Actualités robotique — page 19

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

40

901arXiv cs.RO 

RoboMonitor : surveillance efficace en étiquettes de l'exécution des tâches robotiques par apprentissage prédictif de représentations

Un article publié le 28 septembre 2026 sur arXiv présente RoboMonitor, un moniteur d'exécution vision-langage pour robots manipulateurs, pré-entraîné sur 25 heures de trajectoires multi-caméras couvrant 12 tâches et deux embodiments, par prédiction de caractéristiques futures conditionnée par l'action, dynamique inverse et prédiction du présent masqué. Ses encodeurs sont transférés vers un moniteur causal affiné par la méthode Temporal SFT, combinant supervision continue et cohérence entre fenêtres d'observation chevauchantes ; déployé, le système ne requiert que l'instruction de tâche et le flux caméra. Avec seulement 52 épisodes annotés, il atteint 93,1% de précision moyenne de phase et 85,9% de rappel macro sur quatre tâches, devançant Qwen3-VL et Robometer même entraînés avec 100 épisodes, et réduit les changements de phase erronés de 15,23% à 4,95%. En boucle fermée, il réussit 39 essais sur 40 en tri d'outils simulé et 35 sur 40 en conditionnement de bobines réel, sans fausse alerte. Les politiques robotiques de type VLA produisent des actions mais ne disent rien sur la progression réelle d'une tâche ni sur un échec en cours, et annoter précisément phases, échecs et fins de tâche reste rare dans les jeux de données déjà collectés. En montrant qu'un pré-entraînement auto-supervisé sur ces mêmes données permet de diviser par deux le nombre d'épisodes annotés tout en dépassant des modèles mieux supervisés, RoboMonitor s'attaque au goulot d'étranglement de l'annotation qui freine le déploiement de couches de sécurité sur des flottes pilotées par des modèles fondation. Pour les intégrateurs industriels, cela suggère que la détection de défaillance redevient un problème d'ingénierie tractable, même si l'écart entre 97,5% de réussite en simulation et 87,5% en conditions réelles montre une marge de progression. RoboMonitor se compare à Qwen3-VL, modèle vision-langage généraliste, et à Robometer, moniteur d'exécution existant, qu'il dépasse à supervision égale ou renforcée. Il s'inscrit dans la vague des politiques génériques vision-langage-action cherchant à généraliser au-delà d'une tâche unique, où fiabilité et détection d'échec deviennent centrales à mesure que ces modèles sortent du stade de la démonstration. Il s'agit pour l'instant d'un préprint de recherche, validé en simulation et sur des essais réels limités, sans robot commercial, partenaire industriel nommé ni calendrier de déploiement annoncés.

Recherche❖Paper

1 source

40

902arXiv cs.RO 

Générer, suivre, améliorer : locomotion humanoïde multi-compétences perceptive via générateurs de mouvement affinés par apprentissage par renforcement

Une équipe de recherche a publié le 28 septembre sur arXiv (référence 2609.31577) une architecture de locomotion en deux couches pour robots humanoïdes, baptisée "Generate, Track, Improve", testée sur un Unitree G1. Le système associe un générateur de mouvement par flow matching, qui planifie des trajectoires corps entier à partir d'images de profondeur brutes, à une politique de suivi entraînée par apprentissage par renforcement guidé par le contrôle. Les deux modules s'appuient sur une bibliothèque de clips de mouvement dérivés de données humaines optimisées dynamiquement pour rester cohérents avec le terrain. La contribution centrale est une boucle de réglage fin par RL hors politique (off-policy), combinant recherche structurée et régression pondérée par l'avantage, présentée comme plus économe en données qu'un réglage résiduel classique en politique (on-policy). Les auteurs annoncent une hausse allant jusqu'à 25 points de pourcentage des franchissements de terrain réussis et jusqu'à 80 points pour la sélection de compétence. Avec deux caméras de profondeur seulement, sans odométrie ni carte de hauteur, une seule paire de politiques permet au G1 de marcher, courir, sauter sur des caisses et gravir des escaliers en extérieur, en adaptant sa vitesse au relief perçu à distance. Pour l'industrie robotique, ce travail cible deux limites connues des humanoïdes actuels: la dépendance à des cartes de terrain préconstruites ou à une odométrie précise, et l'écart persistant entre démonstrations en simulation et robustesse réelle. En montrant qu'une seule paire de politiques suffit à enchaîner plusieurs compétences en extérieur à partir de vision brute, l'étude conforte l'idée que des architectures de type génération de mouvement plus suivi, dans l'esprit des modèles VLA employés en manipulation comme Pi-0 ou GR00T N2, peuvent s'étendre à la locomotion perceptive multi-compétences. C'est un signal utile pour les intégrateurs cherchant des contrôleurs capables de généraliser à des géométries de terrain inédites sans recalibration lourde, condition pour des usages en logistique extérieure, chantier ou inspection. Il s'agit toutefois de résultats de recherche publiés sur arXiv, mesurés sur les benchmarks propres des auteurs, et non d'un produit commercialisé ni d'un déploiement en flotte. Le choix du Unitree G1 comme plateforme d'essai confirme son rôle de banc de test de référence pour la recherche académique en locomotion humanoïde, aux côtés d'autres travaux sur le contrôle par renforcement et les modèles génératifs de mouvement. L'approche se positionne explicitement contre le fine-tuning résiduel on-policy, jugé plus coûteux en échantillons, en proposant une alternative off-policy plus sobre en calcul. Aucun acteur français ou européen n'apparaît dans cette publication, qui reste à ce stade un article de recherche accompagné d'une page projet, sans calendrier de transfert vers un produit ni pilote industriel annoncé. La suite logique, non confirmée par les auteurs, consisterait à valider l'architecture sur d'autres plateformes humanoïdes ou à l'associer à des tâches de manipulation pour former une pile complète perception-locomotion-manipulation.

Recherche❖Paper

1 source

40

903arXiv cs.RO 

Kintsugi-VLA : transformer les essais robotiques échoués en données de récupération interventionnelle

Publiée en septembre 2026 sur arXiv (2609.31048), Kintsugi-VLA est une méthode qui récupère les trajectoires ratées de l'entraînement en simulation des politiques Vision-Language-Action (VLA), habituellement jetées alors qu'elles montrent justement les états d'échec à partir desquels apprendre à se rétablir. La méthode restaure l'état exact du simulateur après un échec, puis teste plusieurs continuations par Monte-Carlo adaptatif avec intervalles de Wilson pour mesurer la « récupérabilité interventionnelle », la probabilité d'achever la tâche depuis cet état, ce qui permet de cibler les meilleurs points de redémarrage. Sur une tâche de manipulation simulée avec un bras Franka et le modèle SmolVLA, cette sélection porte le taux de réussite en récupération à 34,6% et 38,4% selon la métrique retenue, contre un échantillonnage uniforme inférieur de 5,8 à 6,7 points, tandis que le taux de réussite sur tâche propre recule légèrement de 76,8% à 74,7%. Ce travail cible un angle mort des pipelines d'apprentissage par imitation en simulation : la donnée de récupération après échec est rare et coûteuse à collecter en téléopération réelle, alors qu'elle conditionne la robustesse des politiques VLA une fois sorties du couloir de démonstration. En transformant des rollouts jusqu'ici jetés en données structurées de récupération, la méthode ouvre une piste concrète pour réduire l'écart entre simulation et déploiement réel, un enjeu central pour tout intégrateur envisageant des VLA sur des tâches de manipulation industrielle. Les gains restent toutefois modestes, quelques points de pourcentage, et la légère baisse de performance sur tâche propre confirme un compromis entre robustesse aux échecs et performance nominale. Cette recherche s'inscrit dans la vague des modèles Vision-Language-Action portée par Pi-0 de Physical Intelligence, GR00T N2 de Nvidia, Helix de Figure AI, ou SmolVLA, le modèle compact et ouvert de Hugging Face utilisé ici comme politique de référence. Ces architectures cherchent à généraliser l'apprentissage robotique à partir de grands volumes de démonstrations mais butent sur la rareté des données d'échec. Publiée en pré-print sans validation sur robot réel ni annonce de partenariat industriel, Kintsugi-VLA reste à ce stade une contribution académique dont la généralisation au-delà de la tâche Franka testée reste à démontrer.

Recherche❖Paper

1 source

40

904arXiv cs.RO 

MR. POP : planificateur parallèle d'optimisation multi-robots, presque sûrement asymptotiquement optimal

Un article publié sur arXiv (arXiv:2609.30644v1) présente MR. POP (Multi-Robot Parallel Optimizing Planner), un planificateur de trajectoires pour systèmes multi-robots qui s'exécute sur GPU plutôt que sur CPU. L'algorithme combine dRRT (une variante discrète de Rapidly-exploring Random Trees) et le méta-algorithme AO-x, et exploite le parallélisme SIMT des GPU pour lancer simultanément des centaines d'itérations de construction de feuille de route et de recherche arborescente, avec des opérations de recherche de plus proches voisins et de détection de collision elles aussi parallélisées. Les auteurs rapportent que MR. POP est le seul planificateur testé à atteindre un taux de résolution de 100% tout en étant plus rapide que les meilleurs planificateurs dits "presque sûrement asymptotiquement optimaux" (a.s.a.o.) existants, sur des systèmes multi-robots allant jusqu'à 35 degrés de liberté combinés. L'algorithme améliore aussi fortement les optimiseurs de mouvement placés en aval de la chaîne de planification, en faisant grimper leur taux de succès de 4% à 72% grâce à des trajectoires de départ ("seeds") plus nombreuses et plus diverses, ce qui limite les blocages dans des minima locaux. Ce résultat s'adresse directement aux intégrateurs manipulant plusieurs bras robotiques ou robots mobiles autonomes (AMR) dans un espace de travail partagé, un scénario courant en logistique et en usine où la coordination sans collision devient combinatoirement difficile dès que le nombre de robots et leurs degrés de liberté augmentent. Jusqu'ici, la parallélisation CPU des planificateurs a.s.a.o. permettait de conserver les garanties de convergence probabiliste sans pour autant passer à l'échelle sur des flottes multi-robots complexes. En déplaçant le calcul intensif vers le GPU, ce travail suggère qu'un goulot d'étranglement connu du secteur, à savoir la difficulté de planifier des mouvements optimaux et garantis pour de nombreux robots à haut DOF en temps raisonnable, peut être en partie levé, et que la qualité des solutions initiales fournies aux optimiseurs de mouvement compte autant que la puissance de calcul brute. MR. POP s'inscrit dans la lignée des planificateurs a.s.a.o. de type RRT/PRM, dont dRRT est l'adaptation aux problèmes multi-robots, et du méta-algorithme AO-x conçu pour raffiner une solution de façon anytime jusqu'à l'optimalité. Le texte, publié sous forme de prépublication arXiv sans affiliation ni date de conférence précisée dans le résumé, reste à ce stade une contribution de recherche et non un produit ou un service commercialisé: aucune intégration industrielle, aucun partenariat ni calendrier de déploiement n'est mentionné. La suite logique pour ce type de travaux est généralement une intégration dans des bibliothèques de planification de mouvement existantes puis une validation sur des plateformes robotiques réelles, étapes qui restent à documenter par les auteurs.

Recherche❖Paper

1 source

40

905arXiv cs.RO 

Diffusion socialement guidée pour une navigation robotique pilotable et ancrée dans les normes sociales : SoGuDiff

Une équipe de recherche publie SoGuDiff (Socially Guided Diffusion), un cadre de navigation robotique fondé sur un modèle de diffusion, dans une prépublication arXiv (2609.30560v1, catégorie "new"). Le système permet de régler à l'exécution le style social d'un robot mobile : distance de passage, côté privilégié pour contourner un obstacle, degré de déférence envers un groupe de personnes. Contrairement aux politiques classiques, entraînées par apprentissage par renforcement sur une récompense fixe ou par imitation de démonstrations humaines, qui figent un comportement unique sans réglage possible, SoGuDiff définit des axes de style continus, utilisables seuls ou combinés, plutôt qu'un catalogue de comportements discrets prédéfinis. Une couche de projection de faisabilité sépare ce comportement social appris des contraintes cinématiques et de l'évitement de collision. Les auteurs montrent qu'un balayage sur un seul axe de style produit une courbe de compromis qui domine strictement les configurations de référence à comportement fixe testées, et que les différences de style se retrouvent dans des démonstrations réelles ; aucune plateforme commerciale, entreprise ni volume de déploiement n'est cité, il s'agit d'une contribution méthodologique et non d'un produit livré. Pour les intégrateurs de robots mobiles autonomes et de service évoluant en environnements partagés avec des humains, l'absence d'interface de réglage du comportement social est une limite connue : chaque site, culture ou réglementation impose ses propres conventions de distance et de priorité de passage, qu'une politique figée gère mal. Pouvoir ajuster ce comportement via des paramètres continus au déploiement, sans ré-entraînement ni choix parmi des comportements discrets prédéfinis, simplifierait l'adaptation d'une même flotte à plusieurs sites. La validation reste toutefois limitée à un seul axe de style balayé et à des références "comportement fixe" définies par les auteurs eux-mêmes, sans comparaison à un système commercial existant ni test à grande échelle : le résultat démontré est une courbe de compromis en banc d'essai, pas un déploiement en flotte. Le travail prolonge des recherches antérieures sur les modèles de diffusion appliqués à la planification de trajectoire, une approche qui a gagné du terrain depuis 2023 pour sa capacité à représenter des comportements multimodaux, à la différence des politiques par renforcement ou par imitation classiques qui convergent vers un comportement moyen unique. L'abstract ne cite aucun concurrent ni acteur industriel, américain ou européen, ni aucun des acteurs FR/EU du secteur AMR comme Wandercraft ou Exotec, le travail relevant de la recherche académique plutôt que d'un produit commercial. Aucun calendrier de pilote ni prochaine étape n'est annoncé : il s'agit pour l'instant d'une simple prépublication, dont la portée pratique dépendra de validations futures sur du matériel varié et à plus grande échelle.

Recherche❖Paper

1 source

40

906arXiv cs.RO 

Apprentissage de la traversée agile d'ouvertures par vision : simulation différentiable avec critique pré-entraîné

Un article publié fin septembre 2026 sur arXiv (2609.30696) décrit un cadre d'apprentissage par renforcement en deux étapes pour des drones quadrirotors traversant des ouvertures étroites à partir de simples caméras embarquées. La méthode combine des gradients de politique quasi analytiques (QPG), calculés par simulation différentiable, et un démarrage à chaud du critique, plutôt que le clonage comportemental ou la rétropropagation complète dans le temps. En première phase, un acteur et un critique sont entraînés avec la géométrie de l'ouverture, sans réinitialiser le drone le long de trajectoires de référence. En seconde phase, une politique visuelle apprend à partir de masques binaires générés par deux caméras égocentriques, avec un critique hérité de la première phase. Des essais réels montrent une traversée robuste et une généralisation à des formes d'ouvertures inédites. Pour le secteur des drones autonomes, l'intérêt tient à l'efficacité d'entraînement revendiquée plutôt qu'à la démonstration : en évitant de rétropropager le gradient à travers le rendu visuel, le QPG réduirait le coût mémoire et de calcul tout en améliorant l'efficacité d'échantillonnage, comparé au BPTT complet ou à un critique initialisé à froid. Les auteurs indiquent que l'acteur expert n'a pas besoin d'être réentraîné quand les paramètres du système changent, ce qui faciliterait le transfert d'une politique visuelle entre plateformes de drones, contrairement aux méthodes concurrentes fondées sur la supervision par action. Cela répond à une limite connue du vol autonome basé vision : le fossé entre performance simulée et robustesse réelle face à des obstacles inédits. Ce travail s'inscrit dans la lignée des recherches récentes combinant simulation différentiable et apprentissage par renforcement pour le contrôle de drones, un domaine où la rétropropagation à travers un moteur de rendu visuel reste un goulot d'étranglement de calcul majeur. Les auteurs positionnent leur cadre face aux méthodes existantes de traversée de gaps fondées sur la supervision par action, jugées moins généralisables d'une plateforme à une autre. Ils présentent leur approche en deux étapes comme générique, transposable à d'autres tâches d'apprentissage visuomoteur en robotique, sans annoncer de calendrier de déploiement industriel ni de partenariat commercial : il s'agit d'une contribution de recherche académique et non d'un produit ou pilote commercial.

Recherche❖Paper

1 source

40

907arXiv cs.RO 

Localisation Monte Carlo par transformeur dans des maillages de construction

Une équipe de recherche présente, dans un article publie sur arXiv (2609.31357v1), un système de relocalisation globale par LiDAR destine aux robots mobiles opérant sur des chantiers de construction. La méthode estime la pose du robot par rapport a un maillage 3D du bâtiment en combinant un encodeur PointNet++ avec un décodeur de reconnaissance de lieux, dont les sorties alimentent un modèle d'observation appris intègre dans un cadre de localisation Monte Carlo (MCL). Particularite du pipeline : il est entraine exclusivement sur des scans LiDAR synthétiques, générés en simulant les capteurs du robot directement dans le maillage du bâtiment, sans collecte de données réelles pour l'entrainement. Un décodeur sensible a l'incertitude ajuste les vraisemblances positionnelles, et une stratégie de reechantillonnage injecte des hypothèses issues du modèle dans l'ensemble de particules pour permettre une récupération en cas d'appauvrissement du filtre particulaire. Sur des jeux de données réels, le système surpasse des références basées sur la diffusion et sur ScanContext++, tout en conservant une inférence rapide de 18 millisecondes par appel. L'enjeu vise un point faible connu des méthodes de localisation LiDAR et vision existantes : les chantiers présentent souvent des agencements de pièces très similaires et des surfaces peu texturées, deux conditions qui font échouer les approches classiques de mise en correspondance. Pour les intégrateurs de robotique de chantier, qui cherchent a automatiser des taches d'inspection ou de numérisation en s'appuyant sur des maquettes numériques de bâtiment déjà existantes, disposer d'une relocalisation fiable sans avoir a collecter et annoter des données réelles spécifiques a chaque site représente un gain opérationnel notable. Le résultat appuie l'hypothèse, déjà testée dans d'autres sous-domaines de la robotique, qu'un entrainement purement synthétique peut suffire a produire un modèle généralisant sur des scans LiDAR réels, ce qui réduit le cout de déploiement site par site. Il s'agit toutefois d'un travail de recherche publie en preprint, évalué sur des jeux de données choisis par les auteurs, et non d'un produit commercial déployé a grande échelle. Le problème adresse s'inscrit dans le champ plus large de la localisation robotique référencée sur maquette numérique (BIM), un axe de recherche actif a mesure que les chantiers numérisent leurs plans en maillages 3D exploitables par des robots d'inspection ou de suivi d'avancement. L'article positionne explicitement sa méthode face a deux familles d'approches concurrentes déjà documentées, les techniques de reconnaissance de lieux comme ScanContext++ et les méthodes de localisation basées sur des modèles de diffusion, qu'il dit surpasser sur les jeux de données testes. Publie en tant que nouvel article sur arXiv, le travail n'annonce ni partenariat industriel ni calendrier de déploiement pilote : il s'agit d'une contribution académique destinée a être discutée et reproduite par la communauté avant toute intégration éventuelle dans des plateformes robotiques commerciales pour le BTP.

Recherche❖Paper

1 source

40

908arXiv cs.RO 

Auditer avant de s'engager : localiser les défaillances de croyance dans l'identification active pour la manipulation en un seul essai

Un article de recherche publié le 28 septembre 2026 sur arXiv (référence 2609.30608) détaille une méthode d'audit pour les robots qui explorent une surface avant de commettre un geste irréversible, comme tapoter avant d'insérer une pièce. Les auteurs testent leur pipeline « sonder puis commettre » (croyance par particules, score d'échec par scénario, décision unique) sur une tâche d'insertion simulée : multiplier les tapotements affine la croyance, mais la vérité terrain sort du support de cette croyance dans 16,9 % des épisodes, et le score d'échec devient optimiste de 0,31 point. La calibration conforme restaure la couverture statistique mais pas la qualité de la décision : des cas confiants et pourtant faux continuent de franchir le seuil de confiance. Le diagnostic pointe vers le modèle d'observation : un scan de la main révèle une erreur de 2,1 mm dans l'estimation de la limite de contact. Corriger cette seule valeur fait chuter le taux d'échec de 0,354 à 0,112 sur des instances non vues, et le correctif se transfère sans réajustement à un second moteur physique, tandis que sur un troisième moteur l'audit désigne plutôt une erreur dans le modèle d'exécution. L'évaluation couvre sept familles de tâches et trois moteurs de simulation, et se reproduit sur un bras robotique physique insérant un outil dans une cavité rigide par le toucher, avec rejeu des tapotements enregistrés sous erreur de modèle injectée. Ce travail s'attaque à un problème de fiabilité central pour les robots à décision unique et irréversible : savoir quand l'évidence collectée suffit avant un geste qu'on ne peut pas annuler, un enjeu direct pour l'assemblage industriel, l'insertion de connecteurs ou toute manipulation guidée par le toucher. Le résultat clé pour les intégrateurs est que les remèdes habituels, plus de sondes ou une calibration statistique plus rigoureuse, ne suffisent pas : un modèle peut être parfaitement calibré en couverture et rester dangereusement confiant sur les mauvais cas. L'apport pratique tient dans une méthode de diagnostic qui localise la source de l'échec, perception ou exécution, plutôt qu'un simple indicateur global de risque, ce qui permet une correction ciblée et vérifiable plutôt qu'un réentraînement complet du pipeline. Il s'agit d'un preprint académique, sans entreprise identifiée dans le résumé, qui s'inscrit dans le débat plus large sur l'écart entre simulation et réel et sur les limites de la calibration probabiliste en robotique de manipulation. L'outil proposé n'est pas un nouvel algorithme de manipulation mais une couche d'audit destinée à se greffer sur des pipelines existants de type « sonder puis commettre ». Aucun déploiement industriel ni partenariat n'est annoncé : la validation reste circonscrite à des simulations sur trois moteurs physiques et sept familles de tâches, complétées par une seule expérience sur bras robotique réel. Les auteurs mettent à disposition des matériaux complémentaires sur un site dédié, sans calendrier de suite précisé.

Recherche❖Paper

1 source

39

909arXiv cs.RO 

Manipulation aérienne en conditions réelles : perception embarquée, apprentissage de politiques et contrôle du corps entier

Des chercheurs présentent, dans un article publié sur arXiv (référence 2609.30521, mis en ligne le 28 septembre 2026), un système de manipulation aérienne en extérieur combinant apprentissage par imitation, estimation d'état embarquée et commande prédictive corps entier. Une Diffusion Policy, entraînée à partir de démonstrations, génère les trajectoires souhaitées de l'effecteur terminal à partir des seules observations embarquées, que traduit ensuite un contrôleur MPC "whole-body" coordonnant conjointement la plateforme volante et le bras manipulateur. Pour s'affranchir des systèmes de capture de mouvement externes habituellement requis en intérieur, la localisation repose uniquement sur une odométrie LiDAR-inertielle embarquée. Le framework a été validé sur un manipulateur aérien physique, avec exécution réussie de tâches de manipulation en extérieur, en conditions non contrôlées. Cette démonstration s'attaque à un verrou classique: la plupart des systèmes de manipulation par drone publiés jusqu'ici dépendent de salles équipées de capture de mouvement (type Vicon ou OptiTrack), ce qui cantonne les résultats au laboratoire et limite leur pertinence pour l'inspection d'infrastructures, la maintenance en hauteur ou la préhension en extérieur. En couplant une politique apprise par imitation, dans l'esprit des approches VLA qui gagnent du terrain côté robots terrestres et humanoïdes, à une commande MPC robuste aux perturbations externes comme le vent, les auteurs apportent un indice supplémentaire que l'apprentissage par démonstration peut sortir du cadre contrôlé sans sacrifier la stabilité de vol. Pour les intégrateurs qui envisagent des drones manipulateurs industriels, le travail reste toutefois un prototype de recherche validé sur un nombre limité de tâches, pas un produit commercial. La manipulation aérienne est un champ de recherche actif depuis plusieurs années, mais la quasi-totalité des démonstrations publiées restait jusqu'ici confinée à des environnements intérieurs instrumentés. L'article s'inscrit dans une tendance plus large de transfert des politiques apprises par imitation, popularisées sur des bras fixes et des humanoïdes terrestres, vers des plateformes aériennes mobiles, où l'absence d'infrastructure de localisation et les perturbations externes compliquent fortement le problème. Aucune date de déploiement industriel ni partenariat commercial n'est mentionné: il s'agit d'un travail académique dont les auteurs indiquent vouloir étendre, à l'avenir, le nombre et la diversité des tâches testées en conditions réelles extérieures.

Recherche❖Paper

1 source

39

910arXiv cs.RO 

Second port de couple pour actionneurs élastiques en série : conception parallèle et répartition temporelle du couple

Une équipe de recherche a publié fin septembre 2026 sur arXiv (référence 2609.30873) une nouvelle architecture d'actionneur élastique en série, baptisée Pi-SEA, pour "parallel-integrated SEA". Le problème visé : un SEA classique ne dispose que d'un seul port de couple, si bien que toute commande doit transiter par le moteur à réducteur et son ressort. L'amplitude délivrée s'effondre alors en ω⁻² de la fréquence de commande une fois le système saturé, et les commandes situées sous le seuil de frottement de rupture de la transmission n'atteignent tout simplement jamais la charge. Le Pi-SEA ajoute un second port de couple côté charge : un micro-moteur à entraînement direct sans carcasse, monté en parallèle d'un ressort à raideur fixe, dont le couple délivré se déduit de la déflexion du ressort et du courant moteur, sans capteur de couple dédié. La répartition de la commande entre les deux canaux repose sur une séparation d'échelles de temps plutôt que sur un filtrage fréquentiel, complétée par un intégrateur "mid-ranging" à fuite et une règle de dimensionnement en forme close reliant ressort, moteur à réducteur et micro-moteur aux amplitudes et fréquences visées. Comparés à un SEA classique, les auteurs annoncent un élargissement de la bande suivie aux petites amplitudes et une réduction du résidu d'impédance transmis à l'environnement, chacun d'un ordre de grandeur. Ce type de gain intéresse directement la robotique de contact : bras collaboratifs, exosquelettes, robots à pattes et humanoïdes s'appuient sur les SEA pour combiner rigidité de commande et sécurité par compliance, mais souffrent précisément de cette perte de précision aux basses amplitudes due à l'inertie réfléchie du réducteur. Une allocation de couple par séparation temporelle plutôt que par filtre finement réglé pourrait intéresser les intégrateurs cherchant à affiner leurs actionneurs sans changer de topologie de capteurs. Il s'agit néanmoins d'un résultat de recherche publié sous forme de lettre scientifique, pas d'un produit commercialisé ni testé sur un robot en conditions réelles : les ordres de grandeur annoncés restent à confirmer hors laboratoire. Le SEA, popularisé dans les années 1990 pour doter les robots d'une compliance mécanique intrinsèque, reste une brique de base de la robotique de contact, des plateformes de manipulation aux exosquelettes et robots à pattes. Le compromis qu'il impose entre rigidité de suivi et sécurité par compliance avait déjà motivé des variantes comme les actionneurs élastiques parallèles à plusieurs ressorts, sans lever le verrou de bande passante identifié ici. En ajoutant un second port de couple actif plutôt qu'un second ressort, le Pi-SEA se positionne comme une architecture hybride. Publié en preprint sans affiliation institutionnelle ni calendrier de prototype précisés, l'article n'annonce à ce stade aucune suite vers une intégration sur une plateforme robotique commerciale.

Recherche❖Paper

1 source

39

911arXiv cs.RO 

CognitiveReality : cartographie gaussienne sémantique agnostique au robot avec un agent LLM pour la téléopération VR collaborative immersive

CognitiveReality, décrit dans un article publié sur arXiv (2609.31418v1), transforme le flux RGB-D d'un robot en une carte 3D sémantique vivante, combinant Gaussian splatting et TSDF, partagée entre un opérateur en réalité virtuelle et un agent logiciel basé sur un grand modèle de langage. Un seul binaire de cartographie s'adapte par configuration à toute plateforme et compense les pertes de localisation SLAM via un tracker de secours. Un modèle Qwen3-VL-8B exécuté en local atteint 81,24 % de précision dans le choix des outils et corrige 101 identifiants d'objets fusionnés. Sur données réelles, le système dépasse une base Gaussian+SDF de 2 à 8 dB, avec une erreur de pose limitée à 1-8 cm lors de coupures SLAM de 5 à 40 secondes. Testé sur deux robots quadrupèdes, il a réussi 26 des 30 demandes de navigation et 20 des 20 demandes de ré-observation. Le système répond à un problème concret de la téléopération VR : une reconstruction 3D photoréaliste montre où se trouve un robot, pas ce qu'il y a dans la scène ni comment traduire un geste ou une instruction vocale en action. En rendant la cartographie agnostique au robot via un binaire unique configurable, l'approche vise les intégrateurs gérant des flottes hétérogènes sans développement dédié par plateforme. Le recours à un modèle vision-langage léger tournant en local plutôt qu'en cloud répond aux contraintes de latence et de confidentialité industrielles. L'évaluation reste néanmoins modeste, 30 requêtes de navigation et 20 de ré-observation sur deux robots, relevant plutôt d'une preuve de concept que d'une validation industrielle à grande échelle. L'architecture se distingue des systèmes misant sur une autonomie de bout en bout pilotée par des modèles vision-langage-action : l'humain reste dans la boucle via son casque VR, l'agent se limitant à interpréter la scène et à proposer des actions que l'opérateur valide avant exécution. Publié comme article de recherche sur arXiv, sans entreprise ni laboratoire nommé, CognitiveReality relève pour l'instant de la recherche académique plutôt que d'un produit prêt au déploiement, sans calendrier commercial annoncé. Les suites logiques consisteraient à étendre les essais au-delà des deux quadrupèdes testés et à élargir l'échantillon de requêtes pour confirmer ces résultats.

Recherche❖Paper

1 source

39

912arXiv cs.RO 

NAC : un codec neuronal d'actions pour les modèles vision-langage-action

Des chercheurs publient une version mise à jour (v2) du préprint arXiv 2606.21372, intitulé « NAC: Neural Action Codec for Vision-Language-Action Models », qui introduit un nouveau tokenizer d'actions pour les modèles vision-langage-action (VLA). Le NAC reprend l'architecture des codecs audio neuronaux, encodeur-décodeur convolutif à quantification vectorielle résiduelle (RVQGAN) utilisée dans les modèles de fondation audio, en traitant les courtes trajectoires d'actions robotiques comme des signaux 1D multicanaux compressés à plusieurs échelles. Le système produit un espace de tokens compact et ordonné via des codebooks décalés, ce qui permet à des politiques autorégressives standard de fonctionner sur des séquences courtes et structurées ; la reconstruction des trajectoires s'appuie sur un décodeur de style Vocos, avec tête ISTFT et discriminateurs adversariaux. Évalué sur les bancs d'essai LIBERO-10 et RoboMimic, ainsi que sur une série de tâches de manipulation réelles, NAC atteint une fidélité de reconstruction élevée et des taux de réussite moyens supérieurs au binning, à FAST et aux tokenizers VQ antérieurs, à taux de compression comparable ou meilleur. Le tokenizer d'actions est le goulot d'étranglement discret entre commande continue du robot et modélisation de séquence autorégressive au cœur de tout VLA ; jusqu'ici, binning, FAST et quantification vectorielle classique forçaient un compromis entre compression, latence et performance. En montrant qu'une architecture éprouvée pour l'audio se transpose presque sans changement structurel au contrôle robotique, ce travail suggère que la tokenisation d'actions n'est plus le facteur limitant majeur pour faire passer à l'échelle les politiques VLA, un enjeu concret pour tout intégrateur entraînant des politiques génériques de manipulation sur plusieurs tâches et morphologies de robot. Le gain de taux de réussite à compression égale ou supérieure compte surtout pour le temps réel, où latence d'inférence et longueur de séquence conditionnent le temps de cycle. Les résultats restent toutefois issus de bancs d'essai académiques, simulation complétée d'un nombre limité de tâches réelles, donc d'un stade de recherche et non d'un produit ou d'un déploiement industriel. Le travail s'inscrit dans la lignée des tokenizers développés pour les VLA récents, dont FAST, méthode associée à la famille de modèles Pi-0 de Physical Intelligence et prise ici comme référence de comparaison, ainsi que les approches par binning et par quantification vectorielle discrète plus anciennes. L'idée de recycler les codecs audio neuronaux à quantification résiduelle, déjà standard pour les modèles de fondation audio, illustre une tendance plus large du secteur à importer des briques génératives multimodales vers la robotique. Publiée sous forme de préprint arXiv, sans annonce de licence, d'intégration produit ni de calendrier de déploiement, la contribution demeure un résultat de recherche dont la portée dépendra de sa reproduction sur des politiques VLA de plus grande échelle et de tests au-delà des bancs d'essai contrôlés utilisés dans l'article.

Recherche⚡Actu

1 source

39

913arXiv cs.RO 

Apprendre à exploiter la compliance : un cadre d'apprentissage de politique en admittance pour l'insertion robotique

Une équipe de chercheurs a publié le 28 septembre 2026 sur arXiv (référence 2609.31439v1) un nouveau cadre baptisé LeCo, pour "Leverage Compliance", destiné à l'assemblage robotique de précision par insertion de connecteurs. Le système combine une politique visuelle apprise par apprentissage automatique avec un contrôle en admittance à raideur fixe, et ajoute un mécanisme de rétroaction multi-fréquence qui agrège les mesures de contact haute fréquence en récompenses au niveau des transitions de la politique. Deux termes de coût inédits structurent l'apprentissage: un coût de conflit intégré, qui pénalise les situations où la politique continue de pousser pendant que le contrôleur relâche la pression sans progression réelle, et un coût de traînée directionnelle en force, qui sanctionne les épisodes de chargement prolongé au sein d'une même transition. Testé sur quatre tâches réelles d'assemblage de connecteurs avec un bras robotique physique, LeCo atteint un taux de réussite agrégé de 94%. Par rapport à une méthode de référence, les pics de force résultante chutent d'environ 30% et les pics de couple d'environ 64% sur les essais réussis, tandis qu'une étude d'ablation montre que le seul ajout du coût de conflit réduit de 53% la densité médiane de conflits en situation de contact. L'enjeu dépasse la simple démonstration technique: l'assemblage par insertion (connecteurs électriques, câblage automobile, électronique) reste l'un des points faibles classiques des politiques visuo-motrices, car une politique entraînée à atteindre un objectif visuel peut continuer à pousser mécaniquement même quand un contrôleur conforme cède sous la résistance, générant des charges inutiles sans avancement. LeCo apporte une preuve empirique que ce défaut de coordination entre perception, décision et contrôle physique peut être corrigé par un signal de récompense dédié, plutôt que par un simple ajustement de la raideur mécanique. Pour les intégrateurs industriels visant l'automatisation de lignes d'assemblage fin (connectique, PCB, câblage), ce type de résultat réduit concrètement le risque de casse de pièces fragiles et améliore la fiabilité des cycles d'insertion, un enjeu direct de rentabilité en production. Ce travail s'inscrit dans une littérature plus large sur la manipulation robotique en contact riche, où l'articulation entre contrôle hybride position/force et politiques apprises par imitation ou renforcement reste un problème ouvert, distinct des efforts actuels sur les modèles généralistes vision-langage-action (Pi-0, GR00T N2, Helix) qui visent une polyvalence de tâches plutôt qu'une précision d'insertion fine. Les auteurs ne précisent pas d'affiliation industrielle ni de calendrier de transfert vers une ligne de production; il s'agit à ce stade d'une contribution de recherche validée sur quatre tâches en laboratoire, sans annonce de déploiement commercial.

Recherche❖Paper

1 source

39

914arXiv cs.RO 

POIL : apprentissage par imitation en un essai basé sur des points et systèmes dynamiques stables

Une équipe de recherche présente POIL (Point-based One-Shot Imitation Learning), décrit dans un preprint arXiv (2609.30404v1) : un framework permettant à un bras robotique de reproduire une tâche de manipulation à partir d'une seule démonstration. La méthode repose sur un ensemble de points 3D placés sur la partie fonctionnelle de l'objet, identifiée automatiquement par un modèle de langage multimodal, utilisé à la fois pour transférer la trajectoire démontrée et piloter l'exécution en boucle fermée. Un module nommé Point-set BCSDM suit ces points par vision multi-vue et projette leurs vitesses sur un torseur rigide unique, sans modèle CAD ni estimateur de pose. Testé en simulation et sur robot réel, POIL transfère une même démonstration à travers des changements de catégorie d'objet, de prise et de géométrie de but, tout en récupérant après des perturbations externes. Une page projet est en ligne (sangminkim-99.github.io/poil). L'intérêt pour l'industrie robotique tient à la promesse d'un apprentissage par imitation qui ne requiert plus la collecte de centaines ou de milliers de démonstrations, contrairement aux modèles vision-langage-action à grande échelle type Pi-0 ou GR00T N2 entraînés sur des jeux de données massifs de téléopération. POIL vise directement le talon d'Achille des méthodes one-shot : leur fragilité face aux changements de scène, de prise ou aux perturbations. En revendiquant une robustesse en boucle fermée et une généralisation à de nouvelles catégories d'objets à partir d'un seul exemple, les auteurs s'attaquent à un écart souvent souligné entre démonstrations en laboratoire et conditions réelles d'intégration. POIL s'inscrit dans une lignée de travaux sur les systèmes dynamiques stables, traditionnellement définis dans l'espace des poses rigides SE(3), que les auteurs étendent ici à des ensembles de points suivis sans modèle 3D préalable ni estimateur de pose, une contrainte forte des pipelines de préhension classiques basés sur des modèles CAD. La méthode se positionne ainsi comme une alternative plus légère aux approches VLA gourmandes en données qui dominent actuellement la recherche en manipulation robotique. Le travail reste à ce stade un preprint arXiv non encore évalué par les pairs ; les auteurs mettent à disposition une page projet, sans annoncer pour l'instant de code source ni de calendrier de publication.

Recherche❖Paper

1 source

39

915arXiv cs.RO 

Imp-ACT : contrôle d'impédance adaptatif et segmentation d'action par transformers pour la manipulation en contact

Des chercheurs présentent Imp-ACT, une méthode de contrôle robotique pour la manipulation en contact riche, décrite dans une prépublication arXiv (2609.31225v1, non encore relue par les pairs). Le principe consiste à intégrer la modulation de rigidité cartésienne directement dans la phase de collecte de démonstrations par téléopération, plutôt que de fixer cette rigidité au niveau du contrôleur comme le font la plupart des politiques vision-action actuelles. Un contrôleur d'impédance auto-ajustable adapte la rigidité selon la direction instantanée du mouvement tout en conservant de la souplesse dans les directions orthogonales, sans sélection manuelle ni reconstruction de cible hors ligne. Cette rigidité adaptée est enregistrée en même temps que les observations visuelles, proprioceptives et de force, puis utilisée pour entraîner une architecture Action Chunking with Transformer (ACT) qui prédit conjointement la pose de l'effecteur, l'action du gripper et la rigidité directionnelle. Sur deux tâches test, essuyage de surface et insertion de fiche, Imp-ACT égale ou dépasse le taux de réussite de deux références à rigidité fixe (basse et haute), tout en réduisant les forces de contact : la vibration des forces de contact chute d'environ 29 fois par rapport à la référence souple et 180 fois par rapport à la référence rigide lors de l'essuyage, et les forces orthogonales à l'axe d'insertion baissent de 43% par rapport à la meilleure référence à rigidité fixe lors de l'insertion. L'enjeu dépasse la simple démonstration académique : la plupart des politiques d'apprentissage par imitation actuelles séparent l'apprentissage du mouvement de la gestion de la compliance, laissant les intégrateurs choisir manuellement un compromis rigide/souple selon la tâche, un réglage coûteux et rarement optimal pour l'ensemble d'une opération de contact. En montrant qu'une politique unique peut apprendre à moduler sa rigidité en fonction de la direction, à partir de simples démonstrations téléopérées, Imp-ACT suggère une voie pour automatiser ce réglage dans des tâches industrielles sensibles comme l'assemblage, le câblage ou le nettoyage de surfaces, où un excès de rigidité génère des forces dommageables et un excès de souplesse compromet la précision. Le travail s'appuie sur l'architecture ACT, déjà répandue dans l'apprentissage par imitation robotique, et se distingue des politiques généralistes de type VLA en se concentrant spécifiquement sur le sous-problème du contrôle de compliance plutôt que sur la généralisation multi-tâches. Il s'agit à ce stade d'une évaluation de laboratoire sur deux tâches ciblées, sans annonce de déploiement industriel ni de partenariat commercial.

Recherche❖Paper

1 source

39

916arXiv cs.RO 

VisTacAlign : co-entraînement de politiques dextériques sur des démonstrations tactiles humaines et robotiques

Un preprint arXiv (2609.30959v1), publié fin septembre 2026 avec une page projet à vis-tac-align.github.io, présente VisTacAlign, un framework de co-entraînement de politiques de manipulation dextre combinant vision 3D et tactile. Des démonstrations humaines captées par un gant tracké sont retargetées vers une main robotique tactile à 17 degrés de liberté, avec une correction ponctuelle des doigts. La main humaine est effacée des vues stéréo et remplacée par un maillage de main robot texturé à partir d'images robot réelles, puis un modèle de fondation stéréo est réappliqué sur l'image composite pour homogénéiser les erreurs de perception entre les deux sources. Un gant tactile capacitif est calibré sur les capteurs de bout de doigt du robot, et un transformeur à diffusion ingère nuage de points, proprioception et tactile par doigt. Trois tâches réelles servent de test : assemblage de Lego, cueillette de fraises de tailles variables, activation et levage d'une perceuse. Résultat clé : combiner ces démonstrations humaines alignées avec des données robot existantes améliore les politiques par rapport à un entraînement robot seul, et les ablations montrent que tactile et alignement visuel sont chacun nécessaires. Pour les équipes de manipulation dextre, l'enjeu est économique : la téléopération robot reste lente et coûteuse à collecter, alors que les démonstrations humaines filmées à la main sont abondantes. Le verrou n'était pas le volume de données humaines mais l'écart d'incarnation entre main humaine et main robot. Ces travaux appuient l'idée que des politiques génériques de type VLA peuvent apprendre à grande échelle à partir de vidéos humaines, une direction que suivent aussi des modèles comme Pi-0 ou GR00T N2. VisTacAlign reste un travail de recherche en preprint, sans produit ni déploiement industriel annoncé : la validation se limite à trois tâches en laboratoire. Il s'inscrit dans une vague de recherches cherchant à réduire la dépendance à la téléopération coûteuse via des démonstrations humaines, aux côtés d'approches comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure. Sa spécificité tient à la modalité tactile, moins explorée que le transfert purement visuel humain-robot. Le preprint n'annonce ni partenariat industriel ni calendrier de suite ; les prochaines étapes se limitent aux vidéos et documents disponibles sur la page du projet.

Recherche❖Paper

1 source

39

917arXiv cs.RO 

Estimation de pose de préhension à 6 degrés de liberté par vision pour le dépliage de linge par robot

Une équipe de recherche présente CeDiRNet-6DoF, un système de vision pour robots bimanuels chargés de déplier du linge, dans un article publié sur arXiv fin septembre 2026 (arXiv:2609.31452). La méthode utilise une stratégie de regrasping-in-the-air : un bras maintient le tissu en l'air pendant qu'un second bras identifie et attrape le point optimal pour le déplier entièrement. Le réseau combine régression dense de points de préhension en 3D, segmentation d'image et encodage sinus-cosinus des angles d'Euler pour prédire où saisir le tissu et selon quelle orientation complète en 6 degrés de liberté (6-DoF). Testé sur un banc bimanual lors de la ICRA 2024 Cloth Competition, le système revendique des performances état de l'art, et une étude d'ablation confirme l'apport de la segmentation conjointe, de la randomisation de l'arrière-plan et du recadrage de l'image. La manipulation du linge reste un point dur de la robotique car la déformabilité du tissu crée une ambiguïté perceptive permanente : un vêtement froissé n'offre aucun repère géométrique stable et ses points de préhension sont sans cesse occultés par ses propres plis. En prédisant conjointement, dans un seul modèle, où saisir et selon quelle orientation 6-DoF, plutôt qu'en chaînant détection puis estimation de pose, CeDiRNet-6DoF s'attaque directement à ce goulot d'étranglement. Pour les intégrateurs du tri automatisé de linge ou de la manipulation d'objets souples en général, l'approche pourrait réduire la dépendance à des préhensions pré-scriptées et améliorer la robustesse en environnement non structuré. Le résultat reste toutefois académique, évalué sur un protocole de compétition fermé, sans preuve encore de généralisation à une large diversité de textiles. Le nom CeDiRNet renvoie à un réseau antérieur de détection de centre par régression de direction, ici étendu d'une prédiction 2D à une estimation complète en 6-DoF. Le travail s'inscrit dans un champ de recherche actif sur la manipulation déformable, structuré notamment par la Cloth Competition de la conférence ICRA, qui compare les approches de dépliage et de pliage de linge sur un protocole commun. Contrairement aux méthodes de renforcement en simulation, souvent limitées par l'écart simulation-réel, CeDiRNet-6DoF s'appuie sur une régression directe à partir d'observations réelles, et les auteurs présentent leur méthode comme une base pour de futurs travaux vers une manipulation de linge plus robuste en environnement non structuré, sans annoncer de partenariat industriel ni de calendrier de déploiement.

Recherche❖Paper

1 source

39

918arXiv cs.RO 

DualManip : manipulation dynamique à base d'agents par raisonnement sémantique à double voie et adaptation géométrique

Des chercheurs ont publié le 28 septembre 2026 sur arXiv un preprint (2609.31112v1, non encore relu par les pairs) présentant DualManip, un framework de manipulation robotique à deux voies parallèles. Une voie sémantique, peu fréquente, décompose la tâche et identifie les points de prise via un module de résolution de contraintes ; une voie géométrique, continue, recale en temps réel un modèle de référence sur l'observation RGB-D grâce à un réseau adaptatif de forme, permettant de reconstruire la prise quand l'objet bouge ou se déforme. Un module d'interaction relie les deux voies, initialise les prises depuis le raisonnement sémantique et déclenche une replanification en cas d'échec géométrique. Sur six tâches réelles (déformation non rigide, objets articulés, mouvement rigide, assemblage de précision) et trois configurations allant du statique au changement continu, le système atteint une adaptation géométrique environ 46 fois plus rapide qu'une replanification sémantique complète. L'enjeu vise la latence d'inférence des modèles vision-langage, qui freine leur réactivité quand une scène change, alors que la géométrie d'un objet évolue souvent sans changer l'intention de la tâche. En séparant un raisonnement lourd et rare d'une adaptation géométrique légère et continue, DualManip s'attaque à un verrou concret pour sortir la manipulation robotique des démos contrôlées et l'exposer à des objets qui bougent ou se déforment réellement. Cette architecture à deux vitesses rejoint une tendance déjà visible dans le secteur et apporte une preuve supplémentaire que cette séparation améliore la robustesse sans sacrifier la vitesse, un enjeu clé pour des intégrateurs confrontés au réel plutôt qu'à des séquences filmées et sélectionnées. Le travail rejoint le débat sur les architectures vision-langage-action à deux échelles temporelles, déjà illustré par Helix de Figure AI (raisonnement lent «System 2» couplé à un contrôleur rapide «System 1»), ou par Pi-0 de Physical Intelligence et GR00T N2 de NVIDIA. DualManip reste une contribution académique, sans entreprise, financement ni déploiement industriel cité, et le gain de 46x est mesuré face à une baseline interne plutôt qu'à un étalon du secteur. Une page de projet propose des vidéos des six tâches, mais aucun calendrier de transfert vers un robot commercial n'est annoncé.

IA physique⚡Actu

1 source

38

919arXiv cs.RO 

VLaRL : enrichir les modèles vision-langage-action grâce à un apprentissage par renforcement résiduel entraîné en simulation

Une équipe de recherche a publié fin septembre 2026 sur arXiv (2609.30868) un article décrivant VLaRL, une méthode qui ajoute une correction par apprentissage par renforcement (RL) résiduel aux modèles vision-langage-action (VLA), sans réentraîner le VLA lui-même, qui reste gelé. Contrairement au RL résiduel classique, entraîné directement sur robot réel donc coûteux et risqué en sécurité, VLaRL entraîne sa politique correctrice entièrement en simulation puis la déploie sur robot réel sans RL en ligne ni adaptation supplémentaire. Pour franchir l'écart visuel entre simulation et réalité, la méthode conditionne la politique résiduelle sur la représentation latente interne vision-langage du VLA plutôt que sur l'image brute, et ajoute un module léger qui reprojette les latents simulés vers la distribution des latents réels. Testée sur quatre tâches de manipulation à fort contact avec deux architectures VLA différentes, VLaRL améliore le taux de réussite en conditions réelles dans toutes les combinaisons tâche/modèle, et des ablations contrôlées confirment l'apport à la fois du conditionnement latent et de son alignement. Le problème visé est bien connu de l'industrie : les VLA généralistes, du type Pi-0, GR00T N2 ou Helix, exécutent des instructions larges mais restent souvent imprécis dès que la tâche exige un contact fin, une insertion ou un assemblage. La solution habituelle, le RL résiduel entraîné sur robot réel, mobilise du temps d'ingénierie et expose le robot à des phases d'exploration risquées en usine. En montrant qu'un correctif entraîné uniquement en simulation se transfère sans RL en ligne ni adaptation, VLaRL ouvre une voie moins coûteuse pour fiabiliser des VLA déjà déployés, sans toucher au modèle de base ni ajouter d'exposition au risque, un argument qui parle directement aux intégrateurs cherchant à combler l'écart entre démonstration et production. Les VLA se sont imposés depuis deux ans comme approche dominante pour piloter bras robotiques et humanoïdes par instructions en langage naturel, mais leur adoption industrielle bute sur cet écart persistant entre démonstration et fiabilité en conditions réelles. Le RL résiduel était déjà étudié comme correctif, mais son coût en robot réel en freinait le déploiement à grande échelle ; VLaRL s'inscrit dans la lignée des travaux sur le transfert sim-to-real, en misant sur l'espace latent plutôt que sur le rendu visuel pour réduire cet écart. L'article reste à ce stade un résultat de recherche en préprint, validé sur un nombre limité de tâches et d'architectures, sans partenariat industriel ni calendrier de déploiement pilote annoncé.

Recherche⚡Actu

1 source

38

920arXiv cs.RO 

Clonage d'impédance : apprendre les paramètres du point d'équilibre pour la manipulation en contact riche

Une équipe de recherche présente, dans une prépublication arXiv (2609.30842v1), une méthode d'apprentissage par imitation nommée Impedance Cloning, testée sur deux bras CRANE-X7. Plutôt que reproduire des trajectoires comme le clonage comportemental classique, elle apprend les paramètres biomécaniques du mouvement, raideur et point d'équilibre, extraits par filtre particulaire de démonstrations en téléopération bilatérale, sans capteur de force/couple. En essuyage, la référence par trajectoire perd le contact sous -6 cm, tandis qu'Impedance Cloning maintient 4 à 5 newtons de force au-dessus de ce seuil, avec une baisse progressive en dessous ; en commande cartésienne, sa pente force-hauteur n'est que de 0,13 +/- 0,03 N/cm contre 0,34 à 0,83 N/cm pour les références à impédance fixe. En prise-dépose (dix tasses, 100 essais), elle réussit 84 fois contre 74 pour la référence à impédance fixe et 82 pour un contrôleur à impédance variable, ce dernier avec dix fois plus de démonstrations. Elle réduit aussi l'erreur de suivi de couple en préhension, avec les architectures ILBiT et Mamba. Le travail cible une faiblesse connue de l'apprentissage par imitation en manipulation de contact : les politiques entraînées sur des trajectoires précises s'effondrent dès que la géométrie réelle d'une surface s'écarte des conditions d'entraînement. En apprenant l'intention, raideur et équilibre, plutôt que le résultat observé, la méthode absorbe passivement l'incertitude de contact, un enjeu direct pour les intégrateurs travaillant sur l'essuyage, l'assemblage ou la préhension d'objets à géométrie variable, où les capteurs de force/couple restent coûteux ou absents. Réussir avec une seule démonstration là où un contrôleur à impédance variable en réclame dix réduit le coût de collecte de données, frein connu au déploiement à l'échelle. La méthode reprend le concept du point d'équilibre, issu de la biomécanique du mouvement humain, appliqué au contrôle par impédance, technique robotique ancienne rarement combinée à l'apprentissage par imitation à partir de démonstrations téléopérées. L'estimer par filtre particulaire, sans capteur de force/couple dédié, abaisse la barrière matérielle pour les équipes non équipées de capteurs spécialisés. Les essais, sur CRANE-X7 avec deux backbones, ILBiT et Mamba, visent à montrer la généralité de l'approche. Publiée comme simple prépublication, non encore relue par les pairs ni déployée industriellement, l'étude se positionne comme une alternative aux contrôleurs à impédance variable plutôt qu'un rival des politiques vision-langage-action comme Pi-0 ou GR00T N2.

Recherche❖Paper

1 source

38

921arXiv cs.RO 

Conception conjointe de la trajectoire et de la morphologie d'un robot grimpeur à saut vertical

Un robot grimpeur de 290 grammes escalade des surfaces verticales en bondissant, avec une véritable phase aérienne, ce qui en ferait le premier robot grimpeur à utiliser ce mode de déplacement selon ses concepteurs. Publiés en prépublication sur arXiv (2609.31014v1) fin septembre 2026, ces travaux reposent sur une co-conception où morphologie et trajectoire sont optimisées ensemble, sous contrainte des limites d'adhérence des grippers à épines équipant ses pattes. La séquence de mouvement combine un lancement vertical rapide et une réorientation en vol, la patte arrière servant de queue inertielle pour ramener les grippers avant au contact de la paroi. Les auteurs mesurent les forces de saut générées et démontrent une escalade continue à 0,375 m/s, soit 1,97 longueur de corps par seconde ; le même robot sait aussi se déplacer au sol puis transitionner vers une surface verticale. Cette démonstration cible une limite connue des robots grimpeurs actuels, qui privilégient des démarches prudentes à contact permanent avec la surface et restent de ce fait lents et peu dynamiques. En assumant une phase aérienne, ce prototype montre qu'un petit robot peut exécuter une manoeuvre dynamique sur paroi verticale sans perdre l'adhérence au moment critique du retour au contact, en traitant conjointement optimisation mécanique et contrôle de trajectoire plutôt que par la seule force des grippers. Pour l'inspection de structures, la surveillance forestière ou les interventions sur poteaux et façades, cela esquisse une voie vers des robots grimpeurs plus rapides que les solutions actuelles, même si le résultat reste un prototype de laboratoire, testé sur un nombre limité de sauts caractérisés et non déployé en conditions réelles. Les robots grimpeurs existants s'inspirent le plus souvent d'insectes ou de geckos et misent sur un contact continu pour rester stables, une approche qui plafonne leur vitesse loin de celle d'animaux comme les écureuils, voire certains ours, capables de grimper aux arbres en bondissant. Ces travaux s'inscrivent dans la recherche en robotique biomimétique qui cherche à rapprocher les machines légères de l'agilité animale, en optimisant conjointement forme et mouvement plutôt qu'en les traitant séparément. Les auteurs présentent leur résultat comme une première étape et non une solution aboutie : robustesse du grippage, diversité des surfaces testées et autonomie embarquée restent à améliorer avant tout usage hors laboratoire.

Recherche❖Paper

1 source

38

922arXiv cs.RO 

Structured-Diffuser : diffusion à priors structurés conditionnés par la tâche pour la planification de mouvement

Une équipe de recherche présente Structured-Diffuser, un planificateur de mouvement par diffusion décrit dans la troisième version d'un article déposé sur arXiv (2509.25685v3). Au lieu du bruit gaussien isotrope classique utilisé par les planificateurs de diffusion standards, la méthode dérive la moyenne et la covariance de la corruption d'un modèle de planification par processus gaussien (GPMP), encodant ainsi directement la fluidité de la trajectoire et la sémantique de la tâche dans le bruit lui-même. Une architecture à deux niveaux extrait d'abord des états clés épars et leur timing pour instancier cet a priori gaussien structuré, puis débruite la trajectoire complète en s'appuyant sur ces états comme observations bruitées. Sur trois tâches de planification de mouvement testées, les auteurs rapportent une meilleure réussite des tâches, un entraînement plus rapide et, selon les cas, des gains en efficacité des données et en fluidité de trajectoire, avec en complément une démonstration sur un humanoïde physique G1. Pour les équipes de recherche en robotique, ce travail confirme une tendance à vouloir réduire la dépendance des planificateurs de diffusion à de gros volumes de données d'entraînement, un frein connu pour les modèles vision-langage-action comme Pi-0 ou GR00T N2. Les études d'ablation des auteurs indiquent qu'un bruit explicitement structuré apporte un bénéfice distinct du simple conditionnement neuronal du réseau de débruitage, ce qui nuance l'idée qu'un réseau bien conditionné suffirait à compenser un bruit générique. Le test sur un G1 réel reste toutefois une démonstration de recherche et non un déploiement produit, dans un domaine où l'écart entre performance en simulation et robustesse en conditions réelles demeure la principale zone d'incertitude. La méthode s'inscrit dans la lignée des planificateurs de diffusion appliqués à la robotique, en les hybridant avec l'optimisation classique de trajectoire par processus gaussien de type GPMP. Elle se positionne comme une alternative de bas niveau, centrée sur la génération de trajectoires physiquement cohérentes, face aux architectures vision-langage-action de bout en bout comme Pi-0, GR00T N2 ou Helix, qui apprennent directement des politiques à partir d'entrées visuelles et langagières. Aucun acteur français ou européen n'apparaît dans cette publication, qui reste à ce stade un travail de recherche publié sur arXiv, sans annonce de produit, de partenariat industriel ni de calendrier de déploiement commercial.

Recherche❖Paper

1 source

38

923arXiv cs.RO 

CoralPlan : sélection et exécution de compétences d'observation pour l'inspection robotique sous-marine

Une équipe de recherche présente CoralPlan, un système vision-langage conçu pour l'inspection robotique sous-marine de colonies coralliennes, décrit dans un preprint publié sur arXiv (2609.31211v1). Le système sélectionne une compétence d'observation à partir d'une image de caméra courante et d'une consigne textuelle fournie par un "manifeste d'épisode". Une interface de mouvement commune exécute ensuite trois primitives de trajectoire relatives à la cible, orbite, patch ou survey (balayage), les autres champs du plan servant de guide pour l'opérateur humain. Deux critères de succès sont définis: la complétion de l'observation, qui exige le maintien de la cible dans le champ et une couverture propre à chaque primitive, et le succès conjoint, qui exige en plus que la compétence choisie corresponde à la référence enregistrée. Le système a été évalué sur 144 épisodes simulés et 36 paires appariées simulation-matériel, réalisées dans une piscine à eau claire avec des poses de référence de cible mesurées par un système externe. Sur matériel réel, le taux de complétion d'observation atteint 77,8% et le taux de succès conjoint 63,9%. Ce travail illustre un enjeu concret pour les opérateurs de robotique sous-marine (inspection de récifs, aquaculture, infrastructures immergées) : reconnaître une cible ne suffit pas, le robot doit aussi choisir le bon type de mouvement d'observation selon la tâche demandée, une décision jusqu'ici largement câblée en dur dans les trajectoires pré-programmées des AUV et ROV. En étendant les systèmes vision-langage-action, jusqu'ici concentrés sur la manipulation et les humanoïdes terrestres, au cadrage caméra sous-marin, l'étude teste la portée de cette approche hors de son terrain habituel. L'écart entre les 144 épisodes simulés et les seules 36 paires testées sur matériel, ainsi que la chute du taux de succès conjoint à 63,9% par rapport à la complétion d'observation à 77,8%, rappelle que le passage de la simulation au réel reste un point de friction, même pour une tâche de perception plutôt que de manipulation fine. Les auteurs documentent eux-mêmes des cas d'échec, complétions ne correspondant pas à la référence ou observations incomplètes malgré une sélection de compétence correcte, une transparence qui tranche avec l'emphase habituelle des annonces du secteur. La surveillance automatisée des récifs coralliens gagne en importance face à leur dégradation, mais les robots sous-marins existants suivent le plus souvent des trajectoires fixes plutôt que des mouvements d'observation adaptés à la tâche. CoralPlan s'inscrit dans la vague plus large des modèles vision-langage-action appliqués jusqu'à présent surtout à la manipulation robotique terrestre, en la transposant à des décisions de cadrage caméra sur une plateforme non humanoïde évoluant en milieu aquatique. Il s'agit d'un travail de recherche publié en preprint, non encore relu par les pairs, testé en piscine à eau claire et non lors de déploiements réels sur récif, ce qui limite pour l'instant sa portée à une preuve de concept en conditions contrôlées. Les auteurs pointent eux-mêmes les cas où la sélection correspond à la référence sans que l'observation soit complète, ouvrant la voie à des travaux futurs visant à combler cet écart avant d'envisager des essais en eau trouble ou sur site naturel.

Recherche❖Paper

1 source

38

924arXiv cs.RO 

MOCHA : la co-conception multi-objectifs par architectures à hyperréseaux

Un preprint mis en ligne sur arXiv (arXiv:2609.30570v1) décrit MOCHA, pour Multi-Objective Co-Design using Hypernetwork Architectures, une méthode d'apprentissage par renforcement qui calcule avec un seul réseau de neurones toute une famille de politiques de contrôle Pareto-optimales sur l'espace de conception d'un robot. Le système repose sur un hypernetwork, un réseau qui génère les poids d'un second réseau spécialisé pour un objectif et une configuration mécanique donnes, baptise "multi-objective design hypernetwork" (MDH). Les auteurs rapportent des tests sur deux morphologies robotiques distinctes, chacune définie par six dimensions de conception et évaluée sur deux a trois objectifs simultanés, puis une recherche évolutionnaire menée sur ce réseau qui produit un ensemble de Pareto associant, a chaque arbitrage d'objectifs, la meilleure combinaison design-politique, ainsi qu'une méthode pour identifier des conceptions généralistes performantes sur l'ensemble des objectifs cumules. Le co-design robotique, c'est a dire optimiser ensemble la morphologie physique et la politique de contrôle, bute généralement sur un verrou couteux: chaque nouvelle variante de conception oblige a reentrainer une politique de renforcement depuis zero, ce qui limite le nombre de configurations qu'un laboratoire peut explorer. En générant a la volée une politique spécialisée pour n'importe quelle configuration testée, MOCHA vise a supprimer ce reentrainement systématique et a livrer directement un front de Pareto exploitable pour arbitrer entre objectifs concurrents comme la vitesse, la consommation d'énergie ou la charge utile, plutôt que de relancer une recherche séparée par priorité. L'approche reste néanmoins un résultat de recherche précoce, validée sur seulement deux morphologies simulées et un nombre restreint d'objectifs, loin d'une démonstration a l'échelle d'un robot industriel. Ce travail s'inscrit dans le champ du co-design robotique assiste par apprentissage automatique, ou l'approche dominante combine recherche évolutionnaire des paramètres physiques et reentrainement RL candidat par candidat, une boucle couteuse que plusieurs équipes cherchent a contourner. Les hypernetworks, déjà utilises en méta-apprentissage et en RL multi-tache, sont ici appliques a la paramétrisation conjointe de la conception mécanique et de l'objectif vise pour produire un front de Pareto complet en un seul entrainement; les auteurs présentent cela comme une première a leur connaissance, une affirmation qui n'a pas encore été confirmée par une relecture par les pairs puisqu'il s'agit d'un preprint tout juste publie. Aucune entreprise, aucun robot commercial ni calendrier de déploiement n'est associe a ces travaux: il s'agit d'un jalon académique dont les suites attendues seraient l'extension a des morphologies plus complexes, a davantage d'objectifs, puis un éventuel transfert vers du matériel robotique réel.

Recherche❖Paper

1 source

38

925arXiv cs.RO 

Génération et intégration guidées par représentation de programmes exécutables pour la manipulation robotique

Des chercheurs présentent RIVET (Representation-guided Integration of VLM-generated Executable Task programs), un framework qui utilise un modèle vision-langage pour générer automatiquement l'ensemble d'un système de manipulation robotique, perception, rendu, inférence de relations et planification, autour d'une représentation partagée combinant des poses 6D par objet et un graphe de relations entre objets. Décrit dans un papier arXiv (2609.31337v1), le système a été testé sur trois tâches, l'empilement de cubes, le réarrangement de tangram et l'assemblage tridimensionnel, à la fois en simulation et sur un robot physique réel. Les programmes générés une seule fois pour un domaine de manipulation donné sont ensuite réutilisés tels quels sur des configurations de départ et d'objectif jamais vues, sans nouvelle génération de code. En conditions réelles, les auteurs rapportent un taux de réussite global de 83 % en réutilisant des systèmes générés hors ligne. L'intérêt pour l'industrie robotique tient au problème que RIVET cible directement : quand un VLM génère séparément les modules de perception, de planification et de contrôle, ceux-ci opèrent souvent sur des représentations géométriques incompatibles, ce qui casse le pipeline complet. En imposant une représentation commune à tous les modules générés, l'approche évite cette fragmentation typique des pipelines "code généré par IA" en robotique. Pour les intégrateurs, l'argument clé est économique autant que technique : le code n'est produit qu'une fois par domaine puis réemployé sans réinvoquer le VLM à chaque nouvelle configuration, ce qui limite le coût d'inférence en déploiement. Un taux de succès réel de 83 % reste notable dans un domaine où l'écart entre simulation et monde réel demeure un obstacle documenté, même s'il s'agit ici de résultats de laboratoire sur un nombre restreint de tâches, à ne pas confondre avec une validation à l'échelle industrielle. RIVET s'inscrit dans un courant de recherche qui explore la génération de code exécutable par VLM comme alternative aux politiques vision-langage-action entraînées de bout en bout, du type de celles popularisées par des modèles comme Pi-0 ou GR00T N2, qui apprennent une correspondance directe perception-action sans passer par du code interprétable. Ce travail reste à ce stade un résultat académique, validé en simulation et sur un seul bras robotique en conditions de laboratoire, sans partenaire industriel ni calendrier de déploiement annoncé, une nuance qui le distingue nettement d'une annonce produit.

Recherche❖Paper

1 source

38

926arXiv cs.RO 

Réseau de capteurs tactiles pour la détection multi-phalange dans les mains humanoïdes

Des chercheurs décrivent, dans un article publié sur arXiv (référence 2609.30506v1), un capteur tactile bas coût destiné à équiper toute la longueur des doigts d'une main humanoïde, et non plus seulement leur extrémité. Fabriqué à partir de Velostat et de ruban adhésif conducteur, deux matériaux peu coûteux, il place sept points de contact sur la pulpe du doigt, sous forme d'une matrice 2x3 répartie sur les faces avant, gauche et droite plus un point à l'extrémité, tandis que les phalanges proximale et médiane reçoivent chacune une simple ligne de contact frontale. Après avoir mesuré l'hystérésis et le temps de récupération du capteur par des cycles répétés de pression et relâchement, les auteurs ont testé une structure de contact compliante imprimée en 3D, dotée d'un espace et d'une bosse inspirés de travaux antérieurs, qui réduit ce temps de récupération de 74% par rapport à un contact plat de référence. Le capteur distingue ensuite des géométries de contact différentes, surface plane, arête ou coin, au niveau de la pulpe, et détecte simultanément le contact sur les trois phalanges lors d'une prise en main. La vision et la proprioception seules ne suffisent pas à informer une main humanoïde sur la qualité d'une prise, en particulier parce que les doigts masquent souvent la caméra pendant la manipulation ; combler ce vide par du tactile réparti sur toute la longueur du doigt, plutôt qu'au seul bout, s'attaque à un angle mort concret pour les intégrateurs qui conçoivent des mains à cinq doigts pour des humanoïdes commerciaux. L'intérêt de l'approche tient surtout à son faible coût de fabrication, à l'opposé des capteurs tactiles capacitifs ou optiques plus performants mais coûteux employés dans certains laboratoires. Le travail reste cependant un prototype de recherche : une hystérésis résiduelle, c'est-à-dire un capteur qui ne revient pas immédiatement à zéro après une pression, limite pour l'instant sa fiabilité en usage continu, un défaut que les auteurs reconnaissent eux-mêmes et qu'ils proposent de corriger par du traitement logiciel plutôt que par une nouvelle itération matérielle. Le problème visé, doter les mains robotiques d'un sens du toucher réparti et non plus cantonné à l'extrémité des doigts, reste une limite reconnue dans la course aux humanoïdes, où la plupart des mains en développement ou commercialisées misent encore largement sur la vision et sur des capteurs de force concentrés au poignet ou à la pulpe. La structure de contact compliante testée ici s'inspire explicitement de conceptions antérieures, signe que le sujet avance par itérations progressives plutôt que par percée isolée. Les auteurs annoncent vouloir explorer, comme prochaine étape, une compensation logicielle de l'hystérésis, sans toutefois donner de calendrier ni mentionner de partenaire industriel pour une intégration future.

Recherche❖Paper

1 source

38

927arXiv cs.RO 

Praxis : des a priori d'interaction physique de vidéos égocentriques pour une manipulation généralisable du corps entier

Un preprint publié le 28 septembre 2026 sur arXiv (2609.30735) décrit Praxis, un framework de manipulation corps-entier pour robots humanoïdes mobiles, capable d'apprendre une compétence à partir d'une seule démonstration vidéo égocentrique, sans réentraînement de politique spécifique à la tâche. Le système enchaîne trois étapes : une navigation guidée par un modèle vision-langage vers l'objet cible, une calibration de posture en boucle fermée qui aligne l'espace de travail bras-main, puis une manipulation dextre avec coordination synchronisée du haut et du bas du corps. Un retour visuel en ligne réajuste la géométrie d'interaction démontrée face à de nouvelles poses d'objets, tandis qu'un retour tactile adapte les mouvements de la main aux conditions de contact réelles. Testé sur cinq tâches de manipulation à horizon long, le système montre une généralisation spatiale, visuelle et inter-objets, ainsi qu'une récupération après perturbation physique externe à chacune des trois étapes. L'intérêt pour l'industrie tient à la réduction du coût de collecte de données : la plupart des politiques de manipulation actuelles, qu'elles reposent sur des modèles vision-langage-action ou sur l'apprentissage par renforcement, exigent des centaines de démonstrations téléopérées par tâche pour généraliser correctement. En ne nécessitant qu'un seul enregistrement vidéo humain par compétence et aucune caméra embarquée sur robot pendant la collecte, Praxis s'attaque directement au goulot d'étranglement qui freine le déploiement d'humanoïdes polyvalents chez les intégrateurs. La combinaison de retours visuel et tactile pour récupérer d'une perturbation en conditions réelles, plutôt que de rejouer une trajectoire figée, touche un point sensible du secteur : l'écart persistant entre démonstrations soignées et robustesse en usage industriel réel. Praxis s'inscrit dans la lignée des recherches sur l'apprentissage par imitation à partir de vidéos humaines, une alternative moins coûteuse à la téléopération massive utilisée par les grands modèles vision-langage-action. Il s'agit à ce stade d'un résultat de recherche publié en preprint, sans nom de produit ni partenaire industriel annoncé, testé sur cinq tâches en conditions expérimentales contrôlées et non en déploiement réel chez un client. L'étape suivante, non détaillée dans le résumé, consisterait à étendre le nombre de compétences apprises simultanément et à valider l'approche sur des plateformes robotiques commerciales avant toute évaluation par des intégrateurs.

Recherche❖Paper

1 source

38

928arXiv cs.RO 

TACTIC : comprendre les encodeurs tactiles et le conditionnement pour les politiques de manipulation robotique en contact riche

Une équipe de recherche en robotique publie une étude comparative à grande échelle sur les encodeurs tactiles utilisés dans les politiques de manipulation robotique riches en contacts, dans un article intitulé « TACTIC: Understanding Tactile Encoders and Conditioning for Contact-rich Robot Manipulation Policies », mis en ligne sur arXiv sous la référence 2609.30969v1. Les auteurs comparent plusieurs architectures d'encodeurs tactiles fondées sur des capteurs tactiles à vision (des capteurs qui traduisent la déformation au contact en image, permettant de réutiliser directement les encodeurs de vision par ordinateur existants), ainsi que différentes stratégies de fusion entre signal visuel et signal tactile. Pour garantir une comparaison rigoureuse, tous les modèles sont entraînés et évalués avec le même pipeline et le même protocole expérimental, sur plus de 2000 essais réels effectués sur robot, couvrant plusieurs tâches de manipulation impliquant un contact physique important avec l'environnement. Le résultat principal contredit l'idée d'une solution universelle : il n'existe pas de représentation ni de stratégie de fusion optimale de manière générale pour encoder conjointement l'information tactile et visuelle, le meilleur choix d'architecture et de schéma de fusion dépendant fortement de la tâche à accomplir. Pour les intégrateurs et les équipes qui développent des politiques de manipulation fondées sur des modèles vision-langage-action ou de l'apprentissage par imitation, ce constat signifie qu'aucune recette standard ne peut être copiée d'un projet à l'autre : le choix de l'encodeur tactile doit être réévalué selon l'application, qu'il s'agisse d'insertion de précision, de manipulation d'objets déformables ou de préhension en aveugle. L'étude rappelle aussi un point méthodologique pour le secteur : les comparaisons menées uniquement en simulation, fréquentes dans la littérature, ne se transposent pas nécessairement au monde réel, où des évaluations à grande échelle restent nécessaires pour obtenir des statistiques fiables. Ce travail s'inscrit dans un contexte où les capteurs tactiles à vision se sont largement diffusés en recherche robotique, justement parce qu'ils permettent de réutiliser des encodeurs de vision déjà matures, ce qui a entraîné une prolifération d'architectures, de jeux de données d'entraînement et de protocoles d'évaluation différents d'un laboratoire à l'autre, rendant les résultats difficiles à comparer. En proposant un protocole commun et une base de plus de 2000 essais réels, les auteurs visent à établir un point de référence partagé pour le domaine, dans la lignée des efforts récents autour des politiques généralistes de manipulation qui cherchent à combiner vision, langage et désormais toucher. L'article ne mentionne ni calendrier de déploiement ni partenaire industriel : il s'agit d'une contribution de recherche destinée à orienter les choix de conception futurs, pas d'un produit prêt à déployer.

Recherche❖Paper

1 source

37

929arXiv cs.RO 

Cloak : manipulation inter-incarnations sans apprentissage en masquant l'effecteur final au VLA

Une équipe de recherche a publié sur arXiv (référence 2606.22836v2, version révisée) une méthode baptisée Cloak, conçue pour permettre à un modèle Vision-Language-Action (VLA) de transférer ses compétences de manipulation vers de nouveaux robots sans aucune donnée d'entraînement supplémentaire, un transfert dit "zero-shot cross-embodiment". Le principe consiste à masquer l'effecteur terminal (la pince ou la main) dans le flux vidéo de la caméra poignet du robot, puisque cette partie occupe une portion large et systématique du champ visuel et diffère d'un robot à l'autre. Le masque est généré en simulation à partir de la géométrie connue du robot, en temps réel, sans recourir à des modèles de segmentation ou des modèles génératifs. Les chercheurs ont entraîné un modèle nommé Cloak-VLA en utilisant uniquement un jeu de données collecté sur une pince parallèle simple, puis ont vérifié que ce modèle exécute des tâches de manipulation sur des morphologies jamais vues à l'entraînement : une autre pince, un autre bras robotique, et une main à cinq doigts, sans avoir collecté la moindre donnée sur ces nouvelles configurations. Cette approche s'attaque à l'un des goulots d'étranglement les plus coûteux de la robotique apprenante : la nécessité de recollecter des données de démonstration pour chaque nouveau matériel, ce qui freine le déploiement rapide de modèles fondation type VLA (dans la lignée de Pi-0 ou GR00T) sur des flottes hétérogènes de robots. Si la méthode tient à plus grande échelle, elle laisse entrevoir la possibilité de découpler les jeux de données de manipulation du matériel sur lequel ils ont été enregistrés, un argument direct pour les intégrateurs qui gèrent plusieurs types de bras ou de pinces et veulent réutiliser un même corpus d'entraînement plutôt que de le dupliquer par robot. Cela nourrit aussi le débat sur la généralisation réelle des VLA, souvent démontrée sur des cas choisis plutôt que validée en conditions de production. Ce travail s'inscrit dans le courant de recherche actif autour des modèles VLA génériques pour la manipulation robotique, où plusieurs laboratoires cherchent à réduire la dépendance aux données spécifiques à chaque robot par des techniques d'augmentation ou d'abstraction visuelle. L'article, classé comme une soumission de type "replace" sur arXiv, ne précise pas d'partenaire industriel ni de calendrier de déploiement commercial ; il s'agit à ce stade d'une contribution de recherche évaluée en simulation et sur un nombre limité de plateformes robotiques, sans validation annoncée à grande échelle en environnement industriel.

IA physique⚡Actu

1 source

37

930arXiv cs.RO 

NavGen : les modèles génératifs visuels comme moteur de données évolutif pour la navigation 3D incarnée

Des chercheurs présentent NavGen dans un article publié sur arXiv (identifiant 2609.30770), un pipeline de génération de données texte-vers-vidéo destiné à l'entraînement de modèles de navigation aérienne pour drones. Le système produit des épisodes de navigation vision-langage (VLN) simulant des environnements intérieurs et extérieurs, associés à une méthode de diversification stylistique conçue pour multiplier les scénarios rares et coûteux à collecter dans la réalité. Le jeu de données résultant compte environ 400 000 épisodes de navigation. Les auteurs comparent leurs résultats à ceux obtenus avec des jeux de données UAV existants sur plusieurs métriques et constatent que les performances du modèle entraîné sur NavGen progressent avec l'échelle des données, dépassant les modèles entraînés sur les corpus concurrents. Pour vérifier le transfert vers le monde réel, l'équipe a déployé le modèle selon un paradigme dit "world-action-model" lors d'essais de vol réels, avec un taux de réussite de 75% sur des tâches et environnements de navigation variés. Cette approche s'attaque à un compromis structurel connu du secteur de la robotique aérienne : les données simulées sont générables à grande échelle mais souffrent d'un écart visuel important entre simulation et réalité, tandis que les données de vol réelles sont fidèles mais coûteuses et lentes à rassembler. En proposant les modèles génératifs vidéo comme une troisième voie, capable de produire des observations visuelles réalistes sans les contraintes logistiques du vol réel, NavGen apporte un élément de preuve empirique en faveur de l'hypothèse selon laquelle des générateurs vidéo haute fidélité peuvent servir de moteurs de données scalables pour l'IA incarnée. Le résultat intéresse directement les intégrateurs et laboratoires travaillant sur des modèles vision-langage-action : un taux de succès de 75% en conditions réelles, à nuancer selon la difficulté exacte des tâches testées et le nombre d'essais réalisés, suggère que l'écart entre démonstration et déploiement réel peut se réduire grâce à des données synthétiques mieux conçues plutôt que par la seule accumulation de vols réels. NavGen s'inscrit dans la lignée des travaux récents qui cherchent à contourner la pénurie de données d'entraînement pour la robotique incarnée, un problème déjà posé pour les bras manipulateurs et les humanoïdes et qui touche tout autant la navigation aérienne autonome. L'article ne révèle ni affiliation institutionnelle ni drone commercial associé au projet, et reste au stade de préprint scientifique : aucun partenariat industriel, pilote client ni feuille de route de déploiement n'est mentionné à ce jour. Les auteurs positionnent leur travail comme une alternative aux jeux de données UAV existants utilisés comme références dans le domaine, sans toutefois les nommer explicitement. La suite logique, non confirmée par les auteurs, serait l'extension de la méthode à d'autres classes de robots mobiles ou à des tâches de navigation plus complexes.

Recherche❧Opinion

1 source

37

931arXiv cs.RO 

Apprentissage de politiques robotiques à partir de signaux de succès épars via le gradient de politique de Stein guidé par STL

Des chercheurs présentent STL-SVPG (Signal Temporal Logic-guided Stein Variational Policy Gradient), une méthode d'apprentissage de politiques robotiques pour des taches ou le signal de succès est rare, décrite dans un preprint mis en ligne sur arXiv en septembre 2026 (référence 2609.31606). La méthode combine la logique temporelle de signal (Signal Temporal Logic, STL) avec un algorithme d'optimisation de politique base sur une population, le Stein Variational Policy Gradient. Plutot que d'utiliser des récompenses locales façonnées, qui peuvent progresser sans jamais aboutir a la complétion réelle de la tache, STL-SVPG calcule une mesure de robustesse STL différentiable sur la trajectoire complète, ce qui permet d'attribuer le mérite aux actions selon leur contribution a la spécification globale plutôt qu'au seul progrès local. La méthode est évaluée sur six taches impliquant un quadricoptere et un bras manipulateur: réponses déclenchées par événements, comportements strictement ordonnes, respect de délais, et interactions physiques de contact. STL-SVPG obtient le meilleur taux de succès moyen sur cinq des six bancs d'essai compares, et les politiques entraînées en simulation transfèrent leur comportement temporel et de contact vers le monde réel, sans que l'article ne precise le nombre d'essais physiques réalisés. Pour l'industrie robotique, ce travail cible un problème très concret: de nombreuses taches manufacturières ou logistiques (assemblage séquentiel, manipulation sous contrainte de temps, réaction a des événements extérieurs) ne se réduisent pas a un objectif unique mais a une combinaison de contraintes temporelles et logiques, exactement ce que la STL est censée capturer. Le reward shaping classique, très utilise en apprentissage par renforcement applique a la robotique, produit souvent des politiques qui optimisent des récompenses intermédiaires sans accomplir la tache complète, un écart connu entre démonstration et fiabilité en production. En améliorant le taux de succès sur des taches composées a contraintes multiples, l'étude plaide pour des spécifications formelles plutôt que des récompenses ad hoc, un argument utile pour les intégrateurs qui cherchent a fiabiliser des politiques de RL avant tout déploiement en manipulation fine ou en pilotage de drones en environnement contraint. Cette approche s'inscrit dans une ligne de recherche déjà établie sur l'usage de logiques temporelles (STL, logique temporelle linéaire) comme alternative au reward shaping face aux limites de ce dernier sur les taches a succès rares. STL-SVPG s'en distingue en associant la robustesse STL a une optimisation par population de politiques, censé améliorer l'exploration sur des objectifs multi-contraintes. Le résume disponible ne mentionne aucun partenariat industriel, aucune entreprise ni laboratoire spécifique, et aucun calendrier de suite: il s'agit d'un travail académique valide sur bancs d'essai simules, avec une démonstration de transfert réel encore limitée, dont l'adoption industrielle dépendra de la publication complète des résultats et, le cas échéant, du code.

Recherche❖Paper

1 source

37

932arXiv cs.RO 

HuGo : des LLM comme concepteurs de code de politique corps entier pour la loco-manipulation humanoïde

Le laboratoire ICON Lab, associé à Negar Mehr et présenté sur iconlab.negarmehr.com, publie sur arXiv (2609.30594) une méthode nommée HuGo, pour Humanoid policy code Generation. Un grand modèle de langage y génère, à partir d'une description de tâche, du code exécutable en boucle fermée qui pilote un humanoïde au-dessus d'une politique de contrôle corps entier bas niveau laissée figée. Ce code est ensuite affiné automatiquement grâce aux trajectoires numériques et à des images vidéo sélectionnées des essais, sans récompense ni démonstration spécifiques à la tâche. Sur cinq tâches de loco-manipulation simulées et deux politiques bas niveau, HuGo dépasse nettement une base d'apprentissage par renforcement et se rapproche d'une base fondée sur des démonstrations ; un transfert zero-shot vers du matériel réel est également rapporté, amélioré par la même boucle d'affinement appliquée aux essais réels, sans démonstration experte ni réentraînement. Ce travail cible un goulot d'étranglement connu de la robotique humanoïde : produire une politique de loco-manipulation par tâche exige aujourd'hui une ingénierie de récompense coûteuse ou la collecte de démonstrations suivie d'un entraînement dédié, deux voies difficiles à faire passer à l'échelle. En déplaçant la logique de tâche vers du code généré par un LLM plutôt que vers des poids appris, HuGo se positionne comme une alternative aux modèles vision-langage-action tels que Pi-0, GR00T N2 ou Helix, qui reposent sur de vastes jeux de démonstrations pour entraîner des politiques bout en bout. Si l'approche se confirme à plus grande échelle, elle ouvrirait une voie moins gourmande en données pour ajouter des tâches à un humanoïde déjà déployé, un enjeu que suivent de près les intégrateurs. Le périmètre testé, cinq tâches simulées, reste restreint et appelle vérification sur des benchmarks plus larges. Cette publication s'inscrit dans une lignée de recherches sur le contrôle hiérarchique, où une couche bas niveau entraînée une fois reste figée pendant qu'une couche supérieure générée par LLM pilote la tâche. Il s'agit pour l'instant d'un preprint arXiv classé comme nouvelle soumission, sans robot ni entreprise commerciale nommés ni pilote industriel annoncé. Les auteurs renvoient vers le site du projet, iconlab.negarmehr.com/HuGo, pour les démonstrations, sans calendrier pour une extension à davantage de tâches ou de plateformes.

Recherche❖Paper

1 source

37

933arXiv cs.RO 

Conception et caractérisation d'un mécanisme continuum à longueur variable avec verrouillage de force

Des chercheurs présentent, dans un article déposé sur arXiv (référence 2609.30759v1, catégorie « nouveauté », non encore relu par les pairs), un nouveau mécanisme continuum à longueur variable doté d'un verrouillage de force. Le dispositif repose sur une structure hélicoïdale entraînée par tiges, qui alterne extension et contraction antagonistes pour basculer entre un état flexible et un état rigide. Les essais de caractérisation montrent une amplitude de flexion de 180 degrés, avec une erreur moyenne de positionnement de l'extrémité distale inférieure à 10 %. Les tests complémentaires indiquent que l'activation du verrouillage de force augmente directement la rigidité axiale, ce qui accroît de façon indirecte et anisotrope la rigidité en flexion, la valeur maximale étant atteinte le long des trajectoires de charge à forte composante axiale. La tension appliquée sur les tiges d'entraînement offre un réglage supplémentaire, la rigidité en flexion augmentant proportionnellement à la tension avec un gain sans dimension mesuré à 0,56. Ce travail s'attaque à une limite structurelle bien identifiée des manipulateurs continus : leur souplesse, précieuse pour naviguer dans des espaces confinés ou encombrés, les rend en général inefficaces dès qu'il faut exercer une force utile en manipulation. En démontrant qu'une même structure mécanique peut passer d'un mode dextre et compliant à un mode rigide et réglable, ce mécanisme ouvre la voie à des bras hybrides capables d'atteindre une cible par navigation fine puis d'y appliquer une charge significative sans changer d'organe terminal. Pour les intégrateurs travaillant sur l'inspection industrielle en espace restreint, la maintenance de sites difficiles d'accès ou les instruments chirurgicaux flexibles, c'est un argument concret contre le compromis habituel dextérité contre rigidité, à condition que la solution résiste au passage à l'échelle au-delà du banc d'essai. L'approche s'inscrit dans un champ de recherche actif sur les mécanismes à rigidité variable en robotique molle, où coexistent déjà des méthodes concurrentes comme le blocage par grains (jamming), les matériaux à changement de phase ou les structures en couches empilées. Ici, la solution reste purement mécanique, géométrie hélicoïdale et tension de tiges, sans matériau actif. L'abstract ne précise ni l'institution porteuse ni de calendrier de suite ; il s'agit à ce stade d'un résultat de caractérisation en laboratoire, pas d'un produit ou d'un pilote industriel annoncé.

Recherche❖Paper

1 source

37

934arXiv cs.RO 

FRAM : sélection de traits visuels guidée par la trajectoire pour manipulation robotique légère conditionnée au langage

Une équipe de recherche présente FRAM (Future Representation Action Model), un modèle vision-langage-action compact pour la manipulation robotique, dans une prépublication arXiv (2609.30965, fin septembre 2026). FRAM relie la trajectoire future de l'effecteur terminal à l'image courante : les coordonnées prédites servent de pointeurs spatiaux pour extraire les caractéristiques visuelles locales liées au mouvement. Les étiquettes de trajectoire sont générées automatiquement à partir des démonstrations et de la géométrie caméra, sans annotation manuelle. Avec 138,7 millions de paramètres, encodeur de langage figé compris, FRAM atteint 92,2 % de réussite moyenne sur les quatre suites LIBERO, contre 94,2 % pour Pi-0 de Physical Intelligence (3,3 milliards de paramètres, soit 24 fois plus), et 67,3 % sur LIBERO-Plus sans entraînement additionnel. Sur un robot réel à deux bras UR5e, il empile des gobelets avec les seules caméras de poignet, en choisissant et en changeant de bras selon les besoins. Ce résultat contredit l'idée reçue que la performance des modèles vision-langage-action dépend d'abord de leur taille : FRAM approche les scores de Pi-0 avec une fraction de ses paramètres, ce qui allège le calcul embarqué et facilite un déploiement sur du matériel moins coûteux, un point clé pour les intégrateurs cherchant à s'affranchir du cloud. L'étiquetage automatique des trajectoires supprime aussi une annotation manuelle coûteuse, frein habituel au passage à l'échelle des données de démonstration. Les scores sur LIBERO-Plus et la démonstration sur robot réel apportent un élément de réponse, mesuré toutefois sur un nombre restreint de tâches, à la question récurrente de l'écart entre démonstrations en laboratoire et robustesse réelle. FRAM s'inscrit dans un champ dominé par la course à l'échelle, incarnée par Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, et par des humanoïdes comme Optimus de Tesla ou Figure 03, qui misent sur des milliards de paramètres pour généraliser. Cette prépublication, dont le statut de relecture par les pairs n'est pas précisé, défend la direction inverse de politiques compactes et spécialisées. Aucun partenaire industriel ni plan de déploiement commercial n'est mentionné : les résultats restent limités à des benchmarks simulés et à un seul bras collaboratif en laboratoire. L'étape suivante logique consisterait à étendre l'approche à davantage de tâches, de robots et de configurations de caméras avant d'envisager une intégration en production.

Recherche⚡Actu

1 source

37

935arXiv cs.RO 

Contrôle prédictif de pression basé sur l'apprentissage pour une queue robotique souple vertébrée

Une équipe de recherche présente, dans une publication mise en ligne sur arXiv le 30 septembre 2026, un système de contrôle par prédiction de pression (PPC, pressure prédictive control) pour une queue robotique molle segmentée de type vertébrale, destinée a etre montee sur un robot quadrupède. Le système s'appuie sur des réseaux de neurones récurrents LSTM et combine trois modules : un modèle de cinématique inverse (IK), un modèle de cinématique directe (FK) et un module de compensation de pression (P-comp), permettant de piloter la queue aussi bien en mouvement quasi statique qu'en mouvement dynamique non stationnaire. Compare a une approche fondée uniquement sur la cinématique inverse, le PPC réduit l'erreur quadratique moyenne (RMSE) des trajectoires simulées de 69,8 % lors de l'exécution de trajectoires cibles. Dans les mouvements coordonnes entre la queue et le torse du quadrupède, l'utilisation d'un jeu de données de prédiction pour entrainer le PPC permet d'anticiper l'action au pas de temps suivant et réduit le temps de calcul de 60,9 %, améliorant la réactivité de la queue face au rythme de déplacement du robot. Cette avancée s'attaque a un problème récurrent de la robotique molle : la modélisation cinématique des structures continues, dont le comportement matériel non linéaire complique fortement le contrôle, en particulier lors de mouvements non statiques ou l'inertie et les déformations dynamiques entrent en jeu. En montrant qu'un modèle appris remplace avantageusement une cinématique inverse purement analytique, a la fois sur la précision de trajectoire et sur le temps de calcul, les auteurs fournissent une preuve de concept utile aux équipes qui cherchent a doter des robots quadrupèdes d'un appendice mou capable d'apporter du contrôle d'équilibre dynamique ou une interaction physique avec l'environnement, sans recourir a des actionneurs rigides plus lourds et moins surs au contact. Le gain de 60,9 % sur le temps de calcul est particulièrement pertinent pour les applications temps réel, ou la latence de contrôle limite aujourd'hui l'adoption de structures molles complexes face a des actionneurs rigides plus prévisibles. Le travail s'inscrit dans le courant plus large de la robotique molle, ou la difficulté a modéliser précisément des structures déformables freine depuis des années le passage de prototypes de laboratoire a des systèmes déployés, contrairement aux bras et jambes rigides dont la cinématique est bien maîtrisée. L'ajout d'un appendice caudal a un robot quadrupède fait écho a des travaux antérieurs sur les queues robotiques utilisées pour la stabilisation dynamique et le contrôle d'équilibre, un axe également explore par des laboratoires travaillant sur des robots inspires du vivant. Publiee sous forme de preprint arXiv non encore revu par les pairs, l'étude ne précise ni calendrier de transfert vers un produit commercial ni partenaire industriel, mais constitue une brique méthodologique réutilisable par d'autres équipes pour entrainer des contrôleurs similaires sur d'autres structures molles articulées.

Recherche❖Paper

1 source

37

936arXiv cs.RO 

Voir pour atteindre, sentir pour saisir : un réflexe de préhension à l'aveugle pour mains robotiques anthropomorphes

Une équipe de recherche en robotique décrit, dans une prépublication arXiv de septembre 2026 (arXiv:2609.31323v1), une architecture baptisée « blind grasp reflex » (réflexe de préhension aveugle) pour main robotique anthropomorphe : un bras piloté indépendamment amène la main près de l'objet, puis une politique d'apprentissage par renforcement referme et stabilise la prise en s'appuyant uniquement sur la proprioception des articulations, sans caméra, sans image ni modèle géométrique du contact. Un score de stabilité de prise, lui aussi appris, signale quand l'objet est solidement tenu et déclenche la manipulation suivante. Testée en simulation et sur du matériel réel, la méthode saisit une diversité d'objets et se combine directement à plusieurs contrôleurs de bras, sans réentraînement. L'abstract ne donne ni degrés de liberté, ni temps de cycle, ni taux de réussite chiffrés. L'approche cible un point faible connu des pipelines de préhension : la dépendance à la vision, mise en défaut quand la main occulte elle-même la caméra au moment du contact. En confiant la fermeture de la prise à un réflexe tactile et proprioceptif plutôt qu'à une perception visuelle continue, les auteurs proposent une alternative modulaire aux politiques vision-langage-action (VLA) de bout en bout, à l'image de Pi-0, GR00T N2 ou Helix. Pour les intégrateurs de mains dextres, l'intérêt pratique est la réutilisabilité : une compétence de préhension entraînée une fois au niveau de la main s'associe à n'importe quel contrôleur de bras, sans reconstruire tout le pipeline. Il s'agit d'une contribution de recherche non encore évaluée par les pairs, pas d'un produit commercialisé : aucun partenaire industriel ni date de disponibilité n'est annoncé. Elle s'inscrit dans l'effort actuel autour des mains dextres pour l'humanoïde, domaine où des acteurs comme Figure AI, Tesla ou 1X cherchent à fiabiliser la manipulation fine, freinée par le coût des capteurs tactiles et la difficulté du transfert simulation-vers-réel. Le passage réussi à du matériel physique pour une tâche purement proprioceptive apporte un élément concret à ce débat. Les auteurs proposent une page de projet dédiée (blindgraspreflex.github.io) sans calendrier de suites précisé.

Recherche❖Paper

1 source

37

937arXiv cs.RO 

PHASE : récupération de phase tactile pour un apprentissage d'insertion en peu d'exemples, avec compliance

Des chercheurs ont publié le 28 septembre 2026 sur arXiv (2609.30889) un article décrivant PHASE (Phase-Aware Segmentation and REtrieval), une méthode d'apprentissage par imitation augmentée par récupération de données, appliquée à l'insertion de type peg-in-hole, une tâche d'assemblage à contact riche. Le système exploite un poignet compliant qui maintient le contact tout au long du mouvement, générant des signaux tactiles et de force qui révèlent la structure en phases de l'insertion, de la recherche du trou jusqu'à l'insertion finale. PHASE combine un apprentissage de représentation multimodale sensible au contact, une segmentation en phases de longueur variable à partir des signaux tactiles, et une récupération de données cohérente avec la phase en cours pour entraîner la politique de contrôle. Les auteurs l'ont testé sur un robot réel avec cinq géométries de tige différentes, en le comparant à des stratégies de récupération issues de méthodes de référence sous une architecture de politique partagée. Résultat: un taux de réussite global supérieur de 13 points de pourcentage à la meilleure référence non sensible aux phases, et un gain de 30 points de pourcentage lorsque la position initiale de la pièce est inédite. L'insertion de précision reste l'un des goulots d'étranglement de l'automatisation flexible en assemblage électronique et mécanique: les tâches à contact riche exigent d'ordinaire des centaines de démonstrations pour généraliser, ce qui freine leur adoption par les intégrateurs souhaitant reconfigurer une cellule robotique pour un nouveau connecteur sans recollecter de données. En montrant qu'aligner la récupération de données antérieures sur les phases physiques de l'interaction, plutôt que sur des découpages temporels arbitraires, améliore fortement la robustesse en apprentissage à faible nombre de démonstrations, notamment face à des positions de départ jamais vues, PHASE apporte un argument concret au débat sur la capacité réelle des politiques apprises par imitation à généraliser au-delà de leurs démonstrations, un point sensible pour les approches génériques de type VLA appliquées à la manipulation fine. Il s'agit néanmoins d'un résultat de recherche évalué en laboratoire sur un nombre limité de géométries, pas d'un système déployé en usine ni d'un produit commercial. Le travail s'inscrit dans la lignée de l'apprentissage par imitation augmenté par récupération, une piste explorée récemment pour réduire le nombre de démonstrations nécessaires en réutilisant des données antérieures pertinentes, mais jusqu'ici peu testée sur des tâches à contact riche comme l'assemblage. Les auteurs comparent PHASE à plusieurs stratégies de récupération considérées comme état de l'art mais qui ignorent la structure en phases de l'interaction, afin d'isoler l'apport spécifique de leur segmentation tactile. L'article ne précise ni l'institution ni la plateforme robotique commerciale utilisée au-delà du poignet compliant, et ne mentionne aucun partenariat industriel ni pilote programmé: il se présente comme une contribution méthodologique destinée à la communauté de recherche en manipulation robotique, sans calendrier de transfert vers l'industrie annoncé à ce stade.

Recherche❖Paper

1 source

37

938arXiv cs.RO 

Un robot peut-il lire le braille ? Apprentissage par imitation pour adapter le contact tactile

Un article de recherche publié en prépublication sur arXiv (référence 2609.30676v1) présente un système robotique capable de corriger physiquement son propre contact avant de lire du braille en relief. Les lecteurs braille robotiques existants se concentrent presque exclusivement sur la reconnaissance tactile après que le contact a été établi, en supposant que ce contact est déjà de bonne qualité. Les auteurs proposent à l'inverse un cadre d'adaptation active du contact : un système de "Multi-Head Policy Learning" apprend, à partir de démonstrations guidées par un expert humain, à la fois à évaluer si un contact est exploitable et à corriger la pose du capteur tactile en conséquence. En déploiement, le robot évalue et réajuste itérativement son contact, ne conservant que les observations tactiles fiables pour la reconstruction finale des caractères braille. Testé sur 20 plaques braille physiques, dont 10 réservées à l'évaluation en ligne, le système atteint 94,0% de qualité de contact tactile et 88,6% de précision de reconstruction des caractères. L'intérêt de ces résultats dépasse le seul cas du braille : ils démontrent que, pour des tâches de manipulation tactile fine, corriger activement la pose de contact avant la reconnaissance donne de meilleurs résultats que de compenser après coup des observations tactiles imparfaites par de la reconnaissance plus robuste. C'est un signal utile pour les équipes travaillant sur la manipulation en boucle fermée guidée par le toucher, un domaine encore largement dominé par des approches vision-centrées ou par des pipelines de reconnaissance passive. Pour les acteurs de l'assistance aux personnes malvoyantes ou de la robotique de service, cela suggère une voie concrète vers des lecteurs braille robotisés plus fiables, potentiellement utiles pour la numérisation de documents en braille ou l'assistance à la lecture, même si le système reste à ce stade un prototype de laboratoire évalué sur un nombre limité de plaques. Ce travail s'inscrit dans la lignée des recherches en apprentissage par imitation appliqué à la manipulation tactile fine, où l'essentiel des efforts publiés jusqu'ici portait sur l'interprétation de motifs tactiles plutôt que sur la qualité du contact physique lui-même. L'abstract ne précise ni l'institution ni les auteurs, ni de calendrier de suite ou de partenariat industriel : il s'agit à ce stade d'une contribution académique nouvellement annoncée sur arXiv, sans indication de transfert vers un produit ou un déploiement réel.

Recherche❖Paper

1 source

36

939arXiv cs.RO 

Évaluation comparative d'une interface de contrôle XR à stylet pour la navigation semi-autonome de robots mobiles en environnement de service

Une équipe de recherche publie sur arXiv (référence 2609.31117v1) une étude comparant quatre méthodes de commande pour la navigation semi-autonome de robots mobiles de service en environnement domestique. Le système central utilise un stylet commercial de réalité étendue (XR pen) permettant à l'opérateur de pointer un emplacement dans la pièce, de le sélectionner, puis de faire glisser une flèche augmentée pour définir l'orientation souhaitée du robot à cette destination, le tout visualisé en réalité augmentée superposée au monde réel. Trois autres interfaces ont été développées dans le même cadre logiciel : des contrôleurs de mouvement XR, la reconnaissance de gestes de la main, et une base de référence logicielle standard, RViz, pilotée depuis un ordinateur. Dix participants ont testé les quatre méthodes lors de tâches de navigation dans un environnement reconstituant un domicile. Les résultats montrent que le stylet XR obtient le temps de sélection des tâches le plus court et les sélections les plus constantes, tandis que les contrôleurs de mouvement XR reçoivent les meilleurs scores perçus de charge de travail et d'utilisabilité, devant la base RViz. Cette étude s'inscrit dans un enjeu concret pour les intégrateurs de robotique de service : l'autonomie complète reste peu fiable dans des environnements imprévisibles, ce qui oblige à maintenir un contrôle humain accessible à des utilisateurs non experts. Les résultats nuancent l'idée reçue selon laquelle les interfaces XR par gestes ou contrôleurs seraient naturellement intuitives : ici, ce sont les contrôleurs de mouvement, technologie plus mature, qui l'emportent en expérience utilisateur, tandis que le stylet, malgré sa rapidité mesurée, souffre de limitations techniques d'intégration qui dégradent l'expérience. Pour des décideurs évaluant des solutions de supervision robotique, le message est que performance objective (vitesse, précision de sélection) et perception subjective (charge cognitive, facilité d'usage) ne convergent pas nécessairement vers le même outil, un point à trancher avant tout choix d'interface de téléopération à grande échelle. Le travail part du constat que les robots de service peinent à s'implanter dans les foyers, coincés entre une autonomie encore insuffisante et des méthodes de contrôle jugées peu accessibles aux novices. Les chercheurs ont construit trois interfaces XR au sein du même framework logiciel afin de les comparer directement entre elles et face à RViz, l'outil de visualisation standard de l'écosystème ROS utilisé en robotique de recherche. Le stylet XR testé étant décrit comme récemment commercialisé, les auteurs signalent que son intégration logicielle actuelle reste imparfaite, ce qui freine aujourd'hui son expérience utilisateur malgré ses bons résultats de performance brute. L'étude, menée sur un échantillon restreint de dix participants, ouvre la voie à des travaux futurs visant à améliorer cette intégration technique et à élargir la validation à des populations d'utilisateurs plus larges avant tout déploiement en conditions réelles.

Recherche❖Paper

1 source

35

940arXiv cs.RO 

Vers une représentation unifiée inter-domaines pour la manipulation par pince à deux doigts, centrée sur l'interaction

Un article publié le 28 septembre 2026 sur arXiv (référence 2609.31207) décrit une méthode d'apprentissage par imitation pour pinces robotiques à deux doigts, censée transférer une politique d'un robot à un autre sans réentraînement. Un modèle vision-langage interprète une instruction et un flux RGB-D pour former un triplet pince, objet tenu, objet cible, tandis que SAM 2.1, de Meta, suit les masques et limite les appels au VLM. La scène est encodée dans une représentation canonique centrée sur la pince, combinée à des champs de potentiel pour le guidage global et des nuages de points en repère pince pour la géométrie locale, puis traduite en actions lisses à 7 degrés de liberté par un Flow-Matching Transformer. Les auteurs rapportent des tests en simulation et en conditions réelles, avec transfert zero-shot vers des plateformes robotiques et angles de caméra inédits. La question visée, la généralisation cross-embodiment, est centrale pour l'industrie: la plupart des politiques de manipulation restent liées à la géométrie du bras et de la pince d'entraînement, obligeant à tout recollecter dès qu'un intégrateur change de matériel ou de caméra. En séparant sémantique de la tâche et géométrie matérielle, l'approche vise directement ce goulot d'étranglement, potentiellement utile aux intégrateurs opérant des flottes hétérogènes de bras et de pinces. Les auteurs revendiquent être les premiers à conjuguer scores de benchmark compétitifs et transfert sim-to-real zero-shot aussi étendu, une affirmation d'abstract académique à prendre avec prudence tant qu'elle n'a pas été reproduite sur du matériel industriel varié, le travail restant un résultat de recherche, non un produit déployé. Cette contribution s'inscrit dans la vague actuelle des modèles vision-langage-action (VLA) généralistes pour la robotique, tels Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI, qui butent sur cet enchevêtrement entre sémantique et géométrie matérielle, ici traité pour les pinces à deux doigts, configuration la plus répandue en manipulation industrielle. Le recours à SAM 2.1 et à un Flow-Matching Transformer, courants dans les politiques d'action génératives récentes, relève de la boîte à outils standard du secteur plutôt que d'une rupture technologique. Aucun acteur ni institution française ou européenne n'apparaît dans cet article. Les étapes suivantes attendues sont la publication du code et des poids, une validation sur davantage de plateformes et une revue par les pairs avant toute reprise commerciale.

Recherche❧Opinion

1 source

35

941arXiv cs.RO 

DGT-Map : cartographie directionnelle globale de praticabilité par apprentissage multitâche pour véhicules hétérogènes

Une équipe de recherche présente DGT-MAP dans un preprint publié sur arXiv (arXiv:2609.30461v1), un système de cartographie de la traversabilité hors-piste qui tient compte à la fois de la direction de déplacement et du type de véhicule. Par apprentissage auto-supervisé à partir d'images RGB-D et de signaux de locomotion, il génère des cartes de coût indexées par cap, utilisables par un planificateur sensible à la direction. Son architecture combine un tronc commun multi-tâches, qui apprend des traits de terrain partagés entre plusieurs véhicules d'entraînement, et des têtes de prédiction propres à chaque plateforme. Testé en simulation via une pile de navigation Hybrid A*, sur des pentes franchissables en descente mais pas en montée et une crête traversable par certains véhicules seulement, DGT-MAP obtient le meilleur taux de réussite, ou un score ex aequo, face à des références géométriques, binaires et apprises mais non directionnelles. L'enjeu tient au fait que la plupart des cartes de traversabilité globales attribuent un coût isotrope unique à chaque zone, sans distinguer le sens de parcours, alors qu'une pente ou une crête peut être franchissable dans un sens et pas dans l'autre. Les estimateurs appris existants sont en outre généralement entraînés séparément pour chaque véhicule, ce qui empêche de mutualiser les représentations de terrain entre plateformes. Pour des flottes hétérogènes de robots terrestres ou d'AMR opérant hors-piste (agriculture, défense, inspection), cela ouvre la voie à un modèle partagé unique couvrant plusieurs types de véhicules, avec un comportement adapté à chacun, réduisant potentiellement les données et le temps d'entraînement nécessaires. Ces résultats restent toutefois cantonnés à la simulation, sans déploiement sur robot réel évoqué, ce qui appelle à la prudence. L'estimation de traversabilité hors-piste reposait jusqu'ici soit sur des heuristiques géométriques ou des cartes binaires, isotropes et indifférentes au véhicule, soit sur des modèles appris à partir de capteurs RGB-D et de signaux proprioceptifs mais entraînés véhicule par véhicule. DGT-MAP combine ces deux limites en un seul cadre auto-supervisé, mêlant apprentissage multi-tâches sur flotte hétérogène et cartes directionnelles, une piste qui rejoint les efforts plus larges de la recherche en autonomie robotique hors-piste. Les auteurs ne mentionnent aucun essai matériel ni calendrier de déploiement réel: la validation sur robots physiques reste l'étape suivante pour confirmer que les gains observés en simulation se transposent au terrain.

Recherche❖Paper

1 source

35

942arXiv cs.RO 

Un robot monopode à jambes longues et entraînement direct atteint une hauteur de saut exceptionnelle

Une équipe de chercheurs a présenté, dans un article publié sur arXiv le 28 septembre 2026, un robot sauteur monopode capable d'atteindre 7,6 mètres de hauteur en un temps d'appui au sol de seulement 190 millisecondes, ce qui en fait le saut le plus haut jamais enregistré pour un système électrique dépourvu de stockage d'énergie élastique (pas de ressort ni d'élastique). L'engin ne pèse que 281 grammes et repose sur une jambe unique, longue et légère, entraînée en transmission directe par un petit moteur électrique. L'innovation technique centrale est une transmission à enroulement de tissu offrant un avantage mécanique variable, qui maintient le moteur près de sa puissance de crête tout au long de la course tout en évitant que la jambe ne flambe sous la charge. Un module d'équilibrage placé en tête de jambe, équipé de petites hélices, contrôle l'orientation du robot au sol comme en vol, la longueur de la jambe offrant un bras de levier important pour les couples de contrôle. Le dispositif a été validé en extérieur sur des sauts verticaux, des sauts inclinés et des tests de contrôle d'attitude. Ce résultat est significatif car il montre qu'une hauteur de saut extrême peut être obtenue sans passer par le stockage élastique habituellement jugé indispensable pour ce type de performance, une hypothèse largement répandue dans la robotique de locomotion à pattes depuis des systèmes emblématiques comme Salto-1P développé à Berkeley. Pour les chercheurs en robotique mobile, cela ouvre une voie alternative fondée sur l'optimisation de la transmission mécanique plutôt que sur l'accumulation d'énergie, ce qui simplifie potentiellement la conception et réduit la masse embarquée. L'ajout d'un contrôle d'attitude par hélices pendant la phase aérienne répond également à un problème classique des robots sauteurs, la stabilisation en vol, avec un mécanisme peu coûteux en masse. Ce travail s'inscrit dans une lignée de recherches sur les robots sauteurs monopodes, un sous-domaine de la robotique à pattes où les gains de hauteur et d'efficacité énergétique restent des défis ouverts depuis des projets antérieurs à stockage élastique. Le document ne précise pas d'institution ni de financement, ni de calendrier de suite (essais en environnement non contrôlé, intégration à une plateforme mobile complète ou applications visées comme l'exploration de terrains accidentés ou les missions de reconnaissance). Il s'agit à ce stade d'un prototype de recherche démontré en extérieur, non d'un produit destiné à une commercialisation.

Recherche❖Paper

1 source

33

943arXiv cs.RO 

HIRE : raisonnement d'interaction historique et exécution rapide pour manipulation précise malgré l'ambiguïté visuelle

Une équipe de recherche a publié le 28 septembre 2026 sur arXiv (2609.30828v1) un nouveau système baptisé HIRE, pour "History-Conditioned Interaction Reasoning and High-Rate Execution", conçu pour la manipulation robotique de précision dans des tâches à contact critique comme l'insertion, le vissage ou les interactions rotatives. L'architecture combine deux modules à fréquences différentes : un raisonneur d'état d'interaction (ISR) qui encode l'historique de forces et de couples (wrench) via un "Force Perceiver" pour lever l'ambiguïté entre observations visuellement identiques mais correspondant à des états physiques différents, et un exécuteur haute fréquence (IME) qui décompose le mouvement en progression intrinsèque et correction transversale pour un contrôle fin du contact. Sur des expériences robot réel couvrant des interactions de surface, d'insertion et de rotation, HIRE atteint au moins 90% de taux de complétion sur l'ensemble des étapes de tâches évaluées, avec une meilleure désambiguïsation des états d'interaction et une meilleure généralisation. Le code source sera publié ultérieurement, lors de la publication définitive de l'article : il ne s'agit donc pour l'instant que d'un préprint de recherche, non reproductible en l'état. L'intérêt pour l'industrie tient au problème précis que le papier cible : les politiques vision-langage-action (VLA) et les approches purement visuelles échouent quand deux scènes qui se ressemblent nécessitent des actions différentes selon un état caché, un cas fréquent en assemblage industriel et insertion de connecteurs. En couplant mémoire de force longue durée et boucle réactive rapide dans une architecture "cross-rate", HIRE propose une piste concrète pour des tâches d'assemblage fin où les manipulateurs équipés de capteurs force-couple restent aujourd'hui peu fiables face à l'aliasing visuel. Le chiffre de 90% mérite toutefois d'être relativisé : il provient d'essais en laboratoire sur robot unique, sans indication du nombre d'essais ni de comparaison chiffrée avec des bases de référence dans le résumé, ce qui est typique d'un stade préliminaire de recherche plutôt que d'une validation à l'échelle industrielle. Le travail s'inscrit dans la lignée des méthodes "force-aware" et à mémoire augmentée d'un côté, et des politiques réactives haute fréquence de l'autre, deux familles jusqu'ici traitées séparément dans la littérature sur la manipulation robotique. Aucun partenaire industriel, site de déploiement ni calendrier de commercialisation n'est mentionné : il s'agit d'une contribution académique dont la prochaine étape annoncée est la publication complète, accompagnée de la mise à disposition du code.

Recherche❖Paper

1 source

32

944arXiv cs.RO 

Vers VLA-Dreamer : affiner le comportement des modèles VLA grâce aux modèles du monde

Un article publié sur arXiv fin septembre 2026 sous la référence 2609.31313, intitulé "Towards VLA-Dreamer: Refining VLA Behavior Using World Models", propose une nouvelle architecture pour les modèles vision-langage-action (VLA) utilisés en contrôle robotique. Les auteurs suggèrent d'entraîner un modèle du monde prédictif directement sur l'espace d'embedding de l'encodeur visuel du VLA, plutôt que sur l'espace des pixels comme le font les modèles du monde classiques. L'hypothèse centrale est que ces embeddings, déjà utilisés pour décider des actions du robot, contiennent aussi l'information nécessaire pour anticiper l'évolution future de la scène. La perte d'apprentissage est calculée dans cet espace de représentation, une approche proche des architectures JEPA (joint embedding prédictive architecture). Le modèle du monde ainsi obtenu pourrait ensuite servir à de la planification à court terme, en générant des actions candidates à partir d'une image représentant l'objectif à atteindre. L'enjeu dépasse la simple curiosité académique. Les VLA actuels, tels que Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, exigent des volumes massifs de données de démonstration par apprentissage par imitation, ce qui reste le principal frein économique à leur déploiement à grande échelle chez les intégrateurs industriels. L'absence de modèle du monde explicite dans ces architectures alimente aussi un doute persistant sur leur capacité réelle à comprendre la dynamique physique plutôt qu'à reproduire des trajectoires mémorisées. Si les embeddings visuels s'avèrent effectivement prédictifs, cela apporterait un argument empirique en faveur de la piste "réduction des données" tant recherchée par le secteur ; dans le cas contraire, cela confirmerait une limite structurelle largement soupçonnée des VLA. Il s'agit à ce stade d'un "concept paper", c'est-à-dire d'une proposition architecturale sans résultats expérimentaux chiffrés rapportés dans le résumé, à ne pas confondre avec un système validé ou déployé. Elle s'inscrit dans la lignée des travaux JEPA popularisés par Meta AI et Yann LeCun, et vise, selon les auteurs, à mesurer la richesse prédictive des embeddings VLA et à réduire leurs besoins en données via ce module de planification additionnel.

Recherche❧Opinion

1 source

31

945arXiv cs.RO 

Robots collaboratifs air-sol pour missions de secours et d'incendie : une étude sur la cartographie et la navigation

Une équipe de chercheurs publie sur arXiv (2412.20699v3, une troisième version mise à jour de l'article original) une revue systématique consacrée aux robots collaboratifs air-sol pour les missions d'incendie et de sauvetage, avec un angle spécifique : la cartographie et la navigation. Les auteurs proposent un cadre où les drones (UAV) assurent la cartographie de l'environnement pendant que les robots terrestres (UGV) exploitent ces données pour naviguer sur le terrain. Le papier structure l'état de l'art autour de trois axes de recherche : la cartographie par UAV, la co-localisation UAV/UGV, et la navigation des UGV, en détaillant pour chacun les acquis techniques et les limites actuelles. Les systèmes recensés sont ensuite classés selon le nombre de drones et de robots terrestres engagés, un critère qui détermine leur pertinence pratique selon le scénario d'intervention (reconnaissance rapide, cartographie fine d'un site effondré, ou transport de charges lourdes). L'article illustre ces classifications par des exemples concrets d'application en contexte réel de lutte contre l'incendie et de secours aux victimes. Ce travail n'est pas une annonce produit ni un déploiement opérationnel : il s'agit d'une synthèse académique qui cartographie l'état de la recherche, sans chiffres de performance (payload, autonomie, temps de cycle) puisque son objet est de comparer des architectures plutôt que de vendre un système. Pour les intégrateurs et décideurs du secteur de la robotique de secours, l'intérêt réside dans l'identification des verrous encore non résolus, notamment la robustesse de la cartographie et de la localisation conjointe dans des environnements dégradés (fumée, poussière, absence de GPS, structures effondrées) où les approches actuelles restent fragiles. Le papier sert ainsi de référence pour orienter les investissements en R&D plutôt que de démontrer une percée commerciale immédiate. Le domaine s'inscrit dans une lignée de recherche en robotique de secours qui s'est structurée depuis les grandes catastrophes ayant motivé le développement de robots d'intervention en zone dangereuse, et qui s'appuie aujourd'hui sur la maturation parallèle des drones autonomes et des robots terrestres tout-terrain. Aucun acteur industriel n'est nommé dans cette synthèse, qui reste centrée sur les publications scientifiques du domaine. Les auteurs concluent en pointant les défis ouverts, en particulier la fiabilité de la fusion de cartes air-sol en temps réel, et appellent à des travaux futurs pour combler ces lacunes avant un passage à l'échelle opérationnelle.

Recherche❖Paper

1 source

30

946arXiv cs.RO 

Perception multi-capteurs sensible à la mémoire pour une navigation efficace et sûre en environnement dynamique

Un article déposé sur arXiv le 28 septembre 2026 sous la référence 2609.30495 (soumission de type "new", donc non encore relue par les pairs) présente un cadre de navigation autonome dit "memory-aware multi-sensor perception". Le système fusionne des données LiDAR et RGB, construit en ligne une représentation par champ de distance de l'environnement, et pilote le robot via un contrôleur nommé MCBF-QP (Modulated Control Barrier Function Quadratic Program), adapté par étapes selon le contexte local. Plutôt que de se limiter à une carte préexistante ou à des observations à court horizon comme le font la plupart des méthodes actuelles, le robot conserve en mémoire la structure statique déjà vue (murs, mobilier fixe) tout en suivant séparément les obstacles mobiles. Les auteurs rapportent des essais en environnements intérieurs et extérieurs complexes, avec une navigation plus efficace et un meilleur taux d'atteinte d'objectif, mais sans chiffres précis de taux de succès, de temps de trajet ou de comparaison numérique face aux méthodes concurrentes, une réserve à garder en tête tant que le papier n'est pas évalué par les pairs. Pour l'industrie des robots mobiles autonomes et de la robotique de service, l'enjeu dépasse l'exercice académique: la plupart des systèmes déployés en entrepôt ou en environnement humain s'appuient soit sur une carte figée mise à jour périodiquement, soit sur une perception locale qui "oublie" ce qui sort du champ des capteurs, ce qui pénalise l'efficacité dans les couloirs étroits ou les zones encombrées. Donner au robot une mémoire persistante de la géométrie statique, couplée à un contrôleur de sécurité qui module ses contraintes selon le contexte, s'attaque à un point de friction connu entre démonstration en laboratoire et déploiement réel: rester fluide et sûr quand des personnes ou des chariots traversent la trajectoire. Le travail s'inscrit dans une lignée qui combine cartographie en ligne et contrôle par barrières de sécurité (Control Barrier Functions), une famille de techniques de plus en plus utilisée en navigation robotique face aux limites des approches purement réactives. Aucune entreprise, aucun laboratoire ni plateforme commerciale n'est cité dans le résumé fourni, ce qui situe cette contribution au stade de la recherche amont plutôt que du produit ou du pilote industriel. Ni code ni jeu de données n'est annoncé, et la suite logique serait une validation quantitative comparative puis un test sur une flotte réelle en conditions de production.

Recherche❖Paper

1 source

35

947New Atlas Robotics 

Robot élastique à remontoir : il saute indéfiniment sous lumière infrarouge

Des chercheurs de la North Carolina State University ont mis au point un robot souple capable de sauter en continu lorsqu'il est expose a de la lumière infrarouge, sans moteur électrique ni source d'énergie embarquée classique. Le dispositif repose sur un matériau élastique remontable ("wind-up") qui emmagasine de l'énergie mécanique; l'exposition a l'infrarouge déclenche sa libération sous forme d'un saut, le mécanisme se rechargeant ensuite pour répéter le cycle indéfiniment tant que la source lumineuse reste présente. Le travail, classe par l'université dans les catégories Robotique et Ingenierie sous les mots-clés locomotion et infrarouge, s'inscrit dans le champ de la robotique souple ("soft robotics"). Le communique source ne précise ni date exacte de publication, ni chiffres de performance tels que hauteur de saut, fréquence ou durée de fonctionnement continu, ce qui invite a la prudence sur la portée réelle de la démonstration. Cette avancée illustre un contraste revendique avec l'image populaire du robot rigide et métallique, type R2D2 ou TARS: la robotique souple élargit les formes et les taches qu'un robot peut assumer. Un actionneur purement mécanique, sans électronique de commande embarquée, intéressé particulièrement les applications ou la fiabilité électronique est compromise (milieux humides, exploration, dispositifs miniatures ou implantables), en offrant une locomotion autonome alimentée par une source lumineuse externe plutôt que par une batterie. Il s'agit toutefois d'une preuve de concept de laboratoire, sans indication de robustesse hors environnement contrôle ni de capacité de direction. Ce résultat s'inscrit dans une lignée de recherches sur les matériaux actifs et les actionneurs élastiques déclenchés par un stimulus externe (lumière, chaleur), un axe explore par plusieurs laboratoires universitaires en robotique souple depuis plusieurs années. Le communique ne mentionne ni partenaire industriel, ni calendrier de développement ultérieur, ni application ciblée précise, ce qui situe cette publication au stade de la recherche fondamentale plutôt que du prototype prêt a déployer.

Recherche❖Paper

1 source

50

948New Atlas Robotics 

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

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

FR/EU ecosysteme⚖Reglementation

1 source

42

949Interesting Engineering 

Les robots d'inspection industrielle peuvent désormais ouvrir des portes et s'authentifier automatiquement

La société suisse ANYbotics a annoncé un partenariat avec le spécialiste des accès dormakaba et le fournisseur d'identifiants numériques LEGIC Identsystems pour permettre à ses robots quadrupèdes ANYmal d'ouvrir seuls les portes et de s'authentifier aux entrées à accès restreint dans les sites industriels. Pour les portes non verrouillées, un capteur radar détecte l'approche du robot et déclenche un motorisateur de porte battante dormakaba, modèle ED 100 ou ED 250, installé en rétrofit sur des portes existantes, sans nécessiter de portes dédiées aux robots ; le système fonctionne en intérieur, en extérieur et sur des portes coupe-feu. Pour les zones verrouillées, ANYmal embarque un module de sécurité LEGIC qui lui confère une identité numérique : le robot sollicite électroniquement l'accès auprès du système de gestion exos de dormakaba, qui vérifie ses permissions avant de déverrouiller. David Fuller, Chief Innovation Officer chez dormakaba, présente ce pilote comme une extension des solutions d'accès, historiquement pensées pour des utilisateurs humains, à l'authentification de machines autonomes. Il s'agit à ce stade d'un pilote conjoint entre les trois entreprises, et non d'un produit commercialisé à grande échelle ni d'un déploiement généralisé sur des sites clients. Pour les exploitants de sites énergétiques, miniers, chimiques ou métallurgiques, l'enjeu est concret : les robots d'inspection quadrupèdes savent déjà naviguer dans des environnements complexes, mais une simple porte fermée ou un sas sécurisé suffisait jusqu'ici à interrompre une mission et à nécessiter l'intervention d'un opérateur humain. En couvrant plusieurs bâtiments et zones sans casser les procédures d'audit et de contrôle d'accès existantes, ce type d'intégration pourrait élargir le périmètre réel des missions d'inspection autonome, un facteur limitant souvent sous-estimé par rapport aux progrès de la locomotion ou de la perception. Le système conserve aussi les dispositifs anti-intrusion existants (sas, interlocks, caméras, agents de sécurité), répondant ainsi au risque qu'une personne profite du passage du robot pour s'introduire sans autorisation dans une zone protégée. ANYbotics, fondée à l'origine par des chercheurs de l'ETH Zurich, s'est positionnée depuis plusieurs années sur l'inspection industrielle autonome avec sa gamme ANYmal, sur un marché où elle concurrence notamment Boston Dynamics et son robot Spot, également déployé dans l'inspection d'installations industrielles. LEGIC apporte son savoir-faire en identifiants numériques sécurisés, déjà utilisé dans le contrôle d'accès aux bâtiments, tandis que dormakaba gère l'automatisation des portes et la gestion des droits d'accès. La solution intègre également une fonction de télé-assistance permettant à un opérateur distant de reprendre la main, modifier une mission ou renvoyer le robot à sa station de charge en cas de blocage. Les trois partenaires n'ont pas communiqué de calendrier précis pour un déploiement commercial au-delà de ce pilote.

Industriel⚡Actu

1 source

37

950Interesting Engineering 

Un allié des États-Unis prévoit une armée de robots humanoïdes pour des opérations à risque avec des drones et booster la guerre high-tech

Mykhailo Fedorov, ancien vice-premier ministre et ministre de la Transformation numérique de l'Ukraine, a dévoilé fin septembre 2026 une nouvelle initiative baptisée « Army of Robots », présentée comme le prolongement de l'« Army of Drones » qui a fait de l'Ukraine le plus gros producteur mondial de drones de combat depuis le début de la guerre. Le projet, encore à un stade très précoce (pas de robot construit, pas de démonstration publique), vise à développer des robots humanoïdes et d'autres systèmes autonomes capables de reprendre des tâches aujourd'hui assurées par des soldats sur le front : recharger des armes, remplacer des batteries, poser des capteurs, livrer des munitions, évacuer des blessés, poser ou déminer des mines, faire de la reconnaissance, défendre des positions et mener des frappes. Fedorov recrute actuellement ingénieurs, équipes de robotique, entreprises technologiques et investisseurs pour bâtir cet écosystème. Selon Ukrainska Pravda, les objectifs affichés sont qu'un robot humanoïde parvienne à tuer un soldat russe dans les six mois suivant le lancement du programme, et qu'une première opération combinant robots et drones, coordonnés par logiciel, ait lieu dans la première année. Fedorov rappelle que les drones représentent déjà plus de 95 % des frappes en Ukraine, avec plus de 700 fabricants d'UAV actifs dans le pays. À ce stade, il s'agit d'une annonce de positionnement et de levée de fonds, pas d'un produit livré : aucune plateforme, aucun degré de liberté, aucune autonomie embarquée ni aucun calendrier de fabrication n'a été précisé, et l'objectif « tuer un soldat en six mois » relève davantage de la communication offensive que d'une spécification technique vérifiable. Le signal reste néanmoins notable pour le secteur : après avoir démontré avec les drones qu'elle pouvait industrialiser très vite une filière de guerre technologique low-cost et à haut volume, l'Ukraine cherche à reproduire ce modèle sur la robotique terrestre et humanoïde, un segment où les acteurs occidentaux (Boston Dynamics, Figure, Tesla) restent surtout positionnés sur la logistique et l'industrie civile. Si l'écosystème se concrétise, il pourrait accélérer les allers-retours entre robotique militaire et marché privé et inciter investisseurs et intégrateurs occidentaux à s'intéresser davantage à la robotique de défense à bas coût. Le projet prolonge la trajectoire personnelle de Fedorov depuis son départ du gouvernement ukrainien. Il a récemment annoncé la création d'une société de technologie de défense dont Alex Karp, PDG de Palantir, serait le premier investisseur majeur, destinée à transformer l'expérience ukrainienne de guerre technologique en produits commercialisables, sans que sa structure précise ait été détaillée. Un fonds d'investissement distinct basé à Kyiv est par ailleurs en cours de constitution pour financer start-ups et fabricants de défense ukrainiens. Fedorov justifie l'urgence par la capacité de la Russie à copier et industrialiser rapidement les technologies adverses, ce qui l'oblige, dit-il, à lancer en permanence un nouveau cycle technologique avant l'ennemi. Aucun partenaire robotique nommé ni calendrier de déploiement opérationnel n'a été communiqué pour l'instant.

Humanoïdes❧Opinion

1 source