Dossier Exosquelettes

ExoBridge : apprendre la correspondance entre main nue et exosquelette de main grâce au couplage des membres humains

Des chercheurs publient sur arXiv (2610.07692) ExoBridge, un cadre d'apprentissage qui prédit l'état moteur et tactile d'un exosquelette instrumenté à partir d'une simple vidéo de main nue. La collecte repose sur un protocole bimanuel. Une main reste nue et fournit les observations visuelles, tandis que l'autre porte l'exosquelette et fournit des mesures synchronisées de mouvement et de toucher. Ces démonstrations appariées entraînent un modèle visuel temporel qui prédit trois grandeurs à partir de la seule vidéo de la main nue : le contact des bouts de doigts, l'intensité tactile continue et le mouvement relatif des encodeurs. L'évaluation porte sur 1 215 démonstrations réparties sur quatre tâches de manipulation, avec des sessions de collecte mises de côté pour le test. Elle donne une AUROC de 0,916 pour la détection de tout contact et une corrélation de Pearson de 0,790 pour l'intensité tactile. Le modèle prédit aussi les variations relatives de configuration de l'exosquelette. Les mesures sont agrégées sur l'ensemble des tâches. L'article ne donne ni le détail par tâche, ni le nombre d'opérateurs, ni les objets manipulés. Aucune démonstration sur robot n'est annoncée. Il s'agit d'un résultat de recherche, sans produit ni déploiement. L'enjeu est la pénurie de données pour la manipulation dextre. Les vidéos humaines sont abondantes et bon marché, mais elles ne contiennent ni force ni contact, et ce sont justement ces signaux qui distinguent une saisie réussie d'un glissement. Les gants et exosquelettes mesurent ces grandeurs, mais ils gênent le geste, déforment la prise naturelle et se déploient mal à grande échelle. ExoBridge propose de n'instrumenter qu'une main pendant la collecte, puis de ne conserver que la vidéo à l'inférence. Si cela se confirme, un corpus de vidéos de mains nues pourrait recevoir des pseudo-étiquettes tactiles utilisables pour entraîner des politiques de type VLA. Les limites sont nettes. La méthode suppose que les deux mains se comportent de façon couplée, ce qui exclut les gestes asymétriques. Un AUROC de 0,916 sur le contact binaire ne garantit pas une estimation de force assez précise pour piloter un contrôleur. Le lien avec une main robotique passe par une calibration existante de l'exosquelette, et non par une validation de bout en bout. Ce travail s'inscrit dans l'effort général pour apprendre la dextérité à partir de l'humain. Il croise la téléopération par exosquelette, les gants tactiles et les approches par vidéo seule, qui renoncent au tactile. ExoBridge se place entre les deux, en utilisant le capteur comme enseignant temporaire plutôt que comme équipement permanent. La suite logique est de tester la chaîne complète sur une main dextre réelle, de vérifier la généralisation à d'autres opérateurs, objets et caméras, et de mesurer le gain obtenu en politique apprise par rapport à une simple imitation visuelle. Ces éléments ne figurent pas encore dans l'article.

Garantie de performance générale pour le contrôle d'exosquelette d'assistance, indépendant de la tâche, basé sur l'estimation du couple humain

Des chercheurs publient sur arXiv (identifiant 2609.39558, première version) un cadre théorique censé garantir la fiabilité du contrôle d'exosquelettes d'assistance qui reposent sur l'estimation du couple articulaire humain. Le travail est testé sur l'exosquelette de membre supérieur ABLE, dans une configuration multitâche. Les auteurs définissent formellement une « assistance appariée » (matched assistance), c'est-à-dire une situation où le robot contribue positivement au mouvement de l'utilisateur. Ils en déduisent une méthode pour calculer le couple d'interaction désiré du robot, avec une borne inférieure garantie sur la probabilité d'obtenir cette assistance appariée. Cette garantie porte sur toute la distribution des couples, y compris des données absentes de l'entraînement. Les expériences confirment les garanties théoriques et montrent une assistance efficace sur plusieurs tâches, avec un mouvement plus fluide et un effort physique réduit. Le résumé ne chiffre ni la probabilité garantie, ni la réduction d'effort, ni le nombre de participants ou de tâches. L'enjeu touche un point faible connu des exosquelettes pilotés par estimation du couple humain. Une erreur d'estimation crée un décalage entre l'assistance fournie et l'intention de l'utilisateur, ce qui dégrade la contrôlabilité et la performance. Les approches courantes s'appuient souvent sur des modèles entraînés pour une tâche donnée et se généralisent mal. Une garantie probabiliste valable hors distribution d'entraînement répond à une exigence de sécurité et de certification que les intégrateurs et les acteurs de la réhabilitation ou de l'assistance industrielle devront satisfaire avant tout déploiement large. Il faut toutefois rester prudent : il s'agit d'une preuve de concept académique, validée sur un seul dispositif, et une borne théorique reste dépendante des hypothèses de modélisation sur la distribution des couples. Rien n'indique à ce stade un produit, un pilote ou un déploiement réel. Ce résultat s'inscrit dans la recherche sur le contrôle « agnostique à la tâche » des exosquelettes, qui vise à éviter de reprogrammer ou de réentraîner le contrôleur pour chaque geste. Le champ est partagé entre contrôleurs spécifiques à une tâche, performants mais peu flexibles, et estimateurs appris, plus généraux mais sans garanties formelles. Ce travail cherche à combiner généralité et fiabilité démontrable. Les suites logiques seraient des essais avec davantage d'utilisateurs, des tâches plus variées, une extension à d'autres exosquelettes (membre inférieur, tronc) et une comparaison chiffrée avec les contrôleurs de référence. Ces éléments ne sont pas précisés dans le résumé disponible. Aucun acteur industriel, européen ou non, n'est cité.

ExoLaN : apprentissage de dynamique cohérent avec la physique et sensible au contexte pour exosquelettes

Des chercheurs ont publié sur arXiv (arXiv:2609.31434v1) ExoLaN, un modèle de dynamique lagrangienne contextuelle pour le contrôle d'exosquelettes d'assistance piloté par l'intention humaine, sans tâche ni mouvement prédéfinis. Le système combine un contexte temporel avec des mesures partielles de force issues de semelles instrumentées pour inférer une représentation latente de la dynamique et estimer les couples de contact, y compris lors des phases de contact intermittent avec le sol pendant la marche. Sur sept utilisateurs inédits effectuant 21 tâches inédites, ExoLaN réduit l'erreur quadratique moyenne d'estimation du couple articulaire de 7% par rapport à une base de référence en boîte noire. Entraîné avec une perte de prédiction multi-étapes plutôt qu'à un seul pas, il réduit aussi l'erreur d'accélération de 59%, l'erreur de position à long terme de 60% et l'erreur de vitesse de 93%, des résultats issus d'une évaluation académique en laboratoire, sur un panel restreint, non d'un déploiement réel. Les méthodes physiquement cohérentes comme les Deep Lagrangian Networks (DeLaN) estimaient déjà les couples humains sur plusieurs utilisateurs, mais exigeaient un réentraînement complet par utilisateur et ignoraient les coupures de contact au sol pendant la marche, un angle mort critique hors laboratoire. En traitant ces deux limites à la fois, ExoLaN ouvre la voie à une assistance personnalisée sans recalibration lourde, un enjeu direct pour les intégrateurs d'exosquelettes en logistique, en industrie ou en rééducation. Le fait que le contexte latent appris capture implicitement la nature de la tâche sans étiquetage explicite laisse entrevoir un contrôle adaptatif à la tâche sans classification manuelle, utile pour l'assistance générique plutôt que pour des mouvements scriptés. ExoLaN prolonge la lignée des réseaux lagrangiens profonds appliqués à l'interaction homme-exosquelette en corrigeant les angles morts de DeLaN sur la personnalisation et le contact. Le secteur des exosquelettes compte des acteurs comme l'Américain Ekso Bionics ou l'Allemand German Bionic, mais aussi le Français Wandercraft, dont l'exosquelette Atalante cible la rééducation à la marche, un terrain où cette approche contextuelle pourrait s'appliquer directement. Publié comme preprint, sans affiliation industrielle ni calendrier annoncé, ExoLaN doit encore être validé sur des cohortes plus larges avant toute intégration dans une plateforme commerciale.

Un exosquelette approuvé par la FDA permet à des patients paralysés de remarcher

La Food and Drug Administration américaine a autorisé la vente commerciale d'Eve, un exosquelette personnel conçu par l'entreprise française Wandercraft, destiné aux personnes souffrant d'une lésion de la moelle épinière. Ce feu vert réglementaire permet à l'appareil de sortir du seul cadre clinique pour être vendu directement à des particuliers. Selon la présentation de Wandercraft, Eve permet à un utilisateur de se mettre debout de façon autonome, sans assistance d'un tiers, pour des gestes du quotidien comme regarder un proche dans les yeux ou remuer une casserole sur une cuisinière. L'article ne précise ni prix, ni date exacte de mise sur le marché, ni caractéristiques techniques comme le poids supporté ou l'autonomie, des éléments qui resteront à confirmer à mesure que la commercialisation avance. Cette autorisation marque une étape rare pour la robotique d'assistance : la plupart des exosquelettes médicaux actuellement homologués sont cantonnés à un usage supervisé, en centre de rééducation, sous la responsabilité de kinésithérapeutes. Une autorisation de vente pour un usage personnel et non supervisé change la donne pour les fabricants du secteur, qui visent depuis des années un marché domestique jugé plus large que celui des cliniques, mais bloqué par des exigences de sécurité strictes. Pour les patients atteints de paraplégie ou de tétraplégie, cela ouvre la perspective d'une autonomie de mobilité verticale au quotidien, hors des séances encadrées, un argument fort pour les assureurs et les systèmes de santé qui financent ce type d'équipement. Wandercraft, fondée en France, s'est d'abord fait connaître avec Atalante, un exosquelette utilisé en établissements de rééducation pour la marche assistée, avant de développer Eve comme version pensée pour un usage individuel. L'entreprise évolue dans un secteur où des acteurs comme Ekso Bionics ou ReWalk Robotics proposent déjà des dispositifs comparables, mais principalement en contexte clinique ou avec des autorisations plus restreintes. La prochaine étape attendue est le déploiement commercial effectif d'Eve auprès des premiers utilisateurs individuels, une phase qui permettra de vérifier si les usages promis en conditions réelles tiennent la promesse faite par l'entreprise.

Apprentissage d'une politique de contrôle adaptative en vitesse pour exosquelette de hanche par transfert simulation-réel

Un preprint publié sur arXiv (arXiv:2609.28027v1, catégorie "new") décrit un framework combinant apprentissage par renforcement sim-to-real et apprentissage de préférences en ligne pour personnaliser l'assistance d'un exosquelette de hanche à différentes vitesses de marche. Le timing de l'assistance est appris en simulation, via des politiques de RL entraînées sur des modèles musculosquelettiques humains couvrant plusieurs vitesses de marche, puis distillées et déployées sur un exosquelette de hanche physique équipé de capteurs embarqués. La magnitude du couple assistif est ensuite ajustée en conditions réelles grâce à un apprentissage de préférences basé sur des processus gaussiens, l'utilisateur exprimant ses choix via des comparaisons par paires entre profils de couple. Des expériences sur sujets humains montrent une identification efficace de profils personnalisés à travers différentes vitesses de marche, avec moins d'essais réels que les méthodes purement en ligne, sans que l'abstract précise le nombre de sujets ni le taux de réduction obtenu. L'enjeu dépasse l'exercice académique: l'optimisation en ligne "human-in-the-loop" reste le principal goulot d'étranglement de la personnalisation des exosquelettes, car calibrer tout le profil de couple sur un porteur réel exige de nombreuses itérations, longues et fatigantes. En découplant le timing, résolu hors ligne en simulation, de la magnitude, optimisée en ligne sur un espace de recherche réduit grâce aux préférences, le framework diminue mécaniquement le nombre d'évaluations nécessaires sur sujet humain. Pour les concepteurs de robotique portable, en réadaptation comme en assistance industrielle à la marche, ce résultat conforte l'idée que le sim-to-real, déjà éprouvé sur robots mobiles et bras manipulateurs, s'étend aussi aux dispositifs portés dont la dynamique dépend fortement de la morphologie et des préférences individuelles de l'utilisateur. Les approches classiques de calibration d'exosquelette reposent sur une optimisation en ligne exhaustive du profil de couple, une méthode lente qui freine le déploiement à grande échelle de dispositifs personnalisés. Ce travail s'inscrit dans la lignée des recherches en RL sim-to-real appliquées à la robotique portable, en y ajoutant une couche d'apprentissage de préférences pour capturer ce que la simulation seule ne modélise pas, le confort subjectif de l'utilisateur. L'abstract ne cite aucune entreprise, aucun nom de produit ni partenaire industriel: il s'agit d'un preprint de recherche, sans pilote clinique ni feuille de route de commercialisation annoncés à ce stade.

Effet du délai d'assistance sur la mécanique articulaire et l'énergétique du contrôle biologique du couple d'un exosquelette de hanche

Un essai contrôlé portant sur huit participants a testé un exosquelette de hanche piloté par "contrôle de couple biologique", une stratégie qui traduit en temps réel le moment articulaire estimé de l'utilisateur en couple d'assistance, sans réglage spécifique à la tâche. L'étude, publiée en préimpression sur arXiv (2609.25417), a comparé une condition de référence sans assistance à cinq conditions actives avec des délais d'assistance allant de 40 à 320 millisecondes, lors de trois tâches de marche : terrain plat, montée de rampe et descente de rampe. Toutes tâches et délais confondus, l'assistance a réduit la dépense métabolique nette de 5,24%, le travail articulaire positif de la hanche de 5,86% et le travail articulaire positif total des membres inférieurs de 1,68% (p<0,05 dans tous les cas). Le délai d'assistance a modifié significativement les résultats de travail articulaire (p<0,001) mais pas la dépense métabolique nette. Par rapport à la condition sans couple, la dépense métabolique a chuté de 9,75% en terrain plat et de 7,20% en montée, mais a augmenté de 1,23% en descente de rampe. Ces résultats nuancent une hypothèse répandue dans le secteur des exosquelettes portables : qu'une cartographie unique état-vers-couple puisse assister efficacement n'importe quelle tâche locomotrice. L'étude montre que le bénéfice mécanique (déchargement articulaire) se dégrade avec l'allongement du délai, alors que le bénéfice métabolique reste étonnamment stable, ce qui questionne la robustesse temporelle des architectures de contrôle actuelles face aux contraintes matérielles réelles (latence des capteurs, transmission, calcul embarqué). Plus important pour les concepteurs de systèmes d'assistance industriels ou médicaux, l'assistance à dominante de puissance positive ne se généralise pas sans adaptation aux tâches dominées par du travail négatif, comme la descente de rampe, où elle peut devenir contre-productive. Le contrôle par couple biologique s'inscrit dans une lignée de stratégies concurrentes aux approches classiques basées sur des profils de couple calés sur la phase du cycle de marche, moins adaptables aux terrains variés. Le marché des exosquelettes de hanche, porté notamment par des acteurs comme Dephy ou Wandercraft en France sur le versant médical, cherche justement des lois de commande génériques capables de couvrir marche, rampes et escaliers sans reparamétrage manuel. Les auteurs appellent à évaluer ces cartographies au cas par cas selon le rôle mécanique de l'articulation ciblée, ouvrant la voie à des travaux futurs sur la compensation active du délai et l'extension à d'autres articulations et populations.

Exosquelette de hanche reconfigurable à câbles, à double configuration banc/sac à dos interchangeable

Des chercheurs ont publié le 23 septembre 2026 sur arXiv (référence 2609.25639v1) une nouvelle plateforme d'exosquelette de hanche à câbles, capable de basculer rapidement entre un mode fixe monté sur banc de laboratoire et un mode portable intégré dans un sac à dos, les deux configurations partageant une seule interface de hanche portée, sans câble côté utilisateur. Chaque effecteur terminal entraîné par câble pèse 0,405 kg, hors câble et unité d'actionnement, et embarque un encodeur ainsi qu'un capteur de couple, avec un suivi de mouvement par admittance validé en mode banc et un suivi de couple en boucle ouverte validé en mode sac à dos. Trois participants en bonne santé ont testé le dispositif avec un système de capture de mouvement myoMOTION pour évaluer la détection du mouvement de hanche côté porté, et sur 30 essais la bascule entre les deux configurations a pris en moyenne 30,1 secondes, avec un écart type de 16,3 s. L'équipe a aussi constitué un petit jeu de données multimodal, avec 8 minutes d'enregistrements sur tapis roulant en mode banc et 11 minutes de marche extérieure en mode sac à dos. Cette approche répond à une tension classique de la recherche en exosquelettes: les bancs de laboratoire offrent une puissance d'actionnement et un calcul quasi illimités pour caractériser précisément un dispositif, tandis qu'une aide à la marche réelle exige une portabilité totale, sans fil ni source d'énergie externe. Faire cohabiter ces deux besoins oblige généralement à développer deux systèmes distincts, ce qui complique le transfert des résultats de laboratoire vers le terrain. En partageant la même interface portée et en ne changeant que le module d'actionnement, la plateforme permet de valider un même exosquelette dans les deux contextes avec le même matériel, un argument de reproductibilité et d'itération plus que de performance brute. Pour les équipes de recherche en réadaptation ou en assistance à la locomotion, l'intérêt tient surtout à la possibilité de générer des jeux de données comparables entre environnement contrôlé et usage réel, utiles au développement d'algorithmes de contrôle fondés sur les données. Le travail reste au stade de prototype académique, publié comme soumission nouvelle sur arXiv et testé sur seulement trois sujets, ce qui limite la portée statistique des résultats de détection myoMOTION. Il s'inscrit dans un champ où les exosquelettes de hanche se répartissent traditionnellement entre systèmes de banc lourds destinés à la caractérisation biomécanique et dispositifs portables légers pensés pour l'assistance quotidienne, rarement réunis sur une même plateforme réutilisable. Les auteurs présentent leur travail comme une base matérielle réutilisable pour le développement itératif et des applications futures, sans annoncer à ce stade de calendrier de déploiement clinique ou commercial.

Conception et contrôle d'un actionneur commutable à câble, à double mode couple/tension, pour exosquelettes

Un preprint publié le 22 septembre 2026 sur arXiv (2609.23487) décrit le CDSA (Cable-Driven Switchable Actuator), un actionneur à câble capable de basculer rapidement entre un mode couple articulaire et un mode tension linéaire pour l'assistance d'exosquelettes, toute l'électronique de capteurs et d'actionnement restant centralisée dans l'unité motrice proximale plutôt que répartie sur le membre. Le dispositif associe un mécanisme à poulie mobile couplée (CMPM), qui amplifie la tension à l'effecteur distal, et un mécanisme à cliquet bidirectionnel entraîné par câble (CDRM), qui gère le changement de mode et le réglage de la précharge, tandis que des capteurs proximaux multi-sources couplés à un modèle de fusion piloté par les données estiment les forces distales sans capteur embarqué sur le membre. Une commande de force adaptative à double mode, fondée sur l'apprentissage itératif (ILC), pilote l'ensemble. Sur banc d'essai, les rendements de transmission atteignent 92,4 ± 2,0% en mode couple et 96,5 ± 3,3% en mode tension, avec un ratio d'amplification de tension de 2,77 ± 0,10 ; le suivi de trajectoires simulant la marche au genou et de profils de tension courte course affiche des erreurs quadratiques moyennes de respectivement 4,52 ± 0,51% et 3,15 ± 0,19% de la valeur crête non contrôlée, et des essais avec un sujet humain assis valident la génération de force contrôlable dans les deux modes. Pour l'industrie des exosquelettes, ce travail cible une limitation structurelle connue : la plupart des architectures actuelles n'offrent qu'une seule modalité de sortie mécanique, soit un couple articulaire, soit une traction linéaire, ce qui impose des dispositifs dédiés selon le scénario de rééducation ou d'entraînement visé. Un actionneur unique capable de couvrir les deux usages simplifierait la conception de plateformes polyvalentes pour la rééducation du genou ou d'autres articulations et réduirait le nombre de références à industrialiser. Reporter toute la détection sur l'unité proximale, sans capteur distal, allège aussi le câblage porté par l'utilisateur, un point de friction classique des exosquelettes actifs, tout en conservant une estimation de force jugée fiable par fusion de données. Les résultats restent toutefois issus d'essais sur banc et d'une validation limitée à un seul sujet assis, loin des conditions d'usage clinique réel. Le travail s'inscrit dans une recherche plus large sur les actionneurs à câble pour exosquelettes, où les architectures publiées se répartissaient jusqu'ici entre systèmes à couple pur, orientés assistance articulaire, et systèmes à traction pure, orientés rééducation par étirement musculaire. Aucun acteur industriel, français ou étranger, n'est cité dans ce preprint, qui reste à ce stade une contribution académique non encore validée par les pairs, sans partenaire commercial ni calendrier de transfert technologique annoncé ; les auteurs et leur institution ne sont pas précisés dans le résumé arXiv disponible.

Premier exosquelette personnel autoéquilibré certifié FDA : une mobilité debout mains libres

La société parisienne Wandercraft a annoncé le lancement commercial aux Etats-Unis d'Eve, exosquelette personnel autoportant, premier appareil de ce type homologué par la FDA. Il s'adresse aux utilisateurs de fauteuil roulant vivant avec une lésion de la moelle épinière, quel que soit son niveau neurologique, à condition de pouvoir actionner manuellement la commande et de ne présenter aucune contre-indication listée dans le manuel d'utilisation. Sa technologie d'équilibrage autonome, pilotée par ce que l'entreprise appelle de l'IA physique, permet à l'utilisateur de se tenir debout et de se déplacer sans béquilles ni déambulateur, mains libres pour attraper des objets, cuisiner ou ouvrir une porte. Conçu pour compléter le fauteuil roulant plutôt que le remplacer, Eve est fabriqué et ajusté sur mesure après prescription médicale. Aux Etats-Unis, Medicare prend en charge l'appareil comme orthèse personnalisée sous le code de facturation HCPCS K1007, pour les patients répondant aux critères d'éligibilité et de nécessité médicale. Wandercraft a constitué une équipe dédiée pour accompagner patients et soignants dans l'évaluation, le remboursement, le financement et la coordination avec cliniciens et assureurs. Cette homologation est notable car elle ne comporte aucune restriction liée au niveau neurologique de la lésion, contrairement aux exosquelettes déjà autorisés sur ce segment, ce qui élargit sensiblement la population de patients éligibles. Selon Wandercraft, ce périmètre reflète l'ampleur des données de sécurité, des preuves cliniques et des tests d'usabilité soumis à la FDA, une affirmation qui provient du communiqué de l'entreprise et reste à confirmer de façon indépendante. Pour le secteur de la robotique d'assistance, l'enjeu dépasse la prouesse d'équilibrage sans appui : c'est la prise en charge par Medicare qui change la donne, le coût élevé des exosquelettes personnels ayant longtemps freiné leur diffusion au-delà des centres de rééducation. En couplant homologation réglementaire et voie de remboursement, Wandercraft cherche à faire passer l'exosquelette personnel du statut de dispositif clinique ponctuel à celui de produit d'usage quotidien à domicile. Wandercraft, fondée à Paris, s'était fait connaître avec Atalante, exosquelette médicalisé déjà déployé en centres de rééducation, avant de développer Eve pour un usage personnel hors cadre clinique. Matthieu Masselin, cofondateur et directeur général de l'entreprise, présente ce lancement comme l'aboutissement de plusieurs années de développement robotique, en insistant sur l'infrastructure d'accompagnement bâtie autour du patient, de l'évaluation au service après-vente. La testeuse Caroline Laubach témoigne d'une autonomie retrouvée pour se déplacer dans son logement et interagir avec son entourage les mains libres. Sur un marché mondial de l'exosquelette personnel toujours concurrentiel, Eve se positionne comme le premier dispositif sans restriction de niveau lésionnel homologué par la FDA, un argument que Wandercraft compte exploiter pour accélérer les prescriptions et la couverture par les assureurs américains. La suite dépendra du rythme de déploiement effectif et de la capacité de l'entreprise française à industrialiser la fabrication sur mesure à plus grande échelle.

UniExo : politiques unifiées multi-compétences pour la locomotion musculosquelettique et le contrôle co-adaptatif d'exosquelette

Un consortium de chercheurs en robotique et biomécanique a publié le 18 septembre 2026 sur arXiv (2609.19690) un framework baptisé UniExo, destiné à unifier le contrôle des exosquelettes de hanche sur plusieurs types de locomotion. Le système repose d'abord sur une politique musculosquelettique humaine multi-compétences: quatre experts d'imitation distincts, entraînés respectivement pour la marche, le virage, la course et la marche arrière, sont fusionnés en un seul réseau structuré par un espace latent de compétences, puis affinés par apprentissage par renforcement sur des séquences de transition entre ces mouvements. Cette politique humaine unifiée atteint un taux moyen de réussite de suivi de 94,7% sur des séquences vidéo inédites des quatre compétences, avec une robustesse aux perturbations supérieure à celle de chacun des experts pris séparément. Un contrôleur d'exosquelette de hanche unique, initialisé à partir des prédictions de moment articulaire de cette politique humaine, est ensuite co-adapté avec elle via apprentissage par renforcement multi-agent. Déployé sur un exosquelette de hanche conçu sur mesure, il a été testé sur six participants à quatre vitesses de tapis roulant différentes, et un participant a parcouru un trajet continu enchaînant les quatre compétences et leurs transitions sans étiquette de mouvement ni changement de mode explicite. L'intérêt principal tient à la disparition du changement de mode manuel: la quasi-totalité des contrôleurs d'exosquelette actuels sont conçus pour une activité unique ou un ensemble restreint de mouvements apparentés, ce qui impose un recalibrage matériel à chaque nouvelle tâche. En montrant qu'une politique entraînée en simulation transfère directement sur un dispositif physique réel et gère les transitions entre activités, UniExo apporte un indice supplémentaire que l'écart simulation-réel se réduit pour des tâches de contrôle biomécanique complexes, un enjeu clé pour les fabricants d'exosquelettes médicaux et d'assistance industrielle. La validation reste toutefois limitée: six participants seulement, et un seul ayant testé le parcours complet des quatre compétences, ce qui relève de la preuve de concept plutôt que d'un dispositif prêt à l'industrialisation. Le champ des exosquelettes de marche, occupé notamment par des acteurs comme Wandercraft en France sur la rééducation, reste historiquement fragmenté activité par activité. UniExo s'inscrit dans cette lignée de recherche visant des contrôleurs génériques et personnalisés par utilisateur, sans toutefois annoncer de calendrier d'essais cliniques ni de partenariat industriel à ce stade.

Le Digit 5 d'Agility gagne de nouvelles jambes, batteries et améliorations de sécurité

Agility Robotics a dévoilé le 15 septembre 2026 la cinquième génération de son robot humanoïde Digit, dotée de nouvelles jambes, de batteries améliorées et d'une architecture de sécurité repensée permettant, selon l'entreprise, de travailler à proximité immédiate d'humains sans barrières physiques. L'annonce intervient alors qu'Agility prépare son entrée en bourse via une fusion SPAC avec Churchill Capital Corp. XI, qui valorise l'entreprise à 2,5 milliards de dollars. Selon des documents déposés auprès de la SEC, Agility n'a généré que 1,8 million de dollars de ventes nettes en 2025, un chiffre à mettre en regard des plus de 300 millions de dollars de commandes pluriannuelles revendiquées par la PDG Peggy Johnson. Côté matériel, Digit 5 embarque un chargeur autonome plus rapide : 90 minutes d'autonomie pour seulement neuf minutes de charge complète, soit un ratio fonctionnement/charge de 10 pour 1, contre 2 pour 1 sur Digit 4, permettant au robot de travailler plus de 20 heures sur 24. L'accès anticipé est prévu pour le premier semestre 2027, avec une disponibilité générale pour les opérateurs de fabrication, d'entreposage et de distribution fin 2027. Agility compte aussi déployer Digit 5 hors d'Amérique du Nord pour la première fois, en commençant par l'Union européenne et le Royaume-Uni, avec un marquage CE visé pour l'accès à ces marchés. Cette mise à jour illustre un basculement du discours humanoïde, de la démonstration technologique vers l'ingénierie industrielle concrète. Jonathan Hurst, cofondateur et chief robot officer d'Agility, explique que les premières versions de Digit relevaient d'une phase de preuve de concept, avant que l'équipe ne se heurte aux exigences réelles de mise à l'échelle : certifications FCC, UL, ISO, largeur des allées, emplacement des chargeurs, organisation des flux. Ce sont ces centaines de contraintes d'ingénierie, issues de trois ans de déploiement de Digit 4 chez des clients comme Amazon, qui ont façonné Digit 5. L'écart entre 1,8 million de dollars de revenus réels et une valorisation de 2,5 milliards mérite d'être noté avec prudence par les décideurs B2B suivant le dossier. Agility fait partie des rares fournisseurs de robots humanoïdes réellement en activité sur des sites de production, de logistique et de distribution, aux côtés d'acteurs comme Figure (Figure 03), Tesla (Optimus Gen 3) ou des modèles fondation comme Pi-0 de Physical Intelligence et GR00T N2 de NVIDIA. Son expansion vers l'Europe la placera aussi en concurrence directe avec des acteurs locaux du secteur, comme le français Wandercraft sur l'exosquelette et l'humanoïde, ou Pollen Robotics. La cotation via SPAC, voie inhabituelle en robotique, ajoute une dimension financière à surveiller d'ici 2027.

Estimation du couple d'assistance par optimisation dynamique pour exosquelette de membre inférieur en environnements complexes

Un préprint publié sur arXiv le 15 septembre 2026 (référence 2609.15352v1) décrit une méthode d'estimation du couple d'assistance pour exosquelette de membre inférieur, pensée pour l'extérieur et les environnements complexes. Plutôt que de mesurer le couple articulaire par capture de mouvement puis de le mettre à l'échelle vers une commande moteur, les auteurs le génèrent directement via un modèle dynamique optimisé, puis entraînent un réseau qui le prédit en temps réel. Comparé à une condition sans assistance, le couple prédit réduit le taux métabolique de 11,8 à 17,7%, la fréquence cardiaque de 8,9 à 14,3% et les pics d'activation musculaire de 28,2 à 54%. L'enjeu est concret : la capture de mouvement optique impose un espace calibré et un coût qui rendent la collecte de données quasi impossible hors laboratoire, alors que l'assistance au port de charge sert surtout en usine, en logistique ou sur chantier. En s'affranchissant de cette étape, la méthode promet des exosquelettes adaptatifs moins coûteux à calibrer sur le terrain. Les gains restent toutefois mesurés face à une condition sans assistance, pas face aux contrôleurs déjà commercialisés, et l'article ne précise ni la taille de la cohorte ni ce que recouvre "l'environnement extérieur complexe" : à ce stade, il s'agit d'une preuve de concept plutôt que d'une performance validée à grande échelle. Ce travail s'inscrit dans une tendance de la recherche en exosquelettes portables visant à remplacer les pipelines calibrés par capture de mouvement par des modèles dynamiques et de l'optimisation, moins gourmands en infrastructure, un mouvement comparable à celui des robots humanoïdes cherchant à réduire leur dépendance à la téléopération. Sur le segment de la marche assistée, où le français Wandercraft développe l'exosquelette Atalante pour la rééducation, la plupart des solutions commerciales s'appuient encore sur des profils d'assistance prédéfinis plutôt que sur une prédiction dynamique embarquée. L'article ne cite ni institution ni partenaire industriel : c'est une contribution académique en préprint, non encore relue par les pairs, dont l'étape suivante attendue est une validation en conditions réelles au-delà des essais rapportés.

Un paradigme d'évaluation personnalisée de l'équilibre dynamique pour la marche assistée par exosquelette de hanche sous perturbations du sol inattendues

Une équipe de recherche propose, dans un article publié le 15 septembre 2026 sur arXiv (2609.14765v1), un nouveau cadre d'évaluation personnalisée de l'équilibre pour les exosquelettes de hanche lors de perturbations imprévues de la marche. Le système combine sept sous-métriques biomécaniques (marge de stabilité, dynamique du centre de masse, moment angulaire du corps entier) en un coût composite propre à chaque participant, converti en variables sans dimension puis pondéré par des poids appris sur un simplexe via un modèle hiérarchique bayésien empirique. Ce sélecteur calcule pour chaque condition testée une probabilité postérieure d'être optimale, P(best), et détermine un ensemble restreint de candidats à haute probabilité de taille K_0,8. La méthode a été testée sur trois participants marchant à 1,1 m/s, soumis à des glissements de tapis unilatéraux sur 46 conditions d'assistance à la hanche, avec quatre répétitions par condition. Le sélecteur a concentré 80 % de la probabilité postérieure sur seulement 1 à 5 conditions parmi les 46, contre 2 à 12 pour une fusion à poids égaux et 4 à 37 pour une fusion par analyse en composantes principales (PCA). Ce résultat s'attaque à un problème concret pour les fabricants d'exosquelettes d'assistance et les laboratoires de biomécanique : personnaliser l'assistance robotique exige aujourd'hui de multiples essais avec des sujets humains, coûteux, longs et risqués puisqu'ils exposent les participants à des chutes répétées. En réduisant drastiquement le nombre de conditions à tester pour identifier la meilleure configuration, cette approche pourrait raccourcir les campagnes d'essais cliniques et limiter l'exposition des participants aux perturbations. Les essais sur les conditions sélectionnées ont montré des coûts composites significativement plus bas que les essais sans assistance (p < 0,05 pour deux des trois participants), et les tests de validation croisée par exclusion d'une répétition ont montré des corrélations de rang positives et une stabilité modérée des poids appris, ce qui renforce la crédibilité statistique de la méthode malgré le faible nombre de sujets. Les auteurs présentent ces résultats comme une preuve de concept, comparée à deux méthodes de fusion existantes (poids égaux, PCA) plutôt qu'à des produits commerciaux d'exosquelettes déjà déployés. L'article ne mentionne aucun partenaire industriel ni date de transfert vers un dispositif commercial ; il s'inscrit dans la recherche méthodologique sur l'optimisation d'essais humains en boucle fermée, un champ où la taille d'échantillon reste le principal facteur limitant pour toute personnalisation robotique portée sur le corps.

SEED-UMI : exosquelette partagé entre humain et robot pour une démonstration dextérique en correspondance directe

Publié le 11 septembre 2026 sur arXiv (2609.11753), SEED-UMI est un framework d'apprentissage par imitation pour mains robotiques dextres qui fait porter le même exosquelette à l'humain et au robot. Les codeurs articulaires de l'exosquelette deviennent une mesure physique partagée, et des caméras fixées au poignet observent le même mécanisme pendant la collecte des démonstrations humaines et pendant l'exécution robotique. Le transfert de mouvement (retargeting) devient ainsi une supervision appariée entre les deux incarnations, ce qui permet d'entraîner les politiques directement sur les images brutes du poignet, sans segmentation ni inpainting. Sur cinq tâches riches en contacts, SEED-UMI collecte les données trois fois plus vite que la téléopération par exosquelette classique et atteint 70,0% de réussite moyenne en exécution. L'enjeu dépasse la prouesse technique : la collecte de démonstrations dextres reste le principal frein à l'entraînement à grande échelle des modèles vision-langage-action, alors que les mains robotiques accusent un retard net sur les progrès réalisés en locomotion bipède. Les exosquelettes actuels n'enregistrent que le côté humain et retargettent via des correspondances calibrées à vide, qui se dégradent dès qu'un contact physique intervient, un problème critique pour l'assemblage ou la préhension fine. En partageant le même exosquelette entre humain et robot, SEED-UMI supprime cette source de désalignement, ce qui pourrait réduire le coût des jeux de données pour les intégrateurs travaillant sur des mains robotiques commerciales. Un taux de réussite de 70% reste néanmoins loin de la fiabilité industrielle attendue en production, ce qui situe ce travail au stade de la recherche. Le nom du framework renvoie à UMI (Universal Manipulation Interface), une lignée de travaux ayant popularisé la capture de démonstrations par caméra portée à la main plutôt que par téléopération robotique directe. SEED-UMI s'inscrit dans un paysage où coexistent gants de motion capture et exosquelettes de téléopération, tandis que des modèles fondation comme Pi-0, GR00T N2 ou Helix cherchent à généraliser à partir de tels jeux de données pour piloter mains et humanoïdes variés. Publié comme simple preprint arXiv, sans institution ni calendrier de déploiement précisés, SEED-UMI reste une contribution méthodologique dont la reproductibilité et l'extension à d'autres mains robotiques restent à démontrer par la communauté.

Vers une assistance contextuelle par exosquelette : estimation de charge utile par vision et optimisation multi-critères

Des chercheurs ont publié une étude préimprimée sur arXiv (2508.06207, version 3, republiée en septembre 2026) décrivant deux avancées pour les exosquelettes de soutien lombaire, conçus pour réduire les troubles musculosquelettiques liés au port de charges. La première contribution est un espace d'optimisation multi-métrique construit à partir d'essais menés sur 12 sujets, combinant réduction de l'activité électromyographique (EMG), inconfort perçu et préférence de l'utilisateur. Les auteurs y mettent en évidence une relation non linéaire entre le poids de la charge portée et le niveau d'assistance optimal, ce qui invalide l'hypothèse d'un réglage d'assistance simplement proportionnel à la charge. La seconde contribution est un système de contrôle adaptatif basé sur la vision par ordinateur : un vision transformer DINOv2 affiné (fine-tune), couplé à un capteur de profondeur, estime le poids d'une charge avant même que l'utilisateur ne la soulève, supprimant ainsi le délai d'actionnement propre aux systèmes réactifs classiques. Testé sur 12 sujets supplémentaires, ce module de perception prédictive atteint 82,41% de précision dans l'estimation du poids. Combinée à la stratégie d'assistance adaptative, l'approche réduit jusqu'à 23% le pic d'activation des muscles dorsaux et améliore de 8,15% en moyenne le déchargement mécanique par rapport à des réglages d'assistance statiques, sans augmentation de l'inconfort perçu. Pour les fabricants et intégrateurs d'exosquelettes industriels, ces résultats répondent directement à une limite structurelle des systèmes actuels : la plupart des exosquelettes de soutien dorsal commercialisés s'appuient sur des capteurs myoélectriques ou de force qui ne détectent l'effort qu'une fois la charge déjà soulevée, générant un temps de réponse mécanique incompressible. En anticipant le poids par vision avant le geste de levage, cette approche prédictive vise à combler ce décalage temporel, un enjeu concret pour la logistique, la manutention et les lignes de production où les cycles de levage sont répétitifs. Elle illustre aussi une tendance plus large de transfert de modèles de vision génériques (ici DINOv2) vers des tâches d'estimation physique embarquées, hors du seul champ de la robotique mobile ou humanoïde. Le travail s'inscrit dans le prolongement des recherches sur l'assistance ergonomique adaptative, où la modulation de l'assistance reste généralement statique ou réactive faute de perception anticipative fiable. Publiée d'abord en août 2025 puis révisée en version 3, l'étude reste à ce stade un résultat de laboratoire validé sur un total de 24 sujets, sans indication de partenariat industriel ni de déploiement commercial annoncé. Les auteurs présentent leur travail comme une preuve de concept ouvrant la voie à une intégration future dans des exosquelettes commerciaux de soutien lombaire, la prochaine étape logique étant une validation à plus grande échelle et en conditions de terrain plutôt qu'en environnement contrôlé.

Une stratégie de contrôle universelle pour l'assistance dynamique avec des exosquelettes souples à actionnement pneumatique

Des chercheurs présentent, dans un preprint arXiv (2608.18364v1), une stratégie de commande pour exosquelettes souples actionnés par muscles pneumatiques artificiels, destinés à la rééducation, à l'augmentation de force et à l'assistance aux gestes quotidiens. La méthode, dite à « plante inverse », repose uniquement sur des capteurs cinématiques, sans électromyographie ni capteurs de force pour interpréter l'intention de l'utilisateur. Le système humain-robot est modélisé par un modèle de Hammerstein, combinant un modèle d'hystérésis de Preisach et un filtre linéaire invariant dans le temps, personnalisé pour chaque utilisateur à partir de seulement 140 secondes de données puis inversé pour s'intégrer dans la boucle de commande. Sur un banc d'essai émulant un exosuit d'assistance au poignet, pour des vitesses allant de 8 à 120 degrés par seconde, le contrôleur réduit le couple d'interaction jusqu'à 73 % et l'activation des muscles fléchisseurs et extenseurs clés jusqu'à 47 %, comparé à une condition sans assistance. L'intérêt de ces résultats tient à l'absence de capteurs physiologiques ou de force, un verrou récurrent pour les exosquelettes souples : les actionneurs pneumatiques présentent une dynamique complexe, hystérésis et bande passante limitée, qui complique traditionnellement une assistance réactive à l'intention de l'utilisateur. Une approche qualifiée de « task-agnostic », fonctionnant sans reprogrammation par geste et calibrable en un peu plus de deux minutes, intéresse directement les fabricants d'exosquelettes de rééducation et d'augmentation industrielle cherchant à simplifier le calibrage et réduire l'instrumentation embarquée. Pour les intégrateurs en ergonomie industrielle ou en réadaptation, cela ouvre la voie à des dispositifs plus légers et moins coûteux à équiper, tout en conservant une réduction mesurable de l'effort musculaire sur une large plage de vitesses de mouvement. Ce travail s'inscrit dans la recherche sur les muscles pneumatiques artificiels, appréciés pour leur légèreté et leur compliance intrinsèque mais historiquement difficiles à commander avec précision en raison de non-linéarités comme l'hystérésis. Les approches concurrentes s'appuient généralement sur l'électromyographie de surface ou des capteurs de force pour estimer l'intention motrice, au prix d'une calibration plus lourde et d'un coût matériel plus élevé. Il faut noter que la validation présentée reste une preuve de concept en laboratoire, réalisée sur un banc d'essai émulant un poignet et non lors d'essais sur des porteurs réels en conditions quotidiennes, et que la publication n'a pas encore fait l'objet d'une revue par les pairs. Les auteurs évoquent une extension possible à d'autres articulations, en vue d'essais utilisateurs plus larges pour confirmer le transfert vers des usages réels de rééducation ou d'assistance industrielle.

Assistance personnalisée aux exosquelettes des membres inférieurs par optimisation bayésienne basée sur les préférences

Voici le résumé en français. Une équipe de recherche présente PbBO (préférence-based Bayesian Optimization), une méthode d'optimisation par préférences pour l'assistance personnalisée d'un exosquelette du membre inférieur, décrite dans un article publié sur arXiv (référence 2608.09015v1). Le système ajuste six paramètres de contrôle en se basant sur les préférences de mouvement de l'utilisateur, et converge vers les réglages préférés avec une précision de validation de 90,7% en seulement 20 itérations, contre un nombre bien plus élevé d'interactions homme-robot nécessaires avec les méthodes existantes. Un contrôleur hiérarchique génère un couple de torsion personnalisé selon les tâches et assure un suivi du couple d'interaction en temps réel. Des expériences sur tapis roulant et en extérieur montrent que les paramètres optimisés réduisent le taux métabolique de 14,5% à 15,4%, la fréquence cardiaque de 6,3% à 7,6%, et l'activation musculaire de 6,7% à 31,5% par rapport à une marche sans assistance. L'enjeu principal pour l'industrie des exosquelettes est la vitesse de calibration individuelle, un frein connu à l'adoption en contexte professionnel et médical. Les méthodes d'optimisation par préférences existantes exigent de nombreux cycles d'essais en ligne avec l'utilisateur, ce qui génère fatigue et biais dans les résultats obtenus. En réduisant drastiquement le nombre d'itérations nécessaires tout en maintenant une précision élevée, PbBO répond directement à une limite pratique qui freinait le déploiement à grande échelle de dispositifs adaptatifs, que ce soit en réhabilitation, en logistique ou en assistance industrielle au port de charges. Si les résultats se confirment sur des cohortes plus larges, cela pourrait accélérer la personnalisation d'exosquelettes commerciaux sans allonger les phases de calibration en clinique ou sur site industriel. Le champ des exosquelettes actifs cherche depuis plusieurs années à dépasser les profils de contrôle génériques, peu adaptés à la morphologie et aux préférences individuelles de chaque porteur. Les approches par optimisation bayésienne classique existent déjà dans ce domaine, mais l'apport ici réside dans l'exploitation de la distribution d'échantillonnage des ensembles de candidats pour améliorer l'efficacité par échantillon. L'article ne précise pas d'acteur industriel ni de partenaire de commercialisation associé à ces travaux, qui relèvent à ce stade de la recherche académique publiée en preprint, sans indication de déploiement produit ni de calendrier de transfert vers un dispositif commercial.

Identification des caractéristiques biomécaniques clés de l'adaptation du mouvement lors d'une locomotion assistée par exosquelette

Une étude publiée le 7 août 2026 sur arXiv (2608.07140) a suivi neuf participants sains marchant sur tapis roulant sous trois conditions : sans exosquelette, avec assistance active à la cheville, et avec l'exosquelette réglé en couple nul (zero-torque). Les chercheurs ont mesuré la cinématique des membres inférieurs, la coordination inter-articulaire et le coût métabolique de transport (MCoT), à l'échelle du groupe et de chaque individu. L'adaptation s'avère progressive et très hétérogène : le temps de convergence et les patterns moteurs varient fortement d'un participant à l'autre. Les ajustements cinématiques sont asynchrones entre articulations, avec des fluctuations plus marquées en phase d'oscillation, tandis que le coût métabolique reste souvent instable, sans atteindre de plateau net chez plusieurs sujets. Ce constat fragilise une hypothèse méthodologique répandue dans la littérature sur les exosquelettes : celle d'un régime stable (steady-state) atteint après quelques minutes d'essai, sur laquelle reposent la plupart des comparaisons d'efficacité énergétique entre dispositifs. Si l'adaptation individuelle continue d'évoluer au-delà des fenêtres de mesure classiques, les gains métaboliques annoncés pour certains exosquelettes pourraient être mal évalués, voire artefactuels. Pour les fabricants et intégrateurs d'exosquelettes médicaux ou industriels, cela plaide pour des protocoles de test plus longs et une analyse individualisée plutôt que des moyennes de groupe, en particulier pour les usages en rééducation ou en port prolongé, où l'ajustement fin de l'assistance dépend directement du profil moteur de chaque utilisateur. Le travail s'inscrit dans la recherche biomécanique sur les interfaces homme-exosquelette, un domaine où les essais s'appuient historiquement sur des métriques agrégées par souci de simplicité statistique. Sans citer de dispositif ou de fabricant commercial précis, l'étude reste un travail académique de méthodologie plutôt qu'une évaluation produit. Ses auteurs appellent à un suivi longitudinal par participant plutôt qu'à un instantané de fin d'essai, une recommandation transposable à l'ensemble des exosquelettes de cheville testés en laboratoire, qu'ils visent la rééducation, le sport ou l'usage industriel. Aucun calendrier de déploiement ni suite expérimentale n'est précisé dans l'abstract.

ATP : cadre de contrôle à couple anatomique et passivité pour une assistance sûre par exosquelette du membre supérieur

Des chercheurs proposent ATP (Anatomical Torque with Passivity based Control), un nouveau cadre de commande pour exosquelettes du membre supérieur, décrit dans un article déposé sur arXiv début août 2026. Le système combine trois briques technique. D'abord, un simulateur musculosquelettique entraîne par apprentissage par renforcement un contrôleur musculaire unique, capable de généraliser à des mouvements variés du bras et de générer des couples de référence anatomiques sans recourir à des calculs biomécaniques complexes propres à chaque utilisateur. Ensuite, un module de raffinement en ligne ajuste ce couple de référence en temps réel, supprime les pics parasites liés aux tendons et intègre un score d'anomalie appris pour garantir une assistance sûre et confortable. Enfin, un contrôleur de couple d'interaction pilote un exosquelette souple à câbles sans imposer de trajectoire prédéfinie, tandis qu'un réservoir d'énergie (energy tank) préserve la passivité du système avec des garanties théoriques sur le suivi de couple. Testé en simulation et sur banc réel, le système suit avec précision des séquences de mouvement longues et s'adapte à des gestes humains en temps réel. Une étude EMG menée sur cinq participants montre une réduction de l'activité musculaire ciblée pendant des tâches statiques et dynamiques, avec jusqu'à 48% de réduction par rapport à un mouvement sans exosquelette lors d'une tâche dynamique multi-articulaire, un résultat supérieur à la compensation de gravité et à l'assistance en boucle ouverte. L'enjeu dépasse la prouesse technique: l'assistance anatomique générique a surtout été validée sur les exosquelettes de membre inférieur, où les mouvements périodiques et porteurs de charge tolèrent une précision de couple moindre. Le membre supérieur, avec ses gestes non périodiques et très variés, exigeait jusqu'ici soit des modèles biomécaniques lourds et spécifiques à l'utilisateur, soit des stratégies d'assistance rigides. Un contrôleur qui généralise sans recalibration individuelle tout en garantissant la sécurité (passivité, pas d'emballement de couple) lève un frein réel à la diffusion des exosquelettes de bras hors laboratoire, que ce soit en rééducation post-AVC, en ergonomie industrielle ou en assistance au geste répétitif. Le travail s'inscrit dans la continuité des recherches sur le contrôle par couple anatomique, déjà mature côté membre inférieur pour l'assistance à la marche, et cherche à combler le retard côté membre supérieur. Publié en preprint, non encore relu par les pairs, l'étude reste limitée à cinq sujets: la prochaine étape attendue est une validation sur cohorte plus large et en conditions cliniques ou industrielles réelles pour confirmer la portabilité du contrôleur au delà du banc d'essai.

Contrôleur co-adaptatif entraîné en simulation pour exosquelettes de hanche : validation métabolique et biomécanique de l'entraînement multi-agents par étapes (SMAT)

Des chercheurs ont publié le 4 août 2026 sur arXiv (2608.00715v1) la première validation physiologique de SMAT (Staged Multi-Agent Training), un contrôleur d'exosquelette de hanche entraîné entièrement en simulation physique. La méthode repose sur un curriculum en quatre étapes qui entraîne conjointement un acteur musculosquelettique simulant l'humain et un acteur bilatéral pilotant l'exosquelette de hanche, une approche pensée pour gérer la co-adaptation entre le porteur et le dispositif, un problème non stationnaire puisque l'utilisateur réorganise sa coordination neuromusculaire au fur et à mesure que l'appareil modifie la dynamique articulaire. La politique a été déployée sur du matériel réel et testée sur huit adultes en bonne santé, avec mesure du coût métabolique par calorimétrie indirecte sur trois conditions : sans exosquelette, exosquelette passif, et assistance active. L'assistance active a réduit la dépense métabolique nette de 19,7 % par rapport au mode passif (p < 0,001), et l'analyse biomécanique a confirmé une puissance mécanique de hanche majoritairement positive chez tous les sujets, avec un ratio de puissance positive de 0,98. La politique s'est aussi généralisée à différentes vitesses de marche et différents terrains, sans réentraînement spécifique à chaque sujet. Ce résultat compte parce qu'il répond directement à un doute récurrent dans le secteur de l'exosquelette assisté : les contrôleurs appris en simulation tiennent-ils réellement la comparaison face au benchmark de référence, la mesure métabolique en conditions réelles ? Beaucoup de démonstrations de dispositifs d'assistance s'arrêtent à des essais biomécaniques ou à des retours qualitatifs, sans franchir l'étape de la validation métabolique complète. Ici, un seul modèle entraîné en sim, déployé tel quel sur huit personnes différentes, produit un bénéfice mesurable et statistiquement significatif, ce qui constitue un argument concret pour le transfert sim-to-real dans les dispositifs portables et pour les approches d'apprentissage multi-agents appliquées à la robotique portée. Le travail s'inscrit dans la lignée des recherches sur l'assistance à la marche par exosquelette, un champ où les contrôleurs basés sur des règles ou des optimisations individuelles dominent encore largement le marché commercial. SMAT avait déjà montré des gains en simulation et une assistance positive sur banc d'essai avant cette étude ; la contribution ici est la validation clinique sur sujets sains. Les auteurs notent que la généralisation aux terrains et vitesses ouvre la voie à des essais élargis, potentiellement vers des populations cliniques ou des usages industriels, sans que des dates de déploiement commercial ne soient précisées.

Exosquelette IA Haier W3 en pratique : le robot portable domestique est-il enfin prêt ?

Haier a ouvert un magasin d'exosquelettes IA à Guangzhou pour présenter son exosquelette de hanche de troisième génération, le W3. L'appareil pèse 1,75 kg et coûte 2 200 dollars (15 999 yuans), soit environ 60% du poids des produits comparables sur le marché, une réduction obtenue grâce à un usage massif de fibre de carbone et à des moteurs compacts. Le couple d'assistance reste modeste, 16 Nm, mais des tests pratiques ont montré qu'il suffit pour des utilisateurs asiatiques de poids normal, avec une aide perceptible dans les escaliers sans forcer la foulée. La nouveauté principale tient à l'algorithme d'apprentissage de la démarche : contrairement aux générations précédentes qui imposaient un mouvement mécanique rigide, le W3 apprend le style de marche naturel de l'utilisateur en quelques minutes, distinguant les transferts de poids en position debout des mouvements de marche intentionnels pour éviter les faux déclenchements qui pénalisaient les modèles antérieurs. Haier propose aussi une version "W3 Mom Edition" adaptée à la morphologie féminine asiatique, ainsi qu'un mode "petits pas" pour les seniors à foulée courte et fréquente, ce qui impose à l'algorithme de reconnaissance de gestes de fonctionner à haute fréquence, un régime technique exigeant pour des systèmes à long bras de levier. Ce lancement illustre une évolution notable pour le secteur des exosquelettes grand public : la combinaison d'un poids réduit, d'une intelligence embarquée capable de s'adapter à l'utilisateur sans calibration lourde, et d'une segmentation par morphologie (au lieu du modèle unique historiquement dominant) rapproche ces dispositifs d'un usage domestique réel, notamment pour l'assistance à la mobilité des seniors et la rééducation. À 2 200 dollars, le W3 reste néanmoins hors de portée d'une adoption de masse, et les résultats évoqués reposent sur un test de prise en main isolé plutôt que sur une évaluation indépendante à grande échelle, ce qui invite à la prudence sur la généralisation des performances annoncées. L'enjeu dépasse le seul marché de l'exosquelette : les briques technologiques développées ici, apprentissage adaptatif de la démarche et anticipation de l'intention de l'utilisateur, sont considérées par les observateurs du secteur comme des briques transférables aux futurs robots domestiques autonomes. Le W3 s'inscrit dans une trajectoire d'itérations rapides chez Haier, la génération précédente étant plus lourde et moins autonome en matière de perception du mouvement. Le positionnement de la marque, acteur de l'électroménager qui investit désormais la robotique portable, tranche avec les start-up spécialisées en exosquelettes qui dominent habituellement ce segment. Si aucun calendrier de commercialisation internationale n'a été communiqué, la trajectoire observée, une génération plus légère, plus abordable et plus intelligente à chaque itération, laisse penser qu'un ou deux cycles de développement supplémentaires pourraient rendre ces dispositifs viables pour un usage domestique courant, au-delà du strict cadre médical ou industriel auquel les exosquelettes sont aujourd'hui largement cantonnés.

Où regardent les humains lors des démonstrations à des robots : analyse du comportement visuel dans les tâches de prise-et-dépose

Une équipe de chercheurs publie sur arXiv (référence 2506.05808v2) une étude expérimentale portant sur le comportement oculaire des opérateurs humains lors de sessions de téleopération robotique, dans le cadre spécifique de tâches de saisie et de dépose (pick-and-place). Le protocole expérimental compare plusieurs dispositifs de démonstration, des interfaces qui émulent l'incarnation et les conditions visuelles d'un robot, et mesure précisément où le regard humain se fixe pendant l'exécution. Les résultats montrent que certaines propriétés des dispositifs provoquent un déplacement systématique de l'attention visuelle : l'opérateur cesse de regarder les indices liés à l'objectif de la tâche (les objets à manipuler) pour se concentrer sur les indices de supervision du contrôle (l'effecteur terminal, c'est-à-dire la pince ou le bras du robot). Ce n'est pas un effet marginal, il est suffisamment prononcé pour mesurer son impact en aval sur les modèles d'apprentissage. L'enjeu pour les équipes qui construisent des pipelines d'imitation learning est direct. L'apprentissage par imitation, qui fonde une part croissante des architectures VLA (Vision-Language-Action) comme Pi-0, GR00T N2 ou OpenVLA, repose sur des volumes massifs de données de démonstration humaine, dont le coût de collecte est élevé. Une hypothèse structurante du domaine est que le regard humain encode des informations cognitives de haut niveau, priorité aux objets, anticipation de la trajectoire, que les modèles peuvent exploiter pour généraliser. Or cette étude montre que, selon le dispositif utilisé, ce signal se dégrade au point de faire chuter les performances des modèles gaze-based en dessous des baselines sans information oculaire. En d'autres termes, le choix du matériel de collecte de données n'est pas neutre : il peut silencieusement empoisonner le signal superviseur. Ce travail s'inscrit dans un débat actif autour de la qualité versus la quantité des données de démonstration, dans un secteur où Physical Intelligence, Hugging Face (LeRobot) et des laboratoires comme Stanford (ALOHA) ou Berkeley (DROID) investissent massivement dans des infrastructures de collecte standardisées. La question de quel dispositif utiliser, manette, bras maître, interface VR, exosquelette, n'avait jusqu'ici été abordée que sous l'angle ergonomique ou de la fidélité de contrôle. Cette étude introduit une nouvelle dimension : l'effet du dispositif sur la qualité du signal cognitif implicite, avec des implications directes pour la conception des futures campagnes de collecte de données à grande échelle.

AnyBody : contrôle libre du corps entier d'un humanoïde par points-clés arbitraires

Des chercheurs ont publié le 30 juin 2026 AnyBody (arXiv:2606.29209), un contrôleur unitaire pour humanoïdes capables de piloter l'ensemble du corps à partir d'un sous-ensemble arbitraire de keypoints (points de repère anatomiques) défini au moment du déploiement. La méthode articule trois briques : un tracker "enseignant" entraîné sur un large corpus de mouvements humains non structurés, distillé vers un student encodeur-décodeur déterministe dont l'espace latent est une sphère unitaire, puis un encodeur transformer par keypoints exploitant le masked self-attention pour accepter n'importe quelle combinaison de marqueurs corporels. Un correcteur résiduel léger dans l'espace latent permet ensuite d'adapter le décodeur figé à des tâches aval spécifiques. Les expériences couvrent le suivi de mouvements humains à grande échelle depuis des keypoints partiels, la télé-opération flexible, la locomotion, l'écriture dans les airs et l'atteinte d'obstacles. Ce travail s'attaque à deux verrous majeurs du contrôle physique des humanoïdes. Les pipelines classiques de retargeting depuis la capture plein corps (full-body mocap) sont coûteux et sujets aux erreurs, ce qui freine la collecte de données à l'échelle nécessaire à l'apprentissage par renforcement. Les architectures hiérarchiques qui dissocient contrôle du haut et du bas du corps sacrifient quant à elles la coordination globale indispensable à la loco-manipulation, c'est-à-dire la capacité à marcher et manipuler simultanément. AnyBody résout les deux en apprenant une représentation latente unique interrogeable par n'importe quel sous-ensemble de keypoints, sans retraining. Pour les intégrateurs, cela ouvre la voie à une télé-opération allégée (quelques marqueurs suffisent) et à des interfaces variées : vision monoculaire, IMU ou exosquelette partiel. Le contrôle physique des humanoïdes se partage aujourd'hui entre approches simulation-retargeting (PHC, OmniH2O, HOVER) et modèles vision-langage-action (VLA). AnyBody s'inscrit dans la première famille mais supprime la contrainte du mocap complet, convergeant vers des travaux comme HumanVid qui exploitent des supervisions partielles. Cette publication académique n'implique pas directement d'acteur commercial, mais ses enjeux concernent Figure AI (Figure 03), Agility Robotics (Digit), Boston Dynamics (Atlas), Apptronik (Apollo), et côté français Wandercraft, dont le contrôle de marche assistée repose précisément sur ce type de coordination corps entier. La validation sur hardware réel à grande échelle reste la prochaine étape critique avant tout transfert industriel.

💬 Le vrai verrou du contrôle humanoïde, c'était le mocap complet, coûteux et obligatoire à chaque nouvelle tâche. AnyBody coupe là-dedans : quelques points arbitraires suffisent, le contrôleur s'adapte sans réentraînement, et ça débloque enfin la collecte à l'échelle dont le RL avait besoin depuis longtemps. Wandercraft devrait y regarder de près.

Commande d'exosquelette de cheville avec gestion de l'incertitude

Des chercheurs ont publié sur arXiv (réf. 2508.21221) un cadre de contrôle dit "uncertainty-aware" pour exosquelettes de cheville, conçu pour fonctionner en dehors des conditions de laboratoire. Le système repose sur un estimateur d'incertitude qui classifie en temps réel chaque mouvement de l'utilisateur comme étant "in-distribution" (connu du modèle d'entraînement) ou "out-of-distribution" (inconnu), et désactive automatiquement l'assistance dans le second cas. Trois architectures ont été évaluées sur un jeu de données offline : ensembles de modèles, auto-encodeurs et réseaux génératifs adversariaux (GAN). L'ensemble d'estimateurs de phase de marche s'est révélé le plus performant et a été validé en conditions online, c'est-à-dire sur un utilisateur réel en mouvement. Le test en ligne a atteint un score F1 de 89,2 pour la détection des transitions entre tâches familières et inconnues. Ce résultat adresse directement la limite structurelle des exosquelettes de membres inférieurs actuels : leurs contrôleurs sont conçus pour un répertoire fixe de mouvements discrets et prédéfinis, testés en environnement contrôlé. Dès qu'un utilisateur s'écarte du scénario d'entraînement, l'assistance devient inadaptée, voire dangereuse. Le mécanisme de désengagement automatique constitue ici une réponse concrète au problème du déploiement en environnement non structuré, souvent cité comme le principal verrou entre la démonstration en labo et l'usage quotidien. Pour les intégrateurs et les cliniciens, cela signifie potentiellement des dispositifs capables de gérer l'escalier, le trottoir ou les variations de terrain sans nécessiter une reprogrammation manuelle, ce qui a toujours été un frein majeur à la commercialisation à grande échelle. Les exosquelettes de cheville occupent un segment en pleine croissance dans le marché des dispositifs d'assistance à la mobilité, qui comprend des acteurs comme Ekso Bionics, Össur, Cyberdyne (HAL) ou encore le français Wandercraft, dont l'exosquelette ATALANTE cible la rééducation neurologique. La majorité de ces dispositifs restent aujourd'hui limités à des protocoles cliniques encadrés, précisément parce que la robustesse hors-distribution n'est pas résolue. Cette publication ne présente pas un produit commercialisé mais une architecture de recherche, et les résultats online reposent sur un protocole expérimental non détaillé dans l'abstract : il faudra évaluer la robustesse sur une population plus large et des environnements véritablement non contrôlés avant de conclure à une transférabilité industrielle. La prochaine étape logique serait des essais cliniques intégrant cette couche d'incertitude dans des dispositifs existants, ce que les auteurs envisagent comme voie vers une assistance autonome en conditions réelles.

Filtrage de Kalman invariant pour l'estimation de pose étendue dans les systèmes articulés à corps rigides multi-IMU

Une équipe de chercheurs a publié en juin 2026 sur arXiv (réf. 2606.25083) une nouvelle méthode d'estimation de pose étendue pour les systèmes articulés multi-IMU. Leur contribution centrale est l'"IterIEKF" (iterated Invariant Extended Kalman Filter), construit autour d'une nouvelle représentation mathématique baptisée "relative L-extended pose", définie sur un groupe de Lie adapté aux arbres cinématiques. Chaque corps rigide est équipé d'une IMU indépendante, et les contraintes articulaires sont intégrées comme pseudo-mesures sans bruit dans le filtre. Validé sur un bras robotique UR5e (Universal Robots) et un modèle de jambe humaine instrumentée, l'IterIEKF réduit l'erreur quadratique moyenne (RMSE) d'au moins 50 % par rapport au second meilleur filtre testé, toutes configurations confondues, avec une convergence plus rapide et une variabilité run-to-run sensiblement moindre. L'importance de ce résultat tient à un verrou longtemps ouvert : l'IEKF standard, développé pour garantir convergence et cohérence sous inobservabilité, était limité à un seul corps rigide. Le couplage de pose entre segments articulés rendait son extension non triviale, et exprimer des contraintes cinématiques dans le cadre invariant restait un problème sans solution propre. En levant ce verrou, les auteurs ouvrent la voie à des estimateurs embarqués fiables pour les bras industriels, les jambes d'humanoïdes, et les exosquelettes médicaux, sans recourir à des caméras extérieures ni à un référentiel absolu. Pour les intégrateurs B2B, cela signifie potentiellement une localisation proprioceptive robuste sur des robots déployés en environnement non structuré. L'IEKF invariant a été formalisé au milieu des années 2010 par Axel Barrau et Silvère Bonnabel (MINES ParisTech / INRIA), et constitue depuis un axe actif de la communauté française de robotique et de traitement du signal. Cette extension aux systèmes articulés s'inscrit directement dans cet héritage. Du côté applicatif, des acteurs comme Wandercraft (exosquelettes de marche, Paris) ou les équipes du LAAS-CNRS travaillant sur la locomotion humanoïde sont des utilisateurs naturels de tels estimateurs. La prochaine étape logique est une implémentation temps réel embarquée sur processeur contraint, ainsi qu'une validation sur des humanoïdes complets, où le nombre de corps et la dynamique de contact posent des défis supplémentaires non couverts par ce travail.

MILE : exosquelette mécaniquement isomorphe et main visuotactile pour collecter des données en manipulation dextérique

Des chercheurs ont publié sur arXiv (identifiant 2512.00324, quatrième révision) MILE, un système de téléopération conçu pour collecter des données d'apprentissage destinées aux mains robotiques dextères. Le dispositif se compose de deux éléments co-conçus : l'exosquelette MILE, porté par l'opérateur humain, et la main robotique MILE-Tac, son pendant mécanique. La topologie cinématique est partagée à quatre doigts, ce qui permet un transfert direct des commandes dans l'espace articulaire sans passer par une cinématique inverse (IK retargeting) classique. Le système intègre des encodeurs articulaires modulaires fabriqués sur mesure et des capteurs visuotactiles compacts placés à chaque fingertip. À chaque session de démonstration, il enregistre de façon synchronisée quatre flux visuotactiles (un par doigt), les observations visuelles de la tâche, la proprioception de la main robot et les commandes issues de l'exosquelette. Les auteurs ont évalué MILE sur un benchmark de téléopération à quatre tâches, en le comparant à des interfaces à gant et à des interfaces basées vision, puis ont conduit des expériences d'apprentissage par imitation avec et sans retour tactile. L'enjeu central est le goulot d'étranglement que représente la collecte de démonstrations pour les mains à haute dimensionnalité : plus les actionneurs sont nombreux, plus les données doivent être précises et multimodales. L'isomorphisme mécanique entre l'exosquelette et la main robot réduit les erreurs d'interprétation liées au retargeting IK, qui dégrade souvent la fidélité des démonstrations dans les systèmes existants. L'intégration native du retour visuotactile est notable : les expériences d'imitation learning montrent que les politiques entraînées avec les données tactiles surpassent celles entraînées sans, ce qui renforce l'hypothèse que le toucher est un signal discriminant pour les tâches de manipulation contact-riche, longtemps sous-exploité par rapport à la vision. Ce travail s'inscrit dans une tendance de recherche qui cherche à résoudre le sim-to-real gap non par la simulation, mais par une meilleure capture de la physique réelle via des capteurs distribués. Dans le paysage concurrentiel, plusieurs équipes travaillent sur la téléopération dextère : les systèmes à gant (type CyberGlove), la rétargetion vision-only popularisée par les approches MANO, et des solutions commerciales comme Shadow Robot ou Inspire-Robots. MILE se positionne différemment en priorisant la co-conception mécanique plutôt que l'adaptation logicielle. Il s'agit à ce stade d'un prototype de recherche académique, pas d'un produit commercialisé. Les données de benchmark détaillées, le code et une page projet sont disponibles, mais aucun partenariat industriel ni timeline de transfert technologique n'est annoncé dans le preprint.

L'industrie robotique chinoise enregistre de multiples avancées dans les humanoïdes et l'IA physique

En l'espace d'une semaine, l'industrie robotique chinoise a enregistré plusieurs jalons concrets. Ubtech Robotics a annoncé que les pré-commandes de son robot humanoïde pleine taille Ubestworld dépassent 5 000 unités sur JD.com, avec une mise en vente simultanée sur Tmall. Dans le segment de l'IA physique, Jiangxing Intelligence a bouclé deux tours de financement stratégiques consécutifs totalisant plusieurs centaines de millions de yuans ; l'entreprise, fondée par Pang Haitian, revendique déjà la rentabilité et déploie ses solutions dans de multiples secteurs industriels. Alibaba a par ailleurs publié la série Qwen-Robot, ses modèles d'IA incarnée, pendant que le constructeur automobile Seres dévoilait son premier robot humanoïde. Sur le segment grand public, la startup ZuzuZoos a finalisé un tour Pre-A de plusieurs dizaines de millions de yuans pour son robot compagnon IA couplant grands modèles de langage et design IP, ciblant les femmes de 18 à 35 ans. Enfin, le ministère chinois de l'Industrie et des Technologies de l'Information (MIIT) a mis en consultation publique des projets de normes techniques pour les robots humanoïdes dans les sous-stations électriques et la fabrication d'électroménager, couvrant évaluation de performance, spécifications après-vente et interconnexion inter-robots. La simultanéité de ces signaux est plus significative que chacun pris isolément. Les 5 000 pré-commandes d'Ubtech, même sans précision de prix ni calendrier de livraison ferme, constituent un indicateur de demande grand public qui dépasse le cadre industriel habituel des humanoïdes, un glissement de marché que peu d'analystes anticipaient à ce stade. Plus structurellement, la publication de normes sectorielles par le MIIT est un accélérateur de déploiement B2B : elle réduit le risque d'évaluation pour les intégrateurs et les donneurs d'ordre industriels, qui n'ont plus à définir leurs propres grilles de qualification. La profitabilité affichée de Jiangxing Intelligence, si elle se confirme, invalide partiellement la thèse selon laquelle l'IA physique à grande échelle est encore trop immature pour générer des revenus récurrents. Du côté de JD Group, l'annonce par le fondateur Liu Qiangdong d'un plan de reconversion pour 700 000 employés col bleu, livreurs inclus, via des accords avec 120 établissements de formation, signale une stratégie de transition sociale anticipée face à l'automatisation, rarement formulée aussi explicitement par un opérateur de cette taille. Ce déferlement s'inscrit dans une dynamique d'écosystème que Pékin cultive depuis plusieurs années : subventions à la R&D robotique, zones pilotes pour l'IA incarnée, et pression réglementaire pour structurer rapidement un marché encore fragmenté. Face à cette accélération, les acteurs occidentaux positionnés sur l'humanoïde, Figure AI avec son robot 03, Tesla avec Optimus Gen 3, Physical Intelligence avec Pi-0, ou NVIDIA avec GR00T N2, maintiennent une avance technologique sur certains benchmarks de manipulation, mais voient l'écart de vitesse de commercialisation se réduire. Aucun acteur français ou européen n'est directement mentionné dans ces développements, bien que Wandercraft, Enchanted Tools ou Pollen Robotics opèrent sur des niches complémentaires (exosquelettes, cobots). Les prochaines étapes à surveiller : les dates de livraison effectives de l'Ubestworld, l'entrée en vigueur des normes MIIT, et les premiers déploiements industriels documentés de Qwen-Robot.

Elmo lance un nouveau contrôleur de mouvement et des servovariateurs pour applications industrielles

Elmo Motion Control, société israélienne basée à Petach Tikva, a lancé le 18 juin 2026 une nouvelle gamme de servovariateurs et contrôleurs de mouvement à destination des environnements industriels contraignants, présentée cette semaine au salon Automate 2026 à Chicago (stand S-3601). La nouvelle ligne Titanium comprend cinq produits : le servovariateur double-axe Castanet, au format boîte d'allumettes, le Harmonica double-axe capable de délivrer jusqu'à 50 A sous 100 V ou 35 A sous 200 V, et le contrôleur multi-axes Maestro, qui supporte jusqu'à 256 axes avec une cadence EtherCAT de 100 µs. La ligne Platinum existante s'enrichit du Jori (30 A/60 A, puissance continue jusqu'à 20 ou 40 kW, étage de puissance en carbure de silicium SiC) et du Cymbal, conçu pour les environnements sévères avec une puissance jusqu'à 17 kW. Tous ces produits intègrent jusqu'à 17 fonctions de sécurité fonctionnelle certifiées directement au niveau du variateur, sans module externe. L'intégration native de la sécurité fonctionnelle au niveau du variateur est le point structurellement significatif de cette annonce : elle permet aux OEM de supprimer une partie du câblage sécurité et des cages de protection physiques, ce qui réduit le coût total d'intégration et simplifie la certification des systèmes soumis à des normes strictes. Le Titanium Castanet remplace deux variateurs Elmo Twitter précédents dans un encombrement réduit de près de moitié, avec une synchronisation x/y sur un bus unique au lieu de deux, ce qui est un gain concret pour les architectures multi-axes en robotique collaborative ou en exosquelettes. Le recours au nitrure de gallium (GaN) dans les étages de puissance confirme une tendance de fond dans la conversion d'énergie embarquée : meilleure densité de puissance, pertes réduites par rapport au MOSFET silicium classique. Les métriques annoncées (nombre d'axes, cadences EtherCAT) sont cohérentes avec le haut de gamme du marché, mais Elmo ne fournit pas de données comparatives contextualisées sur les cycles thermiques ou la MTBF dans les conditions extrêmes revendiquées. Elmo est un acteur établi du contrôle de mouvement de précision, avec une présence historique dans l'aérospatial, la défense et la robotique industrielle. La société positionne ces nouvelles gammes explicitement sur les AGV/AMR, les cobots et les exosquelettes, des segments en forte croissance où la compacité et la densité de puissance sont des critères de sélection déterminants. Sur ce terrain, elle affronte des concurrents comme Kollmorgen, Beckhoff, INGENIA Motion Control ou encore Bosch Rexroth dans le segment multi-axes EtherCAT. L'arrivée d'une ligne Titanium dédiée aux environnements extrêmes peut également viser les marchés défense et spatial, où Elmo est déjà référencé. Aucune date de disponibilité commerciale ni tarif n'ont été communiqués ; le lancement au salon Automate suggère une phase de qualification client en cours, avec des expéditions série probables en fin d'année 2026.

Personnalisation continue en ligne du contrôle d'exosquelette par rejeu d'expérience adapté aux variétés

Des chercheurs ont publié sur arXiv (preprint arXiv:2606.17455, juin 2026) un cadre d'adaptation en ligne pour exosquelettes de marche destinés aux patients présentant des troubles de la locomotion, notamment l'hémilégie. Le système, baptisé "manifold-aware expérience replay", adapte en temps réel l'assistance articulaire fournie par l'exosquelette à la variabilité de chaque utilisateur, aux transitions de vitesse et aux changements de déclivité du terrain. Sur des scénarios de marche hémiplégique émulée, il obtient 40 % d'amélioration dans le suivi de couple moteur et 60 % dans le suivi de la phase de marche par rapport à une ligne de base sans replay, qui présentait un oubli catastrophique lors des transitions entre tâches locomotrices. Le résultat clé est la résolution d'un problème central de l'apprentissage continu appliqué à la robotique de rééducation : le modèle de contrôle "oublie" les contextes antérieurs chaque fois qu'il apprend de nouvelles conditions, un phénomène connu sous le nom de catastrophic forgetting. L'approche par replay sélectionne automatiquement les expériences pertinentes via une représentation géométrique de la variété de marche (gait manifold), sans étiquetage explicite des tâches, ce qui simplifie considérablement l'intégration clinique. Pour les intégrateurs et les équipes de rééducation, cela signifie qu'un exosquelette peut accompagner un patient dans des environnements réels, en intérieur et en extérieur, sans recalibration manuelle à chaque changement de contexte. La personnalisation des exosquelettes de marche reste un défi non résolu depuis les premières générations de dispositifs comme l'Ekso ou le ReWalk : les approches classiques nécessitent soit de longs protocoles d'étalonnage, soit des contrôleurs fixes peu adaptatifs. L'apprentissage en ligne par renforcement ou par imitation a été exploré, mais la gestion de la distribution des données dans le temps reste problématique. Dans ce paysage, des acteurs comme Wandercraft (Paris), qui développe l'exosquelette Atalante pour la rééducation en déambulation libre, ou les équipes académiques autour des systèmes EXO-H3 et Indego, font face aux mêmes enjeux de généralisation. Ce preprint ne mentionne ni partenaire industriel ni timeline de transfert clinique ; il s'agit d'une preuve de concept expérimentale sur marche émulée, pas encore d'un dispositif validé sur patients réels.

ExoTraj : une politique d'assistance pour exosquelette des membres inférieurs adaptée aux environnements complexes

Une équipe de chercheurs a publié le 20 juin 2026 sur arXiv (référence 2606.16876) ExoTraj, une politique unifiée de contrôle d'exosquelette pour membres inférieurs conçue pour fonctionner en environnements extérieurs complexes sans recourir à des systèmes de capture de mouvement coûteux. Le système repose sur deux briques techniques : un algorithme de flow matching rapide pour la prédiction de trajectoire multi-modale et multi-pas, et un contrôle prédictif par modèle (MPC) avec un nouvel objectif d'optimisation du couple articulaire. Lors des tests, ExoTraj réduit l'erreur de prédiction inter-sujets de 14,0 % en phase en ligne par rapport aux méthodes traditionnelles. Par rapport à la condition zéro couple (port passif), le système diminue le coût métabolique de 11,5 à 24,4 %, la fréquence cardiaque de 1,7 à 19,5 %, et les pics d'activation musculaire de 10,9 à 41,3 % selon les groupes musculaires. Ces chiffres, issus d'expériences en milieu contrôlé sur un nombre limité de sujets, restent à valider sur des cohortes plus larges. L'enjeu central qu'ExoTraj cherche à résoudre est la généralisabilité inter-sujets, un frein majeur à la commercialisation des exosquelettes d'assistance. La majorité des systèmes actuels requièrent une calibration individuelle lourde via mocap, ce qui les confine aux laboratoires ou aux environnements hospitaliers structurés. En combinant prédiction de trajectoire et optimisation de couple dans une politique unique déployable en temps réel, les auteurs visent à combler le fossé entre la recherche et les applications terrain : chantiers, logistique, rééducation ambulatoire. Le recours au flow matching, une technique générative plus rapide que la diffusion, constitue un choix technique notable pour la contrainte temps-réel. Ce travail s'inscrit dans une dynamique de recherche active sur les exosquelettes autonomes et adaptatifs. Côté industriel français, Wandercraft commercialise déjà le ATALANTE X pour la rééducation à la marche, et explore l'assistance grand public. À l'international, les acteurs Ekso Bionics, ReWalk et Sarcos proposent des solutions concurrentes, mais toutes dépendent encore fortement d'une configuration manuelle par praticien. ExoTraj étant un preprint non encore évalué par les pairs, il reste à voir si les gains métaboliques annoncés se maintiennent hors laboratoire, sur des terrains réellement non structurés et avec une population plus diverse. Les prochaines étapes attendues seraient une validation clinique ou terrain élargie, condition sine qua non pour une intégration industrielle sérieuse.

Caractérisation du frottement dans un système d'actionnement différentiel à câbles pour exosquelettes des membres inférieurs

Une équipe de chercheurs a publié fin juin 2026 un article préprint sur arXiv (identifiant 2606.15997) décrivant une architecture d'actionnement différentiel par câbles pour exosquelettes des membres inférieurs. Le principe repose sur deux moteurs couplés mécaniquement via un différentiel linéaire, qui partagent coopérativement les couples appliqués à la hanche et au genou lors des mouvements de flexion-extension. Cette configuration élimine le besoin de capteurs de couple au niveau des articulations, remplacés par un modèle de compensation des frottements validé expérimentalement sur un prototype physique. Aucun chiffre de performance (couple nominal, masse du module, rendement de transmission) n'est communiqué dans le résumé disponible. L'intérêt technique principal réside dans la réduction de la complexité et de la masse du module hanche-genou. Les capteurs de couple articulaire, présents dans la plupart des exosquelettes de rééducation actuels, représentent une source de poids, de coût et de points de défaillance. Les transmettre par câbles introduit des pertes par frottement qui ont longtemps rendu l'estimation de couple sans capteur peu fiable ; la contribution de cet article est précisément d'y répondre par un modèle de friction paramétré expérimentalement. Si cette approche se confirme sur un périmètre de conditions plus large, elle ouvre la voie à des modules d'actionnement plus légers et moins onéreux pour les intégrateurs d'exosquelettes de rééducation et d'assistance industrielle, en réduisant le nombre de composants actifs par articulation desservie. L'actionnement différentiel à câbles est une piste explorée depuis plusieurs années dans la robotique de rééducation, notamment pour concilier compacité et transparence mécanique. Dans ce segment, des acteurs comme Ekso Bionics, ReWalk ou l'allemand Ottobock s'appuient majoritairement sur des architectures à articulations indépendantes et capteurs dédiés. En France, Wandercraft (exosquelette Atalante, aujourd'hui déployé en clinique) mise sur une architecture à actionneurs hydrauliques compacts. Cette publication reste à ce stade un preprint non évalué par les pairs et validé sur prototype de laboratoire ; le chemin vers une intégration produit implique encore des tests de robustesse en conditions cliniques, de durée de vie des câbles et de comportement en milieu non contrôlé.

Exosquelette universel de manipulation : politiques corps entier compliantes avec retour de couple en temps réel

Des chercheurs ont publié sur arXiv (2606.14218) l'UME, Universal Manipulation Exoskeleton, un exosquelette du membre supérieur combinant retour de couple haptique en temps réel et enregistrement des signaux de couple articulaire pour la téléopération robotique. Léger, portable, équipé d'une IMU, il supporte la manipulation mobile et pilote trois bras commerciaux via un algorithme de reciblage universel : OpenArm 7DoF, Franka 7DoF et X-ARM 6DoF. Les politiques apprises à partir de données UME atteignent des taux de succès élevés sur des tâches bimanuelle, longue-horizon et en occultation visuelle : retournement de carton guidé par la force, poussage en aveugle, manipulation en espace contraint. La précision haptique est telle que des opérateurs peuvent extraire des objets cinématiquement contraints les yeux bandés. L'enjeu n'est pas l'exosquelette lui-même, mais les données qu'il produit : la quasi-totalité des pipelines de collecte pour l'apprentissage par imitation capture des positions articulaires sans les couples de force, cantonnant les politiques apprises à un mode position pur sans compliance active. L'UME comble cette lacune et ouvre la voie à des politiques réactives aux contacts non anticipés, condition nécessaire pour des robots opérant en environnement domestique ou aux côtés d'humains. La compatibilité avec trois cinématiques différentes et le faible coût de fabrication annoncé sont des arguments concrets pour les intégrateurs. Les taux de succès présentés restent néanmoins à confirmer au-delà des démonstrations sélectionnées pour la publication. Les systèmes de téléopération bimanuelle comme ALOHA (Stanford/UC Berkeley) ont établi des standards pour la collecte de données visuomotrices, mais sans retour de couple systématique. Les exosquelettes haptiques commerciaux existants (HaptX, Shadow Robot) intègrent ce retour à des coûts rédhibitoires pour la recherche académique. L'UME se positionne comme une alternative bas coût, avec code et données annoncés publics sur ume-exo.github.io, ce qui pourrait enrichir l'entraînement de modèles de politiques visuomotrices (VLA) comme pi-zero (Physical Intelligence) ou OpenVLA avec des signaux de force jusqu'ici absents des datasets standards. Il s'agit à ce stade d'un travail purement académique, sans partenaire industriel ni calendrier de déploiement annoncé.

NEURA Robotics lève jusqu'à 1,4 milliard de dollars en Série C pour son IA physique

NEURA Robotics GmbH, basée à Metzingen en Allemagne, a annoncé le 10 juin 2026 une levée de fonds de Série C pouvant atteindre 1,4 milliard de dollars, financée par un consortium d'investisseurs technologiques dont Tether, Qualcomm et Amazon. La startup, fondée en 2019 par David Reger, commercialise une gamme couvrant des bras robotiques légers, des robots mobiles (série MAV), des robots humanoïdes (modèle 4NE1) et un manipulateur mobile polyvalent baptisé MiPA, ciblant principalement la fabrication et la supply chain. Ce tour de table vient financer deux axes prioritaires : le développement de la plateforme "Neuraverse", décrite comme un écosystème ouvert d'IA physique permettant aux robots d'apprendre collectivement entre déploiements, et l'expansion d'un réseau mondial de "NEURA Gyms", des environnements d'entraînement à grande échelle combinant interaction sensorielle réelle, simulation et pipelines d'apprentissage multimodal. Il s'agit à ce stade d'une annonce de financement, pas d'un produit expédié ni d'un déploiement industriel documenté à grande échelle. Sur le fond, une levée de 1,4 milliard de dollars pour un acteur européen de la robotique humanoïde est un signal fort : les capitaux qui se concentraient jusqu'ici quasi exclusivement sur Figure AI, Agility Robotics, 1X ou Tesla Optimus commencent à irriguer des challengers hors Silicon Valley. Pour les intégrateurs et les décideurs industriels, la question concrète est celle du sim-to-real gap, que NEURA tente de réduire via son partenariat avec Dassault Systèmes annoncé en avril 2026. Le concept de Neuraverse, où plusieurs robots partagent une intelligence distribuée entre déploiements, s'inscrit dans une tendance plus large des architectures VLA (Vision-Language-Action) à l'échelle fleet, comme l'illustre Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. Les métriques de performance annoncées restent cependant absentes du communiqué, ce qui rend toute comparaison technique avec les concurrents impossible à ce stade. NEURA Robotics a bâti depuis 2019 un réseau de partenaires industriels structurant : Bosch pour le développement logiciel des humanoïdes (janvier 2026), Dassault Systèmes pour la simulation, mais aussi Schaeffler, Kawasaki, Delta Electronics, Qualcomm et NVIDIA pour l'infrastructure edge AI et les composants. Ce positionnement d'écosystème décentralisé tranche avec l'approche verticalement intégrée de Figure ou de Tesla. En Europe, NEURA est aujourd'hui l'acteur humanoïde le mieux capitalisé, loin devant des startups comme Enchanted Tools (France) ou Wandercraft, qui opèrent sur des segments différents (cobots expressifs et exosquelettes médicaux). Les prochaines étapes déclarées portent sur l'accélération du déploiement à l'échelle industrielle et l'ouverture de nouveaux NEURA Gyms à l'international, sans calendrier précis communiqué.

MIIT et SASAC lancent l'initiative 2026 d'entraînement des robots humanoïdes en conditions réelles

Le ministère chinois de l'Industrie et des Technologies de l'Information (MIIT) et la Commission de surveillance des actifs d'État (SASAC) ont publié conjointement, en juin 2026, un plan d'action national intitulé "Action spéciale pour la formation en scénarios réels des robots humanoïdes et de l'IA embodied". L'objectif affiché : d'ici fin 2026, les humanoïdes et leurs composants clés devront avoir achevé leur vérification applicative et basculer en "mode opérationnel" dans des environnements industriels, de services ou spécialisés. Le plan cible l'identification de plus de 100 scénarios à haute valeur et une capacité de déploiement à l'échelle de 10 000 unités. Les autorités provinciales sont tenues de sélectionner au moins 20 scénarios couvrant deux des trois domaines prioritaires ; les grandes entreprises centrales d'État doivent en identifier au moins 10 dans leurs secteurs respectifs. Le dispositif impose la création de consortiums d'innovation applicative regroupant utilisateurs finaux, fabricants, développeurs d'algorithmes et instituts de recherche. Ces consortiums devront produire des jeux de données d'IA embodied couvrant trajectoires de mouvement, courbes de contrôle force-position et séquences d'exécution de tâches, ainsi que des "packages de compétences" issus d'entraînements en conditions réelles. Des mécanismes de financement incluant equity, dette et assurance complètent le dispositif. Ce plan est la feuille de route gouvernementale la plus structurée publiée par Pékin sur l'industrialisation des humanoïdes, mais l'objectif de 10 000 unités déployées d'ici décembre 2026 est ambitieux, plusieurs observateurs le jugeant irréaliste compte tenu des délais habituels entre annonce politique et opérationnel réel. Ce qui est plus significatif, c'est la logique consortiale imposée : en forçant la coopération entre intégrateurs, fabricants et chercheurs autour de scénarios concrets, l'État tente d'accélérer le passage de la démo en laboratoire à l'usage en production. La prescription explicite de datasets couvrant les courbes force-position signale que Pékin cible directement le verrou du sim-to-real, encore non résolu à l'échelle industrielle. Pour un COO ou un intégrateur, cela signifie qu'un écosystème subventionné et doté d'obligations de résultat se structure en Chine avec des délais contractuels précis. Cette initiative prolonge la stratégie "Made in China 2025" et les plans successifs sur la robotique avancée. Les acteurs nationaux directement visés incluent Unitree (H1, G1), UBTECH (Walker S), Agibot et Fourier Intelligence, qui ont tous conduit des tests industriels en 2024-2025. Sur le plan international, la concurrence se structure autour de Figure AI (Figure 03), Tesla (Optimus Gen 3), Physical Intelligence (Pi-0) et Nvidia (GR00T N2), tous revendiquant des déploiements pilotes en environnements réels. En Europe, Wandercraft et Enchanted Tools restent positionnés sur des segments distincts, l'exosquelette médical et la robotique de service, sans concurrence directe sur le créneau industriel visé par ce plan. Les prochaines étapes dépendront de la capacité des consortiums à produire des résultats mesurables avant l'échéance de fin 2026.

OLIVE : apprentissage incrémental en ligne à faible rang pour exosquelettes adaptatifs efficaces

Des chercheurs ont publié le 5 juin 2026 sur arXiv (2606.05234) OLIVE, un framework d'adaptation en ligne pour exosquelettes portables basé sur une décomposition de rang faible. Le principe central : plutôt que de recalculer l'intégralité de la politique de contrôle, OLIVE décompose la composante adaptative en une forme résiduelle ΔW = A·Bᵀ de rang r très inférieur aux dimensions du modèle, ce qui réduit le coût de mise à jour de O(dk) à O(r(d+k)). Concrètement, le contrôleur de base pré-entraîné reste stable, tandis qu'une couche légère se personnalise en continu à partir des capteurs embarqués : EMG (électromyographie), IMU et vibrations, sans trajectoire de référence hors ligne. Un mécanisme de gating module l'intensité de la personnalisation selon le contexte, et un ordonnanceur de rang dynamique alloue une faible capacité sur terrain plat, puis monte en rang sur surfaces irrégulières, escaliers ou pentes. Les résultats expérimentaux sur plateforme réelle annoncent des gains de +13 points de pourcentage en fluidité de marche, +22 en réduction d'effort musculaire, et +15 en stabilité du mouvement par rapport à la meilleure baseline testée, avec convergence en environ 1 800 pas de marche et une latence bout-en-bout de 7,4 ms. L'enjeu clinique et industriel est significatif. Les exosquelettes existants (Ekso, ReWalk, Wandercraft avec son Atalante) s'appuient majoritairement sur des politiques de marche statiques, calibrées en laboratoire et peu robustes aux variations de terrain ou de morphologie individuelle. OLIVE propose une alternative déployable à l'embarqué, sans cloud, sans session de calibration préalable longue, et sans capteurs de force au sol. La latence de 7,4 ms est compatible avec les exigences temps-réel des systèmes de contrôle d'exosquelettes (généralement sous 10 ms). Si les gains annoncés tiennent en dehors du cadre expérimental contrôlé, cela réduirait substantiellement le temps d'adaptation à un nouvel utilisateur ou à un environnement non familier, un frein majeur à la commercialisation des dispositifs d'assistance à la mobilité. Le travail s'inscrit dans la vague des méthodes d'adaptation paramétrique légère issues du fine-tuning de LLMs (LoRA, notamment), transposées ici au contrôle robotique continu. Les approches concurrentes dans l'espace exosquelette incluent les méthodes d'apprentissage par renforcement avec modèles appris (model-based RL) et les politiques meta-apprises (MAML-style), généralement plus lourdes à déployer sur matériel embarqué. L'équipe derrière OLIVE a rendu le code public sur GitHub (FastLM/OLIVE). Les prochaines étapes non précisées dans le papier concerneront vraisemblablement la validation sur cohortes cliniques plus larges et l'intégration sur des plateformes commerciales, où la certification médicale reste le principal obstacle au déploiement à grande échelle.

Sécurité des interactions dans le contrôle multitâche d'exosquelettes : un cadre à impédance variable entraîné en simulation

Des chercheurs ont publié le 6 juin 2026 sur arXiv (référence 2606.06370) un framework de contrôle à impédance variable entraîné en simulation pour exosquelettes portables, capable de gérer neuf tâches motrices distinctes tout en garantissant mathématiquement la sécurité d'interaction. Le système repose sur un pipeline de génération de données simulation humain-exosquelette utilisant l'algorithme Proximal Policy Optimization (PPO) pour synthétiser les activations musculaires humaines, pendant que l'exosquelette compense directement les couples biologiques des articulations. Ces données alimentent ensuite une politique bimodale qui fusionne des instructions sémantiques (commandes en langage naturel décrivant la tâche) et un historique proprioceptif, pour prédire simultanément des trajectoires de référence et des gains d'impédance variables. La contrainte clé : les sorties du réseau de neurones sont bornées par un critère de stabilité dérivé de la théorie de Lyapunov, garantissant la stabilité asymptotique du système couplé humain-machine. Les expériences en conditions réelles montrent une réduction du coût métabolique par rapport aux méthodes baseline standards, les auteurs ne quantifient pas ce gain en pourcentage dans l'abstract. Ce travail s'attaque à l'un des obstacles principaux à la commercialisation des exosquelettes industriels et médicaux : le compromis entre adaptabilité multi-tâches et sécurité d'interaction garantie. En embarquant la garantie de stabilité directement dans les contraintes du réseau via Lyapunov, plutôt qu'en post-traitement, les chercheurs proposent une architecture où la sécurité est structurellement imposée plutôt qu'espérée. La fusion sémantique-proprioceptive suggère une interface utilisateur potentiellement plus intuitive pour les opérateurs industriels, sans reconfiguration manuelle entre tâches, ce qui représente un avantage opérationnel concret pour les déploiements en logistique ou en réhabilitation. Le contrôle d'impédance variable pour exosquelettes est un axe de recherche actif depuis une décennie, avec des contributions majeures des laboratoires MIT, ETH Zurich et du groupe de Wandercraft en France, ce dernier étant l'un des rares acteurs européens à avoir atteint un dispositif médical commercialisé (Atalante X). Du côté industriel, des acteurs comme SuitX (Ottobock), Ekso Bionics et Sarcos positionnent des exosquelettes sur les marchés logistique et manufacturing. Ce framework reste à ce stade une preuve de concept académique : l'article ne mentionne ni volume de déploiement, ni partenaire industriel, ni timeline de transfert vers un produit. Les prochaines étapes naturelles seraient une validation sur une population d'utilisateurs élargie et une évaluation des performances hors distribution de tâches.

SoftPINCH : un exosquelette souple piloté par EMG pour la flexion des doigts et la préhension

Des chercheurs ont publié en préprint (arXiv:2606.04776) SoftPINCH, un exosquelette souple portable commandé par EMG de surface, conçu pour assister la flexion du pouce et de l'index ainsi que la prise en pince. Le système combine un actionneur tendineux souple, des capteurs magnétiques de contact au bout des doigts, et un décodeur neuronal temps réel des signaux EMG captés sur les muscles de l'avant-bras. Trois architectures ont été évaluées en validation croisée leave-one-subject-out (LOSO) : LSTM seul (97,8 % de précision), CNN+LSTM et CNN+LSTM avec mécanisme d'attention (99,4 % tous deux). Le modèle CNN+LSTM a été retenu pour le déploiement temps réel, l'attention n'apportant pas d'amélioration significative. Lors des essais fonctionnels, l'assistance a réduit l'effort musculaire de 92,6 % à la charge maximale testée, avec un décodage conçu pour être sujet-indépendant, sans calibration individuelle. Le résultat le plus significatif est précisément ce décodage sujet-indépendant : les systèmes EMG classiques nécessitent une calibration par utilisateur, frein majeur au déploiement clinique et industriel. Atteindre 99,4 % de précision LOSO sans recalibration ouvre la voie à des dispositifs plug-and-play. La réduction de 92,6 % de l'effort musculaire est spectaculaire, mais mérite prudence : les essais ont été conduits en laboratoire sur un nombre limité de sujets dont les détails restent à paraître dans la version complète. La conception souple à actionneur tendineux répond à une critique récurrente des exosquelettes rigides, dont le manque de compliance mécanique compromet le confort et les mouvements naturels, particulièrement critique en réhabilitation post-AVC. La prise en pince est une priorité clinique de premier ordre, souvent la première altérée après un AVC ou dans les pathologies neuromusculaires comme la SLA. Le marché des exosquelettes de main est occupé par Bioservo Technologies avec son système Ironhand, déjà déployé en milieu industriel, ainsi que par plusieurs laboratoires académiques en Corée, en Europe et aux États-Unis, mais les solutions combinant décodage sujet-indépendant, actionnement souple et retour de contact tactile restent rares. SoftPINCH demeure un preprint académique non évalué par les pairs : aucun essai clinique ni pilote industriel n'est annoncé à ce stade. Les suites logiques incluent des études sur populations AVC ou blessés médullaires et une validation hors laboratoire pour confirmer la robustesse du décodage EMG en conditions réelles d'utilisation.

SoFiE : un exosquelette de doigt souple pour la préhension intelligente

Des chercheurs ont présenté SoFiE, un exosquelette doux et modulaire pour l'index, conçu pour assister la flexion du doigt lors de tâches de préhension chez des personnes ayant une fonction manuelle réduite. Le système repose sur des matériaux flexibles imprimés en 3D, ce qui lui confère un profil compact et léger. L'actionnement est assuré par un mécanisme à tendons entraîné par un moteur DC miniature, tandis que l'extension passive est gérée par un ressort conducteur élastique, baptisé StretchSense. Ce composant joue un double rôle : il assure le retour en extension tout en faisant office de capteur proprioceptif, sa résistance électrique variant en fonction de la déformation. Une seconde modalité sensorielle, MagSense, est introduite : une paire aimant-magnétomètre intégrée dans la pulpe souple du doigt permet d'estimer à la fois la force de contact et la compliance des objets saisis. L'ensemble est entièrement sans fil, piloté par un microcontrôleur embarqué, et complété par un retour encodeur moteur pour l'estimation de l'état du système. L'intérêt principal de SoFiE réside dans la combinaison de deux types de sensing en un dispositif portable et non-filaire : la proprioception via StretchSense et la perception tactile via MagSense. Cette dualité permet au système de distinguer des matériaux de rigidité différente et de générer des signatures sensorielles distinctes selon le type de prise, ce qui constitue une base sérieuse pour des stratégies de contrôle adaptatif et sécurisé. Pour les intégrateurs en robotique d'assistance, c'est une architecture prometteuse : la modularité de la conception laisse entrevoir une extension à d'autres doigts sans refonte complète du système. Le domaine des exosquelettes de main souples est actif dans plusieurs laboratoires universitaires à l'échelle mondiale, avec des acteurs comme Roam Robotics, Bioservo Technologies ou encore des projets issus du MIT et de l'ETH Zurich sur des dispositifs comparables. SoFiE reste pour l'instant un démonstrateur de faisabilité, publié en preprint sur arXiv (2606.00397), sans partenaire industriel ni timeline de commercialisation annoncée. Les prochaines étapes attendues seraient une validation clinique sur des profils patients (AVC, lésions médullaires), ainsi qu'une extension du système à plusieurs doigts pour couvrir des prises complexes au-delà du pincement index-pouce.

Sortie de l'Open Motion Planning Library 2.0

L'Open Motion Planning Library (OMPL), publiée en open source en 2008, franchit en mai 2026 une étape majeure avec la sortie d'OMPL 2.0, annoncée via un preprint arXiv (2605.29301). Cette mise à jour de fond fait évoluer une bibliothèque de planification de mouvement par échantillonnage qui, en près de deux décennies de développement continu, avait déjà intégré des planificateurs asymptotiquement optimaux, des planificateurs paresseux (lazy planners), la planification sous contraintes, et la planification avec objectifs en logique temporelle. La version 2.0 cible explicitement la planification de mouvement en temps réel grâce à l'accélération matérielle (GPU/FPGA), et s'interface avec les workflows de recherche en IA modernes. Aucun benchmark quantitatif n'est publié dans le résumé; les détails de performance restent à évaluer à la lecture du papier complet. L'enjeu est direct pour les équipes de robotique intégrées dans des environnements industriels ou académiques : OMPL est aujourd'hui l'une des briques les plus utilisées dans ROS/ROS 2 via MoveIt, ce qui signifie qu'une accélération matérielle en production peut réduire les temps de calcul de trajectoire de plusieurs ordres de grandeur, condition sine qua non pour les bras manipulateurs collaboratifs, les humanoïdes en manipulation dextère, et les AMR opérant dans des espaces non structurés. L'intégration avec les pipelines IA modernes, typiquement Vision-Language-Action (VLA) ou apprentissage par imitation, répond à un verrou réel : les planificateurs classiques et les modèles neuronaux cohabitent encore difficilement en temps réel. OMPL a été développé initialement à Rice University sous l'impulsion de Ioan Sucan et Lydia Kavraki, puis maintenu par une communauté large incluant des contributions de Willow Garage, puis de MoveIt. Ses concurrents directs dans l'écosystème open source incluent DRAKE (Toyota Research Institute / MIT), Tesseract (ROS-Industrial), et Pinocchio côté cinématique. Côté européen, des acteurs comme Wandercraft (exosquelette) ou Enchanted Tools (Mirmi) s'appuient sur des couches de planification proches. La prochaine étape naturelle sera la validation sur benchmarks standardisés (MotionBenchMaker, PlanningBenchmark) et l'intégration officielle dans MoveIt 2; aucune timeline n'est encore communiquée.

La startup qui veut mettre un humanoïde dans chaque usine et peut-être dans chaque maison

Figure AI a bouclé en septembre 2025 une Série C supérieure à un milliard de dollars, portant sa valorisation à 39 milliards de dollars, soit davantage que tout autre fabricant de robots humanoïdes au monde et davantage que plusieurs constructeurs automobiles cotés en bourse. Fondée en 2022 par Brett Adcock, entrepreneur serial issu des secteurs de l'emploi tech (Vettery, cédée à Adecco) et de l'aviation électrique (Archer Aviation), la startup a franchi trois générations de robots en moins de quatre ans. Figure 01, prototype de 1,67 mètre pour 60 kg présenté fin 2022, a servi à lever une Série B de 675 millions de dollars en 2024 (valorisation 2,6 milliards) auprès de Microsoft, NVIDIA, l'OpenAI Startup Fund, Jeff Bezos via Bezos Expeditions, Intel Capital et ARK Invest. Figure 02 a été déployé en conditions réelles à l'usine BMW de Spartanburg, Caroline du Sud, où il a accumulé plus de 1 250 heures de fonctionnement sur des postes de dix heures, cinq jours par semaine, chargeant des pièces en tôle sur des gabarits de soudure, soit plus de 90 000 pièces et une contribution annoncée à la production de quelque 30 000 BMW X3. Figure 03, lancé en octobre 2025, cible simultanément l'industrie et le résidentiel, avec 44 degrés de liberté, un revêtement souple pour la sécurité au contact humain, une recharge sans fil et une interface audio repensée. Une nouvelle levée est anticipée pour 2026-2027. Le chiffre de 30 000 véhicules est l'élément central à retenir, parce qu'il est difficile à fabriquer de toutes pièces. Les démos de laboratoire sont monnaie courante dans la robotique humanoïde ; onze mois de production réelle sur une ligne BMW, avec des métriques de rendement vérifiables par l'OEM, c'est une autre catégorie de preuve. Pour un intégrateur ou un directeur industriel, cela démontre que le fossé simulation-réel est franchissable sur des tâches de manutention répétitive et que le déploiement n'exige pas de réaménager les lignes existantes, argument décisif pour les sites legacy. L'entrée au capital de Brookfield Asset Management et Macquarie Capital, deux gestionnaires d'actifs alternatifs qui traitent l'infrastructure comme une classe d'actifs, signale que Figure AI est désormais lue comme un opérateur d'infrastructure productive, pas comme un pari de recherche, ce qui a une incidence directe sur les conditions de financement de ses clients industriels. Figure AI s'inscrit dans une course à la commercialisation qui oppose désormais au moins cinq acteurs significatifs : Tesla avec Optimus Gen 3, en déploiement annoncé dans ses propres usines ; Agility Robotics, dont le robot Digit est déjà opérationnel dans des entrepôts Amazon ; Apptronik et son Apollo, en pilote chez Mercedes-Benz ; Physical Intelligence avec son modèle de contrôle Pi-0, orienté software-first ; et Boston Dynamics dont l'Atlas électrique commence à apparaître sur des sites industriels réels. En France et en Europe, aucun acteur ne joue encore dans cette catégorie de robots humanoïdes généralistes, bien qu'Enchanted Tools (Miroki, Île-de-France) et Wandercraft (exosquelette) occupent des niches adjacentes. La prochaine étape pour Figure est la montée en volume de Figure 03 sur le marché industriel et, plus spéculativement, l'entrée dans le résidentiel, segment où le chiffre d'affaires unitaire est inférieur mais le marché adressable potentiellement plus large, à condition de résoudre des contraintes de sécurité et de coût que les annonces actuelles n'abordent pas encore frontalement.

Beihang-MIT : un robot portable aide les enfants atteints de dystrophie musculaire à se lever seuls

Une équipe de recherche conjointe entre l'Université Beihang (Pékin) et le MIT a publié dans Nature les résultats d'un essai clinique impliquant six enfants atteints de dystrophie musculaire, une maladie dégénérative neuromusculaire. L'exosquelette développé pour cet essai pèse 0,96 kilogramme et cible spécifiquement l'articulation du genou. Après six semaines d'entraînement isocinétique haute intensité avec le dispositif, les six participants, tous incapables de se lever seuls avant l'étude et sous traitement médicamenteux standard, ont réussi des transferts assis-debout de manière autonome pour la première fois. La force musculaire a progressé de 130 % et la masse musculaire de 19 %, avec des transferts réussis à plusieurs angles en s'appuyant sur les genoux. Plus significatif encore : les enfants ont conservé cette capacité après l'arrêt du robot. Ce qui distingue cette approche des exosquelettes d'assistance conventionnels, c'est le principe de fonctionnement inverse : le robot applique une résistance sélective sur certaines phases du mouvement plutôt que de compenser le déficit musculaire. Cette modalité entraîne une remodélisation neuromusculaire active, en sollicitant les voies de recrutement neuronal similaires à celles du développement moteur sain. En rééducation, le risque des dispositifs purement assistifs est de créer une dépendance fonctionnelle sans régénération musculaire réelle, un problème particulièrement critique dans les pathologies dégénératives où la fenêtre thérapeutique est étroite. La publication dans Nature valide expérimentalement cette hypothèse sur une population pédiatrique, un segment clinique rarement couvert par les essais robotiques en raison des contraintes de conception liées au gabarit et à la sécurité. Pour les intégrateurs et décideurs en médecine de réadaptation, le résultat est clair : la résistance contrôlée, pas l'assistance passive, est le levier thérapeutique à explorer. Beihang University est l'un des établissements d'ingénierie de référence en Chine, avec un historique solide en robotique médicale et exosquelettes, notamment les travaux du laboratoire de robotique de réhabilitation de Huang Qiang. Cette collaboration avec le MIT s'inscrit dans une tendance de fond : malgré les tensions géopolitiques croissantes entre les États-Unis et la Chine sur les technologies critiques, la co-publication académique en santé et en IA médicale se maintient. En Europe, des acteurs comme Wandercraft (Paris), qui développe l'exosquelette Atalante destiné à la rééducation neurologique, travaillent sur des problématiques proches, bien que sur une population adulte et avec une architecture différente. La prochaine étape logique pour l'équipe Beihang-MIT serait un essai multicentrique à plus grande échelle, ainsi qu'une évaluation de la durabilité des gains à 12 mois post-traitement. La question de la commercialisation d'un dispositif aussi spécialisé reste ouverte : 0,96 kg et une cible pédiatrique rare impliquent un marché de niche, mais l'impact clinique potentiel sur les maladies neuromusculaires justifie l'attention des acteurs de la med-tech en réhabilitation.

Hyundai étend sa stratégie robotique aux États-Unis avec un déploiement de 25 000 robots humanoïdes Atlas

Hyundai Motor Group prévoit de déployer plus de 25 000 robots humanoïdes Atlas, développés par sa filiale Boston Dynamics, dans les usines de Hyundai Motor et Kia aux États-Unis. L'annonce a été faite lors d'une session organisée par JPMorgan Chase. Le groupe vise une capacité de production annuelle de 30 000 unités Atlas d'ici 2028, avec la fabrication locale de plus de 300 000 actionneurs par an, les composants qui font office d'articulations mécaniques. Le PDG de Kia Corporation, Song Ho-sung, a précisé lors de road shows que les premiers Atlas devraient entrer en service au Hyundai Motor Group Metaplant America en Géorgie en 2028, puis à l'usine Kia de Géorgie en 2029. Aucun calendrier détaillé par site ni liste de factories prioritaires n'a été communiqué. En parallèle, Boston Dynamics a publié un billet technique détaillant comment Atlas manipule des objets industriels lourds : le robot pivote son torse à 180 degrés, s'accroupit pour saisir un mini-réfrigérateur et le transporte en compensant dynamiquement les déplacements de masse interne. Cette capacité a été développée en quelques semaines via apprentissage par renforcement sur des millions d'heures de simulation GPU en parallèle. Ces chiffres représentent le déploiement humanoïde annoncé le plus ambitieux dans l'industrie automobile à ce jour. La production d'actionneurs en volume suggère une intégration verticale qui pourrait compresser les coûts unitaires sur le long terme. Sur le plan technique, l'approche de Boston Dynamics repose principalement sur la proprioception, c'est-à-dire la conscience interne du mouvement et des forces corporelles, plutôt que sur des systèmes de vision dominants, ce qui diverge des architectures VLA (Vision-Language-Action) adoptées par des concurrents comme Physical Intelligence avec son modèle pi-0 ou Figure AI. L'entreprise affirme avoir réduit le "sim-to-real gap" via une architecture simplifiée à deux types d'actionneurs seulement et des membres symétriques, améliorant la fidélité entre simulation et comportement physique réel. Si cette réduction se confirme en production, cela constituera un argument technique fort face à des plateformes plus complexes comme Tesla Optimus Gen 3 ou Apptronik Apollo. Boston Dynamics a présenté la version entièrement électrique d'Atlas en avril 2024, mettant fin à la plateforme hydraulique exploitée depuis 2013. Hyundai avait racheté l'entreprise à SoftBank en 2021 pour environ 1,1 milliard de dollars. L'annonce intervient dans une course industrielle intense : Tesla vise une production de masse d'Optimus, Figure AI a levé 675 millions de dollars pour son robot Figure 02, et Agility Robotics, propriété d'Amazon, déploie son Digit dans des entrepôts logistiques. En Europe, les acteurs restent à des stades plus précoces : Enchanted Tools à Paris développe Miroki pour la logistique hospitalière, tandis que Wandercraft se concentre sur les exosquelettes médicaux. Les prochaines étapes pour HMG incluent la confirmation des sites pilotes et le démarrage effectif des lignes de production d'actionneurs aux États-Unis, deux éléments qui permettront de distinguer l'annonce commerciale du déploiement réel.

Interaction thérapeute-exosquelette-patient pour la rééducation à la marche

Des chercheurs ont publié sur arXiv (2507.16059v2) un paradigme inédit de rééducation locomotrice post-AVC appelé pHRHI, pour physical Human-Robot-Human Interaction. Le principe : thérapeute et patient portent simultanément des exosquelettes de membres inférieurs, reliés virtuellement au niveau des hanches et des genoux par des éléments ressort-amortisseur. Cette connexion bidirectionnelle permet au thérapeute de guider les mouvements du patient tout en recevant un retour haptique en temps réel sur plusieurs articulations simultanément. L'étude clinique, conduite sur huit patients atteints d'un AVC chronique, a comparé des sessions pHRHI à la marche conventionnelle sur tapis roulant guidée manuellement par un thérapeute. Les résultats indiquent des améliorations mesurées sur l'amplitude articulaire, les métriques de pas (longueur, symétrie), l'activation musculaire et la motivation des patients. L'échantillon reste cependant très limité (n=8) et l'article ne précise pas le matériel exosquelette utilisé. Le défi central de la rééducation locomotrice post-AVC est de combiner la précision mécanique du robot (support multi-articulaire, feedback objectif, reproductibilité) avec l'intuition clinique du thérapeute. Les systèmes existants placent le thérapeute dans un rôle de supervision passif, effaçant la richesse de l'interaction physique directe. La pHRHI résout cette tension en faisant du clinicien un acteur haptiquement couplé au système, capable de moduler l'assistance sur plusieurs degrés de liberté en temps réel, ce qu'une aide manuelle ne permet pas physiquement. Pour les services de Médecine Physique et de Réadaptation et les intégrateurs de solutions robotiques, ce paradigme ouvre la voie à des protocoles où le robot amplifie l'expertise du clinicien plutôt que de le substituer, ce qui représente un changement de philosophie notable par rapport aux approches autonomes actuelles. Le marché des exosquelettes de rééducation est dominé par Hocoma avec le Lokomat, Ekso Bionics et ReWalk Robotics, dont les systèmes reposent sur des stratégies de contrôle prédéfinies ou en boucle fermée autonome. En France, Wandercraft (Paris) commercialise l'Atalante, exosquelette destiné aux centres de rééducation avec une approche axée sur la mobilité autonome sans béquilles. La spécificité du pHRHI est son positionnement dual-robot avec couplage haptique clinicien-patient, inédit dans la littérature clinique publiée à cette échelle. Les prochaines étapes logiques incluent des études à plus grand effectif, une validation sur des populations en phase subaiguë (plus réceptives aux gains fonctionnels), et l'intégration de métriques temps réel pour automatiser l'adaptation de l'assistance selon l'effort du patient. Aucune timeline commerciale ni partenariat industriel n'est mentionné dans le papier actuel.

Hypershell lève 50 millions de dollars en Série B+, devient l'exosquelette grand public le plus vendu au monde

Hypershell, startup shanghaïenne fondée en 2021, a annoncé le 18 mai 2026 une levée de fonds de 50 millions de dollars (340 millions de yuans) en série B+. Les fonds seront alloués au développement de sa prochaine plateforme X Series et à l'expansion internationale. L'entreprise revendique la première place mondiale des exosquelettes grand public par volume de ventes, le leadership de la catégorie sur JD.com en chiffre d'affaires et en parts de marché, ainsi que la position numéro un sur Amazon US et Amazon Europe. La catégorie, longtemps cantonnée à la rééducation médicale et aux applications militaires, s'est étendue à la mobilité quotidienne, la randonnée et le maintien de l'autonomie des personnes âgées. La X Series représente un changement architectural notable: elle abandonne la modélisation du mouvement par règles explicites pour un contrôle moteur de bout en bout intégrant perception, reconnaissance, prédiction et planification comportementale dans une boucle fermée unique. Cette approche emprunte aux architectures de type VLA (Vision-Language-Action) qui ont démontré leur efficacité dans la robotique humanoïde, et suggère que les exosquelettes grand public peuvent bénéficier des mêmes méthodes d'intelligence incarnée. Pour les intégrateurs industriels et les décideurs B2B, cela ouvre des cas d'usage concrets: réduction des troubles musculo-squelettiques en logistique et en manufacture, accompagnement de la mobilité des séniors, et support à la marche prolongée sur terrain difficile, sans paramétrage manuel au profil utilisateur. Hypershell s'est révélée en 2023 via une campagne Kickstarter dépassant le million de dollars, validant la demande grand public avant d'attaquer les plateformes retail. L'entreprise dispose d'un avantage structurel potentiel: chaque utilisation quotidienne génère des données biomécaniques propriétaires qui pourraient alimenter des modèles d'IA incarnée à moyen terme, sur le modèle de ce que les fabricants de robots quadrupèdes font avec leurs flottes terrain. Les concurrents directs dans le segment médical et industriel, comme Ekso Bionics, ReWalk ou Ottobock, se positionnent principalement sur la prescription et la rééducation, laissant le marché grand public et professionnel relativement ouvert. La prochaine étape annoncée est le déploiement commercial de la X Series à l'international, sans calendrier précis communiqué pour l'instant.

Jike Technology lève 50 millions de dollars en Série B+ et devient le premier vendeur mondial d'exosquelettes grand public

La société shanghaïenne Jike Technology a annoncé le 18 mai une levée de fonds de 50 millions de dollars (340 millions de CNY) lors d'un tour de table Series B+. Le capital sera affecté au développement de sa prochaine plateforme X Series et à l'expansion internationale de la marque. Fondée en 2021, Jike s'est imposée sur la scène mondiale dès 2023 avec un lancement Kickstarter ayant généré plus d'un million de dollars, catapultant l'entreprise au rang de Best Seller. Elle revendique depuis la première place en volume de ventes dans la catégorie exosquelettes sur JD.com, Amazon US et Amazon Europe, se positionnant comme le leader mondial des exosquelettes grand public par unités vendues. L'enjeu dépasse la seule performance commerciale : la plateforme X Series représente un glissement architectural significatif, abandonnant la modélisation de mouvement par règles prédéfinies au profit d'un contrôle moteur end-to-end. Ce système intègre dans une boucle fermée unique la perception, la reconnaissance, la prédiction et la planification comportementale, une approche analogue aux VLA (Vision-Language-Action models) qui s'imposent dans la robotique humanoïde. Pour les intégrateurs B2B et les décideurs industriels, cela signifie des dispositifs capables de s'adapter en temps réel aux variations de terrain et de posture, réduisant la charge physique des opérateurs en logistique et fabrication. Chaque session d'utilisation génère en outre des données biomécaniques propriétaires, un actif stratégique susceptible d'alimenter des modèles d'intelligence embarquée différenciants à moyen terme. Historiquement, le marché des exosquelettes grand public a émergé de niches médicales (réhabilitation) et militaro-industrielles, dominées par des acteurs comme Ekso Bionics ou Sarcos. Jike parie sur une troisième voie : la mobilité du quotidien, la randonnée et l'assistance aux personnes âgées, un segment encore peu disputé à l'échelle mondiale. La convergence robotique-IA en Chine, portée par des investissements massifs en R&D et une chaîne d'approvisionnement mature, lui confère un avantage structurel de coût et de vélocité produit. Les fonds levés financeront la commercialisation de la série X, dont les spécifications techniques restent non publiées, ainsi que l'accélération sur les marchés occidentaux où Jike détient déjà les premières positions e-commerce.

Génération de démarche adaptative pour exosquelettes multi-terrains via des primitives de mouvement à noyau contraint

Des chercheurs ont publié le 5 mai 2026 sur arXiv (preprint, non encore évalué par les pairs) un framework baptisé AGG (Adaptive Gait Generation), basé sur les Kernelized Movement Primitives (KMP), conçu pour permettre aux exosquelettes de membres inférieurs (Lower Limb Exoskeletons, LLEs) de marcher sur plusieurs types de terrains intérieurs en temps réel. Le système apprend une représentation probabiliste de la marche humaine à partir d'un nombre limité de démonstrations, dans les espaces articulaires et cartésiens, pour garantir la cohérence physiologique et la faisabilité cinématique. Une caméra RGB-D embarquée extrait des informations environnementales qui sont injectées comme contraintes linéaires dans un problème d'optimisation via des via-points. La méthode a été validée en simulation sur quatre scénarios, marche à plat, pentes, escaliers et franchissement d'obstacles, puis testée physiquement sur un LLE commercial dans des conditions réelles. L'enjeu principal est de combler le fossé entre laboratoire et terrain pour les exosquelettes de rééducation et d'assistance, qui restent aujourd'hui cantonnés aux surfaces planes et uniformes. L'approche KMP permet d'adapter la trajectoire de marche sans recalibration manuelle, ce qui représente une avancée opérationnelle concrète pour les cliniciens et les intégrateurs industriels. La capacité à générer des trajectoires cohérentes à partir de peu de démonstrations humaines réduit significativement le coût de déploiement, un verrou majeur pour la commercialisation. Les résultats sur le LLE commercial valident le passage du sim-to-real, même si la robustesse à long terme et la diversité des profils utilisateurs restent à démontrer sur des cohortes plus larges. Les exosquelettes de membres inférieurs sont un segment en pleine structuration : des acteurs comme Wandercraft (Paris), avec son Atalante X, ou Ekso Bionics et ReWalk côté américain, s'affrontent sur la question de l'autonomie locomotrice en environnement non contrôlé. La plupart des systèmes existants imposent encore une supervision clinique ou des réglages manuels par terrain. Ce travail s'inscrit dans une vague de recherches cherchant à coupler perception embarquée et planification adaptive, un axe également exploré par des équipes à l'ETH Zurich et au MIT. Les prochaines étapes naturelles seraient une validation sur des populations de patients avec des pathologies variées et une intégration dans un pipeline de contrôle adaptatif complet incluant la détection d'intention de l'utilisateur.

Miser sur l'augmentation humaine : les exosquelettes légers vont-ils se démocratiser ?

Hypershell, startup chinoise spécialisée dans les exosquelettes légers pour les membres inférieurs, cherche à créer une nouvelle catégorie de produits à la frontière entre le wearable grand public et la robotique. Ses systèmes combinent moteurs et capteurs embarqués pour assister la marche et la montée en côte, réduisant la fatigue musculaire et améliorant l'efficacité locomotrice. La gamme X est commercialisée entre 899 et 1 999 dollars selon la configuration, un positionnement milieu-haut de gamme qui reflète les contraintes de coût actuelles des composants (moteurs, batteries, matériaux structuraux). La cible initiale est délibérément étroite : randonneurs longue distance, sportifs d'extérieur et premiers adoptants ouverts aux technologies émergentes, avec une ambition d'expansion vers l'Amérique du Nord et l'Europe, marchés jugés plus réceptifs aux wearables innovants. Hypershell a bouclé plusieurs tours de financement early stage auprès d'investisseurs issus du hardware et de l'électronique grand public, qui voient dans l'entreprise un point d'entrée vers des applications robotiques à l'échelle consumériste. Ce positionnement "consumer-first" est stratégiquement cohérent : en évitant délibérément les secteurs médicaux et de réhabilitation, Hypershell contourne les cycles réglementaires longs (certification FDA, marquage CE dispositifs médicaux) et peut itérer rapidement sur les retours terrain. C'est un pari sur la validation produit-marché avant la réglementation, à l'opposé des approches adoptées par la plupart des acteurs établis. Pour les intégrateurs et décideurs industriels, la question reste ouverte : si Hypershell parvient à maîtriser ses coûts à l'échelle, ce type d'exosquelette léger pourrait trouver des débouchés en logistique, en assistance posturale ou en augmentation de l'opérateur en environnement semi-structuré. Les analyses plus prudentes pointent toutefois le trilemme non résolu entre autonomie de batterie, poids porté et prix : aucun acteur n'a encore trouvé l'équilibre permettant une adoption de masse. Le marché des exosquelettes reste largement non prouvé à grande échelle. Côté compétiteurs, on distingue les acteurs industriels historiques comme SuitX (intégré depuis chez Ottobock) ou Sarcos, les plateformes médicales comme Cyberdyne avec son système HAL, Wandercraft en France avec son exosquelette de rééducation Atalante, et les nouvelles entrées consuméristes comme l'américain Seismic. La transition du laboratoire vers le marché s'accélère grâce aux progrès en algorithmique de contrôle, matériaux composites et densité énergétique des batteries, mais le consensus sectoriel reste que ces dispositifs s'imposeront d'abord comme outils spécialisés pour des usages précis, avant de devenir des produits du quotidien. Les deux défis prioritaires d'Hypershell restent la compression des coûts de fabrication sans dégradation des performances, et l'identification de scénarios d'usage à fort potentiel de scalabilité via l'itération produit continue.

Un joint de poignet à abduction-adduction entraîné par tendons améliore les performances d'un exosquelette de membre supérieur à 5 degrés de liberté

Une équipe de chercheurs a publié sur arXiv (preprint arXiv:2504.20898) une évaluation expérimentale de l'exosquelette de membre supérieur EXOTIC2, enrichi d'un sixième degré de liberté actif au niveau du poignet : le mouvement d'abduction-adduction (Ab-Ad). Le module intégré est compact et léger, utilisant une transmission par tendons pour l'abduction et un rappel par ressort pour l'adduction. Le protocole a impliqué huit adultes sans déficit moteur, soumis à deux tâches fonctionnelles de la vie quotidienne (boire dans un verre, gratter une surface) dans deux conditions randomisées : poignet actif vs. poignet bloqué. Un test de faisabilité préliminaire a également été conduit sur une personne atteinte de sclérose latérale amyotrophique (SLA). Les résultats quantitatifs sont nets : avec le DoF Ab-Ad activé, le taux de renversement lors de la tâche de boisson chute de 56 % à 3 %, et le taux de succès pour le nivellement lors de la tâche de grattage passe de 28 % à 75 %. Aucune dégradation du temps d'exécution n'a été observée. Ces chiffres apportent une preuve expérimentale directe d'un point souvent débattu dans la communauté exosquelette : l'ajout d'un DoF au poignet est fréquemment évité pour des raisons de complexité mécanique et de poids, sans que son bénéfice fonctionnel réel soit bien documenté. Cette étude comble ce vide pour les tâches de préhension et de transport d'objets. L'exosquelette EXOTIC (dont EXOTIC2 est la seconde génération) est développé dans un contexte de rééducation pour personnes à mobilité réduite sévère, notamment les patients SLA. Le domaine des exosquelettes de membre supérieur à vocation clinique reste dominé par quelques acteurs européens et nord-américains : Hocoma, Tyromotion, ou encore le français Wandercraft côté membre inférieur. Pour le membre supérieur, les solutions commerciales disponibles (Armeo, REAplan) intègrent rarement un contrôle actif du poignet en Ab-Ad. Ce travail, encore au stade de preprint, devra être validé sur une cohorte de patients avec déficits moteurs avant toute perspective de commercialisation, mais il pose une base expérimentale solide pour les prochaines itérations de conception.

Conception, modélisation et évaluation expérimentale d'un mécanisme d'abduction-adduction du poignet à câbles pour exosquelette du membre supérieur

Des chercheurs ont publié sur arXiv (preprint 2604.20893, avril 2026) un mécanisme inédit d'actionnement par tendon unique pour le mouvement d'abduction-adduction du poignet dans un exosquelette de membre supérieur. Le système repose sur un câble de Bowden unique, maintenu en tension permanente par un ressort de torsion spiralé (dit "clock spring"), ce qui élimine le besoin d'une actuation antagoniste classique. Le prototype a été évalué expérimentalement avec cinq participants sans déficience motrice (NMD), dans différentes positions du bras et sous plusieurs charges, à travers trois configurations de ressorts. Les résultats montrent une bonne concordance entre les prédictions de simulation et les données expérimentales, avec la configuration nominale offrant le meilleur compromis entre amplitude de mouvement, couple requis et répétabilité. Ce travail s'attaque à un problème réel dans la conception d'exosquelettes du poignet : les actionneurs conventionnels (moteurs électriques, pneumatique) alourdissent le dispositif, introduisent des frottements et compliquent l'intégration mécanique. L'approche par câble de Bowden assisté par ressort torsionnel permet d'obtenir un mécanisme compact et léger, sans recourir à un câble de retour actif. Point méthodologique notable : les auteurs proposent une méthode de sélection des paramètres de rigidité entièrement guidée par simulation, ce qui réduit la dépendance au tuning empirique itératif, typiquement coûteux en phase de prototypage. Pour les intégrateurs en rééducation robotique, cela ouvre la voie à un processus de conception plus prévisible, même si l'évaluation sur cinq sujets valides reste insuffisante pour valider l'usage clinique. Les exosquelettes de poignet font l'objet d'une recherche active, avec des acteurs académiques et industriels comme Hocoma, Tyromotion ou, côté français, Wandercraft et Pollen Robotics qui travaillent sur la rééducation du membre supérieur. L'articulation du poignet, et notamment son degré de liberté en abduction-adduction, est souvent la moins bien couverte dans les dispositifs existants, car mécaniquement complexe à intégrer. Ce preprint ne présente pas un produit commercialisé mais un prototype de recherche validé en laboratoire; les prochaines étapes naturelles seraient une étude sur des patients post-AVC ou avec pathologies neuromusculaires, et une intégration dans un exosquelette complet du membre supérieur.