Actualités robotique — page 8

4 499 articles au fil, du plus récent au plus ancien.

40

351arXiv cs.RO 

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

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

Recherche❖Paper

1 source

40

352arXiv cs.RO 

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

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

Recherche❖Paper

1 source

40

353arXiv cs.RO 

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

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

Recherche❖Paper

1 source

40

354arXiv cs.RO 

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

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

Recherche❖Paper

1 source

40

355arXiv cs.RO 

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

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

Recherche❖Paper

1 source

40

356arXiv cs.RO 

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

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

Recherche❖Paper

1 source

40

357arXiv cs.RO 

Vers des filtres de sécurité latents généraux conditionnés par le langage

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

Recherche❖Paper

1 source

40

358arXiv cs.RO 

Assistance pour le placement égocentrique : un référentiel d'évaluation

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

Recherche❖Paper

1 source

40

359arXiv cs.RO 

Robots microscopiques : un entraînement en quelques minutes pour leur navigation

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

Recherche❖Paper

1 source

40

360arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

361arXiv cs.RO 

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

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

IA physique⚡Actu

1 source

39

362arXiv cs.RO 

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

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

IA physique⚡Actu

1 source

39

363arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

364arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

365arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

366arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

367arXiv cs.RO 

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

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

Recherche⚡Actu

1 source

39

368arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

369arXiv cs.RO 

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

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

Recherche❖Paper

1 source

39

370arXiv cs.RO 

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

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

IA physique⚡Actu

1 source

39

371arXiv cs.RO 

Bicyclette Acrobatique : l'Apprentissage par Renforcement en Action

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

Recherche❖Paper

1 source

39

372arXiv cs.RO 

Politique du modèle : IA incarnée et robotique

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

Recherche❖Paper

1 source

38

373arXiv cs.RO 

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

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

IA physique⚡Actu

1 source

38

374arXiv cs.RO 

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

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

Recherche⚡Actu

1 source

38

375arXiv cs.RO 

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

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

Recherche❖Paper

1 source

38

376arXiv cs.RO 

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

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

Recherche⚡Actu

1 source

38

377arXiv cs.RO 

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

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

IA physique⚡Actu

1 source

38

378arXiv cs.RO 

ReTouch : de la manipulation dextérique à contacts riches grâce à la prédiction tactile affinée en ligne

ReTouch est un modèle vision-langage-action (VLA) conçu pour la manipulation dextre en contact riche, présenté dans un article publié le 1er août 2026 sur arXiv (arXiv:2608.01824v1). Le système s'appuie sur deux innovations principales : un Tactile-Patch Encoder qui représente les signaux tactiles sous forme de patches structurés préservant l'identité de chaque doigt et la structure locale du contact, et un module d'action haute fréquence qui prédit conjointement les états tactiles futurs et des blocs d'actions, en les affinant en continu grâce au retour tactile pendant l'exécution. Les chercheurs ont aussi construit XHT-Dataset, un jeu de données de 900 démonstrations réelles couvrant sept tâches de manipulation en contact riche, collectées sur une plateforme combinant une main robotique XHand et un bras UR7e. Testé en boucle fermée sur robot réel, ReTouch dépasse la meilleure référence existante de 18,4 points de pourcentage en conditions standards et de 23,8 points en conditions difficiles, en taux de réussite moyen. Ce résultat s'attaque à un angle mort connu des VLA actuels : la plupart des modèles de manipulation s'appuient surtout sur la vision et peinent à intégrer le retour tactile de façon exploitable en temps réel, alors que la manipulation fine (insertion, préhension d'objets déformables, ajustement de prise) dépend justement de ce signal. En démontrant qu'un raffinement tactile en boucle fermée améliore nettement la robustesse face aux erreurs d'exécution et aux changements de contact, les auteurs apportent un argument concret en faveur de l'intégration tactile native dans les architectures VLA, plutôt que comme un module accessoire ajouté après coup. Pour les intégrateurs et équipes de R&D en robotique dextre, cela suggère une voie pour réduire l'écart persistant entre démonstrations en laboratoire et fiabilité en conditions réelles, un problème récurrent pour les mains robotiques multi-doigts. Le travail s'inscrit dans une lignée de recherche académique sur la fusion tactile pour la manipulation dextre, un domaine resté largement expérimental faute de jeux de données réels standardisés et de méthodes exploitant efficacement le signal tactile à haute fréquence. En publiant à la fois le modèle et XHT-Dataset, les auteurs positionnent ReTouch comme une base de comparaison pour de futurs travaux sur les mains robotiques dextres, sans toutefois annoncer de déploiement industriel ni de partenariat commercial à ce stade : il s'agit pour l'instant d'un résultat de recherche évalué en laboratoire, non d'un produit prêt à l'intégration.

Recherche⚡Actu

1 source

38

379arXiv cs.RO 

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

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

Recherche❖Paper

1 source

38

380arXiv cs.RO 

Résilience environnementale grâce à la diversité morphologique au sein des machines

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

Recherche❖Paper

1 source

38

381arXiv cs.RO 

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

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

IA physique⚡Actu

1 source

38

382arXiv cs.RO 

Regarde où ça compte : affinement visuel adaptatif pour les modèles vision-langage-action

Des chercheurs publient AtVLA (arXiv:2608.02197v1), une méthode qui améliore la précision spatiale des modèles vision-langage-action (VLA) utilisés en robotique de manipulation. Le constat de départ : les encodeurs visuels des VLA souffrent des mêmes artefacts d'attention déjà documentés dans les Vision Transformers génériques, où une partie de l'information spatiale utile (position des objets, profondeur, géométrie locale) se disperse dans des tokens de patch peu informatifs faute de capacité suffisante dans les tokens globaux. AtVLA insère des tokens de registre apprenables dans l'encodeur visuel, entraînés de bout en bout sur des données embarquées, qui absorbent cette information spatiale et libèrent une attention plus propre sur les tokens de patch restants. La méthode ajoute ensuite un raffinement local déclenché par incertitude : le modèle génère plusieurs séquences d'actions candidates, mesure leur désaccord, et seulement quand l'incertitude est élevée, identifie et recadre la zone pertinente pour la ré-encoder en haute résolution. Résultat mesuré sur trois bancs d'essai (LIBERO, SimplerEnv, et un benchmark réel monocaméra) : le taux de réussite sur LIBERO passe de 94,2 % à 98,4 %, et surtout en conditions réelles de 46,5 % à 69,0 %. Le recadrage n'est déclenché que sur environ 30 % des étapes, pour un surcoût de calcul limité à 1,4-1,6 fois le modèle de base. Le saut de performance en conditions réelles (+22,5 points) est le chiffre qui compte : il touche directement l'écart classique entre démonstrations en simulation et fiabilité sur le terrain, un problème central pour tout intégrateur qui veut déployer un VLA sur des tâches de préhension fine ou de contact précis. C'est une contribution de recherche, pas un produit ni un déploiement commercial : aucun robot ni entreprise n'est associé à cette publication. Le travail s'appuie sur la littérature existante sur les artefacts d'attention des Vision Transformers (les fameux "registres" identifiés par Meta AI en 2023) et l'applique pour la première fois au contexte des politiques d'action robotique, dans la lignée des architectures VLA type Pi-0, GR00T N2 ou OpenVLA. Aucune feuille de route de déploiement industriel n'est annoncée à ce stade.

IA physique⚡Actu

1 source

38

383arXiv cs.RO 

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

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

Recherche❖Paper

1 source

37

384arXiv cs.RO 

OC-VLA++ : cohérence multi-vue guidée par géométrie monoculaire pour une manipulation robotique robuste au point de vue

Le laboratoire à l'origine d'OC-VLA publie une extension baptisée OC-VLA++, qui vise à corriger un angle mort connu des modèles vision-langage-action (VLA) pour la manipulation robotique : la généralisation à des points de vue caméra non vus pendant l'entraînement. La méthode originale, OC-VLA, ancrait déjà les prédictions d'action dans le repère de la caméra plutôt que dans le repère robot, pour aligner la supervision avec l'observation visuelle. Mais les auteurs montrent que cet ancrage seul reste sujet au surapprentissage lorsque peu de points de vue sont couverts à l'entraînement. OC-VLA++ ajoute deux mécanismes : une supervision par paires de vues guidée par la géométrie, et un objectif explicite d'équivariance d'action inter-vues. Concrètement, le modèle reçoit des paires d'observations d'une même scène de manipulation, prises sous des angles géométriquement reliés, et apprend à produire des prédictions dans l'espace caméra qui correspondent à la même action une fois ramenées au repère du robot. Le papier, publié en preprint sur arXiv (2608.01066v1), rapporte des gains « substantiels » en généralisation à des vues inédites sous couverture caméra limitée, avec une dégradation plus progressive à mesure que le déplacement de caméra augmente, sans toutefois fournir de chiffres précis de taux de réussite dans le résumé, ce qui invite à rester prudent avant validation indépendante. Pour les intégrateurs et les équipes robotique, le sujet touche à un problème très concret : la plupart des déploiements industriels utilisent un nombre restreint de caméras fixes, et un modèle VLA entraîné sur ces angles précis échoue souvent dès qu'une caméra est repositionnée, remplacée ou que la cellule de travail change de configuration. Si l'équivariance d'action inter-vues tient ses promesses au-delà du cadre expérimental du papier, elle pourrait réduire le besoin de collecter des données massives multi-caméras pour chaque nouvelle installation, un poste de coût important dans le déploiement des VLA à grande échelle. Cela s'inscrit dans un débat plus large du secteur sur l'écart entre démonstrations en laboratoire et robustesse réelle : beaucoup de modèles VLA impressionnent sur les vues d'entraînement mais généralisent mal dès que l'environnement visuel bouge, un des obstacles cités au passage à l'échelle des humanoïdes et bras manipulateurs. Le travail se situe dans la lignée directe d'OC-VLA, dont il corrige une limite identifiée par ses propres auteurs plutôt que de proposer une architecture radicalement nouvelle. Le papier ne mentionne pas de comparaison directe avec les autres familles de VLA du moment comme Pi-0, GR00T N2 ou Helix, et ne précise pas si les expériences ont été menées en simulation, sur robot réel, ou les deux, une information qu'on aimerait voir clarifiée avant de juger de la portée réelle des résultats. Les auteurs présentent ces résultats comme un argument en faveur de l'équivariance d'action inter-vues comme complément à l'ancrage centré sur l'observation, en vue d'un déploiement robuste en conditions réelles, mais aucun calendrier de test terrain ni partenariat industriel n'est annoncé à ce stade. Le texte reste, pour l'instant, une contribution de recherche publiée en preprint, sans revue par les pairs ni suite commerciale connue.

Recherche⚡Actu

1 source

37

385arXiv cs.RO 

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

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

Recherche❖Paper

1 source

37

386arXiv cs.RO 

Mouvement pour manipulateurs mobiles franchissant des portes par commande prédictive de modèle

Ouvrir une porte reste un goulot d'étranglement classique pour les robots mobiles déployés en environnement humain (bureaux, hôpitaux, entrepôts à accès cloisonnés), car la base doit se déplacer tout en maintenant le bras en prise sur la poignée sans désaligner ou lâcher la porte. Voici le texte final : Des chercheurs publient sur arXiv (2608.00206v1) un cadre de planification de mouvement pour manipulateurs mobiles franchissant des portes, coordonnant base roulante et bras robotique pour ouvrir et traverser aussi bien des portes à pousser que des portes à tirer. L'approche modélise le robot et la porte comme un système dynamique couplé, résolu par un contrôle prédictif par modèle (MPC) non linéaire qui génère des trajectoires dynamiquement faisables et sans collision. Plutôt que de modéliser explicitement la cinématique du bras, les auteurs imposent la faisabilité de la manipulation via une simple contrainte de pénalité dans l'optimisation. Le papier ne précise ni la plateforme robotique, ni le nombre de degrés de liberté, ni de temps de cycle chiffré, et la validation se limite à des simulations complétées par une seule expérience matérielle. Ouvrir une porte reste un goulot d'étranglement classique pour les robots mobiles déployés en environnement humain (bureaux, hôpitaux, entrepôts à accès cloisonnés), car la base doit se déplacer tout en maintenant le bras en prise sur la poignée sans désaligner ou lâcher la porte. En évitant une modélisation cinématique explicite du bras, la méthode simplifie l'optimisation et pourrait se transférer plus facilement d'une architecture de bras à une autre. Pour les intégrateurs d'AMR augmentés d'un manipulateur, ce type de travail cible un besoin concret d'autonomie de dernier mètre, le franchissement de porte figurant parmi les tâches les plus souvent citées comme non résolues en déploiement logistique ou de service. Le papier ne fournit toutefois qu'une démonstration matérielle isolée, sans test sur des portes non calibrées, des poignées variées ou des charges réalistes, ce qui laisse ouvert l'écart habituel entre preuve de concept académique et robustesse industrielle. Ce travail s'inscrit dans un champ de recherche actif sur la manipulation mobile, où plusieurs équipes testent le MPC pour coordonner base et bras en temps réel, en alternative aux pipelines classiques planifiant séparément base et manipulateur. L'article ne précise ni affiliation académique ou industrielle, ni comparaison quantitative avec des méthodes concurrentes de franchissement de porte, et aucun acteur français ou européen n'y est cité. La suite logique pour ce type de recherche serait une validation sur davantage de configurations de portes puis un test en flotte sur robot réel, des étapes qui restent à ce stade non annoncées.

Recherche❖Paper

1 source

37

387arXiv cs.RO 

Hermite curves comme a priori de trajectoire pour les modèles vision-langage-action

Une équipe de recherche présente les "Hermite trajectory priors", une méthode qui structure explicitement les trajectoires générées par les modèles Vision-Language-Action (VLA) pour la manipulation robotique. Le problème identifié : les VLA actuels découpent chaque "chunk" d'action en commandes point par point, ce qui produit des mouvements saccadés et des discontinuités aux frontières entre segments lors de l'exécution physique. La solution proposée paramétrise la trajectoire comme une courbe cubique d'Hermite par morceaux, définie par les positions et vitesses aux points de contrôle, pour imposer mathématiquement la fluidité. Trois variantes sont testées : les Hermite Tokens (prédiction autorégressive des variables de frontière quantifiées), le Hermite Scaffold (décomposition en trajectoire de base plus résidus) et la Hermite Regularization (contrainte ajoutée uniquement comme objectif d'entraînement auxiliaire). Cette dernière s'avère la plus performante des trois. Appliquée au modèle π0.5, elle fait passer le taux de succès de 95,9 % à 98,7 % sur le benchmark LIBERO, de 85,7 % à 90,9 % sur LIBERO-plus, et de 63,4 % à 90,0 % sur quatre tâches réelles exécutées sur robot physique, sans surcoût de calcul à l'inférence. Ce résultat pèse dans un débat central du secteur : celui de l'écart entre démonstration et réalité pour les modèles VLA. Beaucoup de systèmes affichent des scores élevés en simulation mais se dégradent nettement lors du transfert vers un robot réel, notamment à cause de la gigue de mouvement générée par le découpage naïf en chunks. En montrant qu'une contrainte de lissage purement géométrique, ajoutée pendant l'entraînement et retirée à l'inférence, améliore les performances réelles sans coût supplémentaire, les auteurs suggèrent que la structuration explicite des trajectoires agit comme un biais inductif d'apprentissage plutôt que comme une contrainte d'exécution en temps réel. Le travail s'inscrit dans la lignée des architectures VLA récentes comme π0, GR00T N2 ou Helix, qui cherchent toutes à généraliser le contrôle robotique à partir de données multimodales massives. La méthode, agnostique à l'architecture, pourrait s'intégrer à d'autres pipelines VLA existants ; les auteurs ne précisent toutefois pas de calendrier de déploiement industriel ni de partenariat avec un fabricant de robots.

Recherche⚡Actu

1 source

36

388arXiv cs.RO 

DreamTrajectory : génération d'action guidée par trajectoire avec alignement sur un modèle du monde pour la manipulation mobile

Des chercheurs présentent DreamTrajectory, un nouveau framework de manipulation mobile guidée par le langage, décrit dans un article publié sur arXiv (référence 2608.01381v1). Le système s'attaque à deux limites des politiques Vision-Language-Action (VLA) actuelles : celles-ci associent directement les observations à des blocs d'actions pour l'ensemble du corps du robot, sans plan de mouvement explicite dans l'espace de la tâche, ce qui rend imprécise la coordination entre base mobile et bras ; de plus, elles exécutent ces blocs en boucle ouverte, sans vérifier si les actions réalisent effectivement le mouvement prévu, laissant s'accumuler erreurs de contrôle et contacts non modélisés. DreamTrajectory répond à ces deux limites avec deux composants : un expert d'action unique qui prédit conjointement une trajectoire de l'effecteur terminal au niveau de l'intention et un bloc d'actions pour tout le corps, et un modèle du monde léger dédié à la trajectoire, qui prédit la trajectoire qu'induirait un bloc d'actions candidat, couplé à une procédure de recherche-prédiction-notation exécutée au moment du test pour sélectionner le candidat le plus fidèle à la trajectoire planifiée. Sur le benchmark MS-HAB, le guidage par trajectoire fait grimper le taux de réussite moyen de 32,3% à 47,5%, et le raffinement au moment du test le porte à 54,8%, avec les gains les plus marqués sur les tâches à contact riche impliquant des objets articulés. Sur trois tâches de manipulation mobile en conditions réelles, les taux de réussite atteignent respectivement 63,3%, 81,7% et 90,0%. Ces résultats visent un point de friction concret pour les intégrateurs de robots mobiles à bras articulé : la manipulation mobile combine un espace d'action bien plus vaste que la manipulation à base fixe, et les politiques VLA actuelles peinent justement sur les tâches où le contact avec des objets articulés (portes, tiroirs, poignées) exige une coordination fine entre déplacement et geste. Un gain de plus de 15 points de réussite grâce au seul ajout d'un plan de trajectoire explicite, puis de 7 points supplémentaires via une vérification au moment de l'exécution, suggère que l'écart entre mouvement planifié et mouvement réalisé, souvent invoqué comme frein au passage du prototype au déploiement réel, peut être réduit sans réentraîner le modèle de base. Reste que ces chiffres proviennent d'un benchmark simulé et de trois tâches réelles seulement, un périmètre restreint qui appelle prudence avant d'en tirer des conclusions sur la généralisation à d'autres morphologies ou environnements. Le travail s'inscrit dans la lignée des architectures VLA récentes (Pi-0, GR00T N2, Helix) qui cherchent à combler l'écart entre perception, langage et action pour des robots généralistes, mais cible spécifiquement la manipulation mobile, moins mature que la manipulation à bras fixe sur table. L'approche par modèle du monde pour vérifier une action avant exécution rejoint une tendance plus large du secteur à ajouter une boucle de correction au moment du test plutôt que de tout miser sur l'apprentissage en amont. L'article ne précise pas de calendrier de déploiement industriel ni de partenariat commercial ; il s'agit à ce stade d'un résultat de recherche, dont la prochaine étape logique serait une validation sur davantage de plateformes robotiques et de tâches réelles.

IA physique❧Opinion

1 source

36

389arXiv cs.RO 

Prioritisation des zones frontières adaptée à la situation pour la recherche et le sauvetage par robot quadrupède

Des chercheurs proposent une nouvelle méthode de priorisation des zones à explorer par un robot quadrupède lors de missions de recherche et sauvetage, décrite dans une prépublication arXiv (2608.02571v1) parue début août 2026. L'approche, baptisée "situation aware frontier prioritization", s'appuie sur le cadre classique d'exploration par frontières (frontier exploration) mais enrichit le classement des zones candidates avec cinq critères : le gain d'information attendu, le déficit d'observation, la pertinence pour le sauvetage, une pénalité liée au terrain, et le coût de déplacement. La méthode a été testée en simulation Gazebo avec un robot quadrupède, sur deux scénarios de sauvetage en intérieur de difficulté croissante. Le premier scénario, simple, sert de test de cohérence où toutes les méthodes comparées obtiennent de bons résultats. Le second, plus encombré et ambigu quant au choix des frontières à explorer, révèle des écarts significatifs : la méthode proposée y obtient le meilleur taux de complétion de la carte et le meilleur taux de récupération des victimes simulées parmi les approches évaluées. L'intérêt de ces travaux tient au problème qu'ils ciblent précisément : les algorithmes d'exploration autonome classiques optimisent la couverture de la carte, sans tenir compte de la probabilité de trouver des victimes dans telle ou telle direction. Pour un robot de secours réel, ce décalage peut coûter un temps précieux en scénario d'urgence. Ce travail confirme aussi que la difficulté du terrain, plutôt qu'un facteur secondaire, doit être intégrée nativement dans la décision de navigation d'un quadrupède, dont l'intérêt principal par rapport aux robots à roues est justement de franchir des environnements encombrés ou irréguliers inaccessibles aux AMR classiques. Le gain reste cependant cantonné à des scénarios complexes : dans les cas simples, la valeur ajoutée de la méthode disparaît, ce qui limite pour l'instant sa portée aux missions réellement difficiles. Ce travail s'inscrit dans la lignée des recherches sur l'exploration robotique autonome en environnements inconnus, un champ où la robotique quadrupède progresse rapidement pour des usages d'inspection et de secours. L'étude reste pour l'instant limitée à la simulation, sans validation sur un robot physique ni comparaison avec des plateformes commerciales existantes. Les auteurs ne précisent pas de calendrier pour des essais en conditions réelles, une étape généralement nécessaire avant tout déploiement opérationnel en intervention de secours.

Recherche❖Paper

1 source

36

390arXiv cs.RO 

OmniAI : une interface de projection aérienne adaptative pour l'interaction humain-drone

OmniAI est un agent aérien embarqué présenté dans un article publié sur arXiv (2608.00721v1), déposé en catégorie "nouveau". Le système équipe un drone d'un projecteur laser MEMS monté sur servomoteur, capable de basculer l'affichage entre un écran embarqué et les surfaces environnantes disponibles à proximité, texte et images compris. La détection des surfaces de projection se fait en temps réel grâce à des capteurs RGB-D combinés à un ajustement de plan par RANSAC, sans nécessiter de cartographie préalable de l'environnement. Le contenu affiché provient d'un pipeline utilisant un grand modèle de langage augmenté par recherche web, et l'ensemble du système, mouvement du drone comme contenu projeté, peut être piloté indifféremment par la voix ou par des gestes effectués en l'air, les deux modalités offrant un contrôle fonctionnellement équivalent. L'intérêt de cette approche pour la recherche en interaction homme-drone tient à la manière dont elle résout un problème récurrent: les drones évoluant en environnement humain manquent généralement d'interfaces ancrées spatialement pour communiquer de façon située, se limitant à un écran fixe ou une application mobile déconnectée du contexte physique. En transformant n'importe quelle surface proche en support d'affichage détecté à la volée, OmniAI propose une forme de réalité augmentée spatiale mobile, portée par le drone lui-même plutôt que par des lunettes ou un smartphone. Il s'agit toutefois d'un prototype de recherche décrit dans un article académique, et non d'un produit commercialisé ou d'un déploiement en conditions réelles: l'abstract ne fournit ni mesures de performance chiffrées ni retours d'usage. Ce travail s'inscrit dans la lignée des recherches sur les interfaces embarquées pour drones et sur les systèmes de projection spatiale en réalité augmentée, deux domaines jusqu'ici largement traités séparément. En combinant projection adaptative, reconnaissance vocale, gestuelle et mobilité aérienne dans un seul agent, les auteurs cherchent à démontrer la viabilité d'une interface unifiée pour la communication homme-drone contextuelle. La publication récente sur arXiv suggère une présentation prochaine dans une conférence spécialisée en interaction homme-machine ou en robotique, sans que l'article ne précise pour l'instant de calendrier.

Recherche❖Paper

1 source

35

391arXiv cs.RO 

Manipulation robotique guidée par correspondance : interactions rigide-déformable clairsemées et denses

Des chercheurs publient sur arXiv (référence 2608.01083v1, soumission nouvelle) une méthode de représentation pour la manipulation robotique dans les interactions entre objets rigides et déformables, comme accrocher un vêtement sur un cintre ou habiller une personne. L'équipe propose une représentation hybride qui combine des points clés épars et des correspondances denses. Les points clés sont générés à partir de la structure globale des objets rigides et déformables en jeu, puis filtrés selon leurs points de contact locaux au moment de l'interaction. Comme ces points épars restent difficiles à suivre pendant le geste, en raison de la dynamique en haute dimension des objets déformables, les auteurs ajoutent des correspondances denses calculées sur la surface de l'objet déformable, ce qui permet un suivi précis tout au long de la manipulation. Le papier annonce des expériences poussées validant l'efficacité et la généralité de la méthode, sans fournir à ce stade de métriques chiffrées publiques (taux de réussite, temps d'exécution) ni préciser la plateforme robotique testée. L'enjeu dépasse le cas du linge : la manipulation combinant rigide et déformable est un point de blocage classique pour la robotique domestique et assistive, car les représentations habituelles comme les poses 6D ou des points structurels génériques ne capturent pas assez d'information spécifique à la tâche pour gérer les contacts multiples et les déformations complexes. En combinant information riche et localisée avec un suivi robuste aux changements de forme, l'approche vise le transfert en un coup, c'est-à-dire l'apprentissage de nouvelles tâches à partir d'un nombre minimal de démonstrations, un critère central pour rendre les robots d'assistance déployables sans réentraînement massif à chaque nouvel objet ou scénario. Ce travail s'inscrit dans un courant de recherche actif autour des représentations par correspondance et par points clés en apprentissage robotique, où plusieurs équipes cherchent à dépasser les limites des approches orientées objet pour les tâches impliquant du textile ou du contact humain-robot, comme l'habillage assisté. L'abstract ne mentionne ni acteur industriel ni calendrier de déploiement : il s'agit d'une contribution méthodologique en amont, dont la portée pratique dépendra des benchmarks détaillés et d'une éventuelle reproduction sur plateforme physique dans les versions complètes de l'article.

Recherche❖Paper

1 source

35

392arXiv cs.RO 

Robot sphérique : modélisation distribuée du contact pour représentations de robots à base de sphères

Des chercheurs proposent un nouveau modèle de contact pour la planification robotique baptisé Compliant Sphere Lattice Contact (CSLC), détaillé dans un article publié sur arXiv (identifiant 2608.00263v1). Le problème visé est bien connu des équipes de contrôle robotique : les représentations du robot par sphères permettent une détection de collision rapide et une géométrie différentiable, deux atouts précieux pour la planification en temps réel, mais elles reposent sur un contact ponctuel qui ignore la surface réelle de contact, la répartition de la pression, la rigidité en rotation et les moments de frottement. CSLC répond à cette limite en modélisant l'interface du robot comme un réseau (lattice) de sphères de surface reliées entre elles par des ressorts d'ancrage et des ressorts latéraux. Lorsque cette structure est pressée contre un objet, elle se déforme et génère une zone de contact étendue et spatialement distribuée, au lieu d'un simple point. Les auteurs affirment avoir validé leur approche sur deux solveurs physiques indépendants, avec des résultats préliminaires montrant la formation effective d'une zone de contact et une amélioration de la stabilité de préhension. L'enjeu dépasse la seule prouesse théorique. Pour les concepteurs de mains robotiques, de préhenseurs et d'algorithmes de manipulation, l'écart entre modèles simplifiés et physique réelle du contact est une source récurrente d'échecs en conditions réelles : une simulation qui ignore la répartition de pression sur la paume ou les doigts surestime souvent la stabilité d'une prise. Un modèle de contact distribué qui reste compatible avec les représentations par sphères, largement utilisées pour leur efficacité de calcul et leur caractère différentiable, exploitable pour l'optimisation par gradient, pourrait permettre d'affiner la planification de prise sans sacrifier la vitesse. C'est une brique méthodologique plutôt qu'un produit : elle intéresse surtout les équipes de recherche en manipulation robotique et en simulation, pas directement les intégrateurs industriels à ce stade. Le travail s'inscrit dans une lignée de recherches sur les compromis entre fidélité physique et coût de calcul en planification de contact, un axe actif depuis l'essor des méthodes différentiables pour la robotique. Les auteurs restent prudents : les résultats présentés sont qualifiés eux-mêmes de préliminaires, sans comparaison chiffrée détaillée face aux modèles de contact concurrents ni démonstration sur robot physique. Les prochaines étapes attendues seraient une validation expérimentale sur du matériel réel et une évaluation plus poussée de la robustesse face à des géométries de contact complexes.

Recherche❖Paper

1 source

34

393arXiv cs.RO 

LooperMuscle : apprentissage rapide et stable du suivi corporel complet chez l'humanoïde via un mélange d'experts structuré

Publié sur arXiv le 2 août 2026 sous la référence 2608.00820v1, l'article présente LooperMuscle, un framework d'apprentissage par renforcement conçu pour combler l'écart de performance entre deux familles de méthodes utilisées pour entraîner des humanoïdes au suivi de mouvement corps entier (whole-body tracking). Les méthodes de type FastSAC permettent d'entraîner une politique en environ 15 minutes, mais avec une qualité de suivi nettement inférieure à celle obtenue par PPO, qui nécessite environ 6 heures pour un résultat plus solide. LooperMuscle combine trois composants entraînés en boucle fermée : un acteur en mélange d'experts structuré sémantiquement, un critique distributionnel conscient de la contribution de chaque expert, et un mécanisme de replay routé par contribution avec curriculum différé. Les contributions des experts orientent le routage des données, ces données façonnent l'apprentissage de la fonction de valeur, et les gradients de valeur affinent en retour la spécialisation des experts. Résultat mesuré : environ 45 minutes de simulation suffisent pour récupérer une part substantielle de l'écart restant avec PPO, tout en restant très en dessous de son temps d'entraînement. Pour l'industrie robotique, ce travail s'attaque à un vrai goulot d'étranglement : l'entraînement des contrôleurs de locomotion et de manipulation coordonnée reste coûteux en temps de calcul, ce qui freine l'itération rapide des politiques avant tout passage en réel. Un gain de vitesse d'entraînement sans sacrifier la précision du suivi profiterait directement aux équipes qui développent des contrôleurs pour humanoïdes, en accélérant les cycles de conception en simulation. Il faut toutefois noter que les résultats annoncés sont uniquement des mesures en simulation, sans validation sur robot physique ni comparaison au sim-to-real gap. Ce travail s'inscrit dans la tension bien connue entre méthodes on-policy comme PPO, stables mais lentes, et méthodes off-policy de la famille SAC, rapides mais historiquement moins fiables sur des tâches complexes comme le contrôle corps entier. LooperMuscle tente de concilier les deux approches plutôt que de choisir un camp. Le code doit être publié sur loopermuscle.github.io, sans date précisée, ce qui laissera la communauté vérifier ces résultats de manière indépendante.

Recherche❖Paper

1 source

32

394arXiv cs.RO 

ACDC : planification de curriculum adaptatif avec contrôle contrastif dynamique pour l'apprentissage par renforcement conditionné par objectifs en manipulation robotique

Des chercheurs proposent ACDC (Adaptive Curriculum planning with Dynamic Contrastive control), une nouvelle méthode d'apprentissage par renforcement conditionné par objectif (goal-conditioned RL) pour la manipulation robotique, dans une version mise à jour (v3) d'un article déposé sur arXiv. Le système combine deux mécanismes. D'un côté, un planificateur de curriculum adaptatif multidimensionnel (AC) qui ajuste dynamiquement l'équilibre entre exploration diversifiée et exploitation ciblée, en fonction du taux de réussite de l'agent et de sa progression d'entraînement. De l'autre, un module de contrôle contrastif dynamique (DC) qui traduit ce plan de curriculum en sélection d'expériences guidée par la norme, via un apprentissage contrastif contraint. Les auteurs annoncent des résultats supérieurs aux méthodes de référence de l'état de l'art sur plusieurs tâches de manipulation robotique complexes, tant en efficacité d'échantillonnage qu'en taux de réussite final. L'article ne précise ni les environnements de test exacts, ni les valeurs chiffrées des gains obtenus, ni le laboratoire ou l'affiliation des auteurs. Pour la recherche en robotique, ACDC s'attaque à une limite connue des approches actuelles de goal-conditioned RL : leur dépendance à des schémas de priorisation de l'expérience collectée, souvent statiques, qui produisent des performances inégales selon la diversité des tâches. En rapprochant la stratégie d'apprentissage du curriculum progressif observé chez l'humain, plutôt que d'un simple rejeu d'expérience priorisé, l'approche vise une meilleure généralisation entre tâches de manipulation, un enjeu clé pour les intégrateurs qui cherchent à réduire le volume de données nécessaire à l'entraînement de politiques robotiques. Le travail s'inscrit dans une lignée de recherches combinant curriculum learning et contrastive learning pour améliorer l'efficacité d'échantillonnage en RL, un axe actif depuis les méthodes de hindsight expérience replay. Le statut "replace" sur arXiv indique une révision par rapport à une version antérieure, sans qu'on sache si l'article a été accepté dans une conférence ou une revue à comité de lecture. Aucune suite (code source, benchmark public, application industrielle) n'est mentionnée à ce stade.

Recherche❖Paper

1 source

39

395Robotics Business Review 

Igus lance une chaîne porte-câbles avec rotation de 600 degrés pour robots industriels

Igus GmbH, spécialiste allemand des plastiques pour mouvement basé à Cologne, a annoncé une nouvelle chaîne porte-câbles baptisée twisterchain, conçue pour les robots industriels compacts. Le dispositif autoportant permet une rotation supérieure à 600 degrés tout en assurant une gestion fiable des câbles d'alimentation et de données. Le module rotatif s'installe en boucle autour de la base du robot : à mesure que celui-ci tourne, la chaîne se soulève progressivement par paliers, ce qui permet une rotation complète à 360° sans collision avec la plaque de connexion. Le système ne nécessite que deux points de fixation, sans goulotte de guidage ni alignement complexe. Il s'ouvre sur son rayon intérieur pour faciliter l'insertion des câbles, intègre des séparateurs internes amovibles et une prétension réglable selon le poids des câbles et l'angle de rotation, pour garantir la répétabilité des mouvements. Igus cible deux usages précis : l'axe 1 à la base des petits robots industriels, montable au sol ou sur un socle surélevé, et l'axe 5 des robots de palettisation et de manutention, montable sur le bras ou en bout d'outil. Cette annonce répond à deux problèmes concrets du secteur. D'un côté, les robots compacts utilisés pour le vissage, le collage, l'assemblage ou le pick-and-place souffrent depuis longtemps d'un manque de solutions fiables pour alimenter leur premier axe, qui tourne rapidement. De l'autre, sur le cinquième axe des robots de palettisation, les tuyaux ondulés mal maîtrisés entrent souvent en collision avec l'outil. En proposant un mouvement défini sur deux niveaux, igus dit permettre aux câbles de suivre des rotations complètes même avec des profils de mouvement très dynamiques. Pour les intégrateurs, l'intérêt tient surtout à la simplicité d'installation, sans goulotte coûteuse, et à la maintenance facilitée grâce à l'accès aux câbles. Reste que les gains annoncés en termes de fiabilité et de durée de vie s'appuient sur les tests internes d'igus, sans validation indépendante encore documentée. Leader mondial revendiqué des chaînes porte-câbles, câbles flexibles et paliers lisses en polymères tribologiques, igus emploie 4 600 personnes dans 31 pays et a réalisé 1,15 milliard d'euros de chiffre d'affaires en 2022. L'entreprise, dont le siège américain se trouve à Rumford, dans le Rhode Island, propose environ 234 000 références disponibles sur stock et a multiplié ces dernières années les filiales internes, notamment sur les roulements à billes, les actionneurs robotiques, l'impression 3D et la plateforme RBTX dédiée à la robotique low-cost. Elle mène aussi le programme de recyclage « chuck » pour les chaînes usagées et participe à un projet de transformation de déchets plastiques en huile, la twisterchain étant elle-même annoncée comme recyclable en fin de vie.

FR/EU ecosysteme⚡Actu

1 source

39

396Interesting Engineering 

Figure 03, un humanoïde, gravit une échelle de façon autonome, une première pour la robotique

Figure, la startup californienne de robotique humanoïde, a diffusé le 1er août 2026 une vidéo montrant son robot Figure 03 grimper à une échelle de façon entièrement autonome, sans télécommande ni assistance humaine visible. Les images ont été publiées sur X par le fondateur de l'entreprise, Brett Adcock, qui présente la démonstration comme une nouvelle étape dans la mobilité et l'équilibre des robots humanoïdes. Figure 03 est le robot généraliste de l'entreprise, conçu pour évoluer à terme dans des environnements domestiques et professionnels grâce à son modèle d'IA Helix. L'annonce intervient alors que Figure a récemment porté sa cadence de production d'une unité par jour à une unité par heure, avec plus de 350 robots livrés à ce jour. Aucun détail technique sur le système sous-jacent n'a été communiqué, et la démonstration n'a pas été vérifiée de façon indépendante, ce qui invite à la prudence sur la portée réelle de l'exploit. Grimper à une échelle compte parmi les tâches les plus exigeantes pour un robot humanoïde: elle demande une coordination fine des bras et des jambes, des ajustements d'équilibre continus et une perception précise de l'environnement en temps réel. Une réussite de ce type, si elle se confirme au-delà d'une vidéo soigneusement sélectionnée, suggérerait des progrès concrets sur le contrôle corporel global et la prise de décision embarquée, deux points faibles historiques des humanoïdes face aux démonstrations scénarisées de la concurrence. Pour les intégrateurs et décideurs industriels, l'enjeu dépasse l'anecdote: il s'agit de savoir si les robots à jambes peuvent réellement remplacer les solutions à roues dans des environnements pensés pour l'humain, entrepôts, usines, bureaux. Adcock a d'ailleurs qualifié les robots à roues d'« impasse totale », réaffirmant le pari stratégique de Figure sur la locomotion bipède. Cette capacité s'appuie sur une refonte récente du modèle Helix System 0, qui combine désormais perception visuelle et contrôle moteur global. Auparavant limité à la proprioception, c'est-à-dire la seule conscience de la position de ses articulations, le système intègre désormais les flux stéréo des caméras embarquées pour construire une représentation tridimensionnelle du terrain en temps réel. Entraîné par apprentissage par renforcement sur des terrains simulés variés, ce modèle transférerait, selon Figure, ses comportements directement vers le monde réel sans calibration supplémentaire, un enjeu de transfert simulation-vers-réel qui reste un défi majeur du secteur. Face à des concurrents comme Tesla (Optimus) ou les développeurs de modèles VLA tels que Pi-0 ou GR00T N2, Figure mise sur cette architecture perceptive pour élargir progressivement l'autonomie de ses robots vers des environnements réels non contrôlés.

Humanoïdes❧Opinion

1 source

41

397IEEE Spectrum Robotics 

Walden Robotics s'associe à Toyota pour des humanoïdes pratiques

Walden Robotics est sortie de l'ombre le 15 juillet avec un financement de 300 millions de dollars pour une valorisation de 1,1 milliard. La société est un spin-off du Toyota Research Institute (TRI), la branche R&D de Toyota basée dans la Silicon Valley, après une dizaine d'années de travaux de recherche sur des problèmes durs de robotique. Son cofondateur et PDG, Russ Tedrake, professeur au MIT où il enseigne la robotique à pattes depuis vingt ans, a fait un choix qui tranche avec la mode du secteur : un robot à base roulante, sans jambes. « C'est ironique, j'ai réfléchi aux jambes pendant vingt ans, dit-il. Il y a de bonnes raisons de construire un robot avec des jambes, mais la question est : quel est le marché adressable, et quelle part de ce marché une base à roues couvre-t-elle déjà ? » Tedrake reste volontairement flou sur les applications précises, invoquant la confidentialité vis-à-vis de partenaires commerciaux déjà engagés, mais cible clairement l'industrie manufacturière et la logistique, sur des tâches répétitives trop irrégulières pour un tapis roulant ou un bras robotique préprogrammé. Cette annonce illustre un basculement dans le secteur des humanoïdes, passé d'une course technologique tous azimuts à des exigences de rentabilité concrète. Walden a inversé l'ordre habituel : au lieu de construire un robot puis de lui chercher un usage, l'entreprise a d'abord identifié les applications à forte valeur ajoutée, puis conçu une machine pour y répondre. L'argument commercial de Tedrake est explicite : pour justifier un robot face à des ouvriers humains plus flexibles et moins chers à l'unité, il faut viser une utilisation continue, 24 heures sur 24 et 7 jours sur 7, seule configuration où l'équation économique devient favorable. Cette approche, si elle tient ses promesses en conditions réelles de production plutôt qu'en démonstration, viendrait renforcer la thèse selon laquelle le marché des humanoïdes se resserre autour de cas d'usage industriels précis plutôt que de la polyvalence générale mise en avant jusqu'ici. Le partenariat avec Toyota, actionnaire et partenaire de lancement via TRI, dépasse le simple financement : Tedrake insiste sur une culture d'entreprise orientée qualité de vie des travailleurs plutôt que rentabilité pure, la direction de Toyota l'ayant interrogé sur l'impact humain du projet plutôt que sur son potentiel de revenus. Le robot, décrit comme massif dans sa conception pour supporter des charges utiles élevées, vise à terme à décharger les ouvriers qualifiés des tâches répétitives afin qu'ils puissent se concentrer sur des missions à plus forte valeur ajoutée. Walden rejoint ainsi un paysage concurrentiel dense (Figure, Tesla Optimus, Physical Intelligence, NVIDIA GR00T, Apptronik) où l'expérience accumulée chez TRI et l'appui industriel de Toyota constituent ses principaux atouts distinctifs.

Humanoïdes⚡Actu

1 source

41

398Interesting Engineering 

Robots quadrupèdes : des pieds poreux imprimés en 3D réduisent la consommation de batterie

Une équipe de la Seoul National University of Science and Technology (SEOULTECH) a mis au point des pieds de robot imprimés en 3D à structure poreuse, capables de réduire la consommation électrique des robots quadrupèdes pendant la marche. Ces pieds légers reposent sur des structures TPMS (triply periodic minimal surface), des réseaux tridimensionnels répétitifs qui absorbent et restituent l'énergie d'impact au contact du sol. Les chercheurs ont conçu et testé trois variantes hémisphériques (primitive, gyroïde, diamant), évaluées par tests de compression : la structure en diamant, avec une densité relative de 60 %, a offert le meilleur compromis entre flexibilité, absorption des chocs et pertes d'énergie minimales. Associée à un contrôleur d'apprentissage par renforcement profond (DRL) qui synchronise les mouvements moteurs avec l'énergie stockée puis relâchée par le pied à chaque pas, cette solution a été testée sur le robot quadrupède commercial RBQ-10, à des vitesses comprises entre 0,4 et 1,0 mètre par seconde. Résultat : une baisse de la consommation de la batterie allant de 1,4 % à 6,2 % selon la vitesse, sans perte de stabilité de la marche. Cette avancée s'attaque à l'un des principaux freins à l'adoption des robots quadrupèdes dans l'industrie : leur appétit énergétique, nettement supérieur à celui des robots à roues, puisque chaque pas nécessite un effort moteur continu. Pour des usages comme l'inspection industrielle, la logistique en entrepôt ou les missions de recherche et sauvetage, où l'autonomie de la batterie conditionne directement le temps d'opération sur le terrain, un gain de quelques points de pourcentage peut se traduire par des cycles d'utilisation plus longs sans recharge. L'intérêt de l'approche tient aussi à sa simplicité mécanique : plutôt que d'intégrer des ressorts dans la structure des jambes, comme le font d'autres conceptions, l'énergie est stockée directement dans le pied, ce qui allège l'architecture globale. Comme les structures TPMS peuvent être produites avec des imprimantes 3D standards, la technique pourrait être relativement simple et peu coûteuse à intégrer sur d'autres plateformes robotiques. Il faut toutefois noter que les gains restent modestes (1,4 à 6,2 %) et mesurés en conditions de laboratoire sur un seul modèle de robot. Le travail s'inscrit dans une recherche plus large sur l'efficacité énergétique des robots à pattes, un domaine où des acteurs comme Boston Dynamics (Spot), ANYbotics (ANYmal) ou Unitree explorent différentes pistes mécaniques et logicielles pour prolonger l'autonomie. En combinant une innovation purement mécanique, la structure poreuse du pied, à une couche de contrôle par intelligence artificielle capable d'exploiter cette élasticité en temps réel, l'équipe de SEOULTECH illustre une tendance de fond dans la robotique de terrain : l'optimisation conjointe du matériel et du logiciel plutôt que l'amélioration isolée de l'un ou de l'autre. Les chercheurs n'ont pas communiqué de calendrier pour une éventuelle industrialisation de cette technologie de pied.

Recherche❖Paper

1 source

35

399SCMP Tech 

Robbyant, la filiale d'IA incarnée d'Ant Group, lance une levée de fonds externe

Robbyant, la division d'intelligence artificielle incarnée du groupe fintech chinois Ant Group, a annoncé lundi être entrée en discussion avec des investisseurs externes pour une levée de fonds. Il s'agit de la quatrième unité du groupe à engager une telle démarche de collecte de capitaux, un mouvement qu'Ant Group multiplie ces derniers mois pour ses filiales technologiques. Un porte-parole de Robbyant a présenté l'unité comme « l'initiative centrale du groupe en matière d'intelligence incarnée », précisant qu'elle concentre son développement sur un « cerveau robotique » à usage général, investit dans des technologies spécifiquement conçues pour l'IA incarnée, et cherche à accélérer sa commercialisation. Aucun montant, aucune valorisation ni aucun investisseur nommé n'ont été communiqués à ce stade. Cette ouverture du capital de Robbyant à des tiers illustre une tendance de fond : les géants technologiques chinois cherchent à faire financer directement par le marché des paris coûteux sur la robotique incarnée, plutôt que de les porter seuls sur leur bilan. Pour les intégrateurs et décideurs B2B qui suivent la course mondiale aux modèles génériques de type vision-language-action et aux « cerveaux robotiques » universels, ce mouvement confirme que la Chine structure un écosystème concurrent de celui des acteurs américains comme Figure, Physical Intelligence ou NVIDIA, avec un accès potentiellement massif à des capitaux privés dédiés à ce secteur encore largement au stade de la démonstration plus que du déploiement industriel à grande échelle. Ant Group, principalement connu pour sa filiale de paiement Alipay, diversifie ainsi son portefeuille vers l'IA incarnée dans un marché chinois de la robotique humanoïde déjà très disputé, où évoluent des acteurs comme Unitree, AgiBot ou Fourier Intelligence. La stratégie de filialisation et de levée de fonds sectorielle permet au groupe de partager le risque financier de ces paris technologiques avec des investisseurs externes. Les prochaines étapes à surveiller restent le montant effectivement levé, l'identité des investisseurs entrants et d'éventuels partenariats industriels ou pilotes de déploiement pour la technologie de Robbyant.

Chine/Asie⚡Actu

1 source

38

400Interesting Engineering 

Robot : la nouvelle main robotique de Foundation attrape une balle de baseball en plein vol avec une précision quasi humaine

Foundation Robotics vient de dévoiler une vidéo démontrant la capacité de sa nouvelle main robotique à attraper une balle de baseball en plein vol avec une précision quasi humaine. Basée à San Francisco, l'entreprise a conçu cette main selon une architecture à tendons dont les moteurs sont déportés dans l'avant-bras plutôt que logés dans les doigts, ce qui allège considérablement la structure tout en conservant la force nécessaire aux mouvements rapides. Des tendons de flexion ferment les doigts et des tendons d'extension les rouvrent, reproduisant la coordination des tendons d'une main humaine. Un mécanisme additionnel permet de légers mouvements latéraux des doigts, leur donnant la capacité de former une prise en coupe pour envelopper des objets sphériques comme une balle, ou d'adopter une pince plus fine pour de petits objets. Le système estime la position de chaque doigt en croisant les données de rotation des moteurs avec un modèle géométrique des tendons, sans dépendre uniquement de capteurs physiques ; des capteurs à magnétorésistance tunnel (TMR) viennent ensuite affiner ces estimations avec une précision inférieure au degré, en servant de redondance plutôt que de source principale. Cette main est destinée aux robots humanoïdes Phantom de Foundation, conçus pour l'industrie. Cette démonstration, même si le lancer était planifié à l'avance, illustre un enjeu central de la robotique humanoïde actuelle : la capacité à manipuler des objets irréguliers avec rapidité et fiabilité, sans recourir à des pinces spécialisées. Contrairement aux mains de type gripper de générations précédentes chez Foundation, ce prototype introduit des doigts actionnés indépendamment, des articulations d'inspiration anatomique et une estimation d'état avancée. Pour les intégrateurs industriels, l'intérêt réside moins dans l'exploit spectaculaire que dans la fiabilité promise en environnement contraint : la redondance capteur/logiciel vise justement les cas où des capteurs tombent en panne ou s'endommagent, un point critique en usine. Cela dit, comme pour beaucoup de démonstrations du secteur, le geste reste chorégraphié et il convient de distinguer cette vitrine technologique d'un déploiement en conditions réelles de production. Foundation Robotics s'inscrit dans la course grandissante aux mains robotiques dextres, aux côtés d'acteurs comme Figure, Tesla (Optimus) ou des laboratoires travaillant sur des modèles VLA tels que Pi-0 ou GR00T N2, où la manipulation fine reste l'un des goulots d'étranglement majeurs face à la locomotion. L'entreprise mise sur cette architecture à tendons et moteurs déportés pour équiper ses robots Phantom destinés aux environnements industriels, où la variété des outils et composants à manipuler exige une polyvalence que les grippers classiques ne permettent pas. Les prochaines étapes attendues concernent le passage de cette démonstration contrôlée à des déploiements pilotes en conditions réelles, un test que la plupart des acteurs du secteur humanoïde doivent encore franchir pour valider leurs promesses de dextérité à l'échelle industrielle.

Humanoïdes❧Opinion

1 source