Actualités robotique — page 9

4 500 articles au fil, du plus récent au plus ancien.

38

401Interesting 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

44

402Pandaily 

CATL investit dans RoboParty : Huang Yi, fondateur de 22 ans issu de l'Institut de technologie de Harbin, propulse sa startup open source de robot humanoïde bipède avec une valorisation multipliée par 20

CATL, premier fabricant mondial de batteries, a réalisé un investissement stratégique direct rare dans RoboParty, jeune pousse chinoise spécialisée dans les robots humanoïdes bipèdes open source, en finançant seule son tour Pre-A dans le cadre d'une levée globale (angel plus Pre-A) proche de 500 millions de yuans. Le fondateur, Huang Yi, 22 ans, est entré à l'Institut de technologie de Harbin en 2022 et a développé dès sa première année, dans sa chambre universitaire, le robot bipède open source AlexBot, depuis répliqué par plus d'une dizaine d'entreprises et d'universités. Diplômé un an en avance en 2025, il s'installe dans la Robot Valley de Zhangjiang à Shanghai et fonde RoboParty. En huit mois, la startup boucle six tours de financement et voit sa valorisation multipliée par plus de vingt, avec au capital Matrix Partners, Xiaomi Strategic Investment, Galbot, SenseTime, Baidu Ventures, Pudong Venture Capital et Shunwei Capital, sans clause de performance ni rachat garanti selon les informations disponibles. En janvier, RoboParty a lancé RPO, un projet de robot bipède entièrement open source destiné aux développeurs du monde entier partant de zéro, qui a rassemblé près de 10 000 abonnés dans la communauté, plus de 2 000 étoiles sur GitHub et près de 1 000 commandes. Un modèle plus avancé, RP1, est attendu au quatrième trimestre. L'entreprise a également publié Party OS, une couche logicielle réutilisable couvrant acquisition de données, traitement des actions et déploiement de politiques, avec les outils open source MimicLite, UFO et Human-to-Humanoid Tools. Cet investissement dépasse la simple opération financière. CATL, en tant qu'entité stratégique de groupe, s'engage rarement de façon directe dans ce type de pari, ce qui marque un basculement vers une logique de coordination de chaîne industrielle plutôt que de pur placement de capital ; les deux parties évoquent des explorations conjointes en manufacturing et en environnements opérationnels complexes. Pour le secteur, l'affaire illustre un pari sur l'ouverture des plateformes robotiques : Huang Yi défend l'idée que les entreprises de modèles d'IA incarnée manquent de corps physiques tandis que les fabricants de corps restent des systèmes fermés, et que l'open source est le chaînon manquant entre les deux. La comparaison avec le "moment DeepSeek" de l'IA, avancée par certains observateurs, mérite d'être prise avec prudence : elle relève davantage du récit médiatique que d'une preuve technique établie, même si elle traduit un pari réel des investisseurs sur une bascule des modèles fermés vers une infrastructure partagée. Le contexte est celui de l'après-Unitree, dont le modèle G1 reste, selon Huang Yi lui-même, la référence qu'aucun concurrent n'a dépassée en deux ans, un constat qu'il attribue au gaspillage de ressources causé par des changements de direction stratégique avant même la validation d'un produit-marché. RoboParty affiche une priorité affirmée aux indicateurs techniques et aux benchmarks état de l'art plutôt qu'au volume de commandes, misant sur une centaine de développeurs de haute qualité plutôt que sur des centaines de clients. Les investisseurs décrivent Huang Yi comme réservé et obsédé par la technique, avec une lecture business jugée inhabituellement claire pour son âge. Reste à voir si RP1, prévu au quatrième trimestre, confirmera cette promesse face à des concurrents comme Unitree, Figure ou les laboratoires chinois rivaux du même segment.

Chine/Asie⚡Actu

1 source

38

403Robotics Business Review 

Reimagine Robotics sort du mode furtif avec des robots qui « apprennent sur le tas »

Reimagine Robotics est sortie de stealth avec une plateforme robotique qui apprend directement au poste de travail, sans recourir à des équipes de programmation spécialisées. Fondée en avril 2025 à Londres et Sydney par Jonathan Scholz, ancien responsable pendant sept ans de l'équipe Applied Robotics de Google DeepMind, aux côtés d'Oleg Sushkov, Akhil Raju et Misha Denil, la startup a levé un tour pré-seed auprès de Fly Ventures, firstminute capital et plusieurs business angels. Son approche, baptisée en interne "monkey-see, monkey-do", consiste à laisser un opérateur montrer une tâche au robot, observer sa tentative, puis corriger ses erreurs en temps réel jusqu'à ce qu'il devienne autonome. Deux déploiements concrets sont déjà cités : chez un fabricant de plastiques à la demande, des robots ont été entraînés à surveiller des imprimantes 3D la nuit, retirant les plateaux d'impression, actionnant des loquets et des commandes ; l'équipe cliente a ensuite étendu elle-même l'automatisation aux étapes de lavage, durcissement et séchage. Dans un second cas, portant sur la récupération de matériaux critiques à partir de disques durs usagés, Reimagine Robotics a travaillé avec des ingénieurs process pour construire une cellule de désassemblage à trois robots, combinant humains et machines en temps réel. L'entreprise affirme avoir réduit le temps de prototypage d'un nouveau comportement robotique d'environ une journée à dix minutes, un chiffre communiqué par la société elle-même et non vérifié de façon indépendante. L'enjeu pour l'industrie tient moins à la performance brute des robots qu'à la vitesse de reconfiguration : au lieu d'un cycle de programmation lourd à chaque changement de process, l'opérateur métier devient lui-même le formateur du robot, ce qui déplace la barrière à l'adoption vers les lignes de production à petites séries ou à forte variabilité, un segment où l'automatisation classique reste coûteuse. Scholz insiste sur un positionnement d'augmentation plutôt que de remplacement du travail humain, un discours proche de celui d'autres acteurs misant sur l'apprentissage supervisé par démonstration plutôt que sur des modèles fondation VLA entraînés hors ligne à grande échelle. Reimagine Robotics rejoint une liste déjà dense d'entreprises misant sur des opérateurs humains pour entraîner leurs modèles robotiques, dont 1X Technologies, AgiBot, Apptronik, BrainCo, NEURA Robotics, Sanctuary AI et Tutor Intelligence. Après une année passée à construire produit et équipe en mode furtif, la société annonce entrer dans une phase de levée de fonds, de recrutement pour renforcer ses capacités de déploiement, et d'expansion vers de nouveaux sites industriels, avec l'objectif affiché de rendre chaque nouveau déploiement plus rapide et plus fiable que le précédent.

Industriel⚡Actu

1 source

41

404Interesting Engineering 

BYD entre dans la course aux robots humanoïdes avec un lancement en août

BYD, le numéro un mondial de la voiture électrique et principal rival de Tesla, a confirmé au South China Morning Post qu'il dévoilera ses premiers robots humanoïdes en août, dans son showroom Di Space. L'entreprise précise que les machines seront fonctionnelles et que les visiteurs pourront interagir directement avec elles lors d'une exposition immersive, et non assister à une simple vidéo promotionnelle. Cette annonce fait suite aux rumeurs apparues en 2025 sur les ambitions de BYD en robotique embarquée, puis à la confirmation en juin par Stella Li, vice-présidente exécutive du groupe, d'un investissement significatif dans l'intelligence artificielle. BYD, né comme fabricant de batteries avant de devenir un constructeur automobile intégrant lui-même la production de ses semi-conducteurs et de ses cellules énergétiques, applique désormais cette logique de verticalisation industrielle à l'humanoïde, misant sur son échelle de fabrication plutôt que sur une promesse logicielle comme le fait Tesla avec Optimus. L'enjeu dépassse la simple démonstration technologique: BYD cible d'abord l'automatisation de ses propres usines, où les robots pourraient déplacer des pièces, assembler des composants, inspecter des produits et manipuler des matériaux, avant une éventuelle commercialisation vers d'autres industriels. Ce positionnement lui permettrait de tester ses machines en interne avant de les vendre, un avantage que peu de concurrents peuvent revendiquer à cette échelle. Ding Haifeng, consultant chez Integrity à Shanghai, souligne que le marché scrutera surtout la capacité de production réelle et les prix annoncés, deux inconnues qui détermineront si l'initiative dépasse le stade de la vitrine. Stella Li estime pour sa part que la Chine sera le premier marché à voir une commercialisation complète des humanoïdes, une prédiction à prendre avec prudence tant qu'aucun calendrier de production ferme n'est communiqué. Le contexte reste celui d'une course sino-américaine déjà engagée: cinq des principales entreprises mondiales de robotique humanoïde sont chinoises, Pékin ayant classé le secteur comme industrie stratégique pour sa croissance future. Xpeng a pour sa part annoncé le déploiement de 1 000 robots d'ici 2027, tandis que Tesla n'a toujours pas commercialisé Optimus à grande échelle, une faiblesse reconnue par Allan Wang Hao, président de Tesla Chine, qui envisage lui-même une éventuelle fabrication locale de robots. Elon Musk anticipe désormais un affrontement direct entre Tesla et les constructeurs chinois sur ce terrain. Certains analystes évoquent un marché pouvant atteindre mille milliards de dollars à terme, mais cette estimation demeure spéculative et ne repose sur aucun chiffre de production ou de vente confirmé à ce stade.

Chine/Asie⚡Actu

1 source

54

405arXiv cs.RO 

Vers un pont entre simulation et réalité : transfert simulation-réel systématique pour divers robots à pattes

Des chercheurs publient sur arXiv (2509.06342v2, version révisée) un nouveau cadre combinant apprentissage par renforcement sim-to-real et modèle énergétique physique pour moteurs synchrones à aimants permanents, les actionneurs les plus courants sur les robots à pattes. La méthode ne nécessite qu'un jeu minimal de paramètres pour capturer l'écart entre simulation et réalité, et repose sur une fonction de récompense compacte à quatre termes intégrant une formulation de pertes énergétiques fondée sur les premiers principes, équilibrant dissipation électrique et mécanique. L'équipe valide son approche par une identification dynamique ascendante, des actionneurs individuels aux trajectoires complètes en l'air puis à la locomotion au sol. Le cadre est testé sur trois plateformes principales et déployé sur dix robots supplémentaires, soit treize systèmes au total, avec un transfert de politique fiable obtenu sans randomisation des paramètres dynamiques. Résultat clé : une réduction de 32% du coût de transport (Cost of Transport) du quadrupède ANYmal, ramené à une valeur de 1,27. Code, modèles et jeux de données sont publiés en accès libre. Ce travail s'attaque à deux limites récurrentes de la robotique à pattes entraînée en simulation : le transfert peu fiable vers le matériel réel, et la négligence quasi systématique des pertes énergétiques spécifiques aux actionneurs dans les fonctions de récompense, souvent bricolées à la main. En montrant qu'une modélisation physique du moteur peut remplacer une partie de la randomisation de domaine habituellement jugée indispensable pour généraliser, l'étude questionne une hypothèse répandue du secteur : que la robustesse sim-to-real passe nécessairement par une randomisation massive des paramètres. Pour les intégrateurs et équipes R&D travaillant sur des robots mobiles à pattes, l'efficacité énergétique conditionne directement l'autonomie en batterie et la charge utile disponible, ce qui rend ce gain de 32% concrètement exploitable au-delà du seul intérêt académique. Le problème du fossé sim-to-real occupe la recherche en locomotion par apprentissage depuis l'essor des quadrupèdes comme l'ANYmal d'ANYbotics, plateforme de référence académique pour ce type de benchmark. La plupart des approches existantes traitent les pertes énergétiques comme un ajout secondaire plutôt qu'une contrainte physique de premier ordre dès l'entraînement. En publiant intégralement code, modèles et données avec cette version révisée, les auteurs positionnent leur contribution comme reproductible pour les laboratoires et industriels développant des plateformes à actionneurs PMSM, sans qu'aucun déploiement commercial ne soit annoncé à ce stade : il s'agit d'une avancée de recherche, dont l'adoption dépendra désormais de son intégration dans les pipelines d'entraînement d'autres équipes robotique.

Recherche❖Paper

1 source

49

406arXiv cs.RO 

BWM : un simulateur de monde haute-fidélité à faible coût pour l'apprentissage robotique

Boundless World Model (BWM) est un simulateur de monde open source, présenté fin juillet dans une prépublication arXiv, conçu pour l'apprentissage de la manipulation robotique. Le système est un modèle de monde conditionné par l'action : il combine un guidage par l'observation initiale, un historique visuel dynamique et un conditionnement temporellement aligné sur les actions du robot pour prédire, de façon autorégressive et avec état, les observations futures découlant d'une séquence de commandes. Les données d'entraînement sont construites par rejeu de trajectoires, échantillonnage de clips qui se chevauchent et enrichissement des observations initiales. Sur le benchmark WorldArena, BWM se classe premier toutes catégories confondues, en tête du Track 1 et des deux applications du Track 2, avec des validations complémentaires sur robots physiques. L'ensemble du code d'entraînement et d'inférence, les poids du modèle et les interfaces de génération de données et d'évaluation de politiques sont publiés en accès libre. L'intérêt pratique tient à deux usages distincts que le papier documente. D'abord comme moteur de données : BWM génère des rollouts alignés sur l'action pour augmenter les jeux de données d'apprentissage par imitation, un poste de dépense généralement coûteux en téléopération réelle. Ensuite comme évaluateur de politiques en boucle fermée, capable d'anticiper des échecs avant tout passage sur matériel physique et de classer plusieurs politiques candidates sans risque. Cette approche répond directement à une limite connue des simulateurs physiques classiques, qui exigent une construction et un calibrage d'assets coûteux tout en conservant un écart sim-to-real, et à celle des générateurs vidéo génériques, qui manquent de contrôle fin sur la réponse aux actions du robot. Un simulateur combinant fidélité visuelle et contrôlabilité par l'action, à faible coût, constituerait une brique utile pour les équipes qui manquent de données réelles denses. Le papier s'inscrit dans une tendance de recherche récente qui cherche à remplacer ou compléter les moteurs physiques (type MuJoCo ou Isaac Sim) par des modèles de monde appris, à la manière des approches vidéo-générative appliquées à la robotique. La victoire revendiquée au WorldArena Challenge reste toutefois à confirmer par une adoption indépendante : les métriques de classement d'un benchmark récent et la portabilité réelle vers des politiques de production restent les points à surveiller dans les prochains mois, notamment via les retours de la communauté sur l'écosystème open source publié.

Recherche❖Paper

1 source

47

407arXiv cs.RO 

Modèle du monde critique pour l'apprentissage par renforcement vision-langage-action (WCM)

Des chercheurs ont publié fin juillet 2026 un article arXiv (2607.29613) présentant le World Critic Model (WCM), une nouvelle architecture pour l'apprentissage par renforcement (RL) appliqué aux modèles Vision-Language-Action (VLA) utilisés en manipulation robotique. Le problème ciblé est celui des méthodes RL à base de critique, qui évaluent la valeur d'une action à partir d'une seule image ou d'un seul instant du flux visuel, un choix mal adapté au contrôle robotique où l'observation est par nature partielle et séquentielle. Bâti sur une architecture légère dérivée de LeJEPA, WCM prédit conjointement l'état latent futur de la scène et estime la valeur de l'action, ce qui force le critique à apprendre la dynamique temporelle plutôt qu'à simplement régresser un score. Le système s'intègre aux pipelines on-policy et off-policy et fonctionne avec les backbones VLA de référence Pi0, Pi0.5 et OpenVLA-OFT. Les auteurs rapportent des résultats état de l'art sur 149 tâches réparties sur quatre benchmarks, avec des gains marqués en généralisation hors distribution, ainsi qu'une validation sur sept tâches de manipulation réelles combinant OpenVLA-OFT et Pi0.5 en RL off-policy. L'enjeu dépasse la seule performance chiffrée: le RL post-entraînement des modèles VLA est aujourd'hui l'un des leviers les plus regardés pour fiabiliser les politiques robotiques au-delà de l'imitation pure, mais les critiques scalaires classiques peinent justement là où le contrôle réel exige de la mémoire et de l'anticipation. Si les gains de généralisation se confirment en dehors du cadre des benchmarks académiques, WCM pourrait devenir un composant standard pour les équipes qui affinent des VLA en production plutôt qu'une simple curiosité de laboratoire, en particulier pour les intégrateurs qui cherchent à réduire l'écart entre démonstration en simulation et déploiement réel. L'article s'inscrit dans la lignée des travaux récents sur l'apprentissage par prédiction de représentations latentes (JEPA, popularisé par Meta AI) appliqués à la robotique, et complète les approches critic-based existantes du RL pour VLA. Les auteurs ne précisent pas de plan de mise en open source ni de calendrier d'intégration dans des stacks robotiques commerciales; l'étape suivante logique serait une validation à plus grande échelle sur des plateformes industrielles.

Recherche⚡Actu

1 source

46

408arXiv cs.RO 

Traduction événementielle de la téléopération haut du corps d'un humanoïde en conditions d'éclairage difficiles

Des chercheurs présentent un système de téléopération temps réel du haut du corps d'un robot humanoïde, piloté par une caméra événementielle neuromorphique plutôt qu'une caméra RGB classique. Le dispositif repose sur la Prophesee EVK4, qui fonctionne de façon asynchrone avec une résolution temporelle élevée et une plage dynamique supérieure à 120 dB, permettant un suivi stable en contre-jour sévère ou dans des environnements descendant sous 5 lux. L'architecture combine un module de perception à faible latence, utilisant une accumulation d'événements optimisée et une fusion inertielle alignée sur la gravité, avec un module de mouvement causal baptisé TWIST, chargé du retargeting cinématique en ligne. Le système a été validé sur une plateforme embarquée NVIDIA Booster T1 couplée à un buste humanoïde à 18 degrés de liberté, avec une latence photon-action de bout en bout mesurée entre 23 et 34 millisecondes, meilleure que les pipelines RGB classiques testés dans les mêmes conditions. L'intérêt pratique dépasse la simple prouesse technique. La téléopération humanoïde bute aujourd'hui sur un problème concret d'imitation de mouvement en environnement industriel réel: éclairage variable, contre-jour dans les entrepôts, ateliers mal éclairés, mouvements rapides des opérateurs. Les caméras RGB classiques, à temps d'intégration fixe, décrochent précisément dans ces conditions, ce qui limite le déploiement de la téléopération hors laboratoire contrôlé. En montrant qu'une caméra événementielle conserve une latence de suivi de l'ordre de la trentaine de millisecondes là où le RGB se dégrade, l'étude apporte un argument concret en faveur des capteurs neuromorphiques pour les cas d'usage exigeants en dynamique ou en éclairage difficile, un segment jusqu'ici resté marginal face à la domination du RGB et du LiDAR dans les stacks de perception robotique. Les auteurs restent toutefois mesurés: en scène statique et bien éclairée, le RGB ou une approche hybride RGB-événements reste préférable, ce qui positionne la vision événementielle comme un complément ciblé plutôt qu'un remplacement généralisé. Ce travail s'inscrit dans la course actuelle à l'amélioration des interfaces de téléopération humanoïde, un maillon clé pour la collecte de données d'apprentissage par imitation utilisées par des architectures VLA comme TWIST elle-même, Pi-0 ou GR00T N2. Il ne s'agit pas d'un produit commercial mais d'une publication de recherche (arXiv, juillet 2026), sans annonce de partenariat industriel ni de calendrier de déploiement. La piste ouverte, hybrider capteurs événementiels et RGB selon les conditions de luminosité, dessine une prochaine étape logique pour fiabiliser la téléopération humanoïde hors des conditions de laboratoire.

Recherche❖Paper

1 source

45

409arXiv cs.RO 

Choisir quoi manipuler : des lois d'échelle des données révélées dans les politiques guidées par boîtes englobantes pour la manipulation sémantique

Une équipe de recherche publie sur arXiv (2602.11885v2) une étude sur les limites de généralisation des politiques de manipulation robotique guidées par diffusion. Le constat de départ : les instructions en texte seul échouent à diriger fiablement un robot vers le bon objet dans une scène encombrée et dynamique. Les chercheurs proposent à la place de guider la politique via des bounding boxes (boîtes englobantes) qui désignent directement la cible. Pour collecter des démonstrations annotées sémantiquement à grande échelle, ils ont développé Label-UMI, un dispositif de capture portatif couplé à un pipeline d'annotation automatisé. Leur architecture, dite "semantic-motion-decoupled", combine un module de détection d'objets avec une politique de diffusion pilotée par bounding box, complétée par un mécanisme d'ancrage sur la première image qui rend l'exécution robuste aux détections manquées ou aux boîtes bruitées. L'étude a été validée sur quatre tâches réelles à partir de 6 400 démonstrations. Le résultat central est une loi d'échelle des données : la généralisation progresse avec le volume de démonstrations, mais selon une courbe bornée et saturante, à rendements décroissants, plutôt qu'une amélioration linéaire indéfinie. C'est une nuance importante pour l'industrie de la robotique manipulatrice, où la stratégie dominante consiste à empiler toujours plus de données de téléopération pour espérer une généralisation type VLA (vision-langage-action). Les auteurs en tirent une recommandation opérationnelle directement exploitable par les équipes de collecte de données : privilégier la diversité des objets plutôt que le simple volume, une approche qui atteint 85 % de réussite en scène encombrée dans leurs tests. Ce travail s'inscrit dans le débat actuel sur l'écart entre démonstrations impressionnantes et robustesse réelle des politiques de manipulation sémantique, un point faible connu des approches purement conditionnées par texte. En s'appuyant sur la détection d'objets comme signal intermédiaire plutôt que sur le langage seul, l'équipe propose une piste concrète pour fiabiliser le déploiement en environnement non structuré. Les auteurs annoncent la publication prochaine du code et des données, ce qui permettrait une comparaison indépendante des résultats.

Recherche❖Paper

1 source

45

410arXiv cs.RO 

FBFM : un mécanisme de rétroaction asynchrone sans entraînement pour l'appariement de flux dans l'exécution des modèles monde-action

Traduction/résumé de l'article, prêt à publier : FBFM (Feedback Flow Matching) est un nouveau mécanisme d'inférence, sans entraînement supplémentaire, conçu pour les modèles monde-action (world-action models, WAMs) utilisés en contrôle robotique. Ces modèles prédisent l'évolution visuelle d'une scène avant de générer les actions correspondantes, mais leur fiabilité sur des tâches longues dépend d'un recalage régulier sur les observations réelles plutôt que d'un déroulement purement récursif. Les approches existantes rafraîchissent l'historique ou le cache KV avec des données réelles entre chunks d'action, mais cette correction reste grossière et ne rattrape pas les erreurs à l'échelle du pas de temps individuel. FBFM applique une correction pseudo-inverse masquée au champ de vitesse conditionnel pendant le flow matching : le chunk d'action précédent guide la génération du chunk suivant, et l'image observée après exécution de ce chunk précédent guide la prédiction de la frame suivante. Cette boucle asynchrone entre chunks corrige les erreurs sans attendre les frontières de segments. Testé sur deux WAMs, DreamZero (génération jointe) et LingBot-VA (approche par étapes), sur des tâches sélectionnées des benchmarks LIBERO et RoboTwin2.0, FBFM améliore les taux de réussite de plus de 5% dans les configurations favorables, et des diagnostics sur robot réel montrent un net gain de suivi entre observation et prédiction. Pour l'industrie robotique, ce travail cible un point faible connu des modèles monde-action : leur tendance à dériver sur des tâches longues, une variante du problème classique de reality gap entre génération et exécution physique. Le caractère training-free est significatif pour les intégrateurs, car la méthode s'ajoute au moment de l'inférence, sans réentraînement coûteux, ce qui la rend potentiellement compatible avec des architectures VLA ou WAM existantes sans toucher au pipeline d'apprentissage. Elle répond à une question débattue dans le secteur : la capacité des modèles génératifs à corriger leurs propres erreurs en temps réel plutôt que par lots entre segments. Les gains annoncés, plus de 5% de réussite « dans les configurations favorables », restent toutefois mesurés sur des sous-ensembles de tâches choisies dans des benchmarks simulés, ce qui appelle une lecture prudente avant toute extrapolation à des déploiements industriels à grande échelle. Les modèles monde-action prolongent la lignée des approches vision-language-action (VLA) comme Pi-0 ou GR00T N2, qui cherchent à unifier perception, prédiction et contrôle dans un système génératif capable d'anticiper les conséquences visuelles d'une action avant de l'exécuter. Le recalage entre prédiction et réalité reste un axe de recherche actif, partagé par plusieurs laboratoires travaillant sur le contrôle robotique par flow matching ou diffusion. FBFM se positionne comme une brique technique générique, compatible avec plusieurs architectures WAM (génération jointe et par étapes), plutôt que comme un système complet de bout en bout. Les auteurs évoquent des perspectives de correction fine en ligne, à la frontière entre génération en boucle ouverte et dynamique réelle en boucle fermée, sans toutefois mentionner de calendrier de déploiement industriel ni de partenaire commercial à ce stade.

Recherche❖Paper

1 source

45

411arXiv cs.RO 

Diagnostic de la généralisation compositionnelle dans les tâches robotiques séquentielles

Une nouvelle étude arXiv (2607.29687v1) s'attaque à un problème central de la manipulation robotique séquentielle : comment un robot généralise-t-il à des combinaisons d'instructions jamais vues lors de l'entraînement. Collecter des démonstrations pour chaque combinaison possible d'instructions coûte combinatoirement trop cher, et les jeux de données à couverture éparse échouent souvent face à des recombinaisons hors distribution. Les chercheurs décomposent l'écart de généralisation en trois sources distinctes : le décalage marginal d'instruction, le décalage compositionnel d'instruction, et le décalage contexte-action. Résultat clé : il n'est pas nécessaire d'énumérer toutes les combinaisons de tâches. Un sous-ensemble structuré, ne représentant qu'un quart de l'espace complet des tâches, suffit à restaurer une performance hors distribution robuste, à condition qu'il couvre les dépendances pertinentes pour l'action. Autre constat notable : un simple réglage fin avec une seule démonstration par tâche fait bondir le taux de réussite hors distribution de 0,4% à 54,7%. Pour l'industrie robotique, ce travail remet en cause une hypothèse répandue sur la collecte de données pour les architectures VLA (vision-langage-action) : l'échec en généralisation compositionnelle ne vient généralement pas d'un manque de compétences de bas niveau chez le robot, mais d'un mauvais "guidage" par l'instruction (instruction steering). Autrement dit, le robot sait souvent déjà exécuter le geste requis, mais peine à le rattacher à la bonne combinaison de mots. Pour les intégrateurs et les équipes data de laboratoires comme ceux travaillant sur des modèles type Pi-0 ou GR00T N2, la conclusion pratique est stratégique : prioriser la couverture des dépendances entre instructions plutôt que l'expansion exhaustive du nombre de tâches, ce qui pourrait réduire drastiquement les coûts de collecte de démonstrations. L'étude s'inscrit dans un courant de recherche plus large sur le "reality gap" des politiques de manipulation entraînées par imitation, où la généralisation en conditions réelles reste le principal goulot d'étranglement avant un déploiement industriel fiable. Les auteurs précisent que des résultats complémentaires sont disponibles en supplément, ainsi qu'un site de projet dédié, sans toutefois annoncer de déploiement matériel ni de partenariat industriel à ce stade.

Recherche❖Paper

1 source

45

412arXiv cs.RO 

ActFovea : sécurisation en temps réel des politiques VLA par cohérence spatio-temporelle vision-action

Le laboratoire à l'origine du projet publie ActFovea, un framework de sécurisation à l'exécution pour les politiques vision-langage-action (VLA) utilisées en manipulation robotique. Contrairement à un réentraînement du modèle, ActFovea s'installe en complément d'une politique VLA existante, sans la modifier, pour détecter et corriger les défaillances causées par des perturbations qui désynchronisent observations visuelles, états du robot et actions exécutées. Le système s'appuie sur la cinématique du robot, ses états proprioceptifs et son historique d'actions récentes pour construire des zones fovéales conditionnées à l'action, qui conservent les régions de contact et les corridors de mouvement prévus tout en filtrant le contenu visuel non pertinent pour la tâche. Il détecte les risques en vérifiant la cohérence entre mouvement visuel, fraîcheur des observations et transitions géométriques, proprioceptives et d'action attendues. Testé en boucle fermée sur le modèle Pi-0 dans plusieurs suites LIBERO, ActFovea fait passer le taux de succès sous perturbations visuelles localisées de 49,3% à 90,3%, comblant 93,7% de l'écart avec les performances en conditions propres. Il améliore aussi la robustesse de 7,0 points face à la dérive d'action et de 9,8 points face aux délais visuels, sans dégrader les performances en environnement non perturbé. Ce résultat s'attaque à un point faible connu des politiques VLA: leur fragilité dès que le flux d'observations devient obsolète, retardé ou incohérent avec l'état réel du robot, un scénario fréquent en déploiement réel (caméra masquée, latence réseau, capteur défaillant) mais rarement testé dans les démonstrations. Pour les intégrateurs industriels, la promesse n'est pas d'améliorer la politique elle-même mais d'ajouter une couche de garde-fou capable de distinguer une perturbation récupérable d'une situation où mieux vaut arrêter le geste, avec un mécanisme d'échec sécurisé qui, dans les essais rapportés, ne laisse passer aucune défaillance non protégée en cas de flux d'observation figé ou rejoué. Ce travail s'inscrit dans la vague actuelle de recherche sur la fiabilisation des politiques VLA généralistes, popularisées par des modèles comme Pi-0 ou GR00T N2, dont les performances en environnement contrôlé masquent souvent une sensibilité élevée au bruit du monde réel. En proposant une couche indépendante de la politique plutôt qu'un réentraînement coûteux, les auteurs positionnent ActFovea comme une brique de sécurité runtime potentiellement compatible avec différentes architectures VLA, une direction que devront confirmer des essais au-delà des suites de simulation LIBERO.

Recherche❖Paper

1 source

44

413arXiv cs.RO 

GPA-RAM : attention Mamba pré-entraînée à la préhension pour l'apprentissage de tâches spatiales

Une équipe de recherche présente GPA-RAM (Grasp-Pretraining Augmented Robotic Attention Mamba), une méthode combinant pré-entraînement de saisie et modélisation d'état pour la manipulation robotique fine. Le composant GPA (Grasp-Pretraining Augmentation) intègre des a priori de saisie issus des démonstrations de tâches dans les politiques d'imitation, sans données ni annotations supplémentaires sur les poses de préhension. Appliqué à RVT2, GPA fait passer le taux de réussite moyen sur le benchmark RLBench de 79,3% à 84,2%. Appliqué à ACT, il fait grimper la réussite sur les tâches ALOHA de transfert de cube et d'insertion bimanuelle de 86% et 16% à 98% et 38% respectivement. Pour compenser le coût de calcul additionnel, les chercheurs ont développé RAM (Robotic Attention Mamba), qui combine extraction de caractéristiques spatiales par attention et modélisation d'état pour capturer les dépendances à longue portée de façon efficace. Le framework complet, testé sur quatre plateformes dont des bras physiques UR5 et ARX R5, atteint 87,5% de réussite moyenne sur RLBench, devançant RVT2 de 8,2 points et ARP+ de 2,6 points. Sur ALOHA, il atteint 98% en transfert de cube et 56% en insertion bimanuelle, soit des gains de 12 et 40 points par rapport à ACT, tout en tournant à environ 71 images par seconde. La manipulation fine échoue souvent à cause d'une saisie initiale imprécise, dont l'erreur se propage et impose des corrections de pose complexes en aval. En intégrant des a priori de saisie directement dans l'apprentissage par imitation, sans capteurs ni annotations supplémentaires, GPA s'attaque à ce goulot d'étranglement à moindre coût d'ingénierie, un enjeu concret pour qui déploie des politiques VLA ou d'imitation en production. Le gain le plus parlant concerne l'insertion bimanuelle, une tâche réputée difficile car elle exige une précision millimétrique et une coordination à deux bras: faire passer ce taux de 16% à 38% avec ACT, puis à 56% avec GPA-RAM, illustre que le principal frein n'était pas la politique de contrôle elle-même mais la qualité de la saisie initiale. Le fonctionnement à 71 images par seconde sur robots physiques est également significatif: beaucoup de méthodes combinant attention et grands modèles restent trop lentes pour un contrôle temps réel, et RAM montre qu'un compromis efficace entre précision spatiale et latence reste atteignable sans sacrifier les performances. GPA-RAM s'inscrit dans la lignée des travaux récents sur l'apprentissage par imitation pour la manipulation robotique, en particulier RVT2 et ACT (Action Chunking Transformer), deux politiques de référence utilisées comme base de comparaison, ainsi qu'ARP+, méthode concurrente sur RLBench. La publication, une version mise à jour d'un article déjà soumis sur arXiv, valide ses résultats sur quatre plateformes distinctes, combinant simulation (RLBench, ALOHA) et robots physiques (UR5, ARX R5), une démarche qui renforce la crédibilité des chiffres annoncés au-delà des vidéos sélectionnées habituelles. Le code est mis à disposition sur gpa-ram.github.io, un choix qui permettra à la communauté de reproduire et d'étendre les résultats. L'évaluation reste toutefois académique et n'implique pour l'instant aucun déploiement industriel ni partenaire commercial; la prochaine étape naturelle serait une adaptation à des tâches manipulatoires plus complexes ou à des environnements moins contrôlés que ceux des benchmarks utilisés ici.

Recherche❖Paper

1 source

44

414arXiv cs.RO 

CLIFT : transformer Gemini Robotics On-Device en spécialistes humanoïdes via un réglage fin itératif en boucle fermée non invasif

Des chercheurs viennent de publier une étude (arXiv:2607.29172v1) testant les limites de Gemini Robotics On-Device (GROD), le modèle fondation robotique de Google DeepMind, dans son mode d'accès le plus restreint : l'API de fine-tuning supervisé managé, où l'utilisateur envoie des données d'entraînement et récupère une politique ajustée sans jamais toucher aux poids, aux gradients ni aux mécanismes internes du modèle. Sur un humanoïde réel confronté à des tâches de manipulation agiles et riches en contacts, les auteurs montrent qu'un simple fine-tuning supervisé via cette API surpasse nettement un VLA open-weight de référence entraîné sur les mêmes démonstrations, mais reste en deçà du niveau de fiabilité attendu en déploiement. Pour combler cet écart, l'équipe introduit CLIFT (Closed-Loop Iterative Fine-Tuning), une méthode qui transforme les signaux de récompense observés au moment du déploiement en données d'entraînement compatibles avec l'API, permettant une amélioration en boucle fermée sans accès aux poids, gradients, vraisemblances ni fonctions de perte. Résultat annoncé : un taux de succès quasi parfait après seulement deux cycles de ce "flywheel". L'enjeu dépasse le cas GROD. Les fournisseurs de modèles fondation robotiques les plus performants suivent le même chemin que les grands labos de LLM : garder les poids fermés et ne proposer qu'une API de fine-tuning. Cela prive les intégrateurs et équipes robotique de l'apprentissage par renforcement classique, pourtant jugé nécessaire pour les tâches de contact fin où l'écart entre sortie de politique et comportement réel reste large. CLIFT propose une voie pour retrouver une partie de ce bénéfice sans que le fournisseur du modèle n'ouvre sa boîte noire, ce qui intéresse directement les acteurs qui devront un jour adapter des modèles propriétaires à leurs propres robots et environnements de production. Le travail s'inscrit dans la lignée de Gemini Robotics, la famille de modèles annoncée par Google DeepMind en 2025, et fait écho aux pratiques déjà en place chez OpenAI ou Anthropic pour le fine-tuning managé des LLM. Il se positionne en creux face aux modèles ouverts comme Pi-0 ou GR00T, qui autorisent un réglage plus profond mais restent en retrait de GROD en performance brute selon cette étude, ouvrant la question de la généralisation de CLIFT à d'autres embodiments et tâches.

Recherche⚡Actu

1 source

43

415arXiv cs.RO 

RayViT : représentations visuelles conditionnées par rayons pour l'apprentissage par imitation robuste au point de vue

RayViT, ou Ray-conditioned Vision Transformer Encoder, est une nouvelle architecture légère proposée par des chercheurs pour rendre l'apprentissage par imitation visuelle plus robuste aux changements de camera. Le problème cible est simple: les politiques robotiques entraînées sur des images RGB brutes manquent d'indices géométriques explicites, ce qui les rend fragiles des qu'une camera est déplacée ou réorientée. RayViT injecte la géométrie de la camera directement dans des backbones ViT pré-entraines, en représentant cette géométrie sous forme de carte de rayons de Plucker, découpée en patches de features de rayons. Une attention croisée a portes (gated cross-attention) génère ensuite un token de classe conditionne par ces rayons, qui remplace le token de classe original du ViT tandis que les features de rayons sont ajoutées comme embeddings positionnels denses. Une fonction de perte auxiliaire par similarité cosinus renforce la cohérence de ces tokens géométriques. Sur le benchmark simulate RoboCasa multi-taches, la méthode améliore la robustesse d'environ 13 points de pourcentage face aux perturbations de camera, et sur des taches robotiques réelles multi-taches elle ajoute en moyenne 1,78 étape complétée par rapport aux méthodes de référence. L'enjeu dépasse la seule performance sur benchmark: c'est un problème très concret pour l'industrie robotique, ou les cameras embarquées se désalignent avec l'usure, les chocs ou des remontages successifs sur une chaine de production. Un système qui dégradé fortement des que le point de vue change n'est pas déployable a l'échelle chez un intégrateur, même s'il performe bien en démo contrôlée. En rendant les représentations visuelles conditionnées par la géométrie plutôt que par l'apparence brute, RayViT s'attaque directement a l'écart entre démonstration en laboratoire et fiabilité en conditions réelles, un des points de friction récurrents des approches VLA actuelles. Cette piste s'inscrit dans une tendance de recherche plus large visant a doter les politiques d'apprentissage par imitation d'une meilleure conscience 3D, plutôt que de compter uniquement sur le volume de données d'entrainement pour généraliser. En réutilisant des backbones ViT déjà pré-entraines et en ajoutant un module de conditionnement géométrique relativement léger, les auteurs proposent une voie peu couteuse a intégrer dans des pipelines existants, sans reentrainement complet du modèle visuel.

Recherche❖Paper

1 source

43

416arXiv cs.RO 

Politique de l'IA : passage à l'action décrite dans une démonstration

Les chercheurs à l'origine de Temporal Policy proposent une nouvelle méthode d'apprentissage par démonstration (Learning from Demonstration) pour les robots, publiée en préprint sur arXiv (2607.29482) et dont le code est disponible sur GitHub (dmiller12/TemporalPolicy). Contrairement aux modèles de diffusion et de flow matching classiques, qui partent d'un bruit gaussien non informatif et doivent apprendre des trajectoires complexes et coûteuses pour atteindre l'espace des actions physiques, Temporal Policy initialise directement le flux génératif à partir de l'historique récent du robot. Cette méthode, basée sur des interpolants stochastiques, couple explicitement les états passés aux séquences d'actions futures, ce qui réduit le coût de transport et produit des champs vectoriels plus directs. Les auteurs ont validé leur approche sur des bancs d'essai de simulation visuomotrice ainsi que sur une plateforme physique de téléopération Barrett WAM à deux bras de 7 degrés de liberté (DOF) chacun. Résultat chiffré: une réduction du coût de transport d'un facteur proche de dix par rapport aux méthodes initialisées par bruit, avec une latence d'inférence de 19,1 millisecondes sur une carte graphique NVIDIA RTX 4080, tout en conservant des taux de réussite comparables aux méthodes de référence. Ce gain de vitesse s'attaque à un goulot d'étranglement concret pour les politiques robotiques génératives: le coût d'inférence élevé des modèles de diffusion et de flow matching limite leur usage en contrôle en boucle fermée à haute fréquence, essentiel pour des tâches de manipulation fine ou de téléopération réactive. En démontrant qu'il est possible de conserver la précision des architectures génératives multimodales tout en divisant fortement le temps de calcul, ce travail répond à une critique récurrente adressée aux politiques VLA et diffusion en robotique: leur difficulté à tourner en temps réel sur du matériel embarqué. Ce travail s'inscrit dans la lignée des politiques de diffusion pour la robotique (Diffusion Policy) et des approches de flow matching à la Pi-0, qui ont gagné en popularité ces dernières années pour capturer des comportements multimodaux à partir de démonstrations humaines. En misant sur les interpolants stochastiques plutôt que sur un bruit gaussien pur, les auteurs proposent une piste architecturale distincte pour accélérer l'inférence sans sacrifier les performances, un axe de recherche que d'autres laboratoires travaillant sur les modèles action-langage-vision à grande échelle pourraient être amenés à explorer.

Recherche❖Paper

1 source

43

417arXiv cs.RO 

Contrôle de trajectoire par vision pour robots mobiles via un cadre d'apprentissage hiérarchique

Une équipe de recherche propose un nouveau cadre hiérarchique pour piloter des robots mobiles lourds vers un objectif de navigation, en combinant localisation visuelle, apprentissage par renforcement et contrôle adaptatif robuste. Le système repose sur quatre couches : une estimation de pose par vision stéréo en temps réel (avec fermeture de boucle, fusion de cartes et relocalisation), un planificateur de mouvement entraîné par apprentissage par renforcement (RL) sous contraintes, un contrôle adaptatif robuste (RAC) au niveau des actionneurs, et une logique de supervision de sécurité avec retour automatique. Le planificateur RL génère des trajectoires lisses et réalisables grâce à une fonction de récompense conçue pour favoriser la progression vers l'objectif tout en respectant les limites mécaniques d'un robot lourd à direction par glissement (skid-steered). Au niveau des roues, un réseau de neurones entraîné par gradient conjugué à échelle variable (SCG) approxime la relation quasi-statique entre vitesse de roue et commande nominale, complétée par un contrôleur adaptatif à barrière logarithmique qui compense les erreurs de modélisation, le glissement et les écarts résiduels. Testé sur un robot de 6000 kg roulant sur asphalte et sol meuble, le système atteint une erreur quadratique moyenne de position finale d'environ 3 à 4 cm, avec un suivi précis des commandes générées par le RL et une récupération autonome réussie après injection de pannes simulées. Ce résultat s'inscrit dans une préoccupation centrale de la robotique mobile industrielle : rendre l'apprentissage par renforcement, réputé difficile à certifier pour un déploiement sûr à grande échelle à cause de sa phase d'exploration, compatible avec des engins lourds où une erreur de trajectoire ou une perte de contrôle peut avoir des conséquences physiques importantes. En couplant le RL à un contrôle adaptatif prouvé mathématiquement stable (convergence exponentielle vers un ensemble résiduel borné, sous incertitude bornée) et à une supervision de sécurité qui bascule automatiquement le robot en mode retour en cas d'anomalie, les auteurs cherchent à combler l'écart entre performance d'apprentissage et garanties de sécurité exigées pour les AMR (robots mobiles autonomes) lourds opérant en extérieur, sur terrain irrégulier. L'article, disponible sur arXiv (identifiant 2601.00610, version de remplacement), s'inscrit dans la lignée des travaux combinant localisation par vision stéréo et contrôle hiérarchique pour la navigation robotique, un domaine où la plupart des démonstrations RL restent cantonnées à la simulation ou à des plateformes légères. La validation sur un engin de 6000 kg, testé en conditions réelles sur deux types de terrain avec injection de pannes, positionne ce travail comme une contribution empirique rare dans le passage du RL du laboratoire vers des applications industrielles à fort enjeu de sécurité.

Recherche❖Paper

1 source

43

418arXiv cs.RO 

ST-WAM : un modèle sémantique-temporel monde-action pour une manipulation robuste face aux changements de distribution visuelle

Optimiser des robots pour de nouveaux environnements visuels reste un point faible connu des modèles VLA (vision-langage-action). Une équipe de recherche publie ST-WAM (Semantic-Temporal World Action Model), une architecture qui s'attaque au phénomène qu'elle nomme "Training-Distribution Hallucination" : lorsqu'un World Action Model reçoit une scène visuellement décalée par rapport à ses données d'entraînement, il a tendance à halluciner du contenu appris plutôt qu'à rester fidèle à ce qu'il observe réellement. Les chercheurs montrent, via une analyse de triplets d'images, que les features DINOv3 restent nettement plus stables face à ces variations visuelles que les latents Wan-VAE, tout en préservant mieux les distinctions d'état de la tâche. ST-WAM combine les deux : DINOv3 sert de représentation sémantique partagée pour la prédiction du futur et la récupération d'historique, tandis que le VAE conserve la dynamique fine. Deux composants portent l'architecture, les Dual-Space Future Experts (DSFE), qui prédisent conjointement latents VAE et features DINO, et le Current-Anchored Intent Retrieval (CAIR), qui récupère les indices pertinents dans l'historique DINO récent selon le contexte visuel-langage courant. Le modèle s'entraîne de bout en bout sans pré-entraînement embodied supplémentaire ni annotations spécifiques, et n'a pas besoin de générer explicitement le futur à l'inférence. Les chiffres sont l'argument central : 98,7% sur LIBERO et 92,8% sur RoboTwin 2.0, mais surtout un gain de 21,3 points sur LIBERO-Plus en zero-shot par rapport à Fast-WAM, et un taux de succès en conditions réelles sous décalage visuel qui plus que double, passant de 25,8% à 61,5%. Pour l'industrie, c'est un signal important : la robustesse face aux changements d'éclairage, de fond ou d'agencement de scène reste l'un des principaux obstacles entre les démonstrations en laboratoire et le déploiement réel, et ce travail suggère que découpler la sémantique de la dynamique pixel par pixel est une piste concrète pour réduire cet écart. Un doublement du taux de succès en conditions de shift visuel réel est un résultat rare dans la littérature récente sur les VLA, où la plupart des gains annoncés restent cantonnés aux benchmarks simulés. Les World Action Models s'inscrivent dans la lignée des approches type GR00T N2 ou Pi-0, qui cherchent à unifier prédiction du monde et génération d'action plutôt que de traiter la perception et le contrôle séparément. Le talon d'Achille identifié ici, la supervision par génération pixel pure qui mélange contenu utile à la tâche et contenu visuel non pertinent, est un problème structurel partagé par la plupart des WAM actuels, y compris Fast-WAM, utilisé comme référence de comparaison dans l'étude. En s'appuyant sur DINOv3, un encodeur de features déjà reconnu pour sa robustesse aux variations visuelles, les auteurs proposent une piste d'amélioration incrémentale plutôt qu'une rupture architecturale. Les prochaines étapes attendues pour ce type de travaux sont une validation sur des plateformes robotiques plus variées et une évaluation face à des shifts visuels encore plus prononcés que ceux testés dans LIBERO-Plus.

Recherche⚡Actu

1 source

42

419arXiv cs.RO 

MDIR : une méthode de retargeting d'impédance sur variété de tâche pour la téléopération à contact riche

Des chercheurs présentent MDIR (Manifold-Decomposed Impedance Retargeting), une méthode pour corriger un problème concret de la téléopération robotique riche en contacts: l'impédance cartésienne fixe utilisée pour collecter des démonstrations facilite la tâche mais génère des pics de force et une variabilité difficiles à contrôler. À partir d'une seule démonstration enregistrée sous forme d'une séquence de commandes {K0, D0, xcmd}, MDIR reparamètre de façon déterministe ce contrôleur en une commande d'impédance variable par canal de tâche. La méthode décompose la réponse source en canaux de travail opérationnel, d'exertion et de support, complétés par un résidu passif sous une métrique de chaîne de contrôle, calcule une base de référence C2M (Cartesian-to-Manifold Retargeting), puis applique une optimisation sous contrainte de variété (MPO) pour choisir un représentant réduisant les pics de force au poignet, l'impulsion, la variabilité de force et la puissance nominale du contrôleur. Testée sur un bras Franka Panda pour trois tâches (essuyage planaire, prise-dépose, poussée), la version complète de MDIR réussit les 15 exécutions en boucle fermée du test de validation et réduit les quatre métriques d'agressivité par rapport aux démonstrations à impédance fixe. Le résultat cible un point de friction connu de l'apprentissage par imitation en robotique: les démonstrations téléopérées à impédance fixe, faciles à collecter, transfèrent aussi des comportements de contact bruts qui dégradent la qualité des politiques entraînées derrière, notamment pour les architectures vision-langage-action sur des tâches de contact fin. En automatisant le passage d'une commande fixe à une commande variable par canal, sans nouvelle démonstration ni réglage manuel des gains, MDIR s'attaque à un goulot d'étranglement pratique pour les équipes qui constituent des jeux de données de téléopération à grande échelle, où l'ajustement manuel de l'impédance reste coûteux et peu reproductible d'une tâche à l'autre. Ce travail prolonge les recherches sur le contrôle d'impédance variable pour la manipulation en contact, un axe actif en robotique collaborative mais rarement combiné à une téléopération à démonstration unique. Le choix du Franka Panda, plateforme conçue par l'allemand Franka Robotics (ex-Franka Emika), acteur européen de référence des bras collaboratifs en laboratoire, confirme l'ancrage académique de l'étude, publiée sur arXiv sans mention de déploiement industriel. La validation reste limitée à trois tâches planaires sur un seul bras, une étape avant une éventuelle généralisation à d'autres manipulateurs et gestes.

Recherche❖Paper

1 source

42

420arXiv cs.RO 

TRACT : segmentation temporelle des blocs d'action avec autorité de phase chronologique pour la manipulation à fort contact

Une équipe de recherche en robotique présente TRACT (Temporally Routed Action Chunks with Chronological Phase Authority), une méthode qui corrige un défaut structurel des politiques d'imitation robotique prédisant des blocs d'actions futures. Quand un tel bloc chevauche une transition entre deux phases d'une tâche, attribuer la phase courante à l'ensemble du bloc crée un décalage temporel qui perturbe l'exécution. TRACT décompose la structure en une phase courante acceptée et une unique frontière CURRENT-to-NEXT à l'intérieur de l'horizon futur, contrainte par un graphe propre à la tâche imposant une autorité chronologique des phases. Une distribution cumulative de cette frontière route ensuite, de façon monotone, les requêtes futures vers des chemins spécifiques à chaque phase. Pour les tâches à contact comme l'essuyage, un intégrateur causal de "déficit de réponse" compare l'intention de la politique au mouvement réellement observé, accumule une compensation du bras quand la réponse attendue est absente, puis la relâche une fois la récupération confirmée. Sur six variantes de robots réels testées sur dix essais chacune, TRACT complet atteint 10 succès sur 10 en séquence complète, 99,00% de complétion médiane d'essuyage (entre 88,75% et 100%), et zéro ambiguïté de phase ou blocage observé. Ce résultat cible un point de friction connu dans l'apprentissage par imitation: les modèles de type VLA ou diffusion policy qui génèrent des blocs d'actions gagnent en fluidité mais perdent en granularité temporelle, ce qui pose problème dès qu'une tâche comporte des transitions nettes, typiquement les manipulations à contact comme l'essuyage, l'insertion ou l'assemblage. Comparé à une version "à plat" du même pipeline sans routage par phase, TRACT affiche un écart net: 6 succès sur 10 contre 3, et une complétion médiane d'essuyage de 77,08% contre 8,03%. L'autorité chronologique fait chuter l'ambiguïté de phase de 8/10 à 0/10, et l'intégrateur de compensation réduit les blocages de 4/10 à 0/10. Pour des équipes déployant des bras manipulateurs sur des tâches de contact répétitives, ce gain de fiabilité en séquence complète pèse souvent plus que la vitesse brute, un aspect que les démonstrations vidéo laissent rarement voir. TRACT s'inscrit dans la lignée des méthodes de chunking d'action popularisées par des architectures comme ACT ou les diffusion policies, sans jusqu'ici traiter explicitement le découpage en phases procédurales. Les auteurs signalent eux-mêmes une limite: la comparaison entre pipeline routé et pipeline "à plat" ne permet pas d'isoler la contribution du routage par phase des autres différences entre les deux générateurs de données utilisés, une réserve qui appelle des ablations plus fines. L'article, déposé sur arXiv sous la référence 2607.29285, ne mentionne aucune plateforme commerciale ni déploiement industriel: il s'agit d'un travail testé sur banc, dont la suite logique serait une validation sur des tâches de contact plus variées pour confirmer que le gain vient bien du routage temporel et non du protocole expérimental.

Recherche❖Paper

1 source

42

421arXiv cs.RO 

Transfert de modèle antagoniste par muscle pneumatique artificiel : des EDO neuronales intégrant la physique

Des chercheurs proposent un nouveau cadre hybride combinant physique et apprentissage profond pour modéliser et contrôler les muscles pneumatiques artificiels antagonistes, selon un article publié sur arXiv (2602.23670v2). Ces actionneurs pneumatiques, montés en paires antagonistes, permettent de faire varier l'impédance mécanique par co-contraction, un principe utile pour les robots souples, portables et assistifs, mais leur comportement couplé, non linéaire et hystérétique reste difficile à modéliser précisément. La méthode proposée, un Neural ODE (équation différentielle ordinaire neuronale) intégrant une structure physique, combine une mécanique articulaire paramétrique et une dynamique d'état pneumatique avec un réseau de neurones qui capture spécifiquement le couplage antagoniste et l'hystérésis dépendante de la vitesse. Entraîné sur seulement 29 conditions de co-contraction sélectionnées, le modèle prédictif a été testé sur 196 conditions inédites, atteignant un coefficient de détermination R² moyen de 0,88 pour prédire le mouvement articulaire et les pressions dans les chambres. Une formulation inverse, dérivée de ce modèle appris, calcule hors ligne des commandes de pression pour atteindre des profils de mouvement et de raideur souhaités, ensuite suivis en boucle fermée. L'enjeu dépasse la simple prouesse de modélisation : un contrôle fiable de la raideur articulaire, validé ici sur une plage de 126 à 176 N/mm avec un comportement d'impédance stable à différentes vitesses, est une condition clé pour des applications comme les exosquelettes, les prothèses actives ou les robots collaboratifs à interaction physique humaine. Le point de comparaison est significatif : un modèle statique classique, lui, voit sa cohérence de raideur se dégrader nettement à vitesse élevée, ce qui illustre les limites des approches purement physiques face à des systèmes pneumatiques intrinsèquement dynamiques et hystérétiques. Cette approche s'inscrit dans une tension de longue date en robotique souple entre modèles physiques interprétables mais rigides, et modèles purement data-driven performants mais peu généralisables. En injectant une structure physique connue dans l'architecture du Neural ODE plutôt que de tout apprendre depuis zéro, les auteurs cherchent un compromis entre précision et parcimonie des données d'entraînement, un enjeu central pour tout déploiement futur en conditions réelles où la collecte de données reste coûteuse.

Recherche❖Paper

1 source

42

422arXiv cs.RO 

Planificateur de vues suivantes à horizon glissant pour la reconstruction autonome de surfaces foliaires

Une équipe de recherche en robotique agricole a présenté un nouveau planificateur de vue optimale, ou next-best-view (NBV), pour la reconstruction 3D automatisée de surfaces foliaires en conditions de champ. La méthode, baptisée Centroid-based Information Gain (CIG), calcule l'utilité d'un point de vue robotique en mesurant la distribution spatiale des points déjà observés par rapport au centroïde du nuage de points existant, plutôt que par une simple évaluation de visibilité. Les chercheurs y ajoutent une variante à horizon glissant (receding-horizon), qui anticipe plusieurs viewpoints futurs au lieu de raisonner image par image. Le système a été testé sur LAST-STRAW, un jeu de données public de nuages de points de plants de fraisiers capturés à différents stades de croissance, et comparé à une méthode de référence dite attention-driven NBV, fondée sur un gain d'information basé sur la visibilité. Résultat annoncé: une réduction constante de l'erreur de reconstruction de surface et une meilleure fidélité géométrique, avec un gain pouvant atteindre 10% par rapport à la méthode de référence, particulièrement marqué lorsque l'occlusion entre feuilles augmente. Pour l'agriculture de précision et le phénotypage automatisé, ce travail cible un goulot d'étranglement concret: les robots de terrain disposent d'un budget de déplacement et de calcul limité, et doivent choisir intelligemment où pointer leurs capteurs plutôt que de scanner exhaustivement chaque plante. Une reconstruction fidèle des feuilles conditionne directement l'estimation de rendement et le suivi de croissance à grande échelle, deux besoins réels pour les exploitations et les intégrateurs de robots agricoles. Le gain de performance sous forte occlusion inter-foliaire est le point le plus pertinent industriellement, puisque c'est justement le scénario où les méthodes de vision existantes échouent le plus souvent en conditions réelles de champ. Ce travail s'inscrit dans un courant de recherche en planification de vues actives, jusqu'ici surtout développé pour des objets rigides ou la couverture générique de nuages de points, sans optimisation spécifique à la tâche de reconstruction de surfaces végétales. En comparant directement au NBV attention-driven existant sur un même jeu de données public, les auteurs positionnent leur contribution comme une amélioration incrémentale mais mesurable de l'état de l'art, ouvrant la voie à des tests sur d'autres espèces végétales et à une validation en conditions de champ réelles au-delà du fraisier.

Recherche❖Paper

1 source

42

423arXiv cs.RO 

Automatisation Tri-Espace de Robots Parallèles à Câbles Redondants et Hybrides par Apprentissage Itératif Réactif

Des chercheurs proposent un nouveau cadre de commande pour les robots parallèles à câbles (Cable-Driven Parallel Robots, CDPR), une famille de manipulateurs où des câbles motorisés remplacent les liaisons rigides pour actionner la plateforme mobile. Le défi visé est la redondance: ces systèmes cumulent une redondance d'actionnement, plus de câbles que de degrés de liberté nécessaires, et des contraintes simultanées dans trois espaces distincts (câbles, articulaire, opérationnel), regroupés par les auteurs sous le terme "tri-space". Jusqu'ici, aucun cadre de commande robuste et directement transposable à plusieurs architectures de CDPR ne gérait ces trois espaces à la fois. La méthode combine une commande réactive, qui ajuste en temps réel les forces de câbles pour rester dans la zone de faisabilité et éviter interférences et pertes de manipulabilité, et une commande par apprentissage itératif, qui affine les performances au fil des répétitions grâce à une nouvelle paramétrisation du vecteur d'espace nul. L'ensemble a été validé en simulation et sur banc d'essai matériel, sur plusieurs robots multiliens à câbles (MCDR) et robots hybrides à câbles (HCDR). L'enjeu dépasse le cas académique. Les CDPR équipent déjà la manutention à grande échelle, les grues de captation vidéo type Skycam, l'impression 3D de structures de grande taille ou certains dispositifs de rééducation, des usages où charge utile et encombrement favorisent les câbles face aux bras rigides classiques. Leur déploiement industriel reste freiné par la difficulté à garantir en temps réel des forces de câble réalisables sans collision ni perte de contrôlabilité. En montrant qu'un même cadre fonctionne sur plusieurs architectures matérielles sans reparamétrage lourd, ce travail répond à un frein connu du secteur: la plupart des lois de commande CDPR publiées ne sont validées que sur une seule plateforme. Les robots à câbles héritent d'une lignée remontant au RoboCrane du NIST dans les années 1990, et la littérature a surtout produit des approches partielles, optimisation de distribution de forces ou planification hors ligne, limitées à un seul espace à la fois. La contribution ici est de traiter les trois espaces ensemble en temps réel tout en ajoutant un apprentissage qui améliore la précision sur les tâches répétitives, un atout pour le tri, l'assemblage ou la manutention cyclique. Aucun calendrier de transfert commercial n'est évoqué; la suite logique serait l'extension à d'autres architectures et des essais en conditions industrielles réelles.

Recherche❖Paper

1 source

42

424arXiv cs.RO 

MROPE : une stratégie coopérative multi-robots sûre combinant filtres de sécurité prédictifs et compression de contraintes par ellipses

Des chercheurs proposent MROPE (Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression), une architecture hiérarchique destinée à des essaims de drones chargés de suivre une cible mobile dans un environnement encombré d'obstacles. Le problème ciblé : en espace dense, calculer en temps réel des trajectoires collectives sûres pour plusieurs drones devient vite intraitable dès qu'il faut représenter fidèlement la géométrie de chaque obstacle pour chaque appareil. MROPE contourne ce goulot d'étranglement en agrégeant dynamiquement les obstacles complexes autour de chaque drone en une seule ellipse de sécurité, mise à jour via un schéma de consensus décentralisé. Au-dessus de cette représentation compressée, une optimisation distribuée de type aggregative gère la coordination de haut niveau de l'essaim, pendant qu'un filtre de sécurité prédictif local (PSF) prend en charge, drone par drone, l'évitement de collision en temps réel. Les auteurs valident l'approche par des expériences en simulation et sur drones réels, avec une efficacité temps réel et un passage à l'échelle rapportés comme supérieurs aux approches centralisées classiques. L'enjeu dépasse la démonstration isolée. Le suivi coopératif de cibles dynamiques par essaim de drones est un cas d'usage récurrent pour la surveillance industrielle, l'inspection d'infrastructures ou la sécurité civile, mais les méthodes centralisées qui recalculent une trajectoire globale pour tout l'essaim s'effondrent dès que le nombre de drones ou la densité d'obstacles augmente, faute de temps de calcul disponible en temps réel. En découplant la mission coopérative des contraintes de sécurité locales, et en compressant chaque obstacle en une simple ellipse, MROPE s'attaque directement au compromis habituel entre fidélité géométrique et vitesse de calcul, un point encore largement non résolu en environnement encombré réel. MROPE combine deux outils déjà établis séparément : les filtres de sécurité prédictifs, utilisés depuis plusieurs années pour garantir des contraintes dures de non-collision robot par robot, et l'optimisation aggregative distribuée, employée pour coordonner des essaims sans calcul centralisé. La contribution ici est la couche intermédiaire de compression géométrique par ellipses et le consensus décentralisé qui la maintient à jour entre drones. Publié sur arXiv fin juillet 2026, le papier ne mentionne aucun partenaire industriel ni déploiement opérationnel : il s'agit à ce stade d'une validation académique en simulation et sur banc d'essai réel restreint, pas d'un produit prêt à déployer. Les suites attendues pour ce type de travaux passent généralement par l'extension à des essaims plus nombreux, des obstacles dynamiques et des tests en environnement extérieur non contrôlé.

Recherche❖Paper

1 source

42

425arXiv cs.RO 

TransGraspNet : manipulation physiquement et géométriquement cohérente de matériel de laboratoire transparent

Des chercheurs présentent TransGraspNet, un système robotique conçu pour manipuler de la verrerie de laboratoire transparente contenant du liquide, une tâche jugée critique pour la sécurité puisque la moindre erreur géométrique peut provoquer une prise instable et un déversement. Contrairement aux pipelines existants qui traitent séparément la détection, la reconstruction de profondeur et la planification de prise, ce qui génère des incohérences entre étapes (bords mal détectés qui faussent la profondeur, surfaces déformées qui corrompent l'estimation des normales, scores de prise non adaptés à la tâche qui produisent des prises inclinées ou décentrées), TransGraspNet impose une cohérence de bout en bout via trois principes couplés: cohérence des contours pour des frontières d'objet fiables, cohérence de surface pour préserver la fidélité géométrique et les normales pendant la reconstruction de profondeur, et cohérence physique pour affiner la sélection de prise via alignement du centre de gravité et stabilité dans l'espace des torseurs. Testé sur des benchmarks publics, un jeu de données dédié à la verrerie transparente et une plateforme robotique réelle, le système affiche une meilleure qualité de contours et de normales de surface, un taux de réussite de prise élevé en environnement encombré, et surtout zéro déversement lors de transports de liquide à haute vitesse. Ce résultat s'attaque à un point faible connu de la robotique de manipulation: les objets transparents ou réfléchissants trompent les capteurs de profondeur standards (structure lumineuse, stéréo, LiDAR), ce qui limite depuis des années l'automatisation en laboratoire, en pharmacie et dans l'industrie agroalimentaire où la verrerie est omniprégnante. En démontrant une manipulation fiable et rapide de liquide sans casse ni renversement, TransGraspNet apporte une preuve concrète que le problème de la perception d'objets transparents, longtemps considéré comme un obstacle académique persistant, peut être traité de façon intégrée plutôt que par des correctifs empilés à chaque étage du pipeline. Le travail s'inscrit dans une lignée de recherches récentes sur la perception d'objets transparents (reconstruction de profondeur par apprentissage, estimation de normales dédiée) et le grasping robotique en clutter, domaines où les approches modulaires dominaient jusqu'ici. Les auteurs positionnent leur contribution comme une alternative aux pipelines découplés utilisés dans la littérature et les systèmes commerciaux d'automatisation de laboratoire. L'article, publié en prépublication sur arXiv, ne précise pas de partenariat industriel ni de calendrier de déploiement au-delà des essais sur plateforme réelle décrits dans l'étude.

Recherche❖Paper

1 source

41

426arXiv cs.RO 

Automatisation de la couture en ligne droite de tissus extensibles de différentes longueurs

Une équipe de recherche présente DLRoSS (Different Length Robotic Sewing System), un système robotique capable d'automatiser la couture en ligne droite de deux pièces de tissu élastique de longueurs différentes, une tâche appelée DLAS (Different Length Alignment Sewing) qui consiste à étirer le tissu le plus court pour l'ajuster au plus long avant de les assembler. Le système repose sur un effecteur à rouleaux monté sur un bras manipulateur à 6 degrés de liberté (DoF), composé de deux rouleaux actifs, un pour chaque tissu, et d'un rouleau presseur passif fixé au rouleau du tissu court. L'opération se déroule en quatre phases : d'abord l'enroulement des deux couches de tissu sur les rouleaux (P1), puis la couture proprement dite, durant laquelle le tissu court est étiré et aligné en temps réel grâce à un contrôle de vitesse des rouleaux calculé à partir de la vitesse de la machine à coudre et d'un ratio de longueur connu à l'avance (P2), suivie d'une phase de finalisation où le rouleau presseur s'engage pour empêcher le tissu tendu de glisser sous l'effet de la tension interne (P3), et enfin le relâchement du tissu une fois la couture terminée (P4). Les essais montrent une couture régulière et de bonne qualité sur des tissus élastiques de matériaux et de longueurs variés. Cette avancée cible un maillon resté largement manuel dans l'industrie textile : la manipulation d'objets souples et déformables, qui a longtemps résisté à l'automatisation robotique contrairement à d'autres étapes de la chaîne de production. Aligner deux tissus de longueurs différentes en cours de couture, sans gabarit ni intervention humaine, est un problème de contrôle en temps réel exigeant, puisque la moindre erreur de synchronisation entraîne des plis ou un décalage irréversible. Pour les intégrateurs et les fabricants de vêtements ou de textiles techniques, ce type de solution ouvre la voie à une automatisation plus poussée de tâches jusqu'ici réservées aux opérateurs qualifiés. Le papier s'inscrit dans un courant de recherche plus large sur la manipulation robotique de tissus, domaine où les démonstrations en laboratoire peinent souvent à passer à l'échelle industrielle en raison de la variabilité des matériaux. Publié comme prépublication sur arXiv, ce travail reste à ce stade une validation expérimentale plutôt qu'un déploiement industriel, et ne précise pas de partenaire commercial ni de calendrier de mise en production.

Recherche❖Paper

1 source

40

427arXiv cs.RO 

DuetHOI : génération de mouvements bimanuels main-objet guidée par le langage, avec planification d'articulation et raffinement des contacts

Un article de recherche intitulé DuetHOI, publié en version 3 sur arXiv (2603.08390), propose un nouveau cadre pour générer automatiquement des mouvements de mains bimanuels interagissant avec des objets articulés, comme l'ouverture d'un tiroir ou la manipulation d'un objet à deux charnières, à partir d'une simple instruction en langage naturel. Le système repose sur quatre modules assemblés en pipeline. ContactVAE prédit d'abord, à partir du texte et de la géométrie de l'objet, où les mains doivent entrer en contact avec sa surface. ArtPlanner utilise cette intention spatiale pour établir une trajectoire d'articulation de référence, c'est à dire comment l'objet doit s'ouvrir ou se déplacer au fil du temps. DualFormer génère ensuite le mouvement global en combinant l'état de l'objet, la position des mains par rapport à celui-ci, et des jetons compacts de pose de main appris par un second module, ManiVAE. Enfin, ProxiRefine corrige localement la trajectoire des deux mains, sans toucher à celle de l'objet, en s'appuyant sur la proximité main-objet mesurée à ce stade pour affiner l'alignement de surface. L'enjeu dépasse la simple animation graphique. La génération de mouvements main-objet réalistes et cohérents en contact sert de données d'entraînement pour l'apprentissage par imitation en robotique, notamment pour les modèles vision-langage-action qui doivent apprendre à manipuler des objets à deux mains, une tâche nettement plus complexe que la préhension à une main sur objet rigide, faute de coordination bimanuelle et de suivi de l'évolution de l'articulation. Les résultats rapportés montrent que DuetHOI dépasse trois méthodes de référence adaptées sur la plupart des métriques de contact et de cohérence main-objet, avec un avantage particulièrement marqué sur les scénarios bimanuels avec objets articulés, précisément le cas le plus difficile. Le papier s'inscrit dans un courant de recherche en génération de mouvements humains conditionnée par le langage, où la modélisation d'objets rigides à une main est déjà relativement mature mais où la coordination bimanuelle sur objets articulés reste peu traitée par les architectures existantes, qui encodent objet et mains dans une séquence unique de haute dimension mal adaptée aux échelles différentes du problème. Aucune date de disponibilité de code ni application robotique concrète n'est mentionnée dans l'abstract, ce qui situe pour l'instant ces travaux au stade de la recherche méthodologique plutôt que du déploiement.

Recherche❖Paper

1 source

40

428arXiv cs.RO 

Robots humanoïdes : planification de préhension guidée par affordance sémantique via VLM

Une équipe de recherche présente SAGP (Semantic Affordance-Guided Grasp Planning), une méthode de planification de prise robotique qui combine raisonnement sémantique et géométrie pure, décrite dans un preprint arXiv (2607.29374). Le constat de départ : les planificateurs de prise classiques, purement géométriques, génèrent des prises physiquement valides (antipodales, sans collision) mais parfois absurdes du point de vue fonctionnel, comme saisir une tasse par le bord, un couteau par la lame ou une bouteille près du bouchon. SAGP fonctionne sans apprentissage supplémentaire (training-free) : le nuage de points de l'objet est d'abord découpé en zones grossières (haut, milieu, bas, côtés latéraux, protubérances) via un alignement par PCA suivi d'un clustering DBSCAN basé sur la distance, sans recourir à une segmentation apprise. Un modèle vision-langage (VLM) pré-entraîné évalue ensuite la qualité de prise de chaque zone via une requête structurée en zero-shot, et ces scores sont fusionnés avec des signaux géométriques, d'accessibilité et d'adéquation à la tâche pour reclasser les candidats de prise antipodaux. Les tests, menés sur des objets du jeu YCB en simulation PyBullet avec un bras Franka Panda, montrent que SAGP conserve le taux de réussite élevé de la planification purement géométrique tout en améliorant nettement la pertinence fonctionnelle des prises sélectionnées, notamment sur les objets asymétriques munis d'une poignée, où la géométrie seule ne suffit pas. L'intérêt pour l'industrie tient au problème ciblé : l'écart entre "prise valide" et "prise utile" est une source connue d'échecs en aval dans le pick-and-place, la logistique et la manipulation fine, même quand les métriques géométriques classiques sont satisfaites. En évitant à la fois la segmentation fine par catégorie d'objet et l'inférence directe de pose par VLM (sujette aux hallucinations spatiales), SAGP propose une voie intermédiaire potentiellement plus robuste et moins coûteuse à déployer que les approches entièrement apprises. Le travail s'inscrit dans la lignée des planificateurs de prise antipodaux classiques, qu'il cherche à augmenter plutôt qu'à remplacer, et dans la vague plus récente d'approches VLM appliquées à la manipulation. À ce stade, la validation reste limitée à la simulation ; aucune expérimentation sur robot réel n'est rapportée, ce qui laisse ouverte la question du transfert sim-to-real.

Recherche❖Paper

1 source

40

429arXiv cs.RO 

Combiner des modèles de langage et le raisonnement symbolique pour la planification temporelle multi-robots via des bases de connaissances explicables

Un groupe de chercheurs propose PLANTOR, un framework qui transforme une description en langage naturel d'une tâche multi-robots en un plan d'exécution complet, en s'appuyant sur un grand modèle de langage pour construire une base de connaissances structurée au format Prolog. Le pipeline enchaîne plusieurs étapes : le LLM génère la base de connaissances, des vérifications de cohérence détectent et corrigent les erreurs de modélisation, un planificateur symbolique produit un plan de haut niveau, celui-ci est raffiné en actions robotiques de bas niveau, puis un ordonnancement temporel optimisé est calculé et converti en arbre de comportement (behavior tree) exécutable. Les auteurs ont testé l'approche sur des scénarios inspirés des benchmarks classiques Blocks World et Grippers, avec plusieurs modèles de langage différents, en mesurant la qualité des bases de connaissances générées et le temps d'exécution du pipeline. Ils démontrent aussi une exécution de bout en bout sur un scénario réel d'assemblage impliquant plusieurs bras robotiques. L'intérêt de PLANTOR tient à sa position hybride : plutôt que de confier au LLM la totalité du raisonnement de planification, ce qui pose des problèmes de fiabilité et de traçabilité bien documentés, le framework cantonne le modèle de langage à la synthèse d'artefacts structurés, tandis que le calcul du plan et de l'ordonnancement reste entièrement symbolique et inspectable. Pour des intégrateurs ou des équipes de recherche en robotique multi-agents, cela répond à une critique récurrente des approches purement génératives : l'impossibilité de vérifier pourquoi un plan a été choisi ou de garantir sa correction avant exécution. Les résultats montrent que la génération automatique de bases de connaissances réduit sensiblement l'effort de modélisation manuelle, un goulot d'étranglement classique en planification symbolique, mais les auteurs reconnaissent que les sorties du LLM nécessitent encore, dans certains cas, une correction humaine. Ce travail s'inscrit dans une tendance de recherche plus large qui cherche à combiner l'interprétation du langage naturel des LLM avec la rigueur de la planification symbolique classique, plutôt que de miser sur des architectures VLA de bout en bout ou sur des LLM utilisés seuls comme planificateurs. Contrairement aux démonstrations qui misent sur des vidéos sélectionnées, PLANTOR est évalué sur des benchmarks reproductibles et sur un cas d'usage d'assemblage réel avec plusieurs bras robotiques, ce qui donne une mesure plus concrète de sa robustesse. La publication, une version révisée d'un article initialement soumis en février 2025 sur arXiv, ouvre la voie à des travaux futurs sur l'automatisation complète de la correction des bases de connaissances et sur l'extension à des flottes robotiques plus hétérogènes.

Recherche❖Paper

1 source

40

430arXiv cs.RO 

TacPrint : un capteur tactile portable au bout du doigt pour reproduire le contact humain-robot

TacPrint, un capteur tactile portable développe pour équiper le bout des doigts humains, associe une peau en silicone truffée de reliefs a une grille de 24 taxels capacitifs alignes un a un avec ces protrusions. Cette architecture permet de capter des interactions de contact fines lors de manipulations naturelles, sans gène pour l'opérateur. Un pipeline réel-vers-simulation-vers-réel reconstruit a partir des 24 canaux capacitifs une carte de profondeur de contact de 35 par 26 points. Face aux étiquettes générées en simulation, le modèle atteint une RMSE de région de contact de 0,223 mm (plus ou moins 0,161 mm), une erreur de centroide pondéré de 1,213 pixels et un IoU de 0,829. Sur données capacitives réelles, l'erreur de profondeur au centre de contact calibre tombe a 0,085 mm en moyenne sur 40 essais contrôles, et l'erreur de position de contact atteint 0,250 mm sur 37 essais valides. En rejouant des démonstrations humaines sur un bras robotique, la compensation guidée par le tactile fait grimper les taux de réussite de préhension et d'essuyage de 0% a respectivement 91,67% et 90%. En boucle fermée, le retour de profondeur dense obtient 87,5% de réussite globale et 85% en conditions de contact en bord, contre seulement 67,5% et 45% pour un retour brut base sur les taxels. Ces résultats ciblent un goulot d'étranglement précis de l'apprentissage par démonstration humaine: la différence entre observer un geste et transférer la sensation de contact qui le rend fiable. Sans capteur tactile fin et peu intrusif, les pipelines de collecte de données humaines pour la robotique manipulent surtout des trajectoires visuelles, en perdant l'information de force et de déformation locale essentielle aux taches de contact riche comme la préhension d'objets fragiles ou l'essuyage de surfaces. Le saut de 0% a plus de 90% de réussite en rejouant les démonstrations avec compensation tactile suggère que cette lacune, plutôt que la seule politique de contrôle, explique une partie du fosse entre démonstration et exécution robotique fiable. TacPrint s'inscrit dans une lignée de capteurs tactiles bio-inspires pour la robotique, aux cotes d'approches comme GelSight ou les gants instrumentes utilises en téléopération, mais avec une couche capacitive plus légère et un pipeline de reconstruction explicitement pense pour le transfert humain-vers-robot. Les auteurs, rattaches a des laboratoires de recherche universitaires selon la publication arXiv, positionnent ce travail comme une brique pour améliorer la collecte de données de manipulation a grande échelle, avec une validation encore limitée a des essais contrôles en laboratoire plutôt qu'un déploiement industriel.

Recherche❖Paper

1 source

40

431arXiv cs.RO 

Robotique humanoïde : optimisation cinétodynamique de la trajectoire corps entier avec contacts multiples

Une équipe de recherche présente KDMR (KinoDynamic Motion Retargeting), un nouveau framework pour adapter des mouvements de capture de mouvement (MoCap) humains à des robots humanoïdes. Contrairement aux méthodes classiques de retargeting purement cinématiques, qui se contentent de transposer spatialement les données MoCap et génèrent des artefacts physiquement incohérents (glissement des pieds, pénétration du sol), KDMR formule le problème comme une optimisation de trajectoire dynamique multi-contact sur le corps entier du robot. La méthode intègre des contraintes de dynamique du corps rigide et de complémentarité de contact, et combine les données MoCap avec des mesures de force de réaction au sol (GRF) pour détecter automatiquement les événements de contact talon-orteil et reproduire fidèlement les schémas de contact humains. Les auteurs comparent KDMR à GMR, la référence actuelle du domaine, sur trois critères : la faisabilité dynamique et la fluidité des mouvements retargetés, la précision du suivi des forces de réaction au sol par rapport aux données sources, et l'efficacité d'entraînement des politiques de contrôle en aval via le framework BeyondMimic. Le pipeline complet sera publié en open source. Ce travail s'attaque à un goulot d'étranglement peu visible mais critique dans l'apprentissage par imitation pour robots humanoïdes : la qualité des données de référence utilisées pour entraîner les politiques de locomotion. Un retargeting purement cinématique produit des trajectoires irréalistes que les robots ne peuvent pas exécuter sans corrections coûteuses, ce qui ralentit la convergence de l'entraînement et dégrade la stabilité de la marche obtenue. En démontrant que des trajectoires dynamiquement viables accélèrent l'apprentissage et améliorent la stabilité finale, KDMR renforce l'idée que le sim-to-real et l'apprentissage par imitation pour humanoïdes ne sont pas seulement une question d'algorithmes de contrôle, mais aussi de qualité des données de démonstration en amont. Pour les équipes qui développent des politiques de locomotion humanoïde, cela suggère qu'investir dans un retargeting physiquement cohérent peut réduire le temps et le coût d'entraînement plutôt que de complexifier uniquement la politique elle-même. Le retargeting de mouvement humain vers robot est une étape standard dans les pipelines d'apprentissage par imitation pour humanoïdes, où GMR sert aujourd'hui de référence de facto. KDMR s'inscrit dans une tendance plus large visant à combler l'écart entre capture de mouvement et physique réelle du robot, en s'appuyant explicitement sur des données de force au sol plutôt que sur la seule cinématique. Les auteurs annoncent la publication complète du pipeline en open source à la publication de l'article, ce qui permettrait à la communauté robotique d'évaluer et de réutiliser directement la méthode, sans toutefois préciser à ce stade de calendrier précis ni de robot physique sur lequel les politiques entraînées ont été validées en conditions réelles.

Recherche❖Paper

1 source

40

432arXiv cs.RO 

HAM-VLN : une mémoire agentique hiérarchique pour la navigation vision-langage sans apprentissage préalable

Une équipe de recherche présente HAM-VLN, un système de navigation robotique par instructions en langage naturel (Vision-and-Language Navigation) fonctionnant sans aucun entraînement spécifique, exploitant un modèle multimodal de type LLM pour interpréter les observations visuelles et décider de l'action suivante. Le système introduit une mémoire agentique hiérarchique : à chaque appel du modèle servant à choisir le prochain déplacement, HAM-VLN enregistre aussi des informations sémantiques et réflexives, type de pièce, objets détectés, progression de la navigation, notes d'échec, dans un graphe du monde persistant et ancré en profondeur (depth-grounded). Les points de passage récents restent conservés textuellement dans une fenêtre bornée, tandis que l'historique plus ancien n'est réintégré au contexte que via une recherche pondérée par pertinence, récence et importance, complétée par une expansion topologique à un saut. Sur les benchmarks standards, HAM-VLN atteint 61,0% de taux de réussite sur VLN-CE R2R, 52,7% sur VLN-CE RxR et 79,7% sur HM3D-v2 ObjectNav, avec une réduction de plus de 65% de la longueur de contexte par rapport aux approches précédentes, sans appel LLM supplémentaire au-delà de la décision par point de passage. L'enjeu principal est le goulot d'étranglement mémoire qui limite aujourd'hui la navigation robotique à long horizon pilotée par LLM : empiler des flux d'images ou des cartes denses dans le contexte d'un modèle devient vite ingérable en coût de calcul et en cohérence de raisonnement. En couplant la génération de mémoire à la décision d'action elle-même, sans multiplier les appels au modèle, HAM-VLN répond à une critique récurrente des approches "training-free" en robotique : leur dépendance à des contextes toujours plus longs et coûteux. Une réduction de 65% de ce contexte, à performances égales ou supérieures, est un signal concret pour les équipes qui cherchent à déployer des agents de navigation en environnement inconnu sans phase de fine-tuning coûteuse. Ce travail s'inscrit dans la lignée des méthodes récentes de VLN "zero-shot" apparues avec la généralisation des LLM multimodaux, qui remplacent les pipelines de navigation entraînés end-to-end par du raisonnement en langage naturel au moment de l'inférence. Les benchmarks utilisés, VLN-CE (R2R et RxR) et HM3D-v2 ObjectNav, sont des références académiques standard du domaine, ce qui permet une comparaison directe avec les approches concurrentes basées sur mémoire d'images ou cartographie dense. L'article, publié sur arXiv, ne mentionne pas d'implémentation matérielle sur robot réel ni de calendrier de déploiement industriel.

Recherche❖Paper

1 source

40

433arXiv cs.RO 

D-VLC : collaboration vision-langage décentralisée pour systèmes multi-robots incarnés hétérogènes en environnements inconnus

Un article de recherche publié sur arXiv (arXiv:2607.29009v1) présente D-VLC (Decentralized Vision-Language Collaboration), un framework destiné aux essaims de robots hétérogènes évoluant dans des environnements inconnus, sans carte préétablie. Contrairement aux approches classiques qui s'appuient sur une prise de décision centralisée et synchronisée, D-VLC combine un raisonnement décentralisé et asynchrone, un partage d'informations léger entre robots, une collaboration tenant compte des capacités spécifiques de chaque plateforme, et une interface d'action unifiée. Le système permet à des modèles vision-langage (VLM) généralistes de générer des actions adaptées à chaque robot, exécutées ensuite par des modules experts sans apprentissage ni entraînement spécifique à la tâche ou au robot. Testé sur plusieurs scénarios et plusieurs VLM différents, le framework atteint des taux de réussite supérieurs à 70%, avec un temps d'exécution réduit jusqu'à 55,8% par rapport à une méthode de référence gloutonne géométrique. Ce travail s'attaque à une limite bien identifiée des systèmes multi-robots pilotés par LLM ou VLM: leur dépendance à des cartes connues et à une coordination centralisée, qui freine leur généralisation à des flottes hétérogènes et à des tâches inédites. En s'affranchissant de ces contraintes, D-VLC apporte un argument concret au débat sur la capacité des VLM à raisonner et coordonner sans entraînement dédié, un enjeu central pour la logistique, l'entreposage automatisé et les essaims industriels mêlant robots à roues, bras manipulateurs et drones. Le gain de temps de complétion suggère un passage à l'échelle plus réaliste que les démonstrations centralisées habituelles, même si les résultats restent issus d'expériences en environnement contrôlé et non d'un déploiement industriel. D-VLC s'inscrit dans la vague récente de recherches combinant grands modèles de langage et perception visuelle pour la robotique collaborative, après plusieurs générations d'approches à base de règles jugées trop rigides pour des instructions sémantiques complexes. Aucun acteur industriel n'est associé à cette publication à ce stade: il s'agit d'un travail académique, dont la prochaine étape logique serait une validation sur des flottes physiques réelles, hétérogènes, au delà des scénarios expérimentaux actuels.

Recherche❖Paper

1 source

40

434arXiv cs.RO 

IA sûre : des modèles vision-langage-action via appariement de flux à barrière renforcée

Ce nouveau preprint arXiv (2607.29569v1) propose un cadre d'inférence modulaire qui combine les modèles génératifs par Flow Matching avec des garanties de sécurité formelles issues des fonctions de barrière de contrôle (Control Barrier Functions, CBF). Contrairement aux approches existantes qui appliquent un filtre de sécurité externe sur la sortie finale du modèle, la méthode agit directement à l'intérieur du processus de débruitage du Flow Matching pour générer des trajectoires intrinsèquement sûres. Elle s'appuie sur une barrière agrégée lisse de type log-sum-exponential (LSE), appliquée sur des chunks d'action entiers plutôt qu'action par action, ce qui limite le surcoût de calcul tout en préservant l'intention sémantique du modèle. Les auteurs démontrent que la distance de Wasserstein d'ordre 2 entre la distribution générée et la distribution cible reste bornée, et valident l'approche sur deux plateformes de manipulation robotique ainsi qu'un benchmark de navigation 2D, sans dégradation du taux de réussite. L'enjeu dépasse la seule prouesse mathématique. Les modèles vision-langage-action (VLA) bâtis sur du Flow Matching ou de la diffusion, à l'image des architectures qui alimentent GR00T N2, Pi-0 ou Helix, se déploient de plus en plus vite sur des bras manipulateurs réels, mais la sécurité reste le principal frein industriel: les filtres correctifs post-génération ajoutent de la latence, peuvent contredire l'intention du modèle et nécessitent souvent des jeux de données ou un réentraînement coûteux spécifiquement dédiés à la sécurité. En intégrant la contrainte directement dans la génération, sans donnée additionnelle ni fine-tuning, ce travail avance vers des politiques robotiques "sûres par construction", un argument que les intégrateurs et décideurs B2B examineront de près avant toute mise en production sur ligne réelle, où le compromis entre réactivité du modèle et garanties formelles reste souvent mal maîtrisé. Ce résultat s'inscrit dans une tendance plus large où le Flow Matching et la diffusion sont devenus le squelette génératif dominant pour l'action robotique, laissant jusqu'ici les garanties de sécurité formelle comme un ajout a posteriori plutôt qu'un composant natif. En rapprochant la théorie du contrôle (CBF) et les modèles génératifs profonds, les auteurs proposent une brique reproductible pour la recherche en sécurité des politiques généralistes. Le texte reste un preprint tout juste annoncé, non encore relu par les pairs, et validé pour l'instant sur des bancs de test limités: son passage à des flottes réelles et des environnements dynamiques reste une étape à venir.

Recherche❖Paper

1 source

40

435arXiv cs.RO 

Corridors homotopiques sans chemins de référence prédéfinis

Un nouveau papier arXiv (2607.29513) propose une méthode de génération de corridors de sécurité pour la planification de trajectoires robotiques sans collision, sans dépendre d'un chemin de référence prédéfini. Contrairement aux approches classiques qui construisent le corridor autour d'un chemin guide, biaisant la géométrie et limitant les classes d'homotopie explorables, les auteurs génèrent directement des séquences d'ensembles convexes sur un graphe de convex sets (GCS), laissant la structure émerger de la représentation de l'espace libre. Le système étend la notion de déformation par visibilité, jusque là appliquée à des chemins simples, à des séquences d'ensembles convexes, ce qui permet de fusionner des corridors topologiquement redondants tout en conservant les alternatives réellement distinctes. Pour pallier la rigidité des décompositions globales statiques utilisées par les méthodes GCS existantes, l'équipe développe un GCS multi-échelle adaptatif combinant un graphe fin basé sur l'échantillonnage, pour les mises à jour locales, et un graphe grossier basé sur la visibilité, pour l'exploration globale compacte. L'enjeu est concret pour la planification de mouvement en environnement encombré ou incertain, que ce soit pour des robots terrestres, des drones ou des AMR industriels. En autorisant une exploration plus riche des classes d'homotopie, la méthode évite le piège classique où un mauvais choix de chemin de référence enferme le planificateur dans une seule famille de trajectoires possibles, potentiellement sous-optimale. La possibilité de mises à jour incrémentales, sans reconstruire tout le graphe à chaque changement de l'environnement, est particulièrement utile pour des robots devant réagir en temps réel à des obstacles déplacés ou inconnus, un scénario fréquent en logistique ou en inspection. Le travail s'inscrit dans la lignée des méthodes de décomposition convexe et des graphes de convex sets popularisés ces dernières années pour la planification optimisée par optimisation convexe. Les auteurs comparent leur approche à des baselines existantes sur des métriques de construction de graphe, de génération de corridor et de durée de trajectoire, avec des gains rapportés en efficacité et en stabilité. La validation matérielle, menée à la fois sur robots terrestres et aériens avec localisation embarquée, face à des obstacles déplacés ou inconnus, marque une étape vers un usage réel au delà de la simulation, même s'il s'agit à ce stade d'un preprint non encore relu par les pairs.

Recherche❖Paper

1 source

39

436arXiv cs.RO 

Balancing d'un humanoïde avec la masse d'un objet : analyses de compromis et contrôle du levage

Un groupe de chercheurs propose dans un nouvel article arXiv (2607.29625v1) une analyse rigoureuse de l'effet de la masse d'un objet porté sur l'équilibre d'un robot humanoïde en loco-manipulation. Contrairement aux méthodes actuelles, majoritairement fondées sur des heuristiques ou de l'apprentissage automatique, les auteurs formulent explicitement les paramètres de masse de l'objet dans la dynamique du corps entier, avec les torseurs de contact distribués et les centres de pression aux points d'appui. Cette formulation permet de construire ce qu'ils appellent le "balanced state basin/boundary" (BSB), une partition de l'espace des états du centre de masse définissant les configurations où le robot bipède peut conserver son équilibre. Le BSB est testé sur un robot humanoïde réel ainsi que sur un mécanisme réduit analytiquement tractable, sous différentes conditions de base d'appui, de capacité d'actionnement et de posture. L'étude aboutit à deux notions clés : la masse critique, où la capacité d'équilibrage du système est maximale, et la masse de transition, qui fait basculer le système d'un facteur limitant à un autre. Ces seuils sont ensuite intégrés comme contraintes explicites dans une optimisation de trajectoire du corps entier, validée par des tâches de lever-et-maintien et de lever-et-relâche en simulation et en expérimentation. L'intérêt pratique est direct pour les intégrateurs et les équipes de contrôle travaillant sur des humanoïdes destinés à la manutention : disposer d'un modèle analytique explicite, plutôt que d'un contrôleur appris en boîte noire, permet de prédire à l'avance les limites de charge et de posture avant qu'un robot ne bascule, un enjeu critique pour toute déploiement industriel où la sécurité et la prévisibilité priment sur la performance brute en démonstration. Le papier s'inscrit dans une littérature de contrôle d'équilibre bipède qui, jusqu'ici, s'appuyait largement sur des règles empiriques ou des réseaux entraînés en simulation, avec peu de garanties formelles sur les cas limites de charge. En formalisant le rôle de la masse portée dans la dynamique de contact, cette approche ouvre la voie à des contrôleurs de levage certifiables plutôt que simplement performants en moyenne, une direction que d'autres laboratoires travaillant sur la loco-manipulation humanoïde pourraient chercher à reproduire ou étendre à des objets de forme et de répartition de masse plus complexes.

Recherche❖Paper

1 source

38

437arXiv cs.RO 

L'AquaJEPA, des représentations prédictives multimodales conditionnées par action pour la dynamique des robots sous-marins

AquaJEPA est un nouveau modèle prédictif conditionné par l'action, conçu pour la navigation de robots sous-marins en conditions dégradées. Le système fusionne trois sources de données, une caméra RGB, un sonar frontal et la proprioception, avec un indicateur explicite de validité de chaque capteur, puis prédit une représentation latente future à partir des commandes envoyées aux huit propulseurs du véhicule. Ces prédictions de vitesse et de profil sonar alimentent ensuite un planificateur à horizon glissant partagé. L'équipe a testé la méthode dans le simulateur Stonefish, face à cinq approches concurrentes (contrôle réactif, modèle état seul, multimodal ordinaire, dynamique supervisée, modèle du monde récurrent), avec une réplication préenregistrée sur 120 environnements croisant trois cartes d'obstacles inédites, quatre niveaux de turbidité de l'eau et des dynamiques nominales ou décalées, incluant des pertes intermittentes du DVL (loch Doppler). Résultat: sur 120 environnements inédits avec perte programmée du DVL, AquaJEPA atteint son objectif dans 74 cas, contre 68 pour le modèle état seul et pour le modèle du monde récurrent, avec l'erreur finale moyenne la plus faible (0,906 m). Les réductions d'erreur par rapport au multimodal ordinaire, à la dynamique supervisée et au modèle récurrent sont respectivement de 0,273 m, 0,364 m et 0,106 m, toutes statistiquement significatives; l'avantage sur le modèle état seul reste en revanche non tranché statistiquement. L'enjeu dépasse la simple performance en simulation: les robots sous-marins autonomes opèrent dans des conditions où la fiabilité des capteurs varie brutalement selon la turbidité, l'angle de vue ou les mouvements du véhicule, un problème classique de navigation dégradée que peu de modèles de monde traitent explicitement avec fusion multimodale conditionnée par capteur valide. Ce travail apporte une preuve empirique, avec intervalles de confiance et ablations sur la cible EMA, la marge d'action et le dropout de modalité, que l'architecture JEPA (joint-embedding prédictive architecture) tient face à des baselines établies en robotique sous-marine, un terrain où la littérature reste plus rare que pour les manipulateurs terrestres. AquaJEPA s'inscrit dans la lignée des architectures JEPA popularisées par les travaux de Yann LeCun sur l'apprentissage de représentations prédictives sans reconstruction pixel par pixel, ici adaptées à un cas d'usage robotique concret et multimodal. L'étude reste cantonnée à la simulation Stonefish; la validation en conditions réelles, en mer ou en bassin, constitue l'étape suivante logique pour confirmer que les gains observés résistent au bruit et aux dérives physiques d'un déploiement effectif.

Recherche❖Paper

1 source

38

438arXiv cs.RO 

Robots à pattes : avancées, défis et opportunités

Optimisation robotique bipède : Figure envoie ses humanoïdes dans les usines BMW, tandis qu'une équipe de recherche chinoise (Zhejiang) publie une revue exhaustive des architectures de contrôle... Attends, je vérifie l'article fourni, il s'agit en fait d'un preprint arXiv (survey académique), pas d'une actualité produit. Je le traite en conséquence. Cet arXiv:2607.28952, publié fin juillet 2026, dresse un état des lieux des robots à pattes, humanoïdes et quadrupèdes, en évaluant leurs capacités actuelles sur cinq axes : matériel, locomotion, autonomie, données et applications. Les auteurs identifient les avancées récentes ainsi que les verrous techniques qui freinent encore l'adoption à grande échelle et l'émergence de nouveaux cas d'usage. Le document se conclut par une prospective couvrant les implications éthiques, le potentiel économique, les enjeux réglementaires et les effets sociétaux plus larges de ces machines. Il s'agit d'un travail de synthèse académique plutôt que d'une annonce produit ou d'un déploiement industriel chiffré. Pour les décideurs et intégrateurs du secteur, ce type de revue sert de boussole plus que d'accélérateur : elle cartographie l'écart entre les démonstrations spectaculaires vues chez Figure, Tesla ou Unitree et la réalité opérationnelle du terrain, où la fiabilité, l'autonomie énergétique et la robustesse en environnement non structuré restent des obstacles majeurs. En creux, le papier interroge la maturité réelle des architectures VLA (vision-langage-action) et des pipelines de collecte de données à l'échelle, deux prérequis souvent présentés comme résolus par les communiqués de presse du secteur mais que la littérature scientifique continue de traiter comme des problèmes ouverts. Ce travail s'inscrit dans une vague de publications de synthèse qui accompagne l'accélération des investissements dans la robotique humanoïde depuis 2024, portée par des acteurs comme Boston Dynamics, Agility Robotics, Figure ou 1X, mais aussi par des laboratoires académiques cherchant à objectiver le discours ambiant. Sans calendrier de déploiement ni partenaire industriel nommé, l'article vaut surtout comme référence de fond pour situer les annonces à venir sur une échelle réaliste de maturité technologique.

Recherche❖Paper

1 source

37

439arXiv cs.RO 

FibVLA : un modèle vision-langage-action temporel efficace avec échantillonnage de Fibonacci

FibVLA, un nouveau modèle vision-langage-action (VLA) présenté dans un article publié sur arXiv (2607.29596v1), s'attaque à un problème central des architectures actuelles: la difficulté à exploiter l'historique temporel sans sacrifier la vitesse d'inférence en temps réel. Les VLA classiques se contentent généralement de la perception du moment présent; ceux qui tentent d'intégrer un contexte long souffrent d'une chute de performance liée à l'encodage de séquences étendues. FibVLA propose deux mécanismes pour résoudre ce compromis: un échantillonnage rétrospectif logarithmique (logarithmic hindsight sampling) appliqué aux états proprioceptifs et aux images, qui capture les dépendances temporelles longue durée avec un minimum de redondance, et un module d'action reposant sur le flow matching couplé à une stratégie d'inférence récurrente dite "Fibonacci", générant des plans d'action sur un horizon étendu à partir d'un retour en boucle fermée en temps réel. Les auteurs rapportent une amélioration nette de la fluidité des mouvements et des taux de réussite, sans avoir besoin de réentraîner les encodeurs visuels de grande taille. Cette approche répond à une tension concrète pour l'industrie robotique: les intégrateurs veulent des robots capables de raisonner sur une séquence d'actions passées, pas seulement sur l'image instantanée, mais chaque milliseconde d'inférence compte pour un contrôle en boucle fermée. Si les résultats se confirment à plus grande échelle, FibVLA illustrerait qu'il est possible d'obtenir un raisonnement temporel étoffé sans payer le prix habituel en latence, un point sensible dans le débat sur l'écart entre démonstrations impressionnantes et déploiement industriel réel. FibVLA s'inscrit dans une lignée de modèles VLA qui cherche à généraliser l'IA incarnée, aux côtés d'approches comme RT-2, OpenVLA, Pi-0 ou GR00T N2, où la gestion efficace du contexte temporel reste un défi ouvert. L'article ne précise pas de partenariat industriel ni de calendrier de déploiement; il s'agit à ce stade d'un travail de recherche évalué en conditions réelles limitées, dont la prochaine étape logique serait une validation sur des plateformes robotiques plus variées et des tâches de manipulation plus complexes.

Recherche⚡Actu

1 source

47

440Robotics Business Review 

Gemini Robotics 2, selon Google DeepMind, permet un contrôle complet du corps

DeepMind a dévoilé la semaine dernière Gemini Robotics 2, la nouvelle version de son modèle vision-langage-action (VLA), avec pour ajout principal le contrôle du corps entier des robots humanoïdes, là où la version précédente se limitait au haut du corps pour des tâches sur table. Sur le robot Apollo 2 d'Apptronik, le modèle traduit une instruction en langage naturel, comme « mettre l'arrosoir dans le bac vert de l'étagère du bas », en une séquence complète : le robot marche jusqu'à la table, saisit l'objet, se déplace vers l'étagère et le pose précisément à l'endroit demandé. Côté préhension fine, Gemini Robotics 2 pilote la main SharpaWave à cinq doigts et 22 degrés de liberté (DOF) montée sur Apollo 2, capable de nouer une corde ou de fermer un sachet zippé, ainsi que des pinces parallèles à deux doigts standard sur une plateforme Franka Duo pour des tâches d'emballage dense. DeepMind publie en parallèle deux modèles complémentaires : Gemini Robotics ER 2, un modèle de raisonnement incarné (VLM) qui sert de « cerveau » de haut niveau, communique avec les humains, observe l'environnement et coordonne des tâches multi-étapes de plusieurs minutes, y compris entre plusieurs robots ; et Gemini Robotics On-Device 2, une version optimisée pour tourner localement sur les robots et s'adapter à un nouveau corps robotique en quelques heures de données seulement, selon DeepMind. ER 2 est disponible sur Google AI Studio et en accès anticipé privé sur la plateforme Gemini Enterprise Agent, tandis que le VLA et la version on-device restent réservés à des partenaires triés sur le volet. Cette annonce marque une étape notable dans la course aux robots humanoïdes généralistes, dominée jusqu'ici par des démonstrations spectaculaires mais rarement suivies de déploiements réels. En unifiant navigation, manipulation bimanuelle et dextérité fine sous un seul modèle capable de s'adapter à différents corps robotiques (Apollo 2, Franka Duo) en quelques heures plutôt qu'en mois de réentraînement, DeepMind s'attaque directement à l'un des goulots d'étranglement du secteur : le fossé entre une démo réussie en labo et un système fiable en environnement réel. Le fait que Gemini Robotics ER 2 gère l'auto-correction en cas d'échec d'une étape et la généralisation à des situations nouvelles répond à une critique récurrente des VLA actuels, souvent fragiles dès qu'ils sortent de leur distribution d'entraînement. DeepMind reconnaît toutefois que la vitesse de mouvement reste un axe de progrès, une nuance qui tempère l'enthousiasme habituel des communiqués du secteur et rappelle que la robustesse à l'échelle industrielle n'est pas encore acquise. Le premier Gemini Robotics, lancé plus tôt dans l'année, avait déjà démontré la capacité du modèle multimodal de Google à piloter une action physique réelle, mais restait cantonné à des manipulations de table. Cette itération s'inscrit dans une compétition de plus en plus dense entre modèles VLA généralistes, face notamment à Figure avec Helix, Physical Intelligence avec Pi-0, ou NVIDIA avec GR00T N2, chacun cherchant à prouver qu'un seul modèle peut piloter des corps robotiques variés sans réentraînement spécifique par tâche. L'accès restreint aux early-access partners suggère que DeepMind privilégie pour l'instant une validation contrôlée avant une ouverture plus large, sans calendrier de déploiement commercial annoncé à ce stade.

IA physique❧Opinion

1 source

31

441Hackaday Robots Hacks 

Stewart Platform Walker : des jambes sensibles grâce à des résistances

Un bricoleur identifié comme JD a modifié un robot hexapode baptisé Stewy pour lui donner un retour de force au niveau des pattes, en utilisant simplement des résistances. Stewy repose sur une architecture inhabituelle : sa tête est une plateforme de Stewart, un système à 6 degrés de liberté normalement fixé sur une base immobile. En reliant des pattes aux mêmes servomoteurs qui pilotent cette plateforme, JD a transformé le dispositif en robot marcheur à six pattes. Le problème restant : le robot ne percevait rien du sol sous ses pieds, un manque jugé limitant pour évoluer sur des surfaces irrégulières. La solution retenue consiste à placer une résistance en série avec chaque servomoteur et à mesurer la chute de tension à ses bornes. Comme le courant consommé par un servomoteur augmente avec le couple qu'il produit, cette mesure permet, via la loi d'Ohm et une simple entrée analogique du microcontrôleur, d'estimer indirectement la force exercée par chaque patte. Ce hack illustre un compromis intéressant pour la robotique de bricolage et les petits projets éducatifs ou de recherche low-cost : obtenir un proxy de retour de force sans capteur dédié, sans jauge de contrainte, et sans modification mécanique des servomoteurs. Les données obtenues sont présentées comme étonnamment exploitables au regard de la simplicité de l'implémentation, à condition de ralentir la vitesse des servomoteurs pour stabiliser le signal. Ce n'est en rien comparable à une véritable perception proprioceptive de niveau industriel, mais l'approche montre qu'un signal de couple approximatif peut suffire à améliorer la marche sur terrain inégal pour un robot amateur, sans budget capteurs. L'astuce s'inscrit dans une famille de solutions bien connue des makers pour approximer une détection de force sans capteurs spécialisés, à l'image des résistances sensibles à la force (FSR) déjà employées dans des tapis MIDI de type Twister ou dans des imprimantes 3D à mise à niveau automatique. Contrairement à ces composants dédiés qui mesurent directement une pression, la méthode de JD détourne un signal électrique déjà présent dans le circuit du servomoteur, ce qui la rend applicable à quasi n'importe quel robot à base de servos bon marché. Aucune suite commerciale ou industrielle n'est annoncée : il s'agit d'un projet de hobbyiste documenté en vidéo, pensé comme une démonstration pédagogique plutôt que comme une innovation de rupture.

Autre≡Tuto

1 source

42

442Interesting Engineering 

La Chine occupe six des dix premières places en robots humanoïdes, mais les États-Unis dominent en qualité (rapport)

Un rapport d'analyse de brevets publié par LexisNexis, portant sur plus de 26 000 familles de brevets liées à la robotique humanoïde, place la Chine en tête de l'innovation mondiale dans ce secteur. Les cinq premières positions reviennent à des entreprises chinoises : Fourier et AgiBot (Shanghai) occupent respectivement les première et deuxième places, suivies de LimX Dynamics et Pudu Robotics (Shenzhen), puis d'Unitree Robotics (Hangzhou). Leju Robotics (Shenzhen) complète le classement chinois en neuvième position, soit six entreprises chinoises parmi les dix startups les plus innovantes du secteur selon cette étude. Trois sociétés américaines figurent au classement : Figure AI (6e), Apptronik (8e) et Agility Robotics (10e), tandis que l'allemand Agile Robots reste le seul représentant européen. Fin 2025, la Chine concentrait 73 % du portefeuille mondial actif de brevets liés à la morphologie robotique et 63 % de la force globale des portefeuilles dans ce domaine, avec une accélération marquée sur dix ans : l'activité brevetable a doublé sur les systèmes d'interaction, été multipliée par 2,5 sur la morphologie et par cinq sur les architectures de contrôle et de planification. Les inventeurs américains, eux, ne représentent que 5 % des familles de brevets actives mais contribuent à 11 % de la force globale du portefeuille mondial, le rapport soulignant que les États-Unis conservent la meilleure qualité moyenne de brevets sur les trois domaines technologiques examinés. Cette méthodologie, fondée sur l'Indice d'Actifs de Brevets de LexisNexis plutôt que sur l'exposition médiatique ou les démonstrations produit, offre un signal différent de la couverture habituelle du secteur : elle sépare le volume d'innovation, où la Chine domine largement, de la qualité et de la défendabilité des brevets, où les États-Unis gardent l'avantage. Pour les décideurs industriels, l'indicateur le plus notable reste peut-être UBTECH, seule entreprise parmi les dix portefeuilles les plus solides à consacrer plus du quart de ses brevets (370 familles) spécifiquement à la robotique humanoïde, contre moins de 10 % pour les neuf autres organisations en tête (Fanuc, Alphabet, Nvidia, Kawasaki Heavy Industries, Intuitive Surgical, l'Académie chinoise des sciences), pour qui ce domaine reste une activité annexe. Le rapport paraît alors que les tensions technologiques sino-américaines s'intensifient : selon le South China Morning Post, l'administration Trump a annoncé cette semaine des restrictions sur les importations de nouveaux robots et d'onduleurs, invoquant des risques de sécurité nationale et de chaîne d'approvisionnement, tandis que la Chambre des représentants a adopté une législation interdisant au Pentagone d'acquérir ou d'exploiter des systèmes robotiques humanoïdes liés à des adversaires étrangers désignés, Chine incluse. Le rapport lui-même reconnaît que les données de brevets ne constituent qu'un signal parmi d'autres, à croiser avec le contexte commercial et la classification technologique pour identifier les acteurs les mieux placés à long terme.

Chine/Asie❧Opinion

1 source

42

443Robotics Business Review 

Top 10 des actualités robotiques de juillet 2026

Juillet 2026 a été marqué par une vague de financements et de nouveaux modèles dans la robotique humanoïde, avant qu'un changement de politique américaine ne domine l'actualité en fin de mois. AI² Robotics, basée à Shenzhen, a levé environ 735 millions de dollars, portant sa valorisation à plus de 50 milliards de yuans (environ 2,8 milliards de dollars), pour ses robots humanoïdes à roues. À Londres, Humanoid a bouclé une levée en série A et présenté KinetIQ Ascend, une approche d'apprentissage par renforcement censée atteindre 99,9 % de fiabilité en manipulation à vitesse humaine ou supérieure, un chiffre annoncé sans méthodologie détaillée et donc à prendre avec prudence. Walden Robotics est sorti de mode furtif avec 300 millions de dollars levés et une valorisation de 1,1 milliard de dollars, misant sur des robots capables d'apprendre en continu sur le terrain. Apptronik a dévoilé Apollo 2, la nouvelle version de son humanoïde, et inauguré l'extension de Robot Park, son centre de collecte de données et d'entraînement à Austin, au Texas. AMD est entré dans la course avec sa plateforme Kria AI Robotics et sa gamme Ryzen AI Embedded X100, promettant un contrôle temps réel déterministe et une mémoire unifiée CPU-GPU-NPU, en affirmant surpasser les puces Orin et Thor de Nvidia sur des charges robotiques complètes. Côté grand public, Weave Robotics a lancé Isaac 1, un humanoïde domestique à roues destiné aux tâches ménagères, facturé 7 999 dollars à l'achat ou 449 dollars par mois. BrainCo a fait la démonstration d'un bras robotique piloté par interface cerveau-machine lors de la World Artificial Intelligence Conference 2026. Mais l'article le plus consulté du mois concerne les nouvelles restrictions de la FCC sur l'importation aux États-Unis de robots humanoïdes et mobiles. Ces annonces confirment l'accélération des capitaux vers l'IA physique, avec une concurrence désormais mondiale entre la Chine, le Royaume-Uni et les États-Unis sur les humanoïdes, et l'arrivée de nouveaux acteurs des semi-conducteurs comme AMD face à la domination de Nvidia dans le contrôle robotique. Le prix de lancement d'Isaac 1 marque aussi une tentative rare de faire sortir l'humanoïde du seul pilote industriel pour viser directement le foyer, un test grandeur nature de la maturité commerciale du secteur. Les limites d'importation fixées par la FCC, elles, introduisent une dimension protectionniste qui pourrait redessiner les chaînes d'approvisionnement en composants robotiques et avantager les fournisseurs non chinois. Ce mois s'inscrit dans la continuité de la ruée vers l'IA physique amorcée depuis 2025, où les robots passent d'une programmation déterministe à des capacités de perception et de décision pilotées par IA. La position dominante de la Chine sur les humanoïdes à roues, illustrée par AI² Robotics, contraste avec la stratégie de niches de Walden, Apptronik ou Humanoid aux États-Unis et au Royaume-Uni. À surveiller : les suites concrètes de la décision de la FCC, la montée en cadence de Robot Park à Austin, et les premiers retours d'usage sur Isaac 1 une fois déployé chez les particuliers.

Humanoïdes⚡Actu

1 source

43

444Robotics Business Review 

La FCC statue sur les robots, éclairage sur la politique américaine : comment l'IA nouvelle génération peut transformer l'entreposage

Derik Pridmore, cofondateur et PDG d'OSARO, est l'invité de l'épisode 255 du podcast The Robot Report, aux côtés d'un segment d'actualité consacré à une décision de la FCC limitant les importations aux États-Unis de nouveaux robots humanoïdes et mobiles, un sujet sur lequel plusieurs experts du secteur réagissent. OSARO, fondée en 2015, développe des logiciels d'IA pour l'automatisation industrielle, avec une offre intégrée de perception et de contrôle destinée aux déploiements robotiques à l'échelle industrielle, notamment en entrepôt. Pridmore apporte un profil atypique dans ce milieu très ingénierie : plus de dix ans d'expérience en investissement, notamment chez Founders Fund et Arda Capital Management, avec des paris passés sur DeepMind et Clarifai. Dans l'entretien, il retrace l'évolution de la robotique d'entrepôt, passée de systèmes de perception rigides et limités à une automatisation pilotée par IA capable de s'adapter à des environnements changeants. L'intérêt de la discussion tient moins à une annonce produit qu'à une mise en garde adressée aux décideurs industriels et intégrateurs : Pridmore insiste sur le fait qu'une conception agnostique du matériel, un apprentissage continu et un monitoring réel en conditions d'exploitation comptent davantage que des démonstrations spectaculaires, souvent déconnectées des contraintes de fiabilité et de sécurité qu'exige un déploiement à grande échelle. C'est un rappel utile dans un secteur où l'écart entre vidéos de démonstration et robustesse opérationnelle reste un point de friction récurrent, y compris pour les systèmes vision-langage-action mis en avant par plusieurs acteurs de l'humanoïde. En parallèle, la décision de la FCC restreignant l'importation de robots humanoïdes et mobiles neufs aux États-Unis illustre un durcissement réglementaire qui pourrait peser sur les plans de déploiement de fabricants étrangers sur le marché américain, un signal à surveiller pour toute entreprise dépendant de matériel importé. OSARO s'inscrit dans un marché de la perception et de la manipulation robotique en entrepôt occupé par des acteurs comme Covariant ou Dexterity, où la bataille se joue autant sur la capacité à généraliser d'un type de préhenseur ou de convoyeur à un autre que sur la performance brute des modèles. Le parcours de Pridmore, entre capital-risque et direction opérationnelle, éclaire aussi une dynamique plus large : des investisseurs technologiques historiques qui basculent vers l'exécution industrielle directe. Quant au volet réglementaire évoqué dans l'épisode, il s'inscrit dans une série de mesures américaines de contrôle des importations technologiques, dont les contours précis et les prochaines étapes restent à préciser au fil des réactions du secteur.

Regulation⚖Reglementation

1 source

39

445Robotics Business Review 

KUKA déploie sa plateforme de gestion de l'automatisation pour les constructeurs automobiles nord-américains

KUKA AG a annoncé cette semaine le déploiement de sa plateforme d'orchestration Automation Management Platform (AMP) sur le site de KUKA Toledo Production Operations (KTPO), dans l'Ohio. Cette usine de 31 122 m² compte parmi les plus grands sites de fabrication automobile d'Amérique du Nord : elle produit plus de 300 carrosseries de véhicules par jour, soit une toutes les deux minutes, et a déjà assemblé plus de 2 millions de caisses en blanc depuis 2006, date à laquelle elle a commencé à produire celles du Jeep Wrangler (rejoint par le Jeep Gladiator en 2019). Le site s'appuie sur 285 robots et plus de 60 000 appareils connectés. AMP, présentée initialement lors de la conférence NVIDIA GTC 2026, est conçue comme une plateforme API ouverte et modulaire qui connecte l'infrastructure d'automatisation existante à des couches de décision pilotées par l'IA, avec un premier périmètre centré sur les robots mobiles autonomes (AMR). Selon Marc Fleischmann, directeur logiciel et IA de KUKA Group, l'outil doit permettre aux fabricants d'intégrer leurs propres modèles d'IA et de les généraliser en production via une couche de contexte partagée, en analysant en continu les données opérationnelles. Le point notable, que le communiqué de KUKA minimise, est que ce déploiement à KTPO correspond en réalité à un test en version alpha, et non à une bascule complète de l'usine vers un pilotage par IA. Le discours sur une "nouvelle ère" de la fabrication doit donc être lu avec prudence : il s'agit d'une preuve de concept sur un site pilote, pas d'un basculement industriel généralisé. Cela dit, l'initiative illustre une tendance de fond chez les grands intégrateurs industriels (KUKA, mais aussi ABB, Siemens ou Fanuc sur des approches voisines) qui cherchent à superposer une couche logicielle d'IA à des parcs de robots déjà installés plutôt que de tout remplacer, un positionnement pragmatique pour des clients automobiles réticents à interrompre des lignes de production à haut volume. KUKA, filiale historique du groupe chinois Midea depuis son rachat en 2016, emploie plus de 3 400 personnes aux États-Unis entre ingénierie, fabrication, développement logiciel et intégration systèmes. L'annonce s'inscrit dans la vague plus large de "physical AI" mise en avant par NVIDIA lors de GTC 2026, où plusieurs acteurs de l'automatisation industrielle et de la robotique ont présenté des couches d'orchestration IA similaires. KUKA n'a pas précisé de calendrier pour étendre AMP au delà des AMR ni pour généraliser son déploiement à d'autres usines après la phase de test à Toledo.

Industriel❧Opinion

1 source

35

446IEEE Spectrum Robotics 

Gemini Robotics 2, le nouveau modèle de Google DeepMind

Le déploiement Google DeepMind vient de dévoiler Gemini Robotics 2, une couche d'intelligence destinée à piloter des robots plus adaptables, testée dès son annonce sur des démonstrations de premiers pas et de contrôle corporel complet. Le système ajoute une dextérité avancée et une capacité de collaboration entre plusieurs robots, mais sans chiffres précis de payload, DOF ou temps de cycle publiés à ce stade, il s'agit encore d'une démonstration technologique plutôt que d'un produit commercial daté. Cette édition de Video Friday, compilée par IEEE Spectrum, réunit aussi plusieurs autres publications de la semaine dans le secteur robotique : Agility Robotics a partagé une feuille de route, Unitree a montré de nouvelles capacités de ses robots, et Hello Robot a présenté Stretch 4.0, un robot à un bras et trois roues conçu pour naviguer dans un environnement domestique de façon sûre. Cette accumulation d'annonces reflète l'intensité de la course à l'humanoïde et aux robots polyvalents en 2026 : les grands laboratoires d'IA comme Google DeepMind cherchent à s'imposer comme fournisseurs de la couche cognitive générique pour une multitude de plateformes robotiques, plutôt que de se limiter à un seul matériel. Pour les intégrateurs et décideurs B2B, la multiplication de ces modèles de contrôle (à l'image de Pi-0 ou GR00T N2 chez d'autres acteurs) signale une bascule progressive vers des architectures VLA (vision-langage-action) mutualisées, capables en théorie d'équiper des robots aux morphologies variées. Reste que la démonstration de "premiers pas" par Gemini Robotics 2 est, comme souvent dans ce type d'annonces, une vitrine soigneusement sélectionnée : l'écart entre démonstration contrôlée et déploiement réel en usine ou à domicile demeure la question centrale que ces vidéos ne tranchent pas. Le reste de la sélection hebdomadaire illustre la diversité des approches actuelles : des chercheurs du General Robotics Lab ont développé une main robotique à 21 degrés de liberté capable d'exprimer des "ombres" dynamiques via une peau souple, tandis que Disney Research explore le transfert de mouvement d'humains vers des robots quadrupèdes. Le laboratoire RAD de l'USC travaille avec la NASA à l'entraînement de robots-chiens pour l'exploration planétaire, sur Mars et la Lune. IEEE Spectrum rappelle aussi les origines du secteur en évoquant WABOT-1, souvent considéré comme le premier robot humanoïde japonais, développé par le Takanishi Lab, marquant le chemin parcouru depuis jusqu'aux systèmes actuels comme celui de Sunday Robotics, montré ici pliant du linge à vitesse accélérée.

IA physique⚡Actu

1 source

44

447Robotics & Automation News 

Google DeepMind dévoile Gemini Robotics 2, alors qu'un humanoïde d'Apptronik démontre une IA corps entier

Google DeepMind a dévoilé Gemini Robotics 2, une nouvelle suite de modèles d'IA destinée à donner aux robots humanoïdes une autonomie accrue grâce à un contrôle du corps entier, une dextérité avancée et une capacité de collaboration entre plusieurs robots. La démonstration s'appuie sur Apollo 2, l'humanoïde d'Apptronik, désormais capable d'exécuter des mouvements autonomes du corps entier : marche, accroupissement, flexion, et d'autres actions coordonnées qui combinent équilibre dynamique et manipulation fine, sans scripts préprogrammés pour chaque geste. Cette annonce marque une étape notable dans la course aux robots humanoïdes généralistes : elle déplace le curseur au-delà de la simple manipulation d'un bras robotique isolé vers un contrôle unifié de l'ensemble du corps piloté par un même modèle d'IA. Pour les intégrateurs et décideurs industriels, c'est un signal que les modèles vision-langage-action (VLA) commencent à passer à l'échelle sur des plateformes physiques complètes, un point encore contesté dans le secteur où beaucoup de démonstrations restent téléopérées ou limitées à des tâches très encadrées. Reste à vérifier, comme souvent avec ce type d'annonce, si les séquences montrées reflètent un comportement fiable et répétable ou des prises sélectionnées. Ce lancement s'inscrit dans la continuité de Gemini Robotics, la première famille de modèles robotiques de Google DeepMind, et prolonge le partenariat entre le laboratoire et Apptronik, déjà engagé sur le développement d'Apollo. Il intervient alors que la concurrence s'intensifie, avec Figure et son modèle Figure 03, Tesla et Optimus, ou encore 1X et son robot Neo, chacun cherchant à démontrer une autonomie et une polyvalence suffisantes pour un déploiement industriel réel plutôt qu'une simple vitrine technologique.

Humanoïdes⚡Actu

1 source

41

448Robotics & Automation News 

FedEx étend le déploiement de l'IA physique de Dexterity pour le chargement autonome de remorques

FedEx et le spécialiste de l'automatisation d'entrepôt Dexterity ont annoncé l'extension de leur collaboration pour déployer à plus grande échelle le modèle du monde Foresight et le système de chargement de remorques Mech de Dexterity, au hub FedEx de Hagerstown, dans le Maryland. Ce déploiement s'appuie sur plusieurs années de développement conjoint, de tests et de validation opérationnelle, et dépasse le site pilote initial sur lequel le partenariat avait été testé jusqu'ici. Le système Mech utilise la perception et la planification de mouvement pilotées par IA pour charger automatiquement des colis dans des remorques, une tâche traditionnellement manuelle, répétitive et physiquement éprouvante dans la logistique du dernier kilomètre. Cette extension marque un signal important pour le secteur : elle indique que la technologie de Dexterity dépasse le stade du pilote isolé pour entrer dans une phase de déploiement multi-sites chez un opérateur logistique majeur. Pour les intégrateurs et décideurs B2B de l'automatisation d'entrepôt, c'est une validation concrète que les systèmes robotiques pilotés par IA pour la manutention peuvent tenir la distance en conditions réelles, au-delà de la démonstration contrôlée, sur des cycles de production à haut volume. Dexterity, fondée par d'anciens chercheurs de Stanford et X (Google), s'est positionnée depuis plusieurs années sur l'automatisation de tâches de manutention complexes en entrepôt, en concurrence avec des acteurs comme Pickle Robot, également actif sur le chargement et déchargement automatisé de remorques. Le partenariat avec FedEx, engagé depuis plusieurs années, illustre la stratégie du transporteur d'intégrer progressivement la robotique dans ses hubs, avec Hagerstown comme nouvelle étape avant d'éventuels déploiements supplémentaires.

Industriel⚡Actu

1 source

39

449Interesting Engineering 

Robot humanoïde équipé d'une puce Qualcomm : une vidéo virale le montre s'effondrant en plein keynote

Un robot humanoïde propulsé par la plateforme Dragonwing IQ10 de Qualcomm s'est effondré face contre terre sur scène lors du Computex 2026 à Taïwan, en pleine keynote en direct, alors qu'il s'apprêtait à co-présenter aux côtés d'un intervenant humain. Les images montrent la machine marchant normalement avant de basculer brutalement vers l'avant dans un bruit sourd. Toujours au sol, elle a brièvement levé un poing, signe qu'elle restait partiellement opérationnelle, mais n'est pas parvenue à se relever seule. Des membres de l'équipe technique sont alors intervenus, ont recouvert le robot d'un tissu satiné avant de l'évacuer, mettant un terme abrupt à la démonstration. Qualcomm a attribué l'incident à un problème de communication survenu pendant la démonstration et a précisé que le robot avait exécuté sa séquence de repli de sécurité intégrée, s'affaissant sur les genoux pour protéger le public et son environnement immédiat. L'entreprise a affirmé que ses systèmes de sécurité avaient fonctionné comme prévu. Cet épisode illustre l'écart persistant entre les démonstrations scénarisées de robots humanoïdes et la fiabilité réelle nécessaire à un déploiement industriel, un point sensible pour l'ensemble du secteur alors que les annonces de VLA (vision-language-action) capables et de robots "prêts pour la production" se multiplient. Qualcomm a choisi de présenter la chute non comme un échec mais comme une preuve que ses garde-fous logiciels fonctionnent, un discours qui vise autant les intégrateurs et décideurs B2B, potentiels clients de sa plateforme, que le grand public. Pour les acteurs industriels qui évaluent des humanoïdes pour l'entrepôt ou l'usine, l'incident rappelle que la robustesse logicielle et les protocoles de sécurité en cas de panne comptent au moins autant que les capacités mises en avant dans les vidéos promotionnelles, une leçon déjà tirée l'an dernier avec la chute similaire du robot russe AIdol lors de son propre lancement public. Le Dragonwing IQ10 Robotics Reference Design est une architecture matérielle et logicielle intégrée que Qualcomm positionne comme un accélérateur de mise sur le marché pour les développeurs de robots industriels, de robots mobiles autonomes et d'humanoïdes. Construite autour du processeur Dragonwing IQ10, elle délivre jusqu'à 700 TOPS de puissance de calcul IA, embarque 18 cœurs CPU, des unités de traitement IA dédiées et un GPU, et prend en charge jusqu'à douze caméras ainsi que du LiDAR et des capteurs de temps de vol. Conçue pour des environnements industriels, elle fonctionne de -40°C à 70°C sur alimentation 12 ou 24 volts, et s'appuie sur ROS 2, des runtimes IA embarqués et une gestion du cycle de vie via le cloud Qualcomm AI Hub. La plateforme est soutenue par un écosystème de partenaires incluant NEURA Robotics, Advantech, Booster, Innodisk, NEXCOM, Radxa et Thundercomm, ce qui positionne Qualcomm comme fournisseur de brique de calcul générique face aux acteurs verticalement intégrés du secteur humanoïde.

Humanoïdes❧Opinion

1 source

36

450Pandaily 

LimX Dynamics : le contrôle du mouvement converge, la prochaine étape des humanoïdes est l'atterrissage et le PMF devient le vrai combat

Selon Shen Hua, cofondateur de LimX Dynamics, les technologies de contrôle moteur des robots humanoïdes convergent et les écarts entre acteurs se resserrent. À l'occasion du WAIC 2026 (World Artificial Intelligence Conference), le secteur est passé d'un stade de démonstration technologique à une phase d'exploration de déploiement : des intégrateurs ont testé la palettisation et l'alimentation de machines, tandis que des applications de guidage et de représentation ont commencé à valider une valeur commerciale concrète. LimX Dynamics, fondée en 2022 à Shenzhen par Zhang Wei, professeur à la SUSTech, structure désormais son offre autour de trois axes : Luna, un humanoïde interactif taille réelle, TRON 2, des robots modulaires orientés exécution de tâches, et LimX COSA 0.5, un système « cerveau » destiné aux opérations complexes et de longue durée. L'entreprise a également présenté FluxVLA Engine, une infrastructure standardisée pour l'intelligence incarnée couvrant données, entraînement, simulation et déploiement réel, censée éviter aux industriels de redévelopper un modèle VLA (vision-langage-action) pour chaque projet. Le point le plus commercial de l'intervention de Shen Hua est sa remise en cause d'un présupposé répété depuis deux ans dans l'industrie : celui d'un « cervelet » (contrôle moteur) en retard sur le « cerveau » (les modèles d'IA). Il affirme que le contrôle moteur a désormais rattrapé, voire légèrement dépassé sur certains aspects, les capacités des modèles d'IA et du matériel. Il s'agit toutefois d'une déclaration d'un acteur directement intéressé, sans benchmark indépendant cité à l'appui. Le message qu'il en tire reste néanmoins significatif pour les décideurs B2B et intégrateurs : le goulot d'étranglement ne serait plus l'amélioration d'un module isolé mais l'intégration système entre décision, contrôle moteur et matériel, ainsi que l'adéquation à des scénarios d'usage réels. Autrement dit, la bataille se déplacerait des specs techniques vers le product-market fit (PMF). Cette trajectoire reflète l'évolution de LimX Dynamics elle-même, partie d'une spécialisation en contrôle moteur pour devenir un acteur de systèmes d'IA complets, avec des investissements dans des modèles de niveau « cerveau » comme VGM, pour l'apprentissage par génération vidéo, et DreamActor, basé sur un paradigme d'entraînement réel-vers-simulation-vers-réel. Face à une concurrence humanoïde mondiale où la course porte désormais autant sur les modèles que sur le matériel, Shen Hua situe la prochaine étape ailleurs : une fois le contrôle moteur banalisé, la compétition se jouera sur la capacité à identifier les premiers cas d'usage réellement valides et à passer de la question « que peut faire le robot » à celle de son entrée effective dans des environnements réels générateurs de valeur.

Chine/Asie⚡Actu

1 source