RechercheInteresting Engineering 1 octobre 2026

Le « poisson de l'apocalypse » des abysses pourrait inspirer la prochaine génération de sous-marins furtifs

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de Cornell University, dirigés par le professeur d'ingénierie Rob Shepherd, ont décortiqué la mécanique de nage du régalec (oarfish), poisson osseux des grands fonds pouvant atteindre 26 pieds, soit environ 8 mètres, et surnommé « poisson de l'apocalypse ». Le travail, financé dans le cadre d'un projet pour l'Office of Naval Research américain visant une plateforme silencieuse de surveillance des océans, a été mené avec l'ichtyologue retraité Willy Bemis. L'équipe s'est appuyée sur des scanners CT, des radiographies fournies par la Smithsonian Institution et des dissections détaillées, un exercice délicat, car le corps du poisson se désagrège en segments cassants après la mort. Résultat : des centaines de rayons de nageoire, posés sur des articulations à rotule, fonctionnent comme autant de « joysticks » le long de la nageoire dorsale continue. Chaque rayon dispose de ses propres muscles et cartilages et d'une liberté de rotation à 360 degrés. La membrane qui les relie peut transmettre des ondes de propulsion dans deux directions simultanément, ce qui permet au poisson d'avancer et de reculer, de changer de vitesse et de direction sans plier le corps. L'étude est parue dans la revue Ichthyology and Herpetology.

Pour la robotique sous-marine, l'intérêt est avant tout acoustique. Les hélices navales sont bruyantes et font fuir la faune, ce qui fausse les relevés de biodiversité qu'elles sont censées permettre. Un propulseur à nageoire ondulante, qui produit un écoulement laminaire et garde le corps quasi immobile, vise une cartographie discrète et un suivi de longue durée des écosystèmes fragiles. La même discrétion intéresse naturellement les applications navales, ce que le financement de l'ONR laisse entendre. Il faut toutefois rester précis : il s'agit d'une étude d'anatomie fondamentale, et non d'un prototype. Aucun robot, aucune mesure de poussée, de rendement énergétique ou de niveau sonore n'est annoncé. Le saut entre des centaines de rotules musculaires biologiques et un actionneur sous-marin fiable, étanche et résistant à la pression reste un vrai défi d'ingénierie. Le titre évoquant de futurs sous-marins furtifs relève de la projection plus que d'un résultat démontré.

Le contexte est celui d'une biomimétique ancienne, dont l'apport varie selon les cas. La nage à nageoire ruban a évolué indépendamment une dizaine de fois chez les poissons osseux, mais c'est la première fois que ces rayons pivotants sont documentés chez cette espèce. Côté précédents, le robot grimpeur Stickybot de Stanford imitait les soies microscopiques (setae) des geckos, qui adhèrent par forces de van der Waals sans colle ni ventouse, pour s'accrocher au verre, aux panneaux lisses ou à des équipements spatiaux sans laisser de résidu. L'équipe de Shepherd veut désormais transposer cette logique à de grands moniteurs robotisés. Aucun calendrier, aucun partenaire industriel ni budget n'a été communiqué, et la suite logique sera un banc d'essai mesurant poussée, bruit et efficacité face aux propulseurs à hélice et aux robots à nageoire ondulante déjà étudiés.

Impact France/UE

Pas d\'impact direct sur la France/UE

À lire aussi

1arXiv cs.RO

AquaWorld : génération de mondes sous-marins structurellement cohérents pour la simulation robotique

Des chercheurs ont présenté AquaWorld, un framework de génération de mondes sous-marins pour la simulation robotique, détaillé dans un article publié sur arXiv (2609.22670v1). L'outil génère terrain 3D, placement d'assets, définition de tâches et champs de courants à partir d'un plan conditionné par le langage, tout en conservant la cohérence structurelle entre ces éléments grâce à une bibliothèque de plus de 10 000 assets compatibles milieu sous-marin et un modèle résiduel supervisé par CFD (mécanique des fluides numérique) qui prédit des champs de flux moyens réutilisables et conditionnés au terrain. Le système prend en charge aussi bien les véhicules sous-marins conventionnels que les robots-poissons bio-inspirés. Sur 24 paires de terrains testées, la randomisation structurée produit une consistance croisée nettement supérieure à une randomisation indépendante des facteurs, et dans une comparaison d'entraînement de politiques à budget égal, elle atteint un taux de succès en validation supérieur de 21%. En conditions physiques réelles, une politique de navigation visuelle entraînée uniquement en simulation réussit 95% des essais en bassin, sans mise à jour de ses modules de perception ou de contrôle. Pour l'industrie robotique sous-marine, ce résultat s'attaque à un goulot d'étranglement connu: contrairement aux robots terrestres ou aériens, les systèmes sous-marins doivent composer avec courants, visibilité dégradée et dynamique fluide complexe, ce qui limitait jusqu'ici la quantité de données synthétiques réellement exploitables pour l'entraînement. En montrant qu'une randomisation tenant compte de la structure du terrain améliore le transfert simulation-réalité jusqu'à un taux de réussite physique de 95% sans recalibrage, AquaWorld apporte une preuve empirique que le fossé sim-to-real, souvent pointé comme un obstacle majeur dans les publications robotiques, peut être réduit pour des tâches de navigation visuelle sous-marine. Pour les intégrateurs de véhicules sous-marins autonomes ou de robots d'inspection, cela ouvre une voie pour réduire coûts et risques des essais en mer en s'appuyant davantage sur l'entraînement simulé, à condition que les pipelines de génération respectent les contraintes physiques du domaine plutôt que de randomiser chaque facteur indépendamment. Ce travail s'inscrit dans une tendance plus large de la robotique où la génération procédurale de mondes à grande échelle est devenue un levier central de l'entraînement de politiques, un domaine longtemps dominé par les environnements terrestres et la manipulation. Le sous-marin restait en retard faute d'outils intégrant simultanément géométrie de terrain, dynamique des fluides et diversité d'assets de façon cohérente. À ce stade, il s'agit d'une contribution de recherche publiée sur arXiv, sans indication de produit commercial, de partenariat industriel ou de déploiement opérationnel annoncé, et les auteurs ne précisent ni affiliation ni feuille de route de diffusion publique du code ou des assets. Les suites attendues pour ce type de travaux passent généralement par l'extension du nombre de tâches et de robots supportés, ainsi que des essais en environnement réel au-delà du bassin contrôlé.

RecherchePaper

1 source

2arXiv cs.RO

FinsSim : une plateforme de simulation intégrée alignée sur le réel pour l'apprentissage des robots sous-marins

Une équipe de recherche présente FinsSim, une plateforme de simulation intégrée pour l'apprentissage robotique sous-marin, décrite dans un preprint publié fin septembre 2026 sur arXiv (2609.23943). FinsSim associe une simulation hydrodynamique haute fidélité à moteurs de calcul interchangeables, des lignes de base de contrôle standard et des flux de travail unifiés pour l'apprentissage robotique. Pour le transfert sim-to-real, elle intègre une fusion multi-capteurs pour une localisation précise à faible coût, des modèles calibrés reliant poussée des propulseurs et hydrodynamique, et un algorithme de répartition d'efforts sous contraintes, le tout relié via ROS 2 en un pipeline complet simulation-vers-réel. Les auteurs rapportent avoir validé ce transfert par des expériences appariées simulation/réel, complétées par des études d'ablation testant chaque module séparément. Pour l'industrie de la robotique sous-marine, marché restreint et bien moins médiatisé que celui des humanoïdes terrestres, ce travail cible un verrou concret : l'écart persistant entre simulation et réalité, aggravé sous l'eau par la difficulté à modéliser l'hydrodynamique et à localiser un robot sans GPS. En reliant simulateur calibré, capteurs fusionnés et allocation de commande sous contraintes dans un pipeline reproductible, FinsSim s'adresse aux laboratoires et intégrateurs développant des véhicules sous-marins autonomes pour l'inspection, l'intervention ou la cartographie. Contrairement aux annonces spectaculaires du secteur humanoïde, ce travail reste un outil de recherche : ni produit commercial ni déploiement en conditions réelles, mais une brique méthodologique destinée à être reprise par d'autres équipes. L'article s'inscrit dans une lignée de simulateurs sous-marins de recherche déjà existants, tels que UUV Simulator, Stonefish, HoloOcean ou DAVE, que FinsSim cherche à compléter en combinant fidélité hydrodynamique et pipeline de transfert prêt à l'emploi via ROS 2. Ce créneau reste à l'écart de la vague de financements qui entoure actuellement les robots humanoïdes terrestres et les modèles vision-langage-action, où des acteurs comme Figure AI, NVIDIA ou Physical Intelligence multiplient les annonces. Le preprint, mis en ligne fin septembre 2026, ne précise ni institution porteuse ni calendrier de publication du code source. Les auteurs indiquent vouloir réduire l'écart entre recherche théorique et applications pratiques en robotique sous-marine, sans annoncer de partenariat industriel ni de déploiement programmé à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

Awomo-SimDataEngine : génération de mondes prêts pour la simulation à base d'agents

Awomo-SimDataEngine, un système agentique décrit dans un preprint arXiv (2610.02274), relie la génération d'actifs et de scènes 3D à la synthèse de démonstrations robotiques. Il s'appuie sur des services d'actifs partagés fournissant des objets rigides et articulés, dont des pièces et articulations générées via ISArt. Deux voies de génération de scènes coexistent : Unravel reconstruit des scènes éditables à partir d'images, tandis que SimForge construit des environnements d'une ou plusieurs pièces à partir de texte. Un « harnais » en graphe orchestre construction, validation et réparation bornée : une défaillance est routée vers le module fautif sans perdre l'état des éléments intacts. PolicyForge associe ensuite les mondes validés à des tâches et à des morphologies de robot pour produire des démonstrations rejouables. Sur le benchmark LIBERO-Plus, basé sur MuJoCo, le co-entraînement avec des démonstrations générées sous Isaac Sim fait passer le taux de réussite global d'un World-Action Model (WAM) de 77,17 % à 89,43 %. Les gains atteignent 31,66 points sur les tâches de type « goal » et 6,25 points sur les tâches « spatial ». Les auteurs reconnaissent des progrès plus limités sur les tâches à long horizon. L'intérêt tient moins au modèle qu'à la chaîne de production de données. Le goulot d'étranglement du apprentissage par imitation est de plus en plus la qualité des scènes : une image plausible ne suffit pas, il faut des objets manipulables, des placements physiquement valides et des tâches reproductibles. En intégrant validation et réparation automatiques, le système traite ce problème en amont plutôt que par filtrage manuel. Le résultat est aussi un signal pour le transfert inter-simulateurs : des données créées sous Isaac Sim améliorent une politique évaluée sous MuJoCo, ce qui suggère que le gain ne vient pas d'un simple recouvrement entre moteurs. Il faut toutefois relativiser : il s'agit d'un seul benchmark simulé, sans transfert vers un robot réel, et le faible gain sur les horizons longs montre que l'enchaînement de sous-tâches reste un point dur. Le chiffre global de 12,3 points est aussi à lire à la lumière d'une base WAM déjà élevée, et les auteurs ne détaillent pas dans le résumé le volume de données ajouté. Ce travail s'inscrit dans la course à la génération de données synthétiques pour les modèles vision-langage-action (VLA) et les modèles de monde. Des approches comme la génération procédurale de scènes, les pipelines de type Isaac Sim/Omniverse de NVIDIA ou les jeux de données issus de la téléopération visent le même objectif : réduire la dépendance à la collecte coûteuse sur robot réel. Aucune entreprise, aucun produit commercial ni calendrier de déploiement n'est annoncé, et aucun acteur européen n'est cité dans ce résumé. Les prochaines étapes logiques seraient une validation sur matériel réel, une évaluation sur d'autres benchmarks et une amélioration de la génération de tâches longues, aujourd'hui le maillon faible.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Local-Minimum Escaper : génération programmatique de sous-objectifs pour une navigation robuste en environnement inconnu

Des chercheurs proposent LME (Local-Minimum Escaper), un cadre hiérarchique programmatique qui aide un robot mobile à sortir des minima locaux lors d'une navigation sans carte (mapless) en environnement inconnu et partiellement observable. Le système n'utilise que les observations locales. Il génère des sous-objectifs candidats et les sélectionne selon des critères heuristiques interprétables, qui combinent la géométrie des obstacles environnants et la sûreté de chaque emplacement. Un planificateur local produit ensuite les commandes de bas niveau vers le sous-objectif retenu. LME ne demande aucun entraînement supplémentaire et reste indépendant du planificateur sous-jacent. Les auteurs l'ont testé en simulation et en conditions réelles, sur un robot à entraînement différentiel et sur un robot quadrupède. Le résumé de l'article ne donne aucun chiffre, ni taux de succès, ni temps de parcours, ni nom de planificateur comparé, ni taille de l'échantillon d'essais. Le point notable est la méthode. La plupart des approches par apprentissage profond par renforcement (DRL) font apprendre les comportements de récupération de façon implicite, via la conception de la récompense et l'optimisation de la politique. LME les traite comme un module explicite, lisible et sans entraînement. Pour un intégrateur, cela veut dire un comportement plus facile à auditer et à déboguer, et un module qui se branche sur un planificateur local déjà en place. Les auteurs affirment que les sous-objectifs générés améliorent nettement la capacité d'autres planificateurs locaux à s'échapper des minima. Cette affirmation reste à vérifier sur les données complètes. Le déploiement sur deux morphologies très différentes suggère une certaine généralité. Il s'agit toutefois de travaux de laboratoire, pas d'un produit livré ni d'un déploiement industriel, et l'expression « scénarios inédits difficiles » ne dit rien de la difficulté réelle des environnements testés. Les minima locaux sont un défaut ancien des méthodes réactives et des champs de potentiel. Les cas typiques sont les impasses, les murs concaves et les couloirs en U. Les solutions classiques passent par des cartes globales, de l'exploration à base de frontières ou des politiques DRL entraînées de bout en bout. LME choisit une voie intermédiaire et symbolique, sans carte. Le papier, publié sur arXiv (2609.38928v1) en première version, n'annonce ni code ni pilote commercial dans son résumé. Les suites logiques seraient une comparaison chiffrée avec des bases DRL récentes et des essais sur des sites réels plus vastes, avec des humains, des sols glissants ou des obstacles dynamiques.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source