RechercheIEEE Spectrum Robotics 18 août 2026

Des drones à griffes se posent sur des icebergs arctiques

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de l'Université de Sherbrooke, au Québec, ont développé un drone baptisé Ice Dart capable de se poser et de s'accrocher à des surfaces glacées extrêmement pentues, comme des icebergs et des glaciers. L'étude, publiée dans la revue IEEE Transactions on Field Robotics, décrit des essais menés dans le sud-est de l'Islande, sur le glacier Fjallsjökull, qui se déverse dans un lagon rempli d'icebergs, par des températures de 0 à 10 °C et des vents soutenus. L'appareil, en fibre de carbone et pesant seulement 2,65 kg, s'est posé avec succès sur des pentes atteignant 58 degrés, à des vitesses allant jusqu'à 3 mètres par seconde, avec un taux de réussite de 100 % même par vents de 30 km/h. Son train d'atterrissage comprend quatre pattes disposées en X, montées sur une articulation pivotante et équipées d'amortisseurs à friction formés de 38 disques qui dissipent l'énergie de l'impact. Chaque patte porte deux griffes rétractables, une plus large pour l'adhérence en descente et une plus fine pour la montée, qui ne se déploient qu'au moment de la compression de la suspension, un mécanisme inspiré des griffes de chat. Les travaux sont signés par Isaac Tunney, chercheur postdoctoral en génie mécanique et robotique et premier auteur de l'étude, et Alexis Lussier Desbiens, professeur de génie à l'Université de Sherbrooke et coauteur.

Cette capacité à se poser plutôt qu'à simplement survoler change la donne pour la surveillance de terrain en environnement extrême. Une fois posé, le drone réduit drastiquement sa consommation d'énergie, ce qui permet des périodes d'observation bien plus longues qu'en vol stationnaire, tout en devenant quasi silencieux et en réduisant sa signature thermique et radiofréquence lorsque ses systèmes principaux sont éteints. Pour le suivi des icebergs, un enjeu croissant avec l'intensification de l'activité en Arctique, cette approche pourrait compléter des méthodes plus lourdes comme le déploiement par hélicoptère, les balises larguées ou la détection par satellite et par navire, en apportant des observations continues sur plusieurs jours, voire plusieurs mois, directement depuis la glace. Pour les intégrateurs et opérateurs travaillant en environnements difficiles, la démonstration prouve qu'un atterrissage fiable sur une pente glacée instable de près de 60 degrés est techniquement atteignable avec un système léger et autonome, là où l'absence de site d'atterrissage sûr reste l'une des principales limites à l'usage des drones sur le terrain.

Ice Dart s'inscrit dans la continuité des travaux du laboratoire de robotique de l'Université de Sherbrooke, qui avait déjà mis au point des drones capables de se poser sur des camions en mouvement, des remorques, des bateaux et des toits pentus, en réutilisant ici le même principe de train d'atterrissage à amortisseurs à friction. Il s'agit d'un prototype de recherche validé par des essais de terrain réels en conditions arctiques et publié dans une revue à comité de lecture, et non d'un produit commercialisé ou d'un déploiement opérationnel. Les auteurs ne mentionnent pas de partenaire industriel ni de calendrier de commercialisation, mais présentent ces résultats comme une étape vers des drones capables de se poser presque n'importe où dans le monde, ce qui ouvrirait la voie à des missions de surveillance environnementale prolongées dans des zones polaires aujourd'hui difficiles d'accès.

À lire aussi

1arXiv cs.RO

Politiques de scène à base d'agents

Des chercheurs du laboratoire Robotics and Embodied AI de Montréal (Mila, page projet montrealrobotics.ca) publient la deuxième version d'Agentic Scene Policies (ASP), un cadre de contrôle robotique qui vise la généralisation zéro-shot, c'est-à-dire l'exécution d'instructions en langage naturel sur des objets jamais vus, sans entraînement spécifique. ASP unifie, dans un seul espace d'actions « agentique », la localisation des objets et les compétences du robot, via une interface d'outils exposée à un agent. La représentation de la scène en 3D repose sur un modèle vision-langage (VLM), et les compétences s'appuient sur des affordances au niveau des parties d'objets, comme la poignée d'un tiroir ou la fiche d'un chargeur. Cela permet des interactions zéro-shot telles que débrancher un chargeur ou ouvrir un tiroir. Les auteurs affirment que ASP surpasse systématiquement les principaux modèles VLA (vision-langage-action) en zéro-shot lors d'expériences réelles, et présentent une version mobile du cadre pour répondre à des requêtes à l'échelle d'une pièce. Le résumé ne donne ni chiffres de taux de réussite, ni noms des VLA comparés, ni détails sur le robot utilisé. Ces éléments sont à chercher dans le papier complet. L'intérêt tient au débat entre deux architectures. Les VLA détournent un VLM pour produire des actions de bout en bout, mais leur généralisation à de nouvelles instructions et à de nouveaux objets reste fragile. Les politiques modulaires, qui combinent représentation de scène, planification de mouvement et VLM, sont plus interprétables et donnent de bons résultats zéro-shot. Elles souffrent toutefois de deux faiblesses : une recherche d'objets purement sémantique, sans raisonnement spatial explicite, et des compétences limitées à la saisie et à la navigation de base. ASP s'attaque aux deux. Si l'avantage sur les VLA se confirme sur des protocoles indépendants, cela plaide pour des architectures hybrides, où un agent de langage orchestre des primitives géométriques robustes plutôt que de tout apprendre de bout en bout. Pour les intégrateurs, l'attrait est concret : un système modulaire se diagnostique, se corrige et s'étend en ajoutant des outils, sans réentraîner un modèle de plusieurs milliards de paramètres. Il faut cependant rester prudent. Il s'agit d'un travail académique, non d'un produit, et la comparaison dépend du choix des VLA de référence, de leur réglage et des tâches retenues. Les cadences, la fiabilité sur de longues séries et les modes de défaillance ne sont pas documentés dans le résumé. Ce travail s'inscrit dans la lignée des approches qui font piloter des robots par des VLM et des LLM, avec des cartes sémantiques 3D et des outils de saisie issus de la vision. En face, les VLA généralistes tels que Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure ont gagné en visibilité, avec une promesse de généralisation encore peu vérifiée hors des environnements d'entraînement. La publication de cette version 2 (une révision d'un papier d'abord soumis en septembre 2025) suggère un travail affiné après relecture. Les prochaines étapes probables sont des tests sur davantage d'objets et de scènes, des comparaisons plus larges avec les VLA récents et une extension de la version mobile à des tâches de longue durée.

RecherchePaper

1 source

2arXiv cs.RO

IA à base d'agents pour les systèmes multi-drones critiques : défis et opportunités

Un article de position publié le 25 août 2026 sur arXiv (référence 2608.21444v1) sous le titre "Agentic AI for Safety-critical Multi-drone Systems: Challenges and Opportunities" fait la synthèse de deux programmes de recherche en cours consacrés aux drones autonomes pour missions critiques. Le premier, NAMUR, explore le pilotage de robots assisté par grands modèles de langage (LLM) dans des contextes de recherche et sauvetage (SAR) et de lutte contre les incendies. Le second, PERSIST, porte sur des opérations de drones persistantes pour la surveillance et la sécurisation de sites d'infrastructures critiques. Il ne s'agit ni d'un produit commercialisé ni d'un déploiement opérationnel chiffré, mais d'un article de positionnement académique qui tire les enseignements de ces deux initiatives pour poser un cadre de recherche. L'intérêt pour les intégrateurs et décideurs du secteur tient au diagnostic posé: la limite à l'adoption des systèmes multi-drones pour des missions à haut risque ne serait pas d'abord une question de performance des algorithmes d'autonomie, mais un problème socio-technique. Les opérateurs doivent comprendre, faire confiance et garder le contrôle sur des comportements agentiques sous incertitude, pression temporelle et responsabilité juridique. Cette thèse va à l'encontre d'une lecture purement technique du "sim-to-real" ou des architectures vision-langage-action: même une IA performante en laboratoire reste inutilisable sur le terrain si l'interface, les mécanismes de supervision et les méthodes d'évaluation ne sont pas conçus pour l'humain aux commandes. Les auteurs, sans préciser l'origine institutionnelle des deux programmes dans le résumé disponible, défendent une méthodologie centrée sur l'humain, participative et itérative: identifier les besoins des parties prenantes, faire évoluer les capacités des agents à travers des prototypes successifs, puis produire des preuves de concept et des grilles d'évaluation transférables à d'autres domaines critiques comme le nucléaire, l'énergie ou la logistique portuaire. Le papier ne fixe pas de calendrier de déploiement ni de partenaire industriel nommé, restant à ce stade au niveau du cadrage de recherche plutôt que de la mise en œuvre concrète.

UEL'origine institutionnelle des programmes NAMUR et PERSIST n'est pas précisée dans le résume, mais leurs noms évoquent des projets européens (probablement belges) pertinents pour la robotique de sécurité civile en UE.

RecherchePaper

1 source

3Interesting Engineering

Un drone remplace ses caméras par le toucher pour apprendre à se percher sur une branche

Des chercheurs de l'université technique de Delft (TU Delft), aux Pays-Bas, ont mis au point un drone capable de se percher sur des branches en s'appuyant sur le toucher plutôt que sur la seule vision par caméra. Le système repose sur une main robotique anthropomorphe légère à trois doigts, dotée de capteurs capacitifs souples et d'un contrôle tactile en boucle fermée. Chaque doigt comporte trois phalanges arrondies reliées par des articulations rotoïdes, avec des ressorts de torsion qui referment passivement la main sans consommer d'énergie active. La structure est imprimée en 3D en PLA rigide, recouverte d'interfaces en silicone souple pour la friction au contact. Les capteurs tactiles utilisent une feuille de cuivre intégrée sous le silicone : le contact avec un objet conducteur modifie la capacitance, mesurée par un contrôleur MPR121 qui délivre des signaux de contact binaires en temps réel. Ne disposant au départ que d'une estimation approximative de la position de la branche, le drone balaie la zone selon une trajectoire sinusoïdale en huit, étagée verticalement, tout en ouvrant et fermant les doigts jusqu'au premier contact, qui déclenche ensuite un ajustement fin de position et d'orientation. Cette approche répond à une limite bien identifiée des drones perchés en environnement encombré, typiquement en forêt, où le feuillage, les occlusions et le mouvement des branches mettent en échec les systèmes purement vision. Une fois la prise stabilisée, le drone peut couper ses moteurs, réduisant le bruit et économisant la batterie, ce qui ouvre la voie à des missions de surveillance environnementale ou de collecte de données prolongées sans recharge fréquente. L'intérêt technique tient surtout à l'architecture de contrôle par états (décollage, recherche, détection de contact, approche, positionnement, rotation, finalisation, accroche, abandon), qui permet une réaction dynamique au toucher plutôt qu'une manœuvre d'atterrissage prédéfinie, avec une vérification de la stabilité de la prise avant de s'engager et un retour en vol stationnaire possible en cas d'échec. Pour les intégrateurs de drones d'inspection ou d'agriculture de précision, cela illustre une piste alternative au tout-vision pour l'autonomie énergétique embarquée. Le travail s'inscrit dans une recherche plus large sur le perchage passif des drones, un axe suivi depuis plusieurs années par différents laboratoires pour prolonger l'autonomie des micro-aéronefs, TU Delft étant reconnue dans ce domaine via son laboratoire de microdrones (MAVLab). D'autres approches existantes reposent sur des crochets rigides, des ventouses ou une détection visuelle par apprentissage profond pour repérer les points d'accroche, avec les mêmes limites de robustesse en conditions réelles. Il s'agit ici d'un projet de recherche académique et non d'un produit commercialisé : l'article ne précise ni partenariat industriel, ni calendrier de déploiement, ni confirmation que les essais aient eu lieu en forêt plutôt qu'en laboratoire.

UERecherche menée par TU Delft (Pays-Bas), un laboratoire européen reconnu en microdrones, ce qui renforce la position de l'UE sur l'axe du perchage passif tactile.

RecherchePaper

1 source

4arXiv cs.RO

Pré-entraînement universel sur les poses pour des politiques VLA généralisables

Des chercheurs ont publié Pose-VLA (arXiv:2602.19710, 2026), un nouveau paradigme d'entraînement pour les modèles Vision-Language-Action (VLA) appliqués à la manipulation robotique. L'approche sépare l'entraînement en deux phases distinctes: une phase de pré-entraînement qui extrait des prior spatiaux 3D universels dans un espace centré sur la caméra, puis une phase de post-entraînement pour l'alignement propre à l'embodiment du robot cible. Le mécanisme central repose sur l'introduction de "discrete pose tokens", une représentation intermédiaire universelle qui combine des données de grounding spatial issues de datasets 3D hétérogènes avec des trajectoires géométriques issues de démonstrations robotiques. Sur le benchmark RoboTwin 2.0, Pose-VLA revendique l'état de l'art avec 79,5% de taux de succès moyen, et atteint 96,0% sur LIBERO. En conditions réelles, le modèle généralise à des objets variés avec seulement 100 démonstrations par tâche. Le problème structurel que Pose-VLA cherche à résoudre est bien documenté dans la littérature: les backbones VLM classiques, optimisés pour le Visual Question Answering, excellent à identifier sémantiquement des objets mais restent relativement insensibles aux variations 3D fines qui dictent des stratégies de préhension différentes. Ce phénomène, qualifié de "feature collapse" par les auteurs, dégrade l'efficacité d'entraînement et limite la généralisation inter-tâches. En découplant explicitement la perception spatiale 3D de la supervision d'action, l'approche vise à réduire significativement le nombre de démonstrations nécessaires pour adapter une politique à un nouveau contexte, ce qui représente aujourd'hui l'un des principaux freins à l'industrialisation des VLA. À noter que les tâches réelles testées ne sont pas détaillées dans l'article, et les performances sur benchmarks simulés ne préjugent pas du comportement en environnement industriel non contrôlé. Les VLA sont au coeur d'une compétition de recherche intense depuis RT-2 de Google DeepMind en 2023, et des modèles comme Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) ou OpenVLA ont chacun tenté d'adresser le sim-to-real gap et la dépendance aux larges corpus de démonstrations. RoboTwin 2.0 et LIBERO sont devenus des références de facto pour comparer ces politiques en manipulation. Pose-VLA s'inscrit dans une tendance plus large de découplage des phases d'entraînement, parallèlement à des approches comme UniSim ou RoboVLMs. Cette publication reste au stade académique: aucun déploiement industriel, partenariat commercial ni timeline de mise en production ne sont mentionnés, et les expériences réelles se limitent à un contexte laboratoire avec des objets courants.

RechercheOpinion

1 source