Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Conception de pinces souples par graphes : optimisation multi-objectifs qualité-diversité
RecherchearXiv cs.RO 

Conception de pinces souples par graphes : optimisation multi-objectifs qualité-diversité

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

Une équipe de recherche en robotique propose une nouvelle méthode de conception pour les préhenseurs souples (soft grippers), détaillée dans un article publié sur arXiv le 18 septembre 2026 (arXiv:2609.20087v1). L'approche repose sur deux éléments combinés : un espace de conception représenté sous forme de graphe, capable de décrire des structures et mécanismes en mécanique des milieux continus, et un algorithme génétique multi-objectif dit de "quality-diversity", conçu pour maintenir une variété de solutions tout au long du processus d'optimisation plutôt que de converger vers un seul design optimal. Les chercheurs ont testé leur méthode en faisant varier le nombre et la nature des scénarios de préhension utilisés pendant l'optimisation, afin d'observer si l'exposition à des tâches diversifiées permet aux préhenseurs générés de généraliser à des objets et conditions de contact inédits. Résultat rapporté : les designs optimisés sur un ensemble suffisamment diversifié de cas de préhension font émerger une capacité de généralisation, avec une robustesse supérieure sur des scénarios nouveaux comparée à des préhenseurs conçus pour une tâche unique.

Ce travail s'attaque à un problème central pour l'industrialisation de la robotique souple : la difficulté à produire des préhenseurs qui ne soient pas simplement performants sur le cas d'usage pour lequel ils ont été calibrés, mais réutilisables sur une gamme large d'objets, un enjeu direct pour l'automatisation agricole, la manipulation en laboratoire ou les applications domestiques. Si les résultats se confirment à plus grande échelle, cela suggère une voie méthodologique pour concevoir des organes terminaux plus polyvalents sans multiplier les designs sur mesure, un point clé pour les intégrateurs qui cherchent à réduire les coûts d'ingénierie liés au changement de tâche.

Le papier s'inscrit dans la lignée des recherches sur la robotique souple, où la compliance mécanique intrinsèque des matériaux facilite la préhension d'objets variés mais complique la conception rationnelle, faute de modèles simples pour un espace de solutions en mécanique des milieux continus jugé très vaste. En structurant cet espace via des graphes et en pilotant l'optimisation par la diversité plutôt que par la seule performance, les auteurs positionnent leur méthode comme une alternative aux approches de conception spécifiques à une tâche, ouvrant la voie à des travaux futurs sur la validation physique de ces préhenseurs générés algorithmiquement.

Dans nos dossiers

Manipulation robotiquearXiv cs.RO

À lire aussi

Optimisation multi-objectifs de la biellette de Jansen : qualité de démarche contre usure des articulations
1arXiv cs.RO 

Optimisation multi-objectifs de la biellette de Jansen : qualité de démarche contre usure des articulations

Une étude publiée sur arXiv (2606.22129v2) réexamine le mécanisme de Jansen, la liaison à un degré de liberté des sculptures marchantes Strandbeest du Néerlandais Theo Jansen, en lui ajoutant un objectif de durabilité absent du dessin original. Les auteurs couplent un modèle cinématique, un modèle dynamique inverse (système à sept corps, dix articulations, formulation jacobienne et multiplicateurs de Lagrange) et un modèle d'usure d'Archard afin de comparer, pour toute combinaison de longueurs de tiges, la qualité de la démarche et l'usure par glissement à chaque axe. Résolu par l'algorithme génétique NSGA-II, ce problème bi-objectif, erreur de trajectoire du pied contre usure articulaire totale, révèle que la géométrie classique, ses onze "nombres saints" mis au point dans les années 1990 pour la seule trajectoire du pied, est dominée au sens de Pareto : des ajustements de tiges de ±29% aplatissent la phase d'appui (-28%), lissent sa vitesse (-58%) et réduisent l'usure articulaire totale d'environ 56%. L'étude bouscule l'idée reçue selon laquelle fluidité du geste et longévité mécanique s'opposeraient : les deux progressent ici de concert sur une large part de l'espace de conception. Une analyse de sensibilité confirme un gain d'usure robuste, entre 48% et 56%, sur toute une plage de vitesses de manivelle et de charges utiles, et une analyse de variance de Sobol identifie deux longueurs de tiges comme principaux leviers de l'usure. Une simulation Monte-Carlo sur les tolérances de fabrication montre que cet avantage se dégrade progressivement, sans disparaître, face aux imprécisions d'usinage réalistes. Pour les concepteurs de jambes mécaniques low-cost à un seul actionneur, le cadre offre une méthode reproductible pour prolonger la durée de vie d'un mécanisme sans sacrifier ses performances de déplacement, sachant que les chiffres d'usure, calculés sur des articulations idéales sans jeu, restent un classement comparatif plutôt qu'une prédiction de durée de vie absolue. Theo Jansen a mis au point ce mécanisme à partir des années 1990 en faisant évoluer par algorithme génétique les longueurs de ses onze tiges, sans jamais intégrer l'usure des articulations dans ses critères de sélection. Ce travail rejoint la famille des liaisons de marche à un degré de liberté, aux côtés d'alternatives comme les mécanismes de Klann ou de Chebyshev, mais innove en couplant explicitement dynamique inverse et modèle d'usure d'Archard sur l'ensemble du système. Les auteurs présentent leur cadre comme une base pour de futures études associant usure, jeu articulaire et effets d'impact, un axe qu'ils laissent explicitement de côté puisque le modèle actuel suppose des articulations idéales, sans jeu mécanique.

RecherchePaper
1 source
MOCHA : la co-conception multi-objectifs par architectures à hyperréseaux
2arXiv cs.RO 

MOCHA : la co-conception multi-objectifs par architectures à hyperréseaux

Un preprint mis en ligne sur arXiv (arXiv:2609.30570v1) décrit MOCHA, pour Multi-Objective Co-Design using Hypernetwork Architectures, une méthode d'apprentissage par renforcement qui calcule avec un seul réseau de neurones toute une famille de politiques de contrôle Pareto-optimales sur l'espace de conception d'un robot. Le système repose sur un hypernetwork, un réseau qui génère les poids d'un second réseau spécialisé pour un objectif et une configuration mécanique donnes, baptise "multi-objective design hypernetwork" (MDH). Les auteurs rapportent des tests sur deux morphologies robotiques distinctes, chacune définie par six dimensions de conception et évaluée sur deux a trois objectifs simultanés, puis une recherche évolutionnaire menée sur ce réseau qui produit un ensemble de Pareto associant, a chaque arbitrage d'objectifs, la meilleure combinaison design-politique, ainsi qu'une méthode pour identifier des conceptions généralistes performantes sur l'ensemble des objectifs cumules. Le co-design robotique, c'est a dire optimiser ensemble la morphologie physique et la politique de contrôle, bute généralement sur un verrou couteux: chaque nouvelle variante de conception oblige a reentrainer une politique de renforcement depuis zero, ce qui limite le nombre de configurations qu'un laboratoire peut explorer. En générant a la volée une politique spécialisée pour n'importe quelle configuration testée, MOCHA vise a supprimer ce reentrainement systématique et a livrer directement un front de Pareto exploitable pour arbitrer entre objectifs concurrents comme la vitesse, la consommation d'énergie ou la charge utile, plutôt que de relancer une recherche séparée par priorité. L'approche reste néanmoins un résultat de recherche précoce, validée sur seulement deux morphologies simulées et un nombre restreint d'objectifs, loin d'une démonstration a l'échelle d'un robot industriel. Ce travail s'inscrit dans le champ du co-design robotique assiste par apprentissage automatique, ou l'approche dominante combine recherche évolutionnaire des paramètres physiques et reentrainement RL candidat par candidat, une boucle couteuse que plusieurs équipes cherchent a contourner. Les hypernetworks, déjà utilises en méta-apprentissage et en RL multi-tache, sont ici appliques a la paramétrisation conjointe de la conception mécanique et de l'objectif vise pour produire un front de Pareto complet en un seul entrainement; les auteurs présentent cela comme une première a leur connaissance, une affirmation qui n'a pas encore été confirmée par une relecture par les pairs puisqu'il s'agit d'un preprint tout juste publie. Aucune entreprise, aucun robot commercial ni calendrier de déploiement n'est associe a ces travaux: il s'agit d'un jalon académique dont les suites attendues seraient l'extension a des morphologies plus complexes, a davantage d'objectifs, puis un éventuel transfert vers du matériel robotique réel.

RecherchePaper
1 source
Optimisation spécifique à la tâche guidée par la performance pour la conception de multirotors
3arXiv cs.RO 

Optimisation spécifique à la tâche guidée par la performance pour la conception de multirotors

Une équipe de recherche présente sur arXiv (2510.04724v2, version mise à jour d'un préprint) une méthodologie d'optimisation de conception spécifique à la tâche pour des micro-véhicules aériens multirotors. L'approche combine apprentissage par renforcement, optimisation bayésienne et stratégie d'évolution par adaptation de matrice de covariance (CMA-ES) pour faire émerger des configurations de moteurs guidées uniquement par la performance en boucle fermée sur une tâche donnée, plutôt que par des règles de conception classiques. L'exploration porte sur l'espace des poses de moteurs, sous contraintes de fabricabilité et en limitant les interférences aérodynamiques entre rotors. Sur des tâches de navigation agile par points de passage, les designs optimisés surpassent à la fois les configurations multirotors conventionnelles et des architectures pleinement actionnées (fully actuated) issues de la littérature, où l'orientation des moteurs découple habituellement poussée et attitude. Les auteurs ont construit et testé en conditions réelles l'un des designs optimisés pour valider le transfert simulation vers réel de la méthode. Ce travail illustre une tendance de fond en robotique aérienne, le co-design, où la géométrie du drone n'est plus fixée en amont mais devient elle-même une variable optimisée conjointement avec le contrôleur, en fonction de la mission visée. Pour les intégrateurs et fabricants de drones industriels, cela ouvre la voie à des appareils taillés sur mesure pour une tâche précise, inspection, vol en espace confiné, manœuvres agiles, plutôt qu'à des plateformes généralistes. Le résultat le plus notable n'est pas la victoire, attendue, sur les multirotors classiques, mais la performance supérieure face aux architectures pleinement actionnées, jugées habituellement plus capables mais plus complexes et coûteuses à fabriquer: cela suggère qu'une optimisation fine d'une géométrie multirotor standard peut rivaliser avec des mécanismes plus sophistiqués. La validation physique, même limitée à un seul design construit, reste l'élément clé: elle distingue l'étude d'un simple exercice de simulation et répond au scepticisme habituel sur l'écart entre simulation et réalité. Cette recherche prolonge des travaux antérieurs sur la conception de robots guidée par les données, où l'apprentissage par renforcement sert de plus en plus à évaluer des variantes en simulation avant fabrication, en complément de méthodes d'optimisation bayésienne et évolutionnaires plus classiques en ingénierie aérospatiale. Le choix de comparer aux multirotors pleinement actionnés positionne explicitement ces travaux par rapport à un courant actif sur les drones omnidirectionnels. S'agissant d'une publication arXiv en version 2, le texte reste au stade académique: aucun partenaire industriel, date de commercialisation ou volume de production n'est mentionné. Les suites attendues incluent l'extension à d'autres tâches et familles de designs, ainsi qu'une validation sur davantage de prototypes physiques.

RecherchePaper
1 source
Conception évolutive générative de robots souples à base de voxels avec optimalité prouvable
4arXiv cs.RO 

Conception évolutive générative de robots souples à base de voxels avec optimalité prouvable

Une équipe de recherche a publié sur arXiv (arXiv:2609.29491v1, 25 septembre 2026) un nouveau framework baptisé MISCO, conçu pour optimiser la conception de robots souples à base de voxels (VSR, voxel-based soft robots) grâce aux modèles génératifs profonds. MISCO associe un algorithme d'estimation de distribution à un autoencodeur variationnel spécialement conçu, doté d'apprentissage multi-tâches, de conscience positionnelle et de signalisation inter-voxels. Ces composants renforcent la capacité de représentation des morphologies de VSR et permettent un échantillonnage et une optimisation beaucoup plus efficaces des distributions morphologiques possibles. Les auteurs fournissent des garanties théoriques de convergence asymptotique vers des designs globalement optimaux, assorties d'un taux de convergence favorable. Des expériences menées en simulation, et uniquement en simulation, démontrent la capacité de MISCO à naviguer dans de vastes espaces de conception et à faire évoluer des robots souples performants sur des tâches variées, tout en équilibrant efficacité d'optimisation et diversité morphologique. L'intérêt de ces travaux tient moins à un produit qu'à une démonstration méthodologique rare dans le domaine: la plupart des algorithmes évolutionnaires appliqués à la robotique souple restent heuristiques et sans garantie mathématique de convergence, alors que MISCO en apporte une, prouvée formellement. Pour les chercheurs en robotique molle et en co-conception morphologie-contrôle, cela ouvre une voie vers des pipelines de génération de designs plus fiables et plus scalables face à des espaces de recherche combinatoires jusqu'ici traités par essais-erreurs coûteux en calcul. Il faut toutefois noter la limite centrale de l'étude: aucune validation matérielle n'est mentionnée, tout repose sur des simulateurs physiques, ce qui laisse ouverte la question classique du "reality gap" entre morphologies optimisées virtuellement et leur fabrication réelle. Les VSR s'inscrivent dans une lignée de recherche initiée par les travaux fondateurs sur l'évolution artificielle de robots modulaires souples, popularisée plus récemment par des systèmes comme les xénobots développés dans des laboratoires américains, où corps et comportement sont co-évolués plutôt que conçus séparément. Les approches historiques s'appuyaient largement sur des algorithmes évolutionnaires classiques de type CPPN-NEAT, qui peinent à passer à l'échelle. MISCO s'inscrit dans une tendance plus large de l'IA où les modèles génératifs profonds remplacent progressivement les heuristiques d'optimisation traditionnelles, y compris en conception mécanique et robotique rigide. Aucun partenariat industriel, pilote ou calendrier de validation physique n'est annoncé à ce stade: le travail demeure une contribution académique et théorique, publiée sans expérimentation sur robot réel.

RecherchePaper
1 source