Actualités robotique — page 15

4 567 articles au fil, du plus récent au plus ancien.

40

701arXiv cs.RO 

Impédance de manipulateurs embarqués sur navire via dynamique inverse dans l'espace des tâches basée sur l'optimisation

Des chercheurs proposent un nouveau système de contrôle pour bras robotiques embarqués sur des navires, confrontés aux mouvements erratiques de la houle. Le framework combine une commande au niveau couple, basée sur la dynamique inverse en espace tâche (task-space inverse dynamics, TSID), résolue par programmation quadratique, avec un contrôle d'impédance permettant de gérer à la fois le suivi précis de trajectoire et les tâches de manipulation en contact. Pour compenser dynamiquement les perturbations liées au mouvement de la base, un filtre de Kalman à état d'erreur (ESKF) estime en temps réel la position de la base en fusionnant les données inertielles avec le retour de pose de l'effecteur terminal. Testée en simulation puis en conditions réelles sur un bras manipulateur à 7 degrés de liberté (DOF) monté sur une plateforme Stewart à 6 DOF simulant le tangage et le roulis d'un navire, la méthode réduit l'erreur de suivi de position de l'effecteur de plus de 25,7% par rapport à la meilleure référence testée. Elle permet aussi une insertion dynamique de type peg-in-hole avec seulement 1 mm de jeu, tout en réduisant de 45% les forces de contact moyennes. Cette avancée s'attaque à un verrou technique concret pour la robotique maritime et offshore: la manipulation fine à bord de plateformes mobiles reste un défi majeur pour l'entretien d'infrastructures en mer, le transfert de charges entre navires ou les opérations de maintenance sur éoliennes offshore, où le couplage dynamique entre base instable et bras articulé dégrade habituellement la précision et complique tout contact contrôlé. Une réduction significative des forces de contact tout en maintenant un succès élevé sur une tâche de précision millimétrique constitue une preuve tangible que des opérations délicates, jusqu'ici réservées à des environnements statiques, deviennent envisageables en mer. Ce travail s'inscrit dans la lignée des recherches en contrôle robuste pour bases mobiles non stationnaires, où les approches précédentes peinaient à combiner compensation dynamique et compliance en environnement de contact. En couplant estimation d'état par capteurs inertiels et retour visuel ou de pose, les auteurs ouvrent la voie à des validations sur navires réels et à l'extension de la méthode à d'autres configurations de bras et de plateformes mobiles instables.

Recherche❖Paper

1 source

39

702arXiv cs.RO 

Navigation Vision-Langage hors ligne avec localisation géométrique d'objectif pour environnements extérieurs

Une équipe de chercheurs présente Edge-BehAV, un système de navigation robotique piloté par instructions en langage naturel capable de fonctionner entièrement en embarqué, sans aucune connexion au cloud. Décrit dans un article arXiv (2607.22226v1), le travail apporte trois contributions concrètes. D'abord, un benchmark systématique comparant 17 modèles de langage compacts (SLM) déployables en embarqué à 4 API en ligne, évalués sur la précision et la latence de décomposition d'instructions de navigation, sur trois plateformes de calcul différentes. Ensuite, un cadre hybride de localisation d'objectif combinant détection d'objets en vocabulaire ouvert, segmentation guidée par prompt et géométrie LiDAR pour estimer des positions métriques précises. Enfin, l'intégration de ces briques dans Edge-BehAV, une extension entièrement embarquée de l'architecture BehAV. Résultats chiffrés : le meilleur SLM égale la performance de la meilleure API cloud pour la décomposition d'instructions, tout en tournant environ 9 fois plus vite et sans réseau. Le module de localisation géométrique réduit l'erreur moyenne de distance à l'objectif de 2,05 mètres à 0,20 mètre, pour un coût de calcul moindre. Le système complet réussit 31 essais sur 32 lors de tests en boucle fermée en extérieur. L'intérêt principal tient à l'indépendance vis-à-vis du cloud, un verrou concret pour tout déploiement en zone sans connectivité fiable (agriculture, défense, inspection d'infrastructures isolées). Le résultat contredit l'idée reçue selon laquelle seuls les gros modèles cloud garantiraient une compréhension sémantique fiable pour la navigation : ici, un petit modèle embarqué atteint une parité de performance sur une tâche ciblée. Le taux de réussite de 31/32 en conditions réelles suggère un rétrécissement de l'écart simulation-réel typique des systèmes VLN, même si l'échantillon reste modeste et mériterait confirmation sur davantage d'essais et d'environnements. Ce travail prolonge l'architecture existante BehAV plutôt que de repartir de zéro, en y ajoutant la brique d'autonomie complète. Il se positionne à côté des modèles vision-langage-action orientés manipulation (Pi-0, GR00T N2, Helix), mais sur un terrain différent, celui de la navigation extérieure pour robots mobiles. Il s'agit à ce stade d'une recherche académique validée en essais contrôlés, pas d'un produit commercial ; les suites attendues portent sur l'élargissement des tests à d'autres plateformes et environnements.

IA physique❖Paper

1 source

39

703arXiv cs.RO 

IA incarnée et prédictive : le contrôle par apprentissage sûr pour les systèmes robotiques ego-monde

Des chercheurs proposent SOWL-MPC, une méthode de contrôle prédictif sûr conçue pour un nouveau scénario baptisé "ego-world robotic framework": un robot ego doit naviguer aux côtés d'un autre robot ("world robot") dont la politique de contrôle est totalement inconnue. Plutôt que de supposer un comportement prévisible chez l'autre agent, comme le font la plupart des méthodes existantes, l'approche combine un mécanisme d'apprentissage en ligne basé sur des processus gaussiens variationnels épars (SVGP) avec un schéma de contrôle à horizon glissant. À partir de simples mesures d'état bruitées, le système infère une distribution postérieure sur la politique latente du robot tiers, mise à jour en continu via un conditionnement variationnel en ligne (OVC), puis propagée dans la dynamique non linéaire du système via un schéma approché de propagation des moments, avant d'alimenter un contrôleur prédictif (MPC) sensible à l'incertitude. La méthode a été testée lors de campagnes Monte Carlo en simulation sous ROS 2, puis validée sur du matériel robotique réel dans une arène intérieure. Il s'agit d'un article de recherche déposé sur arXiv (2607.22225v1), pas d'un produit commercialisé. L'enjeu dépasse l'exercice académique: dans les entrepôts, les usines ou les espaces partagés où circulent plusieurs robots mobiles (AMR) ou humanoïdes issus de flottes ou de fabricants différents, un robot ne connaît généralement pas la politique de contrôle exacte des autres agents évoluant autour de lui. Les méthodes de navigation sûre reposent le plus souvent sur des hypothèses simplificatrices, modèles cinématiques fixes, comportements connus à l'avance, qui s'effondrent dès que l'environnement devient hétérogène. Une approche capable d'apprendre en ligne le comportement d'un agent inconnu tout en garantissant des marges de sécurité formelles répond directement à ce point de friction, potentiellement utile pour l'intégration de flottes multi-fournisseurs. Le travail s'inscrit dans la lignée des recherches combinant processus gaussiens et contrôle prédictif pour la navigation sûre, un axe actif depuis plusieurs années en robotique mobile et en interaction homme-robot. La validation reste toutefois limitée à une arène intérieure contrôlée: le passage à des environnements réels plus complexes, avec davantage d'agents ou des dynamiques plus rapides, constitue la prochaine étape logique avant tout usage industriel.

Recherche❖Paper

1 source

39

704arXiv cs.RO 

ViTacWorld : passage à l'échelle des modèles du monde visuo-tactiles pour la manipulation robotique riche en contacts

Des chercheurs présentent ViTacWorld, un modèle de monde visuo-tactile conditionné par l'action, conçu pour la manipulation robotique riche en contacts, décrit dans une prépublication arXiv (2607.22530v1). Le système s'appuie sur des jeux de données tactiles réels publics combinés à un environnement de simulation construit spécifiquement pour l'occasion, afin de générer à grande échelle des trajectoires visuo-tactiles-actions. Le modèle est d'abord préentraîné sur de larges volumes de trajectoires réelles et simulées, puis affiné avec des rollouts de politiques collectés en conditions réelles pour mieux coller aux comportements de manipulation visés. À partir d'une séquence d'actions du robot, ViTacWorld prédit conjointement les observations visuelles et le retour tactile correspondants, permettant de générer des rollouts visuo-tactiles-actions complets. Les auteurs présentent cela comme le premier cadre exploitant un modèle de monde pour la génération de trajectoires visuo-tactiles-actions et l'évaluation de politiques robotiques. L'enjeu central est le coût et la rareté des données tactiles réelles, qui freinent l'apprentissage robotique basé sur le toucher : matériel spécifique, collecte coûteuse, diversité de tâches et de scènes limitée. En misant sur le fait que le signal tactile, directement ancré dans le contact physique, souffre d'un écart simulation-vers-réel plus faible que la seule vision, ViTacWorld propose une voie pour combler ce manque de données sans multiplier les campagnes de collecte sur robot réel. Pour les équipes de recherche en manipulation fine (assemblage, insertion, préhension d'objets déformables), cela ouvre deux usages concrets : générer des données synthétiques pour améliorer des politiques tactiles en aval, et évaluer des politiques existantes en prédisant leurs résultats visuo-tactiles sous des séquences d'actions contrôlées, sans passer systématiquement par des essais physiques. C'est un signal de plus que les modèles de monde, déjà répandus en vision, commencent à s'étendre à d'autres modalités sensorielles pour la robotique de contact. Ce travail s'inscrit dans la lignée des modèles de monde appliqués à la robotique, jusqu'ici centrés presque exclusivement sur la modalité visuelle, et dans la continuité des efforts pour réduire la dépendance de l'apprentissage tactile aux capteurs propriétaires et aux collectes sur site. Les expériences menées par les auteurs sur des tâches de manipulation riches en contacts montrent que ViTacWorld génère des rollouts physiquement cohérents, améliore les performances de politiques via une augmentation de données scalable, et permet une évaluation de politiques conditionnée par l'action. Le projet est documenté sur vitacworld.github.io. L'article ne mentionne aucun partenariat industriel ni déploiement commercial à ce stade : il s'agit d'une contribution de recherche dont la portée réelle dépendra de sa reproduction sur des plateformes robotiques variées et de son adoption par des équipes travaillant sur l'assemblage ou la manipulation fine en environnement industriel.

Recherche❖Paper

1 source

38

705arXiv cs.RO 

DB-VIO : odométrie visuelle-inertielle à double branche avec représentation visuelle-inertielle améliorée

Résumé rédigé, sans travail d'outil nécessaire. DB-VIO est un nouveau système d'odométrie visuo-inertielle développé pour estimer précisément la pose à six degrés de liberté (6-DoF) des robots mobiles, présenté dans un preprint publié sur arXiv (arXiv:2607.22123v1). Contrairement aux approches d'apprentissage existantes qui fusionnent vision et inertie dans une représentation unique traitée par un seul modèle temporel, DB-VIO sépare le problème en deux branches dédiées, une pour la rotation, une pour la translation. Le système enrichit la perception visuelle monoculaire avec des indices de profondeur et injecte un a priori d'attitude intégré pour renforcer les signaux rotationnels souvent implicites dans les données brutes de la centrale inertielle (IMU). Testé sur les benchmarks KITTI (conduite autonome) et EuRoC (robot aérien), DB-VIO améliore les méthodes de référence de 20% sur KITTI et de 33% sur EuRoC, avec un gain de 65,7% sur la métrique rotationnelle dans les scénarios de mouvement agile d'EuRoC. Ces résultats, à ce stade limités à des benchmarks académiques standardisés et non à un déploiement réel, illustrent une tendance de fond dans la navigation robotique: la décomposition explicite des tâches de perception plutôt que des architectures monolithiques tend à mieux capturer des dynamiques physiques hétérogènes. Pour les intégrateurs travaillant sur des drones, des véhicules autonomes ou des robots mobiles, ce type d'avancée conditionne directement la fiabilité du suivi de trajectoire en environnement GPS-dégradé, un enjeu critique pour la navigation en intérieur ou en essaim. L'odométrie visuo-inertielle reste un champ actif depuis les approches classiques comme VINS-Mono jusqu'aux méthodes apprises plus récentes, ces dernières cherchant à dépasser les limites des pipelines géométriques traditionnels face au bruit capteur et aux mouvements rapides. DB-VIO s'inscrit dans cette lignée en ciblant spécifiquement la faiblesse connue des features monoculaires, l'absence de structure géométrique explicite. Aucune date d'intégration industrielle ni partenariat n'est mentionné à ce stade, le travail restant une contribution de recherche.

Recherche❖Paper

1 source

38

706arXiv cs.RO 

Modèles de génération de graphes de scènes 2D géométriques

Une équipe de recherche propose une nouvelle méthode pour générer automatiquement des graphes de scène représentant les relations d'assemblage entre composants, sans recourir à des données sémantiques annotées et en fonctionnant avec un jeu de données très restreint. Le pipeline s'appuie d'abord sur un modèle Faster R-CNN pour détecter les composants et produire des représentations géométriques de leur position et de leur forme. Ces représentations passent ensuite par une architecture transformer chargée de générer une matrice d'adjacence, qui sert à son tour d'entrée à un réseau siamois. Ce dernier utilise un mécanisme de passage de messages fondé sur un réseau convolutionnel de graphe attentionnel (aGCN) pour caractériser précisément la nature des connexions entre pièces. La méthode a été validée sur un jeu de données d'étude composé de pièces de modèles réduits assemblables en véhicules de transport (type maquettes jouets). Pour la robotique d'assemblage, ce travail répond à un problème très concret : un bras robotique ne peut planifier ni exécuter un montage sans comprendre comment les pièces s'articulent entre elles, et les approches classiques de génération de graphes de scène reposent généralement sur de lourdes bases sémantiques annotées, coûteuses à constituer pour chaque nouveau produit industriel. En s'appuyant uniquement sur la géométrie détectée visuellement et en tolérant de petits volumes de données d'entraînement, cette approche vise à réduire le travail d'annotation nécessaire pour déployer un système de compréhension d'assemblage sur une nouvelle chaîne de production ou un nouveau produit, ce qui intéresse directement les intégrateurs et les équipes R&D en robotique industrielle. Ce travail s'inscrit dans la lignée des recherches sur la génération de graphes de scène (scene graph generation), initialement développée pour la compréhension d'images en vision par ordinateur, mais ici réorientée vers un cas d'usage industriel précis : la planification d'assemblage robotique. La combinaison Faster R-CNN plus transformer plus réseau siamois à base de aGCN constitue une architecture hybride originale, distincte des approches purement sémantiques dominantes dans ce domaine. Publiée sur arXiv, cette contribution reste à ce stade une preuve de concept testée sur un jeu de données jouet ; sa généralisation à des composants industriels réels, à des géométries plus complexes ou à des scènes encombrées reste une étape à valider.

Recherche❖Paper

1 source

38

707arXiv cs.RO 

Robot-Factored World Models via le rendu de robots

Un article de recherche publié sur arXiv (2607.22535) propose une nouvelle architecture pour les "world models" en robotique, ces systèmes qui prédisent les observations futures d'une scène à partir d'une image initiale et d'un signal d'action. L'équipe identifie un problème structurel dans les approches existantes : conditionner le modèle directement sur les commandes d'action l'oblige à apprendre lui-même comment le corps du robot et son contrôleur traduisent ces commandes en mouvement réel, tandis que le conditionner sur les états futurs enregistrés revient à lui donner d'avance le résultat qu'il est censé prédire. La solution proposée, baptisée "robot-factored world model", sépare deux facteurs propres au robot en amont du modèle. D'abord, la trajectoire nominale : chaque commande est passée par le contrôleur et la cinématique du robot pour produire un signal intermédiaire disponible au déploiement. Ensuite, le rendu robotique : cette trajectoire est rendue via le fichier URDF du robot, extrayant sa géométrie et son apparence du modèle d'apprentissage. Pour lever l'ambiguïté de profondeur, les chercheurs associent la profondeur de l'effecteur terminal à celle de la scène. Cette approche cible un angle mort connu des modèles vidéo conditionnés par l'action utilisés en planification et simulation robotique, à savoir leur difficulté à généraliser au-delà du robot sur lequel ils ont été entraînés. Les résultats montrent que l'interface de rendu surpasse les méthodes de référence conditionnées par vecteurs d'action et généralise à des embodiments robotiques inédits au moment de l'inférence, un point sensible pour l'industrie alors que les modèles vision-langage-action (VLA) cherchent à s'affranchir de la dépendance à une plateforme matérielle unique. Le modèle parvient aussi à générer des vidéos de manipulation robotique à partir de démonstrations humaines, en retargetant le mouvement de la main vers une géométrie de robot. Ces travaux s'inscrivent dans une compétition plus large autour des world models et des politiques VLA à grande échelle, un terrain où Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure (Helix) investissent massivement pour rendre leurs systèmes transférables d'un robot à l'autre. La piste du rendu explicite de la géométrie robotique, plutôt que son encodage implicite dans des vecteurs d'action, pourrait devenir un standard méthodologique si elle se confirme sur des déploiements réels au-delà des benchmarks académiques.

Recherche❖Paper

1 source

38

708arXiv cs.RO 

Main humanoïde monolithique à pliage origami asymétrique et actionneurs à double chambre

Une équipe de chercheurs présente une nouvelle main robotique souple entièrement monolithique, baptisée OSOR (Origami-inspired SOft Robotic hand), imprimée en une seule pièce par frittage laser sélectif (SLS) dans un seul matériau, le polyuréthane thermoplastique (TPU). L'innovation repose sur deux structures géométriques inédites : le motif de flexion origami asymétrique (AOB), décliné en versions à chambre simple (AOB-S) pour les doigts et à double chambre asymétrique (AOB-D, ou ADC) pour la paume, qui reproduit un mouvement combiné doigts-paume inspiré de la main humaine. Les essais expérimentaux, validés par des modèles analytiques et une analyse par éléments finis, montrent une amplitude de flexion maximale de 203 degrés pour les doigts et 40 degrés pour la paume, avec des forces de sortie respectives de 6,3 N et 16 N. La main démontre plusieurs types de préhension : pincement délicat d'un morceau de tissu, saisie stable d'une bouteille d'eau à deux doigts, prise paume seule, et l'ensemble des prises de puissance recensées dans la taxonomie standard des préhensions manufacturières. L'apport principal ne tient pas tant à la performance brute qu'à la simplification radicale de la fabrication. Les mains souples existantes offrent une bonne adaptabilité passive mais restent souvent limitées par des architectures multi-matériaux ou multi-pièces, coûteuses à produire et fragiles à assembler. En démontrant qu'une géométrie asymétrique unique permet à la fois la flexion des doigts et le mouvement de paume dans une structure imprimable en un seul bloc, les auteurs répondent directement au compromis habituel entre performance et facilité de production, un frein connu à l'adoption industrielle des préhenseurs souples pour la manutention, la logistique ou la robotique collaborative. Ce travail s'inscrit dans la lignée des actionneurs souples inspirés de l'origami, un axe de recherche actif visant à remplacer les architectures pneumatiques complexes par des géométries pliables imprimables directement. Contrairement aux préhenseurs à jamming granulaire ou aux mains tendineuses multi-articulées développées par d'autres laboratoires, l'approche ici mise sur la simplicité structurelle plutôt que sur la richesse des degrés de liberté. Les auteurs évoquent la poursuite des travaux vers une caractérisation plus fine du ratio d'asymétrie et une intégration potentielle sur des bras robotiques complets.

Recherche❖Paper

1 source

37

709arXiv cs.RO 

Modèle Vision-Langage-Action pour la manipulation multi-mains via recherche dans les espaces d'assignation et nuls

Des chercheurs publient sur arXiv (arXiv:2607.22020, nouvelle soumission) une méthode pour résoudre un problème d'exécution resté largement irrésolu dans la robotique par apprentissage : les politiques de manipulation entraînées produisent aujourd'hui des trajectoires pour des « mains » abstraites, indépendantes de toute plateforme physique, ce qui facilite la collecte de démonstrations et le transfert d'un robot à l'autre. Mais transposer ces sorties sur un robot réel à plusieurs bras pose trois contraintes simultanées : assigner chaque trajectoire de main à un bras physique, faire en sorte que chaque bras suive dans l'espace des configurations la trajectoire prescrite de son effecteur, et respecter les limites cinématiques tout en évitant les collisions entre bras. En l'absence d'algorithme dédié, les équipes bricolent aujourd'hui des pipelines de cinématique inverse (IK) mono-bras étendus ad hoc, sans garantie de faisabilité ni de sécurité. Les auteurs proposent un planificateur fondé sur le Conflict-Based Search (CBS), qui recherche conjointement dans l'espace discret d'assignation des trajectoires aux bras et dans l'espace continu des espaces nuls jacobiens des bras redondants, exploitant cette redondance pour éviter les collisions inter-bras tout en suivant les mouvements prescrits. Le projet est documenté sur omcbsa.github.io. Ce travail s'attaque directement au maillon faible entre les politiques génératives type VLA (Pi-0, GR00T N2, Helix) et leur déploiement effectif sur des plateformes multi-bras ou humanoïdes bi-manuelles. Il illustre un écart typique du secteur : une politique peut être excellente en simulation ou sur une seule paire de bras, sans qu'il existe de méthode garantissant sa transposition sûre et complète à un robot physique concret. Pour les intégrateurs, disposer d'un cadre théoriquement complet, plutôt que d'heuristiques IK non garanties, réduit le risque d'échecs d'exécution ou de collisions lors du passage du laboratoire au déploiement industriel. CBS est historiquement un algorithme de planification multi-agents pour la recherche de chemins sans collision entre plusieurs robots mobiles ; son adaptation ici à l'espace nul des manipulateurs redondants est la contribution centrale. Il s'agit pour l'instant d'un travail de recherche publié en preprint, sans annonce de pilote industriel ni de partenaire ; la suite naturelle serait une validation sur des plateformes multi-bras réelles au-delà des démonstrations du site du projet.

Recherche❖Paper

1 source

37

710arXiv cs.RO 

Ordered Action Tokens pour l'apprentissage de politiques visuomotrices

Des chercheurs publient sur arXiv (arXiv:2607.21670v1) une nouvelle méthode de tokenisation d'actions pour les politiques visuomotrices de robots, baptisée OAT (Ordered Action Tokenization). Le problème visé est concret : pour piloter un bras ou un robot humanoïde via un modèle vision-langage-action (VLA), il faut convertir des séquences d'actions continues en tokens discrets, une étape clé de l'architecture. Les méthodes existantes échouent sur deux fronts, soit elles produisent des séquences de tokens beaucoup trop longues, soit elles génèrent des tokens latents appris mais sans structure interne, ce qui les rend peu compatibles avec les politiques de contrôle en aval. OAT combine un transformer à registres, une quantification scalaire finie et des mécanismes d'entraînement qui imposent un ordre aux tokens produits. Concrètement, chaque préfixe de la séquence de tokens est entraîné à pouvoir, à lui seul, se décoder en une action valide, les premiers tokens portant l'information de contrôle grossière et les suivants affinant les détails résiduels. Les auteurs ont testé la méthode sur trois architectures de politiques différentes et plus de 60 tâches, couvrant cinq bancs d'essai en simulation ainsi que des scénarios réels. Cette structure ordonnée change la donne opérationnelle : elle permet un compromis "anytime" entre coût de calcul à l'inférence et précision du geste, un point critique pour le déploiement embarqué où la latence contraint directement la cadence de contrôle. Pour les intégrateurs travaillant avec des politiques autorégressives ou des architectures hybrides combinant tokens et experts de type flow, cela ouvre la possibilité d'ajuster dynamiquement le compromis vitesse-précision sans changer de modèle, un besoin réel face aux VLA actuels souvent jugés trop lents pour du contrôle temps réel industriel. Le travail s'inscrit dans la lignée des tokenizers d'actions développés pour les politiques VLA type Pi-0 ou GR00T N2, où l'encodage des actions reste un goulot d'étranglement identifié par la recherche depuis l'essor de ces modèles. En comparant explicitement autorégression pure et co-entraînement par tokens dans un cadre flow-based, les auteurs positionnent OAT comme une brique d'interface générique, potentiellement réutilisable au-delà des architectures testées dans l'étude.

Recherche⚡Actu

1 source

37

711arXiv cs.RO 

Modélisation de récompense de progression pour l'apprentissage robotique : une étude complète

Une étude publiée sur arXiv (arXiv:2607.21655v1) propose la première synthèse structurée de la littérature sur le "progress reward modeling" en apprentissage robotique, soit les signaux de récompense qui mesurent l'avancement d'une tâche pendant son exécution, et non plus seulement à son terme. Le constat de départ est simple: un signal de succès terminal indique si la tâche est accomplie, mais ne dit rien sur le fait qu'un robot progresse, stagne ou régresse dans son comportement en cours de route. Face à la profusion de méthodes récentes exploitant ce type de retour intermédiaire, les auteurs organisent le champ en trois axes reliés: l'interface du modèle (quelles observations et spécifications d'objectif il reçoit, quel signal de progression il produit), les mécanismes internes de construction de ce signal, puis les données et protocoles d'évaluation qui servent à le valider. L'étude recense aussi les limites actuelles des approches existantes et esquisse des pistes de recherche futures. L'enjeu dépasse la seule taxonomie académique. En apprentissage par renforcement ou par imitation, la récompense terminale rare reste un goulot d'étranglement majeur pour les tâches longues de manipulation ou de locomotion: sans retour intermédiaire, l'agent ne sait pas s'il se rapproche de l'objectif. Des signaux de progression denses, exploitables par des politiques vision-langage-action comme GR00T ou Pi-0, promettent un apprentissage plus efficace en échantillons. Mais les auteurs pointent surtout l'absence de cadre commun: espaces d'observation, formats de signal, sources de supervision et protocoles d'évaluation diffèrent d'un papier à l'autre, rendant les comparaisons de résultats entre laboratoires largement invalides en l'état. Ce travail s'inscrit dans la lignée des modèles de récompense apparus avec le RLHF pour les grands modèles de langage, transposés ici au monde incarné, après des années de récompenses denses conçues à la main ou de signaux terminaux trop pauvres pour guider l'apprentissage. Les approches récentes s'appuient sur des fonctions de valeur apprises à partir de vidéos, des modèles vision-langage utilisés comme juges, ou de l'apprentissage contrastif contre des démonstrations. Sans annoncer de nouveaux résultats expérimentaux, cette synthèse vise avant tout à poser les bases de benchmarks standardisés pour ce sous-domaine en pleine expansion.

Recherche❖Paper

1 source

35

712arXiv cs.RO 

Robot Serpent : Locomotion Ondulatoire Adaptative en Milieu Visqueux Dynamique via Apprentissage par Renforcement Profond

Des chercheurs démontrent qu'un robot serpent piloté par apprentissage par renforcement profond (DRL) peut adapter sa locomotion en temps réel dans des environnements visqueux dont les propriétés changent dynamiquement, là où les méthodes de contrôle classiques à trajectoire prédéfinie échouent. Le problème est formulé comme un processus de décision markovien partiellement observable, puisque le robot ne dispose d'aucun capteur embarqué mesurant directement la viscosité du fluide environnant. La solution repose sur un cadre acteur-critique asymétrique : une politique "professeur" est d'abord entraînée en simulation physique avec accès à des informations privilégiées (la viscosité réelle), puis distillée dans une politique "étudiante" qui ne s'appuie plus que sur des capteurs proprioceptifs, exploitables sur un robot réel. Testé sur une plage de viscosités dynamiques allant de 10⁻⁷ à 10⁻² m²/s, l'agent apprend spontanément des allures ondulatoires non sinusoïdales, en rupture avec les gaits classiques, qui améliorent à la fois la vitesse de propulsion et l'efficacité de transport. L'intérêt dépasse le simple exercice académique : les robots serpents sont pressentis pour l'inspection de pipelines, l'exploration de milieux confinés ou sous-marins, et les opérations de recherche et sauvetage, autant de contextes où la viscosité du milieu (eau, boue, hydrocarbures) varie sans prévenir. Démontrer qu'un contrôleur peut inférer implicitement les propriétés physiques de l'environnement sans capteur dédié, uniquement via la distillation de connaissances privilégiées, ouvre une voie pour s'affranchir des modèles hydrodynamiques classiques, souvent trop rigides face à l'imprévisibilité réelle des fluides. Ce travail s'inscrit dans la lignée des recherches sur la locomotion bio-inspirée, où le contrôle par générateurs de patterns centraux (CPG) et les gaits sinusoïdaux dominent depuis des décennies faute d'alternative robuste. Il rejoint aussi la tendance plus large du DRL en robotique locomotrice, illustrée par les transferts sim-to-réel sur quadrupèdes ou bipèdes. Les résultats présentés restent toutefois cantonnés à la simulation ; la validation sur un robot serpent physique, confronté à de vrais fluides et à leurs bruits de mesure, constitue l'étape suivante logique avant tout déploiement industriel.

Recherche❖Paper

1 source

35

713arXiv cs.RO 

Robot apprend à communiquer via des abstractions visuelles projetées

Des chercheurs présentent un système robotique capable d'exprimer des formes via des ombres projetées, construit autour d'une main dexterisee a 21 degrés de liberté recouverte d'une peau souple compliante qui limite les fuites de lumière et produit des silhouettes continues. Le coeur du système est un "self-model" différentiable, appris par exploration autonome sans tache prédéfinie, qui associe chaque configuration de la main a l'ombre qu'elle projette. A partir d'une image ou d'une vidéo cible, le robot optimise sa configuration par descente de gradient sur ce modèle appris, puis affine la solution via une simulation tenant compte des collisions pour garantir des mouvements physiquement réalisables. Pour les ombres en mouvement, les chercheurs ajoutent des objectifs de région expressive, une régularisation de lissage temporel et une optimisation par images-clés. Les démonstrations couvrent la langue des signes, les ombres chinoises artisanales et l'imitation de mouvements animaux, testées en simulation et sur robot physique. L'intérêt dépasse le gadget: peu de travaux en robotique expressive abordent la communication via une abstraction visuelle du corps plutôt que par la morphologie elle-même. Pour la recherche en interaction homme-robot, cela ouvre un canal alternatif aux gestes directs ou aux écrans expressifs, en exploitant un phénomène physique universellement lisible. La démonstration valide aussi, a petite échelle, la faisabilité d'un self-model différentiable appris par auto-exploration plutôt que programme manuellement, une approche qui rejoint la tendance des modèles de monde appris pour la manipulation dexterisee. Reste que ce travail est une preuve de concept en laboratoire, sans données sur la robustesse en conditions réelles ni sur le temps de calcul requis. Cette recherche s'inscrit dans la lignée des mains robotiques a haut nombre de degrés de liberté, un axe distinct des mains de préhension des humanoïdes généralistes comme Figure ou Tesla Optimus, davantage orientées manipulation qu'expression. La question des abstractions corporelles projetées prolonge les travaux sur les visages expressifs des robots sociaux, ici sous un angle purement optique. Publie sur arXiv, l'article ne mentionne ni calendrier de suite ni application commerciale visée: il s'agit d'une démonstration de faisabilité scientifique posant un cadre réutilisable par d'autres équipes travaillant sur l'expressivité robotique, non d'un produit ou d'un pilote industriel.

Recherche❖Paper

1 source

34

714arXiv cs.RO 

Apprentissage de tâches humanoïdes variées via des scénarios vidéo synthétiques, sans données du monde réel

Une équipe de recherche propose une nouvelle méthode pour entraîner des robots humanoïdes sans passer par la collecte de données réelles, coûteuse et chronophage. Décrite dans un article publié sur arXiv (2607.21648), l'approche utilise l'IA générative pour transformer de simples prompts textuels en séquences vidéo synthétiques et réalistes de mouvements humains. Plutôt que de filmer des opérateurs humains exécutant une tâche, encore et encore, pour capturer différentes variantes de mouvement, le système génère lui-même de multiples façons d'accomplir une même action. Ces démonstrations synthétiques servent ensuite de matériel d'apprentissage pour le robot, selon un principe proche du Learning-from-Demonstration mais sans intervention humaine directe. Les chercheurs ont testé leur méthode sur quatre scénarios de simulation, avec des résultats montrant que le robot exécute les tâches avec succès et s'adapte à des variations complexes de mouvement. L'intérêt de cette approche tient au goulot d'étranglement bien identifié de l'apprentissage par démonstration pour les humanoïdes : la morphologie proche de l'humain ouvre des possibilités motrices riches, mais capturer suffisamment de données réelles diversifiées, couvrant les multiples façons dont différentes personnes réalisent une même tâche, reste onéreux et limité en échelle. Si la génération synthétique de mouvements humains via IA générative tient ses promesses en conditions réelles, elle pourrait réduire la dépendance aux tournages de motion capture et accélérer l'entraînement de modèles de type VLA, un enjeu central pour des acteurs comme Figure, Physical Intelligence ou NVIDIA avec GR00T. Ce travail s'inscrit dans une tendance de recherche plus large qui explore les données synthétiques et la simulation pour combler l'écart entre démonstration et déploiement réel, le fameux problème du sim-to-real. Il reste toutefois à ce stade un résultat de simulation publié en preprint, sans validation sur robot physique ni comparaison chiffrée avec des méthodes concurrentes de génération de données d'entraînement, ce qui invite à la prudence avant toute extrapolation vers une application industrielle.

Recherche❖Paper

1 source

37

715TechNode 

BYD dévoilera son premier robot humanoïde début août

BYD a dévoilé hier une affiche teaser annonçant ses premiers robots humanoïdes pour début août, marquant l'entrée officielle du constructeur automobile chinois sur le marché de la robotique. Cette annonce fait suite aux déclarations du mois dernier de Li Ke, vice-président exécutif de BYD, qui a détaillé une stratégie de déploiement concrète : placer deux à trois robots dans chaque concession du réseau de vente. Selon Li, ces assistants robotiques présenteraient les véhicules aux clients, animeraient l'espace commercial et feraient des démonstrations des fonctionnalités des voitures. Le dirigeant estime qu'une commercialisation de ces robots vendeurs pourrait devenir viable d'ici un à deux ans. Aucune spécification technique (DOF, payload, autonomie) n'a pour l'instant été communiquée, l'affiche restant un simple teaser sans détails produit. Cette annonce confirme l'entrée d'un nouvel acteur industriel de poids dans la course à l'humanoïde, avec un cas d'usage B2B très spécifique et immédiatement monétisable : le point de vente automobile plutôt que l'usine ou l'entrepôt. Contrairement à la plupart des projets humanoïdes actuels qui ciblent la logistique ou l'assemblage industriel, BYD vise un déploiement à grande échelle et à faible risque opérationnel (pas de manipulation critique, pas de sécurité machine complexe), ce qui pourrait accélérer la mise en marché réelle par rapport aux promesses de production usine encore largement au stade pilote chez la concurrence. Reste à vérifier si le calendrier annoncé (un à deux ans pour la viabilité commerciale) tient face à la réalité technique, un écart chronique du secteur entre démonstration et déploiement effectif. Le contexte s'inscrit dans la diversification tous azimuts de BYD, déjà premier vendeur mondial de véhicules électriques, qui a multiplié les signaux d'ambition robotique ces derniers mois via ses dirigeants. L'entreprise rejoint ainsi une liste croissante de constructeurs automobiles et géants technologiques chinois investissant dans l'humanoïde, aux côtés d'acteurs comme Unitree ou UBTech, dans un marché où Pékin pousse activement au développement de champions nationaux. Le teaser de début août devrait lever le voile sur les caractéristiques techniques du robot et sur un calendrier de déploiement plus précis, notamment pour le premier cas d'usage annoncé en concession.

Chine/Asie⚡Actu

1 source

43

716Pandaily 

Tencent Robotics X en open source de trois modèles fondation incarnés : le scientifique en chef Zhang Zhengyou explique l'architecture cérébrale à trois couches pour la vitesse de réaction des robots

Tencent Robotics X Laboratory a présenté au salon WAIC 2026 trois modèles fondationnels d'intelligence incarnée, désormais disponibles en open source : Hy-Embodied-VLM-1.0, dédié à la compréhension spatiale et des scènes, Hy-Embodied-RxBrain-1.0, chargé de la planification cognitive, et Hy-Embodied-VLA-0.5, qui traduit des objectifs de haut niveau en commandes motrices continues. Le chercheur en chef Zhang Zhengyou a expliqué que cette architecture à trois couches répond à un problème mal traité par les approches VLA actuelles : le monde physique fonctionne à plusieurs échelles temporelles, et l'intelligence robotique doit donc opérer à des fréquences différentes selon la tâche. Cette conclusion découle d'un échec concret : une tentative de faire tourner des capacités robotiques sur OpenClaw a produit des dizaines de secondes de latence, alors qu'un délai cognitif de seulement 2 à 3 secondes est déjà problématique pour un robot physique. Tencent a précisé que Hy-Embodied-VLA est entré en phase de test en production dans une usine de produits chimiques ménagers, sur des lignes d'assemblage multi-références à petits lots, avec un temps de cycle par pièce inférieur à 6 secondes et une capacité d'adaptation à une nouvelle référence après seulement 8 heures de collecte de données et de réentraînement. Ce déploiement en usine, avec objets positionnés aléatoirement, éclairage variable et interruptions de production, marque une bascule notable : Tencent affirme viser un taux d'échec quasi nul en conditions réelles plutôt qu'un score de démonstration, Zhang Zhengyou allant jusqu'à qualifier de "valeur quasi nulle" une démo qui obtiendrait 80 à 90 points sans déploiement effectif, une formule qui mérite d'être lue comme une critique implicite de nombreuses vitrines du secteur plutôt qu'un résultat mesuré indépendamment. Pour les intégrateurs et décideurs industriels, l'apport le plus concret est ailleurs, dans Hy-Embodied-RxBrain : au lieu de faire communiquer les modules par du texte, comme le faisaient les précédents systèmes Tairos, ce modèle "imagine" un état visuel du monde après chaque sous-tâche, ce qui règle le goulot d'étranglement du langage pour décrire des relations spatiales. Tencent le présente prudemment comme un modèle cognitif incarné plutôt qu'un véritable "world model", le secteur n'ayant pas encore convergé vers une architecture unifiée en la matière. Cette annonce s'inscrit dans la course mondiale aux modèles vision-langage-action, aux côtés d'acteurs comme Tesla, Figure AI, Physical Intelligence ou NVIDIA, dans un contexte où l'écart entre démonstration et exploitation industrielle reste le principal point de friction. En ouvrant l'ensemble de sa pile Tairos, incluant les trois modèles, Tencent met à disposition des développeurs et industriels une architecture pensée pour la fréquence, issue directement de ses propres échecs et itérations, sans toutefois communiquer de calendrier précis pour un déploiement à plus grande échelle au-delà du site pilote chimique.

Chine/Asie⚡Actu

1 source

43

717Pandaily 

Chargement en 30 000 heures de données tactiles comble le fossé de l'IA incarnée : XinZhi Embodied et l'université Fudan publient trois rapports techniques sur la perception haptique

XinZhi Embodied et l'université Fudan ont publié conjointement trois rapports techniques consacrés à un maillon longtemps négligé de l'intelligence incarnée : le toucher. Alors que la vision et le langage progressent rapidement dans les modèles de manipulation robotique, la perception tactile reste en retard, alors qu'elle est indispensable pour saisir, assembler ou identifier des objets. La collaboration, basée à Shanghai, met à disposition 30 000 heures de données d'interaction tactile collectées sur de véritables opérations robotiques, destinées à entraîner des modèles capables de reconnaître texture, dureté, température et friction par le contact. Les trois rapports couvrent respectivement la conception et l'étalonnage des capteurs tactiles, la méthodologie de collecte de données à grande échelle, et l'entraînement de modèles de manipulation sensibles au toucher. L'approche matérielle combine plusieurs principes de transduction, capacitif, piézoélectrique et résistif, afin de capter à la fois la distribution statique de pression et les signaux vibratoires dynamiques lors du contact. La collecte a mobilisé plusieurs plateformes robotiques réalisant des tâches de préhension, de manipulation en main et d'exploration de surface sur des milliers d'objets aux matériaux, géométries et textures variés. Cette publication répond à un goulot d'étranglement largement identifié dans le secteur : les systèmes fondés uniquement sur la vision savent repérer un objet et planifier une trajectoire d'approche, mais échouent à juger la force de préhension nécessaire, à détecter un glissement ou à distinguer des matériaux au contact, des compétences que l'humain acquiert par des milliers d'heures d'interaction physique durant son développement. En ouvrant l'accès à un volume aussi important de données tactiles structurées, rare car leur collecte exige du matériel spécialisé, une annotation précise des événements de contact et un temps d'exploitation robotique prolongé, XinZhi Embodied et Fudan espèrent lever un frein concret à la commercialisation de robots capables de manipuler des objets variés en conditions réelles, au-delà des environnements contrôlés typiques des démonstrations actuelles. Cette initiative s'inscrit dans la tendance plus large de la perception multimodale en robotique, où la vision assure la conscience spatiale globale, le langage porte l'instruction de tâche, et le toucher fournit l'information locale nécessaire à une manipulation fine. Elle illustre aussi l'intégration croissante entre recherche académique et innovation entrepreneuriale dans l'écosystème chinois de l'intelligence incarnée, les résultats de recherche alimentant directement les cycles de développement produit. En ouvrant ces données à des chercheurs et développeurs tiers, XinZhi Embodied et Fudan University visent à accélérer l'émergence de capacités de manipulation tactile jusqu'ici hors de portée faute de données, dans un secteur où la course à l'autonomie manipulatoire s'intensifie face aux acteurs américains et européens.

Recherche❖Paper

1 source

42

71836Kr 

Neurodeep AI (眸深智能), issue d'une professeure de Fudan et d'un ancien scientifique en chef d'Intel, boucle un tour Pre-A complémentaire de près de 100 millions de yuans pour son "cerveau incarné" embarqué

La start-up chinoise Motion Brain (眸深智能), spécialisée dans les "cerveaux incarnés" pour robots, a bouclé un nouveau tour Pre-A d'environ 100 millions de yuans (environ 13 millions d'euros), deux mois seulement après un tour Pre-A de 300 millions de yuans en mai 2026. Les investisseurs incluent une grande société chinoise de services immobiliers, un consortium hongkongais, la plateforme d'investissement industriel Jinyue Capital (瑾悦投资) adossée à plusieurs sociétés cotées, Chuanghehui Capital, ainsi que l'actionnaire historique Xuhui Capital. Un tour Pre-A+ de près de 500 millions de yuans est également en cours de finalisation. Fondée en janvier 2025 par Chen Tao, directeur du laboratoire de deep learning de l'université Fudan, Zhang Yimin, ex-chef scientifique d'Intel Chine, et l'entrepreneur en série Mu Zelin, l'entreprise revendique une valorisation multipliée par plus de dix depuis le début de l'année. Son équipe, issue de HiSilicon, Intel et Nvidia, développe depuis 2022 une architecture alternative aux modèles VLA (vision-langage-action) dominants, baptisée "World Motion Model": MLD (2022), premier modèle à représenter le mouvement dans un espace latent via diffusion, puis MotionGPT (NeurIPS 2023), qui découpe la posture humaine en environ 3000 "tokens de mouvement" prédits séquentiellement, comme un LLM prédit des mots. Le modèle actuel, STI-WM, s'entraîne sur 80% de vidéos internet, 10% de capture de mouvement et seulement 10% de données robot réelles, réduisant de 90% le besoin en données réelles pour une précision d'action annoncée à 99%. Pour un secteur où le fossé entre démonstrations vidéo et déploiements réels reste large, Motion Brain met en avant des chiffres concrets d'industrialisation plutôt que de simples démos: compression des modèles de plusieurs centaines de milliards à quelques dizaines de milliards de paramètres, latence d'inférence embarquée ramenée de 200 à 10 millisecondes, coût d'inférence par unité passé de 200 000 à 10 000 yuans, et adaptation à un nouveau corps robotique en deux semaines seulement. Ce dernier point intéresse directement les intégrateurs, puisque l'entreprise a déjà porté son cerveau sur plusieurs plateformes chinoises (Guanghua No.1 de Fudan, Unitree G1, Qinglong et Linglong du centre d'innovation robotique humanoïde de Shanghai) et mise sur des puces domestiques (Ascend 310/910 de HiSilicon, Horizon Robotics, Enflame S60) plutôt que sur Nvidia, un choix stratégique face aux restrictions d'exportation. Les techniques MLD et MotionGPT ont été citées à quatre reprises par le laboratoire DAIR de Nvidia dans son modèle ARDY, signe de reconnaissance académique, et l'équipe a remporté le prix du meilleur article à IJCAI 2025, seule équipe chinoise continentale distinguée en cinq ans. Sur le plan commercial, Motion Brain revendique environ 10 millions de yuans de revenus audités en 2025, 30 millions au premier semestre 2026, avec un objectif dépassant 50 millions sur l'année complète, portés par des contrats dans l'inspection industrielle, la gestion immobilière et la propreté urbaine, notamment avec un gestionnaire immobilier coté à Hong Kong et un leader chinois de la propreté urbaine coté en Chine continentale, tandis que des discussions sont en cours avec une grande chaîne de distribution et un fabricant d'électroménager.

Chine/Asie⚡Actu

1 source

39

719Interesting Engineering 

Robot-araignée à quatre pattes conçu pour repérer et récupérer des personnes dans l'eau

Des chercheurs de l'AIRS (Shenzhen Institute of Artificial Intelligence and Robotics for Society) en Chine et du Stevens Institute of Technology aux Etats-Unis ont développe QuadBoat, un robot de sauvetage aquatique a quatre pattes inspire des araignées pêcheuses, capable de suivre et de récupérer physiquement une personne en détresse dans l'eau. Contrairement aux araignées pêcheuses qui exploitent la tension de surface, QuadBoat repose sur une flottabilité classique tandis que ses quatre pattes indépendantes assurent la propulsion et la maniabilité grâce a un contrôleur en cinématique inverse. Le pilotage combine une commande prédictive de modèle (MPC) en cascade avec un régulateur PID pour stabiliser et diriger l'engin. L'équipe, menée par Lianxin Zhang, Yihan Huang et Huihuan Qian, a teste le robot en piscine pour vérifier sa capacité a suivre des trajectoires planifiées, puis en environnements intérieur et extérieur pour des expériences de suivi visuel et de récupération d'objets flottants. Les essais montrent que QuadBoat parvient a suivre une cible sur l'eau et a exécuter des taches de récupération pertinentes pour une mission de sauvetage. L'étude a été publiée sur le serveur de preprints arXiv. La plupart des véhicules de surface sans pilote (USV) actuellement utilises en recherche et sauvetage se limitent a localiser ou approcher une personne en difficulté, sans pouvoir la sortir de l'eau. QuadBoat cible précisément cet angle mort : l'extraction physique de la victime, une étape critique quand l'hypothermie, l'épuisement ou une mer agitée réduisent les chances de survie. Pour les intégrateurs et décideurs du secteur maritime et de la sécurité civile, ce type de plateforme ouvre une piste distincte de celle des drones aériens ou des USV classiques a coque rigide, en misant sur une agilité de posture proche de celle d'un robot quadrupède terrestre plutôt que sur la seule vitesse de déplacement. Le papier reste toutefois prudent : les démonstrations ont eu lieu en bassin contrôle, sans vagues, courants ni conditions météo dégradées, ce qui laisse un écart important entre la preuve de concept en laboratoire et un déploiement opérationnel réel. QuadBoat s'inscrit dans un mouvement plus large de transfert des architectures de locomotion quadrupède, déjà éprouvées a terre par des robots comme ceux de Boston Dynamics ou Unitree, vers des environnements aquatiques ou aériens. Les auteurs soulignent que la recherche sur les robots de sauvetage a jusqu'ici peu traite la phase de récupération proprement dite, se concentrant surtout sur la détection et le repérage. Les prochaines étapes annoncées par l'équipe consistent a faire évoluer le prototype vers un outil pratique pour les équipes de secours, en le testant dans des conditions plus proches du réel : vagues, courants et scenarios d'accidents maritimes ou de naufrages. Aucun calendrier de déploiement ni partenariat industriel n'est pour l'instant précise.

Recherche❖Paper

1 source

39

720Interesting Engineering 

La Chine dévoile des robots humanoïdes à batterie double avec échange à chaud pour un fonctionnement d'usine sans interruption

Shanghai Electric a profité du World Artificial Intelligence Conference (WAIC) 2026 à Shanghai pour dévoiler une large gamme de robots industriels, de logiciels IA et de technologies d'usine intelligente destinés à automatiser des tâches de fabrication complexes qui reposent encore largement sur la précision humaine. Le groupe chinois met en avant plusieurs systèmes phares. Le robot humanoïde bipède SUYUAN dispose de 41 degrés de liberté, d'un système de vision multimodale et d'une conception à double batterie interchangeable à chaud permettant un fonctionnement continu, pour des tâches d'inspection, de transport de matériaux et d'assemblage. Le robot humanoïde à roues TUOYUAN combine un modèle de fondation en IA incarnée avec un contrôle hybride force-position, conçu pour l'insertion de connecteurs multi-spécifications, le tri de composants et le chargement de pièces de tôlerie automobile. Un troisième système, Mermaid, également à roues, identifie interrupteurs, boutons et molettes de commande puis génère lui-même sa trajectoire d'intervention sans programmation manuelle. L'entreprise a aussi présenté un robot autonome de chanfreinage capable de traiter l'intérieur de tuyaux industriels en espace confiné, avec une précision de positionnement annoncée au millimètre près sur des milliers d'ouvertures, en transmettant ses données d'exploitation en temps réel. Cette annonce dépasse la simple vitrine robotique et illustre la stratégie chinoise de fusion entre matériel et IA logicielle pour l'automatisation industrielle. Shanghai Electric a également présenté 51 modèles et agents IA regroupés sous sa plateforme StarCloud Intelligent Manufacturing, couvrant la R&D, la production et la maintenance d'équipements, jusqu'à la maintenance d'éoliennes. Ces agents alimentent directement les systèmes de contrôle robotique et les opérations d'usine, pour la planification, le contrôle qualité et la prédiction de pannes. Pour les intégrateurs et décideurs industriels, ce positionnement traduit une volonté de vendre l'IA incarnée comme un outil pratique de compensation des pénuries de main-d'œuvre plutôt que comme une simple démonstration technologique, dans un contexte de concurrence internationale accrue sur l'humanoïde industriel où la Chine cherche à combler l'écart avec les acteurs américains sur le déploiement réel en usine plutôt que sur les vidéos de démonstration. Cette présentation s'inscrit dans un livre blanc intitulé AI-Native Smart Factory Technology, qui décrit une architecture organisée autour d'un « cerveau usine » IA coordonnant les opérations, d'agents industriels et de robots incarnés exécutant les tâches, et d'un jumeau numérique reflétant les actifs physiques en continu. Shanghai Electric a par ailleurs dévoilé des composants clés comme une vis à rouleaux planétaires annoncée capable de supporter plus de trois fois la charge des vis à billes classiques, ainsi que la main robotique dextre DexHand. Wang Chunlei, directeur général adjoint de l'unité robotique du groupe, a insisté sur la nécessité de combiner précision machine et jugement humain. L'entreprise prévoit désormais d'étendre le déploiement de ces systèmes à davantage de sites de production.

Chine/Asie⚡Actu

1 source

34

721Robotics Business Review 

IA de Generalist : le modèle fondation GEN-1 prend désormais en charge divers effecteurs finaux

Generalist a annoncé que son modèle fondationnel robotique GEN-1 prend désormais en charge un large éventail d'effecteurs terminaux, des mains à cinq doigts jusqu'à des outils spécialisés dotés de modes d'actionnement inédits. Le modèle est pré-entraîné sur le jeu de données propriétaire de l'entreprise, qui couvre désormais plus de 500 000 heures d'interaction réelle collectées sur une grande variété de préhenseurs, dont environ 9 000 variantes de pinces à deux doigts standard, modifiées ou imprimées, ainsi que des outils du commerce comme des tournevis électriques, des distributeurs de ruban adhésif, des pinces à ressort, des spatules métalliques, des cutters ou des économes. Certains effecteurs reprennent des formes commerciales existantes avec leurs propres schémas d'actionnement et positions de caméra. Generalist mesure la nouveauté de chaque outil en comparant les poids du modèle avant et après un fine-tuning dédié : l'écart, qualifié de "task update", sert d'indicateur quantitatif de la spécificité de l'interface par rapport aux compétences déjà acquises par GEN-1. Cette annonce illustre une hypothèse clé du secteur : un modèle de fondation unique en robotique pourrait apprendre des représentations sensorimotrices transférables d'une interface physique à l'autre, plutôt que de nécessiter un entraînement spécifique par outil ou par forme de préhenseur. Pour les intégrateurs industriels, l'enjeu est concret : la capacité à changer de main ou d'outil sans réentraînement lourd conditionne le déploiement de robots polyvalents sur des tâches variées, en logistique comme en assemblage. Generalist établit un parallèle avec les modèles de langage multilingues, où l'apprentissage croisé entre langues améliore la compréhension générale : apprendre à manipuler des tournevis, des tenailles ou des cutters renforcerait la "physique de sens commun" du modèle, transférable à des mains jamais vues auparavant. L'entreprise reconnaît toutefois que tous les effecteurs n'apportent pas le même signal d'apprentissage, et que les pinces à deux doigts, largement représentées dans le jeu de données, resteront structurellement dominantes, un peu comme l'anglais domine les corpus des modèles de langage actuels. GEN-1 est le modèle fondationnel phare de Generalist, une startup de robotique généraliste qui mise sur l'apprentissage à grande échelle plutôt que sur des politiques spécifiques à une tâche, une approche partagée par des concurrents comme Physical Intelligence avec Pi-0, NVIDIA avec GR00T N2, ou Figure AI avec son modèle Helix. Contrairement à des démonstrations de robots humanoïdes complets, cette communication porte spécifiquement sur la généralisation des effecteurs terminaux, un sous-problème technique mais déterminant pour la polyvalence commerciale des robots manipulateurs. Il s'agit pour l'instant d'une annonce de capacité de recherche, appuyée par des vidéos de démonstration, et non d'un déploiement client documenté ni de métriques de performance chiffrées comparables entre effecteurs. Generalist indique poursuivre l'expansion délibérée de son jeu de données et l'évaluation sur des bancs d'essai réels, ce qui suggère que la validation à grande échelle, hors laboratoire, reste à venir.

IA physique⚡Actu

1 source

45

722Interesting Engineering 

Robots peuvent désormais apprendre des tâches d'usine à haute dextérité par la vidéo, avec un minimum d'entraînement

Mimic Robotics, société suisse de robotique physique, a dévoilé FLUX-mimic, un modèle vidéo-action de nouvelle génération développé avec Black Forest Labs, capable d'enseigner à des robots industriels des tâches de manipulation fine à partir de simples démonstrations vidéo. Le système s'appuie sur FLUX 3, le modèle de génération vidéo de Black Forest Labs, associé à un décodeur d'actions qui traduit les prédictions visuelles en mouvements robotiques exécutables. Selon Mimic Robotics, FLUX-mimic peut être affiné pour certaines tâches avec seulement 30 minutes de démonstrations robotiques, contre 30 heures ou plus pour les pipelines d'apprentissage conventionnels, un écart présenté par l'entreprise elle-même et donc à prendre avec la prudence habituelle réservée aux chiffres communiqués par le fournisseur. La technologie est actuellement déployée chez le constructeur automobile Audi, dans le cadre d'une évaluation portant sur l'automatisation de tâches à haute dextérité impliquant des matériaux flexibles et une manipulation fine. Cette annonce s'inscrit dans un débat plus large sur la viabilité des modèles vidéo-action (VAM) face aux modèles vision-langage-action (VLA) désormais dominants, à l'image de Pi-0 ou GR00T N2. Contrairement à ces derniers, pré-entraînés sur des paires image-texte statiques et devant apprendre la physique quasi exclusivement via des démonstrations robotiques coûteuses, FLUX-mimic part d'un modèle vidéo déjà entraîné à grande échelle sur la dynamique des objets et des mouvements, ce qui réduirait drastiquement le volume de données spécifiques à collecter. Si la promesse se vérifie en production, elle répond directement à l'un des principaux obstacles à la commercialisation de la robotique industrielle par apprentissage: le coût et la lenteur de la collecte de démonstrations pour chaque nouvelle tâche. Une réduction du cycle de déploiement de plusieurs mois à quelques semaines, telle qu'annoncée, changerait significativement le calcul économique pour les intégrateurs face à des tâches variables et peu standardisées, typiquement délaissées par l'automatisation classique programmée manuellement. FLUX-mimic prolonge les travaux antérieurs de Mimic Robotics sur les modèles vidéo-action, avec une architecture désormais pensée spécifiquement pour l'IA physique en environnement industriel. Le partenariat avec Audi, dont les usines affichent déjà un fort taux d'automatisation, sert de banc d'essai pour mesurer si ces systèmes d'apprentissage tiennent la route hors laboratoire, un test que beaucoup d'approches VLA ou VAM concurrentes n'ont pas encore passé à cette échelle. Les deux partenaires évoquent des perspectives d'extension à d'autres opérations de fabrication et de logistique, sans toutefois communiquer de calendrier précis ni de métriques de performance en production, ce qui place pour l'instant cette collaboration au stade du pilote d'évaluation plutôt que du déploiement industriel validé.

FR/EU ecosysteme⚡Actu

1 source

40

723IEEE Spectrum Robotics 

Vendredi vidéo : un robot humanoïde italien prend vie

Le rendez-vous hebdomadaire Video Friday d'IEEE Spectrum met en avant plusieurs annonces robotiques de la semaine. La startup italienne Generative Bionics dévoile GENE.01, un humanoïde développé en seulement six mois, capable de marcher, percevoir son environnement et interagir grâce à une peau multimodale intégrale détectant le toucher, la proximité, la force et la température. De son côté, Generalist présente GEN-1, un modèle fondationnel pour la robotique conçu pour piloter une large variété d'effecteurs terminaux, des mains à cinq doigts aux outils spécialisés, avec l'ambition de transférer un "sens physique universel" vers de nouvelles configurations de préhension. Un laboratoire de l'AIR Lab a par ailleurs validé en vol une aile volante pliable fabriquée en carton ondulé, assemblée en moins de 15 minutes à partir de trois plaques découpées au laser. Flexion, en partenariat avec Niantic Spatial et NVIDIA, a développé un pipeline permettant de scanner un site de déploiement réel avec du matériel grand public, de le reconstruire en Gaussian splatting photoréaliste, puis d'entraîner des politiques par apprentissage par renforcement massivement parallélisé, transférées ensuite sans réentraînement (zero-shot) sur le robot physique. LimX Dynamics, PNDbotics et EngineAI ont également publié des démonstrations de leurs plateformes humanoïdes, tandis que Wing a communiqué sur son service de livraison par drone pour le South West London Pathology, opérationnel depuis février 2026, acheminant des échantillons médicaux urgents pour le NHS jusqu'à 85 % plus vite que le transport routier. Cette accumulation d'annonces illustre une dynamique importante pour le secteur : la course aux humanoïdes ne se limite plus aux acteurs américains et chinois établis, avec l'émergence rapide d'équipes comme Generative Bionics capables de livrer une plateforme fonctionnelle en six mois. Le pari de Generalist sur un modèle vision-langage-action (VLA) générique, capable de généraliser à travers différents effecteurs, s'inscrit dans le débat central du secteur sur la capacité réelle des modèles fondationnels à passer à l'échelle au-delà des démonstrations contrôlées. La combinaison Gaussian splatting et RL massivement parallèle proposée par Flexion répond directement au problème du sim-to-real, en réduisant le coût de création d'environnements d'entraînement réalistes à partir de sites réels. Ces avancées restent toutefois à nuancer : plusieurs vidéos de la semaine, notamment celle d'un robot manipulant des cônes de glace pour la société Sharpa, sont explicitement présentées comme des productions conceptuelles ne représentant pas le fonctionnement réel en magasin, un rappel que la frontière entre démonstration marketing et déploiement opérationnel reste souvent floue dans la communication du secteur. Ces développements s'inscrivent dans la trajectoire plus large de maturation de la robotique physique amorcée ces dernières années, portée par les progrès des modèles de fondation robotiques (à l'image de Pi-0 ou GR00T) et par la baisse du coût des capteurs et systèmes de perception. Le déploiement du service de drones de Wing pour le NHS marque une étape concrète de passage à l'usage réel dans le secteur médical, au-delà des humanoïdes. Les prochaines échéances du calendrier robotique, dont le Summer School on Multi-Robot Systems fin juillet à Prague, la conférence Actuate en août à San Francisco et IROS 2026 fin septembre à Pittsburgh, devraient permettre de mesurer si ces annonces se traduisent par des déploiements pilotes documentés ou restent au stade de démonstrations vidéo.

FR/EU ecosysteme⚡Actu

1 source

44

724Interesting Engineering 

Les États-Unis élargissent leur répression technologique envers la Chine avec un projet d'interdiction militaire des robots humanoïdes

La Chambre des représentants américaine a adopté le National Defense Authorization Act (NDAA), le budget annuel de la défense, avec une disposition inédite visant les robots humanoïdes. La Section 163 du texte interdit au Pentagone d'acheter, de louer ou d'exploiter des systèmes robotiques humanoïdes liés à des pays désignés comme adversaires stratégiques, à savoir la Chine, la Russie et l'Iran. Cette clause s'inspire directement du GUARD Act (Guarding the US Against Adversarial Robotics Dominance), un projet de loi déposé l'an dernier par le représentant John Moolenaar, président de la commission spéciale de la Chambre sur la compétition stratégique entre les États-Unis et le Parti communiste chinois. Les élus justifient la mesure par des risques de sécurité nationale et de confidentialité des données, arguant que des systèmes autonomes étrangers pourraient collecter des informations sensibles ou introduire des vulnérabilités dans les opérations militaires. Selon Counterpoint Research, les fabricants chinois représentaient environ 80% des livraisons mondiales de robots humanoïdes en 2025. Cette restriction militaire élargit la liste des technologies chinoises déjà visées par Washington, après les semi-conducteurs, les équipements de télécommunications et les drones. Elle confirme que les robots humanoïdes sont désormais traités comme un enjeu stratégique à mesure qu'ils sortent des laboratoires pour entrer dans les usines, entrepôts et établissements de santé. Pour les intégrateurs et décideurs B2B, le signal est clair: Washington amorce une stratégie par étapes, en commençant par les usages militaires avant d'envisager des restrictions plus larges sur le marché civil. Les élus ont d'ailleurs présenté cette mesure comme "un premier pas", avertissant contre le risque de voir des acteurs chinois dominer le marché intérieur américain. Contrairement à la version initiale du GUARD Act, le texte finalement retenu dans le NDAA reste circonscrit au seul usage militaire. La proposition originale prévoyait d'inscrire les robots humanoïdes et quadrupèdes (les fameux "robots-chiens") fabriqués en Chine sur la "Covered List" de la Federal Communications Commission, ce qui aurait bloqué leurs autorisations de communication sans fil et, de fait, leur vente commerciale aux États-Unis. Cette disposition plus large n'a pas été retenue à ce stade, laissant intactes les importations et ventes privées. L'écosystème robotique chinois, porté par un soutien gouvernemental appuyé, une fabrication verticalement intégrée et des coûts de production réduits, continue ainsi de progresser sur le marché américain, du moins pour l'instant, tandis que le débat sur des restrictions commerciales plus larges devrait se poursuivre à Washington.

Regulation⚖Reglementation

1 source

42

725The Robot Report 

NEURA Robotics crée NEURA Gym RWTH Aachen pour entraîner l'IA physique

NEURA Robotics, fabricant allemand de robotique cognitive basé à Metzingen, a annoncé cette semaine un partenariat avec l'université RWTH Aachen pour créer le "NEURA Gym RWTH Aachen", une installation dédiée à l'entraînement de ses robots par données réelles. Le site sera implanté sur le Hightech Campus Melaten et couvrira environ 3 000 m². Il s'agit du premier maillon allemand d'un réseau de dix centres prévus en Europe, aux États-Unis et en Chine, dont la moitié devrait être opérationnelle d'ici fin 2026. Un second centre allemand ouvrira à l'aéroport de Munich, en collaboration avec la Technical University of Munich (TUM) et son Munich Institute of Robotics and Machine Intelligence (MIRMI) ; il s'étendra sur plus de 2 300 m² et testera des flottes de robots cognitifs et humanoïdes. Ce réseau de "gyms" est financé par la levée Série C de NEURA Robotics, qui a atteint jusqu'à 1,4 milliard de dollars, et alimentera directement Neuraverse, la plateforme de développement cloud ouverte de l'entreprise. L'enjeu affiché est celui de la rareté des données réelles pour l'entraînement des robots physiques : contrairement aux grands modèles de langage, entraînés sur des milliers de milliards de points de données, les robots ne disposent que d'une fraction de ce volume, et la simulation seule ne reproduit pas la friction, la variabilité et l'imprévisibilité d'un environnement réel. En combinant entraînement physique et simulation haute fidélité, NEURA cherche à générer des jeux de données multimodales exploitables à grande échelle, un problème central pour toute l'industrie de la robotique humanoïde et cognitive, où l'écart entre démonstration et déploiement réel reste l'un des principaux points de friction. Pour les intégrateurs et décideurs industriels, l'intérêt est de pouvoir valider un cas d'usage avant tout engagement de déploiement, réduisant le risque d'adoption. Des secteurs comme l'industrie manufacturière, l'automobile, la santé et l'automatisation industrielle ont déjà manifesté leur intérêt pour ces installations. NEURA Robotics, fondée en 2019 par David Reger, s'est fait connaître avec ses cobots MAiRA et son projet de robot humanoïde 4NE1. La stratégie de "gyms" physiques s'inscrit dans une tendance plus large du secteur, où plusieurs acteurs de la robotique humanoïde investissent dans des infrastructures dédiées à la collecte de données réelles pour entraîner leurs modèles vision-langage-action. Si l'installation d'Aachen n'existe pour l'instant que sous forme de rendu et de partenariat annoncé, NEURA prévoit une montée en puissance rapide, avec huit autres sites à ouvrir en Europe, aux États-Unis et en Chine, et une répartition des spécialités selon les partenaires académiques et industriels de chaque région.

FR/EU ecosysteme⚡Actu

1 source

43

726Pandaily 

Intelligence incarnée en Chine : entrée en commercialisation précoce, marché estimé à 15 milliards de dollars d'ici 2030 (PwC et Morgan Stanley)

Marché chinois de la robotique intelligente : PwC et Morgan Stanley anticipent 15 milliards de dollars d'ici 2030, entre commercialisation à grande échelle et goulots d'étranglement sur le calcul. Le 22 juillet, en marge du WAIC 2026, PwC Chine a publié son premier livre blanc sur l'industrie des robots intelligents, coïncidant avec la création officielle de son Institut de recherche en IA. Le document affirme que le secteur chinois de l'intelligence incarnée est passé du stade de validation pilote à celui de la commercialisation à l'échelle. Morgan Stanley, de son côté, projette un marché chinois du robot humanoïde à 2 milliards de dollars en 2026, grimpant à 15 milliards d'ici 2030, avec des prévisions de volumes revues fortement à la hausse, de 28 000 à 50 000 unités pour la seule année 2026. Le livre blanc distingue trois familles de produits qui domineront d'ici 2030 : les bras robotiques industriels sur postes fixes standardisés (semi-conducteurs, automobile, manufacturing haut de gamme) ; les robots à roues et quadrupèdes, misant sur mobilité et adaptation au terrain, qui constituent le principal vecteur de déploiement commercial à court terme (inspection d'entrepôts, livraison en restauration) ; et les humanoïdes, dont la valeur se concentrera sur des environnements pensés pour l'humain (soin aux personnes âgées, assemblage flexible). Le rapport prévient qu'aucune forme humanoïde ne remplacera tous les usages sous 3 à 4 ans, et qu'une concentration excessive des investissements sur ce format risque un mauvais allocation des ressources, une mise en garde qui tranche avec l'enthousiasme habituel du secteur. Pour un intégrateur ou un décideur industriel, ce diagnostic confirme que l'humanoïde n'est pas encore le produit dominant à court terme, contrairement au narratif souvent porté par les démonstrations spectaculaires : ce sont les AMR à roues et les quadrupèdes qui captent aujourd'hui le déploiement réel. Côté offre, le livre blanc décrit une convergence de quatre types d'acteurs : startups pionnières du humanoïde en série, fabricants établis servant de référence technique, géants de l'automatisation industrielle entrant par les composants, et groupes automobiles ou internet apportant respectivement l'échelle industrielle et les algorithmes. La Chine s'appuie selon PwC sur trois atouts structurels : une chaîne d'approvisionnement industrielle jugée la plus complète au monde, un double soutien politique et financier, et un volume de données de production inégalé. Mais la demande de calcul croît de façon exponentielle quand la capacité progresse linéairement, creusant un écart jugé critique sur les quatre lois d'échelle (pré-entraînement, post-entraînement, inférence à effort variable, agentique), avec l'apprentissage par renforcement multi-clusters comme nouveau point d'ancrage de la montée en intelligence. Sur le plan stratégique, PwC recommande de développer à court terme des modèles verticaux dédiés aux procédés de fabrication, tout en construisant des systèmes de collecte et d'itération de données pour combler l'écart avec les leaders internationaux, la perception, le contrôle et le matériel poursuivant leur substitution domestique vers l'optimisation et la conquête de parts de marché. Le WAIC a illustré cette dynamique avec les robots quadrupèdes à entraînement hybride et les humanoïdes de Kepler Robotics, dont le K3 mis à jour, parmi une itération produit dense chez la plupart des exposants. Lin Junda, associé stratégie chez PwC, résume : le secteur a achevé sa validation technologique et applicative et entre désormais dans la phase de commercialisation à grande échelle.

Chine/Asie❧Opinion

1 source

47

727arXiv cs.RO 

AXIS : un moteur de données communautaire évolutif pour la manipulation robotique à grande échelle

Des chercheurs ont présenté AXIS, un moteur de données communautaire et évolutif pour l'apprentissage de la manipulation robotique, décrit dans un article déposé sur arXiv le 24 juillet 2026. Le système permet de collecter des démonstrations à grande échelle via téléopération directement dans le navigateur, sans matériel spécialisé ni opérateurs centralisés, et génère puis valide automatiquement de nouvelles tâches de manipulation. Un pipeline automatisé filtre la qualité des trajectoires, les lisse et applique des augmentations visuelles et physiques pour produire des données prêtes à l'entraînement. Le jeu de données AXIS compte actuellement 207 tâches diverses et plus de 50 000 trajectoires, organisées en "task snapshots" évalués selon un protocole strict à données retenues (held-out). Ce travail cible un goulot d'étranglement bien identifié du secteur : la difficulté à faire grandir les jeux de démonstrations utilisés pour entraîner les politiques vision-langage-action (VLA), jusqu'ici souvent limités par du matériel dédié ou des catalogues de tâches figés. Les auteurs montrent que le pré-entraînement continu sur AXIS améliore le taux de réussite global du modèle π0.5 de 5,8 points, et dépasse de 37,3 points un modèle pré-entraîné sur RoboCasa365, avec des gains qui s'accentuent à mesure que le volume de données augmente. Les progrès les plus nets apparaissent sous perturbations de disposition, de bruit capteur et de point de vue caméra, un signal utile pour les intégrateurs cherchant des politiques robustes hors laboratoire plutôt que de simples démonstrations réussies en conditions idéales. Le projet s'inscrit dans une tendance émergente consistant à traiter la collecte de données robotiques comme un problème d'échelle communautaire, à l'image de ce que le crowdsourcing a permis pour les grands modèles de langage. Il se positionne explicitement face à RoboCasa365, utilisé comme référence de comparaison, et s'appuie sur des politiques VLA existantes telles que π0.5 pour évaluer l'apport réel des données AXIS. Il s'agit à ce stade d'un article de recherche déposé en preprint, dont les résultats n'ont pas encore été validés par relecture par les pairs ni reproduits par des équipes tierces.

Recherche❖Paper

1 source

47

728arXiv cs.RO 

Robostral, le robot de Mistral qui navigue en autonomie

Des chercheurs présentent Robostral Navigate, un modèle vision-langage de 8 milliards de paramètres dédié à la navigation robotique, entraîné à partir d'un unique flux de caméra RGB monoculaire. Contrairement aux systèmes actuels qui s'appuient sur des capteurs de profondeur, des rigs multi-caméras ou des cartes préconstruites, le modèle prédit directement des points de passage en pointant vers la prochaine position cible dans l'image de la caméra courante. Cette approche, opérant en espace image plutôt qu'en coordonnées propres au robot, le rend robuste aux variations d'intrinsèques caméra et d'échelle de scène. L'équipe a généré 2,4 millions de trajectoires sur 350 000 scènes simulées pour limiter la collecte de données réelles, et développé une recette d'entraînement par mise en cache de préfixes qui réduit le nombre de tokens d'entraînement d'un facteur 22, ramenant le temps d'entraînement de plusieurs mois à quelques jours. Un masque d'attention arborescent empêche le modèle de se reposer sur les actions vérité-terrain précédentes, et de l'apprentissage par renforcement améliore ensuite ses capacités d'exploration et de récupération. Sur les benchmarks R2R-CE et RxR-CE, Robostral Navigate établit un nouvel état de l'art : 77,4% de taux de réussite sur R2R-CE (10,5 points devant la meilleure méthode monoculaire, 5,3 points devant le meilleur système à profondeur ou multi-caméras), et 75,1% sur RxR-CE, devançant toutes les références monoculaires. L'intérêt pour l'industrie tient au découplage entre performance de navigation et richesse capteur : un seul flux RGB suffit désormais à surpasser des systèmes équipés de capteurs de profondeur, ce qui réduit le coût matériel de déploiement et permet, en théorie, une portabilité directe entre robots à roues, robots à pattes et drones sans recalibration. Cela remet en question l'hypothèse répandue selon laquelle la perception de profondeur explicite serait nécessaire pour une navigation fiable en environnement complexe. Il s'agit toutefois d'un travail de recherche publié sur arXiv (arXiv:2607.20785v1), entraîné et validé en simulation sur des benchmarks académiques standards de navigation vision-langage (Room-to-Room et Room-Across-Room en environnements continus), sans mention de déploiement sur robot physique ni de partenaire industriel. La méthode s'inscrit dans la lignée des modèles VLA appliqués à la navigation, où la généralisation inter-embodiments et la réduction des coûts de collecte de données réelles restent des enjeux centraux pour un passage à l'échelle en production.

IA physique⚡Actu

1 source

42

729arXiv cs.RO 

VPWEM : politique visuomotrice non markovienne à mémoire de travail et épisodique

Une équipe de recherche publie VPWEM (Visuomotor Policy with Working and Episodic Memory), une architecture destinée aux politiques visuomotrices utilisées en apprentissage par imitation robotique. Le problème ciblé : la plupart des politiques actuelles ne conditionnent leurs décisions que sur l'observation courante ou un historique court, ce qui les rend inefficaces sur des tâches non-markoviennes nécessitant une mémoire à long terme, comme retrouver un objet déplacé hors champ de vision quelques instants plus tôt. Plutôt que d'élargir la fenêtre de contexte, coûteux en calcul et propice au surapprentissage de corrélations superficielles, VPWEM conserve une fenêtre glissante d'observations récentes comme mémoire de travail à court terme, et ajoute un compresseur contextuel basé sur Transformer qui convertit récursivement les observations sorties de la fenêtre en un nombre fixe d'embeddings de mémoire épisodique. Ce compresseur combine auto-attention sur les résumés passés et attention croisée sur les observations historiques, et s'entraîne conjointement avec la politique. L'architecture a été instanciée sur des diffusion policies, avec mémoire et calcul quasi constants à chaque pas de temps. Sur les benchmarks MIKASA (tâches de manipulation exigeantes en mémoire) et MoMaRT (manipulation mobile), VPWEM dépasse les diffusion policies et modèles vision-langage-action (VLA) de référence de plus de 20% et 5% respectivement. Le code est disponible sur GitHub. Pour les intégrateurs et décideurs robotiques, ce travail répond à une limite concrète des systèmes VLA et diffusion policies actuellement déployés en usine ou en logistique : leur incapacité à raisonner sur des séquences longues fait qu'ils échouent dès qu'une tâche exige de se souvenir d'un événement passé, un tri d'objets par comptage, une inspection multi-étapes, un scénario où un obstacle a bougé hors caméra. Un gain de 20% sur les tâches à mémoire intensive suggère que le goulot d'étranglement n'est pas tant la capacité de perception ou de génération d'action que la gestion du contexte temporel, un point souvent minimisé dans les démonstrations commerciales de robots humanoïdes ou de bras manipulateurs, où les tâches testées restent généralement courtes et markoviennes. Ce travail s'inscrit dans la lignée des diffusion policies popularisées pour le contrôle robotique ces dernières années, et des architectures VLA (vision-language-action) comme Pi-0 ou GR00T N2, qui dominent actuellement les annonces du secteur mais peinent structurellement sur la mémoire longue durée. VPWEM se positionne comme complément architectural plutôt que rupture, applicable en théorie à d'autres backbones de politique. Il s'agit ici d'une publication de recherche avec code ouvert, pas d'un produit ou d'un déploiement industriel, une étape amont dans la chaîne qui sépare la recherche académique des systèmes commerciaux vendus par les acteurs de l'humanoïde.

Recherche❖Paper

1 source

42

730arXiv cs.RO 

Ce qui compte pour le transfert de l'apprentissage par renforcement en simulation vers l'apprentissage en ligne sur des robots réels

Une étude empirique menée sur trois plateformes robotiques distinctes a testé l'apprentissage par renforcement (RL) en ligne directement sur des robots physiques, à travers 100 sessions d'entraînement réelles. Les chercheurs ont systématiquement isolé les choix de conception algorithmiques, matériels et expérimentaux habituellement laissés implicites dans les travaux précédents sur le sujet. Résultat principal : certains réglages par défaut largement utilisés dans la pratique du RL se révèlent contre-productifs sur du matériel réel, tandis qu'un ensemble restreint de choix de conception robustes, faciles à adopter dans le cadre standard du RL, permet d'obtenir un apprentissage stable sur différentes tâches et différents types de robots. Il s'agit, selon les auteurs, de la première étude empirique à grande échelle de ce type portant sur ces choix de conception. Cette cartographie répond à un point de friction bien identifié chez les intégrateurs et équipes de recherche robotique : le RL en ligne sur robot réel reste réputé fragile, coûteux en ingénierie et peu reproductible d'une plateforme à l'autre, ce qui pousse la majorité des équipes vers l'apprentissage en simulation (sim-to-real) ou l'imitation à partir de démonstrations. En identifiant quels réglages par défaut nuisent réellement à l'apprentissage et lesquels le stabilisent, ce travail réduit potentiellement l'effort d'ingénierie nécessaire pour déployer du RL en ligne directement sur du hardware, sans passer par un simulateur intermédiaire. C'est un signal utile pour évaluer si le RL en ligne peut devenir une option pratique face aux architectures VLA (vision-langage-action) qui dominent actuellement la communication du secteur, en offrant une alternative plus frugale en données de démonstration. Le papier s'inscrit dans une lignée de travaux cherchant à combler l'écart entre les promesses du RL en robotique, démontrées depuis longtemps en simulation, et sa fiabilité en conditions réelles, où le coût d'échantillonnage et les risques matériels limitent les expérimentations à grande échelle. Contrairement aux annonces de plateformes humanoïdes commerciales, ce travail relève de la recherche fondamentale reproductible, avec des ablations systématiques plutôt qu'une démonstration ponctuelle. Publié sur arXiv en tant que version révisée ("replace"), il ouvre la voie à des protocoles standardisés que d'autres laboratoires pourront reprendre et à des comparaisons futures avec des approches sim-to-real ou par imitation sur les mêmes tâches.

Recherche❖Paper

1 source

42

731arXiv cs.RO 

La stratégie du passage à l'échelle : apprendre la généralisation compositionnelle par une évaluation et une collecte de données sensibles aux biais pour la manipulation robotique

Une équipe de recherche en robotique publie un article (arXiv:2607.21582v1) qui diagnostique un défaut majeur des politiques de manipulation robotique entraînées sur des instructions en langage naturel : le raccourci sémantique. Les auteurs introduisent un cadre diagnostique qui décompose chaque instruction en facteurs réutilisables, couleur, verbe, objet, taille et attribut spatial, puis mesurent avec deux métriques, le Factor Dominance Rate (FDR) et le Factor Dominance Hierarchy (FDH), lequel de ces facteurs la politique utilise réellement pour agir plutôt que de véritablement comprendre l'instruction. Testé sur six politiques fondation, le classement obtenu est constant : la couleur domine largement, suivie de l'objet, de l'attribut spatial, du verbe, et enfin de la taille, la moins bien ancrée dans la compréhension du modèle. Sur cette base, l'équipe propose une stratégie de collecte de données consciente du biais, qui réalloue un budget de démonstrations fixe vers les facteurs sous-représentés. Résultat : en simulation comme sur robot réel, cette approche dépasse les méthodes de référence tout en utilisant deux fois moins de démonstrations. L'enjeu dépasse le simple exercice académique. Les politiques génératives de type VLA (vision-language-action), déployées ou en cours de commercialisation chez plusieurs acteurs du secteur, sont souvent présentées comme comprenant le langage naturel de façon générale. Ce travail montre qu'en réalité, beaucoup s'appuient sur des indices visuels saillants, la couleur d'un objet par exemple, plutôt que sur une véritable compréhension linguistique compositionnelle, un phénomène classique de raccourci d'apprentissage. Pour les équipes qui entraînent ou déploient ces modèles, la démonstration téléopérée reste le goulot d'étranglement coûteux ; une méthode capable de diviser par deux le volume de données nécessaires en ciblant intelligemment les facteurs sous-appris représente un gain économique concret. Ce travail s'inscrit dans la lignée des efforts de benchmarking de la généralisation compositionnelle en robotique, un sujet devenu central depuis l'essor des politiques fondation entraînées sur de larges corpus de démonstrations multi-tâches. Les auteurs positionnent leur diagnostic comme actionnable et non purement descriptif, ouvrant la voie à des pipelines de collecte de données plus ciblés pour les futures générations de modèles VLA.

IA physique⚡Actu

1 source

40

732arXiv cs.RO 

Robotisation de laboratoire à faible coût et évolutive : plateforme robotique intégrée à un jumeau numérique pour la manipulation autonome de liquides (RAINBOT™)

Des chercheurs présentent RAINBOT, un robot de manipulation de liquides à bas coût conçu en convertant une imprimante 3D cartésienne grand public, l'Elegoo Neptune 4 Max. L'extrudeuse est remplacée par une pipette monocanal de précision, actionnée par le portique X-Y-Z d'origine piloté en G-code, tandis que le mouvement du piston et l'éjection des embouts sont assurés par deux actionneurs linéaires compacts contrôlés en Python. Pour rendre les expériences transparentes et supervisables à distance, les équipes ont développé un jumeau numérique accessible depuis un navigateur, synchronisé en temps réel avec la plateforme physique : il reproduit la cinématique et les états de pipetage, et permet un monitoring distant, des interventions et un arrêt d'urgence depuis n'importe quel navigateur. Comme preuve de concept, RAINBOT a réalisé des échanges séquentiels de solutions aqueuses colorées, un capteur de couleur intégré mesurant les mélanges obtenus en modèle rouge-jaune-bleu (RYB), avec un écart moyen de seulement deux points de pourcentage par rapport au comportement attendu. Le coût total du matériel reste inférieur à 1300 dollars. Cette approche s'adresse directement à un frein connu de l'automatisation de laboratoire : le coût élevé, la conception propriétaire et la faible supervisabilité à distance des systèmes commerciaux de manipulation de liquides, environ dix fois plus chers que RAINBOT à l'entrée de gamme. Pour des laboratoires académiques ou des équipes R&D aux budgets serrés, la reproductibilité ouverte de la plateforme (basée sur du matériel grand public modifiable) abaisse significativement la barrière à l'entrée pour automatiser des protocoles de dosage et de mélange, tout en gardant un contrôle humain via le jumeau numérique, un point clé pour la confiance et la validation scientifique. RAINBOT est ensuite couplé au framework CEID (Cooperative Explorer for Inverse Design), qui transforme l'expérimentation manuelle par essais successifs en une recherche orientée par objectif, de type conception inverse, tout en conservant un humain dans la boucle décisionnelle. Cette intégration positionne la plateforme comme une brique physique-virtuelle pour des laboratoires auto-pilotés (self-driving labs), un domaine en pleine expansion où l'automatisation low-cost et open source pourrait accélérer la découverte de matériaux ou de formulations, en complément des systèmes commerciaux plus coûteux et fermés.

Recherche❖Paper

1 source

40

733arXiv cs.RO 

Automatisation en temps réel de la perception RGB-D pour marteaux-piqueurs autonomes en mine : autofiltrage, segmentation des roches et génération de poses de fragmentation

Les chercheurs à l'origine de ce papier arXiv (référence 2607.20748v1) présentent un système de perception en temps réel destiné à automatiser les brise-roches hydrauliques utilisés en exploitation minière, notamment lors des opérations de réduction secondaire souterraine. Aujourd'hui, ces machines sont pilotées à distance par téléopération, ce qui limite fortement la cadence de travail. Le pipeline proposé combine une caméra RGB-D, de la segmentation d'instance par image et un traitement géométrique de nuage de points pour générer simultanément des poses de frappe faisables mécaniquement et une reconstruction 3D de l'espace de travail débarrassée du bras robotique lui-même, une étape nécessaire pour que le système ne confonde pas sa propre structure avec les roches à fragmenter. L'ensemble tourne sur du matériel embarqué à environ 10 Hz, pour une latence totale d'environ 675 millisecondes, un niveau de réactivité jugé compatible avec un asservissement en boucle fermée. Les tests ont été menés sur un scénario réduit à l'échelle, reproduisant les conditions typiques d'un chantier souterrain. Pour le secteur minier, cette publication illustre une tendance de fond: l'automatisation progressive d'équipements lourds historiquement pilotés à la main, un segment resté en retrait par rapport à l'automatisation des véhicules de transport minier (camions autonomes) déjà répandue chez les grands opérateurs. Contrairement à des annonces marketing sur des robots humanoïdes en usine, il s'agit ici d'un travail de recherche mesuré et transparent sur ses limites: le prototype n'a été validé qu'en environnement réduit et contrôlé, pas sur un chantier minier réel, ce qui laisse ouvert l'écart classique entre démonstration en laboratoire et déploiement industriel. Le contexte est celui d'une industrie minière cherchant à réduire l'exposition des opérateurs aux zones dangereuses et à améliorer la productivité des opérations de dégagement de blocs rocheux surdimensionnés, un goulot d'étranglement récurrent après les tirs de mine. Les auteurs ne mentionnent pas de partenariat industriel ni de calendrier de commercialisation; la suite logique évoquée par ce type de travaux académiques est généralement un passage à l'échelle réelle et une validation en conditions souterraines effectives, étapes qui restent à venir.

Recherche❖Paper

1 source

40

734arXiv cs.RO 

PhysCoRe : modèles du monde résiduels corrigés par la physique pour la dynamique déformable adaptée aux matériaux

Voici l'article traduit et résumé. Une équipe de recherche présente PhysCoRe, un modèle physique hybride destiné à prédire le comportement d'objets déformables manipulés par un robot, un problème resté longtemps non résolu en robotique. Le système combine un simulateur différentiable de type Material Point Method (MPM) avec deux réseaux de neurones feed-forward complémentaires. Le premier module, baptisé Material from Motion (MfM), déduit l'élasticité de chaque particule de l'objet à partir d'observations visuelles, ce qui ancre le simulateur dans la physique réelle propre à chaque objet plutôt que dans des paramètres génériques. Le second module, Residual from Dynamics (RfD), apprend l'écart entre les prédictions du simulateur analytique et la réalité observée, et corrige les biais systématiques que le modèle physique pur ne peut pas capturer. Sur des séquences réelles de manipulation d'objets déformables, PhysCoRe dépasse les méthodes de référence de l'état de l'art en précision de prédiction. Cette approche s'attaque directement à un compromis classique du secteur de la robotique de manipulation : les méthodes d'optimisation par objet, qui calibrent les paramètres matériaux au cas par cas, sont lentes et ne généralisent pas d'un objet à l'autre, tandis que les modèles appris de bout en bout extrapolent mal et violent souvent des contraintes physiques élémentaires (conservation de la masse, cohérence géométrique). En couplant simulation physique et correction résiduelle apprise, PhysCoRe vise un entre-deux praticable pour des tâches comme le pliage de tissu, la manipulation de câbles ou l'emballage d'objets mous, autant d'opérations encore mal maîtrisées en logistique et en assemblage industriel. Point notable pour les intégrateurs : le système permet une identification de matériau en ligne sur des objets jamais vus, le module MfM s'adaptant à partir d'un nombre limité d'interactions, et sa confiance prédictive orientant l'exploration robotique vers les zones où l'estimation reste la moins fiable, un signal utile pour guider l'apprentissage actif plutôt que l'exploration aléatoire. Le travail s'inscrit dans une lignée de recherche qui cherche à réconcilier simulateurs physiques différentiables et apprentissage profond, une piste explorée notamment autour des méthodes MPM depuis plusieurs années pour modéliser des matériaux mous, granulaires ou élastiques. Il se positionne face aux approches purement data-driven de prédiction de dynamique déformable, ainsi qu'aux pipelines classiques d'optimisation de paramètres matériaux par essais successifs. Publié comme prépublication arXiv (2607.20653), l'article ne mentionne pas de déploiement industriel ni de partenariat commercial à ce stade ; il s'agit d'un résultat de recherche validé sur des séquences de manipulation réelles en laboratoire, dont la suite logique serait une évaluation sur des tâches de manipulation plus longues et des objets plus variés.

Recherche❖Paper

1 source

40

735arXiv cs.RO 

TOPReward : les probabilités de tokens comme récompenses cachées zéro-shot pour la robotique

TOPReward est une méthode d'apprentissage robotique sans entraînement dédié, conçue pour générer des signaux de récompense denses et fondés sur l'instruction donnée au robot. Contrairement aux approches existantes, qui reposent sur des annotations manuelles de progression, des démonstrations spécifiques à chaque tâche, ou des modèles de récompense entraînés sur des jeux de données robotiques triés, TOPReward exploite directement les probabilités de tokens internes de modèles Video-Language (VLM) déjà pré-entraînés. Concrètement, la méthode fournit au VLM un extrait vidéo et une instruction en langage naturel, puis mesure la probabilité que le modèle attribue au fait que la tâche soit terminée, plutôt que de lui demander de générer une valeur numérique de progression. Les chercheurs évaluent leur approche sur ManiRewardBench, un benchmark de manipulation en conditions réelles qu'ils ont construit, couvrant 130 tâches uniques sur quatre plateformes robotiques distinctes, ainsi que sur les jeux de données Open X-Embodiment. TOPReward surpasse nettement les méthodes VLM sans entraînement existantes sur les modèles open source, et se montre compétitif face à un modèle de récompense entraîné spécifiquement, sur les métriques d'estimation de progression, sans nécessiter le moindre entraînement dédié. Pour l'industrie robotique, l'enjeu central reste l'obtention de feedback fiable à grande échelle sans coûteuse collecte et annotation manuelle propre à chaque tâche. Si un VLM générique, non spécialisé, parvient à distinguer une tâche réussie d'un comportement bloqué ou raté, cela allège considérablement le travail des équipes qui veulent déployer de l'apprentissage par renforcement ou du clonage de comportement sur de nouvelles tâches sans repasser par une phase d'étiquetage. Les auteurs précisent que le signal reste sensible à l'instruction donnée et n'est pas simplement expliqué par la position temporelle dans la vidéo, un point qui écarte l'hypothèse que le modèle se contente de suivre le déroulé de la séquence sans réellement évaluer l'accomplissement de la tâche. Ce travail s'inscrit dans la lignée des recherches cherchant à remplacer les reward models spécialisés par des modèles vision-langage généralistes, une piste motivée par le coût et la rigidité des modèles entraînés sur mesure pour chaque robot. TOPReward se distingue des méthodes VLM précédentes, qui demandaient au modèle de produire explicitement un score numérique, une approche jugée peu fiable car les VLM restent mal calibrés pour ce type de sortie. Le papier, disponible sur arXiv (2602.19313v2, version révisée), démontre deux applications en aval : la détection de succès de tâche et le clonage de comportement pondéré par récompense en mode offline. Reste à confirmer si l'approche tient à plus grande échelle, sur des tâches de manipulation plus complexes que celles couvertes par ManiRewardBench.

Recherche❖Paper

1 source

40

736arXiv cs.RO 

IA incarnée : FORGE-plus régule l'effort de récupération pour l'assemblage à contact riche via un superviseur LLM figé

Des chercheurs présentent FORGE-plus, un framework à deux couches combinant un grand modèle de langage (LLM) figé, uniquement textuel, avec un contrôleur bas niveau pour l'assemblage de précision par apprentissage par renforcement conditionné en force. Le LLM détermine avant exécution un plafond de force propre à chaque objet, puis sélectionne des manœuvres de récupération dans un menu d'actions fixe à partir de signatures de force textuelles compactes, sans jamais piloter la force directement, celle-ci restant imposée par un contrôleur bas niveau indépendant. Le seuil de rupture réel de chaque objet reste caché, connu seulement de l'évaluateur. Les tests portent sur deux tâches, le placement d'une bouteille fragile et l'insertion d'un engrenage avec un jeu diamétral de 0,4 mm, réalisées avec deux pinces différentes, la Robotiq 2F-140 et la main Franka Panda. Une politique unique réussit 256 épisodes sur 256 sans casse, sur objets fragiles comme robustes, prédit correctement le moment du relâchement, et complète un pipeline complet de prise sur table et insertion avec une force de pointe moyenne de 5,4 N. Face à des glissements de préhension injectés artificiellement, la stratégie de récupération basée sur les signatures de force résout 40% et 64% des échecs selon la pince utilisée, contre une approche naïve consistant à serrer plus fort, inefficace ou provoquant des casses fréquentes. Ce travail éclaire un débat central de la robotique industrielle actuelle, celui de la fiabilité réelle des politiques d'assemblage par apprentissage face aux démonstrations soigneusement sélectionnées. En séparant décision stratégique, confiée au LLM, et exécution physique, confiée à un contrôleur strict, les auteurs proposent une architecture qui limite les risques de casse tout en gardant une flexibilité de raisonnement, un enjeu clé pour les intégrateurs manipulant des composants fragiles ou à tolérances serrées. Les auteurs situent explicitement les limites de l'étude: tout se déroule en simulation à corps rigides, avec une rupture par seuil de force caché, et aucune revendication de transfert vers le réel n'est faite. Ils rapportent aussi des résultats négatifs, notamment l'échec de l'algorithme PPO classique sous contraintes de force strictes et l'inefficacité de stratégies de relâchement apprises, signalant que le problème reste loin d'être résolu de bout en bout par apprentissage pur.

Recherche❖Paper

1 source

39

737arXiv cs.RO 

Facteurs spatio-temporels pour l'estimation de pose humaine à partir de lidar planaire

Une équipe de recherche publie sur arXiv (référence 2607.21309, soumission du 24 juillet 2026) un nouveau réseau de neurones léger pour la détection humaine et l'estimation de pose relative à partir de LiDAR planaire omnidirectionnel, un capteur bien plus répandu sur les robots de service que les caméras ou les LiDAR 3D. Le système repose sur des « Space-Time Blocks », une architecture qui sépare explicitement le traitement spatial le long des rayons de balayage et l'agrégation temporelle entre scans successifs. À partir de séquences LiDAR à 360 degrés, le réseau produit pour chaque rayon la présence d'un humain, sa distance et son orientation relative. Point clé de la méthode : l'entraînement se fait par auto-supervision croisée, en utilisant un capteur RGB-D à champ de vision étroit comme source de vérité dans la zone de recouvrement des deux capteurs, ce qui supprime le besoin d'annotations manuelles sur les données LiDAR. Comparé à un modèle de référence à nombre de paramètres équivalent, le réseau réduit les erreurs de 38% sur la distance, 28% sur la position et 15% sur l'orientation. Les auteurs valident aussi leur approche sur le jeu de données public FROG et démontrent une inférence temps réel sur processeur embarqué, avec des essais en conditions réelles sur un robot de service. Pour l'industrie robotique, ce travail s'attaque à un angle mort concret : la plupart des robots de service commercialisés (nettoyage, logistique intérieure, accueil) n'embarquent qu'un LiDAR planaire et un processeur modeste, loin des GPU nécessaires aux pipelines de perception humaine classiques basés vision. Une estimation fiable de la position et de l'orientation d'un humain à faible coût de calcul est une brique essentielle pour la navigation sociale sûre, sans nécessiter de capteur additionnel coûteux. La méthode d'auto-supervision est également notable : elle contourne le goulot d'étranglement de l'annotation manuelle, un frein récurrent au déploiement de perception apprise sur flotte réelle. Le travail s'inscrit dans une littérature déjà riche sur la détection humaine par LiDAR, mais cible spécifiquement le cas sous-desservi du LiDAR planaire bas coût, par opposition aux LiDAR 3D denses privilégiés en robotique mobile et véhicules autonomes. Le recours au jeu de données FROG, dédié à la perception sociale en environnement de service, situe la contribution dans la continuité des efforts de benchmarking pour la navigation collaborative homme-robot, sans acteur industriel ni feuille de route de déploiement commercial mentionnés à ce stade.

Recherche❖Paper

1 source

39

738arXiv cs.RO 

I2Nav-Robot : un jeu de données robotique intérieur-extérieur à grande échelle pour la navigation par fusion multi-capteurs

Chercheurs de l'université de Wuhan (laboratoire i2Nav) ont publié i2Nav-Robot, un jeu de données à grande échelle destiné à la navigation par fusion multi-capteurs pour véhicules terrestres autonomes (UGV), en environnements intérieurs et extérieurs. La plateforme, un véhicule à roues omnidirectionnel, embarque des LiDAR solid-state à vision frontale et à 360 degrés de dernière génération, un radar millimétrique 4D, des caméras stéréo, une centrale inertielle (IMU), un récepteur GNSS et des odomètres à roues, tous synchronisés temporellement via une combinaison de synchronisation matérielle en ligne et de calibration hors ligne. Le jeu de données comprend dix séquences couvrant des scénarios variés (rues extérieures, parkings intérieurs) pour une distance cumulée d'environ 17 060 mètres, avec une vérité terrain de précision centimétrique obtenue par post-traitement de navigation intégrée sur IMU haut de gamme. Quinze méthodes open source de fusion multi-capteurs ont servi à valider la qualité des données. Le tout est accessible sur GitHub (i2Nav-WHU/i2Nav-Robot). Pour la recherche en navigation robotique, ce type de benchmark comble un manque réel: les jeux de données existants pour UGV souffrent souvent de configurations de capteurs limitées, d'une synchronisation imprécise, d'une vérité terrain incomplète ou peu fiable, et d'un manque de diversité de scénarios, ce qui freine le développement et la comparaison rigoureuse des algorithmes SLAM et de fusion de capteurs. Un dataset combinant LiDAR récents, radar 4D et vérité terrain centimétrique dans des environnements mixtes intérieur-extérieur offre aux équipes de recherche et aux intégrateurs un terrain d'évaluation plus représentatif des conditions réelles de déploiement, notamment pour les robots mobiles industriels et logistiques. Ce travail s'inscrit dans la lignée de benchmarks antérieurs comme KITTI ou M2DGR, mais cherche à dépasser leurs limites en matière de synchronisation et de diversité de capteurs, notamment via l'intégration récente du radar millimétrique 4D, technologie de plus en plus utilisée en complément du LiDAR pour la robustesse par mauvaise visibilité. La publication en open source, avec documentation complète sur GitHub, vise à en faire une référence pour les futures évaluations comparatives de méthodes de navigation autonome, un domaine où la disponibilité de données de qualité reste un goulot d'étranglement majeur pour l'industrie.

Recherche❖Paper

1 source

39

739arXiv cs.RO 

Distributed Model-Based Diffusion pour l'optimisation de trajectoires multi-robots à grande échelle

Des chercheurs viennent de publier sur arXiv (2607.20992) une méthode baptisée Distributed Model-Based Diffusion (DMBD), conçue pour résoudre l'optimisation de trajectoires pour des flottes de robots évoluant dans des environnements fortement non convexes, non linéaires et non différentiables. Le point de départ est le Model-Based Diffusion (MBD), une approche d'optimisation par échantillonnage qui avait déjà montré des résultats prometteurs pour un robot unique, mais qui devient un problème d'inférence centralisé et de très haute dimension dès qu'on l'étend à plusieurs robots, avec une perte nette d'efficacité d'échantillonnage due à la malédiction de la dimensionnalité, et la nécessité d'un accès global à la dynamique, aux contraintes et aux objectifs de chaque robot. DMBD contourne ce verrou en décomposant le processus de diffusion inverse en processus de diffusion conditionnels locaux : chaque robot débruite sa propre trajectoire dans son sous-espace de commande, en se conditionnant sur les estimations de trajectoires des autres robots, agrégées et redistribuées par un serveur central. Les auteurs valident l'approche sur quatre scénarios de simulation : échange de positions entre robots (goal swapping), couverture multi-étages, stationnement (parking) et trafic dense (rush-hour), avec des temps de résolution annoncés en dessous de la seconde. Cette architecture serveur-robots répond directement à un goulot d'étranglement connu de la planification multi-robots : la coordination centralisée s'effondre en calcul et en bande passante dès que le nombre d'agents augmente, ce qui limite aujourd'hui le déploiement de flottes d'AMR ou de robots mobiles en entrepôt, en logistique ou en coordination aérienne à grande échelle. Si les gains de scalabilité annoncés se confirment au-delà des scénarios simulés, la méthode pourrait intéresser les intégrateurs qui cherchent à faire cohabiter de nombreux robots autonomes sans dépendre d'un planificateur central surchargé, tout en gardant chaque robot capable de calculer localement sa propre trajectoire. Le travail s'inscrit dans la lignée récente des méthodes de diffusion appliquées à la planification robotique, où le MBD a émergé comme alternative aux solveurs d'optimisation classiques pour un seul robot. L'extension au multi-robot reste un champ actif de recherche, avec plusieurs équipes explorant des architectures distribuées ou décentralisées pour éviter l'explosion combinatoire. À ce stade, DMBD reste une contribution académique validée uniquement en simulation, sans démonstration sur robots physiques ni benchmark comparatif détaillé publié dans l'abstract.

Recherche❖Paper

1 source

39

740arXiv cs.RO 

ZONDA : navigation vers un objet sans apprentissage préalable avec évitement dynamique en environnements multi-étages

Une équipe de recherche présente ZONDA, un nouveau framework de navigation robotique "zero-shot" vers un objet désigné (Object Goal Navigation), conçu pour fonctionner dans des environnements multi-étages et en présence de piétons en mouvement. Le système repose sur trois composants : une planification heuristique multi-étages qui exploite des cartes de différences de hauteur pour permettre à un robot de gravir des escaliers et de changer d'étage sans contrôleur spécifique à la plateforme ; une vérification multi-vues de la cible, qui croise des observations à différentes échelles avec un modèle vision-langage (VLM) pour réduire les faux positifs de détection ; et un module d'évitement dynamique des piétons, qui suit et anticipe leurs déplacements pour générer des trajectoires préventives. Le système a été testé sur un robot bipède TITA du fabricant chinois Direct Drive Tech, ainsi que sur des simulations extensives utilisant les jeux de données HM3D et MP3D, deux benchmarks de référence pour la navigation en environnement intérieur photoréaliste. Les auteurs annoncent des résultats "significativement améliorés" par rapport aux méthodes existantes, ainsi qu'une robustesse maintenue sur HM3D-DYNA, une variante dynamique du benchmark incluant des agents mobiles. Cette publication s'attaque à une limite concrète et rarement traitée des systèmes de navigation robotique actuels : la quasi-totalité des méthodes de pointe supposent un environnement statique et confiné à un seul étage, une hypothèse commode en laboratoire mais irréaliste pour un déploiement réel en entrepôt, hôpital ou bâtiment de bureaux à plusieurs niveaux. En combinant franchissement d'escaliers sans apprentissage spécifique au robot et anticipation des piétons, ZONDA vise directement l'écart entre démonstration en simulation et usage industriel, un problème central pour les intégrateurs qui cherchent à déployer des robots mobiles ou humanoïdes au-delà d'un seul plateau. À noter que l'abstract ne fournit pas de chiffres précis de performance (taux de succès, distance parcourue, temps de cycle) permettant de comparer objectivement l'ampleur du gain revendiqué face aux méthodes concurrentes, une réserve à garder en tête avant de considérer le résultat comme acquis. Le champ de l'Object Goal Navigation s'est largement construit sur des benchmarks comme HM3D et MP3D, où les méthodes récentes intègrent de plus en plus des modèles vision-langage pour améliorer la reconnaissance sémantique des cibles, dans la lignée de travaux comme les architectures VLA utilisées en manipulation robotique. Le choix du robot bipède TITA de Direct Drive Tech comme plateforme de test réel, plutôt qu'un robot à roues plus classique en recherche de navigation, souligne l'ambition de valider l'approche sur une morphologie capable physiquement de franchir des escaliers, condition nécessaire à toute navigation multi-étages. L'article, publié sur arXiv le 24 juillet 2026, ne mentionne pas de partenariat industriel ni de calendrier de déploiement commercial ; il s'agit à ce stade d'une contribution académique, dont la prochaine étape logique serait une validation sur davantage de plateformes robotiques et dans des environnements réels plus variés que le cadre expérimental actuel.

Recherche❖Paper

1 source

39

741arXiv cs.RO 

Grasp, transfert, rotation : réorientation bimanuelle d'objets par diffusion compositionnelle et optimisation énergétique

Grasp, Handover, Rotate : réorientation bimanuelle d'objets par diffusion compositionnelle et optimisation à base d'énergie Une équipe de recherche publie sur arXiv (arXiv:2607.21341v1, soumission du 24 juillet 2026) BiCompoDiff, un framework qui traite la réorientation bimanuelle d'objets : saisir un objet, le transférer d'un bras à l'autre, puis le poser dans une orientation cible, une manoeuvre nécessaire quand un placement direct depuis la prise initiale est impossible à cause de collisions, de contraintes cinématiques ou d'une orientation finale inadéquate. Le système combine un modèle de diffusion de prise pré-entraîné avec des modèles à base d'énergie (EBM) de planification bimanuelle, et injecte un guidage par gradient pendant la diffusion inverse pour imposer simultanément l'évitement de collisions, la fluidité de trajectoire via cinématique inverse différentiable, la faisabilité du transfert entre bras et la sécurité de la reprise. Un échantillonnage MCMC recuit affine ensuite les poses de prise sur ce paysage énergétique composite. Sur des tâches simulées de réorientation d'objets domestiques, BiCompoDiff atteint un taux de réussite supérieur de plus de 20% et des trajectoires jusqu'à 37% plus lisses, mesurées par le déplacement articulaire, comparé à des méthodes d'échantillonnage jugées solides par les auteurs. Une validation en conditions réelles est également mentionnée, avec un transfert sim-to-real jugé efficace. L'enjeu dépasse la simple démonstration technique : la manipulation bimanuelle coordonnée reste l'un des points faibles concrets des robots humanoïdes et bras doubles destinés à des tâches réelles, là où le pick-and-place à un seul bras échoue régulièrement sur des objets encombrants, mal orientés ou nécessitant un contournement d'obstacle. La plupart des approches existantes optimisent séparément la sélection de prise, la planification de trajectoire et la gestion du transfert entre bras, ce qui génère des incohérences quand ces sous-problèmes entrent en conflit. En unifiant ces objectifs dans un même cadre d'optimisation sous contraintes, ce travail illustre une tendance de fond en robotique de manipulation : combiner modèles génératifs de prise et méthodes de planification basées sur l'énergie pour traiter des séquences multi-étapes, plutôt que des gestes isolés. C'est un signal utile pour les intégrateurs travaillant sur des cellules robotiques bimanuelles ou des humanoïdes appelés à manipuler des objets dans des environnements non structurés, un des écarts persistants entre les démonstrations en vidéo et la réalité opérationnelle. Le papier s'inscrit dans une double lignée de recherche déjà bien établie séparément, les modèles de diffusion pour la génération de prises robustes d'un côté, les modèles à base d'énergie pour la planification de trajectoires sous contraintes de l'autre, que BiCompoDiff cherche à faire converger de façon compositionnelle. Les gains annoncés (20%, 37%) sont mesurés contre des baselines d'échantillonnage qualifiées de "fortes" sans détail sur leur nature exacte, une réserve à garder en tête tant que le papier n'a pas été revu par les pairs ni testé par d'autres équipes. Aucune entreprise ni plateforme robotique commerciale n'est citée, il s'agit d'un travail académique pur à ce stade, sans indication de mise en oeuvre sur un produit ou une ligne de déploiement. Les suites logiques attendues seraient une évaluation sur du matériel bimanuel plus divers, une comparaison directe avec des méthodes de planification classiques utilisées en industrie, et potentiellement une intégration dans des piles de manipulation robotique plus larges.

Recherche❖Paper

1 source

38

742arXiv cs.RO 

IA à mélange d'experts : des VLA développent des compétences combinatoires émergentes

Des chercheurs publient sur arXiv (référence 2607.20771, soumission du 24 juillet 2026) une étude sur l'apprentissage de politiques robotiques compositionnelles entraînées de bout en bout à partir de démonstrations expertes, sans décomposition de tâche ni hiérarchie prédéfinie. L'équipe teste une architecture VLA (Vision-Language-Action) dotée d'une tête d'action en Mixture-of-Experts (MoE) simplifiée, où un routeur apprend à sélectionner dynamiquement parmi plusieurs sous-réseaux experts. Résultat central: les experts appris sont massivement réutilisés d'une tâche à l'autre et correspondent systématiquement à des comportements de bas niveau qualitativement distincts, ce qui suggère que le routeur apprend implicitement à séquencer des primitives, sans supervision explicite sur leur découpage. Sur les métriques de performance, le modèle MoE égale une baseline monolithique classique tout en montrant une spécialisation nette des experts. Cette découverte compte pour l'industrie robotique parce qu'elle attaque un problème central des politiques VLA actuelles: leur opacité. Les modèles comme GR00T N2, Pi-0 ou Helix fonctionnent aujourd'hui largement en boîte noire, ce qui complique le débogage, la certification et la réutilisation de compétences entre robots ou tâches. Si des primitives interprétables et réutilisables émergent naturellement de l'entraînement, cela ouvre la voie à des politiques plus modulaires, où un intégrateur pourrait diagnostiquer ou recombiner des comportements sans réentraîner un modèle monolithique complet. C'est aussi une validation empirique, à échelle encore modeste, de l'hypothèse selon laquelle les architectures MoE, déjà dominantes en NLP, peuvent transférer leurs bénéfices de spécialisation au contrôle robotique sans sacrifier la performance brute. Le travail s'inscrit dans la vague plus large d'adoption des architectures Mixture-of-Experts dans les grands modèles de langage, désormais transposée aux politiques d'action robotique face à la multiplication des VLA généralistes (Figure AI, NVIDIA GR00T, Physical Intelligence, Figure/Helix). L'étude reste à un stade de recherche fondamentale, sans déploiement industriel annoncé, mais pose une brique méthodologique que les laboratoires travaillant sur l'interprétabilité et la modularité des politiques robotiques, dont des équipes académiques et industrielles concurrentes sur ce terrain, devraient suivre de près.

Recherche❧Opinion

1 source

38

743arXiv cs.RO 

URF : cadre de contrôle unifié pour une manipulation stable et consciente du contact

Traitement effectué. Voici l'article en français : --- Des chercheurs proposent URF (Unified Robot Control-Policy Framework), une architecture de contrôle qui unifie prédiction d'action et exécution bas niveau pour la manipulation robotique en contact rigide. Publié sur arXiv (2607.20912v1), le système part d'un constat technique précis : les politiques de manipulation apprises prédisent généralement une trajectoire ou une cible virtuelle, puis délèguent son exécution à un contrôleur bas niveau séparé, ce qui peut provoquer un contact instable, des erreurs de suivi, une surcharge de force voire une casse d'outil selon le contrôleur utilisé. URF fait converger ces deux étages : à partir d'observations multimodales, le modèle prédit simultanément une cible virtuelle, une matrice de rigidité (stiffness matrix), et un ratio de bascule entre contrôle en admittance et contrôle en impédance. Ce ratio détermine à quel moment privilégier un suivi de mouvement précis (admittance) ou une gestion plus sûre du contact rigide (impédance). Faute de vérité terrain sur la rigidité de l'environnement dans les données de démonstration, les chercheurs construisent leurs labels de supervision à partir des forces de contact réellement mesurées. Sur deux tâches de test, retournement de boîte et pressage linéaire, URF affiche un taux de réussite supérieur aux approches en admittance seule, avec moins d'échecs par montée en force rapide, oscillations de force, casse d'outil ou arrêts de sécurité du robot. Pour l'industrie de la manipulation robotique, ce travail cible un angle mort souvent sous-traité dans la course aux politiques VLA (vision-language-action) : la qualité d'une politique de haut niveau ne garantit rien si le contrôleur bas niveau n'est pas conçu pour exploiter cette information de contact. Beaucoup de démonstrations impressionnantes de manipulation dextre échouent en conditions réelles précisément à cause de ce écart entre commande prédite et exécution physique stable, un des points aveugles classiques du fossé démo-vers-réalité. En intégrant la prédiction du comportement du contrôleur lui-même dans le modèle appris, URF illustre une tendance de fond chez les intégrateurs et laboratoires de recherche en manipulation : traiter le contrôle de force comme un objet d'apprentissage à part entière plutôt que comme un simple paramètre fixe en aval, ce qui intéresse directement les applications d'assemblage industriel, de polissage ou d'insertion de précision où le contact rigide est la norme plutôt que l'exception. Ce travail s'inscrit dans la lignée des architectures hybrides impédance-admittance étudiées depuis longtemps en robotique de contact, mais l'apporte au contexte des politiques de manipulation apprises de bout en bout, un terrain où les grands modèles VLA (de type Pi-0, GR00T ou Helix évoqués dans le débat sectoriel actuel) se concentrent surtout sur la prédiction de trajectoires plutôt que sur la dynamique de contact fine. Il s'agit ici d'une publication de recherche académique, avec page projet dédiée, et non d'un produit commercialisé ni d'un déploiement industriel : les résultats se limitent à deux tâches de manipulation en environnement contrôlé. La suite logique, non détaillée dans l'abstract, porterait sur l'extension à des tâches de contact plus variées et sur une validation en dehors du cadre expérimental initial avant toute intégration dans des piles de contrôle robotique commerciales.

Recherche❖Paper

1 source

38

744arXiv cs.RO 

Robots multiples : navigation socialement cohérente via planification découplée et coordination des trajectoires

Article : Une équipe de recherche présente un système de navigation multi-robots visant à rendre les déplacements en environnement humain non seulement sûrs et efficaces, mais aussi prévisibles et conformes aux conventions sociales, un facteur clé pour l'acceptation par les usagers. Le framework proposé est partiellement décentralisé et découple la planification globale de trajectoire de la coordination fine entre robots. La première brique est une version modifiée de l'algorithme A* qui intègre directement des normes sociales macroscopiques dans sa fonction de coût, poussant chaque robot à emprunter des chemins jugés socialement acceptables plutôt que purement optimaux en distance. Ces trajectoires planifiées sont ensuite partagées entre les robots de la flotte pour construire collectivement un graphe social des itinéraires établis, ce qui renforce la cohérence des chemins choisis dans le temps et réduit l'effort de planification pour les déplacements futurs. Sur cette base, la coordination des trajectoires entre robots est formulée comme un programme convexe en variables mixtes-entières, permettant de calculer efficacement des trajectoires sans collision, avec une capacité annoncée à bien passer à l'échelle sur de grandes flottes et à supporter l'attribution dynamique de tâches. Pour l'industrie de la robotique mobile et les intégrateurs de flottes d'AMR (robots mobiles autonomes) en entrepôt, magasin ou hôpital, ce travail s'attaque à un angle mort courant des architectures actuelles : la plupart des planificateurs "human-aware" opèrent à court terme et reportent tout le poids de la cohérence comportementale sur le planificateur local, ce qui produit des trajectoires réactives, changeantes d'un passage à l'autre, et donc imprévisibles pour les humains qui partagent l'espace. En déplaçant la contrainte sociale au niveau de la planification globale, l'approche promet des comportements de flotte plus stables et lisibles dans la durée, un argument qui pèse directement sur le confort perçu et l'acceptabilité des déploiements en environnements partagés à forte densité humaine. Elle illustre aussi une tendance de fond du secteur : traiter la coordination multi-robots non plus comme un problème purement combinatoire de sans-collision, mais comme un problème conjoint d'optimisation technique et de normes sociales. Le papier s'inscrit dans la lignée des travaux sur la navigation "human-aware", qui cherchent depuis plusieurs années à dépasser les planificateurs purement géométriques hérités de la robotique classique. La nouveauté ici est la séparation explicite entre planification de chemin socialement contrainte et coordination de trajectoire par optimisation convexe, une architecture partiellement décentralisée pensée pour scaler sur des flottes de taille importante. Le texte, publié sur arXiv, ne précise pas de déploiement industriel réel ni de partenaire commercial identifié à ce stade ; il s'agit d'une contribution de recherche dont les résultats sont validés en simulation ou en conditions contrôlées selon les standards habituels de ce type de publication, avant d'éventuels essais sur plateformes réelles.

Recherche❖Paper

1 source

37

745arXiv cs.RO 

FELT : générer des signaux tactiles à partir de la vision pour la manipulation visuo-tactile

Une équipe de recherche présente FELT (Feature-Extracted Latent Tactile), une méthode qui génère des signaux tactiles à partir de simples images RGB, sans capteur tactile physique nécessaire au moment de l'inférence. Décrite dans un preprint publié sur arXiv (arXiv:2607.20683v1), l'approche s'appuie sur un grand encodeur visuel figé associé à un décodeur léger à requêtes, capable de prédire les signaux tactiles en une seule passe. Pour respecter la topologie physique des capteurs tactiles à deux doigts, FELT décode séparément les panneaux gauche et droit via deux branches distinctes, ce qui permet de capturer les motifs de contact asymétriques observés lors de tâches comme l'essuyage, l'insertion de pièces ou la rotation d'objets en main. Le système a été testé sur quatre tâches de manipulation à fort contact physique, où les images tactiles générées ainsi que les représentations latentes tactiles ont amélioré les performances par rapport à des politiques entraînées uniquement sur la vision. L'enjeu principal est la rareté des données tactiles, bien plus difficiles à collecter que les données visuelles car les capteurs tactiles restent fragiles, spécialisés et peu standardisés d'un fabricant à l'autre. En permettant d'enrichir des jeux de données purement visuels avec une information tactile synthétique, FELT réduit la dépendance à des campagnes de collecte coûteuses avec du matériel dédié. Le résultat le plus notable concerne les représentations latentes tactiles: elles améliorent le taux de réussite des politiques de manipulation sans qu'aucun capteur tactile réel ne soit nécessaire, ni à l'entraînement ni au déploiement, ce qui ouvre la voie à des politiques visuo-tactiles moins coûteuses à mettre en œuvre à grande échelle. Ce travail s'inscrit dans une recherche plus large sur la fusion vision-toucher en manipulation robotique, où l'écart entre démonstrations en laboratoire et déploiement réel reste un point de vigilance récurrent du secteur. Aucun acteur français ou européen n'est mentionné dans cette publication. Il s'agit d'un résultat de recherche académique au stade preprint, non d'un produit commercialisé, avec du matériel supplémentaire disponible sur un site anonymisé associé à la soumission.

Recherche❖Paper

1 source

37

746arXiv cs.RO 

VoLN : navigation à long terme uniquement par vision (paradigme, référentiel et méthode)

Des chercheurs présentent VoLN (Vision-Only Long-Horizon Navigation), un nouveau paradigme de navigation pour agents embarqués qui se passe totalement d'instructions en langage naturel détaillées. Publié sur arXiv le 24 juillet 2026, ce travail part d'un constat : dans la navigation vision-langage classique (VLN), les instructions de type "tournez à droite après 50 mètres" encodent des informations spatiales (orientation, distance, disposition des lieux) que l'agent ne peut pas réellement percevoir depuis ses seuls capteurs, surtout dans des environnements ouverts sans GPS. VoLN retire ces indices explicites : seule une image de destination est fournie, et l'agent doit repérer, interpréter et suivre des repères visuels locaux pour progresser. L'équipe a instancié ce paradigme pour le vol de drones avec VoLN-UAV, un benchmark de 7 210 épisodes combinant vols longue distance orientés objectif, mouvements 3D continus, changements de point de vue importants et sélection de balises dépendante du contexte. Un modèle de référence, VoLN-MLLM, aligne des caractéristiques visuelles auto-supervisées sur un espace sémantique structuré et prédit des segments de trajectoire courts à partir de l'historique d'observation, des vues cibles, de tokens visuo-sémantiques récupérés et de la proprioception. Les résultats obtenus sur le split Test-Unseen (cinq environnements) sont particulièrement bas : 7,4% de réussite sur les épisodes faciles, 4,5% sur les normaux et seulement 1,8% sur les difficiles. Ces chiffres, très inférieurs aux performances habituellement rapportées en VLN classique, illustrent l'écart entre la navigation guidée par instructions explicites et une navigation purement visuelle où l'agent doit reconstruire lui-même la structure de l'itinéraire. Pour les équipes travaillant sur l'autonomie des drones et des robots en environnements GPS-denied, ce résultat sert d'avertissement : les scores impressionnants obtenus sur les benchmarks VLN traditionnels reflètent en partie la richesse des instructions fournies, pas uniquement la capacité de perception et de décision de l'agent. VoLN s'inscrit dans la lignée des travaux sur la navigation vision-langage, en proposant une lecture complémentaire plutôt qu'un remplacement des benchmarks existants. En isolant la composante purement visuelle du problème, les auteurs cherchent à mesurer séparément l'intégration d'indices sur un horizon long, l'appariement d'images entre différents points de vue et la stabilité en boucle fermée, trois faiblesses identifiées comme majeures par leurs expériences. Le code et les détails du benchmark sont disponibles sur la page du projet, ouvrant la voie à des comparaisons futures pour d'autres plateformes robotiques que les drones.

Recherche❖Paper

1 source

37

747arXiv cs.RO 

Vérificateur de contrôleur sûr : révision critique des tautologies CBF et hypothèses cachées

Les Control Barrier Functions (CBF) sont l'un des outils mathématiques les plus utilises depuis une dizaine d'années pour garantir la sécurité des contrôleurs robotiques, en particulier en navigation et en manipulation. Un tutoriel publie sur arXiv (2603.06954v2) propose une revue critique de leur usage pratique et pointe un écart récurrent: la théorie des CBF suppose l'existence d'un contrôleur sur qui respecte les contraintes, mais cette existence n'est presque jamais construite explicitement dans les systèmes avec des limites d'actionnement réelles (couples, vitesses, forces bornées). L'auteur distingue les CBF dites "candidates", qui ne font que ressembler a une preuve de sécurité, des CBF "valides", qui intègrent correctement la dynamique du système, les limites d'actionnement et les fonctions de classe K. Il montre par des exemples de faible dimension que de nombreuses démonstrations de "contrôleurs surs" publiées dans la littérature portent en réalité sur des systèmes passivement surs, comme des intégrateurs simples ou des manipulateurs cinématiques, ou de simples contraintes géométriques suffiraient déjà a éviter les collisions sans recourir aux CBF. Une étude de simulation en navigation en foule illustre par ailleurs que le reward shaping dérivé des CBF en apprentissage par renforcement améliore le comportement empirique observe, sans pour autant établir de garantie de sécurité formelle. Pour l'industrie robotique et les intégrateurs, ce travail est un signal d'alerte méthodologique: une étiquette "contrôle sur base de CBF" apposée sur un robot ne garantit rien en soi si le système sous-jacent etait déjà trivialement sur, ou si les hypothèses d'actionnement ne sont pas vérifiées. Cela invite les décideurs B2B a exiger des preuves de sécurité construites, et non seulement des démonstrations vidéo ou des affirmations théoriques génériques, avant de valider le déploiement de robots collaboratifs ou autonomes en environnement partage avec des humains. Le cadre des CBF, popularise notamment par les travaux d'Aaron Ames et de son laboratoire a Caltech, s'est impose comme standard académique pour la sécurité certifiée en robotique légère et en conduite autonome. Ce tutoriel s'inscrit dans un mouvement plus large de remise en question des garanties de sécurité affichées dans la recherche en contrôle et en RL, et fournit des lignes directrices pratiques pour construire des arguments de sécurité réalisables sur des systèmes non passivement surs, appuyées par une démonstration web interactive open-source permettant de visualiser ces limites.

Recherche❖Paper

1 source

37

748arXiv cs.RO 

TableVerse : un jeu de données de tables à grande échelle avec des dispositions ancrées dans le réel pour la manipulation généralisable

TableVerse est un nouveau pipeline Real2Sim entièrement automatisé qui transforme des images non structurées, glanées sur internet, en environnements de table simulables avec une échelle métrique précise et une stabilité mécanique vérifiée. Contrairement aux méthodes existantes qui génèrent des scènes à partir de texte ou par génération procédurale simplifiée, TableVerse reconstruit de manière déterministe des dispositions d'objets réellement observées, en préservant leur topologie authentique. Le pipeline intègre également un module de génération de trajectoires conditionné par tâche, capable de produire des démonstrations de préhension et dépose (pick-and-place) sans collision. À partir de cette chaîne complète, les chercheurs ont constitué TableVerse-100K, un corpus de 100 000 environnements de table uniques et physiquement cohérents, chacun associé à des trajectoires de manipulation interactives. L'enjeu principal est celui, bien identifié dans la robotique manipulative, du goulot d'étranglement des données : entraîner des politiques de manipulation généralisables nécessite des volumes massifs de scènes réalistes et denses en encombrement, proches de véritables environnements domestiques ou industriels. Les approches de synthèse par hallucination texte-vers-disposition ou par génération procédurale produisent souvent des agencements physiquement implausibles, avec un encombrement bien plus pauvre que celui d'un vrai bureau ou d'une vraie table de cuisine. En ancrant la génération de scènes dans des images réelles plutôt que dans l'imagination d'un modèle génératif, TableVerse cherche à combler cet écart entre données synthétiques et complexité du monde réel, un enjeu central pour les modèles de type VLA (vision-langage-action) qui peinent aujourd'hui à généraliser au-delà de leurs environnements d'entraînement. Cette publication s'inscrit dans une dynamique de recherche plus large sur la génération automatisée de données d'entraînement pour la manipulation robotique, où plusieurs équipes explorent des approches concurrentes de synthèse procédurale ou de génération de scènes par diffusion 3D. L'accent mis ici sur la reconstruction déterministe à partir de médias internet non scénarisés, plutôt que sur la génération purement imaginative, marque une inflexion méthodologique. Les auteurs présentent TableVerse-100K comme une fondation de données destinée à alimenter les travaux futurs sur les politiques de manipulation généralisables, sans toutefois préciser à ce stade de calendrier de mise à disposition publique ou de validation par des déploiements robotiques réels.

Recherche❖Paper

1 source

37

749arXiv cs.RO 

Ajustement précis de trajectoire par apprentissage résiduel DAgger sensible à la force pour l'insertion de précision avec contrôle d'impédance

Des chercheurs présentent TER-DAgger (Trajectory Editing Residual Dataset Aggregation), une méthode d'apprentissage par imitation conçue pour les tâches d'insertion de précision en robotique, où le contact physique rend l'apprentissage classique instable. Le système combine trois éléments : une édition de trajectoire par optimisation qui fusionne en douceur les trajectoires générées par la politique du robot avec les corrections humaines, un mécanisme d'anticipation des échecs basé sur la force qui ne déclenche une intervention humaine que lorsque la force mesurée à l'effecteur diverge de la force prédite, et une exécution sous contrôle en impédance cartésienne pour garantir un comportement souple et sûr lors des contacts. Dans des expériences en simulation et en conditions réelles sur des tâches d'insertion, TER-DAgger améliore le taux de réussite moyen de plus de 37 % par rapport aux méthodes de référence que sont le clonage comportemental simple, la correction guidée par un humain, le réentraînement complet et le fine-tuning. L'enjeu dépassé ici est le "covariate shift" : un robot entraîné par imitation dérive souvent des trajectoires démontrées dès qu'il rencontre un état légèrement différent, et sa récupération nécessite jusqu'ici la supervision continue d'un opérateur humain, ce qui limite fortement le passage à l'échelle. En ne sollicitant l'humain que lorsque l'écart de force le justifie, TER-DAgger réduit la charge de supervision tout en conservant la robustesse du DAgger classique. Pour les intégrateurs industriels visant l'assemblage fin, le montage de composants électroniques ou toute tâche à tolérance serrée, cela rapproche l'apprentissage par imitation d'un déploiement viable sans ingénieur dédié en permanence sur la boucle de correction. La méthode s'inscrit dans la lignée du DAgger original, qui corrige le décalage de distribution par interrogation active de l'expert, mais que son coût de supervision continue rendait peu pratique. TER-DAgger cible spécifiquement les tâches riches en contact, un terrain où les politiques de type VLA et les approches de clonage comportemental peinent encore à généraliser au-delà des démonstrations. L'article, publié sur arXiv, ne mentionne pas de partenariat industriel ni de déploiement en usine à ce stade ; il s'agit d'un résultat de recherche appelé à être testé sur des plateformes robotiques plus variées.

Recherche❖Paper

1 source

36

750arXiv cs.RO 

Transport sécurisé et évolutif de charges par multi-drones via apprentissage par renforcement à base de CBF, avec transfert simulation-réel sans réentraînement

Une équipe de recherche propose un cadre d'apprentissage pour le transport coopératif de charges par essaims de drones, détaillé dans un article arXiv (2607.20665v1) publié le 24 juillet 2026. Le système s'appuie sur une abstraction 2D simplifiée qui conserve le couplage physique essentiel entre drones, câbles et charge, tout en restant assez légère pour un entraînement à grande échelle. Les chercheurs utilisent une randomisation de domaine portant à la fois sur la taille de l'équipe de drones et sur les paramètres physiques du système, puis entraînent une politique entièrement distribuée via une méthode nommée DGPPO (Discrete Graph Control Barrier Function Proximal Policy Optimization), combinant apprentissage par renforcement et fonctions de barrière de contrôle pour garantir la sécurité. Le transfert vers le réel se fait en zero-shot, c'est-à-dire sans aucun réglage fin post-simulation, et des essais matériels en conditions réelles confirment qu'une seule politique généralise à des tailles d'équipe et des scénarios de tâches variés, y compris avec plusieurs groupes de drones évoluant simultanément comme obstacles mobiles les uns pour les autres. Ce résultat s'attaque à deux limites bien connues du transport de charges par drones en essaim : la sécurité et le passage à l'échelle dans des environnements dynamiques et non structurés, deux points qui freinaient jusqu'ici l'adoption en logistique, en construction ou en réponse aux catastrophes. Le fait qu'une politique unique, entraînée en simulation légère, se transfère sans réajustement au réel et reste stable face à des essaims tiers non coordonnés constitue une validation concrète du sim-to-real pour des tâches multi-agents à dynamique couplée, un domaine où l'écart simulation-réalité reste souvent un point de blocage majeur. Le travail s'inscrit dans la lignée des recherches sur le contrôle multi-drones sous contrainte de sécurité formelle, où les fonctions de barrière de contrôle (CBF) sont de plus en plus combinées à l'apprentissage par renforcement pour garantir des garanties de sécurité vérifiables plutôt que purement statistiques. Les auteurs ne précisent pas encore de calendrier de transfert industriel ni de partenaire de déploiement ; il s'agit pour l'instant d'une démonstration académique, dont la suite logique serait l'extension à des charges 3D plus réalistes et à des essaims de taille supérieure.

Recherche❖Paper

1 source