'étranglement bien identifié du secteur robotique: la collecte de démonstrations de haute qualité pour entraîner des politiques de type VLA (vision-language-action). Les systèmes existants simplifient souvent les commandes des mains ou nécessitent des capteurs portables dédiés pour capter la motricité fine, ce qui limite le volume et la richesse des données exploitables. En proposant un pipeline unifié couvrant locomotion, manipulation et contrôle du point de vue, Teleopit vise à réduire le coût et la complexité de la génération de données d'entraînement, un enjeu central pour les laboratoires qui cherchent à faire passer leurs politiques d'apprentissage du stade démonstratif au déploiement réel. Le projet s'inscrit dans la vague de systèmes de téléopération VR pour humanoïdes qui s'est multipliée ces derniers mois, aux côtés d'initiatives comme Helix de Figure ou GR00T N2 de Nvidia, ce dernier étant d'ailleurs directement utilisé comme politique testée dans l'étude. Les auteurs, publiant sous un profil GitHub (botrunner64), mettent à disposition une page projet dédiée mais ne précisent pas de partenariat industriel ni de calendrier de commercialisation, ce qui situe pour l'instant Teleopit au stade de la recherche académique plutôt que du produit prêt à déployer.

Recherche❖Paper

1 source

41

310arXiv cs.RO 

IA incarnée : perception et action pour l'exécution de tâches par un robot humanoïde en construction

Des chercheurs publient sur arXiv (référence 2608.01600v1, soumis début août 2026) un système de perception et d'action destiné aux robots humanoïdes pour l'exécution de tâches de construction. L'architecture combine deux réseaux de neurones profonds : Humanoid-PoseNet, qui capture les postures d'un ouvrier lors d'une démonstration et les traduit en poses mécaniquement réalisables pour un robot humanoïde, puis Humanoid-ActionNet, qui apprend à partir de ces poses traduites les actions que le robot peut réellement exécuter. Testé sur huit tâches liées au chantier, le système atteint une erreur moyenne de suivi de mouvement de 82,45 mm en MPJPE (Mean Per Joint Position Error, l'écart moyen par articulation entre le geste de référence et celui reproduit par le robot). L'abstract ne cite aucun modèle de robot précis, aucun site de déploiement ni partenaire industriel : il s'agit d'un travail de recherche méthodologique et non d'un produit commercialisé. L'enjeu porte sur un goulot d'étranglement bien identifié de l'apprentissage par démonstration chez les humanoïdes : la différence de morphologie et de degrés de liberté (DOF) entre un corps humain et un robot rend la traduction directe des mouvements captés souvent instable ou irréalisable mécaniquement. En séparant explicitement l'étape de retargeting des poses (PoseNet) de l'apprentissage de l'action (ActionNet), l'étude propose une réponse ciblée à ce problème, potentiellement transposable à d'autres tâches physiques répétitives et dangereuses en environnement non structuré, un terrain bien plus exigeant pour un humanoïde que l'entrepôt logistique. Le chiffre de 82,45 mm reste toutefois difficile à juger sans point de comparaison ni contexte sur la difficulté relative des huit tâches testées. Le secteur de la construction, confronté à une pénurie de main-d'œuvre et à des tâches physiquement éprouvantes, est régulièrement cité comme débouché naturel pour les humanoïdes, aux côtés des usines et entrepôts déjà ciblés par Figure, Agility Robotics ou Unitree. Ce travail se positionne en amont de tout déploiement commercial : les auteurs le présentent eux-mêmes comme une « étape précoce » vers des collaborateurs humanoïdes de chantier, sans calendrier de pilotes ni annonce industrielle à ce stade.

Recherche❖Paper

1 source

41

311arXiv cs.RO 

Le pressentiment tactilo-visuel démêlé : découverte d'interface guidée par oracle pour les modèles d'action du monde

Des chercheurs présentent Oracle Visuo-Tactile Foresight (OVTF), un cadre expérimental conçu pour étudier comment structurer les prédictions visuelles et tactiles futures dans les modèles "world action" utilisés pour le contrôle robotique en manipulation à contact riche. Plutôt que de laisser un modèle appris générer ces futurs, source d'erreurs et de scènes physiquement invalides, OVTF fournit des paires de flux RGB et tactiles issues de trajectoires réussies, vérifiées en simulation, isolant ainsi la seule question de l'interface entre prédiction et action. Dans ce cadre, l'équipe propose l'Asymmetric Phase-Local Future Memory (AFM), une architecture où la mémoire visuelle lit le futur visuel, où chaque flux tactile futur s'attache à la fois à son propre signal et à la vision alignée en phase, et où l'accès croisé entre canaux tactiles reste bloqué. Comparée à une variante Modality-Isolated Future Memory (IFM), qui traite chaque modalité de façon totalement indépendante, AFM est testée sur sept tâches du benchmark de simulation UniVTAC. Résultat : 32,0 % de taux de réussite moyen pour AFM, contre 23,7 % pour IFM et seulement 14,9 % pour la référence UniVTAC-ACT sans ce mécanisme. Ces chiffres, modestes en valeur absolue, restent significatifs car peu de travaux isolent proprement la question de l'interface futur-action dans les modèles tactiles world-action : la plupart des évaluations de bout en bout mélangent qualité de prédiction, fiabilité du modèle et choix d'architecture, ce qui rend les comparaisons peu concluantes. En montrant qu'un routage sélectif et aligné en phase entre vision et tactile surpasse un traitement strictement séparé des modalités, l'étude fournit un argument concret pour les équipes qui conçoivent des politiques de manipulation contact-riche (préhension, insertion, assemblage), où la vision seule ne capture ni le glissement, ni la force de contact, ni l'alignement fin. Pour les chercheurs et intégrateurs en robotique manipulatrice, le signal est clair : l'enjeu n'est pas seulement de prédire correctement le futur tactile, mais de choisir la bonne architecture d'attention pour que cette prédiction profite réellement à l'action, un rappel utile face à l'engouement actuel pour les modèles VLA généralistes, dont l'efficacité réelle en contact riche reste largement à prouver au-delà des démonstrations. L'étude s'inscrit dans la lignée des travaux récents sur les modèles "world action" tactiles, qui tentent de coupler prédiction visuelle et signaux de contact pour guider la génération d'actions robotiques, un axe de recherche en expansion rapide à mesure que les capteurs tactiles se banalisent sur les bras manipulateurs. Contrairement aux approches qui évaluent directement des modèles appris de bout en bout, les auteurs choisissent délibérément une méthode oracle pour neutraliser les sources de bruit et isoler la seule variable d'architecture, une démarche méthodologique plutôt qu'un système prêt à déployer. Le papier, publié début août 2026 sur arXiv, ne mentionne ni partenariat industriel ni calendrier de transfert vers du matériel réel : la suite logique consisterait à vérifier si les gains observés en simulation avec des futurs oracle se maintiennent lorsque ces futurs tactiles sont réellement prédits par un modèle appris, puis testés sur du hardware physique.

Recherche❖Paper

1 source

41

312arXiv cs.RO 

Belief-espace de perception routé sous pannes capteurs couplées et contention de calcul

Des chercheurs publient sur arXiv (référence 2608.00322v1, prépublication non revue) un routeur de perception destiné aux robots mobiles confrontés à deux problèmes simultanés : la dégradation des caméras par la pluie, la boue, le brouillard ou l'obscurité, et la contention de calcul, quand un seul processeur embarqué doit partager ses ressources entre perception, planification et contrôle. Leur système suit des estimations probabilistes de l'état de panne des capteurs et de l'état de contention de calcul, les couple via un terme noisy-OR, puis choisit parmi quatre configurations de détecteur (YOLO11x ou YOLO11n, en résolution 1280 ou 640 pixels) pour que chaque image soit traitée avant son échéance temporelle. Sur les séquences où les deux perturbations coexistent, la politique couplée réduit le taux de dépassement d'échéance de 1,1 à 9,4 points de pourcentage par rapport à une politique traitant les deux facteurs séparément. L'intervalle exclut zéro dans cinq conditions sur six, et l'effet regroupé sur 10 séquences et 6 conditions donne un test des signes à p=0,001. Sans perturbation, ou avec un contrôle non couplé, le gain est nul. Le routage lui-même ne coûte que quelques dizaines de microsecondes par image. L'apport pour l'ingénierie robotique tient moins à la performance brute qu'à la démonstration que modéliser séparément pannes capteurs et contention de calcul est une erreur qui coûte de la fiabilité mesurable, pour un surcoût de latence négligeable. Mais l'élément le plus notable est ailleurs : les auteurs testent ensuite si ce couplage apparaît naturellement en conditions réelles, sur huit séquences météo adverses du jeu de données RADIATE et trois indicateurs de charge indépendants du signal de panne. Sur 24 tests statistiques, après correction de Benjamini-Hochberg et une réplication, aucun ne détecte de couplage. Plutôt que de l'occulter, les auteurs rapportent ce résultat nul et cantonnent explicitement leur contribution à une "preuve de mécanisme", pas à une preuve d'utilité terrain, une honnêteté rare qui distingue ce travail des annonces habituelles du secteur. Ce papier s'inscrit dans la littérature sur la perception robotique temps réel sous contrainte de ressources, un problème classique face auquel la plupart des architectures traitent pannes capteurs et charge de calcul comme des variables indépendantes. Aucun acteur industriel n'est impliqué, il s'agit d'une contribution académique publiée en libre accès. Les auteurs livrent leur pipeline d'évaluation afin que d'autres équipes, ou de futurs déploiements réels, puissent vérifier sur leurs propres traces si ce couplage sensoriel-calcul se manifeste effectivement sur le terrain, une question qu'ils considèrent pour l'instant ouverte.

Recherche❖Paper

1 source

41

313arXiv cs.RO 

CoWAM : contrats de coordination pour intervention sélective des politiques avec les WAM

Une équipe de recherche publie CoWAM, un article arXiv (2608.02578v1, soumission nouvelle, non encore validée par un comité de lecture) qui propose une couche de contrôle appelée "contrats de coordination" pour les politiques robotiques bimanuelles épaulées par des World Action Models (WAM), ces modèles qui prédisent un futur conditionné à l'action envisagée. Le principe: ne pas remplacer l'action nominale d'un bras robotique juste parce qu'une alternative prédite semble plausible, mais seulement si elle respecte toutes les obligations actives de synchronisation, de compatibilité des rôles et de convergence anti-collision, et apporte un gain net à faible risque. Si l'action nominale est elle-même jugée non admissible, le système bascule vers un repli d'abstention prédéfini plutôt que d'improviser. Sur huit tâches bimanuelles simulées, avec des pools de candidats identiques entre méthodes pour isoler la qualité du sélecteur de celle du générateur, CoWAM améliore la sélection valide de 16,7 points de pourcentage par rapport à une variante "contrats seuls", et augmente le taux de succès en boucle fermée de 9,6 points par rapport à la meilleure référence sélective existante, tout en maintenant les interventions dommageables sous 1%. L'enjeu dépasse la seule performance brute: pour les intégrateurs de robots à deux bras (logistique, assemblage, préparation de commandes), le vrai risque des WAM n'est pas de mal prédire, mais d'intervenir à tort sur une action déjà correcte parce qu'une alternative "a l'air" meilleure sur le papier. CoWAM répond directement à ce problème de sur-intervention, un frein connu à la mise en production des politiques génératives de type VLA (vision-langage-action) dans des contextes industriels où la sécurité et la prévisibilité priment sur la simple optimisation moyenne. Le travail s'inscrit dans la lignée des approches de contrôle sélectif conçues pour encadrer des générateurs d'actions puissants mais imprévisibles, dans un paysage où des modèles comme Pi-0, GR00T N2 ou Helix cherchent à généraliser le contrôle robotique à partir de grands modèles pré-entraînés. Les résultats restent pour l'instant cantonnés à la simulation; l'étape suivante, non abordée dans cet article, serait une validation sur du matériel physique bimanuel réel.

Recherche❖Paper

1 source

41

314arXiv cs.RO 

Toute maison, toute tâche : planification évolutive à long terme pour des tâches humaines abstraites

Le laboratoire à l'origine de ce papier arXiv (identifiant 2602.12244, version révisée) présente AHAT, pour Any House Any Task, un planificateur de tâches ménagères conçu pour la planification à long horizon dans des environnements domestiques de grande taille et face à des consignes humaines ambiguës. Le système s'appuie sur un grand modèle de langage entraîné à convertir une instruction et un graphe de scène textuel (une représentation symbolique de la maison et des objets qu'elle contient) en sous-objectifs formalisés dans le langage PDDL, le standard académique pour décrire des problèmes de planification. Ces sous-objectifs sont ensuite résolus par un solveur symbolique explicite, qui produit un plan d'exécution complet et jugé optimal. Pour améliorer la capacité du modèle à décomposer des intentions complexes et floues, les auteurs introduisent TGPO, un nouvel algorithme d'apprentissage par renforcement qui intègre une correction externe des traces de raisonnement intermédiaires dans le cadre de GRPO, la méthode de renforcement popularisée par les modèles de raisonnement de type DeepSeek. L'enjeu identifié par les auteurs est central pour la robotique de service : les planificateurs purement basés sur du prompting LLM voient leurs performances chuter fortement dès que l'environnement grandit, que le plan s'allonge, ou que l'instruction devient ambiguë. En combinant génération de sous-objectifs par LLM et résolution symbolique rigoureuse, AHAT vise à conserver la flexibilité du langage naturel tout en garantissant la faisabilité formelle du plan produit, un compromis recherché par tous les acteurs qui veulent faire sortir les agents domestiques du laboratoire. Les auteurs rapportent des gains significatifs face aux méthodes de référence par prompting, planification classique et apprentissage, notamment sur des tâches formulées de façon brève mais nécessitant une exécution complexe, le scénario le plus proche d'un usage domestique réel. Il s'agit ici d'un travail de recherche publié sur arXiv, sans lien annoncé avec un produit commercial ou un déploiement matériel : ni robot humanoïde, ni intégrateur, ni date de mise en service ne sont mentionnés. AHAT se positionne dans la lignée des travaux récents cherchant à hybrider LLM et planification symbolique PDDL pour la robotique domestique, une piste alternative aux approches VLA de bout en bout, et son intérêt réel pour l'industrie dépendra de sa reproductibilité et de son passage, ou non, à des essais sur robot physique.

Recherche❖Paper

1 source

41

315arXiv cs.RO 

MemoAct : politique de manipulation robotique à mémoire hiérarchique inspirée du modèle Atkinson-Shiffrin

Des chercheurs présentent MemoAct, une architecture de politique robotique à mémoire hiérarchisée pour la manipulation, inspirée du modèle de mémoire humaine d'Atkinson-Shiffrin. Le système empile trois niveaux distincts : une mémoire sensorielle qui filtre les entrées perceptuelles immédiates, une mémoire court terme sans perte qui assure le suivi précis de l'état de la tâche en cours, et une mémoire long terme compressée qui garantit la rétention sur des horizons étendus. Pour évaluer ces capacités, l'équipe a construit MemoryRTBench, un benchmark bâti sur le simulateur RoboTwin 2.0 regroupant six tâches de manipulation conçues pour tester systématiquement trois dimensions de mémoire : séquentielle, spatiale et épisodique. Les expériences, menées à la fois en simulation et sur robot réel, montrent que MemoAct surpasse les politiques markoviennes classiques ainsi que les approches dites "history-aware" qui se contentent d'élargir la fenêtre d'observation. Le papier, republié sur arXiv en version 2, met une page de projet à disposition en ligne. L'enjeu dépasse la simple performance sur un banc d'essai. Les tâches manipulatrices qui exigent de se souvenir d'un état passé, par exemple compter des objets déjà déplacés ou reprendre une séquence interrompue, restent un point faible connu des politiques robotiques actuelles basées sur l'apprentissage. La méthode dominante jusqu'ici, l'extension brute de la fenêtre d'observation, échoue à concilier précision immédiate et mémoire longue durée : trop de contexte brut noie le signal utile, trop peu efface l'historique nécessaire. En proposant une architecture à mémoires différenciées plutôt qu'un simple buffer élargi, MemoAct répond directement à ce compromis, ce qui intéresse directement les concepteurs de politiques VLA destinées à des tâches industrielles multi-étapes, où l'état de la tâche doit être tracké sur la durée sans perte de précision. Le travail s'inscrit dans la lignée des recherches sur les politiques conditionnées par l'historique, en empruntant explicitement au cadre cognitif classique de la psychologie de la mémoire plutôt qu'à une architecture purement transformeur. Il se positionne comme une alternative structurée aux baselines markoviennes et aux approches history-aware existantes, sans qu'aucun déploiement industriel ni partenariat commercial ne soit mentionné : il s'agit à ce stade d'une contribution académique, testée en simulation et en conditions réelles limitées, dont les prochaines étapes dépendront de l'adoption par la communauté robotique.

Recherche❖Paper

1 source

41

316arXiv cs.RO 

GeminiPainter : pipeline séquentiel en quatre étapes, perception, cognition, planification et action

GeminiPainter est un système robotique autonome capable de dessiner un portrait en direct, présenté dans un article publié sur arXiv début août 2026 (identifiant 2608.00829). Le pipeline suit quatre étapes classiques en robotique cognitive : perception, cognition, planification et action. Une caméra capture le visage de l'utilisateur en temps réel, la région faciale est extraite, puis envoyée à l'API Gemini Vision de Google qui génère un croquis minimaliste en une seule ligne continue. Un algorithme de planification de trajectoire basé sur la théorie des graphes optimise ensuite l'ordre des traits avant qu'un bras manipulateur collaboratif à 6 degrés de liberté n'exécute le dessin. Les auteurs rapportent des scores utilisateurs élevés sur une échelle de 5 : 4,33 pour la qualité du croquis, 4,53 pour la perception de l'exécution et 4,65 pour l'expérience globale. L'intérêt principal tient à la démonstration qu'un modèle vision-langage commercial grand public, ici Gemini, peut servir de brique génératrice dans une chaîne robotique complète sans entraînement spécifique lourd, en s'appuyant sur une planification de trajectoire classique pour le contrôle du bras. Cela illustre une tendance plus large : l'intégration de modèles de fondation dans des pipelines robotiques hybrides, au-delà des seuls usages industriels. Il faut toutefois nuancer les résultats : ce sont des évaluations subjectives auto-déclarées, sans précision sur le nombre de participants, le temps de cycle par portrait, ni les conditions d'éclairage ou de pose testées, ce qui limite la portée de la validation. Le champ des robots artistes ou "portrait robots" existe depuis plusieurs années dans la recherche académique, souvent utilisés comme vitrines de démonstration en événementiel ou en médiation scientifique plutôt que comme produits commerciaux. GeminiPainter s'inscrit dans cette lignée tout en profitant de la montée en puissance récente des API vision multimodales. L'article ne mentionne ni partenaire industriel, ni feuille de route de déploiement, ni code source ouvert : il s'agit à ce stade d'un prototype de recherche, pas d'un produit prêt à être industrialisé.

Recherche❖Paper

1 source

41

317arXiv cs.RO 

DPL : locomotion humanoïde perceptive par profondeur seule, via synthèse de profondeur réaliste et reconstruction du terrain par attention croisée

Une équipe de recherche en robotique publie sur arXiv (identifiant 2510.07152, version 3, une révision d'un article déjà soumis) un nouveau cadre baptisé DPL, pour Depth-only Perceptive Locomotion, destiné à la marche adaptative des robots humanoïdes sur terrain accidenté. Le constat de départ : la perception de terrain pour humanoïdes reste coincée entre deux approches limitées. L'apprentissage de bout en bout à partir d'images de profondeur souffre d'une efficacité d'entraînement faible et d'un écart important entre simulation et réel. Les méthodes fondées sur des cartes d'élévation, elles, exigent plusieurs capteurs visuels et un système de localisation, ce qui ajoute de la latence et fragilise la robustesse. DPL combine trois briques : une politique de marche guidée par une perception pré-entraînée à base de carte d'élévation mais fonctionnant avec un minimum d'entrée visuelle réelle (architecture dite "blind backbone"), un transformeur à attention croisée multimodale qui reconstruit une représentation structurée du terrain à partir d'images de profondeur bruitées, et une méthode de synthèse d'images de profondeur réalistes, combinant lancer de rayons sensible à l'auto-occlusion et modélisation du bruit, qui réduit de plus de 30 % l'erreur de reconstruction du terrain. Le tout a été validé sur un robot humanoïde grandeur nature, avec une locomotion agile sur des terrains variés et complexes. L'enjeu pratique est clair pour les intégrateurs et les fabricants de robots humanoïdes déployés en usine ou en environnement extérieur : les systèmes multi-capteurs avec cartographie d'élévation restent coûteux et sensibles aux dérives de localisation, tandis qu'une simple caméra de profondeur est bien moins chère mais historiquement peu fiable en conditions réelles. Si l'écart sim-to-real annoncé est effectivement comblé, cela ouvrirait la voie à des humanoïdes moins instrumentés, donc moins chers à produire et à maintenir, sans sacrifier la capacité à franchir marches, gravats ou sols irréguliers, un point critique pour toute la course actuelle à la commercialisation des humanoïdes. Le papier s'inscrit dans un champ de recherche académique actif où plusieurs laboratoires explorent des alternatives à la cartographie d'élévation classique pour réduire la dépendance au matériel. Comme pour beaucoup de publications arXiv de ce type, aucun partenaire industriel ni date de déploiement commercial n'est mentionné : il s'agit d'une preuve de concept en robot réel, sans indication de suite annoncée par les auteurs.

Recherche❖Paper

1 source

41

318arXiv cs.RO 

Développer des compétences combinées de manipulation et de locomotion via une représentation d'interaction et une composition de compétences

Des chercheurs présentent une méthode pour apprendre à un robot humanoïde à combiner préhension et locomotion à partir de principes développementaux, dans un article déposé sur arXiv (2608.00208v1). La première brique est une politique de saisie corps entier inspirée de l'analyse harmonique : des harmoniques cubiques servent de poids pour représenter la relation spatiale main objet via une convolution spatiale, et un curriculum de découplage des articulations des doigts, appliqué au sein même de chaque épisode d'apprentissage, permet au robot d'apprendre à saisir sans dataset externe ni modèle pré-entraîné. La seconde brique combine cette politique de saisie avec une politique de lever et de marche apprise séparément, en s'appuyant sur des scores d'interaction main objet pour décider, à chaque instant, quelle politique pilote quelles articulations. Résultat : 93% de réussite en zero shot sur des objets jamais vus, et entre 96 et 100% de réussite pour se relever tout en tenant l'objet saisi. L'intérêt pratique dépasse la simple prouesse technique : la plupart des démonstrations de manipulation mobile chez les humanoïdes empilent des compétences apprises isolément, avec un risque élevé d'interférence entre politiques au moment de les enchaîner. Ici, la généralisation zero shot à des objets inconnus, sans recourir à un modèle vision langage action massif comme Pi-0, GR00T N2 ou Helix, tranche avec la tendance dominante du secteur, qui mise sur l'échelle des données plutôt que sur des curricula développementaux. L'enseignement le plus transférable pour des ingénieurs robotique ou des intégrateurs concerne la composition de compétences : elle ne fonctionne de façon fiable que si chaque politique est entraînée sur le corps entier du robot, y compris des parties a priori inutiles à la tâche, comme garder les doigts actifs pendant l'apprentissage de la marche. Le travail s'inscrit dans la course plus large à la manipulation mobile chez les humanoïdes, un problème que des acteurs commerciaux comme Figure, Agility ou plusieurs plateformes chinoises tentent aussi de résoudre, le plus souvent via des modèles VLA pré-entraînés à grande échelle plutôt que par apprentissage développemental from scratch. L'abstract ne mentionne ni déploiement réel ni acteur français ou européen, et les résultats restent issus d'environnements contrôlés de simulation ou de laboratoire ; reste à voir si l'approche passe l'échelle vers des comportements plus complexes ou vers d'autres plateformes matérielles.

Recherche❖Paper

1 source

41

319arXiv cs.RO 

Prédire la distribution des forces de contact à partir de la vision en exploitant les a priori de géométrie des objets

Une équipe de recherche a publié le 1er août 2026 sur arXiv (référence 2608.00464) un modèle qui prédit la distribution tridimensionnelle des forces de contact à partir d'une seule image RGB, appliqué à des scènes d'objets du quotidien empilés en vrac. Pour entraîner ce système, les auteurs ont d'abord généré des données appariées vision-force via un simulateur de corps rigides classique en robotique, un outil qui produit normalement des forces ponctuelles bruitées et peu exploitables telles quelles. Leur idée centrale consiste à lisser statistiquement ces forces ponctuelles pour obtenir des distributions continues, plus proches de la façon dont un humain anticipe intuitivement le comportement physique d'une pile d'objets. Ils vont plus loin en intégrant la géométrie de chaque objet dans ce processus de lissage, afin de tenir compte des variations d'état de contact selon la forme des pièces. Le modèle a été évalué à la fois en simulation et sur des scènes réelles, alors qu'il n'a jamais été entraîné que sur des données synthétiques. L'enjeu dépasse la simple précision de prédiction : il touche directement au problème classique du transfert sim-to-real, l'un des principaux points de friction pour rendre la manipulation robotique fiable hors laboratoire. Un robot capable d'anticiper visuellement où et comment les forces se répartissent dans une pile d'objets peut ajuster sa stratégie de préhension avant même le contact, ce qui intéresse directement les intégrateurs travaillant sur le tri, le bin-picking ou la logistique en environnement non structuré. Les résultats indiqués montrent que le lissage améliore non seulement la prédiction elle-même, mais aussi la performance sur les tâches en aval, et que le guidage par géométrie apporte un gain supplémentaire, ce qui suggère que la représentation du signal cible compte autant que l'architecture du modèle. Ce travail s'inscrit dans un courant de recherche plus large sur l'estimation de propriétés physiques à partir de la seule vision, sans capteurs de force embarqués coûteux. Il reste à ce stade une contribution académique, sans déploiement industriel annoncé ni partenaire cité, et les prochaines étapes attendues concernent probablement l'extension à des géométries d'objets plus variées et des scénarios de manipulation plus complexes.

Recherche❖Paper

1 source

41

320arXiv cs.RO 

ProtoAct : transformer les protocoles de laboratoire humide en actions robotiques incarnées

Les protocoles de laboratoire biologique sont rédigés pour des chercheurs formés et laissent souvent implicites les opérations de routine, les conditions dépendantes de l'état du système et les paramètres contextuels, ce qui les rend difficiles à traduire en actions exécutables par un robot. Des chercheurs présentent ProtoAct, un framework structuré qui convertit des procédures biologiques en texte libre en séquences d'actions adaptées à l'exécution robotique. Le système combine trois modules : ProtoRAG, qui récupère des exemples annotés manuellement pour un parsing sensible au contexte, RefineChecker, qui détecte et corrige les étapes manquantes ou incohérentes, et ActSchema, qui transforme la procédure raffinée en séquences JSON contraintes de fonctions exécutables. Pour évaluer l'approche, les auteurs ont constitué BioP2E, un jeu de données comprenant 22 protocoles de culture cellulaire annotés manuellement, décomposés en 258 conditions de surveillance, 910 sous-tâches exécutables et 962 appels d'action ancrés dans le monde physique. Les tests couvrent sept grands modèles de langage différents comme backbone. Cette publication cible un problème concret pour l'automatisation en biotechnologie : la majorité des protocoles de laboratoire existants ne sont tout simplement pas lisibles par une machine sans réécriture manuelle coûteuse, ce qui freine le déploiement de robots dans les laboratoires humides (wet labs). En démontrant qu'un pipeline de parsing structuré peut produire des sous-tâches exploitables pour entraîner des modèles vision-langage-action (VLA) et obtenir une exécution réussie à la fois en simulation et sur robot réel, ProtoAct apporte une preuve de concept que l'automatisation de laboratoire peut s'appuyer sur les protocoles existants plutôt que sur des réécritures ad hoc, un enjeu pertinent pour la recherche pharmaceutique et l'automatisation scientifique. Les auteurs situent leur contribution dans la lignée des travaux combinant génération augmentée par récupération (RAG) et modèles de langage pour le raisonnement procédural, appliqués ici à un domaine peu couvert jusqu'ici : la biologie expérimentale. Les ablations menées montrent que la récupération contextuelle, la vérification a posteriori et les contraintes de schéma apportent chacune une contribution complémentaire, sans qu'aucun de ces éléments seul ne suffise. Le papier ouvre la voie à une intégration plus large avec des systèmes de collecte de démonstrations pour l'entraînement de modèles VLA en laboratoire.

Recherche❖Paper

1 source

41

321arXiv cs.RO 

Assistance pour le placement égocentrique : un référentiel d'évaluation

Des chercheurs ont publié fin juillet 2026 sur arXiv (référence 2608.00652) un nouveau benchmark baptisé Assistant Placement Aria, conçu pour évaluer la capacité des systèmes robotiques à identifier des emplacements de placement d'objets pertinents dans un environnement domestique. Contrairement aux tâches de placement classiques, qui visent une cible unique et prédéfinie, ce benchmark s'attaque au problème du "Virtual Placement" (VP) : repérer l'ensemble des emplacements plausibles compte tenu du contexte de la scène et des contraintes centrées sur l'humain. Le jeu de données couvre trois tâches concrètes : le placement de panneaux 2D, la suggestion de points assis, et le placement de téléviseurs. Il combine des scènes intérieures synthétiques et réelles, chacune annotée avec des images 2D, un nuage de points 3D et une description textuelle des objets présents. Les auteurs y évaluent également plusieurs modèles de fondation pour la détection d'objets et la segmentation, sans qu'aucun ne se distingue nettement sur l'ensemble des trois tâches. Ce travail comble un manque concret pour les équipes qui développent des robots d'assistance domestique ou des systèmes de réalité augmentée devant suggérer où poser un objet, où s'installer ou où positionner un écran. La plupart des méthodes actuelles de placement raisonnent sur une cible unique, ce qui ne correspond pas à la réalité d'un salon ou d'une chambre où plusieurs emplacements sont valables selon les préférences humaines. En proposant un cadre d'évaluation standardisé et multi-tâches, ce benchmark permet de mesurer objectivement si les modèles de vision actuels, y compris les modèles de fondation généralistes, savent réellement raisonner à la fois sur la géométrie globale d'une pièce et sur des contraintes locales et humaines, plutôt que de se contenter d'une reconnaissance d'objets isolée. Le benchmark s'inscrit dans la lignée des travaux sur l'assistance robotique centrée sur l'humain, qui couvre déjà la navigation et la manipulation d'objets mais où le placement contextuel restait peu documenté faute de données adaptées. Les auteurs présentent ce jeu de données comme une première pierre destinée à stimuler la recherche sur ce sujet jugé sous-exploré, sans annoncer pour l'instant de déploiement industriel ni de partenariat avec des acteurs du secteur ; il s'agit à ce stade d'une contribution académique ouverte, pensée pour servir de référence commune aux futures évaluations de systèmes de placement assisté.

Recherche❖Paper

1 source

41

322arXiv cs.RO 

SG-WAM : modélisation du monde auto-guidée dans un espace de politiques géométriquement conscient

Traduction et synthèse de l'article, en français, prêt à publier : SG-WAM (Self-Guided World Modeling in Geometry-Aware Policy Space) est un nouveau framework de recherche en robotique, publié sur arXiv (référence 2608.01397v1), qui s'attaque aux modèles World Action (WAM), ces systèmes qui couplent génération d'actions et prédiction des états futurs de la scène. La méthode introduit des "dynamics tokens" apprenables et un module appelé Self-Guided World Predictor, chargé de prévoir l'état latent futur de ces tokens en fonction des actions du robot. La supervision provient d'une copie à moyenne mobile exponentielle (EMA) du même réseau de politique, ce qui garantit une cohérence avec l'espace de représentation utilisé par le module de génération d'actions. Une supervision géométrique additionnelle structure les tokens d'image de la politique, apportant un ancrage spatial aux dynamics tokens. L'ensemble, prédiction latente, ancrage géométrique et génération d'actions par flow matching, est optimisé conjointement de bout en bout. Construit sur un modèle de seulement 0,9 milliard de paramètres, sans pré-entraînement embodied à grande échelle, SG-WAM atteint 98,5% de taux de réussite moyen sur le benchmark LIBERO et 73% sur LIBERO-Plus, tout en dépassant des baselines non précisément nommées dans l'abstract, aussi bien en conditions réelles similaires à l'entraînement qu'en généralisation hors distribution. L'enjeu identifié est concret: les WAM existants modélisent la dynamique future soit dans un espace d'observation brut, coûteux en calcul et peu aligné avec l'action, soit dans un espace latent auxiliaire non structuré pour la géométrie. En unifiant les deux dans l'espace même de la politique, SG-WAM évite ce compromis. Le résultat le plus notable reste la performance obtenue avec un modèle compact et sans pré-entraînement massif, ce qui questionne l'hypothèse dominante selon laquelle les modèles VLA nécessitent systématiquement une échelle de données et de paramètres considérable pour généraliser en conditions réelles. Le travail s'inscrit dans une lignée de recherche académique sur les world models appliqués à la manipulation robotique, où la prédiction d'état futur vient de plus en plus compléter les architectures de politique conditionnées par le langage. Il s'agit ici d'une contribution de recherche publiée en preprint, non d'un système déployé, et les baselines comparées ne sont pas explicitement identifiées dans le résumé, un point à vérifier dans le papier complet avant toute reprise de ces chiffres.

Recherche❖Paper

1 source

41

323arXiv cs.RO 

AffordTrajDP : apprentissage dynamique de politiques visuomotrices guidées par affordance pour la manipulation robotique

Des chercheurs proposent AffordTrajDP, un nouveau framework d'apprentissage par imitation guidé par affordances pour la manipulation robotique, publié en préprint sur arXiv début août 2026. Contrairement aux approches classiques qui figent un point de contact statique entre l'effecteur et l'objet cible, ce système construit une trajectoire d'affordance dynamique : à partir d'une observation RGB-D, un point d'ancrage est propagé dans le temps en suivant la pose SE(3) de l'objet, ce qui donne une guidance cohérente tout au long du geste plutôt qu'une simple instruction figée en début de tâche. Sur le benchmark simulé ManiSkill3, la méthode atteint un taux de réussite moyen de 70,0 %, soit jusqu'à 17,8 points de mieux que les meilleures méthodes concurrentes. Des essais en conditions réelles ont été menés sur des bras robotiques Galaxea A1 et UR7e, sur six tâches de précision (empilement de cubes, prise de gobelet, insertion d'adaptateur, anneau sur tige, dépôt en bol, insertion USB), avec des tests sur objets vus et non vus pour le bras Galaxea A1. L'enjeu dépasse la simple performance chiffrée : les affordances statiques dérivent souvent après le contact initial, surtout dans les tâches de précision ou quand la position de l'objet varie légèrement, un problème classique de fossé entre démonstration en labo et robustesse en conditions réelles. En rendant la guidance sensible à l'état de l'objet plutôt qu'à un point fixe défini à l'avance, AffordTrajDP s'attaque directement à ce goulot d'étranglement, un signal pertinent pour les intégrateurs qui cherchent des politiques visuo-motrices capables de tolérer le désordre réel d'un poste de production ou d'entrepôt, plutôt que des démonstrations calibrées en environnement contrôlé. Le travail s'inscrit dans la lignée des méthodes d'apprentissage par imitation guidées par affordances, qui cherchent à compresser la perception visuelle en contraintes géométriques exploitables pour réduire les besoins en données d'entraînement. Les auteurs présentent des ablations pour isoler la contribution de chaque composant du système. À ce stade, il s'agit d'un résultat de recherche en préprint, non d'un produit commercial ni d'un déploiement industriel annoncé.

Recherche❖Paper

1 source

41

324arXiv cs.RO 

Vers l'échec à la supervision : DynamicEnvPlan pour une planification incarnée robuste à long terme

Des chercheurs ont présenté DynamicEnvPlan, un système de planification en boucle fermée pour agents humanoïdes évoluant dans des environnements qui changent en cours d'exécution, publié sur arXiv début août 2026 (arXiv:2608.00613). Le framework associe agents humanoïdes, compétences primitives de haut niveau, mémoire sémantique structurée et perturbations contrôlables. Trois modules, planification, perturbation et correction supervisée, transforment les échecs d'exécution en traces de récupération, utilisées pour un fine-tuning supervisé en plusieurs étapes. Testé sur 104 combinaisons tâche-scène couvrant des conditions i.i.d., de généralisation compositionnelle et hors distribution, le système fait passer le taux de réussite de 33,3% à 76,2% par rapport au planificateur de base, tout en améliorant les sept métriques d'évaluation retenues, dont la sécurité et la conformité d'affordance, c'est-à-dire le respect des contraintes physiques d'interaction avec les objets. Cette approche cible un angle mort classique des benchmarks robotiques: les échecs de planification, objet déplacé, obstacle apparu, porte fermée, sont généralement consignés comme des scores d'évaluation plutôt que réinjectés dans l'entraînement. En transformant systématiquement ces échecs en signal d'apprentissage, DynamicEnvPlan illustre un basculement dans la planification pilotée par des modèles vision-langage-action (VLA): passer d'une exécution calquée sur des trajectoires nominales à une capacité de récupération active face à un monde qui bouge pendant l'action. Pour les intégrateurs qui travaillent sur des humanoïdes en environnement non contrôlé, entrepôt, domicile, site industriel, un gain de 43 points de taux de réussite sur des scénarios incluant de l'hors distribution est un signal concret que le fossé entre démonstration et robustesse réelle peut se combler par la donnée d'entraînement. Les résultats restent toutefois mesurés en simulation, sur un périmètre encore limité. Le travail s'inscrit dans la vague de recherche en planification embodied qui a suivi la percée des modèles VLA comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, où la difficulté ne réside plus dans l'exécution motrice mais dans une planification de haut niveau capable de s'adapter. Contrairement à ces systèmes orientés produit, DynamicEnvPlan reste un travail académique centré sur la méthode de génération de données, sans robot ni partenaire industriel précisé, ni calendrier de déploiement physique. La suite logique serait une validation sur plateforme humanoïde réelle, au-delà de la simulation, et une comparaison directe avec les frameworks de planification hiérarchique déjà utilisés par les acteurs commerciaux du secteur.

Recherche❖Paper

1 source

40

325arXiv cs.RO 

Robots microscopiques : un entraînement en quelques minutes pour leur navigation

Une équipe de recherche présente un nouveau cadre d'apprentissage qui entraîne des politiques de navigation pour microrobots en moins de dix minutes, contre plusieurs heures voire plusieurs jours avec les méthodes d'apprentissage par renforcement profond (DRL) actuelles. Décrit dans un article publié le 4 août 2026 sur arXiv (2608.00854), le système repose sur un simulateur entièrement vectorisé reproduisant plus de 10 000 environnements vasculaires artificiels distincts. La dynamique physique, la perception inspirée du LiDAR et les vérifications de faisabilité y sont parallélisées sur des milliers d'environnements simultanément, atteignant un débit d'environ 190 000 transitions par seconde. Les chercheurs y associent un cadre de récompense baptisé TSR (task-shaping-regularization), conçu pour accélérer la convergence de l'apprentissage. Selon les mesures rapportées, il réduit la variation d'action d'au moins 33,7 % et augmente la marge de dégagement par rapport aux obstacles d'au moins 2,1 %, sur l'ensemble des scénarios testés. L'intérêt principal tient au goulot d'étranglement que cette approche cherche à lever: la navigation autonome de microrobots, notamment en contexte vasculaire pour des applications médicales ciblées, dépendait jusqu'ici de cycles d'entraînement lourds qui freinaient l'optimisation des paramètres et le déploiement rapide. En ramenant ce temps sous la barre des dix minutes tout en conservant un déploiement zero-shot sur des types de microrobots et des scénarios de navigation différents, les auteurs affirment raccourcir sensiblement la boucle de conception, un point qui parlera directement aux équipes travaillant sur la robotique médicale miniaturisée et l'ingénierie de systèmes DRL embarqués. Le papier s'inscrit dans la lignée des travaux sur l'apprentissage par renforcement appliqué à la microrobotique, un domaine où la simulation à haute fidélité reste coûteuse en temps de calcul. La contribution technique centrale reste la vectorisation massive du simulateur plutôt qu'une nouvelle architecture de contrôle. Les auteurs ne précisent pas, dans le résumé disponible, de calendrier de validation matérielle ni de partenariat industriel; la prochaine étape logique consisterait à confronter ces résultats simulés à des essais sur microrobots physiques.

Recherche❖Paper

1 source

40

326arXiv cs.RO 

Vers des filtres de sécurité latents généraux conditionnés par le langage

Des chercheurs proposent une nouvelle approche de filtrage de sécurité pour les robots pilotés par des modèles vision-langage-action (VLA), détaillée dans un article publié le 1er août 2026 sur arXiv (2608.00315v1). Le système, baptisé filtre de sécurité latent conditionné par le langage, combine un acteur et un critique de sécurité fondés sur la théorie de Hamilton-Jacobi, tous deux conditionnés par des contraintes exprimées en langage naturel plutôt que codées en dur. Les auteurs l'ont testé sur trois tâches en environnement simulé et basé sur la vision : le pick-and-place, l'essuyage de table et l'empilement de blocs. Résultat annoncé : le filtre réduit les violations de contraintes de sécurité et parvient à transférer partiellement son comportement vers des instances de contraintes jamais vues pendant l'entraînement, à condition qu'elles appartiennent aux mêmes familles de contraintes déjà couvertes. Cette approche s'attaque à un vrai goulot d'étranglement industriel : jusqu'ici, chaque filtre de sécurité robotique devait être reconçu ou réentraîné dès que les exigences changeaient, par exemple passer d'un entrepôt à un environnement médical ou ajuster une distance de sécurité selon l'utilisateur. Pour les intégrateurs qui déploient des politiques VLA génériques capables d'exécuter des tâches variées à partir d'une simple instruction textuelle, un filtre reconfigurable par le langage éviterait un cycle de développement coûteux à chaque nouveau cas d'usage ou client. C'est un signal que le secteur cherche désormais à généraliser non seulement les capacités des robots, mais aussi les garde-fous qui les encadrent, un chantier resté à la traîne derrière les progrès spectaculaires des modèles de contrôle eux-mêmes. Le travail s'inscrit dans la lignée des filtres de sécurité par réchabilité de Hamilton-Jacobi, une méthode de contrôle formel déjà utilisée pour garantir des marges de sécurité vérifiables sur des systèmes robotiques, mais historiquement limitée à des contraintes fixes et spécifiques à une tâche. En la couplant à du conditionnement linguistique, les auteurs cherchent à suivre la tendance des VLA génériques type RT-2 ou OpenVLA, capables d'exécuter des instructions diverses avec une seule politique. L'étude reste toutefois cantonnée à des tâches de manipulation simulées et à un transfert partiel seulement sur des contraintes proches de celles déjà vues, loin d'une garantie de sécurité générale prête pour un déploiement industriel réel.

Recherche❖Paper

1 source

40

327arXiv cs.RO 

Robots à saisie de précision sans planificateur : champs de distance de préhension en espace des configurations, sécurité certifiée et qualité garantie

Ce que dit le communiqué relève de la recherche académique, pas d'un produit commercial : je le traite en conséquence dans le décodage. Des chercheurs viennent de publier sur arXiv (arXiv:2608.00600v1) une nouvelle architecture de préhension robotique baptisée Grasp Distance Fields (GDF), qui élimine le besoin d'un planificateur de trajectoire pour saisir un objet avec une main multi-doigts. Au lieu de calculer un chemin sans collision vers une pose de préhension choisie puis de le suivre avec une loi de rétroaction, comme le font les architectures standards, GDF construit un champ de distance lisse (softmin) sur l'espace de configuration bras-main et fait suivre au contrôleur le gradient négatif de ce champ avec une loi de rétroaction stationnaire. La sécurité est assurée par un programme quadratique CBF-CLF qui contraint les collisions internes, l'espace de travail, la distance à l'objet et aux obstacles, et signale toute progression entravée sous forme de « slack » explicite. Les auteurs démontrent que le softmin suit la vraie distance à un ensemble de candidats à log N/ρ près (N candidats, paramètre de lissage ρ), et que la boucle filtrée rend l'ensemble sûr invariant. Testé en simulation cinématique sur un bras fixe et sur l'humanoïde Unitree G1, tous deux équipés de la même main sous-actionnée, le système a saisi et soulevé 46 objets sur 50 (formes primitives, objets du quotidien, cas adversariaux) dans des scènes encombrées et dynamiques, avec une marge de qualité de préhension médiane conservée à 94 % et un temps de résolution du QP de 0,09 ms pour un cycle de contrôle de 20 ms. Cette approche cible un problème concret : l'incertitude sur la pose de l'objet ou les perturbations en cours d'exécution invalident souvent la trajectoire planifiée, forçant une replanification coûteuse. En supprimant planificateur, trajectoire stockée et même étape de sélection de prise (les poids softmax confirment à chaque pas que le contrôleur exécute la candidate la plus proche), GDF vise une réactivité utile pour la manipulation en environnement changeant, un enjeu central pour les intégrateurs et les concepteurs d'humanoïdes qui cherchent à fiabiliser la préhension au-delà des démonstrations scénarisées. Le faible coût du QP le rend compatible avec des boucles de contrôle temps réel, un point clé pour un déploiement embarqué. Ce travail s'inscrit dans le contrôle sûr par barrières (CBF-CLF), déjà utilisé en robotique mobile, ici adapté à la préhension multi-doigts. Il se distingue des pipelines dominants d'apprentissage par imitation ou des modèles vision-langage-action (VLA, type Pi-0 ou GR00T N2), qui reposent sur des politiques apprises plutôt que sur des garanties formelles. Le passage de la simulation cinématique à un robot physique, avec bruit de capteurs réel et dynamique non idéale, reste l'étape suivante, non démontrée ici. Le projet, signé par le chercheur Clinton Enwerem, est documenté sur clintonenwerem.com/gdf ; aucun partenaire industriel ni déploiement réel n'est mentionné à ce stade.

Recherche❖Paper

1 source

40

328arXiv cs.RO 

Décomposition complète du mouvement par fibration de l'espace de travail pour manipulateur planaire à n degrés de liberté

Des chercheurs proposent une nouvelle méthode de planification de mouvement pour les manipulateurs planaires redondants à n articulations rotoïdes (nR) évoluant en environnement encombré, baptisée décomposition fibrée de l'espace de travail (workspace-fibered décomposition). Plutôt que de raisonner directement dans l'espace des configurations à n dimensions, souvent coûteux à explorer quand n augmente, la méthode construit incrémentalement les espaces de travail atteignables sous contrainte d'obstacles pour des sous-chaînes non redondantes de dimension réduite, puis relève récursivement ces solutions à travers les fibres d'orientation associées aux degrés de liberté redondants. Les auteurs démontrent d'abord un résultat théorique clé pour les manipulateurs planaires en position pure : l'espace de travail atteignable de la sous-chaîne minimale non redondante caractérise exactement la faisabilité par rapport à la composante connexe de la configuration de départ, ce qui permet de détecter une infaisabilité avant même d'introduire les degrés de liberté redondants. Une procédure de relèvement fibré incrémental propage ensuite cette structure d'atteignabilité à travers les liaisons redondantes successives, en imposant une cohérence de branche cinématique inverse via des contraintes de continuité du déterminant jacobien. Pour l'industrie robotique, l'intérêt pratique tient à la réduction substantielle de la complexité de détection de collision par rapport au raisonnement direct dans l'espace des configurations, un goulot d'étranglement classique pour les bras redondants à forte cadence ou en environnement dense. Une planification plus rapide et plus fiable sur ce type de manipulateurs profite directement aux intégrateurs travaillant sur des bras industriels ou des systèmes mobiles manipulateurs devant opérer près d'obstacles, sans sacrifier la garantie de connectivité sans collision entre étapes de relèvement successives. Le travail s'inscrit dans la lignée des méthodes de planification par décomposition de l'espace de travail, une alternative de longue date à l'échantillonnage direct de l'espace des configurations pour contourner sa malédiction dimensionnelle. Les résultats expérimentaux, obtenus sur des manipulateurs planaires nR redondants, restent à ce stade limités à des validations en simulation ; les auteurs ne précisent pas encore d'extension à des chaînes cinématiques spatiales (3D) ni de déploiement sur du matériel réel, ce qui reste la prochaine étape naturelle pour évaluer la portée industrielle de l'approche.

Recherche❖Paper

1 source

40

329arXiv cs.RO 

Apprentissage de trajectoires SE(3) lisses selon des métriques riemanniennes invariantes à gauche

Des chercheurs présentent, dans un article publié le 4 août 2026 sur arXiv (2608.01562), une méthode d'apprentissage pour générer des trajectoires lisses sur SE(3), le groupe des déplacements rigides combinant rotation et translation, sous des métriques riemanniennes invariantes à gauche. Le problème classique consiste à minimiser une fonctionnelle d'énergie définie par la métrique choisie, ce qui produit des trajectoires optimales pour un corps rigide en mouvement. Si des solutions analytiques existent pour des cas particuliers (métriques produit, conditions aux limites de repos à repos), le cas général avec états limites arbitraires et couplage rotation-translation exige normalement un solveur numérique de problème aux limites, coûteux en temps de calcul. Les auteurs paramétrisent les trajectoires en torseurs cinématiques (body-twist) par des polynômes d'ordre élevé, où un réseau de neurones apprend un sous-ensemble des coefficients ainsi que la durée du mouvement, le reste des coefficients étant calculé analytiquement pour respecter les conditions aux limites. L'entraînement combine des pertes issues des conditions d'optimalité d'Euler-Lagrange, des objectifs de lissage pondérés par la métrique, et des contraintes de faisabilité. Résultat annoncé : des trajectoires proches des solutions d'optimisation numérique classique, mais calculées en quelques millisecondes. Pour la planification et le contrôle robotique en temps réel, ce goulot d'étranglement du calcul aux limites est justement ce qui empêche aujourd'hui l'usage de trajectoires géométriquement cohérentes dans des boucles de contrôle rapides. Un générateur conditionné par la métrique, capable de s'adapter à différentes structures de métrique et conditions de mouvement sans nouvelle résolution numérique, ouvrirait la voie à une planification de mouvement plus réactive pour des bras manipulateurs, des drones ou tout système dont la cinématique s'exprime naturellement sur SE(3). Les auteurs valident l'approche sur deux applications concrètes : la génération en temps réel de primitives de mouvement avec passage par points de cheminement, et le raffinement de trajectoires de vol pour quadrirotor en conditions dynamiques. Ce travail s'inscrit dans la lignée des méthodes d'optimisation géométrique sur groupes de Lie pour la robotique, où l'apprentissage automatique sert ici à contourner, plutôt qu'à remplacer, les fondements théoriques du problème variationnel classique.

Recherche❖Paper

1 source

40

330arXiv cs.RO 

Bicyclette Acrobatique : l'Apprentissage par Renforcement en Action

Des chercheurs ont entraîné par apprentissage par renforcement (RL) un robot en forme de vélo, l'Ultra Mobility Vehicle (UMV), une plateforme bicyclette construite sur mesure, à exécuter tout un répertoire de figures acrobatiques dynamiques. Décrite dans la prépublication arXiv:2608.00880v1, l'équipe combine plusieurs formulations de RL (suivi de points de passage, atteinte de pose, suivi de vitesse angulaire, suivi guidé et imitation de mouvement) pour apprendre au robot à sauter en avant et sur le côté, en solo ou par-dessus plusieurs tables, à orienter ses sauts, à enchaîner front flips, kip-ups et kip-downs, ainsi qu'à rouler, faire des wheelies, des bunny hops et des demi-tours en trois points. Un orchestrateur gère les transitions entre ces politiques grâce à des déclencheurs conditionnés à l'état du robot, ce qui permet d'enchaîner des séquences longues sans intervention humaine. En simulation comme sur le matériel réel, l'UMV franchit répétitivement des tables allant jusqu'à 1 mètre de haut, réalise plus de 15 sauts autonomes consécutifs en suivant des points de passage, s'adapte à des configurations de tables inédites, enchaîne kip-ups, sauts, flips et kip-downs sur plus de 20 essais consécutifs, et exécute plus de 10 répertoires consécutifs de wheelies, sauts latéraux et descentes sur une roue en configuration orientable. Ce résultat déplace une frontière jusqu'ici associée presque exclusivement aux robots à pattes : la capacité à composer des figures acrobatiques complexes et robustes dans la durée. Un robot à roues, sous-actionné et soumis à des contraintes non-holonomes réputées difficiles à contrôler, atteint ici un niveau d'agilité comparable tout en conservant la vitesse et l'efficacité énergétique propres à la locomotion à roues. Pour les équipes de recherche en robotique mobile, cela confirme que le RL peut s'étendre à des morphologies non conventionnelles au-delà des humanoïdes et quadrupèdes, avec un intérêt potentiel pour la logistique ou les usages tout-terrain rapides. Le travail s'inscrit dans la lignée des démonstrations d'agilité par RL popularisées par les robots à pattes (Boston Dynamics, Unitree), mais l'applique à une plateforme bicyclette peu explorée jusqu'ici en raison de sa dynamique d'équilibre complexe. Il s'agit pour l'instant d'une publication de recherche, pas d'un produit commercialisé : les auteurs présentent ces résultats comme une base pour de futurs travaux sur l'acrobatie à vélo, sans calendrier de déploiement industriel annoncé.

Recherche❖Paper

1 source

40

331arXiv cs.RO 

Politique du modèle : IA incarnée et robotique

Traduction et synthèse en français, sans titre ni tirets cadratins : Une équipe de recherche publie sur arXiv (2606.07386v2, version remaniée) une nouvelle représentation pour les politiques d'imitation appliquées à la manipulation robotique, baptisée Spline Policy (SP). Le principe : remplacer les "chunks" d'actions à résolution fixe, format standard des politiques d'apprentissage par imitation, par des paramètres de spline. Le squelette du réseau reste inchangé, seule la sortie change de nature. La trajectoire prédite devient une courbe continue et compacte, interrogeable à différentes résolutions temporelles, éditable directement dans l'espace des paramètres, et transmissible telle quelle à un contrôleur en aval. Pour les splines quadratiques, les auteurs montrent aussi qu'on peut convertir cette sortie en champ de vecteurs dépendant de l'état, via une construction analytique de champ de distance. Le dispositif a été testé avec quatre types de backbones : diffusion, flow-matching, transformeurs classiques et modèles vision-langage-action (VLA), sur des tâches allant de l'apprentissage de mouvements basse dimension à la manipulation dextre, en simulation comme sur robot réel. L'intérêt pour l'industrie tient à ce que le format "action chunk" fixe, dominant depuis les politiques de type diffusion policy ou ACT, limite la structure géométrique et temporelle exploitable avant exécution. SP propose un mécanisme de correction locale : sous certaines conditions de régularité, la dynamique induite ne s'éloigne jamais de la spline générée, ce qui offre une garantie de robustesse proche du mouvement appris. Le papier montre aussi qu'on peut propager l'incertitude des observations jusqu'aux trajectoires et champs de flux, et coupler la politique à des mécanismes de contrôle classiques comme l'évitement de collision en espace nul, sans réentraîner le modèle. C'est un pont concret entre politiques VLA en boîte noire et piles de contrôle robotique traditionnelles, un enjeu réel pour les intégrateurs qui cherchent à certifier ou sécuriser des comportements appris. Il s'agit d'une contribution académique, sans déploiement produit ni acteur industriel annoncé. Elle s'inscrit dans la lignée des architectures VLA récentes (de type Pi-0 ou GR00T) et pourrait, si validée plus largement, influencer la conception des futures piles de contrôle combinant apprentissage et robotique classique.

Recherche❖Paper

1 source

40

332arXiv 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

40

333arXiv 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

40

334arXiv cs.RO 

DexMani : guidage de la manipulabilité dérivé de l'humain pour la rotation dextérique

La rotation dextre d'objets est un problème séquentiel de contacts où chaque prise, chaque relâchement et chaque nouveau contact doit à la fois produire le mouvement voulu et préparer la main pour la suite de la rotation. Un nouveau papier arXiv (2608.00554, publié le 4 août 2026) présente DexMani, un framework qui s'attaque à ce problème autrement que les méthodes d'apprentissage par renforcement classiques, lesquelles découvrent ces patterns de mouvement par essai-erreur sur une morphologie de main donnée, sans modéliser explicitement comment chaque transition de contact affecte la capacité de la main à poursuivre la rotation. DexMani transfère des démonstrations humaines sous forme d'une évolution de la manipulabilité conditionnée par les contacts, c'est-à-dire une modélisation de la façon dont les transitions de contact réussies chez l'humain élargissent ou referment les directions de rotation disponibles pour la main. Ce prior sert ensuite à guider l'apprentissage par renforcement en aval. Testé sur trois mains robotiques aux cinématiques différentes (Shadow Hand, Allegro Hand, XHand), DexMani obtient le meilleur taux de succès dans tous les scénarios évalués, sur des objets vus comme non vus à l'entraînement, et atteint 57,5% de succès moyen sur la main LEAP, devançant les méthodes de référence tout en produisant des mouvements de rotation plus fluides. L'enjeu dépasse la simple prouesse académique: la manipulation dextre reste l'un des goulots d'étranglement majeurs pour les mains robotiques multi-doigts, que ce soit en robotique humanoïde ou en préhension industrielle fine. Le fait qu'un même prior de manipulabilité, dérivé de démonstrations humaines, se transfère efficacement à des embodiments mécaniquement différents (nombre de doigts, degrés de liberté, configurations de contact actif) suggère une piste pour réduire le réentraînement spécifique à chaque main, un frein connu à l'industrialisation de la préhension robotisée. Cela renforce aussi l'idée que les données de démonstration humaine, déjà centrales dans les approches VLA (vision-langage-action) pour la manipulation grossière, ont aussi une valeur pour les tâches de dextérité fine où la seule imitation de trajectoire échoue généralement. Le travail s'inscrit dans la lignée des recherches en RL pour la manipulation dextre multi-doigts, un champ dominé ces dernières années par des benchmarks sur Shadow Hand et Allegro Hand, avec l'apparition récente de mains moins coûteuses comme XHand et LEAP Hand comme bancs d'essai. Il s'agit ici d'un résultat de recherche publié sur arXiv, sans déploiement industriel annoncé; le site du projet (dexmani.github.io) devrait permettre de suivre la publication du code et des démonstrations vidéo dans les prochains mois.

Recherche❖Paper

1 source

40

335arXiv cs.RO 

Sampling-Based Visibility Task Planning : planification de tâches de visibilité par échantillonnage

Des chercheurs présentent deux nouveaux algorithmes de planification de mouvement pour robots équipés d'instruments à champ de vision, comme les caméras, capteurs extéroceptifs, lampes torches ou antennes directionnelles. Baptisés VisPRM et VisRRT, ces algorithmes s'appuient sur l'approche par échantillonnage utilisée en planification de tâches et de mouvement (TAMP), mais l'adaptent spécifiquement aux contraintes de visibilité, un problème que les méthodes classiques comme RRT ou PRM gèrent mal faute de prendre en compte le champ de vision de l'outil. VisPRM décompose l'environnement de façon hiérarchique en s'appuyant sur la notion d'intégrité de visibilité, ce qui permet d'échantillonner efficacement des configurations offrant une ligne de vue dégagée vers la cible. VisRRT, de son côté, intègre un solveur de cinématique inverse spécialisé capable de faire "jeter un œil" au robot dans la direction voulue au bon moment, accélérant la découverte des configurations clés. Les auteurs rapportent de meilleurs taux de réussite et des temps d'exécution plus courts que des versions adaptées de RRT, PRM et VIR, validés en simulation et sur banc physique. Ce travail comble un angle mort de la planification robotique classique, pensée surtout pour des tâches de manipulation où seule la position de l'organe terminal compte, pas son orientation vers une cible visuelle. Or l'inspection industrielle, la surveillance par caméra mobile, le contrôle qualité automatisé ou encore le pointage d'antennes reposent tous sur cette contrainte de visibilité, largement ignorée par les heuristiques et métriques de distance standards. Pour les intégrateurs travaillant sur des bras robotiques équipés de capteurs ou d'outils optiques, disposer d'un planificateur natif pour ce type de tâche pourrait réduire les développements ad hoc actuellement nécessaires. L'article s'inscrit dans la lignée des travaux TAMP qui cherchent à intégrer directement les propriétés physiques des outils dans le processus de planification, plutôt que de les traiter après coup. Les auteurs comparent leur approche à des adaptations de méthodes existantes plutôt qu'à des solutions commerciales, ce qui suggère un stade encore académique, sans indication de déploiement industriel à ce jour.

Recherche❖Paper

1 source

40

336arXiv cs.RO 

DiffPhysCam : simulation physique différentiable de caméra pour le rendu inverse et l'IA incarnée

Des chercheurs présentent DiffPhysCam, un simulateur de caméra différentiable conçu pour la robotique et l'IA incarnée, décrit dans une version mise à jour d'un article arXiv (2508.08831v2, signé Bo-Hsun Chen). L'outil permet d'optimiser par descente de gradient des pipelines de perception visuelle, une approche impossible avec les moteurs de rendu virtuels classiques. Son pipeline multi-étapes offre un contrôle fin sur les paramètres intrinsèques de la caméra, modélise des artefacts optiques comme le flou de défocalisation, et se calibre à partir de données réelles. DiffPhysCam fonctionne dans les deux sens : rendu direct pour générer des images synthétiques, et rendu inverse pour reconstruire des scènes 3D, y compris l'optimisation des maillages et des textures de matériaux. Les auteurs illustrent la méthode en créant un jumeau numérique d'une scène réelle par rendu inverse, puis en l'intégrant dans un simulateur multiphysique où un véhicule terrestre autonome navigue à partir d'images générées par l'outil. Le code, les données et les résultats sont publiés en ligne pour reproductibilité. L'intérêt pour l'industrie robotique tient au problème récurrent du fossé simulation-réel : les caméras virtuelles génériques produisent des images trop propres, sans les défauts optiques (flou, distorsions, réponse capteur) qui caractérisent les flux réels, ce qui dégrade les performances des modèles entraînés en simulation une fois déployés sur du matériel physique. En rendant la simulation de caméra différentiable et calibrable sur des données réelles, DiffPhysCam vise à réduire cet écart pour l'apprentissage visuomoteur de bout en bout, une brique utile pour qui entraîne des politiques de navigation ou de manipulation en environnement simulé avant transfert vers un robot réel. Le travail s'inscrit dans une lignée de recherche sur les jumeaux numériques et le rendu différentiable appliqué à la robotique, où les simulateurs existants pâtissent d'un contrôle limité sur les réglages de caméra et d'une modélisation optique sommaire. En combinant reconstruction de scène et simulation multiphysique, DiffPhysCam se positionne comme un outil de recherche plutôt qu'un produit commercial ; sa validation reste pour l'instant limitée à un exemple de navigation d'AMR, sans indication de déploiement à plus grande échelle.

Recherche❖Paper

1 source

40

337arXiv cs.RO 

3D-CovDiffusion : modèle de diffusion 3D pour la planification de trajectoires de couverture

Des chercheurs présentent 3D-CovDiffusion, un modèle de diffusion conditionné par la géométrie pour la planification de trajectoires de couverture en robotique industrielle, décrit dans une version révisée (v2) publiée sur arXiv (2510.03011). Contrairement aux approches qui assemblent après coup des segments de trajectoire non ordonnés via des heuristiques, la méthode reformule le problème comme une génération de séquence conditionnelle : elle synthétise directement, à partir d'un nuage de points 3D brut, des trajectoires continues et temporellement ordonnées, découpées en blocs simplement concaténés dans l'ordre. Une seule politique partagée traite des géométries variées sans architecture spécifique par catégorie d'objet. Sur des benchmarks étendus, les auteurs rapportent une distance de Chamfer point à point inférieure de 98,2 % par rapport aux meilleures méthodes d'apprentissage antérieures, un jerk (à-coup) réduit de 97,0 %, signe de trajectoires plus lisses, et une couverture de surface supérieure de 67,5 points de pourcentage en moyenne. La planification de trajectoires de couverture conditionne directement la qualité de finition et le temps de cycle en peinture, polissage et revêtement par pulvérisation industriels. Les méthodes existantes, géométriques ou fondées sur l'apprentissage par segments, nécessitent souvent un post-traitement pour reconstituer un ordre cohérent, ce qui introduit des artefacts et limite la généralisation entre formes d'objets. En montrant qu'une politique de diffusion unique peut générer directement des séquences ordonnées et se généraliser sans réglage par catégorie, ce travail renforce l'idée que les modèles de diffusion conditionnés peuvent remplacer des pipelines de planification fait main, argument déjà avancé pour la manipulation robotique mais encore peu exploré pour la couverture de surface. Les gains chiffrés restent toutefois issus de benchmarks internes aux auteurs, sans validation en environnement industriel réel mentionnée dans l'abstract. Ce travail prolonge les "diffusion policies" désormais courantes en apprentissage par imitation pour la manipulation, ici transposées à un problème historiquement traité par la planification classique (trajectoires en boustrophédon) ou par des méthodes d'apprentissage assemblant des segments locaux. Classée "replace" sur arXiv, la publication correspond à une mise à jour d'un article existant plutôt qu'à une annonce produit ; aucun industriel ni site de déploiement n'est cité, ce qui situe la contribution au stade académique plutôt qu'au transfert commercial. La suite logique attendue serait une validation sur cellule robotique réelle, comparée aux outils de programmation de trajectoire actuellement utilisés en production.

Recherche❖Paper

1 source

40

338arXiv cs.RO 

TWINS : un système bras isomorphique portable à retour tactile en réseau pour l'apprentissage de la manipulation à contacts riches

TWINS (Tactile Wearable Isomorphic Arm Networked System) est un système robotique présenté dans un article publié sur arXiv (2608.01733v1) et conçu pour l'apprentissage de tâches de manipulation impliquant un contact avec la surface du corps du robot, et pas seulement avec ses pinces. Le système repose sur deux éléments : un dispositif bras double porté par l'opérateur humain, et un robot isomorphe reproduisant exactement la même configuration articulaire et les mêmes dimensions externes. Des capteurs tactiles distribués, intégrés au niveau du torse et des bras, mesurent en continu le contact avec la surface du corps, synchronisé avec le mouvement des articulations. À l'aide du dispositif porté, les chercheurs ont collecté des démonstrations pour quatre tâches de manipulation impliquant ce type de contact corporel. Des politiques d'apprentissage par imitation ont ensuite été entraînées sur ces données puis déployées sur le robot isomorphe, permettant une exécution autonome guidée par les retours tactiles du torse et des bras. L'intérêt de TWINS tient à un angle mort connu des pipelines actuels de collecte de données : la plupart des systèmes de téléopération (gants, manettes VR, exosquelettes) ne capturent que les trajectoires de l'effecteur terminal, ce qui limite les robots à des tâches de préhension et de dépose. Or, une manipulation réaliste, en particulier chez les humanoïdes, exige souvent d'utiliser tout le bras ou le torse pour porter, stabiliser ou déplacer des objets volumineux, des gestes que les pipelines existants ne peuvent tout simplement pas enregistrer. En rendant le dispositif de démonstration isomorphe au robot cible et en ajoutant une détection tactile répartie au-delà du bout des doigts, TWINS démontre, à petite échelle, qu'un apprentissage par imitation de gestes de manipulation à contact corporel étendu est possible. C'est un signal utile pour les futurs pipelines de données destinés aux humanoïdes appelés à manipuler des charges encombrantes en logistique ou en assistance. Il s'agit d'un article de recherche académique (soumission arXiv de type "new"), sans mention d'entreprise ni de financement industriel dans le résumé, accompagné d'une page projet dédiée. Le travail s'inscrit dans une vague plus large de systèmes de téléopération pour l'apprentissage par imitation chez les humanoïdes, mais se distingue par son approche isomorphe et sa détection tactile distribuée, un axe encore peu exploré face aux méthodes centrées sur l'effecteur seul. Le résumé ne précise ni le nombre de degrés de liberté ni la charge utile du robot, et seules quatre tâches ont été testées : la généralisation au-delà du laboratoire reste donc à démontrer avant toute perspective de déploiement industriel.

Recherche❖Paper

1 source

39

339arXiv 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

340arXiv cs.RO 

Robot aérien multi-liaisons : contrôle hybride impédance-admittance pour glissement de surface en contact

Optimisation testée sur un robot aérien articulé à liaisons multiples : des chercheurs proposent une stratégie de contrôle hybride combinant impédance et admittance pour la tâche de glissement de surface en vol, un défi classique de manipulation aérienne en contact continu. L'article, publié sur arXiv (2608.01800v1) début août 2026, part d'un constat technique précis : le contrôle par impédance apporte une résistance aux perturbations mais le contrôle par admittance offre une adaptation compliante à une géométrie de surface incertaine, or leurs causalités force-mouvement sont opposées, ce qui empêche normalement de les appliquer simultanément via une seule source d'actionnement, comme la poussée des rotors sur un drone conventionnel. La solution proposée exploite la morphologie articulée du robot pour séparer fonctionnellement les deux régulations : le comportement admittant est généré par le pilotage des angles des articulations, pendant que le comportement impédant est obtenu en modulant la poussée des rotors pour réguler le mouvement de glissement. Les essais expérimentaux montrent un glissement robuste et compliant sur des surfaces dont la géométrie n'est pas connue à l'avance. L'intérêt pour le secteur tient moins à la démonstration elle-même qu'à la résolution d'un verrou structurel de la manipulation aérienne en contact riche : jusqu'ici, un drone articulé devait sacrifier soit la robustesse aux perturbations, soit la compliance de surface, faute de pouvoir répartir les deux exigences sur des actionneurs distincts. En séparant la régulation de force (rotors) et la régulation de mouvement (articulations), cette approche ouvre la voie à des tâches de contact prolongé en vol, comme l'inspection tactile de structures, le nettoyage ou la maintenance de surfaces inaccessibles, sans dépendre d'un modèle précis de la géométrie rencontrée. C'est un signal utile pour les équipes qui travaillent sur la manipulation aérienne appliquée à l'inspection industrielle, où le compromis rigidité/adaptabilité reste un obstacle récurrent au déploiement hors laboratoire. Le travail s'inscrit dans la lignée des recherches sur les robots aériens multi-liaisons, une famille de plateformes qui déforment activement leur structure en vol pour élargir leurs capacités de manipulation, par opposition aux drones rigides à bras fixe. Le champ du contrôle force-mouvement en aérien reste dominé par des stratégies d'impédance ou d'admittance pures, rarement combinées faute d'architecture actionnée adaptée ; cette contribution se positionne donc comme une réponse structurelle plutôt qu'algorithmique au problème. L'article ne précise pas de calendrier de transfert vers une plateforme commerciale ni de partenaire industriel identifié : il s'agit à ce stade d'une validation expérimentale en laboratoire, sans indication de DOF, de charge utile ou de temps de cycle permettant de la comparer aux systèmes déployés sur le terrain.

Recherche❖Paper

1 source

39

341arXiv cs.RO 

Reservoir Computing Numérique vers Physique : Co-Optimisation des Réservoirs Robotiques Souples par Correspondance Dynamique

Des chercheurs publient sur arXiv (2608.00484v1, soumis début août 2026) une nouvelle méthode de co-optimisation pour le calcul par réservoir physique (Physical Reservoir Computing, PRC) appliqué aux robots souples. Plutôt que d'utiliser un substrat souple "tel quel" comme réservoir de calcul, comme c'était l'usage jusqu'ici, l'équipe entraîne conjointement les paramètres physiques du robot, une correspondance d'état diffféomorphe entre dynamique physique et dynamique de référence, ainsi qu'un contrôle feedforward-feedback. La méthode s'appuie sur un modèle physique différentiable et un objectif d'erreur d'équation au niveau de l'accélération, ce qui évite l'intégration temporelle coûteuse en calcul. Comme preuve de concept, les chercheurs ont utilisé des robots souples simulés entraînés à imiter la dynamique d'un réseau d'oscillateurs aléatoires (Random Oscillators Network, RON) pris comme référence numérique haute performance, avec une descente de gradient multi-démarrage en parallèle. Les réservoirs optimisés ont été testés sur des tâches de classification (sMNIST, ADIAC) et de prédiction de séries temporelles (Mackey-Glass, Lorenz96), sur quatre dimensions de réservoir différentes. Le résultat clé : une amélioration relative moyenne de 33,7 % par rapport aux réservoirs souples non optimisés, avec des performances qui se rapprochent de celles de la référence purement numérique. C'est significatif pour le champ du calcul par réservoir physique, une approche qui cherche à exploiter la dynamique naturelle de matériaux souples (mémoire temporelle, transformations d'état à haute dimension) pour du calcul à faible coût énergétique, sans passer par des puces numériques classiques. Jusqu'ici, l'un des freins majeurs restait justement l'absence de pré-entraînement ciblé des réservoirs physiques, contrairement aux réservoirs numériques (echo state networks, réservoirs à base de RON) qui bénéficient d'une conception optimisée. Ce travail suggère qu'un substrat physique peut être rapproché des performances numériques par co-conception, sans sacrifier les avantages d'efficacité inhérents au calcul physique. Le papier reste une démonstration en simulation, pas une implémentation sur robot souple réel, ce qui limite pour l'instant la portée pratique pour les intégrateurs industriels. Les auteurs positionnent ce travail comme une première preuve de faisabilité de l'optimisation au niveau dynamique pour des réservoirs souples simulés, ouvrant la voie à des travaux futurs visant un transfert vers des substrats physiques réels et des tâches de plus grande échelle.

Recherche❖Paper

1 source

39

342arXiv 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

343arXiv cs.RO 

Résilience environnementale grâce à la diversité morphologique au sein des machines

Des chercheurs proposent, dans une étude publiée sur arXiv début août 2026 (arXiv:2608.02395v1), un mécanisme expliquant comment des machines composées de sous-unités physiques diversifiées pourraient gagner en résilience face à des environnements inconnus, sans apprentissage supplémentaire. Le principe testé : des connecteurs physiques relient entre eux des agents robotiques morphologiquement variés, jusque-là indépendants, en les « tétherant » (attachant) ensemble. Ces connecteurs apprennent à restaurer le comportement du collectif après la perturbation causée par l'attache elle-même. Les auteurs montrent que ce processus déclenche et « apprivoise » une gamme de perturbations internes suffisamment large pour que les perturbations rencontrées plus tard, lors d'un contact avec un nouvel environnement, restent dans cette plage gérable. Résultat : le collectif continue de fonctionner correctement sans adaptation additionnelle. Autre constat clé, plus on assemble d'agents, ou plus ces agents sont morphologiquement divers, plus la résilience du collectif aux nouveaux environnements augmente. L'enjeu dépasse la curiosité académique. Le papier renverse une hypothèse implicite de la robotique en essaims et de la robotique modulaire, à savoir qu'il faut entraîner ou reconfigurer un système explicitement pour chaque nouvel environnement. Ici, l'adversité interne (le stress mécanique généré par l'assemblage lui-même) ferait office de pré-entraînement gratuit à l'adversité externe. Pour les concepteurs de robots modulaires, d'essaims ou de systèmes multi-agents physiquement couplés (bras collaboratifs, exosquelettes segmentés, flottes d'AMR reliées), cela suggère une piste de conception low-cost pour la robustesse : diversifier et assembler plutôt que sur-entraîner un modèle unique. Les auteurs restent prudents et présentent ceci comme un mécanisme candidat, pas une solution industrielle prête à l'emploi. Le point de départ est biologique : les organismes vivants contiennent des parties sensorimotrices diverses à plusieurs échelles (organes, tissus, cellules), une architecture « agents dans l'agent » absente des machines actuelles, construites à partir de matériaux inertes. L'étude s'inscrit dans le champ de la robotique évolutionnaire et de l'auto-organisation collective, aux côtés des travaux sur les robots modulaires auto-reconfigurables et les essaims bio-inspirés. Les auteurs appellent explicitement à construire de futures machines à partir de « machines plus petites » pour tester cette hypothèse à plus grande échelle physique.

Recherche❖Paper

1 source

39

344arXiv cs.RO 

Push-Wiper : vers un nettoyage robotique universel, sur taches et surfaces variées, par trajectoires de poussée segmentées

Le nettoyage robotique de taches visqueuses fait l'objet d'un nouveau framework baptisé Push-Wiper, décrit dans une préimpression déposée sur arXiv début août 2026 (arXiv:2608.00730). Plutôt que d'essuyer, ce qui a tendance à étaler la tache, ou de frotter, ce qui risque d'abîmer la surface, les auteurs reformulent le problème comme une tâche d'agrégation: une éponge pousse progressivement la matière visqueuse selon des trajectoires segmentées, puis une phase de post-traitement détache l'amas formé et permet à l'éponge de s'auto-nettoyer. Le système génère ses séquences de poussée adaptatives via une Diffusion Policy, exécutées grâce à un interpolateur de pose baptisé ASPI (Arbitrary Surface Pose Interpolator) couplé à un contrôleur hybride force-position. Sur le score de nettoyage (CS, pourcentage de surface de tache retirée), Push-Wiper dépasse les méthodes de référence jusqu'à 130%, et transfère sans réentraînement vers des résidus solides, des liquides renversés, des taches visqueuses inédites et des surfaces courbes de géométries variées. L'intérêt pour l'industrie robotique tient à la généralisation démontrée sans réentraînement, un point sensible pour les intégrateurs qui cherchent des politiques d'apprentissage transférables plutôt que des solutions ajustées tache par tache. Le nettoyage de substances visqueuses (graisses industrielles, résidus alimentaires, peintures) reste un angle mort des bras robotiques de service, souvent cantonnés à l'aspiration ou au lavage de surfaces sèches. À noter toutefois: le score de 130% est mesuré face à des baselines choisies par les auteurs en conditions de laboratoire, et la démonstration zero-shot, bien que notable, reste à confirmer sur des déploiements réels hors des surfaces et taches testées en interne. Cette approche s'inscrit dans la vague plus large des politiques d'apprentissage par diffusion appliquées à la manipulation robotique, une famille de méthodes déjà utilisée dans des systèmes de manipulation fine à travers l'industrie. Le nettoyage automatisé de taches complexes est un problème ancien en robotique, généralement contourné plutôt que résolu directement, ce qui explique l'angle "agrégation plutôt qu'essuyage" retenu ici. Les auteurs mettent à disposition un site de projet (push-wiper.github.io) avec vidéos de démonstration, mais ne communiquent ni sur une date de publication en conférence ni sur un calendrier de test en conditions industrielles réelles.

Recherche❖Paper

1 source

39

345arXiv cs.RO 

ORCESTRA : programmation visuelle de robots pilotée par VLM en réalité mixte

Un système de recherche baptisé ORCESTRA, présenté dans un article déposé sur arXiv (2608.00775, catégorie « new »), permet de programmer des robots en réalité mixte sans écrire une ligne de code. L'utilisateur porte un casque à vision traversante (passthrough), place un jumeau numérique du robot sur une surface réelle, puis lui enseigne des trajectoires par démonstration de points de passage, sauvegardées sous forme d'épisodes relatifs au repère du robot. Alternative : il donne une commande vocale ou tapée, qu'un modèle vision-langage (VLM) traduit en plan structuré exécutable par le jumeau numérique. Les deux modes passent par un même backend qui assure l'ancrage métrique, la validation adaptée à la morphologie du robot, la prévisualisation et la confirmation avant exécution. Le système a été testé sur des embodiments hétérogènes : bras manipulateurs à base fixe, base mobile et robot humanoïde. L'intérêt principal tient à la couche de validation en réalité mixte, qui agit comme filet de sécurité entre une instruction en langage naturel et son exécution physique, un enjeu central alors que les approches VLA (vision-language-action) peinent souvent à passer de la démonstration à un déploiement fiable. Pour les intégrateurs industriels, cela ouvre la voie à une reprogrammation de robots sans compétence en codage, avec vérification visuelle avant tout mouvement réel, réduisant le risque d'erreurs coûteuses sur ligne de production. ORCESTRA s'inscrit dans une tendance de recherche croissante mêlant réalité augmentée/mixte et VLM pour le contrôle robotique, en alternative aux interfaces de téléopération classiques. L'article ne précise ni affiliation ni calendrier de déploiement commercial ; il s'agit à ce stade d'un prototype académique, dont les suites attendues incluent des études utilisateurs et l'extension à d'autres types de robots.

Recherche❖Paper

1 source

38

346arXiv cs.RO 

ChainVLA : enchaînement des requêtes vision-langage-action via un état d'exécution unifié pour la manipulation à long horizon

Une équipe de recherche présente ChainVLA, une politique vision-langage-action (VLA) de 1,2 milliard de paramètres conçue pour la manipulation robotique à long horizon. Le système introduit un "Progress Context", combinant un état de travail récurrent et une mémoire d'événements éparse pour suivre la progression de la tâche à partir des observations, ainsi qu'un "Motion Tail" qui réinjecte la portion non exécutée de la prédiction précédente dans la génération de l'action suivante. Ces deux composants conditionnent un décodeur qui régénère chaque horizon d'action à partir de la dernière observation, permettant à l'état porté de guider la prédiction suivante sans la figer. Sur le benchmark RMBench, ChainVLA atteint 62,8% de réussite moyenne, et 98,8% sur les quatre suites LIBERO. Les ablations montrent l'importance critique de chaque composant : retirer le Motion Tail fait chuter le score RMBench à 11,2%, et retirer le Progress Context à seulement 3,0%. Ce travail cible un problème structurel connu des politiques VLA actuelles à découpage par blocs d'actions ("action-chunked") : à chaque nouvelle requête, le modèle replanifie depuis zéro à partir de l'entrée courante, perdant la continuité entre ce qui a déjà été accompli et ce qui reste à faire. Les approches existantes ne couvrent qu'une partie du problème, soit en préservant la mémoire de tâche à long terme, soit la continuité de mouvement à court terme via la réutilisation ou l'ensembling d'actions, mais pas les deux simultanément. Pour les intégrateurs et chercheurs en robotique manipulatrice, cette lacune du "handoff" entre requêtes successives est directement liée à l'échec des tâches longues et multi-étapes, un point de friction majeur pour le déploiement de VLA en conditions réelles au-delà des démonstrations en laboratoire. L'ampleur des écarts de performance observés dans les ablations suggère que la continuité de mouvement joue un rôle clé pour préserver le flux d'observations dont dépend l'inférence de progression, un mécanisme jusqu'ici sous-exploré. Le papier, publié sur arXiv (2608.02326v1) début août 2026, s'inscrit dans la lignée des travaux récents sur les politiques VLA à grande échelle comme Pi-0, GR00T N2 ou Helix, qui cherchent tous à améliorer la robustesse des robots manipulateurs sur des tâches complexes et prolongées. ChainVLA se positionne comme une réponse ciblée à la limite du replanning répété à chaque requête, un défaut partagé par de nombreuses architectures action-chunked actuelles. Les benchmarks utilisés, RMBench et LIBERO, sont des références standard du domaine pour évaluer la manipulation robotique, ce qui permet une comparaison directe avec les approches concurrentes. Le document ne précise pas de calendrier de déploiement matériel ni de partenariat industriel identifié à ce stade ; il s'agit pour l'instant d'un travail de recherche évalué en simulation et sur benchmarks standardisés, sans validation annoncée sur robot physique en conditions réelles de production.

Recherche⚡Actu

1 source

38

347arXiv cs.RO 

Robot mobile : téléopération corps entier pour un modèle VLA conscient du panorama

Une équipe de recherche présente PanoVLA, une politique vision-langage-action (VLA) conçue pour la manipulation mobile bimanuelle, accompagnée d'un système de téléopération corps entier piloté via une interface VR unique. Ce système permet de contrôler simultanément la base mobile à roues et les deux bras robotiques d'un robot bimanuel, et a servi à constituer un jeu de données réel de 5,5 heures de démonstrations multimodales. PanoVLA s'appuie sur une architecture Mixture-of-Transformers intégrant des modules dédiés d'encodage et de fusion panoramique, qui combinent les observations à 360 degrés avec les instructions en langage naturel et l'état du robot pour générer les actions. Sur quatre tâches réelles de manipulation mobile, le système atteint un taux moyen de complétion des étapes de 91,3 % et un taux de réussite de bout en bout de 73,4 %, des résultats nettement supérieurs à ceux des modèles de référence limités à une vue caméra locale, selon les auteurs (arXiv:2608.02257v1). Ce travail cible un verrou technique central de la robotique humanoïde et mobile: les politiques VLA actuelles reposent presque toujours sur des caméras embarquées à champ de vision restreint, ce qui limite la compréhension spatiale globale nécessaire pour naviguer et manipuler dans des environnements ouverts et multi-étapes. En démontrant qu'une observation panoramique améliore mesurablement la performance en boucle fermée, l'étude apporte un argument concret dans le débat sur le passage à l'échelle des VLA au-delà des démonstrations en laboratoire vers des tâches réalistes. Elle souligne aussi un goulot d'étranglement souvent sous-estimé: la collecte de données de téléopération corps entier de haute qualité, coûteuse et complexe à coordonner entre bras et base mobile, reste un facteur limitant autant que l'architecture du modèle lui-même. Le papier s'inscrit dans la lignée des travaux récents sur les politiques génératives pour la manipulation robotique, aux côtés d'approches comme Pi-0 ou GR00T N2, mais se distingue par son focus sur la manipulation mobile bimanuelle plutôt que sur des bras fixes ou humanoïdes bipèdes. Les auteurs ne précisent pas de calendrier de déploiement industriel; il s'agit à ce stade d'une contribution de recherche évaluée en conditions réelles mais limitées, sans partenaire industriel ni site de déploiement mentionné.

IA physique⚡Actu

1 source

38

348arXiv cs.RO 

FreqNav : routage fréquentiel par étapes pour la navigation aérienne vision-langage orientée objets

Un papier arXiv (2608.00970v1) présente FreqNav, un framework léger de navigation aérienne guidée par le langage pour des drones devant localiser et se poser précisément sur une cible décrite en langage naturel. Le problème identifié est que les méthodes VLN existantes traitent les tokens visuels de façon identique tout au long du vol, alors que les besoins perceptifs évoluent : exploration initiale centrée sur les basses fréquences (structure spatiale globale) puis, à l'approche, bascule vers les hautes fréquences (détails fins de la cible). FreqNav répond à ce constat via trois briques sous budget de calcul fixe : un Frequency Token Router qui réalloue dynamiquement les tokens visuels entre composantes fréquentielles selon la phase de vol, un Phase-dépendent Grounding Module qui ancre l'évidence visuelle par supervision explicite, et un Diffusion Transformer qui prédit des trajectoires continues pour le contrôle en boucle fermée. Les auteurs rapportent des performances supérieures aux méthodes de référence, avec une inférence environ 3 fois plus rapide, et des tests en conditions réelles pour valider l'approche au-delà de la simulation. L'intérêt principal ici est l'efficacité computationnelle plutôt que la performance brute : un gain de 3x en vitesse d'inférence à budget de calcul constant est significatif pour l'embarqué sur drone, où puissance de calcul et latence sont des contraintes dures pour le contrôle en temps réel. Cela s'inscrit dans une préoccupation centrale du secteur VLA (vision-language-action) : la plupart des modèles massifs fonctionnent bien en simulation ou sur serveur déporté mais restent difficiles à faire tourner en boucle fermée sur du matériel embarqué limité. Une architecture qui adapte dynamiquement l'allocation de ressources visuelles selon le contexte de la tâche, plutôt que de traiter tous les tokens uniformément, est une piste concrète pour réduire ce fossé entre démonstration et déploiement réel, en particulier pour les drones d'inspection industrielle ou de recherche-sauvetage où l'autonomie longue portée et la précision d'atterrissage comptent. Ce travail s'inscrit dans la lignée des recherches VLN (vision-and-language navigation) qui étendent aux drones les progrès obtenus en manipulation robotique avec les modèles VLA génériques. Il ne s'agit pas d'un produit commercial ni d'une annonce industrielle mais d'une contribution académique publiée sur arXiv, avec du code et des expériences reproductibles a priori plutôt qu'un déploiement à grande échelle. La mention de tests "real-world" dans l'abstract reste à interpréter avec prudence tant que les conditions exactes (nombre de vols, environnements, taux de réussite détaillé) ne sont pas précisées dans le corps du papier. Les prochaines étapes attendues pour ce type de recherche sont la publication du code, des comparaisons plus larges avec d'autres architectures de routing fréquentiel ou de VLA aérien, et une éventuelle reprise par des acteurs industriels du drone si les gains d'efficacité se confirment à plus grande échelle.

IA physique⚡Actu

1 source

38

349arXiv cs.RO 

DynamicWAM : conditionnement de mouvement à double voie pour les modèles monde-action en manipulation dynamique

Des chercheurs ont publié le 1er août 2026 sur arXiv (référence 2608.00793v1) un modèle baptisé DynamicWAM, conçu pour la manipulation d'objets en mouvement, un cas que les World-Action Models (WAM) actuels gèrent mal puisqu'ils ne se basent que sur l'image courante. L'architecture combine deux canaux complémentaires : un flux d'historique optique, qui encode des trames de flux optique alignées temporellement avec l'observation courante via un VAE vidéo pré-entraîné et figé, pour préserver la structure spatiale du mouvement, et un canal de descripteurs cinématiques (déplacement, durée, vitesse, accélération) injectés directement dans l'expert d'action pour fournir l'amplitude et le timing du mouvement. Les deux flux sont fusionnés par une attention conjointe monde-action, associée à un backbone compact distillé et à une exécution asynchrone basée sur le chunking temps réel (RTC). Sur le benchmark DOMINO, DynamicWAM atteint 38,2 % de taux de réussite et un score de manipulation de 53,2, devançant toutes les bases de comparaison testées. Sur 12 tâches réelles couvrant des mouvements linéaires, circulaires et composés, le taux de réussite moyen grimpe à 46,7 %, soit 22,9 points de pourcentage de plus que la meilleure base de référence. Ce résultat cible un angle mort réel des WAM et des modèles vision-langage-action (VLA) actuels : la plupart de ces systèmes fonctionnent bien sur du pick-and-place statique mais peinent dès que la cible bouge, un scénario pourtant courant en logistique (convoyeurs) ou en collaboration humain-robot. En montrant qu'un backbone compact avec exécution asynchrone bat des bases plus lourdes en synchrone, l'étude appuie l'idée que la réactivité temps réel, plus que la seule taille du modèle, conditionne la robustesse en manipulation dynamique. Le travail s'inscrit dans la lignée des WAM qui combinent modèle du monde (prédiction vidéo) et modèle d'action, dans la continuité de familles comme Pi-0 ou GR00T, mais en ciblant spécifiquement les cibles mobiles plutôt que les scènes figées. Il s'agit d'un préprint non encore relu par les pairs, avec une validation réelle limitée à 12 tâches ; une extension à des benchmarks plus larges et des scénarios industriels plus complexes reste à démontrer.

Recherche⚡Actu

1 source

38

350arXiv cs.RO 

Développement de la planification de mouvement par apprentissage pour environnements dynamiques : des algorithmes fondamentaux aux paradigmes émergents

Traduire et résumer cet article arXiv en respectant le format défini. Le survol académique arXiv:2608.00625, publié le 4 août 2026, dresse un état de l'art de la planification de mouvement en environnements dynamiques pour la robotique, couvrant les publications parues principalement entre 2015 et 2025. Les auteurs y examinent comment les méthodes d'apprentissage récentes prolongent ou complètent les fondations algorithmiques classiques de la planification de trajectoires face à des obstacles mobiles, des prédictions incertaines et des interactions multi-agents. Le travail propose une taxonomie organisée autour du rôle de l'apprentissage dans le pipeline de planification, distinguant quatre familles : l'apprentissage direct de politiques, la planification classique augmentée par apprentissage, la planification hybride, et les méthodes d'amélioration de l'entraînement. Pour chaque catégorie, les auteurs détaillent les configurations de problèmes types, les algorithmes représentatifs, les mécanismes d'intégration ainsi que les forces et limites observées. L'analyse couvre aussi des dimensions transverses comme les représentations d'observation, la gestion de l'incertitude de prédiction, la modélisation des interactions, l'intégration au planificateur, les contraintes de sécurité et les stratégies d'entraînement. Ce panorama arrive à un moment où la planification de mouvement conditionne directement la viabilité commerciale de plusieurs segments robotiques à fort enjeu : conduite autonome, logistique d'entrepôt, navigation en foule dense, collaboration homme-robot et flottes multi-robots. Pour les intégrateurs et décideurs B2B, l'intérêt de ce travail n'est pas une nouvelle méthode individuelle, mais la mise en évidence des tensions non résolues du secteur, l'écart persistant entre simulation et réalité (sim-to-real gap), l'absence de garanties de sécurité certifiables pour les planificateurs appris, et la difficulté à coupler perception et planification dans des scènes encombrées. Ces limites expliquent en partie pourquoi de nombreux déploiements industriels restent prudents sur l'autonomie complète en environnement dynamique, préférant des architectures hybrides qui combinent garanties classiques et flexibilité apprise plutôt qu'une politique end-to-end pure. La planification de mouvement s'est historiquement construite sur des méthodes classiques comme les champs de potentiel, l'échantillonnage (RRT, PRM) ou l'optimisation de trajectoire, avant que l'essor de l'apprentissage profond après 2015 n'ouvre la voie aux politiques apprises directement à partir de capteurs ou de simulations. Cette revue s'inscrit dans un mouvement plus large de convergence entre robotique classique et IA embarquée, en écho aux travaux sur les modèles vision-langage-action (VLA) tels que GR00T N2 ou Pi-0 qui cherchent eux aussi à unifier perception et contrôle moteur. Les auteurs identifient comme prochaines étapes la navigation en foule dense, la certification formelle de sécurité des planificateurs appris, et une meilleure intégration entre perception et planification, autant de chantiers qui conditionneront l'adoption de l'IA embarquée dans les prochaines générations de robots mobiles et humanoïdes.

Recherche❖Paper

1 source