Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Nage à la surface de l'eau chez un mille-pattes et son modèle robophysique
RecherchearXiv cs.RO 

Nage à la surface de l'eau chez un mille-pattes et son modèle robophysique

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

Des chercheurs ont découvert qu'un robot terrestre élongé à pattes multiples, conçu pour la marche, se met à nager en marche arrière lorsqu'il est placé à la surface de l'eau : son onde corporelle se propage dans le même sens que son déplacement, un mode dit d'onde directe, à l'inverse de la nage classique par onde rétrograde. Ce comportement inattendu a été retrouvé chez le mille-pattes réel Lithobius forficatus, qui nage lui aussi avec une onde de corps directe couplée à un mouvement périodique des pattes. Pour comprendre le rôle des pattes distribuées dans cette propulsion, l'équipe a construit un modèle robophysique multi-pattes permettant de faire varier indépendamment la morphologie et la rigidité des pattes, le sens de l'onde corporelle et la coordination entre pattes et corps. Les essais montrent que l'onde directe produit un déplacement vers l'avant cohérent, et que des pattes à compliance directionnelle (flexibles dans un sens, rigides dans l'autre) portent le déplacement d'environ 0,08 à 0,21 longueur de corps par cycle, contre des valeurs plus faibles avec des pattes rigides, sous actionnement anti-phase identique.

Le résultat intéresse au-delà de la biomécanique pure : les robots terrestres multi-pattes, dont le corps segmenté et les actionneurs volumineux nuisent à l'hydrodynamisme, sont généralement considérés incapables de nager efficacement sans refonte structurelle. Ces travaux montrent qu'une propulsion de surface exploitable est atteignable par un simple réglage du sens de l'onde corporelle, de la coordination des pattes et de leur compliance mécanique, sans changer l'architecture du robot. Pour les concepteurs de robots de terrain destinés à des environnements encombrés (recherche et sauvetage, inspection environnementale), cela ouvre la piste de plateformes amphibies capables de passer du sol à l'eau sans double conception.

L'étude s'inscrit dans la démarche dite de robophysique, qui utilise des modèles robotiques simplifiés pour isoler des variables impossibles à contrôler chez l'animal vivant. Elle prolonge les recherches sur les robots multi-pattes inspirés des myriapodes pour la locomotion terrestre en milieu complexe, en l'étendant pour la première fois à l'interface eau-air. Les auteurs présentent ces résultats comme une base de principes de conception de démarche et de morphologie pour de futurs robots de terrain amphibies, sans annoncer de calendrier de prototype ni de déploiement.

À lire aussi

Modélisation dynamique du faisceau de câbles d'une torche de soudage et son impact sur la dynamique du robot
1arXiv cs.RO 

Modélisation dynamique du faisceau de câbles d'une torche de soudage et son impact sur la dynamique du robot

Des chercheurs proposent un modèle dynamique multi-corps contraint pour simuler le comportement de l'ombilic reliant une torche de soudure robotisée à son générateur, selon un article publié sur arXiv (2608.25509v1). L'ombilic, ce faisceau de câbles et tuyaux qui achemine courant, gaz et fil vers la torche, est représenté comme une chaîne sérielle de corps rigides connectés par des articulations passives dotées d'effets élastiques et dissipatifs. Les auteurs introduisent des mouvements prescrits au point d'ancrage distal via des contraintes cinématiques holonomes, puis réduisent les équations de mouvement en projetant la dynamique sur le sous-espace des vitesses admissibles, ce qui donne une formulation efficace ne nécessitant pas de multiplicateurs de Lagrange. Le torseur de réaction, c'est-à-dire les forces et moments que l'ombilic exerce en retour sur le robot, est explicitement calculé. Une étude de cas plane illustre la méthode. Le sujet paraît étroit mais touche un point sensible du soudage robotisé industriel: avec la diffusion des robots légers et collaboratifs, moins dimensionnés en couple que les gros bras industriels traditionnels, l'influence mécanique de l'ombilic sur la trajectoire et sur les forces d'actionnement cesse d'être négligeable. Un modèle capable de prédire cette perturbation permet aux intégrateurs de mieux dimensionner les actionneurs, d'anticiper les écarts de trajectoire dus au câble et d'améliorer la précision des cordons de soudure sans recourir à du réglage empirique coûteux en temps de mise au point. C'est un travail de modélisation théorique et non un produit ou un pilote industriel: aucun déploiement, partenariat ou intégrateur n'est mentionné, et la validation reste limitée à un cas d'étude plan, pas à un robot réel en usine. Ce papier s'inscrit dans un champ de recherche plus large sur la dynamique des systèmes multi-corps avec contraintes flexibles, pertinent pour toute application robotique où un câble, un tuyau ou un harnais relie l'effecteur à une source externe fixe. La suite logique attendue, non annoncée dans l'abstract, serait une validation expérimentale sur un cobot de soudage réel et une extension à des cas tridimensionnels, avant une éventuelle intégration dans des logiciels de planification de trajectoire pour l'industrie du soudage.

RecherchePaper
1 source
DECOWAM : un modèle monde-action pour la manipulation mobile de robots à pattes
2arXiv cs.RO 

DECOWAM : un modèle monde-action pour la manipulation mobile de robots à pattes

Des chercheurs présentent DECOWAM (Decoupled Whole-Body World-Action Model), un modèle monde-action conçu pour la manipulation mobile sur robots à pattes équipés d'un bras, décrit dans une prépublication arXiv (2608.20114v1) mise en ligne fin août 2026. Le système part d'un backbone FastWAM adapté et gelé, sur lequel sont entraînés uniquement des adaptateurs résiduels, soit 25,95 millions de paramètres entraînables. L'architecture ajoute un goulot d'étranglement futur équivalent-action distillé à partir d'observations privilégiées, des représentations latentes de la base et du bras séparées de manière adversariale, ainsi qu'un conditionnement par la vitesse de la base pour la prédiction vidéo. Les auteurs introduisent également ARMDOG, un nouveau jeu de données collecté sur robot réel qui synchronise vidéo, état corps entier, actions et instructions en langage naturel. Sur un protocole de rejeu fixe, DECOWAM réduit l'erreur quadratique moyenne de prédiction d'action de 21,7% par rapport à FastWAM. Sur 79 essais en boucle fermée par méthode, il obtient la meilleure coordination corps entier et la meilleure robustesse au déplacement de la base parmi les systèmes comparés, tandis que le taux de complétion des tâches reste comparable au meilleur système de référence, sans amélioration nette sur ce critère précis. L'apport principal tient à la séparation explicite du mouvement propre de la caméra (lié au déplacement de la base) des actions du bras, un problème que les modèles monde-action existants, conçus pour des plateformes à base fixe, ignorent largement. Pour les intégrateurs travaillant sur des robots mobiles à bras (quadrupèdes ou plateformes à roues), cela suggère qu'un modèle de prédiction vidéo pré-entraîné peut être adapté à moindre coût, via peu de paramètres, plutôt que réentraîné intégralement pour gérer un point de vue mobile. Le résultat reste toutefois nuancé: les gains portent sur la coordination et la robustesse mesurées en simulation de rejeu, pas sur un saut de performance en complétion de tâche réelle. Le travail se positionne comme une extension aux plateformes mobiles des modèles monde-action initialement développés pour bras fixes, sans nommer de backbone concurrent autre que FastWAM ni d'entreprise partenaire. Il s'agit d'une contribution académique publiée en prépublication, sans annonce de déploiement commercial ni de calendrier de mise en production; le jeu de données ARMDOG pourrait toutefois servir de futur benchmark pour la manipulation mobile corps entier.

RecherchePaper
1 source
RoboJEPA : passage à l'échelle des modèles du monde latents pour la robotique
3arXiv cs.RO 

RoboJEPA : passage à l'échelle des modèles du monde latents pour la robotique

RoboJEPA, un modèle du monde latent publié sur arXiv (2610.10515), repose sur l'architecture JEPA (Joint Embedding Predictive Architecture) et compte 8 milliards de paramètres. Ses auteurs le présentent comme le plus grand prédicteur JEPA entraîné à ce jour. Il a été entraîné sur un jeu de données à grande échelle couvrant 12 embodiments robotiques différents, issu de données de robots réels. Le résultat central est que l'« imagination error », c'est-à-dire l'erreur accumulée par les déroulés (rollouts) du modèle dans l'espace latent, suit une loi de puissance de second ordre en fonction du calcul. Cette loi permet de prédire la qualité du modèle bien au-delà de l'échelle sur laquelle elle a été ajustée. Les performances de planification en aval progressent elles aussi de façon prévisible avec le calcul. Enfin, le modèle a été déployé en zero-shot sur du matériel réel : il planifie vers une unique image-but pour résoudre des tâches à horizon long. Les checkpoints, le code d'entraînement et le code de déploiement sont publiés. L'intérêt tient moins à la performance brute qu'à la méthode. Jusqu'ici, les lois d'échelle étaient bien établies pour les modèles de langage, mais pas pour les modèles du monde robotiques, ce qui obligeait les équipes à investir à l'aveugle en paramètres, données et GPU. Si l'imagination error est effectivement corrélée de façon forte à la réussite de la planification, elle devient un indicateur peu coûteux pour évaluer un modèle sans passer par des essais sur robot réel, longs et difficiles à reproduire. Pour les intégrateurs et les décideurs B2B, cela rapproche la robotique d'une logique d'ingénierie où l'on chiffre à l'avance le gain attendu d'un budget de calcul. Il faut cependant rester prudent : il s'agit d'un preprint sans relecture par les pairs, les tâches réelles ne sont pas détaillées dans le résumé (taux de réussite, durée, diversité des scènes), et une extrapolation de loi d'échelle ne garantit pas la robustesse en environnement industriel ouvert. Ce travail s'inscrit dans la lignée des approches JEPA promues par Yann LeCun et Meta, qui privilégient la prédiction dans un espace de représentation abstrait plutôt qu'au niveau du pixel, en opposition aux modèles génératifs vidéo et aux politiques VLA (vision-langage-action) entraînées par imitation. Il se positionne face aux modèles du monde de type Cosmos de NVIDIA et aux modèles génératifs de Google DeepMind, ainsi qu'à V-JEPA 2 de Meta, qui avait déjà montré une planification robotique à partir d'une image-but. La publication ouverte des poids et du code laisse attendre des reproductions et des extensions par d'autres laboratoires. Les prochaines étapes à surveiller sont la validation des lois d'échelle à des tailles supérieures à 8 milliards de paramètres, leur confirmation par des équipes indépendantes, et une évaluation sur des tâches industrielles réelles.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Identifier l'habitude, la physique et la nuisance dans les modèles du monde des robots
4arXiv cs.RO 

Identifier l'habitude, la physique et la nuisance dans les modèles du monde des robots

Une équipe de recherche propose, dans un article publié sur arXiv (référence 2609.09210v1), une méthode pour décomposer les données de démonstrations téléopérées utilisées pour entraîner les modèles du monde en robotique. Le constat de départ est que ces démonstrations, collectées par téléopération, apparaissent multimodales même quand la dynamique physique sous-jacente est quasi déterministe une fois l'action connue. Les auteurs identifient trois facteurs mélangés dans ce bruit apparent : l'habitude de l'opérateur humain dans le choix des actions, la physique partagée du système, et le "nuisance" lié à l'observation (apparence, angle de caméra). Ils formalisent cette décomposition via un modèle causal structurel (a=g(h,z,u), z'=f(z,a), o=r(z,c)) et le valident par des interventions ciblées : remplacer ou mélanger les actions à état fixe dégrade fortement l'erreur de prédiction de l'état suivant, alors que des changements d'apparence ou de caméra ne devraient pas l'affecter. La règle d'adaptation qui en découle consiste à figer la partie du modèle qui lit la physique partagée et à ne mettre à jour qu'une fine interface. Testée sur trois bancs d'essai de manipulation robotique, StackCube, DROID et RH20T, cette approche améliore le transfert en few-shot par rapport à un entraînement complet from scratch, tout en conservant une dynamique plus propre face à des données d'adaptation corrompues. Cette contribution s'adresse directement à un point de friction connu des modèles vision-langage-action (VLA) et des world models robotiques : la difficulté à distinguer, dans des vidéos de démonstration, ce qui relève du vrai comportement physique de ce qui n'est qu'artefact de capture ou tic de l'opérateur humain. En proposant une méthode pour isoler ces facteurs sans tout réentraîner, les auteurs offrent une piste concrète pour réduire le coût d'adaptation des modèles de manipulation à de nouveaux environnements ou capteurs, un enjeu central pour les intégrateurs qui cherchent à déployer l'apprentissage par imitation à moindre coût de données. Le travail s'inscrit dans la lignée des recherches sur les architectures VLA et les world models pour la manipulation robotique, où les gains rapportés par StackCube, DROID et RH20T servent de référence communautaire pour comparer les méthodes de transfert. Les auteurs prennent soin de délimiter leur contribution : ils ne prétendent pas que les actions latentes équivalent à l'habitude de l'opérateur, ni ne visent les benchmarks de génération vidéo à grande échelle, signalant une portée volontairement méthodologique plutôt qu'un système de production prêt à déployer.

RecherchePaper
1 source