Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel

Actualités robotique — page 11

7 308 articles au fil, du plus récent au plus ancien.

Garder l'effet, supprimer l'acteur : modèles monde-action programmables de l'effet à l'exécution
501arXiv cs.RO 

Garder l'effet, supprimer l'acteur : modèles monde-action programmables de l'effet à l'exécution

Des chercheurs proposent PEWAM, un modèle monde-action de 71,5 millions de paramètres qui part d'une idée simple : une démonstration robotique enregistre à la fois ce qui arrive aux objets et la façon dont un bras précis l'a obtenu, et seul le premier élément devrait être conservé. La démonstration est « compilée » en un programme d'effet : trajectoires de keypoints 3D des objets déplacés, deux points indiquant où chacun a été saisi, et configuration finale de la scène, démonstrateur effacé. PEWAM génère quatre flux (effet, exécution du robot, action, état terminal) avec des temps de flow-matching indépendants. Fixer le programme et échantillonner l'exécution revient à « programmer » le robot, avec une résolution répétée en boucle fermée depuis la scène réelle. Sur les tâches LIBERO-Goal hors entraînement, le programme issu d'une seule démonstration réussit 40 épisodes sur 90, contre 19 au maximum pour le même backbone conditionné par une image-but ou du langage, et pour les méthodes publiées conditionnées par démonstration. Sur Meta-World, il dépasse les meilleurs résultats publiés sur trois classes tenues à l'écart, mais pas sur la moyenne des cinq classes. L'enjeu pratique tient à la nature du programme : un ensemble de coordonnées, donc modifiable par un opérateur. Décaler l'état terminal déplace le placement, et pivoter les points de contact fait tourner la prise. Le même programme s'exécute sur quatre bras différents sans réentraînement, ce qui touche directement le problème de transfert entre embodiments qui freine les intégrateurs. Après une poussée perturbatrice, la ré-résolution réussit 23 épisodes sur 60, contre 6 pour un simple rejeu de la démonstration, un écart qui illustre la fragilité des approches par rejeu. Sur un bras Franka, affiné sur des démonstrations réelles d'autres tâches, des programmes compilés à partir de vidéos humaines uniques aboutissent à 36 essais sur 40, contre 22 pour le même backbone conditionné par la dernière image de la vidéo. Ces résultats suggèrent qu'apprendre un « quoi » explicite plutôt qu'un « comment » lié à un acteur améliore la généralisation, mais ils proviennent d'une publication préprint, sans évaluation indépendante. Il faut relativiser la portée : LIBERO et Meta-World sont des benchmarks de simulation, et seule l'expérience Franka touche au réel, sur un nombre limité d'essais (40). Un taux de 40/90 en simulation reste loin d'un seuil de fiabilité industriel. Le travail s'inscrit dans la course aux VLA et modèles monde-action, face à des approches généralistes comme Pi-0 ou GR00T, qui misent sur l'échelle des données plutôt que sur une représentation intermédiaire éditable. Sa taille réduite (71,5M de paramètres, très inférieure aux modèles de ces acteurs) en fait une piste intéressante pour l'imitation à partir d'une seule vidéo humaine. Les prochaines étapes à surveiller sont la validation sur des tâches réelles plus variées, la robustesse de l'extraction de keypoints en environnement encombré et une éventuelle mise à disposition du code. Aucun acteur français ou européen n'est cité dans cette publication.

RecherchePaper
1 source
Contrôle précis en boucle ouverte d'un robot continu souple grâce à une dynamique latente apprise visuellement
502arXiv cs.RO 

Contrôle précis en boucle ouverte d'un robot continu souple grâce à une dynamique latente apprise visuellement

Des chercheurs ont publié sur arXiv (2603.19655v2) une méthode de commande en boucle ouverte d'un robot continuum souple (SCR) à partir d'une dynamique latente apprise uniquement sur vidéo. Le travail s'appuie sur les Visual Oscillator Networks (VON) d'un article précédent, qui produisent des latents d'oscillateurs 2D interprétables mécaniquement grâce à un décodeur à diffusion d'attention (ABCD, attention broadcast decoder). Une commande optimale en tir simple (single-shooting) est calculée directement dans l'espace latent pour suivre des points de passage définis par image, sans aucun retour caméra pendant l'exécution. Un simulateur interactif en direct permet de dessiner des cibles statiques, dynamiques ou extrapolées, puis de les convertir en points de passage latents propres à chaque modèle. Les tests ont été menés sur un robot pneumatique à deux segments. Les chercheurs ont comparé trois familles de dynamiques (Koopman, MLP, oscillateurs), chacune avec et sans ABCD, sur des consignes fixes et des trajectoires dynamiques. Les modèles avec ABCD réduisent systématiquement l'erreur de suivi dans l'espace image. Les erreurs quadratiques moyennes les plus basses reviennent au VON et au modèle Koopman avec ABCD. Des études d'ablation et des tests de robustesse en simulation indiquent que les choix d'entraînement et d'architecture soutiennent la performance : maintien statique, équilibres extrapolés stables, retour au repos. L'article ne fournit pas, dans ce résumé, de valeurs chiffrées d'erreur ni de durée d'horizon. L'enjeu dépasse la robotique souple. Ces machines sont difficiles à modéliser : leurs déformations sont continues, non linéaires et sujettes à l'hystérésis, et elles sont presque impossibles à instrumenter par capteurs sans en altérer le comportement. Une commande fiable en boucle ouverte, apprise depuis de simples images, ouvre la voie à des systèmes sans capteur proprioceptif embarqué ni caméra au moment de l'usage, ce qui intéresse la chirurgie mini-invasive, l'inspection en espaces confinés ou la manipulation d'objets fragiles. Le résultat suggère aussi que l'interprétabilité n'est pas un luxe : des latents à structure mécanique (oscillateurs) se révèlent plus stables en extrapolation qu'un MLP générique. Il faut toutefois rester prudent : les auteurs revendiquent une première démonstration de commande fiable à long horizon sur un robot souple physique avec des modèles interprétables appris sur vidéo, mais il s'agit d'un banc de laboratoire, avec un seul robot, et sans comparaison à des méthodes de commande classiques fondées sur la physique. Ce travail s'inscrit dans une série consacrée à l'apprentissage de dynamiques latentes visuelles, qui prolonge les VON et s'oppose à la modélisation analytique (courbure constante par morceaux, éléments finis) et aux approches Koopman ou de réseaux de neurones purs. Il s'éloigne aussi des politiques de type VLA (vision-langage-action) pour humanoïdes, qui visent la généralisation de tâches plutôt que la précision de suivi de trajectoire. Aucun pilote industriel ni calendrier de transfert n'est annoncé. Les prochaines étapes plausibles seraient l'extension à des robots à plus de segments, l'ajout de perturbations et de charges externes, et le couplage avec un retour visuel pour corriger la dérive inévitable d'une boucle ouverte.

RecherchePaper
1 source
Modélisation du monde et des actions avec planification visuelle progressive
503arXiv cs.RO 

Modélisation du monde et des actions avec planification visuelle progressive

Des chercheurs présentent ProWAM, un « world action model » (WAM) progressif qui prédit conjointement des actions robotiques et une séquence ordonnée de sous-objectifs visuels épars, à partir d'une observation initiale et d'une instruction. Les WAM existants butent sur les tâches longues : générer des vidéos denses est coûteux, et les variantes qui ne prédisent qu'une seule image future ne disent pas comment progresser vers le but. ProWAM exécute une seule passe avant du backbone vidéo pour mettre en cache les caractéristiques de ces sous-objectifs, puis n'effectue qu'un débruitage d'actions léger à chaque replanification. Les résultats annoncés en simulation sont 85,8 % sur LIBERO-Plus et 75,7 % sur RoboTwin randomisé, soit jusqu'à +35,9 % en relatif face à la meilleure référence. Sur RoboCasa365, le modèle atteint 48,1 % de réussite globale (4e rang) et 18,2 % sur le split difficile Composite-Unseen. En conditions réelles, en zéro-shot dans des scènes inédites, il obtient 70,0 % de réussite contre 55,0 % pour la meilleure référence, soit +15 points (+27,3 % en relatif). L'intérêt tient à la manière dont le modèle sépare planification visuelle et contrôle. Comme la prédiction de sous-objectifs peut s'apprendre sur de grands volumes de vidéos sans actions annotées, le backbone vidéo absorbe la planification que la politique d'action n'a plus à apprendre seule. Cela exploite des données bien plus abondantes que les démonstrations téléopérées. Le coût d'inférence est aussi un enjeu concret : éviter la génération itérative de vidéo complète rend la replanification en boucle fermée plus réaliste sur du matériel embarqué. Le gain porte surtout sur la robustesse hors distribution, point faible classique des politiques VLA et WAM, ce qui touche directement l'écart entre démonstration et déploiement. Quelques réserves : le test réel repose sur un échantillon qui semble réduit (les pourcentages sont des multiples de 5 points, ce qui suggère une vingtaine d'essais), l'écart de 15 points est donc statistiquement fragile. Le classement 4e sur RoboCasa365 nuance aussi une domination qui n'est établie que sur certains benchmarks. Il s'agit en outre d'un préprint arXiv (2610.02508v1), non évalué par les pairs, sans produit ni déploiement industriel associé. Ce travail s'inscrit dans la montée des modèles du monde appliqués au contrôle, qui cherchent à dépasser les VLA purement réactifs en ajoutant une anticipation visuelle. Les approches denses, qui génèrent des vidéos complètes, pèsent lourd en calcul, tandis que les approches à image future unique manquent de guidage intermédiaire. ProWAM se place entre les deux, avec une anticipation indexée sur la progression de la tâche. Le projet est hébergé sous le nom d'organisation « sii-ferenas » ; le résumé ne précise ni le code ni les poids publiés, ni la comparaison détaillée avec des modèles comme Pi-0 ou GR00T. La suite logique serait une validation sur davantage de tâches réelles, avec des essais plus nombreux, et des mesures de latence sur robot pour confirmer le gain d'efficacité revendiqué.

RecherchePaper
1 source
Apprentissage d'actions du monde par guidage latent spectral centré sur l'interaction
504arXiv cs.RO 

Apprentissage d'actions du monde par guidage latent spectral centré sur l'interaction

Des chercheurs publient sur arXiv WING (World Action Learning via INteraction-Centric Spectral Latent Guidance), un cadre qui transfère des connaissances d'interaction depuis des vidéos égocentriques humaines vers des politiques de manipulation robotique. Il s'attaque à deux obstacles. D'une part, les actions latentes inférées par reconstruction d'images sont polluées par des variations parasites, au premier rang desquelles le mouvement de la caméra portée. WING sépare donc le mouvement induit par l'observateur de l'interaction main-objet, et ne distille que cette seconde composante en actions latentes. D'autre part, humains et robots n'ont pas la même dynamique temporelle. Le système identifie alors, dans le domaine spectral, les composantes basses fréquences communes aux actions latentes égocentriques et aux comportements du robot, puis s'en sert pour guider la génération d'actions. Les auteurs annoncent 99,20 % de réussite moyenne sur LIBERO, 93,80 % sur RoboTwin 2.0 et 57,7 % sur RoboCasa-GR1, ainsi que de bons résultats sur quatre tâches réelles, sans en détailler les chiffres dans le résumé. L'intérêt tient à l'hypothèse de départ : la sémantique d'une tâche, commune à l'humain et au robot, se loge dans les structures temporelles lentes, alors que la haute fréquence dépend du corps. Si elle se confirme, la vidéo humaine, abondante et peu chère, deviendrait un substitut crédible aux démonstrations téléopérées, dont le coût freine la montée en échelle. Il faut toutefois relativiser. LIBERO approche la saturation, et RoboCasa-GR1, à 57,7 %, rappelle l'écart qui subsiste en simulation sur des tâches plus longues et plus variées. Les résultats réels, sur seulement quatre tâches, ne permettent pas de conclure sur la robustesse en production. Il s'agit d'un article de recherche, sans produit, ni déploiement, ni calendrier. WING s'inscrit dans la lignée des modèles d'actions latentes, comme LAPA, ou des approches qui exploitent la vidéo humaine pour entraîner des modèles vision-langage-action de type Pi-0 ou GR00T. Tous butent sur le même problème de transfert entre embodiments. La nouveauté ici est le filtrage fréquentiel. La suite logique serait une comparaison directe avec ces références sur des tâches réelles plus nombreuses, avec des chiffres détaillés. Une page projet est disponible pour suivre les démonstrations et, éventuellement, le code.

RecherchePaper
1 source
RoboBridge : un cadre d'agent incarné auto-évolutif pour le transfert simulation-réel
505arXiv cs.RO 

RoboBridge : un cadre d'agent incarné auto-évolutif pour le transfert simulation-réel

Des chercheurs publient sur arXiv (identifiant 2610.02717, première version) RoboBridge, un cadre logiciel pour agents incarnés qui aborde le transfert simulation-réel comme une adaptation continue de compétences exécutables, plutôt que comme un réentraînement de politique. L'agent représente le savoir-faire d'une tâche sous forme de procédures reliant l'intention, les observations, les opérations d'outils et la vérification du résultat. Les retours d'interaction servent à générer des révisions candidates de ces compétences, qui sont évaluées avant d'être conservées ou rejetées. Une politique vision-langage-action (VLA) préentraînée est exposée comme un outil d'action réutilisable, complété par un guidage à l'inférence, ce qui permet une exécution fine sans modifier ses poids. Le cadre est évalué sur le benchmark de simulation LIBERO-PRO et sur des tâches physiques correspondantes, avec deux axes d'étude : l'évolution des compétences et l'adaptation après transfert. Le résumé ne donne ni taux de réussite, ni nombre de tâches, ni plateforme robotique, et ces éléments restent à vérifier dans l'article complet. L'intérêt tient à la méthode de transfert. Le passage de la simulation au réel repose aujourd'hui, pour les politiques VLA de bout en bout, sur le calage des conditions visuelles et dynamiques simulées, la collecte de démonstrations supplémentaires dans le domaine cible et un nouvel entraînement. Ce sont des étapes coûteuses, à refaire à chaque changement d'environnement. RoboBridge déplace l'adaptation vers une couche procédurale, ancrée dans une sémantique de tâche et des interfaces d'interaction communes à la simulation et au réel. La structure réutilisable de la tâche est conservée, et seules les opérations dépendant de l'environnement sont révisées à partir des retours d'exécution réels. Pour un intégrateur, l'enjeu serait de passer d'un déploiement de politique figé à un apprentissage procédural continu après la mise en service. Il s'agit toutefois d'un travail académique à un stade préliminaire : sans chiffres publiés dans le résumé, rien ne permet de dire si l'approche tient la comparaison avec un réglage fin classique, ni à quel coût en appels de modèle et en temps d'adaptation. Ce travail s'inscrit dans deux courants qu'il cherche à rapprocher. D'un côté, les politiques VLA offrent de fortes capacités de manipulation mais restent difficiles à transférer. De l'autre, les agents robotiques utilisant des outils orchestrent bien les tâches, mais réutilisent surtout l'expérience au sein d'un même environnement. Les auteurs positionnent leur cadre comme une voie intermédiaire. Le choix de LIBERO-PRO, variante plus exigeante d'un benchmark de manipulation très répandu, suggère une volonté de tester la robustesse plutôt que la mémorisation. Les prochaines étapes à surveiller sont la publication du code, des résultats chiffrés sur robot réel et une validation sur des tâches industrielles plus longues, seules à même de confirmer la portée de l'approche.

RecherchePaper
1 source
Apprentissage natif de prior d'action à partir de vidéos pour les modèles d'action du monde
506arXiv cs.RO 

Apprentissage natif de prior d'action à partir de vidéos pour les modèles d'action du monde

Des chercheurs publient sur arXiv (2610.03391) NAVA-WAM, un « world action model » (WAM) qui apprend une politique d'action directement à partir de vidéos sans annotation d'actions. Un WAM combine la prédiction de la dynamique visuelle future et celle des actions du robot. Jusqu'ici, ces modèles dépendaient de trajectoires robotiques annotées avec les actions, rares et coûteuses à collecter. NAVA-WAM s'entraîne en deux étapes. Le pré-entraînement porte sur des vidéos d'observation seule : une supervision par flow matching sur les transitions visuelles futures est propagée, via une attention jointe structurée par transitions, jusqu'à l'Action-DiT, le module de diffusion qui produit les actions. Celui-ci acquiert ainsi des « priors » d'action. La seconde étape affine l'Action-DiT sur des démonstrations étiquetées par un flow matching conjoint vidéo-action. Une attention asymétrique découple la branche visuelle du débruitage itératif des actions, ce qui permet une inférence rapide, limitée aux actions. Les auteurs affirment de meilleurs résultats que les approches antérieures, en distribution comme hors distribution, une bonne efficacité en nombre d'étiquettes d'action et une généralisation sur robot réel. Le résumé ne fournit ni score chiffré, ni liste de tâches, ni nom de plateforme robotique. L'enjeu est celui du goulot d'étranglement des données. Les modèles vision-langage-action (VLA) et leurs variantes à modèle de monde se heurtent au coût de la téléopération. Les vidéos humaines ou robotiques sans étiquettes, elles, existent en grande quantité. Les méthodes actuelles les exploitent par deux voies indirectes : pré-entraîner des représentations visuelles qu'il faut ensuite adapter au contrôle, ou inférer des « actions latentes » à ancrer ensuite sur des commandes robot. NAVA-WAM supprime ces intermédiaires, ce qui limiterait les pertes de transfert et la complexité d'un modèle d'action latente séparé. Si le résultat tient à grande échelle, le volume de données robotiques annotées nécessaires pour une nouvelle tâche ou un nouvel embodiment pourrait baisser. Un intégrateur pourrait alors réutiliser des vidéos de ses propres lignes. Prudence toutefois : il s'agit d'un preprint non évalué par des pairs. Les gains annoncés restent à confirmer par des benchmarks indépendants, avec des détails sur la quantité de vidéos et la diversité des tâches réelles testées. Ce travail s'inscrit dans la course aux WAM et aux politiques apprises de vidéo, face aux VLA entraînés sur démonstrations (Pi-0, GR00T) et aux approches par actions latentes. Les prochaines étapes à surveiller sont la publication du code et des poids, des évaluations sur des corpus vidéo plus larges, et une comparaison directe avec les modèles de fondation industriels. Les auteurs ne signalent aucun partenaire industriel ni déploiement.

RecherchePaper
1 source
MixVLA : mélange adaptatif des informations non invariantes pour des modèles vision-langage-action (VLA) généralisables
507arXiv cs.RO 

MixVLA : mélange adaptatif des informations non invariantes pour des modèles vision-langage-action (VLA) généralisables

Des chercheurs publient sur arXiv (2610.02898) MixVLA, un cadre d'entraînement pour modèles Vision-Language-Action (VLA) qui vise à améliorer la généralisation zéro-shot en conditions hors distribution (OOD). Le principe repose sur un module baptisé Adaptive Mixing of Non-Invariant Information (AMI). Celui-ci mélange de façon stochastique les représentations « non invariantes », c'est-à-dire les facteurs propres à un environnement comme l'apparence, l'éclairage ou la texture. Les représentations mélangées sont ensuite fusionnées avec les représentations invariantes, liées à la structure de la tâche, pour prédire l'action finale. La méthode est dite agnostique au modèle : elle ne demande ni donnée OOD supplémentaire ni modification d'architecture. Les auteurs l'évaluent sur LIBERO, LIBERO-Plus, la suite de perturbations de RoboTwin et des tâches réelles, et affirment une meilleure robustesse zéro-shot sans perte de performance en domaine. Le résumé ne donne aucun chiffre, ni gain, ni nom de modèle de base, ni nombre d'essais réels. L'enjeu touche l'un des points faibles les mieux identifiés des VLA : leur fragilité dès que la scène s'écarte des données d'entraînement. Ces politiques tendent à s'appuyer sur des indices visuels parasites (fond, couleur, position de caméra) plutôt que sur la structure de la tâche, ce qui explique une part de l'écart entre démonstration et déploiement. Pour un intégrateur ou un responsable industriel, un gain obtenu par simple recette d'entraînement, sans nouvelle collecte de données ni changement d'architecture, serait précieux, car la collecte de téléopération reste l'un des postes de coût les plus lourds. Il faut toutefois rester prudent : sans résultats chiffrés, il est impossible de juger l'ampleur du gain, et les benchmarks de simulation, même perturbés, ne garantissent pas la robustesse en atelier. Le volet réel, dont l'ampleur n'est pas précisée, devra être examiné dans l'article complet. Ce travail s'inscrit dans une série de recherches sur la robustesse des VLA. LIBERO-Plus et la suite de perturbations de RoboTwin ont été conçus pour exposer la sensibilité de ces modèles aux variations de caméra, d'éclairage, d'objets ou de langage, après que les scores quasi saturés sur LIBERO standard ont montré leurs limites. MixVLA se rapproche des techniques de régularisation et d'augmentation de représentations issues de la généralisation de domaine, ici transposées aux VLA. Il reste à voir s'il se montre complémentaire des grands modèles généralistes comme Pi-0 ou GR00T, et si le code et les poids sont publiés pour permettre une reproduction indépendante. Il s'agit d'une prépublication v1, non évaluée par des pairs, qui relève de la recherche et non d'un produit livré ou d'un déploiement.

RecherchePaper
1 source
Des a priori linguistiques à l'adaptation sur le terrain : l'apprentissage par préférences pour l'estimation de la traversabilité
508arXiv cs.RO 

Des a priori linguistiques à l'adaptation sur le terrain : l'apprentissage par préférences pour l'estimation de la traversabilité

Des chercheurs proposent une méthode d'estimation de la traversabilité par images qui réduit fortement le nombre d'annotations nécessaires pour adapter un modèle à un nouveau robot ou à un nouveau terrain. Publié sur arXiv (2610.02974), le travail représente la traversabilité par des prototypes de mélange de von Mises-Fisher, des distributions directionnelles, dans l'espace de caractéristiques figé d'un modèle vision-langage. Des règles relatives en langage naturel (par exemple, un type de surface est préférable à un autre) fournissent un a priori de bon sens. Quelques annotations d'images, elles aussi relatives, ajustent ensuite les directions des prototypes et leurs utilités au domaine cible, par un fine-tuning léger en calcul comme en données. Les tests sont menés sur WayFAST. Les auteurs annoncent une précision comparable à celle d'estimateurs entraînés de bout en bout, sans fournir de chiffres dans le résumé. Ils montrent aussi, de façon qualitative, que l'a priori linguistique fonctionne en zero-shot et que le modèle affiné améliore la prédiction dense sur des cartes sémantiques. Le code et les estimateurs entraînés sont publiés sur resireg.github.io. L'enjeu est très concret pour les intégrateurs et les exploitants de robots mobiles hors site structuré. La traversabilité dépend de la plateforme (roues, chenilles, quadrupède), du terrain et des préférences de mission : un même sol boueux n'a pas la même valeur pour un robot agricole que pour une unité d'inspection. Les modèles entraînés pour un seul cas se transfèrent donc mal, et chaque nouveau déploiement exige un coût d'annotation élevé. S'appuyer sur des comparaisons relatives plutôt que sur des labels absolus abaisse cette barrière, et l'encodage de préférences en langage naturel permet à un opérateur non spécialiste de régler le comportement sans réentraîner un réseau complet. L'interprétabilité apporte un second atout : l'analyse des prototypes appris, rapprochés de prompts sémantiquement proches, rend visible ce que le modèle considère comme franchissable, un point utile pour la validation de sûreté. Il faut toutefois rester prudent : il s'agit d'un résultat de recherche évalué sur un seul jeu de données connu dans le résumé, sans déploiement terrain annoncé. Ce travail s'inscrit dans la tendance qui consiste à réutiliser des modèles de fondation vision-langage figés pour la navigation, afin d'éviter des chaînes d'annotation coûteuses et propres à chaque robot. Il se place face aux estimateurs de traversabilité supervisés de bout en bout, qui restent la référence en précision mais exigent beaucoup de données, et face aux approches auto-supervisées fondées sur l'expérience du robot. Les suites probables sont des validations sur d'autres plateformes et d'autres environnements, ainsi qu'une intégration dans des piles de planification de trajectoire. Aucun calendrier de pilote n'est annoncé.

RecherchePaper
1 source
Relier le raisonnement de pointe et l'exécution robotique : de la génération autonome de démonstrations à la supervision dense par le langage
509arXiv cs.RO 

Relier le raisonnement de pointe et l'exécution robotique : de la génération autonome de démonstrations à la supervision dense par le langage

Des chercheurs publient sur arXiv (2610.03615) une méthode pour relier les grands modèles « frontier » et les politiques robotiques locales rapides, deux briques qui ne tournent pas à la même vitesse. Le point de départ : ces modèles de raisonnement permettent déjà de faire manipuler un robot à partir de quelques démonstrations seulement, mais leur latence d'inférence les rend inutilisables pour du contrôle en temps réel. L'équipe explore deux « ponts » complémentaires. Le premier fait générer de façon autonome par le modèle frontier des démonstrations, qui viennent compléter celles des humains pour entraîner une politique locale rapide. Les exemples fournis en contexte sont enrichis de segments correctifs montrant comment récupérer après une erreur physique, ce qui fiabilise la génération. Le temps et le coût de génération diminuent à mesure que les exemples réussis s'accumulent dans le contexte. Au déploiement, un « harness » associe les instructions du modèle frontier à la politique locale, qui exécute vite pendant que le modèle continue de guider et de corriger. Le second pont introduit une supervision linguistique dense à trois niveaux imbriqués (primitif, atomique, composite), avec plusieurs descriptions par niveau. L'intérêt tient à la répartition des rôles. Les approches VLA (vision-langage-action) actuelles butent sur un compromis : le raisonnement fin est lent, l'exécution rapide est peu flexible. Ici, le goulot d'étranglement se déplace vers la capacité de la politique locale à suivre de manière fiable des instructions variées, et c'est précisément ce que cible la supervision dense. Sur des tâches longues dans RoboCasa 365 et BEHAVIOR-1K, où les consignes changent en cours d'exécution, la combinaison des deux niveaux de supervision obtient les meilleurs résultats, aussi bien avec un instructeur « oracle » qu'avec un modèle frontier. Pour un intégrateur, cela suggère que l'interface langagière peut servir de couche de contrôle stable entre un « cerveau » cloud et un exécutant embarqué, sans réentraîner l'ensemble. À nuancer : les résultats annoncés sont principalement obtenus en simulation et les chiffres précis ne figurent pas dans le résumé, de sorte que l'écart entre démonstration et déploiement industriel reste à mesurer. Ce travail s'inscrit dans la tendance des architectures à double système, popularisées par des approches comme Helix de Figure ou GR00T de NVIDIA, qui séparent planification lente et exécution rapide. Les benchmarks RoboCasa 365 et BEHAVIOR-1K, centrés sur des tâches domestiques de longue durée, servent de terrain d'évaluation commun. Les auteurs testent enfin les deux ponts ensemble sur une tâche de mots croisés combinant planification sémantique et manipulation dans un budget de temps fixe, un cas volontairement atypique. Aucun déploiement ni calendrier de commercialisation n'est annoncé : il s'agit d'une publication de recherche, dont la suite logique serait une validation sur robots physiques et des tâches industrielles.

RecherchePaper
1 source
RoboChemGym : un cadre de simulation générative piloté par protocoles pour la manipulation chimique de longue durée
510arXiv cs.RO 

RoboChemGym : un cadre de simulation générative piloté par protocoles pour la manipulation chimique de longue durée

RoboChemGym est un framework de simulation générative qui produit automatiquement des démonstrations de manipulation robotique alignées sur de vrais protocoles de laboratoire de chimie. Il a été décrit dans un preprint arXiv (2610.02708v1, octobre 2026). Son mécanisme central, la « synthèse de tâches auto-améliorante », affine de façon itérative l'exécution des tâches et la configuration des scènes. Il génère ainsi des trajectoires expertes fiables pour des protocoles multi-objets dépassant 10 étapes d'interaction. Les auteurs proposent aussi un benchmark hiérarchique qui évalue les agents à plusieurs granularités, des opérations atomiques jusqu'aux cycles expérimentaux complets. Le résumé ne donne ni taux de réussite, ni nom de robot ou de modèle testé, ni validation sur matériel réel. Il s'agit donc d'une contribution de recherche, sans produit ni déploiement. L'enjeu porte sur la donnée, pas sur le matériel. L'expérimentation en laboratoire humide reste l'étalon-or pour vérifier des hypothèses scientifiques, mais elle est coûteuse, laborieuse et risquée. Les données réelles pour entraîner des agents incarnés y sont rares : chaque démonstration mobilise de la verrerie, des réactifs et des opérateurs formés. Les générateurs de démonstrations en simulation visent surtout des tâches courtes et peu contraintes, alors qu'une manipulation chimique impose un ordre strict des opérations et une précision fine, par exemple pour verser, transvaser ou doser. Si l'approche tient ses promesses, elle fournirait une source de données à l'échelle pour les politiques VLA (vision-langage-action) ou d'imitation sur des horizons longs. Reste la question habituelle du transfert sim-to-real, que le résumé ne traite pas. Les liquides, la transparence du verre et les contacts délicats sont précisément les points où l'écart entre simulation et réalité est le plus marqué. Sans résultats chiffrés, la fiabilité annoncée reste à confirmer. Ce travail s'inscrit dans le mouvement des « laboratoires autonomes » ou « self-driving labs ». Ceux-ci ont surtout reposé jusqu'ici sur des plateformes d'automatisation fixes ou sur des bras robotiques programmés à la main pour un protocole donné. Les approches de génération de données en simulation, pilotées par des modèles de langage ou des modèles de fondation, ont progressé sur des tâches domestiques ou de tri, mais rarement sur des procédures scientifiques aussi structurées. La suite logique serait une validation sur robot réel, des comparaisons de politiques sur le benchmark et une publication du code et des scènes pour permettre la reproduction. Ces éléments conditionneront l'intérêt réel pour les intégrateurs de robotique de laboratoire.

RecherchePaper
1 source
GeoScaffold : apprendre des latents géométriques compacts par reconstruction pour une navigation vision-langage efficace
511arXiv cs.RO 

GeoScaffold : apprendre des latents géométriques compacts par reconstruction pour une navigation vision-langage efficace

Une équipe de chercheurs publie sur arXiv GeoScaffold, un cadre de supervision géométrique pour la navigation vision-langage (VLN) en environnement continu. Il cible les politiques Video-LLM en streaming. Ces modèles convertissent directement des images RGB égocentriques et une instruction en actions de bas niveau, mais héritent de faibles a priori 3D de leur préentraînement 2D. La méthode se déroule en deux temps. Un tokenizer de profondeur compact est d'abord appris sur les cartes de profondeur des trajectoires d'entraînement, puis gelé. La politique est ensuite affinée avec quelques tokens de requête géométrique apprenables, dont les états cachés doivent reconstruire des informations utiles à la navigation: profondeur, connectivité de l'espace et traversabilité. Après l'entraînement, le tokenizer, les générateurs de cibles et les têtes de reconstruction sont supprimés. Le backbone et l'interface d'action restent identiques. Les auteurs affirment que GeoScaffold surpasse les navigateurs purement visuels de référence sur des benchmarks VLN continus. Le résumé ne donne aucun chiffre, ni taux de succès, ni latence, ni taille de modèle. L'enjeu est le coût d'inférence. Les extensions géométriques existantes imposent en production des capteurs de profondeur, des encodeurs 3D ou des appels d'outils de perception à chaque pas. Cela alourdit la nomenclature matérielle, la consommation et la latence. GeoScaffold déplace ce coût vers l'entraînement. Pour un intégrateur qui vise un déploiement embarqué sur robot mobile ou quadrupède, l'idée est donc de gagner en compréhension spatiale sans ajouter de capteur. Il faut toutefois rester prudent. Les résultats portent sur des benchmarks, probablement simulés, et aucun essai sur robot réel n'est mentionné. La profondeur reste indispensable à l'entraînement, ce qui suppose des données qui en contiennent. Ce travail ne tranche donc pas la question du transfert sim-to-real. Ce travail s'inscrit dans le passage des pipelines de navigation modulaires aux politiques de bout en bout de type VLA et Video-LLM. Ces dernières sont séduisantes par leur simplicité, mais limitées par leur pauvreté géométrique. Les approches concurrentes y répondent en ajoutant des modules au moment de l'inférence. GeoScaffold suit l'autre voie, qui consiste à injecter la structure 3D dans les poids par des objectifs auxiliaires de reconstruction. Aucun acteur français ou européen n'est cité. Il s'agit d'un preprint, sans produit ni déploiement. Les prochaines étapes à surveiller sont la publication du code, la mesure de la latence sur matériel embarqué et une validation sur robot physique.

RecherchePaper
1 source
Cadre de caractérisation sans apprentissage de la résilience et de la sensibilité des capteurs tactiles visuels en polyuréthane
512arXiv cs.RO 

Cadre de caractérisation sans apprentissage de la résilience et de la sensibilité des capteurs tactiles visuels en polyuréthane

Des chercheurs proposent un cadre de caractérisation pour comparer le matériel des capteurs tactiles à base de vision (VBTS, pour vision-based tactile sensors) et testent le polyuréthane comme alternative aux gels de silicone qui équipent aujourd'hui ces capteurs. L'étude, publiée sur arXiv (2511.07797, troisième version), part d'un constat : les surfaces tactiles en silicone offrent une grande sensibilité, mais se dégradent vite sous charge et sous l'effet de l'usure. Le polyuréthane est un matériau plus dur, utilisé pour les semelles de chaussures, les roues en caoutchouc et les joints industriels. Les auteurs l'ont soumis à trois tests de résilience : charge normale, charge en cisaillement et abrasion. Pour la sensibilité, ils ont conçu des mesures « sans apprentissage » de la sensibilité en force et de la sensibilité spatiale. Le résumé ne donne aucun chiffre précis. Une tâche de dévissage et de revissage de bouchon de bouteille sert de validation au niveau système. Selon les résultats, le polyuréthane améliore nettement la résilience. Il perd en sensibilité aux faibles forces, mais sa plage de force utile s'élargit largement. Ces travaux touchent un point faible rarement mesuré de la manipulation dextre : la durabilité du toucher. Les démonstrations de mains robotiques et de modèles de manipulation (VLA) s'appuient de plus en plus sur des signaux tactiles denses. Pourtant, la littérature évalue peu la tenue des capteurs sur la durée, et leur performance intrinsèque se confond souvent avec les choix de jeu de données et d'architecture de réseau. L'approche sans apprentissage isole la qualité du capteur de ces effets, ce qui permet de comparer des matériaux et des designs sur une base commune. Pour un intégrateur, le compromis est net : le silicone convient aux tâches de précision à faible effort, le polyuréthane aux environnements rugueux et à forte charge, plus proches d'un atelier ou d'une logistique réelle. Le gel est une pièce d'usure, donc un coût de maintenance. Ce n'est toutefois pas encore une preuve de déploiement industriel. La validation repose sur une seule tâche de laboratoire, et le résumé ne donne ni cycles d'usure ni seuils de force chiffrés. Les capteurs VBTS, dont la famille GelSight est la référence historique, filment la déformation d'un gel par une caméra interne pour reconstruire la géométrie et les forces de contact. Ils sont devenus un standard de recherche, mais leurs gels souples restent fragiles. D'autres équipes cherchent à durcir les capteurs tactiles par d'autres voies, notamment des peaux électroniques et des architectures magnétiques. Le texte ne mentionne aucun acteur français ou européen, et les auteurs ne sont pas nommés dans le résumé. La suite logique serait de publier des seuils de force, des durées de vie en cycles et des tests sur davantage de tâches. Une adoption dans des mains dextres commerciales supposerait des essais de longue durée en conditions réelles.

RecherchePaper
1 source
GlowTact : un capteur tactile visuel simple et compact, à haute sensibilité et haute résolution spatiale
513arXiv cs.RO 

GlowTact : un capteur tactile visuel simple et compact, à haute sensibilité et haute résolution spatiale

GlowTact, un capteur tactile à base de vision (VBTS) décrit dans un preprint arXiv (v2), vise explicitement les bouts de doigts de robots humanoïdes. Son principe repose sur une membrane en nitrile durable qui visualise directement la pression de contact. Là où de nombreux VBTS exigent un éclairage multicolore ou directionnel et une reconstruction géométrique explicite, GlowTact se contente d'une illumination monochrome non directionnelle. L'image brute de la caméra représente directement la distribution de pression, sans étape de reconstruction intermédiaire. Les auteurs affirment une détection de contact à l'échelle du gramme, une estimation précise de la force normale et la restitution de géométries fines, jusqu'aux filets d'une vis M1 (environ 1 mm de diamètre). Le résumé ne donne ni dimensions du capteur, ni erreur chiffrée sur la force, ni résolution spatiale en millimètres, ni nombre d'essais. L'intérêt tient à la simplification. Les VBTS, dans la lignée de GelSight, fournissent une information de contact très riche, mais leur optique (LED de plusieurs couleurs, gel épais, miroirs, calibration photométrique) les rend difficiles à miniaturiser et à adapter à des doigts de la taille d'une main humaine. Une architecture à lumière unique et à lecture directe de la pression réduit le nombre de pièces, le coût potentiel et la charge de calcul, trois points décisifs pour un intégrateur qui doit équiper dix à vingt doigts par robot. Le choix du nitrile, matériau courant et résistant à l'usure, répond aussi à la question de la durabilité, souvent éludée dans les démonstrations de laboratoire. Reste à vérifier ces promesses : il s'agit de résultats de laboratoire, sans test de longévité, de reproductibilité entre capteurs ni de comparaison quantitative publiée avec des références comme GelSight Mini ou DIGIT. Ce travail s'inscrit dans la course à la dextérité des humanoïdes, où le toucher est devenu le chaînon manquant des politiques de manipulation de type VLA, majoritairement guidées par la seule vision. Les mains de Tesla (Optimus), Figure ou Sharpa misent sur des capteurs tactiles plus ou moins intégrés, tandis que Meta (DIGIT), GelSight ou la recherche académique poussent le tactile optique. Il s'agit ici d'un composant de recherche, sans produit commercial, client ni calendrier annoncé. Les prochaines étapes à surveiller sont une intégration sur une main dextre complète, des tests de manipulation en boucle fermée et une éventuelle disponibilité en open source.

RecherchePaper
1 source
KungfuAthleteBot : apprendre des mouvements humanoïdes très dynamiques à partir de vidéos, avec une récupération robuste unifiée
514arXiv cs.RO 

KungfuAthleteBot : apprendre des mouvements humanoïdes très dynamiques à partir de vidéos, avec une récupération robuste unifiée

Des chercheurs publient KungfuAthleteBot (KAB), un cadre d'apprentissage qui fait acquérir à un robot humanoïde des mouvements très dynamiques à partir de vidéos. Les auteurs ont constitué le jeu de données KungfuAthlete à partir de vidéos d'artistes martiaux de niveau national. Ils y appliquent une correction de trajectoire parabolique guidée par la physique. Elle supprime trois défauts de la reconstruction vidéo dans les phases aériennes et d'atterrissage : flottement en hauteur, pénétration du sol et vibrations haute fréquence. Ils introduisent ensuite un échantillonnage dit « pseudo-LKE » (low kinetic energy, faible énergie cinétique), qui oriente l'initialisation de l'entraînement vers des états dynamiquement faisables. Enfin, la récupération après perturbation et après chute est apprise dans la même politique que le suivi du mouvement vidéo. Cette approche n'exige ni données de référence de récupération ni bascule manuelle entre modes. Sur un robot humanoïde, les auteurs rapportent une récupération après des chutes arbitraires en environ 0,7 s. Ils la présentent comme la plus rapide publiée pour une politique unifiée. Le robot utilisé et le détail des conditions d'essai ne figurent pas dans le résumé de l'étude (preprint arXiv 2610.03388, non évalué par des pairs). L'intérêt tient au diagnostic plus qu'au record. La vidéo est une source de mouvement abondante et bon marché, mais reciblage direct d'une trajectoire reconstruite ne suffit pas. Elle est physiquement incohérente, ne contient aucune information de couple ou de force, et ne dit rien des échecs. Suivre strictement une telle référence est dynamiquement irréalisable, et une initialisation guidée par l'erreur relance sans cesse la politique depuis des poses aériennes impossibles. Les ablations indiquent que réparer et compenser les données vidéo compte plus que d'en accumuler davantage. Cette conclusion nuance la tendance à tout miser sur le volume de données pour les politiques de mouvement du corps entier. Pour un intégrateur, la fusion du suivi et de la récupération dans un seul réseau simplifie l'architecture de contrôle et réduit les transitions fragiles entre contrôleurs. Les réserves habituelles s'appliquent toutefois : le résultat vient d'un laboratoire, et le résumé ne donne ni taux de réussite ni nombre d'essais. Le chiffre de 0,7 s dépend aussi de la définition de la « récupération » et de la posture initiale de chute, que le résumé ne précise pas. Ces travaux s'inscrivent dans la série de méthodes qui apprennent à des humanoïdes des mouvements humains par suivi de référence en simulation, puis par transfert vers le robot réel. Des approches comme DeepMimic, puis les politiques de suivi du corps entier, ont popularisé cette logique. La difficulté restait le passage de mouvements capturés en studio à des mouvements acrobatiques extraits de vidéos. Les gestes de kung-fu, avec sauts et réceptions, sont un banc d'essai exigeant pour cette question. Les prochaines étapes à surveiller sont la publication du code et du jeu de données, la validation sur plusieurs plateformes et la mesure de la robustesse hors laboratoire. Aucun déploiement industriel ni produit n'est annoncé à ce stade.

RecherchePaper
1 source
CSIR : des robots sensibles au contexte et aux normes sociales pour une navigation efficace vers une personne cible
515arXiv cs.RO 

CSIR : des robots sensibles au contexte et aux normes sociales pour une navigation efficace vers une personne cible

Des chercheurs proposent CSIR, un cadre de planification qui permet à un robot mobile de retrouver une personne en intérieur pour lui remettre un objet, même quand la demande est vague et que les informations sur le destinataire sont incomplètes. Le travail, publié sur arXiv (2610.02750) et accompagné d'un site de démonstration anonymisé, traite le problème dit « Person Goal Navigation » (PersonNav). La méthode combine deux signaux : la distance jusqu'aux lieux candidats et des informations sémantiques sur la personne (habitudes, intention), pondérées par le degré de confiance accordé aux renseignements fournis par l'utilisateur. Les auteurs ont aussi construit un banc d'essai synthétique, avec acteurs, objets et requêtes en langage naturel, pour évaluer les performances avant tout déploiement réel. Selon l'étude, la recherche informée surpasse nettement les références classiques fondées sur des graphes et la seule distance. La sémantique employée seule produit une exploration sporadique, mal ancrée dans l'espace. Une variante pilotée par un LLM obtient des résultats comparables. Des essais sur matériel ont été réalisés. Le résumé ne donne ni chiffres de gain, ni plateforme robotique, ni site de test. L'intérêt tient au problème visé. Les systèmes de recherche de personnes existants supposent en général une connaissance exacte de l'individu, ce qui ne correspond pas aux usages de livraison en bureaux, hôpitaux ou hôtels, où la consigne est du type « apporte ça à la personne de la comptabilité ». Le résultat contredit aussi une tentation courante : le tout-sémantique, ou le tout-LLM, ne suffit pas sans ancrage métrique. Le fait que la variante LLM ne fasse que jeu égal avec le planificateur explicite relativise l'idée qu'un modèle de langage généraliste serait nécessaire ici. La représentation explicite des croyances ouvre en outre la voie à un filtrage bayésien, plus auditable pour un intégrateur. Reste une réserve : les gains sont mesurés surtout en simulation sur un benchmark conçu par les auteurs, et la validation matérielle est décrite de façon qualitative. Ce travail s'inscrit dans la navigation orientée objectif (ObjectNav, puis PersonNav), où les approches apprises souffrent d'un manque de données publiques, la confidentialité des personnes limitant la collecte. Les auteurs contournent ce verrou par la planification et la génération synthétique, plutôt que par l'apprentissage de bout en bout adopté par de nombreux laboratoires. Il s'agit d'une publication de recherche, pas d'un produit ni d'un pilote : aucun calendrier de déploiement n'est annoncé. La suite logique serait le filtrage bayésien évoqué, puis des tests en environnement occupé et sur de longues durées.

RecherchePaper
1 source
RRT* sensible à la durée de vie résiduelle (RUL) : planification de mouvement équilibrant la dégradation des manipulateurs robotiques
516arXiv cs.RO 

RRT* sensible à la durée de vie résiduelle (RUL) : planification de mouvement équilibrant la dégradation des manipulateurs robotiques

Des chercheurs publient sur arXiv (2610.02469) le RUL-aware RRT, une variante de l'algorithme de planification de mouvement RRT qui intègre la durée de vie utile restante (RUL, remaining useful life) de chaque articulation d'un bras manipulateur. Le principe : plutôt que de chercher uniquement le chemin le plus court ou le plus fluide, le planificateur ajuste en continu la sollicitation de chaque axe en fonction de son état de santé estimé, afin de répartir l'usure. La méthode est évaluée en simulation sur trois scénarios : santé complète (Full Health Scenario), dégradation hétérogène entre articulations (Heterogeneous Degradation Scenario) et dégradation localisée sur un axe (Local Degradation Scenario). Selon les auteurs, elle réduit le déséquilibre de dégradation, retarde l'apparition de la défaillance de l'articulation la plus faible et améliore la fiabilité à long terme. Le résumé publié ne fournit ni chiffres de gain, ni modèle de robot, ni validation sur matériel réel. L'enjeu est d'abord économique. Sur un bras en service continu, c'est l'actionneur le plus usé qui fixe la date de l'arrêt non planifié, même si les autres axes ont de la marge. Les planificateurs classiques ignorent cet état de santé et peuvent aggraver le déséquilibre en réutilisant toujours les mêmes articulations. Pour un intégrateur ou un responsable de maintenance, l'intérêt est de décaler la panne du maillon faible et de rapprocher les interventions, sans changer le matériel. Cela renforce la maintenance prédictive, qui passe de la simple alerte à un levier de commande du mouvement. Les résultats restent toutefois à relativiser : les scénarios sont synthétiques, la fiabilité de l'estimation de RUL est supposée acquise, et le coût de calcul comme l'impact sur le temps de cycle ne sont pas documentés. Un chemin qui ménage un axe peut allonger la trajectoire ou dégrader la précision. Ce travail s'inscrit dans la recherche sur le pronostic et la gestion de santé (PHM) des robots, longtemps séparée de la planification de mouvement. RRT* est un standard d'échantillonnage asymptotiquement optimal, et y ajouter un coût lié à la santé est une extension naturelle, déjà explorée pour l'énergie ou les couples articulaires. Pour que cela quitte le papier, il faudra des estimateurs de RUL fiables sur des cobots et bras industriels réels, ce qu'ont commencé à proposer les grands fabricants via leurs offres de surveillance d'état. Les suites logiques sont des essais sur banc avec des actionneurs vieillissants, puis des tests en cellule de production avec mesure du temps de cycle et des arrêts évités.

RecherchePaper
1 source
LOCUS : discrimination de conteneurs par repères à l'aide de graphes spatiaux
517arXiv cs.RO 

LOCUS : discrimination de conteneurs par repères à l'aide de graphes spatiaux

Des chercheurs proposent LOCUS (Landmark-Oriented Container Discrimination Using Spatial Graphs), une méthode destinée à aider un robot à décider où chercher un objet qui n'est pas visible, par exemple dans quel meuble ou conteneur d'une pièce. Le système entraîne un réseau de neurones sur graphes (GNN) qui met à jour des embeddings CLIP sur un graphe de scène complet de l'environnement, en faisant circuler l'information entre nœuds selon leur proximité. Ces embeddings sont enrichis par des connaissances sémantiques issues d'une fusion d'ontologies domestiques. L'évaluation en simulation repose sur un graphe de scène sans bruit, tiré des métadonnées du simulateur, ce qui rend l'approche indépendante du détecteur. LOCUS surpasse quatre références (choix aléatoire, similarité cosinus avec CLIP, Tidybot et un planificateur à base de LLM) dans la majorité des types de pièces et des configurations testés. Les auteurs ne donnent pas, dans le résumé, de chiffres de performance. Une démonstration sur un manipulateur mobile physique couvre un pipeline d'exploration complet, avec des étiquettes de graphe produites par le détecteur Detic. L'enjeu dépasse la recherche d'objets domestiques. Le raisonnement sur les relations spatiales et sémantiques reste un point faible des robots déployés hors environnements structurés, et la similarité CLIP seule peine à départager des conteneurs proches, à la fois par leur position et par leur sens. Ici, la décision tient compte de ce qui est physiquement plausible et de ce qui est sémantiquement probable. Pour un intégrateur, c'est un levier de réduction du temps d'exploration, donc de productivité, dans la logistique, le soin ou la maison. Il faut toutefois relativiser. Le principal protocole chiffré utilise un graphe parfait issu du simulateur, et la robustesse au bruit n'est montrée que par une démonstration réelle unique, sans statistiques. L'écart entre simulation et déploiement reste donc largement ouvert, et la domination sur « la majorité » des configurations suppose que certaines échappent à LOCUS. Ces travaux s'inscrivent dans la recherche sur les graphes de scène et la navigation guidée par le langage, où CLIP s'est imposé comme brique sémantique par défaut et où les planificateurs LLM prolifèrent. Le choix de Tidybot comme référence rappelle la filiation avec la manipulation domestique pilotée par des modèles de langage. L'approche concurrence ainsi les méthodes purement LLM, plus coûteuses et moins ancrées dans la géométrie, tout comme les modèles vision-langage-action de bout en bout, qui n'exploitent pas explicitement la structure spatiale. Il s'agit d'une publication académique (arXiv, 1re version), sans produit, sans calendrier ni partenaire industriel annoncé. Les suites naturelles seraient une évaluation sur graphes bruités à grande échelle, des essais dans plusieurs domiciles réels et une intégration avec des modèles de fondation pour la manipulation.

RecherchePaper
1 source
Autour du monde : une locomotion apprise unifiée sur un quadrupède de 270 g à rotation continue
518arXiv cs.RO 

Autour du monde : une locomotion apprise unifiée sur un quadrupède de 270 g à rotation continue

Des chercheurs ont publié sur arXiv (v1, octobre 2026) une étude sur MiNI-Q, un quadrupède de 270 g dont les jambes à rotation continue lui permettent de prendre appui de part et d'autre du corps. Un seul réseau de neurones, de moins de 100 000 paramètres, entraîné par apprentissage par renforcement et conditionné par la posture, tourne entièrement à bord du robot. Il pilote la marche à l'endroit, la marche à l'envers et la récupération après réception d'une chute, sans machine à états ni commutation de phases. La référence de mouvement est une trajectoire continue dans l'espace articulaire, sur le tore T^8, transformée en fonction de la gravité. L'entraînement combine des curriculums de posture et de lâcher. Sur matériel réel, le robot suit une vitesse d'avance avec une erreur RMSE de 0,037 m/s à l'endroit et de 0,050 m/s à l'envers. Il reprend la marche dans 24 essais de lâcher sur 30, soit 80 %. Il fonctionne avec quatre géométries de pied interchangeables sur quatre surfaces d'intérieur. Les auteurs s'appuient sur une identification des actionneurs, une validation croisée entre moteurs de simulation et une exécution embarquée pour le transfert vers le matériel. Des vidéos et un complément sont en ligne sur le site du projet. L'intérêt tient moins à la performance brute qu'à l'unification. Sur les quadrupèdes commerciaux, la locomotion apprise en boucle fermée est bien établie. Elle reste rare à l'échelle sub-kilogramme, où les contraintes de calcul, de couple et de précision des actionneurs sont plus sévères. Montrer qu'une seule politique compacte couvre trois comportements habituellement traités par des contrôleurs distincts va dans le sens de politiques unifiées plutôt que de piles logicielles à états. Le résultat est aussi un cas de transfert simulation-réel sur une plateforme bon marché et très légère. Le taux de réussite de 80 % à la reprise après lâcher montre que la robustesse n'est pas encore acquise. Les chiffres viennent de laboratoire, en intérieur, sur des surfaces peu variées. Les conditions de lâcher ne sont pas détaillées dans le résumé. L'étude ne doit donc pas être lue comme une preuve de robustesse en conditions réelles. Pour le contexte, MiNI-Q relève de la recherche académique sur les robots à pattes miniatures, loin des humanoïdes et des grands quadrupèdes industriels. Il se distingue par l'accès à des configurations d'appui des deux côtés du corps, offert par la rotation continue. La plupart des plateformes apprises, comme celles de Boston Dynamics, Unitree ou ANYbotics, sont plus lourdes et limitées à une posture dominante. Aucun produit, prix ni calendrier de déploiement n'est annoncé, et il s'agit d'un préprint. La suite attendue passe par une évaluation par les pairs, une publication du code et des matériaux, puis des tests sur terrains extérieurs plus variés.

RecherchePaper
1 source
CrowdOcc : complétion sémantique de scènes par vision monoculaire pour robots quadrupèdes en intérieur bondé
519arXiv cs.RO 

CrowdOcc : complétion sémantique de scènes par vision monoculaire pour robots quadrupèdes en intérieur bondé

Une équipe de chercheurs publie CrowdOcc, un jeu de données RGB-D et un cadre de complétion sémantique de scène (SSC, semantic scene complétion) monoculaire destinés aux robots quadrupèdes évoluant dans des intérieurs fréquentés. Le jeu de données compte 25,1 K images issues de 11 scènes d'intérieur, avec des annotations d'occupation sémantique 3D construites par « découplage statique/dynamique », c'est-à-dire en traitant séparément la géométrie fixe de l'environnement et les personnes en mouvement. Le cadre repose sur deux modules. Le premier, NGSGF (Normal Guided Scene Geometry Fusion), complète la projection 3D guidée par la profondeur avec des normales de surface, afin de rendre la géométrie plus robuste aux occlusions. Le second, HCSI (Human-Centric Sparse Interaction), modélise de façon sélective, en 3D, les relations entre personnes ainsi qu'entre une personne et son environnement local. Sur le jeu de test à scènes disjointes, la méthode atteint 15,80 d'IoU, 11,40 de mIoU et 46,23 d'IoU sur la classe « humain ». Il s'agit d'un résultat de recherche académique, sans produit ni déploiement associé. L'enjeu porte sur une hypothèse rarement testée : la perception 3D des robots mobiles est surtout validée dans des scènes statiques ou peu peuplées. Or, dans une foule, les personnes masquent les murs, le mobilier et le sol, et leur propre occupation prédite est souvent incomplète ou mal placée. Pour un quadrupède opérant dans un hall, un commerce ou un site d'inspection partagé avec des employés, c'est la fiabilité de la carte d'occupation locale, donc de la planification de trajectoire et de l'évitement, qui est en jeu. Le fait de se limiter à une seule caméra, avec profondeur, va dans le sens de plateformes à faible coût et à capteurs réduits. Les chiffres appellent toutefois à la prudence : 15,80 d'IoU et 11,40 de mIoU restent modestes en valeur absolue. Le jeu de données est aussi petit (11 scènes), et la généralisation n'est démontrée que sur des scènes d'intérieur invisibles du même corpus. L'écart avec une robustesse exploitable en production est donc probablement important, d'autant que les résumés ne donnent ni latence ni cadence d'inférence embarquée. Ces travaux prolongent la lignée de la complétion sémantique de scène monoculaire, née dans le contexte de la conduite autonome (SemanticKITTI, approches de type MonoScene), puis étendue à l'occupation 3D en intérieur. La plupart de ces références supposent des scènes statiques ou des points de vue de véhicule, et non celui d'un quadrupède, plus bas et plus instable. CrowdOcc comble ce vide avec un banc d'essai dédié aux scènes peuplées. Les prochaines étapes naturelles sont l'évaluation sur une plateforme réelle, la mesure du temps d'inférence embarqué et l'extension à davantage de scènes. Le papier ne mentionne aucun acteur industriel ou européen précis. Il s'adresse aux équipes qui développent des quadrupèdes commerciaux et aux laboratoires travaillant sur la navigation en environnement humain.

RecherchePaper
1 source
La robustesse à la permutation ne suffit pas : l'effondrement des actions dans les politiques multi-agents à base de transformeurs
520arXiv cs.RO 

La robustesse à la permutation ne suffit pas : l'effondrement des actions dans les politiques multi-agents à base de transformeurs

Une étude publiée sur arXiv (2610.02848) examine un défaut peu discuté des politiques multi-agents à base de transformers. Les équipes de robots n'ont pas d'ordre naturel, alors que les transformers lisent les agents comme une séquence de tokens ordonnée. Les auteurs testent des politiques de navigation coopérative sous permutation de l'ordre des agents. Ils mesurent la cohérence aux permutations, mais aussi l'effondrement des actions, via trois indicateurs : la diversité des actions, la fraction d'agents jouant la même action et la fréquence maximale d'une action. Le résultat central est qu'une faible erreur de permutation peut tromper, car une politique paraît robuste dès que tous les agents choisissent la même action. La base PPO-ID évite cet effondrement mais reste sensible à l'ordre. Une forte régularisation d'équivariance produit un comportement homogène. Une pénalité faible améliore la robustesse tout en conservant des actions variées avec N=3 agents, tandis que N=4 exige des poids de régularisation nettement plus petits. Le résumé ne donne aucune valeur chiffrée. Pour les intégrateurs et les équipes qui visent des flottes coopératives (AMR, bras multiples, futurs humanoïdes en équipe), l'enseignement est méthodologique. Le retour cumulé et la robustesse aux permutations ne suffisent pas à valider une politique, car une politique dégénérée, où tous les agents font la même chose, passe ces tests sans coordonner quoi que ce soit. La sensibilité de la bonne régularisation à la taille de l'équipe est plus inquiétante pour le passage à l'échelle : si le réglage change dès le passage de 3 à 4 agents, rien ne garantit qu'il tienne sur des flottes de dizaines de robots. Il faut toutefois relativiser. Le cadre est une tâche de navigation en simulation, avec de très petites équipes et sans robots réels, et la portée pratique reste donc à démontrer. Le travail s'inscrit dans le débat sur les architectures adaptées aux ensembles non ordonnés. Les approches invariantes ou équivariantes, comme les Deep Sets ou les réseaux de graphes, sont l'alternative classique aux transformers ordonnés, et les politiques multi-agents à base de transformers gagnent en popularité en apprentissage par renforcement. Aucun acteur industriel, ni européen ni autre, n'est cité. Aucune suite n'est annoncée. Les prolongements logiques seraient de tester des équipes plus grandes, des actions continues et des plateformes physiques, et d'intégrer ces diagnostics d'effondrement aux protocoles d'évaluation standard.

RecherchePaper
1 source
RATE : encodage tactile sensible au risque pour la manipulation robotique riche en contacts
521arXiv cs.RO 

RATE : encodage tactile sensible au risque pour la manipulation robotique riche en contacts

Des chercheurs publient sur arXiv (2610.03538) RATE, pour Risk-Aware Tactile Encoding, une méthode d'encodage tactile destinée à la manipulation robotique riche en contacts. Le principe est d'apprendre des représentations tactiles qui portent explicitement le risque d'interaction propre à la tâche. Deux mécanismes y contribuent. Une prédiction conditionnée par l'historique des contacts capture le contexte d'interaction. Une supervision par « alertes » associe ensuite ce contexte à un niveau de risque. La représentation obtenue s'ajoute aux caractéristiques tactiles classiques via un adaptateur résiduel léger, sans remplacer l'encodeur existant. Les auteurs annoncent des gains substantiels de taux de réussite en simulation comme sur robot réel. Des ablations contrôlées montrent que l'apprentissage guidé par les alertes et la modélisation temporelle prédictive apportent chacun un bénéfice complémentaire. Le résumé ne chiffre ni les gains, ni les tâches, ni le matériel, ni les capteurs utilisés. Le travail s'attaque à une ambiguïté bien connue de la manipulation tactile. Un même signal peut venir de situations aux conséquences très différentes : bruit du capteur, variation normale et nécessaire à la tâche, ou début d'un contact indésirable. Sans information de risque ancrée dans le contexte, une politique aval ne sait pas les distinguer. Elle corrige alors inutilement des variations bénignes, ou réagit trop tard à un contact réellement dangereux. Pour les intégrateurs, cela touche les opérations d'assemblage, d'insertion ou de manipulation d'objets fragiles, où la robustesse compte plus que le taux de réussite moyen. L'approche est peu invasive, puisqu'un adaptateur résiduel se greffe sur des pipelines existants. Elle reste toutefois une preuve de concept académique. En l'absence de chiffres dans le résumé, il faut attendre le papier complet pour juger l'ampleur des gains, la diversité des tâches et la dépendance au choix des seuils d'alerte. Ce travail s'inscrit dans la progression rapide de l'apprentissage de représentations tactiles, qui a surtout cherché à produire des encodages généraux à partir de capteurs optiques ou de peau électronique. Les modèles vision-langage-action (VLA) actuels, tels que Pi-0 ou GR00T, s'appuient surtout sur la vision et traitent encore peu le toucher. Des représentations tactiles qui signalent le risque pourraient combler cette lacune. L'article est une pré-publication, non évaluée par les pairs. Aucun déploiement industriel, aucun produit ni aucun calendrier n'est annoncé. Les prochaines étapes à surveiller sont la publication du code, la validation sur des tâches plus variées et l'intégration à des politiques de type VLA.

RecherchePaper
1 source
Sur l'alignement des représentations entre agents incarnés
522arXiv cs.RO 

Sur l'alignement des représentations entre agents incarnés

Des chercheurs publient sur arXiv (2610.02985, octobre 2026) un travail théorique sur l'alignement des représentations entre agents incarnés. Le point de départ est que plusieurs agents qui interagissent avec le même processus physique ont rarement des représentations identiques. Elles sont hétérogènes, asynchrones et relatives à l'observateur. Les auteurs ne cherchent pas à les aligner globalement. Ils se demandent quelles distinctions doivent réellement être résolues pour qu'une interaction reste cohérente. Ils formalisent la question par la notion de « suffisance relationnelle ». Une carte de preuves relationnelles, propre à l'interaction, définit l'ambiguïté laissée après comparaison des représentations. La suffisance est atteinte quand chaque fibre d'ambiguïté résiduelle reste dans une même classe d'équivalence d'interaction. Si la condition échoue, il faut ajouter des ancrages sensorimoteurs qui séparent précisément les ambiguïtés capables de changer le résultat utile. Pour les systèmes lisses, les auteurs dérivent une borne inférieure locale au premier ordre. Le nombre d'ancrages scalaires indépendants est au moins égal à la dimension des directions invisibles à la preuve relationnelle mais visibles pour la carte pertinente pour l'interaction. L'article l'illustre par un scénario de passage de relais asynchrone, en deux variantes avec les mêmes agents observateurs, représentations, transports et preuves relationnelles. La synchronisation relative n'exige aucun ancrage supplémentaire. Le passage à un instant absolu en exige exactement un. Le résultat est une condition d'arrêt, relative à la tâche, pour l'alignement des représentations. Un désaccord résiduel n'a pas besoin d'être éliminé s'il n'a aucun effet sur l'interaction. Pour les équipes qui conçoivent des flottes multi-robots, des cellules mixtes humains-robots ou des échanges entre robots de fournisseurs différents, cela déplace la question. On ne demande plus si deux systèmes partagent le même modèle du monde, mais quelle information minimale ils doivent partager pour la tâche visée. Le cas du passage de relais montre aussi qu'une exigence d'horloge absolue a un coût réel en capteurs ou en signaux de synchronisation, alors qu'une coordination relative peut s'en passer. Il faut toutefois rester prudent. Il s'agit d'un cadre théorique, sans validation sur du matériel, sans benchmark, sans chiffres de performance, et la borne n'est établie que localement pour des systèmes lisses. Rien n'indique encore que le cadre passe à l'échelle de politiques apprises de type VLA ou de dynamiques avec contacts non lisses. Ces travaux s'inscrivent dans un débat plus large sur la communication et l'alignement de représentations dans les systèmes multi-agents. Les approches habituelles cherchent souvent un espace latent commun ou un étalonnage global, ce qui est coûteux et souvent superflu. La contribution ici est une manière de dire à l'avance où s'arrêter. Les prochaines étapes naturelles seraient de calculer cette borne sur des tâches robotiques concrètes, comme le transfert d'objet entre manipulateurs ou la coordination entre AMR, et de la relier à des politiques apprises. Aucune implémentation ni échéance n'est annoncée.

RecherchePaper
1 source
Qwen3.8-Max d'Alibaba et Nebula de ZTE à égalité en tête des modèles chinois du classement SuperCLUE Embodied Brain
523Pandaily 

Qwen3.8-Max d'Alibaba et Nebula de ZTE à égalité en tête des modèles chinois du classement SuperCLUE Embodied Brain

Le groupe d'évaluation chinois SuperCLUE a publié l'édition de septembre 2026 de son classement EmbodiedCLUE-VLA, qui mesure la capacité d'un modèle d'IA à servir de « cerveau » à un robot, c'est-à-dire à planifier et raisonner sur des tâches physiques. Parmi les modèles chinois, Qwen3.8-Max-0902 d'Alibaba et Nebula-EmbodiedBrain de ZTE partagent la première place avec un score total identique de 77,48. Le benchmark couvre quatre domaines : la perception de base (temporelle, d'objets, spatiale), le raisonnement visuel (mathématique, temporel, spatial, logique), l'interaction et la planification (planification de tâches et de trajectoires) et la sécurité incarnée (conformité éthique, sécurité physique, protection de la vie privée). SuperCLUE considère comme à égalité les modèles séparés de moins d'un point et ne cite les modèles internationaux qu'à titre indicatif, hors classement. Les deux leaders y arrivent par des chemins différents. Qwen3.8-Max-0902 obtient les meilleurs scores chinois en perception de base (83,33) et en raisonnement visuel (84,72). Nebula-EmbodiedBrain domine en sécurité (97,92 contre 89,58). Les deux font 39,29 en interaction et planification, mais le modèle de ZTE est meilleur en planification de tâches (64,29 contre 28,57), celui d'Alibaba en planification de trajectoires (50 contre 14,29). Derrière, on trouve des modèles open source de 10 milliards de paramètres ou moins : MiMo-Embodied-7B de Xiaomi (56,95, également premier du classement séparé des moins de 10B), RynnBrain1.1-9B d'Alibaba (50,33), RoboBrain2.5-8B-NV de BAAI (46,36) et HY-Embodied-0.5 de Tencent, 4B (29,14). Pour les intégrateurs et les décideurs industriels, le signal principal est que la planification reste le maillon faible : aucun modèle chinois ne dépasse 40 en interaction et planification, et les quatre modèles open source plafonnent à 14,29 ou moins. Autrement dit, la perception et le raisonnement visuel progressent nettement plus vite que la capacité à enchaîner des actions fiables, ce qui limite l'autonomie réelle des robots sur des tâches longues. L'écart avec les références internationales reste net : GPT-6 Astra atteint 86,75, Gemini-3.8-Flash 82,12 et Gemini-Robotics-ER-2-Preview, spécialisé en robotique, 70,86. Il faut toutefois lire ces chiffres avec prudence. Il s'agit d'un benchmark par un seul organisme, et le média chinois MyDrivers note lui-même que les classements fondés sur des jeux de tests différents donnent souvent des résultats contradictoires. Les deux leaders sont par ailleurs des modèles fermés accessibles par API, ce qui pèse sur leur reproductibilité et leur adoption embarquée. Le positionnement diffère : selon MyDrivers, Alibaba se distingue par sa mémoire spatio-temporelle, capable de retenir une tâche inachevée après une interruption, tandis que ZTE vise le déploiement sur machine et l'adaptation au matériel. Ce classement s'inscrit dans une série : SuperCLUE avait déjà publié des éditions en janvier et février 2026. ZTE avait auparavant sorti EmbodiedBrain 1.0, un modèle vision-langage pour la planification de tâches incarnées, dont les poids 7B et 32B sont publiés sur Hugging Face. Xiaomi a ouvert MiMo-Embodied, Alibaba DAMO Academy a lancé RynnBrain et Tencent Robotics X a publié trois modèles incarnés en open source, ce qui montre que les grands groupes chinois du numérique et des télécoms se disputent désormais la couche cognitive des robots, face aux modèles américains. Aucun déploiement industriel ni calendrier de pilote n'est annoncé ici : il s'agit d'une évaluation, pas d'une preuve de performance en production. La prochaine édition dira si l'écart en planification se réduit et si les modèles ouverts rattrapent les modèles fermés.

Chine/AsieActu
1 source
Comment la robotique et l'IA physique peuvent répondre de façon responsable aux grands défis de la sécurité physique
524Robotics Business Review 

Comment la robotique et l'IA physique peuvent répondre de façon responsable aux grands défis de la sécurité physique

Le secteur de la sécurité physique se tourne vers la robotique et l'IA physique pour répondre à des menaces de plus en plus connectées. Selon l'article, plus de 23 milliards de dollars ont été investis en 2026 dans des entreprises qui travaillent à rapprocher ces deux technologies. Les risques se regroupent en trois familles : la convergence cyber-physique, les contraintes des systèmes hérités et la volatilité mondiale. Caméras, contrôle d'accès et capteurs interconnectés forment une surface d'attaque : si la plateforme centrale est compromise, les actifs deviennent exposés au vol, aux dégâts et aux interruptions. L'exemple cité est l'attaque contre Jaguar Land Rover l'an dernier. Des identifiants volés et de l'ingénierie sociale, attribués à des acteurs présumés liés à un État, ont donné accès au système d'information du constructeur et arrêté totalement la production, pour un coût estimé à 2,5 milliards de dollars pour l'économie britannique. Côté robotique, Foxlink a présenté au GTC Taipei 2025 un chien robot quadrupède de patrouille, développé avec Luminys et embarquant des technologies NVIDIA et SYNC. Ses capteurs intégrés observent la zone, et l'IA détecte les anomalies, les traite et déclenche une réaction. L'article le destine à la sécurité d'entreprise et à l'intervention d'urgence. L'intérêt pour les décideurs tient au déplacement du modèle de sécurité, de la réaction vers la prévention. Un parc de matériel et de logiciels anciens ne permet que de constater les incidents, alors qu'un agent mobile capable d'apprendre peut patrouiller en continu et signaler les écarts avant qu'ils ne deviennent des sinistres. Pour les exploitants de centres de données et d'usines, cibles désignées par l'article, cela ouvre une couche de surveillance mobile et évolutive, là où les caméras fixes laissent des angles morts. Il faut toutefois lire ce texte avec recul. Il décrit une orientation stratégique plus qu'un déploiement : aucun payload, autonomie, nombre de degrés de liberté, prix, taux de fausses alertes ni site client n'est mentionné pour le robot de Foxlink. On est donc face à une présentation de salon, pas à un produit livré ni à un retour d'expérience. Le chiffre de 23 milliards de dollars, sans détail des bénéficiaires, indique surtout un afflux de capitaux, pas une maturité opérationnelle. Quant au cas Jaguar Land Rover, il relève d'une intrusion informatique, qu'un robot de patrouille n'aurait pas empêchée. Le lien avec la robotique reste donc indirect. Ce positionnement s'inscrit dans une tendance où l'IA physique, le cerveau, vient équiper des plateformes mobiles, le corps, jusque-là surtout rigides et programmées. NVIDIA fournit ici la pile logicielle et le calcul embarqué, comme chez beaucoup d'acteurs de la robotique mobile. Le quadrupède de sécurité est un segment déjà disputé, notamment par Boston Dynamics avec Spot et Unitree, que l'article ne cite pas. Le texte est relayé avant RoboBusiness, qui fête ses 20 ans. La suite dépendra de pilotes mesurables chez des opérateurs d'infrastructures critiques, et de la capacité à sécuriser ces robots eux-mêmes, qui ajoutent un maillon connecté à protéger.

InfrastructureOpinion
1 source
Cyngn décroche une nouvelle commande de tracteurs de remorquage autonomes auprès d'un fabricant du Fortune 100
525Robotics & Automation News 

Cyngn décroche une nouvelle commande de tracteurs de remorquage autonomes auprès d'un fabricant du Fortune 100

Cyngn a annoncé une commande de suivi pour son DriveMod Tugger, un tracteur de convoi autonome, passée par un fabricant d'engins lourds que l'entreprise décrit seulement comme un « Fortune 100 ». Le déploiement supplémentaire doit couvrir une nouvelle application de manutention de matériaux dans l'usine du client, qui utilise déjà la technologie de Cyngn. Le CEO Lior Tal explique que le déplacement répétitif de matériaux représente un coût important pour les grands industriels. Le texte disponible ne donne ni le nombre de véhicules, ni le montant de la commande, ni la charge remorquée, ni la date de mise en service. Le client n'est pas nommé. L'information vaut surtout par le mot « répétée ». Dans l'AMR et le tracteur autonome industriel, le premier pilote ne prouve presque rien, car beaucoup de projets s'arrêtent après la phase d'essai. Une extension sur un second cas d'usage chez un même grand compte indique que la première installation a rempli ses objectifs de fiabilité et de retour sur investissement, ou au moins qu'elle n'a pas posé de problème d'exploitation. C'est le signal que suivent les directeurs des opérations et les intégrateurs. Il faut toutefois rester prudent : sans volumes, sans prix ni indicateurs de performance, l'ampleur réelle du déploiement reste inconnue. Il peut s'agir de quelques unités, et l'anonymat du client empêche toute vérification indépendante. Cyngn vend des logiciels de conduite autonome destinés à équiper des véhicules industriels existants, en particulier des tracteurs de convoi, plutôt que des robots complets. Il se place face aux fabricants d'AMR et de chariots autonomes, comme Seegrid, Vecna ou OTTO (Rockwell) aux États-Unis, ou Balyo et Exotec en France, sur un créneau d'automatisation à faible complexité de la logistique interne, loin de la course aux humanoïdes. La suite dépendra de la capacité de Cyngn à transformer ces extensions chez un client en contrats récurrents, puis à les répliquer chez d'autres industriels. Les prochaines communications de résultats montreront si ces commandes pèsent réellement sur son chiffre d'affaires.

IndustrielActu
1 source
La course à l'IA physique se gagnera à l'office des brevets
526Robotics Business Review 

La course à l'IA physique se gagnera à l'office des brevets

Un conseil en brevets, qui compte vingt ans de métier et plus de 300 dépôts en automatisation industrielle, publie une tribune associée à Lightbringer. Il y soutient que la course à l'IA physique sera tranchée par la propriété intellectuelle plus que par la qualité des robots. Selon lui, la valeur se loge moins dans la machine que dans la technologie qui détermine son comportement, et cette technologie peut couvrir le matériel, le logiciel, les modèles d'IA et les méthodes de calibration. Son exemple central est la plainte déposée en 2022 par Boston Dynamics contre Ghost Robotics. Elle visait une "technologie centrale" qui régissait la façon dont le robot se relève après une chute, entre le quadrupède Spot et le Vision 60. Le litige a été réglé en 2025. L'auteur cite aussi la robotique en essaim, où l'innovation naît de l'interaction entre des dizaines de machines. Il rappelle que l'Office européen des brevets indique que, selon la nature de ces interactions, les revendications doivent parfois définir les entités individuelles, le système global et leur interaction, voire se limiter à leur combinaison. Pour les fondateurs et les décideurs, l'enjeu est concret. Un brevet qui ne protège que le robot peut laisser le comportement, donc la vraie valeur, sans défense. Dans les cas ambigus, les startups n'ont rarement le dessus, faute du budget contentieux nécessaire. Les risques décrits sont l'exclusion de leurs propres mécanismes, le blocage d'accès au marché, ou un rachat "pour les pièces" plutôt que pour la valeur. L'auteur en déduit que la stratégie de propriété intellectuelle doit exister dès le départ, pas après une Série A. Il ne recommande pas pour autant de multiplier les dépôts : une équipe qui brevette chaque composant épuise son temps d'ingénierie, et un concurrent peut déposer en premier sur l'invention décisive. Il faut aussi garder à l'esprit la nature du texte : c'est un plaidoyer de praticien, sans données chiffrées sur la fréquence des litiges ni sur leur coût. Le contexte est celui d'un secteur qui se prépare à une phase contentieuse. La responsable de la propriété intellectuelle de RoboSense avait averti l'an dernier que les litiges de brevets en robotique pourraient se multiplier comme dans les smartphones des années 2010, quand les batailles judiciaires mondiales ont structuré licences, rachats et contrôle des marchés. L'auteur ajoute qu'un brevet est une publication, ce qui peut desservir certaines inventions. Pour un procédé de fabrication ou une technique de calibration difficiles à rétroconcevoir, le secret peut coûter moins cher et protéger mieux. En défense, publier un brevet révélerait aux concurrents, et aux adversaires, quel problème a été résolu et où se situe l'avantage. Pour les acteurs européens, la position de l'OEB sur les revendications de systèmes multi-entités sera à suivre de près. Le texte ne cite aucun nouveau procès, mais l'issue amiable du dossier Boston Dynamics contre Ghost Robotics n'a pas levé l'incertitude juridique sur la brevetabilité du comportement d'un essaim.

RegulationOpinion
1 source
Découvrez les robots mobiles LD de nouvelle génération d'Omron
527Robotics Business Review 

Découvrez les robots mobiles LD de nouvelle génération d'Omron

Dans l'épisode 264 du Robot Report Podcast, l'équipe reçoit Miguel Garcés Moreno, responsable marketing produit pour les robots mobiles d'OMRON Industrial Automation Europe, sur la zone Europe, Moyen-Orient et Afrique (EMEA). Ingénieur industriel de formation, titulaire d'un master en Industrie 4.0, il pilote la stratégie produit d'OMRON sur trois familles : les robots mobiles autonomes (AMR), l'automatisation industrielle et les robots collaboratifs à force et puissance limitées. Son champ d'expertise couvre aussi la vision par IA, le contrôle de mouvement et les automates programmables (PLC). L'entretien porte sur la nouvelle génération des AMR de la gamme LD, dans une logique d'intralogistique flexible, compacte et entièrement automatisée pour les usines. Le descriptif de l'épisode ne publie ni charge utile, ni vitesse, ni autonomie, ni prix, ni calendrier de disponibilité. Il s'agit donc, à ce stade, d'une annonce de positionnement et non d'un produit documenté chiffre à l'appui. L'épisode est également ponctué d'une revue de l'actualité : une nouvelle main de robot humanoïde chez Boston Dynamics, l'humanoïde domestique Flourish One basé sur un Raspberry Pi, et un investissement de 100 millions de dollars d'Amazon dans une usine dans l'Indiana. L'intérêt tient moins à une annonce technique, absente du texte, qu'au signal envoyé par un acteur historique de l'automatisation industrielle. Le fait qu'OMRON mette en avant un responsable EMEA pour présenter sa prochaine génération de LD indique que le marché européen de l'intralogistique reste un terrain d'affrontement entre AMR, cobots et systèmes de convoyage. Pour un intégrateur ou un directeur des opérations, la question utile sera de savoir si cette génération améliore les points qui bloquent aujourd'hui les déploiements : intégration aux PLC existants, gestion de flotte, sécurité en environnement mixte et coût total par site. L'épisode n'apporte pas ces réponses dans son descriptif. Il faudra attendre les fiches techniques, ou l'écoute de l'entretien, pour juger de la substance. Côté contexte, OMRON défend de longue date une offre qui combine robots mobiles, cobots et contrôle-commande, ce qui lui permet de vendre une cellule cohérente plutôt qu'un robot isolé. Cette approche le met en concurrence avec les spécialistes des AMR et les grands de l'automatisation, comme Mobile Industrial Robots (Teradyne) ou les fabricants de cobots qui étendent leur gamme vers la mobilité. L'épisode est sponsorisé par WiBotic, spécialiste de la recharge sans fil pour robots, ce qui rappelle que l'autonomie énergétique des flottes reste un sujet central. Les prochaines étapes à surveiller sont la publication des spécifications de la nouvelle gamme LD et les premiers déploiements clients en Europe. Le podcast annonce par ailleurs les 20 ans de RoboBusiness comme prochain rendez-vous du secteur.

IndustrielActu
1 source
Un robot apprend en 5 minutes des tâches complexes de 12 étapes et replanifie en cas d'imprévu
528Interesting Engineering 

Un robot apprend en 5 minutes des tâches complexes de 12 étapes et replanifie en cas d'imprévu

Des chercheurs de l'Université de Pennsylvanie (Penn Engineering) ont présenté SymSkill, un système qui permet à un bras robotique d'exécuter des tâches allant jusqu'à 12 étapes après seulement cinq minutes de démonstrations vidéo. Le travail, mené par Yifei Simon Shao, doctorant dans le laboratoire de Nadia Figueroa, a été validé en simulation et sur un bras robotique physique. Le scénario type consiste à sortir une banane d'une casserole fermée : le robot retire le couvercle, saisit la banane et la dépose sur une assiette. Il continue lorsqu'une personne l'interrompt ou qu'une tentative échoue. Les séquences de 12 étapes n'ont fait l'objet d'aucune démonstration dédiée : le système recombine des compétences élémentaires apprises séparément. L'architecture repose sur deux niveaux. Un planificateur symbolique représente objets, actions et relations pour déduire l'ordre des opérations nécessaires à un objectif. En dessous, une approche par systèmes dynamiques gère l'exécution du mouvement et permet de réagir en temps réel aux perturbations, comme un humain qui se place dans la trajectoire. L'intérêt tient à la voie choisie. La tendance dominante en manipulation, notamment avec les modèles VLA (vision-langage-action), consiste à accroître les volumes de données de téléopération pour couvrir toujours plus de cas. SymSkill adopte la logique inverse : apprendre peu de primitives, puis composer. Pour un intégrateur, la promesse est de réduire le coût de programmation ou de collecte de données à chaque nouvelle séquence, et d'obtenir une reprise après échec sans relancer toute la tâche, point sensible dans les environnements partagés avec des opérateurs. Les réserves sont néanmoins réelles : aucun taux de réussite, temps de cycle ni nombre d'essais n'est communiqué, les tâches restent des démonstrations de laboratoire (une banane, une casserole) et un seul bras a été utilisé. Rien ne dit encore comment le planificateur symbolique gère des scènes encombrées, des objets inconnus ou des prédicats mal perçus, ce qui fait traditionnellement la fragilité des approches symboliques hors du laboratoire. Ce travail s'inscrit dans la recherche du laboratoire de Nadia Figueroa, professeure assistante en génie mécanique et mécanique appliquée à Penn Engineering, sur la réutilisation de mouvements appris. Une autre brique, Gaussian Graph, transforme des mouvements démontrés en carte de trajectoires possibles dans l'espace de travail, afin de générer des chemins jamais montrés au robot. Face aux approches à grande échelle de données telles que Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure, SymSkill relève d'une voie néo-symbolique, plus économe en données et plus interprétable, mais non comparée à ces modèles dans ce qui est publié. La suite annoncée est académique : couplage avec des modèles de langage pour interpréter les instructions humaines, puis extension aux robots bimanuels, aux humanoïdes et aux manipulateurs mobiles. Aucun pilote industriel ni calendrier de transfert n'est mentionné à ce stade.

RecherchePaper
1 source
Eli Lilly et Purdue partageront leurs retours de terrain sur l'interaction homme-robot à RoboBusiness
529Robotics Business Review 

Eli Lilly et Purdue partageront leurs retours de terrain sur l'interaction homme-robot à RoboBusiness

Eli Lilly et l'université Purdue présenteront leurs retours de terrain sur l'interaction homme-robot (HRI) lors de RoboBusiness 2026, qui se tiendra les 20 et 21 octobre à Santa Clara, en Californie. La conférence, intitulée « Human-Robot Interaction: Bridging Academia and Industry », aura lieu le premier jour à 11h45 (heure du Pacifique). Elle sera donnée par Faraz Yousuf, ingénieur principal senior en applications robotiques chez Eli Lilly, et par la Dr Anastasia Kouvaras Ostrowski, professeure assistante à la School of Applied and Creative Computing de Purdue, avec une nomination associée en génie mécanique. Les deux intervenants exposeront les enseignements d'études HRI menées avec des opérateurs de sites de fabrication et d'entrepôts, au contact de véhicules à guidage automatique (AGV) en fonctionnement. Ils présenteront aussi des premiers résultats sur la perception des robots par les personnes sur le plancher de production, ainsi que la méthode qu'ils ont construite pour rendre ce partenariat reproductible. Aucun chiffre sur la taille des échantillons, les sites ou les résultats n'est communiqué à ce stade : il s'agit d'une annonce de programme, pas d'une publication de données. L'enjeu tient à un écart bien connu. La recherche en HRI se déroule surtout sur les campus et produit des données qui survivent rarement à l'épreuve d'une ligne de production réelle. Mener des études dans un site industriel en activité est assez lourd, sur le plan logistique et réglementaire, pour que la plupart des partenariats académie-industrie n'aboutissent pas. Un protocole documenté et réutilisable, issu d'un site pharmaceutique en exploitation, intéresserait donc les intégrateurs et les responsables sécurité qui déploient des AGV et des AMR près d'opérateurs humains. L'HRI est présentée comme l'un des derniers leviers importants pour améliorer la sécurité en automatisation industrielle. Cette affirmation reste celle de l'organisateur de l'événement. La valeur de la session dépendra de la qualité des données présentées, que l'annonce ne permet pas d'évaluer. Le profil des intervenants éclaire le contexte. Chez Eli Lilly, Faraz Yousuf travaille sur l'HRI, la sécurité robotique, la robotique d'inspection et l'intégration de systèmes dans des environnements de production pharmaceutique. Il a conçu, déployé et supporté des ASRS, des AGV, des AMR et des quadrupèdes d'inspection. Il contribue aussi aux comités de normalisation ANSI R15.08 partie 3, ISO 25785-1 et TR R15.108, consacrés à la sécurité des robots dynamiquement stables, catégorie qui inclut les robots à pattes et, à terme, les humanoïdes. Anastasia Kouvaras Ostrowski travaille sur la co-conception et la conception participative de robots et d'IA en contexte industriel, manufacturier et domestique, ainsi que sur les politiques encadrant ces technologies. Elle a été chercheuse postdoctorale au MIT Schwarzman College of Computing et au Personal Robots Group du MIT Media Lab, et est docteure en media arts and sciences du MIT. Cette session s'inscrit dans un salon qui réunit des développeurs de robotique commerciale, avec des offres de tarifs réduits pour l'académie, les associations et les groupes d'entreprises.

IndustrielActu
1 source
Pourquoi la sécurité déterminera l'avenir des robots humanoïdes
530Interesting Engineering 

Pourquoi la sécurité déterminera l'avenir des robots humanoïdes

Rick Balzano, vice-président go-to-market pour les services IA, la sécurité et la robotique chez TaskUs, a détaillé dans l'épisode « Lexicon » d'Interesting Engineering le travail de l'ombre qui conditionne la fiabilité des robots humanoïdes. TaskUs intervient auprès d'entreprises de robotique, de véhicules autonomes et de systèmes d'IA : elle collecte, annote et valide les données qui servent à entraîner des machines à opérer dans le monde physique. Contrairement aux grands modèles de langage, qui apprennent à partir de textes et d'images disponibles en ligne, l'IA incarnée doit percevoir son environnement puis décider d'une action sans abîmer ni elle-même, ni l'équipement, ni les personnes proches. Une grande partie des données doit donc être captée dans le réel : vidéos à la première personne, relevés de capteurs, démonstrations de tâches, réactions des objets au toucher. Balzano estime que les humanoïdes actuels restent « probablement des robots très spécialisés dans un format humain ». Il cite un exemple concret de mise en scène : des robots qui semblent circuler librement dans une usine alors qu'ils évoluent dans une zone de 40 sur 40, avec garde-fous et téléopérateurs. Aucun chiffre de payload, de DOF ou de déploiement n'est avancé dans l'entretien. L'intérêt de ce témoignage tient à sa source : un prestataire de données, non un constructeur, qui confirme l'écart entre démonstration et réalité. La téléopération cachée, les zones délimitées et la préparation intensive derrière les vidéos virales sont désignés comme des facteurs de biais pour qui évalue ces machines. Pour un intégrateur ou un COO industriel, cela invite à demander dans quelles conditions un cycle a été mesuré, avec quelle part d'assistance humaine, et sur combien d'essais. Balzano souligne aussi que la sécurité est plus complexe que pour la robotique industrielle classique, car l'humanoïde évolue dans un environnement presque entièrement imprévisible. Les données les plus difficiles à obtenir concernent les événements rares et dangereux, comme une chute dans un escalier ou une collision, que personne ne veut provoquer volontairement sur une machine coûteuse. La dextérité fine, c'est-à-dire la force à appliquer pour saisir un objet fragile ou plier du linge, reste un autre verrou. Selon lui, l'apprentissage autonome est un objectif futur : aujourd'hui, les humains font encore l'essentiel de l'enseignement. Cet entretien s'inscrit dans le débat sur la généralisation des modèles robotiques, qui exige selon Balzano une grande diversité d'environnements et des données égocentriques à fort signal. Il ne tranche pas pour autant en faveur de la forme humanoïde : certaines tâches appelleraient des pinces, des roues ou des outils dédiés, et la finalité serait un « cerveau » assez capable pour s'adapter à différentes configurations physiques. L'extrait disponible s'interrompt au moment d'aborder la simulation, présentée comme un moyen moins coûteux et plus sûr de répéter des tâches à très grande échelle, mais dont les limites sont annoncées. Il s'agit d'un point de vue d'un acteur de la chaîne de données, et non d'une annonce de produit, de pilote ou de calendrier. Il rappelle toutefois que le goulet d'étranglement du secteur se déplace de la mécanique vers la donnée et la validation de sécurité.

HumanoïdesOpinion
1 source
Runway présente Praxis-1, un modèle du monde et d'action pour la robotique
531Robotics Business Review 

Runway présente Praxis-1, un modèle du monde et d'action pour la robotique

Runway AI, la société new-yorkaise fondée en 2018 et connue pour ses modèles génératifs vidéo, a présenté cette semaine Praxis-1, un « world action model » à poids ouverts qui convertit son pré-entraînement vidéo à grande échelle en commandes pour robots. Le modèle s'appuie sur la même base que les world models généraux de l'entreprise (GWM-1, Gen-4.5, Aleph 2.0, Act-Two) et apprend surtout à partir de vidéos filmées à la troisième personne, non de démonstrations téléopérées. Il a été entraîné sur des tâches de manipulation allant du simple pick-and-place (soulever des canettes) à la manipulation d'objets déformables (emballer des sacs cadeaux). Runway affirme que la simulation de politiques robotiques dans son world model prédit les résultats réels avec une corrélation de 0,95, mieux que des techniques plus coûteuses fondées sur la reconstruction 3D, sans publier de détails méthodologiques. Des partenaires pilotes (Noble Machines, Standard Bots et Ultra) font tourner Praxis-1 sur leur propre matériel, des bras bimanuels aux humanoïdes, avec un fine-tuning léger. La sortie publique est annoncée « dans les prochains mois », sans date. L'enjeu est de savoir si la vidéo peut remplacer, au moins en partie, la donnée robot, rare et chère à collecter. Selon Kamil Sindi, directeur technique de Runway, la performance progresse avec le volume de vidéo, de sorte que le plafond du modèle dépendrait de la quantité de vidéo disponible plutôt que du nombre de démonstrations. Si cela se confirme, le goulot d'étranglement des politiques généralistes se déplacerait de la collecte téléopérée vers le curage de données vidéo. Pour les intégrateurs, la promesse d'un modèle unique adaptable à plusieurs morphologies avec peu de fine-tuning serait un gain de coût réel. Il faut toutefois rester prudent : aucun taux de réussite, aucun temps de cycle ni aucune comparaison avec des politiques existantes n'a été publié, et les retours des partenaires sont rapportés par Runway elle-même. Le chiffre de 0,95 mesure la fidélité de la simulation, pas la performance sur site. À ce stade, il s'agit d'une annonce avec des tests partenaires, pas d'un produit livré ni d'un déploiement en production. Runway arrive en robotique depuis la vidéo générative, après GWM-1 et des modèles interactifs temps réel comme Solaris et GWM Worlds 2, conçus pour créer des environnements d'entraînement d'agents. L'entreprise, qui a des bureaux à New York, San Francisco, Seattle, Londres, Paris, Tel Aviv et Tokyo, rejoint un champ où les approches VLA (vision-langage-action) et world models se disputent le terrain, face à des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T) ou Figure (Helix), qui s'appuient davantage sur des données robot. Le choix des poids ouverts est assumé : Sindi y voit un levier pour que les États-Unis retrouvent leur avance industrielle, en laissant aux fabricants de matériel de la flexibilité. Les prochaines étapes sont l'élargissement du cercle de partenaires avant la sortie publique et la validation sur davantage de robots, pour combler les écarts avant la disponibilité générale. Aucun acteur français ou européen n'est cité parmi les partenaires.

IA physiqueActu
1 source
L'association A3 publie la dernière partie de la norme de sécurité pour les robots mobiles industriels
532Robotics & Automation News 

L'association A3 publie la dernière partie de la norme de sécurité pour les robots mobiles industriels

L'Association for Advancing Automation (A3) a annoncé la disponibilité à l'achat de l'ANSI/A3 R15.08-3-2026, troisième et dernière partie de la norme américaine de sécurité des robots mobiles industriels (IMR). Intitulée « Use of IMR Applications », cette partie traite des responsabilités des utilisateurs qui exploitent des applications de robots mobiles dans leurs sites. Elle complète la série R15.08, dont les deux premières parties visent respectivement les fabricants de robots et les intégrateurs. Le communiqué ne détaille pas, dans sa version courte, le contenu technique des exigences ni leur prix. Pour les industriels, la série couvre désormais toute la chaîne de responsabilité, du constructeur de l'AMR ou du chariot autonome jusqu'à l'exploitant qui le fait circuler parmi des opérateurs, des piétons et des chariots conventionnels. C'est un point concret pour les COO et responsables sécurité, car l'exploitant porte la charge de l'évaluation des risques, de la formation et de la gestion des zones partagées. Les intégrateurs disposent d'un cadre plus clair à citer dans leurs contrats et leurs réceptions de site. Il s'agit toutefois d'un document normatif, et non d'une preuve de déploiement ou de performance. Cette série prolonge le travail historique de l'ex-RIA, aujourd'hui intégrée à A3, et répond à la multiplication des flottes d'IMR en entrepôt et en usine. Elle reste une référence nord-américaine. En Europe, les acteurs comme Exotec s'appuient plutôt sur le cadre ISO 3691-4 et la directive Machines, ce qui impose aux fabricants exportateurs de gérer deux référentiels. Les prochaines étapes à surveiller sont l'adoption par les assureurs et les donneurs d'ordre, ainsi que l'alignement avec les normes ISO.

RegulationReglementation
1 source
FMC³ Robotics, Vector et PEM Motion préparent une coentreprise dans l'IA incarnée
533Robotics & Automation News 

FMC³ Robotics, Vector et PEM Motion préparent une coentreprise dans l'IA incarnée

Lors du Humanoid Robots Summit 2026 à Stuttgart, Vector Informatik, PEM Motion et FMC³ Robotics ont signé un protocole d'accord (MoU) au siège de Vector. L'objectif est de développer ensemble une infrastructure de données standardisée pour l'IA embarquée (embodied AI) industrielle. Le texte associe l'ingénierie de production, les technologies de données industrielles standardisées, la robotique et l'IA embarquée. Le titre évoque une coentreprise (joint venture), mais l'accord signé reste un MoU. Aucun montant, calendrier, site pilote ni robot n'est communiqué dans le passage disponible. L'enjeu est moins le robot que ce qu'il consomme. Les modèles VLA et les politiques apprises dépendent de données de démonstration et de production hétérogènes, rarement exploitables d'un site à l'autre. Un format commun pour collecter, annoter et échanger ces données pourrait réduire le coût d'intégration, qui freine le passage de la démo au déploiement en usine. Pour les intégrateurs et les responsables d'exploitation, c'est un signal en faveur de la standardisation, avec des acteurs issus de l'automobile et de la production plutôt que de la seule robotique. Vector est un éditeur allemand connu pour ses outils et logiciels de standards automobiles, ce qui explique son intérêt pour une couche de données normalisée. L'initiative s'inscrit dans la course européenne à l'IA embarquée, où l'Allemagne cherche à contrer les écosystèmes américains et chinois, adossés à des plateformes propriétaires. Reste à voir si le MoU débouchera sur une spécification publique, des pilotes industriels ou une entité commune. À ce stade, il s'agit d'une annonce d'intention, sans produit livré ni déploiement réel.

FR/EU ecosystemeActu
1 source
Vidéo du vendredi : l'albatros chute, tournoie, se redresse et s'éloigne à la voile
534IEEE Spectrum Robotics 

Vidéo du vendredi : l'albatros chute, tournoie, se redresse et s'éloigne à la voile

Le dernier Video Friday d'IEEE Spectrum met en avant ALBATROSS, un robot hybride aérien et marin conçu à la Singapore University of Technology and Design et décrit dans Science Robotics. Il se largue depuis les airs, descend en autorotation sans parachute, se redresse passivement après son amerrissage, puis réutilise ses ailes rigides comme voiles pour naviguer de façon autonome grâce au vent, avec un minimum d'actionneurs. Sharpa a dévoilé à l'IROS trois produits : D01, présenté comme un robot à détection tactile intégrée pour la manipulation dextre, W02, une main dextre tactile ultra-compacte, et AE01, un gant exosquelette haptique destiné à collecter des données. Boston Dynamics affirme qu'Atlas lui fera gagner la course aux humanoïdes, en s'appuyant sur le précédent commercial de Spot et de Stretch. La sélection compte aussi un patin de pied souple à épines pour robot sauteur (CLIMB Lab, Toronto), la plateforme HARP, où des drones indépendants se reconfigurent physiquement en vol (General Robotics Lab), des démonstrations de mobilité d'ANYmal (ETH Zurich), un bras robotisé auto-assemblé conçu par un lycéen canadien, Daniel Zhu, pour le secours en décombres, et une démonstration de conduite autonome d'XPENG. L'équipe IT Imperial a enfin relié le connectome MaleCNS d'une mouche drosophile mâle à un humanoïde Unitree G1, dans une boucle caméra, modèle neuronal, décodage moteur, mouvement. Ce qui ressort tient moins à un produit qu'à un déplacement des centres d'intérêt. ALBATROSS illustre une logique de morphologie intelligente, où la structure remplace des sous-systèmes embarqués, avec une promesse de capteurs marins persistants et déployables rapidement. Reste à savoir si cela dépasse le stade du prototype académique. Côté dextérité, Sharpa vise une brique recherchée, le tactile, ainsi que la collecte de données par téléopération haptique, devenue un goulot d'étranglement pour entraîner les modèles de manipulation. Les formules de Boston Dynamics relèvent du positionnement commercial et ne sont accompagnées d'aucun chiffre de déploiement ou de production dans ce numéro. Le rédacteur de Spectrum se dit lui-même lassé des coups de communication autour des humanoïdes, un signal de fatigue du secteur face aux vidéos spectaculaires non contextualisées. L'expérience IT Imperial est à prendre avec prudence : le rédacteur ignore si la tâche est bien plus facile ou plus difficile qu'elle n'en a l'air, et aucune métrique n'est fournie. Ces travaux s'inscrivent dans un calendrier de conférences chargé, avec CoRL 2026 du 9 au 12 novembre à Austin puis Humanoids 2026 du 6 au 9 décembre à Santa Clara. Boston Dynamics y défend sa position face aux acteurs de l'humanoïde, tandis que l'ETH Zurich, via ANYmal, et XPENG illustrent la pression venue de la recherche académique et de l'automobile. Tevel, dont les drones cueilleurs de fruits sont salués par Spectrum comme une survivance inattendue, rappelle qu'une robotique agricole peut durer sans les budgets de l'humanoïde. Aucun acteur français ou européen n'est cité dans ce numéro, hormis l'ETH Zurich côté suisse. Les prochaines étapes sont celles de la publication académique : validation sur le terrain pour ALBATROSS, démonstrations de Sharpa et suites des projets HARP et IT Imperial.

RechercheActu
1 source
Vidéo : des images brutes montrent un robot humanoïde au travail en usine avec une autonomie annoncée de 60 %
535Interesting Engineering 

Vidéo : des images brutes montrent un robot humanoïde au travail en usine avec une autonomie annoncée de 60 %

Nucleus, une jeune pousse qui vend du travail humanoïde à l'heure aux usines, a publié le 1er octobre près de deux heures de séquences sans coupe montrant son robot humanoïde exécuter des tâches industrielles courantes. Son fondateur et CEO, Melvin Schwarz, assume que la démonstration était environ à 60 % autonome et à 40 % téléopérée, hésitations et interventions humaines comprises. L'entreprise n'a pas précisé comment ces pourcentages ont été calculés : ils décrivent cette séquence précise, pas un indicateur général d'autonomie. Schwarz affirme par ailleurs que Nucleus enchaîne désormais régulièrement des postes de quatre à six heures, le robot menant un travail de bout en bout. Cela décrit la durée des postes, pas une autonomie continue sur cette durée. Les applications citées sont le picking de pièces, le chargement de rayonnages, la manutention de produits et le transport de chariots. Le système enregistre images, profondeur, mouvements du robot, signaux de contact, corrections humaines et résultats de tâche. Ni le modèle de robot, ni le site, ni le nom du client, ni le prix de l'heure facturée ne sont précisés. L'intérêt tient au choix de la mesure. La plupart des démonstrations humanoïdes montrent une séquence courte, souvent sélectionnée, ce qui nourrit l'écart entre la vidéo et la réalité du terrain. Une usine exige l'inverse : répétabilité, reprise après erreur, tolérance aux variations de lumière, de placement des objets et de flux de travail. Publier un enregistrement brut avec ses ratés est donc un signal de transparence plutôt rare dans le secteur. Pour un intégrateur ou un COO industriel, le chiffre le plus parlant est le ratio d'intervention humaine, et 40 % de téléopération reste élevé. Il pose la question du coût réel : si un opérateur doit assister le robot près de la moitié du temps, l'économie à l'heure dépend du nombre de robots qu'un seul opérateur peut superviser, une donnée non communiquée. Il faut aussi rappeler que l'on ne voit qu'une séquence, choisie par l'entreprise elle-même, même si elle est sans coupe. Nucleus ne présente pas la téléopération comme une béquille provisoire, mais comme un élément de son modèle de déploiement. Prompts de tâche, instructions d'experts et corrections à distance sont enregistrés avec ce que le robot a perçu et fait, puis réinjectés pour améliorer ses modèles d'IA : chaque blocage devient une donnée d'entraînement. L'approche rappelle celle d'acteurs américains et chinois qui adossent leurs flottes à des opérateurs humains, tandis que Figure, Tesla (Optimus) ou Agility misent sur une autonomie plus poussée, avec leurs propres écarts entre annonces et déploiements vérifiables. Côté européen, des acteurs comme Enchanted Tools suivent aussi la voie du déploiement progressif. La suite à surveiller : une baisse mesurable de la part téléopérée, des durées d'autonomie continue, et des sites clients nommés.

IndustrielActu
1 source
Un robot d'usine du F-35 aux États-Unis réduit la pose de boulons de plusieurs heures à quelques minutes
536Interesting Engineering 

Un robot d'usine du F-35 aux États-Unis réduit la pose de boulons de plusieurs heures à quelques minutes

Northrop Grumman a ramené de plusieurs heures à quelques minutes une opération d'assemblage sur les modules avioniques du F-35, grâce à un cobot installé sur sa ligne de production. Le robot travaille aux côtés des techniciens qui construisent le module CNI (Communications, Navigation and Identification), l'un des éléments du système avionique intégré du chasseur. Sa tâche est de guider l'installation précise des boulons qui fixent la zone du boîtier avant. Lavell Catlin, responsable de fabrication de la ligne CNI, affirme que cette opération « prenait des heures » et ne demande plus que « quelques minutes ». Le robot assiste l'opérateur, il n'assemble pas seul. L'industriel indique aussi avoir réaffecté « un couple » d'employés à d'autres tâches. En parallèle, des outils d'inspection par IA examinent les modules terminés et signalent les défauts potentiels avant expédition, y compris de très petites anomalies. Northrop étend ces systèmes à d'autres zones de la ligne CNI. Aucune donnée n'est publiée sur le modèle de cobot, sa charge utile, le taux de défauts détectés ou le nombre de modules concernés. Le point à retenir est moins la prouesse robotique que le type d'application. Il s'agit d'une tâche de vissage de précision, assistée et non autonome, dans un environnement aéronautique de défense à faible volume et à forte exigence de traçabilité. C'est précisément là que la cobotique industrielle tient ses promesses de façon tangible, loin des démonstrations d'humanoïdes polyvalents. Pour les intégrateurs et les responsables d'usine, le signal est que l'assistance ciblée sur une opération à fort enjeu qualité produit des gains mesurables sans refonte de ligne. Une réserve s'impose toutefois : le « de plusieurs heures à quelques minutes » vient d'un responsable de production, sans définition du périmètre (réglage, contrôle et mise en position inclus ou non), ni mesure indépendante. Le gain de temps est plausible, mais son ampleur exacte reste invérifiable. Le discours sur le redéploiement de deux employés, plutôt que sur des suppressions de postes, relève aussi de la communication. Cette annonce s'inscrit dans une automatisation plus large chez Northrop Grumman, partenaire du programme F-35 mené par Lockheed Martin, dont il assure le fuselage central, le radar, les systèmes de communication et la furtivité. À Palmdale, en Californie, sa ligne d'assemblage intégrée combine robotique, automatisation et réalité mixte, et sort un fuselage central toutes les 30 heures. L'entreprise fabrique aussi par procédés automatisés des pièces composites comme les peaux d'aile et les nacelles pour les trois variantes de l'appareil. L'objectif affiché est d'augmenter la capacité de production tout en préservant la qualité, alors que les livraisons continuent pour l'armée américaine et ses alliés. Aucun calendrier de déploiement sur d'autres lignes n'a été communiqué. Sur ce terrain, Northrop suit une trajectoire comparable à celle d'autres grands de l'aéronautique, qui misent sur le cobot et la vision par IA avant toute robotique mobile avancée.

IndustrielActu
1 source
Vidéo : une entreprise américaine dévoile une main humanoïde à cinq doigts avant le lancement de son nouveau robot humanoïde
537Interesting Engineering 

Vidéo : une entreprise américaine dévoile une main humanoïde à cinq doigts avant le lancement de son nouveau robot humanoïde

Clone Robotics, la start-up américaine qui développe des humanoïdes à muscles artificiels, a publié le 1er octobre 2026 une vidéo intitulée « Teleoperation of the Hand of Torso 3 ». On y voit une main à cinq doigts piloter à distance par un opérateur humain. L'entreprise y annonce aussi le lancement en novembre de Torso 4, un buste bimanuel redessiné pour des tâches stationnaires en entreprise, c'est-à-dire exécutées à poste fixe avec les deux bras. Dans un message complémentaire, Clone précise que la main filmée date d'avril 2026 et constitue la dernière de ses conceptions héritées. Depuis, elle affirme avoir consacré six mois à repenser l'ensemble du système. Aucune donnée chiffrée n'accompagne l'annonce : ni charge utile, ni nombre de degrés de liberté, ni temps de cycle, ni prix, ni site de déploiement. Pour un intégrateur ou un responsable industriel, il y a peu à retenir de ce contenu, et c'est précisément ce qu'il faut en dire. La vidéo ne montre aucune autonomie : c'est de la téléopération, sur du matériel que Clone considère elle-même comme dépassé. Elle ne dit rien des performances de Torso 4. L'annonce ne cite aucune tâche réalisée par la nouvelle plateforme et n'indique pas quel degré d'assistance humaine elle exige. L'ambition d'automatiser le travail bimanuel stationnaire reste donc un objectif produit, pas un résultat démontré. La seule information exploitable est d'ordre stratégique : Clone dit vouloir rendre son matériel plus simple à simuler et à commander tout en conservant des capacités de niveau humain. Cela reconnaît implicitement que l'architecture précédente, difficile à modéliser, freinait l'apprentissage en simulation et le transfert vers le réel. Le choix de Clone reste atypique. La société suit l'anatomie humaine, avec cinq doigts actionnés par des muscles artificiels et des tendons, là où Boston Dynamics a retenu pour les nouvelles mains d'Atlas quatre doigts seulement, afin de limiter coût, encombrement et points de défaillance. Les deux approches divergent sur la forme, mais convergent sur la priorité donnée à la simulabilité et à la contrôlabilité, signe que la dextérité fine se heurte désormais autant à un problème de modélisation qu'à un problème mécanique. Le lancement de novembre servira de test : il faudra y chercher des tâches documentées, la part de fonctionnement autonome, le recours à l'intervention humaine, et surtout des vidéos non sélectionnées. Tant que ces éléments manquent, Torso 4 relève de l'annonce, pas du produit livré ni du déploiement réel.

HumanoïdesOpinion
1 source
Un robot humanoïde américain reçoit une main à quatre doigts et 13 degrés de liberté (DOF) pour les tâches difficiles
538Interesting Engineering 

Un robot humanoïde américain reçoit une main à quatre doigts et 13 degrés de liberté (DOF) pour les tâches difficiles

Boston Dynamics a dévoilé une nouvelle main pour son humanoïde Atlas : quatre doigts et 13 degrés de liberté (DOF), contre sept pour la version précédente. Le pouce, opposable, en compte quatre, et chacun des trois autres doigts en compte trois, ce qui permet d'écarter les doigts et de piloter chaque bout de doigt individuellement. Les articulations sont à actionnement direct, avec un seul type d'actionneur, encapsulé, sans câbles traversant les joints. La main a la taille d'une grande main humaine, pour rester compatible avec l'outillage conçu pour les opérateurs. Selon l'entreprise, elle porte un mini-réfrigérateur chargé de plus de 45 kg (100 lb). L'Atlas de production est donné pour une charge utile instantanée de 110 lb (environ 50 kg) et de 66 lb (environ 30 kg) en continu. Ces chiffres viennent du constructeur et aucun test indépendant n'est cité. Le texte ne précise ni prix, ni volumes, ni calendrier de livraison. Le choix le plus parlant est l'absence d'auriculaire. Boston Dynamics explique que l'ajouter aurait été simple, mais que les tests ont montré qu'il était inutile pour les tâches visées. Quatre doigts suffisent, selon l'entreprise, pour réorienter un objet dans la main, rattraper une prise qui glisse et manipuler un outil en actionnant sa gâchette. Un cinquième doigt aurait ajouté trois actionneurs, donc du coût, de l'encombrement et des points de défaillance. C'est un arbitrage d'ingénierie assumé en faveur de la fiabilité en exploitation répétée plutôt que de la fidélité anatomique, ce qui tranche avec les démonstrations de dextérité de laboratoire. La conception est aussi pensée pour l'apprentissage : transmissions rétroactionnables (backdrivable), proprioception et capteurs tactiles de pression denses sur la pulpe des doigts et la paume. Ces choix permettent de modéliser la main avec une grande fidélité dynamique et d'entraîner par renforcement en simulation des politiques de contrôle (frottements, géométries d'objets, perturbations variés) avant de les transférer sur le robot réel. Le point à surveiller est la performance de ce transfert sim-to-real, que l'entreprise décrit comme un objectif de conception, sans publier de taux de réussite ni de temps de cycle. Cette main s'inscrit dans la course à la dextérité qui oppose désormais les humanoïdes industriels : la main est devenue le principal verrou entre la démonstration et le travail utile, bien avant la locomotion. Boston Dynamics, qui a fait évoluer Atlas d'un robot hydraulique de recherche vers un produit électrique de production, l'oppose à une pince industrielle classique, très efficace quand objets, orientations et environnement sont strictement contrôlés. Ses concurrents, Tesla avec Optimus, Figure avec son modèle Figure 03 ou Agility Robotics, suivent des voies différentes sur le nombre de doigts et d'actionneurs. Le texte ne détaille pas les prochaines étapes. Il faudra surtout des déploiements mesurés, avec des taux de succès et une durabilité publiés, pour passer de l'annonce de conception à une preuve en conditions réelles.

HumanoïdesActu
Aussi surRobotics & Automation News
Robot Talk épisode 164 : accélérer l'apprentissage des robots, avec Michelle Lu
539Robohub 

Robot Talk épisode 164 : accélérer l'apprentissage des robots, avec Michelle Lu

Dans l'épisode 164 du podcast Robot Talk, l'animatrice Claire reçoit Michelle Lu, cofondatrice et CEO de Vsim Technology, pour parler d'entraînement de robots par simulation et intelligence artificielle. Michelle Lu a été directrice de la technologie de simulation chez NVIDIA, où elle a créé avec son cofondateur Isaac Gym, présenté comme le premier framework d'apprentissage par renforcement (RL) de bout en bout accéléré sur GPU. En 2022, les deux associés ont quitté NVIDIA pour fonder Vsim. L'entreprise vise trois limites de la robotique entraînée en simulation : l'efficacité, le passage à l'échelle et l'écart sim-to-real. L'épisode est un entretien : aucun produit, chiffre de performance, client ou financement n'est annoncé dans la présentation. L'intérêt tient au profil de la fondatrice. Isaac Gym a fixé la méthode que suivent aujourd'hui la plupart des équipes : des milliers d'environnements physiques simulés en parallèle sur GPU, pour entraîner des politiques de locomotion et de manipulation en quelques heures. Que ses concepteurs créent une société indépendante suggère que ces trois verrous restent ouverts, malgré les démonstrations de plus en plus fluides des humanoïdes. Pour un intégrateur, le sim-to-real conditionne le coût réel d'adaptation d'un robot à un nouveau site. À ce stade, Vsim n'a pas publié de preuve chiffrée visible dans ce résumé. Côté contexte, Vsim naît dans le sillage d'un écosystème dominé par NVIDIA, qui a poursuivi ce travail avec Isaac Sim et Isaac Lab. Les concurrents sont nombreux : MuJoCo et ses déclinaisons GPU de Google DeepMind, ou les moteurs de simulation propres aux laboratoires humanoïdes. Les suites dépendront de ce que Vsim démontrera publiquement : benchmarks, partenaires industriels, déploiements.

IA physiqueActu
1 source
Galbot lance le robot humanoïde bipède ET1 à partir de 79 000 yuans, avec apprentissage par observation sur les gammes supérieures
540Pandaily 

Galbot lance le robot humanoïde bipède ET1 à partir de 79 000 yuans, avec apprentissage par observation sur les gammes supérieures

Galbot, jeune pousse pékinoise de l'IA embarquée, a fixé les prix de l'ET1, son premier humanoïde bipède, selon le média chinois QbitAI daté du 2 octobre. Trois versions sont proposées : Standard à 79 000 yuans (environ 11 100 dollars), Pro à 139 000 yuans (environ 19 600 dollars) et Flagship à 179 000 yuans (environ 25 200 dollars). Une fiche JD.com est désormais liée depuis la page produit. Le robot avait été présenté au World Robot Conference de Pékin en août, où il dansait aux côtés d'un performeur humain. Les précommandes ont ouvert début septembre, avec plus de 200 réservations en 24 heures d'après Galbot, dont plus de 100 via JD.com. L'ET1 mesure 1,25 m pour 32 kg batterie comprise. La version Standard compte 26 degrés de liberté (DOF), des caméras stéréo, un contrôleur principal basé sur les puces RK3588 et RDK X5, et gère des routines de danse et de spectacle ainsi que la conversation en langage naturel. La Pro ajoute un module Orin Nano de 40 TOPS, qui débloque l'apprentissage actif et le raisonnement et la planification dynamiques. Pro et Flagship acceptent des mains dextres (12 DOF supplémentaires). La Flagship embarque un module NX de 100 TOPS et ouvre davantage de développement secondaire pour chercheurs, développeurs et entreprises. L'intérêt tient à la fonction « watch-and-learn », qui permet au robot d'imiter un mouvement observé sans capture de mouvement. Elle repose sur AstraBrain-WBC, un modèle de fondation de mouvement pour humanoïdes, et sur le modèle AstraBrain pour la perception, la planification et la décision. Galbot évoque un modèle Transformer d'environ 100 millions de paramètres et, selon QbitAI, une base de données de mouvements humains de l'ordre d'un million d'heures, mêlant capture haute précision et mouvements reciblés depuis des vidéos web. Les démonstrations, où le robot reprend les figures d'un danseur, y compris des mouvements au sol sur les mains, restent des vitrines choisies : aucune mesure de taux de réussite, de robustesse ou de généralisation hors scène n'est fournie. Il s'agit en outre de reproduction de mouvement, non de manipulation utile. Le positionnement tarifaire est le véritable signal : QbitAI situe le modèle Standard entre les robots compagnons grand public (20 000 à 30 000 yuans) et les humanoïdes professionnels (120 000 à 200 000 yuans), ce qui rapproche un bipède complet du budget d'un équipement de démonstration pour un lieu commercial. Galbot cible les parcs à thème, l'accueil en boutique, la présentation de produits, la danse de scène et le spectacle comique, pas le domicile. Dans une démo, l'ET1 a donné par instruction vocale l'ordre à un robot à roues Galbot G1 d'aller chercher des boissons en commerce. Le robot est développé conjointement avec Unitree, dont il reprend la motorisation, ce qui laisse à Galbot le soin de se concentrer sur les modèles d'IA. Il s'inscrit dans une offensive chinoise sur les humanoïdes abordables, aux côtés du G1+ d'Unitree annoncé près de 95 000 yuans et des livraisons en série de l'UWorld U1 d'UBTECH. Galbot a aussi lancé le modèle monde-action LDA-1B. Aucun volume de livraison réel ni client nommé n'a été communiqué : les 200 réservations sont des intentions d'achat, pas des déploiements. En Europe, des acteurs comme Wandercraft ou Enchanted Tools visent d'autres segments, à des prix très supérieurs. La suite se jouera sur les premières livraisons et les retours des lieux commerciaux.

Chine/AsieActu
1 source
Flexiv présente à l'IROS 2026 ses robots adaptatifs à commande en force
541Robotics & Automation News 

Flexiv présente à l'IROS 2026 ses robots adaptatifs à commande en force

Flexiv, développeur de robotique généraliste, a exposé à l'IROS 2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems), qui s'est achevée hier à Pittsburgh. Le stand 922, au David L. Lawrence Convention Center, proposait des démonstrations en direct où les visiteurs pouvaient interagir avec les robots. L'entreprise met en avant deux briques : un contrôle de force de haute précision et une couche d'intelligence artificielle censée rendre les bras adaptatifs. Le communiqué, dans la version disponible, ne donne ni payload, ni nombre de DOF, ni temps de cycle, ni prix, ni volumes de déploiement. Il ne nomme pas non plus de modèle d'IA ni de client. Le sujet dépasse la simple présence sur un salon. Le contrôle de force est l'un des points durs des tâches de contact comme l'assemblage, le polissage ou l'insertion, où les approches purement pilotées par la vision et la position restent fragiles. Combiner ce contrôle avec des politiques apprises répond à une question que se posent les intégrateurs : ces politiques tiennent-elles hors des démonstrations ? Une démo sur stand reste cependant un format contrôlé. Sans taux de réussite, durée d'essai ni conditions de variabilité, elle montre une capacité sans prouver sa robustesse industrielle. Il s'agit ici d'une démonstration publique, pas d'un déploiement documenté. Flexiv, créée en 2016 et active entre la Silicon Valley et la Chine, s'est fait connaître par ses bras à couple articulaire. Elle s'est ensuite positionnée sur la « robotique adaptative » et l'IA incarnée. Elle affronte les cobots établis comme Universal Robots et Kuka, ainsi que des acteurs du contrôle de force comme Franka Robotics, désormais dans le giron d'Agile Robots en Allemagne. Elle est aussi en concurrence avec les plateformes humanoïdes pilotées par modèles VLA (vision-langage-action). L'enjeu des prochains mois sera d'obtenir des chiffres de production et des pilotes clients vérifiables.

IndustrielActu
1 source
Agibot et Chimelong lancent un parc à thème d'IA incarnée à grande échelle avec plus de 300 robots
542Robotics & Automation News 

Agibot et Chimelong lancent un parc à thème d'IA incarnée à grande échelle avec plus de 300 robots

Agibot et le groupe Chimelong ont lancé la première phase d'un déploiement d'IA embarquée à grande échelle au parc Chimelong Spaceship. Plus de 300 robots y sont intégrés dans quatre usages: le divertissement, l'éducation, l'accueil des visiteurs et l'exploitation hôtelière. Les deux partenaires présentent l'ensemble comme plus qu'une série de démonstrations isolées, avec des robots insérés dans des scénarios en contact avec le public et dans des tâches opérationnelles. Ils s'appuient sur une connectivité dédiée et sur une coordination multi-robots. Le texte disponible ne précise ni les modèles de robots, ni les charges utiles, ni les degrés de liberté, ni le coût, ni la répartition des 300 unités par usage. Le chiffre de 300 unités sur un seul site place ce projet parmi les plus gros déploiements humanoïdes et robotiques en contact avec le public annoncés à ce jour. Pour un intégrateur, l'enjeu dépasse le nombre de machines: il tient à l'orchestration de flottes, à la fiabilité de la connectivité et à l'exploitation quotidienne dans un environnement ouvert. Il faudra toutefois distinguer un déploiement réel d'un effet vitrine. Sans taux de disponibilité, durée d'intervention humaine ou volume de tâches réellement autonomes, l'annonce ne permet pas de mesurer l'écart entre démonstration et exploitation. Agibot, acteur chinois de la robotique humanoïde, trouve ici un client final capable de fournir un terrain d'essai à grande échelle. Le secteur du loisir et de l'hôtellerie sert déjà de banc d'essai à d'autres robots, car la tolérance à l'erreur y est plus élevée que dans l'industrie. Cette annonce concerne la première phase du projet. Les prochaines étapes et leur calendrier ne figurent pas dans le texte disponible, et c'est leur publication qui permettra de juger de la maturité réelle du déploiement.

Chine/AsieActu
1 source
Réduire l'écart simulation-réel avec multipanda_ros2 : un framework ROS2 temps réel pour systèmes multimanuels
543arXiv cs.RO 

Réduire l'écart simulation-réel avec multipanda_ros2 : un framework ROS2 temps réel pour systèmes multimanuels

Des chercheurs publient multipandaros2, une architecture open source ROS2 pour piloter plusieurs robots Franka Robotics depuis un seul processus. Le framework s'appuie sur ros2control et expose des interfaces ROS2 natives pour un nombre quelconque de bras. Il maintient une boucle de contrôle en couple à 1 kHz, fréquence indispensable au temps réel et minimum exigé par les normes de sécurité. Il introduit aussi un patron de conception « controllet-feature », qui ramène le délai de commutation entre contrôleurs à 2 ms ou moins. Côté simulation, l'équipe intègre un jumeau MuJoCo haute fidélité. Elle l'évalue avec des métriques quantitatives de précision cinématique et de cohérence dynamique (couples, forces, erreurs de contrôle). Elle montre enfin qu'une identification des paramètres inertiels sur le robot réel améliore nettement la précision des forces et des couples simulés. Le code est publié, mais le résumé ne donne ni liste de tâches détaillée ni chiffres d'amélioration. L'intérêt est surtout infrastructurel. Le sim-to-real reste un point de blocage pour la manipulation riche en contacts, en particulier à deux bras. Les politiques apprises, de type VLA ou apprentissage par renforcement, ne valent que par la fidélité des couples et des forces simulés. Un cadre qui quantifie l'écart sur les couples, et pas seulement sur les trajectoires, rend le benchmarking reproductible. La commutation de contrôleurs en 2 ms permet d'enchaîner des phases de contrôle en impédance, en force ou en position sans rupture, ce qui compte pour l'assemblage ou la manipulation d'objets partagés entre deux bras. Pour un intégrateur, l'unification de plusieurs Franka dans un seul processus allège le déploiement de cellules multi-robots. Il faut toutefois rester prudent : il s'agit d'un outil de recherche validé sur des plateformes de laboratoire, pas d'une preuve de déploiement industriel, et l'ampleur de la réduction de l'écart sim-to-real n'est pas chiffrée dans le résumé. Le projet s'inscrit dans la lignée de franka_ros et de libfranka, dont le support ROS2 est resté fragmentaire, surtout pour le multi-robot. L'équipe indique prolonger des approches issues de la robotique souple vers les tâches rigides à deux bras. Le Franka (Franka Robotics, société munichoise) reste la plateforme de référence des laboratoires européens et américains. D'autres cadres s'adressent au même besoin : MoveIt 2 pour la planification, Isaac Sim ou MuJoCo Playground pour la simulation, et LeRobot pour les données et les politiques. La suite logique est l'adoption par la communauté, puis des validations sur des tâches de contact plus exigeantes. Cette version 2 de l'article remplace la précédente sur arXiv.

RecherchePaper
1 source
Vers un modèle généraliste de locomanipulation humanoïde par préentraînement sur des données humaines égocentriques du corps entier
544arXiv cs.RO 

Vers un modèle généraliste de locomanipulation humanoïde par préentraînement sur des données humaines égocentriques du corps entier

Des chercheurs publient λ0, une politique vision-langage-action (VLA) pour humanoïde qui pilote l'ensemble du corps, c'est-à-dire la locomotion, la posture, la manipulation à deux mains et les mouvements de doigts. Le travail repose sur HumanVerse-500, un jeu de données de 500 heures de comportements humains de locomanipulation en environnements ouverts. Il a été collecté avec un système portable léger qui synchronise la vidéo égocentrique avec les mouvements du corps et des mains. L'entraînement se fait en trois étapes. La première apprend l'interaction à partir de jeux de données égocentriques variés. La deuxième coordonne corps et mains grâce à HumanVerse-500. La troisième adapte la politique à des tâches et à des robots précis. λ0 apprend un espace de représentation commun pour transférer l'expérience humaine, tandis que des interfaces propres à chaque domaine gèrent les écarts entre états et actions de l'humain et du robot. L'évaluation porte sur le benchmark SIMPLE et sur quatre tâches réelles de locomanipulation. Les auteurs revendiquent des performances « état de l'art » et analysent aussi le comportement à l'échelle, la généralisation et l'apport de chaque étape. Ils annoncent la publication du code, des modèles et des données. L'article précise toutefois ni le robot utilisé, ni les taux de réussite, ni les concurrents comparés. L'enjeu est le coût de la donnée. Les vidéos égocentriques sont abondantes mais couvrent mal le mouvement du corps entier et sa coordination avec la manipulation. La téléopération d'humanoïdes produit la bonne donnée, mais elle est chère et difficile à passer à l'échelle. Cette étude teste une voie médiane : capter des humains équipés de capteurs légers, puis transférer vers le robot. Si les résultats tiennent, la collecte de démonstrations par téléopération deviendrait moins déterminante, et la capacité à capter du mouvement humain en conditions réelles le deviendrait davantage. Pour un intégrateur, cela pourrait réduire le coût d'adaptation à une nouvelle tâche ou à un nouveau robot, ce que la troisième étape cherche à démontrer. Il faut rester prudent : quatre tâches réelles, sans taux de réussite publiés dans le résumé, restent une base étroite. Le « état de l'art » dépend entièrement des références choisies. L'écart entre démonstration de laboratoire et déploiement industriel n'est pas traité ici. Ce travail s'inscrit dans le mouvement des modèles fondation pour humanoïdes. Les VLA de type Pi-0, GR00T ou Helix ont d'abord ciblé des bras et des mains, avant de s'étendre au corps entier. En parallèle, le pré-entraînement sur vidéo humaine devient une piste majeure pour contourner la rareté des données robotiques. Les acteurs industriels qui ont leurs propres flottes de téléopération, comme Tesla, Figure ou Agility, ont un avantage en données propriétaires, que des corpus ouverts comme HumanVerse-500 pourraient réduire pour les laboratoires académiques et les petites équipes, y compris en Europe. La suite dépend de la publication effective du code, des modèles et des données, puis de reproductions indépendantes sur d'autres plateformes. Ce sont elles qui diront si le transfert humain vers robot résiste hors du cadre des auteurs.

RecherchePaper
1 source
Kinematic MeanFlow : une politique de génération d'actions en une seule étape pour les modèles fondation en robotique
545arXiv cs.RO 

Kinematic MeanFlow : une politique de génération d'actions en une seule étape pour les modèles fondation en robotique

Des chercheurs affiliés à Intel Chine proposent Kinematic MeanFlow (K-MF), une politique de génération d'actions en une seule étape pour les modèles de fondation robotiques (RFM), publiée sur arXiv (2610.00864v1). L'objectif est de supprimer la latence d'inférence du flow matching multi-étapes, qui impose plusieurs passes de débruitage dans la tête d'action. Les auteurs constatent d'abord qu'une application directe de MeanFlow, cadre censé permettre la génération en un pas, fait s'effondrer les performances. Ils l'attribuent à deux dynamiques propres au champ de vitesse des RFM : l'« accélération locale » reste stable au début du débruitage puis grimpe brutalement vers la fin, et la dispersion des amplitudes entre échantillons s'élargit à mesure que le débruitage avance. K-MF repose sur une identité cinématique. Il scinde le terme de dérivée temporelle de MeanFlow en deux termes sur des sous-intervalles, séparés par un point intermédiaire. Chaque terme capte la dynamique du début ou de la fin du débruitage, ce qui limite l'amplification des erreurs. Sur GR00T-N1.6, la latence de la tête d'action baisse de 67,5 % à 74,4 % selon les configurations (GPU L40 et Jetson Orin, modes eager et compilé). La latence de bout en bout baisse de 30,3 % à 54,9 %. Le code sera publié sur GitHub (IntelChina-AI/K-MF). L'enjeu est très concret pour les intégrateurs et les équipes embarquées. Les politiques VLA basées sur la diffusion ou le flow matching, comme GR00T ou Pi-0, paient un coût d'inférence multiplié par le nombre d'étapes, ce qui limite la fréquence de contrôle, surtout sur du matériel embarqué de classe Jetson Orin. Le gain de bout en bout reste nettement inférieur au gain sur la tête d'action : le reste du modèle (encodeur visuel, backbone langage) devient alors le goulot d'étranglement. Les auteurs affirment aussi que K-MF fonctionne en entraînement from scratch comme en fine-tuning, et dépasse le flow matching multi-étapes « dans la plupart des cas ». Cette formulation appelle à la prudence. Il s'agit d'une préimpression non relue par des pairs, et le résumé ne donne ni taux de réussite précis, ni liste de tâches, ni validation sur robot physique. Aucun déploiement industriel n'est annoncé. Le travail s'inscrit dans une course à la réduction de la latence des politiques génératives. MeanFlow a émergé comme alternative aux approches par distillation ou par consistance, et la distillation en une étape ou les têtes d'action plus légères restent les principales pistes concurrentes. Le choix de GR00T-N1.6 de NVIDIA comme banc d'essai et des plateformes L40 et Jetson Orin reflète la réalité du déploiement actuel des humanoïdes, où la puissance de calcul embarquée est contrainte. L'implication d'Intel Chine laisse penser que l'optimisation de l'inférence en périphérie est un axe stratégique pour le fabricant. La suite dépendra de la publication du code, qui permettra à la communauté de reproduire les résultats, de les tester sur d'autres architectures VLA et de vérifier si l'accélération se maintient sur des tâches réelles de manipulation fine.

RecherchePaper
1 source
HumanoidToolBench : évaluation de l'utilisation d'outils par les robots humanoïdes, du choix à l'exécution mobile
546arXiv cs.RO 

HumanoidToolBench : évaluation de l'utilisation d'outils par les robots humanoïdes, du choix à l'exécution mobile

HumanoidToolBench, un nouveau benchmark publié sur arXiv (2610.02089), vise à évaluer l'usage d'outils par des robots humanoïdes, de la sélection de l'outil jusqu'à l'exécution mobile. Il comprend 18 tâches réparties sur trois scénarios, trois niveaux d'exécution et deux modes de jeu d'outils. Il est accompagné de ToolBook, un jeu de 3 100 démonstrations collectées en simulation et sur un Unitree G1 réel. Les auteurs ont évalué sept politiques en simulation et trois sur le robot physique. Ils ont aussi mené des sondages ciblés sur GR00T N1.7, le modèle fondation de NVIDIA. Le code et les données sont publiés en accès libre sur le site du projet, hébergé par le groupe SNU-PI. Les résultats montrent un écart important entre choisir un outil adapté et mener la tâche à son terme. Les sondages sur GR00T N1.7 révèlent deux faiblesses. La précision de sélection baisse sur des outils jamais vus à l'entraînement. Le robot continue en outre d'exécuter la tâche initiale lorsqu'on lui donne une instruction sans rapport. Le résumé ne donne ni taux de réussite chiffrés ni détail par politique, ce qui empêche de mesurer l'ampleur exacte de l'écart. Pour l'industrie, ce travail cible un angle mort. Un humanoïde dépasse ses limites physiques (portée, force, précision) grâce à des outils, et cette capacité conditionne des usages réels en logistique, maintenance ou assemblage. Or les benchmarks existants testent séparément la sélection d'outil, la manipulation ou la locomotion, rarement les trois ensemble sur un humanoïde. Le résultat est un rappel utile pour les intégrateurs: un modèle vision-langage-action (VLA) qui paraît convaincant en démonstration peut échouer dès que l'outil change ou que la consigne dérive. Le second défaut, la persistance de la tâche malgré une instruction étrangère, soulève une question de fiabilité et de sécurité pour tout déploiement au contact d'opérateurs humains. Le choix du Unitree G1, humanoïde de recherche à prix relativement accessible, répond à une logique de reproductibilité: de nombreux laboratoires peuvent répliquer les expériences. GR00T N1.7 s'inscrit dans la lignée des modèles généralistes de NVIDIA, face à des VLA concurrents comme Pi-0 de Physical Intelligence ou Helix de Figure. Il s'agit ici d'un benchmark académique, sans produit ni déploiement commercial à la clé. Sa valeur dépendra de son adoption par la communauté, qui pourra s'en servir pour comparer des modèles plus récents et mesurer si l'écart entre sélection et exécution se réduit.

RecherchePaper
1 source
MIKASA-Robo-VLA : évaluer la mémoire des modèles vision-langage-action (VLA) pour la manipulation à long horizon
547arXiv cs.RO 

MIKASA-Robo-VLA : évaluer la mémoire des modèles vision-langage-action (VLA) pour la manipulation à long horizon

MIKASA-Robo-VLA, un nouveau benchmark publié sur arXiv (v1, octobre 2026), propose 90 tâches de manipulation conditionnées par le langage pour mesurer comment les politiques vision-langage-action (VLA) exploitent une information qui disparaît en cours de tâche. Dans 80 d'entre elles, l'indice dont dépend l'action est masqué ; les 10 restantes sont des contrôles réactifs où il reste visible. Chaque tâche fournit une instruction textuelle, alors que la suite d'origine, MIKASA-Robo (32 tâches), n'utilisait le langage que sur un sous-ensemble représentatif. Pour 70 tâches, les temps de phase de l'environnement définissent un « écart d'information », et dans 28 cas il dépasse la fenêtre de 16 images du VLA à contexte fixe le plus large recensé par les auteurs. Les chercheurs publient 22 500 trajectoires oracle couvrant 10 types de mémoire, aux formats RLDS et LeRobotDataset v3. Une baseline de référence π0.5, avec images courantes et proprioception mais sans historique d'observations ni module de mémoire explicite, est affinée sur 14 tâches et atteint 0,211 ± 0,044 de succès moyen. L'intérêt tient à un angle mort de l'évaluation actuelle. La plupart des VLA ne voient que une ou quelques images récentes, et les benchmarks courants récompensent surtout des comportements réactifs, ce qui peut masquer l'absence totale de mémoire. En distinguant tâches à mémoire et contrôles réactifs, le benchmark permet d'isoler cette faiblesse plutôt que de la confondre avec un défaut de perception ou de contrôle. Pour les intégrateurs et décideurs B2B, c'est un rappel que les démonstrations de manipulation longue durée (assemblage multi-étapes, tri avec conditions cachées, reprise après occlusion) ne disent pas grand-chose de la capacité d'un modèle à retenir ce qu'il ne voit plus. Le score de 0,211 est toutefois à lire avec prudence : il ne porte que sur 14 tâches, et les auteurs reconnaissent eux-mêmes que le moindre succès sur les tâches de la catégorie Long est brouillé par le « chunking » en boucle ouverte et par la composition des types de mémoire de ce sous-ensemble. Il ne prouve donc pas, à lui seul, que la mémoire explique l'écart. Ce travail prolonge la lignée MIKASA-Robo, centrée sur la mémoire en manipulation, et s'inscrit dans le mouvement de standardisation des données robotiques autour de RLDS et de LeRobot, l'écosystème porté notamment par Hugging Face, avec une compatibilité v3 qui facilite la réutilisation. π0.5, de Physical Intelligence, sert de référence, mais aucun résultat n'est publié pour des architectures dotées d'historique ou de mémoire explicite, qui seraient les comparaisons naturelles. La suite logique, que le papier laisse ouverte, serait d'évaluer ces variantes sur l'ensemble des 90 tâches. Le jeu de données et la page du projet sont déjà disponibles, ce qui permet à d'autres laboratoires de tester leurs propres modèles. Il s'agit d'un benchmark de simulation, sans déploiement industriel associé.

RecherchePaper
1 source
Quand le raisonnement aide l'action : surveiller et orienter la chaîne de pensée dans les politiques vision-langage-action
548arXiv cs.RO 

Quand le raisonnement aide l'action : surveiller et orienter la chaîne de pensée dans les politiques vision-langage-action

Une équipe de chercheurs publie sur arXiv (2610.00601) TRUST (Token-level Reward for Utility-Steered Chain-of-Thought), un modèle de valeur entraîné hors ligne qui prédit, à partir d'un préfixe partiel, si un raisonnement en chaîne de pensée (CoT) sera finalement correct. Il sert à surveiller la génération et à la corriger de façon sélective dans des politiques VLA (vision-langage-action) figées, sans réentraîner celles-ci. Sur le VLA de conduite Alpamayo 1.5, TRUST évalue la justesse du raisonnement avec 88,9 % de précision et la fait passer de 75,9 % à 90,0 %. Dans le simulateur AlpaSim, sur un sous-ensemble difficile défini à partir de la politique de référence, le taux de collision baisse de 30,4 % et l'erreur maximale de trajectoire de 11,5 % par rapport à la politique non pilotée. La méthode surpasse aussi un Best-of-4 à calcul équivalent. Sur le VLA de manipulation DeepThinkVLA, la justesse des affirmations sur l'état de préhension passe de 69,3 % à 90,2 %, et celle des choix d'action de 68,8 % à 85,9 %. En revanche, la performance en boucle fermée sur LIBERO-Plus reste globalement inchangée. Ce dernier résultat est le plus instructif. Beaucoup d'équipes supposent qu'un raisonnement plus fidèle donne un robot plus fiable, et que la trace de CoT peut servir d'interface de sécurité au runtime. Ces travaux contredisent cette hypothèse : corriger le texte ne corrige pas forcément le comportement. Les auteurs proposent deux axes d'évaluation. La « corrigibilité » mesure si un raisonnement peu fiable peut être détecté et amélioré pendant la génération. L'« actionnabilité » mesure si la correction modifie réellement l'action dans le sens voulu. En conduite, l'analyse empirique montre des effets cohérents avec l'intention. Sur DeepThinkVLA, ils sont limités, ce qui suggère que l'action dépend peu du raisonnement exprimé. Pour un intégrateur ou un responsable sécurité, un moniteur de CoT ne suffit donc pas comme garde-fou : il faut mesurer le couplage entre texte et action pour chaque politique. Les résultats viennent de simulation (AlpaSim, LIBERO-Plus), sans validation sur robot ou véhicule réel, et le sous-ensemble « difficile » est choisi par les auteurs eux-mêmes. Ces travaux s'inscrivent dans la montée des VLA à raisonnement explicite, qui exposent leur « pensée » intermédiaire pour améliorer la généralisation et l'interprétabilité. Alpamayo, la famille de VLA de conduite associée à l'écosystème NVIDIA, et DeepThinkVLA, côté manipulation, en sont deux exemples. Les modèles généralistes de type Pi-0, GR00T ou Helix ont popularisé l'idée d'une hiérarchie entre planification de haut niveau et contrôle bas niveau. Le papier n'annonce ni produit ni déploiement. Il donne une méthode d'évaluation qui pourrait servir de référence aux travaux sur la supervision en ligne des VLA. Les suites logiques sont de tester TRUST sur d'autres architectures, d'en mesurer le surcoût de latence en temps réel, et d'identifier les VLA dont l'action est effectivement guidée par le raisonnement.

RecherchePaper
1 source
Plus facile à dire qu'à faire : comprendre l'écart entre intention et comportement dans le jailbreak des robots pilotés par LLM
549arXiv cs.RO 

Plus facile à dire qu'à faire : comprendre l'écart entre intention et comportement dans le jailbreak des robots pilotés par LLM

Des chercheurs de l'université du Zhejiang (projet « ZJU SHINE ») publient la cinquième version d'un article posé sur arXiv (2412.16633) consacré aux attaques de type « jailbreak » contre les robots pilotés par grands modèles de langage (LLM). Dans ces architectures, le LLM sert de planificateur et traduit une instruction en langage naturel en appels de politiques exécutables, comme grasp(), moveto() ou opengripper(). Les auteurs observent que les jailbreaks existants, qui produisent des politiques d'apparence malveillante (« intent jailbreaks »), échouent souvent à provoquer une action physique réellement nuisible (« behavior jailbreaks »). Les causes sont propres à la robotique : erreurs de logique, API de contrôle hallucinées, mauvais ordonnancement des politiques, contraintes matérielles et cinématiques ignorées. Pour combler cet écart, l'équipe présente POEF (POlicy EFfective Jailbreak), un cadre automatisé de red teaming. Il utilise les gradients des couches cachées d'un LLM non aligné pour guider l'optimisation des prompts, puis un évaluateur multi-agents vérifie la faisabilité des politiques générées. Testé sur des robots commerciaux (humanoïde Unitree G1, bras Franka) et en simulation, POEF atteint 80 % de succès en behavior jailbreak et se transfère entre différents LLM. Deux stratégies de défense sont également proposées. Le résultat déplace la question de la sécurité des robots à LLM. Jusqu'ici, beaucoup d'évaluations comptaient un succès dès que le modèle produisait un plan dangereux sur le papier, ce qui surestimait le risque réel. Le « gap » mesuré ici montre que la robustesse physique (API réelles, ordre des actions, limites cinématiques) agit comme une protection involontaire, mais fragile : un attaquant qui en tient compte atteint 80 % de réussite. Pour les intégrateurs et responsables de déploiement, la leçon est qu'un filtrage du texte en entrée ne suffit pas. Il faut aussi valider les politiques au niveau de l'exécution, par exemple avec des vérifications de faisabilité, des limites de force et de vitesse, et des listes blanches d'API. Le transfert entre LLM suggère en outre qu'un changement de fournisseur de modèle ne règle pas le problème. Une réserve s'impose : les tests portent sur un nombre restreint de plateformes et de scénarios, et ne couvrent pas les architectures VLA de bout en bout (type Pi-0 ou Helix), qui n'utilisent pas ce schéma de planification par API. Ces travaux s'inscrivent dans une série de recherches sur les jailbreaks de robots, qui ont montré que des LLM embarqués pouvaient être poussés à générer des plans dangereux, sans toujours démontrer leur exécution. POEF fait passer l'évaluation de l'intention à l'effet physique mesuré. Le calendrier du secteur rend l'enjeu concret : les humanoïdes à planificateur LLM, de Unitree à Figure ou Tesla, avancent vers des pilotes industriels, et les auteurs jugent urgent de renforcer les contre-mesures avant tout déploiement à grande échelle. Aucun acteur européen n'est cité, mais les exigences du règlement européen sur l'IA et des normes de sécurité machine pourraient faire de ce type de red teaming un passage obligé. Les prochaines étapes probables sont des tests sur davantage de plateformes et sur les VLA, ainsi qu'une évaluation indépendante des deux défenses proposées.

RechercheOpinion
1 source
H-SPAR : simulation hydrodynamique pour le transport de particules et les robots autonomes
550arXiv cs.RO 

H-SPAR : simulation hydrodynamique pour le transport de particules et les robots autonomes

Des chercheurs ont publié sur arXiv (2610.01985) H-SPAR, un simulateur open source qui couple pour la première fois dans un même environnement trois éléments généralement traités séparément en robotique marine : le champ de courant, l'autonomie du véhicule et la cible d'échantillonnage. L'outil combine des champs de vitesse variables dans l'espace et le temps, un transport lagrangien de particules (chaque particule est suivie individuellement dans l'écoulement), un échantillonnage probabiliste et l'autonomie d'un véhicule de surface sans équipage (USV) sous ROS 2 et Gazebo. Des champs d'écoulement précalculés, partagés, pilotent à la fois l'advection des particules et les forces de courant appliquées au véhicule en boucle fermée. Les premiers résultats chiffrés concernent la planification : le planificateur SVF-RRT, qui tient compte des courants, réduit de 69,4 % le coût amont par rapport à un RRT classique au niveau du plan, mais cette réduction tombe à 41,7 % à l'exécution sous courants variables. Pour la couverture de zone, l'orientation du balayage fait varier le taux d'échantillonnage de particules jusqu'à 22,2 % dans la configuration complète. Le code est disponible sur GitHub et une page projet accompagne la publication. L'intérêt tient surtout à l'écart mesuré entre plan et exécution. Près de 28 points de gain disparaissent dès que le véhicule doit suivre sa trajectoire dans un courant qui évolue, avec ses contraintes de manœuvre et ses déviations. Cela rappelle qu'un planificateur validé uniquement sur des métriques de planification surestime ses performances réelles, un biais familier en robotique terrestre sous l'étiquette « sim-to-real ». Pour les opérateurs de surveillance environnementale (qualité de l'eau, microplastiques, panaches de polluants, hydrocarbures), l'enseignement est pratique : choisir le cap de balayage ou l'algorithme sans simuler conjointement le courant et le transport des particules peut fausser à la fois le coût de mission et la quantité de matière collectée. Il s'agit toutefois d'un travail de simulation. Aucune validation sur un USV réel n'est annoncée, et le simulateur reste à confronter aux mesures de terrain, notamment sur la précision des champs de courant précalculés. Le contexte est celui de simulateurs marins existants, qui modélisent généralement soit la dynamique du véhicule, soit l'écoulement, rarement les deux avec la cible de mesure. L'écosystème ROS 2/Gazebo, déjà standard pour les USV de recherche, facilite l'adoption par les laboratoires et les intégrateurs, et la publication du code ouvre la voie à des comparaisons reproductibles entre planificateurs. SVF-RRT* est cité comme planificateur existant, ce qui signale que la valeur de H-SPAR est d'abord celle d'un banc d'essai. Les suites logiques seraient l'ajout d'autres planificateurs sensibles aux courants, des campagnes d'essais en conditions réelles et des champs d'écoulement issus de données océanographiques. Aucun calendrier ni acteur industriel européen n'est mentionné dans le résumé.

RecherchePaper
1 source