RecherchearXiv cs.RO 14 septembre 2026

Avant le point de bascule : perception active guidée par la force pour estimer le centre de masse 3D sans connaître la forme

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un bras robotique doté d'un capteur de force et de couple à six axes peut désormais estimer le centre de masse en 3D d'un objet inconnu sans jamais le saisir, grâce à une méthode publiée le 14 septembre 2026 sur arXiv (arXiv:2609.12894v1). Le procédé repose sur un test de basculement sous-critique : le manipulateur exerce une poussée quasi-statique en hauteur puis relâche l'objet selon un cycle de poussée-retrait, en enregistrant les couples et les angles pendant l'inclinaison. Cette alternance mitige les biais de friction qui faussaient les méthodes précédentes et permet d'ajuster les paramètres physiques à partir de la seule trajectoire observée. Un mécanisme de marge de sécurité empêche l'objet de basculer complètement pendant l'expérience. Testée sur des objets de formes variées, sans modèle CAO ni connaissance géométrique préalable, la méthode restitue la masse, la hauteur du centre de masse et l'angle critique de basculement avec une erreur relative inférieure à 5 % dans tous les cas étudiés.

Pour l'industrie robotique, ce résultat s'attaque à un verrou concret de la manipulation non préhensile et de la préhension d'objets difficiles : les robots ignorent aujourd'hui la répartition interne de masse des objets qu'ils manipulent, ce qui limite les manipulations sûres d'objets irréguliers, mal équilibrés ou impossibles à saisir directement (bacs de tri, colis logistiques, pièces industrielles asymétriques). Une estimation fiable du centre de masse en amont d'une prise permet d'ajuster la trajectoire, la force appliquée et l'angle d'approche, réduisant les risques de chute ou de basculement incontrôlé lors du déplacement. C'est un apport pertinent pour les intégrateurs en logistique et manutention, où l'AMR ou le bras collaboratif doit gérer des charges hétérogènes sans base de données préalable sur chaque objet.

Cette approche s'inscrit dans la lignée des travaux sur la perception active et l'estimation des paramètres inertiels par interaction physique, un axe de recherche distinct de la perception purement visuelle (VLA, reconnaissance de forme par caméra), qui échoue souvent face à des objets opaques en termes de répartition de masse. L'étude, menée avec un bras manipulateur standard équipé d'un capteur six axes, ne précise pas de partenaire industriel ni de calendrier de transfert commercial ; il s'agit à ce stade d'une validation expérimentale en laboratoire, pas d'un déploiement produit. Les auteurs positionnent ce travail comme un prérequis technique pour des applications futures de tri robotisé et de préhension adaptative, sans annoncer de pilote industriel concret pour l'instant.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Anticipation sans rendu pour la vision active guidée par les questions

Des chercheurs proposent Rendering-Free Lookahead (RFL), une politique de sélection de point de vue pour la vision active robotique, décrite dans l'étude arXiv 2610.11039. Le problème visé est celui des questions dont la réponse dépend de l'angle de caméra. Pour savoir ce que contient une boîte, par exemple, il faut lever la caméra et regarder à l'intérieur. Les modèles vision-langage (VLM) savent interpréter une image déjà captée, mais pas anticiper l'utilité d'une vue qu'ils n'ont pas encore. Les auteurs définissent donc une grandeur, l'« answerability » : l'estimation par un VLM qu'une vue suffit pour répondre à la question. RFL classe les mouvements de caméra candidats selon l'answerability qu'ils devraient produire. La méthode déplace le calcul d'anticipation du déploiement vers l'entraînement. Un enseignant « privilégié » rend les vues futures candidates dans des scènes 3D Gaussian Splatting (3DGS). Un VLM gelé en déduit des cibles d'answerability à un et deux pas. Une distillation en deux étapes apprend ensuite à un modèle élève à prédire la valeur de chaque action à partir de la question, des observations récentes et du mouvement candidat. Au déploiement, l'élève choisit le mouvement sans rendre aucune vue future. Sur 377 épisodes de test du benchmark E3VS-Bench, dans des environnements inédits, RFL améliore de 43 % le score moyen d'un juge par rapport à une base de référence à action directe qui utilise le même VLM. L'intérêt pratique tient à ce qu'on évite de rendre ou de simuler des vues candidates en ligne, ce qui coûterait en latence et en calcul sur un robot réel. Le résultat soutient aussi l'idée qu'une information disponible seulement en simulation (les scènes 3DGS complètes) peut être transférée à une politique qui ne verra jamais ces scènes. Les limites sont claires. Le gain est mesuré sur un benchmark et contre une seule base de référence, avec un score attribué par un juge, donc un modèle. Rien n'indique de test sur un robot physique, ni de chiffres de latence ou de taux de réussite absolus. Il s'agit d'un résultat de recherche, pas d'un produit ni d'un déploiement. Ce travail s'inscrit dans la vision active, où l'agent choisit ses observations au lieu de subir un flux d'images fixe. Il se rapproche des approches de questions-réponses incarnées, qui exigent d'explorer pour répondre. Il profite aussi de la généralisation du 3D Gaussian Splatting pour reconstruire des scènes rendables à bas coût. La suite logique serait une validation sur matériel réel, avec des bras ou des têtes mobiles, et avec des questions plus ouvertes que celles du benchmark. Le papier, de type « cross-list » sur arXiv, ne mentionne ni entreprise ni calendrier de commercialisation.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

I-Perceive : un modèle fondation pour la perception active guidée par instructions en langage naturel

Une équipe de recherche présente I-Perceive, un modèle de fondation pour la perception active conditionnée par le langage, dans une version révisée (v2) d'un article déposé sur arXiv sous la référence 2603.00600. À partir d'une image requête, d'images de contexte et d'une instruction en langage naturel, le système prédit une pose de caméra à 6 degrés de liberté satisfaisant l'intention de perception exprimée, dans de grands environnements intérieurs. L'architecture associe une voie vision-langage pour l'ancrage sémantique des instructions et une voie de raisonnement géométrique pour la compréhension 3D multi-vues, reliées par une fusion sémantique multi-couches. L'entraînement s'appuie sur un jeu de données de paires langage-point de vue à grande échelle, construit via un pipeline automatisé combinant scans de scènes réelles et environnements simulés. Les systèmes de perception active existants restent généralement limités à des objectifs fixes ou à des contextes restreints ; I-Perceive vise au contraire une généralisation à des intentions ouvertes, formulées librement en langage naturel, un point faible connu de la robotique mobile actuelle. Pour les intégrateurs travaillant sur des AMR, des bras manipulateurs ou des plateformes humanoïdes, l'enjeu est concret : la plupart des modèles vision-langage-action (VLA) décident quoi faire à partir d'un flux caméra fixe, sans jamais décider où regarder. Les auteurs revendiquent une généralisation zéro-shot à des scènes et instructions inédites, ainsi qu'un mode boucle fermée affinant le point de vue au fil d'interactions successives, ce qui, si cela se confirme hors du cadre des auteurs, rapprocherait les robots d'une exploration active plutôt que d'une perception passive. Ce travail s'inscrit dans la vague des modèles de fondation pour la robotique, aux côtés d'architectures vision-langage-action comme Pi-0, GR00T N2 ou Helix, centrées sur la génération d'actions à partir d'une perception supposée acquise ; I-Perceive se place en amont, sur la question négligée de savoir où regarder pour obtenir l'information utile à la tâche. Il se distingue aussi des approches classiques de perception active de type next-best-view, limitées à des objectifs géométriques sans compréhension du langage. Publié comme remplacement d'une soumission arXiv antérieure, l'article reste une contribution évaluée sur des données et environnements construits par les auteurs, sans code ouvert ni déploiement sur robot physique mentionné ; l'intégration sur des plateformes commerciales demeure une suite logique mais non confirmée.

RecherchePaper

1 source

3arXiv cs.RO

Quel est le meilleur curriculum : façonner le comportement de préhension guidé par un contrôleur pour la manipulation sensible à la force de contact

La manipulation d'objets fragiles où des forces de contact inférieures au newton peuvent causer des dommages irréversibles pose un problème spécifique pour l'apprentissage de politiques robotiques, selon un article publié sur arXiv (2609.25887v1). Les chercheurs montrent que le goulot d'étranglement ne se situe pas dans la politique elle-même mais en amont, lors de la collecte des démonstrations : le contrôle manuel d'une pince est trop lent et trop grossier pour maintenir la fenêtre de force étroite nécessaire à une prise stable. Leur solution consiste à utiliser un contrôleur réflexe tactile déterministe fonctionnant à 25 Hz comme "professeur" au moment de la collecte de données, produisant des démonstrations façonnées par ce contrôleur pour entraîner ensuite des politiques sans capteur tactile. Sur l'architecture Action Chunking with Transformers (ACT), les politiques entraînées sur ces démonstrations reproduisent le profil de prise du contrôleur et atteignent 95% de prises stables sur une tâche de référence avec une tasse en plastique, un net progrès par rapport aux démonstrations manuelles simplement filtrées visuellement. Le même principe améliore aussi la stabilité en distribution du modèle π0.5 et montre une tendance encourageante sur une variante non vue, une tasse en papier. Ce travail nuance une hypothèse répandue dans la robotique manipulatrice actuelle, celle selon laquelle intégrer le tactile directement comme entrée de politique serait la voie naturelle vers une manipulation fine. Il propose à la place de réserver le tactile au moment de la collecte, comme enseignant qui façonne le comportement démontré, une distinction utile pour les équipes qui conçoivent des pipelines de téléopération et d'annotation pour des tâches sensibles à la force. Mais l'étude révèle aussi une limite nette : sous perturbation externe aléatoire, la politique π0.5 entraînée sur données réflexes échoue tout de même dans 45% des essais lorsqu'elle agit seule, alors qu'un arbitre réflexe activé au déploiement conserve toutes les prises. Autrement dit, le rejet de perturbations reste dépendant d'un contrôleur explicite, ce qui trace une frontière claire pour ce qu'une politique purement visuelle peut espérer accomplir sans capteur tactile embarqué. Le constat de départ, la lenteur et l'imprécision de la téléopération manuelle face à des contraintes de force strictes, s'inscrit dans la littérature existante sur l'apprentissage de politiques visuo-tactiles, où le signal tactile est généralement traité comme une entrée supplémentaire du modèle plutôt que comme un outil de collecte. En testant leur approche sur deux architectures différentes, ACT et π_0.5, les auteurs cherchent à généraliser leur conclusion au-delà d'un seul modèle. L'article ne mentionne ni déploiement industriel ni partenaire commercial ; il s'agit d'un travail de recherche méthodologique dont les suites logiques porteraient sur l'extension à d'autres objets fragiles et sur des stratégies hybrides combinant arbitrage réflexe et politique visuelle au moment de l'exécution.

RecherchePaper

1 source

4arXiv cs.RO

FasTac : un capteur tactile courbe multispectral basé sur la vision pour la perception 3D de forme et de force à haute vitesse et haute précision

Le laboratoire à l'origine de FasTac présente un capteur tactile visuel courbe conçu pour les doigts de préhenseurs dextres, combinant imagerie photométrique multispectrale et estimation de force par convolution dynamique, le tout embarqué sur un FPGA. Le système capture simultanément plusieurs longueurs d'onde via un seul capteur image pour reconstruire la normale de surface, puis applique une reconstruction de profondeur par équation de Poisson accélérée grâce à un a priori sur les contours de contact. Le module HyperForce, basé sur une convolution dynamique sensible à la position, estime les forces selon trois axes en tenant compte de la réponse mécanique non uniforme des élastomères courbes. Les résultats publiés montrent que l'éclairage proche infrarouge combiné à cet a priori de contour réduit l'erreur moyenne absolue de profondeur de 0,2730 mm à 0,0415 mm. HyperForce atteint des erreurs normalisées de 2,74% pour les forces normales et 2,39% pour les forces de cisaillement. Le portage sur FPGA fait chuter la latence de traitement de bout en bout de 3,26 ms sur GPU à 1,09 ms. Ce résultat s'attaque à un compromis persistant dans les capteurs tactiles à vision : les systèmes existants doivent généralement sacrifier soit la précision de reconstruction 3D, soit la vitesse de traitement, soit l'estimation fiable des forces tangentielles. Une latence sous la milliseconde ouvre la voie à des boucles de rétroaction tactile en temps réel pour la préhension dextre, un enjeu central pour les mains robotiques et les préhenseurs de précision utilisés en assemblage industriel ou en manipulation d'objets fragiles. Pour les intégrateurs, cela représente une brique potentielle pour rapprocher les capteurs tactiles vision des exigences de contrôle en boucle fermée à haute fréquence, jusqu'ici dominées par les capteurs de force résistifs ou capacitifs plus rapides mais moins riches en information géométrique. FasTac s'inscrit dans la lignée des capteurs tactiles à vision de type GelSight ou DIGIT, tout en cherchant à corriger leurs limites de vitesse et de précision combinées sur des surfaces courbes plutôt que planes. Il s'agit à ce stade d'un article de recherche déposé sur arXiv, validé par des expériences de reconstruction multi-objets, de préhension asservie et de mesure vibratoire, sans indication de déploiement industriel ou de partenariat commercial annoncé.

RecherchePaper

1 source