Aller au contenu principal
MuJoCable : une transmission par câble d'ordre réduit guidée en surface pour robots à tendons
RecherchearXiv cs.RO 

MuJoCable : une transmission par câble d'ordre réduit guidée en surface pour robots à tendons

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Publié sur arXiv en septembre 2026 (arXiv:2609.09612), MuJoCable est un plugin qui ajoute au moteur physique MuJoCo une simulation réduite des transmissions par câbles, ou tendons, dont MuJoCo ne résout pas nativement le contact mobile non circulaire, la tension unilatérale et le frottement segment par segment. L'outil optimise le trajet du câble sur des surfaces mobiles analytiques et maillées, puis le convertit en tensions et forces via une loi axiale unilatérale et une propagation de type cabestan. Sur des bancs de poulies, l'erreur reste sous 0,5 %; sur SpiRobs, plateforme sous-actionnée à 18 articulations, il révèle une croissance de charge par frottement absente du modèle natif de MuJoCo, confirmée par des essais matériels sur SpiRobs et un doigt robotique à tendon couplé.

Pour les concepteurs de mains robotiques, de bras souples ou de systèmes sous-actionnés, l'outil comble une lacune concrète : le frottement et le routage des câbles restaient jusqu'ici invisibles en simulation, découverts seulement après fabrication du prototype. En les rendant calculables en amont, MuJoCable déplace une partie du fossé simulation-réalité vers la conception logicielle, un enjeu jusqu'ici surtout traité pour le contact ou la perception, rarement pour la transmission mécanique elle-même. Le résultat contredit l'hypothèse implicite d'un frottement négligeable entre articulations dans les simulateurs de tendons standards, avec à la clé, pour les intégrateurs, moins d'itérations matérielles coûteuses si la précision se confirme sur des géométries plus complexes.

MuJoCo, créé par Roboti LLC puis racheté et rendu open source par DeepMind en 2021, s'est imposé en simulation robotique aux côtés de PyBullet, Drake ou Isaac Sim de Nvidia, mais son modèle de tendon natif reste simplifié face à des robots à câbles comme les mains anthropomorphes ou les bras inspirés de tentacules tels que SpiRobs. MuJoCable choisit d'enrichir un moteur existant plutôt que de créer un nouveau simulateur, ce qui facilite son adoption via un simple plugin. L'article ne précise ni calendrier de publication du code ni partenariat industriel ; sa validation sur des mains commerciales ou des exosquelettes à câbles reste à venir.

À lire aussi

Réduction des fixations guidée par l'influence des composants pour une conception simplifiée et démontable par robot
1arXiv cs.RO 

Réduction des fixations guidée par l'influence des composants pour une conception simplifiée et démontable par robot

Une équipe de chercheurs a publié sur arXiv (arXiv:2605.21026) un cadre analytique visant à rendre les produits manufacturés plus faciles à démonter par des robots, en ciblant précisément les fixations à supprimer dès la phase de conception. Le système prend en entrée un modèle CAO et génère automatiquement un graphe de contacts-connexions-contraintes (CCC), qui encode les dépendances structurelles entre composants. À partir de là, un algorithme de planification de séquences de désassemblage robotique calcule des scores d'influence par composant : plus une fixation génère souvent des violations de contraintes ou dégrade les objectifs d'optimisation dans les séquences calculées, plus son score est élevé. Ces scores sont ensuite projetés sur la géométrie CAO sous forme de heatmaps 3D, signalant visuellement les points de friction structurels. Le système simule ensuite analytiquement la suppression des fixations les plus problématiques et prédit les gains attendus en termes de réduction de contraintes, de changements d'outil et de distances parcourues par le robot, tout en bloquant les modifications structurellement dangereuses via des métriques de stabilité géométrique. Les expériences portent sur sept appareils électroménagers. Ce travail répond à un angle mort réel dans la conception industrielle orientée fin de vie : les ingénieurs n'ont aujourd'hui aucun retour quantitatif sur le coût robotique de leurs choix de fixation. Sur les sept produits testés, la suppression des fixations recommandées a éliminé entre 8 et 132 contraintes structurelles dans le graphe CCC selon la complexité du produit, supprimé des changements d'outil inutiles, et réduit les distances de déplacement robot de 165 à 1675 millimètres là où la stabilité le permettait. Ces chiffres restent hétérogènes selon les configurations, et l'étude ne rapporte pas de temps de cycle ni de taux de succès en conditions réelles, ce qui limite la portée opérationnelle immédiate des résultats. L'approche prouve néanmoins qu'une boucle de retour CAO-vers-planification est techniquement faisable et peut guider le design-for-disassembly de façon non-experte. Le contexte est celui d'une pression réglementaire et économique croissante sur le remanufacturing, notamment en Europe avec les directives écoconception et la taxonomie verte. La désassemblabilité robotique est un prérequis pour industrialiser la revalorisation des produits en fin de vie à coût compétitif. Du côté académique, plusieurs groupes travaillent sur la planification de séquences de désassemblage (notamment les équipes autour des graphes AND/OR), mais peu couplent ces résultats à des recommandations actionnables de redesign. Côté industrie, des acteurs comme Bosch ou Renault investissent dans des lignes de démontage semi-automatisées, tandis que des startups européennes comme Ecochain ou Lizeo opèrent sur la traçabilité des composants. La prochaine étape naturelle pour ces travaux serait une validation sur des assemblages industriels réels (moteurs, modules électroniques) et l'intégration dans un outil CAO commercial.

UELes directives écoconception et la taxonomie verte européennes créent une pression directe sur les industriels comme Renault pour automatiser le démontage en fin de vie ; ce cadre CAO-vers-planification offre une voie technique concrète pour répondre à ces exigences réglementaires.

RecherchePaper
1 source
Génération de mouvements sûrs en temps réel sur tout le corps pour robots continuum multi-segments à câbles
2arXiv cs.RO 

Génération de mouvements sûrs en temps réel sur tout le corps pour robots continuum multi-segments à câbles

Des chercheurs proposent un cadre de commande en espace d'actionnement pour des robots continus à câbles (tendon-driven continuum robots) planaires à plusieurs segments, capable de générer des mouvements sûrs sur l'ensemble du corps en temps réel. Le travail repose sur un modèle de courbure variable fondé sur l'énergie, qui prend en compte l'espacement non uniforme des câbles et la rigidité de flexion variable le long de la structure. Ce modèle fournit des jacobiennes analytiques, utilisées pour la cinématique inverse différentielle et la surveillance de sécurité. Un programme quadratique à contraintes CBF (control barrier functions) multipoints garantit une distance minimale entre l'épine dorsale du robot et les obstacles, y compris mobiles, tout en respectant les bornes de vitesse d'actionnement. La dimension de décision du problème dépend uniquement du nombre de segments actionnés indépendamment. Face aux références GVS, l'erreur de courbure maximale du modèle est de 5,223 × 10⁻² m⁻¹. Sur 100 essais en simulation MuJoCo, la méthode atteint 96 % de réussite sans collision en scénario statique et 100 % en scénario dynamique, contre environ 60 % et 80 % sans contraintes CBF. Avec 600 points de surveillance sur l'épine dorsale, le temps moyen par pas de commande est de 6,66 ms. L'intérêt tient à un verrou classique des robots continus : leur flexibilité, précieuse en environnement encombré (chirurgie mini-invasive, inspection de cavités, maintenance de machines), rend la modélisation précise et l'évitement de collision sur tout le corps difficiles à tenir sous contrainte temps réel. Ici, le coût de calcul ne grimpe pas avec la densité de surveillance, puisque la dimension du QP reste liée au nombre de segments, et 6,66 ms par pas avec 600 points laissent une marge pour une boucle de commande à plusieurs centaines de hertz. Les écarts de réussite entre avec et sans CBF (96 % contre environ 60 % en statique) montrent l'apport concret des contraintes de sécurité. Des réserves s'imposent toutefois : les résultats sont obtenus uniquement en simulation, en configuration planaire, et le 96 % en statique signale des cas d'échec résiduels non détaillés dans le résumé. Les tests de traversée de trou démontrent la faisabilité en milieu confiné, sans validation sur matériel. Ces travaux s'inscrivent dans la lignée des modèles à courbure constante par morceaux, dont l'hypothèse d'uniformité limite la précision pour des structures à géométrie ou rigidité variable. La référence GVS (variante de la théorie des tiges de Cosserat à déformation variable) sert ici de vérité terrain. Les CBF, déjà largement employées pour les manipulateurs rigides et les robots mobiles, sont ici adaptées à un corps déformable. Les suites logiques sont l'extension au cas spatial 3D, la validation sur un prototype réel avec bruit de perception et frottements des câbles, et l'intégration d'une perception des obstacles en ligne. Il s'agit d'une publication de recherche (preprint arXiv), non d'un produit ni d'un déploiement.

RecherchePaper
1 source
Extension de poignet à 2 degrés de liberté par transmission rigide directe pour main à câbles tendineux
3arXiv cs.RO 

Extension de poignet à 2 degrés de liberté par transmission rigide directe pour main à câbles tendineux

Des chercheurs présentent CRAFT-Wrist, une extension de poignet concentrique à 2 degrés de liberté (DOF) se montant entre un bras robotique et la main tendineuse CRAFT sans modification de celle-ci, décrite dans un article publié sur arXiv (n° 2609.22681). Deux servomoteurs Dynamixel XC430-T240BB-T entraînent, via des transmissions rigides courtes, la rotation latérale et la rotation avant-arrière. Le prototype actionne les deux axes sous charge et atteint un espace de travail de ±20° en déviation radiale-ulnaire (mouvement gauche-droite), avec une amplitude avant-arrière de +80° en flexion et -18° en extension. Les auteurs ont mesuré la charge transmise aux moteurs des doigts selon la posture du poignet, et testé le système sur trois tâches : préhension d'objets, martelage de clous et essuyage d'un tableau. Vidéos de démonstration et instructions d'assemblage sont publiées sur craft-wrist.github.io. L'intérêt pour l'industrie de la manipulation dextre tient à la simplification cinématique plutôt qu'à la performance brute. Sans poignet dédié, une main robotique doit recréer une orientation locale de préhension via plusieurs articulations du bras, ce qui allonge la trajectoire de l'effecteur terminal, un frein connu en espace confiné comme des étagères, boîtes ou cavités. En ajoutant deux DOF compacts à l'interface main-bras, CRAFT-Wrist découple partiellement orientation locale et orientation globale, ce qui peut réduire la charge de planification de mouvement pour une tâche donnée. Il reste toutefois un prototype de recherche à un stade précoce : les amplitudes angulaires restent modestes face à un poignet humain, et trois démonstrations ponctuelles ne constituent pas une validation industrielle répétée. Ce travail s'inscrit dans une tendance de la recherche en manipulation dextre où l'ajout de degrés de liberté au poignet est identifié comme un levier pour réduire la complexité de contrôle des mains robotiques tendineuses, à l'image d'efforts comparables sur d'autres plateformes de main dextre. En publiant schémas et instructions d'assemblage en accès libre, les auteurs suivent la pratique croissante du matériel ouvert en robotique académique, pensée pour accélérer la reproduction par d'autres laboratoires plutôt que pour une commercialisation immédiate. Aucun calendrier de transfert industriel ni de partenariat n'est mentionné dans l'article : il s'agit d'une publication de recherche, pas d'un lancement produit. Les suites logiques attendues concernent l'intégration de CRAFT-Wrist à des systèmes bras-main complets et l'évaluation de sa robustesse sur des tâches dextres plus variées que les trois démonstrations initiales.

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