Actualités robotique — page 77

7 524 articles au fil, du plus récent au plus ancien.

41

3801arXiv cs.RO 

MEVION : système de collecte de données open source à faible coût pour la manipulation à deux bras rapide et puissante

Une équipe de recherche a dévoile MEVION, un système de collecte de données pour bras robotique bimanual pense pour dépasser les limites du célèbre ALOHA, standard de facto pour la téléopération a bas cout dans la recherche en apprentissage par imitation. Presente dans un article publie sur arXiv (2607.17970), MEVION embarque quatre bras a 6 degrés de liberté (DoF) équipes de pinces parallèles. Chaque bras pèse 7,0 kg et développe un couple maximal de 60 Nm, largement au-dessus de ce que permet ALOHA, pour un cout total de construction d'environ 14 000 dollars. Toutes les pièces sont sourcées via des sites d'e-commerce standard, et la structure principale, de grande taille, est assemblée par soudure de tôle avec un nombre réduit de composants, ce qui simplifie le montage. Point technique clé: l'articulation du coude reprend un mécanisme a liaison fermée, une architecture habituellement réservée aux robots quadrupèdes, qui réduit la masse distale du bras et permet ainsi de générer plus de force et de vitesse au niveau de l'effecteur terminal. L'ensemble du matériel et du logiciel est publie en open source, disponible sur GitHub (haraduka/mevion). L'enjeu dépasse la seule question matérielle. ALOHA a permis de démocratiser la collecte de démonstrations pour l'apprentissage par imitation, mais sa faible puissance le cantonne a des taches légères et lentes, incompatibles avec la manipulation d'objets lourds ou les mouvements rapides. En repoussant ces limites tout en gardant un cout de construction comparable, MEVION ouvre la collecte de données a des taches jusqu'ici hors de portée des plateformes bas cout: manipulation d'objets pesants, gestes dynamiques, cycles rapides. Pour les laboratoires qui entrainent des modèles de type VLA ou des politiques d'imitation, cela signifie un accès a des jeux de données plus diversifies sans recourir a des bras industriels couteux. C'est un signal notable dans la course mondiale aux modèles fondamentaux pour la robotique, ou la qualité et la variété des démonstrations collectées conditionnent directement les capacités des modèles entraines derrière. ALOHA, popularise notamment via les travaux sur l'apprentissage par imitation fine (ACT), s'est impose depuis plusieurs années comme la référence open source pour la téléopération bimanuale a bas cout, repris par de nombreux laboratoires et startups robotiques a travers le monde. MEVION s'inscrit dans sa continuité directe en visant le même public, chercheurs et petites équipes a budget limite, mais en s'attaquant frontalement au principal reproche adresse a ALOHA: son incapacité a générer des données pour des taches nécessitant force et vitesse. En publiant intégralement le matériel et le code, les auteurs misent sur une adoption communautaire comparable a celle d'ALOHA. Reste a voir si MEVION s'imposera comme un standard alternatif ou complémentaire, alors que la demande en données de démonstration de qualité s'intensifie avec la multiplication des modèles fondamentaux pour la manipulation robotique.

Recherche❖Paper

1 source

41

3802arXiv cs.RO 

RynnBrain 1.1 : vers un modèle fondation incarné plus performant et généralisable

RynnBrain 1.1 est une famille de modèles de fondation "embodied" pour la robotique, déclinée en trois tailles : 2 milliards, 9 milliards et 122 milliards de paramètres (avec 10 milliards actifs, architecture mixture-of-experts). Entraîné avec un cadre unifié spatio-temporel et physiquement ancré, le système gère la perception incarnée, le raisonnement spatial, la localisation et la planification. Par rapport à la version 1.0, cette itération ajoute la prédiction de points de contact sur toute la famille de modèles et un ancrage 3D natif pour les versions 2B et 9B, produisant des représentations directement exploitables pour la manipulation robotique. Les chercheurs ont également développé RynnBrain-VLA, doté d'un espace d'action unifié inter-plateformes et d'un masquage spécifique à chaque robot, déployé sur trois plateformes matérielles distinctes : l'humanoïde Unitree G1, l'Astribot-S1 et le Tianji-Wuji. Sur les benchmarks VSI-Bench, MMSI et RefSpatial-Bench, le modèle 122B surpasse l'ensemble des modèles propriétaires et open-source évalués en cognition incarnée, localisation et ancrage 3D. Cette annonce s'inscrit dans la course aux modèles vision-langage-action (VLA) généralistes, où la capacité à transférer un même modèle sur plusieurs plateformes robotiques distinctes reste un obstacle majeur. Les expériences sur robot réel montrent que les politiques initialisées avec RynnBrain surpassent celles basées sur Qwen ainsi que d'autres VLA généralistes représentatifs, et que l'entraînement conjoint multi-tâches et multi-plateformes améliore les scores de processus et les taux de réussite par rapport à un entraînement tâche par tâche. Pour les intégrateurs et décideurs B2B, ce type de résultat, s'il se confirme au-delà des conditions de laboratoire, suggérerait qu'un socle de fondation partagé pourrait réduire le coût d'adaptation à chaque nouvelle plateforme matérielle, un enjeu central pour la commercialisation à l'échelle des humanoïdes. Le déploiement simultané sur trois architectures robotiques différentes, dont l'humanoïde bipède Unitree G1, illustre la stratégie de généralisation cross-embodiment poursuivie par plusieurs laboratoires actuellement, en concurrence avec des approches comme Pi-0 ou GR00T N2. L'absence de détails sur les conditions précises des essais réels (nombre d'essais, environnements testés, sélection des vidéos démonstratives) invite toutefois à la prudence sur la portée exacte des gains rapportés. La publication ne mentionne pas de calendrier de déploiement commercial ni de partenaire industriel identifié, ce qui situe pour l'instant RynnBrain 1.1 au stade de la recherche plutôt que du produit prêt à l'emploi.

IA physique❧Opinion

1 source

40

3803arXiv cs.RO 

Distillation de priorités globales de traversabilité pour la prédiction d'affordance basée sur l'image en environnement tout-terrain

Les chercheurs du AirLab, associé à Carnegie Mellon University, publient une nouvelle méthode de navigation autonome en terrain non structuré, décrite dans un article déposé sur arXiv le 23 juillet 2026 (arXiv:2607.17984) et destiné à IROS. Le problème visé : les robots naviguant en tout-terrain avec des cartes métriques construites à partir de LiDAR ou de caméras sont limités par la portée de leurs capteurs de profondeur, ce qui les pousse à prendre des décisions à courte vue sur de longs trajets, faute d'information au-delà de l'horizon cartographié. La solution proposée extrait directement des images de vue à la première personne (FPV) des frontières de navigabilité à longue portée, sans dépendre uniquement des données LiDAR locales. Pour entraîner ce système sans recourir massivement à des démonstrations humaines coûteuses, l'équipe utilise l'imagerie satellite : elle calcule, pour un jeu de données de paires image/position, l'ensemble des trajets réalisables vus depuis l'espace, et s'en sert comme signal de supervision pour le réseau de neurones. Résultat annoncé : une amélioration de plus de 10 % par rapport aux méthodes existantes sur plusieurs bancs d'essai hors ligne, ainsi qu'une réduction du nombre d'interventions humaines nécessaires lors d'essais réels. L'enjeu dépasse la seule performance chiffrée. La navigation tout-terrain longue distance reste un point faible connu des robots mobiles autonomes, qu'il s'agisse de véhicules agricoles, de robots d'inspection, de plateformes militaires ou de rovers planétaires : au-delà de la portée des capteurs embarqués, la plupart des systèmes actuels naviguent à l'aveugle ou s'appuient sur des cartes globales coûteuses en données humaines. En démontrant qu'une supervision faible tirée de l'imagerie satellite, disponible et peu coûteuse, peut remplacer une partie de l'annotation humaine, ce travail attaque directement le goulot d'étranglement des données de démonstration qui freine le déploiement à grande échelle des systèmes de navigation tout-terrain. Le travail s'inscrit dans une lignée de recherches sur la planification à long horizon en robotique mobile, où les approches classiques de cartographie métrique locale (SLAM, occupancy grids) sont complétées ou remplacées par des modèles prédictifs entraînés sur des priors globaux. Les auteurs annoncent des détails supplémentaires, code et données sur theairlab.org/ssfrontiersiros, et visent une validation via IROS, la conférence de référence en robotique intelligente.

Recherche❖Paper

1 source

40

3804arXiv cs.RO 

La saisie robotique facilitée par xperception

Une équipe de recherche publie xperception, un système d'estimation de pose 6D en zero-shot destiné à la manipulation robotique industrielle, décrit dans un preprint arXiv (2607.16312v1). Contrairement aux systèmes de vision classiques qui exigent une collecte de données et un réentraînement du modèle à chaque nouvel objet introduit sur une ligne de production, xperception s'appuie directement sur des modèles CAD standards et sur les features sémantiques de modèles de fondation comme DINOv2 et GeDi pour localiser un objet dans l'espace avec une précision annoncée de l'ordre du millimètre. Le système a démontré une robustesse face aux occlusions sévères dans des tâches de bin picking (préhension en vrac) et a été conçu pour tourner sur du matériel edge industriel, notamment le NVIDIA Jetson Thor. Les auteurs indiquent avoir validé la technologie à un TRL (niveau de maturité technologique) de 6, ce qui correspond à une démonstration en environnement pertinent, pas encore à un produit commercial déployé en usine. L'enjeu visé est celui de la fabrication à forte diversité et faible volume (high-mix low-volume), où le goulot d'étranglement n'est pas le bras robotique mais la vision : chaque changement de référence impose aujourd'hui une phase d'annotation et de calibration coûteuse en temps d'ingénieur. En éliminant le fine-tuning spécifique à l'objet, xperception s'inscrit dans la promesse, encore largement à prouver à grande échelle, d'une automatisation robotique "plug-and-play" pour les intégrateurs et les PME industrielles qui ne peuvent pas amortir un long cycle de mise en service par référence. C'est aussi un signal supplémentaire que les modèles de fondation vision, initialement conçus pour des tâches génériques de reconnaissance, deviennent des briques réutilisables en robotique industrielle sans données d'entraînement dédiées. Sur le plan méthodologique, xperception repose sur l'algorithme FreeZe, vainqueur du BOP Challenge 2024, la compétition internationale de référence en estimation de pose d'objets 6D (Benchmark for 6D Object Pose estimation), ce qui ancre la technologie dans un état de l'art académique validé plutôt que dans une simple démonstration marketing. Le papier ne mentionne ni société commercialisant le produit, ni calendrier de déploiement industriel, ni comparatif chiffré face à des concurrents comme MegaPose ou FoundPose : à ce stade, xperception reste une preuve de concept technique à TRL6, dont la transition vers un produit exploité en usine reste à documenter.

Recherche❖Paper

1 source

40

3805arXiv cs.RO 

Stabilité et confort dans les interactions entre robots mobiles et piétons

Voici l'article rédigé selon les consignes. Des chercheurs ont développé et validé expérimentalement des algorithmes de navigation socialement adaptés pour robots mobiles non-holonomes (NMR), une catégorie de robots majoritaire dans les applications industrielles et de service mais historiquement sous-étudiée par rapport aux plateformes holonomes. Le cadre proposé s'appuie sur le Social Force Model (SFM) et sur une variante appelée TSFM (projected Time-to-collision Social Force Model), qui modélise explicitement les interactions entre le robot, les piétons et les obstacles statiques. Les auteurs démontrent mathématiquement la stabilité du système sous l'hypothèse de piétons "boundedly nonpassive" (dont le comportement reste dans des limites prévisibles), puis calibrent leurs modèles en simulation via une fonction de coût hybride combinant confort et vitesse de déplacement. Des expérimentations réelles impliquant des interactions robot-piéton comparent SFM et TSFM à deux références télécommandées manuellement, avec recueil du confort perçu par les marcheurs via questionnaires, analysés statistiquement. Cette étude comble un vide méthodologique important pour l'industrie robotique: la plupart des algorithmes de navigation classiques traitent les piétons comme de simples obstacles dynamiques, sans modéliser les facteurs humains subjectifs qui déterminent l'acceptabilité sociale d'un robot en espace partagé. Pour les intégrateurs déployant des AMR (robots mobiles autonomes) en entrepôt, hôpital ou espace public, ce résultat est directement actionnable puisque la majorité des plateformes commerciales sont non-holonomes et non les robots holonomes omnidirectionnels généralement privilégiés dans la littérature académique sur la navigation sociale. La preuve de stabilité formelle, plutôt qu'une simple validation empirique, renforce la crédibilité du système pour un déploiement en conditions réelles où la sécurité et la prévisibilité du comportement robotique sont critiques. Le travail s'inscrit dans le champ de la navigation socialement consciente ("social navigation"), qui cherche depuis plusieurs années à dépasser les approches purement géométriques d'évitement d'obstacles. Le Social Force Model, initialement conçu pour modéliser les dynamiques de foules humaines, sert ici de brique de base étendue avec une composante de temps avant collision (time-to-collision) pour mieux anticiper les trajectoires. Les auteurs comparent leurs résultats à des études antérieures pour établir un avantage sur les métriques de confort et de performance, sans toutefois préciser de partenaire industriel ni de calendrier de déploiement commercial concret, ce travail relevant à ce stade de la recherche académique plutôt que d'un produit prêt à être industrialisé.

Recherche❖Paper

1 source

39

3806arXiv cs.RO 

Réception centrée sur le destinataire pour la remise robot-humain avec orientation d'objet sensible à la préhension

Des chercheurs ont présenté un système de transmission d'outils robot-humain centré sur le receveur, piloté par la voix, construit sur un bras collaboratif Franka Emika à sept degrés de liberté, plateforme cobot largement utilisée en recherche robotique. Le système combine un grand modèle de langage (LLM) pour la reconnaissance d'intention, c'est-à-dire comprendre quel outil l'opérateur demande et comment il compte le saisir, avec MediaPipe pour le suivi 3D de la main en temps réel. À partir de ces données, l'effecteur terminal ajuste dynamiquement son orientation pour présenter l'outil poignée en avant, dans une pose jugée ergonomiquement optimale, plutôt que dans une orientation fixe prédéfinie. Les auteurs ont mené une étude intra-sujets comparant cette approche adaptative à une référence statique agnostique à l'objet, sur des outils industriels asymétriques, ceux dont la forme rend la prise malaisée si l'orientation de présentation ne correspond pas à la façon naturelle de les empoigner. Les résultats indiquent que le système adaptatif réduit le délai de préhension pour ces outils asymétriques et améliore la fluidité de l'interaction, ainsi que certaines perceptions liées à la confiance, notamment la prévisibilité du mouvement et la simplicité perçue de la tâche. L'abstract ne détaille pas de chiffres précis (nombre de participants, pourcentage de gain), ce qui invite à la prudence sur l'ampleur réelle de l'effet. L'enjeu dépasse le confort ponctuel: la transmission d'outils est une micro-interaction sécuritaire critique dans les cellules collaboratives humain-robot, et les systèmes statiques actuels, qui ignorent la géométrie de l'objet, produisent régulièrement des prises maladroites voire dangereuses avec des outils asymétriques comme des tournevis ou des pinces. Pour les intégrateurs industriels et les concepteurs de cobots, cette étude illustre une piste concrète pour fiabiliser les interactions main-à-main sur ligne de production, en s'appuyant sur des briques déjà matures, LLM pour l'intention, vision par ordinateur pour le suivi de main, plutôt que sur des capteurs dédiés coûteux. Le travail s'inscrit dans un champ de recherche actif sur le handover robot-humain, où les approches précédentes reposaient surtout sur la vision pour estimer la pose de préhension sans intégrer la voix ni une compréhension sémantique de l'intention via LLM. Le choix du bras Franka, standard de facto dans les laboratoires académiques, facilite la reproductibilité mais souligne aussi le stade encore expérimental de la démonstration, un preprint arXiv sans mention de déploiement industriel ni de partenaire commercial. Les suites logiques attendues seraient une validation sur un plus large panel d'outils et d'opérateurs, ainsi qu'une soumission à une conférence en robotique ou interaction humain-robot.

Recherche❖Paper

1 source

39

3807arXiv cs.RO 

Utilisateur-guidé : apprentissage par démonstration de trajectoire et d'impédance

Des chercheurs publient sur arXiv (papier 2607.16998, juillet 2026) une nouvelle méthode d'apprentissage par démonstration (Learning from Demonstration, LfD) pilotée par l'utilisateur, validée sur un bras robotique KUKA LWR IV+ à 7 degrés de liberté (DOF). Le système combine un algorithme de "Fast Diffeomorphic Matching" (FDM) tridimensionnel avec un générateur de mouvement basé sur les systèmes dynamiques (DS), complété par un filtre de Kalman étendu (EKF) qui compense les erreurs de reproduction et permet au robot de récupérer après une perturbation externe. Une fonction de paramétrisation d'impédance apprend en temps réel les variations de raideur du bras à partir d'une unique démonstration, notamment pour maintenir un contact stable avec une surface. L'objectif affiché est d'éliminer le réenseignement répété d'une même tâche, en apprenant en une seule fois (single-shot) à la fois la trajectoire et la conformité mécanique nécessaires pour la reproduire avec précision. Pour les intégrateurs et les équipes de robotique industrielle, l'enjeu est la sécurité et l'efficacité de l'interaction homme-robot (HRI). Les trajectoires classiques indexées dans le temps, rigides par nature, posent un problème de sécurité dès qu'un opérateur interagit physiquement avec le bras ou qu'un obstacle imprévu survient, le robot suivant son chemin sans s'adapter. En apprenant simultanément la géométrie du mouvement et son impédance, la méthode cherche à combiner précision de reproduction et sécurité intrinsèque, sans complexifier la phase d'enseignement pour l'opérateur qui ne réalise la démonstration qu'une seule fois. C'est un signal, parmi d'autres travaux récents en LfD, que la communauté robotique cherche à sortir du dilemme précision contre compliance qui limite aujourd'hui le déploiement des bras collaboratifs sur des tâches de contact (polissage, assemblage, ébavurage) en environnement partagé avec des humains. Cette approche s'inscrit dans la lignée des méthodes de LfD basées sur les systèmes dynamiques (DS-GMM, DMP et variantes), déjà largement étudiées pour encoder des trajectoires robustes aux perturbations, mais qui peinent traditionnellement à intégrer une impédance variable sans multiplier les démonstrations ou les phases de réglage manuel. Le choix du KUKA LWR IV+, bras à sept degrés de liberté doté d'un contrôle en couple aux articulations, reste une plateforme de référence académique pour ce type d'expérimentation en contrôle d'impédance et en manipulation compliante. Déposé sur arXiv comme nouvelle soumission, le papier n'en est qu'au stade de la validation expérimentale en laboratoire: aucune indication d'industrialisation ni de partenariat n'est mentionnée, et des essais sur d'autres plateformes et des tâches d'usine réelles seront nécessaires pour juger de sa portée au-delà du cas d'étude KUKA.

Recherche❖Paper

1 source

39

3808arXiv cs.RO 

Robotique forestière : optimisation stochastique de trajectoire sous contraintes pour une grue forestière optimale en temps

Des chercheurs présentent TSC-VP-STO, une extension de l'algorithme VP-STO (Via-Point-based Stochastic Trajectory Optimization) destinée à la planification de trajectoires pour les grues forestières autonomes. Le problème initial de VP-STO est qu'il impose une configuration articulaire terminale fixe, définie avant même l'optimisation, ce qui limite l'exploitation de la redondance cinématique propre à ces bras manipulateurs à plusieurs degrés de liberté (DOF). TSC-VP-STO remplace cette contrainte rigide par une contrainte dans l'espace de la tâche, permettant d'optimiser conjointement la trajectoire et les degrés de liberté redondants de la posture finale. Les auteurs formalisent l'approche via une décomposition de l'espace de configuration et une contrainte d'atteignabilité spécifique à la cinématique des grues forestières. Les essais, menés sur plusieurs cibles de planification et configurations de points de passage, montrent une réduction de 12 à 15% de la durée des trajectoires en moyenne par rapport à VP-STO, avec une meilleure répartition de l'utilisation du débit hydraulique. La méthode a été validée en conditions réelles sur une grue forestière, incluant un cycle complet de chargement de grumes. L'enjeu dépasse le seul cas des grues forestières: il touche à l'automatisation de tout manipulateur hydraulique cinématiquement redondant soumis à des contraintes de débit de pompe non linéaires et globalement couplées, un problème classique en robotique industrielle lourde (foresterie, BTP, manutention). Optimiser la posture terminale plutôt que de la figer permet de mieux équilibrer la demande hydraulique entre articulations, un gain concret pour les intégrateurs cherchant à réduire les temps de cycle sans changer le matériel. La validation sur machine réelle, et pas seulement en simulation, renforce la crédibilité des gains annoncés, un point que les décideurs industriels scrutent généralement avec prudence face aux démonstrations purement simulées. Ce travail s'inscrit dans la continuité de VP-STO, déjà présenté comme quasi temps-optimal pour la planification hybride de grues forestières, et prolonge une littérature plus large sur l'optimisation stochastique de trajectoires sous contraintes robotiques. Publié comme prépublication arXiv, il reste à ce stade un résultat de recherche appliquée plutôt qu'un produit commercialisé, mais son déploiement réel sur une grue en exploitation forestière constitue une étape notable vers une adoption industrielle.

Recherche❖Paper

1 source

39

3809arXiv cs.RO 

L'apprentissage par imitation en contexte avec raisonnement visuel

Un article de recherche publié sur arXiv (identifiant 2603.07530v2, version révisée) présente ICLR, pour "In-Context Imitation Learning with Visual Reasoning", une nouvelle méthode d'apprentissage par imitation en contexte pour les robots manipulateurs. Le principe consiste à faire adapter un robot à une nouvelle tâche à partir d'un petit nombre de démonstrations, sans réentraînement du modèle. La nouveauté d'ICLR est d'enrichir les démonstrations avec des traces de raisonnement visuel structurées, c'est-à-dire des trajectoires futures anticipées du robot représentées directement dans l'espace image, plutôt que de se limiter aux seules paires état-action utilisées par les approches existantes. Ces traces de raisonnement et les actions de bas niveau sont apprises conjointement au sein d'un unique transformeur autorégressif, ce qui permet au modèle d'imiter non seulement le geste final mais aussi le cheminement qui y conduit. Les auteurs rapportent des évaluations à la fois en simulation et sur des tâches de manipulation réelles, avec des gains constants en taux de succès et en généralisation face à des tâches inédites et de nouvelles configurations d'objets, comparé aux méthodes d'apprentissage par imitation en contexte existantes. L'enjeu pour l'industrie robotique tient au principal talon d'Achille des systèmes vision-langage-action (VLA) actuels: leur capacité à généraliser au-delà des tâches et objets vus à l'entraînement reste limitée, surtout quand une même séquence de gestes peut correspondre à des intentions différentes selon le contexte. En donnant au modèle une représentation explicite de l'intention, sous forme de trajectoire visuelle anticipée plutôt qu'une simple politique action-état, ICLR s'attaque directement à l'ambiguïté qui bloque le déploiement des robots généralistes en environnement peu structuré. Si les résultats se confirment à plus grande échelle, cela renforcerait l'hypothèse selon laquelle intégrer un raisonnement visuel explicite, plutôt que de scaler uniquement les données de démonstration, est une voie crédible pour rendre les politiques d'apprentissage en contexte plus robustes, un enjeu direct pour les intégrateurs qui cherchent à déployer des bras robotiques capables de s'adapter rapidement à de nouvelles références produits sans campagne de réentraînement coûteuse. Ce travail s'inscrit dans la lignée des recherches récentes sur l'apprentissage par imitation en contexte (in-context imitation learning), un domaine qui cherche à reproduire pour la robotique la flexibilité du few-shot learning observée dans les grands modèles de langage, et fait écho aux efforts plus larges autour des modèles VLA tels que Pi-0 ou GR00T N2, qui tentent eux aussi de combler l'écart entre démonstrations en laboratoire et déploiement réel. L'article ne précise pas d'industriel partenaire ni de calendrier de mise en production; il s'agit d'une contribution académique, acceptée pour la conférence ICLR, dont l'apport reste à ce stade expérimental. La suite logique pour ce type de travaux est généralement une intégration progressive dans des piles logicielles open source de manipulation robotique, avant une éventuelle reprise par des acteurs commerciaux du secteur.

Recherche❖Paper

1 source

39

3810arXiv cs.RO 

ConceptTree : la transparence sémantique pour la prise de décision en boîte noire dans la manipulation robotique

Le laboratoire à l'origine de ConceptTree propose une nouvelle méthode pour rendre transparente la sélection de compétences dans la manipulation robotique à long horizon, un domaine où les approches actuelles fonctionnent comme des boîtes noires opaques entre observation et action. Publié sur arXiv (2607.17861v1), le framework reformule la décision comme un raisonnement sur des concepts interprétables par l'humain : plutôt que d'apprendre une représentation latente implicite, le système construit un espace de concepts normalisé et ancré dans les observations visuelles, sur lequel un arbre de décision est entraîné pour prédire les compétences de haut niveau à exécuter. Testé sur des tâches réelles de manipulation robotique de complexité croissante, ConceptTree surpasse systématiquement les méthodes concurrentes à base de concepts, l'écart se creusant sur les scénarios longs et complexes. Les auteurs montrent aussi, via des études de cas qualitatives, qu'il est possible de corriger une erreur de décision en modifiant directement un concept individuel, sans réentraîner le modèle. L'enjeu dépasse la seule performance brute. Les politiques de manipulation actuelles, notamment les modèles VLA (vision-language-action) type Pi-0, GR00T ou Helix, gagnent en capacité mais restent difficiles à auditer : quand un bras robotique se trompe, il est souvent impossible de savoir pourquoi sans tout réentraîner. Pour les intégrateurs industriels et les responsables de déploiement, cette opacité freine la certification et la supervision humaine dans des environnements sensibles. En rendant chaque décision traçable et modifiable, ConceptTree répond directement à ce problème de confiance, sans sacrifier les performances sur les tâches longues, un compromis que les baselines à base de concepts peinaient jusqu'ici à tenir. Ce travail s'inscrit dans un courant de recherche plus large sur les modèles à goulot d'étranglement conceptuel (concept bottleneck models), déjà explorés en vision par ordinateur, désormais transposés à la robotique. L'article ne précise pas d'implication industrielle ni de déploiement commercial : il s'agit d'une contribution académique, dont la validation reste circonscrite à des bancs d'essai réels mais contrôlés. Les prochaines étapes attendues porteraient sur l'extension à des tâches encore plus longues et des environnements moins structurés.

Recherche❖Paper

1 source

39

3811arXiv cs.RO 

HyperDCM : rejeu dynamique de mémoire par clusters en espace hyperbolique pour la navigation robotique continue à travers différentes scènes

Des chercheurs proposent HyperDCM (Hyperbolic Dynamic Cluster Memory), un mécanisme de mémoire destiné à la navigation robotique en apprentissage continu, décrit dans une prépublication arXiv (2607.16267v1) parue fin juillet 2026. Le système s'attache à résoudre l'oubli catastrophique, ce phénomène par lequel un robot perd sa capacité à naviguer dans des environnements déjà appris lorsqu'il en découvre de nouveaux. HyperDCM combine plusieurs briques : des modèles de vision-langage extraient des triplets sémantiques (objets, relations spatiales) à partir d'images RGB, un réseau de convolution sur graphes relationnels (R-GCN) encode ces scènes sous forme de graphes, puis ces représentations sont projetées dans un espace hyperbolique plutôt qu'euclidien pour mieux préserver la structure hiérarchique des scènes. Une stratégie de clustering dynamique sélectionne ensuite les exemples les plus représentatifs à rejouer en mémoire, plutôt que de stocker l'ensemble des trajectoires passées. Le tout s'intègre à des politiques de navigation par diffusion, testées sur des jeux de données multi-scènes en intérieur et en extérieur, où HyperDCM affiche une meilleure rétention des compétences acquises et une meilleure généralisation que les méthodes de continual learning de référence adaptées à ce cadre. Pour l'industrie robotique, ce type de travail répond à un vrai point de friction commercial : un robot mobile ou humanoïde déployé sur plusieurs sites clients doit s'adapter à chaque nouvel entrepôt ou bâtiment sans effacer ses acquis précédents, faute de quoi chaque déploiement nécessite un réentraînement coûteux. Une mémoire structurée et compacte, capable de conserver l'essentiel sans stocker toutes les données brutes, va dans le sens d'une navigation véritablement continue et scalable, un prérequis pour les flottes d'AMR ou de robots humanoïdes opérant chez plusieurs intégrateurs. Le travail s'inscrit dans la lignée des recherches sur les politiques de diffusion appliquées à la navigation et sur l'apprentissage continu en robotique, un domaine où la plupart des méthodes existantes proviennent de la vision par ordinateur classique et s'adaptent mal aux contraintes spatiales de la navigation. À ce stade, HyperDCM reste un résultat de recherche validé sur benchmarks académiques, sans annonce de déploiement industriel ni de partenariat commercial ; la suite logique serait une validation sur des plateformes robotiques réelles et une comparaison directe avec les architectures de mémoire utilisées par les grands modèles VLA du secteur.

Recherche❖Paper

1 source

39

3812arXiv cs.RO 

Déplacer d'abord, valider ensuite : initialisation globale LiDAR-BIM sélective par consensus séquentiel avec abstention sensible à la symétrie

Une équipe de recherche présente dans un nouvel article arXiv (2607.17103v1) une méthode baptisée "Move First, Commit Later", conçue pour résoudre un problème central en robotique d'intérieur : localiser globalement un robot équipé de LiDAR dans un modèle BIM (Building Information Model) d'un bâtiment, sans connaître sa position de départ. Le constat de départ est que dans les intérieurs répétitifs (couloirs, salles similaires), l'échec principal ne vient pas d'un score de correspondance faible, mais d'un "aliasing confiant" : une sous-carte peut correspondre à plusieurs zones du BIM avec des scores presque identiques, produisant une position jugée fiable mais en réalité décalée à cause de la symétrie du lieu. La méthode proposée traite le module de recalage comme une simple source d'indices et décide ensuite s'il faut valider la position ou non. Les candidats de plusieurs sous-cartes sont ramenés à un repère commun en SE(2), un consensus "top-1" agrège les preuves entre sous-cartes, et la topologie du bâtiment sert uniquement de filtre de faisabilité binaire. Le système produit trois types de décisions : COMMIT (validation), DEFER (report) ou AMBIGUOUS avec la période de symétrie détectée, cette dernière pouvant être levée si le robot se déplace de façon à briser la symétrie. Testée sur un bâtiment réel multi-pièces et une simulation symétrique contrôlée, la méthode valide correctement la position dans toutes les configurations testées et s'abstient proprement dans les cas ambigus, alors que les approches classiques à choix forcé se trompent de pièce dans la majorité des cas sur le même module de recalage. Les positions validées sont précises à 0,02-0,36 mètre par rapport à une référence laser-tracker indépendante, et à moins de 1,9 degré d'orientation. Pour les intégrateurs de robots mobiles autonomes en environnement industriel ou logistique, cela répond à un vrai point de friction : le risque qu'un robot se croie ailleurs qu'il n'est réellement dans un bâtiment aux plans répétitifs. Les auteurs précisent toutefois que l'évaluation reste limitée à un seul bâtiment et un seul module de recalage, la couche étant conçue pour rester modulaire et compatible avec d'autres front-ends de recalage.

Recherche❖Paper

1 source

39

3813arXiv cs.RO 

Modèles du monde JEPA à régularisation de profondeur : des représentations plus transférables à partir de données robotiques réelles en extérieur

Publié sur arXiv (arXiv:2607.16314v1), un nouveau papier de recherche propose une architecture de modèle du monde basée sur JEPA (Joint Embedding Predictive Architecture) qui intègre la profondeur comme prior géométrique pendant l'entraînement. L'équipe a entraîné un modèle de 18 millions de paramètres sur des vidéos capturées par un robot agricole réel évoluant en extérieur, un environnement visuellement complexe et imprévisible par rapport aux données de laboratoire habituelles. La méthode combine une supervision par carte de profondeur avec un régularisateur latent isotrope appelé SIGReg, qui vise la représentation la plus riche en information possible tout en respectant la géométrie de la scène, et ajoute une surparamétrisation limitée à l'entraînement pour ne pas alourdir l'inférence. Face à la baseline LeWM, les résultats montrent une réduction de 33% de l'erreur sur une sonde d'odométrie visuelle à représentation gelée, une meilleure séparation du score de surprise à la fois sur les données d'origine et sur le benchmark hors domaine TartanGround, ainsi qu'une fidélité accrue des projections latentes multi-étapes sous décalage de domaine, avec des gains qui s'amplifient à mesure que l'horizon de prédiction s'allonge. Ce travail répond à un problème central pour la robotique de terrain: la plupart des modèles du monde performent bien en simulation ou en environnement contrôlé, mais peinent à généraliser sur des données réelles bruitées, avec éclairage variable et textures complexes. Montrer qu'un simple prior physique, la profondeur, améliore la transférabilité sans ajouter de coût de calcul à l'inférence est significatif pour les intégrateurs qui doivent déployer des modèles embarqués sur des robots agricoles, des AMR ou d'autres plateformes mobiles à ressources limitées. Le résultat le plus notable dépasse la géométrie pure: le modèle améliore aussi la détection de surprise sur des phénomènes physiques non directement liés à la 3D, comme l'éclairage et les ombres, ce qui suggère un effet d'amélioration générale de la qualité des représentations plutôt qu'un simple gain spécifique à la tâche de profondeur. À noter toutefois que les gains sont mesurés sur un seul type de robot et un modèle de taille modeste, la généralisation à d'autres plateformes reste à démontrer. Les architectures JEPA, popularisées par les travaux de Yann LeCun chez Meta, sont présentées comme une alternative aux modèles génératifs pixel par pixel pour apprendre la dynamique du monde sans reconstruire chaque détail visuel. Ce papier s'inscrit dans cette lignée en cherchant à rendre ces modèles utilisables sur des données réelles de terrain, un défi que la littérature identifie souvent comme le principal obstacle entre les démonstrations en simulation et le déploiement effectif. Les auteurs positionnent leur approche contre LeWM comme référence directe et s'appuient sur TartanGround pour valider la généralisation hors domaine. Les prochaines étapes attendues incluraient l'extension à d'autres types de robots et capteurs, et l'intégration de ce modèle du monde dans des politiques de contrôle robotique complètes plutôt que dans des sondes d'évaluation isolées.

Recherche❖Paper

1 source

39

3814arXiv cs.RO 

Robuste aux perturbations : contrôle cinématique sécurisé pour robots à architecture fermée

Une équipe de recherche publie une nouvelle version (v3) d'un article arXiv (2512.05292) consacré au contrôle cinématique sûr et robuste aux perturbations pour les robots industriels à architecture fermée. Le problème visé est concret : la plupart des systèmes robotiques commerciaux embarquent un contrôleur de couple en boucle interne verrouillé, que l'utilisateur ne peut ni modifier ni inspecter, alors que seule la boucle externe, qui envoie des commandes cinématiques comme la position ou la vitesse, reste accessible. Les auteurs proposent un module additionnel, facile à intégrer à cette boucle externe, combinant un contrôle par rejet de perturbation et une fonction de barrière de contrôle (control barrier function) robuste. L'objectif est d'assurer à la fois un suivi de trajectoire performant et une sécurité garantie sur l'ensemble du système dynamique du bras manipulateur, malgré un contrôleur interne imparfait et un modèle dynamique incertain. La méthode est validée par une analyse de stabilité, une preuve formelle de sécurité, et des essais matériels sur un bras manipulateur PUMA, avec une vidéo de démonstration disponible en ligne. L'intérêt pour l'industrie robotique tient à la contrainte qu'elle contourne : de nombreux bras industriels commerciaux ne donnent accès qu'aux commandes cinématiques, jamais au contrôle de couple bas niveau, propriétaire et fermé. Une solution qui garantit précision de suivi et sécurité formelle sans nécessiter cet accès intéresse directement les intégrateurs qui doivent ajouter des garanties de sécurité (collaboration humain-robot, environnements partagés) sur du matériel existant, sans réingénierie du contrôleur constructeur. Elle répond aussi à un point sensible du secteur : la robustesse face à l'écart entre modèle théorique et comportement réel, souvent négligée dans les démonstrations qui supposent un contrôleur bas niveau idéal. Le travail s'inscrit dans la lignée des recherches combinant rejet de perturbation et fonctions de barrière de contrôle, deux familles d'outils bien établies en théorie du contrôle, mais rarement unifiées pour ce cas d'usage précis des architectures fermées. Les auteurs revendiquent une simplicité d'implémentation et une robustesse supérieures aux approches existantes, sans toutefois préciser dans le résumé quels systèmes commerciaux concrets bénéficieraient directement de cet add-on au-delà du prototype PUMA testé en laboratoire.

Recherche❖Paper

1 source

39

3815arXiv cs.RO 

Retriever : composer des programmes robotiques asynchrones en boucle fermée

Une équipe de recherche publie Retriever, un framework pour construire des agents robotiques à horizon long qui enchaînent perception, mise à jour des croyances, planification et contrôle, des composants qui tournent à des cadences différentes avec des latences variables. Décrit dans un article arXiv (2607.17213v1), le système représente un agent comme un graphe de fonctions de flux causales et stateful, exécutées sur des horloges d'exécution explicites. Retriever couvre toute la pile technique : un modèle de décision asynchrone, un modèle de programmation, un runtime compilant ces graphes vers plusieurs backends, et un pipeline d'agent en boucle fermée fourni en exemple. Les auteurs formalisent cette approche via une boucle environnement-agent asynchrone sur des flux en temps continu, et démontrent que des politiques causales à mémoire finie peuvent être représentées par composition de ces opérateurs. Le système a été évalué à travers une étude de cas sur robot réel, complétée par des mesures contrôlées du surcoût du runtime et du comportement de rejeu déterministe. Le problème que Retriever cherche à résoudre est bien connu des équipes qui déploient des robots autonomes en conditions réelles : aujourd'hui, ces pipelines sont souvent assemblés avec des conventions de concurrence et de publication/abonnement ad-hoc, rendant implicite la sémantique de timing et de consommation des entrées. Résultat, un comportement dépendant de l'ordonnancement, difficile à reproduire, déboguer et réutiliser, un frein direct à la fiabilité des systèmes en production. En proposant un débogage systématique et un rejeu déterministe à partir de données asynchrones journalisées, Retriever s'attaque directement à un angle mort de l'ingénierie robotique actuelle, où la plupart des solutions traitent soit la couche algorithmique soit la couche systèmes, rarement les deux ensemble. Ce travail s'inscrit dans une tendance de fond de la recherche en robotique appliquée, cherchant à industrialiser les architectures d'agents complexes plutôt qu'à empiler des modèles plus puissants. Il fait écho aux efforts autour des architectures VLA (vision-language-action) et des pipelines multi-composants déployés sur des plateformes comme les humanoïdes ou les AMR, où la robustesse logicielle devient aussi critique que la performance des modèles eux-mêmes. Les auteurs ne précisent pas de partenariat industriel ni de calendrier de diffusion publique de l'outil, mais positionnent explicitement Retriever comme une brique d'infrastructure réutilisable, destinée aux équipes de recherche et développement construisant des agents robotiques à long horizon.

Infrastructure⚡Actu

1 source

39

3816arXiv cs.RO 

GhostShell : appels de fonctions LLM en streaming pour la programmation incarnée concurrente

Un groupe de chercheurs a présenté GhostShell, une architecture logicielle permettant à des grands modèles de langage (LLM) de piloter des robots en continu, en déclenchant des fonctions directement pendant la génération du texte plutôt qu'en attendant un plan complet avant d'agir. Le système repose sur des « function tokens », une représentation au format XML des appels de fonction que GhostShell extrait du flux de génération du LLM et convertit en commandes exécutables, orchestrées par un algorithme de planification multi-canal combinant synchronisation intra-canal et dispatch asynchrone inter-canal pour coordonner plusieurs composants robotiques en parallèle. L'équipe a testé l'approche sur son prototype robotique CoCo, à travers 33 tâches réelles et neuf fournisseurs de LLM différents. Sur 30 tâches d'interaction homme-robot, le score DSBC (Directed Structured Behavior Correctness) le plus élevé, 0,83, a été obtenu avec Claude Sonnet 4, tandis que sur trois tâches multimodales longues, GPT-4.1 a atteint 7,0/10 en évaluation humaine. Face au function calling natif proposé par les fournisseurs de LLM, le schéma de function tokens de GhostShell affiche un taux de complétion de 15 tâches sur 15, contre 6 sur 15 pour l'approche standard. Ce résultat cible un point de friction concret pour l'IA embarquée en robotique : les mécanismes natifs d'appel de fonction des LLM, conçus pour des usages conversationnels ou logiciels, gèrent mal la coordination d'actions physiques et langagières simultanées, un besoin central pour tout robot devant parler et agir en même temps. En démontrant un gain net de complétion de tâches sur des scénarios concurrents plutôt que séquentiels, les auteurs apportent un argument technique en faveur d'architectures de contrôle repensées spécifiquement pour l'embodied AI, plutôt que d'un simple réemploi des API de function calling issues du monde du logiciel. Il s'agit d'un article de recherche académique, publié sur arXiv (identifiant 2508.05298, troisième version), et non d'un produit commercialisé ou d'un déploiement industriel : les résultats reposent sur un unique prototype maison, CoCo, et 33 tâches définies par les auteurs eux-mêmes, ce qui appelle à la prudence avant toute généralisation. Le code, les vidéos et le matériel supplémentaire sont mis à disposition sur le site dédié du projet, coco-robot.github.io/GhostShell, ce qui permettra à la communauté robotique d'évaluer indépendamment la reproductibilité de ces résultats face aux nombreuses autres approches de contrôle vocal-langage-action (VLA) en développement.

Recherche❖Paper

1 source

39

3817arXiv cs.RO 

IA incarnée : locomotion des quadrupèdes par apprentissage par renforcement (sim-vers-réel dans Isaac Sim)

Une équipe de recherche présente un nouveau framework d'apprentissage par renforcement (RL) pour la locomotion de robots quadrupèdes, entraîné avec Isaac Sim et son framework compagnon Isaac Lab, les outils de simulation nouvelle génération de Nvidia. La particularité de l'approche est d'obtenir un transfert "zero-shot" du simulateur vers le robot physique, c'est-à-dire une politique de contrôle qui fonctionne directement sur le matériel réel sans réentraînement ni ajustement supplémentaire. Le système gère le contrôle corps entier (whole-body control) et a été validé expérimentalement sur le Unitree Go1, un quadrupède commercial largement utilisé en recherche. Les résultats montrent des performances de suivi de vitesse comparables à celles du contrôleur intégré d'origine du robot, tout en offrant une meilleure capacité de récupération face à de fortes perturbations externes. Le robot atteint des vitesses linéaires de 2,0 m/s et des vitesses angulaires de 1,8 rad/s. Les travaux sont publiés en preprint sur arXiv (2607.18135v1). L'enjeu central de ces travaux est l'écart sim-to-real, ce fossé de performance qui survient lorsqu'une politique entraînée en simulation échoue une fois déployée sur du matériel réel, faute de correspondre exactement à la physique, aux frottements ou aux latences du monde physique. Démontrer un transfert direct et robuste, avec en prime une meilleure résilience aux chocs qu'un contrôleur classique, renforce l'argument selon lequel le RL en simulation peut désormais produire des contrôleurs de locomotion fiables sans les cycles coûteux d'essais sur robot réel. Pour les équipes d'intégration robotique, cela réduit le temps et le risque associés au déploiement de nouveaux comportements locomoteurs, un point clé pour des usages industriels comme l'inspection ou la logistique en environnement accidenté. Le travail s'inscrit dans la transition des outils Nvidia pour la robotique, Isaac Sim et Isaac Lab succédant à l'ancien Isaac Gym, alors que la firme positionne sa pile de simulation aussi bien pour les quadrupèdes que pour les humanoïdes via ses initiatives GR00T. La communauté RL pour la locomotion inclut des acteurs comme l'ETH Zurich, ANYbotics ou Boston Dynamics, avec qui ces résultats sur Go1 offrent un point de comparaison direct. Les auteurs ouvrent la voie à une extension de la méthode vers d'autres plateformes robotiques.

Recherche❖Paper

1 source

39

3818arXiv cs.RO 

Force-based memory pour les modèles vision-langage-action dans la manipulation à contacts riches

Une équipe de recherche propose FM-VLA, un modèle vision-langage-action (VLA) doté d'une mémoire basée sur la force plutôt que sur l'image, décrit dans un article publié sur arXiv (référence 2607.18231v1) daté de juillet 2026. Le système encode l'historique des forces de contact captées par le robot dans des tokens de mémoire compacts, générés par un autoencodeur variationnel (VAE) pré-entraîné à reconstruire des séries temporelles de force. Ces représentations latentes sont ensuite injectées, avec un court historique d'état, comme tokens de conditionnement supplémentaires dans le module d'action du VLA. L'équipe a testé FM-VLA sur trois tâches nécessitant une mémoire temporelle : retrouver un bloc caché, appuyer plusieurs fois sur un bouton, et essuyer une vaisselle un nombre précis de fois. Résultat annoncé : plus de 80% de taux de réussite, avec un surcoût de calcul à l'inférence jugé minime, et des performances nettement supérieures aux approches de référence. L'enjeu dépassé le simple gain de précision : les VLA actuels reposent souvent sur une hypothèse markovienne, où l'action ne dépend que de l'observation présente, ce qui les rend aveugles à des événements répétitifs difficiles à distinguer visuellement, comme plusieurs pressions rapides sur un même bouton. Les approches existantes de mémoire visuelle, qui rééchantillonnent des images passées, sont coûteuses en calcul et échouent justement sur ces cas ambigus. En s'appuyant sur le signal de force, disponible nativement sur la plupart des bras manipulateurs équipés de capteurs, FM-VLA offre une alternative légère pour la manipulation en contact riche, un domaine clé pour l'assemblage industriel, l'insertion de pièces ou la manipulation fine où la vision seule ne suffit pas à lever l'ambiguïté temporelle. Ce travail s'inscrit dans la lignée des modèles VLA généralistes comme Pi-0 ou GR00T N2, qui ont démontré la capacité de ces architectures à généraliser sur des tâches de manipulation variées, mais peinent encore sur les scénarios non markoviens. FM-VLA se positionne comme une brique modulaire plutôt qu'un système complet, testée pour l'instant en conditions contrôlées sur un nombre restreint de tâches. Les auteurs mettent à disposition une page de projet dédiée pour les détails techniques et démonstrations, sans annoncer pour l'instant de déploiement industriel ou de partenariat commercial.

Recherche⚡Actu

1 source

39

3819arXiv cs.RO 

Manifold-Guided pour assemblages serrés

Des chercheurs de l'Université de Tel-Aviv publient CMG-RRT (Critical-Manifold Guided RRT), un nouvel algorithme de planification de mouvement destiné aux assemblages mécaniques à tolérances serrées. Le problème visé est classique en robotique industrielle : lorsque deux pièces doivent s'emboîter avec un jeu quasi nul, les trajectoires valides passent souvent par des configurations où les pièces sont en contact permanent, une zone que les planificateurs par échantillonnage classiques (type RRT) explorent très mal. L'idée centrale de CMG-RRT est d'identifier cette "variété critique", le sous-ensemble de l'espace des configurations où au moins un point de contact existe entre les pièces, et de biaiser activement l'échantillonnage vers son voisinage, via une subdivision hiérarchique de l'espace de configuration. Les auteurs démontrent que leur méthode reste probabilistement complète sous des hypothèses standard de clairance, et rapportent un taux de réussite de 100% sur une série de benchmarks d'assemblage rotationnel réputés difficiles, incluant ce qu'ils présentent comme la première résolution entièrement automatique du casse-tête de désenchevêtrement "Elk". Le code est disponible en open source sur la page du projet. Pour l'industrie robotique, ce type d'avancée s'attaque à un goulot d'étranglement bien identifié dans l'assemblage automatisé de précision : les tâches de type peg-in-hole serré, montage de composants électroniques ou de pièces mécaniques à faible jeu restent aujourd'hui largement programmées manuellement ou confiées à des approches d'apprentissage par renforcement coûteuses à entraîner, faute de planificateurs capables de gérer nativement les configurations de contact quasi permanent. Un planificateur garanti complet et open source sur ce créneau spécifique intéresserait directement les intégrateurs travaillant sur l'assemblage robotisé fin, en électronique ou en horlogerie/mécanique de précision, potentiellement en complément ou substitut aux stratégies actuelles de compliance active ou d'apprentissage par démonstration. Le papier s'inscrit dans la lignée des travaux sur les RRT (Rapidly-exploring Random Trees), une famille de planificateurs par échantillonnage largement utilisée depuis les années 2000 mais historiquement peu adaptée aux environnements à faible clairance. Les benchmarks utilisés, des puzzles de désenchevêtrement rotationnel, sont un terrain de test classique pour ce genre d'algorithme géométrique. À ce stade, il s'agit d'une publication de recherche (arXiv, non encore évaluée par les pairs) accompagnée d'un code source, sans indication de partenariat industriel ni de déploiement en environnement de production ; la validation empirique reste limitée aux benchmarks de simulation présentés par les auteurs eux-mêmes.

Recherche❖Paper

1 source

39

3820arXiv cs.RO 

Localisation permanente en environnements intérieurs dynamiques : combiner odométrie et échantillonnage de distance épars

Des chercheurs proposent un nouveau cadre de localisation robotique conçu pour fonctionner en continu dans des environnements intérieurs dynamiques, en combinant l'odométrie du robot avec un échantillonnage de distance très clairsemé plutôt qu'un balayage LiDAR complet. Publié sur arXiv le 17 juillet 2026, le papier démontre qu'il est possible de résoudre le problème du "robot kidnappé" (perte totale de repère spatial) en temps réel, à des symétries près, en s'appuyant sur seulement seize points de mesure de distance au lieu de la totalité du champ de mesure d'un capteur LiDAR classique. La méthode fusionne ces échantillons épars avec les données d'odométrie au fil du temps pour converger vers la position réelle du robot, avec une garantie mathématique de convergence vers la pose exacte dans des environnements statiques et plans. Les auteurs étendent cette garantie aux environnements dynamiques, à condition que la nature des changements (présence d'obstacles mobiles, personnes, objets déplacés) ait été correctement apprise au préalable à partir de données réelles enregistrées. Les tests ont été menés dans plusieurs environnements intérieurs réels, où la précision de localisation obtenue s'avère comparable à celle d'un SLAM complet. L'intérêt pour l'industrie tient moins à la prouesse algorithmique qu'à ce qu'elle permet d'économiser: réduire drastiquement le nombre de points de mesure nécessaires diminue le coût des capteurs embarqués, la bande passante de transmission et l'espace de stockage requis pour la cartographie, tout en limitant la quantité de données environnementales captées (donc les enjeux de vie privée liés à des relevés LiDAR denses dans des espaces partagés ou habités). Pour les intégrateurs d'AMR (robots mobiles autonomes) en entrepôt, en usine ou en environnement de service, cela ouvre la voie à des flottes de robots moins chers à instrumenter, capables de continuer à se localiser correctement même quand la carte préétablie devient obsolète à cause de changements fréquents du décor, un scénario courant en logistique où étagères, palettes et personnel se déplacent en permanence. Le papier apporte aussi une réponse concrète à une limite connue des systèmes de navigation classiques: leur fragilité face aux environnements qui évoluent après la phase de cartographie initiale. Cette approche s'inscrit dans la lignée des travaux sur le SLAM (localisation et cartographie simultanées), une brique fondamentale de la navigation robotique depuis plus de deux décennies, mais qui reste généralement gourmande en capteurs denses et en puissance de calcul pour rester fiable en environnement changeant. En misant sur la parcimonie des mesures plutôt que sur l'exhaustivité, les auteurs se positionnent en alternative légère aux pipelines SLAM traditionnels, plutôt qu'en remplacement direct pour les tâches nécessitant une cartographie 3D dense. Le papier ne précise pas de partenariat industriel ni de calendrier de déploiement commercial: il s'agit à ce stade d'une contribution de recherche, validée expérimentalement mais pas encore intégrée à un produit ou une flotte de robots en exploitation.

Recherche❖Paper

1 source

39

3821arXiv cs.RO 

GraspADMM : améliorer la synthèse de prises dextériques par optimisation ADMM

Une équipe de recherche en robotique a publié GraspADMM, un nouveau framework de synthèse de préhension dextre destiné aux mains robotiques multi-doigts, dans un article mis à jour sur arXiv (2603.13832v2). Le problème visé est bien connu du secteur : générer des prises diversifiées, cinématiquement valides (contact main-objet sans pénétration) et dynamiquement stables (forces de contact multiples sécurisées) reste difficile à réunir simultanément. Le framework précédent de référence, Dexonomy, garantissait une bonne diversité via un échantillonnage dense et affinait la faisabilité cinématique par un raffinement basé simulateur, mais ses points de contact fixes limitaient l'atteignabilité de la main et empêchaient d'optimiser les métriques de stabilité dynamique. À l'inverse, les optimiseurs purement basés gradient maximisent la stabilité mais s'appuient sur des approximations de contact simplifiées qui provoquent des pénétrations physiques irréalistes. GraspADMM formule l'étape de raffinement via la méthode ADMM (Alternating Direction Method of Multipliers), en découplant les points de contact cibles sur l'objet des positions de contact réelles sur la main, permettant d'alterner entre optimisation des cibles pour la stabilité dynamique et ajustement de la pose de la main pour les atteindre sans violer les contraintes de collision. Pour l'industrie robotique et les équipes de manipulation dextre, ce travail s'attaque directement à un compromis récurrent entre plausibilité physique et performance métrique, un point sensible pour tout intégrateur travaillant sur la préhension multi-doigts (mains robotiques de type Shadow Hand, Allegro ou équivalents). Les auteurs rapportent une amélioration absolue de près de 15% du taux de succès de préhension en synthèse "type-unaware", et environ 100% d'amélioration relative en synthèse "type-aware" par rapport aux meilleures méthodes existantes, avec un maintien de la plausibilité physique même en conditions de friction extrêmement basse. Ces gains, s'ils se confirment en dehors du cadre simulé de l'étude, seraient significatifs pour les pipelines d'apprentissage de préhension qui dépendent de données de démonstration synthétiques de haute qualité, un goulot d'étranglement connu pour l'entraînement de politiques de manipulation. Ce travail s'inscrit dans la lignée des méthodes de synthèse de grasp par optimisation, en cherchant explicitement à combiner les forces de deux approches concurrentes : l'échantillonnage dense façon Dexonomy et l'optimisation par gradient. Il s'agit ici d'une publication de recherche académique (soumission "replace" sur arXiv, donc une version révisée) et non d'un produit ou d'un système déployé chez un intégrateur ; les auteurs mentionnent des expériences extensives en simulation comme preuve de concept, sans indication de déploiement matériel réel ni de partenariat industriel à ce stade.

Recherche❖Paper

1 source

39

3822arXiv cs.RO 

De la perception à l'assistance : autonomie partagée à vocabulaire ouvert pour la manipulation robotique

Des chercheurs présentent un système d'autonomie partagée pour la téléopération de bras manipulateurs en environnement industriel, publié le 24 juillet 2026 sur arXiv (référence 2607.17323). Le dispositif repose sur une seule caméra RGB-D qui capture les mouvements du bras et les gestes de la main de l'opérateur, sans combinaison connectée, marqueur fiduciaire ni étape de calibration préalable. La cible à saisir est désignée par une simple consigne textuelle en langage libre, interprétée par un modèle vision-langage via la caméra embarquée sur le préhenseur, puis suivie en continu par un modèle de segmentation vidéo promptable sur les caméras du robot, ce qui isole en permanence un repère de saisie de la carte des obstacles. Un contrôleur prédictif (MPC) accéléré par GPU exécute chaque commande tout en évitant les collisions avec l'environnement et avec le robot lui même, grâce à une reconstruction volumétrique calculée en temps réel, pendant qu'un champ de potentiel corrige la trajectoire de l'opérateur lors de l'approche finale. Testé sur un manipulateur mobile quadrupède, le système atteint une précision de positionnement de 59 mm d'erreur quadratique moyenne par rapport à une référence de capture de mouvement, et maintient le bras à au moins 18 cm des obstacles même lorsque l'opérateur tente délibérément une collision de 6 cm. Sur une tâche de manipulation de vanne industrielle et une tâche de prise dépose, le framework complet réussit tous les essais, tandis que le mode entièrement autonome, déclenché par geste, réussit quatre essais sur cinq par tâche. L'intérêt pour l'industrie robotique tient au problème visé: en téléopération classique, aligner précisément un effecteur avec une cible en environnement encombré, avec une perception de profondeur limitée par caméra, reste une source d'erreurs et de collisions coûteuses. En retirant marqueurs et calibration tout en gardant l'opérateur dans la boucle de décision, le système promet un déploiement plus rapide sur des cellules industrielles existantes. Le fait que retirer soit le module de collision, soit le module d'assistance provoque des échecs par des mécanismes différents montre que les deux briques sont complémentaires et non redondantes, un signal utile pour les intégrateurs qui évaluent la robustesse réelle de ces architectures avant tout achat. Le travail s'inscrit dans la convergence actuelle entre modèles vision-langage et téléopération assistée, où l'ancrage d'instructions textuelles dans la perception robotique gagne du terrain face aux interfaces manuelles pures. Les auteurs positionnent leur contribution comme une alternative légère aux pipelines nécessitant équipement dédié ou calibration lourde, et annoncent la possibilité de basculer vers une exécution autonome sur la même cible sans pipeline de perception séparé, ouvrant la voie à des essais plus poussés sur d'autres plateformes et tâches industrielles.

Recherche❖Paper

1 source

39

3823arXiv cs.RO 

Robot réceptionniste à tête humanoïde articulée pour interaction humaine naturelle

Une équipe de recherche présente dans une publication arXiv (juillet 2026) une tête humanoïde articulée conçue spécifiquement pour un rôle de robot réceptionniste. Le système compte 21 degrés de liberté (DoF), répartis entre des mécanismes dédiés à la bouche, aux yeux, aux sourcils et au cou, le tout recouvert d'une peau en silicone réaliste destinée à reproduire une apparence et des expressions humaines crédibles. Côté logiciel, l'architecture combine plusieurs modèles spécialisés : SCRFD, ArcFace et ByteTrack pour la reconnaissance et le suivi des visages, associés à Llama pour le traitement du langage naturel et à Whisper pour la reconnaissance vocale. L'ensemble fonctionne en temps réel et intègre une fonction de ré-identification permettant au robot de reconnaître une personne déjà rencontrée. Une étude utilisateur a mesuré quantitativement les capacités conversationnelles et de ré-identification du système, tandis que son expressivité émotionnelle et sa ressemblance humaine ont été évaluées séparément, obtenant un score moyen de similarité humaine de 4,13 sur 5. Ce travail illustre une tendance de fond dans la robotique sociale : la course ne se joue plus seulement sur la mobilité ou la manipulation, comme chez les humanoïdes industriels type Figure 03 ou Optimus, mais aussi sur l'interaction faciale fine, jugée déterminante pour l'acceptabilité dans des rôles d'accueil, d'éducation ou de service. Un score de 4,13/5 en similarité humaine, obtenu via une étude utilisateur et non une simple démonstration vidéo, constitue une donnée relativement solide face à l'inflation habituelle de communiqués promettant un réalisme "sans précédent". Pour les intégrateurs et décideurs B2B envisageant des déploiements en accueil ou en relation client, ce type de plateforme à 21 DoF avec pile logicielle ouverte (Llama, Whisper) montre qu'une expressivité crédible reste accessible sans recourir à des architectures propriétaires fermées. Le développement de têtes robotiques expressives répond à des limites connues du secteur : coûts élevés, complexité mécanique et faible adaptabilité des solutions existantes à des environnements variés. Contrairement aux humanoïdes généralistes de grande taille conçus pour la logistique ou l'industrie, cette approche cible spécifiquement l'interaction sociale localisée, un segment où des acteurs comme Enchanted Tools ou Pollen Robotics explorent également des pistes d'expressivité et d'accueil, sans toutefois atteindre le même niveau de granularité faciale. Les auteurs ne précisent pas encore de calendrier de commercialisation ni de site pilote concret, l'étude restant à ce stade au niveau de la validation en laboratoire.

Recherche❖Paper

1 source

39

3824arXiv cs.RO 

SplatSearch : navigation vers une image cible pour robots mobiles via 3D Gaussian Splatting et modèles de diffusion

Des chercheurs présentent SplatSearch, une nouvelle architecture de navigation robotique permettant à un robot mobile de retrouver un objet ou une personne spécifique à partir d'une seule image de référence, prise sous un angle arbitraire. Le système s'appuie sur des reconstructions 3D par Gaussian Splatting (3DGS) construites à partir de vues éparses, une technique bien moins gourmande en données que les reconstructions denses classiques. SplatSearch génère plusieurs points de vue synthétiques autour des objets candidats grâce à cette carte 3DGS, puis utilise un modèle de diffusion multi-vues pour compléter les zones manquantes des images rendues, ce qui permet une mise en correspondance robuste avec l'image cible. Une politique d'exploration de frontières a également été développée : elle combine le contexte visuel des vues synthétisées et le contexte sémantique de l'image but pour hiérarchiser les zones à explorer en priorité. Les auteurs rapportent des performances supérieures aux méthodes de référence actuelles, mesurées en taux de réussite et en longueur de chemin jusqu'au succès, sur des environnements domestiques photoréalistes et des tests en conditions réelles. Une étude d'ablation confirme la pertinence des choix de conception retenus. Cette avancée s'attaque à un problème central pour la robotique de service et l'inspection industrielle : la capacité d'un robot à localiser une cible précise dans un environnement inconnu, sans dépendre d'un scan 3D exhaustif préalable. La navigation par instance d'image (Instance Image Goal Navigation) est particulièrement exigeante lorsque l'image de référence est prise sous un angle très différent de celui du robot au moment de la recherche, un scénario fréquent en usage réel mais souvent contourné dans les benchmarks. En misant sur des reconstructions éparses complétées par diffusion plutôt que sur des cartes 3D denses coûteuses à construire, l'approche pourrait réduire le temps de calibration nécessaire au déploiement de robots de recherche et de récupération d'objets, un enjeu concret pour les intégrateurs travaillant sur des AMR en environnement domestique ou logistique. Le travail s'inscrit dans la lignée des recherches combinant 3D Gaussian Splatting et navigation robotique, une technique de rendu apparue en 2023 et rapidement adoptée pour la cartographie temps réel en raison de sa rapidité par rapport aux champs de radiance neuronaux (NeRF). SplatSearch se positionne face aux méthodes état de l'art existantes en IIN, qu'il dépasse selon les métriques de taux de réussite et de longueur de chemin rapportées dans l'article, republié en version 2 sur arXiv. Le papier ne précise pas de partenariat industriel ni de calendrier de déploiement commercial ; il s'agit à ce stade d'une contribution de recherche académique, validée par simulation et par des tests réels limités, sans indication d'un acteur français ou européen impliqué.

Recherche❖Paper

1 source

39

3825arXiv cs.RO 

Robots quadrupèdes : transport coopératif par NMPC distribué et critique de sécurité basé sur ADMM

Une équipe de recherche publie sur arXiv (2607.17007v1, dépôt du 24 juillet 2026) un framework de commande prédictive non linéaire distribuée (DNMPC) pour le transport coopératif de charges par des équipes de robots quadrupèdes. Le système robotique et la charge partagée sont modélisés comme un réseau dynamiquement couplé par des contraintes holonomes rigides. Le problème d'optimisation centralisé à horizon fini est décomposé en sous-problèmes NMPC locaux résolus en parallèle et coordonnés via ADMM (alternating direction method of multipliers), avec un consensus imposé à la fois sur l'état de la charge et sur les torseurs d'interaction, en intégrant les contraintes de couplage holonome au niveau accélération. La sécurité (évitement d'obstacles pour les robots et pour la charge) est assurée par des fonctions barrières de contrôle d'ordre supérieur (HOCBF). Le framework est validé en simulation avec des équipes de deux, trois et quatre robots dans des environnements encombrés, puis testé en temps réel sur des équipes de deux et trois robots sous incertitude de charge et perturbations externes, avec une réduction jusqu'à 23% du temps de résolution du problème d'optimisation non linéaire par rapport à une NMPC centralisée, pour des performances en boucle fermée comparables. L'intérêt principal est la scalabilité: la commande centralisée devient rapidement le goulot d'étranglement quand le nombre de robots coopérants augmente, ce qui limite le transport collectif de charges à des cas de petite échelle. En distribuant le calcul tout en conservant un consensus explicite sur l'état de la charge, plutôt qu'un consensus limité aux seuls torseurs d'interaction comme dans des travaux antérieurs, les auteurs améliorent le suivi de trajectoire de la charge et la coordination, un point que les études d'ablation confirment. La robustesse démontrée aux délais de communication est également significative pour un déploiement réel, où les liaisons sans fil entre robots ne sont jamais parfaites. Le travail s'inscrit dans la lignée des recherches sur la NMPC distribuée par ADMM et les barrières de contrôle pour la sécurité, déjà explorées pour des robots à roues ou aériens, mais adaptées ici aux contraintes spécifiques des quadrupèdes coopérant sur une charge rigide. Il s'agit d'une contribution académique, sans annonce de pilote industriel ni de partenaire commercial identifié; les suites logiques évoquées par les auteurs concernent le passage à des équipes plus grandes et des environnements moins structurés.

Recherche❖Paper

1 source

39

3826arXiv cs.RO 

Foresight par apprentissage résiduel pour la manipulation robotique à long horizon avec des modèles vision-langage-action

Le laboratoire de recherche en robotique derrière l'étude "Foresight Residual RL" a publié le 24 juillet 2026 sur arXiv (2607.16506v1) une méthode visant à corriger un défaut connu des politiques Vision-Language-Action (VLA) sur les tâches d'assemblage complexes. Le problème identifié est concret : sur une tâche en trois phases (saisie, déplacement-insertion, rotation) simulant le serrage d'un écrou avec une clé dans l'environnement Isaac Gym, les méthodes classiques de reinforcement learning résiduel appliquées à une politique VLA gelée échouent à enchaîner les sous-tâches correctement, même quand chaque sous-tâche individuelle réussit. La solution proposée, baptisée Foresight Residual RL, entraîne un prédicteur visuel qui estime, à partir d'une image de l'état terminal d'une sous-tâche, la probabilité de succès des sous-tâches suivantes, et utilise cette estimation comme multiplicateur de récompense pour orienter l'apprentissage. Sur la tâche testée, la méthode atteint 85,6% de réussite sur l'ensemble de la séquence, contre 54,5% pour le RL résiduel standard et des résultats inférieurs pour les politiques VLA de base seules. Ce résultat pointe un angle mort largement sous-estimé dans le déploiement industriel des politiques génératives pour la manipulation robotique : optimiser chaque geste isolément ne garantit pas un enchaînement fiable des tâches. Pour les intégrateurs qui envisagent des lignes d'assemblage à tolérances serrées, contact-riche, type ligne électronique ou mécanique de précision, la démonstration confirme un écart persistant entre la performance en démonstration isolée et la performance en séquence réelle, un des points de vigilance recurrents pointés par les acteurs du secteur, sceptiques face aux vidéos promotionnelles de robots humanoïdes. Le fait que le succès par sous-tâche reste inchangé alors que le succès global bondit change la manière de penser l'entraînement : il ne s'agit plus seulement de maximiser un taux de réussite par étape, mais de façonner l'état terminal produit à chaque étape pour qu'il reste exploitable par l'étape suivante, une nuance directement pertinente pour les équipes qui construisent des pipelines d'apprentissage par renforcement sur des bases VLA préentraînées comme Pi-0 ou GR00T. Cette approche s'inscrit dans la lignée des travaux récents combinant politiques VLA préentraînées et affinage par RL résiduel, une stratégie de plus en plus utilisée pour adapter des modèles de manipulation généralistes à des tâches industrielles spécifiques sans réentraîner l'ensemble du modèle. La méthode a été validée uniquement en simulation, sur une tâche mécanique unique et relativement contrainte ; aucune date de transfert vers un robot physique ni de partenariat industriel n'est mentionnée dans l'article. Les auteurs positionnent leurs travaux comme une réponse méthodologique générale au problème d'attribution de crédit sur des horizons longs, un défi que partagent les principaux laboratoires travaillant sur les politiques génératives pour bras robotiques et humanoïdes, de Physical Intelligence à NVIDIA, sans qu'aucun acteur français ou européen ne soit cité dans cette publication.

Recherche❖Paper

1 source

39

3827arXiv cs.RO 

Optimisation du transfert simulation-réel chez le robot humanoïde NICO

Une équipe de recherche a présenté une nouvelle méthode pour améliorer la préhension d'objets par le robot humanoïde NICO, en s'appuyant sur des travaux antérieurs de calibration haptique qui avaient déjà réduit les erreurs de positionnement lors de mouvements de type "reaching" en 2D. Dans cette nouvelle étude, publiée sur arXiv, les chercheurs étendent cette approche à la saisie d'objets posés sur une table. Le système combine une détection d'objets et de mains par YOLO, une localisation par vision stéréo exploitant les caméras fisheye basse résolution déjà intégrées au robot, et des corrections spécifiques à la tâche de préhension. L'ensemble forme un pipeline de calibration qui ne nécessite ni caméra RGB-D, ni capture de mouvement, ni système de tracking externe. Un modèle de feedback visuel a également été implémenté pour aligner la main du robot sur l'objet détecté juste avant la saisie. Les résultats montrent que le modèle de calibration pleinement non linéaire obtient les meilleures performances dans la zone calibrée, tandis que le modèle à feedback visuel affiche le meilleur taux de réussite global sur l'ensemble de l'espace de travail. Ce travail illustre une approche alternative au problème classique du "sim-to-real gap" en robotique humanoïde, qui empêche souvent des mouvements planifiés en simulation de réussir sur le robot physique. Plutôt que de s'appuyer sur des capteurs coûteux (RGB-D, motion capture) ou sur de grands modèles vision-langage-action entraînés sur des données massives, comme le font des systèmes tels que Pi-0 ou GR00T, cette méthode mise sur une calibration low-cost combinée à un feedback visuel léger. Pour les plateformes de recherche et d'enseignement en robotique, disposant de capteurs limités, cette piste offre une voie économique pour améliorer la fiabilité de la préhension sans investissement matériel lourd. NICO (Neuro-Inspired COmpanion) est une plateforme humanoïde de recherche déjà utilisée dans des travaux antérieurs sur la calibration haptique du reaching. Cette publication, encore un preprint arXiv non revu par les pairs, constitue une extension directe de ces travaux vers la manipulation d'objets, et s'inscrit dans un paysage dominé par les approches basées sur l'apprentissage à grande échelle plutôt que sur la calibration classique.

Recherche❖Paper

1 source

39

3828arXiv cs.RO 

Robot quadrupède : navigation par imagination latente prédictive

Des chercheurs ont publié sur arXiv (arXiv:2607.17574, dépôt de juillet 2026) une nouvelle méthode d'entraînement pour la navigation de robots quadrupèdes en environnement dynamique. Le système part d'une architecture réactive classique, un backbone LSTM-SRU qui choisit ses actions à partir des observations courantes et d'une mémoire à court terme, et lui ajoute pendant l'entraînement un prédicteur auxiliaire de type JEPA couplé à une régularisation SIGReg. Ce module apprend à l'état caché du réseau à anticiper son propre état futur, donc la dynamique probable des obstacles mobiles à court horizon, avant d'être entièrement supprimé au moment de l'inférence : le contrôleur final reste aussi léger que la version purement réactive, sans paramètre ni coût de calcul supplémentaire. Les auteurs valident l'approche en simulation puis sur un robot réel, un Unitree Go2, déployé en environnements intérieurs encombrés et en extérieur avec obstacles dynamiques, avec transfert sim-to-réel en zero-shot, c'est-à-dire sans aucun réglage fin sur le robot physique. L'intérêt de ce travail est de s'attaquer à un problème concret des politiques de navigation par apprentissage par renforcement : leur tendance à réagir trop tard face à des obstacles mobiles, parce que le risque de collision dépend de la structure de la scène à court horizon et non de la seule position instantanée des obstacles. En injectant une supervision prédictive uniquement pendant l'entraînement, la méthode évite le compromis habituel entre capacité d'anticipation et complexité embarquée à l'inférence, un enjeu central pour les intégrateurs qui doivent faire tourner ces contrôleurs sur du matériel embarqué à ressources limitées. Le transfert zero-shot vers un Go2 sans fine-tuning est aussi un point notable : il illustre que l'écart sim-to-réel, souvent cité comme le principal obstacle à la robotique mobile apprise, peut être réduit sans données réelles supplémentaires pour ce type de tâche de navigation. À noter toutefois que l'abstract ne fournit pas de chiffres précis de taux de réussite ou de réduction de collisions, seulement une amélioration qualifiée de substantielle. Ce travail s'inscrit dans la lignée des méthodes d'apprentissage prédictif du monde (world models, architectures JEPA popularisées notamment par les travaux de Yann LeCun chez Meta) appliquées cette fois à la robotique locomotrice plutôt qu'à la vision ou au langage. Il rejoint une tendance plus large de la recherche en navigation robotique visant à doter les politiques réactives de capacités anticipatives sans alourdir l'inférence, un axe suivi par plusieurs laboratoires travaillant sur les quadrupèdes de type Unitree Go2 ou Boston Dynamics Spot. Les prochaines étapes attendues incluent l'extension à des flottes de robots ou à des environnements encore plus denses en obstacles humains, ainsi que la comparaison directe avec d'autres approches prédictives publiées sur les mêmes benchmarks.

Recherche❖Paper

1 source

38

3829arXiv cs.RO 

World Translation : réduire l'écart simulation-réalité malgré l'observabilité partielle

Des chercheurs proposent une nouvelle méthode baptisée "World Translation" pour réduire l'écart entre simulation et réalité dans l'apprentissage de politiques robotiques, selon un article publié sur arXiv (2607.18154v1). Le problème ciblé est classique en robotique par apprentissage : une politique entraînée en simulation se comporte souvent mal une fois déployée sur un robot réel, car les modèles de dynamique appris à partir de données réelles échouent en cas d'observabilité partielle, c'est-à-dire quand un même signal capté par les capteurs peut correspondre à plusieurs transitions physiques différentes selon des facteurs non observés, comme un contact soudain sans signe avant-coureur. Plutôt que de prédire la dynamique en avant à partir de l'historique d'observations comme les méthodes existantes, l'équipe extrait l'information dynamique non observable en amont, à rebours, à partir d'une transition déjà observée, puis la transpose entre simulation et réalité via un problème de traduction de domaine non appariée. Les expériences couvrent trois types de plateformes : humanoïde, quadrupède et manipulateur, avec une validation en conditions réelles sur le quadrupède Go2 d'Unitree. L'enjeu dépasse la seule prouesse académique. Le fossé sim-to-real reste l'un des principaux verrous empêchant les politiques entraînées massivement en simulation d'atteindre une fiabilité suffisante pour un déploiement industriel, que ce soit pour des humanoïdes, des quadrupèdes d'inspection ou des bras manipulateurs. Une méthode qui gagne en précision précisément là où l'historique d'observations est peu informatif, typiquement les événements de contact brusques, cible un point faible connu des architectures actuelles de type VLA ou des politiques apprises par renforcement en simulation. Pour les intégrateurs et équipes R&D, cela concerne directement la robustesse des transferts de politiques vers du matériel réel, un enjeu central alors que le secteur multiplie les annonces de déploiements humanoïdes sans toujours démontrer une généralisation fiable hors du laboratoire. Ce travail s'inscrit dans la lignée des approches dites "real-to-sim", qui cherchent à améliorer le réalisme du simulateur à partir de données réelles plutôt que l'inverse, en s'appuyant sur des modèles de dynamique appris. L'article positionne World Translation comme complémentaire à ces approches : les simulateurs restent déterministes mais physiquement imparfaits, tandis que les modèles appris sont précis mais sous-déterminés en cas d'observabilité partielle. Le choix du Go2 d'Unitree comme plateforme de validation réelle s'inscrit dans une pratique courante de la recherche en locomotion, ce robot quadrupède commercial servant de banc d'essai standard pour de nombreuses équipes académiques avant d'envisager un passage à des plateformes humanoïdes plus complexes.

Recherche❖Paper

1 source

38

3830arXiv cs.RO 

DROID-ANCHOR : estimation récurrente de profondeur métrique ancrée sur l'odométrie

Des chercheurs publient sur arXiv (référence 2607.17058v1, juillet 2026) un nouveau système baptisé Metric-DROID, associé au papier intitulé DROID-ANCHOR, qui vise à résoudre un problème classique de la navigation robotique autonome : l'estimation de profondeur métrique à partir d'une seule caméra. Les systèmes SLAM récents basés sur des flux récurrents atteignent un excellent niveau de robustesse mais restent incapables de fournir une échelle physique fiable, ce qu'on appelle l'ambiguïté d'échelle, avec un risque de dérive au fil du déplacement du robot. Metric-DROID propose une architecture bout-en-bout qui ancre le SLAM visuel à la réalité physique en intégrant des données d'odométrie proprioceptive, c'est-à-dire les mesures internes de déplacement du robot (roues, capteurs inertiels). Le système repose sur trois briques : un opérateur de mise à jour LSTM qui transforme les séquences d'odométrie haute fréquence en cartes de caractéristiques spatiales servant de biais métrique persistant ; un module d'ajustement de faisceaux ($BA_{odom}$) qui pondère intelligemment les données visuelles et les mesures métriques grâce à une covariance apprise, limitant l'impact du glissement des roues et du bruit capteur ; et une stratégie de réglage fin sélectif qui préserve les connaissances géométriques pré-entraînées tout en permettant un alignement métrique sans réentraînement complet (zero-shot). L'enjeu est concret pour l'industrie robotique : la plupart des systèmes de navigation autonome low-cost s'appuient sur une caméra monoculaire plutôt que sur des capteurs stéréo ou LiDAR coûteux, mais butent justement sur cette absence d'échelle métrique fiable, ce qui limite leur usage en cartographie, en évitement d'obstacles précis ou en manipulation mobile. Si l'approche tient ses promesses en conditions réelles et pas seulement en benchmark, elle pourrait permettre à des robots mobiles et des AMR équipés de capteurs bon marché d'obtenir une localisation et une perception de profondeur en unités réelles, sans dépendre exclusivement de capteurs additionnels dédiés, ce qui réduirait les coûts matériels tout en fiabilisant la navigation en environnements dynamiques. Ce travail s'inscrit dans la lignée des systèmes SLAM récurrents de type DROID-SLAM, connus pour leur robustesse mais limités par l'ambiguïté d'échelle inhérente aux approches purement visuelles. En fusionnant apprentissage profond et odométrie classique plutôt que de s'appuyer sur des capteurs de profondeur additionnels, les auteurs se positionnent face aux approches concurrentes de SLAM visuo-inertiel ou visuo-LiDAR. L'article, encore au stade de publication de préprint, ne fournit pas à ce jour de détails sur un déploiement matériel réel ni sur des tests en conditions industrielles : il s'agit pour l'instant d'une contribution méthodologique dont la validation à grande échelle sur des plateformes robotiques commerciales reste à démontrer.

Recherche❖Paper

1 source

38

3831arXiv cs.RO 

BoxTwin : apprendre la dynamique d'objets articulés élastoplastiques à partir de vidéos

BoxTwin est un framework de jumeau numérique interactif conçu pour apprendre, à partir de simples vidéos, la dynamique complète des objets articulés élastoplastiques (EAO) : des objets comme des boîtes en carton ou des structures pliables qui combinent élasticité non linéaire, déformation plastique irréversible et accumulation de dommages au fil des manipulations. Le pipeline reconstruit d'abord la scène filmée, puis identifie pour chaque objet un modèle constitutif informé par la physique, c'est-à-dire une représentation mathématique de son comportement mécanique réel plutôt qu'une approximation générique. Les auteurs ont testé leur méthode sur deux scénarios : le pliage manuel d'objets et leur manipulation par un bras robotique double (dual-arm). Résultat annoncé : le système suit précisément les trajectoires articulaires et reproduit le comportement plastique post-contact sur de longs horizons temporels, y compris après plusieurs cycles de déformation. Le travail est publié en préprint sur arXiv sous la référence 2607.17132v1. L'enjeu concret touche la logistique et la manipulation industrielle, deux domaines où le carton, les boîtes pliables et autres contenants déformables sont omniprésents mais mal pris en charge par les simulateurs actuels, la plupart supposant des objets rigides ou purement élastiques sans mémoire de déformation. Cette limite alimente l'écart classique entre simulation et réel (sim-to-real gap) : un robot entraîné sur un jumeau numérique qui ignore l'usure et le fluage plastique d'un carton risque d'échouer en conditions réelles après quelques manipulations répétées. En captant ce comportement directement depuis la vidéo plutôt que via un modelage manuel coûteux, BoxTwin ouvre une piste pour entraîner des politiques de manipulation plus robustes sur des entrepôts ou lignes d'emballage, notamment pour les systèmes de préparation de commandes ou de tri assistés par bras robotiques. Le sujet s'inscrit dans un champ de recherche encore restreint, à la croisée de la reconstruction 3D par vidéo, de la simulation physique différentiable et de la manipulation robotique de matériaux déformables (tissus, cartons, structures pliables), un terrain nettement moins mature que celui des jumeaux numériques pour robots rigides ou humanoïdes. S'agissant d'un préprint tout juste publié, aucun partenaire industriel, aucune intégration produit ni calendrier de déploiement n'est mentionné à ce stade : il s'agit d'une contribution académique, dont la suite logique serait une intégration dans des boucles de contrôle robotique pour une manipulation adaptative d'objets déformables en environnement non structuré, sans qu'un pilote concret soit annoncé pour l'instant.

Recherche❖Paper

1 source

38

3832arXiv cs.RO 

Seg2Grasp : une préhension par succion modulaire et robuste pour le bin picking

Une équipe de recherche présente Seg2Grasp, un pipeline modulaire de préhension par succion conçu pour le bin picking en environnement industriel encombré et dynamique. Contrairement aux approches end-to-end qui échouent souvent face à des objets inconnus ou complexes, Seg2Grasp découpe le problème en trois étapes distinctes : segmentation, préhension et classification. Le module de segmentation s'appuie sur un modèle Transformer pour générer des masques d'objets agnostiques à la classe à partir d'images RGB-D, garantissant une détection fiable quelles que soient les conditions. Le module de préhension exploite les normales de surface et les propositions de masques pour déterminer les points de succion optimaux, améliorant le taux de réussite des prises. Le module de classification repose sur une version affinée de Mask-CLIP, un modèle à vocabulaire ouvert, permettant d'identifier précisément une grande diversité d'objets. Des expériences robotiques en conditions réelles montrent que Seg2Grasp dépasse les méthodes existantes en taux de réussite et en capacité d'adaptation. Cette architecture modulaire répond à une limite bien connue des systèmes de bin picking actuels : la fragilité des modèles end-to-end lorsqu'ils rencontrent des objets hors distribution d'entraînement. En séparant explicitement perception, planification de prise et reconnaissance, Seg2Grasp gagne en robustesse et en interprétabilité, un atout pour les intégrateurs qui doivent déployer ces systèmes sur des flux d'objets hétérogènes et changeants, typiques de la logistique et du e-commerce. L'usage d'un modèle ouvert-vocabulaire pour la classification évite aussi le réentraînement coûteux à chaque nouvel objet, ce qui facilite l'adaptation en production. Cela illustre une tendance de fond dans la robotique de manipulation : revenir à des pipelines modulaires et interprétables plutôt qu'à des réseaux monolithiques, quand la fiabilité en usine prime sur la performance brute en benchmark. Le bin picking par succion reste un défi central en logistique automatisée, où AMR et bras robotiques doivent traiter des objets de formes, matières et poids variés sans connaissance préalable. Seg2Grasp s'inscrit dans la lignée des travaux combinant modèles de segmentation génériques et CLIP pour la reconnaissance ouverte, une approche de plus en plus répandue face aux limites des systèmes fermés entraînés sur catalogues fixes. L'article, publié en preprint sur arXiv, ne précise pas encore de partenariat industriel ni de calendrier de déploiement commercial ; il s'agit pour l'instant d'une démonstration en laboratoire dont la portée reste à confirmer par des tests à plus grande échelle.

Recherche❖Paper

1 source

38

3833arXiv cs.RO 

Main basse pour un pouce anthropomorphe sans capteurs, souple, actionné par électrohydraulique

Un article publié sur arXiv (version révisée, "replace") présente une main robotique anthropomorphe entièrement actionnée par des vérins électrohydrauliques de type Peano-HASEL, sans capteurs externes. Les chercheurs ont déporté les actionneurs dans l'avant-bras plutôt que dans la main elle-même, ce qui isole l'interface de préhension des risques électriques tout en conservant un profil fin, proche de la morphologie humaine. Pour compenser la contraction linéaire limitée de ces actionneurs souples, l'équipe a intégré un mécanisme de poulies avec un rapport de démultiplication de 1:2, qui amplifie mécaniquement le déplacement des tendons. Point clé du système: la nature auto-détectrice des actionneurs HASEL permet, en surveillant simplement le courant de fonctionnement, de détecter la préhension en temps réel et d'assurer un contrôle en boucle fermée sensible au contact, sans capteurs de force ni encodeurs additionnels. Les essais montrent que la main reproduit des types de prise issus des taxonomies standards et manipule sans les détruire des objets très fragiles, comme un ballon en papier. L'intérêt pour l'industrie robotique tient moins à la puissance qu'à la sécurité intrinsèque: en misant sur des actionneurs qui limitent naturellement la force appliquée plutôt que sur des capteurs externes coûteux, ce type d'architecture pourrait simplifier la conception de mains destinées à la manipulation d'objets fragiles ou à l'interaction physique avec des humains, un enjeu central pour les intégrateurs travaillant sur la cobotique et les humanoïdes. Le compromis assumé, une capacité de charge utile réduite au profit de la compliance, illustre bien la tension classique entre sécurité passive et performance brute dans les mains robotiques actuelles. Les actionneurs HASEL (hydraulically amplified self-healing electrostatic) s'inscrivent dans la lignée des muscles artificiels électrohydrauliques étudiés en robotique souple depuis plusieurs années, en alternative aux mains rigides à câbles ou tendons équipées de capteurs de force et couple, comme la Shadow Hand. Ce travail reste à un stade de recherche académique: aucune date de commercialisation ni déploiement industriel n'est mentionné, et les prochaines étapes attendues concernent probablement l'augmentation de la capacité de charge et des tests hors laboratoire.

Recherche❖Paper

1 source

38

3834arXiv cs.RO 

Apprentissage de marges de sécurité adaptatives pour la navigation visuelle

Des chercheurs présentent un nouveau système de sélection de trajectoires pour la navigation robotique en intérieur encombré, détaillé dans un preprint arXiv (2607.18200v1). Le problème ciblé : les marges de sécurité fixes utilisées par les robots mobiles sont mal calibrées, trop conservatrices elles provoquent détours et dépassements de temps, trop permissives elles autorisent des trajectoires limites dangereuses en cas de biais de perception. Les auteurs proposent un "safety critic" conditionné par le contexte qui apprend une préférence de dégagement adaptative pour classer les propositions générées par un planificateur par diffusion à partir d'images RGB-D égocentriques. Le critique combine trois composantes : un terme de sécurité avec pénalité de budget de dégagement et résidu de fonction barrière de contrôle, un terme d'efficacité mêlant lissage et pénalité de détour conditionnée à la sécurité, et un terme d'ancrage aux clearances ESDF réelles pour éviter l'effondrement de la marge apprise. L'entraînement s'appuie sur une géométrie ESDF privilégiée en simulation, puis le modèle est distillé en un sélecteur ne nécessitant que la perception, via une procédure enseignant-élève en deux temps. Sur les benchmarks PointGoal HM3D et MP3D, y compris en transfert cross-dataset, la méthode obtient les meilleurs taux de réussite et scores SPL face à des références par diffusion, par optimisation et par apprentissage par renforcement. Pour l'industrie robotique, ce travail s'attaque à un goulot d'étranglement concret : la plupart des planificateurs par diffusion génèrent déjà des trajectoires diverses et valables, mais peinent à choisir laquelle exécuter en toute sécurité. Une marge de sécurité apprise et adaptative plutôt que codée en dur pourrait réduire les échecs de navigation des robots déployés en environnements réels, entrepôts, usines, intérieurs domestiques, sans réglage manuel site par site. Le transfert direct vers un humanoïde Unitree G1, entraîné uniquement en simulation et sans ajustement spécifique à la tâche, illustre une réduction crédible de l'écart simulation-réel, un point sensible pour les intégrateurs qui restent souvent méfiants face aux démonstrations purement simulées. Ce travail s'inscrit dans la lignée des planificateurs par diffusion pour la navigation, une approche récente qui a gagné du terrain face aux méthodes d'optimisation classiques et au RL, en s'appuyant sur les fonctions barrière de contrôle et les champs de distance signée (ESDF) pour formaliser la sécurité. Le papier reste à ce stade une publication de recherche non revue par les pairs, sans lien annoncé avec un acteur industriel ; aucune date de déploiement produit ni partenariat n'est mentionné.

Recherche❖Paper

1 source

38

3835arXiv cs.RO 

Politique de patch : contrôle incarné efficace par représentations visuelles denses

Une équipe de recherche en robotique publie Patch Policy, une extension architecturale pour les politiques de contrôle robotique basées sur des transformeurs, décrite dans un article déposé sur arXiv (2607.18236). Le constat de départ est que les politiques robotiques actuelles compressent chaque observation visuelle en un unique token global, ou entraînent leur backbone visuel à partir de zéro, ce qui sacrifie soit le détail spatial fin, soit les bénéfices du pré-entraînement visuel à grande échelle sur des Vision Transformers (ViT). Patch Policy résout ce compromis grâce à un masque d'attention block-causal qui préserve la causalité temporelle des politiques standards tout en permettant au modèle d'exploiter de nombreux tokens de patchs denses par observation, en complément des autres informations d'état. Testée sur quatre suites d'environnements simulés et trois suites en conditions réelles, la méthode affiche une amélioration relative de 40% par rapport aux politiques utilisant des représentations globales poolées de pointe, et dépasse de 18% les performances d'OpenVLA-OFT affiné, tout en ne mobilisant qu'environ 0,7% de ses paramètres. Ce résultat s'attaque directement à un point de friction connu du secteur : les grands modèles vision-langage-action (VLA) exploitent bien des features denses, mais héritent du coût de calcul complet d'un VLM à plusieurs milliards de paramètres, rendant leur usage difficile pour du contrôle réactif à haute fréquence. En démontrant qu'une politique légère peut surpasser un VLA lourd fine-tuné avec une fraction infime des paramètres, Patch Policy contredit l'hypothèse selon laquelle la performance en contrôle embarqué exige nécessairement des backbones massifs. Pour les intégrateurs et équipes R&D robotique, cela ouvre une voie pour exploiter les progrès continus de l'apprentissage de représentations visuelles sans les coûts d'inférence et d'entraînement associés aux VLA géants. Ce travail s'inscrit dans la lignée des efforts récents pour rapprocher robotique et vision par transformeurs pré-entraînés, dans un paysage dominé par des modèles VLA de référence comme OpenVLA, Pi-0 ou GR00T N2. Contrairement à ces architectures conçues pour la généralisation à grande échelle, Patch Policy vise l'efficacité et la vitesse d'inférence, positionnant l'approche comme un pipeline pratique plutôt qu'un nouveau foundation model. Les auteurs mettent à disposition des vidéos de démonstration sur patch-policy.github.io, sans toutefois préciser de calendrier de déploiement industriel ou de partenariat commercial à ce stade.

Recherche❖Paper

1 source

37

3836arXiv cs.RO 

IA incarnée : diffusion latente token par token, des raisonneurs lents vers les planificateurs rapides pour la navigation dynamique vision-langage

Le laboratoire de recherche à l'origine du framework SPARK-VLN publie sur arXiv (arXiv:2607.16806v1, juillet 2026) une architecture destinée à la navigation par langage naturel (Vision-Language Navigation, VLN) en environnement dynamique et peuplé d'humains. Le problème identifié est concret: les modèles de langage visuels (VLM) utilisés pour raisonner sur une instruction et planifier une trajectoire sont lents, alors qu'un robot évoluant parmi des piétons a besoin de décisions quasi instantanées. Ce décalage crée un phénomène de "staleness": une manœuvre calculée pendant l'inférence peut devenir dangereuse avant même d'être exécutée, la scène ayant changé entretemps. La solution proposée, SPARK-VLN, repose sur une architecture double: le VLM lent continue de raisonner, mais ses états cachés intermédiaires, généré token par token, sont extraits en temps réel par un module appelé Token-Wise Hidden Streamer, convertis en représentations compactes via un Sequence-to-Slot Latent Bridge, puis injectés dans un planificateur rapide de type flow-matching grâce à un Evolving Latent Conditioner. Les auteurs publient également un nouveau benchmark de navigation sociale dynamique, où piétons et robot restent actifs pendant toute la durée de l'inférence, avec des métriques de succès, de conformité sociale, de collisions humaines et de staleness. Pour les intégrateurs et les équipes robotique, cette publication touche un point sensible: la plupart des architectures VLA (vision-language-action) actuelles, y compris des systèmes commerciaux comme Helix ou GR00T N2, séparent déjà un "cerveau" lent et un contrôleur rapide, mais la synchronisation entre les deux reste un angle mort peu documenté publiquement. SPARK-VLN illustre une piste concrète pour réduire ce décalage sans attendre la fin du raisonnement complet du VLM. L'abstract ne communique toutefois aucun chiffre de performance précis (pas de taux de succès, pas de gain en pourcentage), ce qui limite pour l'instant la portée du résultat à une preuve de concept méthodologique plutôt qu'à une validation chiffrée solide. Ce travail s'inscrit dans la lignée des architectures dites "dual-system" inspirées du System 1 / System 2 cognitif, déjà explorées par des acteurs comme Figure (Helix) ou NVIDIA (GR00T). Les prochaines étapes annoncées passent par la page projet dédiée (hutslib.github.io/SPARK-VLN), où code et benchmark devraient être rendus disponibles pour permettre des comparaisons indépendantes.

IA physique❧Opinion

1 source

37

3837arXiv cs.RO 

Robots à travers différentes scènes : planification rapide et sûre de trajectoires par composition de diffusion

Une équipe de recherche présente un nouveau cadre de planification de trajectoire baptisé RSTP (diffusion composition), publié sur arXiv (2507.04384v4) avec une page projet dédiée. La méthode combine un champ d'énergie appris de façon conservative avec un processus de diffusion, ce qui permet d'intégrer plusieurs contraintes de sécurité et de cinématique sans réentraînement pour chaque nouvel environnement. Un filtre de sécurité léger est ajouté en aval pour garantir en temps réel le respect des contraintes de faisabilité cinématique. Les chercheurs ont aussi développé un pipeline de génération de données basé sur du contrôle prédictif (MPC), indépendant de la scène, pour produire à grande échelle des trajectoires d'entraînement dynamiquement réalisables. En simulation, le planificateur atteint un temps de calcul moyen de 0,21 seconde par trajectoire et un taux d'échec de seulement 0,57 %. Les tests réels ont été menés sur la plateforme robotique F1TENTH, où le système a maintenu une distance moyenne de sécurité de 0,26 mètre par rapport aux obstacles, même en présence d'incertitude des capteurs et dans des environnements dynamiques inédits. Cette avancée s'adresse directement à un problème central en robotique mobile et en navigation autonome: la difficulté de garantir simultanément vitesse de calcul, sécurité et généralisation face à des obstacles mouvants sans connaître à l'avance la scène. Les méthodes de diffusion, déjà populaires pour la génération de trajectoires en manipulation robotique et en conduite autonome, souffrent souvent d'un temps d'inférence trop long pour un usage temps réel, ou d'un manque de garanties de sécurité formelles. En démontrant un temps de planification compatible avec le temps réel tout en conservant un filtre de sécurité explicite, ce travail répond à une critique récurrente adressée aux approches génératives en robotique: leur difficulté à passer de la démonstration en simulation à un déploiement fiable sur robot physique. Le papier, une version révisée (v4) d'un article initialement soumis en juillet, s'inscrit dans la lignée des travaux combinant modèles de diffusion et planification sous contrainte, en concurrence avec des approches plus classiques de type MPC pur ou de champs de potentiel. La validation sur F1TENTH, plateforme standard de recherche en course autonome à petite échelle, ouvre la voie à des tests sur des robots de taille industrielle ou des véhicules autonomes complets, sans calendrier de déploiement commercial précisé à ce stade.

Recherche❖Paper

1 source

37

3838arXiv cs.RO 

PRISM : cartographie multimodale de terrain pour la navigation d'un rover en environnement non structuré

Des chercheurs présentent PRISM, un système de perception multimodale destiné à la cartographie de terrain pour la navigation de rovers en environnements non structurés, dans un article publié sur arXiv (2607.16366v1). Le système s'appuie sur une suite de capteurs personnalisée capturant simultanément des images RGB, de profondeur et thermiques alignées, format noté RGB-D-T. Son cœur algorithmique, baptisé OmniUnet, est un réseau basé sur les vision transformers, conçu spécifiquement pour la segmentation sémantique multimodale de terrain. Les auteurs ont validé leur approche sur deux jeux de données inédits, BASEPROD et LAENTIEC, annotés pour l'occasion, puis testé le système lors d'expériences de terrain réelles. Point notable, PRISM tourne sur un calculateur embarqué aux ressources limitées et génère des cartes de franchissabilité directement exploitables par le sous-système de guidage, navigation et contrôle (GNC) du rover. L'intérêt principal de ces travaux réside dans l'ajout de l'imagerie thermique aux capteurs optiques et de profondeur classiques, une combinaison qui améliore la différenciation des types de terrain, notamment dans des conditions où la seule vision RGB-D peine (faible luminosité, ombres, poussière, végétation ambiguë). Pour l'industrie de la robotique de terrain, planétaire ou tout-terrain, cela répond à un vrai point de friction : la fiabilité de la cartographie de franchissabilité conditionne directement la sécurité de navigation autonome sur pentes raides ou sols rocheux. Le fait que le pipeline complet, capteurs, réseau de segmentation et génération de carte, fonctionne sur du matériel embarqué contraint constitue une démonstration concrète de faisabilité, plutôt qu'une simple preuve de concept en simulation, ce qui distingue ce travail d'approches purement académiques limitées au laboratoire. Ce papier s'inscrit dans une tendance plus large de fusion de capteurs pour la perception robotique en extérieur, où les systèmes purement RGB-D montrent des limites face à la diversité des textures et éclairages du terrain naturel. Contrairement à des annonces de robots humanoïdes très médiatisées, il s'agit ici d'une contribution académique (preprint arXiv, non encore relu par les pairs) centrée sur les rovers et véhicules autonomes tout-terrain, un segment où les acteurs de référence restent les programmes d'exploration planétaire et la robotique de défense ou agricole. Les prochaines étapes attendues concernent l'extension des jeux de données et des essais terrain supplémentaires pour confirmer la robustesse du système dans des conditions plus variées.

Recherche❖Paper

1 source

37

3839arXiv cs.RO 

SoMA : un simulateur neuronal réel-vers-simulation pour la manipulation robotique de corps mous

SoMA, un simulateur neuronal de type "real-to-sim" pour la manipulation robotique d'objets déformables, vient d'être présenté dans un article arXiv (référence 2602.02402v2, version révisée). Le système s'appuie sur des Gaussian Splats 3D pour modéliser les dynamiques d'objets souples (tissus, matériaux déformables) en couplant trois éléments dans un espace latent neuronal unifié : la dynamique de déformation propre à l'objet, les forces environnementales, et les actions des articulations du robot. Contrairement aux simulateurs existants qui reposent soit sur des modèles physiques prédéfinis, soit sur des dynamiques apprises à partir de données mais sans conditionnement par les commandes du robot, SoMA intègre directement le contrôle robotique dans sa boucle de simulation. Les auteurs rapportent un gain de précision de resimulation et de généralisation de 20% sur des tâches de manipulation robotique réelles, avec une démonstration sur du pliage de tissu à horizon long. Cette approche s'attaque à un problème central pour l'industrie robotique : la manipulation d'objets souples reste l'un des angles morts des pipelines actuels de simulation-vers-réel, largement optimisés pour les objets rigides. Un simulateur capable de représenter fidèlement la déformation de matériaux tout en restant stable sur de longues séquences d'actions ouvrirait la voie à un entraînement plus fiable de politiques de manipulation pour du linge, des câbles, ou des emballages souples, sans dépendre de modèles physiques manuels coûteux à calibrer. Le gain de 20% en généralisation, s'il se confirme sur d'autres tâches que le pliage de tissu, suggérerait que les architectures neuronales conditionnées par le robot peuvent combler une partie de l'écart entre simulation et réalité pour les objets déformables, un domaine où les benchmarks restent encore peu standardisés. Le champ de la simulation "real-to-sim" pour la robotique s'est largement développé autour des Gaussian Splatting comme représentation de scène, en particulier pour les objets rigides ou articulés. SoMA prolonge cette ligne de recherche vers les corps mous, un défi documenté de longue date en raison de la difficulté à modéliser des dynamiques non linéaires avec peu de données réelles. L'article ne précise pas de plan de déploiement industriel ni de partenariat commercial à ce stade : il s'agit d'une contribution de recherche académique, dont la reproductibilité et l'extension à d'autres classes d'objets déformables (mousses, liquides, objets composites) restent à démontrer par la communauté.

Recherche❖Paper

1 source

37

3840arXiv cs.RO 

PREFAIL : identifier les précurseurs d'échecs dans les tâches robotiques de prise-et-dépose

Le fil relatif de l'objet transporte par rapport a son support permet a PREFAIL, une nouvelle méthode présentée sur arXiv (2607.16921v1), d'anticiper les échecs dans les taches de type "lift-and-place" exécutées par manipulation non préhensile, c'est-a-dire sans pince, l'objet étant simplement maintenu par friction sur un support ou un plateau mobile. Les auteurs partent d'un constat opérationnel: accélérer ces mouvements augmente le risque de perte de l'objet, tandis que ralentir la cadence dégradé le temps de cycle, un compromis central pour les lignes de manutention automatisée. En analysant ce mouvement relatif, la méthode détecte les signes précurseurs d'un échec avant qu'il ne survienne. Les chercheurs introduisent aussi un nouveau jeu de données qui identifie précisément le dernier instant d'intervention possible pour chaque manipulation a risque, c'est-a-dire jusqu'a quand une correction reste techniquement réalisable avant que la chute ou le glissement ne devienne inévitable. La méthode est validée a la fois en simulation et sur des données réelles, avec des résultats montrant une amélioration sensible de la précision et de la rapidité de détection par rapport aux approches existantes. Ce travail s'attaque a un angle mort concret de l'automatisation industrielle: la plupart des systèmes de manutention non préhensile, convoyeurs, plateaux, AMR transportant des pièces sans préhension active, fonctionnent aujourd'hui a des vitesses conservatrices précisément parce qu'aucune méthode fiable ne permet d'anticiper un échec en temps réel et d'agir a temps. Une prédiction de précurseurs véritablement actionable, plutôt qu'une simple détection a posteriori, ouvrirait la voie a des cadences plus élevées sans sacrifier le taux de réussite, un enjeu direct pour les intégrateurs et les opérateurs de lignes a haut volume en logistique, assemblage ou tri. La caractérisation du dernier instant d'intervention répond en outre a une limite méthodologique fréquente en recherche robotique: de nombreux travaux antérieurs signalent des échecs sans vérifier si une correction était encore possible au moment de la détection, rendant leurs métriques difficiles a interpréter opérationnellement. Les approches existantes de prédiction d'échec restent, selon les auteurs, limitées par leur sensibilité aux mouvements dynamiques et par une forte dépendance a la structure spécifique de la politique de contrôle utilisée, ce qui nuit a leur transferabilite d'un système a un autre. PREFAIL se positionne comme une alternative plus générique, fondée sur l'observation du mouvement relatif objet-support plutôt que sur l'inspection interne de la politique de commande. L'article ne mentionne aucun déploiement industriel ni partenaire commercial: il s'agit a ce stade d'une contribution de recherche académique, validée en simulation et sur des jeux de données réels contrôles, sans calendrier annonce de transfert vers un produit ou une ligne de production. La publication du dataset associe, qui documente précisément les fenêtres d'intervention, pourrait néanmoins devenir une référence pour comparer les futures méthodes de prédiction d'échec dans la manutention automatisée.

Recherche❖Paper

1 source

37

3841arXiv cs.RO 

Aperçu métrique RGB de la traversabilité pour l'inspection d'espaces cachés air-sol

Un article déposé sur arXiv (2603.14639, version révisée) présente un système de coopération drone-robot terrestre pour l'inspection d'infrastructures confinées comme les buses et canalisations, accessibles surtout depuis un point de vue aérien. Le principe : un drone repère une zone d'accès depuis les airs, puis y dépose un robot terrestre compact chargé d'explorer l'espace caché. Choisir cette zone à partir des seules images aériennes pose un problème d'ambiguïté d'échelle, d'incertitude de reconstruction et de nature du terrain. La solution combine une reconstruction 3D dense multi-vues par caméras RGB, une segmentation sémantique temporelle et un « a priori de mouvement incarné » qui recale l'échelle métrique en comparant le mouvement de caméra prédit à l'odométrie de la plateforme, sans LiDAR. Le système produit une carte de franchissabilité pondérée par un niveau de confiance, validée sur une plateforme drone-robot reliée par câble. L'apport principal tient à l'absence de LiDAR : caméras RGB et odométrie suffisent à récupérer une échelle métrique fiable, un problème coûteux en robotique aérienne légère. Pour les intégrateurs d'inspection d'infrastructure (ouvrages d'art, réseaux d'assainissement, tunnels), cela ouvre la voie à des plateformes plus légères et moins chères. Le travail applique à un cas industriel concret des backbones de reconstruction 3D « feed-forward », jusqu'ici surtout démontrés en environnement contrôlé. À noter : la validation reste faite sur une plateforme captive, ce qui limite la portée par rapport à un vol libre, condition réelle des missions extérieures. L'inspection de buses et espaces confinés reste largement manuelle ou nécessite des robots spécialisés coûteux, faute d'accès pour un opérateur ou un véhicule isolé. La coopération air-sol, drone en reconnaissance et dépose pour un robot terrestre, est étudiée depuis plusieurs années en robotique d'inspection, mais butait sur la difficulté d'estimer une géométrie et une échelle fiables avec de simples caméras embarquées. En s'appuyant sur des briques récentes de reconstruction 3D et de segmentation sémantique, les auteurs proposent une alternative aux pipelines LiDAR, plus lourds et onéreux. L'article ne précise ni calendrier de déploiement ni partenaire opérationnel : il s'agit d'une démonstration de faisabilité en laboratoire, dont la suite logique serait un passage à une plateforme aérienne libre et des essais sur des ouvrages réels.

Recherche❖Paper

1 source

37

3842arXiv cs.RO 

VersualRL : apprentissage par renforcement verbal en boucle fermée avec retour visuel pour la planification robotique au niveau des tâches

VersualRL est un système en boucle fermée pour la planification de tâches robotiques qui exploite le retour visuel d'exécution afin d'affiner en continu des arbres de comportement (Behavior Trees) exécutables, via des critiques formulées en langage naturel structuré. L'architecture associe un modèle vision-langage jouant le rôle de critique, chargé d'analyser les observations visuelles et les traces d'exécution de l'arbre de comportement, à un grand modèle de langage jouant le rôle d'acteur, qui applique des mises à jour de politique discrètes et interprétables. Point notable : pendant le déploiement physique, les deux modèles fondation restent gelés, seul l'arbre de comportement est modifié au niveau symbolique, sans optimisation de politique par descente de gradient en ligne. Les auteurs ont validé leur approche sur un robot mobile réel exécutant une tâche de navigation et de manipulation en plusieurs étapes, dans des conditions d'incertitude d'exécution. Le papier, disponible sur arXiv (2603.22169), en est à sa troisième version. L'intérêt pour l'industrie robotique tient à l'absence de réentraînement par gradient sur le terrain, une contrainte lourde et coûteuse pour du réel. En figeant les modèles fondation et en ne modifiant que la structure symbolique du plan, VersualRL produit un raisonnement traçable et des évolutions de politique compréhensibles par un humain, un atout pour les intégrateurs et décideurs B2B soucieux d'auditabilité et de sécurité plutôt que de politiques neuronales opaques. Cette approche répond directement à l'écart classique entre démonstration et réalité observé sur le terrain, en offrant un mécanisme explicite de correction des échecs d'exécution plutôt qu'un simple ajustement statistique. Le travail s'inscrit dans une tendance qui combine raisonnement de modèles de fondation et contrôle symbolique classique, les arbres de comportement étant déjà largement utilisés en robotique industrielle pour la prise de décision hiérarchique. Il se distingue des approches bout-en-bout de type VLA (GR00T N2, Helix, Pi-0), qui misent sur des politiques neuronales continues, en privilégiant l'interprétabilité à la dextérité brute. L'abstract ne précise ni calendrier ni extension prévue à des tâches de manipulation plus complexes, laissant ces suites ouvertes.

Recherche❖Paper

1 source

37

3843arXiv cs.RO 

Découverte non supervisée de taxonomies d'échecs à partir des journaux de déploiement

Une équipe de recherche propose une méthode pour découvrir automatiquement des taxonomies de modes d'échec à partir de journaux de déploiement robotique bruts, sans supervision humaine. Le système combine deux étapes : d'abord, un modèle de raisonnement vision-langage (VLM) génère des explications structurées de chaque échec à partir des données perceptuelles multimodales (images, trajectoires) ; ensuite, ces explications sont regroupées par clustering dans un espace sémantique de raisonnement, ce qui fait émerger des modes d'échec récurrents plutôt que de simples descriptions isolées épisode par épisode. La méthode a été testée sur trois domaines robotiques distincts : la manipulation, la navigation intérieure et la conduite autonome, avec des résultats jugés cohérents et interprétables sur chacun. Le papier, initialement soumis en juin 2026 (arXiv:2506.06570), a été mis à jour dans sa quatrième version. L'enjeu pratique est important pour l'industrie robotique à mesure que les déploiements réels se multiplient : l'analyse manuelle de milliers d'heures de logs d'échecs pour identifier des patterns récurrents est devenue impossible à l'échelle, alors même que ces données constituent la matière première la plus riche pour améliorer la robustesse des systèmes. Les auteurs montrent que les taxonomies découvertes automatiquement peuvent orienter la collecte ciblée de données pour affiner des politiques hors ligne, et renforcer la surveillance des échecs en temps réel pendant l'exécution. Pour les intégrateurs et décideurs B2B qui opèrent des flottes de robots ou de véhicules autonomes, cela ouvre la voie à des boucles de rétroaction automatisées entre déploiement terrain et amélioration des modèles, sans dépendre d'annotateurs humains pour trier les incidents. Ce travail s'inscrit dans le contexte plus large de l'essor des modèles vision-langage-action (VLA) et des grands modèles multimodaux appliqués à la robotique, où l'écart entre performance en démonstration et fiabilité en conditions réelles reste un point de friction reconnu du secteur. En s'appuyant sur le raisonnement des VLM plutôt que sur des règles ou labels prédéfinis, l'approche se distingue des méthodes classiques de classification d'anomalies qui nécessitent des catégories fixées à l'avance. Les auteurs mettent à disposition un site dédié (mllm-failure-clustering.github.io) présentant leurs résultats détaillés par domaine.

Recherche❖Paper

1 source

37

3844arXiv cs.RO 

HCPG-Flow : guidage hiérarchique de progression de contact pour la manipulation robotique par politique de flux

Les chercheurs à l'origine de HCPG-Flow présentent une nouvelle méthode de sélection d'actions pour les politiques de manipulation robotique de type "flow", publiée sur arXiv (2607.17651). Le problème visé est concret : ces politiques génèrent plusieurs propositions d'actions multimodales à chaque étape de contrôle, mais le robot ne peut en exécuter qu'une seule, et le classement habituel par un critique (critic-based ranking) fausse la collecte de données lorsque les candidates sont mal représentées dans le buffer de replay. HCPG-Flow ajoute à SAC-Flow un mécanisme de guidage hiérarchique centré sur l'objet, actif au moment du rollout, sans modifier les objectifs d'acteur et de critique existants. Le système bascule d'abord sur l'approche de l'effecteur terminal, puis, une fois le contact établi, sur la progression de la tâche, en notant chaque proposition selon la réduction de premier ordre d'une distance pertinente pour la tâche, standardisée au sein de l'ensemble de candidats, avant d'exécuter une combinaison d'actions contrôlée par température. Sur dix tâches simulées, la méthode améliore le taux de succès moyen par rapport à SAC-Flow sur les deux bancs d'essai testés, avec un gain de 9,5 points de pourcentage sur Maniskill. En conditions réelles, sur quatre tâches physiques, HCPG-Flow atteint un haut taux de succès tout en réduisant de 17,4 % le nombre d'étapes nécessaires pour compléter une tâche avec succès. Pour le secteur de la robotique manipulative, ce travail s'attaque à un goulot d'étranglement bien identifié des politiques par apprentissage par renforcement à base de flow matching : la fiabilité de la sélection d'action au moment de l'exécution, distincte de la qualité de l'apprentissage lui-même. En s'appuyant sur une heuristique physique simple, le progrès de contact plutôt qu'une pure estimation de valeur, la méthode réduit la dépendance à des estimations de critique potentiellement biaisées, un point sensible pour les intégrateurs qui cherchent des politiques robustes et transférables du simulateur au réel (sim-to-real), notamment sur des tâches de manipulation fine où le contact physique conditionne la réussite. HCPG-Flow s'inscrit dans la lignée des travaux récents combinant flow policies et SAC (Soft Actor-Critic), une famille de méthodes qui a gagné en popularité pour représenter des distributions d'actions multimodales en robotique, en concurrence directe avec les approches par diffusion. Les auteurs mettent à disposition une page de projet (hitxraz.github.io/HCPG-Flow) présentant probablement code et démonstrations, sans toutefois préciser à ce stade de calendrier de déploiement industriel ni de partenariat avec des acteurs commerciaux du secteur.

Recherche❖Paper

1 source

37

3845arXiv cs.RO 

Robotique en environnements peu éclairés : rapport de projet SLAM

Une équipe de recherche publie un rapport de projet arXiv (2607.17699) qui évalue six systèmes SLAM (localisation et cartographie simultanées) dans des conditions de faible luminosité, un scénario encore peu couvert par les benchmarks existants, majoritairement construits sur des séquences diurnes ou en intérieur bien éclairé. Les chercheurs testent ORB-SLAM3, DSO, Kimera-VIO, OpenVINS, DPVO et DPV-SLAM, quatre paradigmes différents (approches par features, directes, à filtrage et par apprentissage), sur cinq séquences LaMARia de difficulté et d'éclairage croissants. Les métriques retenues sont l'erreur de pose absolue, l'erreur de pose relative et le taux de rappel sur points de contrôle. Résultat marquant: Kimera-VIO est le seul système à suivre les cinq séquences jusqu'au bout, avec l'erreur de pose relative la plus faible, mais son erreur absolue croît continuellement faute de fermeture de boucle (loop closure). DPVO et DPV-SLAM ne perdent jamais le tracking mais accumulent une erreur absolue d'environ 100 mètres en faible luminosité. Les pipelines monoculaires classiques ORB-SLAM3 et DSO, ainsi que le système à filtrage OpenVINS, échouent purement et simplement ou divergent sur la majorité des séquences difficiles. Pour l'industrie robotique, ce travail précise une limite concrète: la navigation autonome par caméra RGB seule reste praticable la nuit ou en environnement sombre uniquement si le système combine fusion inertielle et optimisation globale, deux briques rarement présentes ensemble dans les stacks embarquées low-cost. C'est un signal utile pour les intégrateurs qui cherchent à éviter le surcoût, le poids et la complexité d'intégration de capteurs LiDAR, profondeur ou thermiques sur des plateformes mobiles ou des drones opérant en conditions dégradées. Le SLAM reste un problème fondateur de la robotique autonome, mais la littérature s'est historiquement concentrée sur des conditions favorables. Ce benchmark s'inscrit dans une tendance à stress-tester les systèmes existants plutôt qu'à en proposer de nouveaux, et ses auteurs concluent que combler l'écart restant nécessitera soit des front-ends d'apprentissage spécifiquement entraînés pour la basse luminosité, soit un retour vers des capteurs complémentaires, sans toutefois annoncer de calendrier ou de prototype concret à ce stade.

Recherche❖Paper

1 source

37

3846arXiv cs.RO 

Système d'exploitation auto-évolutif pour agents incarnés : planification cognitive et exécution physique découplées

Des chercheurs présentent PhyAgentOS, un système d'exploitation pensé spécifiquement pour les agents robotiques incarnés (embodied agents), décrit dans un preprint arXiv (2607.16636v1) publié fin juillet 2026. Le système introduit un "Session-Centered Runtime" qui traite une session complète, et non une action isolée, comme unité minimale d'ordonnancement, de vérification de compatibilité et de collecte de preuves d'exécution. La couche cognitive (planification) est séparée de la couche physique (exécution) via un protocole appelé State-as-a-File, qui matérialise l'état du système sous forme de fichiers Markdown/YAML lisibles et versionnables, sans dépendance de code entre les deux couches. Un module SessionVerifier distingue la fin d'exécution d'une tâche de sa réussite sémantique réelle, avec trois verdicts possibles : succès, échec ou replanification. Les résultats vérifiés alimentent une mémoire épistémique qui capitalise l'expérience sous forme de leçons réutilisables, sans réentraînement du modèle. PhyAgentOS a été testé sur les bancs d'essai Optimus-67, StarDojo et DST-Dojo, validé sur plus de 19 corps robotiques simulés et physiques, et montre des gains de performance sur les benchmarks LIBERO, Calvin et RoboCasa365 avec plusieurs modèles VLA (vision-language-action) différents. L'enjeu dépasse la prouesse technique isolée : les modèles VLA, les modèles du monde et les planificateurs agentiques progressent chacun de leur côté, mais sans abstraction d'exécution commune ni état partagé, ce qui rend leur composition fragile dès qu'on sort du laboratoire. En distinguant explicitement la terminaison d'une action de sa réussite réelle, PhyAgentOS s'attaque directement à l'écart bien documenté entre démonstration et fiabilité en conditions réelles, un problème central pour les intégrateurs qui déploient des flottes de robots en usine ou en entrepôt. Pour un décideur B2B, la promesse n'est pas un nouveau modèle plus performant mais une couche d'infrastructure capable de faire cohabiter différents modèles VLA, de vérifier objectivement leurs sorties et de capitaliser les échecs sans réentraînement coûteux, un point clé pour la maintenabilité à long terme de déploiements robotiques hétérogènes. Cette proposition s'inscrit dans la vague actuelle de modèles VLA généralistes tels que Figure 03, Optimus Gen 3, Pi-0 ou GR00T N2, qui ont démontré des capacités de manipulation impressionnantes en démo mais restent difficiles à orchestrer, vérifier et faire évoluer une fois déployés sur du matériel réel. PhyAgentOS se positionne comme une couche d'infrastructure sous ces modèles plutôt que comme un concurrent direct, avec une architecture de sécurité en couches (préflight, ponts d'action, SafetyGuard, surveillance par heartbeat) et une validation progressive allant des jeux virtuels à la simulation puis au robot physique, en gardant la couche cognitive constante pour isoler les variables. Publié comme preprint arXiv avec le statut "Announce Type: new", ce travail reste à ce stade une contribution de recherche académique plutôt qu'un produit commercial ; les auteurs ne précisent ni calendrier de mise en production ni partenariat industriel à ce jour.

Recherche❖Paper

1 source

37

3847arXiv cs.RO 

Recognition de lieux LiDAR hétérogène sans apprentissage via tokenisation structurelle mixte-radix des points clés

Des chercheurs publient InLiER, une méthode de reconnaissance de lieu par LiDAR sans apprentissage (learning-free), détaillée dans un article arXiv (arXiv:2607.16862v1). Le système cible un problème très concret pour la robotique mobile : la fermeture de boucle (loop closure), la relocalisation et la gestion de cartes multi-agents deviennent difficiles dès qu'une flotte combine des capteurs LiDAR aux champs de vision, résolutions et motifs de balayage différents, car les descripteurs classiques sont conçus autour des caractéristiques d'un capteur précis et se dégradent en environnement hétérogène. InLiER résout cela via une étape de tokenisation intermédiaire : des points-clés extraits par tranches de hauteur sur les éléments structurels de la scène reçoivent des identifiants "mixed-radix" encodant hauteur, distance radiale, forme locale et azimut à partir de la géométrie 3D, le tout dans une représentation compacte de moins de 2 Ko. Ce même vocabulaire de tokens est ensuite réorganisé en trois étapes de recherche successives : une intersection d'histogrammes hauteur-plafond pour un premier tri rapide invariant à la rotation, un alignement de masques binaires pour estimer le lacet (yaw) et reclasser les candidats, puis une vérification géométrique guidée par tokens pour estimer la pose complète à 6 degrés de liberté. Sur le jeu de données HeLiPR et lors d'expérimentations de terrain réelles, InLiER atteint l'état de l'art parmi les méthodes handcrafted modernes et dépasse une baseline à base d'apprentissage sur la majorité des configurations cross-capteurs testées. Pour les intégrateurs robotiques, ce résultat compte parce qu'il s'attaque à un angle mort courant des pipelines SLAM : la plupart des descripteurs de place recognition, qu'ils soient handcrafted ou appris, supposent un capteur homogène sur toute la flotte. Or les déploiements réels combinent de plus en plus des LiDAR différents selon le robot ou le site, ce qui casse la cohérence des cartes partagées et complique la coopération multi-robots. Qu'une méthode sans entraînement batte une baseline apprise sur la plupart des configurations cross-capteurs suggère que le goulot d'étranglement n'est pas la capacité de représentation du modèle, mais la conception du descripteur lui-même, un point utile pour les équipes qui veulent éviter le coût de collecte de données et de réentraînement à chaque nouveau capteur. Le travail s'inscrit dans la lignée des recherches sur la place recognition LiDAR pour le SLAM, un domaine où les méthodes handcrafted (histogrammes, scan context) ont longtemps coexisté avec des approches apprises plus récentes, sans qu'aucune ne gère bien l'hétérogénéité capteur. Les auteurs ne mentionnent pas de partenaire industriel ni de calendrier de transfert vers un produit ; il s'agit pour l'instant d'un résultat de recherche validé sur HeLiPR et en tests de terrain, à surveiller pour une éventuelle intégration dans des stacks SLAM open source ou commerciales.

Recherche❖Paper

1 source

37

3848arXiv cs.RO 

Robot autonome : autorotation passive induite par la configuration pour améliorer la perception en vol

Un drone tricoptère à autorotation passive contrôlée par la configuration de ses bras vient d'être présenté dans un article arXiv (2607.17646v1) consacré au vol autonome en environnement confiné et encombré. Le problème de départ est connu en robotique aérienne : le champ de vision limité des capteurs embarqués freine la perception lors de manœuvres en espace restreint. Plutôt que d'ajouter des capteurs supplémentaires, les auteurs exploitent un phénomène d'autorotation passive de l'appareil, c'est-à-dire une rotation continue du drone induite par sa propre configuration mécanique, pour balayer un champ de vision élargi sans coût matériel additionnel. L'innovation clé porte sur le paramètre de configuration du bras arrière du tricoptère, qui permet de régler le point de fonctionnement de cette autorotation et donc d'arbitrer entre fréquence de balayage du champ de vision et performance de vol. Un cadre d'autonomie hiérarchique, combinant planification de trajectoire et contrôle bas niveau, a été développé pour maintenir un vol agile et robuste malgré cette rotation continue, avec en complément une replanification par points-guides destinée à améliorer la couverture lors de missions d'inspection par points de passage. Cette approche répond à une limite structurelle des drones classiques en environnement industriel ou urbain dense, entrepôts, tunnels, sites d'inspection, où la vision périphérique conditionne directement la sécurité et l'efficacité de la navigation autonome. En proposant une solution purement mécanique et architecturale plutôt qu'un ajout de capteurs (LiDAR 360°, caméras multiples), les auteurs ouvrent une piste de conception low-cost pour les drones d'inspection, un segment où poids, autonomie énergétique et coût du capteur restent des contraintes fortes pour les intégrateurs. Les auteurs situent leurs travaux dans la lignée des recherches sur les architectures de drones à géométrie variable et l'autorotation passive comme substitut aux capteurs omnidirectionnels coûteux. Des expérimentations réelles ont été menées, incluant suivi de trajectoire à haute vitesse, tests de rejet de perturbations et navigation autonome dans des environnements encombrés représentatifs, sans toutefois préciser à ce stade de calendrier de transfert industriel ou de partenaire de déploiement.

Recherche❖Paper

1 source

37

3849arXiv cs.RO 

SAGE : un moteur génératif conscient du social pour la navigation multi-agents hétérogène

Une équipe de recherche propose SAGE (Socially-Aware Generative Engine), un nouveau système de navigation pour robots évoluant parmi des humains et d'autres agents hétérogènes, décrit dans un article publié sur arXiv (référence 2607.16619v1). Le modèle représente la scène, robots, piétons, autres véhicules, comme un graphe hétérogène orienté, traité par un Heterogeneous Graph Transformer (HGT) capable d'encoder des interactions asymétriques selon le type d'agent. Un module génératif basé sur la diffusion prédit conjointement les trajectoires futures des entités environnantes et le plan de trajectoire du robot. Au moment de l'inférence, un mécanisme de guidage baptisé "safety-social energy", sans entraînement supplémentaire, affine les trajectoires échantillonnées via des contraintes différentiables de collision, de cinématique, de progression de tâche et de conformité sociale selon le rôle de l'agent. Les tests ont été menés sur les jeux de données réels ETH/UCY et Stanford Drone Dataset (SDD), ainsi que sur des données synthétiques, avec une mise à l'échelle démontrée jusqu'à des équipes de 20 robots. Pour l'industrie robotique, ce travail s'attaque à un vrai point de friction: la plupart des méthodes de prédiction de trajectoire et de planification traitent les agents de façon homogène ou se limitent à des contraintes géométriques de collision, ce qui échoue à modéliser des situations réalistes où un robot logistique, un piéton et un véhicule autonome n'ont ni la même dynamique ni le même rôle social. En couplant prédiction et planification dans un seul module génératif, et en permettant un arbitrage explicite entre sécurité, précision et performance de tâche sans réentraîner le modèle, SAGE répond à un besoin concret pour les intégrateurs déployant des flottes de robots mobiles (AMR) en environnement partagé avec des humains, entrepôts, hôpitaux, espaces publics. Ce travail s'inscrit dans la lignée des recherches en navigation socialement consciente, un champ où les approches précédentes reposaient souvent sur des modèles de forces sociales ou de l'apprentissage par renforcement avec des hypothèses simplificatrices sur l'homogénéité des agents. L'article ne précise pas de calendrier de déploiement industriel ni de partenaire commercial: il s'agit à ce stade d'une contribution de recherche, dont la prochaine étape logique serait une validation sur robots physiques au-delà des simulations et jeux de données existants.

Recherche❖Paper

1 source

36

3850arXiv cs.RO 

Vol perturbé pour robots aériens en espace restreint

Une équipe de recherche décrit dans une nouvelle prépublication arXiv (juillet 2026) un système baptisé DAPCF (Disturbance Aware Planning and Control Framework), conçu pour piloter des drones quadrirotors dans des espaces confinés comme des tunnels ou des couloirs étroits, où les turbulences aérodynamiques rendent le vol autonome particulièrement risqué. Le système repose sur deux boucles d'observateurs qui estiment en temps réel, à partir de l'odométrie et de la vitesse de rotation des moteurs, les forces et couples de perturbation sur les six degrés de liberté (DOF) de l'appareil. Une fonction de risque de perturbation ajuste ensuite dynamiquement la vitesse de référence du planificateur de trajectoire : elle ralentit le drone quand les perturbations dépassent un seuil critique, puis restaure l'allure normale dès que les conditions redeviennent stables. Le suivi de trajectoire est assuré par un contrôleur prédictif non linéaire basé sur la dynamique moteur (MDNMPC), doté d'une compensation active des perturbations. Lors des essais, un quadrirotor de 0,39 m de diagonale a traversé des tunnels rectilignes, inclinés et courbes larges de seulement 0,6 m, avec un taux de réussite et une efficacité de vol supérieurs à ceux de pilotes humains sur le même parcours. Ce résultat compte pour tous les usages de drones en environnement confiné : inspection de canalisations, de gaines industrielles ou de galeries de mine, recherche et sauvetage après effondrement, contrôle d'infrastructures difficiles d'accès. Les approches existantes traitent généralement les perturbations aérodynamiques au seul niveau du contrôle bas niveau, tandis que la planification de trajectoire reste figée sur des contraintes géométriques et des limites de vitesse fixes, ce qui produit soit un vol trop prudent, soit un vol dangereux dès que le couloir se resserre. En faisant remonter l'estimation de perturbation jusqu'à la couche de planification, les auteurs montrent qu'un système autonome peut dépasser un pilote humain expérimenté en vitesse comme en fiabilité dans un tunnel étroit, un argument fort pour les intégrateurs qui envisagent d'automatiser des missions d'inspection aujourd'hui pilotées manuellement. Ce travail s'inscrit dans la continuité des recherches sur les observateurs de perturbation pour quadrirotors (filtres de type Kalman étendu ou non parfumé) et sur la commande prédictive non linéaire de drones, deux domaines jusqu'ici développés séparément du côté planification. Les auteurs ne mentionnent pas de partenariat industriel ni de déploiement hors laboratoire à ce stade : il s'agit d'une validation expérimentale en tunnel contrôlé, pas d'un produit commercial. Les prochaines étapes logiques seraient des essais en conditions de vent extérieur variable et une intégration avec des systèmes de perception visuelle pour la navigation en espace confiné sans GPS.

Recherche❖Paper

1 source