Actualités robotique — page 46

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

42

2251Robotics Business Review 

Comment Locus s'attaque à la préhension, l'un des plus grands défis de la robotique

Locus Robotics, spécialiste des robots mobiles autonomes (AMR) crédité de plus de 6 milliards de picks réalisés en entrepôt, s'attaque désormais à la préhension robotique. L'entreprise était entrée sur ce marché en mars 2025 avec Array, un manipulateur mobile équipé d'un bras de picking guidé par vision et d'une ventouse standard. Plus d'un an après, Locus a racheté Nexera Robotics, société basée à Vancouver connue pour sa technologie de préhension NeuraGrasp, des pinces souples capables de saisir aussi bien de petits contenants que des sacs en polybag poreux ou des articles en tissu. Selon Roy Belak, ancien PDG de Nexera et désormais vice-président senior en charge de la préhension robotique chez Locus, NeuraGrasp en était déjà à sa sixième génération de produit au moment de la rencontre entre les deux entreprises, lors du salon MODEX en 2025. Locus avait alors déjà largement avancé le développement d'Array, mais l'architecture existante, alimentation pneumatique et électrique notamment, s'est révélée compatible avec l'intégration de la technologie Nexera. Belak n'a pas communiqué de calendrier précis, mais anticipe que la prochaine présentation publique d'Array intégrera NeuraGrasp. Cette acquisition illustre un enjeu central pour l'industrie de la logistique automatisée: la préhension universelle reste le principal goulot d'étranglement du picking robotisé, bien plus que la navigation ou la localisation, déjà largement maîtrisées par les AMR. D'après Belak, la ventouse seule couvre 60 à 70% des cas d'usage en entrepôt, mais échoue sur les 30 à 40% restants, articles déformables, poreux ou irréguliers, qui nécessitent une approche hybride combinant succion et pince. Pour les intégrateurs et décideurs B2B, ce mouvement confirme une tendance de fond du secteur: la préhension pinch gagne du terrain face à la succion pure pour atteindre des taux de couverture élevés sur des catalogues de SKU hétérogènes. Il s'agit toutefois pour l'instant d'une annonce de feuille de route et non d'un déploiement massif: Array circule encore chez les premiers clients avec sa ventouse d'origine, et les données d'usage nécessaires pour optimiser NeuraGrasp à grande échelle restent à collecter. Le rapprochement s'inscrit dans la course plus large à la manipulation robotique généraliste en entrepôt, où plusieurs acteurs développent des grippers universels ou des bras dotés de modèles vision-langage-action pour élargir la couverture SKU au-delà de la ventouse classique. Nexera apportait des années de R&D sur ses effecteurs souples mais cherchait un partenaire capable d'industrialiser et déployer sa technologie à grande échelle, un besoin auquel répond directement le réseau client de Locus, où une longue liste d'entreprises attend déjà l'accès à Array. Belak décrit une fenêtre d'opportunité étroite: un an de retard supplémentaire dans l'acquisition aurait rendu l'intégration technique beaucoup plus difficile compte tenu de l'avancement du développement d'Array. Les prochaines étapes attendues sont l'intégration effective de NeuraGrasp dans les unités Array déployées, la remontée de données terrain permettant d'affiner les algorithmes de préhension, puis une diffusion progressive de la technologie combinée auprès des clients existants et futurs de Locus.

Industriel⚡Actu

1 source

37

2252Interesting Engineering 

Ce nouveau robot hexapode imite l'insecte-bâton pour marcher sur un terrain accidenté

Des chercheurs de l'université Tohoku au Japon et de VISTEC en Thaïlande ont développé un robot hexapode, baptisé RedMirror, capable d'apprendre à marcher en imitant les patterns de locomotion d'un phasme, l'insecte-bâton Medauroidea extradentata. La méthode repose sur l'apprentissage par renforcement inverse adversarial (AIRL), combiné à l'optimisation de politique proximale (PPO). Le système a été entraîné sur des données biologiques de marche en terrain plat, capturant les mouvements de 18 articulations de pattes de l'insecte. Plutôt que de copier chaque geste, le réseau de neurones a appris les principes de coordination sous-jacents : un premier réseau compare les mouvements du robot aux démonstrations de l'insecte, tandis qu'un second apprend une structure de récompense favorisant un comportement similaire. Le contrôleur exploite l'orientation du corps, les angles articulaires et le contact au sol de chaque patte pour piloter les 18 moteurs du robot. Résultat marquant : la combinaison AIRL plus récompense de vitesse avant atteint une stratégie de marche exploitable en 70 000 pas d'entraînement, contre 200 000 pour un réglage de récompense basé uniquement sur la vitesse. Un test préliminaire a aussi été mené sur un robot RedMirror physique, avec des patterns de coordination qualitativement similaires à la simulation. Cette approche s'attaque à une limite connue des systèmes de démarche robotique classiques, qui reposent sur des motifs fixes, des paramètres réglés à la main et des récompenses prédéfinies, peu robustes face à un terrain inconnu. Entraîné uniquement sur du terrain plat, le robot a continué à marcher sur sol irrégulier avec une vitesse d'avancement à peine réduite, en adoptant une démarche plus ondulatoire adaptée aux surfaces accidentées. Plus significatif encore pour les intégrateurs industriels, le contrôleur a su se réorganiser après la désactivation simulée d'une patte, redistribuant la charge sur les cinq restantes sans reprogrammation. Autre résultat utile en pratique : la structure de récompense apprise par AIRL, contrairement à la politique de marche elle-même, s'est transférée avec succès à un second modèle de robot aux proportions et actionneurs différents, là où un transfert direct de la politique échouait. Cela suggère une voie pour réduire le coût d'adaptation d'un contrôleur bio-inspiré d'une plateforme robotique à une autre, un point clé pour les fabricants de robots multi-pattes destinés aux environnements non structurés, zones sinistrées ou terrains où les robots à roues ou l'AMR classique peinent à circuler. Ce travail s'inscrit dans un courant de recherche en robotique bio-inspirée qui cherche à dépasser les limites du contrôle de marche programmé manuellement, en s'appuyant sur l'apprentissage par imitation à partir de données animales plutôt que sur des générateurs de trajectoire ou des règles de démarche codées à la main. Il reste à ce stade une démonstration de recherche : les tests sur robot physique sont qualifiés de préliminaires par les auteurs eux-mêmes, et l'essentiel des résultats quantitatifs (vitesse, stabilité, transfert inter-robots) provient de simulation. Aucun calendrier de déploiement industriel, partenariat commercial ou montant de financement n'est mentionné. La suite logique annoncée par les chercheurs porterait sur la validation plus poussée en conditions réelles et l'extension de la méthode de transfert de récompense à d'autres morphologies de robots à pattes.

Recherche❖Paper

1 source

53

2253Interesting Engineering 

Vidéo : Hugging Face dévoile un minirobot en forme de canard capable de marcher, apprendre et patiner

Hugging Face a présenté Microduck, un petit robot bipède open source en forme de canard, développé avec l'entreprise française Pollen Robotics. Vendu 399 dollars, l'appareil doit commencer à être livré avant Noël 2026. Haut de 25 centimètres pour un poids inférieur à 800 grammes, Microduck embarque 15 moteurs, une caméra, un petit capteur de profondeur et deux centrales inertielles (IMU). Son bec articulé lui permet de saisir des objets, combinant locomotion et manipulation simple. Le robot sait marcher, s'asseoir, s'accroupir, se relever après une chute et même faire du roller skate. Il est livré avec des comportements pré-entraînés utilisables via une manette de jeu ou en suivant un point laser, mais ceux-ci ne sont qu'un point de départ : le logiciel complet (contrôle, simulation, apprentissage par renforcement, transfert sim-to-real) est publié en open source via deux dépôts distincts, l'un pour le SDK et le pilotage du robot, l'autre dédié à l'entraînement par renforcement. Ce lancement illustre une approche différente de la course aux humanoïdes dominée par des acteurs comme Figure, Tesla (Optimus) ou Physical Intelligence (Pi-0) : plutôt que viser des déploiements industriels à grande échelle, Hugging Face et Pollen Robotics misent sur l'accessibilité pour démocratiser l'expérimentation en IA physique. La taille réduite et la légèreté de Microduck rendent l'apprentissage par renforcement praticable sur un bureau ou en salle de classe, un processus coûteux et risqué sur des robots de taille humaine. La capacité de récupération après chute réduit aussi le besoin d'intervention manuelle entre deux essais, un point pratique souvent sous-estimé dans les démonstrations de recherche. Pour les intégrateurs et chercheurs, l'intérêt réside moins dans les prouesses physiques du robot que dans l'accès à une pile logicielle complète et ouverte pour tester le transfert simulation-vers-réel, un défi toujours non résolu de façon fiable en robotique malgré les progrès des modèles VLA à grande échelle. Ce lancement s'inscrit dans l'expansion des efforts robotiques de Hugging Face, qui cherche à étendre son modèle open source au-delà du logiciel vers le matériel physique, après d'autres initiatives de plateformes robotiques low-cost. Pollen Robotics, société française déjà connue pour ses travaux en robotique open source, apporte son expertise en conception matérielle et logicielle à ce projet. Microduck se positionne aussi comme un outil pour l'expérimentation multi-robots, avec des scénarios évoqués comme des courses ou du football entre plusieurs unités, permettant d'étudier la robotique multi-agents sans recourir à des robots humanoïdes coûteux. Le produit reste pour l'instant au stade de l'annonce, avec une commercialisation effective attendue d'ici la fin de l'année, et son adoption réelle par la communauté des développeurs et chercheurs déterminera si cette approche accessible peut réellement accélérer la recherche en apprentissage physique.

FR/EU ecosysteme⚡Actu

1 source

41

2254Robohub 

Premier match de football humanoïde à 11 contre 11 disputé à la RoboCup 2026

Lors de RoboCup 2026, à Incheon en Corée du Sud, deux équipes de onze robots humanoïdes se sont affrontées sur un terrain de football, une première pour la compétition qui ambitionne un format complet à onze contre onze. Le match a opposé B-Human, de Brême, à HTWK Robots, de Leipzig, deux équipes allemandes pilotant des humanoïdes fournis par le fabricant Booster Robotics. Ubbo Visser, président de la RoboCup Federation, a salué les progrès réalisés en coordination collective et en compétences motrices, portés par les avancées récentes de l'intelligence artificielle embarquée. La fédération a diffusé des extraits vidéo du match ainsi qu'un article détaillé sur son site ; aucune donnée chiffrée précise sur les robots, comme la charge utile, les degrés de liberté ou la durée de cycle, n'a été communiquée, l'accent portant sur la performance collective plutôt que sur les spécifications techniques. Cet événement reste avant tout symbolique : il s'agit d'une compétition académique, non d'un déploiement commercial, et le format complet à onze joueurs par équipe n'avait jamais été testé en conditions de jeu réelles. Pour les intégrateurs et chercheurs en robotique humanoïde, la démonstration confirme que la coordination multi-robots autonomes progresse plus vite qu'attendu, même si l'écart avec un affrontement face à des joueurs humains professionnels reste considérable. Le fait que deux équipes concurrentes s'appuient sur la même plateforme matérielle, celle de Booster Robotics, illustre aussi une tendance de fond du secteur : la standardisation du hardware humanoïde au profit du logiciel de contrôle et d'IA, une séparation entre châssis et pile logicielle déjà à l'œuvre chez les acteurs commerciaux du domaine. La RoboCup a été fondée en 1997 avec un objectif affiché par ses créateurs : bâtir d'ici 2050 une équipe de robots autonomes capable de battre les champions du monde humains de football. Le match d'Incheon s'inscrit dans cette trajectoire de long terme, portée par une communauté de recherche universitaire distincte de la course commerciale menée par les fabricants de robots humanoïdes industriels ou de service. En équipant simultanément plusieurs équipes rivales, Booster Robotics se positionne comme fournisseur de référence pour la recherche en robotique humanoïde compétitive. La RoboCup Federation n'a communiqué aucun calendrier précis pour les prochaines étapes, mais prévoit de continuer à augmenter progressivement le nombre de robots par équipe lors de ses éditions futures.

Recherche❖Paper

1 source

42

2255TechNode 

La startup PsiBot, spécialisée en IA incarnée, lève plus de 100 millions de dollars avec des investisseurs industriels

PsiBot, startup chinoise spécialisée en manipulation dextre pilotée par IA incarnée, a boucle un tour de financement de plus de 100 millions de dollars, rapporte TechNode. Les nouveaux investisseurs incluent Ningbo Tuopu Group, un fonds adosse a Chery Holdings, Lens Technology, 37 Interactive Entertainment, Wuhu Investment Holding Group et Fosun Fortune Capital, aux cotes de l'actionnaire historique Zhuhai Technology Industry Group. Les fonds financeront la recherche sur les modèles du monde incarnes, la collecte de données de téléopération humaine et des déploiements en logistique et fabrication avancée. Ce tour de table confirme surtout l'appétit persistant du capital chinois pour l'IA incarnée, loin des projecteurs occidentaux. L'entrée d'investisseurs industriels comme Tuopu (équipementier automobile) et le fonds lie a Chery est le signal le plus concret : des acteurs de la chaine manufacturière parient sur un usage a court terme en usine. Son architecture duale, qui sépare politique d'action (Psi-R2) et modélisation du monde (Psi-W0), rejoint une approche déjà suivie par Nvidia avec GR00T N2 ou par Figure avec Helix, mais l'annonce ne fournit aucun volume ni client nomme : un financement n'est pas une preuve d'usage a l'échelle. PsiBot rejoint une liste déjà longue de startups chinoises d'IA incarnée ayant levé des tours a neuf chiffres, aux cotes d'AgiBot, Unitree, Galbot ou UBTech, dans une course ou le capital chinois mise sur le volume. Le profil des investisseurs, issus de l'automobile et du divertissement, illustre une diversification vers des groupes industriels en quête d'accès technologique ; aucun calendrier de pilotes ni de site de déploiement précis n'a été communique.

Chine/Asie⚡Actu

1 source

44

2256arXiv cs.RO 

Riemann-1.0 : un modèle d'action du monde incarné pour l'IA physique

Un preprint publie sur arXiv (2608.27033) présente Riemann-1.0, un "World Action Model" causal et autoregressif qui unifie, dans une seule séquence, observations visuelles multi-vues, états du robot et actions spécifiques a chaque embodiment. Le modèle est pré-entraine sur plus de 200 000 heures de données hétérogènes: vidéos humaines a la première personne, démonstrations avec pinces portables et trajectoires de robots varies. Il atteint 94,3% de réussite sur RoboTwin2.0, 99,0% sur LIBERO et 62,6% sur le benchmark compositionnel long-horizon RoboCasa-365, soit 8,4 points de plus que la meilleure méthode antérieure. Sur des taches réelles de manipulation longue durée, il obtient 85,0% de réussite (SR) et 94,4% de progression (PSR), soit 15 points de plus que le meilleur système open source de référence. Le résultat notable n'est pas seulement le score, mais l'architecture: un seul modèle fait a la fois office de politique de contrôle exécutable et de simulateur du monde conditionne par l'action, la ou la plupart des approches séparent prédiction vidéo et génération d'actions. Cela alimente le débat sur le passage a l'échelle des modèles vision-langage-action, en suggérant que des sources bon marche comme la vidéo humaine peuvent compléter des données robotiques rares pour améliorer la généralisation. Pour les intégrateurs, la prudence reste de mise: ces résultats proviennent d'un preprint non relu par les pairs, obtenus sur des benchmarks contrôles et des taches réelles décrites de façon générique, sans précision sur le site de test ni sur un déploiement en production. Riemann-1.0 se positionne contre trois familles de "world models" robotiques existantes, génération conjointe d'actions et d'images, prédiction vidéo suivie d'une politique séparée, ou architectures découplées, jugées limitantes par ses auteurs face a la fragmentation entre simulation du monde et contrôle du robot. L'article ne mentionne ni organisation commerciale a l'origine du projet, ni plateforme robotique associée, ni date de pilote ou de déploiement: il se presente comme un jalon de recherche plutôt que comme un produit livre. Les suites logiques, non confirmées dans le texte, porteraient sur l'extension a davantage d'embodiments et sur des essais en conditions réelles hors laboratoire, dans la lignée des travaux parallèles menés par d'autres laboratoires sur les modèles fondation pour la manipulation robotique.

IA physique⚡Actu

1 source

44

2257arXiv cs.RO 

CLAP : les modèles du monde vidéo à embodiment croisé, des simulateurs physiques sans apprentissage spécifique

Une nouvelle prépublication arXiv décrit CLAP, un framework de génération vidéo conditionnée par l'action capable d'apprendre simultanément sur des vidéos humaines et robotiques hétérogènes à l'échelle d'internet, plutôt que de rester cantonné à une seule plateforme comme la plupart des modèles existants. Il unifie les espaces d'action, incompatibles entre robots et absents des vidéos humaines, via trois représentations combinées : poses de l'effecteur terminal, instructions en langage naturel et actions latentes apprises automatiquement. L'entraînement suit un curriculum en deux temps, acquérant d'abord des a priori physiques génériques sur des vidéos non annotées avant de les ancrer dans l'espace des poses d'effecteur pour un déploiement zero-shot sur des tâches réelles. Sur le benchmark DROID, CLAP égale voire dépasse les modèles vidéo spécialisés à une seule plateforme, et a aussi été évalué sur Bridge, des robots bimanuels YAM et des humanoïdes G1 ; code et modèles sont publiés en open source sur omni-clap.github.io. L'enjeu dépasse la performance sur un benchmark : la plupart des modèles vidéo servant de simulateurs physiques pour entraîner ou évaluer des politiques robotiques restent liés à une seule plateforme, obligeant à recollecter des données coûteuses à chaque nouveau robot. En montrant qu'un modèle entraîné sur un corpus mixte humains et robots peut égaler des modèles spécialisés puis les dépasser via un fine-tuning few-shot, CLAP esquisse un paradigme où un modèle de monde générique s'adapte à moindre coût à chaque nouvel embodiment, un argument pertinent pour les intégrateurs qui multiplient bras bimanuels et humanoïdes. La promesse d'un simulateur physique « zero-shot » reste néanmoins à nuancer, les résultats portant sur des benchmarks académiques contrôlés plutôt que sur un déploiement industriel. Ce travail s'inscrit dans la multiplication des modèles de monde vidéo appliqués à la robotique, où la génération vidéo sert de plus en plus de proxy de simulation pour entraîner des politiques d'action sans multiplier les essais réels, un usage jusque-là limité par l'incompatibilité des espaces d'action et par l'absence de labels dans les vidéos humaines, qui composent pourtant l'essentiel des données disponibles à l'échelle d'internet. Les bancs d'essai (DROID, Bridge) et plateformes testées (bras bimanuels YAM, humanoïde G1) sont des références standard de la recherche en apprentissage robotique, ce qui situe CLAP comme un travail académique plutôt qu'un produit commercial. Les auteurs, qui publient l'ensemble du code et des modèles, présentent le fine-tuning few-shot comme la piste principale pour étendre ce paradigme à de nouvelles plateformes, sans calendrier de déploiement industriel annoncé.

IA physique❧Opinion

1 source

42

2258arXiv cs.RO 

TrapVLA : piéger les modèles vision-langage-action dans des modes d'échec configurés

Des chercheurs ont publié sur arXiv (2608.26578v1) une étude intitulée TrapVLA, décrivant une nouvelle attaque par porte dérobée contre les modèles Vision-Language-Action (VLA), qui pilotent des robots à partir d'instructions en langage naturel. Baptisée Configured Failure Trapping, la méthode va plus loin que les attaques classiques, qui se satisfont d'un échec quelconque : un déclencheur textuel furtif force le robot à échouer d'une façon précise et choisie à l'avance, par exemple en saisissant un objet avec un décalage de position prédéfini. Les auteurs ont conçu un moteur de génération de trajectoires cibles et deux bancs d'essai, Trap-LIBERO et Trap-RoboTwin, couvrant quatre modes d'échec. Testée en simulation et sur des robots réels, la méthode TrapVLA injecte ces échecs configurés tout en préservant les performances sur données saines. Cette recherche met au jour une faille propre aux VLA, la famille de modèles qui commence à piloter des robots industriels et de service, comme Pi-0, GR00T N2 ou Helix. En montrant qu'un attaquant peut imposer un mode de défaillance précis plutôt qu'un simple échec détectable, l'étude complique la détection par des audits classiques, qui cherchent des comportements aberrants plutôt que des erreurs discrètes et reproductibles. Pour les intégrateurs et décideurs qui envisagent de déployer des robots pilotés par des modèles fondation, la sécurité des données d'entraînement devient un critère aussi important que la capacité brute du modèle, notamment en logistique ou en manufacture. Ce travail reste une démonstration en environnement contrôlé, pas un incident observé sur un déploiement commercial. Le papier s'inscrit dans la continuité des recherches sur les portes dérobées, longtemps cantonnées aux classifieurs d'images et aux modèles de langage, désormais étendues aux agents robotiques incarnés où une erreur ciblée a des conséquences physiques directes. Les auteurs notent que les travaux antérieurs sur les portes dérobées VLA se limitaient à un échec générique, ce que Configured Failure Trapping dépasse en visant un échec configuré, donc plus discret. L'article ne propose aucune contre-mesure ni méthode de détection, seulement la construction de l'attaque et des bancs d'essai, laissant la défense pour des travaux futurs ; le code et les benchmarks sont publiés en ligne.

Recherche⚡Actu

1 source

40

2259arXiv cs.RO 

Planification du réarrangement de scènes pour l'IA incarnée

Une équipe de recherche présente Embodied Scene Rearrangement Planning (ESRP), une nouvelle tâche qui demande à un agent incarné de réorganiser des meubles dans une scène 3D pour atteindre une configuration cible, en ne disposant que d'observations égocentriques et d'un plan cible vu du dessus. Pour évaluer cette tâche, les auteurs publient ESRP-Bench, un benchmark construit sur le simulateur OmniGibson qui comprend plus de 5 400 paires de scènes et 8 200 objets, accompagné de trois métriques à plusieurs niveaux pour juger la qualité de la réorganisation. Quatre méthodes de référence sont testées: une approche hiérarchique de planification tâche-et-mouvement (TAMP), une méthode basée sur un modèle vision-langage (VLM), et deux approches par apprentissage, l'une par imitation (IL) et l'autre par renforcement (RL). Le papier est publié sur arXiv sous la référence 2608.27371, avec une page projet disponible sur pie-lab.cn/ESRP. L'intérêt de ce travail tient à sa contrainte centrale: contrairement aux tâches de réarrangement étudiées jusqu'ici, ESRP interdit tout accès à un état global de la scène et introduit des occlusions mutuelles entre objets, ce qui oblige l'agent à recouper des vues partielles avec un objectif global, un problème représentatif des limites réelles du déploiement robotique. Les résultats expérimentaux montrent que les quatre approches testées, y compris celles fondées sur des modèles vision-langage, peinent à accomplir la tâche efficacement sur un horizon long. Ce constat va à l'encontre de l'idée reçue selon laquelle les architectures VLA ou VLM se généralisent facilement à des tâches de planification complexe: ici, ni la planification symbolique classique ni l'apprentissage ne suffisent seuls face à la perception partielle et aux occlusions. ESRP s'inscrit dans la lignée des benchmarks de réarrangement de scènes utilisés pour évaluer la compréhension spatiale et la planification à long horizon chez les agents incarnés, mais se distingue en supprimant l'hypothèse commode d'un accès à l'état complet de l'environnement. Aucun calendrier de déploiement industriel n'est annoncé: il s'agit d'un jalon de recherche ouvert, destiné à servir de terrain d'essai standardisé pour la communauté avant tout transfert vers des scénarios robotiques réels.

Recherche❖Paper

1 source

40

2260arXiv cs.RO 

Ancrages de mémoire pour l'apprentissage continu des robots

Des chercheurs présentent, dans un article publie le 28 aout 2026 sur arXiv (2608.26545v1), une méthode baptisée "Memory Anchors" pour lutter contre l'oubli catastrophique des robots qui apprennent de nouvelles taches en continu. Le principe s'appuie sur les buffers de rejeu, habituellement échantillonnés au hasard parmi les expériences passées pour reentrainer la politique sur d'anciennes taches en parallèle des nouvelles. Les auteurs montrent qu'un petit sous ensemble de ces expériences, les "ancres mémoire", concentre l'essentiel de la protection: ce sont les cas ou les représentations internes d'observations d'une nouvelle tache s'effondrent sur celles d'une ancienne tache alors que les deux exigent des actions contradictoires, par exemple manipuler différemment un objet déjà connu. Sur la suite de benchmarks LIBERO, exclure seulement 10% de ces ancres du buffer multiplie par plus de 4,5 l'oubli catastrophique mesure. A l'inverse, enrichir le buffer en ancres mémoire réduit de 63% l'oubli sur les taches a fort conflit et permet un apprentissage continu réussi de deux séquences de taches sur un robot réel. Videos et visualisations sont disponibles sur robot-adaptation.github.io/MemoryAnchors. Pour les intégrateurs qui déploient des politiques robotiques de type VLA en production, l'oubli catastrophique reste un frein concret a la mise a jour continue des flottes: chaque nouvelle compétence ajoutée risque de dégrader des comportements déjà valides sur le terrain. En montrant qu'une fraction minime, environ 10%, du buffer de rejeu porte l'essentiel de la stabilité du système, ce travail suggère que le cout mémoire et calcul de l'apprentissage continu peut baisser sans sacrifier la rétention, un enjeu direct pour les couts de stockage et de reentrainement a l'échelle d'une flotte. La validation sur robot réel, au delà de la simulation LIBERO, renforce la crédibilité de l'approche, même si elle reste limitée a deux séquences de taches et ne démontre pas encore un passage a l'échelle vers des dizaines de compétences. L'approche s'inscrit dans la lignée des méthodes de rehearsal en apprentissage continu, ou le problème central est de choisir quelles expériences rejouer sans faire exploser la taille du buffer ni le temps d'entrainement; l'échantillonnage aléatoire restait jusqu'ici la norme faute de critère fiable. Le benchmark LIBERO, standard pour évaluer l'apprentissage continu de politiques robotiques, sert de terrain de comparaison. Aucun acteur industriel ni déploiement commercial n'est associe a cette publication, qui relève pour l'instant de la recherche académique; les prochaines étapes attendues portent sur l'extension a un plus grand nombre de taches et l'intégration éventuelle de ce critère de sélection dans des pipelines d'entrainement de politiques généralistes.

Recherche❖Paper

1 source

40

2261arXiv cs.RO 

Boucler la boucle sur le robot humanoïde Poppy : locomotion bipède par commande linéaire-quadratique et fonctions de coût apprises

Le Poppy Humanoid, robot bipède open source et bas coût conçu pour la recherche et l'enseignement en intelligence artificielle, ne disposait jusqu'ici d'aucune méthode publiée permettant une marche bipède fiable et sans assistance sur son matériel standard. Un nouvel article publié sur arXiv (2608.26505v1) comble cette lacune en présentant un contrôleur de marche en boucle fermée basé sur le régulateur linéaire quadratique (LQR), une technique classique de suivi de trajectoire. La méthode part de données collectées lors de la lecture en boucle ouverte d'une trajectoire de marche nominale, puis apprend une fonction de coût quadratique adaptée au contrôleur LQR pour améliorer la fiabilité du mouvement. Les auteurs valident empiriquement leur approche et démontrent une amélioration statistiquement significative des performances de marche par rapport à la simple lecture en boucle ouverte de la trajectoire. Ce travail illustre qu'un problème pratique persistant, la marche bipède fiable sur du matériel abordable, peut être résolu par du contrôle classique combiné à une fonction de coût apprise, sans recourir à des modèles massifs de type VLA (vision-language-action) ni à des actionneurs coûteux. Pour les équipes de recherche et les établissements d'enseignement qui utilisent des plateformes humanoïdes low-cost, ce résultat offre une méthode reproductible et documentée là où la littérature restait silencieuse, à l'opposé des annonces spectaculaires mais souvent peu vérifiables des programmes humanoïdes commerciaux. L'apport tient moins à la performance brute qu'à la démonstration qu'une boucle fermée bien conçue referme l'écart entre trajectoire planifiée et exécution réelle sur un robot contraint en puissance et en précision d'actionnement. Poppy est un projet robotique ouvert né dans les laboratoires français, historiquement associé à l'équipe Flowers de l'Inria à Bordeaux, pensé dès l'origine pour être imprimable en 3D, peu coûteux et accessible aux chercheurs et enseignants plutôt qu'à un usage industriel. Il se distingue nettement des programmes humanoïdes commerciaux à forte capitalisation comme Figure, Tesla Optimus ou Unitree, qui misent sur des actionneurs propriétaires haut de gamme. L'article ne mentionne pas de déploiement au-delà du cadre expérimental, mais ouvre la voie à des extensions vers des allures plus dynamiques et à une adoption communautaire élargie de la méthode.

FR/EU ecosysteme❖Paper

1 source

39

2262arXiv cs.RO 

Réseaux de neurones informés par la physique et sensibles aux contraintes pour l'estimation de forme statique des robots continuums co-manipulés

Un article publié sur arXiv (2608.26273v1) présente un réseau de neurones informé par la physique (PINN) pour estimer la forme statique de robots continus co-manipulatifs : des bras flexibles à câbles manipulant conjointement un objet souple, formant une chaîne fermée soumise à la fois à l'équilibre statique et à des contraintes géométriques de fermeture de boucle. Le modèle intègre un résidu d'équilibre projeté et un résidu géométrique de configuration. Avec 140 échantillons et 50 % de bruit sur les labels, il réduit l'erreur de configuration de 67,88 %, le résidu d'équilibre de 67,35 % et le résidu de fermeture de 88,06 % face à un réseau data-driven classique. Sur le jeu complet, il atteint 0,1597 % d'erreur avec un temps d'inférence de 0,1773 milliseconde, contre 17,97 secondes pour un solveur non linéaire itératif ; en expérimentation, le RMSE des marqueurs chute de 2,657 mm à 0,497 mm et le R2 passe de -0,788 à 0,937. Ce travail s'attaque à un verrou concret pour les intégrateurs de manipulation collaborative avec des systèmes souples : estimer en temps réel la forme d'un bras flexible en interaction fermée avec l'objet manipulé, sans recourir à un solveur trop lent pour un contrôle en boucle fermée. Le passage de plusieurs secondes à moins d'une milliseconde d'inférence ouvre la voie à un contrôle réactif, utile en chirurgie assistée, en inspection industrielle ou en manipulation coopérative de charges souples. Les résultats confirment aussi qu'injecter des contraintes physiques dans un réseau de neurones compense le manque de données et le bruit de mesure, là où une approche purement data-driven échoue. La validation reste toutefois surtout menée en simulation, ce travail demeurant un preprint non encore évalué par des pairs, loin d'un déploiement industriel. Les robots continus, structures inspirées des trompes d'éléphant capables de se déformer en continu plutôt que via des articulations rigides, se heurtent depuis longtemps au coût de calcul des modèles mécaniques non linéaires nécessaires pour prédire leur forme sous charge. Les approches existantes reposaient soit sur des solveurs itératifs précis mais lents, soit sur des réseaux data-driven rapides mais peu fiables hors distribution d'entraînement. En intégrant les équations de la mécanique directement dans la fonction de perte, les auteurs rejoignent le courant des réseaux de neurones informés par la physique et l'appliquent ici aux chaînes fermées formées par un bras à câbles et l'objet co-manipulé, sans mentionner de plateforme commerciale ni de partenariat industriel à ce stade.

Recherche❖Paper

1 source

39

2263arXiv cs.RO 

Réservation à emplacement fixe pour la collecte et livraison multi-agents en ligne dans des entrepôts denses

Un article publié sur arXiv (2608.26759v1) présente SHARP (Safe-Haven Retreat Planner), une méthode garantissant l'achèvement de toutes les tâches de ramassage-livraison confiées à des flottes de robots mobiles dans des entrepôts denses, où allées à sens unique, impasses et guidages arborescents empêchent un robot inactif d'attendre sans bloquer les autres. Chaque agent reçoit un "Havre" fixe, en général sa cellule de départ, que lui seul peut occuper et que les autres traitent comme un obstacle. Les auteurs démontrent formellement que ce contrat garantit la complétion de tout nombre fini de tâches libérées, sous des conditions d'accessibilité et de planification explicites. Face à trois algorithmes de référence, Token Passing (TP), Priority Inheritance with Backtracking (PIBT) et sa variante PIBTTP-TA, SHARP est le seul à atteindre 100% de réussite sur l'ensemble d'un test de robustesse, au prix d'un coût de calcul centralisé nettement plus élevé sur les layouts arborescents. Une variante sans réaffectation en cours de repli dégrade le temps de service de 1,89 fois et le makespan de 1,53 fois en condition de forte charge. Ce travail comble un angle mort documenté du MAPD (Multi-Agent Pickup and Delivery): les garanties théoriques existantes supposent généralement des points d'attente supplémentaires évitables par les chemins planifiés, ou une topologie biconnexe du réseau de guidage, deux hypothèses qui s'effondrent dans les entrepôts réels à forte densité de stockage. Pour les intégrateurs de flottes de robots mobiles autonomes et les exploitants d'entrepôts, le résultat est concret: un mécanisme de retour systématique vers une position réservée fixe peut restaurer la robustesse là où les algorithmes classiques échouent, sans repenser le layout physique pour ajouter des zones tampons. Le compromis entre robustesse garantie et coût de planification centralisée reste néanmoins le principal frein pratique à un déploiement à grande échelle. La méthode s'inscrit dans la continuité des algorithmes de coordination Token Passing et de la famille PIBT, références classiques du MAPF (Multi-Agent Path Finding) appliqué à la logistique automatisée. Les auteurs testent aussi une variante Token Passing à retour systématique vers le point de départ avec validation complète de trajectoire, qui retrouve une robustesse comparable sur les layouts arborescents testés, suggérant que le retour fixe est un mécanisme de robustesse indépendant de l'algorithme sous-jacent. L'étude reste à ce stade une contribution de simulation académique, sans déploiement industriel ni partenariat annoncé avec un opérateur d'entrepôt ou un fabricant d'AMR; une validation en conditions réelles constituerait la suite logique de ces travaux.

Recherche❖Paper

1 source

39

2264arXiv cs.RO 

Détection multimodale relaxation-consciente pour pince souple pilotée par structure-perception-apprentissage

Un article publié sur arXiv (arXiv:2608.26622v1, août 2026) présente une pince robotique souple à raideur variable qui combine caméra et thermographie infrarouge embarquées pour suivre en temps réel sa déformation et le champ de température au point de contact. Ces mesures alimentent un modèle d'apprentissage informé par la physique, qui reconstruit et compense la décroissance de force due à la relaxation viscoélastique des polymères pendant la tenue d'un objet. Lors d'un test de préhension et maintien de 280 secondes à force contrôlée, le système conserve la force cible avec une erreur absolue moyenne de 0,066 newton, contre des résultats inférieurs de 80% pour une pince à ouverture fixe et de 95% pour une méthode fondée sur la seule mesure instantanée. L'enjeu est concret pour les intégrateurs qui manipulent des objets fragiles ou irréguliers : la compliance des matériaux souples assure un contact sûr, mais leur viscoélasticité fait chuter la force de serrage au fil du temps, un défaut connu qui limite la fiabilité des pinces souples au-delà de quelques secondes de préhension. En associant perception optique et thermique continue à une compensation par apprentissage, l'étude illustre une co-conception mécanisme-IA où le matériel fixe les interactions possibles et le logiciel absorbe l'incertitude résiduelle, sans recourir à des capteurs de force dédiés et coûteux. Il s'agit néanmoins d'un résultat de laboratoire validé sur une seule tâche, et non d'une pince commercialisée. La démarche s'inspire de la préhension humaine, qui associe régulation de raideur selon la phase de saisie et retour sensoriel continu, un mécanisme que la robotique souple cherche à reproduire pour dépasser les limites des pinces rigides classiques. La relaxation de contrainte des matériaux viscoélastiques reste un frein connu à l'adoption des grippers souples en logistique et en manipulation fine, où les approches existantes se limitent le plus souvent à une ouverture fixe ou à une mesure de force instantanée, les deux baselines dépassées ici. L'article ne mentionne aucune affiliation industrielle ni calendrier de transfert produit : il s'agit d'une contribution de recherche fondamentale, sans pilote ni déploiement annoncé à ce stade.

Recherche❖Paper

1 source

38

2265arXiv cs.RO 

Sélection dynamique de zones refuges pour la livraison multi-agents en entrepôt contraint

Publié sur arXiv fin août 2026 sous la référence 2608.26939, A-sharp (Adaptive SHARP) est un algorithme de planification multi-agents de ramassage-livraison (MAPD) pour entrepôts exigus, couloirs à largeur d'un seul robot et postes en cul-de-sac. Il corrige SHARP (Safe HAven Retreat Planner), qui assignait à chaque robot un Haven fixe, zone d'attente protégée, obligeant parfois un repli éloigné après livraison. A-sharp réassigne ce Haven à chaque nouvelle tâche grâce à un test de disponibilité et une règle de libération différée empêchant deux robots de viser le même emplacement. Sous hypothèses de structure des Havens et de planification SIPP, les auteurs prouvent une complétude garantissant la livraison en temps fini, validée sur 72 000 exécutions couvrant 14 400 combinaisons carte/agents/taux/graine sur quatre cartes: sur 138 configurations à Havens excédentaires, A-sharp bat significativement SHARP dans 107 cas, jamais l'inverse, avec une réduction médiane du makespan de 16,7% sur la carte en arbre testée. Pour les intégrateurs de flottes AMR, cette contribution s'attaque à un point de blocage très concret des entrepôts à forte densité: dans une allée où un seul robot passe à la fois, une zone d'attente mal choisie ou saturée peut paralyser tout le flux logistique. En rendant les Havens dynamiques plutôt que figés par agent, A-sharp promet de réduire trajets et temps de cycle sans sacrifier les garanties formelles de non-blocage, un argument de poids pour des acheteurs B2B qui exigent des preuves avant tout déploiement en production. L'étude reste toutefois une validation en simulation sur des cartes synthétiques et non un test en entrepôt réel, et le gain de 16,7% ne concerne qu'une seule topologie parmi les 138 configurations testées. Le travail prolonge directement SHARP, dont A-sharp corrige la principale faiblesse: des affectations de Havens figées à l'initialisation. Il s'inscrit dans le champ actif du MAPD et du MAPF (Multi-Agent Path Finding), où coexistent des approches comme CBS ou PIBT, et où des acteurs industriels comme le français Exotec développent déjà des systèmes de stockage à très haute densité. Les auteurs ne mentionnent aucun calendrier de déploiement ni partenariat industriel: la contribution reste, à ce stade, un résultat algorithmique et théorique, dont l'étape naturelle suivante serait une validation sur des flottes robotiques réelles ou des layouts d'entrepôt propriétaires.

Recherche❖Paper

1 source

38

2266arXiv cs.RO 

Peau tactile pneumatique-tomographique pour la localisation multicontact et l'estimation de force

Une équipe de chercheurs présente, dans une nouvelle version de son article arXiv (2503.13036v3), une peau tactile à deux canaux combinant tomographie d'impédance électrique (EIT) et une couche de pression pneumatique. Le système associe la localisation multi-contact robuste de l'EIT à une mesure scalaire stable fournie par la couche pneumatique, utilisée pour estimer la force de contact. Une méthode de correction dite "location-aware" apprend, à partir d'une seule session de calibration, des champs de gain et de décalage spatiaux lisses, ce qui permet une estimation de force cohérente même en cas de contacts multiples simultanés. Avec cette correction, le système atteint une erreur quadratique moyenne (RMSE) de 0,59 N pour l'estimation de force en contact unique, testée sur des indenteurs de 10 à 25 mm de diamètre, soit une réduction de 35 à 60 % par rapport aux approches EIT seules (1,45 à 1,48 N). En configuration multi-contact, la RMSE par contact chute de 39,6 % par rapport à la couche pneumatique non corrigée utilisée seule. Ce résultat répond à un problème concret des peaux tactiles à base d'EIT : leur capacité à couvrir de grandes surfaces avec peu d'électrodes est reconnue, mais leur sensibilité non uniforme dégrade fortement la précision de l'estimation de force, un frein à leur usage pour la manipulation robotique fine ou la détection de contacts humains. En séparant les tâches, localisation par EIT, force par capteur pneumatique, les auteurs évitent de recourir à de larges jeux de données et à des pipelines d'apprentissage automatique lourds, généralement nécessaires pour corriger les biais de l'EIT seule. Pour les intégrateurs qui équipent mains robotiques, bras collaboratifs ou surfaces de robots humanoïdes en peau artificielle, cette approche laisse entrevoir une voie de calibration plus rapide et moins coûteuse à déployer à grande échelle, sans sacrifier la couverture spatiale. Le travail s'inscrit dans la lignée des recherches sur les peaux électroniques à base d'EIT, une technique déjà explorée pour réduire le nombre de capteurs nécessaires sur de grandes surfaces robotiques. Il ne s'agit toutefois que d'un résultat de recherche publié sur arXiv, sans partenaire industriel ni déploiement annoncé à ce stade : les auteurs présentent leur architecture comme une solution pratique et facile à calibrer, ouvrant la voie à une intégration future sur des peaux robotiques à grande échelle, sans préciser de calendrier ni de plateforme cible.

Recherche❖Paper

1 source

38

2267arXiv cs.RO 

4DSynth : synthèse procédurale contrôlable de mondes pour la simulation incarnée dynamique

Des chercheurs présentent 4DSynth, un système procédural qui transforme une description en langage naturel, un masque de plan (blueprint mask) ou une simple photographie en un environnement 4D éditable, complet avec géométrie explicite, acteurs animés, trajectoires sans collision et un état de simulation prêt pour la physique. L'architecture repose sur une représentation unique ancrée dans la géométrie, partagée entre plusieurs "routes" de scène, ce qui permet au même pipeline de gérer l'animation, la planification de caméra, le rendu et la génération de tâches sans traitement séparé pour chaque étape. Pour valider l'ensemble du pipeline, l'équipe a construit 4DSynth-Nav, un benchmark de navigation interactive généré entièrement à partir des scènes procédurales du système. Deux modèles vision-langage (VLM) ont été évalués sur trois niveaux de difficulté : les deux échouent sur la majorité des tâches et bloquent dès les premières sous-tâches, un résultat présent comme un révélateur des limites actuelles des VLM en navigation incarnée plutôt que comme une réussite du système. Cette approche répond à un goulot d'étranglement bien identifié dans la robotique incarnée : générer des environnements à la fois visuellement variés, physiquement interactifs et dynamiques dans le temps exige aujourd'hui un travail manuel considérable, et les résultats obtenus sont rarement réutilisables ou modifiables à grande échelle. En unifiant simulateurs procéduraux et générateurs 4D dans un seul pipeline contrôlable, 4DSynth ouvre la voie à la production de bancs d'essai à la demande pour l'entraînement et l'évaluation d'agents incarnés, avec l'avantage clé que chaque échec de modèle reste reproductible et chaque axe de difficulté ajustable indépendamment, un atout pour les équipes qui cherchent à diagnostiquer précisément où un agent décroche plutôt que de constater un score global. Le travail s'inscrit dans la convergence récente entre deux lignées de recherche jusqu'ici séparées, les simulateurs procéduraux capables de produire de vastes collections de scènes interactives d'une part, et les générateurs 4D récents produisant des dynamiques visuelles crédibles d'autre part. En combinant les deux sous une contrôlabilité explicite, les auteurs positionnent 4DSynth comme une infrastructure de benchmarking plutôt qu'un produit commercial, destinée à devenir une base pratique pour développer et tester des agents incarnés à mesure que la communauté cherche des évaluations plus rigoureuses que les démonstrations ponctuelles.

Recherche❖Paper

1 source

38

2268arXiv cs.RO 

SOLO : locomotion humanoïde perceptive stable, tout-terrain et longue portée

Des chercheurs présentent SOLO (Stable Omni-terrain Long-horizon perceptive humanoid locomotion), décrit dans un preprint publié sur arXiv (arXiv:2608.26583), pour corriger la fragilité des politiques de locomotion perceptive des robots humanoïdes sur de longues distances. Le problème identifié est double : la reconstruction dense du terrain lisse les détails critiques pour l'action, comme les bords de marches ou de pierres de gué, et l'apprentissage par imitation point par point ne distribue pas correctement le crédit temporel entre une action passée et une erreur future. SOLO combine deux composants : un "Query Reconstructor" (QR), qui utilise des requêtes de cellules encodées par transformée de Fourier pour extraire des informations spatialement précises à partir des tokens de profondeur et de proprioception tout en préservant les frontières nettes du terrain, et une distillation "Trajectory-Aware MSE" (TA-MSE), qui ajoute au signal de récompense PPO un terme de désaccord entre l'état futur prédit et celui du modèle professeur, permettant à l'estimation d'avantage généralisée de répercuter les pénalités futures sur les actions précédentes. En simulation, le QR réduit l'erreur L1 de la carte de hauteur d'un facteur 3,3 à 4,0, et la méthode TA-MSE dépasse les approches PPO classiques et MSE+PPO en progression de curriculum. Sur des terrains de test extrêmes, SOLO atteint 97,5% de réussite moyenne de franchissement et 96% sur les pierres de gué, contre 75,0-75,6% et seulement 0-3% pour les variantes à reconstruction dense. Déployé en zero-shot avec pour seuls capteurs une caméra de profondeur montée sur le torse et la proprioception, le système a bouclé un parcours extérieur continu de 1,5 km ainsi qu'un parcours intérieur à terrain mixte. Ce travail cible un point faible récurrent des démonstrations humanoïdes actuelles : la plupart des vidéos montrent des trajectoires courtes et contrôlées, alors que la marche réelle sur de longs horizons accumule des erreurs de perception et de contrôle jusqu'à la chute. En validant son approche sur un trajet continu de 1,5 km en extérieur plutôt que sur des clips sélectionnés, SOLO apporte une preuve plus exigeante que la moyenne du secteur, même s'il s'agit d'un résultat de recherche et non d'un produit commercialisé. Pour les intégrateurs travaillant sur la navigation en terrain non structuré (chantiers, logistique extérieure, inspection), l'argument clé est la frugalité capteur : une seule caméra de profondeur et la proprioception suffisent, sans LiDAR dense ni cartographie 3D lourde, ce qui réduit le coût matériel et la charge de calcul embarquée. Cela contredit l'hypothèse répandue selon laquelle une reconstruction de terrain plus dense améliore mécaniquement la robustesse : les auteurs montrent au contraire qu'une reconstruction trop lissée nuit à la prise de décision fine. SOLO s'inscrit dans la recherche sur la locomotion humanoïde dite perceptive, où perception embarquée et apprentissage par renforcement (PPO) sont combinés pour franchir des obstacles détectés en temps réel, un domaine où le transfert simulation-vers-réel reste le principal goulot d'étranglement face à la diversité des terrains. Contrairement aux communications des fabricants commerciaux de robots humanoïdes, ce travail reste un résultat académique publié en preprint, accompagné d'une page projet dédiée, sans partenariat industriel ni calendrier de commercialisation annoncés. Aucun acteur français ou européen n'apparaît dans cette publication. La suite logique, non précisée par les auteurs, serait un portage sur des plateformes humanoïdes commerciales existantes et des essais en conditions réelles prolongées au-delà des deux parcours déjà validés.

Recherche❖Paper

1 source

38

2269arXiv cs.RO 

RTNav : vers une navigation d'objets sans exemple en temps réel

Une équipe de recherche présente RTNav dans un article publié sur arXiv sous la référence 2608.26496v1, consacré à la navigation robotique zero-shot vers des objets non spécifiés à l'avance, en environnement inconnu. Le constat de départ est que les modèles de vision et de langage utilisés pour la navigation dite "zero-shot" introduisent une latence d'inférence non négligeable, largement ignorée jusqu'ici car la plupart des méthodes de référence sont évaluées dans des simulateurs synchrones, où l'environnement attend que l'agent termine son calcul avant d'avancer, rendant le temps de calcul artificiellement gratuit. Les auteurs démontrent que ces méthodes de pointe subissent une dégradation de performance nette dès qu'elles sont testées en conditions réelles de temps d'horloge, où chaque milliseconde de calcul consomme le budget de temps de la tâche. RTNav est conçu comme une architecture qui traite explicitement la latence d'inférence, l'avancement asynchrone de l'environnement et les contraintes de calcul borné comme des paramètres de conception à part entière, plutôt que comme un enchaînement séquentiel perception-raisonnement-action. Sur des variantes temps réel des benchmarks HM3D-v1, HM3D-v2 et HM3D-OVON, RTNav améliore le taux de succès jusqu'à 11 points et le score SCT (Success weighted by Completion Time) jusqu'à 5,1 points par rapport aux méthodes précédentes. Ce travail met le doigt sur un angle mort méthodologique du secteur de la navigation robotique autonome: la plupart des benchmarks académiques masquent le coût réel de l'inférence des grands modèles de vision-langage, ce qui peut donner une image trompeuse de la maturité de ces systèmes pour un déploiement embarqué. Pour les intégrateurs et équipes robotiques travaillant sur des AMR ou des plateformes mobiles amenées à opérer en continu dans le monde réel, cela confirme qu'une architecture pensée pour un simulateur synchrone ne se transpose pas telle quelle sur du matériel avec budget de calcul et de temps limité, et que l'écart simulation-réalité concerne aussi la dimension temporelle, pas seulement la perception. Le papier s'inscrit dans la lignée des travaux sur la navigation d'objets zero-shot appuyés sur des modèles de fondation vision-langage, un domaine de recherche actif où les gains rapportés se mesurent généralement en simulation pure. En reformulant l'évaluation autour de contraintes temps réel plutôt que de la seule précision de navigation, RTNav ouvre la voie à des comparaisons plus proches des conditions de déploiement effectif, sans toutefois qu'aucun essai sur robot physique ni partenariat industriel ne soit mentionné à ce stade.

Recherche❖Paper

1 source

38

2270arXiv cs.RO 

STEP : estimation et planification des tâches sensibles à l'état avec des LLM multimodaux pour la collaboration homme-robot

Des chercheurs présentent STEP (State-aware Task Estimator and Planner), un système publié le 27 août 2026 sur arXiv (arXiv:2608.27225v1) qui vise à améliorer la planification de tâches par des robots collaboratifs en environnement industriel. Le constat de départ est que les modèles de langage multimodaux (MM-LLM) récemment utilisés pour interpréter les actions humaines et générer des plans d'action en langage naturel, via apprentissage en contexte dans des scénarios pauvres en données, souffrent de deux défauts majeurs : ils ne suivent pas l'état réel du système ni ses transitions, ce qui produit des actions hallucinées s'écartant de l'objectif visé, et leurs plans restent formulés à un niveau trop abstrait, créant de l'ambiguïté au moment de l'exécution. STEP corrige cela en forçant le MM-LLM à estimer explicitement l'état du système et à prédire les transitions d'état résultant de chaque action exécutée, en plus de générer les actions elles-mêmes. Cette prédiction conjointe état/action garantit une planification convergente vers l'objectif et fournit les paramètres d'assistance nécessaires à l'exécution. Testé sur une tâche d'assemblage robotique en environnement simulé, STEP dépasse l'état de l'art de 32,8% en taux d'exécutabilité des actions et de 14,8% en réduction de l'erreur d'état final. Pour les intégrateurs et concepteurs de systèmes de cobotique industrielle, ce travail s'attaque directement à un point de friction connu des architectures de planification fondées sur les LLM : le décalage entre un plan verbalisé de façon plausible et un plan réellement exécutable par un robot, faute d'ancrage dans l'état physique du système. En rendant le suivi d'état explicite plutôt qu'implicite, STEP réduit le risque d'hallucination d'actions, un problème récurrent quand un LLM générique est plaqué sur une tâche de manipulation sans supervision d'état. Les gains rapportés, mesurés sur l'exécutabilité et l'erreur d'état final plutôt que sur des métriques cosmétiques, ciblent précisément la fiabilité opérationnelle recherchée en assemblage collaboratif homme-robot, un segment où la marge d'erreur tolérée reste faible. Ces résultats s'inscrivent dans la lignée des travaux récents exploitant les MM-LLM pour la planification de tâches en contexte de données rares, où l'apprentissage en contexte permet de s'affranchir d'un réentraînement lourd. Il faut toutefois noter que la validation se limite à un environnement simulé et à une seule tâche d'assemblage, sans démonstration sur robot physique ni déploiement industriel réel. STEP reste donc à ce stade une contribution de recherche méthodologique, dont la prochaine étape logique serait une validation sur du matériel réel et sur une variété de tâches plus large avant toute application en production.

Recherche❖Paper

1 source

37

2271arXiv cs.RO 

Utiliser le raisonnement des VLM pour contraindre la planification tâche-mouvement

Des chercheurs proposent une méthode baptisée VIZ-COAST, décrite dans une nouvelle version (v3) d'un article déposé sur arXiv (2510.25548), qui exploite des modèles vision-langage (VLM) pré-entraînés à grande échelle pour améliorer la planification de tâches et de mouvements (TAMP, Task and Motion Planning) en robotique. Le principe repose sur le raisonnement spatial de bon sens de ces VLM pour repérer, avant même de lancer la recherche de plan, les endroits où un plan de haut niveau risque de ne pas se traduire en trajectoire de mouvement continue exécutable. Les auteurs ont testé leur approche sur trois domaines TAMP jugés complexes, en extrayant des contraintes plausibles directement à partir d'images et de descriptions de domaine. Résultat annoncé : une réduction drastique des temps de planification, et dans certains cas une élimination complète des échecs de raffinement (downward refinement), avec une généralisation à un ensemble varié d'instances au sein d'un même domaine plus large. Il s'agit à ce stade d'un travail de recherche publié en prépublication, sans déploiement industriel ni produit commercialisé associé. L'enjeu touche un goulot d'étranglement classique de la planification robotique à long horizon : les plans de tâches sont construits sur une abstraction du monde pour rendre la recherche efficace, mais cette abstraction ne garantit pas qu'un plan valide au niveau symbolique puisse réellement être exécuté par un planificateur de mouvement continu. Quand ce lien (le raffinement descendant) est mauvais, des plans en apparence corrects échouent en cours d'exécution, forçant un replanification coûteuse en temps. Les méthodes existantes ne corrigent ce problème qu'après coup, une fois l'échec constaté, en gaspillant du temps de calcul sur des branches de recherche infaisables. L'apport de VIZ-COAST est de déplacer cette détection en amont, en utilisant le sens commun spatial des VLM comme filtre a priori plutôt que comme diagnostic a posteriori, ce qui rejoint une tendance plus large consistant à injecter les capacités des modèles de fondation vision-langage dans les piles de planification classiques utilisées par l'industrie robotique, notamment pour les systèmes de manipulation et de navigation à long horizon. Le contexte scientifique est celui des limites bien connues du TAMP, où l'écart entre plan symbolique et exécution physique reste un frein à l'autonomie des robots sur des tâches longues et complexes. Les travaux antérieurs cités par les auteurs se contentaient d'encoder les échecs de raffinement en contraintes correctives une fois détectés pendant la planification. VIZ-COAST s'inscrit dans la lignée des approches combinant VLM et robotique symbolique, sans toutefois préciser d'implémentation matérielle, de partenaire industriel ni de calendrier de déploiement : il s'agit pour l'instant d'une validation expérimentale sur des domaines de test, dont la prochaine étape logique serait une évaluation sur des plateformes robotiques réelles.

Recherche❖Paper

1 source

37

2272arXiv cs.RO 

Robots à tenségrité continuum : des morphologies adaptables aux tâches pour des comportements coopératifs

Une prépublication arXiv (2608.27221v1, fin août 2026) présente un nouveau robot modulaire reconfigurable combinant un corps compliant à base de tenségrité et des mécanismes de connexion par griffes. Chaque unité manipule des objets et se déplace de façon autonome ; plusieurs unités peuvent s'assembler et se reconfigurer en chaînes, boucles ou structures ramifiées pour coopérer sur des tâches de manipulation et de locomotion. Les auteurs démontrent ces capacités en conditions réelles : transport et manipulation coordonnés d'objets, locomotion multimodale, et loco-manipulation combinant déplacement et prise. L'abstract ne fournit aucun chiffre sur les degrés de liberté, la charge utile ou le nombre d'unités testées simultanément. L'intérêt tient à la combinaison de deux familles de robots jusque-là disjointes : les robots modulaires reconfigurables, capables de s'assembler mais généralement rigides et peu tolérants aux chocs, et les robots à structure continue, souples grâce à leur colonne flexible mais incapables de se reconfigurer en configurations multi-robots. En unifiant compliance structurelle et reconfiguration collective, l'approche ouvre une piste pour des collectifs robotiques polyvalents changeant de forme selon la tâche, un sujet suivi par les intégrateurs en logistique non structurée, exploration spatiale ou intervention en zone sinistrée. Il s'agit d'une démonstration de recherche en laboratoire, pas d'un produit commercialisé : fabrication, espace et sauvetage restent des applications potentielles, non des déploiements validés. Le travail s'inscrit dans la lignée des robots à tenségrité, structures rigides maintenues en tension par câbles ou ressorts, légères et résistantes aux impacts mais historiquement difficiles à contrôler finement pour la manipulation. Il se positionne face aux robots modulaires rigides existants, dont la reconfiguration est bien maîtrisée mais la compliance limitée, et face aux robots continus classiques, compliants mais figés dans une seule configuration. En combinant les deux via des connexions par griffes, les auteurs posent, selon leurs termes, les bases de collectifs robotiques adaptables. La prépublication ne mentionne ni partenaire industriel, ni calendrier de transfert, ni essai pilote programmé.

Recherche❖Paper

1 source

37

2273arXiv cs.RO 

Découpler planification et contrôle pour des agents instructibles

Une équipe de recherche publie sur arXiv (2608.26788v1) l'article « Decoupling Planning and Control for Instructable Agents », qui présente le système Instruct-to-Act. L'architecture associe un modèle vision-langage (VLM) pré-entraîné, chargé de traduire instructions et observations en plans de haut niveau peu fréquents, à un contrôleur de type « world model » entraîné pour agir en autonomie à haute fréquence à partir de ces instructions. Pour le rendre instructable, les chercheurs relabellisent des trajectoires du contrôleur avec des instructions synthétiques et optimisent conjointement clonage de comportement, récompense et modélisation du monde. Le système est testé sur sept environnements simulés, dont trois multi-agents où des planificateurs VLM coordonnent par le langage pendant que les contrôleurs entraînés agissent comme actionneurs. Ce travail répond à une limite bien identifiée dans le secteur : les VLM planifient bien à partir d'instructions et d'observations, mais peinent à transformer ces plans en actions fiables et rapides en environnement inconnu, tandis que les contrôleurs « world model » contrôlent vite mais manquent de guidage sur la tâche à accomplir. À espaces d'observation et d'action équivalents, l'approche découplée surpasse de façon constante les variantes contrôleur seul et génération d'action directe par le VLM, tout en gardant un contrôle rapide et en permettant de changer de planificateur VLM sans réentraîner le contrôleur, un atout pour des intégrateurs voulant faire évoluer le « cerveau » sans retoucher les « réflexes » du robot. Elle reste toutefois seulement compétitive, et non systématiquement supérieure, face à des références vision-langage-action (VLA) et RL multi-agent solides, sur six tâches sur sept. Il s'agit d'un article de recherche, non d'une annonce produit : le résumé ne cite aucune entreprise ni robot commercial, et les sept environnements testés sont simulés, sans déploiement sur matériel réel évoqué. La démarche rejoint une tendance de l'apprentissage robotique consistant à séparer un raisonnement lent de haut niveau d'un contrôle réactif rapide, déjà explorée par des systèmes industriels comme Helix chez Figure ou GR00T N2 chez Nvidia. Aucun pilote ni calendrier vers des robots physiques n'est mentionné : la contribution porte sur la méthodologie et sa capacité à généraliser entre plusieurs bancs d'essai simulés.

Recherche⚡Actu

1 source

37

2274arXiv cs.RO 

Apprentissage rapide sur robot pour compétences de manipulation dynamique : le jonglage robotique

Un article publié sur arXiv (2608.26800v1) présente un cadre d'apprentissage en ligne permettant à un robot bimanuel d'apprendre à jongler directement sur du matériel physique, en moins de cinq minutes d'interaction réelle. Équipé de deux bras, de mains multi-doigts et d'une vision embarquée, le robot maîtrise cinq figures classiques de jonglage à trois balles : cascade, tennis, demi-douche, douche et boîte. La méthode, dite d'apprentissage régularisé par mémoire, combine un modèle local construit à partir de l'expérience accumulée sur le robot avec un modèle global préalable qui sert à extrapoler là où les données manquent. Un mécanisme de sécurité, appelé ensemble mutuellement atteignable, garantit que chaque transition entre lancer et rattrapage reste dans les limites articulaires et d'actionneurs des deux bras. Ce résultat s'attaque à l'écart persistant entre simulation et réalité en robotique : plutôt que de chercher à améliorer la fidélité du simulateur, les auteurs montrent qu'un modèle imparfait suffit comme socle à un apprentissage rapide directement sur le robot. Cela contredit l'hypothèse répandue selon laquelle un pré-entraînement massif ou une collecte de données prolongée est nécessaire pour des tâches de manipulation dynamique exigeant une coordination fine entre perception et action en temps réel. Pour les intégrateurs et décideurs industriels, l'approche suggère des robots capables de s'adapter en quelques minutes à une nouvelle tâche sur site plutôt qu'après des semaines de réentraînement hors ligne, ce qui réduirait le coût et les délais de déploiement de systèmes manipulateurs dextres. Le jonglage sert ici de banc d'essai à des compétences de manipulation dynamique et rapide, un registre distinct des tâches quasi statiques comme la préhension ou le tri qui dominent les démonstrations commerciales actuelles. L'abstract ne précise ni l'affiliation des auteurs ni la plateforme robotique utilisée, au-delà de sa description fonctionnelle. Ce travail s'inscrit dans une tendance de recherche visant à dépasser les politiques figées apprises hors ligne, au profit de robots capables d'affiner en continu leur comportement au contact du monde réel. Les auteurs présentent ce résultat comme une preuve de concept, une étape vers des systèmes qui exploitent des connaissances préalables imparfaites tout en s'améliorant continuellement par leur propre expérience physique.

Recherche❖Paper

1 source

37

2275arXiv cs.RO 

TemporalFlow-VLA : un historique d'exécution physiquement ancré pour la manipulation robotique à long horizon

Des chercheurs ont publié en août 2026 sur arXiv (référence 2608.26821) un article présentant TemporalFlow-VLA, un modèle vision-langage-action (VLA) conçu pour la manipulation robotique multi-étapes de longue durée. Le système construit un flux temporel robot-surface à partir des états enregistrés du robot, de sa géométrie et de caméras calibrées, utilisé uniquement comme signal d'entraînement pour superviser deux requêtes temporelles alignées sur l'exécution qui fournissent un historique structuré à l'expert d'action du modèle. Sur le benchmark LIBERO, le système atteint un taux de réussite moyen de 97,63% (+/- 0,26 point), dont 96,60% (+/- 0,87) sur le sous-ensemble LIBERO Long dédié aux tâches longues. Sur RoboTwin, qui regroupe 12 tâches de manipulation, il obtient 85,5% de réussite en conditions propres et 84,2% en conditions randomisées. La voie de supervision géométrique n'intervient qu'à l'entraînement et n'est pas évaluée au déploiement, ce qui, combiné à une mise en cache asynchrone des caractéristiques, permet de conserver une latence d'inférence côté serveur équivalente à celle d'un traitement image par image, sans surcoût lié à l'encodage de l'historique. L'enjeu pointé par les auteurs est concret pour l'industrie: empiler simplement des images historiques dans un modèle VLA ne suffit pas à capter un changement physique récent, en particulier quand deux états visuellement quasi identiques appellent des actions différentes selon ce qui a été exécuté juste avant, un piège classique dans les tâches à plusieurs étapes comme l'empilement ou l'assemblage séquentiel. Des interventions contrôlées sur l'historique fourni au modèle montrent que la prédiction d'action dépend à la fois du contenu de cet historique et de son ordre temporel, confirmant que le raisonnement temporel agit comme un facteur causal de performance et non comme un simple bonus. Pour les intégrateurs et décideurs qui évaluent des piles VLA face à des offres comme Pi-0, GR00T N2 ou Helix, ce travail suggère qu'une part significative de l'écart de performance sur les tâches longues tient moins à la taille du modèle qu'à la façon dont l'historique d'exécution est structuré et injecté, sans alourdir la latence en production. Le papier s'inscrit dans une vague de recherches cherchant à combler l'écart entre démonstrations en laboratoire et généralisation réelle des VLA sur les tâches longues, un problème récurrent du secteur. Il se positionne explicitement en alternative aux approches qui nécessitent une estimation de mouvement ou un traitement géométrique explicite au moment de l'inférence, coûteux en calcul et en latence pour un déploiement en production. Aucun acteur industriel ni site de déploiement commercial n'est mentionné: il s'agit à ce stade d'un travail de recherche évalué uniquement sur les bancs d'essai en simulation LIBERO et RoboTwin, sans validation annoncée sur robot physique ni calendrier de mise en production. Reste à voir si cette approche de supervision temporelle sera reprise par des laboratoires ou fournisseurs de piles VLA commerciales pour la manipulation industrielle de longue durée.

Recherche❧Opinion

1 source

37

2276arXiv cs.RO 

Planification d'une disposition de montage modulaire commune pour les étapes de désassemblage robotisé

Une équipe de recherche présente un système de fixation modulaire à ventouses capable de planifier une configuration de support unique, partagée pour l'ensemble d'une séquence de désassemblage robotique, sans reconfiguration du montage entre les étapes. La méthode a été testée sur deux produits, un tournevis et un rasoir électrique. Pour explorer l'espace de configuration mixte, à la fois continu et discret, un modèle de diffusion probabiliste par débruitage génère des configurations initiales informées par la physique, ensuite affinées par optimisation bayésienne sous évaluation répétée à chaque étape du désassemblage. Des essais robotiques de dévissage et de retrait de composants ont confirmé la faisabilité mécanique des dispositions planifiées, tandis que onze tests de charge directionnelle en ont quantifié la stabilité. Les marges de stabilité empiriques moyennes mesurées atteignent 66,9% pour le tournevis et 81,6% pour le rasoir. Les travaux sont publiés sur arXiv sous la référence 2608.27151v1. Le désassemblage robotique de produits de forme irrégulière, typique de l'électroménager ou de l'électronique grand public, bute sur un problème mécanique souvent sous-estimé : à mesure que des composants sont retirés, la surface de support disponible, la répartition de la masse et les charges appliquées évoluent, si bien qu'une fixation conçue pour l'état initial du produit peut devenir inutilisable aux étapes suivantes. En pratique, cela impose souvent une reconfiguration manuelle du montage entre chaque étape, ce qui alourdit le temps d'ingénierie et casse la continuité d'une ligne automatisée destinée au recyclage ou au reconditionnement. En planifiant la fixation sur l'ensemble de la séquence plutôt qu'étape par étape, cette approche réduit les interruptions et le travail de qualification nécessaire pour adapter un poste de désassemblage à un produit donné. Pour les intégrateurs et décideurs impliqués dans l'économie circulaire électronique, elle constitue une piste concrète pour rendre les cellules de désassemblage plus polyvalentes sans multiplier les outillages dédiés. Ce travail s'inscrit dans un courant de recherche plus large sur la planification de préhension et de fixation robotiques, où des modèles génératifs par diffusion commencent à remplacer les méthodes d'optimisation purement combinatoires pour proposer des points de départ physiquement plausibles avant un raffinement fin par optimisation bayésienne. Sa spécificité est de chercher une configuration de fixation commune valable sur toute une séquence de désassemblage, plutôt qu'une fixation reconfigurée à chaque étape comme c'est souvent le cas dans les travaux existants. L'article ne précise ni le laboratoire d'origine ni de calendrier de transfert industriel : il s'agit à ce stade d'une validation expérimentale en conditions de laboratoire sur deux produits de test, sans déploiement en usine ni partenariat industriel annoncé.

Recherche❖Paper

1 source

37

2277arXiv cs.RO 

Modèles de récompense résiduels : exploiter les connaissances a priori pour un apprentissage par renforcement basé sur les préférences efficace en robotique

Les chercheurs proposent les Residual Reward Models (RRM), une méthode d'apprentissage par renforcement basé sur les préférences (PbRL) destinée à réduire le volume de retours humains nécessaires pour entraîner des robots. Publié sur arXiv (2507.00611v2), le papier part d'un constat pratique: le PbRL classique apprend une fonction de récompense à partir de démonstrations puis l'affine avec des préférences humaines, mais le passage d'une fonction de perte à l'autre pendant l'entraînement d'un réseau de neurones déstabilise souvent l'optimisation et dégrade les performances. L'idée du RRM est de décomposer la récompense réelle de l'environnement en deux termes: une récompense a priori, fixée avant l'entraînement (heuristique d'ingénierie, récompense générée par un modèle de langage, ou fonction apprise par apprentissage par renforcement inverse), et une récompense résiduelle apprise ensuite à partir des préférences humaines. Les auteurs valident l'approche sur les bancs d'essai en simulation Meta-World et DM-Control, puis sur un robot physique Franka Panda, où la méthode accélère l'apprentissage de politiques et atteint des taux de réussite élevés en moins d'étapes que les méthodes de référence. Pour l'industrie robotique, ce travail s'attaque directement au goulot d'étranglement du PbRL: le coût et le volume de feedback humain nécessaires pour spécifier des comportements complexes sans concevoir manuellement des fonctions de récompense fragiles. En montrant un gain de sample efficiency sur plusieurs types de récompenses a priori et sur un bras robotique réel, l'étude appuie l'idée que combiner connaissances préalables (heuristiques, LLM, apprentissage inverse) et apprentissage par préférences peut rendre l'entraînement de politiques robotiques plus praticable hors laboratoire, un enjeu clé pour les intégrateurs qui cherchent à réduire le temps d'ingénierie de récompense avant déploiement. Ce travail s'inscrit dans la lignée des recherches en RLHF appliqué à la robotique, où l'instabilité liée aux changements de fonction de perte entre phases d'entraînement est un problème documenté. Le choix de Meta-World et DM-Control comme bancs d'essai standards, complété par une validation sur un Franka Panda physique, positionne cette contribution comme un travail académique avec preuve de concept matérielle plutôt qu'un produit commercial. Le papier ne mentionne ni partenaire industriel ni feuille de route de déploiement; il reste, à ce stade, une contribution méthodologique destinée à d'autres chercheurs en apprentissage par renforcement et en robotique.

Recherche❖Paper

1 source

36

2278arXiv cs.RO 

GRAFT : adaptation par renforcement en ligne, ancrée et efficace, pour une manipulation robotique de précision

Un article déposé sur arXiv (2608.27079v1) présente GRAFT (Grounded Reinforcement Adaptation for Fast Task Learning), un cadre d'adaptation en ligne par renforcement de politiques vision-langage-action (VLA) pré-entraînées à des tâches de manipulation robotique fine en biomédical. La méthode apprend des ancrages visuels propres à chaque point de vue via une supervision au niveau des régions de l'image, sans exiger de propositions de régions au déploiement, et combine génération d'action en une seule étape avec réutilisation en cache du préfixe visuo-linguistique pour accélérer l'apprentissage. Sur quatre tâches de manipulation biomédicale, les auteurs annoncent un gain de 25 points de pourcentage de réussite à budget d'adaptation égal, avec un coût de calcul réduit pour les mises à jour. Le travail cible un verrou concret des VLA : entraînés sur de larges corpus de démonstrations, ils offrent de bons a priori généraux mais peinent sur des tâches où la réussite dépend d'indices visuels subtils et dépendants du point de vue, alors que la récompense de tâche ne dit rien des régions qui comptent. Le coût de calcul de l'inférence VLA et des mises à jour par rejeu limite l'apprentissage en ligne sur robot réel. En réduisant interactions nécessaires et coût par mise à jour, GRAFT plaide pour une adaptation en ligne plutôt que pour le seul réglage fin hors ligne ou la collecte massive de démonstrations, débat suivi autour de modèles comme Pi-0, GR00T N2 ou Helix. Le gain de 25 points annoncé n'est pas contextualisé : ni taux de référence ni détail des quatre tâches ne sont précisés. Classé comme nouveau dépôt sur arXiv, le document ne cite ni laboratoire ni entreprise porteuse, ni plateforme robotique précise, ce qui le situe côté recherche académique plutôt que produit commercialisé. Il s'inscrit dans la lignée des modèles VLA généralistes récents tels Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, conçus pour des a priori de manipulation transférables mais nécessitant une adaptation spécifique avant usage réel. GRAFT vise l'adaptation par renforcement en ligne, voie moins explorée que le réglage fin hors ligne. Aucune publication de code ni de pilote avec un partenaire biomédical n'est annoncée.

IA physique⚡Actu

1 source

36

2279arXiv cs.RO 

PredVLA : une politique de codage prédictif à moins d'un million de paramètres pour la manipulation robotique

Une équipe de recherche présente PredVLA, une politique de contrôle robotique conditionnée par le langage ne comptant que 0,68 million de paramètres entraînables et sans pretraining sur des données robotiques, décrite dans un article publié sur arXiv (2608.26673). Contrairement aux architectures vision-language-action dominantes, construites sur des transformeurs préentraînés à grande échelle, PredVLA repose sur un codage prédictif hiérarchique : un réseau récurrent génératif prédit les caractéristiques visuelles et la proprioception, les observations n'influençant l'état latent que via une inférence en ligne fondée sur les erreurs de prédiction sensorielle. Sur le benchmark LIBERO, il atteint 86,9% de réussite moyenne sur les trois suites à court horizon, et 75,4% avec la suite à long horizon incluse. Dans une comparaison contrôlée à conditions identiques, il affiche un taux de réussite 3,7 fois supérieur à un Transformer et 7,4 fois supérieur à un LSTM de taille comparable. Ce résultat bouscule une hypothèse répandue dans le secteur : que le contrôle manipulatoire conditionné par le langage exige des modèles massifs, préentraînés sur d'immenses corpus de démonstrations robotiques. Avec un réseau plus de mille fois plus petit que les grands VLA de référence et sans pretraining robotique, PredVLA suggère qu'une architecture récurrente générative bien conçue peut capturer l'essentiel du contrôle sensorimoteur nécessaire, au moins en simulation. Pour les intégrateurs contraints en calcul embarqué, le signal est utile : des politiques plus légères et moins coûteuses à entraîner pourraient rester compétitives sur certaines tâches. Désactiver l'inférence d'erreur de prédiction, pour obtenir une condition strictement en boucle ouverte, offre un outil rare pour quantifier l'apport réel de la correction sensorielle en ligne, souvent opaque dans les grands VLA en boîte noire. Ces travaux s'inscrivent dans un courant qui questionne le paradigme dominant des VLA à grande échelle, illustré par des systèmes comme GR00T N2 de NVIDIA, Pi-0 de Physical Intelligence ou Helix de Figure AI, entraînés sur de vastes corpus de téléopération et comptant des centaines de millions voire des milliards de paramètres. PredVLA s'appuie plutôt sur les théories du codage prédictif issues des neurosciences computationnelles. Les résultats restent pour l'instant limités au benchmark de simulation LIBERO, sans test sur robot physique ni comparaison avec ces grands VLA propriétaires, laissant ouverte la question du transfert sim-to-real.

Recherche⚡Actu

1 source

36

2280arXiv cs.RO 

FlashVLA : décodage d'actions en flux pour une inférence VLA rapide et asynchrone

FlashVLA est un nouveau framework de décodage d'actions en streaming pour les modèles Vision-Language-Action (VLA), décrit dans une preprint publiée sur arXiv le 27 aout 2026 (référence 2608.27384v1). Il cible les VLA fondes sur le flow matching, dont le décodage exige plusieurs étapes itératives de debruitage conditionnées par le contexte du modèle vision-langage, ce qui dégradé la fréquence de contrôle et la stabilité de l'exécution asynchrone. La méthode maintient un buffer d'actions compose de plusieurs chunks a des niveaux de bruit différents, décodés via une attention causale chunk par chunk, produisant un chunk exécutable a chaque étape d'inférence et préservant la continuité du mouvement. Les auteurs rapportent une fréquence de contrôle supérieure ou égale a 30 Hz sur un seul GPU, avec une inférence asynchrone fluide en conditions réelles. Ce travail s'attaque a un goulot d'étranglement connu de la manipulation robotique : les politiques d'action par flow matching ou diffusion produisent des mouvements de haute qualité mais au prix d'un cout de calcul itératif qui plafonne la fréquence de contrôle en boucle fermée, tandis que les méthodes d'exécution asynchrone censées combler les temps morts introduisent souvent des a-coups temporels. En traitant conjointement la latence et la cohérence asynchrone dans une seule formulation, FlashVLA conteste l'idée répandue selon laquelle accélérer un VLA se fait nécessairement au détriment de la fluidité ou de la précision de la tache. Pour les intégrateurs en manipulation robotique, atteindre 30 Hz sur un seul GPU représente un seuil praticable pour du contrôle temps réel sans infrastructure dédiée couteuse ; l'article ne précise toutefois ni le modèle de GPU utilise, ni les baselines comparées, ce qui limite pour l'instant la portée des chiffres avances. FlashVLA s'inscrit dans la lignée des politiques d'action génératives par flow matching ou diffusion, une famille de modèles qui a gagne du terrain en manipulation robotique pour sa capacité a produire des trajectoires riches et multimodales, au prix d'un debruitage itératif plus lent que les approches de régression directe. La littérature récente traitait jusque-la séparément la vitesse d'inférence et la stabilité asynchrone ; FlashVLA revendique être la première formulation a unifier les deux via un unique buffer de streaming. Publiee comme soumission nouvelle sur arXiv, la contribution n'a pas encore été revue par les pairs et ne s'accompagne, pour l'instant, d'aucune annonce de code ouvert, de partenariat industriel ou de déploiement chez un fabricant de robots. Les prochaines étapes attendues sont une publication en conférence et une comparaison directe avec des politiques VLA de référence pour confirmer la généralité des gains annonces.

IA physique⚡Actu

1 source

36

2281arXiv cs.RO 

FLARE : un cadre conscient des échecs pour la correction et la récupération autonomes en manipulation robotique vision-langage

Des chercheurs proposent FLARE (Failure-Aware framework for Autonomous Correction and Recovery), publié sur arXiv sous la référence 2608.26645v1, une méthode destinée aux modèles vision-langage-action (VLA) utilisés pour la manipulation robotique. Le système repose sur deux mécanismes complémentaires baptisés « Retry » et « Reset ». Le mécanisme Retry injecte des perturbations et des segments de transition dans les démonstrations d'entraînement, en dissociant la pose du robot de l'état de l'environnement, afin que la politique apprenne à gérer seule les écarts d'exécution mineurs comme une prise ratée ou un objet qui glisse. Le pipeline Reset s'attaque aux échecs plus graves, dits hors distribution (OOD), qui rompent l'état de la tâche : un grand modèle multimodal (MLLM) analyse hors ligne des vidéos d'exécution pour repérer automatiquement ces états OOD, ce qui permet de constituer une petite bibliothèque ciblée de compétences de récupération centrées sur les objets. En inférence, un moniteur MLLM en ligne arbitre en temps réel entre poursuite de la tâche et déclenchement d'une compétence Reset. Les auteurs annoncent des gains de taux de réussite et de robustesse sur des tâches de manipulation complexes et riches en contacts, sans toutefois détailler dans le résumé les chiffres précis ni la plateforme robotique testée. L'enjeu touche un point faible connu des VLA : entraînés sur des démonstrations « parfaites », sans échec, ils peinent souvent à se rattraper en conditions réelles, un écart classique entre démonstration et déploiement. Pour les intégrateurs et les équipes robotique industrielles, la capacité à détecter et corriger automatiquement une erreur d'exécution, sans intervention humaine ni réinitialisation manuelle du poste de travail, conditionne directement la viabilité de cellules de manipulation autonomes en production. FLARE s'inscrit dans une tendance de recherche qui cherche à combler l'écart entre les démonstrations vidéo souvent présentées par les laboratoires et la réalité d'une ligne de production où objets glissent, collisions surviennent et préhenseurs ratent leur prise. Le travail s'inscrit dans la lignée des modèles VLA génériques récemment mis en avant dans le secteur, comme Pi-0, GR00T N2 ou Helix, qui visent à généraliser la manipulation à partir d'un apprentissage à grande échelle mais partagent la même limite de données d'entraînement sans échec. FLARE reste à ce stade une contribution de recherche publiée sur arXiv, sans annonce de déploiement industriel ni de partenariat commercial associé ; sa validation repose sur des expériences en laboratoire, et son adoption dépendra de tests indépendants et d'une éventuelle intégration dans des piles logicielles de manipulation existantes.

Recherche⚡Actu

1 source

35

2282arXiv cs.RO 

WALL-SS : le passage à l'échelle des modèles du monde à long terme via l'autorégression multi-échelle

Publié fin aout 2026 sur arXiv (2608.26239), WALL-SS est un "world model" conçu pour générer des futurs visuels pilotables par l'action sur de longs horizons, via une autorégression à échelles multiples ("next-scale autoregression"). Les trajectoires du robot y sont représentées comme des séquences causales entrelaçant observations et actions, ce qui rend explicite le lien action-conséquence. Le système génère chaque image future du grossier au fin et combine trois briques : une prédiction "next-scale" conditionnée par l'action, une mémoire longue durée compressée par échelle (interactions récentes en haute résolution, passé compressé) renforcée par un mécanisme de "dream forcing" par échelle pour résister au bruit auto-généré, et un alignement on-policy optimisant des récompenses de suivi d'action et de cohérence long terme sans dériver de la distribution visuelle pré-entraînée. Résultat annoncé : rollouts cohérents sur plusieurs minutes en flux continu, sous mémoire bornée, avec une dérive d'action réduite. Pour l'industrie robotique, l'enjeu est concret : la plupart des modèles du monde génératifs décrochent au-delà de quelques secondes, produisant des trajectoires visuellement plausibles mais physiquement incohérentes dès que l'horizon s'allonge. Une simulation stable sur plusieurs minutes, à mémoire bornée, intéresse directement les équipes qui entraînent des politiques vision-langage-action (VLA) du type Pi-0, GR00T ou Helix, en offrant une boucle d'évaluation et d'entraînement moins coûteuse que la collecte de données réelles, y compris pour tester des scénarios d'échec sans risquer de matériel. C'est aussi un aveu implicite que le "sim-to-real gap" reste un chantier ouvert : la dérive d'action et l'incohérence long terme sont ici corrigées par un alignement a posteriori, pas éliminées par construction dès le départ. WALL-SS s'inscrit dans la vague de modèles du monde génératifs nourrie par les progrès de la génération vidéo et leur transposition à la prédiction d'états robotiques, aux côtés d'efforts comme GR00T N2 chez Nvidia ou Pi-0 chez Physical Intelligence sur le versant politiques VLA. Sa contribution est architecturale : remplacer la génération clip par clip par une autorégression à échelles multiples censée mieux gérer les horizons variables et le streaming continu. Publié comme simple preprint arXiv, sans laboratoire ni entreprise identifiés nommément dans le résumé, et sans code ni benchmark public annoncés, le travail reste à ce stade une contribution de recherche destinée à être validée par la communauté, et non un produit ou un déploiement industriel.

IA physique❖Paper

1 source

35

2283arXiv cs.RO 

Pass the Bucket : équilibrage de charge local, robuste et efficace pour des équipes de robots hétérogènes

Des chercheurs publient sur arXiv (arXiv:2608.27085v1) une étude sur le partage décentralisé et auto-organise de taches au sein d'essaims de robots hétérogènes charges de transport ou d'autres missions nécessitant une planification de mouvement coordonnée, via un mécanisme baptise "bucket brigade" (chaine de relais). Ce mécanisme permet a une équipe de robots de vitesses différentes de se repartir une tache spatiale dans un espace confine a une dimension, chaque robot ne percevant que les collisions avec ses voisins ou les murs, sans contrôle central ni communication explicite, l'objectif étant de maximiser le débit global en convergeant vers un partage de l'espace proportionnel a la vitesse de chaque robot. Pour éviter les oscillations persistantes et les comportements chaotiques observes dans ce type de système, les auteurs introduisent un "jeton" (token), un mécanisme d'aide locale qui ralentit temporairement un robot après une rencontre avec un voisin, et comparent deux variantes, un jeton unique circulant a la frontière du système et des jetons bidirectionnels omniprésents, avec optimisation du facteur de décélération. Des simulations événementielles mesurent les temps de convergence et la robustesse du système face a des perturbations telles que la suppression d'un robot ou le bruit ajoute sur les positions et vitesses, avec une reconvergence fiable observée dans une large variété de cas testes. Ce résultat intéressé directement les intégrateurs de flottes de robots mobiles autonomes en entrepôt et en logistique, ou coordonner des robots de capacités et vitesses différentes exige aujourd'hui souvent une supervision centrale couteuse en communication et en calcul. En démontrant qu'une règle locale simple, sans carte globale ni echange de messages, suffit a faire converger un essaim hétérogène vers un partage de charge quasi optimal, l'étude remet en question l'hypothèse selon laquelle la coordination multi-robots nécessite forcement une planification centralisée ou une connectivité réseau permanente. Un tel mécanisme, purement réactif et local, promet une robustesse accrue en cas de panne de robot ou de perte de communication, un enjeu concret pour les opérateurs d'entrepôts automatises cherchant a réduire les points de défaillance uniques de leurs systèmes. Le concept de "bucket brigade" n'est toutefois pas nouveau: il est repris a la recherche opérationnelle sur les lignes de production manuelles auto-organisées, transpose ici de manière approfondie a des essaims de robots mobiles. Le principe des chaines de relais remonte aux travaux des années 1990 sur l'optimisation des lignes d'assemblage humaines, ou les opérateurs les plus rapides absorbent naturellement une part croissante de la tache en remontant la chaine vers les postes plus lents. Son adaptation a la robotique s'inscrit dans un courant de recherche plus large sur le contrôle décentralisé des essaims, motive par la multiplication des flottes hétérogènes dans l'entreposage et la logistique, ou coexistent des robots de générations et de vitesses différentes. Il s'agit pour l'instant d'un travail théorique et de simulation, sans validation sur robots physiques ni déploiement industriel annonce, les auteurs présentant leurs résultats comme une brique de base pour des scenarios plus complexes, notamment une extension au-delà de l'espace confine a une dimension étudie ici, sans calendrier de test matériel ni partenariat industriel mentionne a ce stade.

Recherche❖Paper

1 source

35

2284arXiv cs.RO 

Grappin Reconfigurable à Surface Active : Préhension Robuste et Manipulation Séquentielle d'Objets Fins

Des chercheurs ont publié le 28 août 2026 sur arXiv (2608.26883) une pince robotique reconfigurable à surface active, testée sur la saisie de livres comme cas représentatif des objets fins. Le système combine des doigts sous-actionnés, qui assurent un contact compliant avec la table ou l'étagère, et un pouce à surface active capable de repositionner le livre dans la main sans déplacer le bras ni les autres doigts. Une structure reconfigurable couvre deux scénarios : livres à plat sur un bureau et livres empilés verticalement sur une étagère. Après modélisation cinématique et analyse du contact livre-table-pince, les auteurs valident l'approche sur livres, papier, tissu, film plastique et tapis de souris, avec un taux de réussite élevé en prise verticale et des séquences longues de saisie-dépose réussies. L'intérêt pour l'industrie tient au problème visé : les pinces existantes échouent souvent sur les objets fins car elles exigent une approche et une prise très précises, ce qui limite leur usage en logistique documentaire, bibliothèques automatisées ou e-commerce. En déportant l'ajustement fin vers une surface active intégrée au pouce plutôt que vers la planification du bras, l'approche réduit la dépendance à une perception et un contrôle ultra-précis, une piste utile pour fiabiliser la manipulation d'objets minces sans multiplier capteurs et calcul. La réussite sur des séquences longues de saisie-dépose compte davantage que la performance sur un geste isolé, souvent mise en avant dans les démonstrations de préhenseurs. Ces travaux s'inscrivent dans la recherche sur les pinces sous-actionnées et compliantes, qui cherchent depuis plusieurs années à simplifier le contrôle des mains robotiques, à l'opposé des mains multi-doigts entièrement actionnées visées par les humanoïdes. Le livre, fin et glissant à plat, constitue un benchmark fréquent dans la littérature sur la manipulation. Publié en preprint sur arXiv sans affiliation industrielle ni partenaire cité, l'article reste à ce stade une contribution académique : aucun essai en environnement réel, aucun chiffre de charge utile ou de temps de cycle, ni calendrier de déploiement n'est communiqué. L'étape suivante logique serait une validation sur robot mobile en conditions réelles et une comparaison avec les pinces à ventouse ou à friction déjà utilisées en tri postal.

Recherche❖Paper

1 source

33

2285arXiv cs.RO 

Étalonnage conjoint en ligne du décalage de direction et des extrinsèques LiDAR planaire pour robots mobiles à roues

Une équipe de recherche publie sur arXiv (arXiv:2608.26789v1) une méthode de calibration en ligne pour les robots mobiles d'entrepôt, fondée sur un filtre de Kalman étendu (EKF). Aujourd'hui, le « zéro » de braquage de ces robots à cinématique de bicyclette est réglé à la main, souvent à l'œil via une manette PS4, tandis que les extrinsèques du LiDAR planaire sont déduites du CAO et ne sont jamais recalées après maintenance. Ces pratiques statiques provoquent des trajectoires en « snaking » ou « weaving » et une erreur de suivi (cross-track error, CTE) élevée. La méthode estime en ligne, conjointement, le décalage de braquage et les extrinsèques du LiDAR au sein d'un modèle de bicyclette ; testée sur des jeux de données réels, elle réduit sensiblement la CTE une fois le décalage de braquage corrigé, sans que le résumé ne publie de chiffre de réduction précis. Pour les intégrateurs de flottes de robots mobiles autonomes (AMR) en entrepôt, ce travail cible un maillon souvent négligé : la calibration capteur-châssis, traitée comme une tâche ponctuelle à l'installation plutôt que surveillée en continu. Un biais de braquage ou un LiDAR désaligné après maintenance dégrade silencieusement le suivi de trajectoire, avec un impact direct sur la sécurité dans des allées partagées avec des opérateurs et sur les arrêts d'urgence liés à une trajectoire instable. Remplacer un réglage manuel et subjectif par une estimation auto-corrective en ligne s'inscrit dans la tendance à réduire la dépendance à l'expertise ad hoc pour la maintenance des flottes, et pourrait devenir un composant standard des piles de navigation pour AMR. Ce travail s'inscrit dans un courant de recherche plus large sur la fusion de capteurs et l'auto-calibration pour la robotique mobile industrielle, porté par la multiplication des déploiements d'AMR en entrepôt ces dernières années. Le résumé ne précise ni laboratoire ni entreprise à l'origine des travaux, ni calendrier de validation industrielle : il s'agit à ce stade d'une contribution académique fraîchement mise en ligne (statut « new » sur arXiv), non d'un produit ni d'un pilote déployé chez un client. La suite logique serait une validation sur une flotte plus large, avec comparaison directe aux procédures de calibration manuelle ou assistée par CAO utilisées aujourd'hui par les fournisseurs de robots mobiles autonomes pour la logistique.

Recherche❖Paper

1 source

33

2286arXiv cs.RO 

Localisation par graphe de facteurs assistée par contact pour l'échantillonnage sous-marin

Des chercheurs publient sur arXiv (référence 2608.26932v1) un système baptisé « Contact-Aided Factor-Graph Localization », conçu pour les véhicules sous-marins autonomes effectuant des prélèvements rapprochés sur le fond marin. Le système fusionne, dans un graphe de facteurs de type smoothing, les événements de contact d'un manipulateur à succion avec l'odométrie visuelle adaptative, des détections d'objets par apprentissage, et les capteurs embarqués, dont un loch Doppler (DVL) couplé à une centrale inertielle. Les facteurs d'odométrie visuelle et de repérage d'amers (bearing-range) sont pondérés selon les statistiques d'inliers, afin d'éviter que des images visuellement pauvres ne déstabilisent l'estimateur, tandis que les contacts physiques sont traités comme des facteurs à haute confiance générant des fermetures de boucle implicites, sans reconnaissance de lieu basée sur l'apparence. Le système peut s'initialiser entièrement en ligne, pendant le mouvement. Les auteurs ont validé l'approche en bassin, en environnement portuaire et en simulation. Pour les intégrateurs et opérateurs de robotique sous-marine, l'apport tient au traitement du contact physique comme primitive de localisation à part entière, et non comme simple sous-produit de la manipulation. Sur les fonds marins plats et peu texturés, les caméras orientées vers le bas souffrent d'ambiguïté d'échelle, de dégénérescence latérale et d'un suivi de features instable, tandis que la fusion inertielle-DVL seule ne corrige aucune dérive structurelle. En exploitant les événements de succion du bras manipulateur comme contraintes géométriques informatives, le système réduit la dérive de trajectoire et améliore la précision de revisite d'objets, comparé à une navigation par filtrage classique ou à des formulations en graphe sans contact. Le résultat conforte l'idée que l'interaction physique incarnée peut compenser la dégradation perceptuelle propre aux environnements sous-marins, un problème structurel pour l'échantillonnage automatisé en eaux profondes ou en zones de biofouling. L'estimation d'état sous-marine reste historiquement dépendante du couple DVL/centrale inertielle, complété ponctuellement par odométrie visuelle ou acoustique, deux approches connues pour dériver en l'absence de repères stables. Le papier s'inscrit dans une lignée de recherches sur la localisation SLAM sous-marine appliquée au prélèvement, à l'inspection d'infrastructures immergées ou à la biologie marine, un segment où les essais en conditions réelles au-delà du bassin ou du port restent rares. Les auteurs ne précisent ni calendrier de déploiement industriel ni partenaire commercial; les résultats publiés se limitent à des tests contrôlés, sans validation en mer ouverte ou en grande profondeur, ce qui laisse ouverte la question du passage à l'échelle vers des missions d'échantillonnage autonome en environnement opérationnel.

Recherche❖Paper

1 source

52

2287Robotics Business Review 

Teradyne Robotics intensifie sa lutte contre les copies de cobots

Teradyne Robotics, maison mère du fabricant de cobots Universal Robots, a déposé une plainte pour contrefaçon de brevets contre la filiale allemande de l'entreprise chinoise JAKA Robotics. La plainte, déposée devant la division locale de Copenhague de la Juridiction unifiée du brevet (UPC), vise plusieurs brevets couvrant à la fois le matériel et le logiciel des bras collaboratifs d'Universal Robots. Selon David Brandt, vice-président R&D et directeur technique d'Universal Robots, l'entreprise a acheté un robot JAKA après avoir constaté des ressemblances frappantes avec ses propres bras à limitation de force et de puissance, et l'examen du produit a révélé une possible contrefaçon. Le choix de Copenhague s'explique par des actes d'infraction allégués survenus au Danemark et dans d'autres États membres de l'UE. Il s'agit du second contentieux majeur de Teradyne Robotics contre un acteur chinois en Europe cette année : en février 2026, l'entreprise avait déjà attaqué la filiale allemande d'Elite Robots pour contrefaçon de droits d'auteur, obtenant en avril une injonction préliminaire du tribunal régional de Hambourg interdisant à Elite Robots Allemagne de commercialiser les logiciels et produits litigieux, procédure toujours en cours. JAKA n'a pas répondu aux sollicitations du Robot Report. Une décision de l'UPC aurait une portée géographique large : elle pourrait s'appliquer dans 17 des 18 États membres de l'UE participant à l'UPC, ainsi que dans des pays tiers comme le Royaume-Uni et l'Espagne. Pour les intégrateurs et acheteurs de cobots, cette affaire illustre un durcissement net de la défense de propriété intellectuelle face à la montée de fabricants chinois proposant des bras collaboratifs aux caractéristiques très proches des standards occidentaux. Une victoire de Teradyne pourrait forcer des ajustements de gamme, des retraits de marché ou des accords de licence pour plusieurs fournisseurs chinois actifs en Europe, et pèsera sur les décisions d'achat des industriels, qui évaluent désormais la solidité juridique de leurs fournisseurs autant que le prix. Jean-Pierre Hathout, président du groupe Teradyne Robotics, a affirmé que l'entreprise n'accepterait pas la copie illégale de technologies protégées, un discours qui traduit une stratégie assumée de contentieux répétés plutôt qu'un cas isolé. Universal Robots structure aujourd'hui son offre en deux gammes : la UR Series (UR8 Long, UR15, UR18, UR20, UR30), avec des charges utiles de 10 à 35 kg et une portée allant jusqu'à 1750 mm, et l'e-Series, plus compacte (UR3e, UR7e, UR12e, UR16e), avec des charges de 3 à 16 kg et des portées de 500 à 1300 mm. JAKA aligne un catalogue tout aussi étendu, articulé autour des séries Zu, Pro, S, AL, A et Mini, plus le MiniCobo. La famille Zu s'étend du Zu3 au Zu30, avec par exemple le Zu5 (5 kg, 954 mm) et le Zu18 (18 kg, 1073 mm), tandis que la série Pro (Pro5, Pro12, Pro16) cible des usages plus exigeants. Cette comparaison de portefeuilles, mise en avant par Teradyne lui-même à l'appui de sa plainte, devrait occuper une place centrale dans l'instruction du dossier devant l'UPC.

FR/EU ecosysteme⚖Reglementation

1 source

41

2288Interesting Engineering 

Nouveau framework NVIDIA pour aider les robots à s'orienter dans des lieux inconnus

NVIDIA a présenté COMPASS (Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis), un framework qui combine agents IA, simulation et apprentissage par renforcement pour accélérer l'adaptation des systèmes de navigation robotique à de nouveaux robots ou environnements. Plutôt que de reconstruire une pile de navigation complète à chaque changement, COMPASS part de la politique préentraînée X-Mobility de NVIDIA et entraîne par renforcement un module correctif spécialisé pour le robot et le lieu ciblés. La démonstration s'appuie sur le quadrupède Spot de Boston Dynamics, testé d'abord dans un entrepôt simulé intégré, puis sur des scènes issues de SAGE-10K, un jeu de 10 000 environnements intérieurs générés par NVIDIA couvrant 50 types de pièces, et sur des lieux réels reconstruits via Omniverse NuRec. Les modèles entraînés sont jugés sur le taux d'atteinte de l'objectif, la fréquence de chute et le temps de parcours, tandis que des agents de codage automatisent la préparation des scènes, les tests et le lancement des entraînements, sous validation humaine à chaque étape clé (scène prête, test initial concluant, modèle promu). Une fois approuvée, une politique pilote le robot à partir d'images caméra, d'odométrie et d'un objectif de navigation, avec l'option cuVSLAM de NVIDIA pour l'odométrie visuelle si besoin. Ce travail cible un problème concret pour l'industrie : chaque changement de robot ou de site oblige aujourd'hui les intégrateurs à recollecter des données, reconstruire des environnements de simulation et retester des interfaces logicielles, un cycle coûteux et difficile à reproduire. En gardant l'humain dans la boucle pour valider les scènes, les tests initiaux et la promotion des modèles, NVIDIA positionne COMPASS comme un outil de productivité pour les équipes de R&D plutôt qu'une promesse d'autonomie totale, une nuance qui compte alors que le secteur de la robotique mobile et humanoïde multiplie les annonces de généralisation instantanée entre plateformes. Il s'agit pour l'instant d'un framework de recherche démontré sur une seule plateforme, sans chiffre de déploiement en production ni comparaison publiée face à des approches concurrentes de navigation cross-embodiment. COMPASS s'appuie sur X-Mobility, politique de navigation que NVIDIA avait déjà développée, et s'inscrit dans son écosystème Omniverse et Isaac, aux côtés de NuRec pour la reconstruction de scènes réelles et de cuVSLAM pour la localisation visuelle. La démarche recoupe une tendance plus large de la recherche en robotique mobile, où plusieurs laboratoires cherchent à réduire le travail de portage d'une politique d'un robot à l'autre plutôt que de repartir de zéro à chaque nouvelle plateforme. NVIDIA ne communique aucun calendrier de pilote ni de partenaire robot commercial au-delà de Spot, choisi comme plateforme de référence pour valider le workflow ; les suites évoquées portent sur l'extension à d'autres robots et environnements via les mêmes outils de simulation et d'automatisation par agents.

IA physique❖Paper

1 source

37

2289Interesting Engineering 

Des cafards cyborgs pourraient servir de robots de secours pour retrouver des survivants après une catastrophe

Des chercheurs de l'Université du Queensland et de l'University of New South Wales (UNSW) ont développé des cafards cyborgs baptisés Paraborgs, conçus pour porter secours à des personnes coincées dans des bâtiments effondrés, des grottes ou d'autres zones inaccessibles aux secouristes. L'équipe a utilisé le grand cafard fouisseur du nord du Queensland (Macropanesthia rhinocéros), une espèce suffisamment grande pour transporter un harnais électronique léger équipé soit d'une caméra, soit d'un mécanisme d'auto-injection commandé à distance. Les insectes sont anesthésiés pendant la pose des électrodes, des micropuces et du harnais, et retrouvent une espérance de vie normale une fois l'équipement retiré. Lors des essais de preuve de concept, le système a atteint un taux de réussite de 95 % pour des injections à courte portée, réalisées à moins de 15 centimètres de la cible. Quand la navigation et l'injection étaient combinées en une seule tâche, le taux de réussite tombait à 72 %, ce qui reflète la difficulté d'amener un insecte en position stable et précise avant d'activer le dispositif. Ces résultats restent des données de laboratoire obtenues en conditions contrôlées, et une phase de développement et de tests sur le terrain sera nécessaire avant tout usage réel en situation d'urgence. L'intérêt pour le secteur de la robotique de secours tient au fait que les cafards exploitent une capacité de déplacement en milieu encombré, confiné et instable que les robots miniatures conventionnels peinent encore à reproduire, notamment à cause des roues ou des pattes articulées qui se bloquent dans les décombres. Le projet déplace ainsi la fonction des insectes cyborgs : d'un simple outil de repérage de survivants, ils deviennent une plateforme d'intervention capable de délivrer un geste médical, tout en laissant la décision clinique entre les mains d'un opérateur humain à distance. Cette technologie s'appuie sur des travaux antérieurs de l'équipe de l'Université du Queensland, qui avait déjà démontré une capacité d'escalade contrôlée chez des coléoptères cyborgs ; le grand cafard fouisseur offre ici une capacité de charge supérieure adaptée aux missions de secours. Les chercheurs envisagent à terme des essaims d'insectes spécialisés plutôt qu'une seule machine polyvalente : certains porteraient des caméras et capteurs environnementaux pour localiser les victimes et cartographier les lieux, d'autres transporteraient du matériel médical ou d'urgence. L'objectif affiché n'est pas de remplacer les équipes de secours humaines mais de leur fournir un outil supplémentaire pour les zones où l'accès direct est impossible, avec des applications visées dans la recherche urbaine, les effondrements et les secours en grotte.

Recherche❖Paper

1 source

39

2290Interesting Engineering 

100 mètres en 8,4 secondes : Tiangong Ultra bat un record aux World Humanoid Robot Games

Tiangong Ultra, robot humanoïde développé par la société pékinoise X-Humanoid, a couru le 100 mètres en 8,64 secondes lors de la finale du grand groupe, dernier jour des 2e World Humanoid Robot Games, une compétition chinoise de cinq jours. Ce chrono améliore son propre record de l'épreuve, établi à 8,86 secondes lors des repêchages quelques heures plus tôt, un temps déjà réécrit deux fois avant la finale. Le record humain officiel du 100 mètres, détenu par Usain Bolt, est de 9,58 secondes : Tiangong Ultra le bat donc de près d'une seconde, dans des conditions non comparables à celles d'un athlète. Son principal rival, Lightning, un humanoïde du fabricant chinois de smartphones Honor, avait réalisé en amont à Pékin un 100 mètres en 9,32 secondes à une vitesse de pointe de 14,5 mètres par seconde, soit 0,68 seconde de plus que Tiangong Ultra le jour de la finale ; Honor avait aussi fait état en avril d'un semi-marathon de Lightning bouclé en 50 minutes et 26 secondes. Lors de la première édition des games, le meilleur temps sur 100 mètres dépassait 12 secondes. Sprinter à cette vitesse impose de coordonner les deux jambes, de gérer l'équilibre dynamique et de récupérer d'une instabilité sans chute, des compétences directement transposables à des usages logistiques ou industriels où un humanoïde doit se déplacer vite et de façon fiable. Le resserrement de l'écart entre les deux éditions, de plus de 12 secondes à 8,64 secondes en un an, illustre des progrès rapides des contrôleurs de marche chez les acteurs chinois, sans pour autant valider un déploiement réel : il s'agit d'épreuves sur piste, en conditions optimisées, loin d'un environnement non structuré. Les organisateurs présentent d'ailleurs la compétition moins comme un remplacement des records humains, non homologables faute de conditions physiologiques et réglementaires comparables, que comme un banc d'essai commun pour comparer équilibre, gestion de puissance, perception et logiciel de coordination entre plateformes concurrentes. Cette deuxième édition confirme X-Humanoid, déjà connu pour sa série Tiangong, comme l'un des acteurs les plus prolifiques en records lors de l'événement, où d'autres humanoïdes ont également dépassé des marques humaines au saut en hauteur. Honor, identifié jusqu'ici comme fabricant de smartphones, y affiche des ambitions affirmées en robotique humanoïde avec Lightning, opposant ainsi un spécialiste dédié de la robotique à un groupe électronique grand public en pleine diversification. La finale du 100 mètres, dernière épreuve du programme, a clôturé cette seconde édition sans qu'aucun calendrier de déploiement commercial n'ait été communiqué pour l'une ou l'autre plateforme.

Chine/Asie⚡Actu

1 source

46

2291Robot Magazine FR 

Robots chinois : les fabricants cherchent leurs futurs distributeurs et intégrateurs en Europe

La robotique chinoise change de dimension et ses fabricants intensifient la recherche de distributeurs et d'intégrateurs en Europe. Sont cités Unitree Robotics, UBTECH, AgiBot, DEEP Robotics, LimX Dynamics et Fourier Intelligence, actifs sur les segments humanoïdes, quadrupèdes, AMR, cobots et robots de nettoyage, d'inspection ou de service. Après avoir bâti un marché domestique considérable, ces entreprises cherchent désormais à exporter leurs plateformes vers l'Europe, un continent qu'elles ne peuvent pas adresser par simple expédition depuis Shenzhen ou Shanghai. La robotique humanoïde illustre particulièrement ce basculement : longtemps cantonnés à des démonstrateurs de recherche, ces robots entrent dans une phase de premiers déploiements industriels et commerciaux, ce qui pousse leurs constructeurs à structurer une présence commerciale hors de Chine. L'enjeu dépasse la simple prospection de clients. Un robot, contrairement à un produit électronique standard, doit être intégré dans un environnement existant : connexion à des caméras thermiques, des capteurs ou un logiciel de supervision pour un quadrupède d'inspection industrielle, paramétrage des missions, formation des équipes. Sans réseau local d'intégrateurs capables de réaliser ce travail, un constructeur chinois peut disposer d'une excellente plateforme et rester bloqué commercialement. Pour le secteur, ce mouvement confirme que la bataille des robots ne se joue plus seulement sur les caractéristiques de la machine mais sur la capacité à déployer, maintenir et faire adopter la technologie chez le client final, un rappel utile face à l'écart persistant entre démonstration et déploiement réel à grande échelle. Il ouvre aussi une fenêtre pour des acteurs européens comme Wandercraft, Pollen Robotics ou Enchanted Tools en France, qui peuvent se positionner comme alternatives locales ou comme partenaires technologiques face à l'arrivée de plateformes chinoises encore peu ancrées dans les usages et réglementations du continent. Ce mouvement s'appuie sur un écosystème chinois désormais mature, capable de produire à grande échelle des humanoïdes et robots mobiles après des années d'investissement domestique. L'Europe attire ces fabricants pour son tissu industriel dense (automobile, aéronautique, logistique, énergie, pharmacie, agroalimentaire, production manufacturière) et son réseau historique d'intégrateurs en automatisation. Mais le marché reste fragmenté : vendre en Allemagne, en France, en Italie ou en Espagne suppose une présence commerciale locale, une gestion propre des certifications et de la sécurité, ainsi qu'un support technique de proximité, autant de barrières distinctes d'un pays à l'autre. Cette quête de partenaires structure aujourd'hui l'entrée en Europe de plusieurs catégories de robots, à commencer par les humanoïdes, et devrait se traduire dans les prochains mois par l'annonce de partenariats de distribution et d'intégration formalisés entre fabricants chinois et acteurs européens.

Chine/Asie❧Opinion

1 source

42

2292Interesting Engineering 

Des scientifiques créent un poisson-robot qui passe de 60 cm à 3 mètres grâce à une simple modification de la queue

Une équipe dirigée par Nana Obayashi, professeure assistante à NYU Tandon et alors doctorante à l'EPFL, a développé ScaFi, un robot poisson qui change d'échelle sans perdre sa nage. Il associe une section avant rigide à une queue flexible en fibre de verre ; un seul moteur tire deux tendons croisés près de l'extrémité pour produire l'ondulation en S des poissons comme la morue et le maquereau. Changer de taille ne demande qu'un ajustement du diamètre des tiges de queue, plus épaisses sur les grands modèles ; moteur et tendons restent identiques. Trois versions de 0,6, 1,1 et 2,9 mètres ont été testées sur le terrain, dans un ruisseau suisse, sur le lac Léman et dans des criques de 15 à 30 cm de profondeur. Les trois nages sont restées cohérentes une fois ramenées à l'échelle du corps, et un modèle a continué de nager en ruisseau après avoir perdu le GPS. Résultats publiés dans la revue npj Robotics. Le résultat répond à un problème concret : surveiller un ruisseau puis un lac exige d'ordinaire deux robots conçus séparément, alors qu'un même patron de nage couvre naturellement une large gamme de tailles chez les poissons. En réduisant le changement d'échelle à un seul paramètre, le diamètre des tiges de queue, ScaFi limite l'effort de conception nécessaire pour adapter un robot bioinspiré à des environnements différents, un enjeu concret pour les intégrateurs de monitoring aquatique. Les chercheurs notent toutefois que l'efficacité énergétique ne suit pas la même logique : le plus grand robot s'est montré nettement moins efficace, nécessitant un moteur plus puissant, sans cause certaine identifiée (traînée et inertie sont suspectées). Un compromis similaire apparaît face aux perturbations, où le plus petit robot, pourtant le plus agile, récupère le plus lentement. Cette transparence sur les limites distingue une avancée réelle sur la modularité d'un simple effet d'annonce. La plupart des robots poissons visent une taille et une mission uniques, reproduisant la nage par flexion du corps qui, comme les véhicules à hélice, évite de s'accrocher à la végétation ou d'effrayer la faune. ScaFi s'inspire de poissons comme la morue et le maquereau, dont la nage à flexion concentrée vers la queue se retrouve chez des tailles corporelles très variées dans la nature. Le projet a été mené à l'EPFL, en Suisse, avant qu'Obayashi ne rejoigne NYU Tandon à New York. Aucun partenaire industriel ni déploiement commercial n'est mentionné : il s'agit d'une recherche académique publiée dans npj Robotics, sans pilote annoncé à ce stade. Les auteurs suggèrent que ce principe de mise à l'échelle par un paramètre structurel unique pourrait s'étendre à d'autres robots flexibles hors du milieu aquatique.

Recherche❖Paper

1 source

47

2293Pandaily 

L'année de la « production de masse » de l'humanoïde chinois : l'écart entre fabriquer des robots et les utiliser

Lors du World Robot Conference, 2026 a été qualifiée d'année de la production de masse pour les robots humanoïdes en Chine. Selon Counterpoint Research, les livraisons mondiales d'humanoïdes ont dépassé 22 000 unités au premier semestre, en hausse de près de 300% sur un an, et le ministère chinois de l'Industrie et des Technologies de l'information (MIIT) prévoit une production annuelle chinoise supérieure à 100 000 unités. Les principaux fabricants accélèrent : AgiBot a livré environ 9 700 unités au premier semestre, Unitree près de 7 000 au 21 août, et Galbot plus de 1 100 sur la même période. UBTECH annonce des commandes tous canaux dépassant 13 361 unités pour sa gamme d'humanoïdes grande taille U1, arrêtées au 30 juin, avec une livraison visée cette année. Son fondateur Zhou Jian a toutefois averti que la difficulté de fabrication est "rare dans l'histoire humaine", la seule tête du robot comptant entre 2 000 et 3 000 composants. Derrière ces volumes se cache une réalité plus contrastée. Le divertissement, les spectacles, l'éducation et la collecte de données ont représenté plus de 60% des livraisons mondiales d'humanoïdes au premier semestre, contre seulement 13% pour l'industrie manufacturière et 5% pour la logistique et l'entreposage : moins de deux unités sur dix travaillent réellement en usine ou en entrepôt. Le prospectus d'Unitree révèle que plus de 70% de son chiffre d'affaires lié aux humanoïdes sur les neuf premiers mois de 2025 provenait de la R&D et de l'éducation, contre environ 9% d'applications industrielles réelles. Quelques acteurs dépassent néanmoins le stade de la démonstration : une entreprise d'IA incarnée affirme être la première à atteindre l'adéquation produit-marché en logistique, en exploitant des lignes de tri de colis avec SF Express et China Post dans plus de dix centres logistiques répartis sur cinq provinces, sur des postes de nuit non climatisés, bruyants et physiquement éprouvants mais offrant un retour sur investissement mesurable. Pour les dirigeants du secteur, le vrai défi tient en trois étapes : faire fonctionner un robot une fois, le rendre fiable en répétition, puis transformer un projet isolé en produit réutilisable. Bank of Communications International estime que le secteur passe d'une logique de démonstration de capacités à une évaluation commerciale centrée sur l'efficacité, la stabilité et le retour sur investissement. Ce basculement s'inscrit dans une course chinoise à l'humanoïde portée par plusieurs acteurs (AgiBot, Unitree, Galbot, UBTECH) qui rivalisent désormais autant sur les volumes de production que sur les débouchés industriels réels. Pour les analystes, le véritable test de cette année de production de masse ne sera pas le nombre d'unités sorties d'usine, mais celui des robots effectivement rappelés au travail.

Chine/Asie❧Opinion

1 source

49

2294Pandaily 

Pékin remporte les Humanoid Games : son PDG évoque un « moment ChatGPT » imminent pour l'IA incarnée

Le Beijing Humanoid Robotics Innovation Center a dominé la deuxième édition des World Humanoid Robot Games, remportant 15 médailles d'or, 12 d'argent et 18 de bronze au soir du 26 août, quelques heures avant la clôture de la World Robot Conference à Pékin. Sa gamme de robots Tiangong a établi 34 records humains durant la compétition et décroché l'or dans les épreuves phares, tant sportives que scénarisées. La même semaine, le centre a dévoilé Pelican-Unify, un modèle unifié d'intelligence embarquée, ainsi que Tiangong Omni, un humanoïde léger de 1,35 mètre pour 39 kilogrammes conçu pour une production de masse à coût réduit. Il a également annoncé un partenariat stratégique avec Mercedes-Benz, dans lequel le robot Tiangong 3.0 a servi de "conseiller sur base silicium", accueillant les visiteurs, présentant les modèles et répondant aux questions dans un environnement de salon très fréquenté. Le PDG Xiong Youjun a affirmé que le secteur approche la "veille du moment ChatGPT" de l'IA incarnée, une formule qui relève davantage du discours de positionnement que d'un fait vérifiable et mérite d'être lue comme telle. Au-delà de la vitrine compétitive, le discours de Xiong marque un déplacement notable du débat sectoriel : de la course aux spécifications brutes (couple moteur, degrés de liberté) vers des critères plus systémiques, chaîne d'approvisionnement, ingénierie, expérience client, et surtout la question du retour sur investissement, signe classique d'un marché qui cherche à sortir du stade de la démonstration. Xiong reconnaît lui-même que les humanoïdes restent en retrait des robots industriels et de la main-d'œuvre humaine sur ce critère de rentabilité, ce qui tranche avec la tonalité triomphaliste habituelle de ces événements. Pour les intégrateurs et décideurs industriels, l'élément le plus concret est ailleurs : la plateforme open source Huisi Kaiwu revendique plus de 16 millions de téléchargements, une dizaine de modèles ouverts et plus de 200 partenaires de développement, dont des institutions aux États-Unis et en Europe, ce qui en fait une tentative sérieuse de mutualisation d'infrastructure plutôt qu'une simple démonstration technologique isolée. Cette stratégie s'inscrit dans une approche délibérément terre-à-terre : plutôt que de viser des usages spectaculaires, Beijing Humanoid cible ce que Xiong appelle les scénarios "3D" (sales, dangereux, répétitifs), comme les opérations sous tension électrique, les tests en laboratoire, l'inspection énergétique ou le tri logistique. Un cas cité, l'automatisation de la vérification de thermomètres infrarouges pour l'Institut de métrologie du Jiangsu avec un gain de vitesse revendiqué de six fois, reste toutefois un exemple isolé communiqué par l'entreprise, sans données indépendantes pour l'étayer. Xiong pousse également la standardisation du secteur, en présidant un groupe de travail sur les normes de sécurité et en faisant avancer 49 standards, estimant que l'industrialisation des humanoïdes nécessite d'abord une infrastructure commune avant toute adoption à grande échelle. Aucun acteur français ou européen de la robotique humanoïde n'apparaît directement dans cette annonce, en dehors du partenariat commercial avec le constructeur automobile allemand Mercedes-Benz.

Chine/Asie❧Opinion

1 source

43

2295Pandaily 

Pénurie de données » : le véritable frein qui bride l'IA incarnée en Chine

Au World Robot Conference de Beijing cette année, l'attention s'est déplacée des démonstrations spectaculaires de robots vers des stands où des opérateurs humains, casque et gants de téléopération sur la tête et les mains, "enseignent" des gestes à des pinces robotiques dont chaque mouvement est enregistré comme donnée d'entraînement. Une nouvelle catégorie d'acteurs, qualifiés d'"infrastructure de données" ou de "fondation de données pour l'IA physique", s'est imposée en nombre, signe d'un basculement de la démonstration vers l'alimentation en données. Xia Hualin, qui dirige la base de données et d'entraînement du Beijing Humanoid Robotics Innovation Center, estime que l'IA incarnée réclame plusieurs ordres de grandeur de données de plus que la conduite autonome. La China Academy of Information and Communications Technology recense plus de 70 sites d'entraînement opérationnels fin juin, avec 46 autres planifiés ou en construction, un volume jugé encore très insuffisant. Une estimation du secteur chiffre à environ 500 000 heures les données réelles d'interaction physique conformes disponibles en Chine, alors que la commercialisation exigerait des dizaines de millions d'heures, soit un déficit de plus de 99 %. Le travail de collecte s'est complexifié : une simple tâche de tri de pièces a déjà généré entre 30 000 et 40 000 points de données, et le standard pour "porter un plateau" est passé d'un simple geste de saisie-déplacement-dépôt à un maintien de l'équilibre en marchant. Wang Chuang, associé chez AgiBot, situe la bascule entre l'ère de la démonstration en 2024 et la production de masse et le déploiement réel visés pour 2025-2026. En juin, le ministère de l'Industrie et des Technologies de l'information et le régulateur des actifs publics ont lancé un plan d'action 2026 ciblant plus de 100 scénarios d'usage à forte valeur et des dizaines de milliers d'unités déployées d'ici la fin de l'année. Ce constat déplace le vrai goulot d'étranglement de l'humanoïde chinois : ce n'est plus la mécanique ou l'algorithme qui bride le déploiement, mais l'approvisionnement en données physiques réelles, un problème que le texte ou les corpus de conduite autonome ne peuvent pas résoudre par transfert. Cela nuance directement le récit dominant d'un sim-to-real résolu ou de modèles vision-langage-action prêts à s'industrialiser à grande échelle : sans force, toucher distribué et couple moteur, la vidéo seule ne suffit pas à rendre une saisie fiable. Pour les intégrateurs et décideurs industriels, cela signifie que le calendrier de déploiement des humanoïdes dépend désormais autant d'une chaîne d'approvisionnement en données que du matériel lui-même. Ce virage s'inscrit dans la course chinoise à l'humanoïde portée par des acteurs comme AgiBot, UBTech ou Unitree, après deux années dominées par des vitrines technologiques. Les sites d'entraînement sont désormais conçus comme des "écoles complètes" couvrant la marche basique jusqu'aux opérations industrielles de précision, combinant téléopération en réalité virtuelle, capture de mouvement portable et collecte sur robots réels. Tant que ce déficit de données ne se résorbe pas, prévient Xia Hualin, les robots humanoïdes peineront à se défaire de leur image de jouets téléguidés.

Chine/Asie❧Opinion

1 source

45

2296arXiv cs.RO 

PRISM : commande prédictive par échantillonnage avec projection et réglage bayésien du coût pour la manipulation bimanuelle

Un framework académique publié en août 2026 sur arXiv (référence 2608.25666) présente PRISM, une commande prédictive par modèle (MPC) pour la manipulation bimanuelle en environnement encombré et riche en contacts. Le système s'appuie sur un simulateur physique accéléré par GPU comme modèle du monde en ligne, et introduit un échantillonnage de commandes guidé par programmation quadratique : les trajectoires de vitesses articulaires échantillonnées sont projetées sur l'ensemble des mouvements respectant les limites de position, vitesse, accélération et jerk avant évaluation. Un solveur QP maison, basé sur ADMM et le splitting de Bregman, assure l'exécution temps réel, tandis qu'une optimisation bayésienne règle automatiquement les poids de coût. PRISM a été testé sur des variantes du benchmark PerAct2 (transport de balle avec obstacles, transport de plateau, transfert de cube, levage de boîte), avec un transfert sim-to-real démontré sur deux bras UR5e d'Universal Robots. Cette approche illustre une alternative aux modèles vision-langage-action (VLA) comme Pi-0, GR00T N2 ou Helix, qui dominent la manipulation robotique par apprentissage bout en bout : au lieu d'entraîner un réseau de neurones sur des démonstrations massives, PRISM planifie directement via simulation physique, réduisant le besoin de données tout en gardant une exécution temps réel. Pour les intégrateurs industriels, le transfert sim-to-real réussi sur du matériel standard comme l'UR5e est significatif, car l'écart simulation-réalité reste un point de rupture fréquent des méthodes MPC comme des approches apprises. Il s'agit néanmoins d'un travail académique publié sur arXiv, sans partenaire industriel annoncé ni déploiement commercial, ce qui le distingue des annonces produit humanoïdes. Le contrôle bimanuel en milieu contraint reste un problème ouvert de longue date en robotique, partagé entre méthodes MPC classiques, coûteuses en calcul, et méthodes apprises nécessitant d'importants volumes de démonstrations. PRISM se positionne entre les deux en combinant simulation GPU et optimisation bayésienne pour automatiser le réglage des coûts. Le choix du benchmark PerAct2 et du bras UR5e, plateforme largement répandue en recherche comme en intégration industrielle, facilite la reproductibilité et la comparaison avec d'autres approches. Aucun essai pilote, partenariat industriel ni calendrier de commercialisation n'est mentionné dans la publication, qui reste à ce stade une contribution de recherche accompagnée de code source ouvert.

Recherche❖Paper

1 source

42

2297arXiv cs.RO 

MA-VLA : un modèle vision-langage-action multi-bras pour la collaboration et la généralisation compositionnelle

La recherche en robotique manipulative s'attaque à un problème précis: coordonner plusieurs bras robotiques qui doivent collaborer sur une même tâche sans être limités aux schémas de coopération vus pendant l'entraînement. Un article publié sur arXiv (identifiant 2608.25864v1) présente MA-VLA, un modèle vision-langage-action (VLA) conçu pour la collaboration multi-bras. Contrairement aux VLA récents qui traitent l'instruction comme une consigne globale unique appliquée à l'ensemble du système, MA-VLA découpe le comportement coopératif en "prompts atomiques" de niveau intermédiaire, chacun assigné à un bras spécifique. L'équipe introduit aussi une technique d'entraînement baptisée Arm Shuffle: elle permute aléatoirement, pour chaque bras, les observations, les états et les prompts atomiques assignés, ce qui force le modèle à suivre les instructions indépendamment du rôle fixe attribué à un bras donné. Les auteurs ont construit un benchmark dédié où les configurations de collaboration testées sont absentes de l'ensemble d'entraînement, et ont évalué le système en simulation comme en conditions réelles. Le code, les modèles et les données sont publiés sur GitHub (zhangzaibin/future-robots). Ce travail cible un angle mort connu des VLA actuels: leur capacité de généralisation s'effondre dès que la répartition des rôles entre bras change par rapport aux schémas mémorisés à l'entraînement. Selon les résultats rapportés, les VLA de référence échouent largement sur ces collaborations inédites, alors que MA-VLA maintient des performances stables. Pour les intégrateurs travaillant sur des cellules robotiques multi-bras ou des plateformes bimanuelles, c'est un signal utile: la généralisation compositionnelle, plutôt que la simple mémorisation de trajectoires coopératives, pourrait devenir un critère de sélection des architectures VLA pour des lignes de production où la configuration des tâches varie. Cette contribution s'inscrit dans la vague plus large des modèles VLA qui cherchent à unifier perception, langage et contrôle pour la manipulation robotique, un axe de recherche porté ces dernières années par plusieurs laboratoires académiques et industriels. MA-VLA se positionne explicitement contre les architectures à instruction globale unique, en misant sur une assignation explicite et recomposable de sous-objectifs par bras. Il s'agit à ce stade d'une publication de recherche avec code ouvert, sans annonce de déploiement industriel ni de partenaire commercial identifié.

Recherche⚡Actu

1 source

42

2298arXiv cs.RO 

GaussianDream++ : modélisation 3D gaussienne efficace du monde pour la manipulation robotique

GaussianDream++, décrite dans un article publié en août 2026 sur arXiv (2608.25659), est une méthode d'entraînement pour les politiques Vision-Language-Action (VLA) de manipulation robotique. Elle succède à GaussianDream, dont la reconstruction 3D en Gaussiennes mélangeait état, dynamique et action dans un pipeline dense (VGGT/TGE) coûteux. La nouvelle version insère seulement 20 "World State Tokens" et "World Prediction Tokens" dans le backbone VLA ; une tête dédiée, active seulement à l'entraînement, les décode en scène courante et prédiction future partageant les mêmes primitives Gaussiennes, avec une factorisation statique/dynamique isolant le mouvement pertinent. À l'inférence, cette tête et le pipeline lourd disparaissent : ne restent que les 20 tokens. Résultat : 98,6% de réussite sur LIBERO, 87,8% sur LIBERO-Plus, et sur robot réel un taux de succès moyen porté de 29,2% à 52,5% face à une politique pi_0.5 reproduite. Ce résultat répond à une limite connue des politiques VLA : l'imitation d'actions seule supervise mal la structure 3D métrique et la dynamique physique à court terme, tandis que les approches prédictives en RGB ou en espace latent alourdissent le déploiement. En montrant qu'une supervision géométrique riche à l'entraînement peut être totalement retirée à l'inférence sans perte de performance, GaussianDream++ répond au compromis coût/richesse qui freine l'adoption des politiques géométriques par les intégrateurs devant faire tourner ces modèles en boucle fermée sur du matériel embarqué. Le quasi-doublement du taux de succès sur robot réel suggère que cette supervision comble une partie de l'écart simulation-vers-réel, plutôt que d'apporter un simple gain en simulation. GaussianDream++ corrige la principale faiblesse de GaussianDream, sa dépendance à un pipeline VGGT/TGE mêlant plusieurs signaux dans un même préfixe. Elle s'inscrit dans un paysage de politiques VLA concurrentes, comme les modèles pi0 et pi0.5 de Physical Intelligence utilisés ici comme référence, GR00T N2 de NVIDIA ou Helix de Figure AI, chacune arbitrant différemment entre richesse de représentation et coût d'inférence temps réel. L'article ne précise ni partenaire industriel ni calendrier de déploiement : à ce stade, il s'agit d'un résultat de recherche évalué sur des bancs d'essai standards et un nombre limité d'expériences sur robot réel, sans détail sur les plateformes utilisées.

IA physique❧Opinion

1 source

42

2299arXiv cs.RO 

Génération rapide de préhensions via MeanFlow contraint par groupes de Lie

Un preprint publie sur arXiv (arXiv:2608.26076v1) présente Lie Group-constrained MeanFlow, une méthode de synthèse de prise (grasp synthesis) pour bras robotiques. Elle applique MeanFlow, une technique générative récente, sur le groupe de Lie produit SO(3) x R3, qui encode conjointement orientation et position d'une prise dans un seul espace géométrique. L'entrainement combine une condition de consistance semi-groupe purement algébrique avec un flow matching riemannien conditionnel sur ce groupe, qui ancre la vitesse moyenne du modèle a la distribution réelle des prises. Sur le jeu de données ACRONYM, la méthode génère des prises fiables en 5 évaluations de réseau au maximum, pour une latence d'inférence de l'ordre de la milliseconde, soit un gain de vitesse allant jusqu'a 39 fois par rapport aux modèles de diffusion et de flow-matching de référence, a qualité de prise équivalente. Les auteurs rapportent également un transfert direct vers des essais de préhension réelle sur robot, sans reentrainement ni adaptation de domaine, avec une robustesse maintenue face au bruit d'observation. Ce résultat s'attaque a un goulot d'étranglement connu du secteur du grasping: les modèles de diffusion capturent bien la multimodalité des prises valides sur un objet, mais leurs dizaines d'étapes d'échantillonnage restent trop lentes pour les cadences industrielles du bin-picking ou de la préparation de commandes. Ramener ce nombre a cinq évaluations sans perte de qualité rapproche les pipelines génératifs des contraintes temps réel attendues par les intégrateurs. Le maintien des performances en conditions réelles, avec bruit de capteur et sans reentrainement, répond aussi a une critique fréquente des démonstrations purement simulées, l'écart sim-to-real restant l'un des principaux freins a la mise en production des pipelines de perception-action. La méthode prolonge les travaux récents de distillation des modèles de diffusion en peu d'étapes, dont MeanFlow est une variante; son apport propre est de l'appliquer rigoureusement a un espace non euclidien, celui des rotations SO(3), que de nombreuses approches antérieures traitaient par des paramétrisations approximatives plutôt que par une géométrie riemannienne native. Les points de comparaison cites restent les modèles de diffusion et de flow-matching de référence évalués sur ACRONYM, jeu de données standard du domaine. A ce stade, il s'agit d'une publication de recherche non revue par les pairs et non d'un produit déployé : aucun partenariat industriel, pilote ou calendrier n'est mentionne, la validation réelle se limitant a des essais de préhension en laboratoire.

Recherche❖Paper

1 source

42

2300arXiv cs.RO 

Une politique, plusieurs incarnations : pré-entraînement géométrique unifié centré caméra pour la manipulation robotique hétérogène

Un article de recherche publié sur arXiv le 27 août 2026 présente UCAG-P (Unified Camera-Centric Action Geometry Pre-training), une méthode d'entraînement pour politiques vision-langage-action (VLA) généralistes pilotant des robots de morphologies différentes à partir d'un seul modèle. Plutôt que d'apprendre des commandes propres à chaque robot, UCAG-P représente les mouvements de manipulation comme des trajectoires observables par caméra, traitant bras robotiques, humanoïdes et mains humaines comme des variantes d'un même schéma d'action ; un module de traduction combine ce mouvement avec la cinématique du robot cible pour produire des commandes exécutables. Entraîné sur 4,03 milliers d'heures de données robot et simulation plus 2,34 milliers d'heures de démonstrations humaines, un seul checkpoint, sans réglage spécifique, atteint 98,3% sur LIBERO, 88,7% et 89,2% sur RoboTwin, 82,0% en zero-shot sur LIBERO-Plus et 62,0% sur RoboCasa GR-1, quatre benchmarks simulés. Ces résultats visent le principal goulot d'étranglement du secteur : l'hétérogénéité des morphologies, caméras et espaces d'action, qui empêche de mutualiser facilement les données pour entraîner une politique unique. En découplant géométrie du mouvement et exécution spécifique au robot, UCAG-P évite les branches d'adaptation par dataset et les pipelines de synthèse vidéo humain-vers-robot. Pour les intégrateurs, cela pourrait réduire le coût de réutilisation de données d'un robot vers un autre, bras industriel ou humanoïde. Qu'un checkpoint unique égale l'état de l'art sur plusieurs benchmarks sans réglage spécifique appuie l'hypothèse d'une généralisation VLA au-delà d'un seul embodiment, même si la preuve reste cantonnée à la simulation. Cette publication s'inscrit dans la course à la politique VLA généraliste, où des acteurs comme Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure AI (Helix) cherchent à démontrer qu'un même modèle peut piloter différents robots sans réentraînement lourd. UCAG-P s'en distingue par une représentation géométrique centrée caméra plutôt qu'un espace d'action robot, une piste validée uniquement en simulation. L'article, déposé sur arXiv sans affiliation industrielle mentionnée, reste une contribution de recherche et non un produit commercialisé : aucune date de production, aucun pilote ni déploiement physique n'est annoncé. Les suites attendues sont une validation sur robots réels et une comparaison directe avec les politiques généralistes existantes.

Recherche⚡Actu

1 source