RechercheInteresting Engineering1sem

Des scientifiques de Harvard conçoivent des filaments imprimés en 3D inspirés des éléphants pour la robotique souple

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de la Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) et du Wyss Institute ont mis au point une méthode d'impression 3D permettant de fabriquer des muscles artificiels programmables directement à la conception. La technique, développée dans le laboratoire du Pr Jennifer Lewis, s'appuie sur une buse rotative extrudant simultanément deux matériaux distincts : un élastomère à cristaux liquides (LCE) dit "actif", qui se contracte physiquement sous l'effet de la chaleur, et un élastomère souple "passif" qui reste inerte. Cette extrusion en rotation génère une structure interne hélicoïdale dont le pas et l'angle déterminent à l'avance le comportement mécanique du filament une fois activé. Quand la température monte, la traction du LCE contre la résistance du matériau passif force le brin à se plier, se tordre ou s'enrouler selon la géométrie encodée à l'impression, sans assemblage ni post-traitement mécanique. Des prototypes fonctionnels ont été réalisés, notamment des filtres actifs thermos-sensibles et des pinces multi-objets capables d'attraper ou de relâcher des particules selon la position de l'élastomère actif dans la section. La miniaturisation est déjà engagée : des buses spéciales et des encres dédiées permettent de produire des filaments de 100 microns de diamètre. Les résultats sont publiés dans les Proceedings of the National Academy of Sciences.

L'intérêt industriel de cette approche réside dans la programmabilité à la source : la trajectoire mécanique du filament est définie pendant l'impression, ce qui élimine les étapes d'assemblage multicouches typiques des actionneurs souples classiques. Pour les intégrateurs en robotique douce, cela signifie une réduction potentielle des cycles de fabrication et une montée en complexité fonctionnelle sans multiplication des composants. La capacité à passer d'un filament simple à un réseau architectural - grilles sinusoïdales, treillis expansibles ou contractiles - ouvre la voie à des préhenseurs reconfigurables pour la manipulation d'objets délicats, un segment où les solutions pneumatiques actuelles restent lourdes à déployer. La preuve que la morphologie active peut être encodée dans la microstructure du matériau lui-même, plutôt que pilotée par un système d'actionnement externe, valide une hypothèse centrale de la recherche en soft robotics.

Les élastomères à cristaux liquides sont connus depuis plusieurs décennies mais leur intégration dans des process de fabrication reproductibles et scalables restait un verrou. Le laboratoire Lewis à Harvard travaille depuis plusieurs années sur l'impression multi-matériaux fonctionnelle, notamment pour des structures biomédicales et des électroniques souples. Dans le paysage concurrentiel, des équipes comme celles du MIT (CSAIL), de l'ETH Zurich et de start-ups telles qu'Otherlab ou Soft Robotics Inc. développent des actionneurs souples par voies pneumatiques ou câblées. L'approche Harvard se distingue par l'absence totale d'alimentation fluidique ou mécanique externe à l'activation thermique. Les développements annoncés visent à intégrer des canaux en métal liquide pour permettre l'actionnement électrique, et à produire des filaments injectables auto-bloquants pour des applications biomédicales. Aucun calendrier de commercialisation ni partenariat industriel n'a été communiqué à ce stade : il s'agit d'une preuve de concept publiée en amont d'éventuels pilotes.

À lire aussi

1New Atlas Robotics

Pince robotique inspirée de la pieuvre : souple pour agripper, rigide pour soulever

Des chercheurs de l'université de Pékin, de la National University of Singapore (NUS) et de l'université du Zhejiang ont conçu un préhenseur robotique s'inspirant de la mécanique des tentacules de pieuvre. Le principe : la structure adopte un état mou et déformable pour envelopper et saisir un objet irrégulier, puis se rigidifie pour assurer la prise en charge et le soulèvement. L'article source ne divulgue pas les métriques précises de charge utile ni les temps de cycle, ce qui limite l'évaluation indépendante des performances réelles. Cette approche par rigidité variable s'attaque à l'un des problèmes fondamentaux de la préhension robotique industrielle : un effecteur trop rigide brise les pièces fragiles, trop souple il perd sa charge ou manque de capacité de levage. Les mains humaines résolvent cet antagonisme grâce à la combinaison os-peau-muscles. Reproduire cette propriété en mécatronique ouvre la voie à des manipulateurs capables de traiter indifféremment des objets délicats (alimentaire, pharmaceutique) et des charges lourdes sur une même ligne, sans changement d'outillage. Le domaine des grippers bio-inspirés est actif : Festo (Allemagne) exploite les jets d'eau et structures pneumatiques depuis des années, Harvard Biodesign et Soft Robotics Inc. commercialisent des effecteurs en silicone gonflable, et plusieurs startups comme Soft Robotics (racheté par Piab en 2023) ont déjà industrialisé des solutions souples. Ce travail académique conjoint reste à ce stade une démonstration de laboratoire ; aucun partenariat industriel ni calendrier de transfert technologique n'est annoncé dans la publication disponible.

RecherchePaper

1 source

2arXiv cs.RO

Planification heuristique à base de LLM pour la navigation robotique dans des environnements dynamiques, intégrant la conscience sémantique du risque

Des chercheurs ont publié début mai 2026, via un preprint arXiv (2605.02862), un planificateur de navigation robotique baptisé SRAH (Semantic Risk-Aware Heuristic), conçu pour intégrer des principes de raisonnement issus des grands modèles de langage (LLM) dans le cadre classique de recherche de chemin A. L'algorithme encode des fonctions de coût sémantiques qui pénalisent les zones géométriquement encombrées ou identifiées comme à risque élevé, et déclenche un replanification en boucle fermée dès qu'un obstacle dynamique est détecté. Les auteurs l'ont évalué sur 200 essais randomisés dans un environnement grille 15x15 cases, avec 20% de densité d'obstacles statiques et des obstacles dynamiques stochastiques. SRAH atteint un taux de succès de 62,0%, contre 56,5% pour BFS avec replanification (soit +9,7% d'amélioration relative) et 4,0% pour une heuristique Greedy sans replanification. Une étude d'ablation sur la densité d'obstacles confirme que le façonnage sémantique des coûts améliore la navigation sur des environnements de difficulté variable. Ce travail s'inscrit dans un courant de recherche qui cherche à exploiter la capacité des LLM à encoder du raisonnement contextuel sans les déployer en inférence temps réel, ce qui réduirait la latence et les coûts de calcul embarqués. L'idée centrale, injecter une représentation sémantique du risque dans la fonction heuristique d'A, est pertinente pour les développeurs d'AMR (robots mobiles autonomes) industriels confrontés à des environnements semi-structurés changeants. Cela dit, les résultats doivent être nuancés : un taux de succès de 62% dans une grille 15x15 reste modeste pour une tâche de navigation, et la comparaison avec un Greedy sans replanification est méthodologiquement inégale. La valeur démontrée reste celle de principe, pas de déploiement à l'échelle. La navigation en environnement dynamique est un problème central depuis les travaux fondateurs sur A (Hart, Nilsson, Raphael, 1968) et les variantes D et D*-Lite des années 1990-2000. L'émergence des LLM a relancé l'intérêt pour des heuristiques fondées sur la sémantique plutôt que sur la pure géométrie, une piste explorée par des équipes comme celles de Stanford (SayCan, 2022) ou de Google DeepMind avec RT-2. Sur le segment de la navigation mobile, des acteurs comme Boston Dynamics, MiR ou Exotec (France) intègrent déjà des couches de replanification dynamique dans leurs flottes d'AMR industriels. Ce preprint n'annonce pas de produit ni de déploiement : c'est une contribution algorithmique à valider sur des benchmarks plus réalistes (ROS 2, Gazebo, environnements 3D) avant tout transfert industriel.

UECe preprint pourrait à terme informer les développeurs d'AMR industriels européens sur les heuristiques sémantiques LLM, mais les résultats restent trop préliminaires et le benchmark trop limité (grille 15x15) pour un transfert industriel immédiat.

RecherchePaper

1 source

3arXiv cs.RO

Scensory : perception olfactive robotique en temps réel pour l'identification conjointe et la localisation de source

Des chercheurs ont publié sur arXiv (référence 2509.19318, version révisée en 2026) un système baptisé Scensory, conçu pour doter les robots d'une capacité olfactive temps réel appliquée à la détection de contaminations fongiques en intérieur. Le framework repose sur des réseaux de capteurs VOC (composés organiques volatils) bon marché et à sensibilité croisée, couplés à des réseaux de neurones capables d'analyser de courtes séries temporelles de 3 à 7 secondes. Sur un panel de cinq espèces fongiques testées en conditions ambiantes, Scensory atteint 89,85 % de précision pour l'identification de l'espèce et 87,31 % pour la localisation de la source. Les deux tâches sont résolues simultanément, à partir d'un même flux de données capteurs. Ce résultat est techniquement significatif parce que les signaux chimiques en diffusion libre sont particulièrement difficiles à exploiter : contrairement à la vision ou au toucher, où le signal est directionnel et localisé, les panaches olfactifs se dispersent de manière stochastique selon les flux d'air ambiants. Que des capteurs VOC grand public, combinés à un apprentissage supervisé sur données collectées automatiquement par le robot, permettent de relier dynamique temporelle du signal et position spatiale de la source change l'équation économique du nez électronique embarqué. Jusqu'ici, la perception chimique robotique supposait soit des capteurs spécialisés coûteux, soit des conditions contrôlées de laboratoire. Scensory suggère qu'une approche data-driven sur matériel accessible peut combler une partie de ce fossé. Le domaine de l'olfaction robotique reste nettement en retard sur la vision et la manipulation, malgré des travaux académiques réguliers depuis les années 2000 sur les nez électroniques (e-nose) et la navigation par gradient chimique. Les applications visées par Scensory, inspection de bâtiments, monitoring environnemental indoor, contrôle qualité alimentaire, n'ont pas encore de solution robotique commerciale établie. Le papier reste un résultat académique sur arXiv sans déploiement annoncé ni partenaire industriel identifié ; les performances reportées devront être validées sur un spectre élargi d'espèces, de conditions d'humidité et de géométries de pièce avant d'envisager une intégration produit.

RecherchePaper

1 source

4arXiv cs.RO

Contrôle anti-enchevêtrement par topologie pour robots souples

Des chercheurs ont publié sur arXiv (référence arXiv:2605.05236v1) un cadre d'apprentissage par renforcement multi-agent baptisé TD-MARL (Topology-Driven Multi-Agent Reinforcement Learning), conçu pour coordonner plusieurs robots souples afin d'éviter les enchevêtrements dans des environnements de fabrication de précision fortement contraints. L'architecture repose sur un réseau critique à apprentissage centralisé, permettant à chaque agent de percevoir les stratégies de ses homologues via un état topologique partagé, couplé à une exécution distribuée qui supprime tout besoin de communication inter-robots en temps réel. Un composant central, la couche de sécurité topologique, exploite des invariants topologiques pour évaluer quantitativement et atténuer les risques d'enchevêtrement avant qu'ils ne bloquent les trajectoires. Les expériences présentées sont entièrement en simulation ; aucun déploiement sur hardware physique n'est rapporté à ce stade. Ce travail s'attaque à un verrou identifié dans les systèmes multi-robots déformables : les frameworks distribués classiques peinent à converger en environnements haute densité d'obstacles, car l'observabilité partielle de chaque agent génère une instabilité d'entraînement. En introduisant la topologie comme état partagé plutôt que des coordonnées brutes, TD-MARL réduit la dimensionnalité du problème de coordination tout en préservant l'information structurelle critique pour le désenchevêtrement. Pour les intégrateurs industriels qui déploient des robots souples en assemblage de précision ou en gestion de câbles, cette approche ouvre la voie à une coordination autonome sans infrastructure de communication dédiée, simplifiant l'architecture système. Le papier ne quantifie pas l'écart simulation-réel (sim-to-real gap), ce qui constitue la principale limite à l'extrapolation industrielle. La robotique souple connaît un regain d'intérêt pour les tâches de manipulation en espace confiné, portées par des équipes académiques en Chine, en Europe et aux États-Unis. Sur le plan du contrôle multi-agent, TD-MARL s'inscrit dans la lignée des approches CTDE (Centralized Training, Decentralized Execution) popularisées par MADDPG et MAPPO, en y ajoutant une couche topologique inspirée de la théorie des noeuds et de l'homologie persistante. Aucun concurrent industriel direct n'est nommé dans l'article, le benchmarking se faisant exclusivement contre des méthodes DRL de référence en simulation. La prochaine étape naturelle, et condition sine qua non pour un transfert industriel, serait une validation sur banc de test physique avec des corps déformables réels.

RecherchePaper

1 source