RecherchearXiv cs.RO 14 juillet 2026

Vers une adaptation en ligne de l'interaction robotique aux déficiences de mobilité du membre supérieur en contexte de retour au travail

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche propose un nouveau cadre d'interaction homme-robot en ligne conçu pour s'adapter aux limitations de mobilité du membre supérieur, dans la perspective de faciliter le retour au travail de personnes en situation de handicap. Contrairement aux approches classiques de collaboration homme-robot qui supposent un utilisateur valide, ce framework intègre un modèle de mobilité spécifique à certaines limitations articulaires directement dans un contrôleur optimal hiérarchique, permettant au robot de générer un comportement réactif et adapté en temps réel. Le système a été testé sur des tâches de remise d'objet (handover) avec un manipulateur mobile, en simulant plusieurs types de déficiences: arthrite du coude, arthrite de l'épaule et blocage du poignet, dans des configurations debout et assise avec contraintes de tâche. Les auteurs ont comparé quantitativement et qualitativement leur méthode à des approches ergonomiques de pointe déjà établies dans le domaine de l'interaction homme-robot. Les résultats préliminaires montrent que le framework parvient à personnaliser l'interaction selon l'amplitude de mouvement réellement disponible de l'utilisateur, tout en encourageant l'usage des articulations en fonction de la sévérité de leurs limitations fonctionnelles.

Pour les intégrateurs et les décideurs industriels, ce travail touche à un angle mort réel de la robotique collaborative: la quasi-totalité des cobots et bras manipulateurs déployés en usine ou en entrepôt sont calibrés pour des corps valides, ce qui exclut de fait une partie de la main-d'œuvre après un accident du travail ou une maladie chronique. Un contrôleur capable d'ajuster dynamiquement sa trajectoire et son rythme à la mobilité résiduelle d'un opérateur ouvre la voie à des postes de travail réellement inclusifs, plutôt qu'à des aménagements génériques. Cela s'inscrit aussi dans une tendance plus large de l'HRI vers la personnalisation en ligne, par opposition aux profils utilisateurs figés définis à l'avance.

Ce papier, republié en v2 sur arXiv, s'appuie sur la littérature existante de l'interaction ergonomique homme-robot, qu'il cherche explicitement à dépasser via des comparaisons directes. Il ne s'agit pour l'instant que de résultats préliminaires en conditions de laboratoire avec des déficiences émulées plutôt que des sujets réellement atteints, une étape de validation clinique restant nécessaire avant tout déploiement en environnement de travail réel.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Perception active de la mobilité fonctionnelle du membre supérieur grâce aux transferts d'objets homme-robot

Des chercheurs proposent un cadre permettant à un robot collaboratif ou humanoïde d'estimer lui-même la mobilité fonctionnelle du membre supérieur d'une personne, sans bilan clinique externe, à travers des échanges d'objets répétés. Le travail, publié sur arXiv (2610.19896), modélise les amplitudes de mouvement réellement disponibles pour une tâche à l'aide de « coefficients de déficience », qui réduisent les limites articulaires d'un humain sain. Ces coefficients sont intégrés dans un modèle humain utilisé par le robot en interaction. Le système repose sur un pipeline de perception active en ligne: le robot sollicite l'utilisateur par des demandes de remise successives et met à jour progressivement une croyance bayésienne sur ces coefficients. L'évaluation combine des simulations et une validation physique de preuve de concept sur une plateforme robotique, avec des déficiences simulées par des personnes valides. Les auteurs affirment que les coefficients sont récupérés avec précision lors de vrais handovers, mais l'abstract ne donne ni chiffres d'erreur, ni nombre de participants, ni modèle de robot. L'intérêt tient au changement de logique: au lieu d'observer passivement un opérateur, le robot choisit ses requêtes pour lever l'incertitude sur les capacités articulaires de son partenaire. Pour les intégrateurs et les responsables industriels, c'est une piste vers des postes partagés qui s'adaptent à un salarié en retour après une blessure, sans paramétrage manuel ni évaluation médicale préalable, avec des bénéfices potentiels en ergonomie et en réinsertion professionnelle. Il faut toutefois rester prudent: la validation porte sur des déficiences jouées, qui ne reproduisent ni la douleur, ni la fatigue, ni les compensations posturales de vrais patients. Le passage à l'échelle, la robustesse en environnement bruité et l'acceptabilité par les opérateurs ne sont pas démontrés. Il s'agit d'un résultat de laboratoire, très éloigné d'un produit déployé. Ce travail s'inscrit dans la montée des recherches sur l'interaction physique homme-robot, nourrie par l'arrivée de cobots et d'humanoïdes destinés à partager l'espace de travail humain. Les handovers sont un terrain classique de la robotique collaborative, généralement traités avec des modèles humains fixes ou des préférences apprises, rarement avec une estimation explicite de la capacité articulaire individuelle. Côté rééducation et assistance, des acteurs européens comme Wandercraft, avec ses exosquelettes, explorent l'adaptation au patient, mais par une voie différente, celle de l'assistance portée. Les suites logiques sont des essais avec des patients réels, des études sur des durées plus longues et l'intégration dans des politiques apprises de type VLA (vision-langage-action), aucun calendrier n'étant annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Cadre de politique adaptatif au contexte pour une manipulation robotique robuste et réactive via apprentissage par imitation sensible à l'incertitude

Une nouvelle version (v2) de l'article arXiv:2410.24035 propose un cadre de politique adaptatif au contexte pour la manipulation robotique, combinant robustesse et réactivité. Les auteurs s'appuient sur l'apprentissage par démonstration (Learning from Demonstration, LfD), et plus précisément sur les approches basées sur des systèmes dynamiques (DS), pour apprendre une politique conditionnée à la fois par l'état du robot et par des paramètres de tâche de basse dimension représentant le contexte environnant. Cette politique est ensuite combinée à des politiques additionnelles sensibles à l'incertitude via une formulation de type mélange d'experts (Mixture of Experts, MoE). Le système est validé sur le jeu de données de référence LASA handwriting, utilisé classiquement pour évaluer l'apprentissage de trajectoires, ainsi que sur un robot réel à 7 degrés de liberté (7-DoF), dans trois scénarios concrets : la saisie conditionnée par la force appliquée, la manipulation d'aliments déformables, et la saisie centrée sur l'objet. L'enjeu technique visé est précis : les approches DS de l'état de l'art excellent généralement en robustesse mais restent rigides face aux variations de contexte, car elles ne modulent pas leur comportement selon des variables dépendantes de la tâche. En articulant fusion de politiques et quantification d'incertitude, ce cadre cherche à améliorer le comportement hors distribution (out-of-distribution) et la convergence des trajectoires générées, deux propriétés critiques pour tout déploiement en environnement réel non contrôlé. Pour les intégrateurs robotiques, l'intérêt pratique tient surtout à la manipulation d'objets déformables, un cas d'usage encore mal résolu dans l'industrie (agroalimentaire, logistique), et à la promesse d'une politique réutilisable sans réentraînement complet à chaque changement de tâche ou d'environnement. Sur le plan du contexte scientifique, le LfD via systèmes dynamiques est un axe de recherche établi depuis plusieurs années pour produire des politiques de contrôle réactives en robotique. Ce travail se positionne comme une extension de recherches antérieures sur la fusion de politiques et l'estimation d'incertitude, plutôt que comme une rupture méthodologique. L'abstract ne mentionne ni laboratoire ni entreprise associée, et il s'agit d'une publication académique (statut « replace », donc une révision d'un article déjà soumis) sans indication de déploiement industriel à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

Évaluation multimodale en ligne de la charge de travail dans l'interaction physique homme-robot à contact riche

Une équipe de recherche publie sur arXiv (référence 2609.18031, soumission de type "new") un cadre d'évaluation en ligne de la charge de travail dans les interactions physiques homme-robot riches en contact, un domaine qui couvre par exemple l'assemblage collaboratif ou la manipulation partagée avec un cobot. Le système combine trois signaux capturés en continu, le torseur d'effort au point de contact, la cinématique planaire du point central de l'outil (TCP), et la conductance cutanée (SCL), qu'il synthétise en quatre facteurs interprétables liés à la charge de travail. Les poids de ces facteurs sont ajustés dynamiquement selon la courbure de la trajectoire, pour refléter les variations de la demande motrice, et selon la progression de la tâche, pour tenir compte de la dérive physiologique dans le temps. Le protocole d'évaluation a mobilisé 24 participants soumis à 18 combinaisons contrôlées de température, de bruit acoustique et d'éclairement, testées sous deux modes de commande en admittance. En validation croisée stricte de type "un sujet exclu" (LOSO), avec le diamètre pupillaire standardisé comme référence physiologique indépendante, le cadre atteint une corrélation de Spearman moyenne de 0,308 sur des blocs de 30 secondes, avec une corrélation positive chez 23 des 24 participants. Pour les intégrateurs de cobots et les concepteurs de commandes en admittance, l'intérêt tient moins à la performance brute, une corrélation de 0,308 reste modeste, qu'à la transparence de la méthode : elle égale des modèles d'apprentissage profond "boîte noire" tout en gardant des facteurs de charge explicites et des règles de pondération définies, ce qui facilite l'audit et la certification en environnement industriel. Elle ouvre la voie à une adaptation en temps réel des paramètres de contrôle robotique en fonction de l'état physiologique de l'opérateur, sans dépendre uniquement d'un dispositif de suivi pupillaire coûteux et contraignant. Ce travail s'inscrit dans la recherche sur l'évaluation continue de la charge cognitive et physique en pHRI, en alternative aux questionnaires post-tâche classiques et aux approches à poids fixes, jugées moins robustes. Étant un préprint tout juste annoncé, il n'a pas encore été validé par les pairs ni testé en conditions industrielles réelles, et ses auteurs comparent leur approche à des références d'apprentissage automatique jugées représentatives de l'état de l'art sans toutefois les nommer précisément.

RecherchePaper

1 source

4arXiv cs.RO

SkillPlug : extraction non supervisée de compétences pour l'adaptation en few-shot dans la manipulation robotique

Une équipe de recherche publie sur arXiv (arXiv:2607.08354v1, soumission nouvelle) SkillPlug, un framework destiné à l'apprentissage par imitation visuomotrice en robotique de manipulation. Le système se présente comme un module "plug-in" qui vient s'ajouter à une politique visuomotrice existante : il ajoute un module de conditionnement par compétences ("skill-conditioning") et extrait, à partir de démonstrations multi-tâches brutes et sans supervision, une bibliothèque de compétences partagée et réutilisable. L'extraction repose sur des objectifs auto-supervisés conçus pour produire des primitives comportementales compactes, non redondantes et transférables d'une tâche à l'autre. Une fois cette bibliothèque figée, l'adaptation à une nouvelle tâche ne nécessite plus qu'un réentraînement léger : seuls un routeur et une tête d'action sont ajustés, sans réentraînement complet de bout en bout. Les auteurs rapportent des tests sur deux bancs d'essai en simulation et sur un robot réel, avec une amélioration observée à la fois en performance multi-tâches et en adaptation à partir de peu de démonstrations (few-shot). L'abstract ne fournit toutefois aucun chiffre précis de gain de taux de réussite ni détail sur les bancs de test utilisés, ce qui limite la portée vérifiable des résultats à ce stade. L'enjeu pratique visé est réel pour les intégrateurs robotiques : la plupart des politiques actuelles sont entraînées de bout en bout et n'offrent aucune structure explicite pour réutiliser des comportements déjà appris, ce qui rend le transfert vers de nouvelles tâches coûteux en données. En figeant une bibliothèque de compétences et en ne réentraînant qu'un routeur léger, SkillPlug promet une adaptation à moindre coût de calcul et de données, un point sensible pour tout déploiement industriel où recollecter des centaines de démonstrations par nouvelle tâche n'est pas viable économiquement. Ce travail s'inscrit dans un courant de recherche plus large qui cherche à réintroduire une structure compositionnelle (bibliothèques de compétences, primitives réutilisables) dans des politiques d'apprentissage par imitation de plus en plus dominées par des modèles monolithiques de type VLA (vision-language-action). Il s'agit ici d'une publication de recherche académique, sans acteur industriel ni produit commercial associé, et sans mention de comparaison directe avec des systèmes VLA à grande échelle déployés dans l'industrie. Les prochaines étapes attendues seraient une évaluation à plus grande échelle et une comparaison chiffrée face aux approches de politique de bout en bout dominantes.

RecherchePaper

1 source