RechercheIEEE Spectrum Robotics 16 juillet 2026

Comment invisible

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Article traduit et résumé :

Des chercheurs en robotique de l'université Northwestern, à Evanston dans l'Illinois, ont présenté cette semaine lors de la conférence RSS 2026 à Sydney un drone baptisé Phantom Twist, conçu pour être quasiment invisible à l'œil humain. Selon l'équipe, dirigée par Michael Rubenstein, l'appareil est environ dix fois plus difficile à repérer en vol qu'un quadricoptère classique. Le principe repose sur une rotation rapide, entre 15 et 25 Hz, qui exploite la persistance rétinienne : l'œil humain met environ 100 millisecondes pour intégrer une scène avant de la transmettre au cerveau, et un objet tournant assez vite finit par se fondre avec l'arrière-plan en un flou quasi transparent. Le drone ne possède qu'un seul moteur et aucune surface de contrôle : la direction est obtenue en modulant la vitesse du moteur à des instants précis de chaque rotation, tandis que l'altitude dépend de la poussée globale. Sa forme, très étudiée, est en grande partie composée de vide : tiges de fibre de carbone de 0,8 mm, batteries, contrôleur, contrepoids (remplaçables par des batteries supplémentaires ou une charge utile), moteur et hélice, le tout assemblé et mis en rotation au décollage via un lanceur portatif dédié.

L'intérêt de Phantom Twist ne tient pas seulement à son étrangeté visuelle, mais à la méthode employée pour y parvenir : un design entièrement optimisé par ordinateur. Selon Rubenstein, l'espace de conception est si complexe, avec des compromis multiples entre stabilité de vol et apparence visuelle, qu'une équipe humaine n'aurait probablement pas pu aboutir seule à une configuration aussi peu visible. La visibilité du drone dépend en effet de l'alignement des différents composants entre eux, vus sous l'angle d'un observateur au sol : plus les pièces se superposent visuellement pendant la rotation, moins on distingue de matière solide et plus l'arrière-plan reste visible à travers l'appareil. Pour l'industrie des drones et de la robotique aérienne, cette approche illustre un usage concret de l'optimisation computationnelle appliquée non plus seulement à la performance de vol, mais à des contraintes perceptives, ouvrant potentiellement la voie à des applications de surveillance discrète ou de recherche où la furtivité visuelle compterait autant que la furtivité sonore, même si le bourdonnement caractéristique des drones reste un problème non résolu par cette conception.

Les drones à rotation unique ne sont pas une nouveauté : des projets comme Picolissimo ou différents drones dits "samsara", inspirés du vol tournoyant des graines d'érable, avaient déjà exploré ce principe de vol par rotation passive stable. Ce qui distingue Phantom Twist, c'est l'usage explicite de l'optimisation computationnelle pour minimiser la visibilité, plutôt que pour maximiser uniquement l'efficacité aérodynamique. Le prototype présenté à RSS 2026 reste un objet de recherche, équipé de marqueurs de suivi optique pour les besoins des expérimentations en laboratoire, et aucun calendrier de commercialisation ou de déploiement opérationnel n'a été communiqué par l'équipe de Northwestern à ce stade.

À lire aussi

1arXiv cs.RO

Fils invisibles : les principes de la marionnette et leurs liens cachés avec le comportement des robots

Des chercheurs en interaction homme-robot proposent une nouvelle source d'inspiration pour concevoir le comportement non verbal des robots : la marionnette. Publié le 3 juillet sur arXiv, ce travail part d'un constat simple : depuis des années, la conception des gestes et postures des robots sociaux s'appuie largement sur les Principes d'Animation de Disney, popularisés par Thomas et Johnston dans les années 1980 pour donner vie aux personnages de dessin animé. Les auteurs ont mené des entretiens avec des marionnettistes professionnels et analysé des ouvrages de référence sur cet art pour en extraire un ensemble de principes de conception directement transposables à la robotique, couvrant la morphologie du corps, la dynamique du mouvement et les modalités d'interaction avec un public ou un partenaire humain. L'intérêt pour les concepteurs de robots est concret : contrairement à l'animation, qui s'affranchit des lois physiques et se limite souvent à des règles de mécanique de bas niveau (timing, exagération, anticipation), la marionnette a toujours composé avec des contraintes matérielles réelles proches de celles d'un robot physique, comme le poids, l'inertie ou les degrés de liberté limités d'une structure articulée. Elle a aussi, depuis des siècles, développé des savoir-faire sur l'interaction incarnée avec un public, un terrain que l'animation ne couvre pas puisqu'un dessin animé ne partage jamais l'espace physique avec son spectateur. Pour les équipes qui conçoivent des robots sociaux ou collaboratifs, ce corpus offre donc des pistes de conception à plus haut niveau que les principes d'animation, potentiellement plus directement actionnables pour des systèmes contraints par le monde réel. Ce travail s'inscrit dans un courant de recherche en robotique sociale qui puise depuis longtemps dans les arts du spectacle : théâtre, danse et animation ont déjà été mobilisés pour informer le design comportemental des robots. La marionnette restait jusqu'ici un angle mort de cette littérature, malgré une histoire longue de plusieurs siècles d'exploration de la forme, du mouvement et de l'interaction de personnages incarnés. Les auteurs positionnent leurs principes comme complémentaires, et non substituables, à ces apports antérieurs, ouvrant la voie à des travaux futurs testant leur application concrète sur des plateformes robotiques.

RecherchePaper

1 source

2arXiv cs.RO

Comment vision-langage-action doivent-ils utiliser l'état proprioceptif ?

Un nouvel article de recherche publié sur arXiv (2608.03052, début août 2026) s'attaque à une question que la littérature sur les modèles Vision-Language-Action (VLA) a longtemps traitée par à-coups : comment un robot doit-il intégrer son état proprioceptif, c'est-à-dire les positions et vitesses articulaires mesurées en interne. Les auteurs relèvent que la quasi-totalité des VLA récents exploitent cette information, mais de manière incohérente d'un système à l'autre : sérialisée en texte dans le prompt, projetée dans le préfixe vision-langage, ou injectée directement dans l'expert d'action, et presque toujours limitée à une seule frame instantanée. Pour trancher, l'équipe a mené des expériences contrôlées sur un VLA à flow-matching, en figeant le backbone, les données d'entraînement, la représentation d'action et le protocole d'évaluation. Cinq interfaces ont été comparées à égalité d'implémentation (prompt d'état discret, préfixe VLM, préfixe d'action, expert d'état dédié, modulation de features), testées sur 45 tâches atomiques réparties en trois familles plus 20 tâches composites, avec un balayage de la longueur d'historique d'état de 1 à 96 frames. L'enjeu dépasse le détail d'ingénierie : à mesure que les VLA se généralisent en robotique industrielle, chaque laboratoire bricole sa propre façon de câbler l'état proprioceptif sans base comparative rigoureuse, ce qui rend les gains rapportés difficiles à attribuer. Cette étude cherche à isoler ce qui relève d'un réel bénéfice temporel de ce qui n'est qu'un surcroît de capacité de conditionnement, une distinction cruciale pour les équipes qui doivent arbitrer entre complexité d'architecture et performance en boucle fermée sur des tâches réelles. Le papier s'inscrit dans un paysage VLA en pleine consolidation, dominé par des architectures comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, dont les choix d'intégration proprioceptive restent largement empiriques et non justifiés publiquement. L'abstract ne détaille pas les principes de conception retenus, seulement la méthodologie : les résultats précis et leur portée pratique restent à vérifier dans le corps de l'article.

RecherchePaper

1 source

3arXiv cs.RO

Comment fonctionnent réellement les VLA en environnements ouverts

Un article de recherche publié sur arXiv (référence 2604.21192) soumet les modèles vision-langage-action (VLA) à une évaluation critique sur le benchmark BEHAVIOR1K (B1K), un protocole simulant des tâches domestiques complexes de longue durée dans des environnements ouverts. Le constat est net : les métriques standards de ces benchmarks, taux de succès ou score partiel, ne mesurent que l'état final des objets manipulés, indépendamment des événements qui y ont conduit. Un robot qui renverse un verre avant de le replacer peut ainsi obtenir le même score qu'un robot qui l'a manipulé sans incident. Ce protocole dit "progress-agnostic" ignore entièrement les comportements dangereux en cours d'exécution. Les chercheurs ont soumis plusieurs VLA de pointe à une analyse multidimensionnelle couvrant robustesse, reproductibilité, violations de sécurité et causes d'échec des tâches. Les implications sont directes pour tout acteur envisageant un déploiement réel. Si les métriques actuelles gonflent artificiellement les performances rapportées, les décisions d'intégration basées sur ces benchmarks reposent sur des bases fragiles. La distinction est capitale entre un modèle qui complète une tâche et un modèle qui la complète de façon sûre et reproductible, deux propriétés que les scores agrégés actuels confondent. Les auteurs proposent de nouveaux protocoles d'évaluation capables de capturer les violations de sécurité, comblant un angle mort majeur de la recherche. Pour un intégrateur ou un décideur industriel, cela signifie que les chiffres de "success rate" publiés par les laboratoires doivent être lus avec prudence, en exigeant explicitement des données de reproductibilité et des métriques comportementales. La course aux VLA s'est accélérée depuis 2024 avec des modèles comme pi0 de Physical Intelligence, GR00T N2 de NVIDIA, ou OpenVLA issu de Stanford et Berkeley. Ces systèmes combinent une fondation vision-langage avec un module d'action, affichant des capacités de généralisation notables en simulation. Ce papier suggère que le fossé simulation-réel est peut-être plus profond qu'estimé : des modèles performants sur B1K pourraient s'avérer moins fiables dès lors qu'on intègre sécurité et consistance comportementale comme critères d'évaluation. Les auteurs appellent la communauté à adopter ces nouveaux protocoles dans les futures éditions du B1K Challenge pour aligner les standards de recherche avec les exigences concrètes du déploiement en environnement ouvert.

RechercheOpinion

1 source

4Robohub

Comment enseigner la même compétence à différents robots

Des chercheurs de l'EPFL ont publié en 2026 dans la revue Science Robotics un nouveau cadre de contrôle robotique baptisé "Kinematic Intelligence", développé au sein du laboratoire LASA (Learning Algorithms and Systems Laboratory) sous la direction d'Aude Billard. Le principe repose sur trois étapes : une tâche démontrée une seule fois par un opérateur humain est capturée via motion-capture, convertie mathématiquement en une stratégie de mouvement générique, puis automatiquement adaptée aux contraintes cinématiques de chaque robot cible (amplitudes articulaires, positions d'équilibre, limites mécaniques). Dans une expérience conduite sur une ligne d'assemblage, un humain démontre trois actions successives - pousser un bloc de bois d'un convoyeur vers un établi, le déposer sur une table, puis le lancer dans un panier - et trois robots commerciaux de morphologies différentes reproduisent fidèlement cette séquence, y compris lorsque la répartition des étapes entre machines est modifiée en cours d'exécution. L'enjeu industriel est direct : reprogrammer une flotte de robots lors d'un changement de génération matérielle représente aujourd'hui un coût significatif en temps et en expertise, même quand les nouvelles machines remplissent des fonctions identiques. Kinematic Intelligence propose une alternative concrète : démontrer une fois, déployer sur plusieurs plateformes sans réécriture. Pour les intégrateurs et les décideurs industriels, cela ouvre la voie à une réduction du temps de mise en service et à une meilleure résilience face à l'évolution rapide du hardware robotique. La publication valide également une hypothèse structurante : un transfert de compétences cross-robot peut garantir formellement un comportement sûr et prédictible, sans recourir à de l'apprentissage par renforcement spécifique à chaque plateforme. Sthithpragya Gupta (doctorant LASA, co-premier auteur) et Durgesh Haribhau Salunkhe (chercheur LASA, co-premier auteur) soulignent que "chaque robot interprète la même compétence à sa façon, mais toujours dans des limites sûres et faisables". À noter : aucune métrique de taux de succès agrégé ni de temps de cycle n'est communiquée publiquement, ce qui limite l'évaluation quantitative de la robustesse à grande échelle. Le LASA est un laboratoire de référence en apprentissage par démonstration (Learning from Demonstration), avec une trajectoire longue sur l'imitation du mouvement humain. La recherche s'inscrit dans un paysage concurrentiel dense : les approches VLA (Vision-Language-Action) de Google DeepMind, pi-0 de Physical Intelligence ou les frameworks sim-to-real de Figure AI et Boston Dynamics visent eux aussi à réduire le coût de déploiement cross-plateforme, mais s'appuient sur de grands volumes de données et du fine-tuning. Kinematic Intelligence se distingue par son approche analytique et sa garantie formelle de sécurité, deux propriétés potentiellement attractives dans des environnements réglementés comme l'industrie pharmaceutique, automobile ou agroalimentaire. Les prochaines étapes annoncées incluent la collaboration humain-robot et l'interaction en langage naturel, avec l'ambition de rendre le système opérable sans expertise en programmation robotique.

UELa recherche de l'EPFL-LASA ouvre une piste concrète pour les intégrateurs industriels européens souhaitant réduire les coûts de reprogrammation lors des renouvellements de flottes robotiques, notamment dans les secteurs pharmaceutique, automobile et agroalimentaire.

RecherchePaper

1 source