Actualités robotique — page 90

7 520 articles au fil, du plus récent au plus ancien.

36

4451arXiv cs.RO 

Un cadre de conception conjointe pour le saut haute performance d'un monopode à cinq barres avec optimisation des actionneurs

Des chercheurs présentent un nouveau cadre de co-conception pour optimiser les performances de saut d'un monopode à cinq barres, un mécanisme planaire à chaîne fermée équipé d'une seule jambe. Contrairement aux approches classiques qui se limitent aux dimensions des liaisons et aux ratios de transmission, cette méthode optimise conjointement la géométrie mécanique, les paramètres moteur et réducteur, ainsi que les paramètres de contrôle. Le processus se déroule en deux étapes: une première phase d'optimisation des actionneurs établit une correspondance entre le ratio de réduction et la masse, l'efficacité et le couple de crête de l'actionneur; ces données alimentent ensuite un algorithme d'optimisation CMA-ES qui ajuste simultanément la conception du robot et sa commande. En simulation, le cadre proposé améliore la distance de saut d'environ 30,4% tout en réduisant la consommation d'énergie mécanique de 11,5%, comparé à une conception nominale de référence. Ce travail comble un angle mort des méthodes de co-conception existantes, largement cantonnées aux mécanismes en chaîne ouverte série et négligeant l'optimisation fine des actionneurs. Pour les concepteurs de robots à pattes et de plateformes dynamiques (saut, course, locomotion agile), le résultat démontre qu'intégrer le dimensionnement moteur et réducteur directement dans la boucle d'optimisation, plutôt que de le traiter après coup, produit des gains de performance et d'efficacité énergétique significatifs sans changement d'architecture. Cela renforce l'idée que le potentiel des mécanismes à chaîne fermée, souvent plus compacts et robustes mécaniquement que les architectures série, reste sous-exploité faute d'outils de conception adaptés. Le cadre s'inscrit dans une lignée de recherches sur la co-conception mécatronique des robots légers, où l'enjeu est de sortir du cycle itératif traditionnel séparant conception mécanique et réglage du contrôleur. Les auteurs positionnent leur contribution comme une étape vers des méthodologies génériques applicables à d'autres mécanismes à chaîne fermée, avec des perspectives de validation expérimentale sur prototype physique et d'extension à des tâches locomotrices au-delà du simple saut vertical ou horizontal.

Recherche❖Paper

1 source

36

4452arXiv cs.RO 

Raisonnement inverse rationnel : imitation en quelques exemples par inférence d'intention via la planification

Une équipe de recherche en robotique présente Rational Inverse Reasoning (RIR), une méthode d'apprentissage par imitation capable d'acquérir une nouvelle tâche de manipulation à partir d'une seule démonstration, contre des centaines voire des milliers habituellement nécessaires aux approches actuelles. Le système combine un modèle vision-langage (VLM), qui propose des programmes candidats décrivant l'intention du démonstrateur, et un planificateur hiérarchique de type task-and-motion-planning (TAMP) qui évalue la plausibilité de ces programmes selon un principe de rationalité bornée. Par itérations successives, RIR affine cet ensemble de candidats pour converger vers une explication compacte et exécutable de la tâche, sous forme de buts, sous-buts et contraintes. La méthode a été testée sur un benchmark de raisonnement en 2D ainsi que sur un bras robotique réel Franka FR3. En configuration à un ou trois exemples de démonstration, RIR améliore le taux de réussite de 34 et 28 points de pourcentage par rapport aux approches de référence combinant VLM et planification, mais dépourvues d'inférence explicite de la rationalité. L'enjeu dépassé ici est celui de la généralisation, le talon d'Achille de l'imitation learning en robotique. Un humain apprend un geste et sait l'adapter à une nouvelle pièce, de nouveaux objets ou de nouvelles contraintes ; les politiques apprises par imitation, elles, s'effondrent souvent au moindre changement de disposition ou de géométrie. RIR répond à ce problème non pas en accumulant davantage de données, mais en changeant de niveau d'abstraction: au lieu de reproduire des trajectoires de mouvement, le système infère le pourquoi du comportement démontré. Pour les intégrateurs et laboratoires travaillant sur des politiques de manipulation generalistes, ce résultat suggère qu'un raisonnement structuré ancré dans la planification symbolique peut réduire drastiquement le besoin de données, un argument qui pèse face aux approches VLA pures gourmandes en démonstrations. Ce travail s'inscrit dans une lignée de recherches cherchant à combiner modèles de fondation et planification classique plutôt que de tout déléguer à l'apprentissage de bout en bout. La publication, mise à jour sur arXiv en tant que "replace" d'une version antérieure, ouvre la voie à des extensions vers des tâches multi-étapes plus complexes et des environnements moins contrôlés que le laboratoire.

Recherche❖Paper

1 source

36

4453arXiv cs.RO 

RoboVista : évaluation des modèles vision-langage pour diverses applications robotiques

Les chercheurs à l'origine de ce travail publient RQA (Robot Question Answering), un cadre d'évaluation modulaire, et RoboVista, un benchmark associé conçu pour tester les modèles vision-langage (VLM) sur des tâches robotiques réelles. RoboVista rassemble 474 instances de questions-réponses visuelles annotées manuellement par des experts, couvrant 39 types de tâches distincts répartis sur l'agriculture, l'industrie, la robotique domestique, la chirurgie assistée, la conduite autonome et divers jeux de données robotiques ouverts. Les données proviennent de systèmes robotiques réels, d'articles de recherche et d'annotations expertes, plutôt que des habituels jeux de données téléopérés de bout en bout. Les expérimentations menées par l'équipe montrent que les VLM de pointe actuels présentent des écarts de performance substantiels sur ces tâches, et des essais complémentaires sur robots physiques révèlent une corrélation forte entre les scores obtenus sur RoboVista et la réussite effective des tâches en conditions réelles. Pour les intégrateurs et décideurs qui évaluent l'usage de VLM comme brique de raisonnement pour des robots polyvalents, ce travail apporte un signal utile: les benchmarks classiques, souvent bâtis sur de la téléopération bout en bout, masquent des lacunes de raisonnement modulaire (perception, planification, décision) que RoboVista rend visibles composant par composant. Le fait que la corrélation avec la performance en conditions réelles soit confirmée par des essais physiques renforce la crédibilité de l'outil comme prédicteur, et non simple exercice académique déconnecté du terrain. Cela vient tempérer l'enthousiasme actuel autour des architectures VLA (vision-language-action) génériques: disposer d'un modèle capable de décrire une scène ne garantit pas qu'il raisonne correctement sur les contraintes physiques et séquentielles propres à chaque secteur, de l'agriculture à la chirurgie. Ce travail s'inscrit dans une lignée de critiques adressées aux benchmarks robotiques existants, jugés trop dépendants de démonstrations téléopérées qui capturent mal la structure de décision sous-jacente aux comportements robotiques. En proposant une décomposition modulaire via le format question-réponse, RQA se positionne comme une alternative complémentaire aux suites d'évaluation end-to-end dominantes dans le secteur, à mesure que les VLM et les architectures VLA gagnent du terrain comme fondation du raisonnement robotique généraliste. La publication ne précise pas de calendrier de mise à disposition publique du benchmark ni d'intégration dans des pipelines industriels existants, mais elle ouvre la voie à des évaluations plus fines des futurs modèles vision-langage déployés sur des flottes robotiques réelles, au-delà des seules démonstrations vidéo.

Recherche❖Paper

1 source

36

4454arXiv cs.RO 

AmpAttention, une attention inspirée des amplificateurs différentiels pour la manipulation robotique multi-vue

Une équipe de chercheurs anonymes, dans une soumission actuellement en évaluation par les pairs sur arXiv (2607.02845), propose AmpAttention, un mécanisme d'attention pour la manipulation robotique multi-vues inspiré des amplificateurs différentiels utilisés en électronique analogique. Intégré dans un modèle baptisé RVAF, ce mécanisme combine attention intra-vue et inter-vue guidée par la tâche pour filtrer le bruit visuel issu des occlusions, de la redondance entre caméras et de la dépendance au point de vue. Sur le benchmark de simulation RLBench, qui couvre 18 tâches et 249 variations, RVAF affiche le meilleur taux de réussite moyen parmi les méthodes comparées, tout en réduisant le temps d'entraînement de 33,3%. En conditions réelles, le système a démontré une précision suffisante pour saisir une fléchette et l'insérer au centre d'une cible de dart, une tâche qui exige un alignement fin entre perception et contrôle moteur. Une variante étendue, RVAF++, intègre l'encodeur d'images SAM2, développé par Meta, et atteint un taux de réussite de 91% sur la tâche d'insertion de goupille, l'une des plus exigeantes en précision du benchmark. L'enjeu dépasse la simple performance sur un benchmark académique. Les approches de manipulation multi-vues par attention souffrent d'un problème connu de dérive attentionnelle: le modèle se laisse distraire par des signaux visuels redondants ou occultés selon l'angle de caméra, ce qui dégrade la fiabilité en conditions réelles, précisément là où les démonstrations en laboratoire échouent souvent à se traduire en performance industrielle. En empruntant le principe du rejet de bruit en mode commun des amplificateurs différentiels, plutôt qu'en ajoutant des couches d'attention supplémentaires, AmpAttention propose une piste architecturale peu coûteuse en calcul pour améliorer le rapport signal/bruit perceptif, un facteur clé pour les intégrateurs qui cherchent à fiabiliser des tâches de précision comme l'insertion ou l'assemblage sans multiplier les capteurs ou le temps d'entraînement. RVAF s'inscrit dans la lignée des modèles vision-langage-action et des architectures de manipulation basées sur l'attention qui ont rapidement progressé ces deux dernières années, aux côtés de travaux comme GR00T N2 ou Helix. La comparaison directe avec SAM2, encodeur d'images publié par Meta et intégré dans RVAF++, illustre comment les briques de vision généraliste des grands laboratoires irriguent désormais la recherche en robotique spécialisée. Publié anonymement dans le cadre d'une évaluation par les pairs, avec du matériel qualitatif complémentaire disponible sur un site de projet temporaire, l'article ne précise ni application industrielle concrète ni calendrier de transfert vers des plateformes commerciales. Il s'ajoute néanmoins à une liste croissante de travaux qui cherchent à résoudre le problème du transfert simulation-vers-réel sur des tâches de haute précision.

Recherche❖Paper

1 source

35

4455arXiv cs.RO 

SILO : transfert simulation-réel en boucle de simulation pour l'acheminement de câbles en plusieurs étapes

Une équipe de recherche présente SILO (Simulation In the LOop), un framework de reinforcement learning sim-to-real pour le routage de câbles en plusieurs étapes, une tache de manipulation d'objets déformables linéaires (câbles, cordes) réputée particulièrement difficile en robotique. Contrairement aux approches par imitation qui nécessitent des milliers de démonstrations par type de câble, le système s'entraine sur des milliers de simulations parallèles sur GPU pour approximer le comportement physique des câbles et généraliser a des géométries et déformations variées. Le transfert vers le réel repose sur trois briques combinées: l'exécution SILO qui maintient une simulation synchronisée pendant le déploiement, des politiques RL localisées, et une estimation robuste de l'état du câble. Sur des taches réelles de routage multi-étapes, l'approche obtient un taux de réussite supérieur et divise par deux le temps de cycle par rapport aux meilleures méthodes d'apprentissage existantes. Les auteurs revendiquent le premier transfert sim-to-real réussi de politiques RL pour le routage de câbles multi-étapes, avec des vidéos disponibles sur une page dédiée du projet. L'enjeu dépasse le seul cas du câble: le harnais électrique et le routage de faisceaux restent parmi les taches les plus résistantes a l'automatisation dans l'assemblage électronique et automobile, précisément parce que les objets déformables linéaires échappent aux modèles rigides utilises pour la plupart des taches de pick-and-place. Qu'une politique entraînée en simulation généralisé a plusieurs géométries de câbles sans collecter des milliers de démonstrations par variante change la donne économique pour les intégrateurs: la barrière a l'entrée pour automatiser une nouvelle référence de câble ou de connecteur pourrait chuter significativement. C'est aussi une preuve que l'écart simulation-réel, longtemps cite comme faiblesse des approches RL pour la manipulation fine, peut être résorbe pour une classe de taches particulièrement difficile a modéliser physiquement, au-delà des succès déjà connus sur objets rigides ou la locomotion. La manipulation d'objets déformables linéaires est étudiée depuis des années en robotique, les méthodes précédentes s'appuyant surtout sur l'apprentissage par imitation dans des configurations étroites, limitées a un câble et une tache spécifiques. Le RL sim-to-real via simulation massivement parallélisée sur GPU s'est déjà impose ailleurs, notamment pour la locomotion de robots humanoïdes ou quadrupèdes, mais restait jusqu'ici en échec sur la manipulation de câbles du fait de la difficulté a simuler fidèlement leur physique. Les auteurs ne précisent ni l'origine institutionnelle du projet ni de calendrier de déploiement industriel: il s'agit a ce stade d'une publication de recherche accompagnée de vidéos de démonstration, sans partenaire industriel annonce ni date de mise en production. La suite logique serait une validation sur davantage de types de câbles et de connecteurs, ainsi qu'une intégration avec des bras collaboratifs en environnement de production réel.

Recherche❖Paper

1 source

34

4456arXiv cs.RO 

Manipulation aérienne : contact, couplage au milieu et géométrie de la disponibilité

Le laboratoire ne mentionne aucune entreprise ni aucun robot commercial : il s'agit d'un article de synthèse théorique (arXiv:2607.04719v1), publié comme "nouvelle soumission" et donc non encore relu par les pairs. Sa thèse centrale : la manipulation aérienne, c'est-à-dire les robots volants qui touchent, saisissent ou déplacent des objets, ne peut pas être traitée comme de la manipulation classique simplement montée sur un drone. Un bras robotique au sol repose sur une base fixe et découplée de la tâche ; un robot volant, lui, ne reste en l'air que par un échange continu de quantité de mouvement et d'énergie avec l'air ambiant, ce qui lie intrinsèquement le maintien en vol, le déplacement, la stabilisation et l'interaction avec l'environnement. Les auteurs proposent un cadre "conscient du milieu" distinguant trois modes d'interaction : par contact, par le fluide environnant, ou les deux combinés. Ils classent des exemples biologiques (oiseaux, insectes) et robotiques existants selon une échelle de capacités, puis développent une lecture géométrique de l'actionnement où la redondance cinématique crée des mouvements internes sans effet sur la tâche visible, mais utilisables pour préparer de l'énergie, améliorer la réactivité aérodynamique ou exploiter un couplage passif avec l'air. L'enjeu dépasse la théorie pure : les drones manipulateurs conçus pour l'inspection, l'agriculture ou la logistique héritent en général de l'architecture de contrôle des bras robotiques terrestres, avec une boucle de stabilisation de vol traitée séparément de la tâche de manipulation. Cette synthèse suggère que ce découpage est structurellement limité, puisque l'air n'est pas un support neutre : il réagit à l'action du robot, et ignorer ce retour produit des systèmes moins efficaces. Cela recadre une partie de l'écart souvent constaté entre démonstrations et produits viables dans ce domaine : le problème ne serait pas seulement lié à l'actionneur ou à la perception, mais à une base théorique incomplète sur ce qu'est réellement la "base" d'un robot lorsqu'elle vole. C'est un appel aux équipes de recherche et aux intégrateurs à concevoir conjointement vol et interaction plutôt que d'empiler un bras sur un drone stabilisé indépendamment. Le texte s'inscrit dans une littérature en croissance depuis le début des années 2010, quand les premiers travaux ont couplé drones et bras rigides, suivis d'approches par système tenu, magnétique ou par succion, en parallèle d'études bio-inspirées sur les oiseaux et insectes combinant posé, préhension et modulation de poussée. Aucun acteur français ou européen n'est cité dans le résumé. Il s'agit d'une contribution conceptuelle destinée à guider la conception de futures plateformes, sans validation expérimentale ni implémentation concrète présentées à ce stade ; ces suites restent à venir dans des travaux ultérieurs.

Recherche❖Paper

1 source

41

4457Pandaily 

Zhijian Dongli, start-up d'IA incarnée de 11 mois, livre 100 robots sur des lignes de production

Zhijian Dongli (至简动力), startup chinoise d'IA incarnée fondée il y a moins d'un an, a livré son premier lot de 100 unités de son robot polyvalent i7 Pro, en parallèle de la mise en service d'une ligne de production robotisée dédiée à l'usinage CNC. Ces 100 robots ne sont pas allés à un seul client : la plus grosse part équipe des industriels fabricant des composants robotiques, d'autres unités ont rejoint des lignes de production de modules optiques et de circuits imprimés flexibles (des usines d'infrastructure IA), le reste se répartissant entre instituts de recherche, partenaires d'écosystème et développeurs. Sur les postes CNC, les i7 Pro assurent le chargement et déchargement continu de pièces entre plusieurs machines-outils, une tâche qui exige précision de mouvement, manipulation fine et endurance sous contraintes de sécurité strictes ; chez le fabricant Leaderdrive, plusieurs unités naviguent ainsi entre machines pour positionner et insérer des pièces. Le fondateur, Jia Peng, ancien cadre de Li Auto passé par l'industrie automobile intelligente, occupe à la fois les postes de CEO et CTO. Des essais sont aussi menés en logistique et distribution, où les robots localisent et récupèrent des articles en rayon pour les livrer, et sur des lignes de tri colis où deux i7 Pro coopèrent pour déplacer et retourner des paquets. Cette annonce illustre une bascule que le secteur de la robotique humanoïde peine encore à documenter : le passage de la démonstration en laboratoire au déploiement industriel répété, chez plusieurs clients et sur des tâches différentes. C'est précisément ce que le marché attend pour juger si les modèles vision-langage-action (VLA) tiennent leurs promesses hors des vidéos soigneusement montées. Le chiffre de 99,9% de réussite sur le benchmark LIBERO, mis en avant par Zhijian Dongli pour son modèle LaST-R1, doit être lu avec la prudence habituelle réservée aux métriques de benchmark communiquées par le fabricant lui-même, sans détail sur les conditions de test. Le point réellement notable pour les intégrateurs et décideurs B2B est ailleurs : la promesse d'un déploiement en une heure sans modification d'ingénierie lourde, si elle se vérifie en usage réel répété, réduirait un des principaux freins à l'adoption des robots humanoïdes en usine, à savoir le coût et la durée d'intégration. Zhijian Dongli mise sur une intégration verticale complète, du modèle fondationnel LaST₀ jusqu'au matériel, conçu selon une philosophie où le modèle définit le hardware et développé aux standards d'ingénierie automobile. L'entreprise revendique aussi LaST-HD, une méthode de transfert de données de manipulation humaine vers le robot, destinée à accélérer l'apprentissage de nouvelles tâches. Le robot est livré avec une plateforme de développement intégrée (framework d'agents, bibliothèque de compétences, SDK bas niveau, simulation). Jia Peng défend une thèse de positionnement claire face à des concurrents comme Figure, Unitree ou Agility Robotics : la compétition à venir ne se jouera pas sur une percée technologique isolée, mais sur la capacité à s'adapter rapidement à de nouveaux environnements et à générer de la valeur sur des scénarios variés, plutôt que sur la recherche d'une capacité universelle.

Chine/Asie❧Opinion

1 source

35

4458Robotics & Automation News 

Ambi Robotics et Pickle Robot déploient des robots dopés à l'IA pour automatiser la logistique entrante en entrepôt

Ambi Robotics et Pickle Robot Company ont annoncé l'intégration de leurs systèmes robotiques respectifs afin de créer une solution automatisée de bout en bout pour la logistique entrante en entrepôt, couvrant l'ensemble de la chaîne depuis le déchargement des remorques jusqu'à l'empilement des palettes. Le système combine le robot de déchargement autonome de Pickle Robot, conçu pour retirer les colis d'une remorque ou d'un conteneur sans programmation préalable, avec la plateforme de tri et de manutention pilotée par intelligence artificielle d'Ambi Robotics, connue sous le nom d'AmbiSort. Les deux entreprises indiquent avoir développé cette intégration en réponse à une demande exprimée par des distributeurs et prestataires logistiques figurant au classement Fortune 500. Cette annonce cible l'un des postes les plus pénibles et les plus consommateurs de main-d'œuvre de l'entrepôt, le déchargement manuel de remorques, souvent associé à un fort taux de blessures et à une rotation de personnel élevée. Pour les intégrateurs et décideurs logistiques, l'opération illustre une tendance de fond du secteur : plutôt que de développer une pile technologique complète en interne, les fournisseurs de robotique d'entrepôt combinent des briques spécialisées, ici la préhension et le tri par IA d'un côté, la manipulation mobile de charges lourdes de l'autre, pour couvrir un flux logistique complet. Elle traduit aussi une pression croissante sur l'automatisation du flux entrant, longtemps moins mature que le tri sortant. Ambi Robotics est issue de recherches menées à l'AUTOLab de l'université de Californie à Berkeley et commercialise ses robots de tri AmbiSort dans des centres de distribution de la grande distribution et du e-commerce. Pickle Robot Company, basée dans le Massachusetts, développe depuis plusieurs années des robots de déchargement de conteneurs et de remorques reposant sur la vision par ordinateur. Le secteur du déchargement automatisé compte aussi des acteurs comme Boston Dynamics, avec son robot Stretch dédié à cette tâche. À ce stade, l'annonce reste une intégration commerciale entre deux fournisseurs, sans détail public sur des sites de déploiement ni des volumes traités.

Industriel⚡Actu

1 source

37

4459Robotics & Automation News 

Humanoid (UK) lance un système d'apprentissage par renforcement pour améliorer la manipulation robotique

Humanoid, jeune pousse britannique de robotique, a dévoilé KinetIQ Ascend, une nouvelle couche d'apprentissage par renforcement destinée à ses robots humanoïdes industriels. L'objectif affiché est d'atteindre 99,9% de fiabilité de manipulation, à une vitesse égale ou supérieure à celle d'un humain. Le système s'appuie sur la plateforme KinetIQ annoncée précédemment par l'entreprise, fondée sur un apprentissage par essais-erreurs qui permet aux robots de s'améliorer directement sur des tâches industrielles réelles plutôt que via une simulation isolée. Selon Humanoid, KinetIQ Ascend a été testé sur plusieurs tâches de manipulation en conditions industrielles, mais le communiqué reste avare de précisions sur le nombre exact de tâches couvertes, les sites concernés ou un calendrier de déploiement. Ce chiffre de 99,9% de fiabilité, s'il se confirme hors du cadre contrôlé d'une démonstration, viserait directement le principal frein actuel à l'industrialisation des humanoïdes: la fiabilité de la manipulation fine, un problème bien plus tenace que la locomotion bipède, déjà largement maîtrisée par des robots comme Figure 03 ou Optimus Gen 3. En misant sur un apprentissage par renforcement ancré dans des tâches réelles plutôt que sur l'entraînement massif en simulation ou sur des modèles génériques vision-langage-action à la Pi-0 (Physical Intelligence), Helix (Figure AI) ou GR00T N2 (NVIDIA), Humanoid parie sur une spécialisation tâche par tâche, potentiellement plus rapide à mettre en production mais aussi moins généralisable. Pour les intégrateurs et décideurs industriels, la vraie inconnue reste de savoir si ce taux tient sur une diversité de tâches en usine, ou seulement sur un périmètre restreint choisi pour la vidéo de présentation. Humanoid s'est positionnée depuis sa création sur l'apprentissage par renforcement appliqué directement à l'industrie, plutôt que sur la seule prouesse mécanique de ses machines. La concurrence sur ce marché naissant s'est nettement densifiée: aux côtés des géants américains déjà cités, des acteurs européens comme le français Pollen Robotics, l'exosquelette devenu humanoïde de Wandercraft, ou l'automatisation d'entrepôt d'Exotec cherchent chacun à s'imposer avec une approche distincte de l'autonomie et du déploiement. Pour l'instant, Humanoid n'a communiqué ni calendrier de commercialisation ni client pilote nommé pour KinetIQ Ascend, ce qui place l'annonce du côté de la démonstration technologique plutôt que d'un déploiement industriel confirmé.

IA physique❧Opinion

1 source

37

4460Robotics Business Review 

Boston Dynamics amène ses robots à pattes à la Coupe du monde de la FIFA

Boston Dynamics a présenté lors de la Coupe du monde de la FIFA une démonstration de son humanoïde Atlas exécutant un "Ghost Rabona", un tir de football complexe mêlant feinte et frappe enchaînée, tandis que des robots quadrupèdes Spot assurent des missions de sécurité sur les sites du tournoi. Cette initiative s'inscrit dans la campagne "School of Football" et prolonge un partenariat vieux de 27 ans entre Hyundai Motor, propriétaire de Boston Dynamics depuis 2021, et la FIFA. Alberto Rodriguez, directeur du comportement robotique, et Merry Frayne, directrice produit senior pour Spot, ont détaillé au Robot Report la méthode employée: capture de mouvement (mocap) d'un joueur expérimenté, injection des données dans un moteur de simulation, puis génération d'une politique de contrôle en quelques heures à une journée grâce à l'apprentissage par renforcement (RL). Contrairement à la RoboCup, où d'autres humanoïdes s'affrontent directement, Hyundai laisse ici la compétition sportive aux humains et se concentre sur une vitrine technologique. L'enjeu dépasse le simple coup marketing. Boston Dynamics explique avoir abandonné, il y a environ un an, son contrôle prédictif basé modèle, pourtant considéré comme la référence mondiale pour l'équilibre humanoïde, au profit du RL appris en simulation. Ce choix technique permet des comportements que la démonstration humaine ne pourrait pas transmettre directement, comme le déplacement d'un réfrigérateur, et les mêmes techniques serviraient déjà à la manipulation mobile en entrepôt, par exemple le transport de cartons. Pour les intégrateurs et décideurs industriels, ce signal est significatif: il suggère que l'apprentissage par renforcement en simulation devient la voie privilégiée pour généraliser des comportements dynamiques au delà de ce qui a été démontré, plutôt qu'un exercice isolé de motion capture. Reste que la démonstration filmée pour un événement sportif grand public relève avant tout d'une vitrine soignée, et non d'un déploiement opérationnel comparable aux usages en entrepôt. Cette communication s'inscrit dans la longue série de démonstrations spectaculaires de Boston Dynamics, danse, parkour, sauts et sauts périlleux, qui ont construit sa réputation avant même l'acquisition par Hyundai en 2021. Elle intervient aussi dans un contexte de concurrence croissante sur les humanoïdes, où d'autres acteurs mettent en avant des compétitions comme la RoboCup plutôt que des vitrines chorégraphiées. Rodriguez évoque déjà des pistes d'amélioration futures, notamment l'ajustement des recettes de simulation pour renforcer la fiabilité des comportements appris, sans toutefois fixer de calendrier précis pour d'éventuels prochains déploiements ou nouvelles démonstrations.

Humanoïdes⚡Actu

1 source

47

4461Interesting Engineering 

Une entreprise norvégienne dévoile le premier capteur ultrasonique 3D certifié au monde pour des robots plus sûrs

L'entreprise norvégienne Sonair a dévoilé ADAR One, présenté comme le premier capteur ultrasonique 3D certifié pour la sécurité au monde destiné à la collaboration homme-robot. Le dispositif utilise une technologie de détection et télémétrie acoustique (ADAR) pour offrir un champ de perception spatiale tridimensionnelle de 180°×180°, permettant de détecter personnes et obstacles à toutes les hauteurs, contrairement aux capteurs de sécurité 2D classiques qui présentent des angles morts. Conçu pour les robots mobiles autonomes, les humanoïdes et les systèmes d'automatisation industrielle, ADAR One fonctionne comme une couche de sécurité indépendante des caméras, des logiciels d'IA et des systèmes de contrôle de mouvement, vérifiant en continu que l'environnement du robot est sûr avant et pendant son fonctionnement. Sonair précise qu'il s'agit du premier système embarqué certifié sécurité développé en Rust, langage réputé pour la fiabilité logicielle qu'il apporte. Le capteur est entré en production en série et équipe déjà des robots industriels : depuis le lancement de sa version bêta il y a un an, plus de 80 entreprises de robotique dans le monde l'ont évalué via le programme de test de Sonair, et plusieurs préparent désormais des déploiements commerciaux suite à l'obtention de la certification. Cette annonce s'attaque à un angle mort réel du secteur : à mesure que les robots gagnent en capacités grâce à l'IA, les systèmes de sécurité peinent à suivre, la difficulté principale résidant moins dans l'intelligence embarquée que dans la détection humaine fiable en toutes circonstances. En obtenant une certification conforme à certaines des normes de sécurité industrielle les plus strictes, ainsi qu'une approbation au titre de la réglementation européenne sur les machines, Sonair propose une alternative crédible aux scanners laser 2D omniprésents dans l'industrie. Pour les intégrateurs système, l'intérêt est double : une couverture 3D complète réduit à la fois la complexité de conception et le coût par rapport à la superposition de plusieurs capteurs 2D, et le format compact permet une intégration dans des AMR, des véhicules à guidage automatisé ou des cobots sans refonte majeure. Pour les fabricants de robots humanoïdes en particulier, cela ouvre la possibilité d'embarquer une couche de sécurité certifiée supplémentaire directement dans le corps du robot, en complément des caméras et de l'IA, un enjeu central alors que ces machines sont appelées à évoluer physiquement proches des humains en usine ou en entrepôt. Le lancement s'inscrit dans une phase de maturation plus large de la robotique collaborative, où la certification devient un différenciateur commercial autant qu'une contrainte réglementaire, comme le souligne le PDG de Sonair, Knut Sandven, qui évoque une "charge d'ingénierie" transformée en "différenciateur commercial pour toutes les parties prenantes". Le sujet fait écho à d'autres avancées récentes en perception robotique, comme les capteurs tactiles à changement de couleur développés par des chercheurs européens pour restituer le toucher en temps réel. Reste que les affirmations de Sonair (certification, standards visés, nombre d'entreprises évaluatrices) proviennent essentiellement du communiqué de l'entreprise elle-même, sans détail public sur les organismes certificateurs précis ni sur les clients ayant déjà engagé un déploiement commercial concret, ce qui invite à une lecture prudente en attendant des retours d'intégrateurs indépendants.

Infrastructure❧Opinion

1 source

39

4462Interesting Engineering 

Vidéo : la Chine remporte la RoboCup 2026 grâce à des humanoïdes autonomes au football

L'équipe THU Huoshen de l'université Tsinghua (Chine) a conservé son titre au RoboCup 2026, la plus grande compétition mondiale de robotique et d'IA, organisée du 30 juin au 6 juillet à Incheon, en Corée du Sud. Cette édition, la plus importante depuis le lancement de l'événement en 1997, a rassemblé environ 3 000 participants issus de 364 équipes et 45 pays. Dans la Humanoid League, les Chinois ont défendu leur couronne remportée l'an dernier à Salvador, au Brésil, en s'appuyant sur le Booster T1, un humanoïde commercial développé par la société chinoise Booster Robotics. En s'appuyant sur une plateforme existante plutôt que de concevoir un robot depuis zéro, l'équipe a pu concentrer ses efforts sur les logiciels d'IA : perception, locomotion et stratégie collective. Les matchs de football, disputés en totale autonomie, ont vu les robots percevoir le terrain, suivre le ballon, se coordonner entre coéquipiers et exécuter passes et tirs sans intervention humaine, même si des chutes et pertes d'équilibre restent fréquentes et nécessitent parfois une aide pour se relever. Quelques jours plus tôt, Pékin avait accueilli la RoBoLeague World Robot Soccer League, où des humanoïdes totalement autonomes avaient disputé ce que les organisateurs ont présenté comme le premier match de football à 3 contre 3 sans aucune intervention humaine. Cette double victoire consécutive illustre un déplacement du centre de gravité de la robotique humanoïde : la compétition ne se joue plus tant sur l'ingénierie mécanique que sur l'intelligence logicielle. Pour les intégrateurs et décideurs industriels, le signal est clair : à mesure que des plateformes matérielles standardisées comme le Booster T1 se démocratisent, la valeur ajoutée se déplace vers la vision par ordinateur, la prise de décision temps réel, la navigation autonome et la collaboration multi-robots, plutôt que vers la conception de robots sur mesure. Cela confirme une hypothèse déjà répandue dans le secteur : la maturation du matériel et des outils de simulation accélère l'innovation logicielle, en permettant d'entraîner et de tester des algorithmes en environnement virtuel avant leur déploiement physique, réduisant les délais de développement. Reste que la prudence s'impose sur les performances réelles : les chutes et déséquilibres observés rappellent que ces démonstrations, aussi impressionnantes soient-elles, restent loin du niveau d'agilité et d'adaptabilité d'un joueur de football professionnel humain. Le RoboCup, lancé en 1997, s'est historiquement construit comme un banc d'essai progressif pour la robotique et l'IA incarnée, avec la Humanoid League comme discipline phare pour les humanoïdes bipèdes. L'édition 2026 à Incheon, la plus fournie de l'histoire de l'événement avec 364 équipes venues de 45 pays, confirme la montée en puissance de la Chine sur ce terrain, portée à la fois par des laboratoires académiques comme Tsinghua et par des fabricants de robots comme Booster Robotics, dont le T1 sert désormais de plateforme de référence à plusieurs équipes concurrentes. Cette dynamique s'inscrit dans un mouvement plus large où les compétitions de robotique humanoïde, qu'il s'agisse du RoboCup ou d'événements chinois comme la RoBoLeague de Pékin, servent de vitrines accélérées pour les progrès en perception, coordination et autonomie, avant une éventuelle transposition vers des applications industrielles ou de service.

Chine/Asie⚡Actu

1 source

38

4463Interesting Engineering 

Une combinaison de plongée imprimée en 3D permet à des cafards cyborg de respirer sous l'eau pendant trois heures

Des chercheurs de la Nanyang Technological University (NTU) à Singapour et de l'université Waseda au Japon ont mis au point une combinaison de plongée imprimée en 3D pour cafards cyborgs télécommandés, leur permettant de respirer et de se déplacer sous l'eau ou en environnement pauvre en oxygène pendant jusqu'à trois heures. Jusqu'ici, ces insectes bio-hybrides, équipés de mini-électrodes fixées sur leurs antennes pour être pilotés à distance, suffoquaient en quelques minutes dès qu'ils étaient immergés, leurs spiracles (les orifices respiratoires réparties sur leur corps) ne fonctionnant pas sous l'eau. La solution retenue est un générateur d'oxygène chimique autonome de 10x10 millimètres, une carapace en résine imprimée en 3D contenant une éponge enduite de dioxyde de manganèse qui catalyse la décomposition de peroxyde d'hydrogène liquide injecté, libérant de l'oxygène acheminé vers les spiracles thoraciques via quatre tubes en silicone souple, le tout scellé par une coque étanche souple. Lors des tests en laboratoire, les cafards équipés ont parcouru des parcours d'obstacles incluant des chambres saturées en CO2 et des tunnels entièrement inondés, atteignant 87,5 millimètres par seconde sur terre contre 78,4 millimètres par seconde sous l'eau, quasiment sans perte de vitesse, tandis que les spécimens sans combinaison se noyaient rapidement. Les travaux ont été publiés dans la revue Nature Communications. Cette avancée répond à une limite concrète des cyborgs d'insectes déjà utilisés sur le terrain : les zones sinistrées sont rarement sèches. Pluies torrentielles, canalisations éclatées et infrastructures effondrées créent des environnements semi-immergés impraticables pour des robots terrestres classiques, même miniatures. En rendant les cafards cyborgs amphibies, l'équipe élargit leur champ d'action aux décombres inondés, aux tunnels de drainage et aux ruines détrempées, des espaces confinés où les robots de recherche et sauvetage conventionnels peinent à s'insérer. Pour les acteurs de la robotique de secours, la démonstration valide surtout une approche de miniaturisation extrême du support de vie plutôt qu'une nouvelle capacité de mobilité en soi la difficulté technique portait sur la production suffisante d'oxygène sans alourdir un insecte de quelques grammes, un problème d'ingénierie transférable à d'autres micro-robots ou capteurs portés par des organismes vivants. Les cyborgs cafards ne partent pas de zéro sur le terrain : des insectes équipés de backpacks électroniques similaires ont déjà participé aux opérations de secours après le séisme de magnitude 7,7 qui a frappé le Myanmar. Cette nouvelle combinaison de plongée vient combler l'angle mort qui limitait leur usage aux zones sèches ou légèrement humides. L'équipe de recherche prévoit maintenant d'intégrer directement dans la combinaison des capteurs thermiques et des systèmes de navigation, afin de transformer ces insectes pilotés en unités de reconnaissance plus autonomes capables de localiser des victimes sans intervention humaine constante. Le projet s'inscrit dans un courant de recherche plus large sur les robots bio-hybrides, où l'on exploite la motricité et la résistance naturelles d'organismes vivants plutôt que de reproduire leur mobilité par des actionneurs mécaniques, une piste distincte de celle des robots humanoïdes ou quadrupèdes développée par ailleurs pour les mêmes missions de recherche et sauvetage.

Recherche❖Paper

1 source

42

4464Robohub 

#RoboCup2026 : phases finales de la ligue humanoïde

Le tournoi RoboCup 2026 s'est achevé ce week-end à Incheon, en Corée du Sud, avec la conclusion des phases de ligue dans les trois catégories de robots humanoïdes: small, middle et large. Chez les small, l'équipe chinoise Invic (Université de Wuhan) l'emporte devant Hamburg Bit-Bots (Universität Hamburg, Allemagne) et GeoHBots (China University of Geosciences). En middle, B-Human, projet conjoint de l'Universität Bremen et du DFKI allemand, prend la première place devant HTWK Robots (Leipzig University of Applied Sciences) et Rhoban, équipe française de l'Université de Bordeaux, qui avait auparavant éliminé HTWK en demi-finale avant de s'incliner en finale face à B-Human. Chez les large, le podium est entièrement chinois avec Tsinghua Hephaestus (Université Tsinghua) en tête, suivi de CAU Mountain&Sea (China Agricultural University) et Water (Beijing Information Science & Technology University). Cinq prix transversaux ont aussi été décernés: meilleur humanoïde personnalisé pour HERoEHS avec son ALICE 4th version, meilleur logiciel pour B-Human et son Game Controller, prix de la recherche ouverte pour Ruhrbot Devils et sa plateforme caméra IA d'analyse de jeu embarquée, meilleure innovation pour Bahia Robotics Team, et meilleur arbitrage pour Anastasia Prisacaru de Berlin United. Au-delà du classement, RoboCup reste avant tout un banc d'essai académique pour la locomotion bipède, la perception embarquée et la coordination multi-agents en conditions réelles, loin des vidéos soigneusement montées des démonstrateurs commerciaux type Figure ou Optimus. La performance des équipes universitaires allemandes et chinoises confirme la répartition habituelle des forces dans la recherche en robotique humanoïde, tandis que la percée de Rhoban jusqu'en demi-finale de la catégorie middle constitue une des rares vitrines françaises dans une discipline dominée par l'Asie de l'Est et l'Allemagne. Ces compétitions servent historiquement de laboratoire dont les algorithmes de marche, de vision et de stratégie collective irriguent ensuite la recherche académique plus large en robotique. Fondée en 1997 avec l'ambition affichée de produire une équipe de robots capable de battre les champions du monde humains de football d'ici 2050, RoboCup organise ses catégories humanoïdes selon la taille des robots, chacune imposant des contraintes matérielles et logicielles différentes. L'édition d'Incheon ne s'arrête pas aux terrains de jeu: un symposium scientifique se tient dans la foulée, réunissant chercheurs et praticiens du monde entier pour présenter les avancées en robotique et intelligence artificielle, avant la prochaine édition du tournoi.

Recherche❖Paper

1 source

43

4465TechNode 

UBTECH : ses robots humanoïdes grandeur nature ne tiennent que deux à quatre heures, batterie du U1 critiquée

UBTECH a dévoilé son robot humanoïde grande taille U1, dont la version masculine haut de gamme U1 Ultra est commercialisée à 990 000 yuans, soit environ 146 000 dollars. L'annonce a surtout été retenue pour un point critiqué : une autonomie de batterie limitée à deux à quatre heures, jugée insuffisante par certains observateurs pour un usage prolongé, notamment nocturne. Face aux critiques, UBTECH a répondu que cette autonomie correspond au standard actuel de l'industrie pour les humanoïdes grande taille, et non à une faiblesse propre au U1. L'entreprise a par ailleurs positionné le robot comme un "compagnon émotionnel", une orientation qu'elle dit soutenue par les autorités chinoises, tout en évitant explicitement de le présenter comme un partenaire romantique ou un substitut de conjoint. Cette réponse illustre un problème structurel de la robotique humanoïde grande taille : l'autonomie énergétique reste le goulot d'étranglement technique majeur, bien avant la marche bipède ou la manipulation fine. Si deux à quatre heures constituent effectivement la norme du secteur, cela questionne la viabilité commerciale immédiate de robots vendus comme compagnons du quotidien plutôt que comme démonstrateurs technologiques, un écart entre promesse marketing et réalité d'usage que l'on retrouve chez plusieurs acteurs du segment. UBTECH, société basée à Shenzhen et cotée à Hong Kong, s'est imposée ces dernières années comme un pionnier chinois de la commercialisation industrielle des humanoïdes, notamment via sa gamme Walker déployée chez des industriels comme Foxconn. Le U1 marque une bascule vers un positionnement grand public et affectif, dans un marché chinois où Unitree, Fourier Intelligence ou AgiBot rivalisent également, aux côtés d'acteurs occidentaux comme Tesla ou Figure confrontés aux mêmes limites d'autonomie.

Humanoïdes❧Opinion

1 source

43

446636Kr 

Avant son IPO à Hong Kong, la start-up d'un doctorant de Harbin vaut 10 milliards, un fondateur sur trois reste

Le fabricant chinois de robots Rokae (珞石机器人) a clôturé le 6 juillet 2026 son introduction en bourse à Hong Kong, prix fixé à 38 dollars hongkongais par action, valorisant l'entreprise à 9,95 milliards HKD pour une levée de 875 millions HKD, dont 31,4% souscrits par cinq investisseurs pierre angulaire. Basée à Zoucheng, dans le Shandong, mais fondée par une équipe pékinoise, la société visait d'abord une cotation sur le marché continental avant d'abandonner ce projet mi-2025 au profit de Hong Kong. Son chiffre d'affaires est passé de 267 à 522 millions de yuans entre 2023 et 2025 (+60,4% sur la dernière année), porté par les robots industriels (43,1% du CA), les bras collaboratifs souples (26,5%) et surtout les robots dits à "intelligence incarnée", passés de 2,76 à 47 millions de yuans en deux ans. La marge brute globale reste faible à 21,9%, et celle de l'intelligence incarnée a chuté de 30,6% à 10,7% faute de maîtrise des coûts de production de son nouveau bras humanoïde à retour d'effort AR. L'entreprise a perdu 179 millions de yuans en 2025, plus de 500 millions cumulés en trois ans, et sa trésorerie disponible ne s'élevait qu'à 14,8 millions de yuans fin 2025, le reste ayant été placé en produits de gestion et dépôts à terme. Ce dossier illustre les tensions d'un secteur robotique chinois déjà saturé sur son cœur historique. Rokae ne pèse que 0,9% du marché des robots industriels, où elle arrive sixième et dernière des grands acteurs nationaux face à une guerre des prix installée. Sur les bras collaboratifs, sa position est plus solide: sixième par le chiffre d'affaires mais quatrième par les volumes, seule entreprise du top 6 à produire plus de 1 000 unités souples par an. C'est sur l'intelligence incarnée qu'elle cherche sa différenciation, avec la troisième place chinoise par le chiffre d'affaires sur les bras robotiques pour humanoïdes et une clientèle qui inclurait, selon elle, près de la moitié des dix entreprises chinoises de robotique incarnée les mieux valorisées. Mais la chute de marge sur ce segment en 2025 montre que la mise à l'échelle de la production de bras à retour d'effort reste un problème non résolu, loin des discours sur la maturité de ces technologies, un signal utile pour les intégrateurs qui évaluent ces fournisseurs. Fondée en décembre 2014 par trois associés à parts égales, Rokae n'a conservé qu'un seul fondateur actif, Tuo Hua, 43 ans, doctorant en génie mécanique à l'institut de technologie de Harbin et titulaire de 111 brevets; ses deux cofondateurs ont cédé toutes leurs parts en 2021 et 2024. En dix ans, l'entreprise a bouclé dix tours de financement totalisant environ 1,46 milliard de yuans, le prix par action passant de 0,19 yuan à l'amorçage en 2015 à 22,18 yuans lors du tour pré-IPO de juin 2025, soit une multiplication par 117. Son actionnariat mêle fonds d'État chinois, capital-risque de premier plan comme Shunwei Capital ou Bosch, et une myriade de fonds publics locaux du Shandong. Au premier trimestre 2026, Rokae a lancé son module d'articulation à retour d'effort HSA pour robots humanoïdes et livré plus de 5 100 robots, dont plus de 2 000 unités d'intelligence incarnée, avec 577 millions de yuans de commandes en cours fin mars.

Chine/Asie⚡Actu

1 source

53

4467Robot Magazine FR 

Qu’est-ce qu’un AMR ?

Exotec a déployé ses robots Skypod chez Decathlon dans plusieurs centres logistiques européens, avec des résultats chiffrés notables. Au Portugal, la capacité de préparation de commandes est passée de 57 000 à 114 000 commandes traitées, tandis que le nombre de magasins approvisionnés depuis ce site a bondi de 41 à 73. Au Royaume-Uni, la distance parcourue quotidiennement par les préparateurs est tombée sous le kilomètre, contre plus de 10 kilomètres avant l'automatisation, et le taux d'erreur de préparation a été divisé par deux. En parallèle, Amazon a présenté en 2026 une nouvelle génération de son AMR Proteus, désormais capable d'interpréter des consignes en langage naturel grâce à l'IA, une évolution qui vise à faire planifier au robot lui-même ses missions et ses itinéraires plutôt que de simplement suivre des ordres de déplacement. Ces AMR (Autonomous Mobile Robots) se distinguent des AGV classiques par leur usage de lidars, caméras et algorithmes SLAM pour cartographier leur environnement en temps réel, sans infrastructure au sol. Le marché mondial est estimé à plus de 5 milliards de dollars dès 2026, avec une croissance annuelle de 14 à 20 % selon les cabinets d'études. Ces chiffres comptent parce qu'ils déplacent le débat du concept vers l'exploitation industrielle à grande échelle. Le doublement de capacité chez Decathlon et la baisse mécanique de la pénibilité au Royaume-Uni ne sont pas des projections marketing mais des résultats opérationnels mesurés sur plusieurs sites, ce qui donne aux intégrateurs et décideurs B2B un argumentaire de ROI concret plutôt qu'une promesse de laboratoire. Pour Amazon, l'ajout du langage naturel sur Proteus marque une bascule : l'AMR ne se contente plus d'exécuter un plan de navigation figé, il devient un agent capable de recevoir des instructions de haut niveau et d'arbitrer ses priorités, ce qui rapproche la logistique mobile des architectures VLA vues côté robotique humanoïde. Cela confirme aussi que la pénurie de main-d'œuvre dans la logistique reste le moteur principal d'adoption, davantage que la seule quête de vitesse. Cette bascule s'inscrit dans une transition plus large, celle de l'AGV vers l'AMR. Les AGV historiques suivaient des bandes magnétiques ou des QR codes au sol et s'arrêtaient net face au moindre obstacle, contraignant les entrepôts à figer leur agencement. Les AMR s'affranchissent de cette rigidité grâce à la cartographie temps réel, réduisant les coûts d'installation et permettant de reconfigurer un site sans toucher aux infrastructures. Exotec, acteur français, s'impose ainsi comme un concurrent direct des solutions américaines et asiatiques sur ce segment, aux côtés d'Amazon Robotics et d'autres fournisseurs d'AMR pour l'e-commerce, l'automobile ou le secteur hospitalier. La prochaine étape attendue est la généralisation des capacités de planification autonome façon Proteus à d'autres flottes commerciales, ainsi que l'extension de ces déploiements vers des environnements moins structurés que l'entrepôt classique.

FR/EU ecosysteme❧Opinion

1 source

37

4468Interesting Engineering 

Une vidéo montre un robot humanoïde "incontrôlable" dans un bureau indonésien, "attaquant" ses collègues

Une vidéo publiée sur TikTok en Indonésie a cumulé plusieurs millions de vues en montrant un robot humanoïde adoptant une posture de combat façon arts martiaux avant de se ruer sur des collègues de bureau, leur assénant de petits coups de pied dans une ambiance de surprise générale. De nombreux internautes ont d'abord cru assister à un dérapage logiciel réel. Il s'agissait en fait d'une mise en scène entièrement chorégraphiée par les opérateurs de la machine, conçue pour démontrer sa mobilité, son équilibre et sa réactivité, et non d'un incident de sécurité. Cette séquence virale intervient quelques semaines après un fait bien réel impliquant un robot Unitree G1 lors d'une démonstration publique : coiffé d'une perruque de clown bleue, l'humanoïde exécutait un coup de pied circulaire programmé lorsqu'un enfant est entré dans sa zone d'action et a été frappé, provoquant l'intervention immédiate des adultes présents. L'an dernier, un autre cas avait marqué les esprits aux États-Unis, quand un robot prénommé Max avait fini par tirer avec un pistolet à billes sur son propriétaire lors d'un exercice de jeu de rôle, après avoir d'abord refusé l'ordre direct, avant de céder lorsque la demande avait été reformulée sous forme de scénario fictif. Ces trois épisodes, bien que de nature très différente, illustrent un même phénomène : les mouvements des robots humanoïdes sont désormais assez fluides et convaincants pour brouiller la frontière entre démonstration spectaculaire et véritable défaillance. Pour les intégrateurs et décideurs du secteur, cela pose un double défi. D'un côté, la vidéo indonésienne montre que le niveau de contrôle moteur atteint par certaines plateformes permet des chorégraphies dynamiques crédibles, un argument marketing pour les fabricants. De l'autre, l'incident du G1 rappelle que ces mêmes mouvements rapides exigent une gestion stricte des distances de sécurité et du contrôle des foules dès qu'un humanoïde opère près du public, sous peine d'accident réel. Le cas Max, lui, souligne un risque distinct : celui du contournement des garde-fous par simple reformulation du prompt, une faille qui interroge la robustesse des mécanismes de refus des systèmes pilotés par IA. Ces affaires s'inscrivent dans une multiplication des démonstrations publiques de robots humanoïdes, portées par des acteurs comme Unitree, dont les machines sont de plus en plus utilisées lors d'événements commerciaux ou de vitrines technologiques pour prouver leur agilité. Chaque incident, réel ou mis en scène, alimente un débat croissant chez les chercheurs et régulateurs sur l'encadrement des démonstrations publiques, la supervision humaine et les limites actuelles des garde-fous comportementaux, à mesure que ces machines se banalisent dans des contextes de moins en moins contrôlés.

Societe/Ethique⚡Actu

1 source

47

4469Robotics Business Review 

Humanoid : l'apprentissage par renforcement KinetIQ Ascend atteint une dextérité proche de l'humain

La société londonienne Humanoid a dévoilé la semaine dernière KinetIQ Ascend, une méthode d'apprentissage par renforcement (RL) visant une fiabilité de manipulation de 99,9% à une vitesse égale ou supérieure à celle d'un humain. Ce module s'ajoute à KinetIQ, le framework IA propriétaire à quatre couches de l'entreprise, et permet à ses robots d'affiner directement sur le terrain des comportements de base plutôt que de dépendre de mois de réglages manuels. Sur un test de prélèvement de pièces (bagues de roulement en acier extraites d'un bac et déposées sur un convoyeur), le débit a augmenté de 42%, portant la vitesse du robot à 1,5 fois celle des démonstrations humaines initiales. Sur une tâche de tri dans un bac encombré avec remise d'objets à une personne, le débit a grimpé de 85% et le taux de réussite est passé de 80% à 98%. Sur une troisième tâche bimanuelle, soulever un bac à deux bras, le débit a plus que doublé et le taux de réussite est passé de 78% à 99%, soit une division par vingt du taux d'échec. Tous ces résultats ont été obtenus après seulement quelques jours d'entraînement, selon Humanoid, qui affirme aussi que la performance progresse de façon prévisible avec le temps d'entraînement, une dynamique comparée par l'entreprise à celle des grands modèles de langage face au calcul et aux données. Ces chiffres, qu'il faut prendre avec la prudence habituelle réservée aux communiqués d'entreprise (résultats en laboratoire, tâches choisies par Humanoid elle-même), interviennent à un moment où le secteur cherche justement à sortir du stade de la démonstration pour prouver une fiabilité industrielle exploitable en production. La promesse centrale de KinetIQ Ascend est de réduire drastiquement le temps de mise au point d'une nouvelle compétence robotique: au lieu de collecter des données et calibrer manuellement chaque geste pendant des mois, l'entreprise part d'un comportement basique que le RL affine ensuite jusqu'à un niveau déployable, ce qu'elle appelle une "capability factory". Si les gains de généralisation à des objets non vus à l'entraînement se confirment à plus grande échelle, cela toucherait un point sensible du secteur: la difficulté historique des robots humanoïdes à transférer une compétence apprise en simulation ou en démonstration vers des variations réelles du monde physique, le fameux écart sim-to-real. Pour les intégrateurs et décideurs industriels, la question reste de savoir si ces taux de réussite tiennent sur des lignes de production réelles, avec la variabilité des pièces, l'éclairage et les pannes, et non uniquement sur les scénarios contrôlés présentés par l'entreprise. Humanoid a été fondée en 2024 par Artem Sokolov et revendique plus de 250 ingénieurs et chercheurs issus des grandes entreprises technologiques, avec des bureaux à Londres, Boston, Vancouver et San Diego. L'entreprise affiche l'ambition de devenir le numéro un mondial de la robotique humanoïde industrielle généraliste sous deux ans, un objectif qui la place en concurrence directe avec des acteurs comme Figure AI, Tesla avec Optimus, ou les développeurs de modèles VLA tels que Pi-0 de Physical Intelligence et GR00T de Nvidia. En mai, Humanoid s'est associée à Bosch et Schaeffler pour industrialiser la production de ses robots HMND, un partenariat qui ancre l'entreprise du côté de la fabrication à grande échelle plutôt que de la seule recherche. Jarad Cannon, directeur technique de Humanoid, présente KinetIQ Ascend comme la preuve que la course aux robots humanoïdes devient une question d'échelle, où le RL en conditions réelles jouerait un rôle central pour faire passer ces machines du statut de démonstrations impressionnantes à celui d'outils réellement exploitables par l'industrie. L'entreprise a publié un rapport technique détaillant ces résultats, sans toutefois préciser de calendrier de déploiement commercial concret pour cette nouvelle capacité.

Humanoïdes⚡Actu

1 source

42

447036Kr 

Yisheng Technology, fondée par un professeur de HKU, lève des centaines de millions pour un système mémoriel robotique

La startup chinoise TranscEngram (忆生科技), fondée en septembre 2023 par le professeur Yi Ma, doyen fondateur de la faculté d'informatique et de science des données de l'Université de Hong Kong, avec ses cofondateurs Gao Shenghua et Yang Yanchao, vient de boucler un tour d'amorçage de plusieurs centaines de millions de yuans. Parmi les investisseurs figurent Sino Biopharmaceutical (filiale du groupe CP), Pudong Chuangtou, Zhangjiang Kechuang, Zhangjiang Hi-Tech, Hongxin Electronics, Yunhui Capital, Volcan Capital et Jinduo Capital. Les fonds financeront un modèle de contrôle incarné explicable, un modèle du monde physique, un pipeline de données de mouvement humanoïde multimodal, ainsi que des centres de R&D et de production à Qianhai (Shenzhen) et Zhangjiang (Shanghai). L'architecture maison, baptisée "cerveau plus cervelet", combine une mémoire visuelle pour la perception spatiale et une mémoire musculaire pour le contrôle moteur haute fréquence, déclinée en quatre produits : EngramTeleOp pour la téléopération (latence inférieure à 10 ms, prise en main en cinq minutes, essais longue distance entre Shanghai et Shenzhen), EngramEgo pour la capture de mouvement à la première personne via des capteurs portables légers, EngramControl pour la mémoire de mouvement réutilisable, et EngramNav pour la navigation et la mémoire d'environnement. Selon l'entreprise, cette approche générative dépasserait de plus de trois fois les modèles VLA classiques sur des tâches multiples (préparation de café, pliage de linge, préparation de thé), avec plus de 95% de réussite pour un modèle unique. TranscEngram a déjà testé ses briques avec les groupes AgiBot, Fourier, Galbot et Robotera, et cible désormais l'hôtellerie haut de gamme ainsi que l'assemblage flexible dans l'aérospatial, notamment avec un fabricant de pièces d'avion d'origine Airbus. Cette levée illustre une bataille de fond dans la robotique humanoïde : dépasser les modèles vision-langage-action (VLA) actuels, jugés trop rigides face à un changement de tâche ou d'outil, au profit de systèmes capables de transférer une compétence d'un corps à un autre (pince, main habile, bras de longueurs différentes) sans réentraînement lourd. Yi Ma justifie ce pari par une critique frontale des grands modèles de langage en vogue, qu'il compare à des encyclopédies statiques incapables de s'auto-corriger au contact du monde physique, d'où leurs hallucinations selon lui. Les chiffres de performance avancés, un gain de trois fois et un taux de réussite de 95%, restent toutefois des mesures internes non vérifiées de façon indépendante, portant sur un nombre de tâches limité probablement choisi par l'entreprise ; ils relèvent davantage de la promesse que du produit éprouvé en environnement industriel réel. Le pari, s'il tient, viserait un vrai point de friction du secteur : le coût du redéploiement à chaque nouvelle tâche ou changement de gamme, un problème particulièrement sensible dans l'assemblage aérospatial où les lignes changent fréquemment de configuration. TranscEngram s'inscrit dans la vague de financements de l'IA incarnée en Chine, aux côtés d'acteurs comme AgiBot, Fourier, Galbot ou UBTech, et fait écho aux ambitions affichées par les Américains Physical Intelligence avec Pi-0, NVIDIA avec GR00T ou Figure avec Helix sur les modèles de fondation pour la robotique. Yi Ma, lauréat du prix Marr et fellow IEEE, ACM et SIAM, revendique des collaborations avec Emmanuel Candès et Yann LeCun pour asseoir la crédibilité scientifique du projet. La suite proche passe par deux pilotes commerciaux, l'hôtellerie haut de gamme (blanchisserie, fabrication de cartes, service en chambre) et l'assemblage flexible dans l'aérospatial avec ce fabricant lié à Airbus, tandis qu'un centre de données dédié dans le Sichuan doit accélérer la collecte de données tactiles pour les mains habiles. Aucun calendrier de déploiement commercial précis n'a pour l'instant été communiqué.

Chine/Asie❧Opinion

1 source

40

447136Kr 

Des diplômés de Tsinghua créent une start-up d'IA incarnée, lèvent des centaines de millions de yuans pour l'automobile

La startup chinoise Guangxiang Technology, fondée en avril 2025 et incubée par les écoles de véhicules et d'intelligence artificielle de l'université Tsinghua, a bouclé fin juin 2026 un tour d'amorçage cumulé de plusieurs centaines de millions de yuans, mené par des investisseurs comme Zhuhai Technology Industry Group, Xingzheng Capital et Songhe Capital, aux côtés des actionnaires historiques Yiyi Chuangtou et L2F. L'entreprise est dirigée par Zhang Tao, ex-responsable de la perception spatiale chez Amap (Gaode), et co-fondée par le professeur Li Shengbo, expert en apprentissage par renforcement crédité de plus de 30 000 citations, avec une équipe issue d'Alibaba, Tencent, Huawei, KUKA et Geek+. En juin 2026, elle a présenté Phi-Bot X1, un robot industriel à 27 degrés de liberté monté sur un châssis omnidirectionnel à quatre roues capable de déplacement latéral, doté d'une taille télescopique couvrant 0 à 2,5 mètres et de bras à contrôle de force cadencés à 1 kHz. Par proprioception seule, il atteint 10 mm de précision de positionnement et 0,05 mm de répétabilité en bout de bras, avec un échange de batterie en une minute. Lors du salon ATC 2026, le robot a fonctionné 21,5 heures sur trois jours sur une vraie ligne automobile pour du chargement au poste de soudure, sans erreur ni interruption revendiquées, avec une précision angulaire de 0,3° en alignement dynamique. Guangxiang défend une architecture dite "physique native", opposée aux modèles VLA (vision-langage-action) dominants et aux modèles du monde prédictifs au niveau pixel: son système apprendrait les lois physiques par interaction directe en simulation plutôt que par imitation de démonstrations humaines. Ces performances restent toutefois auto-rapportées par l'entreprise lors d'un entretien avec le média chinois Yingke (36Kr), sans validation indépendante, et la démonstration ATC, bien que menée sur une ligne réelle, demeure un test ponctuel plutôt qu'un déploiement industriel généralisé. Le fondateur évalue le marché chinois des robots de ligne automobile à environ 100 milliards de yuans et cible le "gap des 30%" de tâches que bras robotisés et automates n'ont jamais couvertes, comme le chargement à risque de brûlure ou le contrôle qualité en fin de chaîne. Il cite l'échec d'un concurrent humanoïde bipède chez un constructeur automobile de luxe, où les vibrations de marche provoquaient une chute de pièces dans 80% des cas, comme preuve que le choix de la plateforme mécanique compte autant que le modèle embarqué. Guangxiang revendique une stratégie inverse de celle de nombreux acteurs de la robotique humanoïde: valider les usages industriels avant toute communication produit plutôt que l'inverse. L'entreprise dit avoir déjà signé des accords commerciaux avec plusieurs constructeurs automobiles chinois et étrangers autour des postes de chargement et de contrôle qualité, et prévoit de consolider sa position dans l'automobile avant d'étendre son modèle à d'autres secteurs industriels sur trois à cinq ans, sans projet grand public ni introduction en bourse à court terme. Zhang Tao positionne son approche comme complémentaire des initiatives de Tesla ou XPeng, qu'il juge tournées vers le grand public plutôt que vers l'usine, et estime que 2026 marque, pour le secteur de l'IA incarnée, un tournant où l'accent bascule des démonstrations vers des preuves de déploiement réel.

Chine/Asie⚡Actu

1 source

42

447236Kr 

Tang Mu, ex-cadre de Xiaomi, lève des centaines de millions pour sa start-up de robots à café, avec Lin Bin, Li Wanqiang

La startup chinoise Yingzhi XBOT, fondée en 2022 par Tang Mu, ancien cadre de Xiaomi, a levé plusieurs centaines de millions de yuans sur deux tours : 200 millions en tour A menés par le fonds hongkongais GPTX, puis 300 à 500 millions en tour B auprès de fonds publics chinois et d'investisseurs en dollars, avec plus tôt un tour d'amorçage réunissant Zhang Xiaolong (Tencent) et plusieurs cofondateurs de Xiaomi. Plutôt que l'humanoïde domestique, l'entreprise construit des robots de restauration pour centres commerciaux, sur une architecture « un cerveau, plusieurs corps » baptisée XOS 3.0. Son robot à café C3 (bras 6 axes, précision ±0,02 mm) produit 80 tasses par heure pour 219 000 yuans ; le I3 fabrique des glaces à plus de 60 unités par heure pour 179 000 yuans. Un humanoïde à double bras 7 axes, le X1, doit entrer en production fin 2026. Fin 2025, la société revendiquait plus de 1000 robots dans plus de 100 villes, 4 millions de tasses produites, plus de 100 millions de yuans de chiffre d'affaires annuel et un carnet de commandes 2026 estimé entre 300 et 500 millions de yuans. Ce choix tranche avec la course à l'humanoïde généraliste qui domine le secteur. Tang Mu revendique avoir écarté le foyer, jugé trop imprévisible, et l'usine, où les bras industriels classiques restent plus efficaces, pour concentrer l'effort sur un usage commercial fréquent et standardisé : le café. En limitant le périmètre d'action, l'entreprise affirme contourner la principale faiblesse reconnue des modèles VLA, leur difficulté à généraliser entre tâches différentes, en ne les sollicitant qu'en secours lors d'anomalies. Elle avance aussi une économie unitaire vérifiée : dans un centre commercial de Yiwu, un robot vendu environ 100 000 yuans générait 200 tasses par jour pour un panier moyen de 20 yuans, soit plus de 60 000 yuans de chiffre d'affaires mensuel et plus de 30 000 yuans de profit net, un retour sur investissement en 6 à 8 mois pour une durée de vie annoncée de 5 ans. La société facture un abonnement mensuel plutôt qu'une location, modèle RaaS rendu possible par sa licence nationale d'exploitation alimentaire, une exclusivité qu'elle revendique dans le secteur. Avant de fonder Yingzhi XBOT, Tang Mu a cumulé 25 ans dans le design produit, chez Kingsoft puis au centre d'expérience utilisateur de Tencent, avant de diriger l'écosystème produit de Xiaomi et de lancer des best-sellers comme le routeur Xiaomi ou l'enceinte Xiao Ai. L'équipe technique est dirigée par Wang Jiali, docteur en mécatronique de Harbin, passé par CASIC, Sany et Siasun, tandis que l'exploitation s'appuie sur des cadres issus de Luckin Coffee. L'entreprise dispose de sites à Nankin, Yueyang, Shanghai et Pékin pour une capacité annuelle de 20 000 unités, et fournit déjà JD Seven Fresh Coffee ou la chaîne FICO Coffee, tout en explorant les marchés étrangers avec une chaîne de café asiatique de plus de 4000 points de vente. Un chariot robotisé, le CUBE, reste sans date de lancement, tandis que Tang Mu parie sur une coexistence durable entre bras spécialisés et humanoïdes généralistes selon les usages.

Chine/Asie⚡Actu

1 source

34

4473Robotics Business Review 

Le contexte est roi : comment Avride utilise des VLM cloud comme filet de sécurité pour les robots de livraison

Avride, entreprise texane spécialisée dans la robotique de livraison autonome, a intègre des modèles de vision-langage (VLM) hébergés dans le cloud pour renforcer la surveillance de ses robots de livraison sur trottoir. Chaque jour, des centaines de ces robots circulent dans des rues urbaines en autonomie quasi totale, traitant localement les données de leurs capteurs pour gérer les manoeuvres standards, les piétons et les feux de signalisation. Le nouveau système, surnomme "VLM-watcher", ne pilote pas le robot en temps réel : toutes les quelques secondes, une image des cameras embarquées est transmise au cloud, après anonymisation locale des visages et plaques d'immatriculation directement sur le robot. Le modèle de vision-langage analyse ensuite la scene dans son ensemble et lui attribue des tags de situation a fort enjeu, par exemple la présence d'un périphérique de police, d'une scene de crime active ou d'un chantier non cartographie avec du ciment frais. Si une situation critique est détectée, une alerte est envoyée a une équipe d'assistance a distance qui peut visionner le flux en direct et intervenir pour faire céder le passage a des secours ou éviter une zone restreinte. Cette approche illustre une tendance de fond dans la robotique de livraison autonome : la pile de perception embarquée, aussi performante soit-elle pour la détection d'objets (cyclistes, enfants, fauteuils roulants, véhicules d'urgence), atteint ses limites face a des scenarios qui exigent une compréhension contextuelle globale plutôt qu'une simple liste d'éléments détectés. Distinguer un policier qui rentre chez lui après son service d'une scene de crime active, par exemple, relève d'un raisonnement sémantique que les réseaux de neurones locaux ne sont pas conçus pour faire seuls. En choisissant de garder les VLM hors de la boucle de pilotage temps réel, pour des raisons de latence et de dépendance réseau, Avride positionne ces modèles lourds comme un filet de sécurité supervise par des humains, et non comme un substitut a l'autonomie embarquée. Cette architecture hybride pourrait devenir un standard de facto pour l'industrie, a mesure que les opérateurs de flottes de robots cherchent a rassurer régulateurs et municipalités sur la gestion des situations sensibles sans sacrifier la réactivité opérationnelle. Avride, fondée par d'anciens ingénieurs du projet Yandex de véhicules autonomes, déploie déjà ses robots de livraison dans plusieurs villes américaines en partenariat avec des enseignes de restauration et de commerce. L'entreprise précise ne pas vouloir lier son infrastructure a un seul fournisseur de modèles, présentant ce nouveau bloc cloud comme une architecture ouverte et modulaire, appelée a évoluer au rythme des progrès des modèles de vision-langage. Cette flexibilité s'inscrit dans un contexte de concurrence croissante sur la livraison autonome sur trottoir, un secteur ou la confiance du public et des autorités locales reste un facteur déterminant pour l'obtention d'autorisations d'exploitation a grande échelle.

IA physique⚡Actu

1 source

40

4474IEEE Spectrum Robotics 

Le Japon a été pionnier des robots humanoïdes, peut-il désormais rattraper la Chine ?

Le récent Humanoids Summit de Tokyo n'a réuni qu'une quarantaine de robots humanoïdes, mais les machines chinoises y ont surclassé les japonaises dans une proportion de trois pour une. Parmi les rares représentants japonais figurait Geminoid HI-6, sixième génération d'un androïde conçu en 2006 par le professeur Hiroshi Ishiguro (Université d'Osaka), désormais doté d'un grand modèle de langage entraîné sur ses propres écrits et interviews, capable de dialoguer avec son créateur. Face à lui, les robots K1 de Booster Robotics (Pékin) dansaient sur du Michael Jackson, et le G1 d'Unitree Robotics (Hangzhou) enchaînait les démonstrations. Toyota s'est contenté de montrer une vidéo de son robot joueur de basket, Honda une nouvelle main robotique. Omakase Robotics, filiale de la société japonaise Zeals, exposait même un G1 chinois modifié avec un contrôleur PC externe, une main dextre, un préhenseur à ventouse et un boîtier de capteurs additionnel (haut-parleur, micro, caméra). Autre exemple concret de déploiement : GMO AI & Robotics, en partenariat avec Japan Airlines, teste des G1 pour charger et décharger des conteneurs de fret à l'aéroport de Haneda, à titre expérimental. Ce basculement questionne directement le leadership historique du Japon, pionnier du secteur depuis le WABOT-1 de l'Université Waseda en 1973 puis l'Asimo de Honda. Selon Shuichi Nagao, directeur technique d'Omakase Robotics, la réglementation japonaise interdit purement et simplement la commercialisation de systèmes bipèdes pour des raisons de sécurité, pendant que la Chine, portée par une politique publique volontariste et une génération d'ingénieurs dans la vingtaine et la trentaine, passe déjà à la production de masse et fait chuter les coûts au point que "les autres pays ne peuvent plus rivaliser". Le fait que des entreprises japonaises utilisent désormais des robots chinois pour leurs propres démonstrations, un ingénieur qualifiant la situation de "triste", illustre un renversement de rapport de force qui interroge la capacité du Japon à peser dans un écosystème humanoïde de plus en plus dominé par l'IA générale. Ce retard s'explique par la trajectoire même du secteur japonais : il y a vingt-cinq ans, ses humanoïdes spectaculaires, largement inspirés de la science-fiction, ne répondaient à aucun usage concret et ont fini remisés faute de débouchés commerciaux. Le Japon conserve néanmoins un savoir-faire de conception qu'il doit désormais mobiliser. Les essais en cours, comme le projet de fret avec Japan Airlines à Haneda, restent des pilotes limités, sans calendrier de généralisation annoncé, pendant que les acteurs chinois enchaînent déjà démonstrations d'acrobaties et courses de semi-marathon.

Chine/Asie❧Opinion

1 source

44

4475Pandaily 

74 yuans pour 3 heures : des robots à IA incarnée entrent dans les foyers chinois pour les tâches ménagères

En Chine, les robots à intelligence artificielle incarnée sortent des usines pour entrer dans les foyers, sous forme de location à l'heure pour des tâches ménagères. Plusieurs plateformes à la demande proposent désormais des robots humanoïdes ou à roues capables de nettoyer les sols, essuyer les surfaces, récupérer des objets ou effectuer de petites tâches de rangement, pour un tarif de départ de 74 yuans les trois heures, soit environ 25 yuans de l'heure (un peu plus de 3 euros). Ces machines s'appuient sur des modèles vision-langage-action pour naviguer de façon autonome dans un environnement domestique, éviter les obstacles, reconnaître des objets et répondre à des commandes vocales simples. C'est l'un des premiers déploiements commerciaux réels de l'IA incarnée en dehors du cadre industriel, après des investissements en R&D chiffrés en milliards de yuans. Ce tarif rend la main-d'œuvre robotique moins chère que le personnel de ménage humain dans les grandes villes chinoises, mais l'écart de capacités reste net : les retours d'utilisateurs montrent que ces robots gèrent correctement les tâches de nettoyage simples, tout en peinant face aux objets de forme irrégulière, aux instructions à plusieurs étapes et aux espaces exigus typiques des appartements chinois. Le compromis est assumé, fonctionnalités limitées contre accessibilité tarifaire, et il interroge la trajectoire des investissements massifs consacrés à l'IA incarnée en Chine. Des entreprises comme Unitree, AgiBot, Star Dynasty ou X Square Robot ont levé des fonds considérables pour des robots humanoïdes généralistes, alors que le premier vrai marché de masse concerne des robots de service bien plus spécialisés et modestes. Les défenseurs de l'approche avancent toutefois que ce déploiement réel, même limité, génère des données précieuses pour entraîner les modèles de nouvelle génération, des données que la simulation en laboratoire ne peut reproduire : agencements imprévus, objets variés, comportements d'utilisateurs divers. Cette stratégie rappelle celle des entreprises chinoises de conduite autonome, qui ont déployé des fonctions de conduite partiellement automatisée des années avant d'atteindre une autonomie complète, misant sur l'accumulation de données réelles plutôt que sur l'attente d'une technologie parfaite. Les analystes du secteur anticipent une expansion rapide du marché de la location de robots domestiques à mesure que les coûts baissent et que les capacités progressent, plusieurs acteurs chinois développant déjà des modèles de nouvelle génération optimisés pour l'environnement du foyer, avec une meilleure dextérité pour manipuler de petits objets et une compréhension plus fine des instructions complexes. Reste une question ouverte : ce modèle de facturation à la tâche, encore marginal, pourra-t-il générer des revenus suffisants pour justifier l'ampleur des investissements déjà engagés dans l'infrastructure de l'IA incarnée.

Chine/Asie⚡Actu

1 source

43

4476Robohub 

RoboCup2026 : la ligue humanoïde, jour 2

La deuxième journée de la RoboCup 2026 s'est achevée sur une nouvelle série de matchs dans la ligue de football humanoïde, avec 17 pays représentés cette année, de la Colombie a la Malaisie en passant par l'Allemagne et l'Australie. La Chine reste le pays le plus présent avec 15 équipes reparties sur les trois divisions (petite, moyenne et grande taille). La journée de la veille a connu le premier carton rouge de la compétition: un robot, déjà averti de deux cartons jaunes pour des tacles dangereux, a été exclu du terrain pour des raisons de sécurité. Cote gabarits, le robot ALICE 4 de l'équipe HERoEHS (Coree du Sud) est le plus lourd et le plus grand du plateau, avec 48 kg pour 1,60 m, devant le Z4 bipède de BigHeroX (37 kg). Plusieurs équipes alignent le Unitree G1, plateforme de 35 kg devenue une base commune. A l'oppose, le robot Chape de l'équipe brésilienne ITAndroids est le plus léger et le plus petit du tournoi, avec seulement 3,8 kg pour 53 cm. Ces chiffres illustrent la maturité grandissante du football humanoïde comme banc d'essai pour la robotique bipède: coexistence de plateformes commerciales standardisées comme le Unitree G1 et de robots conçus sur mesure, allant du quasi-jouet a des machines proches de la taille humaine. L'apparition d'un carton rouge pour tacle dangereux souligne aussi que les organisateurs traitent désormais la sécurité physique entre robots comme un enjeu de règle sportive a part entière, signe que les comportements dynamiques et les contacts deviennent suffisamment réalistes pour poser un risque concret. Pour les équipes de recherche et les intégrateurs qui suivent ces compétitions comme indicateur de l'état de l'art en locomotion et en prise de décision autonome, la densité du plateau (17 pays, dominance chinoise) confirme aussi l'internationalisation rapide du secteur. Avec les tours de qualification presque termines, les compétitions se resserrent. En petite division, CAU Mountain&Sea (China Agricultural University) reste seule invaincue après quatre matchs, 12 points, un seul but concède, devant Hamburg Bit-Bots et GeoHBots. En division moyenne, B-Human domine avec quatre victoires et une différence de buts de +35, suivie par un groupe de quatre équipes a neuf points: HTWK Robots, Rhoban, whIRLwind Amsterdam et THMOS. En grande division, Tsinghua Hephaestus reste la seule équipe parfaite avec neuf points, devant PCMS-HRG et Robo-Erectus. Douze équipes par division se qualifieront pour les phases finales, dont les quarts de finale se disputeront des le lendemain soir.

FR/EU ecosysteme❖Paper

1 source

38

4477Interesting Engineering 

Robot humanoïde canadien pour l'usine, production visée en 2027

La startup canadienne Mirsee Robotics, basée à Cambridge en Ontario, développe la troisième génération de son robot humanoïde, le MH3, destiné à automatiser les tâches industrielles physiquement exigeantes ou dangereuses. Monté sur une base mobile à roues, l'engin peut soulever jusqu'à 30 kilogrammes par bras, fonctionner jusqu'à 10 heures sur une seule charge et dispose de 31 degrés de liberté pour des mouvements de bras et de mains proches de ceux d'un humain. Huit prototypes ont déjà été construits et sont actuellement en phase de test et de validation. Mirsee vise une production de masse à partir de 2027, avec l'objectif de fabriquer plusieurs milliers d'unités sur les trois années suivantes. Particularité notable, le MH3 peut être téléopéré à distance jusqu'à 1500 kilomètres via un casque de réalité virtuelle et des gants à capture de mouvement, le casque retransmettant un flux vidéo 3D en direct des caméras embarquées pendant que les gants reproduisent les gestes de l'opérateur en temps réel. Cette capacité de téléopération distingue l'approche de Mirsee de celle d'acteurs plus autonomes comme Figure ou Tesla avec Optimus, en misant sur l'humain dans la boucle pour des interventions en environnements difficiles d'accès, comme des stations de traitement de l'eau. Pour un secteur confronté à la pénurie de main-d'œuvre et à des impératifs de sécurité, ce positionnement pragmatique, télé-opération plutôt que pari total sur l'autonomie via des modèles VLA, peut séduire des industriels prudents face aux promesses encore incertaines des humanoïdes pleinement autonomes. L'annonce de "milliers d'unités" d'ici 2027 reste toutefois à relativiser: avec seulement huit prototypes en test à ce stade, l'écart entre l'ambition commerciale affichée et la réalité de la production industrielle demeure important. Le MH3 s'appuie sur plusieurs technologies propriétaires développées en interne, dont le Hadron Vision System, un système de vision stéréo embarqué basé sur des processeurs NVIDIA Jetson, et la plateforme de mobilité AMP à roues Mecanum, capable de mouvements holonomes et de charges dépassant 300 kilogrammes. Mirsee a également collaboré avec l'université de Stanford sur des robots chirurgicaux compatibles IRM, entièrement fabriqués en plastique. Sur un marché où la concurrence s'intensifie, avec notamment l'Isaac 1 de l'américain Weave Robotics visant les tâches domestiques, Mirsee mise sur une intégration verticale poussée et un usage industriel ciblé pour se différencier avant d'atteindre l'échelle commerciale annoncée.

Humanoïdes❧Opinion

1 source

38

4478Interesting Engineering 

Nouveau capteur tactile changeant de couleur donne aux robots un sens du toucher en temps réel

Un chercheur postdoctoral de Queen Mary University of London, Giacomo Sasso, a développé avec son équipe un nouveau capteur tactile pour robots capable de « voir » le toucher en temps réel grâce à un matériau mécanochromique souple et étirable qui change de couleur selon la déformation subie. Contrairement aux approches classiques qui empilent des réseaux d'électronique dense pour approcher les plus de 10 000 récepteurs du bout des doigts humains, l'équipe a déplacé l'intelligence dans le matériau lui-même : lorsqu'un objet appuie sur la surface, les contraintes mécaniques se traduisent instantanément en une carte de couleurs détaillée, observée par une simple caméra USB bas coût, sans algorithme de reconstruction lourd. Les chercheurs affirment avoir reproduit la densité des empreintes digitales à une échelle et une simplicité qu'aucune technologie existante n'atteignait jusqu'ici, un robot ayant par exemple été capable de distinguer les reliefs fins d'une pièce de monnaie posée sur le capteur. Cette approche s'attaque à un compromis persistant de la détection tactile par vision : jusqu'ici, il fallait choisir entre des systèmes haute résolution mais lents, pénalisés par des pipelines de calcul coûteux, et des systèmes rapides mais peu précis spatialement. En encodant directement la pression mécanique dans un signal optique lisible, sans étape de reconstruction, cette méthode pourrait lever ce verrou pour plusieurs applications industrielles : préhenseurs robotiques capables de manipuler des composants micro-échelle en rendant visibles d'infimes variations de force, prothèses offrant un retour tactile plus riche et intuitif, ou encore robots chirurgicaux détectant en temps réel des anomalies tissulaires (tumeurs rigides) via leur signature de pression. Reste que ces démonstrations, présentées par l'université dans un communiqué, restent à ce stade des preuves de concept en laboratoire, sans validation industrielle ni chiffres de performance (vitesse de rafraîchissement, résolution spatiale précise) rendus publics. Le développement s'inscrit dans des années de recherche sur les capteurs étirables et la détection tactile par vision, un axe où plusieurs laboratoires cherchent depuis longtemps à répliquer le sens du toucher humain sans multiplier les composants électroniques embarqués. Le co-auteur James Busfield, professeur à Queen Mary, résume la philosophie du projet : l'information est déjà contenue dans le signal lumineux, il ne s'agit plus de reconstruire le toucher mais de l'observer directement. Les prochaines étapes attendues concernent le passage à l'échelle du matériau, son intégration sur des mains robotiques ou prothétiques complètes, et des essais concrets en micro-manufacturing ou en environnement chirurgical, domaines où la précision tactile reste un obstacle majeur à l'autonomie des robots.

Recherche❖Paper

1 source

47

4479Pandaily 

Robots humanoïdes en première ligne : du salon d'exposition à l'usine comme employés vedettes

Ekans robotisés humanoïdes quittent le laboratoire pour entrer en production réelle, comme l'a rapporté China Central Television. Dans un atelier de fabrication de tablettes à Nanchang, huit robots humanoïdes ont été déployés comme inspecteurs qualité, chacun effectuant des cycles d'inspection en environ 20 secondes avec une précision de deux millimètres. Le directeur d'usine Zhang Long a souligné que si l'efficacité reste inférieure à celle des bras robotiques traditionnels et des ouvriers humains, l'avantage en flexibilité est net : contrairement aux bras fixes qui nécessitent des semaines de reconfiguration à chaque nouveau produit, les robots humanoïdes peuvent être réaffectés à d'autres postes en quelques heures. Le déploiement n'a pas été sans accroc, les robots déclenchaient accidentellement les boutons d'allumage des tablettes, provoquant des échecs d'inspection, jusqu'à ce que le chef de projet Yang Shukai développe des pinces ajustables permettant un réglage de cinq millimètres selon le modèle. Le robot n°3 a connu jusqu'à 31 blocages en une seule journée, nécessitant un réentraînement dédié. Depuis mars, les deux premiers robots totalisent 3 000 heures de fonctionnement stable et approchent d'un déploiement permanent ; l'usine prévoit 50 unités d'ici la fin de l'année, avec une adoption massive envisagée vers 2028. À Shenzhen, trois robots humanoïdes travaillent de nuit depuis six mois dans un centre logistique pour trier les colis destinés à la livraison le jour même. Ces déploiements illustrent un basculement significatif pour le secteur : le passage de la démonstration scénique au poste de travail réel, avec des métriques opérationnelles vérifiables plutôt que des vidéos soigneusement sélectionnées. Le cas du centre logistique de Shenzhen est particulièrement parlant sur l'écart entre promesse et réalité initiale : les robots ne triaient au départ que 100 colis par heure contre 500 à 600 pour un ouvrier humain, avec un taux d'erreur élevé et une incapacité à manipuler les gros colis. L'équipe a identifié la cause racine, un manque de données d'entraînement, et déployé deux correctifs : des collecteurs de données dédiés enregistrant diverses actions de saisie et de retournement de colis, et une refonte des postes de tri avec des surfaces inclinées réduisant les mouvements de rotation et de flexion des robots. Résultat après six mois d'apprentissage intensif : l'efficacité de tri est passée de 100 à 900 colis par heure, soit 85% de la performance humaine. Pour les intégrateurs et décideurs industriels, ces chiffres suggèrent que l'écart sim-to-real et le problème des données d'entraînement en conditions réelles, souvent pointés comme obstacles majeurs à la commercialisation des VLA (vision-language-action), peuvent être résolus par itération sur site plutôt que par une percée algorithmique unique. Ce mouvement s'inscrit dans une compétition mondiale intense où la Chine pousse fortement le déploiement industriel de robots humanoïdes, aux côtés d'acteurs comme Figure AI (Figure 03), Tesla (Optimus Gen 3) ou Physical Intelligence (Pi-0) aux États-Unis, et NVIDIA avec sa plateforme GR00T N2 fournissant des briques logicielles à plusieurs fabricants. Plus de dix centres logistiques chinois testent actuellement des robots humanoïdes en formation sur le terrain, affinant leurs compétences en conditions réelles plutôt qu'en environnement contrôlé. Aucun acteur français ou européen (Wandercraft, Exotec, Pollen Robotics, Enchanted Tools) n'est mentionné dans ces déploiements chinois, signe que la course à l'industrialisation du robot humanoïde reste pour l'instant dominée par les écosystèmes chinois et américain. Les prochaines étapes annoncées, passage à 50 unités chez le fabricant de tablettes d'ici fin 2026 et généralisation attendue vers 2028, donneront une indication concrète de la vitesse réelle de cette transition, entre promesse marketing et adoption industrielle durable.

Chine/Asie❧Opinion

1 source

43

4480SCMP Tech 

Unitree entre en bourse : les valorisations à l'épreuve d'un afflux de capital-risque dans la robotique chinoise

Unitree Robotics, fabricant chinois de robots basé à Hangzhou, a obtenu le feu vert de la Commission de régulation des valeurs mobilières de Chine (CSRC) pour une introduction en bourse à la Bourse de Shanghai. Cette approbation intervient environ un mois après que l'entreprise a passé avec succès l'examen du comité de cotation de la place shanghaïenne. Unitree finalise désormais son plan de souscription, la tarification de ses actions et les modalités de souscription en vue d'une entrée en bourse. Le calendrier précis du débuT des transactions reste à confirmer, mais le dossier est désormais dans sa phase finale d'exécution. Cette IPO est scrutée de près car elle doit fixer un référentiel de valorisation pour tout le secteur chinois de l'IA incarnée (embodied AI), qui attire des flux massifs de capital-risque depuis deux ans. Pour les acteurs de la robotique humanoïde et leurs investisseurs, ce sera un premier vrai test de l'appétit des marchés publics pour ce type d'entreprise : est-ce que la valorisation reflète des ventes et déploiements réels, ou surtout une promesse technologique encore largement en phase de développement. Le résultat influencera directement la manière dont les futurs tours de financement et cotations de concurrents seront calibrés, en Chine comme ailleurs. Unitree s'est fait connaître avec ses robots quadrupèdes puis humanoïdes (gammes G1, H1, B2), vendus à la fois à des chercheurs, industriels et grand public à des prix nettement inférieurs à ceux de rivaux occidentaux. Elle s'inscrit dans une vague de commercialisation chinoise de la robotique humanoïde, aux côtés d'acteurs comme UBTech, déjà coté à Hong Kong depuis 2023, et talonnée par des entreprises comme Fourier Intelligence. La prochaine étape attendue est la publication du prix définitif de l'offre avant la cotation effective.

Chine/Asie⚡Actu

1 source

36

4481Robotics & Automation News 

X Square Robot mise sur une approche full-stack pour l'IA incarnée et la robotique polyvalente

Le fabricant chinois de robots humanoïdes X Square Robot, basé à Shenzhen, a récemment bouclé quatre levées de fonds consécutives, confirmant l'intérêt soutenu des investisseurs pour l'IA incarnée (embodied AI). La société développe une approche "full-stack" du robot généraliste, c'est-à-dire qu'elle conçoit à la fois le matériel (actionneurs, capteurs, plateforme mécanique) et les modèles d'IA qui pilotent la perception et la manipulation, plutôt que de s'appuyer sur des briques tierces assemblées. L'objectif affiché est de produire des machines capables d'exécuter une large variété de tâches réelles, à l'opposé des robots historiquement programmés pour une application unique et rigide. Cette stratégie d'intégration verticale illustre un basculement plus large du secteur robotique : la course ne se joue plus seulement sur le hardware, mais sur la capacité à faire tenir un modèle d'IA généraliste (de type VLA, vision-language-action) à l'échelle industrielle, du laboratoire jusqu'au déploiement en usine ou en entrepôt. Pour les intégrateurs et décideurs B2B, le succès ou l'échec de ce pari conditionne directement l'arbitrage entre acheter une plateforme fermée type Optimus ou Figure, ou miser sur des acteurs émergents proposant une pile technologique propriétaire complète. Le nombre de tours de financement consécutifs, sans que les montants précis soient encore détaillés publiquement, signale une pression concurrentielle et une conviction des investisseurs chinois sur ce segment. X Square Robot s'inscrit dans un paysage chinois de plus en plus dense sur l'IA incarnée, aux côtés d'acteurs comme Unitree ou UBTech, dans un contexte où Pékin pousse activement la robotique humanoïde comme filière stratégique. Face à elle, la scène occidentale reste dominée par Tesla (Optimus), Figure AI ou encore Physical Intelligence (Pi-0), tandis qu'en Europe des acteurs comme Wandercraft ou Enchanted Tools explorent des approches plus spécialisées. Les prochaines étapes à surveiller pour X Square Robot concernent la divulgation des montants levés, l'identité des investisseurs, et surtout la transition entre démonstrations en laboratoire et déploiements pilotes vérifiables chez des clients industriels, seul indicateur qui permettra de distinguer l'annonce marketing du produit réellement opérationnel.

Chine/Asie❧Opinion

1 source

47

4482arXiv cs.RO 

Restauration de l'ancrage linguistique dans les modèles VLA par recalibrage de l'attention sans entraînement

Une équipe de recherche a mis en évidence une faille critique dans les modèles Vision-Language-Action (VLA), ces systèmes qui permettent à des robots d'exécuter des tâches de manipulation à partir d'instructions en langage naturel. Le problème, baptisé "cécité linguistique", survient lorsque le robot continue d'exécuter une action visuellement plausible même quand l'instruction textuelle contredit explicitement la scène observée : le modèle privilégie alors ce qu'il voit au détriment de ce qu'on lui dit. Pour quantifier ce phénomène, les chercheurs ont créé ICBench, un benchmark diagnostique dérivé du jeu de données LIBERO, qui injecte des contradictions contrôlées entre instruction et environnement visuel. Testés sur trois architectures VLA de référence, Pi-0, Pi-0.5 et OpenVLA OFT, les modèles réussissent fréquemment leur tâche malgré des instructions logiquement impossibles, preuve d'un biais visuel marqué dans la génération d'action. Face à ce constat, l'équipe propose IGAR (Instruction-Guided Attention Recalibration), un mécanisme appliqué au moment de l'inférence, sans réentraînement ni modification architecturale, qui rééquilibre l'attention du modèle pour restaurer le poids de l'instruction linguistique. Cette découverte fragilise un postulat central du secteur robotique actuel : que les modèles VLA génèrent des actions réellement pilotées par le langage, condition indispensable pour des robots généralistes capables de suivre des consignes fiables en environnement industriel ou domestique. Un robot qui ignore silencieusement une instruction contradictoire, sans signaler d'erreur, représente un risque direct pour les intégrateurs et les décideurs B2B qui envisagent de déployer ces modèles sur des lignes de production ou en logistique, où une mauvaise interprétation peut coûter cher en sécurité ou en qualité. IGAR intéresse particulièrement car il s'agit d'un correctif applicable sans réentraînement aux modèles existants. Sur 30 tâches issues de LIBERO, IGAR réduit sensiblement les exécutions erronées face à des instructions contradictoires hors distribution, tout en préservant les performances de base sur les tâches normales. Les chercheurs ont aussi validé l'approche sur un bras robotique Franka réel, où IGAR a effectivement empêché des manipulations déclenchées par des instructions incohérentes, un test important puisqu'il dépasse la simple simulation. Ce travail s'inscrit dans une tendance plus large d'audit critique des modèles VLA, où la question du "sim-to-real" et de la robustesse aux cas limites reste largement sous-explorée face à l'engouement commercial entourant Pi-0, GR00T N2 ou Helix.

Recherche❖Paper

1 source

42

4483arXiv cs.RO 

Embodied.cpp : un moteur d'inférence portable pour modèles d'IA incarnée sur robots hétérogènes

Des chercheurs publient sur arXiv (référence 2607.02501v1) un runtime d'inférence baptisé Embodied.cpp, conçu pour exécuter des modèles d'IA incarnée directement sur des robots physiques. Écrit en C++, il cible spécifiquement les modèles vision-langage-action (VLA) et les modèles monde-action (WAM), deux familles d'architectures qui équipent aujourd'hui la plupart des humanoïdes et bras robotiques pilotés par apprentissage. Le système s'organise en cinq couches, des adaptateurs d'entrée jusqu'aux adaptateurs de déploiement, en passant par la construction de séquences, l'exécution du backbone et des modules de tête interchangeables. Les auteurs l'ont testé sur deux modèles VLA, HY-VLA et pi0.5, obtenant des taux de réussite de tâches en boucle fermée de 100,0% et 91,0% respectivement. Sur un benchmark préliminaire de modèle WAM utilisant un bloc Transformer LingBot-VA, la mémoire consommée par bloc chute de 312,2 MiB à 88,1 MiB. Cette publication s'attaque à un problème très concret pour les intégrateurs robotiques: le déploiement des modèles d'IA incarnée reste aujourd'hui fragmenté entre piles Python spécifiques à chaque modèle, hypothèses matérielles disparates et code de liaison écrit à la main pour chaque robot. Les runtimes d'inférence existants sont pensés pour du serving requête-réponse classique, pas pour les contraintes réelles du contrôle robotique: exécution multi-fréquence dans une boucle fermée, inférence batch-1 en priorité latence sur du matériel hétérogène, et interfaces au-delà du simple flux de tokens. Si les résultats se confirment à plus grande échelle, un runtime portable unique capable de faire tourner plusieurs familles de VLA et de WAM sur des appareils edge variés réduirait significativement le travail d'ingénierie nécessaire pour passer d'un prototype en simulation à un déploiement réel sur robot, un des goulots d'étranglement les plus cités du secteur. Le travail s'inscrit dans la course actuelle autour des modèles génériques de contrôle robotique, aux côtés d'architectures comme Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia, qui cherchent toutes à unifier perception, langage et action dans un seul modèle déployable sur du matériel varié. En proposant une couche d'abstraction backend commune plutôt qu'un modèle de plus, Embodied.cpp se positionne comme brique d'infrastructure plutôt que comme concurrent direct, un signe que la standardisation de l'inférence embarquée devient un enjeu aussi important que la performance des modèles eux-mêmes.

Infrastructure⚡Actu

1 source

42

4484arXiv cs.RO 

L'œil mobile : améliore la généralisation spatiale des VLA grâce à une collecte de données hybride et dynamique

Le fil d'actualité de l'IA, voici l'article traduit et synthétisé. Une équipe de recherche publie sur arXiv (référence 2607.02322v1, soumis début juillet 2026) une étude intitulée "The Moving Eye", consacrée à la généralisation spatiale des modèles Vision-Language-Action (VLA). Le protocole expérimental repose sur une configuration à deux bras robotiques : l'un exécute la tâche de manipulation, l'autre sert de caméra mobile filmant la scène sous des angles variables. Les chercheurs comparent trois stratégies de collecte de données : vue fixe (Fixed), multi-fixe avec plusieurs points de vue statiques (Multi-Fixed), et vue mobile en mouvement continu (Moving Views). Les modèles testés couvrent le spectre actuel des architectures de manipulation robotique : ACT, les modèles à diffusion (Diffusion Policy), ainsi que les VLA Pi-0 et GR00T. Résultat central : une approche hybride, combinant mouvement continu de caméra et diversité de points de vue statiques, surpasse nettement les deux autres méthodes prises isolément. Cette étude s'attaque à un problème connu mais peu quantifié dans le secteur : le "shortcut learning", où un modèle VLA apprend des corrélations superficielles (pose relative fixe entre objets, ou entre caméra et base du robot) plutôt que la géométrie spatiale réelle de la tâche. Concrètement, un modèle entraîné avec des caméras fixes peut sembler performant en test mais échouer dès qu'on change la position de la caméra ou la disposition des objets, un écart démo-réalité que les intégrateurs industriels connaissent bien. L'article démontre que multiplier les points de vue fixes ne suffit pas à corriger ce biais, contrairement à une hypothèse répandue dans le secteur : seul le mouvement de caméra combiné à la diversité des vues réduit efficacement ces corrélations parasites, et ce gain se vérifie sur toutes les architectures testées, pas seulement sur les VLA les plus récents. Cette fragilité spatiale des VLA fait l'objet d'une attention croissante depuis la montée en puissance de modèles comme Pi-0 (Physical Intelligence) et GR00T N2 (NVIDIA), présentés comme généralistes mais dont la robustesse hors distribution reste discutée. En proposant une méthode de collecte de données peu coûteuse en matériel (un simple bras robotique reconverti en caméra mobile) plutôt qu'une refonte architecturale, les auteurs ouvrent une piste concrète pour les équipes qui entraînent leurs propres politiques de manipulation, avant d'éventuels essais à plus grande échelle sur des tâches et robots variés.

Recherche⚡Actu

1 source

41

4485arXiv cs.RO 

Guided Action Flow : inférence guidée par Q pour les politiques VLA à appariement de flux

Des chercheurs publient le 2 juillet 2026 (arXiv:2607.02092) Guided Action Flow, une méthode d'inférence qui améliore les politiques robotiques vision-langage-action (VLA) à flow matching sans réentraîner le modèle de base. La politique préentraînée SmolVLA reste gelée : un critique appris sur des trajectoires réelles de succès et d'échec guide l'échantillonnage en temps inverse via des gradients d'action, avec un conditionnement possible sur la description de tâche issue du canal langage de SmolVLA. Sur le benchmark de manipulation LIBERO, un critique spécifique à une tâche fait passer le taux de succès de 68,0% à 82,0% sur une fenêtre de seed, puis de 82,0% à 86,0% sur une autre. Un critique multi-famille, entraîné sur plusieurs types de tâches, améliore le succès en validation de 46,0% à 56,0%, mais le gain sur le jeu de test verrouillé reste plus modeste, de 65,0% à 67,5%. Pour les intégrateurs qui déploient des politiques VLA figées en production, l'approche offre un gain de performance à l'inférence sans le coût d'un réentraînement complet, en transposant aux politiques d'action robotiques un guidage par critique déjà courant en génération d'image et en apprentissage par renforcement. L'écart entre le gain en validation (+10 points) et celui observé sur données verrouillées (+2,5 points) est le résultat le plus significatif de l'étude : il révèle une généralisation limitée du critique au-delà de sa distribution d'entraînement. La méthode est donc prometteuse pour affiner des politiques déjà déployées, mais son bénéfice réel sur des tâches totalement inédites reste contraint tant que la généralisation du critique et un guidage sensible à l'incertitude ne sont pas résolus, ce que les auteurs identifient eux-mêmes comme le verrou central de l'approche. SmolVLA, la politique de base utilisée, est un modèle VLA compact pensé pour du matériel limité, positionné face à des politiques plus lourdes comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. LIBERO, le benchmark d'évaluation, est une suite standard de tâches de manipulation conçue pour tester l'apprentissage continu en robotique, et le choix du flow matching comme mécanisme de génération d'action reflète une bascule plus large du secteur vers des schémas de transport plus rapides à échantillonner que la diffusion classique. Guided Action Flow se positionne comme une brique complémentaire aux efforts de réentraînement à grande échelle, offrant un moyen peu coûteux d'améliorer des politiques déjà déployées plutôt que de concurrencer les gros modèles généralistes. Les auteurs annoncent vouloir approfondir la généralisation du critique et intégrer une notion d'incertitude dans le guidage, sans donner de calendrier précis pour ces prochaines étapes.

Recherche⚡Actu

1 source

41

4486arXiv cs.RO 

Robots de livrable : navigation en foule via apprentissage des préférences sociales (SPLC)

Une équipe de recherche présente SPLC (Social Preference Learning for Crowd Robot Navigation), un nouvel algorithme d'apprentissage par renforcement hors ligne conçu pour faire naviguer des robots au milieu de foules de piétons sans avoir à concevoir manuellement une fonction de récompense. Publié sur arXiv le 2 juillet 2026 (arXiv:2607.01925v1), le système introduit un mécanisme de retour de préférences sociales qui génère automatiquement des données de préférence à partir de critères d'évaluation prédéfinis, en tenant compte explicitement de la dynamique complexe des piétons. Les auteurs ont testé SPLC en combinaison avec plusieurs méthodes de RL hors ligne et rapportent des gains constants par rapport aux meilleures références actuelles sur des métriques de performance standard, avant de valider l'approche en conditions réelles sur un robot TurtleBot4. Le code et des démonstrations vidéo sont disponibles sur le dépôt GitHub du projet (sklus949/SPLC). L'enjeu pratique est la conception des récompenses en RL, un goulot d'étranglement bien connu pour déployer des robots mobiles autonomes dans des environnements humains partagés, entrepôts, hôpitaux, espaces commerciaux. Écrire à la main une fonction qui capture des normes sociales floues (garder ses distances, céder le passage, anticiper une trajectoire) introduit des biais et ne généralise pas d'une foule à l'autre. En automatisant la génération de préférences plutôt que la récompense elle-même, SPLC s'attaque directement au problème du "reward hacking" et du décalage entre simulation et réel, un point sensible pour tout intégrateur qui envisage des robots de navigation autonome en zones piétonnes denses. Le passage à un test réel sur TurtleBot4, plutôt qu'une simple démonstration en simulateur, distingue ce travail de nombreuses publications qui restent cantonnées au benchmark. Ce travail s'inscrit dans une lignée de recherches sur le RL hors ligne appliqué à la navigation sociale, un axe où les laboratoires cherchent à réduire la dépendance aux interactions coûteuses en environnement réel pendant l'entraînement. Les approches concurrentes reposent généralement sur du reward shaping manuel ou sur de l'apprentissage par imitation à partir de trajectoires humaines annotées, des méthodes que les auteurs positionnent comme moins robustes face à la variabilité des comportements piétons. Les prochaines étapes annoncées ne sont pas détaillées dans le résumé, mais la mise à disposition du code laisse présager des évaluations comparatives par d'autres équipes, et potentiellement une extension à des plateformes robotiques plus complexes que le TurtleBot4.

Recherche❖Paper

1 source

41

4487arXiv cs.RO 

VLSA : modèle vision-langage-action avec couche de contrainte de sécurité modulaire

Des chercheurs universitaires publient une architecture baptisée AEGIS, décrite dans un article arXiv (identifiant 2512.11891, version 2) consacré aux modèles vision-langage-action (VLA), ces systèmes qui permettent à un robot de traduire une instruction en langage naturel et une image en mouvement physique. AEGIS ajoute une couche de contrainte de sécurité "plug-and-play", construite à partir de fonctions de barrière de contrôle (control barrier functions), que l'on peut greffer sur un modèle VLA existant sans le réentraîner ni dégrader ses performances d'origine. Pour évaluer l'approche, les auteurs ont conçu un benchmark dédié, SafeLIBERO, qui multiplie les scénarios de manipulation avec des obstacles et des niveaux de complexité spatiale variables. Résultat annoncé: plus de 50% d'amélioration du taux d'évitement d'obstacles et près de 10% de hausse du taux de réussite des tâches, comparé aux meilleures méthodes existantes. Code et données sont publiés en accès libre. L'enjeu dépasse la prouesse technique isolée. Les modèles VLA généralistes, popularisés par des architectures comme Pi-0, GR00T N2 ou Helix, excellent à généraliser des instructions à de nouvelles tâches de manipulation, mais leur talon d'Achille reste la sécurité physique: rien ne garantit qu'un bras robotique évite une collision en environnement non structuré, un frein majeur au déploiement en usine ou en logistique. En proposant une couche de sécurité modulaire avec garanties théoriques plutôt qu'un simple filtrage heuristique, AEGIS répond directement à ce point de blocage identifié par les intégrateurs, sans nécessiter de repenser chaque modèle VLA au cas par cas. Ce travail s'inscrit dans la vague de recherche qui a suivi l'essor des VLA depuis RT-2 et OpenVLA, où l'accent s'est progressivement déplacé de la généralisation pure vers la fiabilité et la certifiabilité. Il faut toutefois noter que ces résultats proviennent d'un benchmark de simulation dérivé de LIBERO, pas d'un déploiement industriel réel: le passage à l'échelle sur du matériel physique et dans des environnements réellement non structurés reste l'étape suivante à observer, comme pour la plupart des publications de ce type avant adoption commerciale.

Recherche⚡Actu

1 source

41

4488arXiv cs.RO 

Learning à localiser des trajectoires de référence dans l'espace image pour la navigation visuelle

Des chercheurs ont présenté LoTIS, un nouveau modèle de navigation visuelle pour robots capable de localiser une trajectoire de référence directement dans l'image captée par la caméra du robot, sans calibration caméra, sans données de pose et sans entraînement spécifique à chaque plateforme robotique. Plutôt que de prédire des actions liées à un robot particulier, le système prédit où les points de la trajectoire de référence apparaîtraient dans le champ de vision actuel du robot, ce qui rend le guidage transférable d'une plateforme à l'autre sans réentraînement (zero-shot). Sur des tâches de navigation classique en avant, LoTIS dépasse les méthodes de référence de 20 à 50 points de pourcentage en taux de réussite, atteignant 94 à 98% de succès sur des environnements variés, simulés comme réels. Sur des tâches plus difficiles où les approches existantes échouent, comme la marche arrière, le gain dépasse un facteur cinq. Les auteurs montrent aussi qu'une simple vidéo filmée avec un téléphone suffit à guider différents robots vers n'importe quel point de la trajectoire enregistrée. Code, démonstration et vidéos sont disponibles sur le site des auteurs. Cette avancée s'attaque directement à l'un des points de friction majeurs de la robotique mobile actuelle: la dépendance des systèmes de navigation visuelle à des données spécifiques au robot (calibration caméra, poses précises, entraînement par plateforme), qui limite fortement leur portabilité industrielle. En découplant la perception (localiser où aller dans l'image) de l'action (comment s'y déplacer physiquement), LoTIS ouvre la voie à des workflows où une trajectoire filmée une seule fois, même avec un smartphone, pourrait piloter une flotte hétérogène de robots ou d'AMR sans travail d'intégration lourd par modèle. Ce travail s'inscrit dans une lignée de recherche en navigation par imitation visuelle qui cherchait jusqu'ici à imiter des comportements complets plutôt qu'à simplement localiser une cible dans l'image, une approche jugée plus fragile aux changements de point de vue ou de caméra. La stratégie d'entraînement croisé entre trajectoires proposée par les auteurs vise justement à corriger cette fragilité. Le papier, publié sur arXiv, reste à ce stade une contribution académique; son adoption par des intégrateurs ou fabricants de robots commerciaux reste à démontrer.

Recherche❖Paper

1 source

41

4489arXiv cs.RO 

Apprendre à bouger avant d'agir : pré-entraînement générique pour les VLA

Une équipe de recherche publie sur arXiv (2607.02466v1) un nouveau framework baptisé TAP (Task-Agnostic Pretraining), conçu pour entraîner des modèles Vision-Language-Action (VLA) avec beaucoup moins de démonstrations expertes que les approches classiques. Le constat de départ : la rareté des données étiquetées (observations, instructions et actions) freine le développement des VLA, car les méthodes actuelles mélangent deux apprentissages distincts, la compétence physique (comment bouger) et l'alignement sémantique (quoi faire), alors que seul le second nécessite une supervision par le langage. TAP sépare les deux en deux étapes : une première phase apprend des a priori moteurs transférables à partir de données d'interaction non étiquetées et bon marché, y compris des trajectoires hors tâche généralement écartées et du jeu autonome de robots, via un objectif auto-supervisé de dynamique inverse. Une seconde phase, légère, ancre ensuite ces a priori dans le langage à l'aide d'un minimum de données expertes. Sur le benchmark SIMPLER, TAP égale des modèles entraînés sur plus d'un million de trajectoires expertes tout en utilisant des ordres de grandeur de données étiquetées en moins, avec un gain absolu de 10% sur le behavior cloning standard. Sur une plateforme réelle WidowX, TAP conserve un taux de réussite de 25% face à des perturbations de caméra, là où les baselines entraînées à l'échelle internet chutent à 0%. Ce résultat s'attaque directement à l'un des goulots d'étranglement les plus cités du secteur robotique : le coût de collecte de démonstrations expertes à grande échelle, souvent invoqué pour justifier des besoins massifs en téléopération ou en données simulées coûteuses. En montrant qu'un pré-entraînement task-agnostic sur des données bon marché (trajectoires ratées, jeu robotique non supervisé) peut produire des représentations physiques robustes et transférables, TAP suggère une voie de scalabilité alternative à l'empilement pur de données expertes, un enjeu direct pour les intégrateurs et laboratoires qui cherchent à réduire le coût par déploiement de politiques VLA. Le travail s'inscrit dans la lignée des architectures VLA récentes comme Pi-0 ou GR00T N2, qui cherchent toutes à généraliser au-delà des tâches vues à l'entraînement. La robustesse démontrée face aux perturbations caméra, un scénario classique de dégradation en conditions réelles, en fait un signal notable pour la suite : reste à voir si l'approche se généralise à des plateformes bras-mobiles ou humanoïdes plus complexes que le bras WidowX utilisé ici pour la validation.

Recherche⚡Actu

1 source

41

4490arXiv cs.RO 

Une seule démonstration suffit pour l'apprentissage par renforcement robotique en conditions réelles

Des chercheurs présentent AutoSERL, un framework d'apprentissage par renforcement (RL) pour robots qui n'a besoin que d'une seule démonstration humaine pour apprendre des tâches de manipulation complexes en conditions réelles, sans intervention humaine continue pendant l'entraînement. Le système repose sur trois mécanismes complémentaires : une fenêtre glissante d'intervention qui guide l'exploration pour éviter les minima locaux et les mouvements dangereux, un mécanisme de récupération de sécurité qui détecte les échecs et corrige la trajectoire via des points de reprise prédéfinis, et un critère d'arrêt automatique qui coupe le guidage dès que la politique apprise devient autonome. Les auteurs ont testé AutoSERL sur six tâches de manipulation à contact intensif (insertion, accrochage, tâches à charnière) réparties sur deux plateformes robotiques différentes. Le framework atteint 100% de réussite sur les tâches d'insertion et dépasse systématiquement SERL entraîné avec 20 démonstrations, l'apprentissage par imitation classique (behavior cloning) et MILES, une méthode dédiée à l'apprentissage en un coup, tout en égalant les performances de HIL-SERL qui nécessite lui une supervision humaine continue. L'intérêt pour l'industrie tient à la réduction drastique du coût de collecte de données, généralement le principal frein au déploiement de RL sur du matériel physique. La plupart des approches existantes exigent soit des dizaines de démonstrations, soit un opérateur qui intervient en permanence pendant l'entraînement, ce qui limite le passage à l'échelle en usine ou en intégration industrielle. En automatisant l'intervention à partir d'un seul exemple tout en conservant une robustesse aux variations de position des pièces, AutoSERL rapproche le RL réel de tâches d'assemblage fin, un terrain où les approches purement basées sur l'imitation ou les politiques VLA préentraînées peinent encore à garantir une fiabilité industrielle. Ce travail s'inscrit dans la lignée de SERL et HIL-SERL, frameworks de référence pour le RL avec intervention humaine sur robots physiques, en cherchant à supprimer leur principale contrainte opérationnelle. Le code et les vidéos de démonstration sont publiés par les auteurs sur un site dédié, mais le papier, déposé sur arXiv le 1er juillet 2026, reste à ce stade une contribution de recherche académique évaluée en laboratoire sur deux plateformes robotiques, sans indication de déploiement industriel ni de partenariat commercial annoncé.

Recherche❖Paper

1 source

41

4491arXiv cs.RO 

Transport discrepancy : un signal fiable pour évaluer les modèles vision-langage-action

Article n'a pas d'entreprise/robot associé (papier arXiv académique), je m'en tiens aux faits rapportés, sans inventer d'affiliation ou de déploiement. Des chercheurs ont publié une version révisée sur arXiv (identifiant 2512.01715v2) d'un papier proposant DiG (Discrepancy Gate), un module additionnel destiné aux modèles vision-langage-action (VLA) qui génèrent leurs séquences de mouvement via flow matching. Le problème visé est concret : ces modèles n'ont aujourd'hui aucun moyen interne de savoir si une prédiction d'action est fiable, alors qu'un changement de distribution des données ou une tâche longue peuvent faire dériver les représentations internes du réseau loin de la zone où la tête d'action décode correctement. Les auteurs montrent que le coût de transport (mesuré via une distance de Wasserstein tranchée, ou sliced Wasserstein) entre les features de l'encodeur et la projection d'entrée de l'expert d'action augmente précisément au moment de cette dérive. DiG exploite ce signal : il le fait passer par une porte exponentielle qui module à la fois un raffinement résiduel des features et la fonction de perte à l'entraînement. À l'inférence, cette porte active un mécanisme baptisé DiG-Refine, qui corrige itérativement les séquences d'action avant leur exécution. Testé en simulation et en conditions réelles, DiG améliore de façon constante le taux de réussite des tâches, avec les gains les plus marqués sur les scénarios de changement de distribution et les tâches à long horizon. L'enjeu dépasse le seul confort académique : les architectures VLA à flow matching, sur lesquelles s'appuient plusieurs modèles de fondation robotique actuels générant des chunks d'action continus, fonctionnent aujourd'hui en boîte noire, sans jauge de confiance embarquée. Pour un intégrateur ou un opérateur industriel, l'absence d'un tel signal signifie qu'un robot peut exécuter une action erronée sans que le système sache qu'il est en train de dériver, un problème critique dès qu'on sort du cadre démo pour aller vers un déploiement en usine ou en entrepôt. DiG répond directement au fossé entre démonstration et fiabilité réelle en offrant un mécanisme d'auto-correction sans supervision supplémentaire ni réentraînement lourd, ce qui en fait un candidat pour être greffé sur des politiques existantes plutôt qu'une refonte d'architecture. Le papier s'inscrit dans la lignée des travaux récents sur le flow matching comme méthode de génération d'actions continues, une approche de plus en plus répandue dans les politiques robotiques génératives modernes en remplacement des méthodes de diffusion classiques ou du apprentissage par imitation discret. Il ne s'agit pas ici d'un produit commercial ni d'un déploiement annoncé, mais d'une contribution méthodologique destinée à la communauté recherche, publiée en tant que "replace" d'une version antérieure du même travail. Les suites logiques attendues sont une adoption potentielle par des équipes développant des politiques VLA en production, ainsi que des comparaisons futures avec d'autres approches de détection d'incertitude pour les modèles d'action continue.

Recherche❖Paper

1 source

41

4492arXiv cs.RO 

CaP-X : un cadre pour évaluer et améliorer les agents de codage pour la manipulation robotique

Des chercheurs publient CaP-X, un framework open-access destiné à évaluer et améliorer les agents de type "Code-as-Policy" pour la manipulation robotique, selon un article déposé sur arXiv (2603.22435v2). Le système s'appuie sur CaP-Gym, un environnement interactif où des agents pilotent des robots en générant et exécutant du code combinant des primitives de perception et de contrôle. Sur cette base, les auteurs construisent CaP-Bench, un banc d'essai qui compare 12 modèles de langage et modèles vision-langage frontier selon différents niveaux d'abstraction, d'interaction et d'ancrage perceptif. Le travail aboutit à deux propositions concrètes : CaP-Agent0, un framework ne nécessitant aucun entraînement supplémentaire, et CaP-RL, une méthode d'apprentissage par renforcement avec récompenses vérifiables, testée en simulation puis transférée sur robots réels. L'enjeu dépasse le simple exercice académique : l'approche "code comme politique de contrôle" est présentée comme un complément aux méthodes Vision-Language-Action (VLA), très gourmandes en données, qui dominent aujourd'hui la robotique humanoïde et industrielle. CaP-Bench met en évidence une faiblesse structurelle des agents actuels, leur performance chute nettement dès que les abstractions conçues par des humains sont retirées, ce qui révèle une dépendance excessive au travail d'ingénierie préalable plutôt qu'à une véritable autonomie de raisonnement. Pour les intégrateurs et décideurs industriels, ce résultat tempère l'idée que les grands modèles suffiraient seuls à piloter des bras ou des humanoïdes sans échafaudage logiciel dédié. À l'inverse, les auteurs montrent que multiplier les tours d'interaction, le retour d'exécution structuré, la différenciation visuelle et la synthèse automatique de compétences comble une grande partie de cet écart, même sur des primitives de bas niveau. Ce travail s'inscrit dans le prolongement des recherches sur le "Code-as-Policy", initiées pour donner aux modèles de langage une interface exécutable vers le contrôle robotique, en alternative aux pipelines VLA de bout en bout. En documentant précisément où les agents actuels échouent et en ouvrant l'accès à son environnement de test, CaP-X vise à devenir une plateforme de référence pour comparer objectivement les approches futures, avant un possible passage à l'échelle sur des tâches de manipulation réelles plus complexes.

Recherche❖Paper

1 source

40

4493arXiv cs.RO 

Bridge-WA : prédire où et comment le monde change pour l'action robotique

Une équipe de chercheurs présente Bridge-WA, un nouveau framework "world-action" léger destiné aux modèles de manipulation robotique vision-langage-action (VLA), décrit dans un article publié sur arXiv (2607.02195v1) début juillet. Plutôt que de s'appuyer sur de lourds modèles génératifs du monde ou des séquences denses d'images futures pour anticiper les changements de scène, coûteux en calcul et souvent focalisés sur des détails visuels peu utiles au contrôle, Bridge-WA distille un "teacher" figé de prédiction des changements futurs en trois représentations compactes : des tokens de résultat visé, des cartes de changement pour identifier les zones d'intervention, et des cartes de flux de mouvement pour la direction locale des transitions. Un module appelé WorldBridge conditionne ensuite le transformer d'action sur ces trois priors via des mémoires d'attention multi-sources et des biais spatio-temporels, tandis que le modèle enseignant est retiré au moment de l'inférence. Les auteurs évaluent leur approche sur les benchmarks VLABench, RoboTwin2.0 et LIBERO-Plus, ainsi que sur des tests en robot réel, avec des gains en taux de réussite, en progression de tâche et en robustesse, particulièrement marqués face à des variations visuelles hors distribution. L'intérêt pour l'industrie robotique tient à la promesse d'un compromis efficacité-robustesse : obtenir les bénéfices d'un raisonnement sur l'évolution future de la scène sans payer le coût de génération d'images denses au déploiement, un frein connu pour l'intégration temps réel des modèles VLA. En filtrant les facteurs de nuisance comme le fond, l'éclairage ou les distracteurs pour se concentrer sur où et comment la scène va changer, l'approche s'attaque directement à l'écart généralisation/robustesse qui limite souvent le passage de la démonstration en labo au déploiement industriel. Le travail s'inscrit dans la lignée des modèles VLA à grande échelle qui cherchent à coupler perception, langage et action, un axe de recherche actif depuis l'essor de modèles génériques de manipulation. Comme il s'agit ici de résultats de recherche publiés par les auteurs eux-mêmes sur leurs propres benchmarks, sans déploiement industriel ni validation tierce à ce stade, la prudence reste de mise sur la portée réelle des gains annoncés. Le code et des visualisations sont mis à disposition sur le site du projet, ouvrant la voie à une reproduction indépendante des résultats.

IA physique⚡Actu

1 source

39

4494arXiv cs.RO 

ManipArena : évaluation exhaustive en conditions réelles de la manipulation robotique généraliste orientée raisonnement

Le laboratoire à l'origine de ce papier arXiv (identifiant 2603.28545, version 2, soumission de type remplacement) présente ManipArena, un cadre d'évaluation standardisé pour la manipulation robotique en conditions réelles. Le benchmark couvre 20 tâches distinctes, s'appuie sur 10 812 trajectoires expertes et 13,5 millions d'images, pour un total d'environ 188 heures de fonctionnement robotique cumulées sur des scénarios de manipulation de table et de manipulation mobile. Le protocole combine variation de tâches définie par schéma, essais stratifiés en distribution, en décalage visuel et hors distribution sémantique, notation par crédit partiel au niveau des sous-tâches, annotations linguistiques à trois niveaux de granularité, signaux moteurs bas niveau, et environnements simulés jumeaux reconstruits à partir de scènes physiques réelles. Les chercheurs ont utilisé ce dispositif pour évaluer sept configurations de manipulation de table, couvrant à la fois des modèles vision-langage-action (VLA) et des modèles dits world-action. L'enjeu dépasse la simple création d'un nouveau jeu de tests. Les benchmarks en simulateur, bien que reproductibles et faciles à mettre à l'échelle, ne capturent pas fidèlement l'écart entre simulation et réel, ce dernier étant causé par le bruit de perception, la dynamique de contact, la latence et les erreurs de calibration. À l'inverse, les évaluations sur robots physiques existantes sont dispersées entre plateformes, scènes et règles de notation différentes, ce qui rend toute comparaison rigoureuse quasi impossible. Résultat clé de l'étude: les performances mesurées sur robot réel ne dépendent pas seulement de l'architecture du modèle, mais aussi de sa provenance, du régime de fine-tuning, de l'échantillonnage des données d'entraînement et de la granularité des annotations. Pour les intégrateurs et décideurs industriels, ce constat invite à relativiser fortement les annonces de performance basées uniquement sur des démonstrations vidéo ou des scores en simulation. Ce travail s'inscrit dans la course actuelle autour des modèles généralistes de contrôle robotique (VLA et world-action), un domaine où les affirmations de généralisation restent difficiles à vérifier faute de méthodologie commune. En proposant un référentiel reproductible avec attribution fine des échecs, ManipArena vise à devenir un outil diagnostique de référence pour mesurer les véritables limites de capacité de ces modèles, plutôt qu'un simple classement de plus.

Recherche❖Paper

1 source

39

4495arXiv cs.RO 

VLAFlow : un cadre d'entraînement unifié pour les modèles vision-langage-action via co-entraînement et alignement latent futur

Des chercheurs présentent VLAFlow (Vision-Language-Action Flow), un framework unifié de flow-matching destiné à comparer objectivement les différents paradigmes d'entraînement des modèles vision-langage-action (VLA) en manipulation robotique. L'étude s'appuie sur OXEMix, un corpus hétérogène d'environ 5 000 heures de données combinant DROID, OpenX-Embodiment, OpenX-Augmented et RoboCOIN. Sous une architecture commune de type pi-0, avec le même backbone VLM, le même action expert et un espace d'action à 14 dimensions, les auteurs évaluent quatre approches strictement comparables : l'entraînement sur les seules actions (MindPI), le co-entraînement supervisé par le langage (MindLPI), l'alignement des représentations latentes futures (MindWPI), et leur combinaison (MindLWPI). Les tests sont menés sur trois bancs d'essai de référence : LIBERO, LIBERO-Plus et SimplerEnv. Pour les équipes qui entraînent des modèles VLA sur des données robotiques hétérogènes, l'apport principal n'est pas un nouveau produit mais une comparaison contrôlée rare dans un champ où architecture, données et protocole d'évaluation varient habituellement d'un papier à l'autre, rendant les résultats difficiles à départager. Les résultats montrent que l'entraînement action seule se dégrade quand les données proviennent de sources trop diverses, un signal utile pour qui envisage de simplement agréger des jeux de données multi-robots sans garde-fou. La supervision par le langage préserve la généralisation vision-langage, et l'alignement latent futur améliore la modélisation des transitions d'état et des relations action-résultat. La combinaison des deux signaux (MindLWPI) offre le transfert le plus stable sur l'ensemble des bancs d'essai, suggérant qu'un espace de méta-action combinant contraintes linguistiques et prédictives rend l'apprentissage par imitation plus robuste au passage à l'échelle. Ce travail s'inscrit dans la lignée des architectures pi-0 popularisées par Physical Intelligence, dans un paysage où Nvidia (GR00T N2), Figure (Helix) ou d'autres laboratoires développent également des modèles généralistes pour la manipulation robotique. Contrairement à des annonces produit, il s'agit ici d'une publication de recherche (preprint arXiv) centrée sur la méthodologie d'entraînement plutôt que sur un déploiement matériel. Les auteurs positionnent VLAFlow comme un socle reproductible pour de futures comparaisons de paradigmes, sans annoncer pour l'instant de calendrier de mise à disposition du code ou des poids du modèle.

Recherche⚡Actu

1 source

39

4496arXiv cs.RO 

« Guidage de sécurité neuro-symbolique pour modèles vision-langage-action via appariement de flux contraint »

Des chercheurs proposent une nouvelle méthode de sécurité pour les modèles Vision-Language-Action (VLA), les systèmes d'IA qui pilotent de plus en plus de robots humanoïdes et bras manipulateurs. Publiée sur arXiv (référence 2607.01378), l'étude cible spécifiquement les VLA basés sur le flow matching, une technique qui prédit non pas une seule action mais une trajectoire complète via un processus itératif de débruitage neuronal, à l'image de Pi-0, GR00T N2 ou Helix. Le problème identifié: les garde-fous de sécurité actuels ne bloquent que l'action immédiate du robot, sans anticiper les collisions à venir. La méthode proposée, baptisée guidage neuro-symbolique, reformule la sécurité comme un problème d'optimisation sous contrainte à norme minimale, appliqué directement pendant le débruitage des trajectoires intermédiaires bruitées. Testée sur le benchmark SafeLIBERO, elle atteint 82,8% d'évitement de collision et 81,6% de réussite des tâches, soit des gains de 6,3 et 19,8 points par rapport aux méthodes à une seule étape, les progrès les plus marqués apparaissant sur les tâches longues où les erreurs de trajectoire s'accumulent. Pour l'industrie robotique, cette avancée s'attaque à un angle mort réel du déploiement des VLA en usine ou en entrepôt: la plupart des systèmes actuels réagissent après coup plutôt que d'anticiper. Une correction en amont, intégrée au cœur du processus génératif plutôt qu'ajoutée en filtre externe, pourrait réduire les arrêts d'urgence et les interventions humaines sur les lignes où ces modèles pilotent des bras ou des robots mobiles autonomes (AMR). Le gain le plus significatif sur les tâches longues est particulièrement pertinent pour les intégrateurs, puisque c'est précisément sur ces séquences que les architectures VLA actuelles échouent le plus souvent en conditions réelles. Ce travail s'inscrit dans une littérature grandissante sur la sécurité des VLA, alors que ces modèles passent rapidement du stade de démonstration à des déploiements pilotes chez plusieurs acteurs de la robotique humanoïde. Les auteurs comparent leur approche aux méthodes de sécurité "single-step" existantes et proposent des démonstrations vidéo sur leur page de projet dédiée. Reste à voir si cette approche neuro-symbolique, validée pour l'instant en simulation sur SafeLIBERO, tiendra la route sur du matériel physique et à des cadences de production industrielles.

Recherche❖Paper

1 source

39

4497arXiv cs.RO 

Robots à bras multiples : apprentissage neuronal de l'accessibilité Hamilton-Jacobi pour la planification décentralisée de trajectoires sûres

Une équipe de chercheurs propose NeHMO, une méthode d'apprentissage par réseau de neurones basée sur la réductibilité de Hamilton-Jacobi (HJR) pour la planification de mouvement multi-bras en sécurité et de façon décentralisée. Le papier, publié sur arXiv (arXiv:2507.13940, version 2), s'attaque au problème de la coordination de plusieurs bras robotiques évoluant dans un espace de configuration couplé et de haute dimension. Plutôt que de s'appuyer sur un planificateur centralisé qui coordonne tous les bras mais peine à passer à l'échelle en temps réel, ou sur des méthodes décentralisées existantes qui supposent un comportement prévisible des autres bras, les auteurs entraînent une fonction de valeur de sécurité qui capture les contraintes de collision inter-bras dans le pire des cas. Cette représentation apprise alimente ensuite un module d'optimisation de trajectoire décentralisé, exécutable en temps réel sur chaque bras indépendamment. L'enjeu dépasse l'exercice académique: la planification multi-bras sûre est un goulot d'étranglement concret pour les cellules de fabrication et les postes d'assemblage où plusieurs manipulateurs partagent un espace de travail restreint. Les approches centralisées classiques deviennent impraticables dès que le nombre de bras augmente, tandis que les méthodes décentralisées à base d'apprentissage profond échouent dès qu'un bras voisin dévie d'un comportement anticipé, c'est à dire exactement le scénario que redoutent les intégrateurs industriels en environnement non coopératif. En garantissant une sécurité dans le pire des cas plutôt qu'une prédiction probable de comportement, NeHMO répond à une limite reconnue des architectures actuelles: la fragilité face à l'imprévisibilité, sans sacrifier le passage à l'échelle. La réductibilité de Hamilton-Jacobi est un outil classique de la théorie du contrôle pour la vérification formelle de sécurité, historiquement trop coûteux en calcul pour des systèmes multi-bras à haute dimension. L'apport ici est de le rendre tractable via une approximation neuronale, généralisable à différentes configurations de manipulateurs sans réentraînement complet. Selon les auteurs, la méthode surpasse les références de l'état de l'art sur des tâches de planification multi-bras jugées difficiles. Il s'agit toutefois d'un résultat de recherche publié en preprint, sans partenaire industriel ni déploiement annoncé à ce stade.

Recherche❖Paper

1 source

39

4498arXiv cs.RO 

Adaptabilité pour robots suiveurs de groupe : gérer des formations qui changent dynamiquement

Une équipe de chercheurs a publié le 1er juillet 2026 sur arXiv (référence 2607.01287v1) une nouvelle méthode permettant à des robots sociaux d'accompagner un groupe de personnes dont la formation change en permanence, plutôt que de suivre une disposition fixe. Le système repose sur des modèles vision-langage (VLM) chargés d'inférer en temps réel la position optimale du robot par rapport au groupe, de maintenir des distances sociales appropriées et de comprendre la dynamique collective des déplacements. Concrètement, un module de perception détecte d'abord les membres du groupe puis génère une représentation visuelle de l'espace d'interaction, transmise au VLM ; les décisions de haut niveau sont ensuite converties en trajectoires sûres via un contrôleur MPPI (Model Predictive Path Integral), qui gère la stabilité et évite les collisions. Testée sur cinq scénarios différents, l'approche affiche une amélioration de 15% du taux de réussite et une réduction de 25% du taux de collision par rapport aux méthodes de référence, avec en complément une étude utilisateur jugeant les comportements du robot naturels et socialement appropriés. Pour l'industrie de la robotique sociale, ce travail s'attaque à un angle mort classique des robots compagnons et guides : la plupart des systèmes existants supposent une formation de groupe stable (file, cercle), une hypothèse qui s'effondre dès que des personnes changent de vitesse, se dispersent ou se regroupent, comme c'est le cas dans un musée, un hall d'exposition ou un espace commercial. Coupler le raisonnement sémantique d'un VLM à un contrôleur de trajectoire classique illustre une tendance plus large du secteur : utiliser les grands modèles pour la compréhension de la scène et la prise de décision, tout en laissant le contrôle bas niveau à des méthodes d'optimisation éprouvées, jugées plus fiables pour la sécurité. Il s'agit toutefois d'un article de recherche fraîchement mis en ligne, sans mention de partenaire industriel ni de déploiement réel au-delà des scénarios expérimentaux décrits. Le papier s'inscrit dans la lignée des travaux sur la navigation robotique consciente des humains (human-aware navigation), un domaine où academiques et fabricants de robots de service cherchent depuis plusieurs années à dépasser les formations rigides. Les prochaines étapes attendues seraient des tests en conditions réelles avec des groupes plus nombreux et des environnements encombrés.

Recherche❖Paper

1 source

39

4499arXiv cs.RO 

Distiller les dynamiques collaboratives dans un espace latent pour une coordination implicite en manipulation multi-agents décentralisée

Un article mis à jour sur arXiv (version 2, référence 2606.22982) présente CLS-DP, un cadre décentralisé pour la manipulation multi-bras par des agents robotiques. Le système répond à un problème concret : les approches centralisées de coordination multi-agents passent mal à l'échelle quand le nombre de bras augmente, car elles exigent une vue globale partagée et des échanges d'état constants. CLS-DP suit le paradigme CTDE (entraînement centralisé, exécution décentralisée) : pendant l'entraînement, il distille dans un espace latent les dynamiques privilégiées de coordination multi-agents ; au déploiement, chaque bras infère ce "latent collaboratif" à partir de sa seule observation RGB locale et d'une instruction de tâche partagée, puis conditionne dessus son processus de débruitage par diffusion, sans communication inter-agents ni état global explicite. Sur six tâches du benchmark RoboFactory impliquant de deux à quatre agents, CLS-DP atteint un taux de réussite moyen de 38%, contre 20% pour la meilleure référence centralisée testée et seulement 9% pour une version décentralisée privée du latent collaboratif. Ce résultat contredit une hypothèse répandue en robotique multi-bras : qu'une coordination fine nécessite forcément une communication explicite ou une vue centralisée de la scène. En montrant qu'un latent appris peut encoder implicitement les dynamiques collaboratives à partir d'une simple image locale, CLS-DP ouvre la voie à des cellules multi-robots qui passent à l'échelle sans coût de communication croissant, un enjeu direct pour les intégrateurs qui déploient des postes de manipulation coopérative en usine. Les cartes d'attribution des auteurs montrent que chaque agent, conditionné sur ce latent, porte une attention élevée non seulement sur ses propres articulations et sa pince, mais aussi sur celles de ses coéquipiers pendant toute l'exécution, preuve que l'information de coordination circule réellement dans la représentation apprise. Pour qui évalue des architectures VLA (vision-language-action) en environnement multi-agent, le travail suggère qu'on peut réduire le coût de calcul par agent tout en égalant, voire en dépassant, des références centralisées plus lourdes. Ce travail s'inscrit dans la lignée des politiques de manipulation par diffusion, devenues une alternative courante au clonage comportemental classique, et s'appuie sur RoboFactory comme benchmark commun pour l'évaluation multi-agents. Le choix du paradigme CTDE rapproche aussi cette recherche des méthodes d'apprentissage par renforcement multi-agents, où entraînement centralisé et exécution décentralisée sont devenus un standard pour équilibrer performance et scalabilité. L'article ne mentionne aucun déploiement industriel ni partenariat avec un fabricant de bras robotiques : il s'agit pour l'instant d'un résultat validé en simulation, sans calendrier annoncé de transfert vers du matériel réel. L'étape logique suivante serait une validation sim-to-réel sur des cellules physiques à deux ou trois bras, véritable épreuve pour une méthode qui promet de faire tenir la coordination fine dans une seule caméra RGB par agent.

Recherche❖Paper

1 source

38

4500arXiv cs.RO 

SE(2) : un maillage de navigation pour la planification de trajectoires

Des chercheurs proposent le SE(2) Navigation Mesh (SE(2) NavMesh), une nouvelle représentation cartographique pour la navigation globale des robots terrestres dans des environnements complexes à plusieurs niveaux, comme les bâtiments multi-étages ou les entrepôts encombrés. Publiée sur arXiv sous la référence 2607.01454v1, l'étude part d'un constat: les nuages de points et les cartes d'occupation volumétrique manquent de structure de surface explicite pour estimer la franchissabilité du terrain, tandis que la recherche de chemin directe sur des maillages triangulaires denses reste trop coûteuse en calcul. Les navmesh classiques, qui découpent l'espace en polygones traversables, supposent que la franchissabilité ne dépend pas de l'orientation du robot, ce qui les rend inadaptés aux robots non circulaires évoluant dans des espaces contraints. Le SE(2) NavMesh corrige ce défaut en évaluant la franchissabilité via des masques d'empreinte au sol et en construisant un graphe organisé en couches spécifiques à chaque orientation, avec une connectivité translationnelle et rotationnelle explicite. Les auteurs introduisent aussi une stratégie de recherche de chemin en deux temps, baptisée A-String Pulling-A (ASA), qui optimise hiérarchiquement la position puis le cap du robot, ainsi qu'une méthode en ligne mettant à jour incrémentalement le NavMesh à partir de flux de nuages de points pendant la reconstruction géométrique de l'environnement. En simulation, le SE(2) NavMesh capture plus de 50% de surface traversable en plus qu'un navmesh classique, et le pipeline SE(2) NavMesh + ASA surpasse systématiquement les méthodes d'échantillonnage de référence dans les espaces confinés. Des expériences réelles sur robot physique confirment la génération en temps réel et une navigation réussie dans plusieurs environnements. Cette avancée cible un angle mort persistant de la navigation robotique: la plupart des pipelines actuels traitent le robot comme un disque, une approximation valable pour des AMR circulaires mais qui échoue dès qu'un châssis allongé, asymétrique ou muni d'un bras déployé doit se faufiler entre des obstacles serrés. Pour les intégrateurs qui déploient des robots logistiques ou des plateformes mobiles à bras manipulateur dans des entrepôts, usines ou bâtiments à plusieurs niveaux, cette limite se traduit par des chemins sous-optimaux, des blocages évitables ou des marges de sécurité excessives qui réduisent l'espace exploitable. En démontrant qu'une représentation sensible à l'orientation peut être calculée et mise à jour en temps réel, y compris pendant la reconstruction de la carte, les auteurs répondent à une objection fréquente: que ce type d'approche serait trop coûteux pour tourner en embarqué. Le gain de plus de 50% en surface traversable exploitable n'est pas un détail marginal, il implique potentiellement moins de détours et une meilleure utilisation de l'espace dans des contextes où chaque mètre carré compte, comme les micro-fulfillment centers ou les couloirs étroits d'établissements de santé. Le travail s'inscrit dans la lignée des recherches sur la planification de trajectoire pour robots terrestres, longtemps tiraillées entre deux extrêmes: les cartes d'occupation, simples à construire mais pauvres en information de franchissabilité, et les maillages triangulaires denses, riches en détail mais trop lourds pour une recherche de chemin en temps réel. Les navmesh polygonaux classiques, utilisés de longue date dans le jeu vidéo puis adoptés par la robotique mobile, avaient déjà réglé le problème du coût de calcul, mais au prix de l'hypothèse simplificatrice d'une franchissabilité indépendante de l'orientation. Le SE(2) NavMesh se positionne comme une extension directe de cette famille de méthodes, en ajoutant la dimension manquante sans revenir à la complexité des maillages denses. Les auteurs valident leur approche à la fois en simulation et sur un robot physique réel, ce qui traduit une volonté de rapprocher rapidement cette technique du terrain plutôt que de la cantonner au stade théorique. Les suites attendues pour ce type de travaux incluent généralement l'intégration dans des piles logicielles de navigation existantes et des tests à plus grande échelle sur des flottes hétérogènes.

Recherche❖Paper

1 source