RecherchearXiv cs.RO 30 septembre 2026

Robotique recompositionnelle : une modularité interdomaine, en ensemble ouvert et tout au long de la vie, au-delà de la morphologie

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent de déplacer l'objectif de la robotique modulaire : plutôt que de construire des robots dont la structure change, concevoir des robots dont les capacités fondamentales peuvent évoluer. Publié sur arXiv (2609.37734, première version), le papier définit la « robotique recompositionnelle », une adaptation sur un ensemble hétérogène de modules couvrant le matériel, le logiciel, le calcul et les comportements. Chaque composant y est abstrait par les interfaces qu'il requiert et qu'il fournit, ce qui permet de raisonner sur l'ensemble de manière holistique. Les auteurs introduisent deux mesures : l'« intégration span », qui désigne l'étendue des domaines reconfigurables (cinémato-dynamique, perception, calcul, comportements de coordination de haut niveau), et l'« intégration inertia », qui mesure la résistance à la reconfiguration. Le texte s'appuie sur deux systèmes déployés et sur des travaux de recherche en cours, sans chiffres de performance dans le résumé disponible. Il s'agit d'un cadre conceptuel et d'une liste de questions ouvertes, pas d'un produit ni d'une démonstration commerciale.

L'argument vise une limite du champ. Les travaux récents sur les robots modulaires savent changer de morphologie en ligne, choisir la morphologie à adopter et propager ce choix jusqu'à la planification de mouvement et au contrôle. Selon les auteurs, l'inertie d'intégration y est donc faible côté structure, mais reste élevée dans les autres domaines. Un robot reconfigurable dans un seul domaine a une capacité de changement limitée par rapport à un robot reconfigurable sur plusieurs. Pour les intégrateurs et les responsables industriels, cela déplace la question : changer un préhenseur ou un bras suffit rarement si la perception, le logiciel de contrôle et la logique de mission doivent être réécrits à la main. Le papier suggère que la valeur pratique de la modularité dépend des interfaces standardisées entre couches, pas seulement de connecteurs mécaniques. Ce constat rejoint les difficultés bien connues du déploiement, où le coût d'intégration domine souvent celui du matériel. Il s'agit toutefois d'une thèse à valider : aucune preuve d'un gain mesurable n'apparaît dans le résumé.

Ce travail prolonge deux décennies de recherche sur les robots modulaires auto-reconfigurables, qui ont surtout optimisé la forme et la locomotion. Il croise aussi des courants actuels, comme les modèles vision-langage-action (VLA) généralistes, qui déplacent la capacité vers le logiciel, et les architectures logicielles à composants du type ROS. Les auteurs ne désignent pas dans ce résumé d'entreprises concurrentes ni d'acteurs européens. La suite est celle d'un programme de recherche : formaliser les interfaces entre modules, définir des critères de comparaison via l'intégration span et l'intégration inertia, puis tester la recomposition en environnement ouvert et sur la durée de vie du robot, dimensions annoncées par le titre (inter-domaines, ensemble ouvert, apprentissage tout au long de la vie).

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

Repenser le modèle monde-action pour la manipulation robotique compositionnelle et en contexte

Des chercheurs proposent ViGAR (Visual Goal-conditioned Action Reasoning), un cadre hiérarchique pour la manipulation robotique compositionnelle à long horizon, détaillé dans un preprint arXiv (2610.02368). Il sépare la tâche en deux modules. Un planificateur de sous-buts visuels prédit, à partir de l'observation courante et de l'instruction globale, une image du sous-but de la prochaine sous-tâche. Un exécuteur de sous-buts génère ensuite conjointement les trajectoires visuelles futures et les actions, conditionnées par ce sous-but. Les deux composants partagent la même représentation de world model pré-entraîné. Sur le benchmark simulé RoboTwin Clean2Random, ViGAR atteint 82,00 % de réussite en configuration Clean et 67,02 % en configuration Random. Cela représente 12,86 points de pourcentage de mieux que la meilleure référence, en moyenne. Les auteurs ajoutent des essais sur robot réel : cinq tâches compositionnelles et deux tâches d'apprentissage en contexte. Le résumé ne précise ni la plateforme matérielle, ni le nombre d'essais, ni les modèles de référence. Ce travail s'attaque à une limite connue des world-action models (WAM), qui prédisent à la fois de courts futurs visuels et des actions, mais sans raisonnement explicite au niveau des sous-tâches. Pour un intégrateur, la plupart des tâches utiles, comme l'assemblage, le tri ou le conditionnement, enchaînent plusieurs gestes coordonnés, et c'est sur cet enchaînement que les politiques de bout en bout échouent le plus souvent. Introduire un sous-but visuel explicite rend le plan lisible et inspectable, ce qui compte pour le diagnostic en production. L'apprentissage en contexte va dans le même sens. Une image du but global fournie comme contexte suffit à induire des décompositions et des comportements différents, sans mise à jour des paramètres. Cela réduirait le coût de reconfiguration d'une cellule robotisée. Les résultats restent à relativiser : le score Random de 67 % montre qu'une perte de performance subsiste face à la variabilité de l'environnement, et les tests réels sont peu nombreux. Ce travail s'inscrit dans la montée des politiques vision-langage-action (VLA) et des world models comme base de la manipulation généraliste. Il se place face à des approches qui produisent des actions seules, comme Pi-0, ou des modèles qui prédisent des futurs vidéo sans hiérarchie. Le benchmark RoboTwin, de manipulation bimanuelle avec randomisation de l'environnement, sert de plus en plus de test de robustesse. C'est un résultat académique, sans produit ni déploiement annoncé. Les prochaines étapes à surveiller sont la validation sur des horizons plus longs et des plateformes variées, la publication du code et des poids, et le coût de calcul d'une prédiction visuelle à chaque sous-tâche, que le résumé ne chiffre pas.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

MoMo : composer le mode de mouvement en manipulation robotique via une tokenisation spatio-temporelle de l'action

Une équipe de recherche présente MoMo, un framework d'apprentissage par imitation en deux étapes qui permet de faire varier non plus seulement la précision d'un geste robotique, mais sa manière d'être exécuté. Le système combine un tokeniseur d'actions spatio-temporel et un transformeur de clonage comportemental, qui reçoit en entrée à la fois la tâche à accomplir et une condition continue de « mode de mouvement ». Testé sur six tâches de manipulation avec un robot réel, ce paramètre permet de produire des comportements qualifiés de posés, dynamiques ou intermédiaires, que des évaluateurs humains parviennent à distinguer de façon fiable. Les différences se mesurent concrètement dans la vitesse et l'accélération des articulations, ainsi que dans l'angle d'approche de l'effecteur terminal. Fait notable, lorsqu'une tâche n'a été démontrée que dans un seul mode d'exécution, MoMo parvient à transférer un mode demandé mais jamais vu pour cette tâche précise, tout en conservant l'essentiel du taux de réussite. Le papier est publié sur arXiv (2607.26315v1). Cette capacité de généralisation compositionnelle, à savoir combiner une tâche connue avec un style d'exécution inédit, touche un point sensible du déploiement industriel des robots manipulateurs: jusqu'ici, les modèles vision-langage-action (VLA) de type Pi-0, GR00T N2 ou Helix se concentrent surtout sur le « quoi faire », rarement sur le « comment le faire ». Or pour un intégrateur, la manière d'exécuter un geste compte autant que sa réussite: un préhenseur qui va vite sur une pièce robuste mais qui doit ralentir sur un composant fragile, ou une cadence différente selon la proximité d'un opérateur humain. Que ce réglage de style soit réutilisable d'une tâche à l'autre, sans réentraîner un modèle dédié par comportement, laisse entrevoir une réduction du coût de personnalisation des compétences robotiques en usine. Ce travail s'inscrit dans la lignée des recherches en clonage comportemental et en apprentissage par imitation, qui cherchent depuis plusieurs années à dépasser la simple reproduction de trajectoires démontrées pour capturer des facteurs de comportement transférables. Il reste, à ce stade, une preuve de concept académique limitée à six tâches et un seul bras robotique en laboratoire, sans indication de partenariat industriel ni de calendrier de déploiement. La suite logique serait une validation sur davantage de plateformes et de familles de tâches, pour vérifier si ce contrôle du style de mouvement tient à l'échelle des modèles VLA généralistes actuellement commercialisés.

RecherchePaper

1 source

3arXiv cs.RO

Au-delà de la topologie : une représentation en graphe des symétries morphologiques pour les politiques de locomotion

Des chercheurs présentent MS-PPO (Morphological Symmetry Proximal Policy Optimization), une architecture d'apprentissage par renforcement pour la locomotion robotique qui encode les symétries morphologiques directement dans la structure du réseau de contrôle. Ce preprint, mis à jour sur arXiv en juin 2026 (identifiant 2512.00727v2), valide l'approche sur deux plateformes commerciales d'Unitree Robotics : le quadrupède Go2 et l'humanoïde G1. À partir du graphe topologique du robot, l'algorithme augmente chaque espace d'observation et d'action avec les transformations de permutation et de signe induites par la symétrie corporelle, produisant un acteur de graphe symétrique-équivariant et un critique invariant. Quatre scénarios sont évalués : suivi de commande de vitesse, pannes asymétriques de joints, généralisation hors distribution, et déploiement zéro-shot du simulateur vers le robot physique. L'enjeu est structurel : les politiques de contrôle actuelles, MLP génériques ou réseaux de graphes (GNN), ignorent comment les grandeurs physiques se transforment symétriquement d'un membre à l'autre. Un quadrupède a quatre pattes quasi-identiques, un humanoïde a deux côtés symétriques, et cette information doit normalement être apprise empiriquement au prix de milliers d'échantillons supplémentaires. MS-PPO l'impose par construction plutôt que par reward shaping ou data augmentation, ce qui, selon les auteurs, améliore simultanément la généralisation aux symétries, la robustesse aux pannes de joints, l'efficacité d'échantillonnage et la compacité du modèle. Le résultat le plus fort reste le transfert sim-to-real zéro-shot : aucun fine-tuning sur le matériel physique, là où le reality gap demeure l'obstacle principal au déploiement industriel. À noter : l'abstract ne fournit pas de métriques chiffrées ; les gains quantifiés sont dans le corps du papier. L'exploitation des symétries en RL de locomotion est un axe de recherche actif depuis les travaux sur les réseaux équivariants et les architectures morpho-symétriques, notamment ceux d'Ordonez-Apraez et al. MS-PPO se positionne comme l'étape suivante : encoder non plus seulement la connectivité mais la physique des transformations dans le graphe. Les plateformes Go2 et G1 d'Unitree Robotics dominent les benchmarks académiques grâce à leur accessibilité commerciale et leur large base d'utilisateurs chercheurs. Aucun acteur européen n'est cité dans l'étude ; côté FR/EU, Wandercraft (Paris, humanoïdes médicaux) et PAL Robotics (Barcelone) développent leurs propres pipelines de contrôle. L'étape suivante attendue pour MS-PPO : validation sur des tâches locomotion-manipulation combinées et des déploiements longue durée hors laboratoire.

UELes laboratoires européens de contrôle locomotion (Wandercraft, PAL Robotics) pourraient appliquer MS-PPO à leurs propres plateformes, mais aucun acteur européen n'est impliqué dans l'étude.

RecherchePaper

1 source

4arXiv cs.RO

Morphologie et actionnement comme biais inductifs dans la manipulation par main robotique

Une équipe de recherche publie sur arXiv (2609.05206) un cadre d'analyse unifie qui évalué séparément puis conjointement la cinématique et l'actionnement des mains robotiques dexterees, via le conditionnement du jacobien de tache et de la matrice d'actionnement. La méthode compare deux mains aux philosophies opposées, la Shadow Dexterous Hand a architecture orthogonale et l'Anatomically Correct, Biomechatronic Hand (ACH) a haute fidélité anatomique, selon quatre critères : géométrie des axes articulaires, ratio actionneurs/degrés de liberté, architecture de couplage et distribution de l'autorité des actionneurs, tous extraits des modèles numériques canoniques des deux mains. Ces prédictions sont validées par apprentissage par renforcement avec trois algorithmes, PPO, DDPG+HER et TQC+HER, sur trois taches de manipulation distinctes. Le résultat central contredit l'idée reçue selon laquelle une plus grande fidélité anatomique améliore uniformément le contrôle. Sur l'ACH, les axes obliques du pouce améliorent son conditionnement mais dégradent celui des doigts longs par rapport a la Shadow Hand, tandis que son réseau tendineux ramifie améliore la cartographie de commande de chaque doigt long mais la dégradé nettement au pouce, ou l'autorité des actionneurs se concentre sur l'opposition. Pour les concepteurs de mains robotiques, l'enseignement est que reproduire l'anatomie humaine n'offre aucune garantie de contrôlabilité supérieure : chaque choix morphologique impose des compromis locaux, articulation par articulation, plutôt qu'un gain global. Ce travail s'inscrit dans la recherche établie sur la manipulation dexteree, ou la Shadow Dexterous Hand, développée par la britannique Shadow Robot, sert depuis plus d'une décennie de plateforme de référence, notamment pour les travaux d'OpenAI sur la résolution du Rubik's Cube en 2019. L'ACH appartient a une famille plus récente de mains biomimétiques visant a reproduire la structure osseuse et tendineuse humaine. Il s'agit d'une contribution méthodologique publiée sur arXiv, sans annonce de produit, de déploiement industriel ni de partenariat commercial ; les auteurs ne communiquent aucun calendrier pour d'éventuels prolongements sur d'autres plateformes robotiques.

RecherchePaper

1 source