Actualités robotique — page 31

4 604 articles au fil, du plus récent au plus ancien.

37

1501arXiv cs.RO 

Contrôle de formation haute précision pour systèmes multi-robots hétérogènes via apprentissage par renforcement profond hiérarchique et hybride, informé par la physique

Des chercheurs proposent un nouveau cadre de contrôle pour la formation de flottes de robots hétérogènes, baptisé HHy-PIDRL (hierarchical hybrid physics-informed deep reinforcement learning), publié sur arXiv début juillet 2026. L'architecture repose sur deux couches. La couche supérieure gère la navigation autonome d'un robot leader à direction Ackermann via un algorithme Soft Actor-Critic (SAC), une méthode de deep reinforcement learning reconnue pour sa stabilité d'entraînement. La couche inférieure combine trois briques pour les robots suiveurs omnidirectionnels : un contrôleur physique feed-forward haute-fidélité, un correcteur proportionnel-dérivé (PD) classique, et un contrôleur résiduel adaptatif par apprentissage par renforcement, l'ensemble formant une politique hybride baptisée HM-DRL. Une fonction de récompense hiérarchique spécifique a été conçue pour guider l'apprentissage des suiveurs vers une politique de contrôle stable et affinée. Selon les auteurs, les taux de réussite atteignent 100% aussi bien pour la navigation du leader que pour le maintien de formation des suiveurs, des résultats validés par des expériences d'ablation. Ce travail s'attaque à un problème concret pour l'industrie robotique multi-agents : les méthodes de contrôle classiques exigent des modèles physiques précis et tiennent mal face aux incertitudes de modélisation et aux perturbations externes, tandis que les approches de reinforcement learning bout-en-bout souffrent traditionnellement d'une faible efficacité d'échantillonnage et de convergences instables. En hybridant modèle physique et apprentissage résiduel, l'équipe cherche à concilier la robustesse théorique du contrôle classique avec l'adaptabilité du RL, un enjeu direct pour les opérateurs de flottes de robots mobiles autonomes (AMR) en entrepôt ou en logistique, où l'hétérogénéité des plateformes (Ackermann versus omnidirectionnel) complique la coordination de formation. Cette publication s'inscrit dans une lignée de recherches visant à combiner physics-informed learning et RL pour dépasser les limites respectives des approches purement analytiques ou purement data-driven, une tendance déjà explorée pour la locomotion de robots humanoïdes et le contrôle de bras manipulateurs. Les auteurs annoncent des expériences d'ablation pour isoler la contribution de chaque module, mais les résultats à 100% de réussite, obtenus en simulation selon toute vraisemblance, restent à confirmer en conditions réelles avant tout déploiement industriel.

Recherche❖Paper

1 source

37

1502arXiv cs.RO 

ObjRetarget : un cadre de retransfert de mouvement sensible aux objets, avec contraintes anthropomorphiques du bras et modélisation polyédrique de la main

Une équipe de recherche présente ObjRetarget, un nouveau framework de retargeting de mouvement humain vers robot destiné à l'apprentissage de la manipulation dextre à partir de vidéos humaines, décrit dans un article publié sur arXiv (2607.03828v1). Le problème visé est classique en intelligence incarnée : transférer fidèlement l'intention humaine observée dans une vidéo vers des actions robotiques exécutables, tout en conservant un contact main-objet stable pendant la manipulation. La méthode combine deux briques. Pour le bras, des trajectoires de référence extraites des vidéos humaines servent de point de départ, affinées par des contraintes anthropomorphiques et une optimisation tenant compte de la redondance cinématique, afin de produire des mouvements naturels et précis. Pour la main, ObjRetarget modélise les contacts multi-doigts via des clusters polyédriques (polytopes) et préserve la structure de contact grâce à des invariants géométriques, ce qui améliore la stabilité du geste. Les tests sur robots réels montrent une amélioration des taux de réussite de manipulation et de la stabilité de contact sur plusieurs tâches dextres, avec une bonne généralisation à de nouvelles démonstrations, poses d'objets et configurations de tâche. Ce travail s'inscrit dans un enjeu central pour l'industrie robotique actuelle : faire fonctionner l'apprentissage par imitation à partir de vidéos humaines à grande échelle, un des piliers annoncés des modèles VLA (vision-language-action) comme GR00T N2, Pi-0 ou Helix. Le point faible historique de ces approches est justement le retargeting, l'étape où l'intention humaine capturée en vidéo doit être traduite en gestes robotiques exploitables sans perdre la qualité du contact physique. En modélisant explicitement le contact plutôt qu'en s'en remettant au reinforcement learning, souvent gourmand en données et peu généralisable, ObjRetarget répond à une limite concrète freinant le passage de la démonstration vidéo à une manipulation dextre fiable en conditions réelles, un enjeu direct pour les intégrateurs travaillant sur des mains robotiques multi-doigts. Le papier se positionne en creux face aux méthodes existantes de retargeting, jugées insuffisantes faute de modélisation de contact explicite. Il s'agit ici d'une contribution de recherche publiée sur arXiv, validée expérimentalement sur robots réels mais sans déploiement industriel ni partenaire commercial annoncé à ce stade, les suites logiques étant une intégration possible dans des pipelines d'apprentissage de politiques robotiques plus larges.

Recherche❖Paper

1 source

37

1503arXiv cs.RO 

Worldscape-MoE : un modèle du monde à mélange d'experts unifié pour un contrôle d'action hétérogène et évolutif

Une équipe de recherche publie sur arXiv (7 juillet 2026) Worldscape-MoE, un modèle du monde basé sur des Diffusion Transformers combinés à une architecture Mixture-of-Experts (MoE), conçu pour unifier le contrôle d'actions hétérogènes dans les simulateurs génératifs vidéo. Jusqu'ici, les modèles du monde utilisés pour l'IA incarnée traitaient séparément chaque type de commande, trajectoires de caméra, actions robotiques, signaux de jointures de main, avec des interfaces isolées les unes des autres. Worldscape-MoE introduit à la place une injection de contrôle sensible à la modalité, des experts partagés et des experts spécifiques à chaque type de commande, ainsi qu'une stratégie d'entraînement MoE progressive permettant d'ajouter de nouvelles modalités d'action sans tout réentraîner. Les tests couvrent trois domaines, locomotion, manipulation robotique et contrôle égocentrique de la main, avec des résultats évalués sur le benchmark WorldArena. L'apport principal tient dans un résultat contre-intuitif pour le secteur: faire apprendre au même modèle des signaux de contrôle très différents (déplacement d'un robot, geste d'une main, trajectoire de caméra) améliore les performances sur chaque tâche individuelle, plutôt que de les dégrader par interférence. Cela infirme l'hypothèse répandue selon laquelle mélanger les types de supervision dilue la qualité du contrôle. Pour les équipes qui développent des simulateurs destinés à entraîner des politiques robotiques ou des agents VLA (vision-language-action), ce résultat plaide pour des architectures mutualisées plutôt que des modèles du monde spécialisés par tâche, un enjeu direct de coût et de scalabilité pour l'industrie. Le travail s'inscrit dans la montée en puissance des modèles du monde comme infrastructure de base pour l'IA incarnée, à mesure que la fragmentation des interfaces de contrôle devient un frein au passage à l'échelle. Worldscape-MoE se positionne comme une alternative structurelle aux générateurs vidéo contrôlables existants, avec une architecture pensée pour absorber, au fil du temps, nouvelles modalités et nouveaux jeux de données sans repartir de zéro, un axe que les auteurs annoncent vouloir poursuivre avec l'ajout d'experts et de données supplémentaires.

IA physique⚡Actu

1 source

37

1504arXiv cs.RO 

Exp2VLA : permettre la navigation de drones par modèle vision-langage-action à partir de démonstrations d'experts

Des chercheurs proposent Exp2VLA, un pipeline de distillation d'expertise pour la navigation de drones pilotée par le langage, décrit dans une prépublication arXiv (2607.03146v1). Le principe consiste à capturer des comportements experts, qu'ils proviennent de l'apprentissage par renforcement, de la téléopération ou d'autres contrôleurs classiques, puis à convertir ces trajectoires en données d'entraînement pour affiner des modèles vision-langage-action (VLA) de taille compacte. L'objectif est de transférer des stratégies de contrôle existantes vers un modèle unifié capable de comprendre des commandes en langage naturel. Les auteurs ont testé leur approche dans des environnements simulés, à la fois en configuration sim-to-sim et en boucle simulation-in-the-loop, sur des scènes comportant plusieurs objets. Les modèles affinés parviennent à traiter des commandes sémantiques variées et à généraliser à des compositions de cibles jamais vues pendant l'entraînement. Aucun vol réel n'est mentionné à ce stade : les résultats reposent exclusivement sur la simulation. L'enjeu dépasse le simple exercice académique. Les modèles VLA se sont largement développés autour des bras manipulateurs et des humanoïdes, mais leur adaptation aux drones bute sur deux obstacles concrets : le coût de calcul embarqué, souvent incompatible avec les contraintes de poids et d'autonomie d'un UAV, et le manque de robustesse de nombreuses solutions dès que l'environnement se complexifie. En automatisant la conversion de contrôleurs spécialisés en un modèle unique piloté par le langage, Exp2VLA réduit la charge d'intégration manuelle que doivent habituellement assumer les équipes qui déploient de nouveaux comportements robotiques. Pour les intégrateurs et décideurs industriels travaillant sur des flottes de drones autonomes, ce type d'approche illustre une piste pour rendre les systèmes plus flexibles sans repartir d'une architecture de contrôle entièrement nouvelle à chaque nouvelle tâche. Le travail s'inscrit dans la lignée des grands modèles VLA généralistes déjà déployés sur d'autres classes de robots, à l'image de Pi-0 ou GR00T N2 pour les bras et humanoïdes. Son originalité est de cibler spécifiquement les contraintes propres aux UAV plutôt que d'adapter directement des architectures pensées pour des robots au sol. Restant à ce stade un résultat de recherche validé en simulation, la suite logique attendue serait une validation sur drone réel, condition nécessaire avant toute perspective de déploiement opérationnel.

Recherche⚡Actu

1 source

37

1505arXiv cs.RO 

Ask-to-Clarify : résoudre l'ambiguïté des instructions par un dialogue multi-tours

Des chercheurs proposent Ask-to-Clarify, un cadre qui permet à un robot équipé d'un modèle vision-langage-action (VLA) de poser des questions avant d'agir plutôt que d'exécuter aveuglément une consigne ambiguë. Le système marie un planificateur cognitif basé sur un modèle vision-langage, chargé de mener le dialogue de clarification, à un exécuteur moteur fondé sur la diffusion, chargé du contrôle bas niveau. Les deux modules communiquent via un adaptateur d'alignement sémantico-visuel, une interface qui traduit l'intention exprimée en langage naturel en flux de perception visuelle exploitable par le contrôleur. Pour l'entraîner, les auteurs ont dû résoudre un oubli catastrophique observé lors de leurs premiers essais : le réglage fin sur les tâches de manipulation effaçait entièrement la capacité de dialogue du modèle. Leur parade est une stratégie d'entraînement en deux étapes qui isole la logique conversationnelle de l'apprentissage moteur. Le système a été testé sur 11 tâches de manipulation réelles, où il devance nettement les méthodes existantes. L'enjeu dépasse le confort d'usage. La quasi-totalité des VLA actuels, qu'il s'agisse de familles comme Pi-0 ou GR00T N2, fonctionnent selon un paradigme rigide d'écoute puis d'exécution : ils postulent que l'instruction est claire et agissent sans vérifier, ce qui échoue dès qu'un environnement réel présente plusieurs objets similaires ou une consigne sous-spécifiée d'un utilisateur non expert. C'est précisément l'écart entre démonstrations scénarisées et déploiement réel que pointe régulièrement le secteur. En documentant un oubli catastrophique aussi net entre dialogue et contrôle moteur, ce travail met aussi en garde les équipes qui cherchent à empiler perception, raisonnement et action dans un modèle généraliste unique : ce n'est pas gratuit, cela demande des architectures et des entraînements spécifiquement pensés pour éviter que les compétences s'écrasent entre elles. Historiquement, la clarification d'instructions robotiques passait par des planificateurs externes de type LLM (dans la lignée de SayCan) posés au-dessus d'un contrôleur bas niveau séparé, une architecture en deux blocs disjoints. Ask-to-Clarify s'en distingue en intégrant dialogue et contrôle moteur dans un seul système entraîné de bout en bout, sans primitives d'action codées à la main ni planificateur externe. Les auteurs, dont les travaux sont publiés sur arXiv, envisagent d'étendre l'approche à des instructions et environnements plus variés, au-delà de la simple levée d'ambiguïté.

IA physique⚡Actu

1 source

37

1506arXiv cs.RO 

HiMe : mémoire incarnée hiérarchique pour le contrôle vision-langage-action à long terme

Un article publié le 7 juillet 2026 sur arXiv présente HiMe, un cadre de mémoire hiérarchique pour les modèles Vision-Language-Action (VLA), ces systèmes qui pilotent robots et bras manipulateurs en combinant vision, langage et commande motrice. Les auteurs identifient ce qu'ils appellent le paradoxe fréquence-compétence : les modèles de raisonnement les plus capables sont trop lents pour le contrôle temps réel, tandis que les modèles rapides manquent de capacité de raisonnement pour les tâches longues et non markoviennes, où l'action dépend de tout l'historique et pas seulement de l'observation immédiate. HiMe répond en découplant l'intelligence du robot en trois couches : un Executor haute fréquence pour l'exécution, un Sentry pour la mémoire de travail, et un Planner pour la stratégie long terme, le tout appuyé par une base de connaissances dynamique capable de s'ajouter, se mettre à jour et se supprimer elle même. Pour l'industrie robotique, cette architecture cible un point faible documenté des VLA actuels, à l'image de Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure : leur dépendance à l'observation instantanée, qui les fragilise sur des tâches longues ou nécessitant de se souvenir d'une consigne donnée bien plus tôt. Beaucoup de démonstrations spectaculaires de robots humanoïdes reposent sur des séquences courtes et scriptées ; HiMe s'attaque explicitement à l'écart entre ces démonstrations et des tâches réelles multi-étapes, un angle mort souvent pointé par les intégrateurs. Si la séparation entre réactivité et raisonnement tient à l'échelle, elle offrirait une piste concrète pour concilier les deux sans sacrifier l'un pour l'autre. Le travail s'inscrit dans la lignée des recherches sur la mémoire des agents robotiques, qui cherchent à dépasser les architectures VLA à plat où toute l'information transite par une seule fenêtre de contexte. Les auteurs rapportent de meilleurs taux de réussite que ces références plates sur des tâches à horizon long, ainsi qu'une capacité inédite à corriger ses propres connaissances internes selon les préférences exprimées par un humain. Publié sans affiliation industrielle mise en avant, ce travail reste à ce stade une contribution académique : reste à voir si des laboratoires ou fournisseurs de VLA commerciaux comme Physical Intelligence, Nvidia ou Figure s'en inspireront pour des robots déployés en usine ou en entrepôt.

Recherche⚡Actu

1 source

37

1507arXiv cs.RO 

HUGS : synthèse unifiée de préhension dextérique guidée par des priors humains, à travers modes et échelles

Le laboratoire à l'origine de ce travail de recherche présente HUGS (Human-prior-guided Unified Dexterous Grasp Synthesis), une méthode qui unifie la synthèse de prises dextres robotiques à travers différentes échelles d'objets et différents modes de contact, de la pince à deux doigts à la prise bimanuelle. Plutôt que de recopier directement des démonstrations humaines, le système apprend un a priori conditionné par l'objet à partir d'un jeu de données compact de 1,8K prises collectées sur 304 objets réels, couvrant une large gamme de tailles et de modes de contact. Cet a priori guide ensuite une optimisation qui privilégie la fermeture de force (force-closure), en proposant de façon adaptative les modes de contact et les initialisations de poignet les plus pertinents. Résultat concret : les chercheurs ont synthétisé 3,2 millions de prises robotiques réparties sur 157 000 scènes, avec des objets dont la demi-diagonale varie de 2 à 30 centimètres, allant d'une vis à un grand carton. Cette approche s'attaque à un problème récurrent en robotique dextre : les méthodes existantes s'appuient sur des contacts attendus et des heuristiques d'initialisation conçues manuellement, ce qui limite soit le taux de réussite, soit la diversité des prises générées. En démontrant que des modèles entraînés sur ce jeu de données synthétique choisissent de façon autonome le mode de contact adapté à chaque objet dans le monde réel, HUGS apporte un élément de preuve supplémentaire que l'apprentissage à partir de données synthétiques à grande échelle peut réduire l'écart entre simulation et réalité, un point de friction classique pour les intégrateurs qui cherchent à déployer des mains robotiques polyvalentes en entrepôt ou en usine. Ce travail s'inscrit dans une tendance plus large de la recherche en manipulation robotique, où la génération de données synthétiques massives sert à contourner la rareté des démonstrations humaines réelles, coûteuses à collecter à cette échelle. En s'appuyant sur des préférences de préhension humaines plutôt que sur un simple retargeting geste par geste, les auteurs se positionnent face aux approches purement heuristiques ou purement basées sur l'imitation. Les prochaines étapes attendues concernent le passage à l'échelle sur des mains robotiques physiques variées et l'intégration de ces prises synthétiques dans des pipelines d'apprentissage bout-en-bout pour la manipulation générale.

Recherche❖Paper

1 source

37

1508arXiv cs.RO 

CN-CBF : fonction de barrière de contrôle neuronale composite pour la navigation robotique en environnements dynamiques

Des chercheurs proposent une nouvelle méthode de conception de fonctions de barrière de contrôle neuronales, baptisée CN-CBF (Composite Neural Control Barrier Function), pour sécuriser la navigation de robots autonomes dans des environnements dynamiques et incertains. L'approche combine plusieurs CBF neuronales individuelles en une seule fonction composite : chacune est entraînée hors ligne à partir de données générées par le cadre de calculabilité Hamilton-Jacobi, afin d'approximer l'ensemble de sécurité optimal face à un obstacle mobile unique. Une architecture neuronale résiduelle garantit que l'ensemble de sécurité estimé ne recoupe jamais l'ensemble d'échec correspondant. La méthode a été testée en simulation sur un robot terrestre et un quadricoptère, puis validée par des expériences matérielles sur les deux plateformes. Comparée aux meilleures méthodes de référence existantes, elle améliore le taux de réussite de la navigation jusqu'à 18%, tout en conservant des longueurs de trajectoire et des temps de déplacement comparables, voire inférieurs. Ce résultat s'attaque à un problème central pour l'industrie robotique : les filtres de sécurité basés sur les CBF sont simples à déployer mais notoirement difficiles à concevoir manuellement, en particulier quand l'environnement change en temps réel. En automatisant et en fiabilisant cette conception via l'apprentissage, CN-CBF pourrait faciliter le déploiement de robots autonomes, mobiles ou volants, dans des environnements partagés avec des obstacles mobiles, humains compris, sans sacrifier l'efficacité des trajectoires. Le passage du simulateur au matériel réel, sur deux morphologies distinctes, robot au sol et drone, est un signal encourageant pour les intégrateurs et les équipes de R&D qui cherchent des garanties de sécurité formelles plutôt que des heuristiques ad hoc, un enjeu clé pour la certification et l'adoption en environnements industriels ou logistiques. Les fonctions de barrière de contrôle sont un outil classique de la théorie du contrôle pour garantir la sécurité formelle des systèmes dynamiques, mais leur conception manuelle devient vite intraitable dès que la dimension ou la complexité de l'environnement augmente. Les approches existantes, qu'elles soient purement basées sur des modèles ou purement apprises, souffrent chacune de limites que les auteurs cherchent explicitement à corriger en combinant apprentissage neuronal et cadre théorique Hamilton-Jacobi. Publié sur arXiv en version révisée, ce travail s'inscrit dans une littérature croissante sur les CBF neuronales pour la robotique mobile et aérienne. Les auteurs mentionnent des évaluations étendues en simulation face à plusieurs méthodes concurrentes ; une extension naturelle consisterait à traiter des scénarios multi-obstacles ou multi-robots, au-delà du cas de l'obstacle mobile unique étudié ici.

Recherche❖Paper

1 source

37

1509arXiv cs.RO 

Recherche autonome de phénomènes visuels épars par modélisation du contexte environnemental

Des chercheurs ont mis au point une méthode permettant à des véhicules sous-marins autonomes (AUV) de localiser efficacement des espèces de corail rares sur un récif, un problème classique en robotique d'exploration où la cible est trop dispersée pour guider directement la recherche. Plutôt que de s'appuyer uniquement sur les détections directes de l'espèce visée, souvent trop rares pour indiquer une direction utile, l'équipe propose d'exploiter le contexte environnemental visuel, c'est-à-dire les caractéristiques d'habitat qui coexistent statistiquement avec l'espèce recherchée. À partir d'une seule image annotée, le système utilise des embeddings DINOv2 au niveau du patch pour détecter en une seule fois, et en temps réel, à la fois la cible et son environnement typique. La méthode a été validée sur des images réelles capturées par un AUV sur deux sites de récifs à Saint-Jean, dans les îles Vierges américaines, avec une simulation offline du déplacement du robot. Résultat: jusqu'à 75% de la cible peut être échantillonnée en environ la moitié du temps requis par une couverture exhaustive du terrain, lorsque l'espèce est rare, avec de meilleures performances que les stratégies de recherche fondées sur la seule détection directe. Pour l'industrie robotique sous-marine et la surveillance environnementale, ce résultat répond à une contrainte très concrète: l'autonomie énergétique limitée des AUV rend la couverture exhaustive d'un récif souvent impossible. En démontrant qu'un signal de contexte, plus dense et plus lisse spatialement que les détections de cible elles-mêmes, permet à un planificateur adaptatif de mieux décider où explorer ensuite, l'étude apporte une alternative concrète aux approches de recherche par balayage systématique ou par détection pure, notamment utile pour la surveillance écologique à grande échelle où les cibles biologiques sont naturellement éparses. Ce travail s'inscrit dans la lignée des recherches sur l'exploration robotique guidée par apprentissage, où des modèles de vision fondationnels comme DINOv2 permettent désormais une détection "one-shot" sans réentraînement lourd, un atout pour des missions de terrain où les données annotées sont rares. Les auteurs positionnent leur approche face aux stratégies de couverture exhaustive et aux méthodes de recherche fondées uniquement sur la détection de cible, qu'ils surpassent dans leurs tests. Les prochaines étapes annoncées concernent le déploiement en conditions réelles, au-delà de la simulation offline utilisée dans cette étude.

Recherche❖Paper

1 source

37

1510arXiv cs.RO 

Politique visuomotrice haute fidélité en une étape, via correction récursive, cohérence fréquentielle et flux contrastif

Un article de recherche publié sur arXiv (2607.03865v1) propose une nouvelle méthode pour accélérer drastiquement le contrôle visuomoteur des robots par réseaux génératifs. Les modèles de diffusion et de flow matching, qui modélisent des distributions d'actions multimodales, souffrent d'une latence d'inférence élevée car ils nécessitent typiquement une dizaine d'étapes de calcul (10-step sampling) pour produire une action robotique. Les chercheurs introduisent trois mécanismes complémentaires réunis dans un même cadre : Recursive Consistent Action Flow (RCAF), qui corrige par récursion les erreurs de troncature spatiale ; Dual-Timestep Frequency Consistency (DTFC), qui préserve les détails haute fréquence du mouvement via une cohérence spectrale adaptative ; et Contrastive Flow Matching (CFM), qui sépare les trajectoires d'action enchevêtrées grâce à un objectif répulsif à marge. Testée sur les benchmarks RoboTwin, RoboTwin 2.0, Adroit et DexArt ainsi que sur des plateformes robotiques réelles, l'approche atteint des performances comparables voire supérieures à des politiques génératives à 10 étapes, tout en ne nécessitant qu'un seul passage direct (1 NFE, number of function evaluations). Cette avancée s'attaque à un goulot d'étranglement bien connu du secteur : les politiques de type diffusion ou flow matching produisent des gestes précis et multimodaux, mais leur lenteur d'inférence les rend difficiles à déployer pour du contrôle temps réel sur robot physique. Les méthodes d'accélération en une étape existantes compressaient jusqu'ici tout le processus en une seule grande mise à jour, au prix d'une dérive spatiale, d'une distorsion des fréquences et d'un lissage des modes d'action qui dégradait la précision du geste. Réduire l'inférence à un facteur proche de dix sans sacrifier la qualité rapproche les politiques génératives type VLA d'un usage industriel réel, pour l'intégration robotique ou la manipulation fine. Ce travail s'inscrit dans la lignée des politiques de diffusion pour la robotique popularisées depuis 2023, et des architectures flow matching comme Pi-0, qui ont démontré la puissance des modèles génératifs pour l'action mais peinaient sur la latence. La validation sur plusieurs benchmarks académiques et sur robots réels laisse présager une adoption plus large de ces techniques de compression à mesure que les laboratoires cherchent à rendre les VLA exploitables en production.

Recherche❖Paper

1 source

37

1511arXiv cs.RO 

CAC-VLA : un conditionnement d'action contrôlé par le contexte pour les modèles vision-langage-action

Des chercheurs proposent CAC-VLA (Context-Gated Action Conditioning), une nouvelle architecture pour les modèles vision-langage-action (VLA), la famille de systèmes qui pilote de plus en plus de bras et robots humanoïdes generalistes. Le problème identifié: dans les VLA classiques, les représentations visuelles et langagières ne sont pas pensées pour guider directement le contrôle moteur, ce qui laisse à «l'expert action» (le module qui génère la trajectoire) la charge de combler cet écart. Des méthodes récentes tentent de corriger cela avec des modules de raisonnement d'action séparés, mais elles nécessitent des architectures dédiées supplémentaires. CAC-VLA prend une autre voie: il entraîne le modèle vision-langage lui-même à prédire des actions latentes, des représentations compactes encodées à partir de segments d'action futurs, du grossier au fin, puis utilise une «porte de contexte» pour doser en temps réel l'influence de ce signal sur l'expert d'action. Sur les bancs d'essai LIBERO et LIBERO-Plus, la méthode atteint respectivement 98,3% et 89,5% de taux de réussite moyen. Pour l'industrie robotique, l'enjeu dépasse le simple gain de quelques points de benchmark. Le goulot d'étranglement entre compréhension multimodale et motricité précise est l'un des obstacles centraux à la généralisation des VLA au-delà de tâches scriptées, un sujet suivi de près par les équipes qui travaillent sur des systèmes comme π0, GR00T N2 ou Helix. Une interface qui intègre le raisonnement d'action directement dans le VLM, sans framework de génération séparé, simplifierait l'entraînement et le déploiement de ces piles logicielles chez les intégrateurs, réduisant la complexité d'ingénierie souvent invoquée comme frein à la mise en production. Ces résultats restent toutefois obtenus en simulation, sur des suites de tâches standardisées et non sur du matériel réel en usine ou en entrepôt, une nuance importante alors que le secteur multiplie les annonces de percées en manipulation générale. LIBERO et sa variante LIBERO-Plus servent de référence commune pour comparer les approches d'action-conditioning, et la prochaine étape logique pour valider l'intérêt de CAC-VLA sera sa transposition sur des robots physiques et des tâches de manipulation en conditions réelles.

IA physique⚡Actu

1 source

37

1512arXiv cs.RO 

CoorGrasp : contrôle de contact coordonné pour une préhension dextérique adaptative sous incertitude

Une équipe de recherche propose CoorGrasp, un contrôleur prédictif piloté par le toucher (tactile-driven model predictive controller) conçu pour améliorer l'exécution de prises dextres complexes lorsque la forme ou la position exacte d'un objet reste incertaine. Le problème ciblé est concret : en boucle ouverte, une main robotique dextre a tendance à établir des contacts mal coordonnés entre ses doigts, ce qui provoque des mouvements indésirables de l'objet en main, voire des échecs de prise complets. La méthode repose sur trois apports techniques précis : une séparation des phases sensible à la coordination (approche puis serrage), une coordination bras-main destinée à compenser les erreurs de position, et une coordination adaptative des forces pour augmenter les forces de contact de façon équilibrée entre les points d'appui. Un modèle analytique relie les forces de contact aux mouvements articulaires du robot pour piloter cette commande prédictive. L'équipe a validé l'approche via 15 000 prises simulées portant sur 478 objets différents, testées sur trois mains robotiques distinctes, complétées par des essais réels sur 8 objets physiques. L'enjeu dépasse la seule prouesse algorithmique. Une grande partie de la recherche récente en manipulation dextre s'est concentrée sur la génération de poses de prise (où poser les doigts), en traitant l'exécution comme une étape secondaire. Or c'est précisément cette exécution qui échoue en conditions réelles, quand les capteurs de vision se trompent sur la géométrie ou la position exacte d'un objet. En démontrant un gain mesurable de taux de réussite et une réduction des mouvements parasites de l'objet, ce travail s'attaque directement à l'écart classique entre démonstration en laboratoire et robustesse en environnement non contrôlé, un frein connu à l'adoption industrielle des mains robotiques multi-doigts pour la logistique ou l'assemblage fin. Le point notable de généralité de CoorGrasp est qu'il ne dépend pas d'un type de prise ou d'une configuration de contact particulière : il s'intègre à n'importe quelle méthode existante de génération de poses de prise, ce qui en fait potentiellement une brique complémentaire plutôt qu'un système fermé. Publié sur arXiv début juillet 2026, ce travail s'inscrit dans un effort de recherche plus large visant à combler l'écart entre planification de prise et contrôle tactile en temps réel, un axe suivi de près par les laboratoires travaillant sur les mains dextres pour l'humanoïde et la manipulation fine.

Recherche❖Paper

1 source

37

1513arXiv cs.RO 

Optimisation par ancrage pour la reconnaissance thermique surconfiante : audit OOD et récupération du robot kidnappé

Une équipe de recherche publie sur arXiv (arXiv:2607.04745) une méthode baptisée Trajectory-Anchor Optimization (TAO), destinée à corriger une faille connue des systèmes de reconnaissance de lieux visuels thermiques (TIR-VPR) reposant sur des modèles de fondation. Ces frontends offrent une excellente précision de récupération en conditions connues, mais basculent en mode "sur-confiant" dès qu'ils sortent de leur distribution d'entraînement (OOD) ou explorent une zone non cartographiée: ils produisent alors des correspondances de boucle plausibles mais fausses, sans que le score de similarité ne chute pour autant. Le suivi multi-hypothèses classique (MHT) permet en théorie de limiter ce risque en maintenant plusieurs trajectoires candidates en parallèle, mais son coût combinatoire explose et devient incompatible avec les contraintes temps réel de la robotique embarquée. TAO contourne ce problème en transformant la vérification temporelle multi-vues en un alignement de Procrustes SE(2) traité par lots: grâce à une vectorisation tensorielle et à une décomposition SVD unique appliquée en batch, l'algorithme garantit un temps d'exécution borné en O(KN) par image, avec K=100 hypothèses et une fenêtre glissante N=20. Cette approche répond à un vrai angle mort de la robotique autonome: un robot naviguant uniquement en imagerie thermique (environnement enfumé, obscurité totale, tunnel) qui accumule une dérive silencieuse tout en restant "confiant" dans ses estimations peut provoquer une défaillance catastrophique du SLAM, le fameux "kidnapped robot problem". Les résultats montrent une limite nette selon l'échelle: en dessous de 5 mètres, les hallucinations conservent une géométrie localement cohérente qui trompe l'alignement rigide, un problème que la seule géométrie ne peut mathématiquement pas résoudre. Au delà, les 100 hypothèses divergentes se dispersent sur la carte globale, brisant la contrainte de co-visibilité et faisant grimper brutalement le résidu d'optimisation, ce qui permet à TAO d'isoler fiablement les ruptures topologiques catastrophiques à une échelle macroscopique de 10 mètres. Le travail s'inscrit dans la lignée des méthodes de VPR fondées sur des modèles de fondation, plébiscitées pour leur capacité de récupération mais critiquées pour leur absence de signal de confiance fiable hors distribution. En reformulant le MHT en un problème d'algèbre linéaire batché plutôt qu'en recherche arborescente, TAO se positionne comme une couche de sécurité complémentaire aux pipelines existants plutôt qu'un remplacement des embeddings de reconnaissance eux-mêmes. Les auteurs évaluent leur méthode sous un protocole "zero-leakage" strict; une validation sur du matériel robotique réel et des jeux de données de terrain reste l'étape suivante logique avant toute intégration dans des piles SLAM opérationnelles.

Recherche❖Paper

1 source

37

1514arXiv cs.RO 

KAM-WM : cartes d'affordance cinématique à partir de modèles du monde latents pour la manipulation robotique

Des chercheurs présentent KAM-WM, une méthode qui extrait des indices visuels d'interaction directement d'un modèle de monde vidéo latent déjà entraîné, sans avoir besoin de le réentraîner ni de simuler de rollouts complets. Le système interroge une seule fois un modèle de génération image-vers-vidéo par flow matching et interprète sa vélocité latente en une étape comme une carte d'affordance cinématique (KAM), qui indique à la fois où le robot doit agir et selon quelle direction de mouvement initier le geste. Un module Perceiver léger compresse cette carte en tokens qui viennent conditionner une politique de diffusion, combinée aux images RGB et aux données de proprioception. Sur les benchmarks LIBERO et RoboTwin2.0, la méthode atteint 90,6% de réussite moyenne sur LIBERO, et respectivement 65,7% et 22,4% sur les configurations Easy et Hard de RoboTwin2.0. L'intérêt principal tient à la distinction entre position et direction du geste. Les approches classiques d'affordance, basées sur des masques de segmentation statiques, indiquent uniquement où interagir mais pas comment amorcer le mouvement. Les comparaisons contrôlées menées par les auteurs montrent qu'une partie significative des gains provient justement de cette information directionnelle, et non de la seule localisation spatiale. Pour l'apprentissage par imitation à partir de peu de démonstrations, cela ouvre une piste pour réduire le nombre d'exemples nécessaires sans coût de calcul supplémentaire au moment de l'exécution, puisqu'aucun rollout du modèle de monde n'est requis en test. Ce travail s'inscrit dans la lignée des recherches sur les priors visuels pour la manipulation robotique, où les politiques conditionnées par affordance cherchent à combler l'écart entre perception et action sans dépendre d'architectures VLA massives comme Pi-0 ou GR00T N2. Contrairement à ces modèles génériques entraînés de bout en bout, KAM-WM mise sur la réutilisation d'un modèle de monde figé, une direction distincte des approches propriétaires des grands acteurs humanoïdes. Les auteurs restent prudents: les résultats se limitent pour l'instant aux environnements simulés LIBERO et RoboTwin2.0, une validation en conditions réelles restant l'étape suivante logique.

Recherche❖Paper

1 source

37

1515arXiv cs.RO 

ADP : a priori dynamiques adverses pour une locomotion humanoïde ancrée physiquement

Des chercheurs publient sur arXiv (arXiv:2607.03454) une nouvelle méthode d'apprentissage baptisée Adversarial Dynamics Priors (ADP), destinée a rendre la marche des robots humanoïdes plus résistante aux chocs et poussées extérieures. Les approches actuelles de type AMP (Adversarial Motion Priors) imposent un style de démarche naturel en imitant des caractéristiques cinématiques du mouvement, mais elles ne regulent pas directement les grandeurs dynamiques sous jacentes: trajectoire du centre de masse, moment centroidal, forces de contact et états de contact au sol. ADP change la cible de l'apprentissage adversarial en remplaçant ces indices de style par des trajectoires générées via optimisation de trajectoire, utilisées comme jeu de référence. Un discriminateur est ensuite entraine a juger si les séquences temporelles produites par la politique de contrôle du robot restent cohérentes avec cette distribution de référence, sans suivi explicite de mouvement imprime a l'avance. Compare a AMP, la référence la plus solide testée, ADP améliore de 16,7% le seuil de réussite a 80% face a une impulsion (J80, une mesure de la force de choc absorbable sans chute), tout en réduisant de 47,9% le temps de récupération moyen et de 35,4% l'erreur de suivi de vitesse après perturbation. Pour l'industrie robotique, ce travail cible un angle mort fréquent des démonstrations commerciales: la résilience a des perturbations réelles et non scriptées, plutôt que la seule fluidité du mouvement en conditions de laboratoire. Les contrôleurs entraines par imitation de style de mouvement produisent souvent des démarches visuellement convaincantes en vidéo mais fragiles des qu'un choc imprévu survient, un écart classique entre démonstration et déploiement réel évoque régulièrement dans le secteur des humanoïdes. En régulant directement la dynamique plutôt que l'apparence du mouvement, ADP fournit une piste concrète pour combler cet écart, un enjeu direct pour les intégrateurs qui envisagent des humanoïdes en environnements industriels non contrôles. Ce travail s'inscrit dans la lignée des méthodes d'apprentissage par imitation adversariale de mouvement (AMP), largement adoptées depuis plusieurs années pour entrainer des politiques de contrôle de robots bipèdes et quadrupèdes en simulation avant transfert au réel. Il ne s'accompagne pas, a ce stade, d'annonce de déploiement sur une plateforme commerciale identifiée: il s'agit d'une contribution de recherche méthodologique, évaluée en simulation, dont la généralisation a du matériel physique reste a démontrer dans de futurs travaux.

Recherche❖Paper

1 source

37

1516arXiv cs.RO 

CABTO : ancrage contextuel d'arbres de comportement pour la manipulation robotique

Des chercheurs présentent CABTO (Context-Aware Behavior Tree grOunding), un framework qui automatise la construction de systèmes d'arbres de comportement (Behavior Trees, BT) pour le contrôle de robots manipulateurs. Les auteurs formalisent d'abord le problème du "BT Grounding" : produire automatiquement, a la fois, les modèles d'action de haut niveau et les politiques de contrôle bas niveau qui rendent un arbre de comportement exécutable, une étape qui exigeait jusqu'ici un travail d'expert manuel conséquent. CABTO s'appuie sur des grands modèles pré-entraines (LLMs) pour explorer heuristiquement l'espace des modèles d'action et des politiques de contrôle possibles, guide par un retour contextuel issu des planificateurs de BT et des observations de l'environnement. Les chercheurs ont évalué leur méthode sur sept ensembles de taches repartis sur trois scenarios distincts de manipulation robotique, et rapportent des résultats montrant l'efficacité et la rapidité de l'approche pour générer des systèmes de BT complets et cohérents. Ce travail cible un goulot d'étranglement concret dans le déploiement des arbres de comportement en robotique : jusqu'ici, faire le lien entre une architecture BT théoriquement valide et son exécution réelle sur un robot demandait un réglage manuel des modèles d'action et des politiques bas niveau, un frein a l'automatisation complète du pipeline de conception de contrôleurs. En automatisant cette étape de "grounding" via des LLMs, CABTO réduit la dépendance a l'expertise humaine pour construire des contrôleurs modulaires et réactifs, un enjeu direct pour les intégrateurs et laboratoires qui cherchent a déployer plus vite des comportements robotiques fiables sans réécrire manuellement chaque politique de bas niveau. Le papier s'inscrit dans le champ émergent du "BT planning", qui fournit des garanties théoriques pour générer automatiquement des arbres de comportement fiables, mais suppose généralement qu'un système BT déjà "ground" (modèles et politiques définis) est disponible en amont. CABTO se positionne comme la première approche a s'attaquer explicitement a cette hypothèse manquante, en s'inscrivant dans la vague plus large des méthodes combinant LLMs et planification symbolique en robotique. La version arXiv consultée est une republication (v2) de l'article.

Recherche❖Paper

1 source

37

1517arXiv cs.RO 

Ancrage des affordances par tokens avec de grands modèles vision-langage

Le papier arXiv 2607.03595, publié cette semaine, présente TokAG, une méthode "zero-shot" de localisation d'affordances dans les images, c'est-à-dire l'identification des zones précises qui permettent une action donnée sur un objet (attraper une poignée, s'asseoir sur une chaise, etc.). Contrairement aux approches précédentes qui s'appuyaient sur un apprentissage faiblement supervisé à partir d'étiquettes d'action sur des images à la première personne extérieure (exocentriques), TokAG n'utilise aucune annotation externe. La méthode exploite les cartes d'attention associées aux différents tokens générés par un grand modèle vision-langage (LVLM) : les auteurs montrent que ces cartes varient fortement selon le token choisi, certains pointant vers l'arrière-plan plutôt que vers l'objet ciblé. Un mécanisme de sélection spatiale identifie automatiquement le token dont l'attention se concentre le mieux sur l'objet pertinent, et cette carte est ensuite convertie en carte de chaleur d'affordance. Sur les benchmarks de référence, TokAG améliore le score NSS de 10,7% sur le split "invisible" d'AGD20K et de 29,7% sur HICO-IIF par rapport aux meilleures méthodes faiblement supervisées existantes. L'enjeu dépasse la seule métrique académique : la localisation d'affordances est une brique centrale pour la perception incarnée et l'intelligence physique, notamment en robotique de manipulation, où un système doit repérer où et comment saisir un objet sans supervision spécifique à chaque action. Le problème que ciblent les auteurs est concret : les méthodes précédentes confondaient des actions sémantiquement proches car elles s'appuyaient sur de courtes étiquettes textuelles pauvres en détails, et échouaient sur des images ambiguës où plusieurs actions cohabitent. Montrer qu'un LVLM déjà entraîné encode implicitement assez de signal spatial pour s'en passer va dans le sens d'une tendance plus large : réutiliser les modèles vision-langage-action existants plutôt que ré-entraîner des détecteurs dédiés à chaque tâche. Le travail s'inscrit dans la lignée des recherches sur l'extraction de signaux spatiaux depuis des modèles figés, sans fine-tuning supplémentaire. Les auteurs annoncent la publication future du code et des modèles, ce qui reste à vérifier puisque rien n'est encore disponible au moment de la parution du preprint ; les gains restent donc validés uniquement sur benchmarks internes (AGD20K, HICO-IIF), pas encore testés en conditions réelles de manipulation robotique.

Recherche❖Paper

1 source

37

1518arXiv cs.RO 

Cortex : un cadre d'agent incarné à alignement bidirectionnel pour la manipulation à long horizon

Cortex, présenté dans un article arXiv publié début juillet 2026 (arXiv:2607.05377), est un nouveau framework d'agent incarné destiné aux tâches de manipulation robotique à long horizon. Le problème qu'il cible: les modèles Vision-Language-Action (VLA) actuels, de par leur nature markovienne, ne s'appuient que sur l'observation courante et peinent sur les séquences longues, tandis que les approches hiérarchiques à double système existantes souffrent d'un décalage entre la sémantique du planning haut niveau et la cinématique d'exécution bas niveau. Cortex introduit une interface de planification qui traduit les plans du VLM haut niveau en sous-tâches exécutables pour le VLA bas niveau, en standardisant les manipulations en 32 primitives de compétences canoniques. Les chercheurs ont ainsi pu annoter automatiquement plus de 4 000 heures de vidéos open-source et générer 30 heures de données de simulation, avec une stratégie d'échantillonnage équilibré par événements pour affiner l'entraînement sur les transitions ambiguës entre sous-tâches. Sur le plan des résultats, Cortex dépasse les baselines monolithiques de 3,1% sur le benchmark Libero-long et de 4,1% sur RoboTwin, en évaluation à la fois open-loop (VLM) et closed-loop (système complet). Plus notable pour l'industrie: le VLM généraliste de Cortex permet de réaliser en zero-shot des tâches réelles inédites à long horizon, comme des expériences de chimie en plusieurs étapes, simplement en le couplant à un VLA fine-tuné, une capacité que le fine-tuning d'un VLA seul n'atteint pas. Cela suggère qu'une architecture correctement pontée entre planification et exécution peut combler l'écart simulation-réel mieux qu'un unique modèle monolithique, un argument qui intéresse directement les intégrateurs cherchant à généraliser au-delà des tâches d'entraînement. Ce travail s'inscrit dans la lignée des architectures duales explorées par des modèles comme Pi-0, GR00T N2 ou Helix, qui tentent chacun de résoudre la même tension entre raisonnement sémantique et contrôle moteur. Cortex reste à ce stade une contribution de recherche évaluée sur benchmarks académiques et non un système déployé en production, mais son approche par primitives standardisées et annotation automatique à grande échelle pourrait influencer la prochaine génération de frameworks d'agents robotiques génécralistes.

Recherche⚡Actu

1 source

37

1519arXiv cs.RO 

Attention spatiale : adapter les horizons d'exécution des politiques de diffusion via la sensibilité à l'observation

Les chercheurs à l'origine de ce papier arXiv (2607.04739v1) s'attaquent à un problème central des politiques robotiques par imitation basées sur des modèles génératifs : l'échantillonnage de blocs d'actions ("action chunks") via diffusion. Ces méthodes, aujourd'hui largement utilisées pour l'apprentissage par démonstration, exécutent généralement chaque bloc d'actions pendant un horizon fixe, ce qui oblige à choisir entre réactivité et coût de calcul. Les auteurs proposent une métrique baptisée "Spatial Attention", définie comme la norme carrée attendue du gradient de la log-vraisemblance de l'action par rapport à l'observation. Elle mesure la sensibilité de la distribution d'actions de la politique aux variations de l'observation. Leur résultat théorique montre que, à budget d'échantillonnage fixe, l'horizon d'exécution qui minimise la perte de vraisemblance cumulée causée par des perturbations diminue quand la Spatial Attention augmente. En prévoyant les valeurs futures de cette métrique en parallèle du bloc d'actions, le système ajuste dynamiquement l'horizon : plus court dans les phases sensibles, plus long dans les phases stables. Des tests en simulation et sur robot réel, sur tâches standards et perturbées, montrent une amélioration significative des taux de succès par rapport aux méthodes à horizon fixe, à horizon moyen d'exécution comparable. Pour l'industrie robotique, ce travail cible un compromis très concret rencontré par les architectures VLA et de type Diffusion Policy (ACT, Pi-0, RT-2 et consorts) : plus un bloc d'actions est long, moins le système coûte cher en inférence, mais plus il devient vulnérable aux imprévus entre deux replanifications. Une adaptation automatique de cet horizon, sans capteur supplémentaire ni coût de calcul additionnel notable, pourrait rendre les politiques de diffusion plus robustes en environnement réel, un enjeu clé pour tout déploiement en usine ou en logistique où les perturbations sont fréquentes. Ce papier s'inscrit dans la lignée des travaux sur les Diffusion Policies et l'apprentissage par imitation à base de modèles génératifs, un courant de recherche en forte expansion depuis l'introduction de l'action chunking comme alternative aux politiques réactives image-par-image. L'abstract ne précise ni l'institution ni la plateforme robotique utilisée pour les essais réels, et reste pour l'instant au stade de contribution méthodologique validée expérimentalement, sans annonce de déploiement industriel.

Recherche❖Paper

1 source

37

1520arXiv cs.RO 

U-Joint CAAMS : évaluation expérimentale d'un manipulateur à continuum à joint universel pour la manipulation aérienne

Des chercheurs présentent un nouveau bras manipulateur continu pour drones multirotors, conçu autour d'articulations universelles renforcées par ressorts plutôt que du classique squelette en Nitinol (NiTi) utilisé jusqu'ici sur ce type de systèmes. Le problème visé est concret : lorsqu'un drone porte une charge utile et manipule un objet, le souffle des hélices et le poids déforment le bras hors de son plan de mouvement, ce qui dégrade la précision de positionnement de l'effecteur terminal. La structure proposée repose sur un squelette tubulaire équipé d'un conduit intégré permettant le routage interne de câbles et l'acheminement de fluides. Les essais en laboratoire, réalisés en air calme puis sous souffle d'hélice maximal et avec des charges variables, montrent une réduction d'erreur moyenne de 2,5 à 4 fois en lacet, de 2 à 45 fois sur l'axe y, et jusqu'à 5 fois en roulis par rapport au bras à squelette NiTi de référence. Cette amélioration s'attaque directement à un verrou pratique de la manipulation aérienne : les bras continus, appréciés pour leur compliance et leur légèreté, restent jusqu'ici trop instables sous perturbation réelle pour des usages industriels fiables, en particulier quand le drone porte une charge en vol stationnaire. Une meilleure résistance à la déformation hors-plan rapproche ces plateformes d'applications de terrain concrètes, comme l'inspection, l'échantillonnage environnemental ou l'agriculture de précision, là où les manipulateurs rigides classiques sont trop lourds ou trop peu compliants pour des tâches de contact délicat. Les manipulateurs continus montés sur drones existent depuis plusieurs années comme alternative légère aux bras rigides, mais leur backbone en alliage à mémoire de forme souffre historiquement de torsion et de flexion incontrôlées sous charge et sous souffle d'hélice, un point faible que cette étude cherche explicitement à corriger. Au-delà des essais en banc, l'équipe a testé la stabilité en vol sous perturbations couplées à différentes vitesses d'actionnement et charges, puis démontré le système sur trois tâches concrètes : prélèvement d'échantillons d'eau, pulvérisation ciblée et transport d'objets, illustrant un potentiel d'usage direct pour l'agriculture et la surveillance environnementale par drone.

Recherche❖Paper

1 source

37

1521arXiv cs.RO 

Latents de mouvement sensibles à la géométrie pour des politiques de manipulation robustes

Ils entraînent GeoMoLa (Geometry-Aware Motion Latents) en prédisant l'évolution de nuages de points plutôt qu'en reconstruisant des images, pour capturer les transformations géométriques 3D sous-jacentes aux gestes de manipulation. Contrairement aux approches existantes qui nécessitent une reconstruction multi-vues, GeoMoLa atteint des performances état de l'art avec une seule caméra RGB-D en entrée. Les auteurs valident la méthode sur plusieurs bancs d'essai de manipulation robotique standards, ainsi que sur des expériences en conditions réelles, où le système parvient à manipuler des objets dans des environnements encombrés avec un nombre minimal de démonstrations. Leurs études d'ablation confirment que c'est la prédiction géométrique, et non la richesse visuelle, qui pilote la performance du modèle. Ce résultat pèse sur un débat central de la robotique manipulative actuelle: faut-il apprendre le mouvement à partir de motifs visuels (pixels, textures, apparence) ou à partir de la géométrie sous-jacente de la scène (formes, profondeur, déplacement des points dans l'espace)? En montrant que des latents entraînés sur la géométrie 4D (espace + temps) généralisent à des scènes visuellement inédites tout en produisant des transformations physiquement cohérentes, l'étude apporte un argument empirique en faveur d'une abstraction du mouvement indépendante de l'apparence. Pour les équipes qui développent des politiques de manipulation type VLA (vision-language-action) destinées à des bras robotiques ou des humanoïdes, cela suggère une voie pour réduire la dépendance à des configurations multi-caméras coûteuses, tout en gagnant en robustesse face au bruit visuel et au clutter, un problème récurrent des déploiements industriels réels. Cette recherche s'inscrit dans la lignée des travaux sur les représentations latentes discrètes pour le contrôle robotique, où plusieurs équipes académiques cherchent depuis quelques années à dépasser les limites des politiques purement pixel-to-action, jugées fragiles hors distribution. L'approche par nuages de points 4D rejoint des efforts plus larges en robotique combinant perception 3D (depth, LiDAR, RGB-D) et apprentissage de politiques, un axe également exploré par des laboratoires travaillant sur les modèles VLA généralistes comme Pi-0 ou GR00T N2. Le papier, publié sur arXiv début juillet 2026, ne précise pas de partenariat industriel ni de déploiement commercial: il s'agit à ce stade d'une contribution de recherche fondamentale, dont la prochaine étape naturelle serait une validation à plus grande échelle sur des plateformes robotiques commerciales.

Recherche❖Paper

1 source

37

1522arXiv cs.RO 

Glance-Say : collaboration homme-robot multimodale et reconnaissance d'intention via un regard soutenu

Des chercheurs proposent Glance-Say, un cadre d'interaction multimodale associant regard et parole pour la manipulation robotique assistive destinee aux personnes a mobilité réduite. Le système repose sur un algorithme dit de "regard collant" (sticky-glance) qui stabilise la sélection de cible en cumulant conjointement la distance géométrique et l'évidence directionnelle du regard, un mécanisme conçu pour compenser les micro-saccades oculaires et l'ambiguïté sémantique dans des environnements comportant plusieurs objets. Dans ce paradigme, le regard désigne l'objet vise pendant que la commande vocale précise l'action a exécuter, le tout couple a un schéma de contrôle partage en continu qui maintient le bras robotique en état de haute réactivité tout en intégrant un retour humain-dans-la-boucle. Les expériences rapportées affichent un taux de suivi de 0,92 pour des cibles mobiles, une précision de sélection de 0,97 pour des cibles statiques, ainsi qu'une réduction du temps nécessaire pour accomplir les taches, par rapport aux paradigmes d'interaction de référence. Pour l'assistance robotique aux personnes en situation de handicap moteur, ce travail s'attaque a un verrou concret: les interfaces regard-plus-voix existantes échouent souvent des que plusieurs objets similaires sont présents ou que l'utilisateur bouge la tête, forçant des ré-sélections fastidieuses. Une méthode qui stabilise l'intention en temps réel sans capteur exotique, en s'appuyant sur des signaux de regard et de parole standards, rapproche ce type d'interface d'un usage quotidien réaliste plutôt que d'une démonstration de laboratoire en conditions idéales. Pour les intégrateurs travaillant sur des bras assistifs ou des fauteuils robotises, cela ouvre la voie a des contrôles plus naturels, sans dispositifs de pointage dédiés ni entrainement lourd de l'utilisateur. Ce travail s'inscrit dans la lignée des recherches en interaction cerveau-machine et interfaces oculaires pour l'assistance, un champ historiquement freine par le bruit du regard et l'ambiguïté des commandes vocales isolées. Publie sur arXiv en tant que version révisée, l'article ne mentionne pas de partenariat industriel ni de déploiement au-delà du banc d'essai expérimental; les prochaines étapes attendues concernent une validation sur davantage d'utilisateurs et de scenarios de manipulation réels, ainsi qu'une comparaison plus large face aux systèmes commerciaux d'assistance existants.

Recherche❖Paper

1 source

37

1523arXiv cs.RO 

P³ : vers des agents incarnés polyvalents

Des chercheurs ont publié la seconde version d'un article arXiv (2508.07033v2) présentant P³, un framework unifié pour agents incarnés (embodied agents) polyvalents. Le code et les données sont disponibles sur GitHub (fz-zsl/P3). Le framework s'attaque à trois limitations identifiées dans les approches existantes: la perception dynamique de l'environnement, l'usage flexible d'outils, et la planification multi-tâches complexe. Contrairement aux méthodes précédentes qui dépendent uniquement du retour d'agents-outils pour détecter les changements d'environnement et le statut des tâches, ce qui limite l'adaptabilité en temps réel et provoque une accumulation d'erreurs, P³ permet à l'agent de percevoir activement les informations pertinentes directement depuis l'environnement. Il autorise aussi l'utilisation d'outils sans nécessiter de retour systématique, et priorise dynamiquement les tâches urgentes en ajustant leur ordre d'exécution selon leurs dépendances. Les auteurs rapportent des expérimentations en conditions réelles, sans toutefois préciser dans le résumé les métriques chiffrées, le nombre de tâches testées ou les plateformes robotiques utilisées, ce qui invite à la prudence sur la portée exacte des gains démontrés. Cette contribution touche un point sensible du secteur des agents incarnés: l'écart persistant entre les benchmarks académiques et le déploiement pratique. La plupart des architectures actuelles pour robots ou agents autonomes traitent la perception, l'usage d'outils et la planification comme des modules largement indépendants, ce qui les rend fragiles dès que l'environnement change ou que plusieurs tâches concurrentes doivent être arbitrées en temps réel. En proposant un mécanisme de planification dynamique capable de réordonner les priorités selon les dépendances, P³ répond à un problème très concret pour les intégrateurs qui cherchent à déployer des agents capables de gérer plusieurs objectifs simultanément sans supervision humaine constante, un prérequis pour toute application industrielle ou domestique à grande échelle. Le travail s'inscrit dans la lignée des recherches sur les architectures agentiques pour l'IA incarnée, qui combinent perception, raisonnement et action physique ou logicielle, un domaine où rivalisent notamment les approches fondées sur de grands modèles multimodaux couplés à des outils externes. La publication d'une seconde version de l'article, après un premier dépôt, suggère une itération liée à des retours de relecture, signe habituel d'une maturation vers une publication en conférence. La mise à disposition du code sur GitHub permettra à la communauté de reproduire et d'étendre les résultats, étape nécessaire avant toute adoption au-delà du cadre académique.

Recherche❖Paper

1 source

37

1524arXiv cs.RO 

ACE : contrôle à base d'agents pour la manipulation incarnée via raisonnement de flux de travail zéro-shot

Une équipe de recherche publie sur arXiv (arXiv:2607.04162v1) ACE, pour Agentic Control for Embodied Manipulation, un cadre de raisonnement en zero-shot destiné à la manipulation d'objets sur table à partir d'instructions en langage naturel. Plutôt que de faire correspondre directement le langage à des actions motrices bas niveau, comme le font la plupart des politiques VLA de bout en bout, ACE orchestre un raisonnement de type workflow agentique couplé à deux compétences robotiques réutilisables : une interface de repérage visuel et une primitive générique de saisie-dépose. Le sous-objectif actif est traduit en un masque visuel qui désigne à la fois l'objet cible et sa destination, masque qui est suivi dans le temps, exposé à la vérification humaine, puis transmis à une politique d'exécution indépendante de la tâche. Le système fonctionne en boucle fermée grâce à une mémoire multi-échelle temporelle qui vérifie après chaque action si le sous-objectif a réussi, avant de décider de poursuivre, réessayer, corriger ou replanifier. Sur des tâches longues et logiquement complexes, comme la formation d'équations avec des cubes numérotés ou la récupération d'objets sous contrainte, ACE atteint 50% de réussite pour la formation d'équations et 70% pour la récupération sous contrainte, quand les approches de bout en bout classiques échouent largement sur ces mêmes tâches. Ce résultat cible un point de friction précis du secteur : la capacité d'un système à généraliser à des scènes et contraintes sémantiques inédites sans réentraînement spécifique à la tâche, ce qui reste l'un des principaux écarts entre les démonstrations en laboratoire et un déploiement robuste en environnement réel. En montrant qu'un raisonnement explicite par étapes, combiné à un contrôle médié par masque, surpasse des politiques end-to-end sur des tâches à horizon long, ACE apporte un argument concret pour les intégrateurs et équipes de R&D qui cherchent des architectures de manipulation capables de gérer l'échec d'exécution et la correction humaine en cours de tâche, plutôt que de miser uniquement sur l'échelle des données d'entraînement. ACE s'inscrit dans la lignée des travaux récents sur les architectures agentiques pour la robotique, qui cherchent à combiner les capacités de raisonnement des grands modèles de langage avec des compétences robotiques modulaires et vérifiables, en alternative aux politiques VLA monolithiques comme Pi-0 ou GR00T. Les auteurs positionnent explicitement leur approche contre des baselines de bout en bout sur les mêmes bancs d'essai, mais l'évaluation reste limitée à des scénarios de manipulation tabletop en conditions contrôlées, sans indication de déploiement industriel ni de partenariat annoncé à ce stade.

Recherche❖Paper

1 source

37

1525arXiv cs.RO 

Occulter l'espace des solutions : attaques adverses indépendantes du planificateur contre la manipulation tolérante

Une équipe de recherche en robotique publie sur arXiv (référence 2607.03758v1, soumission du 3 juillet 2026) un nouveau cadre d'attaque adversariale visant les systèmes de planification de mouvement en manipulation robotique. Baptisé approche "planner-agnostic" et "tolerance-aware", le système ne cible plus une pose exacte à atteindre, comme le faisaient les méthodes précédentes, mais évalue la faisabilité d'une tâche sur une région d'objectif entière, ce qui reflète mieux la réalité des tâches industrielles où une marge de tolérance existe toujours. La méthode fonctionne en deux temps : hors ligne, elle cartographie les capacités cinématiques intrinsèques du bras robotique sous forme de carte de densité d'occupation, révélant où les trajectoires faisables sont les plus denses ou les plus fragiles ; en ligne, elle formule le placement d'obstacles adversariaux comme un problème d'optimisation de couverture maximale sous contrainte de budget, plaçant stratégiquement des obstacles géométriques pour obstruer l'espace des solutions. Des expériences en simulation et en conditions réelles montrent que la méthode provoque de façon fiable des échecs de planification, tout en étant plus efficace en calcul que les approches concurrentes qui nécessitent un accès direct au planificateur (dites "planner-in-the-loop"). Pour l'industrie de la manipulation robotique, ce travail change la donne sur l'évaluation de robustesse : il devient possible de tester la résilience d'un bras robotique face à des perturbations sans connaître ni interroger l'algorithme de planification utilisé, ce qui est précieux pour les intégrateurs qui déploient des systèmes tiers en boîte noire. Cela ouvre la voie à des audits de sécurité et de robustesse standardisés, indépendants du fournisseur de logiciel de planification, un enjeu clé à mesure que les cellules robotiques industrielles se complexifient. Ce travail s'inscrit dans la continuité des recherches sur les attaques adversariales appliquées à la robotique, un domaine jusqu'ici limité par la dépendance à des objectifs de pose exacte et à un accès "oracle" au système visé. En s'affranchissant de ces contraintes, les auteurs positionnent leur méthode comme une alternative généraliste aux baselines existantes, ouvrant la porte à des outils de certification de robustesse applicables plus largement, au-delà d'un planificateur ou d'un fournisseur spécifique.

Recherche❖Paper

1 source

37

1526arXiv cs.RO 

Un système robotique de perception-manipulation pour la découpe alimentaire

Une équipe de recherche publie sur arXiv (juillet 2026) un système de perception et manipulation robotique dédié à la découpe alimentaire, l'une des tâches les plus délicates pour les robots de cuisine. Le système combine deux modules : un premier de sélection du couteau, qui s'appuie sur les données de force capturées lors d'une coupe d'essai fixe pour identifier automatiquement l'outil adapté à l'aliment présenté, et un second de découpe adaptative piloté par apprentissage par renforcement (RL), qui ajuste en continu la trajectoire pour équilibrer vitesse de coupe et consommation d'énergie. Dans les expériences menées par les auteurs, le module de sélection de couteau atteint un taux de réussite de 100% sur des aliments jamais vus à l'entraînement, et les chercheurs comparent trois approches, une politique fixe préprogrammée, la politique RL, et des opérateurs humains, sur les mêmes tâches de découpe. L'enjeu dépasse la simple démonstration technique. La découpe alimentaire est réputée difficile à automatiser car les propriétés mécaniques des aliments, texture, dureté, élasticité, varient énormément d'un ingrédient à l'autre, ce qui oblige souvent à changer d'outil et de stratégie de coupe en cours de préparation. En obtenant des performances comparables à celles d'opérateurs humains, tout en automatisant le choix de l'outil via un simple test de force, cette approche adresse un goulot d'étranglement concret pour les robots de cuisine commerciaux, qu'il s'agisse de restauration automatisée, de traitement agroalimentaire ou de cuisine domestique assistée. Ce travail s'inscrit dans un courant de recherche plus large sur les robots de cuisine, un segment encore largement expérimental où la plupart des démonstrations restent limitées à des gestes simples ou répétitifs. Contrairement à une annonce produit, il s'agit ici d'un article de recherche, sans mention de partenaire industriel ni de calendrier de commercialisation. Les auteurs eux-mêmes cadrent leurs résultats comme une preuve de concept, ouvrant la voie à des tests sur une gamme plus large d'aliments et, potentiellement, à une intégration future dans des systèmes robotiques de cuisine plus complets.

Recherche❖Paper

1 source

37

1527arXiv cs.RO 

Démonstrations structurées du simple au complexe pour l'apprentissage vision-langage-action

Les chercheurs proposent une nouvelle méthode de collecte de démonstrations pour l'entraînement de modèles Vision-Language-Action (VLA), publiée sur arXiv le 4 juillet 2026 (arXiv:2607.04591v1). Plutôt que de se concentrer sur l'architecture des modèles ou la taille des jeux de données, comme le fait la majorité des travaux récents, l'équipe s'attaque à un maillon jusqu'ici négligé de l'apprentissage par imitation : la manière dont les démonstrations elles-mêmes sont organisées. Leur approche, testée sur une plateforme robotique à double bras, repose sur trois principes: décomposer les tâches de manipulation complexes en sous-compétences apprises progressivement, standardiser l'environnement d'interaction pour limiter la variabilité inutile, et ordonner les démonstrations par complexité croissante plutôt que de les collecter en bloc. Deux tâches servent de banc d'essai: le tri et la préhension de blocs, et le pliage de serviettes. Les auteurs rapportent une amélioration du taux de réussite et une meilleure stabilité d'entraînement par rapport à la méthode de référence, qui consiste à enregistrer directement des trajectoires complètes de bout en bout, sans toutefois détailler de métriques chiffrées précises dans le résumé. Pour l'industrie robotique, ce travail pointe un angle mort du secteur VLA: la course actuelle privilégie l'échelle des modèles et des jeux de données, sur le modèle de Pi-0, GR00T N2 ou Helix, mais néglige souvent la qualité et la structure des données d'apprentissage. Si l'organisation curriculaire des démonstrations s'avère aussi déterminante que le suggèrent ces résultats, cela remettrait en question l'hypothèse dominante selon laquelle il suffit d'accumuler des heures de téléopération pour obtenir des politiques robustes et généralisables sur des tâches longues et séquentielles. Ce travail s'inscrit dans la lignée des recherches sur l'apprentissage par curriculum, déjà éprouvé en apprentissage par renforcement, mais peu exploré pour l'imitation robotique à l'ère des VLA. Alors que les grands acteurs du secteur, qu'il s'agisse de Figure, Tesla avec Optimus ou Physical Intelligence, communiquent surtout sur les capacités finales de leurs robots humanoïdes, cette étude reste à un stade de recherche académique, sans annonce de déploiement industriel. Ses auteurs présentent ces résultats comme une preuve de concept ouvrant la voie à une collecte de données plus efficace et plus scalable pour la manipulation robotique à long horizon.

Recherche❖Paper

1 source

37

1528arXiv cs.RO 

Deform360 : un vaste jeu de données visuotactile multi-vues pour les modèles du monde déformables

Une équipe de recherche publie Deform360, un jeu de données visuotactile de très grande échelle dédié à la modélisation du monde pour les objets déformables, disponible sur arXiv (2607.05390) et sur le site du projet deform360.lhy.xyz. Le dataset couvre 198 objets du quotidien et 1 980 séquences d'interaction, totalisant plus de 215 heures d'observations. La capture repose sur 41 caméras en vue périphérique combinées à des pinces bimanuelles équipées de capteurs tactiles, afin d'enregistrer à la fois le mouvement global des objets et les déformations locales induites par le contact. Les chercheurs ont développé un pipeline de suivi 3D visuotactile sans marqueurs pour extraire une géométrie et un mouvement denses, puis ont évalué plusieurs modèles du monde de référence, comparant les approches vidéo en 2D aux modèles de particules en 3D. Une démonstration préliminaire de planification robotique sur des objets déformables valide l'applicabilité pratique du jeu de données. Cette publication comble un vide méthodologique important pour la robotique de manipulation : la modélisation des objets déformables (tissus, aliments, câbles) reste l'un des angles morts des systèmes actuels, faute de données réelles diversifiées et à grande échelle pour comparer objectivement les paradigmes concurrents. En confrontant directement les modèles 2D pixel et 3D géométrique sur un même benchmark, l'étude apporte des éléments concrets sur l'arbitrage entre a priori structurels et scalabilité, une question centrale pour les intégrateurs qui cherchent des architectures de perception-action robustes face à des matières non rigides, un défi encore largement non résolu comparé à la manipulation d'objets rigides. Les modèles du monde se sont imposés ces dernières années comme brique clé pour la planification robotique, portés par des architectures vidéo génératives d'un côté et des représentations particulaires ou géométriques de l'autre, à l'image des travaux sur les modèles VLA à grande échelle. Jusqu'ici, l'essentiel des jeux de données disponibles restait limité en taille ou en diversité d'objets, freinant les comparaisons rigoureuses entre approches. Deform360 se positionne comme un benchmark de référence pour la communauté et ouvre la voie à des travaux futurs sur la généralisation des modèles du monde centrés objets déformables, un domaine encore émergent où l'écart entre démonstrations en laboratoire et déploiement industriel reste à combler.

Recherche❖Paper

1 source

37

1529arXiv cs.RO 

Contrôle prédictif basé sur le nombre de Strouhal pour une locomotion efficace par battement de nageoires multiples

Des chercheurs ont développé un système de contrôle prédictif (Model Predictive Control) sensible au nombre de Strouhal pour piloter un véhicule sous-marin autonome propulsé par quatre nageoires souples battantes. Le nombre de Strouhal, un paramètre adimensionnel qui régit l'efficacité de la propulsion ondulatoire chez les poissons et autres nageurs biologiques, sert ici de guide explicite dans la fonction objectif du contrôleur. Le modèle hydrodynamique quasi-stationnaire intègre une pénalité pour tout écart par rapport à la fenêtre optimale de Strouhal (0,25 à 0,35), et le problème d'optimisation non convexe qui en résulte est résolu via une méthode en deux étapes, combinant échantillonnage et descente de gradient, tournant embarquée à 25 Hz. Lors d'essais en bassin et sur le terrain, le contrôleur a maintenu chaque nageoire dans ce corridor optimal tout en suivant précisément les forces commandées, avec une réduction moyenne de la puissance mécanique de 8,8% à 32% sur la plage de croisière de 0,1 à 0,3 m/s. Le système permet aussi d'atteindre 0,4 m/s, une vitesse inaccessible pour un contrôleur de référence basé sur un modèle inverse classique. Ce résultat est significatif pour la robotique sous-marine et plus largement pour les systèmes à locomotion oscillante: il démontre qu'incorporer un principe physique de premier ordre, validé empiriquement dans le règne animal, directement dans l'objectif d'un contrôleur MPC permet des gains d'endurance tangibles sans sacrifier l'agilité. Pour les concepteurs d'AUV et de robots bio-inspirés, cela ouvre une voie générique vers une locomotion économe en énergie, un enjeu critique pour l'autonomie des missions sous-marines longue durée où chaque watt compte. Le travail s'inscrit dans la lignée des recherches en hydrodynamique bio-inspirée qui cherchent depuis des décennies à traduire les régularités observées chez les poissons en règles de contrôle exploitables. Les approches précédentes reposaient souvent sur des modèles inverses conventionnels, plus simples mais incapables d'exploiter pleinement la physique des écoulements aux vitesses élevées. En couplant explicitement la contrainte de Strouhal à un cadre de contrôle prédictif temps réel, cette approche ouvre la voie à des robots multi-nageoires de nouvelle génération, avec des perspectives d'extension à des configurations de nageoires plus complexes ou à d'autres modes de propulsion oscillante.

Recherche❖Paper

1 source

37

1530arXiv cs.RO 

Coordination des tâches et exécution de trajectoires par démonstrations few-shot pour systèmes multi-robots

Des chercheurs proposent DDACE (Demonstration-Driven Action Coordination and Execution), un cadre d'apprentissage capable de coordonner plusieurs robots a partir d'un très petit nombre de démonstrations seulement, selon un article publie sur arXiv (version révisée, v2). Le problème cible est connu dans la robotique multi-agents : apprendre a la fois quand chaque robot doit agir (dépendances temporelles entre taches) et comment il doit se déplacer (trajectoire spatiale) devient instable des que les données sont rares, car les deux aspects sont habituellement appris ensemble par des modèles bout-en-bout. DDACE sépare explicitement ces deux problèmes. Les démonstrations sont d'abord traitées par clustering spectral pour en extraire la structure de coordination et construire des graphes d'interaction entre robots. Un Temporal Graph Network se charge ensuite de prédire les dépendances d'actions et leur séquencement, pendant que des modèles de processus gaussiens génèrent les trajectoires géométriques, paramétrées par la progression de la tache et capables de s'adapter a de nouvelles configurations de départ et d'arrivée. Les auteurs rapportent des tests en simulation ainsi que des expériences sur robots réels, avec une meilleure stabilité et une meilleure cohérence des trajectoires que des approches d'imitation bout-en-bout classiques en régime de données limitées. L'enjeu dépasse l'exercice académique : la coordination multi-robots a partir de peu d'exemples est un frein concret au déploiement de cellules industrielles collaboratives ou de flottes d'AMR, ou collecter des milliers de démonstrations par scenario reste couteux. En introduisant un biais structurel plutôt qu'un apprentissage purement bout-en-bout, DDACE questionne l'hypothèse dominante selon laquelle les architectures end-to-end massives suffisent a généraliser en data-scarce régime, une piste distincte de la tendance actuelle centrée sur les gros modèles VLA mono-robot type Pi-0 ou GR00T N2. Le papier s'inscrit dans une littérature qui cherche des alternatives modulaires a l'imitation pure, combinant clustering, graphes temporels et processus gaussiens plutôt qu'un unique réseau de bout en bout. Il s'agit a ce stade d'une publication de recherche avec validations simulées et réelles limitées, sans indication de partenaire industriel ni de calendrier de transfert vers un produit ; le matériel complémentaire est disponible sur le site du projet associe.

Recherche❖Paper

1 source

37

1531arXiv cs.RO 

Mask2Real-WM : les masques de segmentation, un pont simulation-réel pour modèles du monde dextériques contrôlables

Des chercheurs présentent Mask2Real-WM, un modèle du monde conditionné par l'action conçu pour la manipulation dextrale, capable de prédire les conséquences futures d'une séquence de gestes sans avoir à les exécuter sur un robot réel. L'architecture se décompose en deux étages : un modèle de dynamique qui projette des masques de segmentation futurs à partir des masques passés et d'une séquence d'actions à 23 degrés de liberté (DoF), et un modèle de rendu qui convertit ces masques en images RGB photoréalistes via un backbone Stable Video Diffusion augmenté de ControlNet. Le choix de travailler dans l'espace des masques plutôt que directement en pixels réduit l'écart sim-to-real : le modèle de dynamique est préentraîné sur plus de 50 heures de données de simulation synthétique, puis affiné sur moins de 2,5 heures de démonstrations réelles seulement. Testé sur un benchmark de préhension et dépose dextrale, le système contrôle correctement chacun des 23 degrés de liberté de la main robotique. Ce résultat compte car la plupart des modèles du monde actuels, entraînés de bout en bout sur des pixels, reproduisent bien les trajectoires globales du bras ou de l'effecteur mais échouent à refléter les effets fins de chaque articulation individuellement, ce qui limite leur usage pour évaluer ou planifier des politiques de manipulation dextrale fine. En montrant que le conditionnement par masques combiné au préentraînement en simulation permet une contrôlabilité par-DoF complète, l'étude apporte une piste concrète pour réduire la dépendance aux données réelles, coûteuses à collecter sur des mains robotiques à haute dimensionnalité, l'un des goulots d'étranglement identifiés dans le déploiement des politiques VLA à grande échelle. Les modèles du monde conditionnés par l'action s'inscrivent dans une lignée de travaux visant à simuler les conséquences des actions robotiques sans interaction physique répétée, une alternative aux approches reposant sur la simulation physique classique ou l'apprentissage par renforcement en ligne. Le choix de la segmentation comme représentation intermédiaire distingue cette approche des modèles vidéo génératifs monolithiques employés par d'autres équipes travaillant sur la manipulation dextrale. Les auteurs limitent pour l'instant leurs tests à un seul benchmark de pick-and-place, laissant ouverte la question de la généralisation à d'autres tâches ou morphologies de main, une étape nécessaire avant tout usage en production sur des politiques VLA déployées.

Recherche❖Paper

1 source

36

1532arXiv cs.RO 

Le courant comme toucher : retour de contact proprioceptif pour la manipulation dextérique souple

Cette semaine, une équipe de recherche a publié sur arXiv (référence 2607.03529, juillet 2026) un nouveau cadre de contrôle pour la préhension dextre compliante qui se passe entièrement de capteurs tactiles ou de force externes. La méthode s'appuie uniquement sur le courant moteur et l'état des articulations, deux signaux proprioceptifs déjà disponibles nativement sur la plupart des mains robotiques. Plutôt que d'estimer directement la force de contact ou de commander un couple, le système prédit une "position de référence compliante" : une cible de position articulaire destinée à un contrôleur PD standard, dont l'écart de position induit génère la force de préhension appropriée. Les auteurs ont testé l'approche sur plusieurs mains dextres et sur une série de tâches à fort contact physique : manipulation d'objets fragiles, maintien prolongé au contact d'une surface, récupération d'objets fins, et adaptation dynamique à des charges variables. L'intérêt pour l'industrie robotique tient à la promesse de compliance quasi gratuite : aujourd'hui, doter une main robotique de retour de force nécessite des capteurs tactiles ou des capteurs d'effort dédiés, coûteux, fragiles et souvent difficiles à intégrer mécaniquement sur des mains bon marché. En démontrant qu'un signal purement proprioceptif suffit à détecter le contact, la résistance de l'objet et la stabilité de la prise, ce travail ouvre la voie à des mains dextres low-cost capables de manipulation compliante sans matériel de détection additionnel. C'est également une bonne nouvelle pour la téléopération, rendue plus sûre et plus efficace grâce à ce retour de force implicite, ainsi que pour l'apprentissage de politiques (policy learning), qui bénéficie directement de signaux de contact exploitables sans capteur externe à calibrer. Ce travail s'inscrit dans une tendance de fond de la recherche en manipulation dextre : contourner les limites du tactile artificiel (durabilité, coût, intégration) en exploitant des signaux internes déjà présents dans la chaîne de commande moteur. Le choix d'une formulation en position, compatible avec les pipelines de téléopération et d'apprentissage de politiques déjà en place, suggère une intégration facilitée dans les architectures existantes plutôt qu'une rupture technique nécessitant une refonte du matériel. Les prochaines étapes attendues concernent le passage à l'échelle sur des plateformes commerciales et la comparaison directe avec des mains équipées de capteurs tactiles classiques.

Recherche❖Paper

1 source

36

1533arXiv cs.RO 

Un cadre de conception conjointe pour le saut haute performance d'un monopode à cinq barres avec optimisation des actionneurs

Des chercheurs présentent un nouveau cadre de co-conception pour optimiser les performances de saut d'un monopode à cinq barres, un mécanisme planaire à chaîne fermée équipé d'une seule jambe. Contrairement aux approches classiques qui se limitent aux dimensions des liaisons et aux ratios de transmission, cette méthode optimise conjointement la géométrie mécanique, les paramètres moteur et réducteur, ainsi que les paramètres de contrôle. Le processus se déroule en deux étapes: une première phase d'optimisation des actionneurs établit une correspondance entre le ratio de réduction et la masse, l'efficacité et le couple de crête de l'actionneur; ces données alimentent ensuite un algorithme d'optimisation CMA-ES qui ajuste simultanément la conception du robot et sa commande. En simulation, le cadre proposé améliore la distance de saut d'environ 30,4% tout en réduisant la consommation d'énergie mécanique de 11,5%, comparé à une conception nominale de référence. Ce travail comble un angle mort des méthodes de co-conception existantes, largement cantonnées aux mécanismes en chaîne ouverte série et négligeant l'optimisation fine des actionneurs. Pour les concepteurs de robots à pattes et de plateformes dynamiques (saut, course, locomotion agile), le résultat démontre qu'intégrer le dimensionnement moteur et réducteur directement dans la boucle d'optimisation, plutôt que de le traiter après coup, produit des gains de performance et d'efficacité énergétique significatifs sans changement d'architecture. Cela renforce l'idée que le potentiel des mécanismes à chaîne fermée, souvent plus compacts et robustes mécaniquement que les architectures série, reste sous-exploité faute d'outils de conception adaptés. Le cadre s'inscrit dans une lignée de recherches sur la co-conception mécatronique des robots légers, où l'enjeu est de sortir du cycle itératif traditionnel séparant conception mécanique et réglage du contrôleur. Les auteurs positionnent leur contribution comme une étape vers des méthodologies génériques applicables à d'autres mécanismes à chaîne fermée, avec des perspectives de validation expérimentale sur prototype physique et d'extension à des tâches locomotrices au-delà du simple saut vertical ou horizontal.

Recherche❖Paper

1 source

36

1534arXiv cs.RO 

TiROD : petit jeu de données et benchmark de robotique pour la détection d'objets en continu

Une équipe de recherche présente TiROD (Tiny Robotics Object Detection), un nouveau jeu de données vidéo destiné à évaluer la détection d'objets sur des robots mobiles de petite taille. Les images ont été capturées directement par la caméra embarquée d'un petit robot mobile, dans plusieurs environnements et avec des catégories d'objets variées, afin de reproduire les changements de domaine auxquels ces plateformes sont confrontées en conditions réelles. Sur cette base, les chercheurs ont construit un benchmark comparant plusieurs stratégies d'apprentissage continu, appliquées à NanoDet, un détecteur d'objets léger et temps réel conçu pour tourner sur du matériel à ressources limitées. L'article, publié sur arXiv, en est à sa quatrième révision depuis 2024, signe d'un travail approfondi retravaillé au fil des retours de la communauté. L'enjeu dépasse le simple exercice académique. Les robots miniatures, contraints en taille, en autonomie énergétique et en puissance de calcul, doivent malgré tout détecter des objets sur des images basse résolution et bruitées, tout en s'adaptant à des environnements changeants sans réentraînement complet ni intervention humaine. C'est précisément cette capacité d'adaptation, l'apprentissage continu embarqué, qui conditionne le déploiement réel de flottes de robots low-cost dans l'inspection, la logistique ou la navigation autonome. Les résultats du benchmark montrent que les stratégies existantes peinent encore à concilier efficacité computationnelle et robustesse face à l'oubli catastrophique, un signal utile pour les intégrateurs qui évaluent la maturité réelle de ces approches avant tout déploiement industriel. Ce travail s'inscrit dans une tendance de fond de la robotique embarquée: développer des modèles de vision suffisamment légers pour tourner sur des microcontrôleurs ou des puces à faible consommation, tout en conservant une capacité d'apprentissage en continu. Contrairement aux grands modèles de perception utilisés sur des robots industriels ou humanoïdes, ce créneau cible spécifiquement les plateformes tiny robotics, moins médiatisées mais représentant un volume potentiellement massif de déploiements à bas coût. Les auteurs positionnent TiROD comme une base commune permettant à la communauté de comparer objectivement de futures méthodes sur ce terrain encore peu standardisé.

Recherche❖Paper

1 source

36

1535arXiv cs.RO 

ACE-Brain-0.5 : un modèle fondation incarné unifié pour l'IA physique à base d'agents

Une équipe de recherche présente ACE-Brain-0.5, un modèle de fondation embarqué unifié pour l'IA physique agentique, dans un article publié sur arXiv début juillet 2026. Le système s'appuie sur un backbone unique de 8 milliards de paramètres qui assure quatre fonctions simultanées : ancrage des objets et des affordances dans la scène, raisonnement spatial en 3D et en vue égocentrique, décomposition d'instructions en sous-objectifs, génération d'actions de navigation et de manipulation, et estimation de la progression pour vérifier ou corriger l'exécution. Une cinquième fonction, l'auto-amélioration, repose sur un cadre externe qui met à jour les schémas de tâches, la mémoire spatiale et les cas de récupération d'échec à partir des données de déploiement. Le modèle s'appuie sur un prédécesseur, ACE-Brain-0, et introduit une méthode nommée SSR+ (Scaffold-Specialize-Reconcile avec une étape de Réactivation après fusion des vecteurs de tâches) pour combiner ces capacités sans qu'elles n'interfèrent entre elles. Sur quinze bancs d'essai, ACE-Brain-0.5 surpasse son prédécesseur sur 14 des 18 tests de perception spatiale et d'ancrage, tout en restant compétitif en navigation et manipulation. Cette approche illustre une tendance de fond dans la robotique humanoïde et les agents physiques : le passage de politiques bout-en-bout, souvent dépourvues de raisonnement spatial explicite, vers des architectures qui unifient perception, planification, action et auto-évaluation dans une représentation partagée. C'est un pari différent de celui des modèles VLA généralistes type Pi-0 ou GR00T N2, qui privilégient l'apprentissage direct d'une politique d'action : ici, l'accent est mis sur la boucle fermée complète, avec vérification et récupération d'erreur intégrées, un point souvent négligé dans les démonstrations spectaculaires mais peu robustes du secteur. Le papier ne précise pas de partenariat industriel ni de déploiement sur plateforme commerciale à ce stade : il s'agit d'un travail de recherche fondamentale, positionné comme une étape vers une IA physique agentique plus générale, sans calendrier de mise en production annoncé.

Recherche❧Opinion

1 source

36

1536arXiv cs.RO 

Raisonnement inverse rationnel : imitation en quelques exemples par inférence d'intention via la planification

Une équipe de recherche en robotique présente Rational Inverse Reasoning (RIR), une méthode d'apprentissage par imitation capable d'acquérir une nouvelle tâche de manipulation à partir d'une seule démonstration, contre des centaines voire des milliers habituellement nécessaires aux approches actuelles. Le système combine un modèle vision-langage (VLM), qui propose des programmes candidats décrivant l'intention du démonstrateur, et un planificateur hiérarchique de type task-and-motion-planning (TAMP) qui évalue la plausibilité de ces programmes selon un principe de rationalité bornée. Par itérations successives, RIR affine cet ensemble de candidats pour converger vers une explication compacte et exécutable de la tâche, sous forme de buts, sous-buts et contraintes. La méthode a été testée sur un benchmark de raisonnement en 2D ainsi que sur un bras robotique réel Franka FR3. En configuration à un ou trois exemples de démonstration, RIR améliore le taux de réussite de 34 et 28 points de pourcentage par rapport aux approches de référence combinant VLM et planification, mais dépourvues d'inférence explicite de la rationalité. L'enjeu dépassé ici est celui de la généralisation, le talon d'Achille de l'imitation learning en robotique. Un humain apprend un geste et sait l'adapter à une nouvelle pièce, de nouveaux objets ou de nouvelles contraintes ; les politiques apprises par imitation, elles, s'effondrent souvent au moindre changement de disposition ou de géométrie. RIR répond à ce problème non pas en accumulant davantage de données, mais en changeant de niveau d'abstraction: au lieu de reproduire des trajectoires de mouvement, le système infère le pourquoi du comportement démontré. Pour les intégrateurs et laboratoires travaillant sur des politiques de manipulation generalistes, ce résultat suggère qu'un raisonnement structuré ancré dans la planification symbolique peut réduire drastiquement le besoin de données, un argument qui pèse face aux approches VLA pures gourmandes en démonstrations. Ce travail s'inscrit dans une lignée de recherches cherchant à combiner modèles de fondation et planification classique plutôt que de tout déléguer à l'apprentissage de bout en bout. La publication, mise à jour sur arXiv en tant que "replace" d'une version antérieure, ouvre la voie à des extensions vers des tâches multi-étapes plus complexes et des environnements moins contrôlés que le laboratoire.

Recherche❖Paper

1 source

36

1537arXiv cs.RO 

AmpAttention, une attention inspirée des amplificateurs différentiels pour la manipulation robotique multi-vue

Une équipe de chercheurs anonymes, dans une soumission actuellement en évaluation par les pairs sur arXiv (2607.02845), propose AmpAttention, un mécanisme d'attention pour la manipulation robotique multi-vues inspiré des amplificateurs différentiels utilisés en électronique analogique. Intégré dans un modèle baptisé RVAF, ce mécanisme combine attention intra-vue et inter-vue guidée par la tâche pour filtrer le bruit visuel issu des occlusions, de la redondance entre caméras et de la dépendance au point de vue. Sur le benchmark de simulation RLBench, qui couvre 18 tâches et 249 variations, RVAF affiche le meilleur taux de réussite moyen parmi les méthodes comparées, tout en réduisant le temps d'entraînement de 33,3%. En conditions réelles, le système a démontré une précision suffisante pour saisir une fléchette et l'insérer au centre d'une cible de dart, une tâche qui exige un alignement fin entre perception et contrôle moteur. Une variante étendue, RVAF++, intègre l'encodeur d'images SAM2, développé par Meta, et atteint un taux de réussite de 91% sur la tâche d'insertion de goupille, l'une des plus exigeantes en précision du benchmark. L'enjeu dépasse la simple performance sur un benchmark académique. Les approches de manipulation multi-vues par attention souffrent d'un problème connu de dérive attentionnelle: le modèle se laisse distraire par des signaux visuels redondants ou occultés selon l'angle de caméra, ce qui dégrade la fiabilité en conditions réelles, précisément là où les démonstrations en laboratoire échouent souvent à se traduire en performance industrielle. En empruntant le principe du rejet de bruit en mode commun des amplificateurs différentiels, plutôt qu'en ajoutant des couches d'attention supplémentaires, AmpAttention propose une piste architecturale peu coûteuse en calcul pour améliorer le rapport signal/bruit perceptif, un facteur clé pour les intégrateurs qui cherchent à fiabiliser des tâches de précision comme l'insertion ou l'assemblage sans multiplier les capteurs ou le temps d'entraînement. RVAF s'inscrit dans la lignée des modèles vision-langage-action et des architectures de manipulation basées sur l'attention qui ont rapidement progressé ces deux dernières années, aux côtés de travaux comme GR00T N2 ou Helix. La comparaison directe avec SAM2, encodeur d'images publié par Meta et intégré dans RVAF++, illustre comment les briques de vision généraliste des grands laboratoires irriguent désormais la recherche en robotique spécialisée. Publié anonymement dans le cadre d'une évaluation par les pairs, avec du matériel qualitatif complémentaire disponible sur un site de projet temporaire, l'article ne précise ni application industrielle concrète ni calendrier de transfert vers des plateformes commerciales. Il s'ajoute néanmoins à une liste croissante de travaux qui cherchent à résoudre le problème du transfert simulation-vers-réel sur des tâches de haute précision.

Recherche❖Paper

1 source

36

1538arXiv cs.RO 

MOSAIC : une autonomie modulaire et évolutive pour la coordination intelligente d'équipes robotiques hétérogènes

Des robots mobiles explorent des environnements hostiles, espace ou zones sinistrées, mais restent aujourd'hui largement dépendants d'un télépilotage humain continu, ce qui limite le nombre de machines déployables et exige une liaison de communication à faible latence quasi permanente. Des chercheurs présentent MOSAIC, un framework d'autonomie scalable pour l'exploration scientifique multi-robots, construit autour d'une abstraction de mission unifiée fondée sur des points d'intérêt (POI) et plusieurs couches d'autonomie, permettant à un seul opérateur de superviser toute une flotte. Le système alloue dynamiquement les tâches d'exploration et de mesure selon les capacités propres de chaque robot, en exploitant la redondance et la spécialisation au niveau de l'équipe pour maintenir l'opération en continu. La validation a eu lieu lors d'une expérience de terrain en environnement analogue spatial, simulant un scénario de prospection lunaire, avec une équipe hétérogène de cinq robots supervisée par un seul opérateur humain. Malgré la défaillance complète d'un des robots en cours de mission, l'équipe a accompli 82,3% des tâches assignées, avec un taux d'autonomie de 86%, tandis que la charge de travail de l'opérateur est restée à 78,2%. Ces résultats comptent parce qu'ils s'attaquent directement au goulot d'étranglement classique des missions robotiques en environnement extrême : la dépendance à la téléopération continue, coûteuse en bande passante et en attention humaine, et fragile dès qu'un délai de communication apparaît (cas typique des missions lunaires ou martiennes). Démontrer qu'une flotte hétérogène peut absorber la panne totale d'un robot et continuer à remplir sa mission sans réallocation manuelle constante est un signal concret pour les intégrateurs travaillant sur la résilience des systèmes multi-robots, que ce soit pour le spatial, la surveillance industrielle ou l'intervention post-catastrophe. Cela illustre aussi une tendance de fond : le report de la charge cognitive du pilotage individuel vers la supervision de mission à haut niveau, un des verrous identifiés depuis longtemps pour faire passer la robotique de terrain de la démonstration à l'opération à grande échelle. Le papier, révisé sur arXiv (version 3, catégorie replace), s'inscrit dans la lignée des recherches en robotique spatiale et en gestion d'équipes multi-robots hétérogènes, un champ où la littérature reste dominée par des simulations ou des tests en petite échelle plutôt que des validations de terrain réalistes. Les auteurs en tirent des enseignements pratiques sur l'interopérabilité entre robots, l'architecture réseau et la composition d'équipe, autant d'éléments destinés à nourrir la conception de futures missions d'exploration multi-robots, sans qu'un calendrier de déploiement opérationnel ne soit pour l'instant annoncé.

Recherche❖Paper

1 source

36

1539arXiv cs.RO 

RoboVista : évaluation des modèles vision-langage pour diverses applications robotiques

Les chercheurs à l'origine de ce travail publient RQA (Robot Question Answering), un cadre d'évaluation modulaire, et RoboVista, un benchmark associé conçu pour tester les modèles vision-langage (VLM) sur des tâches robotiques réelles. RoboVista rassemble 474 instances de questions-réponses visuelles annotées manuellement par des experts, couvrant 39 types de tâches distincts répartis sur l'agriculture, l'industrie, la robotique domestique, la chirurgie assistée, la conduite autonome et divers jeux de données robotiques ouverts. Les données proviennent de systèmes robotiques réels, d'articles de recherche et d'annotations expertes, plutôt que des habituels jeux de données téléopérés de bout en bout. Les expérimentations menées par l'équipe montrent que les VLM de pointe actuels présentent des écarts de performance substantiels sur ces tâches, et des essais complémentaires sur robots physiques révèlent une corrélation forte entre les scores obtenus sur RoboVista et la réussite effective des tâches en conditions réelles. Pour les intégrateurs et décideurs qui évaluent l'usage de VLM comme brique de raisonnement pour des robots polyvalents, ce travail apporte un signal utile: les benchmarks classiques, souvent bâtis sur de la téléopération bout en bout, masquent des lacunes de raisonnement modulaire (perception, planification, décision) que RoboVista rend visibles composant par composant. Le fait que la corrélation avec la performance en conditions réelles soit confirmée par des essais physiques renforce la crédibilité de l'outil comme prédicteur, et non simple exercice académique déconnecté du terrain. Cela vient tempérer l'enthousiasme actuel autour des architectures VLA (vision-language-action) génériques: disposer d'un modèle capable de décrire une scène ne garantit pas qu'il raisonne correctement sur les contraintes physiques et séquentielles propres à chaque secteur, de l'agriculture à la chirurgie. Ce travail s'inscrit dans une lignée de critiques adressées aux benchmarks robotiques existants, jugés trop dépendants de démonstrations téléopérées qui capturent mal la structure de décision sous-jacente aux comportements robotiques. En proposant une décomposition modulaire via le format question-réponse, RQA se positionne comme une alternative complémentaire aux suites d'évaluation end-to-end dominantes dans le secteur, à mesure que les VLM et les architectures VLA gagnent du terrain comme fondation du raisonnement robotique généraliste. La publication ne précise pas de calendrier de mise à disposition publique du benchmark ni d'intégration dans des pipelines industriels existants, mais elle ouvre la voie à des évaluations plus fines des futurs modèles vision-langage déployés sur des flottes robotiques réelles, au-delà des seules démonstrations vidéo.

Recherche❖Paper

1 source

35

1540arXiv cs.RO 

SILO : transfert simulation-réel en boucle de simulation pour l'acheminement de câbles en plusieurs étapes

Une équipe de recherche présente SILO (Simulation In the LOop), un framework de reinforcement learning sim-to-real pour le routage de câbles en plusieurs étapes, une tache de manipulation d'objets déformables linéaires (câbles, cordes) réputée particulièrement difficile en robotique. Contrairement aux approches par imitation qui nécessitent des milliers de démonstrations par type de câble, le système s'entraine sur des milliers de simulations parallèles sur GPU pour approximer le comportement physique des câbles et généraliser a des géométries et déformations variées. Le transfert vers le réel repose sur trois briques combinées: l'exécution SILO qui maintient une simulation synchronisée pendant le déploiement, des politiques RL localisées, et une estimation robuste de l'état du câble. Sur des taches réelles de routage multi-étapes, l'approche obtient un taux de réussite supérieur et divise par deux le temps de cycle par rapport aux meilleures méthodes d'apprentissage existantes. Les auteurs revendiquent le premier transfert sim-to-real réussi de politiques RL pour le routage de câbles multi-étapes, avec des vidéos disponibles sur une page dédiée du projet. L'enjeu dépasse le seul cas du câble: le harnais électrique et le routage de faisceaux restent parmi les taches les plus résistantes a l'automatisation dans l'assemblage électronique et automobile, précisément parce que les objets déformables linéaires échappent aux modèles rigides utilises pour la plupart des taches de pick-and-place. Qu'une politique entraînée en simulation généralisé a plusieurs géométries de câbles sans collecter des milliers de démonstrations par variante change la donne économique pour les intégrateurs: la barrière a l'entrée pour automatiser une nouvelle référence de câble ou de connecteur pourrait chuter significativement. C'est aussi une preuve que l'écart simulation-réel, longtemps cite comme faiblesse des approches RL pour la manipulation fine, peut être résorbe pour une classe de taches particulièrement difficile a modéliser physiquement, au-delà des succès déjà connus sur objets rigides ou la locomotion. La manipulation d'objets déformables linéaires est étudiée depuis des années en robotique, les méthodes précédentes s'appuyant surtout sur l'apprentissage par imitation dans des configurations étroites, limitées a un câble et une tache spécifiques. Le RL sim-to-real via simulation massivement parallélisée sur GPU s'est déjà impose ailleurs, notamment pour la locomotion de robots humanoïdes ou quadrupèdes, mais restait jusqu'ici en échec sur la manipulation de câbles du fait de la difficulté a simuler fidèlement leur physique. Les auteurs ne précisent ni l'origine institutionnelle du projet ni de calendrier de déploiement industriel: il s'agit a ce stade d'une publication de recherche accompagnée de vidéos de démonstration, sans partenaire industriel annonce ni date de mise en production. La suite logique serait une validation sur davantage de types de câbles et de connecteurs, ainsi qu'une intégration avec des bras collaboratifs en environnement de production réel.

Recherche❖Paper

1 source

34

1541arXiv cs.RO 

Manipulation aérienne : contact, couplage au milieu et géométrie de la disponibilité

Le laboratoire ne mentionne aucune entreprise ni aucun robot commercial : il s'agit d'un article de synthèse théorique (arXiv:2607.04719v1), publié comme "nouvelle soumission" et donc non encore relu par les pairs. Sa thèse centrale : la manipulation aérienne, c'est-à-dire les robots volants qui touchent, saisissent ou déplacent des objets, ne peut pas être traitée comme de la manipulation classique simplement montée sur un drone. Un bras robotique au sol repose sur une base fixe et découplée de la tâche ; un robot volant, lui, ne reste en l'air que par un échange continu de quantité de mouvement et d'énergie avec l'air ambiant, ce qui lie intrinsèquement le maintien en vol, le déplacement, la stabilisation et l'interaction avec l'environnement. Les auteurs proposent un cadre "conscient du milieu" distinguant trois modes d'interaction : par contact, par le fluide environnant, ou les deux combinés. Ils classent des exemples biologiques (oiseaux, insectes) et robotiques existants selon une échelle de capacités, puis développent une lecture géométrique de l'actionnement où la redondance cinématique crée des mouvements internes sans effet sur la tâche visible, mais utilisables pour préparer de l'énergie, améliorer la réactivité aérodynamique ou exploiter un couplage passif avec l'air. L'enjeu dépasse la théorie pure : les drones manipulateurs conçus pour l'inspection, l'agriculture ou la logistique héritent en général de l'architecture de contrôle des bras robotiques terrestres, avec une boucle de stabilisation de vol traitée séparément de la tâche de manipulation. Cette synthèse suggère que ce découpage est structurellement limité, puisque l'air n'est pas un support neutre : il réagit à l'action du robot, et ignorer ce retour produit des systèmes moins efficaces. Cela recadre une partie de l'écart souvent constaté entre démonstrations et produits viables dans ce domaine : le problème ne serait pas seulement lié à l'actionneur ou à la perception, mais à une base théorique incomplète sur ce qu'est réellement la "base" d'un robot lorsqu'elle vole. C'est un appel aux équipes de recherche et aux intégrateurs à concevoir conjointement vol et interaction plutôt que d'empiler un bras sur un drone stabilisé indépendamment. Le texte s'inscrit dans une littérature en croissance depuis le début des années 2010, quand les premiers travaux ont couplé drones et bras rigides, suivis d'approches par système tenu, magnétique ou par succion, en parallèle d'études bio-inspirées sur les oiseaux et insectes combinant posé, préhension et modulation de poussée. Aucun acteur français ou européen n'est cité dans le résumé. Il s'agit d'une contribution conceptuelle destinée à guider la conception de futures plateformes, sans validation expérimentale ni implémentation concrète présentées à ce stade ; ces suites restent à venir dans des travaux ultérieurs.

Recherche❖Paper

1 source

41

1542Pandaily 

Zhijian Dongli, start-up d'IA incarnée de 11 mois, livre 100 robots sur des lignes de production

Zhijian Dongli (至简动力), startup chinoise d'IA incarnée fondée il y a moins d'un an, a livré son premier lot de 100 unités de son robot polyvalent i7 Pro, en parallèle de la mise en service d'une ligne de production robotisée dédiée à l'usinage CNC. Ces 100 robots ne sont pas allés à un seul client : la plus grosse part équipe des industriels fabricant des composants robotiques, d'autres unités ont rejoint des lignes de production de modules optiques et de circuits imprimés flexibles (des usines d'infrastructure IA), le reste se répartissant entre instituts de recherche, partenaires d'écosystème et développeurs. Sur les postes CNC, les i7 Pro assurent le chargement et déchargement continu de pièces entre plusieurs machines-outils, une tâche qui exige précision de mouvement, manipulation fine et endurance sous contraintes de sécurité strictes ; chez le fabricant Leaderdrive, plusieurs unités naviguent ainsi entre machines pour positionner et insérer des pièces. Le fondateur, Jia Peng, ancien cadre de Li Auto passé par l'industrie automobile intelligente, occupe à la fois les postes de CEO et CTO. Des essais sont aussi menés en logistique et distribution, où les robots localisent et récupèrent des articles en rayon pour les livrer, et sur des lignes de tri colis où deux i7 Pro coopèrent pour déplacer et retourner des paquets. Cette annonce illustre une bascule que le secteur de la robotique humanoïde peine encore à documenter : le passage de la démonstration en laboratoire au déploiement industriel répété, chez plusieurs clients et sur des tâches différentes. C'est précisément ce que le marché attend pour juger si les modèles vision-langage-action (VLA) tiennent leurs promesses hors des vidéos soigneusement montées. Le chiffre de 99,9% de réussite sur le benchmark LIBERO, mis en avant par Zhijian Dongli pour son modèle LaST-R1, doit être lu avec la prudence habituelle réservée aux métriques de benchmark communiquées par le fabricant lui-même, sans détail sur les conditions de test. Le point réellement notable pour les intégrateurs et décideurs B2B est ailleurs : la promesse d'un déploiement en une heure sans modification d'ingénierie lourde, si elle se vérifie en usage réel répété, réduirait un des principaux freins à l'adoption des robots humanoïdes en usine, à savoir le coût et la durée d'intégration. Zhijian Dongli mise sur une intégration verticale complète, du modèle fondationnel LaST₀ jusqu'au matériel, conçu selon une philosophie où le modèle définit le hardware et développé aux standards d'ingénierie automobile. L'entreprise revendique aussi LaST-HD, une méthode de transfert de données de manipulation humaine vers le robot, destinée à accélérer l'apprentissage de nouvelles tâches. Le robot est livré avec une plateforme de développement intégrée (framework d'agents, bibliothèque de compétences, SDK bas niveau, simulation). Jia Peng défend une thèse de positionnement claire face à des concurrents comme Figure, Unitree ou Agility Robotics : la compétition à venir ne se jouera pas sur une percée technologique isolée, mais sur la capacité à s'adapter rapidement à de nouveaux environnements et à générer de la valeur sur des scénarios variés, plutôt que sur la recherche d'une capacité universelle.

Chine/Asie❧Opinion

1 source

37

1543Robotics & Automation News 

Humanoid (UK) lance un système d'apprentissage par renforcement pour améliorer la manipulation robotique

Humanoid, jeune pousse britannique de robotique, a dévoilé KinetIQ Ascend, une nouvelle couche d'apprentissage par renforcement destinée à ses robots humanoïdes industriels. L'objectif affiché est d'atteindre 99,9% de fiabilité de manipulation, à une vitesse égale ou supérieure à celle d'un humain. Le système s'appuie sur la plateforme KinetIQ annoncée précédemment par l'entreprise, fondée sur un apprentissage par essais-erreurs qui permet aux robots de s'améliorer directement sur des tâches industrielles réelles plutôt que via une simulation isolée. Selon Humanoid, KinetIQ Ascend a été testé sur plusieurs tâches de manipulation en conditions industrielles, mais le communiqué reste avare de précisions sur le nombre exact de tâches couvertes, les sites concernés ou un calendrier de déploiement. Ce chiffre de 99,9% de fiabilité, s'il se confirme hors du cadre contrôlé d'une démonstration, viserait directement le principal frein actuel à l'industrialisation des humanoïdes: la fiabilité de la manipulation fine, un problème bien plus tenace que la locomotion bipède, déjà largement maîtrisée par des robots comme Figure 03 ou Optimus Gen 3. En misant sur un apprentissage par renforcement ancré dans des tâches réelles plutôt que sur l'entraînement massif en simulation ou sur des modèles génériques vision-langage-action à la Pi-0 (Physical Intelligence), Helix (Figure AI) ou GR00T N2 (NVIDIA), Humanoid parie sur une spécialisation tâche par tâche, potentiellement plus rapide à mettre en production mais aussi moins généralisable. Pour les intégrateurs et décideurs industriels, la vraie inconnue reste de savoir si ce taux tient sur une diversité de tâches en usine, ou seulement sur un périmètre restreint choisi pour la vidéo de présentation. Humanoid s'est positionnée depuis sa création sur l'apprentissage par renforcement appliqué directement à l'industrie, plutôt que sur la seule prouesse mécanique de ses machines. La concurrence sur ce marché naissant s'est nettement densifiée: aux côtés des géants américains déjà cités, des acteurs européens comme le français Pollen Robotics, l'exosquelette devenu humanoïde de Wandercraft, ou l'automatisation d'entrepôt d'Exotec cherchent chacun à s'imposer avec une approche distincte de l'autonomie et du déploiement. Pour l'instant, Humanoid n'a communiqué ni calendrier de commercialisation ni client pilote nommé pour KinetIQ Ascend, ce qui place l'annonce du côté de la démonstration technologique plutôt que d'un déploiement industriel confirmé.

IA physique❧Opinion

1 source

37

1544Robotics Business Review 

Boston Dynamics amène ses robots à pattes à la Coupe du monde de la FIFA

Boston Dynamics a présenté lors de la Coupe du monde de la FIFA une démonstration de son humanoïde Atlas exécutant un "Ghost Rabona", un tir de football complexe mêlant feinte et frappe enchaînée, tandis que des robots quadrupèdes Spot assurent des missions de sécurité sur les sites du tournoi. Cette initiative s'inscrit dans la campagne "School of Football" et prolonge un partenariat vieux de 27 ans entre Hyundai Motor, propriétaire de Boston Dynamics depuis 2021, et la FIFA. Alberto Rodriguez, directeur du comportement robotique, et Merry Frayne, directrice produit senior pour Spot, ont détaillé au Robot Report la méthode employée: capture de mouvement (mocap) d'un joueur expérimenté, injection des données dans un moteur de simulation, puis génération d'une politique de contrôle en quelques heures à une journée grâce à l'apprentissage par renforcement (RL). Contrairement à la RoboCup, où d'autres humanoïdes s'affrontent directement, Hyundai laisse ici la compétition sportive aux humains et se concentre sur une vitrine technologique. L'enjeu dépasse le simple coup marketing. Boston Dynamics explique avoir abandonné, il y a environ un an, son contrôle prédictif basé modèle, pourtant considéré comme la référence mondiale pour l'équilibre humanoïde, au profit du RL appris en simulation. Ce choix technique permet des comportements que la démonstration humaine ne pourrait pas transmettre directement, comme le déplacement d'un réfrigérateur, et les mêmes techniques serviraient déjà à la manipulation mobile en entrepôt, par exemple le transport de cartons. Pour les intégrateurs et décideurs industriels, ce signal est significatif: il suggère que l'apprentissage par renforcement en simulation devient la voie privilégiée pour généraliser des comportements dynamiques au delà de ce qui a été démontré, plutôt qu'un exercice isolé de motion capture. Reste que la démonstration filmée pour un événement sportif grand public relève avant tout d'une vitrine soignée, et non d'un déploiement opérationnel comparable aux usages en entrepôt. Cette communication s'inscrit dans la longue série de démonstrations spectaculaires de Boston Dynamics, danse, parkour, sauts et sauts périlleux, qui ont construit sa réputation avant même l'acquisition par Hyundai en 2021. Elle intervient aussi dans un contexte de concurrence croissante sur les humanoïdes, où d'autres acteurs mettent en avant des compétitions comme la RoboCup plutôt que des vitrines chorégraphiées. Rodriguez évoque déjà des pistes d'amélioration futures, notamment l'ajustement des recettes de simulation pour renforcer la fiabilité des comportements appris, sans toutefois fixer de calendrier précis pour d'éventuels prochains déploiements ou nouvelles démonstrations.

Humanoïdes⚡Actu

1 source

47

1545Interesting Engineering 

Une entreprise norvégienne dévoile le premier capteur ultrasonique 3D certifié au monde pour des robots plus sûrs

L'entreprise norvégienne Sonair a dévoilé ADAR One, présenté comme le premier capteur ultrasonique 3D certifié pour la sécurité au monde destiné à la collaboration homme-robot. Le dispositif utilise une technologie de détection et télémétrie acoustique (ADAR) pour offrir un champ de perception spatiale tridimensionnelle de 180°×180°, permettant de détecter personnes et obstacles à toutes les hauteurs, contrairement aux capteurs de sécurité 2D classiques qui présentent des angles morts. Conçu pour les robots mobiles autonomes, les humanoïdes et les systèmes d'automatisation industrielle, ADAR One fonctionne comme une couche de sécurité indépendante des caméras, des logiciels d'IA et des systèmes de contrôle de mouvement, vérifiant en continu que l'environnement du robot est sûr avant et pendant son fonctionnement. Sonair précise qu'il s'agit du premier système embarqué certifié sécurité développé en Rust, langage réputé pour la fiabilité logicielle qu'il apporte. Le capteur est entré en production en série et équipe déjà des robots industriels : depuis le lancement de sa version bêta il y a un an, plus de 80 entreprises de robotique dans le monde l'ont évalué via le programme de test de Sonair, et plusieurs préparent désormais des déploiements commerciaux suite à l'obtention de la certification. Cette annonce s'attaque à un angle mort réel du secteur : à mesure que les robots gagnent en capacités grâce à l'IA, les systèmes de sécurité peinent à suivre, la difficulté principale résidant moins dans l'intelligence embarquée que dans la détection humaine fiable en toutes circonstances. En obtenant une certification conforme à certaines des normes de sécurité industrielle les plus strictes, ainsi qu'une approbation au titre de la réglementation européenne sur les machines, Sonair propose une alternative crédible aux scanners laser 2D omniprésents dans l'industrie. Pour les intégrateurs système, l'intérêt est double : une couverture 3D complète réduit à la fois la complexité de conception et le coût par rapport à la superposition de plusieurs capteurs 2D, et le format compact permet une intégration dans des AMR, des véhicules à guidage automatisé ou des cobots sans refonte majeure. Pour les fabricants de robots humanoïdes en particulier, cela ouvre la possibilité d'embarquer une couche de sécurité certifiée supplémentaire directement dans le corps du robot, en complément des caméras et de l'IA, un enjeu central alors que ces machines sont appelées à évoluer physiquement proches des humains en usine ou en entrepôt. Le lancement s'inscrit dans une phase de maturation plus large de la robotique collaborative, où la certification devient un différenciateur commercial autant qu'une contrainte réglementaire, comme le souligne le PDG de Sonair, Knut Sandven, qui évoque une "charge d'ingénierie" transformée en "différenciateur commercial pour toutes les parties prenantes". Le sujet fait écho à d'autres avancées récentes en perception robotique, comme les capteurs tactiles à changement de couleur développés par des chercheurs européens pour restituer le toucher en temps réel. Reste que les affirmations de Sonair (certification, standards visés, nombre d'entreprises évaluatrices) proviennent essentiellement du communiqué de l'entreprise elle-même, sans détail public sur les organismes certificateurs précis ni sur les clients ayant déjà engagé un déploiement commercial concret, ce qui invite à une lecture prudente en attendant des retours d'intégrateurs indépendants.

Infrastructure❧Opinion

1 source

39

1546Interesting Engineering 

Vidéo : la Chine remporte la RoboCup 2026 grâce à des humanoïdes autonomes au football

L'équipe THU Huoshen de l'université Tsinghua (Chine) a conservé son titre au RoboCup 2026, la plus grande compétition mondiale de robotique et d'IA, organisée du 30 juin au 6 juillet à Incheon, en Corée du Sud. Cette édition, la plus importante depuis le lancement de l'événement en 1997, a rassemblé environ 3 000 participants issus de 364 équipes et 45 pays. Dans la Humanoid League, les Chinois ont défendu leur couronne remportée l'an dernier à Salvador, au Brésil, en s'appuyant sur le Booster T1, un humanoïde commercial développé par la société chinoise Booster Robotics. En s'appuyant sur une plateforme existante plutôt que de concevoir un robot depuis zéro, l'équipe a pu concentrer ses efforts sur les logiciels d'IA : perception, locomotion et stratégie collective. Les matchs de football, disputés en totale autonomie, ont vu les robots percevoir le terrain, suivre le ballon, se coordonner entre coéquipiers et exécuter passes et tirs sans intervention humaine, même si des chutes et pertes d'équilibre restent fréquentes et nécessitent parfois une aide pour se relever. Quelques jours plus tôt, Pékin avait accueilli la RoBoLeague World Robot Soccer League, où des humanoïdes totalement autonomes avaient disputé ce que les organisateurs ont présenté comme le premier match de football à 3 contre 3 sans aucune intervention humaine. Cette double victoire consécutive illustre un déplacement du centre de gravité de la robotique humanoïde : la compétition ne se joue plus tant sur l'ingénierie mécanique que sur l'intelligence logicielle. Pour les intégrateurs et décideurs industriels, le signal est clair : à mesure que des plateformes matérielles standardisées comme le Booster T1 se démocratisent, la valeur ajoutée se déplace vers la vision par ordinateur, la prise de décision temps réel, la navigation autonome et la collaboration multi-robots, plutôt que vers la conception de robots sur mesure. Cela confirme une hypothèse déjà répandue dans le secteur : la maturation du matériel et des outils de simulation accélère l'innovation logicielle, en permettant d'entraîner et de tester des algorithmes en environnement virtuel avant leur déploiement physique, réduisant les délais de développement. Reste que la prudence s'impose sur les performances réelles : les chutes et déséquilibres observés rappellent que ces démonstrations, aussi impressionnantes soient-elles, restent loin du niveau d'agilité et d'adaptabilité d'un joueur de football professionnel humain. Le RoboCup, lancé en 1997, s'est historiquement construit comme un banc d'essai progressif pour la robotique et l'IA incarnée, avec la Humanoid League comme discipline phare pour les humanoïdes bipèdes. L'édition 2026 à Incheon, la plus fournie de l'histoire de l'événement avec 364 équipes venues de 45 pays, confirme la montée en puissance de la Chine sur ce terrain, portée à la fois par des laboratoires académiques comme Tsinghua et par des fabricants de robots comme Booster Robotics, dont le T1 sert désormais de plateforme de référence à plusieurs équipes concurrentes. Cette dynamique s'inscrit dans un mouvement plus large où les compétitions de robotique humanoïde, qu'il s'agisse du RoboCup ou d'événements chinois comme la RoBoLeague de Pékin, servent de vitrines accélérées pour les progrès en perception, coordination et autonomie, avant une éventuelle transposition vers des applications industrielles ou de service.

Chine/Asie⚡Actu

1 source

38

1547Interesting Engineering 

Une combinaison de plongée imprimée en 3D permet à des cafards cyborg de respirer sous l'eau pendant trois heures

Des chercheurs de la Nanyang Technological University (NTU) à Singapour et de l'université Waseda au Japon ont mis au point une combinaison de plongée imprimée en 3D pour cafards cyborgs télécommandés, leur permettant de respirer et de se déplacer sous l'eau ou en environnement pauvre en oxygène pendant jusqu'à trois heures. Jusqu'ici, ces insectes bio-hybrides, équipés de mini-électrodes fixées sur leurs antennes pour être pilotés à distance, suffoquaient en quelques minutes dès qu'ils étaient immergés, leurs spiracles (les orifices respiratoires réparties sur leur corps) ne fonctionnant pas sous l'eau. La solution retenue est un générateur d'oxygène chimique autonome de 10x10 millimètres, une carapace en résine imprimée en 3D contenant une éponge enduite de dioxyde de manganèse qui catalyse la décomposition de peroxyde d'hydrogène liquide injecté, libérant de l'oxygène acheminé vers les spiracles thoraciques via quatre tubes en silicone souple, le tout scellé par une coque étanche souple. Lors des tests en laboratoire, les cafards équipés ont parcouru des parcours d'obstacles incluant des chambres saturées en CO2 et des tunnels entièrement inondés, atteignant 87,5 millimètres par seconde sur terre contre 78,4 millimètres par seconde sous l'eau, quasiment sans perte de vitesse, tandis que les spécimens sans combinaison se noyaient rapidement. Les travaux ont été publiés dans la revue Nature Communications. Cette avancée répond à une limite concrète des cyborgs d'insectes déjà utilisés sur le terrain : les zones sinistrées sont rarement sèches. Pluies torrentielles, canalisations éclatées et infrastructures effondrées créent des environnements semi-immergés impraticables pour des robots terrestres classiques, même miniatures. En rendant les cafards cyborgs amphibies, l'équipe élargit leur champ d'action aux décombres inondés, aux tunnels de drainage et aux ruines détrempées, des espaces confinés où les robots de recherche et sauvetage conventionnels peinent à s'insérer. Pour les acteurs de la robotique de secours, la démonstration valide surtout une approche de miniaturisation extrême du support de vie plutôt qu'une nouvelle capacité de mobilité en soi la difficulté technique portait sur la production suffisante d'oxygène sans alourdir un insecte de quelques grammes, un problème d'ingénierie transférable à d'autres micro-robots ou capteurs portés par des organismes vivants. Les cyborgs cafards ne partent pas de zéro sur le terrain : des insectes équipés de backpacks électroniques similaires ont déjà participé aux opérations de secours après le séisme de magnitude 7,7 qui a frappé le Myanmar. Cette nouvelle combinaison de plongée vient combler l'angle mort qui limitait leur usage aux zones sèches ou légèrement humides. L'équipe de recherche prévoit maintenant d'intégrer directement dans la combinaison des capteurs thermiques et des systèmes de navigation, afin de transformer ces insectes pilotés en unités de reconnaissance plus autonomes capables de localiser des victimes sans intervention humaine constante. Le projet s'inscrit dans un courant de recherche plus large sur les robots bio-hybrides, où l'on exploite la motricité et la résistance naturelles d'organismes vivants plutôt que de reproduire leur mobilité par des actionneurs mécaniques, une piste distincte de celle des robots humanoïdes ou quadrupèdes développée par ailleurs pour les mêmes missions de recherche et sauvetage.

Recherche❖Paper

1 source

42

1548Robohub 

#RoboCup2026 : phases finales de la ligue humanoïde

Le tournoi RoboCup 2026 s'est achevé ce week-end à Incheon, en Corée du Sud, avec la conclusion des phases de ligue dans les trois catégories de robots humanoïdes: small, middle et large. Chez les small, l'équipe chinoise Invic (Université de Wuhan) l'emporte devant Hamburg Bit-Bots (Universität Hamburg, Allemagne) et GeoHBots (China University of Geosciences). En middle, B-Human, projet conjoint de l'Universität Bremen et du DFKI allemand, prend la première place devant HTWK Robots (Leipzig University of Applied Sciences) et Rhoban, équipe française de l'Université de Bordeaux, qui avait auparavant éliminé HTWK en demi-finale avant de s'incliner en finale face à B-Human. Chez les large, le podium est entièrement chinois avec Tsinghua Hephaestus (Université Tsinghua) en tête, suivi de CAU Mountain&Sea (China Agricultural University) et Water (Beijing Information Science & Technology University). Cinq prix transversaux ont aussi été décernés: meilleur humanoïde personnalisé pour HERoEHS avec son ALICE 4th version, meilleur logiciel pour B-Human et son Game Controller, prix de la recherche ouverte pour Ruhrbot Devils et sa plateforme caméra IA d'analyse de jeu embarquée, meilleure innovation pour Bahia Robotics Team, et meilleur arbitrage pour Anastasia Prisacaru de Berlin United. Au-delà du classement, RoboCup reste avant tout un banc d'essai académique pour la locomotion bipède, la perception embarquée et la coordination multi-agents en conditions réelles, loin des vidéos soigneusement montées des démonstrateurs commerciaux type Figure ou Optimus. La performance des équipes universitaires allemandes et chinoises confirme la répartition habituelle des forces dans la recherche en robotique humanoïde, tandis que la percée de Rhoban jusqu'en demi-finale de la catégorie middle constitue une des rares vitrines françaises dans une discipline dominée par l'Asie de l'Est et l'Allemagne. Ces compétitions servent historiquement de laboratoire dont les algorithmes de marche, de vision et de stratégie collective irriguent ensuite la recherche académique plus large en robotique. Fondée en 1997 avec l'ambition affichée de produire une équipe de robots capable de battre les champions du monde humains de football d'ici 2050, RoboCup organise ses catégories humanoïdes selon la taille des robots, chacune imposant des contraintes matérielles et logicielles différentes. L'édition d'Incheon ne s'arrête pas aux terrains de jeu: un symposium scientifique se tient dans la foulée, réunissant chercheurs et praticiens du monde entier pour présenter les avancées en robotique et intelligence artificielle, avant la prochaine édition du tournoi.

Recherche❖Paper

1 source

43

1549TechNode 

UBTECH : ses robots humanoïdes grandeur nature ne tiennent que deux à quatre heures, batterie du U1 critiquée

UBTECH a dévoilé son robot humanoïde grande taille U1, dont la version masculine haut de gamme U1 Ultra est commercialisée à 990 000 yuans, soit environ 146 000 dollars. L'annonce a surtout été retenue pour un point critiqué : une autonomie de batterie limitée à deux à quatre heures, jugée insuffisante par certains observateurs pour un usage prolongé, notamment nocturne. Face aux critiques, UBTECH a répondu que cette autonomie correspond au standard actuel de l'industrie pour les humanoïdes grande taille, et non à une faiblesse propre au U1. L'entreprise a par ailleurs positionné le robot comme un "compagnon émotionnel", une orientation qu'elle dit soutenue par les autorités chinoises, tout en évitant explicitement de le présenter comme un partenaire romantique ou un substitut de conjoint. Cette réponse illustre un problème structurel de la robotique humanoïde grande taille : l'autonomie énergétique reste le goulot d'étranglement technique majeur, bien avant la marche bipède ou la manipulation fine. Si deux à quatre heures constituent effectivement la norme du secteur, cela questionne la viabilité commerciale immédiate de robots vendus comme compagnons du quotidien plutôt que comme démonstrateurs technologiques, un écart entre promesse marketing et réalité d'usage que l'on retrouve chez plusieurs acteurs du segment. UBTECH, société basée à Shenzhen et cotée à Hong Kong, s'est imposée ces dernières années comme un pionnier chinois de la commercialisation industrielle des humanoïdes, notamment via sa gamme Walker déployée chez des industriels comme Foxconn. Le U1 marque une bascule vers un positionnement grand public et affectif, dans un marché chinois où Unitree, Fourier Intelligence ou AgiBot rivalisent également, aux côtés d'acteurs occidentaux comme Tesla ou Figure confrontés aux mêmes limites d'autonomie.

Humanoïdes❧Opinion

1 source

43

155036Kr 

Avant son IPO à Hong Kong, la start-up d'un doctorant de Harbin vaut 10 milliards, un fondateur sur trois reste

Le fabricant chinois de robots Rokae (珞石机器人) a clôturé le 6 juillet 2026 son introduction en bourse à Hong Kong, prix fixé à 38 dollars hongkongais par action, valorisant l'entreprise à 9,95 milliards HKD pour une levée de 875 millions HKD, dont 31,4% souscrits par cinq investisseurs pierre angulaire. Basée à Zoucheng, dans le Shandong, mais fondée par une équipe pékinoise, la société visait d'abord une cotation sur le marché continental avant d'abandonner ce projet mi-2025 au profit de Hong Kong. Son chiffre d'affaires est passé de 267 à 522 millions de yuans entre 2023 et 2025 (+60,4% sur la dernière année), porté par les robots industriels (43,1% du CA), les bras collaboratifs souples (26,5%) et surtout les robots dits à "intelligence incarnée", passés de 2,76 à 47 millions de yuans en deux ans. La marge brute globale reste faible à 21,9%, et celle de l'intelligence incarnée a chuté de 30,6% à 10,7% faute de maîtrise des coûts de production de son nouveau bras humanoïde à retour d'effort AR. L'entreprise a perdu 179 millions de yuans en 2025, plus de 500 millions cumulés en trois ans, et sa trésorerie disponible ne s'élevait qu'à 14,8 millions de yuans fin 2025, le reste ayant été placé en produits de gestion et dépôts à terme. Ce dossier illustre les tensions d'un secteur robotique chinois déjà saturé sur son cœur historique. Rokae ne pèse que 0,9% du marché des robots industriels, où elle arrive sixième et dernière des grands acteurs nationaux face à une guerre des prix installée. Sur les bras collaboratifs, sa position est plus solide: sixième par le chiffre d'affaires mais quatrième par les volumes, seule entreprise du top 6 à produire plus de 1 000 unités souples par an. C'est sur l'intelligence incarnée qu'elle cherche sa différenciation, avec la troisième place chinoise par le chiffre d'affaires sur les bras robotiques pour humanoïdes et une clientèle qui inclurait, selon elle, près de la moitié des dix entreprises chinoises de robotique incarnée les mieux valorisées. Mais la chute de marge sur ce segment en 2025 montre que la mise à l'échelle de la production de bras à retour d'effort reste un problème non résolu, loin des discours sur la maturité de ces technologies, un signal utile pour les intégrateurs qui évaluent ces fournisseurs. Fondée en décembre 2014 par trois associés à parts égales, Rokae n'a conservé qu'un seul fondateur actif, Tuo Hua, 43 ans, doctorant en génie mécanique à l'institut de technologie de Harbin et titulaire de 111 brevets; ses deux cofondateurs ont cédé toutes leurs parts en 2021 et 2024. En dix ans, l'entreprise a bouclé dix tours de financement totalisant environ 1,46 milliard de yuans, le prix par action passant de 0,19 yuan à l'amorçage en 2015 à 22,18 yuans lors du tour pré-IPO de juin 2025, soit une multiplication par 117. Son actionnariat mêle fonds d'État chinois, capital-risque de premier plan comme Shunwei Capital ou Bosch, et une myriade de fonds publics locaux du Shandong. Au premier trimestre 2026, Rokae a lancé son module d'articulation à retour d'effort HSA pour robots humanoïdes et livré plus de 5 100 robots, dont plus de 2 000 unités d'intelligence incarnée, avec 577 millions de yuans de commandes en cours fin mars.

Chine/Asie⚡Actu

1 source