RecherchearXiv cs.RO 7 octobre 2026

Transport collaboratif sûr de plusieurs robots grâce aux fonctions de densité

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent un cadre de commande prédictive (MPC) hiérarchique fondé sur des fonctions de densité, destiné au transport collaboratif sécurisé d'un objet par plusieurs robots quadrupèdes. L'équipe de robots pousse un objet partagé vers une pose cible en s'appuyant uniquement sur les poses initiale et finale, sans trajectoire de référence précalculée. Au niveau supérieur, un MPC centralisé à l'échelle de la boîte optimise les forces de contact, tout en appliquant une contrainte de densité de commande qui garantit la convergence vers le but et l'évitement d'obstacles. Au niveau inférieur, chaque robot résout son propre MPC distribué sur l'ensemble du corps (whole-body), afin de suivre son point de contact mobile en tenant compte des obstacles statiques et des positions variables de ses voisins. Ce schéma repose sur une hypothèse explicite de partage d'informations entre robots. L'évaluation, réalisée dans le simulateur MuJoCo avec une dynamique de contact complète, porte sur deux et trois quadrupèdes Unitree Go2 qui poussent des objets rigides à travers des passages étroits. Les comparaisons s'appuient sur deux références appariées, l'une fondée sur des Control Barrier Functions (CBF), l'autre sur un suivi de trajectoire issu de RRT*.

L'intérêt tient à la manière dont le problème est posé. La manipulation en poussée seule (push-only) impose de coordonner forces et couples couplés sur un objet que l'on ne peut pas saisir, ce qui reste difficile pour des équipes de robots à pattes. Ici, la planification ne passe plus par une trajectoire figée : la contrainte de densité encode à la fois l'objectif et les obstacles, et la sécurité est traitée dans la boucle d'optimisation plutôt que dans un planificateur séparé. Pour un intégrateur logistique ou un responsable d'usine, l'enjeu à terme serait le déplacement de charges encombrantes sans équipement dédié. Il faut toutefois rester prudent. Les résultats sont exclusivement simulés, il n'y a pas de transfert vers du matériel réel (sim-to-real), l'hypothèse de partage d'informations masque la question de la communication et de la perception en conditions réelles, et le texte ne fournit pas ici de chiffres de performance, de taux de succès ni de temps de calcul. La démonstration reste donc une preuve de concept académique, pas une capacité déployable.

Ce travail s'inscrit dans la lignée des méthodes de sécurité fondées sur les CBF et des planificateurs par échantillonnage comme RRT*, que les auteurs prennent précisément pour références, avec une formulation par densité présentée comme plus adaptée aux tâches couplées. Le choix du Go2 d'Unitree, plateforme quadrupède économique et très répandue dans les laboratoires, facilite la reproductibilité et un éventuel passage au matériel. Les vidéos de mise en œuvre sont publiées sur la page du projet, mais ce sont des démonstrations en simulation, donc potentiellement sélectionnées. Les prochaines étapes naturelles seraient des essais sur robots physiques, davantage de robots et des environnements plus encombrés ou dynamiques, ainsi qu'une levée de l'hypothèse d'information partagée au profit d'une coordination décentralisée avec perception embarquée.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Unitree

À lire aussi

1arXiv cs.RO

Perception active de la mobilité fonctionnelle du membre supérieur grâce aux transferts d'objets homme-robot

Des chercheurs proposent un cadre permettant à un robot collaboratif ou humanoïde d'estimer lui-même la mobilité fonctionnelle du membre supérieur d'une personne, sans bilan clinique externe, à travers des échanges d'objets répétés. Le travail, publié sur arXiv (2610.19896), modélise les amplitudes de mouvement réellement disponibles pour une tâche à l'aide de « coefficients de déficience », qui réduisent les limites articulaires d'un humain sain. Ces coefficients sont intégrés dans un modèle humain utilisé par le robot en interaction. Le système repose sur un pipeline de perception active en ligne: le robot sollicite l'utilisateur par des demandes de remise successives et met à jour progressivement une croyance bayésienne sur ces coefficients. L'évaluation combine des simulations et une validation physique de preuve de concept sur une plateforme robotique, avec des déficiences simulées par des personnes valides. Les auteurs affirment que les coefficients sont récupérés avec précision lors de vrais handovers, mais l'abstract ne donne ni chiffres d'erreur, ni nombre de participants, ni modèle de robot. L'intérêt tient au changement de logique: au lieu d'observer passivement un opérateur, le robot choisit ses requêtes pour lever l'incertitude sur les capacités articulaires de son partenaire. Pour les intégrateurs et les responsables industriels, c'est une piste vers des postes partagés qui s'adaptent à un salarié en retour après une blessure, sans paramétrage manuel ni évaluation médicale préalable, avec des bénéfices potentiels en ergonomie et en réinsertion professionnelle. Il faut toutefois rester prudent: la validation porte sur des déficiences jouées, qui ne reproduisent ni la douleur, ni la fatigue, ni les compensations posturales de vrais patients. Le passage à l'échelle, la robustesse en environnement bruité et l'acceptabilité par les opérateurs ne sont pas démontrés. Il s'agit d'un résultat de laboratoire, très éloigné d'un produit déployé. Ce travail s'inscrit dans la montée des recherches sur l'interaction physique homme-robot, nourrie par l'arrivée de cobots et d'humanoïdes destinés à partager l'espace de travail humain. Les handovers sont un terrain classique de la robotique collaborative, généralement traités avec des modèles humains fixes ou des préférences apprises, rarement avec une estimation explicite de la capacité articulaire individuelle. Côté rééducation et assistance, des acteurs européens comme Wandercraft, avec ses exosquelettes, explorent l'adaptation au patient, mais par une voie différente, celle de l'assistance portée. Les suites logiques sont des essais avec des patients réels, des études sur des durées plus longues et l'intégration dans des politiques apprises de type VLA (vision-langage-action), aucun calendrier n'étant annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Apprendre de l'humain pour une assistance proactive dans le transport collaboratif homme-robot

Une équipe de recherche en robotique présente PROACT, un framework pour le transport collaboratif homme-robot, décrit dans un article arXiv (2609.25351v1) publié en septembre 2026. Le système combine anticipation du comportement humain et contrôle compliant du corps entier d'un robot, via une architecture transformer entraînée sur un vaste jeu de données réel de démonstrations de transport en binôme humain-humain. Ce modèle apprend à prédire le mouvement futur de l'objet transporté à partir du comportement collaboratif observé. Testé sur 108 essais réels avec un manipulateur mobile à 9 degrés de liberté, PROACT réduit le travail d'interaction moyen de 59,2% par rapport à une approche purement compliante, et de 20,4% par rapport à une commande prédictive (MPC) classique. Le temps de complétion moyen baisse de 12,9% et 6,9% respectivement face à ces deux références. Une vidéo des expériences a été mise en ligne pour illustrer les résultats. Le transport collaboratif d'objets lourds ou encombrants reste un problème non résolu en robotique, avec des applications directes en logistique, en manufacturing et à domicile. Jusqu'ici, les approches se scindaient en deux familles incompatibles: des robots efficaces pour déplacer l'objet mais rigides face aux ajustements de l'utilisateur, ou des robots souples et réactifs mais incapables d'agir sans guidage humain constant. En démontrant qu'un seul modèle peut réduire simultanément l'effort physique perçu par l'utilisateur et le temps d'exécution, PROACT apporte une preuve empirique que l'anticipation apprise et la compliance mécanique ne sont pas mutuellement exclusives, un résultat qui intéresse directement les intégrateurs travaillant sur la cobotique industrielle et l'assistance physique. Le travail s'inscrit dans la lignée des recherches sur le contrôle compliant et le model prédictive control appliqués à la manipulation collaborative, deux approches jusque-là traitées séparément dans la littérature. L'apport de PROACT est de fusionner ces deux paradigmes grâce à un modèle appris du comportement humain plutôt qu'à des règles ou une planification pure. L'article ne précise pas de partenariat industriel ni de calendrier de déploiement commercial: il s'agit à ce stade d'un résultat de recherche validé en environnement contrôlé, avec du matériel expérimental, et non d'un produit ou d'un pilote industriel annoncé.

RecherchePaper

1 source

3arXiv cs.RO

Sensibilité adaptative aux collisions pour une collaboration homme-robot efficace et sûre

Des chercheurs présentent un nouveau cadre logiciel permettant à un bras robotique collaboratif de moduler dynamiquement sa sensibilité aux collisions selon la partie du corps impliquée, plutôt que d'appliquer un seuil de force fixe uniforme sur toute sa surface comme l'exigent aujourd'hui les normes de collaboration homme-robot (HRC), telles que la norme ISO 10218-2:2025 régissant le régime PFL (Power and Force Limiting). Le système calcule en temps réel la force de collision estimée pour chaque segment du robot à partir de sa Masse Effective (Effective Mass, EM), une grandeur qui varie selon la configuration du bras et le point de contact. Les tests ont été menés sur un bras UR10e réel équipé d'une peau sensible AIRSKIN pour la détection et la localisation des impacts, ainsi qu'en simulation sur un bras KUKA LBR iiwa, dont la détection de collision repose cette fois sur les capteurs de couple articulaire. Dans un scénario de type prise-et-dépose (pick-and-place) combinant collisions transitoires et quasi-statiques, les auteurs rapportent un gain de productivité supérieur à 45% par rapport à l'approche standard à seuil fixe. Pour les intégrateurs et décideurs industriels, l'enjeu dépasse la simple optimisation de cycle: la méthode s'attaque directement au compromis sécurité-productivité qui freine l'adoption des cobots en environnement partagé avec des opérateurs humains. Aujourd'hui, un seuil de force unique impose un arrêt du robot dès qu'un contact dépasse la limite la plus stricte, même lorsque la zone touchée (proche d'une articulation à faible inertie, par exemple) serait en réalité sans danger. En rendant la limite de force dépendante du contexte cinématique et compatible avec deux architectures de détection différentes (peau tactile et couple articulaire), les auteurs démontrent une généralisation au-delà d'un capteur ou d'un modèle de bras propriétaire, ce qui est notable pour un secteur où beaucoup de démonstrations restent liées à un matériel unique. Ce travail s'inscrit dans la continuité des efforts pour affiner l'application pratique des normes PFL, jugées trop conservatrices par une partie de la communauté robotique depuis leur conception initiale. Le choix de tester à la fois sur UR10e (Universal Robots) avec AIRSKIN (Fraunhofer) et sur KUKA LBR iiwa positionne la méthode comme agnostique au fournisseur, avec une portée annoncée comme applicable à tout robot dont l'EM peut être calculée. Il s'agit ici d'un résultat de recherche publié sur arXiv (version révisée, replace v3), non d'un produit commercial ni d'un déploiement industriel: les validations quasi-statiques et transitoires restent limitées à un scénario de laboratoire, et le chiffre de 45% de gain de productivité mériterait d'être confirmé sur des cas d'usage industriels réels avant généralisation.

UELe framework s'appuie sur des acteurs européens (KUKA, capteur AIRSKIN issu de recherches Fraunhofer) et vise a assouplir l'application des normes de sécurité collaborative homme-robot (ISO 10218-2:2025) utilisées dans l'industrie européenne.

RecherchePaper

1 source

4arXiv cs.RO

LACE-CRAFT : co-conception de robots par héritage d'acteurs et collaboration par tableau noir

Des chercheurs proposent LACE-CRAFT, un cadre de co-conception de robots qui couple la recherche de morphologie et l'apprentissage de politique de contrôle, publié sur arXiv (2610.09283). Le point de départ est que la plupart des méthodes entraînent chaque nouvelle conception depuis zéro, ce qui jette l'expérience de contrôle déjà acquise. LACE (héritage d'acteur) reprend l'état d'apprentissage complet du robot en place et initialise les candidats compatibles avec ses paramètres d'acteur et ses statistiques d'observation. Il compare ensuite deux branches : poursuivre l'apprentissage sur le robot actuel, ou adapter la politique à de nouveaux couples morphologie-récompense. Une métrique de tâche fixe tranche entre ces deux branches et le robot titulaire figé. CRAFT organise quatre rôles (Feedback, Morphologie, Récompense, Intégration) autour d'un tableau noir : dossiers d'expériences partagés et replays comportementaux. Ces rôles génèrent des propositions appariées et les relisent entre eux. Une extension générative convertit des maillages produits par IA en modèles articulés éditables, avec articulations configurées, interfaces d'actionneurs et ressources de simulation mises à jour de façon cohérente. Sur cinq benchmarks de locomotion, les scores moyens sur trois graines d'évaluation dépassent ceux de D2C, la référence, de 6,4 à 91,9 %. Cet écart est large, ce qui suggère un gain très inégal selon les tâches. La comparaison est équitable sur le budget principal : les deux méthodes entraînent 30 nouveaux couples morphologie-récompense en cinq tours. LACE ajoute toutefois quatre unités d'entraînement de continuation, un surcoût modeste mais réel. Des ablations sur cinq tâches isolent l'apport de l'héritage de politique et du retour dérivé des replays. Pour les équipes de R&D, l'intérêt est de réduire le coût de calcul de l'exploration de morphologies, souvent le goulot d'étranglement de la co-conception, et d'automatiser la boucle entre idée de conception, simulation et matériel. Les résultats restent obtenus en simulation, sur des benchmarks de locomotion et avec seulement trois graines, ce qui limite la portée statistique. Un prototype fabriqué démontre une marche en intérieur et illustre le passage de la géométrie au matériel. Aucun chiffre de performance physique (vitesse, robustesse, taux de réussite) n'est donné, et il s'agit d'une démonstration de faisabilité, pas d'un produit ni d'un déploiement. Ces travaux s'inscrivent dans la lignée de D2C et des approches de co-conception pilotées par des modèles de langage et de génération 3D, qui peinent à transférer l'expérience de contrôle d'une conception à l'autre. Les rôles coordonnés autour d'un espace de travail partagé suivent la tendance des systèmes multi-agents appliqués à l'ingénierie. Les prochaines étapes à surveiller sont la validation sur des morphologies plus complexes (manipulation, humanoïdes), des mesures de transfert sim-to-real quantifiées et une éventuelle publication du code, qui permettrait à des intégrateurs ou des laboratoires de tester la méthode sur leurs propres plateformes.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source