Actualités robotique — page 103

7 309 articles au fil, du plus récent au plus ancien.

42

5101Interesting Engineering 

Le robot humanoïde Pemba vise le sommet de l'Everest après une ascension historique à 6 191 m

Le 5 juin 2026, un robot humanoïde Unitree G1 baptisé Pemba a atteint une altitude de 6 193 mètres (20 312 pieds) sur le mont Chimborazo en Équateur, dans le cadre d'une expédition menée par Geologic Dome et sponsorisée par Eastworlds Labs, l'initiative robotique d'intelligence artificielle de Virtuals Protocol. Le robot pèse 35 kg et se compacte à 690 mm, ce qui a permis à l'équipe de le démonter et de le transporter entre les camps avant de le réassembler à chaque étape. Pour résister aux conditions extrêmes du Chimborazo, températures descendant à -15 °C et rafales atteignant 90 km/h, Pemba a été équipé de vestes thermiques sur mesure, d'enceintes grillagées et de pieds composites. Son système d'autonomie a été entraîné dans NVIDIA Isaac Sim à 1 620 fois la vitesse réelle, avec un taux de transfert sim-to-réel de 85 % sur terrain accidenté déclaré par Eastworlds Labs. Les communications étaient assurées par un réseau maillé propriétaire entre les camps, avec une connexion satellite affichant une latence de 25 ms, sous le seuil de 50 ms requis pour la télé-opération en direct via le logiciel Reflex. Cette mission sur le Chimborazo est présentée comme un test préliminaire avant une expédition planifiée sur l'Everest à l'automne 2026, avec une collaboration documentaire confirmée avec l'équipe de production derrière le documentaire Netflix "14 Peaks: Nothing Is Impossible". Ces résultats, présentés dans un communiqué de presse soigneusement mis en scène, méritent d'être lus avec prudence : le taux de transfert sim-to-réel de 85 % reste un chiffre auto-déclaré, sans peer review ni protocole de test publié. Cela dit, parvenir à faire fonctionner un humanoïde en autonomie partielle à plus de 6 000 mètres d'altitude, dans des conditions de froid et de vent sévères, constitue un test de robustesse matérielle et logicielle non trivial. L'enjeu industriel réel dépasse la performance sportive : il s'agit de valider que des plateformes humanoïdes de taille commerciale (le G1 est vendu autour de 16 000 dollars) peuvent être déployées dans des environnements non structurés et extrêmes, sans infrastructure dédiée. Pour les intégrateurs et les décideurs B2B opérant dans des secteurs comme l'énergie en zone isolée, la surveillance environnementale ou l'intervention d'urgence, c'est une preuve de concept pertinente, même partielle. Geologic Dome est une organisation de conservation qui construit des infrastructures autonomes pour les zones protégées : relais de communication, monitoring écologique par IA, plateformes robotiques indépendantes en énergie. L'expédition Chimborazo s'inscrit dans un programme plus large incluant trois sites d'expérimentation : forêt équatoriale en République démocratique du Congo, forêts de nuages en Équateur et le gradient altitudinal complet de l'Himalaya au Népal. Le Unitree G1 utilisé pour l'Everest sera donné à la communauté sherpa locale, une décision de positionnement symbolique autant que logistique. Aucun concurrent direct n'est explicitement cité dans cette expédition, mais le choix du G1 plutôt que de plateformes comme le Boston Dynamics Spot ou l'Atlas illustre la montée en maturité des humanoïdes bon marché face aux quadrupèdes établis pour les missions de terrain. La prochaine étape attendue est la confirmation de la date et du parcours de l'expédition Everest, ainsi que la publication de données techniques sur les performances autonomes en conditions réelles.

Humanoïdes❧Opinion

1 source

37

5102Robohub 

Matière robotique enchevêtrée en mouvement cohésif

Des ingénieurs de l'université Cornell ont publié le 20 mai dans Science Robotics les résultats d'un collectif robotique décentralisé baptisé Cross-Link Collective. Le système regroupe des dizaines de modules identiques mesurant 200 mm de long sur 20 mm de large, chacun équipé d'un unique moteur qui le fait osciller entre deux formes, "I" et "U". Ces oscillations génèrent des forces contre le sol pour avancer, tandis que des languettes de Velcro à faible adhérence aux extrémités permettent aux modules de s'accrocher et de se désolidariser spontanément. Pris isolément, les robots progressent lentement et se bloquent fréquemment sur les surfaces inclinées selon leur orientation. Mais enchevêtrés en chaînes, ils s'auto-organisent en configurations mouvantes : en terrain incliné, les chaînes franchissent des pentes où les modules individuels calent ; dans des champs d'obstacles, le collectif se comporte comme un fluide, formant et rompant ses connexions pour éviter les blocages. Lorsqu'un module perd contact avec le groupe, il émet un signal sonore audible qui pousse les voisins à ralentir le temps qu'il se raccroche. La recherche est menée par Kirstin Petersen, professeure associée en génie électrique et informatique à Cornell et Aref and Manon Lahham Faculty Fellow, et Danna Ma, chercheuse principale, avec des co-auteurs du Georgia Institute of Technology qui ont conçu le module original. Ce qui singularise le Cross-Link Collective par rapport aux essaims robotiques classiques, c'est l'absence totale de calcul centralisé ou de communication numérique entre modules. Les auteurs parlent d'"intelligence mécanique" : la coordination est encodée dans la géométrie physique des robots et leurs interactions de contact, non dans du logiciel. La tolérance aux pannes est structurelle : si un module défaille (batterie déchargée, panne moteur), le collectif s'adapte sans reconfiguration explicite, ce que les auteurs vérifient expérimentalement. Ce paradigme remet en question l'hypothèse selon laquelle des comportements collectifs robustes requièrent une couche de communication sophistiquée, et ouvre une piste concrète pour des systèmes déployables en environnements dégradés ou sans connectivité réseau. Le système s'inspire des gels actifs, matériaux dont les liaisons moléculaires se forment et se dissolvent en continu tout en maintenant une cohésion globale. Ce parallèle avec la soft matter reste pour l'instant conceptuel : les chercheurs positionnent le Cross-Link Collective comme un outil d'étude des comportements émergents, pas comme un produit industrialisable à court terme. Dans le champ de la robotique en essaim décentralisée, d'autres laboratoires travaillent sur des approches similaires, notamment Harvard avec les Kilobots et l'IRIDIA à Bruxelles, mais peu ont éliminé aussi radicalement toute communication numérique explicite entre agents. Les prochaines étapes portent sur l'analyse statistique de l'influence de la géométrie des modules sur leurs propriétés d'enchevêtrement, et sur le passage à des effectifs plus importants pour tester la mise à l'échelle.

Recherche❖Paper

1 source

42

5103The Robot Report 

Burro lance le Grande 44, doté d'une autonomie extérieure éprouvée pour l'industrie lourde

Burro, startup fondée en 2017 et basée à Philadelphie, a lancé le Grande 44, sa plateforme robotique autonome la plus puissante à ce jour et sa première conçue explicitement pour l'industrie lourde. Le robot développe 44 ch de puissance maximale, offre une capacité de traction de 2 721 kg (6 000 lb) et embarque un plateau cargo en acier massif supportant jusqu'à 680 kg (1 500 lb). Conçu pour fonctionner en intérieur comme en extérieur sans modification d'infrastructure, le Grande 44 cible les environnements industriels difficiles : cours intermodales et dépôts, aéroports, gares de triage ferroviaire, logistique automobile et grands campus d'entreprise. La plateforme supporte également deux accessoires : la tondeuse autonome Cortador et le pulvérisateur sélectif Sprayito, pour les sites nécessitant l'entretien de grandes surfaces végétalisées. Cette annonce a été faite lors du Robotics Summit & Expo de mai 2026, mais aucun prix public ni calendrier de déploiement industriel à grande échelle n'ont été communiqués à ce stade. Le positionnement stratégique est clair : les AMR (robots mobiles autonomes) et AGV (véhicules guidés automatisés) classiques sont conçus pour des sols lisses d'entrepôt, dépendants de rubans magnétiques, de réflecteurs et d'un éclairage constant. Le Grande 44 adresse un segment traditionnellement non robotisé : cours extérieures en gravier, rampes, boue et conditions météorologiques variables. Burro capitalise sur plus de 321 868 km d'opérations terrain cumulées pour justifier une maturité opérationnelle que la plupart des concurrents peinent à démontrer hors warehouse. L'entreprise revendique avoir exposé ses systèmes à des ouragans en Floride, des hivers à températures négatives dans le Nord-Est américain et des étés extrêmes au Texas, et affirme intégrer quotidiennement des millions de scènes environnementales (terrain, obstacles, météo, éclairage) dans un dataset propriétaire alimentant l'amélioration continue de toute la flotte. Pour un COO ou un directeur logistique, l'argument opérationnel repose sur une flotte décentralisée maintenant le flux de production même lorsque des unités sont en charge, sans réaménagement du site. Burro s'est construit sur neuf ans de déploiement outdoor principalement agricole, avec plus de 750 robots actifs aux États-Unis, en Australie, Nouvelle-Zélande, Royaume-Uni, Israël et Amérique latine, totalisant plus d'un million d'heures d'opération autonome. Ce volume de données terrain constitue une barrière à l'entrée difficile à reproduire rapidement pour un nouvel entrant. Dans la compétition AMR industriel, Burro se positionne face à Seegrid, Vecna Robotics ou Cyngn sur le segment indoor, mais occupe une niche outdoor moins disputée, bien que des acteurs comme Outrider (cours de distribution) ou Autonomous Solutions Inc. ciblent également les environnements extérieurs. Le lancement du Grande 44 marque une montée en gamme délibérée vers l'industrie lourde après une validation en milieux agricoles; les prochaines étapes annoncées restent floues, et la démonstration à grande échelle dans des environnements industriels réels reste à confirmer.

Industriel❧Opinion

1 source

51

5104arXiv cs.RO 

Jumeau numérique pour la classification textile et la détection d'objets étrangers dans les systèmes de tri automatisé

Une équipe de chercheurs a présenté un système robotique de tri textile piloté par un jumeau numérique, conçu pour l'automatisation du recyclage de vêtements. La cellule à double bras intègre une perception RGBD, un retour tactile capacitif et une planification de trajectoires anticollision via MoveIt. Le pipeline autonome saisit des vêtements depuis un panier non trié, les transfère vers une zone d'inspection et les classifie via des modèles de vision-langage (VLM, Visual Language Models). Le benchmark porte sur neuf VLM issus de cinq familles de modèles, évalués sur 223 scénarios couvrant six catégories : chemises, chaussettes, pantalons, sous-vêtements, objets étrangers et scènes vides. La famille Qwen atteint la précision globale la plus élevée avec 87,9 %, assortie de solides performances sur la détection d'objets étrangers. Gemma3 offre un compromis vitesse/précision adapté au déploiement sur matériel embarqué (edge). Le travail est disponible sur arXiv sous la référence 2603.05230v2. Ce benchmark en conditions industrielles réelles, sur des objets déformables, constitue une validation plus rigoureuse que les démonstrations sur images synthétiques habituellement produites dans ce domaine. L'évaluation intègre le comportement aux hallucinations et les performances computationnelles sous contraintes matérielles, deux critères souvent absents des publications académiques sur la robotique manipulatrice. Pour les intégrateurs industriels, cela confirme que le tri automatisé de textiles par VLM est réalisable sans infrastructure GPU haute performance, et que le choix du modèle doit s'adapter aux contraintes du site de déploiement. L'intégration de nuages de points 3D segmentés dans le jumeau numérique réduit par ailleurs le fossé sim-to-real pour la planification de prises sur objets déformables. Ce travail s'inscrit dans un contexte de pression réglementaire croissante : l'UE impose depuis janvier 2025 la collecte séparée obligatoire des textiles usagés dans les États membres, accélérant la demande d'automatisation dans les centres de tri. Dans le paysage concurrentiel, Picvisa (Espagne) et Recycleye (Royaume-Uni) opèrent déjà sur le tri optique de déchets par vision, mais sans raisonnement sémantique par VLM. Les prochaines étapes naturelles pour ce système seraient la validation sur des lignes industrielles à plus grand débit et l'extension à d'autres catégories de matières, notamment les textiles synthétiques et les fibres techniques.

Recherche❖Paper

1 source

50

5105arXiv cs.RO 

La régularisation en sortie élimine la loterie des seeds dans le fine-tuning VLA sur GPU unique

Une équipe de chercheurs révèle dans un prépublication arXiv (2606.13856, juin 2026) un défaut structurel dans le fine-tuning des modèles vision-langage-action sur GPU unique : la "loterie de seed". En exécutant le même code d'entraînement sur VLA-JEPA treize fois avec des graines aléatoires différentes, mêmes données, même architecture, douze runs atteignent 91 à 94 % de taux de succès sur les benchmarks LIBERO, mais un run chute silencieusement à 65,2 %, soit un écart de 29 points de pourcentage, sans message d'erreur ni avertissement. La cause identifiée est un phénomène d'effondrement de sortie (output collapse) : le prédicteur d'action converge vers des sorties quasi-identiques quelle que soit l'observation visuelle. Les auteurs ont évalué 7 méthodes de régularisation sur jusqu'à 13 seeds et 3 benchmarks LIBERO, et montrent que trois régularisateurs au niveau des sorties, VICReg (n=12 seeds), Dropout (n=4), et un taux d'apprentissage divisé par deux (n=5), éliminent chaque run catastrophique : 0 effondrement sur 21 tentatives combinées, contre 1/13 pour la baseline (F(12,11)=28,7, p<0,001). Les méthodes classiques de régularisation au niveau des poids, L2 et EWC, laissent la loterie intacte. Ce résultat remet en cause une hypothèse implicite du secteur : que le fine-tuning sur GPU unique des VLA est reproductible par défaut. Pour les intégrateurs industriels et les laboratoires qui déploient Pi-0, GR00T N2, Helix ou des modèles similaires sur des robots réels, un écart de 29 pp non détectable est un risque opérationnel concret. Les méthodes L2 et EWC pénalisent les changements de poids mais restent aveugles à l'effondrement qui se produit dans le null-space jacobien, là où les poids peuvent varier librement sans modifier les sorties observables. La correction la plus simple demande un seul changement dans la configuration de l'optimiseur, ce qui rend la solution immédiatement déployable sans refonte d'architecture. Les VLA connaissent depuis 2024 une montée en puissance accélérée, avec des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T N2) et 1X (Helix) qui misent sur des politiques généralisables entraînées sur données hétérogènes. Le fine-tuning sur matériel modeste est devenu un enjeu clé pour démocratiser l'accès à ces modèles au-delà des grandes entreprises disposant de clusters de calcul. VICReg, issu des travaux de Meta AI sur l'apprentissage auto-supervisé, se retrouve ici appliqué avec succès à la stabilisation de l'espace d'action robotique. Les prochaines étapes naturelles incluent la validation sur robots physiques hors simulation LIBERO, et l'extension à d'autres architectures VLA pour confirmer la généralité du diagnostic.

IA physique⚡Actu

1 source

48

5106arXiv cs.RO 

Les meilleurs encodeurs ne se transfèrent pas fiablement selon l'échelle du backbone VLA : diagnostic par greffage gelé

Publiés sur arXiv en juin 2026 (arXiv:2606.14153), des chercheurs présentent un diagnostic simple aux conclusions contre-intuitives : l'encodeur visuel le plus performant sur un petit modèle VLA (Vision-Language-Action) ne l'est pas nécessairement sur un modèle plus grand. Pour le démontrer, l'équipe a développé un protocole de "greffe à backbone gelé" (frozen-backbone grafting), consistant à remplacer la tour visuelle d'un VLA publié par un encodeur candidat, tout en maintenant gelés le modèle de langage et l'expert d'action. Quatre encodeurs ont été testés sur deux backbones : SmolVLA-450M et π₀.₅-3.3B de Physical Intelligence, sur deux suites de benchmarks LIBERO, avec 40 runs de greffe principaux évalués par MSE d'action hors-ligne. Résultat : SigLIP (Google) domine sur SmolVLA pour les deux suites, tandis que sur π₀.₅, c'est DINOv2-small (Meta) qui prend la tête sur la suite spatiale, avec une quasi-égalité sensible aux seeds sur la suite objets. Sur 3 comparaisons backbone-suite sur 4, et 11 cellules sur 12 au niveau des seeds, les classements s'avèrent backbone-dépendants. Ce résultat remet en question une pratique courante dans la communauté VLA : hériter l'encodeur visuel d'un VLM upstream sans vérifier si ce choix tient à l'échelle cible. Le diagnostic révèle également que le protocole de greffe lui-même n'est pas neutre : il introduit un biais asymétrique de +45 à 56% de MSE sur la tour native de SmolVLA, mais de -50 à 52% sur π₀.₅, ce qui conditionne fortement l'interprétation des résultats. Pour les équipes qui construisent des VLAs à grande échelle, cela signifie concrètement qu'une ablation menée sur un backbone 450M ne prédit pas le classement sur un 3,3B, un surcoût de validation qui change structurellement les pipelines d'expérimentation. Les VLAs sont aujourd'hui au coeur de la robotique apprise de bout-en-bout, incarnés par des modèles phares comme π₀ et π₀.₅ de Physical Intelligence, GR00T N2 de NVIDIA ou encore OpenVLA. LIBERO, la suite utilisée ici pour la manipulation robotique en simulation, est un benchmark standard du champ. Les auteurs positionnent explicitement la greffe gelée comme un outil diagnostique pré-engagement à faible coût, à utiliser avant de figer le choix d'encodeur sur un backbone cible, et non comme une méthode de déploiement en boucle fermée. C'est une contribution méthodologique qui devrait modifier la façon dont les équipes structurent leurs campagnes d'ablation d'encodeurs dans la course aux VLAs à grande échelle.

Recherche⚡Actu

1 source

47

5107arXiv cs.RO 

Architecture de contrôle unifiée pour la manipulation macro-micro par centre de compliance déporté actif en fabrication

Des chercheurs ont proposé une architecture de commande unifiée pour manipulateurs macro-micro, publiée sur arXiv (2602.01948v2), ciblant les applications d'assemblage industriel de précision. Ce type de système associe un bras macro (robot industriel à large espace de travail) à un micro-manipulateur léger à haute bande passante. Dans l'approche classique, le macro assure le positionnement pendant que le micro gère l'interaction avec l'environnement, ce qui plafonne la bande passante de contrôle en force. L'architecture présentée intègre le bras macro dans la boucle d'interaction active, obtenant un gain de bande passante d'un facteur 2,1 par rapport à l'approche leader-suiveur état de l'art, et d'un facteur 12,5 face au contrôle en force robot traditionnel. Les auteurs ajoutent des modèles de substitution (surrogate models) pour simplifier la synthèse du contrôleur et son adaptation aux changements matériels. La validation s'appuie sur trois scénarios expérimentaux : collision avec un objet, suivi de trajectoire en force, et tâches d'assemblage industriel. Ces gains de bande passante répondent à un verrou concret en intégration robotique : une réactivité faible impose des vitesses d'approche réduites et des tolérances relâchées, pénalisant les cadences de production. Multiplier par douze la réactivité du contrôle en force ouvre la voie à des assemblages à ajustement serré comparables aux systèmes passifs à Remote Center of Compliance (RCC) mécanique, mais avec la flexibilité d'un système actif reprogrammable. Les surrogate models adressent un frein souvent négligé : le coût de reconfiguration lors d'un changement d'outil ou de charge utile. Les résultats restent cependant à l'échelle laboratoire et devront être confirmés sur des cycles de production réels, avec variabilité des pièces et dégradation des actionneurs dans le temps. La manipulation macro-micro est étudiée depuis les années 1990, d'abord pour la microchirurgie avant de migrer vers la fabrication industrielle. L'approche leader-suiveur, prise comme référence dans l'étude, reste la baseline académique dominante mais est peu déployée en production. Les acteurs industriels actifs sur la compliance active incluent Bota Systems pour les capteurs force-couple d'extrémité de bras, ainsi que KUKA et Franka Robotics (racheté par Agile Robots) sur l'impédance control. Côté recherche académique, le DLR et l'ETH Zurich développent des architectures proches. La suite logique serait un pilote industriel avec des métriques de cycle time et de taux de rejet pour valider le potentiel de commercialisation.

Recherche❖Paper

1 source

47

5108arXiv cs.RO 

MPC d'impédance avec estimation des perturbations pour le contrôle de main dextérique

Des chercheurs ont soumis en juin 2026 sur arXiv (réf. 2606.14606) un cadre de contrôle baptisé Impedance MPC pour doigts robotiques dextres, actuateur-agnostique, couvrant transmissions hydrauliques, câblées, pneumatiques, à corde torsadée et série-élastiques. Un préfiltrage algébrique réduit la dynamique tendineuse à un double intégrateur à coefficients constants, dont l'inverse du coût QP est précalculé hors ligne ; un horizon glissant de 10 pas tourne à 500 Hz avec contraintes dures sur les forces de contact (ISO/TS 15066), les limites d'actionnement et le jerk. Un filtre de Kalman augmenté, alimenté uniquement par encodeurs, annule l'erreur statique sous charge constante. Sur un prototype de doigt à actionnement hydraulique, le contrôleur atteint 0,5 mrad RMS, 0,1 mrad en régime permanent et 6,6 mrad en pic sous 1,5 Nm de couple de contact, soit 183×, 1500× et 23× meilleur que l'impédance classique à gain fixe ; la raideur réalisée s'étend de 18 à 323 Nm/rad selon la fréquence de mise à jour. En simulation MuJoCo, le cadre s'étend à une main LEAP à 16 DOF, récupérant en 0,7 s après une perturbation de saisie de 2,5 N. L'actuateur-agnosticisme est le principal atout pour les intégrateurs : une seule loi de commande couvre des architectures mécaniquement très hétérogènes sans retuning, réduisant le coût d'intégration sur des plateformes multi-actionneurs. La conformité native à l'ISO/TS 15066 dans la formulation du problème simplifie les validations pour le déploiement cobotique en environnement humain, là où les forces de contact sont réglementées. Il faut cependant relativiser les gains annoncés, dont le plus élevé atteint 1500× : la référence est un contrôleur à gain fixe, choix délibérément défavorable, et des benchmarks contre du MPC adaptatif ou du contrôle par apprentissage sont absents de l'article. La main dextre reste le maillon faible de la robotique humanoïde : Shadow Robotics, Inspire Robots et d'autres ont progressé sur le plan mécanique, mais le contrôle fin sous contact demeure un problème ouvert. Les mains LEAP, issues de Carnegie Mellon, constituent la plateforme open-source de référence pour la recherche en manipulation. Les approches concurrentes privilégient l'apprentissage par renforcement et les architectures VLA (vision-langage-action), qui court-circuitent le contrôle classique au prix des garanties formelles ; cet article occupe l'angle inverse, avec des propriétés de stabilité et de faisabilité récursive héritées du cadre pHRI (interaction physique humain-robot). Aucun partenaire industriel ni calendrier de transfert n'est mentionné ; la contribution reste académique, mais elle outille directement les équipes intégrant des mains dextres sur des humanoïdes commerciaux comme ceux de Figure AI ou Unitree.

Recherche❖Paper

1 source

47

5109arXiv cs.RO 

Un modèle fondation VLA pragmatique

LingBot-VLA est un modèle fondation de type Vision-Language-Action (VLA) publié en janvier 2026 sur arXiv (v3), conçu pour la manipulation robotique sur bras duals. Entraîné sur environ 20 000 heures de données réelles issues de 9 configurations distinctes de robots bi-bras, le modèle a été évalué sur 3 plateformes robotiques différentes, chacune complétant 100 tâches avec 130 épisodes de post-entraînement par tâche. Sur le plan de l'efficacité computationnelle, la codebase développée atteint un débit de 261 échantillons par seconde sur un cluster de 8 GPU, représentant une accélération de 1,5 à 2,8 fois selon le VLM de base choisi. Le code, le modèle de base et les données de benchmark sont publiés en open access. Ce travail s'attaque à l'un des verrous structurels des VLA en production : la généralisation croisée entre tâches et entre plateformes, couplée à un coût d'adaptation acceptable en données et en GPU-heures. Le fait que le modèle surpasse ses concurrents sur 100 tâches distinctes par plateforme, avec seulement 130 épisodes de fine-tuning, indique que le sim-to-real gap et l'adaptation à de nouveaux morphologies de bras sont partiellement résolus dans ce cadre, du moins pour la manipulation bi-bras. Pour un intégrateur industriel ou un équipementier, c'est un signal concret : l'écart entre démo labo et déploiement réel se réduit sur des tâches structurées, même si les conditions de benchmark restent contrôlées et méritent d'être vérifiées en environnement ouvert. La course aux VLA généralisables oppose aujourd'hui plusieurs approches : Pi-0 de Physical Intelligence sur des données hétérogènes multi-robots, OpenVLA et Octo comme baselines open-source établies, et GR00T N2 de NVIDIA ciblant l'humanoïde. LingBot-VLA se positionne sur le segment bi-bras industriel, avec une volumétrie de données réelles supérieure à la plupart des travaux publiés et un accent explicite sur l'efficacité d'entraînement, ce qui le rend pertinent pour des laboratoires sans infrastructure cloud massive. Aucun déploiement industriel n'est annoncé à ce stade : il s'agit d'une contribution académique avec ouverture du code, dont les suites dépendront de l'adoption communautaire et d'éventuels partenariats industriels non encore divulgués.

IA physique❧Opinion

1 source

45

5110arXiv cs.RO 

Ordonnancement sensorimoteur inter-étapes et encodage de cartes éparses pour la navigation incarnée en périphérie

Des chercheurs ont publié sur arXiv (réf. 2405.14154, version 5) une étude sur le déploiement d'agents robotiques autonomes sur matériel embarqué contraint. La tâche centrale est l'ObjectNav (navigation orientée-objet) : l'agent doit localiser et atteindre un objet cible dans un environnement intérieur inconnu. Le profilage d'un pipeline modulaire existant révèle deux goulots distincts : la construction de la carte sémantique domine la latence par étape, tandis que la prédiction de destination domine la mémoire de pointe. Les auteurs proposent deux optimisations orthogonales : SKIP, un ordonnanceur adaptatif qui détermine à chaque pas de navigation si la mise à jour de la carte peut être omise sans dégrader la performance, et SCOUT, un encodeur appliquant des convolutions parcimonieuses (submanifold sparse convolutions) sur les seules régions actives de la carte. Sur le benchmark HM3D, testé sur serveur et sur plateformes embarquées, SKIP+SCOUT atteint 1,7x d'accélération globale, 50,5 % de réduction de la mémoire de pointe, et +7,1 % en SPL (Success weighted by Path Length) par rapport à la baseline dense. Ce dernier chiffre est le plus contre-intuitif : réduire la complexité perceptive améliore non seulement l'efficacité mais aussi la qualité de navigation, suggérant que la sélectivité perceptive affine la carte plutôt qu'elle ne la dégrade. Pour les intégrateurs cherchant à déployer de la navigation autonome sur des SoC Nvidia Orin ou des robots AMR sous contrainte de coût, une réduction de 50,5 % de la mémoire de pointe est directement décisive. SKIP se transfère à un second pipeline modulaire (PONI) avec des pertes quasi nulles et reste robuste au bruit de capteur de profondeur, deux signaux positifs pour la généralisation au-delà du pipeline initial. L'article s'inscrit dans la vague de travaux sur l'IA physique embarquée portée par Meta AI Research (Habitat), CMU et plusieurs équipes universitaires. Le benchmark HM3D reste un environnement simulé et les auteurs ne présentent pas de résultats sur robot physique, laissant entière la question du sim-to-real gap dans ce contexte précis. Les prochaines étapes logiques seraient une validation sur plateformes commerciales réelles et une extension aux agents de type VLA (Vision-Language-Action), où la pression sur l'inférence embarquée est encore plus forte.

IA physique❖Paper

1 source

45

5111arXiv cs.RO 

PhysVLA : vers un modèle VLA physiquement ancré pour la manipulation robotique

Des chercheurs ont publié sur arXiv (arXiv:2606.13886, juin 2026) PhysVLA, un module d'inférence plug-and-play conçu pour corriger en temps réel les actions générées par n'importe quel modèle VLA (Vision-Language-Action) existant, sans rétro-entraînement ni accès aux poids. Le système intercepte les commandes produites par le backbone VLA et applique deux couches de correction successives : une machine à états finis sensible à la phase de la tâche (approche, saisie, transport, dépôt), puis un filtre sélectif basé sur les équations d'Euler-Lagrange qui ne s'active que lorsqu'un oracle de dynamique détecte une incohérence cinodynamique. Le surcoût de calcul est inférieur à 1 ms par pas de contrôle. Évalué sur quatre architectures distinctes (OpenVLA, OpenVLA-OFT, Force-VLA, Generalist-VLA) sur le benchmark LIBERO-Spatial avec un bras Franka Panda 7-DOF, PhysVLA améliore le taux de succès absolu jusqu'à 17 points, la stabilité jusqu'à 19 points, et l'efficacité de trajectoire jusqu'à 15 %, sans régression sur aucune tâche. Sur un sweep cross-simulateur (Robosuite Lift), la robustesse au jerk de trajectoire progresse d'un facteur 10. La validation sur un bras physique Agilex Piper (tâche pick-and-place réelle) confirme le transfert sim-to-real sans rétro-entraînement, avec une amélioration du taux de succès allant jusqu'à 50 %. L'intérêt industriel de cette approche tient à son caractère composable et backbone-agnostique. Les VLA actuels apprennent à imiter des démonstrations comportementales sans contraindre explicitement la physique des corps rigides ni les contacts, ce que les chercheurs nomment un "physics gap". Les correcteurs temporels classiques (temporal smoothing) masquent le problème sans le résoudre, et introduisent leurs propres échecs. PhysVLA propose une solution d'intégration légère pour les équipes qui déploient des VLA existants en production : pas de réentraînement, pas d'accès aux poids, un wrapper autour du modèle gelé. Pour un intégrateur ou un OEM, cela signifie potentiellement améliorer des systèmes déjà en ligne sans toucher aux pipelines de formation, ce qui réduit le risque et le coût de mise à niveau. PhysVLA s'inscrit dans la montée en puissance des approches de contrôle physique fondé pour les VLA généralistes, une problématique que des laboratoires comme Physical Intelligence (avec π0), Stanford (OpenVLA) ou Google DeepMind travaillent activement. Le papier positionne explicitement son framework comme complémentaire à ces backbones plutôt que concurrent. Il reste à ce stade un prototype de recherche validé en laboratoire sur deux plateformes matérielles (Franka Panda et Agilex Piper) ; aucun déploiement industriel ni partenariat commercial n'est annoncé. Les prochaines étapes naturelles seraient une validation sur des benchmarks plus larges (RoboMimic, DROID) et sur des robots à plus haute cinématique, notamment des humanoïdes où la gestion des contacts et de la dynamique des corps rigides est critique.

Recherche❧Opinion

1 source

45

5112arXiv cs.RO 

Elastic Queries : apprentissage par renforcement pour l'exécution auto-consciente des politiques dans les modèles VLA

Des chercheurs ont publié sur arXiv (réf. 2606.14375) une nouvelle méthode appelée Elastic Queries Reinforcement Learning (EQRL), conçue pour rendre l'exécution des modèles VLA (Vision-Language-Action) adaptative plutôt que rigide. Dans les systèmes actuels, ces modèles qui pilotent la manipulation robotique s'exécutent selon des plannings d'inférence fixes : même fréquence de requête, même budget de débruitage, même longueur de chunk d'actions, quelle que soit la complexité de l'état courant. EQRL introduit un adaptateur léger qui sélectionne dynamiquement, pour chaque requête, trois paramètres : l'entrée latente, le budget de débruitage, et la longueur du chunk à exécuter en boucle ouverte. La méthode entraîne un critique sur l'espace joint et dérive un signal de difficulté d'état via le désaccord entre un ensemble de critiques (critic ensemble disagreement), guidant le calcul vers les états difficiles sans modifier les poids du modèle VLA sous-jacent. Sur bancs de simulation et en manipulation sur robot réel, les auteurs rapportent une réduction du coût d'inférence amorti avec un taux de succès préservé ou amélioré. L'enjeu concret concerne directement le coût de déploiement des politiques fondées sur des modèles de diffusion, comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. Ces architectures souffrent d'un goulot d'étranglement identique : le nombre d'évaluations de fonction (NFE) du processus de débruitage est fixe, qu'on soit sur une prise de contact incertaine ou un simple transit en espace libre. EQRL démontre qu'il est possible d'allouer dynamiquement ce budget de calcul selon la difficulté estimée, sans retraining du modèle de base. Pour un intégrateur ou un COO, la promesse est directe : même capacité de manipulation, moins de GPU sur les états faciles, meilleure scalabilité sur flotte. Le travail s'inscrit dans une course à l'efficacité d'inférence pour les VLA, accélérée par la publication de Pi-0 fin 2024 et les modèles de diffusion successifs (Octo, OpenVLA, GR00T N2, Helix de Figure AI). Des approches parallèles comme FAST ou DiT-Policy attaquent le même problème sous d'autres angles : compression de trajectoire, distillation, ou batch adaptatif. EQRL se distingue en opérant au-dessus du modèle sans le modifier et en intégrant un signal de difficulté appris par RL. Les auteurs annoncent des résultats positifs en simulation et sur robot réel, mais les métriques précises et les conditions expérimentales restent à examiner dans le corps du papier : la validité des gains annoncés dépendra de la représentativité des benchmarks choisis.

Recherche❧Opinion

1 source

45

5113arXiv cs.RO 

ContactWorld : ce qui compte dans les modèles du monde vision-tactile pour la manipulation par contact

Des chercheurs ont publié ContactWorld, un benchmark et une étude empirique systématique des modèles du monde vision-tactile appliqués à la manipulation robotique en contact riche, disponible sur arXiv (2606.13877). L'étude couvre 12 tâches représentatives : insertion de pièces, désassemblage, vissage et interaction exploratoire. Les résultats quantitatifs sont nets : les observations par nuage de points (point cloud) portent le taux moyen de réussite en planification de 20,7 % (vue poignet) et 22,0 % (vue frontale) à 32,1 %. Combiner ces nuages de points avec des représentations tactiles de type champ de force (force-field), qui préservent la structure spatiale et la dynamique d'interaction, pousse ce taux à 36,1 %, meilleur résultat sur l'ensemble des configurations testées. L'étude identifie aussi que le retour tactile devient disproportionnellement critique lors des objectifs de planification à long horizon, là où les erreurs de prédiction se cumulent. Ce que prouve ContactWorld, c'est que la qualité de la représentation prime sur la quantité de capteurs. La compatibilité cross-modale entre vision et toucher, et non le simple ajout de modalités, détermine l'efficacité du retour tactile. Pour les intégrateurs industriels et les équipes R&D en robotique de précision, cela signifie que le choix du format de représentation en entrée du modèle est aussi critique que le choix du capteur lui-même. La planification à long horizon, indispensable pour des tâches d'assemblage réelles avec de multiples étapes, reste le talon d'Achille des world models actuels, et cette étude en quantifie les mécanismes d'échec avec rigueur. Les world models pour la manipulation en contact sont au cœur des efforts actuels de plusieurs laboratoires visant à dépasser les approches par imitation pure. Des frameworks comme Dreamer ou RSSM ont posé les bases, mais peu de benchmarks ciblent explicitement les tâches en contact riche, qui représentent pourtant 60 à 70 % des opérations d'assemblage manufacturier. ContactWorld comble ce vide méthodologique. Du côté capteurs tactiles, les acteurs comme GelSight (MIT), Touchlab ou Xela Robotics proposent des solutions commerciales dont l'intégration dans des pipelines de world models reste largement ouverte. L'étude, soumise en preprint et non encore évaluée par les pairs, pose un cadre de comparaison que les groupes de recherche en manipulation pourront désormais utiliser comme référence commune.

IA physique❖Paper

1 source

45

5114arXiv cs.RO 

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.

Exosquelettes❖Paper

1 source

44

5115arXiv cs.RO 

EgoGuide : guidage égocentrique pour collecter des démonstrations sans robot et apprendre efficacement

Une équipe de chercheurs a publié en juin 2026 sur arXiv (2606.14665) EgoGuide, une interface de collecte de démonstrations robotiques sans robot physique. Le système enregistre simultanément deux flux vidéo : une caméra au poignet de l'opérateur (wrist view) et une caméra égocentrique portée sur la tête (egocentric view). Un module de guidage visuel-géométrique en ligne évalue la qualité de chaque épisode en temps réel et signale les données redondantes ou peu informatives avant leur accumulation dans le jeu d'entraînement. Les auteurs introduisent également une "Gated Egocentric Residual Policy", une architecture qui mobilise la vue égocentrique pour corriger les ambiguïtés de la vue poignet, tout en préservant la stabilité du contrôle moteur local. Les expériences en conditions réelles confirment une réduction du nombre d'épisodes de démonstration nécessaires et une meilleure robustesse face aux occultations visuelles. L'apport principal est de s'attaquer à un goulot d'étranglement bien identifié dans le domaine : le coût humain de la collecte de données de qualité. Les pipelines de type UMI (Universal Manipulation Interface), qui permettent à un opérateur de collecter des démonstrations manuellement sans robot dédié, produisent souvent des épisodes redondants et manquent de contexte global de scène. Le guidage en ligne réduit ce gaspillage dès la source. La politique résiduelle répond à un problème concret des systèmes d'imitation : la vue poignet seule est ambiguë lors d'occultations ou de passages critiques dans la trajectoire. Donner au modèle un accès conditionnel (gated) à la vue globale lève ces ambiguïtés sans déstabiliser le contrôle fin. Pour un intégrateur, cela signifie potentiellement moins d'heures de collecte humaine pour atteindre un niveau de performance équivalent. EgoGuide s'inscrit dans la lignée directe de l'UMI, développé par Cheng Chi et ses collaborateurs à Stanford et Columbia, qui a popularisé la collecte de démonstrations via des dispositifs portatifs instrumentés. Le verrou adressé ici n'est pas la quantité brute de données mais leur qualité et leur diversité informationnelle. Les approches concurrentes incluent ACT (Action Chunking Transformer), Diffusion Policy et les plateformes de téléopération à faible coût comme ALOHA. Ce travail reste une publication académique arXiv sans déploiement industriel annoncé, et les expériences présentées restent à l'échelle laboratoire. La combinaison guidage en ligne et politique bi-caméra présente toutefois un intérêt direct pour les équipes cherchant à réduire le coût opérationnel de la démonstration à grande échelle.

Recherche❧Opinion

1 source

44

5116arXiv cs.RO 

ReactVLA : manipulation robotique rapide et légère par génération d'actions Mean Flow améliorée

Des chercheurs ont publié en juin 2026 un préprint arXiv (2606.14255) présentant ReactVLA, un framework VLA (Vision-Language-Action) conçu pour réduire drastiquement la latence d'inférence des politiques de manipulation robotique. Le problème ciblé est précis : les architectures VLA basées sur la diffusion, comme π₀ (Physical Intelligence) ou SmolVLA (HuggingFace/LeRobot), génèrent des distributions d'action expressives mais exigent un échantillonnage itératif coûteux, qui plombe leur utilisabilité en boucle fermée temps-réel. ReactVLA propose deux mécanismes complémentaires pour y remédier : un générateur d'actions iMF (improved Mean Flow) qui ramène la diffusion multi-étapes à une ou quelques passes seulement, et AttnRes (Attention Residuals), un mécanisme de routage dynamique des features par couche d'attention censé mieux préserver les représentations multimodales liées à la tâche. Sur les benchmarks de simulation LIBERO et RoboIMI, ainsi que sur des tâches de manipulation physique, ReactVLA affiche jusqu'à 1,65× de gain en taux de succès sur les tâches de précision et plus de 4× d'accélération à l'inférence par rapport aux VLA de référence de taille comparable. La latence de politique en conditions réelles tombe sous 38,6 ms. Ce seuil de 38,6 ms est le chiffre à retenir pour un intégrateur ou un ingénieur robotique : il passe sous la barre des 40 ms généralement considérée comme nécessaire pour un contrôle réactif crédible en manipulation dynamique, là où les modèles de diffusion standards restent souvent au-delà de 150 à 300 ms. Si les résultats se confirment hors contexte académique, cela répond à l'une des critiques récurrentes contre les VLA pour l'industrie : la qualité d'action est là, mais la cadence ne suit pas. L'approche Mean Flow (accélération de la diffusion par réduction du nombre d'étapes via un flux de probabilité direct) n'est pas nouvelle en vision générative, mais son application aux espaces d'action robotiques avec maintien des performances sur tâches de précision reste un résultat non trivial. Il faut cependant nuancer : il s'agit d'un preprint non relu, les benchmarks LIBERO et RoboIMI sont des environnements académiques standardisés loin des contraintes industrielles réelles, et les vidéos de démonstration présentées sur le site projet ne constituent pas une validation de déploiement. ReactVLA s'inscrit dans une course dense à l'efficacité des VLA depuis 2024. π₀ (Physical Intelligence) reste la référence en qualité d'action sur tâches bimanuelle complexes mais souffre précisément de cette latence. SmolVLA, publié par HuggingFace début 2025, vise la légèreté et l'accessibilité open-source. Côté industriel, GR00T N2 de NVIDIA et Helix (co-développé par Figure et d'autres partenaires) intègrent leurs propres pipelines VLA dans des architectures humanoïdes avec des contraintes de déploiement très différentes. Aucune affiliation institutionnelle ni source de financement n'est mentionnée dans le preprint, ce qui limite l'évaluation du contexte de transfert technologique. Les prochaines étapes naturelles seraient une validation sur des manipulateurs industriels (6-DOF, scénarios de pick-and-place variables) et une soumission en conférence de référence comme CoRL ou ICRA pour validation par les pairs.

IA physique❧Opinion

1 source

44

5117arXiv cs.RO 

ORCA : une plateforme open source pour la recherche en dextérité

Une équipe de chercheurs présente ORCA, une pile logicielle open-source dédiée à la manipulation dextre par mains anthropomorphes, publiée sur arXiv (2606.14561) en juin 2026. La plateforme unifie en une seule interface le contrôle bas niveau, la simulation, la téleopération depuis des dispositifs grand public, et le retargeting de main, c'est-à-dire la conversion des mouvements d'une main humaine vers les actionneurs d'une main robotique. ORCA s'intègre nativement avec LeRobot, le framework de robot learning open-source de Hugging Face devenu référence dans la communauté. Les auteurs ont validé le système sur une tâche de réorientation objet en main (in-hand reorientation), en collectant des démonstrations par téleopération via un casque VR grand public, en entraînant une politique autonome avec LeRobot, puis en évaluant les résultats dans un environnement entièrement reproductible. Aucun chiffre de performance quantifié (taux de succès, temps de cycle) n'est communiqué dans l'abstract. Ce travail s'attaque à un verrou structurel du domaine : les mains dextres restent quasi-absentes des benchmarks de robot learning, non par manque de hardware accessible, mais parce que les couches logicielles, simulation, téleopération, retargeting, sont dispersées dans des dépôts non maintenus, sans connexion aux pipelines de données et d'entraînement standards. Résultat, les chercheurs travaillant sur les pinces parallèles à deux doigts (two-finger grippers) bénéficient d'un écosystème mature, tandis que les équipes mains anthropomorphes repartent de zéro à chaque projet. ORCA propose une fondation partagée pour homogénéiser cet effort, permettant de réutiliser les mêmes datasets, les mêmes recettes d'entraînement et les mêmes protocoles d'évaluation entre plateformes dextres et non-dextres. C'est un pari d'infrastructure communautaire, pas une avancée algorithmique. Le contexte immédiat est la montée en puissance de LeRobot comme socle commun du robot learning open-source, accélérant la demande pour des intégrations matérielles homogènes. La recherche en manipulation dextre reste dominée par quelques labos bien équipés (Stanford, CMU, Berkeley), souvent sur des mains propriétaires comme la Dexterous Hand d'Allegro ou la Shadow Hand. Côté européen, Pollen Robotics (Bordeaux) et Enchanted Tools intègrent des mains polydigitales dans leurs plateformes, et pourraient bénéficier directement d'une couche d'abstraction standardisée comme ORCA. La prochaine étape naturelle serait l'adoption par la communauté LeRobot et l'extension à des tâches multi-objets ou de manipulation bimanuelle, domaines où les grippers classiques atteignent leurs limites mécaniques.

Recherche❖Paper

1 source

43

5118arXiv cs.RO 

Politiques VLA auto-améliorantes : lissage d'actions robuste aux artefacts par bruit de diffusion sélectionné

Des chercheurs publient sur arXiv (référence 2606.14084) une méthode baptisée SDN (Selected Diffusion Noise), conçue pour améliorer à l'inférence les politiques VLA (Vision-Language-Action) basées sur la diffusion, sans nécessiter de réentraînement. SDN opère dans l'espace du bruit de diffusion en sélectionnant dynamiquement des vecteurs de bruit maximalement séparés d'un ensemble de référence, ce qui réduit la dépendance aux corrélations visuelles parasites, tout en filtrant les candidats produisant des trajectoires d'action plus cohérentes. La méthode a été évaluée sur deux benchmarks de simulation (Google Robot, Widow-X) et deux jeux de données réels, sur plusieurs politiques VLA majeures dont pi0 (Physical Intelligence), Groot-N1.5 et Groot-N1.6 (NVIDIA). Les gains annoncés sont de +8 points de taux de succès en simulation et +10 points en conditions réelles, avec une réduction mesurable du "action jitter", c'est-à-dire l'instabilité des trajectoires articulaires. Ces résultats sont issus d'un preprint non encore évalué par les pairs. L'intérêt pratique tient à l'approche "training-free" : SDN s'applique à l'inférence sans modifier les paramètres du modèle, ce qui permet d'améliorer un système déjà déployé sans refondre le pipeline ML ni supporter les coûts d'un réentraînement. Pour un intégrateur ou un décideur achetant une solution robotique basée sur une politique VLA, ce type de méthode représente un levier de fiabilité à faible coût opérationnel. La robustesse maintenue sous des observations avec occultation partielle (object-masked observations) est également pertinente pour les environnements industriels réels. SDN s'inscrit dans la tendance plus large des techniques d'optimisation test-time appliquées aux modèles génératifs, analogues au best-of-N sampling dans les LLMs. Les politiques VLA basées sur la diffusion, popularisées par Physical Intelligence (pi0, pi0.5) et NVIDIA Isaac (GR00T N1.5, N1.6), sont devenues en 2025-2026 la référence de facto en manipulation robotique généraliste. Elles héritent toutefois d'une sensibilité aux artefacts visuels hors distribution et d'une certaine instabilité d'action, deux problèmes que SDN cible directement. L'abstract ne mentionne ni affiliation institutionnelle ni dépôt de code public, ce qui limite pour l'instant la reproductibilité et les comparaisons indépendantes. Les prochaines étapes naturelles seraient une validation sur plateformes humanoïdes complètes (Figure, 1X, Unitree H1) et des benchmarks de manipulation plus diversifiés que Widow-X ou Google Robot.

IA physique❧Opinion

1 source

42

5119arXiv cs.RO 

Kine2Go : jeu de données cinématiques pour le robot Unitree Go2, avec allures et mouvements variés

Une équipe de chercheurs a publié en juin 2026 Kine2Go, un jeu de données cinématiques open-source destiné au robot quadrupède Unitree Go2. Le dataset contient 800 trajectoires de marche couvrant une large variété de gaits, issues de 40 politiques de contrôle distinctes. Le pipeline développé accepte des données de locomotion provenant de morphologies quadrupèdes variées et les retraduit dans un format compatible Go2. Ces politiques sont entraînées par renforcement (RL) pour reproduire fidèlement les trajectoires cibles, puis les données collectées en simulation incluent des perturbations, ce qui produit des séquences cinématiques robustes accompagnées des commandes moteur correspondantes, niveau actionneur. Le problème que Kine2Go cherche à résoudre est concret : les approches modernes d'apprentissage sur robots, qu'il s'agisse d'imitation learning, de behavioral cloning ou de RL, nécessitent des données de démonstration incluant l'état cinématique complet du robot et les actions appliquées aux moteurs. Construire le pipeline d'acquisition de ces données est coûteux en temps et en ingénierie, ce qui constitue un frein réel pour les équipes de recherche à ressources limitées. En prépackageant 800 trajectoires prêtes à l'emploi avec leurs labels moteur, le dataset réduit significativement ce coût d'entrée pour les travaux en navigation, contrôle de locomotion et transfert sim-to-real. La présence de perturbations dans les données est un choix pertinent : elle expose les modèles apprenants à de la variabilité, ce qui améliore la robustesse des politiques résultantes en condition réelle. Le Unitree Go2 s'est imposé ces deux dernières années comme plateforme de référence accessible dans la recherche en locomotion quadrupède, notamment face au Boston Dynamics Spot, beaucoup plus onéreux. Sa démocratisation tient au rapport coût-performance : moins de 2 000 dollars en version grand public, contre plusieurs dizaines de milliers pour ses concurrents institutionnels. Ce contexte de coût hardware décroissant est précisément la motivation affichée par les auteurs. La prochaine étape logique serait l'extension du pipeline à d'autres plateformes quadrupèdes populaires comme l'ANYmal de ANYbotics ou le Spot de Boston Dynamics, voire aux robots bipèdes, que le pipeline générique semble en principe permettre. Le preprint est disponible sur arXiv (2606.14433).

Recherche❖Paper

1 source

42

5120arXiv cs.RO 

WAM4D : modèle d'action du monde 4D rapide via des tokens de registre spatial

Une équipe de chercheurs a publié fin juin 2026 sur arXiv (arXiv:2606.14048) WAM4D, un modèle d'action mondial (WAM) capable de prédire simultanément vidéo future et actions robotiques en espace 4D (3D plus temps). Sa contribution centrale repose sur des spatial register tokens légers, injectés à l'entraînement dans un transformeur causal de type Mixture-of-Transformers pour y distiller des priors géométriques denses, puis supprimés à l'inférence afin de préserver la vitesse de génération d'actions. L'architecture intègre également une attention causale mixte (causal mixture attention) segmentant la visibilité entre tokens vidéo, action et géométrie. Les résultats sont évalués sur le benchmark RoboTwin 2.0 et sur des tâches de manipulation réelle, avec des gains mesurés en cohérence spatiale et en précision de prédiction d'action. L'intérêt de l'approche tient à un compromis longtemps bloquant en robotique de manipulation: les WAMs opérant en espace 2D ou latent produisent des rollouts visuellement plausibles mais ignorent les contraintes géométriques 3D et la géométrie de contact occludée, deux facteurs critiques pour la préhension précise. À l'inverse, forcer une représentation 4D dense à l'inférence alourdit le décodage géométrique et ralentit la génération d'actions causales. WAM4D dissocie les deux phases en apprenant la géométrie à l'entraînement via les register tokens, sans répercuter ce coût à l'inférence, une stratégie comparable au token pruning dans les Vision Transformers. Ce découplage entraînement/inférence pourrait représenter un levier concret pour les équipes robotiques cherchant à intégrer des priors 3D dans des politiques fonctionnant en temps réel. Les WAMs s'inscrivent dans une tendance plus large visant à doter les robots de politiques génératives capables de simuler leurs propres conséquences avant d'agir, un domaine en concurrence directe avec UniSim et Genie 2 (Google DeepMind), ainsi que les Visual Language Action models comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. WAM4D se distingue de ces approches par son ancrage explicite en géométrie 4D, là où la majorité des VLAs raisonnent en espace de features visuelles 2D ou latentes. Le paper ne mentionne ni déploiement industriel ni partenariat commercial; il s'agit d'une contribution académique dont les suites naturelles seraient une validation sur des benchmarks standardisés comme Open X-Embodiment ou des tests sur des plateformes commerciales (Franka, UR, xArm).

IA physique❧Opinion

1 source

42

5121arXiv cs.RO 

Robustesse sans faux plis : simulation parallèle et MPC robuste pour la manipulation certifiée d'objets déformables

Fin juin 2025, une équipe de recherche a déposé sur arXiv (2506.14188) CORD-SLS, une méthode de contrôle temps réel pour la manipulation certifiée d'objets déformables, principalement des cordes et des tissus. Le coeur du système est un simulateur différentiable GPU-parallèle avec lissage de contact, permettant une planification par gradient à travers des contacts intermittents. Un algorithme de commande prédictive robuste (MPC) à retour de sortie, lui aussi GPU-parallèle, exploite ce simulateur pour générer des trajectoires en quelques millisecondes. Pour gérer les incertitudes de modèle et de perception, le système intègre la prédiction conforme (conformal prediction), qui calibre les erreurs de rétroaction visuelle et produit des "tubes atteignables" offrant des garanties probabilistes de sécurité. Les expériences couvrent des tâches à contact riche: évitement d'obstacles, routage de corde, pliage et lissage de tissu, évaluées en simulation et sur matériel réel, avec des résultats supérieurs aux baselines sur les critères de sécurité, de vitesse et de taux de succès. La manipulation d'objets déformables reste l'un des angles morts de la robotique industrielle: cordes et tissus présentent des espaces d'états quasi-infinis et des dynamiques de contact difficiles à modéliser. CORD-SLS attaque deux verrous simultanément: la vitesse de planification compatible avec du contrôle en boucle fermée temps réel, et des garanties formelles de sécurité absentes de la quasi-totalité des approches par apprentissage (RL, VLA). Le fait que le même simulateur accélère également l'entraînement de politiques neuronales model-based est notable: cela ouvre la voie à des pipelines hybrides combinant planification robuste et politiques apprises. Pour les intégrateurs ciblant la couture automatisée, la logistique textile ou la robotique chirurgicale, c'est une démonstration académique sérieuse, pas encore un produit déployé. La manipulation déformable est étudiée depuis les années 1990, mais les approches classiques échouaient systématiquement à l'échelle réelle faute de simulateurs rapides et fiables. Les méthodes par apprentissage de type diffusion policies et VLAs gagnent du terrain mais peinent à fournir des garanties certifiables, ce qui freine leur adoption dans des contextes régulés. CORD-SLS positionne le couplage MPC robuste et prédiction conforme comme une alternative formellement vérifiable. Les concurrents directs incluent les travaux de simulation différentiable de DiffTaichi, les approches MPC déformable développées à MIT et CMU, et les politiques end-to-end de type Pi-0 de Physical Intelligence. Le papier reste un preprint sans publication en conférence confirmée à ce stade; les suites dépendront de validations sur des tâches industrielles réelles et d'une éventuelle mise à disposition publique du code.

Recherche❖Paper

1 source

42

5122arXiv cs.RO 

GAIT : estimation proprioceptive de l'état d'un robot à pattes par attention sur tokens inertiels

Une équipe de chercheurs a publié sur arXiv (2606.14160) une nouvelle méthode d'estimation d'état proprioceptive pour robots à pattes, baptisée GAIT. L'approche repose sur une tokenisation inertielle-jambe (Inertial-Leg, IL) couplée à un réseau d'attention : plutôt que de concaténer l'ensemble des données capteurs en un seul vecteur plat, l'architecture représente les mesures inertielles et les mesures par jambe comme des tokens distincts, puis utilise un mécanisme d'attention pour pondérer dynamiquement chaque source selon les conditions de contact courantes. La méthode a été validée sur un robot quadrupède Unitree Go1, sur des terrains encombrés de débris absents de la simulation d'entraînement, et sur des allures (gait patterns) non présentées lors de l'apprentissage. L'enjeu de GAIT est de résoudre un problème central des estimateurs à pattes : la fiabilité des mesures de cinématique directe dépend du contact effectif du pied avec le sol. Les estimateurs classiques "contact-aided" contournent ce problème via un module de détection de contact explicite et l'hypothèse d'un appui stationnaire, ce qui les rend fragiles sur terrains irréguliers ou lors de transitions d'allure. GAIT apprend ce comportement de repondération directement depuis les données, sans estimateur de contact dédié, éliminant une source d'erreur en cascade. Les résultats montrent une supériorité sur les estimateurs d'apprentissage existants pour des allures non vues, ainsi qu'une amélioration par rapport aux méthodes modèles contact-aided, confirmant que les architectures à attention peuvent réduire le gap sim-to-real sur l'estimation proprioceptive bas-niveau. L'estimation d'état proprioceptive reste un défi persistant en robotique à pattes : les filtres de Kalman étendu (EKF) et variantes invariantes dominent en production chez Boston Dynamics et Unitree, mais peinent sur terrains non structurés. Les approches d'apprentissage antérieures traitaient généralement les capteurs comme un vecteur plat homogène, sans différenciation structurelle entre inertielles et cinématiques. GAIT s'inscrit dans la tendance 2024-2026 d'appliquer des mécanismes d'attention aux données robotiques bas-niveau, une direction convergente avec les architectures VLA (Vision-Language-Action) pour la commande motrice. Le code n'est pas encore publié ; la prochaine étape naturelle serait une validation sur plateformes bipèdes telles que l'Unitree H1 ou le Boston Dynamics Atlas, où la phase de vol rend l'estimation d'état encore plus critique.

Recherche❖Paper

1 source

42

5123arXiv cs.RO 

Capteurs tactiles dynamiques et évolutifs grâce à des guides d'ondes acoustiques passifs et flexibles

Des chercheurs ont publié en juin 2026 (arXiv:2606.13746) un système de peau tactile dynamique basé sur des guides d'ondes acoustiques passifs et flexibles. L'architecture repose sur des résonateurs de Helmholtz à membranes élastiques interconnectés par des microtubes renforcés par ressorts, formant un réseau fermé dont la transmission acoustique reste stable sous flexion macroscopique, sans électronique distribuée dans la structure. Quatre microphones suffisent à couvrir 64 noeuds de détection avec une résolution spatiale de 4 mm et une précision de localisation supérieure à 99 %. L'inférence, fondée sur une transformée en ondelettes continue rapide (Fast CWT) couplée à un réseau de neurones léger, s'exécute en 5,5 ms. Les prototypes démontrés (réseau d'extrémité de doigt, gant tactile, peaux de grande surface) détectent des stimuli allant du contact d'un seul cheveu à un impact de particule de 5 mg, ainsi que des ondes de pouls artériel et des effleurements de plume, sur des signaux inférieurs à 100 Hz. La contribution clé n'est pas la sensibilité brute mais le découplage entre performance et flexibilité structurelle : contrairement aux capteurs piézorésistifs ou capacitifs qui se dégradent sur des substrats courbés, la transmission acoustique passive reste invariante. Ramener à quatre microphones la couverture de 64 points de mesure réduit câblage, coût et modes de défaillance, trois leviers critiques pour une mise en série industrielle. La précision annoncée de 99 % reste à confirmer hors conditions de laboratoire contrôlé et sur des cycles de manipulation réels. Ces travaux s'inscrivent dans une compétition dense autour de la peau tactile robotique, face aux capteurs optiques (famille GelSight du MIT), aux matrices piézorésistives (BeBop Sensors, SynTouch) et aux peaux capacitives développées en Europe et en Asie. Aucune approche n'a encore atteint la trifecta scalabilité-robustesse-coût sur un corps humanoïde complet. Ce paradigme passif pourrait intéresser des plateformes comme Agility Robotics, Figure AI ou Apptronik, qui cherchent à intégrer du retour tactile sans multiplier la complexité d'assemblage. La validation mécanique sur cycles répétés et la soumission à une revue à comité de lecture constituent les prochaines étapes critiques.

Recherche❖Paper

1 source

41

5124arXiv cs.RO 

X-Loco : vers un contrôle généraliste de la locomotion humanoïde par distillation synergique de politiques

Publié sur arXiv (2603.03733) en 2025, X-Loco est un framework d'entraînement d'une politique de locomotion généraliste basée sur la vision pour robots humanoïdes. L'approche repose sur une distillation synergétique : plusieurs politiques expertes sont entraînées séparément pour des compétences distinctes - locomotion bipède stable, récupération après chute, coordination corps entier, franchissement de terrains variés - puis une politique unique guidée par entrée visuelle est distillée à partir de ces experts via un mécanisme de sélection adaptative au cas par cas. X-Loco opère uniquement sur des commandes de vitesse, sans recours à des mouvements de référence issus de captures de mouvement. Les auteurs revendiquent une première dans l'intégration simultanée de toutes ces compétences dans une seule politique vision - affirmation à prendre avec les précautions d'usage pour un preprint non encore évalué par les pairs. Ce travail s'attaque à un verrou technique central : entraîner une politique unique qui maîtrise des comportements aux dynamiques radicalement différentes et aux objectifs de contrôle parfois contradictoires. Une telle politique simplifie le déploiement opérationnel en éliminant les modules de commutation entre comportements. L'absence de dépendance aux données de mocap rend également le pipeline d'entraînement plus scalable, puisqu'il ne requiert pas de bibliothèques de mouvements spécifiques à chaque compétence cible. Les études d'ablation incluses renforcent la crédibilité des choix architecturaux, mais les résultats restent cantonnés à la simulation et au laboratoire, sans validation sur hardware réel à grande échelle. X-Loco s'inscrit dans une dynamique de recherche intense sur la locomotion humanoïde, portée par des équipes comme Berkeley Humanoid, CMU et les labos gravitant autour d'Unitree. La distillation enseignant-étudiant est un paradigme établi en apprentissage par renforcement, mais son application à un spectre aussi large de compétences reste un défi ouvert. Côté commercialisation, Tesla (Optimus Gen 2), Figure AI, Boston Dynamics (Atlas) et 1X Technologies travaillent sur des problèmes similaires avec des ressources bien supérieures. La suite logique pour X-Loco serait une validation sim-to-real convaincante sur hardware physique, étape non encore franchie selon le papier.

Recherche❖Paper

1 source

41

5125arXiv cs.RO 

TRACE : mémoire causale guidée par trajectoire pour l'imitation visuomotrice à indices différés

TRACE (TRAjectory-routed Causal Evidence) est un framework mémoire pour les politiques visuomotrices d'imitation, présenté dans un preprint arXiv publié en juin 2026 (arXiv:2606.14551) par une équipe de l'Université Zhejiang. Le problème central : lorsqu'un robot opère en autonomie sur une séquence longue, certains indices visuels critiques (couleur d'un objet, panneau de direction, marquage au sol) disparaissent du champ de vision avant que la décision correspondante doive être prise. Ces situations dites de "preuve différée" (delayed-evidence) créent une ambiguïté directe : deux observations visuellement identiques peuvent exiger des actions opposées selon ce que le robot a perçu plus tôt. TRACE y répond en maintenant une mémoire latente de taille fixe, indexée non par le temps brut ni par des étiquettes de tâche fournies manuellement, mais par des "signatures de trajectoire" (path signatures), des descripteurs compacts et ordonnés de la trajectoire d'état cinématique du robot. Ces signatures servent de clés pour écrire et récupérer les preuves visuelles stockées au moment où l'indice était encore visible. Le système s'intègre via des adaptateurs légers sans modifier le backbone, la tête d'action ni l'objectif d'imitation. L'enjeu pratique est réel pour les systèmes de manipulation longue durée. La quasi-totalité des politiques visuomotrices actuelles, qu'elles soient basées sur des Diffusion Policies, des transformers ou des modèles VLA (Vision-Language-Action), supposent implicitement que l'observation courante constitue un état suffisant pour le contrôle. TRACE démontre expérimentalement, sur des tâches réelles de manipulation avec des points de branchement visuellement ambigus, que cette hypothèse échoue dès qu'une décision dépend d'un indice passé. Les résultats surpassent les baselines concurrentes, dont les politiques à historique court et les mémoires récurrentes classiques (LSTM, GRU), sur deux métriques : sélection correcte de branche et taux de succès global. La mémoire à taille bornée évite par ailleurs l'accumulation qui pénalise les architectures à attention sur contexte long lors d'épisodes étendus. Ce travail s'inscrit dans un débat actif sur la mémoire épisodique pour robots manipulateurs. Les approches existantes incluent les RNN embarquées dans la politique, les mécanismes d'attention sur l'historique visuel exploités dans RT-2 et pi-0 (Physical Intelligence), et les Memory-Augmented Neural Networks. TRACE se distingue par son découplage entre l'indice visuel (stocké comme vecteur latent) et la clé de récupération (signature cinématique pure), ce qui le rend robuste aux variations d'apparence tout en restant sensible au chemin parcouru. Il s'agit d'une contribution de recherche fondamentale sans déploiement industriel annoncé ; les suites naturelles incluent l'intégration à des politiques de référence comme ACT ou Diffusion Policy, et la validation sur des horizons plus longs en environnement non structuré.

Recherche❧Opinion

1 source

41

5126arXiv cs.RO 

Politique de diffusion spatialement conditionnée : manipulation précise et robuste avec une seule caméra RGB

Des chercheurs ont publié le 14 juin 2026 sur arXiv (arXiv:2606.14535) une méthode d'apprentissage par imitation appelée SCDP (Spatially Conditioned Diffusion Policy), conçue pour permettre à un bras manipulateur d'exécuter des tâches de précision à partir d'une seule caméra RGB fixe, sans caméra embarquée sur le poignet. L'architecture repose sur deux composants : un encodeur visuel multi-échelle qui extrait à la fois le contexte global de la scène et les détails fins, et un module de conditionnement spatial qui, à chaque étape de la boucle de diffusion, vient échantillonner des features ponctuelles le long des trajectoires intermédiaires prédites pour l'effecteur. L'idée centrale est d'utiliser ces trajectoires d'effecteur comme ancres d'attention visuelle, orientant automatiquement le réseau vers les zones de la scène pertinentes pour la tâche en cours. En simulation, SCDP surpasse les baselines monoculaires de référence et atteint des performances comparables aux configurations multi-caméras. En conditions réelles, le système démontre à la fois une manipulation précise et une robustesse aux distracteurs visuels. L'enjeu industriel est concret : la caméra de poignet est aujourd'hui le standard de facto dans les systèmes d'imitation learning déployés (ACT, Diffusion Policy, Pi-0 de Physical Intelligence), précisément parce qu'elle fournit la vue locale nécessaire à la manipulation fine. Supprimer cette contrainte réduit le coût matériel, simplifie la calibration et facilite le retrofit sur des cellules industrielles existantes. Si les performances annoncées se confirment hors laboratoire, cela lève un frein concret à la commercialisation de bras manipulateurs en environnement non contrôlé. Il convient toutefois de noter que les expériences réelles restent qualitatives dans le papier : pas de métriques de taux de succès sur un benchmark standardisé, ni de volume de déploiement cité. SCDP s'inscrit dans la vague des politiques de diffusion visuomotrices initiée par Diffusion Policy (Chi et al., 2023) et prolongée par des travaux comme 3D Diffusion Policy ou Pi-0. La question de la vue unique est un problème ouvert : d'autres approches comme UniMa ou SpatialVLA tentent de compenser l'absence de vue locale par des représentations 3D implicites ou des modèles vision-langage-action (VLA). Face à Physical Intelligence (Pi-0, financement de 400 M$), Figure AI ou 1X Technologies qui misent sur des stacks multi-capteurs, l'angle "single camera" de SCDP pourrait séduire les intégrateurs contraints en budget ou en volume de données. La prochaine étape logique serait une évaluation sur des benchmarks partagés comme RoboMimic ou LIBERO pour permettre une comparaison directe.

IA physique⚡Actu

1 source

41

5127arXiv cs.RO 

FloVerse : navigation multimodale guidée par plan d'étage

Une équipe de chercheurs a publié FloVerse, un cadre unifié de navigation incarnée guidée par plans d'étage, accompagné d'un jeu de données à grande échelle et d'une nouvelle politique d'apprentissage. Présenté sous forme de preprint arXiv (2606.14267) en juin 2026, ce travail rassemble sous un même protocole trois variantes classiques de navigation autonome en intérieur : PointNav (atteindre des coordonnées cibles), ObjectNav (trouver une instance d'objet précis) et ImageNav (rejoindre un lieu identifié par une image de référence). Pour soutenir ces expériences, les auteurs ont constitué FloVerse-1.6K, un jeu de données de 1 600 scènes issues des environnements HM3D et Gibson 4+, couplé aux plans d'étage correspondants, comprenant 240 000 trajectoires expertes et 12 millions de frames RGBD. Ils proposent également ThreeDiff, une politique d'imitation en deux étapes : un planificateur basé sur la diffusion entraîné par masked-modality modeling (masquage aléatoire des modalités en entrée pour forcer la robustesse multimodale), et un raffineur qui ajuste les trajectoires à l'exécution à partir de données de profondeur pour éviter les collisions. L'apport principal réside dans la démonstration que les plans d'étage constituent des priors spatiaux efficaces et généralisables : les résultats montrent une amélioration des performances sur l'ensemble des trois modalités de tâches, y compris en généralisation à des scènes non vues durant l'entraînement. Pour un intégrateur déployant des robots mobiles en environnement structuré (entrepôts, hôpitaux, hôtels), ce résultat ouvre une voie pragmatique : exploiter les plans existants issus du BIM ou de simples blueprints sans nécessiter de cartographie préalable par le robot. ThreeDiff montre de surcroît que ce prior spatial peut être capturé implicitement par le modèle, sans supervision explicite sur la structure géométrique du plan. Ce travail s'inscrit dans un courant de recherche actif où plusieurs approches concurrentes telles que VLN-BERT, NavGPT ou EmbodiedGPT s'appuient sur des modèles de langage visuels ou des cartes sémantiques. La spécificité de FloVerse est d'intégrer le plan d'étage comme modalité de guidage explicite et portable, là où la majorité des travaux antérieurs se limitaient à PointNav sur des environnements restreints comme AI2-THOR ou Matterport3D. En tant que preprint non encore soumis à évaluation par les pairs, les benchmarks restent en simulation ; le gap sim-to-real n'est pas évalué, ce qui constitue la limite principale avant toute application industrielle.

Recherche❖Paper

1 source

41

5128arXiv cs.RO 

ADAPT : un chariot élévateur autonome pour les chantiers de construction

Des chercheurs ont publié sur arXiv (réf. 2503.14331, version 4) ADAPT, pour Autonomous Dynamic All-terrain Pallet Transporter, un chariot élévateur tout-terrain entièrement autonome conçu pour les chantiers de construction. Contrairement aux robots AMR d'entrepôt qui opèrent dans des espaces balisés et prévisibles, ADAPT doit composer avec des terrains non revêtus et accidentés, des obstacles dynamiques (ouvriers, engins en mouvement) et des conditions météorologiques variables. Le système associe des techniques de perception par intelligence artificielle à des méthodes classiques de planification de trajectoire et de contrôle. Les auteurs ont évalué le dispositif lors de tests en conditions réelles, en comparant ses performances en continu à celles d'un opérateur humain expérimenté sous plusieurs conditions climatiques, et revendiquent un niveau de performance proche du seuil humain. La logistique matériaux sur chantier est l'un des derniers angles morts de l'automatisation industrielle. Là où les entrepôts disposent de solutions AMR matures portées par des acteurs comme Exotec, Locus Robotics ou Seegrid, les chantiers restent quasi exclusivement manuels, avec les retards, accidents et pénuries de main-d'oeuvre qui en découlent. L'enjeu central d'ADAPT est de prouver que les techniques de perception robuste, rodées en environnement indoor, peuvent tenir dans un contexte extérieur non structuré, ce qui constituerait une avancée significative sur le problème du sim-to-real en robotique mobile. La revendication "niveau humain" appelle néanmoins à la prudence : il s'agit d'un preprint non encore validé par les pairs, aucune métrique précise (temps de cycle, charge utile, taux d'incidents) n'est publiée dans l'abstract, et les conditions exactes de la comparaison restent à qualifier. La robotique de chantier est un segment émergent mais encore peu peuplé. Built Robotics automatise des excavatrices aux États-Unis, Dusty Robotics déploie des robots de traçage au sol sur des projets de construction commerciale, et les grands constructeurs de chariots industriels comme Toyota Material Handling et Jungheinrich développent des solutions autonomes qui restent cantonnées à l'indoor. Sur le segment outdoor tout-terrain, le créneau est quasi vierge. Les prochaines étapes logiques pour l'équipe de recherche seront de publier les métriques complètes, de conduire des pilotes à plus grande échelle sur des chantiers réels, et de trouver un partenaire industriel ou équipementier pour franchir le fossé entre prototype académique et déploiement opérationnel.

Industriel❖Paper

1 source

40

5129arXiv cs.RO 

Le gant haptique N2D : un gant multi-doigts pour le retour de force directionnel 2D en manipulation multi-contact

Des chercheurs du laboratoire ARC de l'Université de Californie à San Diego (UCSD) ont présenté le N2D Haptic Glove, un gant haptique multi-doigts dont le preprint a été déposé sur arXiv (2606.14083) en juin 2026. Le dispositif exploite des transmissions à cabestan (capstan-drive) pour restituer, en temps réel, des forces de contact bidirectionnelles dans le plan sagittal de chaque doigt, couvrant à la fois la flexion et l'extension. Dans une étude contrôlée de télé-opération d'un bras et d'une main robotiques, le gant a été comparé à deux conditions de référence: retour visuel seul et retour haptique mono-axial. Le retour planaire réduit significativement l'erreur de force de contact lors de manipulations précises, améliore la répétabilité inter-essais, et hausse les scores d'expérience utilisateur sur des tâches de sondage axial. Le hardware et le software seront publiés en open-source sur le dépôt de l'ARC Lab. Ce résultat adresse directement un angle mort persistant de la télé-opération haptique: sans information sur la direction de la force appliquée, un opérateur compense par la vision seule, ce qui génère des sur-pressions systématiques, une forte variabilité et une perte de précision dans les gestes fins. Pour les équipes qui collectent des données de démonstration robotique (learning from demonstrations, LfD) pour entraîner des politiques de manipulation dextre, la fidélité du retour d'effort est critique: un gant qui ne transmet que l'intensité introduit un biais dans les trajectoires capturées. La capacité du N2D à réduire l'erreur de force en télé-opération suggère que les données produites avec ce type de gant seraient plus représentatives des stratégies de contact humain réel, ce qui est directement pertinent pour les équipes humanoides actuelles. Le N2D s'inscrit dans un segment où plusieurs acteurs ont tenté de concilier précision et praticité. HaptX commercialise un gant pneumatique à retour de force multi-doigts, mais avec un encombrement et un poids importants; SenseGlove (Pays-Bas) propose un exosquelette à câbles ciblant la formation industrielle; Dexmo de Dexta Robotics offre un retour de force par doigt sans composante directionnelle planaire. Le N2D se distingue par la transparence mécanique réputée des transmissions à cabestan et par son approche open-source, rare dans ce domaine. Les auteurs ciblent trois débouchés: télé-opération contact-riche, simulation en réalité virtuelle et collecte de démonstrations pour l'apprentissage robotique. Le preprint ne mentionne ni partenaire industriel ni calendrier de commercialisation; l'étude reste un prototype de laboratoire validé en conditions contrôlées.

Recherche❖Paper

1 source

38

5130arXiv cs.RO 

SplatlessDF : cartographie continue de champ de distance avec des gaussiennes sans splatting

Des chercheurs ont publié en juin 2026 sur arXiv (arXiv:2606.13990) SplatlessDF, un cadre de cartographie par champ de distance continu (DF) qui réutilise les primitives gaussiennes non pas pour le rendu visuel, mais pour la représentation spatiale. Contrairement aux méthodes classiques de Gaussian Splatting (GS) optimisées pour la reconstruction photométrique, SplatlessDF paramètre directement des éléments gaussiens anisotropes dans le domaine spatial afin de produire un champ de distance différentiable. Le système supporte deux modes d'utilisation : une formulation autonome centrée uniquement sur le champ de distance, et une formulation conjointe couplée à la méthode 2D Gaussian Splatting (2DGS), qui combine dans un seul pipeline la modélisation DF et le rendu photométrique. Les expériences rapportées montrent que la formulation autonome fournit des requêtes de distance et de gradient précises et efficaces, tandis que la formulation conjointe améliore simultanément la géométrie de rendu et la qualité du champ de distance. L'intérêt pratique est significatif pour la robotique mobile : un champ de distance continu et différentiable permet de requêter directement les distances aux obstacles et leurs gradients, deux grandeurs fondamentales pour la planification de trajectoire, l'évitement de collision, et le contrôle en boucle fermée. En réorientant les Gaussians vers la représentation spatiale plutôt que photométrique, SplatlessDF suggère que le paradigme GS, jusqu'ici cantonné à la reconstruction 3D et la synthèse d'images, peut alimenter des modules de navigation sans nécessiter de représentations hybrides (grilles d'occupation, TSDF, réseaux implicites). Le cadre unifié GS pour DF et rendu pourrait simplifier les pipelines de cartographie embarquée pour robots industriels et mobiles autonomes. Le Gaussian Splatting a été popularisé par les travaux de Kerbl et al. (2023), et la variante 2DGS cible spécifiquement la reconstruction de surface. SplatlessDF s'inscrit dans un courant croissant qui cherche à étendre ces représentations au-delà de la vision, aux côtés d'autres approches comme les champs de distance neuraux basés sur NeRF (iSDF, NeuralBlox) ou les grilles ESDF classiques (Voxblox, FIESTA). Ce preprint ne mentionne pas de déploiement réel ni de partenariat industriel : il s'agit d'une contribution de recherche avec validation expérimentale en environnement contrôlé, sans timeline commerciale annoncée.

Recherche❖Paper

1 source

38

5131arXiv cs.RO 

AERMANI-PLACE : placement d'objets guidé par le langage avec des manipulateurs aériens

Des chercheurs ont publié AERMANI-PLACE, un cadre logiciel permettant à un manipulateur aérien (drone équipé d'un bras robotique) de positionner des objets à partir d'instructions en langage naturel, sans que l'opérateur n'ait à saisir de coordonnées métriques. Le système fonctionne en deux étapes : une image de la scène combinée à une consigne textuelle est transmise à un modèle de génération d'images, qui produit une version modifiée de la scène avec un marqueur visuel indiquant l'emplacement cible. Ce marqueur est ensuite ancré dans l'espace physique via des observations de profondeur, permettant de récupérer un point de placement en coordonnées métriques, à partir duquel une trajectoire est calculée et exécutée par le drone. Sur un jeu de test de 100 tâches, le système affiche un taux de réussite de 87 % pour l'inférence des positions, et de 72 % lors du transfert sur une plateforme réelle de manipulation aérienne. L'article a été déposé sur arXiv (ref. 2606.14531) en juin 2026. L'intérêt principal de cette approche réside dans l'élimination du fossé d'interface entre l'intention humaine et la commande robot. Jusqu'à présent, les systèmes de manipulation aérienne exigeaient que l'utilisateur raisonne explicitement sur les référentiels de coordonnées et la géométrie de la scène, ce qui freinait l'adoption opérationnelle hors laboratoire. AERMANI-PLACE propose une abstraction en langage naturel, plus proche des usages industriels réels où les opérateurs ne sont pas roboticiens. Le transfert sim-to-real reste partiel (écart de 15 points entre simulation et terrain), ce qui signale que les conditions d'éclairage, d'occultation ou de texture peuvent encore dégrader la robustesse, un point à surveiller avant tout déploiement critique. La manipulation aérienne reste un domaine de recherche émergent, situé à l'intersection des UAV industriels et de la robotique de préhension. Les travaux précédents imposaient des interfaces semi-automatisées ou des pipelines de vision-to-pose classiques nécessitant une calibration fine. Dans l'écosystème concurrent, des équipes comme celles de l'ETH Zurich (ETHZ-ASL) ou de l'Université de Séville travaillent sur des plateformes similaires, mais peu ont intégré un grounding linguistique direct. L'approche d'AERMANI-PLACE, centrée sur un modèle d'édition d'image comme interface sémantique, est transposable à d'autres plateformes mobiles ou fixes. Les prochaines étapes naturelles incluent l'extension aux gestes de pointage combinés au langage, tel que mentionné dans la motivation du papier, ainsi qu'une validation sur des tâches à contraintes de précision plus élevées.

IA physique❧Opinion

1 source

38

5132arXiv cs.RO 

AnyGoal : exploration multi-agents guidée par vision-langage pour une navigation permanente sans entraînement

Une équipe de chercheurs a publié sur arXiv (arXiv:2606.13878) AnyGoal, une architecture multi-agents de navigation en intérieur conçue pour fonctionner sans entraînement préalable sur les scènes cibles. Le système coordonne plusieurs robots via une carte partagée appelée Bayesian Value Map (BVM), une grille 2D maintenant pour chaque pixel une distribution gaussienne (μ, σ²) représentant la pertinence estimée de l'objectif. Cette carte est mise à jour par fusion pondérée des scores issus d'un modèle vision-langage (VLM), projetés via un masque conique de profondeur, et n'est jamais remise à zéro entre les sous-tâches, permettant une accumulation d'indices dite « lifelong ». Sur le benchmark GOAT-Bench (360 épisodes, 2 669 sous-tâches, configuration physique stricte : pas discrets de 0,25 m, champ de vision horizontal de 42°, sans téléportation), la version bi-agent atteint 52,4 % de taux de réussite par sous-tâche (Subtask SR) pour un SPL de 12,7 %, contre 41,9 % en configuration mono-agent. Ce résultat représente un gain de +27,5 points de pourcentage sur Modular GOAT (24,9 %), le système modulaire de référence précédent, ce qui est substantiel dans un domaine où les progrès se mesurent souvent en quelques points. L'intérêt principal réside dans l'approche sans entraînement : là où la plupart des politiques de navigation end-to-end se dégradent dès qu'elles rencontrent des scènes, des catégories d'objets ou des modalités d'objectif hors distribution, AnyGoal s'appuie sur la généralisation intrinsèque du VLM. L'ablation à quatre variables de perception révèle que l'intégration de détecteurs open-vocabulary déplace le goulot d'étranglement : la cause principale d'échec n'est plus l'exploration, mais la vérification de l'objectif, un déplacement de problème qui oriente clairement les futurs travaux. AnyGoal s'inscrit dans la lignée des travaux tentant de remplacer les pipelines fermés (détection à ensemble d'objets fixe, comme dans Modular GOAT) et les mémoires 3D denses (comme 3D-Mem, coûteuses à maintenir et sensibles au point de vue) par des représentations légères pilotées par le langage. La coordination multi-agents repose ici sur un allocateur glouton avec pénalité de séparation spatiale et hysteresis d'engagement, sans contrôleur centralisé, ce qui simplifie le déploiement. L'architecture reste à ce stade une contribution de recherche publiée sur preprint ; aucun pilote industriel ni déploiement réel n'est annoncé. Les prochaines étapes naturelles concernent la robustesse du VLM à la vérification de but et l'extension à des environnements semi-structurés ou extérieurs, où la généralisation sera encore plus mise à l'épreuve.

Recherche❖Paper

1 source

38

5133arXiv cs.RO 

$\mu_0$ : un modèle du monde 3D évolutif par traces d'interaction

Des chercheurs présentent μ₀ (mu-zéro), un modèle mondial 3D à base de traces d'interaction, publié en préprint sur arXiv (2506.13769) en juin 2025. Plutôt que de reconstruire des pixels denses comme les modèles vidéo, ou d'exiger des étiquettes d'action spécifiques à chaque morphologie robotique, μ₀ prédit des trajectoires 3D lisses pour des points saillants : objets, outils, mains et zones de contact, encodées en points de contrôle B-spline. Le système TraceExtract extrait automatiquement cette supervision depuis des vidéos diversifiées, en sélectionnant des points clés, construisant des traces alignées globalement et associant chaque segment à des légendes linguistiques hiérarchiques. L'architecture couple un backbone vision-langage préentraîné à un expert de traces modulaire. Dans les expériences de laboratoire, μ₀ dépasse les baselines en prédiction de traces 2D et 3D, y compris les approches VLM tokenisées. L'enjeu central est l'interopérabilité cross-embodiment : permettre à une politique robotique d'opérer sur différentes morphologies sans données d'action spécifiques. Les VLA comme π₀ de Physical Intelligence ou GR00T N2 de NVIDIA nécessitent des téléopérations coûteuses pour étiqueter les actions, freinant la scalabilité. μ₀ contourne ce verrou en apprenant une représentation intermédiaire agnostique à l'embodiment, couplable ensuite à des experts d'action légers par morphologie cible. Résultat notable : malgré un préentraînement entièrement sans étiquettes d'action, les politiques trace-conditionnées atteignent des performances compétitives avec π₀, un VLA entraîné avec supervision d'action complète. Si cette généralisation se confirme à l'échelle, des politiques de manipulation pourraient être entraînées massivement sur des vidéos génériques, humaines ou issues de la simulation, sans collecte de données robot-spécifiques. La robotique de manipulation cherche depuis des années à s'affranchir des données proprioceptives labellisées, coûteuses à collecter. Deux approches dominent actuellement : les modèles vidéo pixel-dense comme UniSim ou Genie, et les VLA directs comme OpenVLA, π₀ ou GR00T N2, chacun présentant ses propres limites de scalabilité ou de spécificité. μ₀ propose un troisième espace latent, la trace 3D compacte, entraînable sur des vidéos brutes. Les concurrents les plus proches incluent les travaux de point-tracking tels que TAPIR et CoTracker, ainsi que les modèles d'action en espace latent. Le papier reste un préprint de laboratoire sans déploiement industriel annoncé, et la robustesse en environnement réel non contrôlé reste à démontrer. Les prochaines étapes logiques incluent la validation sur des flottes multi-robots hétérogènes et l'intégration dans des pipelines d'imitation learning à grande échelle.

Recherche❧Opinion

1 source

38

5134arXiv cs.RO 

Récupération robuste après chute pour robots bipèdes à roues sans bras par apprentissage guidé par les forces

Des chercheurs présentent FTSR (Force-guided Teacher-student framework with Stage-wise Rewards), une méthode d'apprentissage par renforcement pour la récupération après chute des robots bipèdes à roues sans bras, publiée sur arXiv en juin 2026 (arXiv:2606.14270). En simulation, une force auxiliaire externe corrélée en temps réel à la hauteur du robot est formulée comme contrainte optimisable : l'algorithme d'apprentissage contraint pousse la politique à réduire progressivement sa dépendance à cette force tout en relevant le corps. Une architecture teacher-student distille la connaissance privilégiée des dynamiques de récupération, structurée par des récompenses progressives par seuils de hauteur (height-progressive stage-wise rewards). La politique est ensuite déployée sur un robot bipède à roues sans bras physique, testée dans des conditions variées et difficiles, et transfère également à un humanoïde à nombreux degrés de liberté (high-DOF). Sans bras ni pattes supplémentaires pour générer des forces d'appui, un bipède à roues figure parmi les morphologies robotiques les plus contraintes pour la récupération après chute. FTSR contourne ce verrou en injectant une force auxiliaire virtuelle pendant l'entraînement en simulation, puis en la supprimant graduellement via une contrainte optimisable : le robot développe ainsi des stratégies de redressement internes sans jamais dépendre d'un artefact absent en conditions réelles. La validation sim-to-real sur robot physique, combinée à la généralisation à un humanoïde high-DOF sans sur-adaptation à une cinématique spécifique, renforce la crédibilité pratique de l'approche pour les équipes travaillant sur plusieurs plateformes. C'est précisément ce gap entre démonstration en simulation et déploiement physique robuste que FTSR cherche à combler, avec des résultats qui méritent d'être suivis. Les robots bipèdes à roues occupent une niche croissante entre les AMR classiques et les humanoïdes complets : ils combinent mobilité sur terrain plat et capacité partielle à franchir des obstacles, à un coût mécanique inférieur. Sur le problème précis de la récupération après chute, les travaux existants se concentrent sur les humanoïdes avec bras (Boston Dynamics Atlas) et les quadrupèdes multi-pattes (ANYmal d'ANYbotics, Unitree Go2), laissant peu de littérature sur les morphologies intermédiaires sans membres supérieurs. FTSR reste à ce stade un preprint arXiv sans déploiement industriel annoncé et sans plateforme commerciale nommée ; les suites naturelles seraient une évaluation sous perturbations extérieures actives et une intégration dans une stack de navigation autonome complète.

Recherche❖Paper

1 source

38

5135arXiv cs.RO 

Un modèle basé sur l'attention pour la prévision robuste face aux modalités manquantes

Des chercheurs ont publié le 18 juin 2026 sur arXiv (arXiv:2606.13970) un modèle d'apprentissage multimodal conçu pour fonctionner en présence de données sensorielles incomplètes, une contrainte courante dans les systèmes robotiques réels. L'architecture combine un autoencodeur variationnel conditionnel (CVAE) et un réseau de transformers exploitant des mécanismes d'attention pour produire une représentation vectorielle de dimension fixe, même lorsqu'une ou plusieurs modalités sont absentes, aussi bien en phase d'entraînement qu'à l'inférence. Le modèle a été évalué sur cinq jeux de données multimodaux couvrant deux tâches distinctes : la prédiction de trajectoires humaines et la prévision de manipulations robotiques. Sur l'ensemble de ces benchmarks, il surpasse les approches de fusion multimodale précédemment publiées, selon les métriques rapportées par les auteurs. Ce travail s'attaque à un verrou réel du déploiement robotique : les modèles multimodaux existants supposent quasi-universellement que toutes les modalités (vision, profondeur, proprioception, LiDAR, etc.) sont disponibles simultanément, une hypothèse rarement vérifiée en production. Une caméra obstruée, un capteur de force défaillant ou une latence réseau suffit à faire chuter les performances d'un pipeline classique. En formulant le problème comme un apprentissage conditionnel plutôt qu'une fusion rigide, les auteurs permettent au modèle d'approximer une représentation robuste à partir de l'information partielle disponible, ce qui ouvre la voie à des architectures tolérantes aux pannes sans recourir à des modules de gestion d'exception ad hoc. Pour un intégrateur ou un COO industriel, c'est la promesse de systèmes plus résilients face aux aléas terrain, à condition que les gains en conditions réelles confirment les résultats sur benchmarks. Le problème de la modalité manquante est connu en apprentissage automatique depuis les travaux sur les données tabulaires incomplètes, mais son traitement dans le contexte des robots physiques est resté marginal, la majorité des efforts récents se concentrant sur les architectures VLA (Vision-Language-Action) comme Pi-0 ou GR00T N2, qui présupposent des flux visuels stables. Ce papier s'inscrit dans un courant de recherche plus discret mais potentiellement structurant, aux côtés de travaux sur la robustesse sensorielle et le sim-to-real transfer. L'article est un preprint arXiv non encore évalué par les pairs, et les benchmarks retenus (trajectoires humaines, manipulation) ne couvrent pas des scénarios industriels complexes comme la navigation en entrepôt ou l'assemblage multi-bras. Les prochaines étapes naturelles seraient une validation sur des plateformes physiques réelles et une comparaison avec des approches de type dropout multimodal ou récents travaux sur l'imputation par diffusion.

Recherche❖Paper

1 source

38

5136arXiv cs.RO 

Formage de sensibilité pour la modélisation latente

Des chercheurs ont soumis en juin 2026 (arXiv:2606.14585) une méthode de régularisation pour les modèles de dynamique génératifs utilisés en planification robotique. La contribution centrale, baptisée "régularisation de sensibilité au contrôle conditionnée par le support", s'attaque à un angle mort dans les systèmes de détection hors-distribution (OOD) actuels. Le problème identifié : lorsqu'un modèle de dynamique appris est localement insensible à certains choix d'action critiques, une commande non supportée peut produire des prédictions latentes qui ressemblent à des transitions déjà vues à l'entraînement, masquant les signaux OOD malgré des erreurs de prédiction réelles importantes. Les expériences couvrent trois scénarios : l'évitement d'obstacles par vision, la manipulation d'objets, et la navigation sur robot réel en boucle fermée. Ce résultat touche directement le déploiement sûr de robots pilotés par apprentissage dans des environnements non contrôlés. La détection OOD est le filet de sécurité qui permet à un contrôleur de signaler qu'il opère hors de sa distribution de compétence, plutôt que d'extrapoler dangereusement. Les méthodes existantes greffent a posteriori des estimateurs de support sur un modèle de dynamique figé, et échouent précisément dans les zones critiques où le modèle est le moins discriminant sur les actions. La méthode proposée intervient pendant l'entraînement : elle pousse le modèle à répondre de manière sensible aux variations de commande dans les régions à fort support empirique, tout en limitant l'extrapolation instable là où les données manquent. C'est une correction intrinsèque au processus d'apprentissage, pas un ajout post-hoc. Le travail s'inscrit dans le courant des modèles du monde latents pour la robotique, une famille qui inclut des architectures comme RSSM (utilisé dans Dreamer), TDMPC ou les représentations sous-jacentes à des systèmes comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. La fermeture du "demo-to-reality gap" et la fiabilité en boucle fermée restent des obstacles majeurs pour les intégrateurs cherchant à déployer des robots en milieu industriel non structuré. Les résultats reportés montrent une amélioration de la détection OOD sans dégradation notable de la performance nominale du planificateur, bien que les benchmarks restent limités à des tâches de laboratoire. Une validation sur des plateformes AMR ou humanoïdes en conditions réelles constituerait la prochaine étape naturelle pour crédibiliser l'approche à l'échelle industrielle.

Recherche❖Paper

1 source

37

5137arXiv cs.RO 

SyLink Hand : main anthropomorphe à mécanisme de bielles inspiré des synergies pour une dextérité humaine

Une équipe de chercheurs a publié en juin 2026 sur arXiv (preprint 2606.14250) les spécifications techniques de la SyLink Hand, une main robotique anthropomorphe de 520 grammes conçue pour reproduire la cinématique de la main humaine avec un budget de fabrication d'environ 400 dollars. La conception repose sur deux principes combinés : les synergies biomécaniques de la main humaine, identifiées grâce à des gants de capture de mouvement qui révèlent de fortes corrélations entre articulations voisines, et des mécanismes de liaisons rigides (linkages) qui coordonnent plusieurs joints à partir d'un seul actionneur. Résultat : 19 articulations pilotées par seulement 11 actionneurs. L'équipe introduit également une liaison à quatre barres sphérique originale permettant de découpler indépendamment la flexion/extension et l'abduction/adduction à l'articulation métacarpophalangienne (MCP), dans un encombrement compact. Ce rapport de 11 actionneurs pour 19 degrés de liberté est le point saillant de ce travail. Dans la plupart des mains dextres existantes, la multiplication des actionneurs fait exploser masse, coût et complexité de contrôle. En s'appuyant sur les synergies naturelles de la main (le fait que les doigts bougent rarement de façon totalement indépendante), les auteurs réduisent le problème sans sacrifier l'anthropomorphisme cinématique. Un coût de fabrication de 400 dollars positionne la SyLink Hand très en dessous des références académiques comme la Shadow Hand (plusieurs dizaines de milliers d'euros) ou l'Allegro Hand (Wonik Robotics, environ 4 000 dollars). Cela ouvre un couloir d'accessibilité pour la robotique de service, les plateformes de recherche ou l'intégration dans des humanoïdes à budget contraint. Reste à noter que les évaluations présentées sont expérimentales et issues d'un prototype de laboratoire : aucun déploiement industriel ni partenariat industriel n'est annoncé. Cette publication s'inscrit dans une compétition académique et industrielle dense autour des mains robotiques dextres. Shadow Robot (UK) domine le segment haute performance avec la Dexterous Hand, tandis que des projets open-source comme LEAP Hand (Carnegie Mellon, 2023) ou la main de Dexterous Robotics ciblent également le compromis coût/performance. Côté humanoïdes, Figure (Figure 03), Tesla (Optimus Gen 3) et Agility Robotics développent leurs propres solutions de préhension intégrées. En Europe, des acteurs comme Enchanted Tools (France) conçoivent des mains orientées interaction sociale. La SyLink Hand, en tant que preprint sans partenaire industriel déclaré, reste pour l'instant une contribution académique prometteuse. Les suites dépendront de sa capacité à passer des tests de lab aux conditions réelles d'utilisation, notamment en durabilité des liaisons mécaniques sous cycles répétés.

Recherche❖Paper

1 source

37

5138arXiv cs.RO 

Segmentation de pièces fondée sur l'occupation pour les graphes de scène 3D hiérarchiques

Une équipe de recherche a publié sur arXiv (réf. 2606.13727, juin 2026) un pipeline baptisé OccuSG, conçu pour construire des graphes de scènes 3D hiérarchiques (3DSG) pour robots d'intérieur en ancrant la couche « pièce » à des régions de libre espace extraites d'une décomposition d'occupancy. Contrairement aux approches existantes qui s'appuient sur des clusters de lieux, des plans de murs ou des sorties de segmentation directe (sans critère géométrique commun permettant de comparer leurs résultats), OccuSG attribue à chaque nœud-pièce un contour polygonal explicite. Le pipeline a été évalué sur 12 scènes du jeu de données Matterport3D, en faisant correspondre les polygones prédits aux instances de pièces annotées, et comparé à Hydra, méthode de référence fondée sur la connectivité par lieux. Les graphes de scènes 3D hiérarchiques constituent une couche d'abstraction critique pour les robots naviguant en environnement résidentiel ou tertiaire : ils relient la perception au niveau objet (détection, segmentation) au raisonnement à l'échelle d'une pièce (navigation sémantique, planification de tâches). OccuSG affiche un rappel nettement supérieur à Hydra (davantage d'instances de pièces correctement retrouvées), mais au prix d'une précision plus faible, se traduisant en pratique par des pièces fantômes ou mal délimitées. Pour un intégrateur robotique ou un développeur AMR, le compromis est net : meilleure couverture sémantique, fidélité géométrique moindre. Les deux méthodes échouent par ailleurs à restituer des frontières de pièces précises au niveau des murs, un problème ouvert que les auteurs reconnaissent explicitement. La recherche sur les 3DSG pour robots d'intérieur est dominée depuis plusieurs années par Kimera et Hydra, développés au MIT dans le groupe de Luca Carlone, références académiques incontournables du domaine. OccuSG adopte une voie différente en privilégiant la géométrie d'occupancy plutôt que la topologie de connectivité pour représenter la pièce. Il s'agit d'un preprint arXiv et non d'un produit déployé : les expériences sont limitées à Matterport3D, un corpus de scans intérieurs statiques qui ne reflète pas les conditions dynamiques d'un robot réel. Le code est publié sur GitHub (crcz25/OccuSG), facilitant la reproduction indépendante. Les prolongements naturels incluent des évaluations sur flux temps réel et l'intégration dans des pipelines robotiques complets comme Hydra ou Kimera.

Recherche❖Paper

1 source

37

5139arXiv cs.RO 

BIM-Loc : localisation intérieure par LiDAR intégrée au BIM et sensible aux écarts

Une équipe de chercheurs publie BIM-Loc sur arXiv (identifiant 2606.14237), une méthode de localisation LiDAR pour robots de service et d'inspection en intérieur qui exploite directement les maquettes numériques BIM (Building Information Model) issues de la phase de conception des bâtiments, sans nécessiter la création préalable d'une carte dédiée. Le système estime en temps réel la trajectoire du robot dans le repère de coordonnées BIM et détecte simultanément les écarts entre l'environnement réel et la maquette as-designed. Trois contributions techniques structurent l'approche : un algorithme de lancer de rayons multi-impact pour associer les points LiDAR aux surfaces BIM et projeter les observations 3D dans un espace de texture 2D ; un cadre d'optimisation par graphe de poses intégrant des facteurs BIM pour garantir la cohérence entre l'odométrie, les scans successifs et la géométrie du bâtiment ; et un module d'inférence bayésienne hiérarchique qui met à jour de façon incrémentale une représentation surfacique 2D continue, en propageant les détections du pixel jusqu'au niveau structurel. L'enjeu central est la localisation dans les environnements intérieurs peu distinctifs, couloirs d'hôpitaux, open spaces, entrepôts, où les systèmes SLAM classiques échouent faute de repères géométriques saillants. BIM-Loc contourne ce problème en utilisant une source de données déjà présente dans la majorité des bâtiments modernes : le fichier BIM produit lors de la conception. Pour les intégrateurs de robots de service, cela supprime l'étape coûteuse de cartographie préalable et permet un déploiement rapide. La capacité de détection des écarts apporte également une valeur concrète pour les missions d'inspection de conformité, en signalant automatiquement les modifications non documentées d'un bâtiment. Selon les auteurs, BIM-Loc surpasse significativement les méthodes map-based de l'état de l'art en précision et en robustesse, bien que les métriques précises (RMSE, ATE) ne soient pas détaillées dans l'abstract. La localisation en intérieur reste un problème ouvert depuis les premières générations de robots mobiles. Les approches dominantes, SLAM 2D/3D, localisation Monte Carlo, NDT matching, reposent sur des cartes issues de relevés terrain, ce qui pose des problèmes de maintenance dans les environnements changeants. L'utilisation des BIM comme prior a été explorée dans des travaux antérieurs en réalité augmentée pour le BTP, mais leur intégration dans un pipeline de localisation temps réel avec détection de discordances constitue une contribution distincte. Dans l'espace concurrent, des systèmes comme Cartographer (Google) ou les solutions propriétaires de MiR opèrent principalement avec des grilles d'occupation 2D. Aucun partenariat industriel ni calendrier de transfert technologique n'est mentionné dans ce preprint ; la prochaine étape naturelle serait une validation dans des environnements à forte densité de personnes en mouvement.

Recherche❖Paper

1 source

36

5140arXiv cs.RO 

Relaxations semi-définies pour la planification de mouvement sans collision

Une équipe de chercheurs a soumis sur arXiv (identifiant 2606.14063) une analyse théorique des relaxations semi-définies (SDP) appliquées à la planification de trajectoires sans collision. Le problème étudié est volontairement élémentaire : un robot ponctuel doit rejoindre une cible en évitant des obstacles sphériques dans R^n, sous contraintes de continuité de trajectoire et avec un coût sur les dérivées au carré. Ce problème est d'abord formulé exactement comme un problème non-convexe sur des courbes polynomiales, puis une relaxation semi-définie naturelle est construite. Les benchmarks montrent un gain de vitesse de 10 à 100 fois par rapport aux solveurs de programmation non-linéaire directs SNOPT et IPOPT, avec une variance des temps de résolution nettement plus faible. La méthode est validée comme fonction de pilotage convexe dans un planificateur RRT pour des trajectoires quadrirotor à snap minimal avec continuité C^4 (jusqu'à la 4e dérivée). Les deux contributions théoriques constituent, selon les auteurs, la première analyse formelle des SDP pour ce problème. La première établit que résoudre la relaxation convexe revient à résoudre globalement un problème de planification connexe dans un espace de dimension potentiellement supérieure, ce qui donne des conditions nécessaires et suffisantes de tightness ainsi qu'une intuition géométrique claire des cas où la relaxation est lâche. La seconde identifie une réduction de symétrie décisive : les tailles des cônes semi-définis positifs (PSD) évoluent linéairement avec le degré polynomial et sont indépendantes de la dimension ambiante, évitant ainsi l'explosion combinatoire typique des méthodes NLP en haute dimension. La planification sans collision reste un verrou fondamental de la robotique, où les solveurs NLP classiques souffrent de sensibilité aux initialisations et de convergence vers des minima locaux sous-optimaux. Des frameworks comme Drake (groupe Tedrake, MIT CSAIL) utilisent déjà des relaxations convexes de type GCS ou DSOS, mais sans les garanties théoriques que ce travail commence à formaliser. L'extension aux obstacles non-sphériques et aux robots articulés à degrés de liberté multiples reste entière, deux généralisations indispensables avant tout déploiement industriel. Des applications en navigation de drones en intérieur ou en planification de mouvement pour bras manipulateurs constituent les prochaines étapes logiques.

Recherche❖Paper

1 source

35

5141arXiv cs.RO 

Robots d'assistance personnalisés par LLM : apprentissage des préférences en langage naturel pour personnes paralysées

Une équipe de chercheurs a publié sur arXiv (réf. 2604.01463) un cadre d'apprentissage des préférences conçu pour personnaliser les robots d'assistance physique à partir de retours en langage naturel, sans imposer de charge cognitive aux utilisateurs atteints de paralysie. Le système, entièrement hors ligne, traduit des commentaires vocaux non structurés en politiques de contrôle robotique déterministes. La validation a été menée avec 10 adultes tétraplégiques dans une étude simulée de préparation de repas. Le pipeline s'appuie sur des grands modèles de langage (LLM) ancrés dans l'Occupational Therapy Practice Framework (OTPF), référentiel clinique standard de l'ergothérapie américaine, pour déchiffrer les réactions subjectives des utilisateurs en besoins physiques et psychologiques explicites, puis les convertir en arbres de décision lisibles. Une étape de vérification automatisée, dite "LLM-as-a-Judge", contrôle la sûreté structurelle du code généré avant tout déploiement. L'enjeu est direct pour les intégrateurs de robotique d'assistance : les méthodes classiques d'apprentissage des préférences, notamment les comparaisons par paires exhaustives issues du paradigme RLHF, sont pratiquement inapplicables à des utilisateurs présentant des déficiences motrices sévères, tant la fatigue physique et cognitive est élevée. Ce travail propose une alternative qui réduit significativement la charge utilisateur selon les mesures rapportées, et dont les politiques générées ont été jugées sûres et fidèles aux préférences des patients par des ergothérapeutes certifiés. L'ancrage dans un cadre clinique structuré, plutôt qu'une simple inférence LLM libre, est le point différenciant : il impose une traçabilité entre le discours du patient et les paramètres de contrôle robot. Les arbres de décision produits restent interprétables, ce qui facilite la validation réglementaire. Le cadre s'inscrit dans une littérature croissante sur la personnalisation des robots d'assistance, domaine où Physical Intelligence (pi.ai) ou des acteurs académiques comme Stanford et Carnegie Mellon explorent les politiques VLA généralisables. Ici, l'approche est délibérément ciblée et offline, ce qui la distingue des pipelines end-to-end en ligne. La taille de l'étude reste limitée (10 participants, environnement simulé), et aucune timeline de déploiement clinique réel n'est annoncée, ce qui maintient ce travail au stade de la preuve de concept prometteuse plutôt que d'un produit shipped. La prochaine étape naturelle serait une validation en environnement réel avec un robot physique instrumenté.

Recherche❖Paper

1 source

34

5142arXiv cs.RO 

Commande prédictive par modèle à impédance corps entier pour l'interaction physique humain-robot sûre sur base flottante

Des chercheurs ont publié sur arXiv (réf. 2606.14617, juin 2026) une architecture de contrôle à trois niveaux pour robots à base flottante - bipèdes et humanoïdes - conçue pour maintenir l'équilibre tout en tolérant l'interaction physique soutenue avec des opérateurs humains (pHRI, physical human-robot interaction). Le premier niveau est un MPC centroïdal qui planifie les forces de contact sur un horizon de 500 millisecondes. Le deuxième est un contrôleur corps entier (WBC) qui traduit l'équilibre en couples articulaires par projection dans l'espace nul cohérente avec les contraintes de contact. Le troisième est un programme quadratique (QP) à horizon fuyant qui prédit et rejette les perturbations de contact à l'aide d'un état augmenté par filtre de Kalman. Une linéarisation par retour d'état réduit la dynamique de l'effecteur à un double intégrateur à matrice constante dans chaque mode de contact, permettant une précalculation hors-ligne des matrices de coût et une exécution à plus de 1 kHz. Les validations ont été conduites en simulation sur un biped à 17 degrés de liberté et sur l'humanoïde Unitree G1. L'apport central est une garantie formelle d'erreur nulle en régime permanent sous des forces de contact humain soutenues et bornées - une limite connue des contrôleurs WBC à gain fixe, qui accumulent une dérive statique lorsqu'un opérateur guide ou pousse le robot en continu. La cadence à 1 kHz, rendue possible par la précalculation hors-ligne, s'inscrit dans les contraintes temps réel de la robotique industrielle. Un théorème d'équivalence d'impédance établit que la limite horizon infini du contrôleur retrouve une loi d'impédance classique en espace tâche, avec masse, amortissement et raideur effectifs qui s'adaptent automatiquement à la posture et à la configuration de contact - ce qui facilite le réglage intuitif pour des ingénieurs familiers des contrôleurs d'impédance conventionnels. Ce travail étend une architecture Impedance MPC à deux couches pour base fixe publiée antérieurement par les mêmes auteurs. Le passage à la base flottante est non trivial : le robot doit simultanément gérer sa propre stabilité dynamique et absorber les perturbations externes. L'Unitree G1, humanoïde commercialisé autour de 16 000 dollars par Unitree Robotics, sert de banc de validation en simulation. Il faut souligner que l'ensemble des résultats est simulé - aucun essai physique sur robot réel n'est rapporté, ce qui constitue l'étape attendue. Dans un paysage où Boston Dynamics (Atlas), Agility Robotics (Digit) et Figure (03) développent leurs propres solutions WBC pour la coopération humain-robot, cette approche apporte une contribution méthodologique formellement fondée, mais dont la robustesse en conditions réelles reste à démontrer.

Recherche❖Paper

1 source

34

5143arXiv cs.RO 

Friction asymétrique dans la locomotion géométrique

Des chercheurs ont soumis sur arXiv (référence 2512.22484, version 2) une extension formelle des modèles de mécanique géométrique appliqués à la locomotion. Ces modèles décrivent comment robots et animaux convertissent des changements de forme interne en déplacement net, une relation encodée dans une "carte de motilité". Le cadre classique reposait sur une friction anisotrope (coefficients différents selon les axes avant/arrière et gauche/droite), formalisée via des métriques riemanniennes sur chaque segment corporel. L'approche sous-riemannienne permettait d'identifier la vitesse de position qui minimise la puissance dissipée par friction pour une vitesse de forme donnée. La contribution du papier consiste à lever l'hypothèse de symétrie : la friction peut désormais être asymétrique, c'est-à-dire avec des coefficients distincts pour le mouvement vers l'avant et vers l'arrière sur un même axe. Formellement, les métriques riemanniennes sont remplacées par des métriques de Finsler, et l'approche sous-riemannienne se généralise en une approche sous-finslérienne. Cette distinction a des conséquences pratiques directes. De nombreux locomoteurs opèrent sur des surfaces à friction asymétrique : les serpents se propulsent via des écailles dont la résistance au glissement avant et arrière est délibérément différente ; les pattes équipées de crampons, les robots rampants (crawling robots) et certains micro-robots présentent le même profil. Dans les modèles riemanniens classiques, cette asymétrie était ignorée ou approximée, ce qui introduit des erreurs systématiques dans la carte de motilité. Le papier démontre que la propriété "géométrique" fondamentale se maintient dans le cadre finslerian : le déplacement final dépend uniquement de la séquence de formes parcourues, pas de la vitesse d'exécution. Les auteurs identifient également l'analogue de la courbure de contrainte, un invariant clé qui caractérise les capacités de déplacement net du système. Le cadre de mécanique géométrique appliqué à la locomotion a été principalement développé par Ross Hatton et Howie Choset à Carnegie Mellon University dans les années 2010, avec des applications à la locomotion serpentiforme et aux organismes microscopiques en régime à faible nombre de Reynolds. Ce travail s'inscrit dans cette lignée en levant une hypothèse restrictive qui en limitait le domaine d'applicabilité. Les approches concurrentes (méthodes numériques directes, apprentissage par renforcement) modélisent la friction asymétrique sans offrir les mêmes garanties d'interprétabilité analytique. La prochaine étape naturelle serait de valider ce cadre sub-finslerian sur des plateformes robotiques réelles à friction asymétrique prononcée, et d'explorer son apport pour la planification de trajectoires dans ces environnements.

Recherche❖Paper

1 source

33

5144arXiv cs.RO 

Le Navigateur de Schrödinger : imaginer un ensemble de futurs pour la navigation vers des objets en zéro-shot

Des chercheurs ont présenté sur arXiv (2512.21201, v3, déposé en décembre 2025) Schrödinger's Navigator, un système de navigation zéro-shot d'objets (ZSON) pour robots mobiles. Le principe : à l'inférence, le système génère plusieurs "futurs 3D imaginés" le long de trajectoires candidates, maintenant une superposition de représentations plausibles de la scène plutôt que de s'engager sur une carte unique. Un échantillonneur adaptatif concentre l'effort sur les zones occultées et incertaines, tandis qu'une Future-Aware Value Map (FAVM) agrège ces projections pour sélectionner des waypoints proactifs et conscients des risques. Les expériences ont été menées en simulation et sur un quadrupède physique Unitree Go2 dans des scènes encombrées à forte occlusion, avec des résultats supérieurs aux meilleures baselines ZSON actuelles en termes de détection de cibles cachées. Le fossé simulation-réel est l'un des obstacles structurels de la robotique de service : les systèmes efficaces en simulation se dégradent souvent dans des environnements réels encombrés, où les zones inexplorées rendent l'inférence sur une scène unique fragile et risquée. Schrödinger's Navigator attaque ce verrou en raisonnant sur des futurs hypothétiques à l'inférence, sans retraining, ce qui ouvre la voie à une navigation autonome sans cartographie préalable dans des entrepôts, hôpitaux ou bâtiments publics non structurés. La validation sur hardware physique (Go2) plutôt qu'exclusivement en simulation renforce la crédibilité de l'approche, même si les métriques précises (taux de succès chiffrés, nombre de scènes testées) n'apparaissent pas dans le résumé publié. La ZSON est un champ actif mobilisant laboratoires et équipes R&D industrielles, avec des approches concurrentes basées sur des modèles de langage visuel (VLM) ou des représentations sémantiques 3D comme les NeRF ou le Gaussian Splatting. L'originalité de cette proposition est l'usage d'un modèle de monde 3D conditionné par la trajectoire pour projeter des futurs probables, une transposition directe du paradoxe de Schrödinger à la planification sous incertitude. La recherche, déjà en troisième version sur arXiv, reste purement académique : aucun déploiement commercial ni pilote industriel n'est annoncé. Elle constitue néanmoins un signal pertinent pour les équipes travaillant sur la navigation autonome en environnements dynamiques et non structurés, en particulier dans le contexte de l'essor des robots de service et des humanoïdes de deuxième génération.

Recherche❖Paper

1 source

43

514536Kr 

Wang Zhongyuan (BAAI) : les VLA ne mourront pas, mais les modèles du monde sont l'avenir

Wang Zhongyuan, directeur du Beijing Academy of Artificial Intelligence (BAAI, 北京智源人工智能研究院), institution de recherche non lucrative chinoise, a accordé une interview approfondie au média spécialisé 硬氪 en marge de la conférence annuelle de l'académie, consacrée cette année aux modèles du monde (World Models) et aux agents intelligents. Il y cartographie quatre grandes familles de world models en compétition : les modèles centrés sur le langage comme les VLA et VLM (dont Gemini 3), qui prédisent le prochain token sans comprendre les conséquences physiques ; les modèles centrés sur les pixels comme Sora ou Seedance, efficaces pour la génération vidéo mais aveugles à la causalité physique ; les modèles centrés sur la structure 3D, dont Marble de World Labs (l'équipe de Li Feifei), qui reconstruisent l'espace géométrique sans en modéliser les états physiques ; et les modèles centrés sur la représentation visuelle, comme la série V-JEPA de Yann LeCun, dont l'évolution des embeddings ne correspond pas à l'évolution des lois physiques. BAAI explore une cinquième voie : fusionner représentations linguistiques et visuelles dans un espace latent unifié (latent space), depuis lequel des décodeurs distincts restituent langage, actions et vision selon le besoin, via des systèmes déjà déployables comme Physis et RoboBrain Orca. L'enjeu central, selon Wang, est de substituer au paradigme "Next Token Prediction" des LLM un paradigme "Next Physical State Prediction", soit la prédiction du prochain état physique du monde. Cette bascule est directement liée aux limites exposées par l'IA incarnée (embodied AI) : les robots actuels, qu'ils s'appuient sur des VLA ou des architectures plus simples, restent des exécutants passifs, cantonnés à des tâches mono-scène avec des données très spécifiques. Ils ne généralisent pas. Un robot VLA peut attraper un colis sur une chaîne logistique, mais il est incapable de prédire ce qui se passe si une bouteille ouverte tombe à côté. Wang rejette catégoriquement l'équivalence entre génération vidéo et world model, qui s'est répandue depuis qu'OpenAI a qualifié Sora de "World Simulator" : produire une vidéo physiquement plausible n'est pas modéliser le monde. Un vrai world model doit être physiquement correct (gravité, optique, fluides), doté d'une causalité action-résultat explicite, cohérent sur de longues séquences temporelles, et généralisable à des tâches multiples. Quant au débat "VLA is dead", Wang le tranche sans ambiguïté : les VLA restent utiles aujourd'hui et le resteront à court terme, mais les world models représentent l'étape suivante. BAAI a construit cette position en couches successives depuis le LLM Wudao (悟道), premier grand modèle chinois public, jusqu'aux architectures multimodales natives Emu3 et Emu3.5, avant d'amorcer en 2024 la transition vers la "Next State Prediction". L'académie est aussi un vivier : les fondateurs de Zhipu AI (Tang Jie), Moonshot AI (Yang Zhilin), iFlytek Research (Liu Zhiyuan) et Galactic General Robotics (Wang He) y ont tous conduit des recherches. Côté compétition internationale, BAAI se positionne face à World Labs (Marble), OpenAI (Sora), DeepMind (Genie 2) et au programme V-JEPA de LeCun chez Meta. Wang situe l'état actuel des world models à l'équivalent du deep learning vers 2012 : données fragmentées, benchmarks divergents, pas encore de "moment ChatGPT". Il estime qu'un véritable cerveau robotique à base de world model est un horizon de trois ans minimum, avec des applications prioritaires dans la robotique industrielle, la simulation physique et l'IA for Science.

Chine/Asie❧Opinion

1 source

42

5146The Robot Report 

La modernisation de l'économie mondiale par la robotique industrielle est nécessaire mais pas inévitable

En 2024, 229 000 systèmes robotiques industriels ont été vendus dans le monde, selon le rapport annuel de la Fédération internationale de robotique (IFR). Soixante-dix pour cent de ces ventes se concentrent sur cinq pays : le Japon, la Chine, les États-Unis, l'Allemagne et la République de Corée, chacun disposant de programmes gouvernementaux actifs de soutien à la filière, à l'exception des États-Unis qui s'appuient davantage sur le capital privé. Le marché des robots de service professionnel a atteint 24 207 unités l'an dernier, dont 45 % à usage militaire ou spécial (environ 11 000 unités). Côté grand public, 4,7 millions de robots de service personnels ont été vendus, pour un chiffre d'affaires de 2,2 milliards de dollars, soit une hausse de 28 %. L'IFR projette que les ventes de robots industriels atteindront 400 000 unités à moyen terme, les robots de service professionnels 152 375 unités pour 19,6 milliards de dollars, et les robots personnels 35 millions d'unités pour 12,2 milliards. Le cabinet Myria Research estime que le marché global de la robotique et des systèmes d'exploitation intelligents pourrait dépasser 380 milliards de dollars d'ici 2030, contre environ 63 milliards actuellement. Ces chiffres confirment une dynamique de fond mais ne doivent pas masquer des fragilités structurelles. Après le pic post-COVID, les ventes industrielles ont subi un ralentissement lié au tassement de l'e-commerce, au pivot partiel des constructeurs automobiles hors de l'électrification, et aux tensions commerciales mondiales. Pour les décideurs B2B et les intégrateurs, la vraie question n'est pas le volume total mais la capacité des entreprises à absorber ces technologies : le rapport souligne explicitement le manque de spécialistes qualifiés, des programmes de formation obsolètes, et l'absence de mécanismes de financement de la recherche simples et transparents. Plus de 343 fabricants de robots industriels et 347 intégrateurs opèrent aujourd'hui dans ce marché, une fragmentation qui complique les choix technologiques et allonge les cycles de déploiement. Le secteur s'organise autour de quatre clusters thématiques selon l'IFR : technologies robotiques de base, robotique médicale, technologies clés, et axes innovants incluant la récolte d'énergie ambiante, les robots auto-réparants, les interfaces multimodales et l'intelligence en essaim pour modules de production flexibles. Ces "zones prometteuses" restent largement au stade de la recherche appliquée. Les marchés historiquement dominants, Asie-Pacifique en tête, conservent leur avance grâce à des politiques industrielles coordonnées, tandis que l'Europe, malgré la solidité de l'Allemagne, peine à produire des champions à l'échelle mondiale. Le rapport n'anticipe pas de rupture à court terme : la modernisation par la robotique est présentée comme nécessaire, mais ni automatique ni inévitable sans efforts délibérés sur la formation, le financement et la simplification réglementaire.

Industriel❧Opinion

1 source

42

5147Pandaily 

Le robot humanoïde compagnon U1 d'UBTECH approche les 4 000 précommandes en 10 jours

UBTECH, entreprise robotique fondée à Shenzhen en 2012, a enregistré près de 4 000 précommandes pour son robot compagnon U1 en dix jours d'ouverture des réservations début juin 2026, avec des dépôts cumulés dépassant 10 millions de yuans (environ 1,4 million de dollars). L'U1 est un humanoïde bipède pleine taille destiné au marché résidentiel grand public : il embarque un modèle d'IA émotionnelle pour la conversation naturelle, un stockage mémoriel chiffré localement pour personnaliser les interactions, et des options de personnalisation esthétique étendues. Commercialisé exclusivement pour adultes, il doit entamer ses premières livraisons le 30 juin 2026, une deuxième série de production étant déjà programmée pour absorber la demande. Ce volume de précommandes constitue l'un des signaux commerciaux les plus nets observés à ce jour pour la robotique humanoïde grand public, segment longtemps anticipé mais rarement validé par des actes d'achat réels. Pour les investisseurs et décideurs du secteur, il suggère que la demande commence à dépasser les cas d'usage industriels et éducatifs. Quelques nuances s'imposent toutefois : 4 000 réservations restent modestes à l'échelle d'un marché de masse, et des dépôts de précommande ne constituent pas des ventes finalisées. Le lancement a par ailleurs déclenché un débat éthique structuré autour de trois axes : risques d'attachement émotionnel durable à un agent IA, implications pour la vie privée d'un robot domiciliaire à mémoire permanente, et normalisation de relations intimes humain-machine, un débat déjà familier depuis la montée en puissance des chatbots et des assistants vocaux. UBTECH s'est construit sur ses robots éducatifs Alpha et sur la gamme Walker, déployée dans des hôtels et centres commerciaux chinois. Avec l'U1, la société pivote vers le domicile grand public, un espace où peu d'acteurs ont durablement percé : les tentatives de Sony (Aibo) ou de Hanson Robotics (Sophia) sont restées cantonnées à des niches ou à des démos médiatiques. Sur le terrain concurrent, Unitree et Figure ciblent principalement les applications industrielles et logistiques, tandis qu'en Europe, Enchanted Tools (France, robot Mirokaï) explore des usages sociaux et hôteliers sans viser le marché domiciliaire de masse. UBTECH affirme que l'U1 traite les données sensibles uniquement en local, sous contrôle de l'utilisateur, et fait de cette promesse de confidentialité un argument commercial central face à une clientèle méfiante envers les objets connectés permanents.

Humanoïdes❧Opinion

1 source

43

5148New Atlas Robotics 

Un bras robotique façon pieuvre pense avec ses ventouses pour explorer les fonds marins

Des chercheurs de l'Institut italien de technologie (IIT) ont présenté un bras robotique biomimétique inspiré de la pieuvre, conçu pour l'exploration des fonds marins. Contrairement aux systèmes actuels, qui reposent sur des mouvements préprogrammés, une architecture rigide et un processeur central unique, ce dispositif délègue le traitement de l'information directement aux ventouses : chaque ventouse embarque ses propres capteurs et une capacité de calcul locale, lui permettant d'interagir avec son environnement sans attendre les instructions d'un cerveau central. L'enjeu est significatif pour la robotique sous-marine. Les environnements océaniques combinent courants variables, faible visibilité et topographies imprévisibles, trois facteurs qui mettent en échec les architectures de contrôle centralisées classiques. En distribuant l'intelligence au niveau des effecteurs, l'approche de l'IIT réduit la latence de réaction et rend le système intrinsèquement plus résilient aux perturbations locales. C'est une validation concrète de l'intelligence incarnée (embodied intelligence) à l'échelle d'un organe préhensile, un paradigme que la communauté robotique théorise depuis des années sans déploiement probant en milieu réel non contrôlé. L'IIT est l'un des laboratoires européens les plus actifs en soft robotics, avec une longue tradition de recherche sur les robots inspirés des invertébrés marins. La pieuvre sert de modèle depuis près de 500 millions d'années d'évolution : neuf cerveaux (un central, huit dans les bras), une structure entièrement déformable, et une capacité d'adaptation sensorimotrice sans équivalent. Sur le plan concurrentiel, ce travail se positionne face aux approches rigides de Woods Hole Oceanographic Institution ou aux ROV conventionnels, et ouvre une voie distincte de celle des bras industriels sous-marins d'acteurs comme Schilling Robotics.

FR/EU ecosysteme❖Paper

1 source

41

5149Interesting Engineering 

Première mondiale : un chien robot quadrupède traverse des plaques de glace arctiques traîtresses

Un quadrupède de moins de 20 kilogrammes vient de traverser les banquises de l'océan Arctique en navigation autonome, une première revendiquée pour un robot à pattes commercialement disponible. Le Lynx S10, développé par la société chinoise DEEP Robotics (spin-off de l'université de Zhejiang fondé en 2018), a été engagé lors d'une expédition polaire en conditions réelles, naviguant sur des plaques de glace flottantes parsemées de zones d'eau libre. La plateforme standard embarque 16 articulations de précision, quatre caméras ultra grand-angle à haute plage dynamique et des capteurs LiDAR avant/arrière pour la cartographie 3D en temps réel. Elle opère entre -20°C et +55°C, plafonne à 8 m/s sur sol plat, franchit des obstacles de 50 cm de hauteur et supporte une charge utile supérieure à 8 kg. Pour l'Arctique, DEEP Robotics a modifié la machine : les roues standards ont cédé la place à des pattes biomimétiques inspirées du pied de l'ours polaire (surface élargie pour répartir le poids, crampons anti-glisse intégrés), l'indice d'étanchéité est passé de l'IP66 à l'IP67, et les membres ont été redessinés pour fonctionner comme des pagaies dans les zones de gadoue mêlant glace et eau. L'enjeu ne se résume pas à la résistance au froid, que plusieurs plateformes industrielles atteignent déjà. Ce qui est nouveau, c'est la capacité à planifier des trajectoires et éviter des obstacles en autonomie sur un terrain non structuré, instable et potentiellement mortel. Les banquises arctiques cumulent les cas limites qui font échouer les algorithmes classiques : surface déformable, obstacles dissimulés sous la neige, zones d'eau affleurante sans marquage visuel net. La réussite du Lynx S10 valide simultanément plusieurs hypothèses : la fusion LiDAR-caméra HDR est suffisamment robuste pour distinguer neige sèche, glace vive et slush ; le contrôle de gait s'adapte en temps réel à des frictions variables ; la morphologie biomimétique des pattes apporte un gain mesurable là où roues et chenilles peinent. Pour les intégrateurs et décideurs industriels, la portabilité par une seule personne sans logistique lourde ouvre des cas d'usage concrets en milieu polaire, offshore et post-catastrophe. DEEP Robotics occupe un segment intermédiaire dans un marché quadrupède dominé par Boston Dynamics (Spot), Unitree (Go2, B2) et ANYbotics (ANYmal), ce dernier déjà qualifié pour les inspections offshore et les environnements ATEX. Cette expédition arctique s'inscrit dans une stratégie de validation terrain agressive, comparable aux démonstrations industrielles d'Unitree. Aucun concurrent n'a publié de données équivalentes sur des déploiements polaires réels, même si Boston Dynamics a documenté des tests hivernaux avec Spot. En Europe, des acteurs comme Enchanted Tools et Pollen Robotics restent positionnés sur des niches distinctes. DEEP Robotics n'a communiqué ni calendrier de commercialisation ni tarification pour la variante arctique du Lynx S10 : l'expédition demeure à ce stade une preuve de concept documentée, pas un produit commercialisé.

Chine/Asie❧Opinion

1 source

38

5150IEEE Spectrum Robotics 

Les modèles vision-langage apprennent aux robots à lire les émotions humaines

Des chercheurs de l'Université de Melbourne ont entraîné un robot collaboratif à reconnaître les émotions humaines en combinant analyse faciale et facteurs contextuels, via un modèle de langage visuel (VLM, ou Vision Language Model). Les résultats, publiés le 18 mai 2026 dans IEEE Robotics and Automation Letters, montrent que cette approche surpasse les systèmes classiques de reconnaissance d'expression : le VLM obtient un score de similarité de 0,86 sur 1, contre 0,77 pour les outils d'analyse faciale et de suivi d'objets conventionnels. L'étude a été conduite par Seung Chan Hong dans le cadre de sa thèse de licence, avec une cohorte de 40 volontaires. Pour entraîner le modèle, des participants ont d'abord visionné des vidéos de robots effectuant des transferts d'objets à des humains avec des degrés de succès variés, puis décrit les émotions perçues en tenant compte de la scène complète : posture, gestes (doigts qui tambourinent, lèvres pincées), position dans l'espace, et non plus seulement l'expression du visage. Dans un second test, le robot équipé du VLM a intentionnellement commis une erreur, puis proposé soit une excuse adaptée à l'état émotionnel perçu, soit une formule pré-scriptée. Résultat : 31 personnes sur 40 ont préféré la réponse contextuelle. Le résultat le plus significatif n'est pourtant pas le gain de performance du VLM, mais la limite qu'il révèle. Même avec une excuse personnalisée et émotionnellement cohérente, la confiance des participants envers le robot avait chuté après l'erreur, indépendamment de la qualité de la réponse sociale. Les auteurs en tirent une conclusion directe pour les intégrateurs et les équipes de conception : l'adaptivité émotionnelle agit comme un lubrifiant social, elle n'efface pas un déficit fonctionnel. Pour les COO et décideurs qui évaluent des déploiements de cobots en environnement humain, cela signifie que l'investissement dans la fiabilité mécanique reste prioritaire sur les couches d'intelligence émotionnelle. En revanche, dans les scénarios où des erreurs sont inévitables, un module de reconnaissance émotionnelle contextuelle peut atténuer les effets négatifs sur la relation opérateur-robot, ce qui est pertinent dans les environnements d'assemblage ou de logistique. Le VLM utilisé dans l'étude fonctionne sur un principe similaire aux grands modèles de langage comme ChatGPT, mais avec une entrée visuelle permettant une lecture de scène au-delà de la seule mimique faciale. La recherche en interaction humain-robot (HRI) investit depuis plusieurs années dans les modèles de reconnaissance d'affect, mais les approches classiques restaient cantonnées à l'analyse des expressions faciales ou au suivi de posture. L'intégration des VLMs dans ce domaine suit la vague des modèles de vision-langage généralistes issus de Google DeepMind, OpenAI ou Meta. L'étude de Melbourne se distingue par une validation empirique sur sujets humains réels avec une tâche collaborative concrète, plutôt qu'une évaluation sur benchmark. Les prochaines étapes pour ce type de recherche incluront probablement des tests en environnement industriel contrôlé, pour vérifier si la perception émotionnelle reste robuste sous pression temporelle et dans des scènes visuellement chargées.

Recherche❖Paper

1 source