RecherchearXiv cs.RO 22 juillet 2026

TacRefineNet : affinage de la préhension tactile guidé par objectif pour objets à arêtes saillantes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche présente TacRefineNet, un système d'affinage tactile de prise pour objets à géométrie fine comme les plaques, disques et tiges, dont les contacts épars sont difficiles à capter par la vision en profondeur. Le framework utilise un réseau siamois entraîné à comparer les images tactiles multi-doigts actuelles et cibles, ainsi que les configurations articulaires de la main, pour prédire directement des corrections incrémentales de la pose du poignet. La main ouvre, déplace et resaisit l'objet de façon itérative, formant une boucle de servocontrôle tactile à dextérité externe. Les chercheurs ont collecté 156 007 échantillons simulés à partir de 15 objets (plaques, disques, tiges) et entraîné la politique entièrement dans MuJoCo avant un déploiement zero-shot sur une main à cinq doigts et 11 degrés de liberté équipée de capteurs piézorésistifs. Sur des objets déjà vus, le système réel atteint un taux de réussite de 80,7% pour les cibles fixes et 59,3% pour les cibles aléatoires selon le critère de 10 degrés et 10 mm, avec des erreurs moyennes d'environ 5,2 mm et 3,5 degrés après cinq étapes de correction.

Ce résultat s'attaque à un angle mort précis de la manipulation robotique: les objets fins et symétriques restent un point faible pour les capteurs de profondeur classiques, car leurs surfaces de contact sont trop réduites ou occultées pour une estimation de pose fiable par vision seule. En démontrant qu'un asservissement purement tactile peut corriger l'alignement final avec une précision millimétrique, l'étude conforte l'idée que la fusion vision-tactile, plutôt que la vision seule, sera nécessaire pour les tâches d'assemblage fin en usine ou en logistique. Le transfert zero-shot simulation-vers-réel, sans réentraînement sur le système physique, est aussi un signal encourageant pour réduire le coût de déploiement de ce type de politique sur du nouveau matériel.

Le travail s'inscrit dans la lignée des approches de manipulation dextre pilotées par retour tactile, un domaine où la rareté des données réelles pousse les équipes à s'appuyer sur la simulation pour l'entraînement. Les auteurs reconnaissent des limites: le transfert reste restreint à des objets non vus mais proches en catégorie, et la performance chute nettement pour les objets symétriques ou aux contacts peu discriminants, un écueil classique pour toute méthode fondée sur la comparaison d'images de contact. Le système montre en revanche une capacité de correction continue face à des perturbations prolongées, ce qui ouvre la voie à des essais sur des tâches d'assemblage réel où la précision fine de prise est critique, sans qu'aucun calendrier de déploiement industriel ne soit pour l'instant annoncé.

Dans nos dossiers

Manipulation robotique

À lire aussi

1arXiv cs.RO

GraspTune : affinement de l'exécution de la préhension guidé par le toucher

Une équipe de recherche publie sur arXiv (identifiant 2609.24180, prétirage soumis le 22 septembre 2026) GraspTune, un système qui corrige en temps réel l'exécution d'une prise robotique après qu'un algorithme de vision a proposé où saisir un objet. Concrètement, GraspTune applique de petits mouvements résiduels bornés au point de contrôle de l'outil (TCP) pendant l'approche, la formation du contact et la fermeture finale de la pince, en s'appuyant sur la profondeur locale, des signaux tactiles, l'état du bras et l'historique des mouvements. Le système combine des requêtes de contact conditionnées par l'état, une supervision multi-tâche sur le changement de contact, le risque de contact et la préparation post-fermeture, une politique résiduelle pré-entraînée par diffusion et un ajustement par PPO pour un contrôle en boucle fermée. Testé sur plus de 60 000 exécutions simulées couvrant 20 catégories d'objets, GraspTune améliore le taux de prises stables de +19,22 points pour GraspNet, +9,55 pour Contact-GraspNet, +12,45 pour AnyGrasp et +20,70 pour VGN. Sur des objets jamais vus, le taux de réussite passe de 54,58% à 70,33%. En conditions réelles, sur un bras UR5e équipé de capteurs tactiles Xense et plus de 1 000 essais, le taux avec GraspNet grimpe de 71,0% à 84,3%, sans aucun réentraînement de la politique sur données réelles. L'intérêt principal tient à ce que GraspTune ne remplace pas les générateurs de propositions de prise mais se greffe dessus comme une couche d'exécution générique, améliorant simultanément quatre algorithmes différents sans les modifier. Cela répond directement à un problème connu du secteur: la génération visuelle de propositions de prise a beaucoup progressé, mais transformer une proposition visuellement plausible en prise physiquement stable reste le point de rupture entre démonstration et déploiement réel. Le transfert direct simulation vers robot réel, sans calibration ni réentraînement, est le résultat le plus significatif pour les intégrateurs qui cherchent à réduire le coût de collecte de données terrain pour la manipulation en environnement encombré ou pour des objets à géométrie variable. Le travail s'inscrit dans une tendance de recherche qui sépare la décision de "où saisir" (perception) du "comment exécuter" (contrôle tactile en boucle fermée), en s'appuyant sur des générateurs de référence déjà largement utilisés dans la littérature sur la préhension robotique. Aucun acteur industriel ni déploiement commercial n'est mentionné: il s'agit d'un travail académique accompagné d'une vidéo supplémentaire de démonstration, dont les prochaines étapes annoncées concernent la validation sur d'autres configurations de pince et de capteurs tactiles.

RecherchePaper

1 source

2arXiv cs.RO

Préhension sûre et délicate d'objets inconnus par détection tactile

Des chercheurs publient sur arXiv (2610.12790) un cadre de commande prédictive pour la préhension sûre d'objets inconnus, fondé sur deux modules tactiles compacts à canal unique montés sur la pince. Le système caractérise en temps réel l'interaction entre la pince et l'objet, sans connaissance préalable de celui-ci et sans entraînement hors ligne. Une machine à états finis sonde d'abord l'effort de serrage pour établir la force initiale et identifier les contraintes de saisie. Un modèle à processus gaussien (GP) apprend ensuite en ligne la dynamique de contact. Ses incertitudes servent à construire des contraintes robustes, intégrées à une commande prédictive (MPC) qui tourne à 100 Hz. Les auteurs affirment démontrer une convergence de l'erreur au sens probabiliste. Les essais couvrent plusieurs topologies de surface de contact et divers objets, des plus fragiles (tofu cru, chamallows) aux plus rugueux (pierres). Les résultats sont donnés comme supérieurs à des stratégies de référence, sans chiffres détaillés dans le résumé disponible. L'enjeu est un verrou classique de la manipulation : tenir assez fort pour éviter le glissement, mais pas trop pour ne pas endommager. Beaucoup d'approches reposent sur des modèles d'objet connus, des données d'entraînement ou des capteurs tactiles riches et coûteux (type vision-tactile). Ici, un capteur à canal unique, donc peu cher et simple à intégrer, suffit à gérer des objets inconnus. Pour un intégrateur, cela intéresse la logistique à références variables, l'agroalimentaire ou le tri de produits frais. L'absence d'apprentissage hors ligne évite aussi la chaîne de collecte de données et le risque de décalage simulation-réel. La manipulation dynamique, c'est-à-dire en mouvement et non en maintien statique, est plus proche des cadences industrielles. Des réserves s'imposent toutefois. Il s'agit d'un préprint non évalué par des pairs, testé en laboratoire sur une série d'objets choisis par les auteurs. Les temps de cycle, les taux d'échec et la robustesse sur de longues séries ne sont pas précisés dans le résumé. Ces travaux s'inscrivent dans la lignée des méthodes de contrôle de force et de détection de glissement par capteurs tactiles, ainsi que des approches de MPC fondées sur des processus gaussiens, appréciés pour leur quantification d'incertitude avec peu de données. Ils contrastent avec la tendance actuelle des modèles VLA (vision-langage-action) et des mains à capteurs tactiles denses, qui exigent de gros volumes de données. Leur intérêt tient à un pari inverse : une boucle de contrôle légère, interprétable et dotée de garanties statistiques, qui pourrait compléter un VLA en gérant la couche bas niveau de la prise. Aucun produit, partenaire industriel ni calendrier de transfert n'est annoncé. Les prochaines étapes probables sont des tests sur pinces commerciales, des objets déformables ou glissants plus variés et une évaluation en cadence réelle.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

TouchDrive : interface tactile sans électronique pour l'aide à la préhension

Des chercheurs ont publié sur arXiv (réf. 2605.06432) TouchDrive, une interface de retour tactile entièrement passive destinée à la préhension robotique assistive. Le système repose sur un clapet pneumatique normalement fermé, un réservoir d'air comprimé, un élément de captation mécanique et un actionneur haptique, sans aucun composant électronique. Le principe est direct : les forces de contact générées lors de la saisie sont converties en pression pneumatique qui actionne le retour haptique vers l'opérateur dans une boucle mécanique unique, sans microcontrôleur, sans firmware, sans couche logicielle intermédiaire. Le système a été validé sur plusieurs plateformes robotiques et testé sur un panel de 20 objets représentatifs, dont des fruits et des articles du quotidien, couvrant à la fois des objets compliants et des objets fragiles. L'intérêt industriel et médical de TouchDrive tient à sa rupture architecturale : là où les interfaces tactiles concurrentes empilent capteurs à résistance variable ou piézoélectriques, unités de traitement embarquées et buses d'actuation pilotées par microcontrôleur, TouchDrive condense sensing, génération de signal et retour haptique dans un seul circuit pneumatique passif. Cette compression de la chaîne de traitement réduit directement le coût de fabrication, la surface de défaillance et les contraintes réglementaires liées aux dispositifs électroniques en milieu médical. Pour un COO qui intègre des bras robotiques dans des environnements sensibles ou à budget contraint, l'absence d'électronique signifie aussi une maintenance simplifiée et une certification potentiellement plus rapide. La capacité à moduler la force de préhension en temps réel via retour tactile est ce qui permet la manipulation précise d'objets déformables, un problème non résolu par les systèmes de contrôle en position pure. Le champ de la manipulation assistive est actuellement dominé par des capteurs tactiles électroniques comme GelSight (MIT), DIGIT (Meta AI) ou les solutions embarquées de Touchlab et Contactile, tous dépendants de GPU ou de microcontrôleurs pour le traitement. TouchDrive se positionne explicitement à contre-courant, en ciblant l'accessibilité et la robustesse plutôt que la densité d'information. Il s'agit pour l'heure d'un prototype de laboratoire publié sous forme de preprint, sans partenaire industriel ni calendrier de commercialisation annoncé. La prochaine étape logique serait une validation sur des tâches à contraintes de force plus strictes et un test en conditions d'usage réelles avec des utilisateurs en situation de handicap moteur.

RecherchePaper

1 source

4arXiv cs.RO

Où rejoindre un groupe ? Prédiction d'objectif guidée par le langage pour l'agrégation de robots

Une équipe de recherche publie sur arXiv (2609.28467v1, mis en ligne le 24 septembre 2026) une méthode baptisée "language-grounded robot group joining", qui répond à une question absente de la navigation sociale classique : non pas comment rejoindre un point fixe, mais où et comment s'intégrer à un groupe humain dont l'activité et la formation évoluent en temps réel. Le système part d'une observation visuelle et d'une description en langage naturel du groupe cible pour identifier les bonnes personnes, puis calcule des poses de jonction socialement acceptables. La chaîne technique combine un partitionnement spectral récursif, qui génère des sous-ensembles candidats de personnes dans la scène, avec un modèle language-conditioned combinant image et géométrie pour classer ces sous-ensembles selon la description fournie. Une fois le groupe identifié, un module de prédiction d'objectif s'appuie sur des a priori de formations humaines (conversations, files d'attente, publics) pour produire une carte multimodale energy-orientation couvrant l'ensemble des poses robotiques envisageables. Les auteurs rapportent une inférence en moins d'une seconde, une précision d'identification du groupe comparable aux meilleures approches existantes, et des performances supérieures à toutes les méthodes de référence testées pour la prédiction de pose de jonction, validées à la fois en simulation et sur robot réel, y compris dans des interactions dynamiques. L'intérêt pratique dépasse la simple curiosité académique : les applications visées, chiens-guides robotiques et scooters de mobilité autonomes, ciblent l'assistance aux personnes à mobilité réduite ou malvoyantes dans des environnements sociaux denses, un cas d'usage largement sous-traité par la littérature en navigation robotique, historiquement focalisée sur l'évitement d'obstacles vers un but déjà connu. En prouvant qu'un robot peut interpréter une instruction en langage naturel pour localiser un groupe spécifique parmi plusieurs, puis calculer sa position d'intégration sans base de données pré-cartographiée, les auteurs adressent un maillon manquant pour les intégrateurs travaillant sur des AMR (robots mobiles autonomes) déployés en environnement humain ouvert, plutôt qu'en entrepôt structuré. Le travail s'inscrit dans la lignée des modèles vision-langage appliqués à la robotique mobile, où la formulation de tâches sémantiques complexes via instructions textuelles gagne du terrain face aux approches purement géométriques. Le papier ne mentionne ni partenariat industriel ni déploiement commercial : il s'agit d'un résultat de recherche fondamentale, testé sur trois types de configurations sociales (conversations, files d'attente, audiences) avec tailles de groupe, densités de foule et ambiguïtés visuelles variables. Aucune suite commerciale ni calendrier de transfert vers un produit n'est annoncé à ce stade.

RecherchePaper

1 source