RechercheRobohub 24 septembre 2026

Ce qui se prépare pour #IROS2026

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026) se tiendra du 27 septembre au 1er octobre à Pittsburgh, aux États-Unis. Le programme comprend des conférences plénières et des keynotes, des workshops, des tutoriels, des forums, des compétitions et un débat. Les keynotes se dérouleront du 28 au 30 septembre avec une quinzaine d'intervenants confirmés, dont Elena De Momi sur la chirurgie autonome, Genta Suzuki (Fujitsu) sur le système d'exploitation physique Kozuchi Physical OS pour l'IA physique à l'échelle, Al Rizzi sur les capacités robotiques développées au RAI Institute, He Wang sur un possible "moment AlphaGo/ChatGPT" de l'IA incarnée, Yekai Sun sur l'accélération de l'apprentissage via des données multimodales incarnées, Robin Murphy sur la robotique de catastrophe, David Held sur l'adaptation rapide des politiques après déploiement, et Ralph Hollis sur la lévitation de Lorentz pour la manipulation fine. Deux intervenants, Gaurav Bansal et Nancy Pollard, figurent encore avec un titre à confirmer. La conférence prévoit aussi trois panels pléniers (startups et entrepreneuriat le 28, spatial le 29, généralistes contre spécialistes en robotique le 30), trois forums de discussion ouverts (financement public américain, éducation en robotique, sous-investissement présumé dans les fondations de la discipline), ainsi que 44 workshops et tutoriels le 27 septembre et 42 supplémentaires le 1er octobre, soit 86 sessions au total.

Ce programme donne une photographie assez nette des priorités actuelles du secteur académique et industriel de la robotique. La récurrence de thèmes comme l'IA physique, les modèles vision-langage-action et les données multimodales incarnées confirme que la course à des systèmes généralistes capables d'apprendre après déploiement, plutôt que des robots figés en usine, structure désormais la recherche autant que l'industrie. Le forum consacré au sous-investissement dans les fondations de la robotique, tout comme le débat plénier sur généralistes contre spécialistes, signale des tensions réelles sur la manière dont capital et effort de recherche devraient être alloués, entre paris sur des plateformes universelles et optimisation de systèmes dédiés à des tâches précises. Pour les intégrateurs et décideurs B2B, ces sessions valent moins comme annonces produit que comme baromètre des orientations que labos et grands groupes jugeront prioritaires dans les 12 à 24 mois à venir.

IROS est, avec ICRA, l'une des deux conférences généralistes de référence en robotique, organisée conjointement par l'IEEE et la Robotics Society of Japan, et sert traditionnellement de vitrine à la fois académique et industrielle, avec tours techniques et compétitions en marge du programme scientifique. L'édition 2026 illustre la montée en puissance d'acteurs industriels dans la programmation scientifique, à l'image de Fujitsu ou du RAI Institute aux côtés des laboratoires universitaires habituels. Une session d'initiation à la communication scientifique est prévue le 29 septembre à 11h00 avec Sabine Hauert, Ella Scallan et Evan Ackerman d'IEEE Spectrum, signe de l'attention croissante portée à la médiatisation de la recherche robotique. Aucun acteur français ou européen n'apparaît nommément dans le programme communiqué à ce stade.

Impact France/UE

Aucun acteur français ou européen n'apparaît nommément dans le programme d'IROS 2026 communiqué à ce stade.

Dans nos dossiers

IA physique & VLA ICRA / IROS / CoRL

À lire aussi

1arXiv cs.RO

La solution d'OpenSpace Lab pour le concours d'exploration en intérieur IROS 2026

L'équipe OpenSpace Lab a publié sur arXiv (2610.01505) le rapport technique de sa participation au concours Intelligent Information Gathering for Single and Multi-Robot Systems, organisé dans le cadre de l'IROS 2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems). Elle termine 1re de la piste publique mono-robot et 3e des pistes privées mono-robot et multi-robots. Les taux de couverture atteignent 61,04 % sur la piste publique mono-robot, 39,53 % sur la piste privée mono-robot et 39,91 % sur la piste privée multi-robots. Côté architecture, le système mono-robot s'appuie sur des prédictions de complétion de carte issues d'un modèle pré-entraîné pour guider la planification globale vers les zones non explorées. Une stratégie fondée sur le temps restant intègre une contrainte de retour au point de départ (« homing ») dans la décision, afin de concilier couverture et durée d'opération limitée. En multi-robots, la sélection des cibles est pilotée par une fonction d'utilité qui arbitre entre gain d'observation, coût de déplacement et budget, avec partage de la carte et des intentions entre robots pour éviter les recherches redondantes. Il s'agit d'un rapport succinct : un article complet est en préparation et le code, annoncé sur GitHub (OpenSpace-Lab/Indoor-Exploration-IROS2026), ne sera publié qu'après acceptation de ce manuscrit. L'intérêt tient surtout à ce que ces chiffres disent de l'état de l'exploration autonome en intérieur. Une couverture de 61 % en piste publique, qui tombe à environ 40 % sur les pistes privées, montre un écart net de généralisation entre scènes connues et scènes inédites. Elle rappelle que les benchmarks ouverts surestiment la performance réelle, un point à garder en tête pour les intégrateurs qui évaluent des solutions d'inspection, de cartographie ou de patrouille en environnement non structuré. Autre signal : le gain du multi-robots reste minime en piste privée (39,91 % contre 39,53 % en mono-robot, avec des rangs identiques), ce qui suggère que la coordination ne se traduit pas encore par un avantage mesurable sur ce jeu de test. Les résultats concernent par ailleurs un concours, avec des contraintes de temps propres, et non un déploiement industriel. Aucun détail n'est fourni sur la taille des scènes, le nombre de robots ni la comparaison avec les autres équipes. Ces travaux s'inscrivent dans la lignée de l'exploration par frontières, où le robot se dirige vers la limite entre espace connu et inconnu, que les approches récentes enrichissent par de la prédiction de carte apprise pour anticiper la structure des pièces non vues. Les concurrents du concours restent non précisés dans le résumé. Les suites sont connues : un article étendu à soumettre et une publication du code conditionnée à son acceptation, ce qui laisse la reproductibilité en suspens pour l'instant. Pour les acteurs industriels de l'AMR et de l'inspection, la valeur à surveiller sera la robustesse de la complétion de carte hors distribution, et la possibilité de la reproduire.

RecherchePaper

1 source

2Robohub

Ce qu'il faut à un robot pour dialoguer avec toute une pièce, pas seulement une personne

Imperial College London a accueilli, du 20 au 24 juillet, la Imperial Robotics Summer School, un programme intensif réunissant chercheurs en début de carrière, académiques et professionnels de l'industrie robotique. Parmi les participants figurait Umar Farooq, dont la place a été financée par le programme britannique UK RAS STEPS, qui a sélectionné cinq jeunes chercheurs (RTP) pour y assister, avec le soutien de Marie Daniels pour le processus de candidature. Le programme combinait cours magistraux sur la cinématique, la dynamique, la perception et le contrôle des robots, sessions spécialisées sur la robotique aérienne, l'intelligence robotique, la vision en chirurgie robotique, la perception et le contrôle bio-inspirés, ainsi que la robotique d'assistance personnelle. Les participants ont aussi visité les laboratoires d'Imperial dédiés à la robotique adaptative et intelligente, à la robotique aérienne, à la chirurgie robotique, à la manipulation tactile et à l'assistance. Le projet de groupe d'Umar Farooq portait sur l'interaction homme-robot multi-personnes: détection de l'interlocuteur actif en temps réel, suivi de l'identité de chaque personne au fil de l'échange, et génération de comportements naturels de regard et de rotation de tête pour que le robot paraisse attentif à l'ensemble du groupe plutôt qu'à un seul individu. Ce projet illustre un angle mort fréquent de la robotique sociale actuelle: la plupart des robots conversationnels sont conçus pour une interaction un-à-un, alors que les usages réels, accueil, assistance en entreprise, environnements de soin, impliquent souvent plusieurs interlocuteurs simultanés. L'exercice a aussi permis de dérouler concrètement la chaîne technique complète reliant le langage au mouvement: un LLM traduit une intention exprimée en langage naturel en commandes structurées, celles-ci sont converties en fonctions robotiques de haut niveau, la cinématique inverse les transforme en trajectoires articulaires, qui sont enfin exécutées par la pile de contrôle jusqu'aux actionneurs. Loin d'un produit commercial ou d'une démonstration marketing, ce travail de formation souligne la difficulté réelle de l'interaction homme-robot multi-partie et la nécessité d'une approche interdisciplinaire, mêlant traitement du langage, perception, planification et contrôle moteur, pour qu'un robot social fonctionne au-delà du cas d'usage scripté à deux. Ce stage s'inscrit dans l'action plus large de UK RAS STEPS, le réseau britannique de robotique et systèmes autonomes, qui multiplie les ateliers de formation pour les chercheurs en début de carrière au-delà de cette seule summer school. Aucun produit ni déploiement commercial n'est annoncé ici: il s'agit d'un exercice académique destiné à structurer la prochaine génération de chercheurs britanniques en robotique, sur des thématiques allant de la locomotion quadrupède à l'apprentissage par vision, en passant par la robotique chirurgicale et la robotique d'assistance. Les suites concrètes évoquées restent la poursuite de la participation aux ateliers UK RAS STEPS et l'approfondissement des recherches menées dans les laboratoires d'Imperial College.

UEProgramme de formation britannique (hors UE), sans impact direct sur la France ou l'Union europeenne.

RecherchePaper

1 source

3arXiv cs.RO

Des robots qui prennent l'initiative : un cadre pour concevoir et évaluer des robots proactifs

Un article publié sur arXiv (référence 2609.28910v1) propose un nouveau cadre théorique pour la robotique assistive proactive, c'est-à-dire des robots capables de décider par eux-mêmes de ce qu'il faut faire plutôt que d'attendre une instruction explicite. Les auteurs constatent que la littérature manque d'une formulation unifiée de la proactivité et introduisent un formalisme structuré en trois niveaux d'assistance, le plus élevé correspondant à une aide non sollicitée et totalement autonome. Ils démontrent également que les méthodes d'évaluation classiques, dites hors ligne, s'appuient sur des modèles statiques de comportement humain qui ne capturent pas la façon dont les actions du robot influencent en retour l'environnement et l'utilisateur, ce qui conduit à surestimer les performances réelles des systèmes testés. Pour corriger ce biais, l'équipe propose une évaluation en boucle fermée reposant sur un modèle humain qui s'adapte dynamiquement aux actions du robot. Elle présente enfin une méthode baptisée GAP, qui apprend par observation passive à anticiper les objectifs d'un utilisateur et à agir en conséquence, instanciant concrètement le cadre théorique proposé. Ce travail a une portée méthodologique importante pour tout le secteur de l'assistance robotique, où la promesse d'autonomie proactive reste largement testée dans des conditions favorables à la démonstration. Les résultats montrent que sous évaluation en boucle fermée, les méthodes considérées jusqu'ici comme état de l'art s'effondrent, allant parfois jusqu'à générer plus de travail qu'elles n'en économisent pour l'utilisateur, tandis que GAP conserve des performances robustes et les surpasse nettement. Pour les intégrateurs et décideurs B2B évaluant des systèmes robotiques annoncés comme proactifs ou anticipatifs, ce constat invite à la prudence face aux métriques issues de protocoles hors ligne et souligne l'écart persistant entre démonstration contrôlée et comportement réel face à un utilisateur qui réagit. Le papier s'inscrit dans une tendance de recherche plus large visant à dépasser les robots limités à des tâches répétitives et étroitement définies, pour aller vers une assistance générale capable d'initiative, un enjeu central pour les architectures de type VLA (vision-language-action) déployées dans l'industrie et le service. Aucun partenariat industriel, déploiement commercial ni acteur français ou européen n'est mentionné dans ce travail, qui reste à ce stade une contribution académique publiée en septembre 2026, sans calendrier de transfert vers un produit annoncé.

RecherchePaper

1 source

4arXiv cs.RO

Play2Perfect : ce qui compte dans le pré-entraînement par jeu habile pour l'assemblage de précision

Des chercheurs ont publié fin juin 2026 sur arXiv (2606.26428) Play2Perfect, un cadre d'apprentissage par renforcement pour entraîner des robots à mains multi-doigts à réaliser des assemblages de précision, sans pinces spécialisées ni montages mécaniques contraignants. Le principe repose sur deux phases : un pré-entraînement agnostique à la tâche, dit "play", où le robot explore des objets et objectifs variés pour acquérir des priors de manipulation réutilisables (saisie, réorientation en main, atteinte de pose), puis un affinage ciblé sur l'assemblage précis. Les résultats avancés sont nets : Play2Perfect atteint une efficacité 33 fois supérieure en termes d'échantillons par rapport à un entraînement RL from scratch avec récompenses denses et multi-étapes, 60 % de succès sur des insertions serrées à 0,5 mm de jeu de contact, et plus de 50 % sur des assemblages multi-pièces et des vissages en longues séquences. Le transfert sim-to-real est réalisé en zéro-shot, sans entraînement supplémentaire sur robot physique. Ces résultats s'attaquent à un verrou structurel de la robotique dextère : les tâches à contact riche résistent à l'imitation learning (collecte de données difficile sur mains multi-doigts) et à l'RL classique (récompenses trop parses pour explorer efficacement). Un jeu de 0,5 mm correspond à des tolérances industrielles réelles, pas à des benchmarks assouplis. Si la démonstration du sim-to-real zéro-shot s'avère reproductible, elle signalerait que le fossé simulation-réalité pour la manipulation fine commence à se résorber, un signal fort pour les équipes qui investissent dans les mains robotiques. Il s'agit toutefois d'un preprint non encore soumis à revue par les pairs, sans déploiement industriel confirmé. La manipulation dextère fine est restée un défi depuis OpenAI Dactyl (2019) sur le cube Rubik, malgré des années de recherche avec des environnements très contraints. Play2Perfect s'inspire du paradigme "play then perfect", appliqué jusqu'ici à la locomotion et aux jeux de blocs, et l'étend pour la première fois aux assemblages industriels précis avec mains multi-doigts, sans structures d'aide. Aucune affiliation institutionnelle n'est précisée dans la publication ; les suites logiques seraient une validation sur un spectre plus large de pièces industrielles et une évaluation de la robustesse aux perturbations du monde réel.

RecherchePaper

1 source