RecherchearXiv cs.RO 16 septembre 2026

Des doigts en guise de jambes : locomotion et manipulation auto-supportées apprises avec une main anthropomorphe

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Ce ne sont pas des jambes, ce sont des doigts : une équipe de recherche présente dans une prépublication arXiv (arXiv:2609.17172, publiée en septembre 2026) une main robotique anthropomorphe capable de se déplacer, de porter son propre poids et de manipuler des objets en réutilisant uniquement ses doigts, sans mécanisme de locomotion dédié. Le système embarque son alimentation et son calcul, ce qui en fait une plateforme totalement autonome et non filaire. L'entraînement repose sur l'apprentissage par renforcement dans un simulateur calibré à partir de mesures matérielles réelles, avec une formulation de récompense spécifiquement adaptée à l'asymétrie des doigts de la main (contrairement aux robots quadrupèdes aux membres identiques). Résultat en simulation : la main se déplace plus vite avec cette récompense sur mesure qu'avec des récompenses classiques importées de la robotique quadrupède. Sur le matériel physique, des politiques spécifiques à chaque tâche permettent à la main de ramper, de se diriger et de se relever après une chute, le tout sans câble d'alimentation externe. Elle peut aussi exécuter des séquences de commandes clavier sans vision, et pousser un objet vers des cibles définies grâce à un retour visuel en vue plongeante, tout en supportant son propre poids au sol.

L'intérêt pour l'industrie robotique tient moins à la performance brute qu'à la démonstration de principe : une même architecture de préhension, conçue pour manipuler, peut aussi porter la charge de la locomotion, sans ajouter de jambes, de roues ou d'actionneurs dédiés au déplacement. Pour les concepteurs de robots humanoïdes et de manipulateurs mobiles, cela ouvre une piste de simplification mécanique et de réduction de coût, au prix d'une complexité reportée entièrement sur le contrôle logiciel et l'apprentissage. Cela questionne aussi l'hypothèse dominante du secteur selon laquelle locomotion et manipulation nécessitent des sous-systèmes séparés (jambes pour l'une, mains ou bras pour l'autre), comme sur Figure 03 ou Optimus. Il s'agit ici d'un travail de recherche à l'état de preuve de concept en laboratoire, avec des tâches limitées (ramper, se diriger, pousser un objet), et non d'un produit commercial ni d'un déploiement industriel.

Ce travail s'inscrit dans une lignée de recherche en robotique douce et bio-inspirée qui explore la reconfiguration fonctionnelle des effecteurs terminaux, un sujet distinct des approches VLA (vision-language-action) comme Pi-0, GR00T N2 ou Helix qui dominent l'actualité des humanoïdes commerciaux. Contrairement à ces plateformes orientées produit, cette main mobile ne vise pas la commercialisation immédiate mais teste les limites de la réutilisation matérielle. Les auteurs ne précisent pas de calendrier de transfert vers l'industrie ni de partenariat avec un fabricant, et aucun acteur français ou européen n'est mentionné dans cette publication. Les prochaines étapes attendues porteraient probablement sur l'extension à des tâches de manipulation plus complexes tout en maintenant la fonction locomotrice, ou sur l'intégration à des bras robotiques existants.

Dans nos dossiers

Figure NVIDIA GR00T arXiv cs.RO

À lire aussi

1arXiv cs.RO

La main cartésienne : manipulation en main avec des doigts entièrement linéaires

Une équipe du General Robotics Lab a publié le 23 septembre 2026 sur arXiv (référence 2609.25696) un article décrivant la Cartesian Hand, un effecteur terminal robotique à 7 degrés de liberté qui n'utilise que des mouvements linéaires. Contrairement aux mains dextres articulées à de nombreux DDL qui imitent la main humaine, ou aux pinces parallèles simples mais incapables de manipuler un objet après la prise, ce dispositif combine deux pinces parallèles actionnées indépendamment, qui saisissent séparément deux parties d'un même objet, et quatre bouts de doigts translatants qui génèrent un mouvement relatif entre les parties saisies. L'équipe a démontré la manipulation de 35 objets issus de contextes de laboratoire, de fabrication et domestiques : ouverture et fermeture de bouchons, pipetage, pompage, manipulation d'objets à deux poignées, vissage, actionnement de gâchettes et réorientation en main. Les mêmes séquences de mouvement, conçues comme des primitives linéaires simples, ont été transférées d'un bras robotique fixe vers un robot humanoïde équipé de deux Cartesian Hands pour des tâches bimanuelles de laboratoire. L'intérêt de ce travail est de montrer qu'une dextérité en main réelle peut émerger d'une architecture mécaniquement simple plutôt que de la multiplication des articulations, une hypothèse qui va à l'encontre de la tendance dominante du secteur vers des mains humanoïdes toujours plus complexes en degrés de liberté. Pour les intégrateurs industriels et les concepteurs de robots de laboratoire ou de manufacturing, cela ouvre la voie à des effecteurs capables de manipuler des objets structurés autour de mécanismes courants (filetages, pivots, glissières, pistons, gâchettes) sans recourir à une seconde pince, un montage externe ou une coordination complexe entre bras, tout en restant plus simples à contrôler et potentiellement plus robustes qu'une main articulée classique. Ce travail s'inscrit dans le débat plus large opposant mains dextres anthropomorphes complexes et pinces industrielles rudimentaires. Il s'agit à ce stade d'un prépublié de recherche, non d'un produit commercialisé : les démonstrations reposent sur des essais menés par les auteurs eux-mêmes, sans validation par les pairs ni déploiement industriel réel. Les auteurs annoncent leur intention de publier en open source le logiciel et la conception matérielle, via le site generalroboticslab.com/cartesian_handv1, sans calendrier précis pour cette diffusion.

RecherchePaper

1 source

2arXiv cs.RO

Apprentissage de la loco-manipulation globale du corps entier avec un manipulateur mobile bipède

Des chercheurs publient sur arXiv (référence 2609.18930v1, septembre 2026) un contrôleur unifié de corps entier pour un robot bipède manipulateur mobile, entraîné par apprentissage par renforcement. Le système prend en entrée une seule cible d'effecteur terminal en 6 degrés de liberté (position et orientation) et produit directement les actions coordonnées de la base bipède et du bras, sans qu'aucune commande explicite de vitesse de base ou de placement de pas ne soit fournie séparément. L'entraînement repose sur une stratégie de "reward-gating" qui arbitre dynamiquement entre suivi de trajectoire de l'effecteur, locomotion et maintien de l'équilibre. Un module d'estimation de contexte temporel, combinant un encodeur Transformer à fenêtre glissante, une mémoire récurrente GRU et une prédiction auxiliaire de dynamique, extrait des informations pertinentes de l'historique d'observation pour affiner le contrôle. Sur robot réel, les auteurs montrent que ce même contrôleur exécute des tâches d'atteinte, d'adaptation posturale et de pas sous trois types de commandes différentes : téléopération en réalité virtuelle, une politique de diffusion apprise, et des trajectoires scriptées. L'intérêt pour l'industrie robotique tient à la simplification de l'architecture de contrôle: au lieu de piloter séparément la locomotion et la manipulation, ou de dépendre de commandes de pas explicites, une seule interface d'effecteur terminal suffit à coordonner l'ensemble du corps. Cela facilite en théorie le branchement de politiques de haut niveau (VLA, diffusion, téléopération) sur un même contrôleur bas niveau, sans réentraînement spécifique à chaque source de commande. C'est un signal pertinent pour les équipes qui travaillent sur l'intégration de piles de manipulation sur plateformes humanoïdes ou bipèdes mobiles, dans la lignée des efforts sectoriels pour découpler la couche de décision de la couche de contrôle moteur. Le travail s'inscrit dans la recherche académique sur la loco-manipulation bipède, un problème identifié de longue date car il étend la portée effective des bras au-delà de leur espace de travail nominal en mobilisant les jambes. L'abstract ne précise ni l'identité des auteurs, ni la plateforme robotique utilisée, ni un calendrier de déploiement commercial: il s'agit d'un preprint de recherche avec validation expérimentale en laboratoire, pas d'un produit ou d'un pilote industriel annoncé.

RecherchePaper

1 source

3arXiv cs.RO

Autour du monde : une locomotion apprise unifiée sur un quadrupède de 270 g à rotation continue

Des chercheurs ont publié sur arXiv (v1, octobre 2026) une étude sur MiNI-Q, un quadrupède de 270 g dont les jambes à rotation continue lui permettent de prendre appui de part et d'autre du corps. Un seul réseau de neurones, de moins de 100 000 paramètres, entraîné par apprentissage par renforcement et conditionné par la posture, tourne entièrement à bord du robot. Il pilote la marche à l'endroit, la marche à l'envers et la récupération après réception d'une chute, sans machine à états ni commutation de phases. La référence de mouvement est une trajectoire continue dans l'espace articulaire, sur le tore T^8, transformée en fonction de la gravité. L'entraînement combine des curriculums de posture et de lâcher. Sur matériel réel, le robot suit une vitesse d'avance avec une erreur RMSE de 0,037 m/s à l'endroit et de 0,050 m/s à l'envers. Il reprend la marche dans 24 essais de lâcher sur 30, soit 80 %. Il fonctionne avec quatre géométries de pied interchangeables sur quatre surfaces d'intérieur. Les auteurs s'appuient sur une identification des actionneurs, une validation croisée entre moteurs de simulation et une exécution embarquée pour le transfert vers le matériel. Des vidéos et un complément sont en ligne sur le site du projet. L'intérêt tient moins à la performance brute qu'à l'unification. Sur les quadrupèdes commerciaux, la locomotion apprise en boucle fermée est bien établie. Elle reste rare à l'échelle sub-kilogramme, où les contraintes de calcul, de couple et de précision des actionneurs sont plus sévères. Montrer qu'une seule politique compacte couvre trois comportements habituellement traités par des contrôleurs distincts va dans le sens de politiques unifiées plutôt que de piles logicielles à états. Le résultat est aussi un cas de transfert simulation-réel sur une plateforme bon marché et très légère. Le taux de réussite de 80 % à la reprise après lâcher montre que la robustesse n'est pas encore acquise. Les chiffres viennent de laboratoire, en intérieur, sur des surfaces peu variées. Les conditions de lâcher ne sont pas détaillées dans le résumé. L'étude ne doit donc pas être lue comme une preuve de robustesse en conditions réelles. Pour le contexte, MiNI-Q relève de la recherche académique sur les robots à pattes miniatures, loin des humanoïdes et des grands quadrupèdes industriels. Il se distingue par l'accès à des configurations d'appui des deux côtés du corps, offert par la rotation continue. La plupart des plateformes apprises, comme celles de Boston Dynamics, Unitree ou ANYbotics, sont plus lourdes et limitées à une posture dominante. Aucun produit, prix ni calendrier de déploiement n'est annoncé, et il s'agit d'un préprint. La suite attendue passe par une évaluation par les pairs, une publication du code et des matériaux, puis des tests sur terrains extérieurs plus variés.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Généraliser les compétences de manipulation avec un agent de codage local

Des chercheurs ont testé un système où un modèle de langage-vision open-weight, exécuté localement, pilote un bras robotique UR3e en écrivant et exécutant lui-même son propre code, sans programmation ni entraînement spécifique pour chaque nouvelle tâche. Le modèle utilisé, Qwen3.8-27B, agit comme un agent de codage placé au-dessus d'un service qui fournit la cinématique, les limites de sécurité et des techniques classiques de vision par ordinateur. Les auteurs ont évalué le système sur neuf tâches construites à partir de jouets pour enfants, conçues pour tester la généralisation selon la couleur, la taille, la forme et les variations de la tâche elle-même. Sur 45 essais au total (cinq par tâche), le robot a réussi à généraliser dans 30 cas, avec des temps d'exécution allant de 3,4 à 67,5 minutes selon la complexité de la tâche. Lorsqu'on demandait à l'agent de refaire une tâche déjà réussie, la durée chutait de 50%, signe d'une forme d'auto-amélioration au fil des répétitions. L'étude, publiée en préprint sur arXiv, reste une démonstration de laboratoire sur un bras fixe, sans déploiement industriel ni produit commercialisé. L'intérêt de ce travail est de tester une alternative aux approches dominantes de la robotique pilotée par le langage, qui reposent soit sur une interface d'action figée, soit sur une politique entraînée de type VLA (vision-language-action), à l'image de Pi-0, GR00T N2 ou Helix. Ces méthodes généralisent mal à de nouvelles tâches sans collecte de données supplémentaire ni réentraînement, ce qui freine leur adoption chez les intégrateurs. En laissant un modèle local générer et exécuter du code plutôt que produire directement des actions, les auteurs cherchent à contourner ce goulot d'étranglement : un taux de réussite de deux tiers et une division par deux du temps d'exécution après une première réussite suggèrent qu'un agent de codage local peut s'adapter à la volée à des variations d'objets sans nouvelle donnée d'entraînement. Le résultat reste à nuancer : des temps de cycle dépassant l'heure pour les tâches complexes restent très éloignés des standards industriels, et neuf tâches construites à partir de jouets ne reflètent pas la diversité d'un environnement de production réel. Ce travail s'inscrit dans la dynamique des modèles de langage open-weight capables d'écrire, exécuter et déboguer du code de façon autonome sur une seule station de travail, capacité que les auteurs transposent ici du logiciel pur à la commande physique d'un robot. Il se positionne en contrepoint des grands modèles VLA propriétaires ou semi-ouverts développés par des laboratoires de robotique manipulatrice et humanoïde comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2), qui misent sur des politiques massivement entraînées plutôt que sur du code généré à la volée. Les auteurs présentent leur approche comme préliminaire, reconnaissent des limites qu'ils ne détaillent pas dans le résumé, et annoncent vouloir approfondir le mécanisme d'auto-amélioration observé pour ouvrir la voie à un déploiement réel de ce type d'agent local en robotique. Aucun calendrier ni partenariat industriel n'est mentionné à ce stade.

UELe bras robotique testé est un UR3e du fabricant danois Universal Robots, ce qui concerne indirectement l'écosystème robotique industriel européen, mais aucune entreprise ou institution européenne n'est impliquée dans l'étude elle-même.

RecherchePaper

1 source