SlipSense : détection du glissement en temps réel…

1arXiv cs.RO

SlipSense : apprentissage tactile multimodal pour une détection du glissement rapide et généralisée

SlipSense, système tactile multimodal de détection de glissement pour la manipulation robotique, est présenté dans un préprint publié sur arXiv en septembre 2026. Le framework s'appuie sur TacV5, un capteur combinant une matrice piézorésistive 32x32 échantillonnée à 240 Hz pour la pression et un accéléromètre MEMS 3 axes à 8 kHz pour les vibrations de frottement, les deux flux étant fusionnés par attention croisée avec prédiction temporelle causale à 240 Hz. Sur un jeu de données de 1,4 million de frames couvrant 37 objets, SlipSense atteint 96,7% de Macro F1, un taux de faux positifs sous 1,6%, et détecte 76% des événements de glissement en moins de 23,1 millisecondes. Entraîné uniquement sur des données collectées via UMI, il généralise en zero-shot à une main robotique dextre Tesollo, sur des objets, capteurs et plateformes inédits, sans réentraînement. La détection de glissement conditionne directement la robustesse de la préhension dextre, et deux faiblesses freinent habituellement l'industrialisation de ce type de système : une latence mal caractérisée et l'impossibilité de transférer un modèle d'un capteur ou d'une plateforme à l'autre sans réentraînement coûteux. En documentant un temps de détection de 23,1 ms et en démontrant un transfert zero-shot entre données UMI et main Tesollo, SlipSense s'attaque à l'écart classique entre démonstration en laboratoire et généralisation réelle, un problème récurrent aussi bien pour les capteurs tactiles que pour les modèles VLA. Pour les intégrateurs de mains et préhenseurs robotiques, un capteur et un modèle portables d'une plateforme à l'autre réduirait le coût d'intégration du toucher artificiel, aujourd'hui un frein réel. Une nuance mérite d'être gardée en tête : le taux de détection de 76% dans la fenêtre de 23,1 ms laisse un quart des glissements repérés plus tard ou hors délai. Le travail s'inscrit dans la recherche sur le toucher artificiel, où l'enjeu central est de combiner plusieurs modalités tactiles sans dégrader la latence de contrôle en boucle fermée. Le recours à UMI, interface de collecte de démonstrations agnostique au robot, dissocie l'apprentissage du capteur de la plateforme finale, ce qui explique le transfert réussi vers la main Tesollo. Signalé comme nouveau préprint sur arXiv, SlipSense reste à ce stade un travail de recherche, sans partenariat commercial ni disponibilité annoncée du capteur TacV5 hors du laboratoire à l'origine de l'étude. Les suites attendues pour ce type de travaux sont classiquement l'évaluation sur des tâches de manipulation complètes plutôt que sur la seule détection isolée, et l'extension du transfert zero-shot à d'autres familles de capteurs tactiles.

RecherchePaper

1 source

2arXiv cs.RO

Encodage de mouvement multi-domaines : imitation expressive en temps réel pour robots à pattes

Un preprint mis à jour sur arXiv (2512.07673v2, version corrigée d'une soumission antérieure) présente Multi-Domain Motion Embedding (MDME), une représentation de mouvement pour l'imitation temps réel sur robots à pattes. La méthode combine, en parallèle, un encodeur à ondelettes qui capture les motifs périodiques structurés comme la marche, et un embedding probabiliste qui modélise les mouvements apériodiques et variables, à partir d'un jeu d'entrées minimal. Les auteurs testent l'approche en imitation sans retargeting: la politique de contrôle du robot est conditionnée directement sur les embeddings appris pour reconstruire les états retargetés idéaux, sans réglage par mouvement ni retargeting en ligne. Les essais couvrent des plateformes humanoïdes et quadrupèdes, avec reproduction de trajectoires longues et un déploiement temps réel en zero-shot sur des mouvements inédits. Le texte ne précise ni les robots nommément, ni les degrés de liberté, ni de chiffres de charge utile ou de temps de cycle: c'est un travail de recherche en preprint, pas un produit commercialisé. Si les résultats se confirment, l'apport tient surtout à la suppression de deux goulots d'étranglement des pipelines d'imitation de mouvement: le réglage manuel par mouvement et le retargeting en ligne, qui alourdissent aujourd'hui le passage d'une bibliothèque de mouvements captés à un comportement exécutable sur robot réel. Qu'une seule représentation couvre à la fois humanoïdes et quadrupèdes, plutôt que des embeddings spécialisés par morphologie, va dans le sens d'une mutualisation des pipelines d'apprentissage pour les intégrateurs opérant plusieurs types de plateformes. Cela reste une démonstration en conditions de recherche, avec les réserves habituelles sur la sélection des mouvements testés et l'absence de comparaison chiffrée détaillée dans le résumé disponible. Ce travail s'inscrit dans la lignée des recherches sur l'apprentissage de représentations de mouvement pour le contrôle robotique, où les approches précédentes traitaient généralement séparément les motifs périodiques et les mouvements libres. Les auteurs revendiquent une amélioration par rapport à ces approches antérieures en reproduction de mouvement et en généralisation à des mouvements inédits, sans nommer les méthodes de référence utilisées pour la comparaison. Aucun acteur industriel, aucun partenariat de déploiement ni calendrier de pilote n'est mentionné: la suite logique serait une publication évaluée par les pairs, suivie d'éventuels tests sur des plateformes robotiques commerciales.

RecherchePaper

1 source

3arXiv cs.RO

SAFE : détection unifiée du glissement et de la rupture par capteur acoustique à bas coût pour la préhension robotique

Des chercheurs présentent SAFE, un système de détection de glissement et de rupture pour la préhension robotique, publié sur arXiv (2610.08802v1). Il repose sur deux capteurs acoustiques passifs en polyfluorure de vinylidène (PVDF), peu coûteux, montés sur une pince souple de type Fin Ray, et sur la proprioception du moteur (le retour interne de position et d'effort). Il n'utilise ni vision ni connaissance préalable du matériau. Un classifieur HistGradientBoosting unique reçoit un vecteur de 79 caractéristiques et renvoie l'un de trois états : normal, glissement ou rupture. En validation croisée « leave-one-grasp-out », où chaque prise est testée sans avoir été vue à l'entraînement, il atteint un Alert-F1 de 0,884, avec une confusion quasi nulle entre glissement et rupture. Des ablations montrent que le canal acoustique est indispensable. Le contrôleur de préhension adaptatif construit sur cette détection tourne à 104 Hz sur un Jetson Orin Nano. Il réussit 91,3 % de 46 essais robotiques en boucle fermée sur diverses catégories d'objets, et 82,4 % sur des objets inconnus à l'entraînement. Pour les intégrateurs et les équipes de manipulation, l'intérêt tient à la détection d'événements que ni la vision ni les capteurs de force classiques ne saisissent bien. Une microfissure ou un glissement naissant produit une signature vibratoire que des capteurs piézoélectriques bon marché captent à haute fréquence. Le résultat le plus parlant est la comparaison avec les stratégies à force fixe : chacune tombe à 0 % de réussite sur les objets dont les propriétés ne correspondent pas à son réglage. Cela rappelle qu'une force de serrage prédéfinie ne généralise pas, alors que l'agroalimentaire, la logistique de produits variés ou la manipulation de verrerie exigent justement de la tolérance à l'inconnu. Le fait que le système fonctionne sans étalonnage par objet, sur du matériel embarqué d'entrée de gamme, abaisse aussi la barrière d'adoption. Il faut toutefois relativiser. Il s'agit d'un préprint, non évalué par les pairs. L'échantillon de 46 essais est modeste, et le taux de 82,4 % sur objets nouveaux laisse environ une prise sur cinq mal gérée, ce qui reste loin des exigences de production. Le papier ne détaille pas ici la diversité des objets ni la robustesse au bruit ambiant d'un atelier, deux points qui décideront de la transposition industrielle. Ces travaux s'inscrivent dans la recherche sur le toucher robotique, où dominent les capteurs tactiles optiques de type GelSight ou DIGIT et les peaux à réseaux de pressions, souvent plus riches mais plus coûteux, plus fragiles et plus lourds en calcul. Les grands modèles de manipulation de type VLA (vision-langage-action), que développent Figure, Physical Intelligence ou Nvidia, restent surtout pilotés par la vision, et leur intégration d'un retour tactile haute fréquence demeure un chantier ouvert. SAFE propose une couche réflexe légère, qui pourrait se placer sous un tel modèle de haut niveau. Les prochaines étapes naturelles sont le test sur des pinces industrielles et des mains multi-doigts, la validation sur des cadences et un bruit réalistes, et la publication du code et des données pour permettre la reproduction. Aucun calendrier de pilote ni partenaire industriel n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Contrôle en temps réel par DDP contraint pour l'équilibre sous-actionné des robots à pattes

Des chercheurs présentent ABC-DDP, un framework de "Differential Dynamic Programming" (DDP) sous contraintes de commande, conçu pour le contrôle en temps réel de robots à pattes sous-actionnés. Publié sur arXiv sous la référence 2608.18552, le papier propose une méthode basée sur un gradient projeté accéléré (APG) qui calcule les solutions contraintes et identifie les ensembles actifs sans recourir à des inversions répétées des conditions de Karush-Kuhn-Tucker (KKT), un goulot d'étranglement classique du DDP standard. Une "contrainte virtuelle" est intégrée dans un schéma de tir multiple orienté faisabilité, permettant une optimisation stable même à partir d'initialisations dynamiquement infaisables. En simulation, la méthode pilote un robot quadrupède via un contrôle prédictif de modèle (MPC) à horizon court fonctionnant en temps réel : elle démontre une station debout stable sur deux pattes face à des perturbations externes, ainsi qu'un catwalk lent, une marche verticale et une course à haute vitesse, le tout au sein d'un unique cadre MPC unifié. Les auteurs revendiquent la première démonstration d'une station debout statique sur deux pattes d'un quadrupède obtenue par MPC temps réel à horizon fini. Le résultat cible un problème concret pour les concepteurs de contrôleurs de robots à pattes : le DDP classique gère mal les contraintes de commande (couple, position articulaire) sans alourdir considérablement le calcul, ce qui limite son usage en boucle temps réel sur des robots humanoïdes ou quadrupèdes. En évitant les inversions KKT répétées, ABC-DDP promet une charge de calcul compatible avec des cadences MPC élevées, même dans des régimes fortement sous-actionnés comme la station debout sur deux membres, un cas extrême d'instabilité pour un quadrupède. Il s'agit toutefois pour l'instant de résultats exclusivement en simulation : aucun déploiement sur robot physique n'est rapporté, et la robustesse aux incertitudes de modèle, au bruit des capteurs ou aux délais matériels réels reste à démontrer avant toute application industrielle. Le DDP est une technique d'optimisation de trajectoire largement utilisée dans le contrôle prédictif des robots à pattes, mais sa version classique peine historiquement à intégrer des contraintes de commande explicites sans recourir à des solveurs coûteux, ce qui pousse souvent les équipes vers des approximations ou des architectures hybrides. ABC-DDP s'inscrit dans cette lignée de travaux cherchant à fiabiliser le MPC temps réel pour la locomotion dynamique, un axe de recherche partagé par les laboratoires travaillant sur les quadrupèdes et les humanoïdes. Le papier, publié en août 2026 en tant que preprint arXiv, ne mentionne ni entreprise ni plateforme matérielle spécifique : il s'agit d'une contribution académique en optimisation de contrôle. Les suites attendues, non détaillées dans l'article, seraient une validation expérimentale sur robot physique et une extension à des morphologies bipèdes ou humanoïdes, où la sous-actuation pose des défis similaires, voire plus sévères.

RecherchePaper

1 source

SlipSense : détection du glissement en temps réel pour robots à pattes par capteurs multimodaux

À lire aussi

SlipSense : apprentissage tactile multimodal pour une détection du glissement rapide et généralisée

Encodage de mouvement multi-domaines : imitation expressive en temps réel pour robots à pattes

SAFE : détection unifiée du glissement et de la rupture par capteur acoustique à bas coût pour la préhension robotique

Contrôle en temps réel par DDP contraint pour l'équilibre sous-actionné des robots à pattes