Actualités robotique — page 17

4 572 articles au fil, du plus récent au plus ancien.

40

801Pandaily 

Robots humanoïdes d'Unitree et AgiBot en boutique : la compétition se déplace du laboratoire au centre commercial

La compétition dans la robotique humanoïde quitte les laboratoires et les classements de performance pour s'installer dans les centres commerciaux chinois. Unitree Robotics a ouvert des boutiques en direct à Wangfujing Yinxin (Pékin) et sur Nanjing Road chez Jiuguang (Shanghai), tandis qu'AgiBot a inauguré son tout premier magasin mondial dans un centre commercial JD à Minhang, Shanghai. Vbot s'est implanté à Raffles City (Changning) et à Solana (Pékin), et Qiyuan World prépare des ouvertures à Shenzhen et Shanghai. Un modèle de magasin collectif émerge aussi : Taozhu New Maker exploite déjà cinq points de vente à Pékin, et Wuhan Optics Valley a ouvert le premier magasin "7S" de robots humanoïdes du pays. Côté chiffres, Unitree propose des robots quadrupèdes dès 8 000 yuans et des humanoïdes jusqu'à 170 000 yuans. Sa directrice marketing, Wang Qixin, affirme que le magasin de Wangfujing est déjà rentable, et celui de Wuhan a généré 615 000 yuans de ventes cumulées en deux mois. Ces montants restent toutefois modestes à l'échelle d'une industrie où, selon Unitree, 73,6% du chiffre d'affaires humanoïde 2025 provient encore de clients B2B, recherche scientifique et éducation. Cette bascule vers le commerce physique traduit un changement de terrain concurrentiel. La marche, la course et le contrôle moteur de base sont désormais des prérequis communs à la plupart des fabricants, ce qui déplace la vraie bataille vers la perception du consommateur, la confiance et l'expérience d'interaction directe, des éléments qu'aucune vidéo promotionnelle ou fiche technique ne peut transmettre. Les boutiques deviennent des dispositifs à triple fonction : canal d'acquisition client, laboratoire de validation de modèles économiques, et boucle commerciale complète, de la découverte jusqu'au service après-vente. Pour les intégrateurs et décideurs industriels, c'est un signal clair que le marché grand public commence à être testé sérieusement, avec des questions encore ouvertes sur les prix acceptables, la pertinence de la location ou du paiement en plusieurs fois, et la capacité réelle des réseaux après-vente à absorber la maintenance à l'échelle du commerce de détail. Deux modèles de distribution coexistent : la vente directe de marque, incarnée par Unitree, qui garde un contrôle total sur l'expérience en boutiques haut de gamme, et les magasins collectifs comme Taozhu New Maker, qui agrègent les produits de dizaines de fabricants avec un système de service "7S" complet, à la manière d'un point d'entrée grand public pour la robotique. Les acteurs du secteur s'inspirent à la fois de la logistique de distribution des smartphones et de la conversion à haut ticket propre à l'automobile. Les ambitions d'expansion sont notables : Unitree vise 50 magasins en un an, Vbot plus de 10 villes, et Taozhu New Maker 20 emplacements à l'échelle nationale. Le véritable test reste de transformer une fréquentation de curiosité en revenus d'achat et de service durables.

Chine/Asie⚡Actu

1 source

46

802Pandaily 

Le boucle fermée de l'IA physique enfin réalité : Rimnot et Yuantu déploient 10 000 robots industriels pour la fabrication de serveurs

Rimnot, jeune pousse chinoise de l'IA physique fondée il y a seulement quatre mois par des diplômés de doctorat de Tsinghua passés chez NIO, Huawei et AgiBot, a annoncé un partenariat stratégique avec Yuantu Future Technology pour déployer 10 000 robots industriels dédiés à la fabrication de serveurs. L'annonce, faite juste avant la conférence WAIC 2026, constitue l'un des engagements commerciaux les plus concrets jamais formulés dans le secteur de l'IA incarnée. Lors du salon, Rimnot a fait la démonstration de sa technologie sur une tâche d'assemblage de serveurs en conditions réelles : le robot a manipulé des composants de carte mère densément agencés, puces, connecteurs et pièces de précision, nécessitant la reconnaissance de plusieurs variantes de modèles ainsi qu'un contrôle précis de la force de préhension et du placement. Confrontée à un temps de mise en route limité sur le stand, avec un éclairage, une température et une disposition spatiale différents de son environnement habituel, l'équipe affirme que le robot a réalisé une adaptation complète à ce nouvel environnement en seulement 30 minutes d'entraînement. La technologie repose sur un modèle de fondation du monde physique censé assurer une boucle complète allant de la compréhension des processus et de la planification des tâches jusqu'à l'exécution et l'optimisation continue par retour d'expérience. Cette annonce doit être lue avec prudence : les 30 minutes d'adaptation et la démonstration sur stand restent des chiffres communiqués par l'entreprise elle-même, sans validation indépendante, et le déploiement de 10 000 unités demeure à ce stade un plan annoncé, non un produit livré. Elle n'en illustre pas moins un déplacement d'enjeu pour le secteur de la robotique humanoïde et de l'IA incarnée, longtemps critiqué pour multiplier des démonstrations spectaculaires sans traction commerciale réelle. Contrairement à l'IA numérique, où un modèle unique peut servir des centaines de millions d'utilisateurs, l'IA physique impose à chaque robot de s'adapter à un environnement, des objets et des gestes spécifiques, en tolérant des erreurs visuelles et des aléas que la simulation ne peut jamais entièrement anticiper. Si l'accord tient ses promesses à l'échelle de 10 000 unités, il pourrait fournir un modèle reproductible pour l'automatisation robotisée de l'électronique de précision, un marché que Rimnot évalue lui-même à plusieurs centaines de milliards de yuans. Le décalage entre les quatre mois qui séparent la création de l'entreprise et cet engagement de déploiement massif suggère, selon ses promoteurs, que le principal obstacle pour l'IA physique se déplace désormais de la technologie vers l'exécution des partenariats industriels, une lecture qui reste à confirmer sur le terrain. Yuantu Future Technology, partenaire industriel de l'opération, est un acteur mondial de la fabrication de serveurs et des infrastructures IA complètes, produisant serveurs IA, serveurs généralistes, commutateurs, super-nœuds et armoires à refroidissement liquide, avec une maîtrise intégrale de la chaîne allant de la R&D à la fabrication et au service. La fabrication de serveurs constitue un terrain d'essai particulièrement pertinent pour la robotique incarnée, car elle combine assemblage complexe, câblage, tests fonctionnels et contrôle qualité, avec une valeur industrielle suffisante pour justifier un déploiement à grande échelle. L'ambition affichée par les deux partenaires dépasse le simple remplacement d'une étape de production isolée : il s'agit de construire une opération robotisée en boucle fermée de bout en bout, Rimnot apportant les modèles du monde physique et les solutions de qualité industrielle, Yuantu les scénarios de production réels et l'expérience opérationnelle. Aucun acteur français ou européen n'apparaît dans cette collaboration, qui s'inscrit dans une compétition mondiale de plus en plus vive entre start-up chinoises de l'IA incarnée, à mesure que des sociétés comme AgiBot, dont sont issus certains fondateurs de Rimnot, tentent de traduire leurs avancées technologiques en contrats industriels concrets.

Chine/Asie⚡Actu

1 source

41

803Robotics & Automation News 

Robots capables de ressentir : HBK et Siléane apportent l'intelligence tactile à l'emballage cosmétique haute vitesse

Siléane, spécialiste français de la robotique avancée, s'est associé à Hottinger Brüel & Kjær (HBK) pour développer une solution de préhension automatisée destinée à un fabricant mondial de cosmétiques. Le projet intègre des capteurs intelligents directement dans l'outil en bout de bras (end-of-arm tooling), permettant une validation en temps réel de la qualité de la prise. L'objectif est de garantir précision et fiabilité sur des lignes de conditionnement à haute cadence et fort volume, dans un secteur soumis à des exigences réglementaires strictes. Le communiqué ne précise ni chiffres de cycle time, ni charge utile, ni volumes de déploiement concrets, ce qui invite à la prudence sur la portée réelle du déploiement à ce stade. Cette approche illustre un axe de différenciation qui monte dans l'automatisation industrielle: remplacer ou compléter la vision par capteurs tactiles embarqués pour fiabiliser la prise d'objets fragiles ou irréguliers, un point sensible en cosmétique où flacons, pots et emballages varient en forme et en matière. Pour les intégrateurs et décideurs B2B, l'enjeu est de réduire les rebuts et arrêts de ligne liés aux erreurs de préhension, un problème récurrent quand les cadences dépassent ce que la seule vision industrielle peut valider en temps utile. Siléane s'est construit une expertise reconnue en robotique de précision pour l'industrie française, tandis que HBK apporte son savoir-faire en capteurs et instrumentation, issu du rapprochement historique entre Hottinger Baldwin Messtechnik et Brüel & Kjær. Le communiqué ne détaille pas de calendrier de déploiement élargi ni les sites concernés, laissant ouverte la question du passage du pilote à une industrialisation à grande échelle.

FR/EU ecosysteme⚡Actu

1 source

44

804arXiv cs.RO 

Boum de forage longue portée : planification de trajectoire paramétrée par pose et filtrage anti-collision par CBF-QP

Une équipe de recherche a développé une méthode de planification de mouvement collision-aware pour le bras de forage longue portée SB60 du fabricant suédois Sandvik, décrite dans un article publié le 24 juillet 2026 sur arXiv. Le système combine une planification paramétrée par pose avec un contrôleur de type CBF-QP (control barrier function quadratic program) basé sur des capsules géométriques, intégré à la cinématique inverse en boucle mesurée. Un planificateur de détours hors ligne filtre les points de passage candidats à partir de 23 distances calculées entre segments de tige et zones du corps de la machine, tandis qu'un filtre en ligne applique 14 contraintes de paires de capsules issues d'un modèle corporel complet à neuf primitives géométriques. La méthode a été testée sur deux tâches de forage dans un modèle Simscape Multibody fourni par le constructeur : un parcours à cinq cibles en orientation restreinte et un parcours à trois cibles en pose complète. Sur plusieurs centaines de milliers d'échantillons, aucun échec de cinématique inverse n'a été enregistré, l'erreur de position finale moyenne reste de l'ordre du millimètre, et aucune marge de sécurité CBF n'est descendue sous les seuils fixés. Ce résultat s'adresse directement aux intégrateurs et décideurs de l'industrie minière et du forage, secteur où le passage d'un contrôle supervisé par opérateur vers une autonomie partielle bute historiquement sur le risque d'auto-collision des bras articulés longue portée. En démontrant un taux d'échec nul sur un volume d'essais important, l'étude apporte une validation quantitative rare dans ce domaine, où les annonces reposent souvent sur des démonstrations ponctuelles plutôt que sur des campagnes statistiques massives, ce qui distingue ici clairement un travail de validation en simulation d'un déploiement terrain réel, qui reste à venir. Sandvik, groupe industriel suédois déjà présent sur les équipements de forage et de mine automatisés, s'appuie ici sur des méthodes de planification et de filtrage de sécurité déjà établies dans la littérature robotique, adaptées à la géométrie spécifique du SB60. L'article ne mentionne pas de calendrier de déploiement sur machine physique ni de partenaire concurrent nommé, laissant ouverte la question du passage de cette validation en simulation vers des essais sur site minier réel.

FR/EU ecosysteme❖Paper

1 source

43

805arXiv cs.RO 

RAPT : détection de dérive et diagnostic de défaillance par prédiction de modèle pour le déploiement sim-vers-réel d'humanoïdes

Des chercheurs présentent RAPT (Recurrent Anomaly Probabilistic Trajectory Model), un moniteur de déploiement léger et auto-supervisé fonctionnant à 50 Hz, conçu pour détecter en temps réel les états hors distribution (OOD) lorsqu'une politique de contrôle apprise en simulation est transférée sur un robot humanoïde réel. Le système apprend le comportement d'exécution nominal à partir de données de simulation à grande échelle, puis produit en ligne des signaux de déviation prédictive calibrés, dimension par dimension, permettant de localiser précisément quand et où l'exécution réelle s'écarte du comportement attendu. Pour le diagnostic post-hoc, RAPT combine saillance temporelle, résumés cinématiques articulaires et raisonnement sémantique par LLM afin de classifier les causes probables d'échec en mode zero-shot. En simulation, sur quatre tâches Isaac Lab, RAPT améliore le taux de vrais positifs (TPR) de 37% par rapport à la meilleure référence existante, à un taux de faux positifs au niveau épisode limité à 0,5%. Sur matériel réel, il atteint 89% de TPR sur 78 essais, avec moins de faux positifs que les approches concurrentes compatibles haute fréquence, et 75% de précision de diagnostic sémantique sur 21 catégories d'échecs, sur un sous-ensemble de cas OOD jugés difficiles. L'enjeu dépasse la simple détection d'anomalie: c'est le problème du "silent failure" après transfert sim-to-real qui est visé, ces politiques qui semblent robustes en simulation mais entrent en territoire inconnu sur le robot réel sans que rien ne le signale, avec un risque direct de casse matérielle. Pour les intégrateurs et équipes R&D qui déploient des politiques VLA ou apprises par renforcement sur humanoïdes ou bras robotiques, un moniteur capable de tenir la cadence du contrôle temps réel tout en gardant un taux de fausses alertes très bas comble un manque concret entre recherche en simulation et fiabilité opérationnelle sur le terrain. RAPT s'inscrit dans la lignée des travaux sur la détection d'anomalies pour systèmes robotiques appris, un domaine où la plupart des détecteurs existants échouent soit sur la fréquence de fonctionnement, soit sur le taux de faux positifs, soit sur l'interprétabilité du diagnostic. Le papier, publié sur arXiv en version 2, met à disposition code, site projet et vidéos de démonstration, ouvrant la voie à une adoption par d'autres équipes travaillant sur le déploiement sécurisé de politiques apprises en simulation.

Recherche❖Paper

1 source

42

806arXiv cs.RO 

EquiBim : apprentissage d'une politique équivariante par symétrie pour la manipulation bimanuelle

Des chercheurs présentent EquiBim, un cadre d'apprentissage par imitation qui impose une contrainte de symétrie bilatérale aux politiques de manipulation bimanuelle. Publié sur arXiv (2603.08541, version 3, une révision d'un article déjà soumis), le travail part d'un constat simple: les bras robotiques à deux membres partagent souvent une symétrie morphologique gauche-droite, tout comme de nombreuses tâches qu'ils exécutent, mais les politiques entraînées par imitation classique ne l'exploitent pas et produisent des comportements incohérents face à des observations pourtant symétriques. EquiBim formalise cette symétrie physique comme une action de groupe sur les espaces d'observation et d'action, puis impose une contrainte d'équivariance aux prédictions du modèle pendant l'entraînement. Le framework se veut agnostique au modèle sous-jacent: il s'intègre à des pipelines variés, qu'ils reposent sur des nuages de points ou des images, et que les actions soient paramétrées dans l'espace cartésien de l'effecteur ou dans l'espace articulaire. Les auteurs valident l'approche sur RoboTwin, une plateforme de simulation à cinématique bimanuelle symétrique, avant de la tester sur un système bras double réel. L'intérêt pour l'industrie tient à la nature du gain rapporté: une amélioration constante des performances et de la robustesse face aux changements de distribution, en simulation comme en conditions réelles. C'est un signal utile dans un secteur où l'écart entre démonstrations impressionnantes et fiabilité en déploiement reste un point de friction majeur pour les intégrateurs de robots bimanuels et humanoïdes. Injecter un biais inductif structurel, plutôt que de compter uniquement sur le volume de données de démonstration, est une piste que plusieurs laboratoires explorent pour réduire le besoin en données coûteuses tout en stabilisant le comportement des politiques VLA. Le contexte est celui d'une littérature déjà riche sur l'équivariance en apprentissage robotique, jusqu'ici surtout appliquée aux bras uniques. EquiBim l'étend au cas bimanuel, dans un paysage où des architectures comme GR00T N2, Pi-0 ou Helix cherchent aussi à généraliser au-delà des données d'entraînement. À ce stade, il s'agit d'un résultat académique reproductible sur banc d'essai et sur un prototype réel, pas d'un produit commercial: la suite logique serait son adoption ou son adaptation par des équipes développant des piles de contrôle bimanuelles en conditions industrielles.

Recherche❖Paper

1 source

42

807arXiv cs.RO 

Évaluation de l'incertitude et de la qualité des robots à base de VLA

Des chercheurs publient une étude d'évaluation portant sur les robots pilotés par des modèles Vision-Language-Action (VLA), qui combinent perception visuelle, compréhension du langage naturel et planification d'actions pour exécuter des tâches de façon autonome. Le papier (arXiv:2507.17049) adapte huit métriques d'incertitude et cinq métriques de qualité spécifiquement conçues pour les tâches de manipulation robotique par VLA. L'étude s'appuie sur 908 exécutions de tâches réussies, issues de trois modèles VLA de pointe testés sur quatre tâches de manipulation représentatives et deux morphologies de robots différentes. Des experts du domaine ont annoté manuellement la qualité de chaque exécution, servant ainsi d'oracle humain de référence pour mesurer la corrélation avec les métriques automatiques proposées. L'enjeu dépasse l'exercice académique. Aujourd'hui, la quasi-totalité des benchmarks robotiques VLA se limitent au taux de succès binaire, une tâche est réussie ou échouée, sans mesurer la qualité de l'exécution ni le niveau de confiance du modèle dans ses propres décisions. Pour les intégrateurs et les équipes qui déploient ces modèles en conditions réelles, cette limite est concrète : un robot peut valider une tâche tout en l'exécutant de manière hésitante, dangereuse ou peu répétable, sans que cela apparaisse dans les statistiques de succès. Les auteurs montrent que plusieurs de leurs métriques présentent une corrélation modérée à forte avec le jugement humain, et que certaines permettent même de distinguer des exécutions de bonne, moyenne ou mauvaise qualité parmi les tâches échouées, un cas où l'oracle de succès classique ne fournit aucune information exploitable. Ce travail s'inscrit dans la montée en puissance rapide des architectures VLA ces deux dernières années comme brique centrale des robots humanoïdes et bras manipulateurs, où l'écart entre démonstration et fiabilité réelle reste une question ouverte pour le secteur. En proposant des métriques exploitables sans oracle de succès préexistant, les auteurs ouvrent la voie à du monitoring temps réel et à des mécanismes d'amélioration adaptative pour des robots déployés en production, plutôt qu'à une simple évaluation a posteriori en laboratoire.

Recherche❖Paper

1 source

41

808arXiv cs.RO 

RoboInspector : révèle les failles de fiabilité du code de politique en IA robotique manipulatrice

Des chercheurs présentent RoboInspector, un pipeline conçu pour détecter et caractériser les défaillances du "policy code", le code de commande généré automatiquement par des grands modèles de langage (LLM) pour piloter des robots manipulateurs à partir d'une simple instruction en langage naturel. L'équipe a mené 216 combinaisons distinctes de tâches, d'instructions et de modèles LLM, testées sur deux frameworks reconnus de manipulation robotique pilotée par LLM. Cette analyse systématique a permis d'identifier quatre grands types de comportements non fiables qui provoquent l'échec de la manipulation, liés à la complexité de la tâche demandée et au niveau de détail de l'instruction fournie par l'utilisateur. Les chercheurs documentent précisément ces comportements et leurs causes sous jacentes. Ils proposent également une méthode de raffinement fondée sur le retour d'erreur du code de politique défaillant, qui améliore la fiabilité de génération jusqu'à 35 %, validée à la fois en simulation et sur des essais réels. Cette étude touche un point sensible de la robotique pilotée par IA générative : la plupart des démonstrations de "un seul prompt suffit pour commander un bras robotique" reposent sur des tâches simples et des instructions bien formulées, un contexte éloigné des conditions réelles où les opérateurs formulent des consignes ambiguës ou incomplètes. En quantifiant précisément où et pourquoi le code généré échoue, RoboInspector fournit aux intégrateurs et développeurs de frameworks un diagnostic actionnable plutôt qu'une promesse marketing, et rappelle que la fiabilité, pas seulement la capacité de génération, reste le principal verrou avant un déploiement industriel de la manipulation pilotée par LLM. Le papier, disponible sur arXiv sous la référence 2508.21378 (version 2, republiée en remplacement d'une version antérieure), s'inscrit dans le champ en expansion des architectures "code as policy", où le LLM ne prédit pas directement des actions motrices mais génère du code exécutable interfaçant avec des primitives robotiques. Cette approche, popularisée par des frameworks académiques de manipulation par LLM, gagne du terrain face aux modèles vision-langage-action (VLA) entraînés de bout en bout. Les auteurs annoncent la mise à disposition de leur pipeline d'évaluation, ouvrant la voie à des benchmarks de fiabilité comparables entre futurs systèmes.

Recherche❖Paper

1 source

41

809arXiv cs.RO 

Interception de cibles en essaim par planification POMDP en ligne, au-delà de la livraison à objectif fixe

Le collectif de recherche à l'origine de ce papier arXiv formule le problème d'interception de cible en foule comme un processus de décision markovien partiellement observable (POMDP), résolu en ligne par recherche arborescente sous budget de calcul fixe. L'équipe compare deux architectures de planification : un planificateur séquentiel qui calcule d'abord un chemin spatial puis module la vitesse le long de ce chemin, et un planificateur unifié qui explore conjointement direction et vitesse au sein du même arbre de recherche. Testées en simulation avec des foules allant jusqu'à 200 humains, les deux approches se comportent de façon comparable à faible densité, mais divergent nettement quand la densité augmente. Au niveau de densité le plus élevé, le planificateur séquentiel affiche un taux d'interception sûre inférieur de 31 points de pourcentage et nécessite 44% de temps de calcul supplémentaire par rapport au planificateur unifié. Le code et les vidéos du projet sont disponibles sur tic-planning.github.io. Ce résultat a une portée directe pour les concepteurs de robots mobiles amenés à opérer en environnement humain dense, robots de livraison, agents de sécurité, ou assistants devant rejoindre une cible mobile plutôt qu'un point fixe. Il met en cause une pratique courante en navigation robotique, qui consiste à découpler le calcul du chemin géométrique et la modulation de la vitesse pour limiter le coût de calcul. L'étude montre que ce découplage devient une limitation structurelle dès que la densité de foule grimpe, l'espace des trajectoires possibles se restreignant trop tôt pour permettre une réaction adéquate à l'incertitude sur les intentions humaines. Le travail s'inscrit dans la lignée des recherches sur la navigation sociale des robots, où l'incertitude sur les trajectoires humaines est classiquement traitée par des modèles comme ORCA ou les champs de force sociaux, mais l'applique ici à une tâche d'interception plutôt qu'à un simple évitement d'obstacles vers un but fixe. Les auteurs positionnent leur planificateur unifié comme une alternative structurelle plutôt qu'un simple réglage paramétrique, et annoncent la mise à disposition du code pour permettre une validation au-delà des simulations, notamment sur robot réel en environnement encombré.

Recherche❖Paper

1 source

41

810arXiv cs.RO 

Zéro pilote : ancrage métrique persistant pour la navigation aérienne vision-langage sans apprentissage

Une équipe de recherche propose Fly0, un framework de navigation aérienne pilotée par instructions en langage naturel (Vision-Language Navigation, VLN) pour drones, décrit dans un article déposé sur arXiv (version révisée, arXiv:2602.15875v2) et dont le code est publié sur GitHub. Le système repose sur un pipeline en trois étapes qui découple le raisonnement sémantique de la planification géométrique : un modèle multimodal de grande taille (MLLM) traduit d'abord l'instruction textuelle en coordonnées de pixels 2D dans l'image, un module de projection géométrique exploite ensuite les données de profondeur pour localiser la cible en 3D, puis un planificateur géométrique génère une trajectoire sans collision. Ce découplage permet au drone de continuer à naviguer vers son objectif même en cas de perte de contact visuel. Sur des expériences menées en simulation et en environnement réel, les auteurs rapportent un taux de réussite supérieur de plus de 20 points par rapport aux meilleures méthodes existantes, ainsi qu'une erreur de navigation réduite d'environ 50 % dans des environnements non structurés. L'enjeu pratique de ce travail est la latence et la stabilité des systèmes de navigation pilotés par IA générative. Utiliser un MLLM comme contrôleur bas niveau en continu produit typiquement des oscillations de trajectoire et une forte latence, deux défauts rédhibitoires pour un drone évoluant en environnement contraint. En confiant le raisonnement sémantique au MLLM uniquement pour l'ancrage initial de la cible, puis en s'appuyant sur un planificateur géométrique classique pour l'exécution, Fly0 réduit la charge de calcul et évite l'inférence continue, ce qui va dans le sens d'une meilleure applicabilité embarquée pour l'inspection, la logistique ou la surveillance par drone autonome. Ce travail s'inscrit dans une tendance plus large de la recherche en VLN et en robotique aérienne, où l'ancrage géométrique persistant (les auteurs parlent de « metric anchoring ») cherche à corriger les limites des architectures purement bout-en-bout fondées sur les VLA (Vision-Language-Action). Il reste à confirmer, au-delà des métriques annoncées dans l'article, la robustesse du système face à des instructions ambiguës ou des scènes encombrées non couvertes par les jeux de test utilisés, et à voir si cette approche modulaire est reprise par d'autres équipes ou intégrée dans des plateformes commerciales de drones autonomes.

Recherche❖Paper

1 source

40

811arXiv cs.RO 

Robot quadrupède : apprentissage par renforcement de bout en bout pour monter et descendre des escaliers en intervention incendie intérieure

Des chercheurs ont développé une approche d'apprentissage par renforcement profond en deux étapes pour entraîner des robots quadrupèdes Unitree Go2 à monter et descendre des escaliers de manière autonome, dans le cadre de recherches en intérieur lors d'incendies. L'étude, publiée sur arXiv (2602.03087v2, version révisée), s'appuie entièrement sur le moteur de simulation Isaac Lab de NVIDIA. Dans une première phase, les robots sont entraînés sur un terrain abstrait en forme de pyramide d'escaliers. Dans une seconde phase, la politique apprise est transférée vers des configurations d'escaliers réalistes et variées, droits, en L et en spirale, représentatives des bâtiments réels. Le système repose sur une perception locale par carte de hauteur et une formulation de navigation basée sur une ligne centrale, qui unifie l'apprentissage de la navigation et de la locomotion sans recourir à une planification hiérarchique séparée. L'enjeu pratique est direct: lors d'une recherche primaire en intérieur après un départ de feu, un robot doit balayer rapidement des zones dangereuses, repérer des victimes potentielles et surveiller des matériaux inflammables, souvent en empruntant des cages d'escalier de formes différentes selon les bâtiments. La difficulté classique pour les quadrupèdes n'est pas seulement de gravir des marches, mais de généraliser ce savoir-faire à des topologies d'escaliers jamais vues, sans replanification lourde à chaque changement de géométrie. En démontrant qu'une politique unique, entraînée d'abord sur un terrain simplifié puis affinée sur des cas réalistes, généralise à des formes variées à partir de perception locale seulement, les auteurs apportent un élément de preuve en faveur des architectures de bout en bout face aux pipelines de navigation classiques, plus modulaires mais plus coûteux à adapter. Le travail reste cependant limité à la simulation: aucun transfert vers un robot physique n'est rapporté dans cette version, ce qui laisse ouverte la question du sim-to-real. Le Go2 d'Unitree, plateforme quadrupède abordable largement utilisée dans la recherche académique, sert ici de base matérielle de référence, dans un secteur où Boston Dynamics (Spot) et ANYbotics occupent le segment industriel haut de gamme. Isaac Lab, environnement de simulation robotique de NVIDIA basé sur Isaac Sim, s'impose comme plateforme standard pour ce type d'entraînement RL à grande échelle. Les auteurs présentent aussi une analyse empirique des taux de réussite, de l'efficacité et des modes d'échec à mesure que la difficulté des escaliers augmente, un exercice de transparence utile pour situer les limites actuelles de la méthode avant d'envisager des essais sur robot réel.

Recherche❖Paper

1 source

40

812arXiv cs.RO 

Vol, suivi, atterrissage : localisation magnétique sans infrastructure pour équipes hétérogènes UAV-UGV

Le nombre premier du champ magnétique multiplexé en fréquence, généré directement à bord d'un robot quadrupède Unitree A1, sert désormais de référence de localisation pour un nano-drone Crazyflie lors de sa phase d'atterrissage. Une équipe de recherche présente un système de localisation magnéto-inductif de type ancre-étiquette, sans infrastructure externe, conçu pour les équipes hétérogènes air-sol. Le quadrupède UGV émet un champ magnétique alternatif actif, tandis que le nano-drone embarque uniquement une bobine réceptrice passive et légère, estimant sa position 3D dans le référentiel du robot au sol. Cette estimation magnétique est fusionnée avec la chaîne de capteurs embarqués existante, sans recourir à des balises visuelles, au GNSS ou à un système de capture de mouvement en fonctionnement réel. Face à une vérité terrain établie par capture de mouvement, le système atteint une précision centimétrique en vol stationnaire et à l'atterrissage sur plateforme statique, et une erreur RMSE d'environ 8 à 11 cm lorsque le robot au sol est en mouvement. Une méthode de référence basée uniquement sur le flux optique échoue fréquemment à respecter la marge de sécurité et manque la tâche d'atterrissage. Ce résultat cible un verrou technique précis: le retour d'un nano-drone vers une base mobile après une mission de reconnaissance ou d'inspection courte. Avec seulement quelques grammes de charge utile disponible, ces appareils ne peuvent embarquer les capteurs habituellement nécessaires à une localisation relative de précision sur cible mobile. En s'affranchissant de toute infrastructure externe, le système ouvre la voie à des missions autonomes prolongées pour l'inspection industrielle, la surveillance ou les opérations de recherche en environnement contraint, là où poser des balises ou déployer un système de capture de mouvement n'est pas envisageable. L'approche se distingue des dispositifs d'aide au docking magnétique passifs et des méthodes exploitant les signatures magnétiques naturelles de l'environnement, deux familles de solutions déjà explorées dans la littérature sur le couplage UAV-UGV. Publié sur arXiv (identifiant 2603.08926, version révisée), ce travail reste au stade de la recherche expérimentale plutôt que du déploiement opérationnel, les essais ayant été menés en conditions contrôlées avec vérité terrain par capture de mouvement.

Recherche❖Paper

1 source

40

813arXiv cs.RO 

CONTACT : apprentissage tactile sensible au contact pour le démontage robotique

Une équipe de recherche présente CONTACT (CONtact-aware TACTile learning), un cadre d'apprentissage qui évalue systématiquement le rôle du toucher dans le désassemblage robotique, tâche qui reste l'un des points faibles de la robotique industrielle car elle implique des contacts serrés et des transitions d'état dépendantes de la force, contrairement au montage où la vision seule suffit souvent. Les chercheurs ont construit cinq tâches de désassemblage rigide en simulation, avec des contraintes géométriques croissantes, et cinq tâches réelles (trois rigides, deux déformables). Dans un même cadre d'apprentissage, ils comparent trois configurations de perception : vision seule, vision plus capteur tactile RGB (TacRGB), et vision plus champ de force tactile (TacFF). Résultat constant en simulation comme en réel : les politiques basées sur TacFF obtiennent les meilleurs taux de réussite, avec des gains particulièrement marqués sur les scénarios à fort contact et sur les objets déformables. Fait notable, la simple fusion de TacRGB et TacFF donne de moins bons résultats que chaque modalité utilisée seule, ce qui suggère qu'une concaténation naïve dilue l'information de force pertinente pour la tâche. Pour l'industrie robotique, ce travail apporte une preuve empirique que la perception visuelle seule, sur laquelle reposent la plupart des politiques de manipulation de type VLA aujourd'hui, atteint ses limites dès que la tâche devient contact-dominante ou implique des matériaux déformables comme des câbles ou des joints souples. Le désassemblage, contrairement à l'assemblage en usine où les tolérances et les pièces sont contrôlées, correspond justement aux cas d'usage en forte demande : recyclage de batteries, réparation, économie circulaire électronique, où les géométries sont variables et non calibrées à l'avance. Le résultat sur la fusion naïve des modalités est aussi un signal utile pour les équipes qui intègrent des capteurs tactiles sur leurs bras robotiques : ajouter du tactile brut sans architecture dédiée peut dégrader la performance plutôt que l'améliorer, ce qui remet en question des approches de fusion multimodale trop simplistes actuellement déployées dans certains systèmes VLA génériques. Ce travail s'inscrit dans une vague de recherche récente cherchant à dépasser les limites du "sim-to-real" purement visuel qui domine les VLA comme GR00T N2 ou Pi-0, en réintroduisant des modalités proprioceptives et tactiles jugées indispensables pour la manipulation fine. Les capteurs de champ de force tactile restent coûteux et peu standardisés industriellement comparés aux capteurs RGB tactiles de type GelSight, ce qui limite pour l'instant un déploiement à grande échelle. Les auteurs ne précisent pas de partenariat industriel ni de calendrier de transfert vers un produit commercial ; il s'agit à ce stade d'un travail de recherche fondamentale publié sur arXiv, sans démonstration en usine réelle ni chiffres de cycle de production.

Recherche❖Paper

1 source

40

814arXiv cs.RO 

Vers un apprentissage par renforcement piloté par couple pour la locomotion quadrupède

Des chercheurs publient sur arXiv (référence 2607.18365v1) un nouveau cadre d'apprentissage par renforcement (RL) piloté par le couple moteur, plutôt que par la position, pour la locomotion de robots quadrupèdes. Contrairement aux approches RL classiques qui commandent les articulations en position et nécessitent une estimation d'état complexe (notamment la vitesse linéaire de l'engin), ce framework agit directement sur le couple et permet à un robot de suivre une vitesse cible sans connaître sa propre vitesse en temps réel. L'équipe a testé son approche en simulation sur Nvidia Isaac Sim et Isaac Lab, en utilisant le quadrupède Unitree B1, une plateforme lourde et à fort couple par rapport aux petits robots légers habituellement employés dans ce type de recherche. Résultat : le robot simulé atteint 3,5 m/s en vitesse linéaire et 1,5 rad/s en rotation, et parvient à monter et descendre des escaliers sans capteur extéroceptif (caméra ou lidar), en s'appuyant uniquement sur sa perception proprioceptive. L'enjeu dépasse la simple performance chiffrée : la plupart des frameworks RL actuels butent sur des robots légers, limités dès qu'il s'agit de tâches à forte exigence mécanique (charge utile, franchissement d'obstacles robustes). En démontrant qu'un contrôle par couple peut fonctionner sur une plateforme lourde et à haut couple sans état de vitesse explicite, ce travail ouvre la voie à des quadrupèdes RL capables d'opérations industrielles plus exigeantes, un axe clé pour les intégrateurs qui cherchent à sortir la locomotion apprise des laboratoires vers des usages réels (inspection, logistique en terrain difficile). Il faut toutefois noter que ces résultats restent purement issus de la simulation, sans validation sur robot physique à ce stade, ce qui laisse ouverte la question classique du transfert sim-to-real. Le choix du Unitree B1, une plateforme commerciale déjà répandue dans la recherche en robotique mobile, suggère une intention de test réel à venir, mais aucun calendrier n'est communiqué dans l'article.

Recherche❖Paper

1 source

40

815arXiv cs.RO 

L'Open Ant, une plateforme robotique pour la recherche en apprentissage par renforcement

Une équipe de recherche présente l'Open Ant, une plateforme robotique physique conçue pour la recherche en apprentissage par renforcement (RL), dans un article publié sur arXiv (2607.18488v1). Il s'agit d'une déclinaison matérielle de l'environnement Gymnasium Ant, un benchmark de simulation largement utilisé dans la communauté RL, accompagnée de sa propre simulation. Les chercheurs démontrent que des politiques de marche compétentes peuvent être apprises directement à partir de l'expérience du robot physique, sans passer par la simulation, en environ une heure seulement. Ce résultat a été obtenu avec deux algorithmes très différents dans leur approche, SARSA(λ) et Soft Actor-Critic (SAC), ce qui suggère une certaine robustesse de la plateforme face à des méthodes d'apprentissage variées. Les auteurs montrent également que des politiques entraînées en simulation se transfèrent avec succès vers le robot réel. L'ensemble, conception matérielle et logiciel, est publié en open source sur GitHub. Cette publication s'attaque à un problème structurel du champ du RL: la grande majorité des travaux restent cantonnés à la simulation, ce qui rend incertaine leur transposition à des systèmes physiques réels, tant pour les algorithmes que pour les chercheurs qui manquent souvent d'accès à du matériel adapté. En apportant la preuve qu'un apprentissage from scratch sur robot réel est possible en une heure, et que le transfert sim-to-real fonctionne sur cette plateforme, les auteurs fournissent un argument concret contre l'idée que le RL physique serait nécessairement lent, coûteux ou peu fiable. Pour les laboratoires académiques et les équipes industrielles travaillant sur des systèmes de locomotion ou de contrôle appris, cela abaisse la barrière à l'expérimentation matérielle. Le choix de dériver la plateforme de l'environnement Gymnasium Ant, très utilisé comme référence en simulation, vise explicitement à faciliter l'adoption par des chercheurs déjà familiers de cet environnement virtuel. Les auteurs ont aussi évalué l'accessibilité du système pour des utilisateurs novices issus de formations diverses, ainsi que la facilité de réparation et de mise à jour du matériel en cas de panne, deux critères rarement documentés dans les publications robotiques mais déterminants pour une adoption réelle en laboratoire.

Recherche❖Paper

1 source

40

816arXiv cs.RO 

RoboInter1.5 : une suite de représentations intermédiaires holistiques pour la modélisation du monde incarné et la manipulation robotique

Les chercheurs à l'origine du projet RoboInter publient RoboInter1.5, une suite de données et de modèles conçue pour standardiser les représentations intermédiaires utilisées dans la robotique manipulatrice, selon un article déposé sur arXiv (arXiv:2607.18709v1) le 24 juillet 2026. Ce travail prolonge une version antérieure, RoboInter1.0. Le cœur du système, RoboInter-Data, rassemble plus de 230 000 épisodes de manipulation répartis sur 571 scènes, chacun annoté image par image selon plus de dix types de représentations intermédiaires : sous-tâches, compétences élémentaires, ancrage des objets et du gripper, segmentation, cartes d'affordance, poses de préhension, points de contact et trajectoires de mouvement. Sur cette base, RoboInter-VQA introduit des tâches de question-réponse spatiales et temporelles pour évaluer et entraîner un modèle vision-langage dédié, RoboInter-VLM. RoboInter-VLA étudie ensuite comment ces représentations améliorent l'exécution d'actions, via trois approches distinctes : implicite, explicite, et modulaire en plan-puis-exécution. Enfin, RoboInter-World exploite ces mêmes annotations comme signaux de conditionnement pour prédire l'évolution future d'un environnement. L'enjeu dépasse la simple publication d'un jeu de données. Les modèles vision-langage-action (VLA) actuels, qu'il s'agisse de Pi-0, de GR00T N2 ou de Helix, souffrent d'un manque de données annotées finement et généralisables au-delà d'un robot ou d'un environnement précis, ce qui freine leur passage à l'échelle industrielle. En proposant une structure unifiée de représentations intermédiaires plutôt qu'un simple signal interprétable en sortie de modèle, RoboInter1.5 vise à combler l'écart entre démonstration en laboratoire et déploiement réel : ces annotations serviraient à la fois à contraindre les espaces d'action de bas niveau et à limiter les dérives des simulateurs physiques en monde ouvert, deux points de friction identifiés dans la course actuelle à l'IA embarquée pour la robotique. Le projet s'inscrit dans une tendance de recherche qui cherche à mutualiser les coûts de collecte de données robotiques, historiquement chers et spécifiques à chaque plateforme matérielle. En documentant explicitement l'ensemble des sous-composants (Data, VQA, VLM, VLA, World) et en publiant des benchmarks associés, les auteurs positionnent RoboInter1.5 comme une infrastructure de référence potentielle plutôt qu'un modèle isolé, ouvrant la voie à des comparaisons systématiques avec d'autres approches de représentations intermédiaires pour la manipulation.

Recherche❖Paper

1 source

39

817arXiv cs.RO 

Koopman DCM : les fonctions propres instables comme représentations pour l'équilibre des robots à pattes

Les chercheurs à l'origine de cette étude, publiée sur arXiv fin juillet 2026, proposent une nouvelle formulation des composantes divergentes du mouvement (DCM), un concept clé pour l'équilibre des robots à pattes. Historiquement, le DCM isole le mode instable de la dynamique d'un robot bipède, mais les formulations existantes se limitent à des modèles réduits comme le pendule inversé linéaire. L'équipe montre que ces DCM peuvent être reformulés de façon plus générale comme des fonctions propres de Koopman, une approche mathématique qui permet de représenter une dynamique non linéaire par un système linéaire de dimension plus grande. Fait notable, alors que l'analyse de Koopman cible habituellement des valeurs propres proches de zéro, correspondant à des grandeurs conservées ou lentement variables, les auteurs recherchent volontairement des paires propres instables à grande valeur propre. Ces "DCM de Koopman" sont des observables entièrement pilotées par les données, entraînées uniquement à partir de données réelles issues d'un robot bipède, sans modèle physique préalable. Avec seulement une heure de données collectées sur le robot réel, le système améliore le suivi des trajectoires de marche de référence. Pour le secteur robotique, ce résultat pèse dans le débat entre approches basées modèle et approches data-driven pour le contrôle d'équilibre, un enjeu central pour les humanoïdes et bipèdes destinés à des environnements non structurés. Une méthode capable d'apprendre des représentations d'instabilité directement depuis des données réelles, avec un volume d'entraînement aussi limité, réduit la dépendance à des modèles dynamiques complexes et coûteux à calibrer, un frein connu au déploiement en usine ou en extérieur pour les intégrateurs. Le concept de DCM, aussi appelé "capture point" dans la littérature sur la locomotion bipède, structure le contrôle d'équilibre depuis plus d'une décennie, notamment dans les approches à pendule inversé linéaire utilisées par de nombreux bipèdes de recherche. En combinant leurs DCM appris avec un contrôle prédictif par modèle (MPC), les auteurs introduisent aussi des contraintes de viabilité fondées sur l'état, une piste qui pourrait s'étendre à d'autres classes de robots à pattes au-delà du cas bipède testé ici.

Recherche❖Paper

1 source

38

818arXiv cs.RO 

Robot humanoïde : synthèse d'arbres de comportement corrects par construction à partir de spécifications en logique temporelle de signaux

Une équipe de recherche publie sur arXiv (2607.18731v1) une méthode de synthèse "correct-by-construction" d'arbres de comportement (Behavior Trees, BT) à partir de spécifications en logique temporelle de signal (Signal Temporal Logic, STL). L'approche modélise l'espace de travail du robot comme un système de transition temporisé, abstrait ensuite en graphe de zones. Un espace d'état augmenté suit simultanément la progression logique de la mission et les contraintes temporelles associées. Un algorithme de point fixe hiérarchique calcule les ensembles gagnants pour un fragment STL couvrant cinq classes de propriétés : sécurité, atteignabilité, réponse, récurrence et persistance, produisant des sous-arbres de comportement associés à une fonction de contrainte d'exécution. Les auteurs démontrent formellement les garanties de correction et établissent des bornes de complexité. Des simulations valident la satisfaction des spécifications avec une robustesse strictement positive, et une expérience physique sur un quadrirotor teste six spécifications STL distinctes. L'intérêt pratique tient à ce que les Behavior Trees, très employés en robotique pour leur modularité et leur réactivité, manquaient jusqu'ici de garanties formelles solides quand elles incluent des contraintes de timing. Les méthodes existantes de synthèse correcte par construction s'appuyaient sur la logique temporelle linéaire (LTL), incapable d'exprimer des exigences quantitatives comme des délais ou des fenêtres temporelles précises. En comblant ce manque, les travaux ouvrent la voie à des missions robotiques vérifiables où le respect de deadlines n'est plus seulement testé empiriquement mais prouvé mathématiquement, un enjeu direct pour les intégrateurs déployant des robots dans des contextes où l'échec temporel a des conséquences opérationnelles ou de sécurité. Les Behavior Trees, issus initialement de l'IA de jeu vidéo, se sont imposés en robotique comme alternative aux machines à états finis pour le contrôle de tâches complexes. Les travaux antérieurs de synthèse formelle s'appuyaient majoritairement sur LTL, sans traiter la dimension temporelle quantitative propre aux systèmes cyber-physiques critiques. Aucun acteur industriel n'est mentionné : il s'agit d'une contribution académique, dont la validation reste limitée à un démonstrateur quadrirotor, laissant ouvertes les questions de passage à l'échelle vers des missions multi-robots ou des environnements plus complexes.

Recherche❖Paper

1 source

37

819arXiv cs.RO 

Modélisation unifiée du monde par actions visuelles masquées

Des chercheurs présentent Masked Visual Actions, une nouvelle interface de contrôle en espace pixel pour les modèles de monde robotiques, décrite dans un article déposé sur arXiv (2607.19343v1). La méthode consiste à exprimer une action sous forme de trajectoire partiellement révélée d'une entité arbitraire dans une vidéo. Concrètement, révéler le mouvement du robot transforme le modèle en modèle de dynamique directe, capable de prédire comment la scène va réagir à une commande motrice bas niveau. À l'inverse, révéler le mouvement souhaité d'un objet permet au même modèle de retrouver le comportement robotique nécessaire pour produire ce résultat, une forme de modélisation inverse. Le système a été affiné avec seulement 15 heures d'exemples masqués, combinant vidéos réelles et données de simulation. Un unique point de contrôle (checkpoint) obtient une bonne fidélité visuelle et un contrôle fiable sur des scènes variées et plusieurs types d'embodiments robotiques différents. L'intérêt de cette approche pour le secteur tient à l'unification qu'elle propose entre prévision et contrôle au sein d'un seul modèle vidéo, sans représentation d'action spécifique par plateforme. Pour les équipes qui développent des politiques de manipulation, les "rollouts imaginés" produits par le modèle montrent une corrélation avec les résultats d'exécution réelle, ce qui ouvre la voie à évaluer des politiques robotiques sans multiplier les essais physiques coûteux. Le modèle sert aussi d'outil de planification, en classant des futurs candidats pour orienter la prise de décision, et de générateur de trajectoires robotiques à partir d'un mouvement d'objet cible. Avec seulement 15 heures de données de finetuning, ces résultats suggèrent qu'un modèle vidéo pré-entraîné peut absorber l'essentiel des priors physiques nécessaires, réduisant la dépendance à de vastes jeux de données de téléopération spécifiques à chaque robot. Ces travaux s'inscrivent dans la dynamique plus large des modèles de monde vidéo appliqués à la robotique, aux côtés d'approches comme les architectures VLA (vision-langage-action) ou les modèles génératifs de type Genie. La contribution ici porte spécifiquement sur le mode d'expression de l'action en pixels, plutôt que sur une nouvelle architecture réseau. L'article ne précise pas de partenariat industriel ni de déploiement matériel; il s'agit à ce stade d'une démonstration de recherche évaluée en simulation et en environnement contrôlé, dont la généralisation à des déploiements robotiques en production reste à établir.

Recherche❖Paper

1 source

37

820arXiv cs.RO 

IA de bout en bout par diffusion visuo-force avec apprentissage structurel lent-rapide : ImplicitRDP

Des chercheurs ont publié une nouvelle version d'ImplicitRDP, une politique de diffusion visuo-force de bout en bout destinée à la manipulation robotique en contact riche, sur arXiv (article remplacé, version 2, décembre 2025). Le système fusionne dans un seul réseau la planification visuelle et le contrôle réactif par retour de force, deux modalités dont les fréquences diffèrent fortement : la vision offre un contexte spatial riche mais mis à jour lentement, tandis que les capteurs de force captent la dynamique de contact à haute fréquence. Pour concilier ces deux flux, les auteurs introduisent le "Structural Slow-Fast Learning", un mécanisme d'attention causale qui traite simultanément des tokens visuels et des tokens de force asynchrones, permettant au robot d'exécuter un contrôle de force rapide au rythme de l'action tout en conservant la cohérence temporelle des blocs d'actions générés par diffusion. Un second apport, la "Virtual-target-based Representation Regularization", vise à corriger un défaut classique des modèles bout en bout appelé "modality collapse", où le réseau finit par ignorer une des deux modalités lors de l'apprentissage des poids ; la méthode projette le retour de force dans le même espace que l'action, ce qui fournit un signal d'apprentissage ancré dans la physique plutôt qu'une simple prédiction brute de force. Cette avancée s'attaque à un problème central pour l'industrie de la manipulation robotique fine : la difficulté de faire coopérer vision et toucher dans un même modèle sans que l'un écrase l'autre à l'entraînement. Pour les intégrateurs travaillant sur des tâches d'assemblage, d'insertion ou de préhension délicate, où le simple retour visuel ne suffit pas à détecter un contact ou un glissement, une politique unifiée capable de réagir à l'échelle de la force tout en gardant une planification visuelle cohérente représente un gain direct en robustesse, sans複exifier l'architecture avec des modules hiérarchiques séparés. Les auteurs affirment que leur approche surpasse à la fois les baselines "vision seule" et les architectures hiérarchiques classiques sur des tâches de manipulation en contact riche, avec un pipeline d'entraînement simplifié, ce qui, si confirmé au-delà des benchmarks internes, appuierait l'idée que les modèles de type VLA (vision-language-action) peuvent intégrer nativement des modalités hétérogènes sans passer par un empilement de contrôleurs spécialisés. Le travail s'inscrit dans la lignée des politiques de diffusion pour la manipulation robotique, une famille de méthodes qui a gagné en popularité ces dernières années comme alternative aux politiques par apprentissage par renforcement classique, en modélisant directement des séquences d'actions à partir d'observations multimodales. Le défi de la fusion vision-force n'est pas nouveau et plusieurs équipes de recherche en robotique explorent des architectures hiérarchiques séparant planification lente et contrôle rapide ; ImplicitRDP se positionne explicitement contre cette approche en misant sur un réseau unique de bout en bout. Le code et les vidéos de démonstration sont mis à disposition par les auteurs sur un site dédié, ce qui permettra une évaluation indépendante des résultats revendiqués. À ce stade, il s'agit d'un travail de recherche académique avec validation expérimentale interne, et non d'un système déployé industriellement.

Recherche⚡Actu

1 source

37

821arXiv cs.RO 

Modèles du monde à embodiment croisé : passage à l'échelle pour la manipulation dextérique

Résumé des risques : aucun outil nécessaire, ceci est une tâche de traduction/synthèse d'article. Voici le texte. Une équipe de recherche propose dans un article publié sur arXiv (2511.01177v3, version révisée) une nouvelle approche pour construire des modèles du monde partagés entre différentes morphologies de mains, robotiques comme humaines. Le problème posé est concret : les différences de cinématique et d'espaces d'action entre robots empêchent aujourd'hui de mutualiser les données d'entraînement et de transférer du contrôle d'un système à l'autre. Les chercheurs représentent les mains, humaines et robotiques, comme des ensembles de particules 3D, et définissent les actions comme des champs de déplacement de ces particules à l'extrémité effectrice. Cette abstraction géométrique s'affranchit des espaces articulaires propres à chaque plateforme tout en conservant la géométrie et le mouvement pertinents pour l'interaction physique. Le modèle du monde, basé sur des réseaux de graphes, est entraîné sur des données d'interaction aléatoires issues de mains robotiques simulées variées et de mains humaines réelles, puis couplé à du contrôle prédictif par modèle (MPC) pour piloter du matériel inédit. Les expériences, menées sur des tâches de manipulation d'objets rigides et déformables, dégagent trois résultats. D'abord, plus la diversité des morphologies utilisées à l'entraînement est grande, meilleure est la généralisation à des mains jamais vues. Ensuite, combiner données simulées et données réelles dans de bonnes proportions surpasse l'usage de l'une ou l'autre source seule. Enfin, un même modèle appris permet de contrôler efficacement des mains robotiques aux cinématiques et degrés de liberté (DOF) distincts. Pour le secteur, ces résultats intéressent directement la question du transfert de compétences entre plateformes hétérogènes, un verrou connu pour les approches VLA classiques qui restent souvent liées à un espace d'action fixe. Il s'agit d'un travail de recherche académique, pas d'un produit ni d'un déploiement industriel : aucune entreprise, aucun robot commercial n'est nommé, et les résultats sont obtenus en environnement contrôlé, majoritairement simulé. La méthode s'inscrit dans la lignée des travaux récents sur les modèles du monde et le contrôle prédictif appliqués à la manipulation dextre, un axe de recherche actif face aux limites de généralisation des politiques bout-en-bout entraînées par embodiment.

Recherche❖Paper

1 source

37

822arXiv cs.RO 

Alignement de cap par vision seule avec seuil de confiance pour systèmes coopératifs UAV-UGV

Des chercheurs publient sur arXiv (référence 2607.18713) un nouveau papier consacré à l'alignement de cap par vision seule pour la coopération entre drones (UAV) et robots terrestres (UGV). Le système ne se contente pas de prédire un cap à partir du flux vidéo : il ajoute une couche de décision qui détermine quand cette prédiction doit réellement être envoyée comme commande de contrôle. Deux indicateurs de fiabilité simples et interprétables sont extraits du flux de perception : la surface de la bounding box, qui sert de proxy de visibilité, et la variation à court terme du cap prédit sur une fenêtre glissante, qui sert de proxy de stabilité. Lorsque la confiance chute, deux stratégies sont comparées : une politique de référence dite freeze-HOLD, qui fige la dernière commande valide, et une alternative bounded-blend, qui met à jour la commande de façon plus prudente en la mélangeant progressivement plutôt que de la geler. Le tout est testé sur un jeu de données réel UAV-UGV, en conditions normales et perturbées. Les résultats montrent un arbitrage net entre taux d'exécution, précision image par image, précision de la commande finalement émise et fluidité du mouvement. Point clé : une exécution trop clairsemée peut, sous la politique freeze-HOLD, provoquer des erreurs sévères liées à des commandes obsolètes, tandis que le fallback bounded-blend améliore nettement le comportement au niveau de la commande, à décisions de filtrage identiques. Pour les intégrateurs de systèmes multi-robots (inspection, logistique extérieure, essaims air-sol), le message est clair : la fiabilité d'une autonomie pilotée par la perception ne tient pas qu'à la précision du modèle de vision, mais aussi à la façon dont les commandes sont gérées pendant les phases de doute. Ce travail s'inscrit dans le champ classique de la coopération hétérogène drone-robot, où la robustesse face aux occlusions et aux changements d'échelle reste un point faible connu. L'approche reste volontairement légère, sans réseau de confiance additionnel, contrairement aux architectures VLA plus lourdes. Il s'agit d'un preprint de recherche, sans produit ni déploiement commercial annoncé ; les suites logiques seraient une validation sur davantage de scénarios réels et une intégration dans des piles de contrôle air-sol plus larges.

Recherche❖Paper

1 source

37

823arXiv cs.RO 

FARO : optimisation de mouvement de robot sensible à la faisabilité

Des chercheurs présentent FARO (Feasibility-Aware Robot Motion Optimization), un nouveau framework publié sur arXiv (2607.18362v1) qui s'attaque à un problème central de la robotique humanoïde : planifier rapidement des mouvements inédits pour des scénarios de loco-manipulation jamais rencontrés auparavant. L'approche combine trois éléments techniques : un module kino-dynamique imbriqué qui vérifie la faisabilité d'une séquence de contacts candidate et génère une trajectoire dynamiquement cohérente, une recherche arborescente guidée par cette faisabilité, et une stratégie d'échantillonnage des plans de contact pilotée par un grand modèle de langage (LLM). Les trajectoires produites sont ensuite suivies par un contrôleur entraîné par apprentissage par renforcement (RL), que les auteurs jugent suffisamment robuste pour une exécution en conditions réelles de loco-manipulation. Une vidéo de démonstration accompagne la publication. Aucune métrique chiffrée précise (temps de calcul, taux de réussite, plateforme robotique testée) n'apparaît dans le résumé, ce qui limite pour l'instant l'évaluation indépendante des performances annoncées. Ce travail s'attaque à un verrou connu du secteur : la nature hybride, sous-actionnée et de très haute dimension des humanoïdes rend le calcul de trajectoires de loco-manipulation extrêmement coûteux, surtout quand il faut décider en temps quasi réel quelle séquence de contacts (mains, pieds, appuis) utiliser face à une situation nouvelle. En accélérant la vérification de faisabilité et en déléguant l'exploration combinatoire des plans de contact à un LLM, FARO illustre une tendance de fond : l'usage des modèles de langage non plus pour générer du texte ou des commandes haut niveau, mais comme heuristique de recherche dans des problèmes d'optimisation robotique classiquement résolus par des méthodes purement numériques. Si les résultats se confirment à plus grande échelle, cela pourrait réduire l'écart persistant entre démonstrations scriptées et comportements réellement adaptatifs, un des points faibles récurrents des humanoïdes actuels. Le papier s'inscrit dans la lignée des travaux combinant planification kino-dynamique, recherche arborescente et contrôle par renforcement, une architecture de plus en plus courante dans les publications académiques sur la loco-manipulation humanoïde depuis l'essor de plateformes comme Figure, Optimus ou les modèles VLA (Pi-0, GR00T N2, Helix). L'absence d'affiliation industrielle explicite dans le résumé suggère une contribution principalement académique ; les suites logiques incluraient des tests sur robot physique documentés et des comparaisons chiffrées face aux méthodes de planification existantes.

Recherche❖Paper

1 source

37

824arXiv cs.RO 

Robot DASH : conception minimaliste et locomotion aérienne-terrestre optimale via contrôle sous contraintes de contact

Des chercheurs présentent DASH (Ducted Aerial Spring Hopper), un robot hybride capable de se déplacer aussi bien au sol que dans les airs, avec une architecture mécanique volontairement minimaliste. Le design repose sur un module à hélices carénées coaxiales, qui assure le vol par vectorisation de poussée, combiné à une jambe ressort légère fixée sous le corps. Cette jambe permet des bonds au sol très efficaces énergétiquement grâce à la restitution d'énergie élastique, sans actionneur dédié supplémentaire. Pour gérer automatiquement le passage entre les deux modes de locomotion, vol et bond terrestre, l'équipe utilise un contrôleur prédictif à modèle (MPC) dit "contact-implicit", capable de décider seul quand et comment activer chaque mode selon le contexte. Les auteurs rapportent des validations sur plusieurs tâches: sauts périodiques au sol, vol aérien pur, et une locomotion dite "mode-free" où le robot alterne de façon autonome entre les deux régimes pour franchir des obstacles. Le papier a été publié sur arXiv (référence 2607.18527v1) comme nouvelle soumission. L'intérêt de DASH tient moins à la performance brute qu'à l'approche architecturale: la plupart des robots hybrides air-sol existants empilent des actionneurs séparés pour chaque mode, au prix du poids, de la complexité mécanique et de la consommation énergétique. En réutilisant les mêmes hélices carénées pour le vol et en couplant passivement une jambe ressort pour le sol, DASH cherche à prouver qu'un système mécaniquement minimal, piloté par un contrôleur suffisamment intelligent, peut remplacer la redondance d'actionneurs par de l'intelligence de commande. C'est un signal pertinent pour les concepteurs de drones d'inspection ou de robots de recherche-sauvetage, où l'autonomie énergétique et la légèreté priment sur la puissance brute de chaque mode pris isolément. Ce travail s'inscrit dans une lignée de recherches académiques sur la locomotion hybride multi-modale, un axe encore largement expérimental où plusieurs laboratoires explorent des combinaisons ailes/pattes ou hélices/pattes. Contrairement à un produit commercial, DASH reste à ce stade un prototype de recherche validé en tests contrôlés; l'abstract ne mentionne ni partenaire industriel ni feuille de route de déploiement, et les prochaines étapes attendues porteraient vraisemblablement sur des essais en environnements plus complexes et non structurés.

Recherche❖Paper

1 source

37

825arXiv cs.RO 

TacRefineNet : affinage de la préhension tactile guidé par objectif pour objets à arêtes saillantes

Une équipe de recherche présente TacRefineNet, un système d'affinage tactile de prise pour objets à géométrie fine comme les plaques, disques et tiges, dont les contacts épars sont difficiles à capter par la vision en profondeur. Le framework utilise un réseau siamois entraîné à comparer les images tactiles multi-doigts actuelles et cibles, ainsi que les configurations articulaires de la main, pour prédire directement des corrections incrémentales de la pose du poignet. La main ouvre, déplace et resaisit l'objet de façon itérative, formant une boucle de servocontrôle tactile à dextérité externe. Les chercheurs ont collecté 156 007 échantillons simulés à partir de 15 objets (plaques, disques, tiges) et entraîné la politique entièrement dans MuJoCo avant un déploiement zero-shot sur une main à cinq doigts et 11 degrés de liberté équipée de capteurs piézorésistifs. Sur des objets déjà vus, le système réel atteint un taux de réussite de 80,7% pour les cibles fixes et 59,3% pour les cibles aléatoires selon le critère de 10 degrés et 10 mm, avec des erreurs moyennes d'environ 5,2 mm et 3,5 degrés après cinq étapes de correction. Ce résultat s'attaque à un angle mort précis de la manipulation robotique: les objets fins et symétriques restent un point faible pour les capteurs de profondeur classiques, car leurs surfaces de contact sont trop réduites ou occultées pour une estimation de pose fiable par vision seule. En démontrant qu'un asservissement purement tactile peut corriger l'alignement final avec une précision millimétrique, l'étude conforte l'idée que la fusion vision-tactile, plutôt que la vision seule, sera nécessaire pour les tâches d'assemblage fin en usine ou en logistique. Le transfert zero-shot simulation-vers-réel, sans réentraînement sur le système physique, est aussi un signal encourageant pour réduire le coût de déploiement de ce type de politique sur du nouveau matériel. Le travail s'inscrit dans la lignée des approches de manipulation dextre pilotées par retour tactile, un domaine où la rareté des données réelles pousse les équipes à s'appuyer sur la simulation pour l'entraînement. Les auteurs reconnaissent des limites: le transfert reste restreint à des objets non vus mais proches en catégorie, et la performance chute nettement pour les objets symétriques ou aux contacts peu discriminants, un écueil classique pour toute méthode fondée sur la comparaison d'images de contact. Le système montre en revanche une capacité de correction continue face à des perturbations prolongées, ce qui ouvre la voie à des essais sur des tâches d'assemblage réel où la précision fine de prise est critique, sans qu'aucun calendrier de déploiement industriel ne soit pour l'instant annoncé.

Recherche❖Paper

1 source

37

826arXiv cs.RO 

Odométrie proprioceptive à modèles multiples interactifs pour robots à pattes

Une équipe de recherche propose une méthode d'odométrie proprioceptive basée sur un modèle multiple interactif (IMM, interacting multiple model) pour l'estimation d'état des robots à pattes. Le problème adressé : l'odométrie de jambe souffre habituellement d'une observabilité limitée et dépend fortement de contraintes de mesure pour limiter la dérive de position. Lorsque les capteurs extéroceptifs (caméras, LiDAR) sont peu fiables ou dégradés, ces contraintes reposent essentiellement sur les données proprioceptives, en particulier la cinématique des jambes au contact du sol. Or la plupart des méthodes existantes supposent un contact ponctuel idéalisé entre le pied et le sol, une hypothèse souvent violée en conditions réelles de marche. Les chercheurs ont donc conçu un cadre probabiliste unifié intégrant plusieurs hypothèses de contact simultanément, permettant une commutation de mode en ligne et une fusion probabiliste adaptée aux conditions de contact variables. Des simulations poussées et des expériences sur robot réel valident l'approche, montrant une précision d'estimation de pose supérieure aux méthodes de référence actuelles, pour un coût de calcul comparable. Cette avancée compte pour les intégrateurs et ingénieurs en robotique de locomotion car l'estimation d'état fiable est un prérequis critique à l'autonomie des robots à pattes, notamment en environnements où le GPS ou la vision échouent (intérieurs encombrés, terrains accidentés, conditions de faible luminosité). L'hypothèse de contact ponctuel, largement utilisée par commodité mathématique, ne correspond pas à la réalité physique des pieds robotiques, qui peuvent glisser, rouler ou entrer en contact par une surface plutôt qu'un point unique. En modélisant explicitement plusieurs types de contact possibles et en les fusionnant de façon probabiliste, cette méthode comble un écart entre modèles théoriques et comportement réel, un enjeu direct pour la fiabilité des robots quadrupèdes et bipèdes déployés en conditions industrielles ou d'inspection. Ce travail s'inscrit dans une lignée de recherche sur l'estimation d'état des robots à pattes, domaine où les approches à filtre de Kalman étendu ou à optimisation par fenêtre glissante dominent traditionnellement, souvent couplées à l'IMU et aux encodeurs de jambe. L'utilisation de modèles à interaction multiple, technique empruntée au suivi de cibles en robotique et en aérospatiale, représente une adaptation méthodologique notable à ce domaine. Cette version republiée (v2) sur arXiv suggère une révision après un premier dépôt, sans détails sur un déploiement matériel commercial ni sur les acteurs impliqués dans l'expérimentation.

Recherche❖Paper

1 source

37

827arXiv cs.RO 

TransDex : pré-entraînement d'une politique visuo-tactile par reconstruction de nuage de points pour la manipulation dextérique d'objets transparents

Des chercheurs présentent TransDex, une politique de contrôle moteur pour mains robotiques dextres capable de manipuler des objets transparents, un défi connu où la transparence provoque un bruit de profondeur sévère et une perte d'information 3D pour les capteurs optiques classiques. La méthode repose sur un pré-entraînement auto-supervisé par reconstruction de nuages de points, basé sur une architecture Transformer, qui reconstruit la structure 3D d'un objet à partir des points de contact générés par les doigts de la main robotique en interaction, même en présence de bruit aléatoire ajouté et d'un masquage à grande échelle des données d'entrée. Sur cette base pré-entraînée, TransDex ajoute un encodage perceptif hiérarchique fin et un mécanisme d'attention multi-tours qui fusionne de façon adaptative les caractéristiques du bras robotique et de la main dextre, permettant une prédiction de mouvement différenciée entre les deux systèmes. Les auteurs valident l'approche par des expériences de manipulation d'objets transparents sur un système robotique réel, où TransDex surpasse les méthodes de référence existantes, avec des analyses complémentaires portant sur la généralisation du modèle et la contribution de chaque composant. L'enjeu dépasse la simple prouesse académique: la manipulation d'objets transparents ou réfléchissants reste l'un des points faibles récurrents des politiques de manipulation dextre basées uniquement sur la vision, un problème très concret pour les intégrateurs industriels confrontés à des verres, flacons, emballages plastiques ou pièces en verre sur les lignes de production et en logistique. En s'appuyant sur le tactile en complément du visuel plutôt que sur la seule reconstruction de profondeur optique, TransDex illustre une tendance de fond dans la recherche en manipulation dextre: les fusions visuo-tactiles gagnent du terrain là où les approches purement basées vision (type VLA ou reconstruction RGB-D) échouent sur les surfaces transparentes ou spéculaires. Cela dit, il s'agit d'un résultat de laboratoire sur banc réel, pas d'un déploiement industriel: les auteurs eux-mêmes cadrent leurs résultats comme une validation de généralisation et de composants, sans indication de volumes de test, de taux de succès chiffré ni de comparaison sur objets industriels standardisés, ce qui appelle à la prudence sur la portée réelle des gains annoncés face aux baselines. Le papier s'inscrit dans la lignée des travaux combinant pré-entraînement auto-supervisé et manipulation dextre multi-doigts, un axe de recherche actif depuis l'essor des politiques visuo-tactiles pour la robotique de préhension fine, à côté d'approches comme les VLA génériques (Pi-0, GR00T N2, Helix) qui misent principalement sur la vision et le langage sans traitement dédié à la transparence. La publication, une version révisée (v2) d'un prétirage arXiv, ne mentionne pas d'acteur industriel ni de laboratoire commercial associé, ce qui la positionne comme une contribution de recherche fondamentale plutôt qu'une annonce produit; aucune timeline de transfert vers un système commercial ou un pilote industriel n'est indiquée à ce stade.

Recherche❖Paper

1 source

37

828arXiv cs.RO 

Real2Sim à base d'agents : modélisation physique du monde par agents vision-langage

Optimus, Figure, Gr00t... la robotique humanoïde progresse vite en démos mais bute toujours sur un même verrou technique : reconstruire un environnement réel en simulation physique exploitable. Un article arXiv (2607.19190) présente Agentic Real2Sim, un framework qui utilise des agents vision-langage (VLA) pour automatiser cette conversion. Concrètement, à partir d'un simple enregistrement d'une interaction robot-objet dans le monde réel, le système génère un "jumeau épisodique" simulable, préservant les observations visuelles, les géométries de la scène, les états des objets et les mouvements du robot. Les auteurs ont testé leur approche sur trois familles de scénarios distinctes habituellement traitées par des pipelines séparés : manipulation d'objets rigides, interaction avec des objets déformables, et mouvements humanoïdes. Point notable, le framework peut fonctionner avec un modèle vision-langage open-weight, à une fraction du coût des modèles frontier (type GPT-4V ou équivalents propriétaires), tout en obtenant un taux de conversion réussie comparable. L'enjeu dépasse la seule prouesse académique. Le goulot d'étranglement du "real2sim" est aujourd'hui l'un des principaux freins à l'entraînement de politiques robotiques par apprentissage : sans environnement simulé fidèle, impossible d'entraîner ou d'évaluer massivement des modèles de contrôle sans multiplier les essais coûteux sur robot physique. Actuellement, ce travail repose sur du réglage manuel de modèles de vision, du nettoyage de maillages 3D et de l'alignement de repères de coordonnées, un processus lent et peu reproductible d'un labo à l'autre. Automatiser cette étape via des agents autonomes, capables de prendre eux-mêmes les décisions de pipeline, pourrait accélérer la constitution de jeux de données d'entraînement pour les politiques de type VLA, un sujet clé alors que des acteurs comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2) cherchent à démontrer que leurs modèles généralisent au-delà des données d'entraînement. Ce travail s'inscrit dans une tendance plus large de recherche visant à combler l'écart entre simulation et réel (le "sim-to-real gap"), longtemps considéré comme l'un des obstacles majeurs à la robotique généraliste. Il ne s'agit ici que d'une publication de recherche, avec un site de projet public, et non d'un produit commercial ou d'un déploiement industriel : les auteurs eux-mêmes le présentent comme "un premier pas" vers une conversion real2sim généralisable et à l'échelle, sans préciser de calendrier de mise à disposition ou d'intégration dans des pipelines industriels existants.

Recherche❖Paper

1 source

36

829arXiv cs.RO 

WorldScape Policy 2.0 : vers une modélisation d'action du monde pilotable grâce à une mémoire enrichie par le raisonnement

WorldScape Policy 2.0 est un nouveau modèle d'action du monde (World Action Model, WAM) publié en preprint sur arXiv, conçu pour la manipulation robotique par apprentissage conjoint des transitions visuelles et des actions du robot. Son architecture combine une mémoire visuelle causale à court terme, qui alimente le module de génération (DiT) avec les observations récentes pour préserver la dynamique locale d'interaction, et une mémoire d'événements à long et court terme, qui organise les sorties d'un modèle vision-langage en trois niveaux : historique global, activité locale et frontières d'événements. Cette mémoire récupérée sert de sous-objectif implicite pour la planification autonome, renforcé par un mécanisme de "semantic forcing" qui transfère la sémantique des instructions au niveau événementiel dans le flux de planification latent. Les auteurs introduisent également ManipEvent-5M, un jeu de données de pré-entraînement embarqué comptant près de 5 millions de segments d'événements, chacun aligné avec des trajectoires d'action, des instructions de tâche au niveau épisode, des légendes de sous-tâches au niveau segment, des images d'objectif et des démonstrations vidéo. L'enjeu dépasse la seule prouesse technique : les modèles d'action du monde actuels souffrent d'un contexte temporel limité, d'une supervision par le langage trop grossière (au niveau de l'épisode entier) et d'un conditionnement quasi exclusivement textuel, ce qui limite le suivi de la progression des tâches, l'ancrage fin entre langage, vidéo et action, ainsi que le transfert entre différentes morphologies de robots. En proposant un conditionnement multimodal unifié, exploitable aussi bien par instruction de haut niveau que par image d'objectif ou contexte vidéo, WorldScape Policy 2.0 s'attaque directement à l'écart persistant entre démonstrations en laboratoire et exécution robuste sur des tâches longues et complexes, un point de friction central pour quiconque cherche à faire passer les architectures VLA (vision-langage-action) du prototype à un déploiement fiable. Le papier s'inscrit dans la lignée des travaux récents qui cherchent à dépasser les VLA purement textuels en intégrant une mémoire structurée et une planification hiérarchique, plutôt que de simplement empiler davantage de données ou de paramètres. Les auteurs revendiquent des résultats supérieurs en simulation et sur plateformes réelles pour la planification autonome à long horizon, le suivi d'instructions fines et l'adaptation en contexte. Il s'agit à ce stade d'une contribution académique (article "new" sur arXiv), sans acteur industriel ni calendrier de déploiement associés : la validation par la communauté et la reproduction des résultats sur d'autres bancs de test restent les prochaines étapes attendues.

Recherche⚡Actu

1 source

36

830arXiv cs.RO 

Robot musculaire pneumatique en tissu basé sur le principe du lacet

Une équipe de chercheurs présente, dans une prépublication arXiv (2607.18641v1), un nouveau type de muscle pneumatique artificiel textile baptisé DPAM (drawstring fabric pneumatic artificial muscle), inspiré du principe du cordon de serrage utilisé dans l'industrie textile. Contrairement aux muscles pneumatiques classiques de type McKibben, qui se déforment radialement (gonflement latéral) lors de leur contraction axiale, le DPAM ne produit aucune déformation radiale supplémentaire, ce qui améliore nettement sa compacité structurelle. Ses performances mécaniques annoncées sont notables : une capacité de charge supérieure à 800 fois son propre poids, un taux de contraction maximal de 44%, et une densité de puissance atteignant 4,98 kW/kg. Les auteurs ont validé le concept sur deux scénarios d'application, un robot bio-inspiré et une ligne de production industrielle, et ont fabriqué une matrice de DPAM démontrant sa capacité à s'étendre facilement dans un plan bidimensionnel. Pour la robotique souple et l'actionnement pneumatique, ce travail répond à une limite concrète des muscles artificiels existants : l'encombrement radial parasite qui limite leur intégration dans des espaces contraints, que ce soit sur des robots bio-inspirés compacts ou sur des lignes industrielles où l'espace disponible est un facteur de conception. Une architecture qui conserve son diamètre pendant la contraction ouvre la voie à des actionneurs plus denses et plus faciles à empiler ou à disposer en matrices, un point clé pour les intégrateurs cherchant à remplacer des vérins pneumatiques classiques par des solutions plus légères et plus sûres au contact humain. Les muscles pneumatiques artificiels, popularisés par la conception McKibben datant des années 1950, souffrent depuis longtemps de ce compromis entre force de contraction et gonflement radial, un problème que plusieurs équipes de recherche en robotique souple tentent de résoudre par des architectures textiles ou tressées alternatives. En s'appuyant sur le principe du cordon de serrage plutôt que sur un tressage classique, cette approche s'inscrit dans une tendance plus large consistant à emprunter des techniques manufacturières textiles éprouvées pour concevoir des actionneurs souples, avec pour prochaine étape probable une évaluation de la durabilité et de l'intégration de ces matrices DPAM sur des systèmes robotiques complets.

Recherche❖Paper

1 source

36

831arXiv cs.RO 

Mise en évidence de la découverte de mouvements primitifs chez un robot humanoïde via des cartes auto-organisatrices pour la reconnaissance de phase

Des chercheurs proposent une architecture à deux niveaux pour la reconnaissance de phases de mouvement chez un robot humanoïde, inspirée du système de neurones miroirs (MNS) impliqué dans la cognition sociale humaine. Appliquée au robot NICO, la méthode combine deux cartes auto-organisatrices (Self-Organising Maps, SOM) : une A-SOM pour la cinématique du bras et une H-SOM pour celle de la main, entraînées sur des essais simulés couvrant sept actions motrices distinctes. Les caractéristiques utilisées pour l'entraînement sont sélectionnées via une analyse de corrélation hiérarchique des trajectoires de mouvement, afin d'éliminer la redondance. Un second niveau, un réseau à états d'écho (Echo State Network, ESN), analyse ensuite les trajectoires temporelles d'activation des SOM, c'est-à-dire les unités les mieux appariées successives, pour déterminer si cette information suffit à reconnaître en ligne la phase de mouvement en cours d'exécution. Les résultats montrent que les deux cartes encodent des aspects complémentaires du comportement moteur, et que les trajectoires issues des SOM captent l'essentiel de la structure discriminante des phases de mouvement, l'information contextuelle n'apportant qu'un raffinement secondaire. Pour la robotique humanoïde et l'interaction homme-robot, ce travail illustre une voie alternative aux approches d'apprentissage profond de bout en bout dominantes dans les modèles vision-langage-action (VLA) : des représentations motrices auto-organisées, légères et interprétables, pourraient suffire à un robot pour suivre en temps réel l'exécution de ses propres gestes ou ceux d'un humain, sans nécessiter l'énorme volume de données d'entraînement typique des VLA. Ce résultat s'inscrit dans la lignée des travaux sur NICO, plateforme de recherche en robotique développementale et cognitive, et prolonge des méthodes établies (SOM, ESN) plutôt que d'en proposer de radicalement nouvelles. Il s'agit d'une contribution de recherche fondamentale publiée en prépublication sur arXiv, testée en simulation et non déployée sur un système commercial ; les auteurs eux-mêmes présentent leurs résultats comme compatibles avec une hypothèse computationnelle, appelant des validations supplémentaires avant tout transfert vers des applications industrielles ou d'interaction sociale réelle.

Recherche❖Paper

1 source

36

832arXiv cs.RO 

STeP : logique temporelle de signaux pour des spécifications précises de génération d'actions avec des modèles vision-langage

Des chercheurs proposent STeP, un cadre hiérarchique qui relie les modèles vision-langage-action (VLA) à la logique temporelle de signaux (Signal Temporal Logic, STL), un formalisme mathématique servant à spécifier des contraintes spatiales, temporelles et logiques de façon précise et vérifiable. Concrètement, une politique de haut niveau s'appuie sur un modèle vision-langage pour décomposer une instruction en langage naturel en sous-tâches, générer pour chacune une spécification STL, puis choisir la politique de bas niveau adaptée à son exécution : soit un contrôle prédictif par modèle (MPC) guidé directement par les contraintes STL, soit une politique apprise dont l'exécution est surveillée en continu via ces mêmes contraintes, pour les comportements perceptuellement complexes ou impliquant des contacts physiques. Le système a été évalué sur un banc de manipulation de table en conditions réelles, avec replanification possible si une contrainte est violée en cours d'exécution. Il s'agit d'un article de recherche (arXiv, catégorie "new"), pas d'un produit commercialisé. L'enjeu dépasse la simple démonstration technique. Les modèles VLA génèrent des trajectoires impressionnantes en généralisation mais restent largement des boîtes noires, incapables de garantir qu'une instruction précise, du type "posez l'objet dans les 5 secondes sans dépasser telle zone", sera réellement respectée. Pour des intégrateurs industriels, cette absence de vérifiabilité formelle est un frein direct à l'adoption en environnement contraint, là où une simple démo vidéo ne suffit pas. En réintroduisant des méthodes formelles héritées du contrôle et de la vérification de systèmes cyber-physiques, ce travail illustre une tentative de combler l'écart entre le battage médiatique autour des VLA et des garanties d'exécution exploitables en production. Ce projet s'inscrit dans la lignée des modèles VLA récents (Pi-0, GR00T N2, Helix, RT-2 et dérivés) qui ont démontré la faisabilité de politiques génératives multi-tâches, mais sans mécanisme natif d'interprétabilité ni de contrôle formel. STeP se positionne comme une couche intermédiaire plutôt qu'un modèle concurrent. À ce stade, seule une validation en laboratoire sur tâches de table a été menée, aucun pilote industriel ni déploiement à plus grande échelle n'a été annoncé.

Recherche❖Paper

1 source

36

833arXiv cs.RO 

Design et analyse de stabilité d'une main sous-actionnée à doigts en rotation passive

Une équipe de recherche présente dans un nouveau papier (arXiv, juillet 2026) la conception d'un doigt robotique sous-actionné à mobilité spatiale, destiné aux mains de préhension robotiques. L'innovation clé repose sur une articulation rotoïde à la base du doigt, qui permet une rotation spatiale passive facilitant les prises cylindriques et sphériques. Contrairement aux doigts articulés classiques à trois phalanges, ce design n'en utilise que deux par doigt, ce qui réduit la complexité cinématique tout en conservant la capacité de réaliser des prises de précision et des prises enveloppantes. Les chercheurs ont défini des critères de stabilité basés sur le moment de force généré à l'articulation de base par les contacts avec l'objet, afin d'éviter l'éjection de l'objet pendant la manipulation. Un mécanisme différentiel répartit un couple d'actionnement unique entre plusieurs doigts, permettant un mouvement adaptatif et coordonné. Les résultats théoriques ont été validés expérimentalement sur un prototype entièrement mécanique, capable de prises cylindriques, sphériques, parallèles et enveloppantes. Cette approche s'inscrit dans une tendance de fond de la robotique de préhension : réduire le nombre d'actionneurs et de capteurs pour diminuer coût et complexité de contrôle, tout en conservant une adaptabilité fonctionnelle grâce à la passivité mécanique. Pour les intégrateurs industriels, c'est un signal important : la course actuelle aux mains humanoïdes à haute dextérité (souvent très actionnées, coûteuses et fragiles) n'est pas la seule voie viable. Un doigt sous-actionné mécaniquement robuste, capable de s'adapter à des formes d'objets variées sans réglages fins avant la prise, répond directement aux besoins de secteurs à fort volume et budget contraint comme la logistique, l'agriculture ou le tri de déchets, où la robustesse prime sur la dextérité fine façon main humaine. La sous-actionnation des mains robotiques est un champ de recherche mature, où des architectures comme les mains SDM ou les préhenseurs différentiels ont déjà montré l'intérêt de la compliance mécanique face aux mains entièrement actionnées et coûteuses. Ce travail s'inscrit dans cette lignée en combinant sous-actionnation intra-doigt et inter-doigts via un mécanisme différentiel commun. Les auteurs annoncent que les prochaines étapes porteront sur l'automatisation de l'actionnement et l'amélioration des stratégies de contrôle, en vue d'une manipulation autonome en environnement non structuré, mais aucun calendrier de commercialisation ni de partenaire industriel n'est mentionné à ce stade : il s'agit d'un travail de recherche académique, pas d'un produit prêt au déploiement.

Recherche❖Paper

1 source

35

834arXiv cs.RO 

Uncertitude et allocation de tâches multi-robots avec récompenses inter-robots fortement couplées

Une équipe de recherche en robotique propose un nouvel algorithme d'allocation de tâches par enchères (auction-based) pour des flottes de robots hétérogènes confrontées à une incertitude sur les capacités réellement requises par chaque tâche. Publié sur arXiv (2509.22469v3), l'article introduit une formulation "fortement couplée" qui positionne naturellement les robots dotés de capacités potentiellement nécessaires à proximité des tâches incertaines, sans les y affecter en redondance systématique. Testée sur des scénarios simulés de secours après catastrophe avec contraintes de délai, la méthode affiche jusqu'à 15% d'augmentation de la valeur de mission attendue par rapport aux approches classiques basées sur la redondance. Les chercheurs proposent également un second mécanisme exploitant le délai naturel entre la détection d'une condition environnementale imprévue et la confirmation qu'une capacité supplémentaire est nécessaire, ce qui porte le gain jusqu'à 18% par rapport aux stratégies purement réactives. L'enjeu dépasse le cadre théorique: pour les intégrateurs et opérateurs de flottes multi-robots (secours, logistique, inspection industrielle), le compromis entre sur-allocation prudente et réactivité tardive coûte cher en temps et en ressources. Une flotte qui duplique systématiquement ses robots "au cas où" gaspille de la capacité productive; une flotte purement réactive risque des retards critiques lorsque l'incertitude se lève trop tard. En modélisant explicitement cette incertitude dans l'algorithme d'enchères plutôt qu'en la traitant après coup, cette approche s'attaque directement à un problème central du déploiement multi-robot à l'échelle: comment maintenir la productivité tout en restant prêt à réagir vite. Les gains annoncés (15% et 18%) restent toutefois mesurés en simulation, sur des scénarios de secours après catastrophe, et n'ont pas été validés en conditions réelles. Ce travail s'inscrit dans le champ de l'allocation de tâches multi-robots (MRTA), où les méthodes existantes oscillent traditionnellement entre redondance coûteuse et réactivité tardive face à l'incertitude des besoins en capacités. Contrairement aux approches réactives classiques qui attendent la confirmation d'un besoin avant d'agir, la nouvelle formulation exploite le délai de confirmation lui-même comme signal utile. Les auteurs positionnent explicitement leur méthode contre deux familles de référence: les stratégies redondantes et les stratégies purement réactives. La publication, classée "replace" sur arXiv, correspond à une version révisée d'un travail antérieur; les prochaines étapes attendues porteraient sur une validation en conditions réelles ou sur du matériel robotique physique, non mentionnée dans ce résumé.

Recherche❖Paper

1 source

35

835arXiv cs.RO 

Calibrage extrinsèque en deux étapes d'un lidar à balayage linéaire statique avec plateforme rotative

Des chercheurs publient sur arXiv (arXiv:2607.18578v1) une méthode de calibration extrinsèque en deux étapes pour lidars à balayage linéaire montés sur une plateforme rotative. Le problème de départ: un lidar line-scanning ne mesure que dans un plan fixe (distance et azimut), donc pour reconstruire un objet en 3D il faut un mouvement relatif entre le plan du lidar et l'objet, typiquement obtenu via une base rotative. Mais cette configuration pose une question précise: comment localiser exactement l'axe de rotation de la plateforme par rapport au repère du lidar, la fameuse "calibration" en robotique. Les auteurs proposent des algorithmes automatisés capables d'estimer cette transformation de manière statique et dynamique, testés sur des jeux de données réels acquis avec une plateforme rotative fabriquée sur mesure et un lidar FMCW (frequency-modulated continuous-wave), avec une étude de la convergence des algorithmes selon différentes conditions initiales. Cette calibration est un prérequis critique pour tout système d'inspection 3D bâti autour d'un lidar 2D couplé à une platine rotative, une architecture nettement moins coûteuse qu'un lidar 3D natif mais qui accumule les erreurs de reconstruction si l'axe de rotation n'est pas estimé avec précision. Toute imprécision dans cette transformation dégrade directement la qualité du nuage de points et fausse la représentation de l'objet scanné, un enjeu très concret pour les intégrateurs qui visent du contrôle qualité, de la rétro-ingénierie ou de l'inspection de défauts en environnement industriel. Automatiser cette étape plutôt que de recourir à des mires et des procédures manuelles réduit le temps de mise en service et la variance entre installations, un facteur clé pour déployer ce type de capteur à l'échelle en usine. Le travail s'inscrit dans un champ de recherche établi, la calibration extrinsèque capteur-actionneur en robotique, mais l'applique spécifiquement au cas moins couvert d'un lidar FMCW statique couplé à une plateforme rotative, par opposition aux calibrations lidar-caméra ou lidar-IMU plus fréquentes sur les véhicules autonomes. Les auteurs comparent une approche statique et une approche dynamique, et évaluent leur robustesse face à différentes conditions initiales, un point important puisque ce type d'optimisation non linéaire peut diverger ou converger vers un minimum local erroné. Le papier ne mentionne aucune application industrielle nommée ni de partenaire commercial: il s'agit d'une contribution méthodologique destinée aux équipes qui conçoivent des scanners 3D bas coût à base de lidar rotatif, un choix d'architecture courant en inspection industrielle et en logistique.

Recherche❖Paper

1 source

34

836arXiv cs.RO 

Planification stochastique kinodynamique multi-objectifs contre des adversaires

Des chercheurs publient sur arXiv (arXiv:2607.19284v1) un nouveau cadre de planification de trajectoires en environnement incertain, baptisé SMO-RRT et SMO-SST (Stochastic Multi-Objective RRT et sa variante Stable Sparse RRT). L'objectif est de construire un front de Pareto de chemins qui arbitrent entre le coût d'exécution et la probabilité de violation d'une contrainte de sécurité, face à des adversaires hybrides stochastiques capables de basculer en mode agressif selon l'état du robot ou du véhicule. La méthode déplace l'espace de planification des trajectoires en boucle ouverte vers des séquences de politiques en boucle fermée, et intègre l'évaluation du risque directement dans la construction de l'arbre via des simulations Monte-Carlo par particules. Les auteurs démontrent la complétude probabiliste de SMO-RRT, tandis que SMO-SST sacrifie cette garantie théorique contre un élagage sélectif qui améliore les performances numériques. Ils fournissent aussi une borne à échantillon fini sur la probabilité de violation de contrainte, valable même avec une incertitude non gaussienne et dépendante de l'état. Pour l'industrie de la robotique autonome et de la conduite automatisée, l'enjeu est la conservativité excessive des planificateurs actuels à contraintes de risque (chance-constrained), qui évaluent le danger sur des trajectoires figées sans tenir compte de la capacité du système à réagir en temps réel. En modélisant explicitement la réactivité de l'agent face à un adversaire qui change de comportement, ce travail vise des trajectoires moins prudentes mais tout aussi sûres, un enjeu direct pour la navigation sociale (robots en environnement humain), les systèmes multi-agents et la conduite autonome en trafic mixte, où la surestimation du risque coûte cher en fluidité et en acceptabilité commerciale. Le papier s'inscrit dans la lignée des algorithmes RRT (Rapidly-exploring Random Trees), référence historique en planification kinodynamique depuis la fin des années 1990, et de leurs extensions à contraintes de risque plus récentes. Il ne s'agit pour l'instant que d'une contribution théorique avec preuves formelles, sans validation matérielle rapportée ni déploiement embarqué : la prochaine étape attendue serait une implémentation testée sur plateforme réelle ou en simulation à haute fidélité pour confirmer le gain pratique face aux méthodes conservatrices existantes.

Recherche❖Paper

1 source

29

837arXiv cs.RO 

Le décomposition en torseurs des robots sériels pour les tâches à mobilité réduite

La décomposition en torseurs (twists) présentée dans ce nouveau preprint arXiv (arXiv:2607.18940v1) propose un cadre théorique pour la cinématique des robots manipulateurs sériés charges de taches dites "a mobilité réduite", c'est-a-dire lorsque la tache exige moins de degrés de liberté que n'en offre l'effecteur (typique du perçage, du polissage ou du soudage, ou l'orientation autour de l'axe de l'outil reste libre). Plutot que de recourir aux projections dans l'espace nul du Jacobien, méthode de référence depuis des décennies, les auteurs décomposent le torseur cinématique de l'effecteur en une composante liée directement a la tache et une composante redondante, via des "projecteurs de torseur" définis de manière purement géométrique. Cette formulation débouche sur un schéma de cinématique inverse compact, capable de traiter simultanément la redondance du bras et celle de la tache. L'intérêt pratique concerne les intégrateurs travaillant sur des bras redondants en environnement industriel. Quand une tache laisse un degré de liberté inutilisé, les contrôleurs doivent l'exploiter intelligemment, par exemple pour éviter les singularités, contourner des obstacles ou optimiser la trajectoire, ce que les approches par projection matricielle rendent parfois peu intuitif a implémenter et a régler. Une formulation géométrique plus directe pourrait simplifier ce travail de réglage et clarifier la distinction entre mouvements utiles et mouvements superflus, un enjeu récurrent en robotique industrielle comme en téléopération ou les opérateurs doivent comprendre ce que fait vraiment le bras. La résolution de la redondance cinématique est un problème classique de la robotique, ou les méthodes fondées sur le pseudo-inverse du Jacobien et la projection dans l'espace nul dominent depuis longtemps la littérature et les contrôleurs industriels. Ce travail, publie comme nouvelle soumission sur arXiv, se positionne comme une alternative théorique a cette approche établie plutôt que comme un produit ou un déploiement: aucune implémentation matérielle, aucun partenariat industriel ni validation sur robot réel n'est mentionne a ce stade, la contribution restant pour l'instant purement méthodologique.

Recherche❖Paper

1 source

47

838Pandaily 

Huawei entre dans l'IA incarnée avec la plateforme CloudRobo : peut-elle répéter le miracle SERES de la voiture intelligente ?

Huawei a franchi une étape décisive dans l'IA incarnée lors du WAIC 2026 en lançant la bêta publique de CloudRobo, une plateforme complète de développement pour robots intelligents. La stratégie positionne le groupe chinois comme fournisseur de "cerveau robotique" plutôt que comme fabricant, calquant l'approche qui a fait le succès de SERES/AITO dans l'automobile électrique. Plus de 20 entreprises, dont Youibot et Huayan Robotics, ont déjà rejoint CloudRobo comme partenaires initiaux. La plateforme repose sur trois piliers : une base de données de niveau pétaoctet fournissant des millions d'actifs prêts à l'emploi, un moteur cloud de production de modèles s'appuyant sur la série de modèles Pangu pour l'IA incarnée exécutés sur puces Ascend, et un système de simulation et d'évaluation baptisé Real-Sim, développé en interne. Les développeurs accèdent à plus de 20 modèles optimisés pour Ascend et peuvent, selon Huawei, connecter un robot au cloud en quelques heures et déployer un modèle en quelques minutes, couvrant toute la chaîne allant de la collecte de données à l'intégration matérielle. La logique stratégique reprend celle éprouvée dans l'automobile : Huawei avait fourni la conduite intelligente, le cockpit connecté et la motorisation électrique à SERES, qui est ainsi passé de constructeur inconnu à marque premium, le modèle M9 devenant le véhicule le plus vendu du segment au-dessus de 500 000 yuans. La même division du travail s'applique désormais à la robotique : Huawei fournit le système d'exploitation intelligent, la plateforme cloud et les modèles fondation, tandis que les fabricants se concentrent sur le matériel et les applications verticales où ils ont l'expertise métier. La marge brute de 79,8% sur l'activité contrôleurs, contre 38,4% sur le matériel, illustre le pari sur la valeur logicielle. Ce choix intervient alors que les capacités de contrôle moteur ont largement convergé entre fabricants, faisant du "cerveau" le principal facteur de différenciation, et alors que le secteur, fragmenté entre bras industriels, robots de service, quadrupèdes et humanoïdes, souffrait d'un développement artisanal coûteux en ressources. La transposition du modèle automobile à la robotique reste toutefois incertaine : les véhicules sont hautement standardisés, alors que les robots couvrent des formes et exigences très hétérogènes. Huawei dispose néanmoins déjà de M-Robots OS sur OpenHarmony et revendique une influence sur plus de 15 startups d'IA incarnée fondées par d'anciens salariés du groupe, signe d'un rayonnement dépassant CloudRobo lui-même.

Chine/Asie❧Opinion

1 source

48

839Robotics Business Review 

U.K. : Humanoid lève 152 millions de dollars en série A

L'entreprise britannique Humanoid, basée à Londres, a annoncé avoir levé 152 millions de dollars lors d'un tour de série A, valorisant la société à 1,35 milliard de dollars post-money. Ce financement porte le total levé depuis sa création à 270 millions de dollars. Fondée en 2024 sous le nom SKL Robotics Ltd, l'entreprise dirigée par Artem Sokolov développe le HMND 01 Alpha Wheeled, un manipulateur mobile bimanuel monté sur roues actuellement proposé en accès anticipé à des clients industriels, ainsi qu'une version bipède encore en développement. Le robot fonctionne sous KinetIQ, un framework logiciel destiné à orchestrer des flottes de robots humanoïdes de bout en bout ; sa déclinaison KinetIQ Ascend ajoute une capacité d'apprentissage par essai-erreur. Les fonds serviront à développer une nouvelle génération de plateforme, à lancer une version bêta des robots au quatrième trimestre 2026 chez des clients en logistique, manufacturing et retail, à démarrer la production en série des versions à roues, et à poursuivre le développement de KinetIQ. Schaeffler, via son PDG Klaus Rosenfeld, et Bosch, via son CTO Mathias Pillin et sa filiale Robert Bosch Robotics GmbH, sont annoncés comme investisseurs stratégiques et partenaires industriels, Bosch endossant notamment le rôle de sous-traitant de fabrication. Ce tour de table, que Humanoid présente comme le plus important jamais levé en série A par une entreprise européenne de robotique humanoïde, illustre l'accélération du financement du secteur bien au-delà des seuls acteurs américains ou chinois. L'implication directe de deux poids lourds industriels allemands comme partenaires commerciaux, et non de simples investisseurs financiers, signale un pari sur le passage de la démonstration technologique au déploiement industriel réel, un cap que la plupart des acteurs du secteur n'ont pas encore franchi. L'annonce mélange toutefois volontairement financement, partenariats et feuille de route produit : les déploiements "long terme" et la bêta prévue au quatrième trimestre 2026 restent des objectifs annoncés, pas des livraisons effectives, et la formule du fondateur selon laquelle l'entreprise aurait accompli "en deux ans ce qui prendrait normalement une décennie" relève davantage de la rhétorique de levée de fonds que d'un fait vérifiable. Le marché du robot humanoïde industriel s'est nettement densifié depuis un an. En Allemagne, NEURA Robotics vient d'ouvrir un tour de série C visant 1,4 milliard de dollars. Aux États-Unis, Figure AI a bouclé en septembre 2025 une série C supérieure au milliard de dollars, tandis qu'Apptronik a enchaîné plusieurs levées, dont une série A de 520 millions de dollars annoncée en février 2026. Agility Robotics a rejoint les marchés publics via une introduction en bourse par SPAC valorisée 620 millions de dollars, et Unitree a également entamé son introduction en bourse. D'autres acteurs comme AI² Robotics, 1X Technologies ou Leju Robotics complètent ce paysage très concurrentiel, dans lequel la levée de Humanoid confirme surtout que l'Europe, jusqu'ici en retrait face aux États-Unis et à la Chine sur ce segment, cherche désormais à peser financièrement dans la course aux humanoïdes industriels.

FR/EU ecosysteme❧Opinion

1 source

48

840Robotics Business Review 

Générateur bionique dévoile un robot humanoïde à détection tactile intégrale

Generative Bionics, une entreprise de deep tech spécialisée dans les robots humanoïdes industriels, a dévoilé cette semaine son robot Gene.01 lors de la conférence AMD Advancing AI 2026, marquant ses débuts aux États-Unis. Développé en seulement six mois, Gene.01 combine une peau tactile distribuée sur l'ensemble du corps avec une architecture d'IA que l'entreprise qualifie de "physics-native", conçue pour unifier corps, mécanique et intelligence au sein d'un même système plutôt que de les concevoir séparément. Cette peau tactile détecte le toucher, la température, la proximité et la force, ce qui permet au robot d'anticiper la présence humaine et de réagir avant et pendant un contact physique. Generative Bionics a annoncé un premier cas d'usage industriel via une collaboration avec le chantier naval italien Fincantieri, ciblant des opérations en environnement de construction navale. L'entreprise a aussi choisi d'ouvrir le modèle du robot en open source, en le distribuant sur PyPI, conda-forge et la plateforme officielle de build ROS, permettant une installation via une simple commande pip, conda ou ROS pour l'intégrer aux environnements de simulation ou de robotique existants. Daniele Pucci, PDG de l'entreprise, présente Gene.01 comme une plateforme scalable et personnalisable, et non comme un humanoïde universel. Cette approche répond à un problème concret du secteur: l'apprentissage par démonstration vidéo ne capture pas la force nécessaire pour manipuler un objet, par exemple pour une préhension précise. En intégrant des capteurs de force à l'ensemble du corps, Generative Bionics affirme pouvoir enseigner aux robots non seulement des trajectoires de mouvement mais aussi l'intensité physique requise, un axe que d'autres plateformes VLA comme Pi-0 ou GR00T N2 abordent surtout via la vision. Pour les intégrateurs et décideurs industriels, l'enjeu est de savoir si cette sensorisation tactile complète permet réellement de dépasser l'écart classique entre démonstration en laboratoire et déploiement en usine, un doute qui reste légitime tant que le partenariat avec Fincantieri n'a pas produit de résultats vérifiables sur le terrain. La stratégie d'ouverture du modèle logiciel, elle, vise à construire un écosystème de développeurs autour du matériel avant même la commercialisation à grande échelle, une tactique différente de celle de Figure ou de Tesla, qui gardent leurs plateformes fermées. Gene.01 est conçu comme la base d'une famille de robots spécialisés par secteur: pour chaque application, Generative Bionics prévoit d'adapter l'IA à la tâche visée, l'apparence extérieure au contexte d'exploitation, et les effecteurs terminaux, mains ou pieds, selon le déploiement. L'objectif affiché est de fabriquer une plateforme unique à grande échelle puis de la décliner commercialement dans plusieurs verticales industrielles, une logique proche de celle poursuivie par Figure avec le Figure 03 ou par Tesla avec Optimus Gen 3. Le marché des humanoïdes industriels reste toutefois dominé par des annonces et des pilotes plus que par des déploiements massifs vérifiés, et la collaboration avec Fincantieri sur les chantiers navals constitue pour l'instant le seul engagement concret cité par l'entreprise, sans calendrier précis de mise en production communiqué à ce stade.

FR/EU ecosysteme⚡Actu

1 source

39

841Interesting Engineering 

Vidéo : le nouveau modèle omni d'Unitree permet aux robots humanoïdes de penser, se déplacer et assister les humains

Unitree, le fabricant chinois de robotique connu pour ses robots quadrupèdes et humanoïdes low-cost, a dévoilé UnifoLM-OminiA-0.3, un modèle d'IA unifié destiné à ses robots humanoïdes. Ce système combine dans une seule architecture la perception omni-modale, le raisonnement, le dialogue et la manipulation mobile du corps entier, sans passer par des modules séparés pour la reconnaissance vocale, la détection d'objets, la navigation et la manipulation. Dans les vidéos de démonstration diffusées par Unitree, un robot humanoïde saisit un coussin et le pose sur un canapé, identifie des couleurs, compte des boîtes de médicaments, va chercher un médicament précis sur une étagère, trie du linge dans un panier, charge une assiette dans un lave-vaisselle et ajuste un lit médicalisé de type hospitalier. Une séquence montre le robot interrompre immédiatement l'ajustement du lit lorsqu'un utilisateur lui demande d'arrêter en pleine tâche, illustrant une réactivité dynamique aux instructions. L'annonce intervient peu après qu'Unitree a présenté un robot humanoïde à buste haut vendu à partir de 26 900 yuans, soit environ 4 290 dollars, positionné comme une alternative bon marché sur le marché. Sur le fond, l'intérêt revendiqué par Unitree n'est pas la nouveauté de chaque tâche individuelle, déjà démontrées séparément par d'autres constructeurs humanoïdes, mais la coordination de l'ensemble du flux (compréhension du langage, perception visuelle, décision, navigation, contrôle moteur) par un seul modèle plutôt qu'une chaîne de sous-systèmes. C'est la promesse centrale des architectures vision-langage-action (VLA) que le secteur cherche à valider à grande échelle: remplacer des routines programmées tâche par tâche par une généralisation across environnements, un enjeu jugé crucial pour les usages domestiques, hospitaliers et de soin où les objets bougent et les consignes changent en temps réel. Reste que ces démonstrations proviennent de vidéos sélectionnées par le fabricant, sans données chiffrées sur le taux de réussite, le temps de cycle, la charge utile ou le nombre de degrés de liberté, ni validation indépendante en conditions réelles de déploiement, ce qui invite à distinguer nettement la démonstration marketing du produit réellement livré ou déployé chez un client. UnifoLM-OminiA-0.3 s'inscrit dans le programme d'IA incarnée UnifoLM d'Unitree, qui a débuté en 2025 avec UnifoLM-WMA-0, un cadre open-source de modélisation du monde et de l'action destiné à prédire les effets physiques des interactions robot-environnement. Ce socle a été suivi début 2026 par UnifoLM-VLA-0, un modèle vision-langage-action, avant cette version omni-modale axée sur l'assistance à domicile et les soins. Unitree ne précise pas de calendrier de déploiement pilote ni de partenaires hospitaliers ou domestiques identifiés, la trajectoire du programme suggérant toutefois une progression méthodique vers des systèmes de plus en plus généralistes plutôt qu'un produit fini prêt à l'emploi.

IA physique⚡Actu

1 source

37

842Interesting Engineering 

La Chine dévoile PrimeBOT, le premier robot humanoïde personnel transformable au monde

La startup chinoise PrimeBOT, basée à Shanghai, a dévoilé le Qiyuan T1 lors de la World Artificial Intelligence Conference (WAIC), qui s'est tenue du 17 au 20 juillet 2026 à Shanghai. Ce robot personnel se présente comme capable de basculer de façon autonome entre deux configurations construites sur un châssis unique : un mode quadrupède pour les terrains extérieurs difficiles (herbe, gravier, pentes, escaliers) et un mode humanoïde à roues et pieds pour les espaces intérieurs, doté d'un rayon de braquage nul pour se faufiler dans les couloirs et pièces encombrées de meubles. La transition entre les deux formes se ferait en continu, sans redémarrage ni interruption des tâches en cours, grâce à ce que l'entreprise appelle une architecture cross-morph de type Transformer, qui mutualise structure, articulations, actionneurs, capteurs et alimentation entre les deux modes. Le robot embarque une caméra pivotante, un écran interactif incliné à 45 degrés et un réseau de microphones pour l'interaction vocale et multimodale. PrimeBOT met également en avant une technologie de contrôle de force permettant des gestes comme tenir la main d'un utilisateur. Aucune spécification technique détaillée, aucun prix et aucune date de commercialisation n'ont été communiqués ; l'entreprise promet des informations complémentaires ultérieurement. Il s'agit donc pour l'instant d'une démonstration de salon plutôt que d'un produit disponible. Le positionnement du Qiyuan T1 illustre une tendance émergente dans la robotique personnelle : plutôt que de choisir entre robot à roues et robot bipède, certains acteurs chinois parient sur des plateformes hybrides capables de s'adapter au terrain sans intervention humaine. Si la promesse d'une transformation continue et stable est tenue en conditions réelles, elle répondrait à une limite concrète des humanoïdes actuels, souvent peu à l'aise hors des sols plats et lisses des usines ou des vitrines de démonstration. Mais l'absence totale de spécifications chiffrées (charge utile, autonomie, degrés de liberté, temps de transition réel) invite à la prudence : la présentation reste, à ce stade, une vitrine technologique et communicationnelle plutôt qu'une validation industrielle. PrimeBOT avait déjà lancé début 2026 deux robots personnels, le Prime Q1 et le Prime T1, conçus pour des interactions de type humain et des usages quotidiens distincts, avant de présenter cette version transformable comme une évolution de sa gamme. L'entreprise s'inscrit ainsi dans la course chinoise aux robots compagnons grand public, aux côtés d'acteurs comme Unitree ou Fourier Intelligence, sur un marché où Pékin pousse activement au développement de l'humanoïde domestique. Les prochaines étapes attendues concernent la publication de spécifications techniques précises et l'annonce d'un calendrier de commercialisation, seuls éléments permettant de vérifier si les capacités démontrées à Shanghai tiennent au-delà de la vidéo promotionnelle.

Chine/Asie⚡Actu

1 source

41

843Interesting Engineering 

Robot centaure chinois : rapide sur terrain accidenté et capable de soulever des charges

Run Robotics, société basée à Shanghai, a dévoilé lors du WAIC 2026 (World Artificial Intelligence Conference, tenu du 17 au 20 juillet à Shanghai) un robot hybride à roues et jambes que l'entreprise présente comme le premier robot "centaure" au monde. Contrairement aux humanoïdes bipèdes classiques, la machine adopte un corps divisé : un châssis à quatre roues tout-terrain sous un buste humanoïde équipé de bras robotiques. Elle peut porter une charge utile typique de 100 à 120 kg et supporter une charge statique maximale de 210 kg, tout en respectant des normes anti-déflagrantes. Son système de perception maison combine lidar, vision binoculaire et caméras de profondeur pour identifier canalisations, vannes, jauges, obstacles et personnes, planifier des trajectoires et éviter les collisions en autonomie. Run Robotics affirme que plus de 95% des composants du robot sont fabriqués en Chine, et prévoit de finaliser une ligne d'assemblage automatisée au quatrième trimestre 2026 ; l'entreprise dit avoir déjà obtenu des commandes commerciales. La chaîne publique CCTV a classé ce robot parmi les dix exhibits marquants d'un salon qui rassemblait plus de 1 000 entreprises, 3 000 démonstrations et 349 lancements mondiaux. Le choix d'un châssis roulant plutôt qu'une locomotion bipède est révélateur d'une approche pragmatique côté chinois : plutôt que de viser l'humanoïde généraliste façon Figure ou Optimus, Run Robotics cible directement des marchés industriels à forte contrainte, inspection de sites dangereux, mines, plateformes pétrolières, intervention incendie et secours, où la stabilité et la vitesse sur terrain accidenté comptent plus que la ressemblance avec l'humain. Cette approche évite une bonne partie du problème de contrôle d'équilibre qui freine encore le déploiement à grande échelle des humanoïdes bipèdes, au prix d'une polyvalence moindre en environnement structuré. Pour les intégrateurs et décideurs B2B, le signal intéressant n'est pas tant le vocabulaire marketing du "premier centaure au monde", à prendre avec prudence puisque des architectures hybrides à roues et bras existent déjà sous d'autres formes, que l'annonce de commandes commerciales fermes et d'une ligne d'assemblage automatisée dès fin 2026, ce qui distinguerait ce projet d'un simple prototype de salon. Le robot est né dans la Zhangjiang Science City de Shanghai, pôle industriel où Run Robotics dit avoir puisé talents d'ingénierie et soutien réglementaire pour construire sa chaîne d'approvisionnement. La société présente cette machine comme l'aboutissement d'un travail continu pour dépasser les limites classiques de la robotique d'inspection : capacités opérationnelles restreintes, faible adaptabilité aux environnements variés et difficulté à passer à l'échelle industrielle. La plateforme se veut modulaire, avec possibilité d'ajouter bras doubles, mains dextres ou capteurs de force multidimensionnels selon les besoins clients. Aucun calendrier précis de déploiement pilote au-delà de la ligne d'assemblage 2026 n'a été communiqué, et comme souvent lors de ces annonces chinoises très médiatisées au WAIC, l'écart entre démonstration et déploiement industriel réel à grande échelle reste à vérifier dans les prochains mois.

Chine/Asie❧Opinion

1 source

37

844Robotics Business Review 

Frottement clé pour améliorer les modèles du monde des robots

Un nouveau papier technique propose une architecture appelée VμA pour corriger un angle mort des modèles du monde en robotique : l'absence du coefficient de frottement statique (μ) parmi les signaux de conditionnement. Aujourd'hui, la quasi-totalité des systèmes conditionnent leurs prédictions sur deux sources seulement, les images de caméras et la position des effecteurs mesurée par les encodeurs articulaires, ce qui suffit pour des tâches en espace libre mais devient insuffisant dès qu'un robot entre en contact avec un objet. Dans de nombreuses implémentations, le contact n'est même pas mesuré directement : il est déduit du courant moteur, un signal proxy éloigné de la physique réelle qui se joue au bout du doigt du gripper. Certains systèmes ajoutent des capteurs tactiles, comme ceux commercialisés par l'entreprise australienne Contactile pour équiper mains et pinces robotiques, avec des gains mesurables sur la préhension adaptative en temps réel et la correction de glissement. Mais ces capteurs restent limités à des cartes de pression, des images de déformation ou, au mieux, une distribution de force sur trois axes : ils disent qu'un contact a lieu et avec quelle intensité, pas si ce contact va tenir. C'est précisément cette lacune que VμA cherche à combler en injectant μ comme entrée de premier ordre. Le coefficient de frottement statique est la grandeur physique qui détermine si un objet saisi reste saisi, en fonction du couple de matériaux, de l'état de surface, de la température ou de la contamination. Il ne peut être ni vu par une caméra, ni déduit du courant moteur, ni reconstruit à partir d'une carte de pression. Pour l'industrie de la manipulation robotique, l'enjeu dépasse la subtilité académique : sans μ, un modèle du monde n'apprend que des corrélations statistiques entre motifs de contact et résultats observés dans ses données d'entraînement, ce qui explique pourquoi ces systèmes échouent souvent à généraliser sur des surfaces ou des objets inédits. Un modèle conditionné sur la friction change de nature, puisqu'il manipule directement la cause physique du glissement plutôt qu'un proxy appris, ce qui intéresse au premier chef les intégrateurs travaillant sur la manipulation en environnement non structuré, de la logistique à l'assemblage fin. Cette proposition s'inscrit dans la course plus large aux modèles du monde généralistes, présentés par une partie du secteur comme la prochaine étape après les architectures vision-langage-action de type Pi-0 ou GR00T N2, censées permettre à un robot de raisonner sur des situations jamais rencontrées plutôt que de mémoriser des tâches. L'argument du papier est en réalité une critique de cette trajectoire : tant que le conditionnement tactile reste incomplet, la promesse de généralisation reste largement théorique pour toute manipulation en contact riche. Les suites concrètes, à savoir une intégration de VμA sur du matériel comme les capteurs Contactile ou des essais chez des intégrateurs industriels, ne sont pas précisées dans le document source.

Recherche❖Paper

1 source

38

845TechNode 

BrainCo dévoile des robots contrôlés par la pensée au WAIC 2026

BrainCo, société de Hangzhou spécialisée dans les interfaces cerveau-machine, a présenté lors du WAIC 2026 (World Artificial Intelligence Conference) une plateforme de contrôle robotique par la pensée. Le système repose sur un casque EEG qui capte les signaux neuronaux de l'utilisateur et les traduit en commandes pour des machines. Selon l'entreprise, cette plateforme peut se connecter à plusieurs types de robots : humanoïdes, bras robotiques et robots-chiens. L'objectif affiché est de convertir des actions imaginées par l'opérateur en mouvements physiques réels, sans passer par une interface manuelle classique. Le communiqué reste toutefois avare en détails techniques précis, aucune précision sur la latence, le taux de reconnaissance des intentions ou le nombre de canaux EEG utilisés n'a été communiquée, ce qui invite à la prudence sur la maturité réelle du système hors démonstration contrôlée. Cette démonstration s'inscrit dans une tendance plus large où les interfaces cerveau-machine sont explorées comme couche de commande complémentaire aux approches vocales ou par téléopération pour les robots humanoïdes. Au-delà du contrôle direct, BrainCo met en avant un second usage : la génération de données d'interaction homme-robot, potentiellement utile pour entraîner des modèles d'intention ou des systèmes de téléopération assistée. Pour les intégrateurs et chercheurs en robotique, l'enjeu réel n'est pas tant le contrôle par la pensée en soi, encore expérimental et lent comparé au teleop classique, que cette collecte de données d'intention comme brique complémentaire aux architectures VLA. BrainCo développe depuis plusieurs années des interfaces cerveau-machine, notamment des prothèses et dispositifs neuroadaptatifs, avant de se positionner sur la robotique humanoïde, un secteur où la Chine multiplie les démonstrations technologiques lors d'événements comme le WAIC. Aucun calendrier de commercialisation ni partenaire industriel n'a été annoncé à ce stade, la présentation relevant pour l'instant de la démonstration de faisabilité plutôt que d'un produit prêt au déploiement.

Chine/Asie⚡Actu

1 source

50

846arXiv cs.RO 

RobustVLA : robustesse d'un modèle vision-langage-action face aux perturbations multimodales

RobustVLA s'attaque à un angle mort des modèles Vision-Language-Action (VLA) : leur fragilité face aux perturbations réelles. Une équipe de recherche a d'abord testé les principaux VLA sous 17 types de perturbations réparties sur quatre modalités (actions, instructions, environnement, observations visuelles). Résultat : les actions constituent la modalité la plus fragile, les modèles réputés robustes visuellement (comme BYOVLA) ne conservent aucun gain sur les autres modalités, et pi0 se distingue par une robustesse supérieure aux autres backbones testés. Pour corriger ces faiblesses, les chercheurs proposent RobustVLA, qui combine une optimisation robuste hors ligne contre le pire cas de bruit sur les actions (via l'objectif de flow matching) et un mécanisme forçant des actions cohérentes malgré les variations d'entrée. La sélection automatique des perturbations les plus nuisibles est traitée comme un problème de bandit multi-bras, résolu par un algorithme d'upper confidence bound. Sur le benchmark LIBERO, RobustVLA gagne 12,6% de réussite absolue sur backbone pi0 et 10,4% sur OpenVLA face aux 17 perturbations combinées, avec une inférence 50,6 fois plus rapide que BYOVLA, qui dépend de LLM externes. Cette avancée touche un point sensible pour l'industrie robotique : la plupart des démonstrations de VLA impressionnent en conditions contrôlées mais s'effondrent face au bruit réel (mauvaise calibration caméra, instructions ambiguës, occlusions, dérive capteurs). En identifiant les actions comme le maillon le plus faible, l'étude remet en question l'hypothèse répandue selon laquelle la robustesse visuelle suffirait à garantir un déploiement fiable. Sur robot réel FR5, RobustVLA dépasse pi0 de 65,6% de taux de réussite avec seulement 25 démonstrations, un résultat clé pour les intégrateurs qui manquent de données d'entraînement en environnement industriel. Même avec des données abondantes, le gain reste de 30%, ce qui suggère que la méthode n'est pas qu'un palliatif pour le few-shot mais une amélioration structurelle. Le papier s'inscrit dans la lignée des travaux récents sur pi0 (Physical Intelligence) et OpenVLA, deux architectures de référence dans la course aux modèles génériques de manipulation robotique. Il répond directement aux limites de BYOVLA, une approche antérieure de robustesse visuelle jugée coûteuse en calcul car dépendante de LLM externes. Les auteurs positionnent RobustVLA comme une alternative légère et généralisable, testée à la fois en simulation (LIBERO) et en conditions réelles. Le code et des vidéos de démonstration sont disponibles sur GitHub, ce qui permettra une validation indépendante par la communauté avant une adoption plus large en environnement industriel.

Recherche❖Paper

1 source

46

847arXiv cs.RO 

RoboHarness : orchestration mémoire de politiques robotiques hétérogènes pour la planification à long terme

Le laboratoire à l'origine de RoboHarness propose un framework unifié qui encapsule des systèmes de contrôle robotique développés indépendamment, qu'il s'agisse de modèles VLA (vision-langage-action), de politiques d'apprentissage par renforcement (RL) ou de planificateurs tâche-et-mouvement (TAMP), sous forme de compétences agentiques réutilisables. L'idée centrale est d'orchestrer ces politiques hétérogènes sans les ré-entraîner conjointement, via une mémoire d'exécution multimodale et des preuves collectées en ligne qui cartographient les limites de capacité de chaque politique. Un composant appelé Memory Bridge récupère les trajectoires d'exécution associées à la politique suivante, estime sa région de distribution "in-distribution", puis guide le robot vers cette zone pour stabiliser les transitions entre politiques. Le système a été testé sur trois benchmarks publics, 500 tâches personnalisées et 135 expériences sur robot réel, avec des gains significatifs en planification zero-shot sur des horizons longs et en robustesse hors distribution. Le problème que RoboHarness cherche à résoudre est structurel pour l'industrie robotique: aucune politique unique, aussi performante soit-elle sur son benchmark d'origine, ne couvre l'ensemble des capacités nécessaires à une tâche longue et complexe. Les méthodes de planification existantes reposent sur des compétences homogènes et prédéfinies, avec une applicabilité fixe, ce qui limite leur capacité à combiner des modèles VLA génériques avec des politiques RL spécialisées ou des planificateurs TAMP plus rigoureux. En proposant un routage conscient des capacités et une décomposition dynamique des tâches, ce travail répond directement à une hypothèse contestée du secteur: qu'un seul modèle généraliste suffirait à couvrir la diversité des tâches robotiques. Pour les intégrateurs et les équipes R&D, cela ouvre la voie à des architectures modulaires où plusieurs politiques spécialisées, potentiellement issues de fournisseurs différents, cohabitent sans réentraînement coûteux. Ce travail s'inscrit dans un contexte de recherche académique, publié sur arXiv fin juillet 2026, plutôt que dans une annonce produit commerciale. Il rejoint un courant de recherche actif sur l'orchestration de politiques robotiques multiples, alors que le secteur voit se multiplier des modèles VLA à vocation généraliste censés unifier perception et action en un seul réseau. RoboHarness prend le contre-pied de cette tendance en misant sur la composition de systèmes hétérogènes plutôt que sur un modèle monolithique unique, un pari qui reste à valider au-delà des benchmarks académiques et des essais en laboratoire, notamment sur la robustesse en conditions industrielles réelles et à plus grande échelle.

Recherche❖Paper

1 source

45

848arXiv cs.RO 

Le Fil selon un robot social : enrichir le dialogue humain-robot avec des modèles vision-langage

Selon un article publié sur arXiv (2607.16318v1, juillet 2026), une équipe de recherche a testé l'intégration d'un modèle de langage visuel (VLM) sur un robot social Pepper, produit historiquement développé par Aldebaran puis SoftBank Robotics. Le système combine un modèle de langage de Mistral AI avec des capacités de perception visuelle, permettant au robot d'observer non seulement les paroles de son interlocuteur mais aussi son comportement et le contexte de la scène pendant un dialogue humain-robot. Les chercheurs ont mesuré l'impact de cet ajout d'information visuelle sur le temps de réponse du robot, en comparant plusieurs configurations de modèles. Résultat principal: l'ajout du contexte visuel n'augmente que modérément la latence de réponse, tout en enrichissant significativement la compréhension de la situation par le robot, notamment sur les éléments non verbaux de l'échange. Cette expérimentation touche à un problème central pour les robots sociaux déployés en environnement réel, à l'accueil, en médiation ou en assistance: comprendre les codes sociaux implicites sans que l'utilisateur ait à tout formuler explicitement. C'est aussi un signal pour les intégrateurs et décideurs européens: le choix d'un modèle Mistral AI, hébergé en Europe, permet de respecter le RGPD sans dépendre de fournisseurs américains ou chinois, un argument de poids pour des déploiements dans des administrations, hôpitaux ou établissements publics soumis à des contraintes réglementaires strictes. L'étude reste toutefois à un stade préliminaire, avec un nombre limité d'interactions testées, loin d'une validation à grande échelle. Le choix de Pepper, robot social lancé il y a plus d'une décennie et longtemps utilisé dans la recherche en interaction humain-robot, s'inscrit dans la continuité des travaux sur l'intelligence conversationnelle embarquée. Face à des architectures VLA plus orientées manipulation physique comme GR00T N2 ou Helix, cette approche cible spécifiquement le dialogue social et la compréhension contextuelle plutôt que l'action motrice. Le recours à Mistral AI illustre aussi la montée en puissance d'une offre souveraine européenne en IA, alternative crédible à OpenAI ou Google dans des cas d'usage sensibles aux données. Les auteurs annoncent vouloir approfondir ces travaux avec des scénarios d'interaction plus complexes.

FR/EU ecosysteme❖Paper

1 source

44

849arXiv cs.RO 

Musée : étude sur l'acceptation du robot Android Andrea, avec et sans simulation d'émotions

Pendant six jours consécutifs, le robot androïde Andrea a de nouveau été installé dans un musée public en Allemagne pour converser en autonomie complète avec les visiteurs, une deuxième expérience après un premier déploiement qui avait déjà livré des résultats qualitatifs. Cette fois, le robot disposait d'informations contextuelles sur le musée et les expositions environnantes, et pouvait échanger en plusieurs langues avec le public. Sa voix, légèrement synthétique, avait été jugée cohérente avec son apparence très humaine et son genre volontairement ambigu. Trois conditions expérimentales ont été comparées: aucune simulation d'émotion, une émotion pilotée par ChatGPT 4.1, ou l'architecture WASABI dédiée à la dynamique émotionnelle des robots. Au total, 73 visiteurs ont rempli une version étendue du questionnaire TAM2 pour évaluer leur expérience avec Andrea. Les résultats montrent que ni l'émotion générée par ChatGPT 4.1 ni celle simulée par WASABI n'ont amélioré l'acceptation du robot par rapport à l'absence totale de simulation émotionnelle, et ces différences sont restées indétectables consciemment par les visiteurs. Ce constat va à l'encontre d'une hypothèse répandue en interaction homme-robot: que doter un androïde d'émotions simulées, y compris via un grand modèle de langage généraliste, renforce automatiquement la confiance et l'engagement des utilisateurs. Pour les concepteurs de robots sociaux destinés aux espaces publics, musées, accueil ou commerce, le signal est net: brancher un LLM conversationnel sur un moteur d'émotions ne suffit pas à produire un bénéfice perceptible, et l'architecture spécialisée WASABI n'a pas fait mieux dans ce contexte précis. Andrea appartient à la famille des androïdes hyperréalistes utilisés en recherche HRI pour étudier l'acceptation sociale des robots humanoïdes en conditions réelles, hors laboratoire. Ce déploiement fait suite à une première étude qualitative menée dans le même musée, dont les enseignements ont orienté cette nouvelle expérimentation quantitative testant trois architectures émotionnelles distinctes sur un échantillon de visiteurs réels. Les auteurs suggèrent que ces résultats négatifs invitent à revoir soit la conception des architectures émotionnelles évaluées, soit les métriques utilisées pour en mesurer l'effet, avant d'envisager de nouvelles itérations avec Andrea ou des androïdes comparables dans des environnements publics.

Recherche❖Paper

1 source

44

850arXiv cs.RO 

Reasoning à double tranchant : architecture et robustesse inter-étapes des modèles vision-langage-action

Voici l'article traduit et résumé. Une équipe de recherche publie sur arXiv (arXiv:2607.17786, 24 juillet 2026) une étude testant si le raisonnement améliore la robustesse des modèles Vision-Language-Action (VLA) face aux perturbations. Trois architectures couvrant le spectre du raisonnement ont été comparées : un modèle sans raisonnement, un modèle à chaîne de raisonnement textuelle (chain-of-thought), et un modèle à boucle itérative latente. Chaque architecture a été soumise à des perturbations aux étages vision, raisonnement et action, sur deux bancs d'essai standards de la robotique manipulatrice, LIBERO et SimplerEnv. Résultat central : le modèle à raisonnement latent itératif s'effondre en taux de réussite sous bruit stochastique comme sous attaque adversariale en boîte blanche, alors que les deux autres architectures tiennent. Les chercheurs montrent que cette fragilité est structurelle et non cumulative, puisque faire varier la profondeur de raisonnement à l'inférence ne change presque rien au problème. Ils testent également des sondes de sécurité censées lire le raisonnement en temps réel pour détecter une anomalie : une sonde de cohérence plan-action, qui semblait quasi parfaite sous évaluation naïve, retombe au niveau du hasard sous attaque adaptative. Ce résultat va à contre-courant d'une hypothèse répandue dans la robotique embarquée par IA, à savoir que faire "réfléchir" un modèle avant d'agir le rend mécaniquement plus fiable face à des entrées bruitées ou adverses, comme un capteur dégradé ou une caméra masquée sur un robot humanoïde ou un AMR en usine. Pour les intégrateurs et décideurs B2B qui évaluent des architectures de type Pi-0, GR00T N2 ou Helix pour du déploiement industriel, l'étude suggère que le choix d'un module de raisonnement latent, souvent présenté comme plus performant sur les tâches complexes, peut introduire un point de défaillance critique en environnement réel non contrôlé. Elle contredit aussi l'idée que le monitoring du raisonnement interne suffirait à sécuriser ces systèmes : les auteurs montrent que combiner une sonde de cohérence avec une sonde d'anomalie sur l'action, même calibrée à taux de fausses alertes constant, ne permet jamais de dépasser les performances d'un système non défendu. Cette publication s'inscrit dans un courant de recherche en sécurité IA appliquée à la robotique qui cherche à quantifier le "reality gap" entre démonstrations et déploiements réels des modèles VLA, une question centrale alors que des acteurs comme Figure, Physical Intelligence ou NVIDIA multiplient les annonces de modèles généralistes pour bras robotiques et humanoïdes. Les auteurs cadrent explicitement leurs résultats comme un préalable : toute défense crédible contre les perturbations en boîte blanche à l'étage vision devra d'abord franchir ce plafond de performance avant de prétendre sécuriser des déploiements réels, ce qui laisse ouverte la question des architectures et protocoles de test à concevoir pour la suite.

Recherche❖Paper

1 source