RecherchearXiv cs.RO 11 juin 2026

PEBRE : une extension matérielle ouverte de calcul et perception pour le robot Pepper

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de chercheurs a publié sur arXiv (arXiv:2606.12112v1) les spécifications de PEBRE, un module matériel et logiciel open-source conçu pour augmenter les capacités du robot Pepper. Le module intègre une carte Jetson Orin Nano de NVIDIA pour le calcul embarqué, une caméra RGB Logitech BRIO 4K, une caméra de profondeur Intel RealSense D435i pour la perception 3D, un microphone USB Samson UB1 et un micro directionnel RØDE VideoMicro II pour la capture audio. L'ensemble forme un add-on modulaire, conçu pour s'intégrer physiquement sur Pepper sans modifier son architecture d'origine. Les auteurs rapportent des améliorations mesurables en capacités de perception et en puissance de calcul, sans toutefois publier de benchmarks chiffrés comparatifs dans le résumé disponible.

L'intérêt concret de PEBRE pour la communauté académique et les intégrateurs tient à une problématique bien réelle : Pepper approche ou dépasse sa durée de vie commerciale prévue, et SoftBank Robotics a progressivement réduit son support. Des dizaines de labos de recherche mondiaux disposent de plateformes Pepper dont la chaîne logicielle devient obsolète et dont le matériel interne (processeur Intel Atom, caméras grand-angle basiques) ne permet plus d'exécuter des modèles modernes de vision ou de traitement du langage en local. En proposant une solution open-hardware, les auteurs cherchent à mutualiser l'effort de mise à niveau, évitant à chaque labo de réinventer sa propre solution de retrofitting. C'est une approche pragmatique face à l'abandon progressif d'une plateforme encore présente dans de nombreux établissements.

Pepper a été conçu à l'origine par Aldebaran Robotics, entreprise française rachetée par SoftBank en 2012, puis commercialisé à partir de 2014 comme robot d'accueil et d'interaction sociale. Malgré l'arrêt de sa production pour le marché grand public annoncé en 2021, Pepper reste présent dans plusieurs centaines de laboratoires et sites industriels en Europe et en Asie. Côté concurrence sur le segment des plateformes académiques humanoïdes légères, Pepper fait face à des alternatives comme le NAO (lui aussi Aldebaran/SoftBank), le Furhat ou des plateformes bras-et-torse comme Hello Robot Stretch. PEBRE ne repositionne pas Pepper dans la course aux humanoïdes mobiles de nouvelle génération, mais tente de lui donner une seconde vie utile dans des contextes de recherche appliquée en HRI (Human-Robot Interaction), là où le coût d'acquisition d'une nouvelle plateforme reste prohibitif.

Impact France/UE

Les laboratoires européens équipés de robots Pepper, nombreux en France et en Europe, héritiers du rachat d'Aldebaran Robotics, peuvent bénéficier directement de ce module open-source pour prolonger la durée de vie de leurs plateformes et exécuter des modèles modernes de perception et de traitement du langage sans investissement dans une nouvelle plateforme.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Robot industriel d'évaluation de dextérité : une plateforme matérielle et logicielle pour le benchmarking de la manipulation dextre industrielle

La revue arXiv a publié ce 14 juillet un article intitulé "Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation" (référence 2607.14021v1), qui propose un nouveau cadre de test pour l'automatisation industrielle fine. Les auteurs introduisent trois éléments : une série de plateaux de test baptisés Industrial Dexterity Benchmark (IDB), conçus pour reproduire trois scénarios concrets, le câblage de datacenters, les harnais de câbles automobiles et l'assemblage de boîtes de vitesses ; un framework d'apprentissage par imitation nommé DAG-ROS ; et une politique de contrôle basée sur la diffusion, AG-iDP3, qui fusionne images RGB, nuages de points, positions articulaires et données de force au poignet. Les tests se concentrent sur une tâche précise, le nettoyage d'un câble unique sur le plateau datacenter, évaluée sur 48 essais par configuration. La meilleure configuration, une Diffusion Policy multimodale combinant plusieurs caméras RGB via un encodeur R3M, atteint 78% de réussite combinée sur la prise et l'insertion, contre 36% pour la version à caméra unique. Chaque configuration n'a nécessité qu'environ 100 démonstrations téléopérées par phase de tâche. Ce résultat intéresse directement les intégrateurs industriels parce qu'il touche un point resté largement non résolu malgré des décennies de recherche en robotique : le câblage, l'insertion de connecteurs et l'assemblage de précision continuent de dépendre du travail manuel. L'écart de performance entre la version mono-caméra et la version multi-vues suggère que la robustesse des politiques apprises tient autant à la richesse des capteurs qu'à l'algorithme lui-même, un point utile pour quiconque évalue des solutions VLA ou d'apprentissage par imitation pour des lignes à haute disponibilité. Reste que l'échantillon de validation demeure limité, une seule tâche testée sur 48 essais par configuration, ce qui invite à la prudence avant d'extrapoler ces chiffres à d'autres cas d'usage. Ce travail s'inscrit dans une transition plus large observée dans la recherche en robotique industrielle, celle du passage des pipelines modulaires classiques, perception puis planification puis contrôle codés séparément, vers des architectures de bout en bout entraînées par imitation. Les benchmarks IDB visent à combler un manque identifié par les auteurs : l'absence de plateformes standardisées pour comparer objectivement les méthodes de manipulation dextre en environnement industriel. Aucun calendrier de déploiement commercial n'est mentionné à ce stade, l'article reste un travail de recherche publié en prépublication, sans partenariat industriel ni date de mise en production annoncés.

RecherchePaper

1 source

2arXiv cs.RO

Calcul près du capteur pour une perception visuo-tactile rapide

Des chercheurs ont présenté, le 5 août 2026 sur arXiv (2608.05725), un système de calcul déporté au plus près du capteur pour les capteurs visuotactiles, ces dispositifs qui reconstruisent la géométrie de contact à partir de gradients de surface mesurés optiquement. Plutôt que de transmettre les données brutes vers un hôte pour traitement, l'équipe implémente un solveur de Poisson spectral sous forme de pipeline matériel entièrement streaming, exécuté directement à proximité du capteur. Le cœur de calcul consomme environ 347 mW et tourne à 166 MHz, sans branchement conditionnel ni convergence itérative, ce qui garantit une latence déterministe. Pour une image de 128x128 pixels, la première valeur de profondeur sort 35 107 cycles après réception du premier pixel, soit 0,211 ms de latence fixe. Sur 15 géométries de contact testées, les profondeurs reconstruites s'écartent d'une référence calculée en double précision de seulement 0,17% de la profondeur de contact maximale. Conséquence directe: une boucle de réflexe protecteur robotique pilotée par ces reconstructions embarquées se referme en 28,3 ± 4,9 ms, contre 169,9 ± 27,8 ms pour une boucle équivalente s'appuyant sur un traitement côté hôte avec le même actionneur, soit un gain d'environ six fois. Ce résultat cible un goulot d'étranglement rarement mis en avant dans le débat sur le toucher robotique: ce n'est pas la captation qui limite la réactivité des bras et mains dotés de peau tactile, mais le transfert de données et l'ordonnancement logiciel côté hôte. En rapprochant le calcul du capteur, les auteurs montrent qu'il est possible d'obtenir une géométrie de contact précise à un coût énergétique très faible et avec une latence prévisible, deux conditions indispensables pour des réflexes de sécurité en temps réel lors d'une interaction physique homme-robot ou d'une manipulation fine. Pour les intégrateurs qui cherchent à fiabiliser des boucles de contrôle de contact, l'argument dépasse la simple vitesse: la latence déterministe évite les pics imprévisibles qui compliquent le réglage des contrôleurs. Les capteurs visuotactiles denses, popularisés par des approches type GelSight, reposent depuis plusieurs années sur une reconstruction par stéréophotométrie coûteuse en calcul, généralement déléguée à un GPU ou un CPU hôte. Ce travail s'inscrit dans la tendance plus large du calcul en périphérie de capteur pour la robotique, où edge computing et matériel dédié remplacent progressivement les pipelines logiciels génériques. Les auteurs ne précisent pas d'intégration produit ni de partenaire industriel; il s'agit à ce stade d'une démonstration de faisabilité architecturale, dont la prochaine étape logique serait une validation sur un capteur physique complet et une comparaison face à d'autres architectures de calcul en périphérie.

RecherchePaper

1 source

3Robotics Business Review

Daimon Robotics et Galbot lancent RobOmni pour évaluer la perception tactile et la manipulation dextérique

Daimon Robotics, entreprise de Hong Kong spécialisée dans la perception tactile et la manipulation dextre, a présenté RobOmni lors de l'ICRA 2026, en partenariat avec Galbot. Il s'agit du premier benchmark d'évaluation omni-modal intégrant la perception tactile pour les interactions physiques en robotique. La plateforme, construite sur NVIDIA Isaac Sim, standardise l'évaluation de tâches de manipulation au contact : saisie d'objets, insertion de précision, assemblage de composants et placement. RobOmni capture simultanément plusieurs flux de données, capteurs tactiles haute résolution au bout des doigts, vision RGB montée au poignet, état de la pince, trajectoires TCP et observations de caméras externes, pour évaluer les systèmes robotiques selon cinq dimensions : taux de succès, efficacité de manipulation, capacité de manipulation dextre, événements d'échec (glissement, coinçage, collision, nouvelle tentative) et robustesse de généralisation. Ce lancement répond à un manque structurel dans l'industrie : l'absence de cadre standardisé pour mesurer l'apport réel du sens tactile par rapport à la perception purement visuelle. Sans benchmark unifié, il est impossible de comparer les systèmes, de quantifier les progrès ou d'identifier quelles données tactiles améliorent concrètement les tâches réelles. Pour les intégrateurs industriels et les décideurs B2B qui évaluent des bras manipulateurs pour des lignes d'assemblage ou de service, ce vide est critique : une manipulation fiable dans des environnements non structurés requiert de détecter le glissement, la déformation du contact ou la rigidité d'un matériau lors d'un emboîtement, autant de signaux que la vision seule ne peut pas capturer. RobOmni propose de quantifier systématiquement cet apport, ce qui permettrait notamment de comparer des architectures VLA (Vision-Language-Action) avec et sans retour tactile sur des tâches identiques. Daimon Robotics a développé ses propres capteurs tactiles basés sur la vision, capables de mesurer non seulement la force de contact mais aussi la déformation, le glissement, les propriétés de matériau, la texture et la dureté, à haute fréquence et haute résolution. Galbot, partenaire du projet, apporte son expertise en robotique mobile et manipulation. Si aucune métrique de performance comparative ni timeline de déploiement commercial ne sont encore publiées, ce lancement reste à ce stade une annonce de framework de recherche, pas un produit expédié, le positionnement à l'ICRA 2026 signale une ambition de standardisation sectorielle. Les concurrents dans l'espace des benchmarks robotiques, notamment Google DeepMind (RoboVerse) et Meta (PARTNR), n'intègrent pas la modalité tactile comme dimension centrale d'évaluation. RobOmni comble potentiellement ce vide, à condition que la communauté adopte le framework comme référence commune.

RecherchePaper

1 source

4arXiv cs.RO

ActiveScale : passer à l'échelle la perception active des robots (modèle, données, matériel)

Un article de recherche publié sur arXiv sous la référence 2609.18514v1 présente ActiveScale, un framework conçu pour améliorer la perception active dans la manipulation robotique, c'est-à-dire la capacité d'un robot à changer de point de vue pour observer des informations autrement occultées par une caméra fixe. Le système combine un modèle vision-langage-action (VLA) enrichi d'observations vidéo historiques et d'une supervision explicite de la pose de caméra, via des jetons de pose associés à chaque image et une tête de prédiction légère qui relie les observations entre différents points de vue. Pour entraîner ce modèle à exploiter les mouvements de caméra naturels présents dans l'activité humaine, les auteurs introduisent une méthode de pré-entraînement intermédiaire combinant 1000 heures de données égocentriques (captées du point de vue humain) et de données robotiques. Ils présentent également une plateforme matérielle dédiée, baptisée AMP (Active-perception Mobile-manipulation Platform), pilotable par un seul opérateur en téléopération, qui permet de collecter à grande échelle des démonstrations coordonnant changement de point de vue et manipulation. Cette approche s'attaque à une limite bien connue des modèles VLA actuels : un point de vue fixe laisse fréquemment des zones de la scène occultées, ce qui dégrade les performances de manipulation en conditions réelles. En s'appuyant sur des données égocentriques humaines, moins coûteuses à produire que la téléopération robotique classique, les auteurs proposent une piste concrète pour atténuer le goulot d'étranglement des données de démonstration, un frein central au passage à l'échelle des VLA. Les expériences rapportent une amélioration des taux de succès sur des tâches de perception active, sans toutefois fournir de pourcentages précis dans le résumé, ce qui invite à la prudence quant à l'ampleur réelle du gain avant lecture du papier complet. Il s'agit d'une contribution académique, et non d'un produit commercial ni d'un déploiement industriel : aucune entreprise, aucun site de déploiement ni aucun partenaire n'est cité. Le travail s'inscrit dans la lignée des recherches visant à doter les modèles VLA d'un raisonnement spatial et temporel plus riche pour la manipulation robotique. Les auteurs présentent leur combinaison de modèle, de données et de plateforme matérielle comme une base destinée à la communauté de recherche pour poursuivre l'étude de la perception active, sans annoncer de calendrier de commercialisation ni de partenariat industriel.

RechercheActu

1 source