Actualités robotique — page 29

7 313 articles au fil, du plus récent au plus ancien.

42

1401arXiv cs.RO 

La bibliothèque EventCV pour la vision robotique par événements

Des chercheurs publient EventCV, une bibliothèque open source écrite en Rust avec des liaisons Python de style OpenCV, décrite dans un article déposé sur arXiv le 21 septembre 2026 (arXiv:2609.21330v1). L'outil cible les caméras événementielles, des capteurs qui détectent les changements de luminosité pixel par pixel de façon asynchrone à l'échelle de la microseconde, avec une plage dynamique élevée et une faible consommation électrique. EventCV regroupe dans un seul paquet des filtres de débruitage, des transformations géométriques, des augmentations de données, la détection de coins et l'apprentissage non supervisé de caractéristiques, l'estimation de mouvement par maximisation de contraste, un simulateur vidéo-vers-événements, et l'inférence de modèles au format ONNX pour le déploiement embarqué. La bibliothèque s'intègre au paquet Neuromorphic Drivers pour traiter un flux de caméra en temps réel, et ses auteurs annoncent des gains de vitesse de 1,1 à 3,7 fois par rapport aux bibliothèques existantes pour construire des représentations et décoder des fichiers. L'équipe l'a déployée sur un module Jetson Orin AGX de Nvidia et l'a testée sur trois cas d'usage robotiques: détection d'objets, inférence de modèle embarquée et localisation. Le projet est documenté sur eventcv.net. L'enjeu n'est pas algorithmique mais logistique: malgré des années de promesses autour des caméras événementielles pour la robotique rapide ou en conditions lumineuses difficiles, leur adoption bute sur l'absence de pilotes standardisés, la multiplication de formats de fichiers incompatibles entre fabricants, et des codes de recherche non réutilisables d'un projet à l'autre. En couvrant l'ensemble de la chaîne, du filtrage brut jusqu'à l'inférence embarquée sur cible edge, EventCV s'adresse directement aux intégrateurs robotiques qui veulent exploiter ces capteurs sans réécrire une pile logicielle maison. Les gains de vitesse annoncés restent modestes et mesurés sur des tâches de bas niveau (construction de représentations, décodage), pas des démonstrations spectaculaires, ce qui est cohérent avec un outil d'infrastructure plutôt qu'une percée algorithmique. Le constat de départ, celui d'un écosystème de vision événementielle fragmenté malgré des capteurs matures, est documenté depuis plusieurs années dans la littérature en vision neuromorphique, sans qu'un outil unifié ne s'impose jusqu'ici. EventCV se positionne comme une couche logicielle commune, à la manière d'OpenCV pour la vision classique, plutôt que comme un concurrent d'un fabricant de capteur en particulier. Sa publication en open source et sa validation sur du matériel embarqué standard de l'industrie suggèrent une cible d'adoption par les laboratoires et équipes robotiques déjà équipés en caméras événementielles, sans calendrier de déploiement commercial annoncé à ce stade.

Infrastructure⚡Actu

1 source

42

1402arXiv cs.RO 

CRISP : plateforme de simulation robotique riche en contacts, avec géométries étendues et solveurs de contact

Des chercheurs du laboratoire INRoL publient CRISP (Contact-RIch Simulation Platform), un nouveau moteur physique dédié a la simulation haute fidélité des interactions multi-contacts, pense en particulier pour la manipulation robotique a tolérances serrées. Le papier, mis en ligne sur arXiv sous la référence 2609.21761v1 en septembre 2026, décrit un moteur combinant une détection de collision fondée sur l'optimisation, compatible avec des représentations géométriques variées, et des solveurs de contact bases sur le lagrangien augmente, présentes comme plus robustes que les approches classiques. Les auteurs affirment résoudre les contraintes multi-contacts sans recourir aux relaxations numériques qui dégradent habituellement la précision des simulateurs existants. Le code est disponible publiquement sur GitHub a l'adresse github.com/INRoL/crisp. La fidélité physique de CRISP est validée par comparaison avec des plateformes de simulation de référence, puis illustrée sur des scenarios de manipulation robotique complexes, sans que le résume ne publie de chiffres précis de performance comme le temps de calcul ou le nombre de contacts simultanés gérés. La simulation reste le principal goulot d'étranglement pour l'entrainement de politiques de manipulation fine, insertion, assemblage, prise en tolérance serrée, une étape jugée critique pour transférer des compétences du simulateur vers le robot réel. Les moteurs généralistes utilises aujourd'hui pour entrainer des politiques de type VLA ou par renforcement, tels que MuJoCo, PhysX dans Isaac Sim ou Bullet, arbitrent généralement entre richesse géométrique et stabilité numérique du solveur de contact, ce qui limite leur fidélité sur les taches d'assemblage fin. En ciblant simultanément ces deux axes, CRISP s'attaque a un angle mort souvent cite par les intégrateurs et laboratoires travaillant sur la manipulation dexterisee humanoïde ou industrielle, celui de l'écart entre une démonstration en simulation et un comportement fiable en conditions réelles. Un moteur plus fidèle sur les contacts intensifs pourrait améliorer la qualité des données synthétiques servant a entrainer des modèles de manipulation, un enjeu direct pour réduire le volume de démonstrations réelles nécessaires. CRISP s'inscrit dans une vague de nouveaux moteurs physiques conçus spécifiquement pour la robotique et l'entrainement de politiques d'IA, aux cotes d'outils établis comme MuJoCo et sa variante accélérée MJX, NVIDIA Isaac Sim base sur PhysX, Drake du MIT, ou des projets plus récents comme Genesis et SAPIEN. Contrairement aux annonces de robots humanoïdes commerciaux, CRISP est publie comme un travail de recherche académique, classe "new" sur arXiv et non encore revu par les pairs, plutôt que comme un produit commercial: aucune entreprise, aucun client industriel ni feuille de route de déploiement n'est mentionne. Sa mise en open source vise avant tout l'adoption par la communauté robotique comme brique de recherche reproductible, dans un contexte ou la fidélité des simulateurs devient centrale face a la multiplication des politiques de manipulation entraînées en simulation. Les prochaines étapes attendues concernent l'intégration a des pipelines d'entrainement plus larges et des comparaisons sur des benchmarks de manipulation standardises, sans calendrier précise dans l'article.

Recherche❖Paper

1 source

42

1403arXiv cs.RO 

PopNavShift : tester la robustesse de la navigation sociale face aux évolutions du comportement collectif

Des chercheurs ont publié sur arXiv (2609.21838v1) un cadre de simulation baptisé PopNavShift, conçu pour tester la robustesse des algorithmes de navigation sociale robotique face aux variations de comportement des piétons. Plutôt que d'évaluer ces algorithmes sur une distribution fixe de comportements piétons, comme le fait la majorité des benchmarks existants, l'équipe génère des profils de mouvement conditionnés par population en soumettant 600 fiches de persona synthétiques, issues du jeu de données MatrAIx Persona 1M, au modèle Gemini 3.7 Flash, dont les réponses sont ensuite converties de façon déterministe en paramètres de mouvement bornés. Le framework compare trois stratégies de navigation représentatives, l'évitement réactif, la cession de priorité anticipée et l'évitement réciproque de collision, sur huit conditions de population distinctes et 7488 simulations robot appariées. Dans une intervention contrôlée sur les 202 mêmes personas, faire varier uniquement la pression temporelle inverse le classement des contrôleurs dans 8,6% des cas lorsqu'on mesure le temps de trajet du robot, mais dans 22,4% des cas pour le délai moyen infligé aux piétons et 23,9% pour le délai du dixième le plus pénalisé. Ces résultats remettent en cause une pratique courante dans la recherche en robotique mobile: valider un algorithme de navigation sociale sur un seul modèle de comportement piéton avant de le considérer prêt au déploiement. Pour les intégrateurs d'AMR et de robots de service amenés à opérer en environnement humain (entrepôts, hôpitaux, espaces publics), l'étude montre que le classement des meilleures stratégies peut s'inverser selon la population réellement rencontrée, et que cette instabilité touche davantage le confort des piétons que la performance brute du robot. Un algorithme optimisé uniquement sur le temps de trajet peut ainsi se révéler nettement plus pénalisant pour certains groupes de piétons sans que cela apparaisse dans les métriques habituelles. PopNavShift s'inscrit dans un mouvement plus large où les grands modèles de langage servent à générer des personas synthétiques pour peupler des simulations, ici via Gemini 3.7 Flash et la base MatrAIx Persona 1M. Les auteurs confirment la même tendance qualitative avec un second modèle de dynamique piétonne, renforçant la robustesse de leur constat. Ce travail reste une contribution de recherche publiée en preprint, sans acteur industriel ni calendrier de déploiement annoncé; il plaide pour que les futurs benchmarks de navigation sociale intègrent systématiquement des métriques de charge piétonne, en plus des métriques de performance robot, et testent explicitement plusieurs populations comportementales plutôt qu'une seule.

Recherche❖Paper

1 source

42

1404arXiv cs.RO 

Lois d'allométrie pour robots bipèdes

Une étude publiée sur arXiv (référence 2603.22560, version 4) établit les lois d'échelle des robots bipèdes, c'est-à-dire comment masse, vitesse et couple doivent évoluer avec la taille d'un design. Après avoir recensé les robots bipèdes existants, les auteurs constatent que leur masse suit une loi en L² (longueur de jambe au carré), et non la prédiction isométrique classique en L³. Pour le vérifier, ils reconstruisent en simulation 3D deux bipèdes déjà publiés, de même morphologie quasi-passive mais différant par un facteur six en longueur de jambe, et les mettent à l'échelle de 0,02 à 1,2 mètre sous deux hypothèses de masse. La vitesse suit alors une similarité dynamique en L^0,5 quel que soit le modèle retenu, le couple de marche, proportionnel au produit masse fois longueur, grimpe en L³ ou en L⁴ selon l'hypothèse de masse choisie, et les dimensions de pied permettant de marcher croissent linéairement avec la longueur de jambe, sans que la forme optimisant la vitesse se transpose automatiquement d'une échelle à l'autre. Pour les concepteurs de bipèdes et d'humanoïdes, ce résultat remet en cause l'hypothèse isométrique standard, masse proportionnelle au cube de la taille, utilisée par défaut en ingénierie, et offre une règle empirique plus fiable pour extrapoler un design du laboratoire vers une plateforme industrielle. L'écart entre les deux modèles de couple pèse directement sur le dimensionnement des actionneurs, la consommation énergétique et le coût d'un bipède à mesure qu'il change d'échelle, un enjeu concret pour tout intégrateur évaluant la faisabilité économique d'un humanoïde. Le papier rappelle aussi qu'une géométrie de pied ou un mode de marche validés sur un prototype ne se généralisent pas automatiquement à une autre taille par simple redimensionnement. Ce travail s'inscrit dans la tradition de l'allométrie biologique, qui décrit depuis longtemps comment masse, force musculaire et vitesse varient avec la taille chez les animaux, transposée ici à la robotique de jambes. Les auteurs s'appuient sur deux bipèdes déjà publiés, de même morphologie quasi-passive, c'est-à-dire exploitant la dynamique naturelle du corps plutôt qu'un contrôle actif permanent, mais conçus à des échelles très éloignées. Il s'agit d'une recherche fondamentale, sans partenaire industriel ni déploiement commercial mentionné, destinée à guider la conception des futures générations de bipèdes qui s'écarteront des tailles standard aujourd'hui testées dans l'industrie humanoïde.

Recherche❖Paper

1 source

42

1405arXiv cs.RO 

Géométrie de l'effecteur final conditionnée par le résultat dans les modèles vision-langage-action

Une étude analyse 15 000 déploiements en boucle fermée de quatre politiques vision-langage-action (VLA) sur le benchmark de manipulation LIBERO, en comparant la géométrie des trajectoires du bras terminal plutôt que les seuls taux de réussite. Sur 3 600 paires de politiques appariées par configuration, la distance médiane normalisée de dynamic time warping est de 0,0120 mètre quand les deux politiques réussissent la tâche, contre 0,0380 mètre quand une seule y parvient. Cette hiérarchie se confirme pour chaque tâche, chaque paire de politiques et neuf représentations testées, même si son ampleur varie fortement selon la représentation choisie. Les paires en double échec, plus séparées encore, reposent sur un échantillon jugé trop restreint pour être concluant. Le résultat répond empiriquement à une question clé pour la manipulation robotique: savoir si des politiques VLA différentes qui réussissent la même tâche empruntent des trajectoires réellement comparables ou seulement des résultats similaires par des chemins distincts. La proximité géométrique observée en cas de succès partagé va dans le sens d'un lien entre contrainte de tâche et trajectoire, sans trancher entre chevauchement des données d'entraînement et contraintes physiques propres à la tâche. Mais l'étude prévient qu'une faible distance entre politiques ne vaut pas interchangeabilité, des différences résiduelles mesurables subsistant même face à une base de référence appariée, ce qui doit inciter intégrateurs et décideurs à ne pas juger l'équivalence de deux modèles sur le seul taux de succès. Le travail s'inscrit dans un contexte où l'évaluation des politiques VLA repose presque exclusivement sur le taux de réussite, sans examen de la manière dont chacune atteint ce résultat, alors que le secteur multiplie les architectures et interfaces d'action concurrentes pour la manipulation robotique. En s'appuyant sur LIBERO, benchmark de référence en simulation, et sur quatre politiques non nommées individuellement, les auteurs proposent une méthode reproductible fondée sur le dynamic time warping pour comparer les trajectoires plutôt que les seuls scores binaires. Ils relèvent enfin que sous stress visuel composite, classement des politiques et composition des paires évoluent ensemble, un point qui appelle des travaux futurs sur la robustesse comparative des VLA en conditions visuelles dégradées, enjeu direct pour leur fiabilité en déploiement industriel.

Recherche❖Paper

1 source

42

1406arXiv cs.RO 

SafeStage : évaluer la sécurité avant, pendant et après la manipulation robotique par modèle vision-langage-action

Une équipe de recherche présente SafeStage, un benchmark structuré en trois étapes pour évaluer la sécurité des politiques de manipulation robotique conditionnées par le langage et la vision (VLA), publié sur arXiv (arXiv:2609.21223v1) en septembre 2026. L'outil comprend 97 scénarios de risque conçus spécifiquement pour tester trois phases du cycle de manipulation : les « dangers d'état initial » (relations spatiales ou physiques à résoudre avant de toucher à l'objet cible), la « sécurité pendant l'exécution » (contacts non intentionnels, trajectoires dangereuses, entrées dans des zones interdites, interactions non voulues avec d'autres objets) et les « dangers d'état final » (conditions instables ou dangereuses subsistant après l'achèvement nominal de la tâche). Le benchmark combine des vérifications basées sur les événements et sur l'état du système, et rapporte le taux de succès de la tâche indépendamment des résultats de sécurité propres à chaque étape. Les chercheurs ont testé des politiques VLA à action directe représentatives ainsi que des politiques s'appuyant sur des modèles du monde, dans un protocole commun en boucle fermée. Le résultat central est qu'une tâche accomplie avec succès coexiste fréquemment avec des violations de sécurité, et que les différentes politiques testées présentent des profils d'échec distincts selon l'étape du cycle concernée. Ce découplage entre succès de tâche et sécurité vient contredire une hypothèse implicite répandue dans le secteur, celle qu'un robot qui termine sa tâche l'a nécessairement fait de manière sûre. Pour les intégrateurs et décideurs industriels évaluant des politiques VLA généralistes en vue d'usages en ligne de production ou en environnement partagé avec des humains, SafeStage offre un outil de diagnostic permettant de localiser précisément quand et comment une politique échoue en matière de sécurité, plutôt que de se fier à un simple taux de réussite de tâche ou à des tests isolés de refus sémantique. Ce constat arrive alors que la course aux politiques VLA généralistes, portée par des familles de modèles comme Pi-0, GR00T ou Helix dans l'écosystème plus large de la manipulation robotique, s'accélère sur la base de démonstrations souvent impressionnantes mais rarement soumises à une évaluation systématique de sécurité en boucle fermée. Ce travail répond à une lacune des benchmarks existants, généralement centrés soit sur le succès de tâche, soit sur des contraintes physiques isolées, soit sur le refus sémantique de commandes dangereuses, soit sur des dommages physiques déjà constatés après coup, sans permettre de localiser à quel moment précis du cycle de manipulation survient une violation. En proposant un banc d'essai unifié et diagnostique, les auteurs visent un outil réutilisable pour comparer et améliorer les politiques VLA à mesure qu'elles se rapprochent d'un déploiement industriel réel. Le papier ne mentionne ni partenariat commercial ni calendrier de suite : il s'agit à ce stade d'une contribution de recherche académique destinée à la communauté robotique, sans acteur ni déploiement réel annoncé, ce qui la distingue nettement des communiqués marketing habituels du secteur des robots humanoïdes.

Recherche❖Paper

1 source

42

1407arXiv cs.RO 

Au-delà de la cinématique : évaluation de la fidélité des simulations pour l'apprentissage par imitation musculaire

Des chercheurs ont publié le 21 septembre 2026 sur arXiv (arXiv:2609.21909) une comparaison systématique de deux pipelines d'apprentissage par renforcement pour l'imitation du mouvement humain (MIRL): l'un fondé sur SCONE/HyFyDy, l'autre sur MuJoCo/MyoSim. HyFyDy privilégie un réalisme physiologique poussé via une modélisation détaillée des muscles et tendons, tandis que MuJoCo mise sur l'efficacité de calcul et l'apprentissage de politiques à grande échelle. Les deux pipelines ont été confrontés à un même jeu de données de capture de mouvement humain et d'électromyographie (EMG). Si les deux reproduisent la cinématique avec une précision comparable, les schémas d'activation musculaire générés par HyFyDy collent nettement mieux aux mesures EMG réelles: erreur quadratique moyenne (RMSE) de 0,164 et corrélation (r) de 0,4 pour HyFyDy, contre 0,344 et 0,11 pour MuJoCo. Ce résultat compte pour la conception de dispositifs d'assistance robotique, exosquelettes et prothèses notamment, où l'activation musculaire et le coût métabolique servent souvent de cibles d'optimisation directes. Il montre qu'une cinématique fidèle ne garantit pas la validité des variables neuromusculaires sous-jacentes: deux simulateurs peuvent produire des trajectoires visuellement identiques tout en divergeant fortement sur ce qui se passe réellement dans le système musculo-squelettique simulé. Pour les équipes qui utilisent MuJoCo pour sa scalabilité GPU et sa compatibilité avec les frameworks de RL modernes, l'étude est un signal d'alerte: le gain en vitesse d'entraînement se paie potentiellement en fidélité biomécanique, ce qui fragilise les conclusions tirées d'estimations d'effort musculaire ou de dépense énergétique obtenues via ce type de pipeline. SCONE et son moteur physique HyFyDy proviennent d'un courant de recherche en biomécanique computationnelle centré sur la simulation musculo-squelettique de haute fidélité, quand MuJoCo, développé à l'origine par DeepMind, s'est imposé comme moteur physique de référence en robotique et en RL grâce à sa rapidité, MyoSim/MyoSuite en étant l'extension dédiée à la modélisation musculaire. Les auteurs soulignent que les deux approches devront encore progresser pour combiner réalisme physiologique et parallélisation GPU, condition jugée nécessaire pour faire avancer la conception de dispositifs d'assistance robotique pilotés par des politiques apprises. Aucune feuille de route de déploiement industriel n'est annoncée: il s'agit d'un travail de benchmarking académique, destiné aux laboratoires de biomécanique et de robotique d'assistance plutôt qu'à une mise en production immédiate.

Recherche❖Paper

1 source

41

1408arXiv cs.RO 

Évaluation comparative des modèles du monde pour l'apprentissage continu sur des tâches compositionnelles

Un article publié sur arXiv (2609.22055v1, section cross-listing) présente un nouveau benchmark destiné à évaluer la capacité des "world models" à apprendre en continu sur des tâches de manipulation robotique. Baptisé benchmark de continual learning compositionnel, l'outil construit des séquences de tâches où chaque nouvelle tâche recombine des éléments déjà rencontrés, en factorisant cette composition selon deux axes distincts : l'action et la perception. L'objectif est de séparer deux capacités souvent confondues dans les mesures d'adaptation classiques, la vitesse d'apprentissage de tâches inédites d'un côté, la réutilisation de connaissances déjà acquises de l'autre. Les auteurs testent plusieurs world models considérés comme état de l'art, combinés à des méthodes de continual learning standards, ainsi qu'un modèle modulaire dont le socle de dynamique intègre des composants explicitement conçus pour être réutilisés. Le code et les détails du benchmark sont publiés sur un site dédié au projet, object814.github.io/Compositional-Continual-Learning. Le résultat central est que l'architecture modulaire offre un meilleur compromis entre réutilisation des connaissances et oubli catastrophique que les méthodes de continual learning conventionnelles, mais qu'aucune approche testée ne résout le problème dans son ensemble. Pour les laboratoires qui développent des modèles génériques de type VLA destinés à équiper des robots manipulateurs en usine ou en logistique, ce constat vient nuancer l'hypothèse implicite selon laquelle un modèle suffisamment large finirait par s'adapter à de nouveaux environnements sans réentraînement complet ni perte de performance sur les tâches antérieures. Le benchmark fournit en somme un outil de diagnostic plus rigoureux que les mesures d'adaptation globales habituellement citées dans les communiqués sur les robots généralistes, en isolant précisément où l'apprentissage échoue. Ce travail s'inscrit dans la continuité des recherches sur le continual learning appliqué à la robotique, un champ où les benchmarks existants mesuraient rarement séparément la vitesse d'apprentissage et la réutilisation de connaissances. En se concentrant spécifiquement sur les world models, composants de plus en plus centraux dans les architectures de contrôle robotique moderne, les auteurs positionnent leur contribution comme un outil d'évaluation plutôt qu'un nouveau modèle concurrent. La publication du benchmark en accès libre laisse présager son adoption par d'autres équipes pour tester leurs propres architectures, sans qu'aucun calendrier de déploiement industriel ne soit annoncé à ce stade.

Recherche❖Paper

1 source

41

1409arXiv cs.RO 

Transformeur de navigation visuelle à attention de pose

Une équipe de recherche a publié le 21 septembre 2026 sur arXiv, sous la référence 2609.21212, VNT-PA (Visual Navigation Transformer with Pose Attention), un planificateur de navigation robotique dont le contexte visuel, un ensemble d'images de profondeur, est indexé par la pose de la caméra plutôt que par l'ordre temporel des observations: l'attention du transformeur dépend ainsi des écarts de position entre les prises de vue, pas de leur chronologie. Entraîné par imitation d'un planificateur de plus court chemin calculé sur le maillage exact de la scène, il prédit ses actions à partir de sa seule pose courante et de la position de l'objectif. Sur la navigation vers un point cible dans les scènes de validation du jeu de données HM3D, VNT-PA atteint 93,3% de réussite et un score SPL, la réussite pondérée par la longueur du trajet, de 90,4%, devançant les modèles qui codent le même contexte en séquence temporelle ou traitent la pose comme une simple donnée d'entrée, aussi bien en performance qu'en efficacité d'entraînement. Cette méthode répond à une limite connue des politiques de navigation apprises: leur difficulté à réutiliser l'expérience de traversées antérieures d'un même lieu sans construire une carte ou un graphe topologique explicite, coûteux à maintenir et sensible au bruit. En indexant le contexte par pose plutôt que par le temps, VNT-PA permet de fusionner au moment du test des images issues de trajectoires différentes, et se dégrade plus progressivement qu'un planificateur appuyé sur une carte explicite lorsque la localisation devient bruitée, un point sensible pour tout déploiement réel où l'odométrie n'est jamais parfaite. Pour les concepteurs de robots mobiles et d'AMR, le résultat suggère qu'un historique d'observations horodaté par la pose peut servir directement de représentation d'environnement, sans module de cartographie dédié, tout en accélérant l'entraînement sur des horizons de navigation longs. Ces travaux prolongent deux familles de méthodes de navigation visuelle par apprentissage: les transformeurs à encodage temporel, peu aptes à réutiliser l'expérience passée, et les systèmes à carte ou graphe topologique explicite, plus robustes à la réutilisation mais coûteux à construire. VNT-PA se compare directement aux deux approches sur le même protocole HM3D, y compris à une variante où la pose est simplement ajoutée comme caractéristique d'entrée plutôt qu'utilisée comme encodage positionnel de l'attention, ce qui isole précisément l'apport de la méthode. Publié comme préprint sur arXiv, le travail reste à ce stade une contribution validée en simulation, sans portage annoncé vers un robot physique ni partenariat industriel.

Recherche❖Paper

1 source

41

1410arXiv cs.RO 

AeRove : drone aérien-terrestre bimodal compact à reconfiguration bistable rapide pour l'inspection de pipelines en gros plan

Une équipe de recherche présente AeRove, un robot bimodal aérien-terrestre pour l'inspection rapprochée de pipelines, dans une prépublication arXiv parue en septembre 2026. Il roule le long des tuyaux grâce a ses carters d'hélices transformes en roues, et bascule entre mode sol et mode vol en 200 millisecondes via un mécanisme bistable a ressort qui ne consomme aucune énergie pour tenir une position. En réservant le vol au franchissement d'obstacles, les auteurs annoncent un courant divise par 14 face au vol continu (0,7 A contre 10 A), portant l'autonomie estimée de 144 a 2057 mètres. Des essais autonomes sur un tuyau en acier de 51 cm de diamètre ont valide la navigation en ligne droite et en courbe, le saut d'obstacles et la détection de marqueurs de fuite simules. Ce travail cible une limite concrète des drones d'inspection classiques: leur vol stationnaire près des tuyaux consomme beaucoup d'énergie, reste sensible aux turbulences, et le souffle des hélices perturbe les capteurs de gaz. Lors des tests de CO2, la position perchée a produit une réponse de concentration nettement plus forte que le vol stationnaire, ce qui questionne l'usage de drones purement volants pour détecter finement des fuites a proximité immédiate. Une prise d'air sous le corps de l'appareil a aussi génère une détection plus rapide et plus intense qu'une sonde déportée, en exploitant le flux des hélices. Pour les intégrateurs, l'architecture hybride laisse entrevoir une portée multipliée par plus de dix sans sacrifier la capacité a franchir des obstacles. Le projet s'inscrit dans une famille naissante de robots hybrides sol-air développés en recherche académique pour dépasser les limites des drones et des robots rampants déjà utilises en inspection de pipelines industriels. Il s'agit d'un prototype de laboratoire, valide sur un unique tuyau de 51 cm de diamètre, sans partenaire industriel ni calendrier de commercialisation annonces. Les auteurs ont toutefois publie le code et les plans sous licence CC-BY, ouvrant la voie a une reprise du concept par d'autres laboratoires ou des intégrateurs souhaitant l'adapter a d'autres diamètres ou environnements gaziers.

Recherche❖Paper

1 source

41

1411arXiv cs.RO 

Empaquetage dense automatique d'objets irréguliers adapté à la pince

Publiée le 21 septembre 2026 sur arXiv (2609.22062v1), l'étude « Gripper-Aware Automatic Dense Packing of Irregular Objects » présente un pipeline en boucle fermée pour l'emballage dense automatique d'objets irréguliers, testé sur un bras Franka Emika Panda. L'optimiseur modélise l'objet et la pince comme un seul corps composite en arbres de sphères, et recherche la meilleure pose sur cinq degrés de liberté via un algorithme CMA-ES exécuté sur GPU, la hauteur de dépose étant déduite du relief mesuré du conteneur. Une descente surveillée par capteur de force s'arrête au premier contact, puis une poussée de consolidation referme le jeu latéral résiduel, le conteneur étant reperçu entre chaque dépose pour éviter toute dérive accumulée. Validé sur des objets imprimés en 3D aux formes plates, courbes et concaves ainsi que sur un sous-ensemble d'objets YCB, le système est évalué par une étude d'ablation mesurant l'apport de chaque composant sur la réussite, la densité atteinte et le coût de calcul. Le résultat comble un angle mort classique du packing robotique : les travaux antérieurs traitent souvent l'objet comme un corps rigide isolé, réduisent la pince à un simple test de faisabilité après coup, et ignorent les erreurs de perception et de contact qui s'accumulent en conditions réelles. En intégrant le gripper dès l'optimisation et en fermant la boucle par retour de force, les auteurs réduisent l'écart entre démonstration simulée et exécution réelle, un enjeu central pour tout intégrateur logistique visant l'automatisation du remplissage dense de bacs avec des objets non standardisés. Le benchmark contre une méthode de minimisation de heightmap, représentative des approches antérieures, offre un point de comparaison quantifié plutôt qu'une simple annonce marketing. Le travail s'inscrit dans la recherche en manipulation robotique pour la logistique d'entrepôt, où le remplissage dense reste largement non résolu malgré des années de travaux en simulation. À la différence des pipelines qui traitent la pince comme un simple filtre de faisabilité ajouté en fin de chaîne, cette contribution se distingue par sa validation matérielle complète sur un Franka Emika Panda, plateforme académique de référence. Il s'agit d'un preprint arXiv non encore revu par les pairs, sans industrialisation, partenariat ni calendrier de déploiement annoncés à ce stade. Les extensions naturelles porteraient sur une plus grande diversité d'objets, des cadences de production plus élevées et des grippers industriels multi-doigts, au-delà du bras Panda utilisé pour cette preuve de concept.

Recherche❖Paper

1 source

41

1412arXiv cs.RO 

Géolocalisation multi-points de vue par caméras événementielles

Des chercheurs en robotique ont publié fin septembre 2026 un article (arXiv:2609.21219) décrivant MegaEvent, un système de reconnaissance visuelle de lieux (visual place recognition, VPR) fondé sur des caméras événementielles, conçu pour rester robuste aux changements de point de vue lors de la localisation de robots. Faute de jeux de données événementiels suffisamment riches en variations de viewpoint, les auteurs ont converti cinq grands jeux de données géolocalisés, habituellement utilisés pour entraîner des systèmes de localisation à base d'images classiques, en flux d'événements synthétiques via une conversion image-vers-événement (I2E), puis s'en sont servis pour affiner un transformeur visuel pré-entraîné pour l'événementiel, avec une fonction de perte multiple. Le système atteint un score moyen de Recall@1 de 82% sur trois jeux de données de localisation événementielle existants, soit 20 points de rappel de mieux que la meilleure méthode événementielle concurrente, et de 8 à 26 points de mieux que des modèles VPR à base d'images appliqués directement à des frames événementielles. Les chercheurs publient aussi un nouveau jeu de données, Springfield-Event-VPR, couvrant un parcours pédestre de 3,7 km enregistré selon trois orientations de caméra pour un total de 11,1 km, où MegaEvent dépasse la meilleure référence de 9 points de rappel; le code est disponible sur GitHub (AdamDHines/megaevent). Pour l'industrie robotique, ce travail comble un angle mort concret: les caméras événementielles, prisées pour leur faible latence, leur large plage dynamique et leur faible consommation, sont de plus en plus envisagées pour la navigation de robots mobiles et de drones en conditions d'éclairage difficiles, mais leur fiabilité pour reconnaître un lieu déjà visité sous un angle différent restait mal caractérisée. Un gain de 20 points de rappel sur les méthodes événementielles existantes, et un écart net avec les pipelines qui reconstruisent des images avant d'appliquer des modèles VPR classiques, suggère qu'entraîner directement des backbones événementiels sur des données converties artificiellement à grande échelle peut réduire l'écart avec la vision par frames, sans attendre l'accumulation de corpus événementiels natifs, coûteux et rares à produire. C'est un signal utile pour les intégrateurs travaillant sur la localisation en environnements variables, entrepôts, sites extérieurs ou drones, où le changement de point de vue entre cartographie et exploitation est la norme plutôt que l'exception. Le manque de données annotées reste le principal frein de la vision événementielle, qui repose historiquement sur des capteurs coûteux et des enregistrements limités; la conversion I2E adoptée ici, qui recycle des corpus d'images géolocalisées existants plutôt que de capturer de nouveaux flux événementiels, s'inscrit dans une tendance de la recherche en localisation visuelle consistant à transférer des connaissances de la modalité image vers la modalité événementielle via des backbones pré-entraînés. MegaEvent se positionne face aux méthodes événementielles de VPR existantes et aux modèles VPR conventionnels appliqués à des frames reconstruites, deux familles qu'il surclasse sur l'ensemble des bancs d'essai testés. Les auteurs mettent code et nouveau jeu de données à disposition en accès ouvert, ce qui devrait faciliter les comparaisons futures, sans indiquer à ce stade de déploiement matériel ou d'intégration dans un produit robotique commercial.

Recherche❖Paper

1 source

41

1413arXiv cs.RO 

Quand un robot défaillant doit-il demander de l'aide : dialogue correctif homme-robot à partir de preuves capteur auditées

Publiée le 21 septembre 2026 sur arXiv (2609.21942), une étude construit un banc d'essai simulé aux causes de panne robotique connues par injection, pour mesurer, sans fuite de données, ce que révèle chaque capteur. Certaines défaillances ne se diagnostiquent qu'à partir des données de force du robot, avec une précision de 0,99, contre 0,55 au mieux pour les méthodes fondées sur l'image seule. Sur six modèles vision-langage (VLM) open source testés à choisir entre agir, consulter un capteur ou interroger un humain, déplacer l'option de refus du dernier au premier rang de la liste de réponses fait chuter le taux de refus de 78-100% à 0-6% dans trois cas sur six. Leur précision par image reste pourtant au niveau de la classe majoritaire, leur confiance déclarée ne prédit aucune justesse, et donner les mêmes données de force en dix lignes de texte brut fait émerger les premiers diagnostics utiles chez quatre modèles sur six, une seule question à un humain remontant alors leur fiabilité entre 0,70 et 0,81. Ce résultat a une portée directe pour les intégrateurs déployant des VLM dans la prise de décision autonome: les taux de refus et de sollicitation humaine ne suivent pas la politique optimale déductible de leur propre précision mesurée, mais réagissent à des artefacts de mise en forme du prompt. Ils ignorent même un quadruplement du coût d'une question posée à l'humain, ce qui contredit l'hypothèse d'un arbitrage intelligent entre autonomie et supervision. L'essentiel du déficit de diagnostic vient donc d'un accès insuffisant aux bonnes données de capteurs, pas d'un manque de capacité de raisonnement. Pour un décideur B2B, la confiance affichée par un VLM ne doit donc jamais servir de signal de décision opérationnelle. Ce travail s'inscrit dans la recherche sur le dialogue correctif homme-robot, longtemps éclipsée par les annonces commerciales centrées sur la fluidité d'exécution des architectures vision-langage-action comme GR00T N2, Pi-0 ou Helix. En posant le choix comme un problème à trois actions dont la politique optimale découle de la précision mesurée, les auteurs livrent un cadre d'audit reproductible, sans partenariat industriel ni calendrier de déploiement annoncés à ce stade.

Recherche❖Paper

1 source

41

1414arXiv cs.RO 

CoAd : planification à temps constant pour la manipulation continue d'objectifs avec bibliothèque compressée et adaptation en ligne

Le laboratoire elpis-lab a publié une version révisée de son article CoAd sur arXiv (arXiv:2603.12488). Le travail vise un cas fréquent en manipulation robotique : un robot qui résout à répétition des problèmes de planification ne différant que par la position de l'objet cible et de son obstacle, l'espace de travail restant fixe. Plutôt que de stocker une solution par configuration comme les bibliothèques d'expérience existantes, CoAd découpe l'espace continu des objectifs en zones appelées Task Coverage Regions et ne calcule hors ligne que des solutions "racines" représentatives de chacune ; à l'exécution, il récupère la racine correspondante en temps constant puis l'adapte via interpolation linéaire, primitives de mouvement dynamiques (DMP) ou optimisation de trajectoire simplifiée. Testé sur plusieurs bras manipulateurs, en simulation et en réel, le système affiche des requêtes sous la milliseconde et une bibliothèque fortement compressée par rapport aux méthodes de référence ; le code est publié sur GitHub sous elpis-lab/CoAd. Pour les intégrateurs qui automatisent la prise et dépose à cadence élevée, la promesse touche un vrai goulot d'étranglement : les planificateurs par expérience gagnent en vitesse mais n'offrent aucune garantie de couvrir tout l'espace continu des positions cibles, ou exigent des bibliothèques de trajectoires trop volumineuses pour du matériel embarqué. En ne stockant que des solutions racines et en déportant le reste vers une adaptation calculée à la volée, CoAd propose un compromis mémoire-latence plus favorable pour du calcul contraint. Il s'agit toutefois d'une évaluation interne aux auteurs, sans partenaire industriel ni déploiement en production annoncé : les chiffres de compression et de latence n'ont pas été vérifiés de façon indépendante. Le travail répond aux limites des approches de planification par expérience antérieures, capables d'accélérer les requêtes répétées mais sans garantie de couverture continue et au prix de bibliothèques de solutions volumineuses. CoAd relève de la planification de mouvement classique et hybride, à l'écart des politiques bout-en-bout apprises par des modèles vision-langage-action qui dominent l'actualité de la robotique humanoïde. Le passage en version 2 sur arXiv signale une révision de l'article, sans calendrier de publication finale ni suite industrielle précisée. Le code étant déjà public sur GitHub, une reproduction et une évaluation indépendante par la communauté robotique restent possibles dès maintenant.

Recherche❖Paper

1 source

41

1415arXiv cs.RO 

GALA : modélisation d'actions latentes tenant compte de la géométrie pour le pré-entraînement de modèles VLA multi-robots

Une équipe de recherche présente GALA (Geometry-Aware Latent Action modeling), un nouveau cadre de pré-entraînement pour les modèles vision-langage-action (VLA), détaillé dans un article publié sur arXiv sous la référence 2609.21948. Le travail s'attaque à une limite connue des modèles à actions latentes (LAM), qui apprennent des représentations d'actions indépendantes de la forme du robot à partir de vidéos hétérogènes, mais échouent à capter les mouvements fins des doigts sur des mains humaines ou robotiques dextres. GALA introduit une représentation appelée UEMR (Unified End-effector Motion Representation), qui combine des actions latentes visuelles classiques, tirées des pixels, avec des actions latentes géométriques calculées à partir de nuages de points 3D de l'effecteur terminal. Cette double supervision permet d'exploiter aussi bien des vidéos robotiques annotées que des vidéos humaines filmées à la première personne, dépourvues d'étiquettes d'action. Les auteurs rapportent un taux de réussite de 68,3% sur le benchmark simulé RoboCasa-GR1 et de 75,5% en conditions réelles, sur des tâches de sondage de mouvement fin et de récupération cross-embodiment. Code, annexe technique et démonstrations vidéo sont publiés sur un site dédié. L'enjeu dépasse la performance chiffrée: la pénurie de données robotiques annotées reste le principal frein à l'entraînement de VLA généralistes, et la capacité de GALA à exploiter des vidéos humaines non annotées comme source de supervision élargit le réservoir de données exploitables. Le papier pointe aussi une faiblesse des LAM purement basés image, l'approche utilisée jusqu'ici par des familles de modèles comme Pi-0 ou GR00T N2: elles diluent l'information sur l'articulation fine des mains dans une représentation de scène trop globale, ce qui pénalise la manipulation dextre précise. En montrant qu'une composante géométrique 3D améliore le transfert entre embodiments sans nuire à la généralisation, GALA apporte un argument empirique pour un socle VLA unique couvrant bras industriels, mains dextres et démonstrations humaines filmées, plutôt qu'un modèle par plateforme. Ce travail prolonge la lignée des modèles à actions latentes apparus pour contourner l'hétérogénéité des espaces d'action robotiques, jusqu'ici construits sur la seule base d'images 2D. En y ajoutant la géométrie 3D de l'effecteur terminal, les auteurs se positionnent face aux grandes familles de VLA cross-embodiment en compétition, telles que Pi-0, GR00T N2 ou Helix, sans toutefois publier de comparatif chiffré direct avec ces systèmes. À ce stade, GALA reste une contribution de recherche accompagnée de code ouvert et de démonstrations, non un produit ni un pilote industriel: aucun calendrier de déploiement ni partenariat n'est communiqué, et la validation "réelle" citée correspond à des essais en laboratoire plutôt qu'à un déploiement en usine ou en entrepôt.

IA physique⚡Actu

1 source

40

1416arXiv cs.RO 

L'engagement induit par la dynamique dans les tirs au but robotiques fondés sur l'apprentissage

Un article publié sur arXiv (2609.21100v1) décrit un système robotique hiérarchique opposant un robot humanoïde tireur et un robot quadrupède gardien dans un jeu de penalty. Les chercheurs combinent des politiques de haut niveau entraînées par auto-jeu (self-play) avec des contrôleurs de corps entier fixes dédiés au football, appelés S-WBC. La compétence de tir de l'humanoïde est initialisée à partir de données de capture de mouvement collectées par les auteurs, tandis que la compétence d'arrêt du quadrupède est apprise par renforcement. L'équipe introduit une méthode nommée DIC-Map (dynamics-induced commitment mapping), une analyse ancrée dans la dynamique corporelle qui estime la capacité de chaque robot à changer d'action en cours d'exécution, repère le moment où une option devient définitivement irréalisable, et vérifie si l'interaction restante se réduit à un jeu à somme nulle simplifié. Pour des alternatives symétriques, cette réduction produit une borne analytique sur la concentration optimale de la stratégie de tir. Les expériences situent ce point d'engagement irréversible à environ 0,29 seconde avant le contact avec le ballon, et une simple variation de la vitesse du tir déplace la fenêtre pendant laquelle le gardien peut encore différer sa décision. Sur quatre politiques de gardien testées, remplacer l'estimateur utilisé pour lire le tireur fait passer le taux d'arrêt de 0,240 à 0,472, contre seulement 0,246 pour un gain comparable de précision obtenu simplement en attendant plus longtemps. Ce résultat contredit une intuition répandue en robotique compétitive apprise, selon laquelle mieux lire l'adversaire vaut surtout par le temps d'observation gagné: ici, améliorer la qualité de l'estimation de l'intention adverse rapporte près du double du gain obtenu en attendant. Pour les chercheurs et intégrateurs en robotique humanoïde et quadrupède, l'étude montre que les marges stratégiques d'une politique apprise par self-play ne dépendent pas seulement de l'information disponible, mais aussi de ce que le corps du robot peut encore physiquement modifier une fois un mouvement engagé, un facteur rarement quantifié jusqu'ici. En isolant un instant de non-retour mesurable, les auteurs proposent un outil potentiellement transférable à d'autres tâches robotiques rapides (manipulation, évitement, sports robotiques) où les contraintes cinématiques comptent autant que l'incertitude stratégique, ce qui nuance les promesses de certaines démonstrations d'humanoïdes agiles. Le travail s'inscrit dans une architecture de plus en plus courante consistant à faire piloter des contrôleurs de corps entier appris séparément par des politiques de décision de haut niveau, afin de doter humanoïdes et quadrupèdes de comportements sportifs sans réentraîner tout le contrôle moteur. Il s'agit d'une publication académique sur arXiv, sans annonce de produit ni de déploiement commercial: la comparaison aux stratégies d'équilibre repose sur une analyse a posteriori, les auteurs précisant eux-mêmes que les mesures de couverture disponibles restent des indicateurs observationnels indirects. Aucun acteur industriel, français ou européen n'est cité. Un site de projet accompagne la publication, mais aucun calendrier de suite ni extension au-delà du cadre expérimental du penalty à deux robots n'est annoncé.

Recherche❖Paper

1 source

40

1417arXiv cs.RO 

EgoPush : réarrangement multi-objets à la première personne pour robots mobiles via observabilité contrainte du superviseur

Des chercheurs du laboratoire AI4CE publient une version mise à jour sur arXiv (2602.18071v2) d'EgoPush, un système qui permet à un robot mobile de réarranger plusieurs objets en les poussant vers des positions définies relativement à un point d'ancrage, en utilisant uniquement une caméra RGB-D embarquée, sans estimation de pose globale, sans suivi externe ni carte au moment du déploiement. Le système a été transféré en zero-shot sur un TurtleBot, testé dans des scènes contrôlées puis visuellement encombrées. Le résultat central de l'étude concerne l'apprentissage par distillation enseignant-élève: trois "enseignants" privilégiés, disposant d'un accès complet à l'état de la scène et entraînés avec des récompenses, une architecture et des hyperparamètres identiques, dépassent tous 98% de réussite. Pourtant, leurs "élèves" égocentriques distillés à partir de ces enseignants n'atteignent respectivement que 0%, 54,8% et 87,3% de réussite, la seule variable étant la fonction d'observation de l'enseignant. La solution proposée consiste à contraindre l'enseignant lui-même à des indices visuels limités, ne révélant les références de cible que lorsque l'ancrage est visible au centre du champ de vision, afin que sa supervision reste transmissible à un élève basé sur la profondeur, distillé en ligne. Deux éléments techniques supplémentaires soutiennent cette approche: une interface objet-centrée à rôles groupés partagée entre enseignant et élève, et des récompenses à décroissance temporelle par étapes pour gérer l'attribution de crédit sur des horizons longs. Code, vidéos et une version jouable de la tâche sont publiés sur ai4ce.github.io/EgoPush. Cette étude a une portée avant tout méthodologique pour la recherche en manipulation mobile: elle montre que l'échec fréquent de la distillation sim-to-réel dans les tâches de réarrangement ne vient pas nécessairement de l'architecture ou de l'algorithme d'apprentissage, mais de la façon dont l'enseignant privilégié perçoit la scène pendant son propre entraînement. Pour les équipes travaillant sur des robots mobiles de manutention ou des AMR en environnement encombré, le résultat suggère qu'il est possible de s'affranchir d'une brique SLAM ou de cartographie globale pour des tâches de poussée d'objets, un enjeu concret puisque l'action de pousser modifie continuellement la scène qu'un système de cartographie devrait par ailleurs reconstruire. Ce travail s'inscrit dans la lignée des méthodes de "privileged learning" déjà utilisées pour la locomotion de robots à pattes, où un enseignant omniscient guide un élève aux capteurs limités, mais l'applique ici au réarrangement d'objets par poussée, une tâche encore peu couverte par cette littérature. Il se distingue nettement des approches VLA à grande échelle (type GR00T N2, Pi-0 ou Helix) qui visent la généralisation via des modèles fondation entraînés sur des données massives: EgoPush reste une contribution de recherche ciblée, publiée en preprint, testée sur un seul robot en laboratoire, et non un produit ou un pilote industriel.

Recherche❖Paper

1 source

40

1418arXiv cs.RO 

2e place au HANDS 2026 Workshop Challenge (piste Dexterous Grasp Motion) : déformation de trajectoire en une seule passe pour générer le mouvement de préhension

Un rapport technique publié le 21 septembre 2026 (arXiv:2609.21511v1) décrit la solution classée 2e au HANDS 2026 Workshop Challenge, piste Dexterous Grasp Motion, organisée en marge d'ECCV 2026. Le défi consistait à générer, en simulation, des trajectoires de saisie complètes, de l'approche jusqu'au soulèvement de l'objet (reach-and-lift), pour la main robotique à 12 degrés de liberté LinkerHand O6, sur des objets inédits et depuis des poses initiales aléatoires, chaque prise exigeant environ 70 décisions successives en douze dimensions avec un risque d'accumulation d'erreurs et des dynamiques de test parfois différentes de l'entraînement. Plutôt que de générer le mouvement pas à pas, les auteurs éditent une seule démonstration réussie issue du système GraspM3 : une politique observe l'objet une fois puis produit une déformation en 12 dimensions de cette démonstration, rejouée ensuite en boucle ouverte, entraînée par PPO en une étape sur les 4 824 objets d'entraînement traités en parallèle. Résultat : 94,61% de réussite sur la piste facile, le meilleur score toutes soumissions confondues, et 57,18% sur la piste difficile du jeu de test privé. L'intérêt tient à l'alternative que cela propose face aux politiques VLA génératives pas à pas, à la GR00T ou Pi-0, dont la séquentialité est précisément ce qui fait dériver les trajectoires par accumulation d'erreurs. En ramenant le problème à une déformation paramétrique unique d'une démonstration déjà valide, rejouée sans rétroaction, la méthode montre qu'une main à 12 DoF peut généraliser à des milliers d'objets sans politique de contrôle continu coûteuse en calcul, un signal utile pour les intégrateurs cherchant à simplifier la préhension fine. L'écart entre 94,61% et 57,18% selon la difficulté rappelle toutefois la fragilité de cette généralisation, et ces chiffres, obtenus uniquement en simulation dans le cadre d'un challenge de workshop, ne présagent pas d'un transfert réussi vers du matériel réel. Le HANDS Workshop est un rendez-vous récurrent associé aux grandes conférences de vision par ordinateur et consacré à la manipulation et à l'analyse des mains ; son édition 2026 s'est tenue en marge d'ECCV, avec plusieurs équipes en lice sur la même main LinkerHand O6 et le même jeu de test privé, sans que le rapport ne précise l'identité de l'équipe classée première. La démonstration de référence, issue de GraspM3, situe la contribution comme une amélioration ciblée d'un pipeline existant plutôt qu'un système construit de zéro, publiée comme rapport technique arXiv sans suite ni déploiement annoncés au-delà du cadre du challenge.

Recherche❖Paper

1 source

40

1419arXiv cs.RO 

FAN : normalisation d'action anticipative pour l'adaptation continue des modèles vision-langage-action

Un article de recherche publié sur arXiv en septembre 2026 (arXiv:2609.21358, un preprint non encore relu par les pairs) s'attaque à un aspect négligé de l'adaptation continue des modèles Vision-Language-Action (VLA) : la normalisation des actions, c'est à dire le système de coordonnées dans lequel une politique perçoit et exécute ses mouvements. Les auteurs testent cinq stratégies de normalisation sur quatre flux de tâches robotiques réelles, en manipulation à bras unique et bimanuelle, et montrent que les protocoles existants provoquent des échecs récurrents : dérive des coordonnées d'une tâche à l'autre, couverture de mouvement insuffisante, ou décalage entre coordonnées d'entraînement et de test. Ils en tirent trois principes de conception, cohérence, couverture et causalité (3C), qui donnent naissance à FAN (Foresight Action Normalization), une méthode qui calcule une seule fois des statistiques de normalisation sur un petit jeu de calibration indépendant des tâches, puis les fige pour toute la durée de l'apprentissage continu qui suit. FAN obtient les meilleurs résultats sur l'ensemble des flux testés. Cette découverte concerne directement les acteurs qui déploient des politiques VLA généralistes, du type Pi-0, GR00T N2 ou Helix, sur des flottes de robots censées apprendre de nouvelles compétences sans oublier les précédentes. La plupart des travaux sur l'apprentissage continu en robotique misent sur le rejeu d'expérience ou le fine-tuning par renforcement, en traitant la normalisation des actions comme un simple détail d'ingénierie ; cet article montre qu'un choix mal calibré à ce niveau suffit à faire échouer l'adaptation continue, quel que soit l'algorithme d'apprentissage retenu. Pour les intégrateurs, le message est clair : avant d'empiler des techniques d'apprentissage sophistiquées, la représentation d'action sous-jacente doit rester stable d'une tâche à l'autre. Ce travail s'inscrit dans la vague des modèles VLA pré-entraînés sur de vastes jeux de données fermés puis adaptés à des robots et tâches spécifiques, une tendance portée par des laboratoires comme Physical Intelligence, NVIDIA ou Figure AI avec leurs politiques généralistes respectives. Contrairement à une annonce produit, il s'agit ici d'une contribution académique testée en laboratoire sur quatre flux de tâches, sans précision sur la plateforme robotique utilisée, la disponibilité du code ou un calendrier de reprise industrielle. FAN se présente comme une brique de base destinée à de futurs pipelines d'apprentissage continu, plutôt que comme un système prêt à déployer sur le terrain.

Recherche❖Paper

1 source

40

1420arXiv cs.RO 

PSR : apprentissage de représentations sensorimotrices prédictives pour la manipulation en contact riche

Une équipe de recherche a mis en ligne sur arXiv, le 21 septembre 2026 (référence 2609.21753), un framework baptise PSR (Predictive Sensorimotor Representation), qui entraine un Transformer multimodal a prédire activement la dynamique future des contacts plutôt que de simplement réagir au retour de force, pour améliorer la manipulation robotique dite "contact-rich". Cette hiérarchie de représentations prédictives est ensuite injectée dans le flux d'actions d'une politique visuomotrice, ici un modèle Vision-Language-Action baptise PSR-VLA. Teste sur six taches réelles de manipulation avec contact, PSR-VLA atteint 91,7% de réussite globale, soit 30,0 points de mieux que le modèle de référence pi-0.5, 22,5 points de mieux que ForceVLA-pi-0.5 et 19,2 points de mieux que ForceVLA2-pi-0.5; des vidéos des taches et des tests de stabilité sont en ligne sur psr-vla.pages.dev. Ce résultat cible un angle mort des modèles VLA généralistes actuels, tels Pi-0, GR00T N2 ou Helix, qui peinent sur les taches ou le toucher compte autant que la vue: vissage, insertion avec jeu serre, manipulation d'objets déformables. Pour les intégrateurs industriels évaluant ces modèles pour l'assemblage ou la logistique fine, cette précision est ce qui sépare une démonstration de laboratoire d'une cellule de production fiable. Un gain de 20 a 30 points face a des variantes déjà "force-aware" comme ForceVLA suggère que prédire activement la dynamique des contacts, plutôt que seulement réagir au retour de force, comble une partie de l'écart entre démo et déploiement réel. Les chiffres restent toutefois ceux d'une seule équipe, sur six taches qu'elle a choisies, sans validation indépendante ni test sur d'autres plateformes robotiques. PSR s'inscrit dans la suite de travaux comme ForceVLA, qui ajoutaient déjà un signal de force en entrée sans le rendre prédictif; la comparaison directe avec pi-0.5, ForceVLA-pi-0.5 et ForceVLA2-pi-0.5 positionne le framework comme une amélioration architecturale plutôt qu'un nouveau modèle fondation concurrent de ceux de Physical Intelligence ou NVIDIA. Il s'agit a ce stade d'un simple dépôt de recherche sur arXiv, sans annonce produit ni partenariat industriel: aucun calendrier de déploiement ni d'intégration dans un robot commercial n'est mentionne. La suite logique serait une validation sur d'autres plateformes robotiques, terrain suivi de près par des acteurs européens comme Pollen Robotics ou Wandercraft.

IA physique❧Opinion

1 source

40

1421arXiv cs.RO 

FORTE : optimisation adaptative de la capacité de force pour manipulateurs mobiles

Une équipe de recherche présente FORTE, un framework de contrôle pour manipulateurs mobiles redondants, décrit dans un preprint publié sur arXiv (2609.21497, catégorie "new"). Le système s'appuie sur un modèle vision-langage qui analyse une image RGB et une description de tâche pour estimer les propriétés physiques d'un objet et générer une séquence de forces requises, incluant les effets gravitationnels et inertiels liés au port de charge. FORTE définit ensuite une métrique de capacité de force orientée tâche, calculée comme la distance signée entre une boule d'incertitude de force et le polytope de force résiduelle dynamique du robot, qui quantifie l'écart entre les besoins de la tâche et la capacité d'actionnement restante. Cette métrique est intégrée dans une optimisation de trajectoire corps entier combinant manipulabilité, évitement des butées articulaires, fluidité de mouvement et suppression des oscillations de la base mobile. Les essais portent sur un manipulateur mobile exécutant des tâches de levage et de maintien en un point sous charges utiles variables, avec code source public sur GitHub (yeying256/FORTE). Le résultat central concerne directement les intégrateurs de bras robotiques montés sur AMR ou plateformes mobiles: contrairement aux méthodes existantes qui maximisent systématiquement la capacité de force au détriment de la dextérité, ou qui ignorent les exigences propres à chaque tâche, FORTE ajuste dynamiquement l'effort de contrôle à la charge réelle. Le robot conserve ainsi une manipulabilité élevée pour les charges légères tout en garantissant une marge de force suffisante pour les charges lourdes, un compromis que les approches de référence testées ne reproduisent pas. C'est une piste concrète pour la logistique et l'industrie, où un même bras doit alterner entre pièces légères de précision et charges lourdes sans reparamétrage manuel des contraintes de force, et un exemple supplémentaire d'usage de modèles vision-langage pour informer la planification de mouvement sans modèle physique préalable de l'objet manipulé. Ce travail répond à une limite connue des méthodes de résolution de redondance: elles négligent généralement les exigences de force spécifiques à la tâche, ou maximisent la capacité de force de façon indiscriminée, sacrifiant la dextérité quand une large marge n'est pas nécessaire. Les auteurs comparent explicitement FORTE à trois références fixes, le rayon inscrit du polytope de force résiduelle, son cône, et l'optimisation basée sur la seule manipulabilité. Publié comme preprint arXiv en version initiale, le travail reste à ce stade une contribution de recherche accompagnée d'une implémentation ouverte, sans partenaire industriel, plateforme commerciale ni calendrier de déploiement mentionnés dans l'article.

Recherche❖Paper

1 source

40

1422arXiv cs.RO 

Attrape-moi si tu peux : débruitage du retour en temps réel pour des VLA plus réactifs

Des chercheurs présentent VLA-Feedback, une architecture pour modèles vision-langage-action (VLA) qui corrige en temps réel les gestes d'un bras robotique pendant leur exécution, décrite dans un article publié sur arXiv (2609.21022v1). Elle répond à une limite connue des générateurs d'actions par diffusion, qui produisent un bloc de mouvements en une seule passe puis l'exécutent en boucle ouverte, sans réagir aux changements survenant dans la scène. VLA-Feedback combine une planification par diffusion à basse fréquence et un retour visuel à haute fréquence, qui ajuste chaque action juste avant son exécution via la dernière étape de débruitage du modèle, sans relancer l'ensemble du pipeline vision-langage. Sur le benchmark statique LIBERO, ses résultats égalent ceux de GR00T. Sur des tâches dynamiques en simulation, le taux de réussite moyen grimpe de 27,5% à 85,0%; sur robot réel, il passe de 51% à 73%. Ce résultat cible un point de friction central pour l'industrialisation des VLA: la plupart des démonstrations de manipulation robotique sont tournées en environnement figé, où rien ne bouge entre la perception et l'action. Dès qu'un objet est déplacé ou qu'un contact change en cours de mouvement, les politiques en boucle ouverte échouent ou exigent une replanification complète, coûteuse en latence. En conservant l'expressivité du planificateur par diffusion tout en ajoutant une correction visuelle continue, VLA-Feedback propose une piste concrète pour réduire l'écart entre démonstration et usage réel en usine ou en entrepôt, où les scènes évoluent en permanence, un enjeu direct pour les intégrateurs qui évaluent le risque de déployer des bras pilotés par VLA hors laboratoire. Les VLA se sont imposés ces deux dernières années comme l'approche dominante pour la manipulation robotique généraliste, en combinant des modèles vision-langage préentraînés avec des politiques d'action par diffusion. GR00T, utilisé ici comme référence de comparaison, est développé par NVIDIA et sert de socle à plusieurs déploiements humanoïdes annoncés dans le secteur. D'autres approches, comme Pi-0 de Physical Intelligence ou Helix de Figure AI, explorent elles aussi des architectures à deux échelles de temps, signe que la réactivité en boucle fermée est identifiée comme un verrou majeur par l'ensemble du secteur. VLA-Feedback reste à ce stade une contribution académique: les auteurs renvoient vers une page de projet dédiée pour les documents complémentaires, sans calendrier de déploiement industriel ni partenariat annoncé.

Recherche❖Paper

1 source

40

1423arXiv cs.RO 

Apprentissage de la locomotion humanoïde adaptée à la scène en environnement 3D encombré à partir de démonstrations humaines immersives

Des chercheurs présentent Moving Through Clutter (MTC), un système d'apprentissage par démonstration pour la locomotion humanoïde en environnement encombré, décrit dans un article publié sur arXiv (2609.21107) fin septembre 2026. Alors que les travaux précédents sur l'imitation de mouvements humains ont surtout produit des prouesses dynamiques en espace dégagé, comme la danse ou les arts martiaux, MTC s'attaque à la traversée d'espaces tridimensionnels contraints par des obstacles. Le pipeline collecte des démonstrations humaines dans des environnements de réalité virtuelle générés de façon procédurale, ce qui évite de construire physiquement des décors d'obstacles coûteux. Un algorithme de retargeting tenant compte de la scène convertit ensuite ces mouvements humains en trajectoires exploitables par le robot, en imposant une marge de sécurité stricte entre le corps du robot et la géométrie environnante pour garantir une traversée sans collision. La politique de locomotion ainsi entraînée est déployée sur un humanoïde Unitree G1. Sur le benchmark interne MTC-Challenge, conçu pour la traversée multi-obstacles, le robot atteint un taux de réussite sans collision de 70,2% sur des scénarios variés, incluant la reptation dans des passages à faible hauteur et le passage par des interstices étroits. Ce travail cible un angle mort de la robotique humanoïde actuelle: la plupart des démonstrations publiques (marche, danse, sauts) se déroulent en terrain dégagé, alors que les usages industriels visés, entrepôts, usines, chantiers, exigent une navigation fine autour d'obstacles tridimensionnels denses comme des étagères basses, tuyauteries ou racks. Pour les intégrateurs et décideurs qui évaluent le déploiement d'humanoïdes en environnement logistique, un taux de 70,2% de traversées réussies signale que le problème est loin d'être résolu au niveau de fiabilité attendu en production, même si la méthode montre que l'apprentissage par démonstration immersive en VR peut générer des comportements corporels complexes sans motion capture sur décor physique coûteux. Cela confirme aussi que la génération procédurale de données synthétiques reste un levier clé pour faire monter en échelle l'apprentissage de compétences humanoïdes avancées. Le champ de la locomotion humanoïde par imitation a produit ces deux dernières années des démonstrations spectaculaires sur des plateformes comme Unitree G1, Figure ou Optimus, mais la traversée d'environnements encombrés restait peu explorée. MTC s'inscrit dans cette lignée en élargissant le périmètre à des scènes tridimensionnelles complexes plutôt qu'à du terrain plat. Le choix du G1 d'Unitree, plateforme abordable largement utilisée en recherche académique, confirme son rôle de banc d'essai de référence face à des plateformes plus onéreuses comme Figure 03. L'article ne mentionne ni partenaire industriel ni calendrier de déploiement pilote: il s'agit à ce stade d'un travail de recherche évalué sur un benchmark maison, sans validation en environnement réel de production.

Recherche❖Paper

1 source

40

1424arXiv cs.RO 

Apprentissage par renforcement à entropie de trajectoire pour un apprentissage robuste des compétences motrices des robots

Des chercheurs publient une nouvelle méthode d'apprentissage par renforcement pour le contrôle robotique, baptisée Trajectory Entropy Reinforcement Learning, décrite dans un article déposé sur arXiv (référence 2505.04193, version 2). Le principe consiste à minimiser l'entropie de la trajectoire complète des actions produites par l'agent, c'est-à-dire le nombre de bits nécessaires pour décrire ces actions une fois les états observés, au lieu de s'appuyer uniquement sur la maximisation de récompense classique. Cette entropie est estimée via un modèle de prédiction d'actions à paramétrage variationnel, utilisé pour construire une fonction de récompense régularisée par l'information ; un algorithme permet ensuite d'optimiser conjointement la politique et ce modèle de prédiction. Testée sur plusieurs tâches de locomotion à haute dimension, la méthode produit des trajectoires d'actions plus cycliques et cohérentes, avec de meilleures performances et une robustesse supérieure au bruit et aux changements dynamiques que les approches de référence. Le résultat cible un point faible connu du RL profond appliqué au contrôle : les politiques neuronales capturent souvent des corrélations complexes et fallacieuses entre observations et actions, ce qui les rend fragiles dès qu'une perturbation légère affecte l'environnement, un frein direct au transfert simulation-vers-réel. En imposant un biais de simplicité mesuré par une quantité d'information plutôt qu'une régularisation ad hoc, ce travail propose un levier générique de robustesse, potentiellement transposable au-delà de la locomotion vers la manipulation ou les tâches de robots mobiles autonomes en environnement non contrôlé, un enjeu central pour tout intégrateur cherchant à sortir de la démonstration en labo. Cette contribution s'inscrit dans une lignée de recherches sur les biais inductifs de simplicité en apprentissage par renforcement, une direction distincte des approches dominantes misant sur l'échelle des données, à l'image des politiques vision-langage-action généralistes type Pi-0 ou GR00T N2. Publié sous forme de révision croisée entre catégories arXiv, l'article reste une contribution académique validée en simulation, sans mention de déploiement matériel, de partenariat industriel ni de calendrier de transfert vers une pile robotique commerciale.

Recherche❖Paper

1 source

40

1425arXiv cs.RO 

Calibration des offsets articulaires des membres inférieurs par contraintes de contact pour robots humanoïdes

Une méthode de calibration des décalages d'encodeurs articulaires pour les jambes de robots humanoïdes, sans capture de mouvement externe ni cibles fiduciaires, est détaillée dans un preprint arXiv (2609.02306v2, version corrigée). Le système utilise uniquement les encodeurs embarques et une IMU montée sur le bassin lors de phases d'appui bipodal statique, pieds fixes au sol. La dispersion posturale de la transformation cinématique entre les pieds est minimisée via un problème de moindres carres non linéaires sur 12 paramètres de décalage. Une analyse de la structure du Hessien montre que les axes de tangage parallèles induisent un couplage rotationnel, observable uniquement via la somme des décalages de tangage. Testee par simulation et par injection réelle sur deux plateformes, A2 et A3, la méthode réduit l'erreur RMS de hauteur du pied de 8,03 a 1,43 mm sur A2 et de 4,26 a 2,20 mm sur A3, résultat confirme par une référence LiDAR-inertielle indépendante. Cette contribution vise un verrou pratique du déploiement industriel des humanoïdes: la calibration cinématique des jambes, aujourd'hui dépendante d'infrastructures de capture de mouvement couteuses et confinées au laboratoire. Une méthode auto-suffisante, ne requérant que quelques postures d'appui bipodal, pourrait réduire le temps et le cout de mise en service de flottes déployées hors labo, chez un intégrateur ou sur site industriel. Elle illustre surtout que la fiabilité des humanoïdes repose sur des briques d'ingénierie peu visibles, loin des démonstrations de marche mises en avant par les fabricants. Les auteurs restent transparents sur les limites: dans la chaine de tangage faiblement observable, les décalages individuels restent dépendants d'un a priori impose au genou, non entièrement résolus par la seule excitation des mouvements. Les méthodes existantes de calibration des membres inférieurs s'appuient généralement sur des systèmes optiques ou des marqueurs externes, couteux et difficiles a déployer hors environnement contrôle. Les auteurs exploitent l'ordre cinématique spécifique de la hanche sur la plateforme A3, tangage puis roulis puis lacet, et montrent que l'excitation des axes de roulis et de lacet réduit le couplage avec le tangage de hanche. Publie en version corrigée sur arXiv, le travail relève de la recherche académique plutôt que de l'annonce commerciale, sans partenaire industriel ni calendrier de déploiement précise. Il s'inscrit dans les efforts visant a fiabiliser la locomotion bipède, alors que des acteurs comme Figure, Tesla ou Unitree cherchent a faire passer les humanoïdes de la démonstration au déploiement a grande échelle.

Recherche❖Paper

1 source

39

1426arXiv cs.RO 

LEMCA : synthèse d'architectures de contrôle à commutation de modes efficaces guidée par LLM

Les chercheurs a l'origine du preprint publie le 21 septembre 2026 sur arXiv (2609.21319) proposent LEMCA (LLM-Guided synthesis of Efficient Mode-Switching Control Architectures), une méthode pour concevoir automatiquement des contrôleurs robotiques capables de basculer entre plusieurs modes mobilisant des ressources de calcul et de perception différentes selon la difficulté de la tache. Chaque architecture est représentée comme un programme interprétable, améliore par une boucle évolutionnaire: a chaque itération, un grand modèle de langage édité le code du contrôleur, la liste de ses modes, l'allocation capteurs-calcul de chacun et les règles de transition, tandis que la qualité des variantes est évaluée via des extensions compatibles MSC de méthodes de synthèse automatique de contrôleurs, dont l'apprentissage par renforcement en simulation. Sur plusieurs bancs d'essai de contrôle, LEMCA dépasse systématiquement la frontière de Pareto performance/ressources des architectures monolithiques classiques, en récupérant les ressources gaspillées pendant les phases faciles d'une tache. Ces résultats restent valides en simulation, sur des benchmarks de recherche, sans déploiement rapporte sur robot physique. L'enjeu concerne directement l'industrie robotique: la plupart des architectures actuelles allouent en permanence le budget de calcul et de capteurs le plus élevé, celui de la phase la plus exigeante, même durant des sous-taches triviales, ce qui gaspille énergie et puissance embarquée et limite l'autonomie. Automatiser la conception de contrôleurs a commutation de mode via un LLM, plutôt que de la confier a des ingénieurs pendant des semaines, ouvre la voie a des systèmes embarques moins couteux en calcul, un enjeu concret pour les intégrateurs qui font tourner perception et planification sur du matériel contraint. Le travail illustre aussi une tendance plus large: l'usage des LLM non plus comme contrôleurs eux-mêmes, a la manière des modèles VLA tels que GR00T N2, Pi-0 ou Helix, mais comme outils de méta-conception générant et optimisant le code d'autres systèmes de contrôle. LEMCA s'inscrit dans la lignée des travaux sur la synthèse automatique de contrôleurs et la programmation évolutive guidée par LLM, qui visent a remplacer le réglage manuel d'architectures robotiques par des boucles d'optimisation combinant recherche de programmes et apprentissage par renforcement. Le choix historique entre concevoir des contrôleurs a commutation de mode au prix d'un lourd travail d'ingénierie tache par tache, ou se rabattre sur des architectures monolithiques uniformément couteuses, restait sans solution générique. Le preprint ne mentionne ni calendrier de suite ni partenaire industriel; les auteurs présentent LEMCA comme une première démonstration sur des benchmarks varies, dont la confirmation au-delà de la simulation, notamment sur des taches de manipulation ou de navigation, reste a établir.

Recherche❖Paper

1 source

39

1427arXiv cs.RO 

Moins d'étapes, meilleures actions : repenser l'inférence par flow-matching pour les politiques VLA

Une équipe de recherche présente Coda (arXiv:2609.21216v1), qui réduit le coût d'inférence des politiques vision-langage-action (VLA) à flow matching, où générer une séquence d'actions (action chunk) exige plusieurs évaluations répétées d'un expert d'action. Plutôt que d'ajouter des pas d'intégration, une politique gelée complète d'abord une trajectoire bruit-vers-action en quelques pas, puis un petit Transformer, seul élément entraîné, corrige le résultat à partir de l'action candidate, du bruit source et d'un cache d'observation partagé. Sur 50 tâches du benchmark RoboTwin Easy, la version à cinq pas fait passer la réussite de 71,64% à 74,68% par rapport à une base à cinq pas équivalente, tout en réduisant la latence de 30,2% face à la politique par défaut à dix pas ; une version à deux pas atteint 71,88% avec une accélération de 2,12 fois. Sur le modèle ouvert SmolVLA figé, la réussite à deux pas grimpe de 60,8% à 69,4%. Le résultat touche un point sensible pour l'industrie robotique : la latence d'inférence conditionne directement le déploiement des VLA sur du matériel réel en boucle fermée, et l'hypothèse répandue selon laquelle plus de pas d'intégration produit toujours de meilleures actions se trouve contredite. Pour les intégrateurs et décideurs B2B, cela signifie qu'un correcteur léger, bon marché à entraîner, peut remplacer des pas d'inférence coûteux sans retoucher la politique de base ni le pipeline de flow matching déjà déployé, une famille d'architectures utilisée notamment par Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA. C'est un argument concret contre l'idée que seul davantage de calcul referme l'écart entre démonstration en laboratoire et exécution réelle. Ces travaux s'inscrivent dans la lignée des politiques VLA à flow matching, désormais courantes en robotique généraliste pour produire des actions continues à partir d'images et de consignes en langage naturel. Classé « new » sur arXiv, le papier ne revendique aucun déploiement industriel : les résultats reposent sur des benchmarks reproductibles, RoboTwin Easy et SmolVLA, en simulation ou sur des jeux de tâches de référence, sans test documenté sur robot physique en conditions réelles. La méthode ouvre néanmoins une piste pour les laboratoires cherchant à réduire la latence des VLA sans sacrifier la précision, alors que la course aux politiques généralistes s'intensifie.

Recherche❖Paper

1 source

39

1428arXiv cs.RO 

KnowDemo : génération de démonstrations robotiques guidée par la connaissance à partir de vidéos humaines

Des chercheurs présentent KnowDemo, un framework décrit dans une prépublication arXiv (2609.21229, fin septembre 2026) qui génère des démonstrations robotiques diversifiées à partir de vidéos humaines, sans collecte réelle coûteuse. Un modèle vision-langage (VLM) extrait de chaque vidéo une connaissance structurée de la tâche, distinguant conditions requises et variations d'exécution admissibles des choix propres au geste filmé. Cette connaissance est recalée sur la géométrie de la scène cible pour guider la génération et le filtrage de candidats, avant planification de mouvement et simulation. Les démonstrations obtenues montrent un comportement multimodal, avec stratégies de contact alternatives et ordres de sous-tâches variés, étiquetés de façon structurée. Pour les valider, les auteurs affinent le modèle pré-entraîné π0.5, architecture vision-langage-action de Physical Intelligence, sur des données simulées, et démontrent un transfert sim-to-real sur trois tâches de manipulation, projet documenté sur zhiyuan-gao.github.io/knowdemo. Pour l'industrie robotique, l'enjeu dépasse le produit : il touche un goulot d'étranglement central de l'apprentissage par imitation, la collecte de démonstrations réelles restant coûteuse et lente. Les méthodes existantes, qui adaptent des trajectoires extraites de vidéos humaines, reproduisent souvent la stratégie de contact et l'ordre des sous-tâches observés, ce qui limite la diversité utile à l'entraînement des politiques. En conditionnant la génération sur une compréhension explicite des contraintes de tâche plutôt que sur la seule référence de mouvement, KnowDemo augmente le taux de candidats valides et le nombre de modes d'exécution vérifiés. Le transfert sim-to-real obtenu après fine-tuning de π0.5 appuie l'hypothèse que des données synthétiques structurées, plutôt que massivement collectées, peuvent faire progresser les modèles vision-langage-action à l'échelle, un enjeu suivi par les intégrateurs cherchant à réduire le coût de l'apprentissage robotique. Le travail prolonge une lignée de méthodes générant des démonstrations par adaptation de mouvements extraits de vidéos humaines puis validées en simulation, une piste explorée pour contourner la téléopération. KnowDemo répond aux limites de ces approches centrées sur la seule reproduction du geste de référence, en y ajoutant un raisonnement sémantique via VLM. Le choix de π0.5 situe le travail dans l'écosystème des VLA génériques, aux côtés d'architectures comme GR00T de NVIDIA ou Helix de Figure. Sans affiliation d'entreprise indiquée dans le résumé, l'étude reste à ce stade une validation de laboratoire sur trois tâches, sans calendrier de déploiement industriel ni partenariat annoncé.

Recherche❖Paper

1 source

39

1429arXiv cs.RO 

FootQuery : récupération guidée par le point de pose futur du pied à partir de l'historique de profondeur pour la locomotion humanoïde perceptive

Un article publié sur arXiv (2609.21447) présente FootQuery, un framework de locomotion perceptive pour robots humanoïdes, conçu pour les terrains complexes où le point d'appui futur d'un pied sort du champ de la caméra embarquée avant le contact, en raison de la couverture limitée des capteurs et de l'auto-occlusion du robot. À partir de la seule proprioception, le système prédit la position et l'incertitude du prochain appui de chaque pied pour interroger un historique d'images de profondeur, une récupération supervisée à l'entraînement par reprojection des contacts réels et fusionnée à une mémoire visuelle globale pour générer les commandes de contrôle. Testé sur un robot Unitree G1 équipé uniquement de proprioception et d'une caméra de profondeur, il assure une traversée continue avec une seule politique, sur escaliers extérieurs et parcours intérieurs combinant montée, descente, plateformes et trous. L'enjeu dépasse la prouesse technique : la locomotion humanoïde perceptive bute depuis longtemps sur l'écart entre le champ de vision des caméras embarquées et les besoins de planification des appuis, un robot qui ne voit plus la marche à venir devant ralentir ou deviner. En montrant qu'une politique unique, entraînée en simulation puis transférée sans réglage spécifique au terrain, gère escaliers, trous et plateformes avec pour seuls capteurs la proprioception et une caméra de profondeur, ce travail appuie le transfert sim-to-real pour la locomotion bipède, un signal utile pour les intégrateurs évaluant la robustesse d'humanoïdes sur sites accidentés. Il s'agit toutefois d'un résultat de recherche en prépublication, non d'un produit commercial : le Unitree G1 sert ici de plateforme de recherche. Ce travail s'inscrit dans une recherche plus large sur la locomotion perceptive des robots à pattes, entre politiques aveugles fondées sur la proprioception et approches combinant vision et apprentissage par renforcement, utilisées par les équipes derrière Unitree (G1, H1), Boston Dynamics (Atlas) ou Figure. FootQuery cible spécifiquement la perte d'information due à l'auto-occlusion et au champ de vision restreint des caméras embarquées, plutôt qu'un système générique supplémentaire. L'article ne mentionne ni partenariat industriel, ni calendrier de produit, ni acteur français ou européen : la validation à plus grande échelle, sur davantage de terrains et de robots, reste l'étape suivante avant toute application industrielle.

Recherche❖Paper

1 source

39

1430arXiv cs.RO 

SAGE : un gradient conforme à la sécurité pour la collaboration homme-robot

Publié le 21 septembre 2026 sur arXiv (2609.21130), l'article présente SAGE (Safety-Aligned Gradient Enforcement), un cadre de renforcement multi-agent pour la collaboration homme-robot, qui combine des politiques de décision arborescentes auditables avec un filtrage par fonctions de barrière de contrôle (CBF) assurant la sécurité physique. Deux mécanismes le composent : SAIL, qui internalise les contraintes de sécurité via une carte de proposition différentiable tout en gardant le programme quadratique CBF exact à l'exécution, et TALO, qui aligne les mises à jour individuelles des agents sur une référence d'équipe via une correction de Lyapunov. Testé avec deux robots humanoïdes et un partenaire humain en conditions physiques réelles, SAGE atteint en simulation, sur neuf scénarios, un taux de réussite de 71,0% pour seulement 0,5 collision par millier de pas. Les ablations révèlent qu'un filtrage CBF seul réduit les collisions de 98,5% mais fait chuter la réussite de 67,3% à 59,3%, alors que SAIL réduit les violations de 48,8% et les corrections d'exécution de 85,2%, et TALO réduit l'écart de cohérence des mises à jour de 50,8%. Le compromis mis en évidence par l'ablation CBF illustre une tension centrale pour les intégrateurs déployant des robots en espace partagé avec des humains : moins de collisions, mais une réussite en repli de huit points. Un filtre de sécurité générique dégrade donc la performance de tâche. En montrant que l'internalisation différentiable des contraintes et une coordination explicite entre agents limitent ce compromis, SAGE argumente pour des architectures de sécurité co-conçues avec la politique plutôt qu'ajoutées après coup, un point pertinent pour les décideurs évaluant des solutions de cobotique où l'auditabilité des décisions pèse autant que la sécurité. SAGE s'inscrit dans une recherche qui tente de concilier garanties de sécurité formelles et interprétabilité des politiques, à mesure que des humanoïdes opèrent aux côtés d'humains en atelier ou en entrepôt. Le papier reste un preprint arXiv non relu par les pairs, sans entreprise ni marque de robot citée ; sa validation physique se limite à un démonstrateur avec deux robots et un humain, loin d'un déploiement industriel, avant une évaluation à plus grande échelle et une publication en conférence.

Recherche❖Paper

1 source

39

1431arXiv cs.RO 

Vers le paradigme vision-son-langage-action : le framework HEAR pour la manipulation centrée sur le son

Une équipe de recherche a publié sur arXiv (2603.16086v2) une version révisée de l'article "Towards the Vision-Sound-Language-Action Paradigm: The HEAR Framework for Sound-Centric Manipulation", qui formalise le paradigme Vision-Sound-Language-Action (VSLA), étendant les modèles Vision-Language-Action (VLA) avec un flux audio continu, en plus de la vision, du langage et de la proprioception. L'instanciation HEAR combine quatre modules: un Historizer qui maintient un contexte audio causal compact malgré les interruptions d'exécution, un Envisioner dérivé de modèles de fondation omni-modaux, un Advancer qui prédit les codes audio à court terme pour modéliser la dynamique temporelle, et un Realizer, une politique par flow-matching générant les chunks d'action. Les auteurs publient aussi OpenX-Sound pour le pré-entraînement et HEAR-Bench, premier benchmark de manipulation centré sur le son. Code et vidéos sont disponibles sur hear.irmv.top. Les modèles VLA actuels traitent le son comme une instruction ponctuelle donnée avant l'exécution ou se limitent à la parole humaine, restant aveugles aux sons transitoires de l'environnement pendant la tâche, alors qu'un objet qui glisse, un liquide qui déborde ou une pièce mal vissée constituent souvent le seul signal de vérification d'état disponible en temps réel. Le papier nomme ce trou le "Blind Execution Interval": le chunking d'actions en boucle ouverte, largement utilisé pour la fluidité des mouvements, rend le robot sourd aux événements sonores survenant entre deux fenêtres d'observation audio. Pour les intégrateurs et chercheurs en manipulation robotique, ce travail montre que la perception "vision plus langage" ne suffit pas quand le retour sonore prime sur le visuel, et qu'il faut traiter l'audio comme un problème d'apprentissage temporel à part entière, pas comme un simple capteur additionnel. Ce travail s'inscrit dans la généralisation des VLA comme standard du contrôle robotique de bout en bout, où l'ajout de modalités comme le tactile, la force et désormais l'audio continu devient un axe de différenciation académique une fois l'architecture vision-langage-action stabilisée. Contrairement à une annonce produit, HEAR reste à ce stade un résultat de recherche publié sur arXiv, accompagné de code et de bancs d'essai ouverts, sans déploiement industriel ni partenariat robotique annoncé. Les auteurs le présentent comme une étape pratique vers des modèles de fondation multi-sensoriels pour les agents incarnés. La suite logique est l'adoption de HEAR-Bench et d'OpenX-Sound comme références par d'autres équipes pour comparer de futures architectures intégrant un canal audio continu, avant une éventuelle intégration chez des fabricants de robots manipulateurs.

Recherche⚡Actu

1 source

39

1432arXiv cs.RO 

SynthDemo-RL : dépasser la barrière de récompense nulle dans l'adaptation VLA grâce à des démonstrations synthétiques guidées par LLM

SynthDemo-RL est un framework enseignant-élevé pour l'adaptation par renforcement de modèles Vision-Language-Action (VLA), présente dans un article publie le 21 septembre 2026 sur arXiv. Un enseignant automatise convertit l'état privilégié du simulateur en trajectoires de manipulation réussies, distillées en un modèle VLA élevé par fine-tuning supervise puis affine par PPO a récompenses binaires de succès. Sur LIBERO-PRO, variante perturbée de LIBERO sans démonstrations disponibles, une politique pi0.5 déjà fine-tunee sur LIBERO original échoue totalement sur 27 des 57 taches évaluées, et un PPO direct a budget égal n'en sauve que 10. Avec 50 trajectoires synthétiques par tache et sans démonstration humaine, SynthDemo-RL sauve les 27 taches et atteint 97,8% et 97,1% de réussite sur les axes Position et Task de LIBERO-PRO, contre 96,0% sur LIBERO standard, a 1,7 point du modèle entraine sur 50 démonstrations humaines. La méthode est aussi validée sur RoboTwin 2.0, des trajectoires issues d'un jumeau numérique MuJoCo s'exécutant en boucle ouverte sur un robot physique. L'apport est surtout méthodologique : les auteurs montrent qu'un RL a récompense binaire peut rester bloque a 0% sur des taches jamais atteintes par hasard, échec que le taux de réussite moyen d'un benchmark masque généralement. Leur métrique de couverture de récompense rend ce trou visible. Pour les équipes robotique, l'intérêt est de réduire la dépendance a la téléopération humaine, couteuse et peu scalable, tout en approchant la performance de politiques entraînées sur démonstrations réelles, avec seulement 1,7 point d'écart. Le test sur robot physique, limite a une exécution en boucle ouverte, reste un indice et non une preuve de transfert réel robuste. Le travail s'appuie sur pi0.5, une politique VLA de Physical Intelligence, et sur LIBERO, benchmark de simulation très utilise en manipulation robotique, dont LIBERO-PRO est une variante perturbée destinée a en révéler les limites cachées. Il s'inscrit dans une recherche visant a affiner les VLA par renforcement plutôt que par seule imitation, pour réduire le cout de la téléopération ; aucun déploiement industriel ni pilote commercial n'est annonce, le résultat restant a ce stade un travail de simulation valide par un unique test de transfert sur robot physique en boucle ouverte.

Recherche❧Opinion

1 source

39

1433arXiv cs.RO 

Cadre d'apprentissage par renforcement résiduel sensible à la stabilité pour la compensation des perturbations d'un bras robotique

Un cadre de compensation des perturbations pour bras manipulateurs, publié le 21 septembre 2026 sur arXiv sous la référence 2609.21307, combine un observateur de perturbation (DOB) analytique classique avec une politique d'apprentissage par renforcement (RL) résiduelle: le contrôleur déterministe gère la zone où le modèle est fiable, tandis que la politique RL corrige spécifiquement les résidus non capturés, comme les frottements non linéaires ou les perturbations composées. Un réseau estimateur associe l'historique des observations à un contexte de perturbation privilégié, structurant l'espace latent par régime pour accélérer l'adaptation lors des transitions. Une borne d'action dépendante de l'état, dérivée d'une analyse de stabilité entrée-état (ISS), confine mathématiquement l'erreur de suivi dans une enveloppe certifiée quelle que soit la sortie du réseau. Sur un bras à 6 degrés de liberté (DOF), l'erreur de suivi chute de 27,8% sur matériel réel en transfert sim-to-real zero-shot, et de 38,0% sous une vibration de la base absente de l'entraînement. Pour la robotique industrielle de précision, l'apport dépasse la performance brute: le principal frein à l'adoption du RL dans des boucles de commande certifiées est l'absence de garanties de stabilité, un réseau pouvant produire des actions imprévisibles hors distribution. En dérivant une borne prouvable plutôt qu'en s'appuyant sur l'apprentissage pur, les auteurs répondent directement à cette objection, ce qui pourrait faciliter l'intégration de correcteurs appris dans des applications d'assemblage ou d'usinage où la sécurité doit être certifiée. Le transfert sim-to-real zero-shot, sans calibration fine sur le robot réel, va aussi à l'encontre de l'hypothèse répandue selon laquelle les politiques RL exigent un réglage matériel extensif pour être exploitables, un frein classique à la commercialisation de la robotique apprise. Les observateurs de perturbation analytiques équipent les manipulateurs industriels depuis des décennies mais peinent face aux frottements non linéaires et aux incertitudes de paramètres, ce qui a nourri une vague de recherche en RL résiduel, apprenant une correction par-dessus un contrôleur classique plutôt qu'une politique de bout en bout, à l'image de travaux comparables en locomotion et en préhension robotique. Il s'agit toutefois d'un article de recherche déposé sur arXiv, non encore validé par relecture par les pairs et testé sur un seul bras à 6 DOF en laboratoire: aucun partenariat industriel, pilote ou calendrier de déploiement n'est mentionné, et la généralisation à d'autres manipulateurs ou perturbations reste à démontrer.

Recherche❖Paper

1 source

39

1434arXiv cs.RO 

SABER : apprentissage d'une affordance sémantique par attention pour la locomotion des robots à pattes

SABER, une politique d'apprentissage par renforcement sans planificateur, est présentée dans un article publié sur arXiv le 21 septembre 2026 (2609.21572). Elle ajoute à la géométrie du terrain, déjà exploitée par les politiques de locomotion perceptive, une couche de permission de contact sémantique : chaque cellule d'une carte terrain unifiée encode la géométrie 3D locale et un coût de contact. Son mécanisme central modifie la cross-attention par un biais sémantique signé et appris, pondéré selon ce coût et la distance au pied le plus proche, si bien qu'un obstacle n'influence l'attention que tant qu'il peut affecter le prochain appui. Testée en conditions réelles sur un robot quadrupède Unitree B2, en intérieur et extérieur, face à quatre classes d'obstacles sémantiques, la politique montre par ablation qu'un retrait du seul biais sémantique fait grimper les contacts interdits de 55%, sans dégrader le suivi de vitesse. Ce résultat cible un angle mort concret pour la robotique industrielle : une politique purement géométrique peut juger traversable un tuyau, une pelouse ou un carton fragile, alors qu'un contact à cet endroit peut endommager l'équipement, déstabiliser le robot ou mettre en danger le site. Pour les intégrateurs déployant des robots à pattes en usine ou en entrepôt, SABER comble une limite connue des politiques apprises : la géométrie seule ne garantit pas un comportement sûr autour d'objets sensibles. Son apport principal tient à l'absence de coût mesurable sur le suivi de trajectoire, ce qui contredit l'hypothèse répandue selon laquelle des règles de sécurité supplémentaires dégraderaient nécessairement l'agilité. Cela confirme aussi que les mécanismes d'attention, déjà centraux dans les modèles vision-langage-action, peuvent structurer des politiques bas niveau pour la locomotion. SABER prolonge une recherche sur la locomotion perceptive qui a surtout intégré la géométrie du terrain, sans traiter systématiquement le sens des surfaces. Contrairement aux approches à planificateur explicite, elle reste une politique bout-en-bout entraînée directement par renforcement. Le choix du Unitree B2, quadrupède très utilisé en recherche académique, situe ce travail comme une validation scientifique sim-to-real, sans partenaire industriel ni pilote annoncé, les suites possibles visant d'autres morphologies, davantage de classes sémantiques, ou une intégration à des piles combinant perception, navigation et manipulation.

Recherche❖Paper

1 source

39

1435arXiv cs.RO 

Le facteur de charge prédit une locomotion quadrupède robuste sous contraintes, quel que soit le type d'allure

Une équipe de recherche publie sur arXiv (article 2609.22073v1, soumis le 21 septembre 2026) une étude intitulée "Duty Factor Predicts Robust Constrained Quadrupedal Locomotion Across Gait Types". Les auteurs comparent trois architectures de contrôle pour robots quadrupèdes : une optimisation de trajectoire corps entier couplée à un retour LQR (régulateur linéaire quadratique), un contrôleur de marche appris par apprentissage, et un contrôle prédictif de modèle centroidal (MPC). Résultat central : le duty factor, soit la fraction du cycle de marche pendant laquelle chaque patte reste au sol, prédit mieux la convergence de l'erreur et la robustesse locale que le type de démarche nominal, marche ou trot. Ces tendances sont confirmées par des essais sur un quadrupède physique évoluant sur un terrain étroit et contraint. Pour les ingénieurs et intégrateurs qui conçoivent des plateformes à pattes destinées à des environnements contraints, usine, chantier, terrain accidenté, ce résultat propose un paramètre de réglage simple et unidimensionnel pour ajuster la robustesse sans changer de démarche. Plutôt que de choisir entre marche et trot selon la vitesse ou le terrain, régler le duty factor suffirait à gagner en stabilité, quel que soit l'algorithme utilisé, optimisation classique, apprentissage, ou MPC. Le fait que la tendance se vérifie sur trois architectures de contrôle distinctes suggère une propriété générale de la dynamique quadrupède plutôt qu'un artefact propre à une méthode, ce qui pourrait simplifier la conception de futurs contrôleurs robustes destinés à opérer hors laboratoire. Ce travail s'inscrit dans une recherche visant à dépasser la classification traditionnelle des démarches en isolant les paramètres continus, duty factor, vitesse, largeur d'appui, qui varient à l'intérieur d'un même type de démarche et conditionnent la robustesse aux perturbations. Il s'agit d'un preprint arXiv non encore évalué par les pairs, avec une validation expérimentale limitée à un seul robot physique sur un scénario de terrain étroit, sans précision sur le fabricant de la plateforme ni de calendrier de déploiement industriel. Aucun acteur commercial, français ou international, n'est cité dans l'étude, qui reste à ce stade un travail académique orienté conception plutôt qu'un produit ou un déploiement réel.

Recherche❖Paper

1 source

39

1436arXiv cs.RO 

SkelWAM : un modèle du monde et de l'action guidé par squelette pour la manipulation en zéro-shot inter-incarnations

Une équipe de recherche présente SkelWAM, un modèle monde-action guidé par une représentation squelettique qui transfère des compétences de manipulation d'un robot source vers un robot cible différent, sans nouvelle démonstration. Le système encode la géométrie du bras, la pose du point central de l'outil (TCP) et les commandes de pince parallèle dans un état partagé à 25 dimensions, utilisé à la fois pour les observations et pour les actions du corps entier. Un mélange de transformeurs vidéo-action génère ces actions, converties ensuite en commandes articulaires ou en commandes pour robot continuum. Sur le nouveau benchmark LIBERO-Cross10 (dix tâches, dix robots cibles, quatre familles morphologiques), une version entraînée sur un bras Franka obtient 43,3% de réussite sur 1000 épisodes, soit 36,2 points de plus que la meilleure méthode comparée. Une politique entraînée sur un bras JAKA mini2 a aussi été transférée vers le robot continuum Feagine A03, pour trois tâches de manipulation sur table. Ce travail s'attaque à un verrou économique du secteur robotique : la réutilisation de politiques de manipulation d'un robot à l'autre sans nouvelle collecte de données, un frein majeur au déploiement à grande échelle des modèles vision-langage-action (VLA) du type Pi-0 ou GR00T N2. Sans correspondance articulation par articulation ni démonstration sur la tâche cible, l'approche promet de réduire le coût d'adaptation pour les intégrateurs qui exploitent des flottes hétérogènes, bras industriels et robots continuum compris. Le gain de 36,2 points sur les méthodes comparées est net, mais un taux de réussite de 43,3% reste loin d'un niveau exploitable en production, ce qui rappelle que le transfert cross-embodiment demeure un problème largement ouvert malgré ces progrès. L'approche s'inscrit dans la lignée des modèles vision-langage-action généralistes comme Pi-0 ou GR00T N2, mais s'en distingue par une représentation géométrique explicite du bras plutôt qu'un espace d'action appris implicitement. Le benchmark LIBERO-Cross10, introduit avec ce travail, comble l'absence de protocole standardisé pour comparer les méthodes de transfert cross-embodiment. Aucun acteur européen n'apparaît dans cette publication, centrée sur des plateformes Franka, JAKA et Feagine. Au-delà de la démonstration sur le robot continuum Feagine A03, les auteurs ne mentionnent aucun pilote industriel ni calendrier de déploiement : il s'agit pour l'instant d'un résultat de recherche accompagné d'une page projet, sans partenariat commercial annoncé.

Recherche❖Paper

1 source

38

1437arXiv cs.RO 

LIMBO : apprentissage et intégration d'objectifs de barrière sans modèle pour un contrôle corporel agile et sûr

Des chercheurs ont publié en septembre 2026 sur arXiv (2609.22075) LIMBO, un framework qui apprend une fonction barrière de contrôle état-action puis distille cette structure de sécurité directement dans la politique de tâche d'un robot. Le système apprend son certificat de sécurité à partir de transitions en boîte noire et d'une spécification d'échec exprimée sur les actions résiduelles autour d'un contrôleur de base figé, ce qui rend la synthèse Q-CBF praticable sur toute la dimension de contrôle du robot plutôt que sur un sous-espace réduit. Pendant l'apprentissage, la valeur de sécurité guide un échantillonnage orienté vers le risque, proche de la frontière estimée de récupérabilité, puis sert d'enseignant qui corrige action par action la politique de tâche. Les auteurs démontrent l'approche sur un humanoïde à 29 degrés de liberté effectuant deux exercices : esquiver des balles lancées façon dodgeball, et se déplacer sous des obstacles bas façon limbo. Les politiques entraînées transfèrent sur le matériel réel sans filtre de sécurité en ligne au moment du déploiement. L'enjeu dépasse la simple démonstration technique : le contrôle corps entier d'un humanoïde combine évitement de collision et équilibre sous une dynamique non linéaire de très haute dimension, ce qui rend les certificats de sécurité classiques difficiles à concevoir et à réutiliser d'un comportement à l'autre. En montrant qu'un certificat appris peut être internalisé dans la politique elle-même plutôt que vérifié en temps réel par un filtre externe, LIMBO s'attaque à un goulot d'étranglement concret pour les intégrateurs cherchant à déployer des humanoïdes agiles sans dépendre d'une couche de sécurité coûteuse en calcul à l'exécution. Le résultat le plus notable pour le secteur est peut-être que faire varier la concentration de l'échantillonnage sous la même spécification de sécurité fait émerger des stratégies différentes, de l'accroupissement classique jusqu'à une manœuvre inédite de limbo en appui arrière, preuve que la marge de sécurité peut façonner un répertoire de mouvements plutôt que le brider uniformément. Le travail s'inscrit dans la lignée des fonctions barrières de contrôle (CBF), historiquement conçues manuellement et difficiles à faire passer à l'échelle sur des systèmes à haute dimension comme un corps entier robotique ; les filtres de sécurité en ligne restent la norme dans une partie de la recherche en apprentissage par renforcement sûr. Il s'agit ici d'une préimpression arXiv non encore validée par les pairs, testée sur deux scénarios et une seule plateforme matérielle ; les auteurs ne précisent ni calendrier de suite ni extension annoncée à d'autres robots ou tâches.

Recherche❖Paper

1 source

38

1438arXiv cs.RO 

AVT-Fabric : perception visuo-tactile active par sélection adaptative de preuves pour comparer des tissus

Un article publié sur arXiv (arXiv:2609.21377v1, soumis en septembre 2026) présente AVT-Fabric, un framework de comparaison robotique de tissus combinant vision RGB et retour tactile. Une porte à double échelle évalue la confiance du modèle sur le jeton de réponse et l'écart brut entre logits pour décider si une observation tactile supplémentaire, via un capteur GelSight étiqueté en force, est nécessaire; une mémoire textuelle compacte conserve l'historique des actions exécutées et un vote majoritaire consolide les prédictions retenues. Sur 400 comparaisons de test, AVT-Fabric atteint 98,0% de précision avec un modèle multimodal de seulement 7 milliards de paramètres, contre 94,0% pour la référence MLLM-Fabric à 90 milliards de paramètres, soit 4,0 points de mieux tout en n'utilisant en moyenne que 1,60 étape sur les cinq disponibles. Le gain atteint 9,25 points face à l'inférence passive équivalente, avec 61,8% de latence en moins côté modèle, et une précision supérieure au mode vision seule. Déployé sur un robot réel, le système obtient 78,1% de précision en classement par paires et sélectionne le bon tissu dans sept scénarios sur huit testés. Le résultat interroge l'hypothèse dominante selon laquelle un modèle plus gros est toujours plus performant: ici, un modèle douze fois plus petit dépasse la référence à 90 milliards de paramètres en décidant intelligemment quand solliciter le capteur tactile, plutôt qu'en calculant davantage. Pour les intégrateurs en manipulation textile, tri logistique ou blanchisserie automatisée, cela suggère qu'équiper chaque bras de capteurs tactiles et fusionner systématiquement toutes les modalités coûte cher pour un gain marginal, alors qu'une sélection adaptative de l'évidence tactile réduit le budget de calcul tout en améliorant la précision. La généralisation testée sur quatre architectures MLLM supplémentaires renforce cette piste, même si le benchmark reste un test contrôlé de laboratoire et que la validation robotique ne couvre que huit scénarios applicatifs. AVT-Fabric se positionne directement face à MLLM-Fabric, système antérieur reposant sur un modèle massif de 90 milliards de paramètres, et s'inscrit dans une tendance plus large de la recherche robotique vers des modèles compacts capables de sélectionner intelligemment l'information plutôt que d'empiler la puissance de calcul. La publication reste académique: aucune entreprise commerciale, aucun partenaire industriel ni calendrier de déploiement pilote n'y figure. Les auteurs indiquent vouloir poursuivre les tests de généralisation sur d'autres familles de modèles multimodaux et étendre l'approche à d'autres tâches de manipulation de matériaux déformables, au-delà de la simple comparaison de tissus.

Recherche❖Paper

1 source

38

1439arXiv cs.RO 

Quand se dandiner : étude comparative de la stabilisation du buste bipède sur surfaces peu adhérentes

Des chercheurs en robotique bipède ont publié le 21 septembre 2026 sur arXiv (2609.21185) une étude comparant, sur un robot à cinq actionneurs, une démarche verticale classique à une stratégie inspirée du dandinement des manchots, où le torse s'incline au-dessus de la jambe d'appui, pour plusieurs hauteurs du centre de masse (COM). En simulation MuJoCo, sur quatre coefficients de friction (mu = 0,1, 0,3, 0,5, 0,7), la stratégie penguin-inspired produit plus de contrôleurs viables et des vitesses supérieures en faible friction, maximales avec un COM haut. Sur le robot physique, à mu=0,12 (proche du verglas), elle augmente la vitesse et réduit le coût de transport énergétique pour les deux COM testés, le COM haut se révélant le plus rapide et le plus économe tout en limitant le glissement latéral du pied. À mu=0,45, friction plus classique, la tendance s'inverse : les COM bas deviennent plus rapides et efficaces, et la démarche influe peu sur la vitesse mais toujours sur le glissement latéral. Ce résultat intéresse les concepteurs de robots humanoïdes et bipèdes destinés à des environnements industriels où le sol n'est pas toujours sec et adhérent : entrepôts avec traces d'huile, zones extérieures verglacées, sols poussiéreux. L'étude montre qu'aucune combinaison posture-démarche n'est universellement optimale : le mouvement du torse et la hauteur du COM doivent s'adapter au coefficient de friction réel du terrain, ce qui contredit l'idée d'un contrôleur de marche unique valable sur tout type de sol. Pour les intégrateurs qui évaluent des humanoïdes commerciaux hors des sols secs et lisses des vidéos promotionnelles, ce travail pointe un angle mort classique du secteur : la robustesse en friction réduite reste un problème de contrôle actif non résolu, et non un simple sous-produit d'un bon apprentissage en simulation. Ce travail s'inscrit dans la recherche en bio-inspiration appliquée à la locomotion bipède : le dandinement des manchots, connu pour limiter la dépense énergétique sur glace malgré son allure apparemment inefficace, sert ici de modèle pour concevoir des contrôleurs plus robustes que des approches purement optimisées en simulation. Publiée comme preprint arXiv (2609.21185v1, catégorie « new » au 21 septembre 2026), sans partenaire industriel ni feuille de route de déploiement annoncée, l'étude reste un travail de recherche fondamentale mené sur un robot expérimental, loin des humanoïdes commerciaux complets. Elle ouvre la voie à des travaux futurs visant une estimation en temps réel du coefficient de friction du sol, pour permettre à un contrôleur de basculer dynamiquement entre stratégie verticale et stratégie penguin-inspired selon le terrain rencontré.

Recherche❖Paper

1 source

38

1440arXiv cs.RO 

MetaPusher : méta-apprentissage et planification pour la manipulation non préhensile d'objets inconnus avec adaptation rapide en ligne

Un article publié le 21 septembre 2026 sur arXiv (2609.21122) présente MetaPusher, un système de méta-apprentissage et de planification adaptative pour la manipulation non-préhensile (pousser, faire glisser sans saisir) d'objets jamais rencontrés par le robot. Un modèle dynamique méta-appris s'ajuste en quelques interactions pendant l'exécution de la tâche, tandis qu'un planificateur kinodynamique met à jour ses plans à long horizon en réutilisant son arbre de recherche existant plutôt qu'en repartant de zéro, sans phase de collecte de données dédiée à l'objet. Testé en simulation et en transfert simulation-vers-réel contre quatre méthodes de référence (fine-tuning, apprentissage actif, contrôle MPPI, politique de renforcement), MetaPusher réduit l'erreur de prédiction dynamique et améliore le taux de réussite des tâches jusqu'à 20 %. Les propriétés physiques d'un objet inconnu, comme sa friction ou la distribution de sa masse, ne se déduisent pas de la seule perception visuelle, ce qui limite les politiques de manipulation entraînées sur un catalogue fermé d'objets. Le problème pratique que cible ce travail est bien identifié par les intégrateurs : actualiser un modèle dynamique en cours de tâche invalide généralement la trajectoire déjà planifiée, forçant un choix entre geler le modèle au prix de la précision, ou replanifier entièrement au prix du temps de cycle. En couplant les deux, MetaPusher illustre une piste pour réduire, dans le tri ou la logistique industrielle, la dépendance à des bases d'objets préalablement appris. Ce travail s'inscrit dans une recherche plus large sur la réduction de l'écart entre simulation et réel sans réentraînement massif par objet. Plutôt que de se comparer à des systèmes commerciaux, l'équipe confronte sa méthode aux approches classiques de la littérature (fine-tuning, apprentissage actif, MPPI, apprentissage par renforcement), sur lesquelles elle affiche son gain de 20 % en réussite des tâches. Il s'agit à ce stade d'une contribution académique évaluée en simulation et sur des scénarios de transfert contrôlés, sans mention de déploiement industriel, de partenariat ni de calendrier au-delà de la publication.

Recherche❖Paper

1 source

38

1441arXiv cs.RO 

AtomEgo : intégration de la vision égocentrique dans le pré-entraînement des modèles fondation pour l'IA incarnée

Une équipe de recherche présente AtomEgo, une étude systématique sur l'entraînement conjoint de modèles fondation robotiques à partir de vidéo égocentrique humaine et de démonstrations robotiques, déposée sur arXiv sous la référence 2609.21461. Le corpus assemblé représente environ 2 659 heures de vidéo égocentrique, traitées via un pipeline de données conçu pour passer à l'échelle. Les auteurs testent trois paradigmes sur des architectures vision-langage-action (VLA) et des modèles monde-action : co-entraînement conjoint avec des têtes d'action spécifiques par domaine, transfert progressif ego-vers-robot par alignement d'embodiment, et modélisation conjointe vidéo-action. Ces approches sont évaluées par des expériences multi-tâches sur robots réels et par une analyse de représentation cross-embodiment conditionnée par le langage. Le résultat central tient en une formule simple : le gain de capacité résulte de l'échelle des données multipliée par la qualité de leur alignement. Les données humaines égocentriques améliorent la généralisation des robots, mais seulement si leur intégration est alignée avec l'espace d'action robotique, pas par simple accumulation de volume. Ce constat tempère une hypothèse répandue dans le secteur, celle qui veut que les modèles VLA, à l'image de Pi-0, GR00T N2 ou Helix, comblent le manque de démonstrations robotiques réelles en aspirant des volumes massifs de vidéo humaine issue d'internet. Pour les intégrateurs et laboratoires qui bâtissent des pipelines de pretraining, le message est opérationnel : la méthode d'alignement compte davantage que le volume brut de vidéo, ce qui questionne le narratif du scaling pur comme solution suffisante au problème des données. Ce travail s'inscrit dans la course des laboratoires et industriels de la robotique humanoïde et manipulatrice à exploiter des sources de données alternatives face à la rareté des démonstrations robotiques réelles, coûteuses et lentes à collecter comparées aux corpus vidéo humains disponibles à grande échelle. AtomEgo reste à ce stade une publication de recherche non encore revue par les pairs, et non un produit ou pipeline commercial déployé, ce qui la distingue des annonces d'entreprises comme celles associées à Figure 03, Optimus ou aux modèles GR00T N2 de Nvidia. Les auteurs présentent leur pipeline et leurs trois paradigmes comme un cadre reproductible destiné à guider les prochains efforts de pretraining ego-robot à grande échelle, sans annoncer de calendrier de déploiement industriel ni de partenariat avec un fabricant de robots.

Recherche❖Paper

1 source

38

1442arXiv cs.RO 

Un robot grimpeur à haute charge utile équipé de ventouses bistables passives

Une équipe de chercheurs présente, dans un article publié récemment sur arXiv (référence 2609.21584), un robot grimpeur à haute capacité de charge reposant sur des ventouses bistables passives. Contrairement aux systèmes d'adhérence active à pompe à vide, qui consomment de l'énergie en continu pour maintenir la prise, ces ventouses bistables génèrent leur adhérence sans avoir besoin d'être plaquées contre la paroi et ne nécessitent aucune alimentation pour rester fixées une fois enclenchées. Le robot embarque un système à chenilles qui enclenche et désenclenche automatiquement les ventouses pour assurer sa locomotion sur des surfaces lisses. Les essais démontrent une capacité de grimpe verticale sur verre, bois, métal et surfaces peintes, ainsi que des déplacements latéraux et en plafond, à l'envers. Le résultat marquant est la capacité de traction d'une charge de 7,940 kg, pour un rapport charge utile sur poids de 2,25, une performance élevée pour un système d'adhérence passive. Ce résultat s'attaque au compromis qui limite depuis longtemps les robots grimpeurs industriels : les technologies d'adhérence active offrent une charge utile élevée mais consomment de l'énergie en permanence et risquent de décrocher en cas de coupure, tandis que les ventouses passives classiques restent sûres à l'arrêt mais plafonnent vite en capacité. En combinant sécurité passive et charge utile élevée, ce type de mécanisme intéresse directement les intégrateurs de robots d'inspection de façades, de maintenance industrielle, de nettoyage de vitres ou de construction, des tâches aujourd'hui dangereuses ou coûteuses en main-d'oeuvre. Pour les décideurs B2B, la promesse est un robot capable de transporter des outils ou des charges plus lourdes (caméras, capteurs, matériel de réparation) sur des façades verticales sans dépendre d'une alimentation continue ni d'un compresseur embarqué, ce qui réduit le risque de chute en cas de panne électrique. Ce travail s'inscrit dans la recherche en robotique grimpante, qui oppose depuis des années l'adhérence active (ventouses sous vide motorisées, adhérence électrostatique ou magnétique) à l'adhérence passive (ventouses simples, matériaux adhésifs de type gecko), cette dernière restant handicapée par sa faible capacité de charge malgré sa sobriété énergétique. Le recours à des mécanismes bistables, des structures capables de basculer entre deux états stables sans apport d'énergie continu, est une piste explorée pour combler cet écart. Il s'agit ici d'un article de recherche publié en prépublication sur arXiv, donc d'une démonstration de laboratoire et non d'un produit commercialisé ou déployé sur site : aucune date de mise sur le marché, aucun partenaire industriel ni prix ne sont mentionnés. Les prochaines étapes attendues pour ce type de plateforme concernent le passage à l'échelle, la validation en conditions réelles de chantier ou de façade, et une éventuelle intégration à des systèmes de navigation autonome pour l'inspection continue.

Recherche❖Paper

1 source

38

1443arXiv cs.RO 

PIVOT : navigation de robots de terrain grâce à un modèle vision-langage pour évaluer la praticabilité hors-piste

Des chercheurs présentent PIVOT (Physically Informed Vision-Language Off-Road Traversability), un système de navigation pour robots terrestres combinant planification géométrique classique et raisonnement sémantique fondé sur un modèle vision-langage (VLM). Publiée sur arXiv (2609.20983v1), l'architecture retient deux niveaux : la planification géométrique reste le mode par défaut, rapide à calculer, et le VLM n'est sollicité pour un replanning sémantique que lorsque cette méthode échoue à trouver un chemin. Pour ancrer les prédictions du VLM dans la réalité physique, les auteurs mesurent la corrélation entre le coût énergétique de franchissement estimé par le modèle, les vibrations relevées sur le robot et le glissement des roues, puis construisent un score de franchissabilité unifié pondérant chaque modalité selon sa corrélation avec les mesures réelles. Le système a été testé sur cinq essais répétés en boucle fermée, sur un parcours de terrain mixte totalisant environ 6,4 kilomètres. Comparé à une navigation purement géométrique, PIVOT fait passer le taux d'autonomie de 59,6% à 97,0%, réduit les interventions humaines de 11 à 3, et porte la distance moyenne entre interventions de 69,2 à 412,9 mètres. Ces résultats visent un problème concret pour les robots de terrain agricoles, militaires ou d'exploration : les planificateurs purement géométriques, qui jugent la franchissabilité à partir de la seule géométrie (pente, hauteur d'obstacles), sont souvent trop prudents en environnement non structuré, écartant des chemins en réalité praticables faute de comprendre la nature du sol, herbe haute, gravier meuble ou feuilles mortes. En couplant le VLM à des mesures physiques réelles plutôt qu'en traitant ses jugements comme fiables par défaut, les auteurs répondent à une critique récurrente sur l'écart entre démonstrations et fiabilité en conditions réelles. La quasi-triplication de la distance entre interventions suggère qu'un raisonnement sémantique par VLM peut s'intégrer à moindre coût de calcul dans des piles de navigation existantes, sans remplacer la planification géométrique éprouvée, un argument qui parlera aux intégrateurs de robots agricoles ou de logistique tout-terrain cherchant à réduire la supervision humaine. Ce travail s'inscrit dans la tendance plus large d'hybridation entre modèles vision-langage et robotique de terrain, où plusieurs équipes de recherche explorent l'usage de VLM pour la sémantique de scène sans disposer encore de standards communs d'évaluation. La contribution principale de PIVOT est méthodologique : quantifier empiriquement la fiabilité des prédictions d'un VLM avant de les exploiter pour la décision, plutôt que de les supposer correctes. Les auteurs ne mentionnent ni calendrier de déploiement commercial ni partenariat industriel ; il s'agit à ce stade d'une publication de recherche, dont la suite logique serait une validation sur une flotte plus large et des terrains plus variés.

Recherche❖Paper

1 source

38

1444arXiv cs.RO 

VLA-Scope : prédire les échecs des modèles vision-langage-action face aux changements de distribution

Un article publie sur arXiv (2609.21246v1) présente VLA-Scope, un framework en deux étapes qui prédit les échecs d'exécution des modèles vision-langage-action (VLA) quand les entrées s'écartent de la distribution d'entrainement, ou OOD. La première étape détecte les entrées OOD et classe leur type de décalage a partir de représentations poolees d'image et de texte; la seconde combine cette catégorie, le préfixe d'actions déjà jouées et la progression de la tache dans une régression logistique qui réactualisé le risque d'échec en continu. Teste avec OpenVLA sur dix taches du benchmark LIBERO-Spatial en validation croisée leave-one-group-out, le système atteint un ROC-AUC de 0,9454 pour la détection OOD et 91% de précision pour la classification des décalages. Sur les 1 400 exécutions OOD évaluées, le prédicteur d'échec obtient un ROC-AUC de 0,8497 après 60 actions, contre 0,7906 sans les indicateurs de progression, devançant les références ActProbe et SAFE-MLP. L'enjeu pour l'industrie tient au constat de départ: un modèle VLA peut réussir même en conditions OOD, donc détecter un simple écart de distribution ne suffit pas a anticiper un échec, il faut aussi suivre le déroulement de l'exécution. Pour les intégrateurs déployant des politiques VLA sur des robots réels, confrontes en continu a des variations d'éclairage ou de pose d'objets, un signal de risque qui s'affine action après action ouvre la voie a des mécanismes de secours (arrêt, reprise humaine) sans capteur ni reentrainement supplémentaires. Le travail reste valide en simulation, sur un seul benchmark et un seul modèle: une preuve de concept, pas un outil de production. OpenVLA, le modèle teste, appartient a la famille des politiques VLA open source qui côtoient des systèmes propriétaires comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, tous confrontes au même problème de fiabilité hors distribution. VLA-Scope se compare a deux méthodes existantes, ActProbe et SAFE-MLP, qu'il surpasse sur les métriques rapportées. L'article, classe comme nouvelle soumission sur arXiv sans auteurs ni calendrier précises, appelle logiquement une validation sur des taches plus variées, d'autres architectures et des robots physiques plutôt que des environnements simules.

Recherche❖Paper

1 source

38

1445arXiv cs.RO 

Noctif3R : SLAM monoculaire en temps réel à propagation avant pour scènes à faible luminosité sur matériel embarqué

Un article publié sur arXiv (2609.21114v1) présente Noctif3R, un système de SLAM monoculaire temps réel pour robots devant se localiser avec une seule caméra RGB en très basse lumière, sur un calculateur embarqué. Sur les neuf niveaux d'obscurité les plus sévères testés, les systèmes existants échouent massivement : DROID-SLAM renvoie une trajectoire sans aucune information exploitable sur les neuf, VGGT-SLAM et CUT3R sur huit, pi^3 sur sept, DPV-SLAM sur quatre. Noctif3R, qui combine un front-end feed-forward de cartes de points et une porte de mise en correspondance explicite, ne renvoie que des trajectoires exploitables, avec une erreur de 24 à 47% du plafond « sans information » contre 56 à 73% pour la meilleure référence. Sur une vidéo réelle d'un robot Spot de Boston Dynamics où 86,5% des 1178 images sont entièrement noires, Noctif3R s'arrête après la partie éclairée alors que DROID-SLAM et DPV-SLAM produisent une pose pour chaque image ; porté sur Jetson AGX Orin, le pipeline gagne jusqu'à 1,42x de débit pour 0,68x d'erreur, avec 47% de mémoire GPU et 29% d'énergie par pose en moins. L'apport principal n'est pas la seule précision en basse lumière, mais la disparition du faux positif silencieux : la plupart des pipelines temps réel continuent de renvoyer une pose même sans information exploitable, un risque pour un robot autonome puisque rien ne signale l'échec. En refusant de tracker plutôt que d'halluciner une trajectoire, Noctif3R répond à un besoin des intégrateurs opérant en environnements sombres (inspection industrielle, entrepôts sans éclairage), où détecter l'échec compte autant que la précision. Le travail confirme aussi que l'écart entre reconstruction basse lumière hors ligne, précise mais trop lente, et SLAM temps réel embarqué reste largement ouvert, et qu'il nécessite des architectures dédiées plutôt qu'un simple durcissement des pipelines existants. Le système s'inscrit dans la lignée du SLAM visuel embarqué, un domaine dont les références actuelles, dont DROID-SLAM et DPV-SLAM, ont surtout été conçues pour la lumière normale ; Noctif3R se positionne contre elles sur les mêmes échelles de noirceur. L'évaluation s'appuie sur trois jeux de données : une échelle de bruit calibrée et reproductible, des expositions réelles ré-annotées, et une nouvelle échelle vidéo en chambre noire filmée avec un robot Spot de Boston Dynamics. Il s'agit à ce stade d'un travail de recherche publié sur arXiv, sans produit ni déploiement commercial annoncé.

Recherche❖Paper

1 source

38

1446arXiv cs.RO 

MA-LIPP : planification coopérative de trajectoires informatives multi-agents sensible à la charge pour équipes de robots hétérogènes

Une équipe de recherche présente MA-LIPP (Multi-Agent Load-Aware Informative Path Planning), une méthode de planification de trajectoire pour des équipes hétérogènes de robots devant collecter des échantillons physiques sur le terrain et les ramener en laboratoire. Le système coordonne les robots via des "dead drops" asynchrones : un robot dépose des échantillons en un point que récupère, plus tard, un second robot, sans rendez-vous synchrone entre les deux. Les auteurs formalisent le problème comme un programme quadratique en variables mixtes-entières (MIQP) exact, complété par une heuristique de recherche à grand voisinage par paires (Pairwise Large-Neighborhood Search, LNS) pour les cas réels de plus grande taille. Sur des instances allant jusqu'à 12 robots, cette heuristique égale l'optimum exact dans 95,5% des cas certifiés et réduit la variance postérieure pondérée de 16,1 à 19,8% par rapport à une méthode séquentielle de référence. Le travail, publié sur arXiv (2609.21167), reste une contribution algorithmique validée en simulation, sans déploiement matériel annoncé. Le verrou que cible MA-LIPP est structurel en robotique de terrain : dans la planification informative sous contrainte de charge (LIPP) à robot unique, la même machine doit à la fois détecter les points d'intérêt et transporter tous les échantillons collectés, ce qui multiplie les retours au dépôt et limite fortement la zone couverte. Répartir les rôles entre robots précis dédiés à l'échantillonnage et robots à forte capacité dédiés au transport lève ce goulot d'étranglement, mais complexifie la coordination : il faut décider quand, où, quoi et à qui transférer la charge. Pour les intégrateurs de robotique de terrain, en surveillance environnementale, géologie ou inspection de sites dangereux, ce résultat indique qu'une coordination asynchrone bien formalisée peut accroître significativement la couverture spatiale sans synchronisation coûteuse entre robots, un argument en faveur des flottes hétérogènes plutôt que des robots généralistes isolés. Ce travail prolonge les recherches sur l'Informative Path Planning, qui guide un robot vers les emplacements maximisant l'information recueillie sur un champ inconnu comme une contamination ou une composition du sol, et ses variantes "load-aware" intégrant le coût croissant du transport à mesure que les échantillons s'accumulent. L'apport de MA-LIPP est d'étendre ce cadre au multi-robot en traitant les échanges asynchrones de charge comme des variables de décision à part entière plutôt que comme une contrainte annexe. Les deux méthodes proposées, le MIQP exact pour certifier l'optimalité sur des instances réduites et l'heuristique LNS pour passer à l'échelle, ouvrent la voie à une validation en conditions réelles, non détaillée dans l'abstract, qui devra probablement traiter l'autonomie énergétique et la tolérance aux pannes de robots en mission.

Recherche❖Paper

1 source

38

1447arXiv cs.RO 

Représentation d'action par champ de potentiel pour l'apprentissage par renforcement en manipulation à contacts riches

Des chercheurs décrivent, dans un préprint publié sur arXiv fin septembre 2026 (arXiv:2609.21609v1), PA-RL, un framework de reinforcement learning qui remplace les commandes cartésiennes directes par des champs de potentiel artificiels comme représentation d'action: la politique ajuste les paramètres d'un champ de potentiel énergétique, qui génère une direction de guidage exécutée par un contrôleur d'impédance cartésien. Testé en simulation sur l'insertion de cheville dans un trou (peg-in-hole), tâche de référence à contacts riches et transitions discontinues, PA-RL bat, avec le même algorithme RL, trois espaces d'action concurrents (vitesse cartésienne, pose cartésienne, impédance variable): 100% de réussite contre 92,6% pour la meilleure référence, avec 55,4% de variation de couple articulaire en moins et 70,8% de variation d'accélération cartésienne en moins. Transférée sans réentraînement, la politique entraînée uniquement en simulation réussit 9 insertions sur 9 sur robot réel. Ce résultat s'attaque à deux limites connues du RL appliqué à la manipulation industrielle: le couplage entre stratégie de tâche et génération de mouvement bas niveau, et l'écart persistant entre simulation et réel. En faisant agir la politique sur les paramètres d'un champ de potentiel plutôt que sur des commandes de trajectoire brutes, PA-RL allège l'apprentissage et produit des mouvements mécaniquement plus doux, un point concret pour les intégrateurs soucieux de limiter l'usure des actionneurs sur les lignes d'assemblage. Le transfert vers le réel sans fine-tuning est la donnée la plus significative pour les décideurs B2B: elle suggère qu'une représentation d'action mieux choisie peut réduire le besoin de réentraînement coûteux sur matériel physique, même si l'échantillon réel reste modeste, neuf essais sur une seule tâche, ce qui appelle à la prudence avant toute généralisation. Ce travail s'inscrit dans l'effort de recherche visant à rendre le RL exploitable pour l'assemblage industriel, où l'insertion de pièces sert de cas d'école face à des interfaces d'action plus directes déjà étudiées, comme la commande cartésienne en vitesse ou en pose et l'impédance variable. En s'appuyant sur les champs de potentiel artificiels, une technique historiquement utilisée en planification de mouvement classique plutôt qu'en apprentissage de bout en bout, les auteurs proposent une voie intermédiaire entre contrôle réactif et apprentissage profond. L'article ne mentionne ni partenaire industriel ni pilote de déploiement annoncé; les suites attendues porteraient sur l'extension à d'autres tâches de contact et sur une validation à plus grande échelle en conditions réelles, afin de confirmer la généralisation au-delà du seul scénario peg-in-hole testé ici.

Recherche❖Paper

1 source

38

1448arXiv cs.RO 

LOInK : cinématique inverse optimale apprise via des modèles neuronaux de substitution structurés

Une équipe de chercheurs a mis en ligne le 21 septembre 2026 sur arXiv (référence 2609.21275) une nouvelle méthode nommée LOInK, pour Learned Optimal Inverse Kinematics, qui vise à générer des solutions quasi optimales à des problèmes de cinématique inverse. Entraîné sur des configurations échantillonnées, leurs variables de tâche associées et une fonction de coût donnée, LOInK apprend une application inversible dite bi-Lipschitz qui transforme l'espace des configurations articulaires en un espace latent découplé de la tâche, construit de sorte que les solutions minimisant le coût se retrouvent toutes à l'origine de cet espace. Cette structuration permet ensuite d'échantillonner efficacement ces solutions optimales grâce à un algorithme d'inversion de réseau reposant sur l'operator splitting. Les auteurs valident l'approche sur trois cas : un manipulateur pédagogique à trois degrés de liberté (DOF), un robot quadrupède grimpeur, et un actionneur souple simulé traité comme un cas purement piloté par les données. Sur le robot grimpeur, LOInK génère des solutions quasi optimales en moyenne 31 fois plus vite, et jusqu'à 100 fois plus vite dans certains cas, qu'une méthode classique d'optimisation sous contraintes. Ce gain de vitesse n'est pas anecdotique pour l'industrie robotique : la cinématique inverse est un calcul exécuté en continu par tout robot articulé, humanoïde, bras manipulateur ou quadrupède, pour transformer un objectif de tâche en commande de moteurs, et les solveurs d'optimisation sous contraintes classiques restent souvent trop lents pour du contrôle temps réel sur du matériel embarqué à ressources limitées. En déplaçant le coût de calcul vers une phase d'entraînement réalisée hors ligne, LOInK ouvre la voie à des boucles de contrôle plus rapides sans sacrifier la qualité des trajectoires, un enjeu direct pour la marche et l'escalade des robots à pattes ou pour la manipulation fine. Le cas de l'actionneur souple est particulièrement révélateur : contrairement aux approches génératives existantes, qui doivent échantillonner puis évaluer un grand nombre de solutions candidates faute de modèle analytique fiable pour les matériaux souples, LOInK produit directement des solutions de haute qualité, ce qui ouvre une piste pour la robotique souple, un domaine où le manque de modèles précis freine aujourd'hui le contrôle. Ce travail s'inscrit dans la lignée des méthodes de cinématique inverse par apprentissage qui cherchent à remplacer les solveurs itératifs coûteux, historiquement dominants en robotique, par des réseaux de neurones capables d'amortir le calcul. Il se positionne aussi face aux approches génératives récentes à base de réseaux à variables latentes ou de modèles de diffusion, qui nécessitent d'échantillonner puis de filtrer de nombreuses hypothèses avant de retenir une solution viable, une démarche coûteuse en temps de calcul. Publié comme soumission arXiv de type « new », ce papier reste un preprint non encore relu par les pairs : les résultats reposent uniquement sur des simulations, sans code source ni déploiement matériel mentionnés dans le résumé, et aucune date de publication en conférence ni suite expérimentale sur robot physique n'est précisée à ce stade.

Recherche❖Paper

1 source

38

1449arXiv cs.RO 

MAAP : perception active multi-agents pour la manipulation collaborative

Des chercheurs présentent MAAP (Multi-Agent Active Perception), un système de manipulation collaborative ou chaque bras joue un double rôle: exécuter des actions et servir, via sa camera de poignet, de point de vue mobile pour l'équipe. Il est couple a RAIL (Role-Aware Imitation Learning), un contrôleur qui prédit le rôle courant de chaque bras et conditionne ses actions sur celui-ci. Sur quatre taches simulées, le taux de réussite moyen passe de 56,5% avec une camera fixe a 62,5% avec un poignet actif, puis 70,0% avec tous les bras actifs, et atteint 79,2% avec MAAP+RAIL. Sur une tache a trois bras nommée Microwave, RAIL fait grimper la réussite de 47% a 82% avec les mêmes entrées. Sur une plateforme réelle a deux bras, MAAP+RAIL réussit 14 essais de placement sur 20, contre 0 sur 20 pour une base a vue fixe utilisant ACT. Publie en preprint sur arXiv (2609.21929), le papier ne précise ni affiliation des auteurs ni calendrier de déploiement industriel. Cette approche renverse l'hypothèse selon laquelle la perception active exige un agent dédié a l'observation, distinct des bras qui manipulent. En montrant que les cameras de poignet déjà présentes sur des cellules multi-bras standard suffisent a améliorer nettement la réussite des taches, sans capteur ni agent supplémentaire, MAAP donne aux intégrateurs une piste pour exploiter le matériel existant plutôt que de multiplier les cameras fixes. L'écart entre 0% et 70% de réussite obtenu sur la plateforme physique face a la base ACT a vue fixe est le chiffre le plus parlant pour un décideur industriel: il suggere que le goulot d'étranglement de nombreux systèmes de manipulation actuels tient autant a la couverture visuelle de la scene qu'a l'algorithme de contrôle lui-même. MAAP s'inscrit dans la lignée des travaux d'apprentissage par imitation en manipulation, ou ACT (Action Chunking Transformer) sert de référence a vue fixe. Teste sur quatre taches simulées puis sur une plateforme physique a deux bras, l'échantillon de 20 essais reste modeste. Le papier, une contribution académique sans partenariat industriel annonce, ne mentionne aucun calendrier de commercialisation; les suites attendues concernent l'extension a davantage de bras et de taches plus complexes.

Recherche❖Paper

1 source

38

1450arXiv cs.RO 

NeuRIO : un estimateur neuronal en flux pour l'odométrie inertielle relative multi-robots, du simulateur au réel sans réentraînement

Des chercheurs ont présenté NeuRIO, un estimateur neuronal en flux continu pour l'odométrie inertielle relative entre robots, sans ancre ni infrastructure externe, à partir de mesures de gisement et de distance entre robots et de centrales inertielles (IMU). Le système aligne les mesures sur la gravité et modélise chaque robot comme un nœud d'un réseau de graphes, combinant attention pour le raisonnement spatial et réseaux GRU pour la dynamique temporelle. Entraîné uniquement en simulation, avec des mouvements variés et des bruits de capteurs réalistes, il transfère en zero-shot vers le réel : sur 24 séquences réelles, l'erreur RMSE atteint 14,1 cm en position et 3,9 degrés en rotation, avec un coût de calcul sous 20 millisecondes jusqu'à 400 robots simulés, contre plus de 20 ms dès 24 robots pour les méthodes d'optimisation classiques. Ce résultat vise un verrou concret pour les essaims de robots et les flottes coordonnées, drones, AMR d'entrepôt ou robots mobiles multiples, où l'estimation de position relative sans GPS ni balises devient un goulot d'étranglement quand le nombre d'agents augmente, les méthodes d'optimisation classiques voyant leur coût calculatoire exploser. Qu'un réseau entraîné sur des équipes limitées se généralise directement à des flottes bien plus grandes, sans changement d'architecture ni réentraînement, est le résultat le plus significatif : il suggère qu'une approche neuronale scalable peut remplacer les pipelines d'optimisation pour la coordination d'essaims à grande échelle, un argument utile pour intégrateurs et chercheurs en robotique multi-agents. Il conforte aussi l'idée qu'un entraînement massif en simulation bien conçu peut se substituer à la collecte de données réelles pour ce type de tâche de perception. L'odométrie inertielle relative multi-robots reposait jusqu'ici sur des méthodes d'optimisation basées sur des graphes de facteurs, précises mais peu scalables au-delà de quelques dizaines d'agents, ou sur des systèmes dépendant d'ancres et d'infrastructures de positionnement externes. NeuRIO s'inscrit dans la tendance des estimateurs neuronaux appliqués à la navigation et à la fusion de capteurs, en exploitant la capacité des réseaux de graphes à traiter un nombre variable de nœuds et des topologies d'observation changeantes dans le temps. Publié en septembre 2026 sur arXiv, ce travail reste une contribution de recherche, validée sur 24 séquences réelles et des simulations jusqu'à 400 robots, sans intégration annoncée dans un produit commercial. Les suites attendues incluent des essais sur des flottes réelles plus nombreuses et une intégration dans des piles de navigation complètes pour la coordination d'essaims.

Recherche❖Paper

1 source