Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Exosquelette universel de manipulation : politiques corps entier compliantes avec retour de couple en temps réel
ExosquelettesarXiv cs.RO 

Exosquelette universel de manipulation : politiques corps entier compliantes avec retour de couple en temps réel

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Des chercheurs ont publié sur arXiv (2606.14218) l'UME, Universal Manipulation Exoskeleton, un exosquelette du membre supérieur combinant retour de couple haptique en temps réel et enregistrement des signaux de couple articulaire pour la téléopération robotique. Léger, portable, équipé d'une IMU, il supporte la manipulation mobile et pilote trois bras commerciaux via un algorithme de reciblage universel : OpenArm 7DoF, Franka 7DoF et X-ARM 6DoF. Les politiques apprises à partir de données UME atteignent des taux de succès élevés sur des tâches bimanuelle, longue-horizon et en occultation visuelle : retournement de carton guidé par la force, poussage en aveugle, manipulation en espace contraint. La précision haptique est telle que des opérateurs peuvent extraire des objets cinématiquement contraints les yeux bandés.

L'enjeu n'est pas l'exosquelette lui-même, mais les données qu'il produit : la quasi-totalité des pipelines de collecte pour l'apprentissage par imitation capture des positions articulaires sans les couples de force, cantonnant les politiques apprises à un mode position pur sans compliance active. L'UME comble cette lacune et ouvre la voie à des politiques réactives aux contacts non anticipés, condition nécessaire pour des robots opérant en environnement domestique ou aux côtés d'humains. La compatibilité avec trois cinématiques différentes et le faible coût de fabrication annoncé sont des arguments concrets pour les intégrateurs. Les taux de succès présentés restent néanmoins à confirmer au-delà des démonstrations sélectionnées pour la publication.

Les systèmes de téléopération bimanuelle comme ALOHA (Stanford/UC Berkeley) ont établi des standards pour la collecte de données visuomotrices, mais sans retour de couple systématique. Les exosquelettes haptiques commerciaux existants (HaptX, Shadow Robot) intègrent ce retour à des coûts rédhibitoires pour la recherche académique. L'UME se positionne comme une alternative bas coût, avec code et données annoncés publics sur ume-exo.github.io, ce qui pourrait enrichir l'entraînement de modèles de politiques visuomotrices (VLA) comme pi-zero (Physical Intelligence) ou OpenVLA avec des signaux de force jusqu'ici absents des datasets standards. Il s'agit à ce stade d'un travail purement académique, sans partenaire industriel ni calendrier de déploiement annoncé.

Dans nos dossiers

Physical Intelligence — π0OpenVLA / RT-XExosquelettesarXiv cs.RO

À lire aussi

Apprentissage d'une politique de contrôle adaptative en vitesse pour exosquelette de hanche par transfert simulation-réel
1arXiv cs.RO 

Apprentissage d'une politique de contrôle adaptative en vitesse pour exosquelette de hanche par transfert simulation-réel

Un preprint publié sur arXiv (arXiv:2609.28027v1, catégorie "new") décrit un framework combinant apprentissage par renforcement sim-to-real et apprentissage de préférences en ligne pour personnaliser l'assistance d'un exosquelette de hanche à différentes vitesses de marche. Le timing de l'assistance est appris en simulation, via des politiques de RL entraînées sur des modèles musculosquelettiques humains couvrant plusieurs vitesses de marche, puis distillées et déployées sur un exosquelette de hanche physique équipé de capteurs embarqués. La magnitude du couple assistif est ensuite ajustée en conditions réelles grâce à un apprentissage de préférences basé sur des processus gaussiens, l'utilisateur exprimant ses choix via des comparaisons par paires entre profils de couple. Des expériences sur sujets humains montrent une identification efficace de profils personnalisés à travers différentes vitesses de marche, avec moins d'essais réels que les méthodes purement en ligne, sans que l'abstract précise le nombre de sujets ni le taux de réduction obtenu. L'enjeu dépasse l'exercice académique: l'optimisation en ligne "human-in-the-loop" reste le principal goulot d'étranglement de la personnalisation des exosquelettes, car calibrer tout le profil de couple sur un porteur réel exige de nombreuses itérations, longues et fatigantes. En découplant le timing, résolu hors ligne en simulation, de la magnitude, optimisée en ligne sur un espace de recherche réduit grâce aux préférences, le framework diminue mécaniquement le nombre d'évaluations nécessaires sur sujet humain. Pour les concepteurs de robotique portable, en réadaptation comme en assistance industrielle à la marche, ce résultat conforte l'idée que le sim-to-real, déjà éprouvé sur robots mobiles et bras manipulateurs, s'étend aussi aux dispositifs portés dont la dynamique dépend fortement de la morphologie et des préférences individuelles de l'utilisateur. Les approches classiques de calibration d'exosquelette reposent sur une optimisation en ligne exhaustive du profil de couple, une méthode lente qui freine le déploiement à grande échelle de dispositifs personnalisés. Ce travail s'inscrit dans la lignée des recherches en RL sim-to-real appliquées à la robotique portable, en y ajoutant une couche d'apprentissage de préférences pour capturer ce que la simulation seule ne modélise pas, le confort subjectif de l'utilisateur. L'abstract ne cite aucune entreprise, aucun nom de produit ni partenaire industriel: il s'agit d'un preprint de recherche, sans pilote clinique ni feuille de route de commercialisation annoncés à ce stade.

ExosquelettesPaper
1 source
Une stratégie de contrôle universelle pour l'assistance dynamique avec des exosquelettes souples à actionnement pneumatique
2arXiv cs.RO 

Une stratégie de contrôle universelle pour l'assistance dynamique avec des exosquelettes souples à actionnement pneumatique

Des chercheurs présentent, dans un preprint arXiv (2608.18364v1), une stratégie de commande pour exosquelettes souples actionnés par muscles pneumatiques artificiels, destinés à la rééducation, à l'augmentation de force et à l'assistance aux gestes quotidiens. La méthode, dite à « plante inverse », repose uniquement sur des capteurs cinématiques, sans électromyographie ni capteurs de force pour interpréter l'intention de l'utilisateur. Le système humain-robot est modélisé par un modèle de Hammerstein, combinant un modèle d'hystérésis de Preisach et un filtre linéaire invariant dans le temps, personnalisé pour chaque utilisateur à partir de seulement 140 secondes de données puis inversé pour s'intégrer dans la boucle de commande. Sur un banc d'essai émulant un exosuit d'assistance au poignet, pour des vitesses allant de 8 à 120 degrés par seconde, le contrôleur réduit le couple d'interaction jusqu'à 73 % et l'activation des muscles fléchisseurs et extenseurs clés jusqu'à 47 %, comparé à une condition sans assistance. L'intérêt de ces résultats tient à l'absence de capteurs physiologiques ou de force, un verrou récurrent pour les exosquelettes souples : les actionneurs pneumatiques présentent une dynamique complexe, hystérésis et bande passante limitée, qui complique traditionnellement une assistance réactive à l'intention de l'utilisateur. Une approche qualifiée de « task-agnostic », fonctionnant sans reprogrammation par geste et calibrable en un peu plus de deux minutes, intéresse directement les fabricants d'exosquelettes de rééducation et d'augmentation industrielle cherchant à simplifier le calibrage et réduire l'instrumentation embarquée. Pour les intégrateurs en ergonomie industrielle ou en réadaptation, cela ouvre la voie à des dispositifs plus légers et moins coûteux à équiper, tout en conservant une réduction mesurable de l'effort musculaire sur une large plage de vitesses de mouvement. Ce travail s'inscrit dans la recherche sur les muscles pneumatiques artificiels, appréciés pour leur légèreté et leur compliance intrinsèque mais historiquement difficiles à commander avec précision en raison de non-linéarités comme l'hystérésis. Les approches concurrentes s'appuient généralement sur l'électromyographie de surface ou des capteurs de force pour estimer l'intention motrice, au prix d'une calibration plus lourde et d'un coût matériel plus élevé. Il faut noter que la validation présentée reste une preuve de concept en laboratoire, réalisée sur un banc d'essai émulant un poignet et non lors d'essais sur des porteurs réels en conditions quotidiennes, et que la publication n'a pas encore fait l'objet d'une revue par les pairs. Les auteurs évoquent une extension possible à d'autres articulations, en vue d'essais utilisateurs plus larges pour confirmer le transfert vers des usages réels de rééducation ou d'assistance industrielle.

ExosquelettesPaper
1 source
UniExo : politiques unifiées multi-compétences pour la locomotion musculosquelettique et le contrôle co-adaptatif d'exosquelette
3arXiv cs.RO 

UniExo : politiques unifiées multi-compétences pour la locomotion musculosquelettique et le contrôle co-adaptatif d'exosquelette

Un consortium de chercheurs en robotique et biomécanique a publié le 18 septembre 2026 sur arXiv (2609.19690) un framework baptisé UniExo, destiné à unifier le contrôle des exosquelettes de hanche sur plusieurs types de locomotion. Le système repose d'abord sur une politique musculosquelettique humaine multi-compétences: quatre experts d'imitation distincts, entraînés respectivement pour la marche, le virage, la course et la marche arrière, sont fusionnés en un seul réseau structuré par un espace latent de compétences, puis affinés par apprentissage par renforcement sur des séquences de transition entre ces mouvements. Cette politique humaine unifiée atteint un taux moyen de réussite de suivi de 94,7% sur des séquences vidéo inédites des quatre compétences, avec une robustesse aux perturbations supérieure à celle de chacun des experts pris séparément. Un contrôleur d'exosquelette de hanche unique, initialisé à partir des prédictions de moment articulaire de cette politique humaine, est ensuite co-adapté avec elle via apprentissage par renforcement multi-agent. Déployé sur un exosquelette de hanche conçu sur mesure, il a été testé sur six participants à quatre vitesses de tapis roulant différentes, et un participant a parcouru un trajet continu enchaînant les quatre compétences et leurs transitions sans étiquette de mouvement ni changement de mode explicite. L'intérêt principal tient à la disparition du changement de mode manuel: la quasi-totalité des contrôleurs d'exosquelette actuels sont conçus pour une activité unique ou un ensemble restreint de mouvements apparentés, ce qui impose un recalibrage matériel à chaque nouvelle tâche. En montrant qu'une politique entraînée en simulation transfère directement sur un dispositif physique réel et gère les transitions entre activités, UniExo apporte un indice supplémentaire que l'écart simulation-réel se réduit pour des tâches de contrôle biomécanique complexes, un enjeu clé pour les fabricants d'exosquelettes médicaux et d'assistance industrielle. La validation reste toutefois limitée: six participants seulement, et un seul ayant testé le parcours complet des quatre compétences, ce qui relève de la preuve de concept plutôt que d'un dispositif prêt à l'industrialisation. Le champ des exosquelettes de marche, occupé notamment par des acteurs comme Wandercraft en France sur la rééducation, reste historiquement fragmenté activité par activité. UniExo s'inscrit dans cette lignée de recherche visant des contrôleurs génériques et personnalisés par utilisateur, sans toutefois annoncer de calendrier d'essais cliniques ni de partenariat industriel à ce stade.

ExosquelettesPaper
1 source
Estimation du couple d'assistance par optimisation dynamique pour exosquelette de membre inférieur en environnements complexes
4arXiv cs.RO 

Estimation du couple d'assistance par optimisation dynamique pour exosquelette de membre inférieur en environnements complexes

Un préprint publié sur arXiv le 15 septembre 2026 (référence 2609.15352v1) décrit une méthode d'estimation du couple d'assistance pour exosquelette de membre inférieur, pensée pour l'extérieur et les environnements complexes. Plutôt que de mesurer le couple articulaire par capture de mouvement puis de le mettre à l'échelle vers une commande moteur, les auteurs le génèrent directement via un modèle dynamique optimisé, puis entraînent un réseau qui le prédit en temps réel. Comparé à une condition sans assistance, le couple prédit réduit le taux métabolique de 11,8 à 17,7%, la fréquence cardiaque de 8,9 à 14,3% et les pics d'activation musculaire de 28,2 à 54%. L'enjeu est concret : la capture de mouvement optique impose un espace calibré et un coût qui rendent la collecte de données quasi impossible hors laboratoire, alors que l'assistance au port de charge sert surtout en usine, en logistique ou sur chantier. En s'affranchissant de cette étape, la méthode promet des exosquelettes adaptatifs moins coûteux à calibrer sur le terrain. Les gains restent toutefois mesurés face à une condition sans assistance, pas face aux contrôleurs déjà commercialisés, et l'article ne précise ni la taille de la cohorte ni ce que recouvre "l'environnement extérieur complexe" : à ce stade, il s'agit d'une preuve de concept plutôt que d'une performance validée à grande échelle. Ce travail s'inscrit dans une tendance de la recherche en exosquelettes portables visant à remplacer les pipelines calibrés par capture de mouvement par des modèles dynamiques et de l'optimisation, moins gourmands en infrastructure, un mouvement comparable à celui des robots humanoïdes cherchant à réduire leur dépendance à la téléopération. Sur le segment de la marche assistée, où le français Wandercraft développe l'exosquelette Atalante pour la rééducation, la plupart des solutions commerciales s'appuient encore sur des profils d'assistance prédéfinis plutôt que sur une prédiction dynamique embarquée. L'article ne cite ni institution ni partenaire industriel : c'est une contribution académique en préprint, non encore relue par les pairs, dont l'étape suivante attendue est une validation en conditions réelles au-delà des essais rapportés.

UELe français Wandercraft, dont l'exosquelette Atalante utilise encore des profils d'assistance prédéfinis, pourrait s'inspirer de cette approche pour réduire ses coûts de calibration terrain.

ExosquelettesPaper
1 source