Actualités robotique — page 54

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

38

2651arXiv cs.RO 

ReForce : apprentissage du retargeting sensible à la force pour la manipulation dextérique

Une équipe de recherche a publié le 18 août 2026 sur arXiv (référence 2608.15560v1) une méthode baptisée ReForce, conçue pour la manipulation dextre par robot à partir de démonstrations humaines. Le problème visé est le suivant: les pipelines de retargeting (transfert des mouvements humains vers un bras ou une main robotique) restent aujourd'hui essentiellement cinématiques, c'est-à-dire qu'ils copient les trajectoires et postures sans tenir compte des forces de contact, alors que ce sont ces forces qui déterminent la réussite ou l'échec d'une prise en main. ReForce ajoute un résidu de force au-dessus du mouvement retargeté classiquement, calculé par un "force tracker" générique entraîné sur un grand volume d'interactions simulées. La méthode fonctionne en deux modes: téléopération en ligne avec retour de force, et traduction hors ligne de jeux de données de démonstration déjà enregistrés. Les tests, menés à la fois en simulation et sur du matériel réel, portent sur des tâches réputées difficiles car riches en contacts fins: la saisie d'un gobelet en papier et la manipulation de pinces (tongs). Les auteurs rapportent une erreur de suivi de force réduite et un engagement multi-doigts plus stable que les approches purement cinématiques. Pour l'industrie robotique, l'enjeu dépasse le simple gain de précision: la collecte de démonstrations humaines à grande échelle est devenue le principal levier pour entraîner des politiques de manipulation dextre, y compris pour les modèles vision-langage-action. Si le retargeting cinématique ignore la force, les données transmises aux modèles encodent des gestes visuellement corrects mais mécaniquement approximatifs, ce qui explique en partie pourquoi certaines démonstrations impressionnantes en vidéo échouent lors d'un déploiement réel sur objets fragiles, déformables ou glissants. En introduisant un modèle de force générique et transférable, ReForce propose une brique technique susceptible d'améliorer la qualité des jeux de données de téléopération en amont, plutôt que de complexifier uniquement le modèle final. Il s'agit d'une contribution académique en preprint, sans entreprise ni produit commercial associé, à distinguer des annonces de Physical Intelligence (Pi-0), NVIDIA (GR00T N2) ou Figure (Helix), qui portent sur des modèles de bout en bout déployés ou pilotés en conditions réelles. ReForce se positionne en amont de ces systèmes, sur la brique de collecte et de conversion de données de démonstration. L'abstract ne mentionne ni publication de code, ni jeu de données ouvert, ni calendrier de déploiement industriel: les deux tâches testées, prise de gobelet et manipulation de pinces, servent de preuve de concept plutôt que de benchmark étendu, la validation à plus grande échelle restant à faire.

Recherche❖Paper

1 source

38

2652arXiv cs.RO 

HiPHI : un benchmark à grande échelle pour le mouvement humain de haute précision et l'interaction avec les objets

Des chercheurs ont publié HiPHI, un jeu de données de mouvement humain corps entier et d'interaction avec des objets, dépassant les 600 heures d'enregistrement, décrit dans un article déposé sur arXiv en août 2026 sous la référence 2608.16222. Construit à partir d'un pipeline de capture de mouvement optique, HiPHI atteint une précision de suivi des marqueurs spatiaux inférieure au millimètre pour le mouvement corps entier, ainsi que des trajectoires d'objets au niveau du maillage (mesh-level). Le dataset s'appuie théoriquement sur FrameNet, un cadre linguistique qui organise les primitives du mouvement humain. Les auteurs publient aussi une suite de benchmarks évaluant quatre axes : la diversité de l'espace des mouvements, l'ancrage des interactions (interaction grounding), la cohérence des objets manipulés, et les applications d'IA physique. Selon les analyses présentées, HiPHI élargit sensiblement la couverture des mouvements par rapport aux jeux de données existants, tout en conservant une fidélité élevée dans la qualité des interactions capturées. Ce travail cible un goulot d'étranglement jugé critique pour l'apprentissage de politiques robotiques humanoïdes à grande échelle : les vidéos issues d'internet, bien qu'abondantes, manquent d'états physiques précis et d'ancrage réel des interactions, tandis que les jeux de données de capture en laboratoire offrent une haute fidélité mais une couverture comportementale trop étroite. Pour les intégrateurs et laboratoires qui entraînent des modèles vision-langage-action à l'image de Pi-0 ou GR00T N2, ce type de fondation de données conditionne directement la capacité à généraliser des politiques apprises vers des tâches réelles incarnées, autrement dit le passage du simulateur au monde physique. Le papier revendique une amélioration mesurable de la diversité de mouvement, mais il s'agit à ce stade d'un benchmark académique évalué par ses propres auteurs, sans déploiement industriel ni adoption confirmée par un fabricant de robots humanoïdes. HiPHI s'inscrit dans une lignée de travaux cherchant à combler l'écart entre les grands corpus vidéo génériques et les datasets de mouvement capturés en studio, un problème documenté depuis plusieurs années dans la littérature sur l'apprentissage par imitation pour humanoïdes. Les auteurs positionnent leur contribution face aux jeux de données de mouvement existants, jugés soit trop limités en diversité soit insuffisamment ancrés physiquement, sans nommer de concurrent unique. Le texte souligne une application transversale au-delà de la robotique : les mêmes extensions de couverture pourraient aussi nourrir des modèles de prior de mouvement en infographie, utilisés notamment pour l'animation de personnages. Publié comme preprint arXiv, HiPHI demeure pour l'instant une ressource de recherche ouverte plutôt qu'un produit commercial ; sa valeur pour l'industrie dépendra de la publication effective du dataset et du code, de comparaisons indépendantes, et d'une éventuelle intégration dans des pipelines d'entraînement de robots humanoïdes commerciaux.

Recherche❖Paper

1 source

38

2653arXiv cs.RO 

Manipulation d'un stylo sur table avec un bras à 4 degrés de liberté guidé par vision

Une équipe de recherche publie sur arXiv (arXiv:2608.15968v1) une étude testant un bras robotique bas coût à quatre degrés de liberté (DoF), le Waveshare RoArm-M2-S, vendu autour de 200 dollars, sur une tâche de tri de stylos et crayons par couleur sur une table. Placé sous une caméra fixe en vue plongeante, le système utilise un détecteur YOLO11n-OBB (boîtes englobantes orientées) pour localiser chaque objet, convertit ses coordonnées pixel en coordonnées robot grâce aux paramètres intrinsèques de la caméra et à un marqueur de référence ArUco, puis classe sa couleur. L'angle d'orientation détecté détermine la stratégie de préhension : les objets proches de la direction d'approche fixe du bras sont saisis directement, tandis que ceux présentant un angle plus prononcé sont d'abord réorientés par des balayages correctifs successifs jusqu'à devenir saisissables. Sur 326 mouvements enregistrés portant sur sept ustensiles d'écriture, le bras a réalisé 196 prises directes et 130 passes de correction, avec des désalignements corrigés allant jusqu'à 90 degrés. L'intérêt de la démonstration tient au fait que ce bras est théoriquement sous-actionné pour cette tâche : saisir un objet à une orientation quelconque nécessite en principe cinq degrés de liberté (position x/y, hauteur z, rotation du poignet pour aligner la pince, et ouverture de la pince), alors que le RoArm-M2-S n'offre pas de rotation de poignet. Les auteurs montrent que perception et planification de mouvement, via des balayages correctifs répétés, peuvent compenser ce degré de liberté manquant sans modification matérielle. Pour les intégrateurs et concepteurs de plateformes robotiques low-cost, le résultat suggère qu'une ingénierie de tâche bien pensée, associée à une détection visuelle fine, peut étendre les capacités de bras à quatre axes largement utilisés dans l'éducation, la recherche et le prototypage, sans recourir à des bras à six ou sept axes plus onéreux. Cela nuance l'idée reçue selon laquelle un degré de liberté matériel manquant limite structurellement les tâches de manipulation à orientation libre. Le RoArm-M2-S de Waveshare appartient à une famille de bras robotiques grand public à quatre ou cinq DoF, prisés des makers, laboratoires universitaires et projets éducatifs pour leur faible coût face aux bras industriels ou aux plateformes de recherche, comme les bras à sept DoF de type Franka Emika ou les manipulateurs équipant des humanoïdes tels Figure 03 ou Optimus Gen 3. L'approche retenue ici, combinant un détecteur d'objets classique et un pipeline de vision déterministe plutôt qu'une politique bout en bout de type VLA (vision-language-action) telles que Pi-0 ou GR00T N2, illustre une voie alternative pour rendre la manipulation robuste sans données d'entraînement massives ni matériel coûteux. L'étude, limitée à une tâche de tri de stylos sur table, ne précise ni suite annoncée ni déploiement au-delà du cadre expérimental, mais ouvre la voie à des extensions vers d'autres objets et environnements pour des plateformes à bas coût.

Recherche❖Paper

1 source

38

2654arXiv cs.RO 

Révéler les cas limites de la navigation urbaine incarnée via un apprentissage évolutif à partir de vidéos réelles

Un article de recherche publié sur arXiv (2608.16476v1) présente un framework destiné à entraîner des politiques de navigation urbaine "point-goal" (rejoindre un point cible donné) à partir de vidéos égocentriques web-scale non curées, c'est-à-dire des séquences filmées en conditions réelles et disponibles en grande quantité sur le web. Le système annote automatiquement ces vidéos avec des trajectoires métriques et une sémantique de navigation structurée, puis exploite ces annotations pour entraîner une politique vision-langage-action (VLA) capable de produire des plans de navigation interprétables plutôt que des sorties de type boîte noire. Les auteurs caractérisent ensuite la "long tail", c'est-à-dire la distribution des cas rares, en croisant la performance du modèle avec les patterns de perception-mouvement observés, et s'appuient sur une analyse par réflexion pour diagnostiquer les modes d'échec récurrents. Le dispositif est validé à la fois sur des données vidéo web et sur des tâches de navigation urbaine réelles. L'enjeu pour l'industrie de la robotique mobile tient à un frein bien identifié : la collecte de données spécifiques à la navigation coûte cher, et les scénarios rares mais critiques pour la sécurité, piétons imprévisibles, intersections complexes, obstacles inhabituels, restent sous-représentés dans les jeux de données robotiques classiques constitués par téléopération ou simulation. En montrant un transfert de connaissances efficace depuis des vidéos web non contraintes vers une politique de navigation opérationnelle, l'étude nourrit l'hypothèse selon laquelle les modèles VLA peuvent s'appuyer sur des sources massives et bon marché plutôt que sur des flottes dédiées à la collecte. Pour les intégrateurs d'AMR et les concepteurs de plateformes mobiles ou humanoïdes déployées en environnement urbain, la couverture des cas limites demeure le principal verrou avant une mise en production fiable, ce qui rend cette piste méthodologique directement pertinente. Ce travail s'inscrit dans la dynamique plus large des politiques VLA combinant perception visuelle, compréhension du langage et génération d'actions, déjà explorée pour la manipulation comme pour la navigation robotique. Il s'agit ici d'une contribution de recherche méthodologique et non d'une annonce produit : l'article, classé "new" sur arXiv, ne mentionne ni entreprise, ni partenaire industriel, ni calendrier de déploiement commercial. Sa valeur ajoutée revendiquée dépasse la performance agrégée classique en mettant en évidence une structure cohérente dans les échecs de type long tail, un axe d'évaluation encore peu formalisé dans la littérature sur la navigation incarnée. Les suites naturelles concerneraient l'extension du pipeline d'annotation à davantage de vidéos in-the-wild et une validation sur des flottes robotiques réelles, mais aucune date ni terrain de déploiement précis n'est fourni dans l'article.

Recherche❖Paper

1 source

37

2655arXiv cs.RO 

GUIDER : évaluation de l'inférence d'intention humaine sans objectif pour la téléopération sur données réelles de robots

Des chercheurs présentent une évaluation du cadre GUIDER, pour Global User Intent Dual-phase Estimation for Robots, un système probabiliste dit "goal-free" conçu pour inférer l'intention humaine pendant une manipulation robotique téléopérée, c'est-à-dire sans connaître à l'avance l'objet cible visé par l'opérateur. Le système a été testé sur des données réelles enregistrées par un bras robotique, dans trois scénarios d'assistance: préparer du thé et aller chercher un médicament. Pour rendre l'estimation exploitable en conditions réelles, les auteurs ont ajouté une mise à jour probabiliste en ligne, des limites d'espace de travail, un filtrage par plan de support et un mode de préhension qui priorise les zones de prise physiquement faisables. Sur 20 étapes de manipulation réparties dans les trois scénarios, GUIDER a identifié l'intention correcte parmi l'ensemble des candidats de préhension dans 100% des cas, avec un temps moyen de 3,7 secondes avant d'atteindre une prédiction fiable, alors qu'il restait en moyenne 49,6 secondes avant la première prise effective. La stabilité des prédictions atteint 96,4%, pour un temps de calcul de 4,857 secondes (moyenne) et 4,474 secondes (médiane) par phase perceptuelle. Pour les concepteurs de robots collaboratifs et de systèmes d'assistance, notamment dans le soin à la personne ou la téléopération partagée, ce travail répond à une limite connue des interfaces d'intention: la plupart exigent un objectif prédéfini, ce qui les rend rigides face à des environnements domestiques non structurés. Un système fonctionnant sans objectif fixé à l'avance, avec une marge de près de 46 secondes entre la prédiction fiable et l'action physique, laisse en théorie le temps à un opérateur humain d'intervenir ou de corriger. Il faut toutefois noter que les temps de calcul par phase, proches de 4,5 à 4,9 secondes, restent loin du temps réel et que les tests ont été menés hors ligne sur des données déjà enregistrées, en reproduisant leurs conditions temporelles d'origine, et non lors d'un déploiement en direct avec un utilisateur dans la boucle. Ce travail s'inscrit dans le champ de la téléopération à autonomie partagée, où l'estimation d'intention sert à assister ou corriger les gestes d'un opérateur distant. En évaluant GUIDER sur des données de bras robotique réel plutôt qu'en simulation, les auteurs cherchent à valider la robustesse du cadre face à des scènes concrètes de manipulation domestique. Les suites naturelles évoquées par ce type d'évaluation sont un déploiement en boucle fermée avec un opérateur humain réel et une extension à d'autres plateformes robotiques et scénarios d'assistance.

Recherche❖Paper

1 source

37

2656arXiv cs.RO 

Robo-Dopamine 2.0 : récompense de processus conditionnée par l'historique et sensible aux données hors distribution pour la manipulation robotique

Publié le 18 août 2026 sur arXiv, un article présente Robo-Dopamine 2.0, un modèle de récompense de processus destiné à affiner par apprentissage par renforcement des politiques de manipulation robotique de type vision-langage-action (VLA). Le système combine des récompenses par paires conditionnées par l'historique, qui s'appuient sur des panels de référence pour les requêtes hors distribution (OOD) synthétiques et sur l'historique observé pour les requêtes en ligne, et un espace de progression signée distinguant progression valide, robustesse, échec et récupération. L'ensemble est entraîné via un curriculum baptisé "Signed-Hop", à rejeu conscient des transitions, qui apprend d'abord l'ordre grossier d'exécution avant le calibrage fin. Les auteurs publient aussi un jeu de trajectoires hors distribution et un banc d'essai en cinq familles de tâches. Les panels de référence font passer la cohérence d'ordre visuel (VOC) moyenne de 0,967 à 0,986, et la VOC robuste en OOD de 0,906 à 0,958. À budget égal de 400 000 paires de récompenses, l'entraînement Signed-Hop avec 25% de rejeu atteint 0,9872 de VOC contre 0,9858 pour un contrôle mélangé équivalent, et le modèle complet obtient 86,8% de réussite moyenne sur le benchmark RoboTwin, ainsi que 71 insertions réussies sur 80 en conditions réelles. Ce travail s'attaque à un problème central des politiques VLA en production: les signaux de succès rares freinent l'exploration en apprentissage par renforcement, tandis que concevoir des récompenses denses à la main coûte cher et reste spécifique à chaque tâche. Les modèles de récompense visuelle existants, fondés sur de simples paires avant/après, souffrent d'ambiguïté temporelle et distinguent mal une variation qui préserve la robustesse d'un échec réellement invalidant lorsque le robot s'écarte de sa trajectoire nominale. En rendant le signal sensible à l'historique et conscient des états hors distribution, Robo-Dopamine 2.0 cherche à réduire l'écart entre démonstrations contrôlées et comportement réel face à des scènes modifiées. Le chiffre de 71 insertions sur 80 reste toutefois un résultat de recherche sur des tâches de préhension fine, pas une preuve de fiabilité en environnement industriel à grande échelle. Le nom du système indique une filiation avec une première version, Robo-Dopamine, dont l'article ne détaille pas les résultats mais dont il corrige explicitement les limites: ambiguïté temporelle des récompenses statiques et faible discrimination des cas hors distribution. La démarche s'inscrit dans le courant du post-entraînement par renforcement de politiques VLA déjà pré-entraînées, de plus en plus utilisé pour affiner des modèles génériques de manipulation sans récompenses spécifiques à chaque tâche. Les auteurs présentent leur contribution comme une brique méthodologique, avec la publication conjointe du jeu de trajectoires OOD et du benchmark en cinq familles de tâches, pensés comme références de comparaison pour d'autres équipes. L'article ne mentionne ni partenariat industriel ni déploiement commercial: il s'agit d'une contribution de recherche en prépublication, sans calendrier annoncé vers un produit ou un intégrateur robotique.

Recherche⚡Actu

1 source

37

2657arXiv cs.RO 

PerFACT : politique de mouvement avec synthèse de données par LLM et transformeurs de fusion et segmentation d'actions

Une équipe de recherche publie sur arXiv (référence 2512.03444v2, version révisée) une méthode baptisée PerFACT destinée à la planification de mouvement pour bras manipulateurs robotiques. Le système combine deux briques. La première est une méthode de génération d'environnements de travail synthétiques, qui associe génération procédurale de primitives géométriques et suggestion/placement de ces primitives pilotés par des grands modèles de langage (LLM), afin de produire des scènes d'entraînement bien plus variées que les jeux de données construits manuellement. La seconde est un réseau nommé Fusion Motion Policy Networks (MπNetsFusion), un planificateur neuronal de bout en bout en boucle ouverte, bâti autour d'un "fusion action-chunking transformer" qui fusionne plusieurs modalités de caractéristiques pour mieux encoder les signaux de planification. Grâce à PerFACT, les auteurs ont constitué un jeu de données de 3,5 millions de trajectoires, utilisé pour entraîner et évaluer MπNetsFusion face à des planificateurs de référence. Résultat annoncé : un temps de planification constamment bas, avec une inférence inférieure à la seconde, tout en restant compétitif face aux planificateurs par échantillonnage et aux planificateurs neuronaux de bout en bout existants. Pour l'industrie robotique, l'apport ne réside pas dans un nouveau robot mais dans une réponse à un goulot d'étranglement connu : les planificateurs neuronaux de pointe sont généralement entraînés sur des jeux de données restreints et construits à la main, ce qui limite leur généralisation à des scénarios réels variés. En automatisant la génération de scènes via des LLM plutôt que via un travail humain de conception d'environnements, PerFACT propose une voie pour entraîner des modèles de planification à bien plus grande échelle sans multiplier l'ingénierie manuelle. Pour les intégrateurs qui évaluent des solutions de contrôle temps réel de bras robotiques, une inférence sub-seconde combinée à une architecture attentive à plusieurs modalités est directement pertinente pour des applications en entrepôt ou en manufacturing où la latence de planification conditionne le débit. Le travail s'inscrit dans la lignée des réseaux de politique de mouvement de type MPiNets, dont il reprend et étend l'architecture via ce mécanisme de fusion par transformer. Il se positionne explicitement face à deux familles concurrentes, les planificateurs classiques par échantillonnage et les planificateurs neuronaux de bout en bout existants, contre lesquelles les auteurs revendiquent une performance compétitive. Marqué "replace" sur arXiv, ce document correspond à une version révisée de l'article ; il n'annonce ni produit commercial ni déploiement industriel, mais demeure un travail de recherche accompagné d'un site de projet où code et résultats sont mis à disposition.

Recherche❖Paper

1 source

37

2658arXiv cs.RO 

Un robot humanoïde lance une spirale parfaite au football américain

Une équipe de recherche publie sur arXiv (arXiv:2608.16642v1) une démonstration de lancer de ballon de football américain en spirale serrée par un robot humanoïde. Le système utilise un Unitree G1 a 29 degrés de liberté (DoF), équipe d'une pince a trois doigts Dex3-1 a 7 DoF. Le mouvement de lancer complet s'exécuté en environ une demi-seconde de mouvements a haut DoF, avec une phase de relâchement critique de moins de 100 millisecondes durant laquelle le ballon glisse de manière partiellement incontrôlée sur les doigts. Le contrôle repose sur une stratégie de commande corps entier couplée : le bas du corps stabilise la posture pendant que le haut du corps opère en deux phases, une phase de lancer par optimisation et suivi de trajectoire, puis une phase de suivi par commande prédictive (MPC) sur le poignet et les doigts encore en contact. Resultats mesures : jusqu'a 93,6% d'efficacité de spin, une erreur d'alignement du nez du ballon de 0,286 radian par rapport a la vitesse linéaire (contre 0 radian pour une spirale idéale a 100% d'efficacité), pour une vitesse linéaire allant jusqu'a 5,35 m/s et une vitesse angulaire de 14,5 rad/s. Contrairement a l'essentiel des travaux antérieurs sur le lancer robotique, centres sur la génération de vitesses de relâchement dynamiquement réalisables avec des pinces ouvertes simples, cette étude s'attaque explicitement au contrôle de l'injection de spin au moment du détachement, un problème largement néglige pour des objets aérodynamiquement anisotropes comme un ballon ovale. Pour un secteur qui cherche a démontrer une dextérité fine et une gestion fiable des contacts transitoires sur des humanoïdes, ce résultat illustre un progrès technique réel sur un cas d'usage très spécifique plutôt qu'une preuve générale de maturité commerciale : il s'agit d'une validation empirique en laboratoire sur un seul type d'objet, pas d'un produit déployé. Il confirme néanmoins que des architectures combinant optimisation de trajectoire et commande prédictive peuvent gérer des dynamiques de contact sous-actionnées en quelques dizaines de millisecondes, un enjeu directement transférable a des taches industrielles exigeant un relâchement précis d'objets, comme le tri ou l'emballage a cadence rapide. Le Unitree G1, plateforme chinoise abordable et largement adoptée par les laboratoires de recherche en robotique, sert ici de banc d'essai, dans la lignée d'autres travaux acrobatiques ou sportifs utilises comme benchmarks de dextérité dynamique, face a des plateformes plus onéreuses comme l'Atlas de Boston Dynamics ou l'Optimus de Tesla. Le résume disponible ne précise ni affiliation institutionnelle ni calendrier de suite, et le travail se présente comme une preuve de concept technique plutôt qu'une annonce produit. Il s'inscrit dans une tendance plus large de la recherche en manipulation dextérité, ou des taches ludiques ou sportives comme le lancer, la jonglerie ou l'attrape servent de bancs d'essai intermédiaires avant des applications industrielles a fort enjeu de timing et de précision de contact.

Recherche❖Paper

1 source

37

2659arXiv cs.RO 

Ne lâchez pas BATON : manipulation robotique étendue, sous-tâches exploratoires à base d'agents, mémoire des transitions

Des chercheurs publient sur arXiv (arXiv:2608.16889v1) une méthode nommée BATON pour la manipulation robotique "long-horizon", ces taches multi-étapes qui enchainent plusieurs compétences a contact physique. Le problème identifie: les modèles vision-langage-action (VLA) maitrisent de mieux en mieux des compétences isolées, mais les erreurs s'accumulent quand on les chaine, et une approche existante qui fige le VLA et confie la planification a un agent LLM voit son cout d'exploration exploser en T^K épisodes pour K étapes, sans pouvoir dire a quelle étape imputer un échec. BATON explore chaque sous-tache séparément en régime court, stocke sa solution en mémoire, puis compose la trajectoire complète a partir de ces briques, ramenant le cout a une forme additive T*K et permettant d'attribuer chaque échec a une étape précise. Un agent vérificateur contrôle via la camera de poignet le moment d'invoquer le VLA, tandis que des transitions de passation et d'anticipation assurent la cohérence entre sous-taches, sans aucune mise a jour de paramètres. Sur le benchmark RoboMemArena, BATON améliore le taux de réussite des taches de 11,6% et le taux de réussite cumulée de 14,9% par rapport a l'état de l'art. Ce résultat cible le problème qui freine le déploiement industriel des robots manipulateurs sur des taches réelles: réussir des compétences isolées ne garantit pas la réussite d'une chaine complète, le fosse classique entre démonstration et déploiement effectif. En rendant le cout d'exploration additif plutôt que multiplicatif, BATON rend potentiellement viable l'apprentissage autonome de séquences longues sans explosion du nombre d'essais nécessaires, un frein pratique pour qui cherche a automatiser des taches d'assemblage ou de logistique complexes. L'approche souligne surtout que la gestion des transitions entre étapes, et non la seule qualité du VLA, reste souvent l'angle mort des annonces commerciales, qui privilégient des vidéos sélectionnées a des taux de réussite mesures sur benchmark reproductible. Le travail prolonge les architectures combinant un VLA fige et un agent LLM planificateur, une piste déjà jugée prometteuse mais jusque-la bridée par le cout d'exploration sur les taches longues. A la différence des méthodes qui reentrainent ou affinent le VLA, BATON ne met a jour aucun paramètre et repose entièrement sur la mémoire et la composition de sous-solutions apprises séparément. Publie en aout 2026 sous forme de preprint arXiv et évalué uniquement sur le benchmark RoboMemArena, il reste a ce stade un résultat de recherche: aucun code public, aucun partenariat industriel ni déploiement pilote n'est mentionne.

Recherche❖Paper

1 source

37

2660arXiv cs.RO 

Estimateur en temps réel du contrôle et de l'état des actionneurs (REACH) sur un robot souple bio-inspiré d'anguille

Une équipe de chercheurs a présenté, dans une prépublication arXiv (2608.14865) mise en ligne à la mi-août 2026, un algorithme nommé REACH (Real-time Estimator of Actuator Control and Health), destiné à estimer en temps réel l'état de santé des actionneurs d'un robot souple nageur inspiré de l'anguille et capable de nage anguilliforme, grâce à un modèle du robot souple, un filtre à points sigma et un test d'hypothèse statistique. En comparant trois types de capteurs, un par actionneur (GPS, centrale inertielle IMU et capteur de flexion), les auteurs montrent que l'IMU et le capteur de flexion sont tous deux des choix adéquats, et que deux IMU suffisent alors que trois capteurs de flexion sont nécessaires pour un diagnostic fiable. Testé sur trois allures de nage (ligne droite, virage large, virage serré), REACH prédit correctement l'état de santé des actionneurs dans les trois cas avec des écarts de performance minimes, et une méthode de validation de filtre confirme sa cohérence statistique dans la détection des dégradations. Des essais menés avec des données réelles de capteurs de flexion issues d'un robot poisson confirment que l'algorithme fonctionne malgré le bruit de mesure et les variations de fabrication entre actionneurs. Cette avancée cible un problème concret de la robotique sous-marine souple : les environnements opérationnels difficiles dégradent rapidement matériaux et actionneurs souples, rendant la détection de pannes indispensable pour qu'un robot mène à bien sa mission ou revienne à sa base en cas de défaillance. Contrairement aux robots rigides, dont les modes de défaillance sont bien caractérisés, les actionneurs souples restent difficiles à diagnostiquer en temps réel du fait de leur comportement non linéaire, ce qui freine leur adoption pour des missions autonomes prolongées d'inspection, de surveillance ou de suivi environnemental. Le fait que deux à trois capteurs bas coût suffisent à un diagnostic fiable constitue une indication utile pour les intégrateurs cherchant à limiter l'encombrement et la consommation énergétique des véhicules sous-marins autonomes biomimétiques. Le travail s'inscrit dans le champ en expansion de la robotique douce bio-inspirée, où la nage anguilliforme est étudiée comme alternative économe en énergie aux propulseurs classiques pour les véhicules sous-marins autonomes. Il s'agit d'une prépublication de recherche, non encore revue par les pairs, sans acteur industriel ni calendrier de commercialisation mentionnés dans le résumé. Les auteurs valident leur approche à la fois en simulation et sur un prototype physique de robot poisson équipé de capteurs de flexion, une étape jugée nécessaire avant d'envisager son intégration dans des plateformes de nage souple destinées à des missions réelles.

Recherche❖Paper

1 source

37

2661arXiv cs.RO 

Câble détachable : architecture robotique reconfigurable à actionneurs partagés

Une équipe de recherche décrit dans un preprint publie en aout 2026 sur arXiv (référence arXiv:2608.15461v1) un système robotique reconfigurable baptise "Detachable Wire Drive". Son composant central, la "Wire Detach Unit", permet de scinder physiquement puis de reconnecter les chemins de câbles d'une transmission par câble (wire drive), ce qui autorise le regroupement de tous les moteurs dans une base commune au lieu de dédier un actionneur a chaque module. Les auteurs ont valide l'approche en construisant quatre modules interchangeables, un bras rigide a deux degrés de liberté (2-DOF), un bras continuum souple et deux pinces distinctes, tous pilotes par le même jeu d'actionneurs partages grâce a ce mécanisme de détachement. Des essais expérimentaux ont mesure la fiabilité mécanique du processus de détachement/reconnexion des câbles et la capacité du framework de contrôle a gérer sans discontinuité les transitions entre configurations. L'enjeu est d'abord économique: dans l'architecture centralisée classique des robots modulaires, chaque module embarque ses propres moteurs, ce qui alourdit le système, augmente son volume et gonfle la facture, les actionneurs haute performance comptant parmi les composants les plus couteux d'un bras robotique. En mutualisant les moteurs dans une base fixe et en ne déportant vers chaque module que la transmission mécanique via des câbles détachables, cette architecture ouvre une piste vers des robots multifonctions plus légers et moins chers, capables de changer d'outil (pince, bras rigide ou souple) sans dupliquer l'actionnement a chaque fois. Pour les intégrateurs et concepteurs de systèmes a outils interchangeables, la démonstration reste néanmoins un prototype de laboratoire: l'abstract ne fournit aucun chiffre de gain de poids, de cout ou de temps de reconfiguration, et le passage a un usage industriel n'est pas encore établi. Ce travail s'inscrit dans le champ plus large de la robotique reconfigurable et des transmissions par câble, déjà exploitées dans des bras continuum souples et des robots chirurgicaux ou de type serpent pour leur légèreté et leur compacité, mais qui imposaient jusqu'ici un actionneur dédié par module mobile. En introduisant un point de détachement et de reconnexion physique des câbles, les auteurs cherchent a lever ce verrou architectural commun a la robotique modulaire, qu'elle soit destinée a la recherche ou a l'industrie. Publie en preprint sans mention de revue par les pairs ni de partenariat industriel, l'article n'annonce pour l'instant ni pilote ni calendrier de commercialisation; les suites évoquées portent sur l'extension du nombre de configurations testées et sur la validation du framework de contrôle lors de taches réelles au-delà des démonstrations de laboratoire.

Recherche❖Paper

1 source

37

2662arXiv cs.RO 

FloodReasonBench : évaluer la segmentation par raisonnement des VLM pour la réponse aux inondations en robotique incarnée à la périphérie

Des chercheurs publient FloodReasonBench (arXiv:2608.15410v1), un banc d'essai pour évaluer les modèles vision-langage (VLM) sur la segmentation par raisonnement appliquée a la réponse aux inondations en conditions embarquées. Son coeur, FloodResponseSeg, est un jeu de données construit a partir de scènes réelles d'inondation et de cibles pertinentes pour les secours, permettant de traduire une requête en langage naturel en masque de segmentation au niveau du pixel. Au-dela de la précision brute, le benchmark caractérise les pipelines sous trois contraintes: encodage visuel allégé, inférence en découpe hiérarchique et représentations intermédiaires compressées. Teste sur une carte NVIDIA Jetson AGX Xavier, il montre une forte variation de précision selon le point de partitionnement du pipeline dans un cadre générique non adapte, alors que la configuration spécifiquement adaptee aux inondations produit une plage de précision bien plus compacte, quel que soit ce point de partition. Le benchmark mesure aussi le compromis entre précision, latence, consommation énergétique et empreinte de communication en périphérie de réseau. Ce travail comble un angle mort des benchmarks VLM existants, généralement conçus pour des scènes génériques et ignorant les contraintes de ressources des plateformes de secours. Pour les intégrateurs de robots et de drones d'intervention en catastrophe naturelle, ou la connectivité réseau et l'autonomie énergétique sont limitées, la fiabilité d'un VLM une fois déployé sur du matériel embarque peu puissant conditionne directement son utilisabilité sur le terrain. En montrant qu'une adaptation au domaine réduit la sensibilité du modèle au point de partitionnement du calcul, l'étude suggère qu'un simple transfert de VLM généralistes vers l'edge, sans reentrainement cible, expose a des pertes de précision imprévisibles selon l'architecture d'inférence retenue. FloodReasonBench s'inscrit dans la tendance d'adaptation des VLM au raisonnement pixel par pixel pour des agents embarques, un domaine jusqu'ici surtout évalué sur des jeux de données génériques plutôt que sur des cas d'usage opérationnels comme la recherche et le sauvetage. Il s'agit d'un travail de recherche publie sur arXiv, pas d'un produit ou d'une plateforme commercialisée: aucun partenariat industriel ni déploiement sur le terrain n'est mentionne. Les auteurs présentent leur grille d'évaluation comme un outil de sélection de points de fonctionnement edge sous contrainte de qualité, ouvrant la voie a une intégration future dans des robots ou drones réels d'intervention en zone inondée.

Recherche❖Paper

1 source

37

2663arXiv cs.RO 

ViTaR : adaptation résiduelle visuo-tactile pour la manipulation par modèles fondation VLA

Une équipe publie sur arXiv (2608.15816v1) ViTaR (Visuo-Tactile Residual Adaptation), qui comble un angle mort des modèles Vision-Language-Action (VLA) : entraînés sur de vastes a priori visuels, ils produisent la même action que le contact avec l'objet soit établi, perdu ou déstabilisé. Plutôt que de modifier l'intérieur du VLA, au risque d'un oubli catastrophique, ou de recourir à du renforcement en ligne près des conditions d'échec, ViTaR garde le modèle gelé et traite le tactile comme un modulateur d'exécution plutôt que comme une entrée génératrice d'action. Une première étape détermine si une correction résiduelle est localement justifiée à partir des résultats observés, une seconde la convertit en un gain continu calculé en temps réel. Sur le benchmark UniVTAC, sept tâches de manipulation à fort contact, ViTaR atteint 61,3% de réussite moyenne, soit 30,6 points de plus que le VLA gelé de base, devançant aussi des méthodes tactiles spécialisées ; des essais sur robot physique confirment le transfert au bruit et à la dynamique réels des capteurs. Ce résultat cible un point critique pour l'industrialisation des VLA, de plus en plus déployés sur bras manipulateurs et humanoïdes : ces modèles excellent sur des tâches visuelles généralistes mais restent fragiles dès qu'il faut saisir, insérer ou assembler avec un contact fin, un scénario omniprésent en logistique et en assemblage industriel. En montrant qu'une correction résiduelle bornée, greffée sur un VLA figé, suffit à gagner plus de 30 points de réussite sans réentraîner le modèle de base, ViTaR ouvre une voie pour ajouter de la robustesse tactile aux piles VLA existantes sans dégrader leurs capacités généralistes. Les approches précédentes laissaient au contraire au tactile une influence non bornée sur l'action générée, au risque de contredire les a priori qui font la généralisabilité de ces modèles. Le travail s'inscrit dans les efforts pour doter les modèles VLA de fondation, dans la lignée de familles comme Pi-0, GR00T ou Helix, d'une perception multimodale plus fine que la seule vision. Publié comme soumission arXiv nouvelle, ViTaR reste à ce stade une contribution de recherche validée sur un benchmark simulé et par des essais robot physique limités, sans annonce de déploiement industriel ni de partenariat commercial. Les auteurs ne donnent pas de calendrier pour une intégration dans des piles VLA commerciales existantes.

Recherche❖Paper

1 source

37

2664arXiv cs.RO 

Recherche de source entièrement distribuée et résiliente pour essaims de robots

Une équipe de recherche propose un nouvel algorithme entièrement distribué permettant à un essaim de robots de localiser la source d'un signal physique (gaz, chaleur, champ électromagnétique) sans mesure directe du gradient ni formation géométrique imposée. L'architecture repose sur trois algorithmes à convergence exponentielle imbriqués dans une boucle fermée à deux échelles de temps, l'une rapide pour l'estimation locale, l'autre plus lente pour le déplacement collectif. Chaque robot calcule une direction ascendante vers la source à partir de mesures de champ purement locales et d'une estimation distribuée de sa position relative au centre de gravité de l'essaim, sans coordination centrale ni communication globale. La méthode est d'abord formulée pour des points cinématiques évoluant dans un espace de dimension quelconque, puis étendue à des robots unicycles 2D se déplaçant à vitesse constante. Les auteurs valident l'approche par des simulations sur des essaims de grande taille, sans toutefois rapporter d'expérimentation sur robots physiques à ce stade. L'intérêt de ces travaux tient à la levée de deux contraintes qui limitaient jusqu'ici les algorithmes de recherche de source en essaim: la nécessité de mesurer directement le gradient du signal, capteur souvent coûteux ou bruité, et l'obligation de maintenir une formation géométrique rigide entre robots, fragile en cas de panne ou de perte d'un agent. En autorisant des géométries d'essaim arbitraires et en caractérisant les formes optimales garantissant un alignement fiable avec le gradient réel, l'étude ouvre la voie à des essaims plus résilients, capables de continuer leur mission même si certains robots tombent en panne ou se désynchronisent. Ce type de robustesse distribuée intéresse directement les applications de détection de fuites, de surveillance environnementale ou de recherche et sauvetage par flottes de drones ou robots terrestres à bas coût. Le papier s'inscrit dans le champ du "source seeking" en robotique en essaim, où les approches historiques s'appuyaient soit sur des capteurs de gradient dédiés, soit sur des topologies figées type formation en losange ou en cercle. En démontrant qu'une estimation purement locale et distribuée suffit à reconstruire une direction de progression fiable, et en montrant comment une déformation contrôlée de la forme de l'essaim ("shape morphing") permet de piloter le mouvement collectif, les auteurs positionnent leur cadre comme une alternative plus flexible aux méthodes existantes. La validation reste pour l'instant limitée à la simulation, une transposition vers des essaims physiques réels constituant la suite logique de ces travaux.

Recherche❖Paper

1 source

37

2665arXiv cs.RO 

Zetta ζ : un harnais incarné en boucle fermée efficace pour une intelligence physique auto-évolutive

Une équipe de recherche publie sur arXiv (référence 2608.16590v1) un système baptisé Zetta, présenté comme un harnais agentique en boucle fermée pour l'intelligence physique incarnée. Contrairement aux approches agentiques existantes qui suivent des compétences fixes pendant l'exécution et ne réfléchissent qu'après la fin d'un épisode, Zetta garde le modèle de politique de base figé mais fait évoluer en ligne, pendant l'exécution, des critiques codées et des compétences de récupération. Le système repose sur trois boucles séparées par échelle de temps : une gouvernance au rythme de l'action, une proposition de critique et de récupération au niveau du rollout, et des mises à jour de compétences validées avant intégration. Associé à Z-Infra, une infrastructure qui découple la logique de l'agent des ressources d'exécution matérielles hétérogènes, Zetta atteint 90,8% de réussite sur le benchmark de simulation LIBERO-Pro et 93,6% sur RoboCasa, avec une accélération d'inférence de 11,1 fois par rapport aux méthodes comparées, dans le budget de rollout testé par les auteurs. L'enjeu dépasse le simple score de benchmark : la plupart des harnais agentiques actuels échouent à boucler l'apprentissage pendant l'exécution physique elle-même, car les décisions doivent suivre des états robot-environnement qui évoluent trop vite pour les grands modèles agentiques actuels. Si les résultats se confirment au-delà de la simulation, cela offrirait une voie pour combler l'écart entre modèles de bout en bout figés et agents capables de s'auto-corriger en conditions réelles, un enjeu central pour les intégrateurs cherchant des politiques robotiques fiables à grande échelle plutôt que des démonstrations isolées. Il faut toutefois noter que LIBERO-Pro et RoboCasa restent des environnements simulés, non des déploiements sur robots physiques. Le papier s'inscrit dans la lignée des travaux sur les modèles vision-langage-action (VLA), en cherchant à dépasser leur principale limite : l'incapacité à s'adapter dynamiquement pendant l'exécution. Les auteurs rapportent que la performance continue de progresser avec l'expérience d'auto-exploration accumulée, que les compétences apprises se transfèrent en zero-shot à de nouvelles tâches, et que des comportements de résolution soudaine ("Aha Moments") émergent au fil de l'entraînement, sans préciser à ce stade de calendrier de validation sur robot réel.

Recherche⚡Actu

1 source

37

2666arXiv cs.RO 

Fonctions barrières de disponibilité : autorité de contrôle à invariance directe pour l'allocation de multirotors surdimensionnés en actionneurs

Le contrôle d'allocation des multirotors suractionnés (drones disposant de plus de rotors que de degrés de liberté nécessaires) fait l'objet d'un nouvel article publié sur arXiv (identifiant 2608.16335) en août 2026, intitulé « Readiness Barrier Functions ». Les auteurs pointent un dilemme connu des ingénieurs en contrôle allocation : les schémas qui maximisent de façon gloutonne une métrique de disponibilité ("readiness") sautent entre des configurations optimales disjointes, exigeant des variations de vitesse actuateur qu'aucun moteur ne peut fournir, tandis que les schémas minimisant l'effort restent continus mais ne garantissent pas que l'autorité de contrôle en couple reste au-dessus d'un seuil certifié. Leur solution encode cette autorité comme une quantité invariante dans le temps via une fonction barrière de contrôle appliquée au log-déterminant d'une co-métrique d'autorité actuateur intégrant la traînée, mise en œuvre au niveau du couple par un programme quadratique dans l'espace nul de la matrice d'allocation. Une seule inégalité de conception garantit un ensemble certifié compact et strictement à l'intérieur des limites physiques des actuateurs, avec un coût de désactivation de rotors donné sous forme close ln(n/(n-m)) pour les configurations symétriques. L'erreur de poursuite de consigne (wrench) reste bornée en O(ρ^-1/2). Testée en simulation sur un hexarotor et un octorotor pleinement actionné, la méthode reproduit à la précision machine les prédictions théoriques, et dans le régime où l'autorité de contrôle est rare, l'allocation gloutonne viole le seuil certifié avec des erreurs jusqu'à 80 fois supérieures à celles du filtre proposé. Pour les concepteurs de systèmes de vol tolérants aux pannes, ce travail comble un vide méthodologique entre deux philosophies d'allocation dominantes : l'une orientée sécurité mais discontinue et donc physiquement irréalisable, l'autre lisse mais sans garantie formelle de conserver une autorité de contrôle suffisante après dégradation ou saturation d'un actuateur. L'intérêt est de fournir une garantie mathématiquement prouvée (invariance directe) plutôt qu'une heuristique réglée empiriquement, ce qui pourrait à terme nourrir des standards de certification pour les architectures d'allocation de drones suractionnés. Il faut toutefois noter que l'étude reste cantonnée à deux plateformes simulées, sans validation en vol réel : le gain de 80x est un résultat numérique contrôlé, pas une démonstration terrain. Cette contribution s'inscrit dans la lignée des fonctions barrières de contrôle (CBF), un cadre formel de sécurité déjà largement utilisé en robotique pour imposer des contraintes d'état en temps réel via des programmes quadratiques, mais appliqué ici pour la première fois directement à l'autorité d'allocation actuateur plutôt qu'à des contraintes de trajectoire ou de collision. Elle répond aussi à un clivage ancien de la littérature sur l'allocation de contrôle entre approches gloutonnes axées disponibilité et approches par pseudo-inverse minimisant l'effort. Aucun acteur industriel ou déploiement commercial n'est mentionné : il s'agit d'une contribution académique destinée aux chercheurs en contrôle tolérant aux pannes et en autonomie des drones, avec pour suite naturelle une validation matérielle sur hexarotor et octorotor réels, puis une possible extension à d'autres systèmes robotiques suractionnés au-delà des multirotors.

Recherche❖Paper

1 source

37

2667arXiv cs.RO 

Main H-PAC : modélisation orientée commande et compensation de l'élasticité des tendons pour une main robotique sous-actionnée

Une équipe de recherche décrit, dans un article publie le 18 aout 2026 sur arXiv (2608.16712v1), H-PAC Hand, une main robotique sous-actionnée a six actionneurs et quinze degrés de liberté, entraînée par tendons. Le contrôle combine un modèle analytique creux reliant actionneurs et articulations, dérivé de la géométrie de routage des tendons, et un modèle de compensation mécanique de leur élasticité. Un ordinateur hôte calcule la cartographie des postures et applique la compensation, tandis qu'un microcontrôleur ESP32 synchronise les six servomoteurs asservis en position, avec les mêmes paramètres pour toutes les taches. Lors d'essais de balayage monotone, la compensation réduit la MAE de l'articulation DIP de l'index de 1,15 a 0,18 degré, et les neuf articulations testées restent toutes sous 0,23 degré, sans capteur externe de position ou de force. L'intérêt dépasse l'exercice académique : les mains sous-actionnées a tendons sont privilégiées pour leur compacité, leur compliance passive et leur faible cout, mais l'élongation des tendons sous la charge des ressorts de rappel créé des écarts articulaires variables selon la posture, difficiles a prédire sans capteurs embarques. Montrer qu'une compensation basée sur un modèle mécanique, sans capteur de position ni de force dans la boucle, ramené l'erreur sous le quart de degré offre un argument concret aux intégrateurs de mains humanoïdes qui cherchent a réduire poids, cout et câblage. Les auteurs précisent que la démonstration se limite a des postures et prises représentatives sur une seule plateforme, sans taux de réussite chiffre sur un large ensemble d'objets, ce qui en fait une validation de laboratoire plutôt qu'un produit prêt a déployer. Classe comme nouvelle soumission arXiv non encore évaluée par les pairs, le travail s'inscrit dans la lignée des mains sous-actionnées, une famille privilégiée par de nombreux fabricants de mains humanoïdes et prothétiques pour limiter le nombre de moteurs face aux mains entièrement actionnées et instrumentées de capteurs tactiles a chaque articulation. L'architecture bas cout retenue, ordinateur hôte plus microcontrôleur ESP32 pilotant six servomoteurs standard pour quinze degrés de liberté, tranche avec les approches misant sur des capteurs de force embarques. Aucun calendrier d'industrialisation ni partenaire n'est mentionne ; les auteurs situent la suite dans l'extension des essais a davantage de taches de préhension avec la même pipeline, toujours sans capteur externe, pour confirmer la reproductibilité au-delà des démonstrations présentées.

Recherche❖Paper

1 source

36

2668arXiv cs.RO 

Algorithme d'enchères-consensus par groupes pour l'allocation décentralisée de tâches en systèmes multi-robots

Des chercheurs présentent l'algorithme GACA (Grouping Auction-Consensus Algorithm), une nouvelle méthode décentralisée pour l'allocation de tâches entre robots (MRTA, multi-robot task allocation), détaillée dans un article publié sur arXiv le 18 août 2026. GACA reprend l'architecture en deux phases enchère-consensus du CBBA (Consensus-Based Bundle Algorithm), la référence décentralisée la plus utilisée dans le domaine, mais en refond entièrement le mécanisme d'enchère : plutôt que de faire miser les robots tâche par tâche, l'algorithme regroupe d'abord les tâches spatialement proches via un prétraitement par plus proche voisin, puis les agents négocient des actions au niveau du groupe entier, partiel, ou contesté. Les auteurs comparent GACA à CBBA sur la classe de problèmes MT-SR-IA, avec un programme linéaire en nombres entiers mixtes comme référence d'optimalité absolue. Sur quatre tailles d'essaim et 4 000 mondes de test, GACA atteint une optimalité médiane d'environ 97 %, contre 81 à 84 % pour CBBA, tout en convergeant en un nombre égal ou inférieur d'itérations. Un test de passage à l'échelle supplémentaire, portant sur 3 280 instances avec des essaims de 5 à 20 agents et des lots de 10 à 50 tâches, confirme que ces gains se maintiennent. L'enjeu dépasse la seule performance chiffrée : CBBA souffre d'un défaut structurel bien identifié dans la littérature, son critère d'enchère individuel est mal aligné avec l'objectif min-somme de minimiser la distance totale parcourue par l'équipe, ce qui produit des allocations sous-optimales dès que les tâches sont dispersées dans l'espace. En reformulant la mise aux enchères au niveau de groupes de tâches plutôt que de tâches isolées, GACA cible directement ce défaut sans sacrifier la décentralisation ni la robustesse aux pannes, des propriétés critiques pour les flottes d'AMR en entrepôt, les essaims de drones ou les opérations de recherche et sauvetage où aucune coordination centrale n'est disponible. Pour les intégrateurs et équipes robotique travaillant sur la coordination de flottes, ce résultat suggère qu'un gain d'optimalité substantiel est atteignable sans complexifier l'infrastructure de communication ni renoncer au temps de convergence. Le travail s'inscrit dans la lignée directe des algorithmes d'enchères consensuelles initiés par CBBA, largement adopté depuis plus d'une décennie comme base de référence pour l'allocation décentralisée de tâches. L'article ne mentionne pas de déploiement matériel réel ni de partenaire industriel : il s'agit d'une contribution algorithmique validée en simulation à grande échelle, avec un MILP comme borne d'optimalité, plutôt que d'un produit ou pilote commercial. Les auteurs ne précisent pas de calendrier de mise en œuvre sur robots physiques ni d'intégration dans une plateforme existante, ce qui positionne GACA comme une avancée de recherche à surveiller pour une future adoption dans des systèmes multi-robots réels plutôt qu'une solution prête à déployer.

Recherche❖Paper

1 source

36

2669arXiv cs.RO 

τ0-VLA : un modèle fondation hiérarchique guidé par un modèle du monde en temps d'inférence

Publié le 18 août 2026 sur arXiv sous la référence 2608.16885, τ0-VLA est un modèle de fondation robotique hiérarchique vision-langage-action (VLA) conçu pour la manipulation à long horizon, où un robot enchaîne plusieurs compétences de façon cohérente. Sa spécificité : une politique de haut niveau, guidée par un modèle du monde, génère la sous-tâche suivante à partir de la mémoire d'exécution et, si la décision est jugée difficile, explore plusieurs alternatives avant de trancher, plutôt que de décider en un seul passage avant comme la plupart des VLA hiérarchiques actuels. Une politique de bas niveau exécute ensuite cette sous-tâche, sur plusieurs types de robots. Le modèle a été entraîné sur 40 115 heures de données réelles hétérogènes avec co-entraînement multimodal. En conditions connues comme en décalage de distribution, allouer plus de calcul au moment du test améliore la prédiction de la sous-tâche suivante et le taux de réussite en boucle fermée sur des tâches longues. La plupart des VLA hiérarchiques décident chaque sous-tâche en un seul passage, sans pouvoir consacrer plus de calcul aux choix difficiles ou lourds de conséquences. τ0-VLA transpose à la planification robotique un principe déjà exploité par les modèles de raisonnement en langage : allouer davantage de calcul au moment du test face à l'incertitude. Pour les intégrateurs qui déploient des VLA en usine ou en entrepôt, la fiabilité des tâches longues reste le principal écart entre démonstrations et déploiement robuste ; réduire les échecs en cascade sur ces séquences serait un progrès concret. Ce résultat reste toutefois un préprint évalué en interne, pas un produit déployé chez un client. τ0-VLA s'inscrit dans la lignée des VLA généralistes récents, comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, qui génèrent une action en un seul passage avant, sans délibération explicite ; son nom fait écho à Pi-0 tout en ajoutant une étape de recherche à l'inférence. Le résumé ne précise ni laboratoire porteur ni date de publication du code ou des poids. Il illustre une tendance émergente du secteur : après la course aux volumes de données, plusieurs équipes explorent désormais l'allocation dynamique de calcul comme nouveau levier d'amélioration des modèles de fondation robotique.

IA physique❧Opinion

1 source

36

2670arXiv cs.RO 

Modélisation unifiée condition-action pour une génération d'action précise en une étape

Des chercheurs publient sur arXiv (identifiant 2608.16153v1) un nouveau papier intitule "Unified Condition-Action Modeling for Accurate One-Step Action Generation", qui présente UCA-Flow, un framework de modélisation conjointe condition-action pour générer des trajectoires robotiques en une seule étape. Contrairement aux politiques de diffusion et de flow habituelles, qui traitent les conditions (observations visuelles, timestep, intervalle temporel) comme des signaux auxiliaires séparés des tokens d'action, UCA-Flow fusionne l'ensemble dans une séquence unique traitée par un Unified Condition-Action Transformer, ce qui permet de reconstruire dynamiquement les représentations de condition selon l'étape de génération en cours. Les auteurs ajoutent un schéma de supervision en double passe sur les variables u et v pour renforcer l'optimisation conjointe. Resultat annonce: un gain de 9,3 points de pourcentage de taux de réussite moyen par rapport a la meilleure base de comparaison, avec une inférence 45,6 fois plus rapide que DP3 et 33,4 fois plus rapide que Simple DP3, tout en restant 4,3 fois plus rapide que FlowPolicy en une étape et 2,3 fois plus rapide que MP1. Pour l'industrie de la manipulation robotique, ce travail s'attaque a un compromis central: les politiques de diffusion et de flow, au coeur de nombreux modèles VLA vision-language-action, doivent générer des actions précises tout en respectant des latences très serrées en boucle fermée, et accélérer l'inférence se faisait jusqu'ici généralement au prix de la précision. En montrant qu'un traitement conjoint des conditions et des actions améliore simultanément vitesse et taux de réussite, UCA-Flow bouscule l'hypothèse selon laquelle rapidité et fiabilité s'excluent dans ce type de politique. Pour les intégrateurs qui évaluent des architectures de contrôle temps réel pour bras manipulateurs ou plateformes mobiles, ce résultat suggère une piste d'optimisation potentiellement transférable au-delà du cas teste, sous réserve de validation indépendante. UCA-Flow s'inscrit dans la lignée des politiques de diffusion pour la manipulation, dont DP3 et sa variante allégée Simple DP3 servent de référence historique, suivies par des approches en une seule étape comme FlowPolicy et MP1, toutes citées comme bases de comparaison. Le papier ne précise ni affiliation institutionnelle ni plan de commercialisation: c'est une publication de recherche évaluée sur des benchmarks de manipulation, sans démonstration annoncée sur robot physique en conditions réelles ni intégration a un produit existant, et les chiffres proviennent des propres expériences des auteurs, non encore confirmes de manière indépendante. Les suites naturelles seraient une reproduction par des tiers, une extension a des taches multi-bras plus complexes, et une possible intégration dans des architectures VLA généralistes comme Pi-0 ou GR00T N2, qui reposent elles aussi sur des têtes d'action par diffusion ou par flow.

Recherche❧Opinion

1 source

36

2671arXiv cs.RO 

Cyclops : le LiDAR transformé en caméra qui rêve en couleur

Une équipe de recherche a publié un article intitulé « Cyclops: LiDAR as a Camera That Dreams in Color » (arXiv:2608.16264v1), qui décrit un framework transformant les données d'intensité issues d'un LiDAR à balayage non répétitif (NRS-LiDAR) en vidéo RGB dense, pour permettre une perception robotique fonctionnant sans caméra en conditions de faible luminosité. Le pipeline part d'une projection d'intensité LiDAR éparse, la densifie via un module pré-entraîné et figé, puis transporte cette représentation latente vers la distribution RGB cible grâce au Latent Bridge Matching (LBM), un champ de vitesse appris résolu en quelques étapes d'intégration ODE seulement. Pour limiter le scintillement entre images, les auteurs injectent le contexte des images précédentes via des couches d'attention temporelle, et optimisent ce champ de vitesse comme une politique récompensée par une fidélité terminale différentiable, rétropropagée le long de la trajectoire ODE. Les expériences, incluant des scènes quasi nocturnes, montrent que les images RGB synthétisées permettent à des modèles de perception standards de surpasser à la fois les baselines LiDAR brutes et les caméras conventionnelles sur trois tâches : segmentation sémantique, détection de voies et colorisation de nuages de points. Pour l'industrie robotique et automobile, ce travail s'attaque à un point faible structurel de la perception embarquée : la dépendance aux caméras RGB, dont les performances chutent en basse lumière ou en forte plage dynamique, face à un LiDAR qui reste invariant à l'éclairage mais produit des données éparses et mono-canal, mal exploitées par les modèles de vision pré-entraînés sur des jeux RGB classiques. Si les résultats se confirment hors laboratoire, cela ouvrirait la voie à des piles de perception « tout-temps » reposant davantage sur le LiDAR et moins sur des caméras coûteuses ou fragiles, un enjeu concret pour les véhicules autonomes, les AMR industriels et les intégrateurs cherchant à réduire le nombre de capteurs tout en gardant la robustesse. Il faut toutefois noter que les gains de performance annoncés reposent sur des benchmarks internes, et que la génération d'images RGB par un modèle génératif introduit un risque d'hallucination visuelle, une question sensible pour des applications de sécurité critique où la fidélité géométrique doit primer sur le simple réalisme perçu. Ce travail s'inscrit dans une lignée de recherches sur la fusion et la traduction de modalités capteurs, où la colorisation de nuages de points et la densification LiDAR sont des sujets actifs depuis plusieurs années, mais où l'usage de techniques de type « bridge matching » issues des modèles de diffusion pour combler l'écart entre géométrie LiDAR et texture RGB reste récent. Cyclops se positionne entre deux approches concurrentes : les pipelines purement LiDAR, limités en richesse sémantique, et les caméras classiques, limitées en robustesse lumineuse. Publié sur arXiv comme nouvelle soumission (v1), l'article ne mentionne aucun déploiement industriel ni partenariat annoncé : il s'agit à ce stade d'une contribution académique évaluée sur des benchmarks de perception, sans précision sur le matériel LiDAR testé, le temps de calcul par image ni une feuille de route vers une intégration produit.

Recherche❖Paper

1 source

36

2672arXiv cs.RO 

Agents neurosymboliques incarnés

Un agent neurosymbolique décrit dans un article publié sur arXiv sous la référence 2608.16794 vise à rendre exécutables les plans que les modèles de vision-langage (VLM) génèrent pour des tâches domestiques, alors que ces plans violent souvent la physique de l'environnement ou ciblent des objets mal identifiés. Le système fonctionne en deux phases : une exploration visuelle dirigée par la tâche construit d'abord, à partir d'observations égocentriques et d'interactions ancrées, un état symbolique initial fiable ; puis un modèle de transition PDDL restreint le décodage aux seules actions réalisables, complété par une recherche arborescente Monte Carlo (MCTS) guidée par une heuristique de planification indépendante du domaine. Testé sur les environnements simulés VirtualHome et ALFWorld, le système dépasse 90% de réussite avec des modèles ouverts de 4 à 27 milliards de paramètres, et sa version la plus légère surpasse nettement une politique visuelle directe à 27 milliards de paramètres. Sur ALFWorld, contraintes seules ou recherche seule ne résolvent chacune qu'un tiers des tâches, contre plus de 95% une fois combinées. Cette démonstration cible un problème central de l'IA embodied : la fiabilité à l'exécution des plans produits par de grands modèles de langage, souvent convaincants en démonstration mais fragiles une fois confrontés à un environnement réel. En garantissant l'exécutabilité par construction plutôt que par apprentissage, la méthode déplace le goulot d'étranglement vers la perception : les échecs résiduels proviennent presque exclusivement d'erreurs d'ancrage visuel lors de l'acquisition de l'état, pas de la planification, ce qui réoriente l'effort de recherche vers la perception plutôt que vers des modèles toujours plus gros. L'approche consomme aussi nettement moins de tokens générés qu'un raisonnement étendu classique et bien moins d'images vues par le modèle qu'une interaction directe, un argument concret pour les intégrateurs cherchant à réduire les coûts de calcul embarqué, sans entraînement spécialisé additionnel. Le travail s'inscrit dans la filiation de la planification symbolique classique (PDDL), réactivée par l'essor des modèles vision-langage-action qui dominent aujourd'hui la robotique humanoïde et domestique. Il s'oppose implicitement aux approches tout-apprentissage bout en bout, qui misent sur des politiques visuelles directes sans structure symbolique explicite, en montrant qu'un modèle nettement plus petit mais correctement contraint peut surpasser un modèle plus gros laissé libre. La validation reste toutefois cantonnée à des environnements simulés : le transfert vers un robot physique dépendra, selon les auteurs eux-mêmes, de la qualité de l'ancrage visuel en conditions réelles, une étape que le papier n'a pas encore testée sur matériel.

Recherche❖Paper

1 source

36

2673arXiv cs.RO 

Deux par deux : apprentissage multi-tâches de l'assemblage d'objets appariés pour une manipulation robotique généralisable

Des chercheurs publient 2BY2, un jeu de données annoté à grande échelle pour l'assemblage d'objets appariés du quotidien, décrit dans une version révisée d'un article arXiv (2504.06961v2). Il couvre 18 tâches fines inspirées de gestes réels comme brancher une prise, disposer des fleurs dans un vase ou insérer du pain dans un grille-pain, avec 1034 instances et 517 paires d'objets annotées en pose et en symétrie. Les auteurs proposent une méthode d'estimation de pose SE(3) en deux étapes, basée sur des caractéristiques équivariantes, qui atteint des performances état de l'art sur les 18 tâches du benchmark. Des expériences robotiques réelles confirment la fiabilité et la capacité de généralisation de cette méthode sur des tâches d'assemblage 3D complexes. Ce travail comble un vide méthodologique pour la robotique domestique : la plupart des benchmarks d'assemblage existants portent sur des fragments géométriques abstraits ou des pièces industrielles standardisées, loin des interactions fonctionnelles et asymétriques des objets du quotidien. En ciblant explicitement les futurs robots d'assistance à domicile, 2BY2 offre un terrain d'évaluation plus représentatif que les jeux de données orientés usine. Le transfert réussi de la méthode du benchmark simulé vers des essais robotiques physiques est un signal notable, suggérant que les approches de pose SE(3) équivariante peuvent réduire l'écart simulation-réel sur des tâches de manipulation fine, un problème persistant pour les politiques de manipulation généralistes. Les résultats « état de l'art » restent toutefois mesurés sur le benchmark propre des auteurs, une limite à garder en tête avant toute extrapolation. L'article, référencé 2504.06961 sur arXiv et republié en version 2, s'inscrit dans la lignée des travaux de « shape assembly » qui se concentraient jusqu'ici sur des fragments cassés ou des composants industriels aux formes régulières. 2BY2 étend le problème à des objets paires à forte composante fonctionnelle, des gestes triviaux pour un humain mais qui exigent une compréhension conjointe de la géométrie et de l'usage. Les auteurs comparent leur méthode aux approches antérieures de shape assembly sur l'ensemble des 18 tâches et revendiquent une supériorité systématique. La publication de ce dataset annoté pose une base de comparaison pour de futurs travaux, sans qu'un calendrier de mise à disposition du code ou de partenariat industriel ne soit précisé à ce stade.

Recherche❖Paper

1 source

36

2674arXiv cs.RO 

PhaseLoRA : adaptation LoRA conditionnée par régime de contrôle pour politiques VLA à actions continues

Publiée sur arXiv le 18 août 2026 sous la référence 2608.15285v1, une équipe de recherche présente PhaseLoRA, une méthode d'adaptation paramètre-efficiente (PEFT) pour les politiques vision-langage-action (VLA) à action continue. À la différence des adaptateurs LoRA classiques, qui appliquent une mise à jour figée sur toute une trajectoire, PhaseLoRA conditionne chaque prédiction de segment d'action à deux descripteurs faiblement supervisés, la tendance au contrôle fin et l'intensité d'événement, en modulant le facteur gauche de la matrice LoRA dans le module "action expert" tandis que le reste du réseau reste gelé. Sur le benchmark de simulation LIBERO, la méthode gagne 12,2 points de taux de réussite moyen par rapport à une base LoRA à rang élevé et à nombre de paramètres équivalent, et surpasse aussi des variantes LoRA plus récentes ; des ablations montrent qu'une modulation temporelle aléatoire ou un simple gating scalaire ne reproduisent pas ce gain. L'enjeu dépasse la publication académique : les intégrateurs qui déploient des politiques VLA de type Pi-0, OpenVLA ou GR00T sur des bras manipulateurs cherchent justement à spécialiser un modèle pré-entraîné à une tâche donnée sans réentraîner tout le réseau. Le résultat contredit l'hypothèse implicite des adaptateurs actuels, selon laquelle une seule direction de mise à jour convient à toute une trajectoire de manipulation, qui traverse pourtant des phases très différentes (approche, contact, prise, transport, dépose). Un gain de 12 points à budget de paramètres constant est significatif pour la recherche en fine-tuning efficient, mais la démonstration reste cantonnée à LIBERO, un environnement simulé standard, sans validation sur robot physique à ce stade. PhaseLoRA s'inscrit dans la lignée des méthodes PEFT type LoRA, nées pour les grands modèles de langage et de plus en plus reprises par les politiques robotiques VLA construites autour d'un module "action expert" dédié à la prédiction de séquences d'actions continues. Les auteurs comparent leur approche à une base LoRA à rang élevé ainsi qu'à des variantes LoRA plus récentes, qu'ils surpassent également sans les nommer dans le résumé. Publié comme un article de recherche inédit, sans entreprise ni produit commercial associé, le travail laisse ouverte l'étape suivante : vérifier si le gain observé en simulation se transpose à des tâches de manipulation sur robot réel.

Recherche❧Opinion

1 source

36

2675arXiv cs.RO 

HAF : adapter des VLA généralistes à la loco-manipulation corps entier humanoïde par flux d'action hiérarchique et RL latent spectral

Une équipe de recherche a publié le 18 août 2026 sur arXiv (arXiv:2608.16837v1) HAF (Humanoid Adaptation Framework), un système en deux modules destiné à adapter des modèles génératifs vision-langage-action (VLA) déjà entraînés au pilotage complet d'un robot humanoïde, locomotion, posture du buste et manipulation bimanuelle comprises. Le premier module, HAF-VLA, s'appuie sur un modèle VLA pré-entraîné à flow-matching et découpe le débruitage de l'action corps entier en trois étapes successives, reliées par des caches clé-valeur qui préservent les dépendances cinématiques entre les segments du corps, là où une génération en un seul bloc produit des mouvements incohérents. Par-dessus ce module gelé, HAF-Steer applique un apprentissage par renforcement hors ligne puis en ligne: il exploite l'inversibilité du flow-matching et une réduction de dimension par transformée en cosinus discrète pour confiner l'optimisation à un sous-espace de bruit compact, avant d'entraîner une politique SAC régularisée. Testé sur sept tâches réelles de loco-manipulation humanoïde, HAF dépasse les architectures VLA à étage unique classiques en coordination corps entier, avec un site de démonstration à grange007.github.io/HAF. L'enjeu dépasse la prouesse technique: les VLA généralistes, entraînés surtout sur des bras fixes ou mobiles, butent sur la haute dimensionnalité et l'interdépendance des mouvements dès qu'il s'agit de piloter un corps humanoïde entier. En évitant de réentraîner l'intégralité du gros modèle VLA, HAF réduit le coût de calcul et le risque de l'exploration en ligne sur un robot réel, un point sensible pour tout intégrateur visant un déploiement en usine ou en environnement humain. Les résultats, obtenus sur seulement sept tâches en conditions de laboratoire, restent toutefois un signal de faisabilité plutôt qu'une preuve de généralisation à grande échelle. Ce travail s'inscrit dans la lignée des modèles VLA à flow-matching type Pi-0, GR00T N2 ou Helix, conçus d'abord pour des bras ou robots à roues plutôt que pour la bipédie complète, et plusieurs laboratoires cherchent en parallèle à combler cet écart. HAF reste à ce stade une contribution académique assortie d'un site de démonstration, sans partenaire industriel ni calendrier de déploiement annoncé; la suite attendue est la publication du code et des poids, puis une validation sur davantage de plateformes avant toute reprise par des acteurs commerciaux.

Recherche❧Opinion

1 source

36

2676arXiv cs.RO 

NebulaVLA : un modèle vision-langage-action à double fréquence avec action guidée pour la manipulation robotique

Une équipe de recherche présente NebulaVLA, un nouveau modèle vision-langage-action (VLA) détaillé dans un preprint publié le 18 août 2026 sur arXiv sous la référence 2608.16503v1. Son architecture repose sur un découplage asynchrone à deux fréquences : un module de raisonnement sémantique de haut niveau tourne indépendamment du contrôle moteur bas niveau, ce qui réduit la charge de calcul. Pour transférer les commandes d'un robot à l'autre, les auteurs introduisent GESTURE-7, une représentation d'action unifiée ancrée dans le langage, destinée à combler les écarts sémantiques entre morphologies hétérogènes, ainsi qu'un mécanisme baptisé Guide Action, qui impose une continuité cinématique via des contraintes de lissage fondées sur des masques pour éviter les mouvements saccadés. Sur le benchmark de simulation LIBERO-Plus, NebulaVLA affiche un taux de réussite moyen de 85,5 %, avec une génération d'actions environ 2,7 fois plus rapide que les architectures synchrones de référence. Ce résultat cible directement les trois goulots d'étranglement qui freinent le déploiement réel des VLA : l'arbitrage entre efficacité et performance, la généralisation entre morphologies de robots, et la fluidité d'exécution des gestes. Plutôt que de miser sur davantage de données d'entraînement, NebulaVLA tente de résoudre ces contraintes par un choix architectural, une piste que suivent plusieurs laboratoires pour rendre le contrôle robotique à la fois réactif et sémantiquement cohérent. Le chiffre de 85,5 % reste à relativiser : il provient d'un environnement simulé et non d'essais sur robot physique, une nuance que les intégrateurs devront garder en tête avant d'extrapoler ces gains à des déploiements industriels. Séparer un raisonnement lent de haut niveau d'un contrôle moteur rapide n'est pas une idée inédite : elle rappelle l'architecture à deux systèmes d'Helix, développée par Figure AI, ainsi que les designs hiérarchiques de GR00T N2 chez Nvidia ou de Pi-0 chez Physical Intelligence. La contribution revendiquée par NebulaVLA tient dans l'ajout d'une représentation cross-embodiment, GESTURE-7, et d'une garantie de lissage cinématique, Guide Action, que ces approches antérieures ne formalisaient pas explicitement. Le papier ne mentionne ni affiliation industrielle nommée, ni pilote annoncé avec un intégrateur, ni calendrier de commercialisation : il s'agit pour l'instant d'une contribution de recherche publiée en preprint.

IA physique❧Opinion

1 source

36

2677arXiv cs.RO 

Intelligence tactile par vision pour la robotique : perception, apprentissage et manipulation incarnée

Une équipe de chercheurs publie sur arXiv (arXiv:2608.15490v1, en ligne le 18 août 2026) une revue de synthèse consacrée aux capteurs tactiles à base de vision, ou VBTS (vision-based tactile sensors), pour la robotique. Le papier ne présente ni produit ni robot spécifique, mais dresse un panorama complet de la chaîne technologique : le matériel (design de l'élastomère déformable, taille et forme du capteur, système optique), les méthodes d'apprentissage (du traitement bas niveau du signal jusqu'aux politiques de tâche et aux modèles de fondation), les plateformes de simulation et les jeux de données tactiles, ainsi que les techniques de transfert simulation vers réel et d'adaptation inter-capteurs. Les auteurs proposent une taxonomie matérielle destinée à guider la conception future de capteurs, et une vue hiérarchique de l'intelligence tactile fondée sur l'apprentissage automatique. Le sujet touche un point aveugle connu de la robotique de manipulation : contrairement à la vision, la plupart des capteurs tactiles actuels ne renvoient que des signaux épars et de faible dimension, insuffisants pour des tâches de contact complexes comme la saisie fine, l'insertion ou la manipulation dextre. En convertissant la déformation d'une interface souple en image, les VBTS offrent une observation tactile haute résolution, exploitable par les mêmes architectures que la vision, ce qui ouvre la voie à des politiques de manipulation plus robustes pour bras industriels, mains robotiques et humanoïdes. Pour les intégrateurs et équipes de recherche, l'intérêt du travail tient moins à une avancée ponctuelle qu'à une mise en ordre du champ : en traitant capteur, apprentissage, simulation et données comme un système intégré plutôt que des briques isolées, la revue pointe le manque d'outils de simulation et de jeux de données standardisés qui freine le passage à l'échelle du tactile par rapport à la vision pure. Cette synthèse s'inscrit dans un effort plus large visant à combler le retard du tactile sur la vision et le langage, alors que les modèles vision-langage-action intègrent de plus en plus de modalités sensorielles au-delà de la caméra. Les VBTS, dérivées de capteurs à gel ou membrane filmés par une caméra interne, forment une famille technologique explorée par plusieurs laboratoires depuis plus d'une décennie, mais dont le développement restait fragmenté entre approches matérielles et pipelines logiciels disparates. En cartographiant les défis ouverts (généralisation entre capteurs, réalisme de la simulation, disponibilité des données d'entraînement), les auteurs visent une feuille de route pour la prochaine génération de mains et préhenseurs dotés du sens du toucher. Aucun déploiement industriel ni partenariat commercial n'est mentionné : il s'agit d'un travail académique destiné à orienter la recherche future, pas d'une annonce produit.

Recherche❖Paper

1 source

36

2678arXiv cs.RO 

Voir plus grand : cartographie latente 3D pour l'apprentissage de politiques de manipulation mobile

Des chercheurs publient SBP (Seeing the Bigger Picture), une méthode d'apprentissage de politiques pour la manipulation mobile fondée sur une carte 3D de caractéristiques latentes plutôt que sur de simples images, documentée sur arXiv sous la référence 2510.03885 en quatrième version. La méthode fusionne de manière incrémentale des observations multi-vues dans une grille de caractéristiques propre à chaque scène ; un décodeur pré-entraîné reconstruit des embeddings cibles à partir de ces caractéristiques, permettant d'optimiser la carte en ligne pendant l'exécution de la tâche. La politique, entraînable par clonage comportemental ou apprentissage par renforcement, traite cette carte comme variable d'état. Sur une tâche de manipulation séquentielle sur table, SBP améliore le taux de réussite de 15 % par rapport à une politique fondée uniquement sur des images, dans des scènes déjà vues comme inédites. Ce résultat cible une limite connue des politiques de type VLA (vision-language-action), qui raisonnent généralement image par image et perdent toute mémoire de ce qui sort du champ de la caméra. Pour un robot mobile devant se souvenir d'un objet vu dans une autre pièce ou enchaîner des sous-tâches dans la durée, cette absence de mémoire spatiale persistante est un frein concret. En montrant qu'une représentation 3D explicite et réoptimisable en continu surpasse une politique purement image-vers-action, l'étude suggère que le raisonnement spatial long-terme ne se résoudra pas seulement en augmentant modèles et données : la structure de la représentation d'état compte, un signal utile pour les intégrateurs de robots mobiles et humanoïdes. Ce travail s'inscrit dans une recherche plus large combinant cartographie 3D (voxels, champs de caractéristiques, représentations type NeRF) et apprentissage de politiques, en alternative aux approches VLA tout-image qui dominent les annonces du secteur. Le résumé ne précise ni institution ni plateforme robotique commerciale associée : il s'agit d'une contribution académique publiée sur arXiv, déjà révisée au moins quatre fois, signe d'un travail encore en affinement plutôt que d'un produit fini. Aucune date de déploiement ni partenariat industriel n'est mentionné ; la portée reste celle d'une preuve de concept en laboratoire, sans indication de transfert vers un robot physique déployé à grande échelle.

Recherche❖Paper

1 source

36

2679arXiv cs.RO 

Les modes de contact comme strates : ce qu'apporte la structure géométrique en planification discrète-continue

Une équipe de recherche a publié un article intitulé "Contact Modes Are Strata: What Geometric Structure Buys in Discrete-Continuous Planning" (arXiv:2608.15541v1), qui s'attaque à un problème central de la manipulation robotique en contact riche: déterminer simultanément quels contacts activer et comment déplacer le robot pendant que ces contacts tiennent. Les auteurs formalisent une observation mathématique clé: un mode de contact n'est pas simplement analogue à une strate de l'espace des configurations, il en est une, au sens géométrique strict. Un plan de mouvement devient alors une marche entre strates, dont les segments à l'intérieur de chaque strate suivent des géodésiques. Le planificateur a été testé sur deux tâches en simulation: pousser un bloc en forme de T autour d'obstacles, et réorienter un cube à l'intérieur d'une main robotique dextre. Dans les deux cas, il trouve des solutions en quelques secondes, sans qu'aucun mode de contact, séquence de contacts ou strate ne soit fourni au préalable. Cette approche répond à un goulot d'étranglement connu de la robotique de manipulation: la planification hybride discrète-continue en contact riche exige généralement une ingénierie manuelle lourde des séquences de contact possibles, ce qui limite la généralisation des planificateurs à de nouvelles tâches ou géométries d'objets. En traitant la structure de contact comme une propriété géométrique exploitable plutôt que comme une donnée d'entrée à fournir, les auteurs ouvrent une voie vers des planificateurs plus autonomes pour la manipulation dextre et les mains robotiques, un enjeu direct pour les intégrateurs travaillant sur la préhension fine et la réorientation d'objets. Il faut toutefois noter que les résultats restent cantonnés à la simulation, sur seulement deux tâches: aucune validation sur du matériel physique n'est rapportée à ce stade. Ce travail s'inscrit dans la lignée des recherches sur la planification par optimisation de trajectoire à contact implicite et les méthodes d'échantillonnage pour la manipulation, domaines où les approches par programmation mixte entière ou par apprentissage restent les alternatives dominantes. Les prochaines étapes attendues concernent le passage à des tâches plus complexes et, surtout, la validation sur robot réel, seule à même de confirmer que la structure géométrique identifiée tient face au bruit et aux incertitudes physiques.

Recherche❖Paper

1 source

36

2680arXiv cs.RO 

Co-conception des réseaux neuronal et musculaire via une représentation en perceptron incarné

Des chercheurs publient sur arXiv (arXiv:2608.16555v1, mis en ligne le 18 août 2026) un article intitulé "Co-design of Neural and Muscle Network based on Embodied Perceptron Representation", qui introduit un cadre théorique baptisé Embodied Perceptron. L'idée consiste à modéliser le corps physique d'un robot comme un perceptron : les paramètres mécaniques jouent le rôle des poids synaptiques, et les non-linéarités physiques (élasticité, frottements, contraintes articulaires) celui des fonctions d'activation. Appliqué à un robot musculosquelettique, ce cadre permet de co-optimiser simultanément la configuration des muscles et la politique de contrôle neuronal. Résultat marquant : le système obtenu affiche une stabilité intrinsèque, une meilleure efficacité d'apprentissage, et une réduction drastique de la taille du modèle de contrôle, jusqu'à fonctionner avec un contrôleur à un seul neurone. L'article ne cite aucun robot commercial, aucun site de déploiement ni volume de production : il s'agit d'une contribution théorique et expérimentale de laboratoire. Cette approche s'inscrit dans le courant de la robotique incarnée et de la computation morphologique, qui postule que le corps peut assumer une partie du travail normalement dévolu au réseau de contrôle. Pour les concepteurs de robots à actionnement musculaire ou souple, la promesse est double : réduire la charge de calcul embarquée et améliorer la robustesse aux perturbations, sans dépendre uniquement de politiques massives type VLA entraînées sur d'énormes volumes de données. Le résultat va à contre-courant de l'hypothèse dominante selon laquelle la performance repose avant tout sur la taille du réseau de contrôle : ici, un design mécanique bien choisi suffit à produire une intelligence incarnée avec un contrôleur minimal. La validation reste toutefois limitée à un seul type de robot, sans comparaison chiffrée face aux architectures de contrôle établies ni test sur des tâches industrielles réelles. Le travail s'appuie sur des recherches antérieures en robotique incarnée montrant que des corps bien conçus peuvent remplacer une partie du calcul grâce aux interactions physique-environnement, une conception qui reposait jusqu'ici surtout sur l'intuition d'experts plutôt que sur une méthode systématique. Les auteurs présentent l'Embodied Perceptron comme un pont théorique entre le monde informationnel des réseaux de neurones et le monde physique des systèmes mécaniques, avec l'ambition de fournir une méthode reproductible de co-conception corps-contrôleur, potentiellement transposable à des exosquelettes ou à des mains robotiques compliantes. L'article ne précise ni laboratoire d'origine ni calendrier de suite, et aucun acteur commercial de l'humanoïde, de l'AMR ou de la robotique molle n'y figure comme partenaire ou concurrent : il s'agit pour l'instant d'une publication de recherche fondamentale destinée à la communauté académique.

Recherche❖Paper

1 source

36

2681arXiv cs.RO 

Reconstruction géométrique des trajectoires de contact extrinsèque par toucher et proprioception pour la manipulation d'outils

Des chercheurs publient sur arXiv (arXiv:2606.22251v2, version corrigée) une méthode de reconstruction géométrique de la trajectoire de contact à l'extrémité d'un outil tenu par un robot, combinant capteurs tactiles placés dans la prise et proprioception du bras. Le problème visé est que, dans de nombreuses tâches de manipulation d'outils, le contact qui détermine la réussite se situe à la pointe de l'outil, loin du capteur tactile, et ce point peut se déplacer pendant l'interaction, rendant sa détection directe difficile. La méthode traite la reconstruction comme un problème d'inférence géométrique sous hypothèse de contact ponctuel unique : elle estime d'abord la position globale du point de contact à partir d'un segment de calibration approximant un comportement de pivot fixe, puis reconstruit la trajectoire complète en composant les mouvements relatifs de l'outil déduits de marqueurs tactiles sous contact continu. Sur 51 essais couvrant plusieurs trajectoires, outils, orientations de poignet et configurations de prise, le pipeline atteint une erreur quadratique moyenne de trajectoire de 8,59 ± 2,41 mm dans le référentiel monde, une erreur de forme de 5,96 ± 1,16 mm, avec un fonctionnement en ligne à 14,00 ± 4,11 Hz. Pour l'industrie robotique, ce résultat comble un angle mort classique des mains et pinces équipées de capteurs tactiles commerciaux : ces capteurs renseignent sur ce qui se passe au niveau de la prise, mais restent aveugles à l'extrémité distale d'un outil rigide, un manque critique pour le grattage, le perçage, le soudage ou l'insertion assistée par outil. En montrant qu'une géométrie de contact extrinsèque cohérente peut être récupérée sans capteur dédié à la pointe de l'outil, les auteurs ouvrent une voie vers des politiques de manipulation d'outils plus robustes pour bras industriels et mains robotiques, sans instrumentation supplémentaire coûteuse. La stabilité de la forme de trajectoire malgré les variations d'outils, de poses et de prises est le point le plus significatif pour les intégrateurs B2B : elle suggère une méthode généralisable plutôt qu'un résultat calibré sur un seul geste, un critère souvent difficile à atteindre avec des approches purement visuelles ou apprises de bout en bout. Ce travail prolonge les recherches en tactile robotique jusqu'ici centrées sur la reconnaissance d'objets, l'estimation de pose en main et la détection de glissement au contact direct capteur-objet, en s'attaquant au cas où l'interaction se transmet via un outil rigide tenu en prise. Classée "replace" sur arXiv, c'est-à-dire une mise à jour d'une soumission antérieure, la publication ne cite ni plateforme robotique commerciale ni partenaire industriel, ce qui la situe clairement côté recherche fondamentale plutôt que produit déployable. Contrairement aux annonces de robots humanoïdes appuyées sur des vidéos sélectionnées, ce résultat repose sur un protocole chiffré et reproductible à 51 essais avec variations systématiques. Les suites logiques attendues sont une validation sur des tâches d'assemblage réelles et une comparaison avec des approches concurrentes de suivi de contact par vision ou capteurs tactiles haute résolution.

Recherche❖Paper

1 source

35

2682arXiv cs.RO 

MatchingPolicy : une politique consciente des correspondances permet l'apprentissage en contexte entre objets différents

Des chercheurs présentent MatchingPolicy, un nouveau framework d'apprentissage par imitation en contexte (in-context imitation learning) destine a la manipulation robotique, décrit dans un article publie sur arXiv sous la référence 2608.16715v1. Contrairement aux approches classiques qui mélangent identification de correspondances et adaptation de l'action dans un même module, MatchingPolicy sépare explicitement ces deux étapes: une politique de diffusion dite correspondence-aware conditionne directement les actions du robot sur des correspondances sémantiques denses établies entre la démonstration fournie et la scene observée. Le système combine des modèles de vision fondationnels (vision foundation models) avec un algorithme de mise en correspondance en deux étapes, conçu pour établir dynamiquement des correspondances fiables même face a des objets jamais rencontres. La méthode est évaluée sur le benchmark de simulation RLBench ainsi que sur des taches de manipulation en conditions réelles, mais l'article ne communique pas, dans son résume, de chiffres précis de taux de réussite, de temps de cycle ou de charge utile, ce qui limite pour l'instant toute comparaison directe avec des systèmes commerciaux. L'enjeu vise directement l'un des points faibles récurrents de l'apprentissage par imitation en few-shot: la dégradation des performances des qu'un robot rencontre un objet ou un scenario absent de ses démonstrations d'entrainement. En découplant architecturalement la reconnaissance de correspondances et l'apprentissage de la politique, les auteurs affirment résoudre un conflit interne qui, selon eux, bridait jusqu'ici la capacité de transfert hors distribution des politiques en contexte. Pour les intégrateurs et laboratoires travaillant sur des architectures vision-langage-action, un tel résultat, s'il se confirme a plus grande échelle, appuierait l'idée qu'une meilleure structuration de la représentation des correspondances sémantiques compte autant que le volume de données d'entrainement pour généraliser a de nouveaux objets, une piste alternative aux stratégies purement data-driven adoptees par des modèles comme GR00T N2 ou Pi-0. MatchingPolicy s'inscrit dans la lignée des travaux récents sur l'apprentissage en contexte applique a la robotique, qui cherchent a réduire le nombre de démonstrations nécessaires pour qu'un robot exécuté une nouvelle tache en s'appuyant sur des modèles de vision pré-entraines plutôt que sur un reentrainement complet. La comparaison est menée sur RLBench, benchmark standard de manipulation simulée largement utilise par la communauté recherche pour évaluer la généralisation des politiques robotiques, ce qui permettra une confrontation directe avec les méthodes concurrentes publiées sur le même banc d'essai. L'article, encore au stade de preprint arXiv non revu par les pairs, ne précise ni calendrier de déploiement ni application industrielle immédiate: il s'agit pour l'heure d'une contribution méthodologique destinée a la communauté de recherche en apprentissage par imitation, dont l'impact réel dépendra de sa reproduction et de son adoption par des équipes tierces au-delà des résultats présentes par les auteurs eux-mêmes.

Recherche❖Paper

1 source

35

2683arXiv cs.RO 

Tac4Loco : représentations spatiotemporelles de pression plantaire pour la locomotion des robots humanoïdes

Des chercheurs présentent Tac4Loco, un framework d'apprentissage intégrant la pression plantaire multi-capteurs comme retour direct pour la locomotion des robots humanoïdes, décrit dans un article publie sur arXiv (référence 2608.15766v1). Le système repose sur une représentation ordinale préservant la topologie spatiale de la pression sous le pied, capable de faire correspondre les signaux simules et les signaux physiques dans un même espace d'observation. Un encodeur a deux branches extrait séparément les caractéristiques spatiales et temporelles de ces signaux tactiles, qui sont ensuite combinées a une proprioception augmentée incluant des indices d'estimation du terrain, avant d'être transmises a une architecture actor-critic asymétrique pour l'apprentissage de la politique de marche. Les expériences, menées a la fois en simulation et sur robot réel, portent sur des terrains inclines, a appui partiel, asymétrique ou changeant, et le système est également teste en zero-shot sur des surfaces non structurées et compliantes inédites, notamment une plateforme en mousse et une route de gravier. Les auteurs annoncent la publication en open source du code et des configurations expérimentales, sans préciser de calendrier. Ce travail cible un angle mort connu des politiques de locomotion actuelles: la plupart des humanoïdes s'appuient soit sur la seule proprioception, qui ne donne qu'une preuve indirecte de l'appui réel au sol, soit sur une perception extéroceptive du terrain qui anticipe le contact avant la pose du pied mais ne peut pas observer en temps réel l'appui effectivement réalisé. Les rares travaux intégrant des capteurs de pression plantaire se contentaient jusqu'ici de statistiques résumées comme la force totale ou le centre de pression, en ignorant la topologie spatiale complète du signal, pourtant plus informative sur l'état de contact réel. Pour un intégrateur ou un ingénieur robotique, l'enjeu est concret: la robustesse sur terrain non prépare reste l'un des principaux freins au déploiement des humanoïdes hors des environnements d'usine contrôles, et une meilleure exploitation du retour tactile plantaire pourrait réduire les chutes et les échecs d'équilibre sans dépendre uniquement de la vision du terrain. Le papier s'inscrit dans une tendance plus large de la recherche en locomotion humanoïde, ou l'apprentissage par renforcement en simulation domine l'écriture des contrôleurs de marche, le transfert sim-to-real restant le principal goulot d'étranglement, en particulier pour des capteurs tactiles dont le comportement physique est difficile a modéliser fidèlement en simulation. C'est précisément ce que vise la représentation ordinale proposée par les auteurs, censée réduire l'écart entre signaux simules et signaux de capteurs réels. L'article ne précise ni la plateforme robotique utilisée pour les essais, ni l'affiliation institutionnelle des auteurs au-delà de la référence arXiv, et reste a ce stade une contribution de recherche plutôt qu'un produit déployé chez un client. Les prochaines étapes annoncées se limitent a la publication du code source, sans mention de partenariat industriel ou de pilote sur site.

Recherche❖Paper

1 source

35

2684arXiv cs.RO 

RoboMirror : comprendre avant d'imiter pour la locomotion humanoïde à partir de vidéo

Des chercheurs présentent RoboMirror, un système qui permet a un robot humanoïde d'apprendre a marcher directement a partir de vidéos, sans capture de mouvement ni retargeting du squelette. Contrairement aux méthodes existantes, qui s'appuient soit sur des trajectoires de motion capture organisées, soit sur des commandes textuelles éparses, RoboMirror utilise des modèles vision-langage (VLM) pour extraire l'intention de mouvement visuelle brute de vidéos filmées a la première personne (égocentriques) ou a la troisième personne, et alimente directement avec cette intention une politique de contrôle basée sur la diffusion générant des mouvements physiquement plausibles sans reconstruction explicite de pose. Selon les expériences rapportées par les auteurs, le système permet la téléprésence via vidéo égocentrique, réduit de 80% la latence de contrôle en mode troisième personne, et obtient un taux de réussite des taches supérieur de 3,7% par rapport aux méthodes de référence. Le papier, publie sur arXiv sous l'identifiant 2512.23649, en est a sa quatrième version révisée. Ce travail s'attaque a un problème concret pour l'industrie de la robotique humanoïde: la difficulté de transférer un mouvement observe en vidéo vers un contrôleur robotique sans étape intermédiaire couteuse et sujette aux erreurs, comme la capture de mouvement ou le retargeting manuel. Si les résultats se confirment a plus grande échelle, cela ouvrirait la voie a l'apprentissage de locomotion a partir de vidéo "en conditions réelles" plutôt que de jeux de données de motion capture couteux a produire. Pour les équipes de R&D en téléopération, la réduction de latence en contrôle troisième personne cible un goulot d'étranglement connu, ou le délai entre observation vidéo et exécution du mouvement dégradé la réactivité et la stabilité. Ces chiffres restent toutefois issus d'évaluations internes des auteurs sur des baselines qu'ils ont eux-mêmes sélectionnées, sans validation indépendante ni déploiement documente sur robot physique en conditions réelles. Cette approche s'inscrit dans un mouvement de recherche plus large visant a combler l'écart entre compréhension visuelle et action chez les humanoïdes, un axe pousse notamment par les modèles vision-langage-action. Les méthodes précédentes se divisaient en deux camps limites: les approches texte-vers-mouvement, pénalisées par la pauvreté sémantique du texte et l'accumulation d'erreurs dans des pipelines a étapes multiples, et les approches vidéo-vers-mouvement, qui se contentaient d'une imitation mécanique de la pose sans véritable compréhension du contenu. RoboMirror revendique être la première méthode vidéo-vers-locomotion sans retargeting en conditionnant directement une politique de diffusion sur l'intention extraite par un VLM. Le résume ne précise ni affiliation institutionnelle des auteurs ni calendrier de déploiement sur matériel réel: il s'agit a ce stade d'une contribution de recherche académique, sans pilote industriel ni partenariat annonce.

Recherche❖Paper

1 source

35

2685arXiv cs.RO 

RoboStriker : jeux stratégiques en espace latent pour la boxe humanoïde autonome

RoboStriker, un système d'apprentissage par renforcement multi-agent conçu pour la boxe entre robots humanoïdes autonomes, est présenté dans un article déposé sur arXiv en août 2026 (référence 2608.16195). Le constat de départ est un échec structurel : appliquer l'apprentissage multi-agent directement à l'espace moteur brut d'un humanoïde provoque un effondrement physique au niveau des articulations, empêchant toute tactique de combat viable d'émerger. Les auteurs formulent donc la boxe comme un jeu de Markov à somme nulle joué non pas dans l'espace des actions brutes, mais dans un espace latent structuré. RoboStriker distille d'abord des mouvements de boxe prédéfinis dans une variété latente topologiquement bornée, puis fait évoluer les stratégies de combat via une méthode nommée Latent-Space Neural Fictitious Self-Play. Les politiques obtenues ont ensuite été déployées et validées sur des robots humanoïdes réels, au-delà de la simulation. Ce travail cible un problème central pour la robotique humanoïde : l'écart entre démonstrations spectaculaires et robustesse réelle sur des tâches riches en contacts. La boxe, où l'équilibre et la réactivité sont critiques, sert de banc d'essai pour des applications humanoïdes plus posées comme la manipulation ou la collaboration en environnement imprévisible. En montrant qu'une contrainte structurelle de l'exploration, via un décodeur de mouvements pré-entraîné, réduit fortement les échecs catastrophiques d'équilibre par rapport à un apprentissage direct dans l'espace des actions brutes, l'étude prouve empiriquement que l'apprentissage multi-agent de bout en bout reste difficilement exploitable sans garde-fou architectural sur du matériel réel. Pour les intégrateurs, cela suggère que l'autonomie tactique complexe n'émerge pas encore de manière fiable d'un entraînement non contraint. RoboStriker s'inscrit dans la lignée des recherches sur l'auto-jeu et l'apprentissage multi-agent, popularisées par des systèmes de jeu comme AlphaGo et désormais transposées à la robotique physique, où une chute ou une collision matérielle coûte bien plus cher qu'une partie simulée. L'article ne cite aucune plateforme humanoïde commerciale ni aucun laboratoire industriel précis : il s'agit d'une contribution académique déposée sur arXiv, pas encore validée par relecture par les pairs, dont les auteurs publient le code, des vidéos et du matériel supplémentaire pour permettre une reproduction indépendante avant toute adoption industrielle. La boxe humanoïde rejoint une liste croissante de tâches extrêmes, parkour, danse, sports de combat, utilisées pour stress-tester la robustesse des contrôleurs avant leur transfert vers des usages industriels comme la logistique ou la manipulation en entrepôt.

Recherche❖Paper

1 source

35

2686arXiv cs.RO 

Rotation des disques pour une portée accrue : conception et modélisation d'un nouveau manipulateur reconfigurable à câbles tendeurs

Une équipe de recherche présente une nouvelle conception de manipulateur continu à câbles tendineux (tendon driven continuum manipulator) dont les disques d'espacement intermédiaires pivotent indépendamment, reroutant localement les câbles pour produire des déformations spatiales du squelette impossibles avec un routage fixe. Deux variantes sont proposées : le MDL (Manual Disk Locked), où les disques sont verrouillés avant l'opération, et le CDR (Continuous Disk Rotor), où la rotation s'effectue en continu pendant le mouvement. Un modèle statique prédictif, fondé sur l'hypothèse de déformation constante par morceaux et une minimisation d'énergie potentielle intégrant la rotation des disques, les trajets discrets des câbles, l'épaisseur rigide des disques et l'élasticité des câbles, a été validé expérimentalement : erreur moyenne en bout de bras de 1,2% de la longueur totale du manipulateur en routage parallèle, environ 3% quand plusieurs disques sont pivotés, pour un temps de calcul inférieur d'un ordre de grandeur à celui des solveurs de tiges de Cosserat habituellement pris comme référence. Ce travail répond à une limite connue des bras continus à câbles, dont la portée et le répertoire de formes restent bridés par un trajet de câbles figé à la fabrication. Rendre ce routage reconfigurable, statiquement ou dynamiquement, élargit l'espace de déformations atteignables sans multiplier les actionneurs ni la complexité mécanique du squelette. Pour des usages comme l'endoscopie, la chirurgie mini-invasive ou l'inspection industrielle, où ces bras flexibles sont déjà employés, l'enjeu est double : gagner en dextérité sans alourdir le système, et disposer d'un modèle assez rapide pour du contrôle en temps réel. Le gain d'un ordre de grandeur en temps de calcul face aux solveurs de Cosserat, précis mais coûteux, rapproche la reconfiguration active d'une commande en boucle fermée plutôt que d'une simulation hors ligne. Le repositionnement des câbles comme levier de reconfiguration s'inscrit dans une recherche plus large sur les manipulateurs continus, dont la modélisation statique et cinématique s'appuie historiquement sur les tiges de Cosserat pour capturer flexion, torsion et couplage entre segments, au prix d'un coût de calcul élevé. L'approche par déformation constante par morceaux proposée ici cherche un compromis entre cette fidélité physique et la rapidité d'exécution. Publié en prépublication sur arXiv sous la référence 2608.15946v1, le travail reste au stade de prototype de laboratoire, validé sur les deux configurations MDL et CDR, sans partenariat industriel ni calendrier de commercialisation annoncés. La suite logique, esquissée par les auteurs, est l'intégration de ce modèle dans une boucle de commande active pilotant le CDR en temps réel, afin de transformer la rotation des disques en véritable degré de liberté de contrôle plutôt qu'en simple réglage fixé avant usage.

Recherche❖Paper

1 source

35

2687arXiv cs.RO 

Évaluation appariée à réinitialisation exacte d'une cascade de modèles du monde moyen à complet dérivée de la prédiction

Des chercheurs ont publié le 14 août 2026 sur arXiv (référence 2608.14650v1) une étude évaluant une cascade prédictive entre deux modèles de monde robotiques, nommés "Medium" et "Full", chargée de décider quand basculer vers le prédicteur le plus coûteux en calcul. Le protocole utilise des essais appariés à état exactement réinitialisé: toutes les actions candidates partent du même état physique, ce qui permet de comparer directement les pertes de décision des deux modèles sur une tâche identique. Les tests reposent sur le benchmark de manipulation PushT, avec un premier jeu de données (V106) de 1 600 états, 39 tâches et trois paires de checkpoints. Un routeur fondé sur l'interface de prédiction du modèle Medium réduit le coût de décision, frais de calcul inclus, par rapport aux modèles Medium et Full utilisés seuls et par rapport à un routeur basé uniquement sur la tâche. Une confirmation prospective distincte (V107, également 1 600 états), testée face à un contrôle renforcé utilisant des caractéristiques DINO, montre une baisse du coût de décision physique de 0,002549 (intervalle à 95% de -0,002867 à -0,002238), un effet constant sur les trois paires de checkpoints. Un audit indépendant en simulation PyBullet confirme l'intérêt d'un routeur combinant tâche et régime de prédiction. Pour les architectures vision-langage-action et les systèmes de monde-action, ces travaux répondent avec prudence à une question centrale de l'industrie: peut-on économiser du calcul en n'invoquant un modèle lourd que si nécessaire, sans perte de performance? Le signal statistique est réel mais modeste, et les auteurs précisent eux-mêmes que le routeur séquentiel reste plus lent que des politiques fixes, son avantage ne jouant qu'à faible coût de calcul. Pour les intégrateurs et décideurs techniques, le message est de ne pas surinterpréter les promesses d'inférence adaptative avant validation en boucle fermée sur robot réel, hors simulation. Cette étude s'inscrit dans le courant de recherche sur l'inférence adaptative et les modèles de monde-action, domaine où plusieurs équipes explorent des cascades à coûts différenciés pour arbitrer précision et latence. Les auteurs restent explicites sur les limites de leur démonstration, qui ne prouve ni suffisance causale, ni économie de calcul réelle, ni valeur en boucle fermée, ni généralisation à d'autres familles de modèles. Les suites attendues concernent des validations hors des bancs d'essai PushT et PyBullet, sur des déploiements robotiques physiques.

Recherche❖Paper

1 source

34

2688arXiv cs.RO 

Génération guidée par le langage pour la planification d'inspection personnalisée

Des chercheurs proposent une méthode sans entraînement (training-free) guidée par un modèle vision-langage (VLM) pour générer automatiquement des trajectoires d'inspection à partir de descriptions textuelles, détaillée dans un article arXiv (2506.02917v2, version révisée). Le système extrait d'abord les points d'intérêt (POI) mentionnés dans le texte, puis identifie des points de passage garantissant leur visibilité tout en respectant les contraintes spatiales du prompt. Il affine ensuite la trajectoire par itérations avec le VLM, résout un problème du voyageur de commerce (TSP) pour déterminer l'ordre de visite optimal, puis applique une optimisation de trajectoire pour produire des chemins lisses et exécutables par des véhicules aériens ou sous-marins. La méthode a été testée sur des environnements construits à la main et sur des scènes réelles scannées en 3D. Contrairement aux approches classiques de navigation vision-langage (VLN), conçues pour des agents évoluant dans des environnements inconnus, cette technique cible spécifiquement l'inspection de scènes déjà connues et cartographiées, avec des applications potentielles en imagerie médicale, en inspection marine et en génie civil. L'absence de phase d'entraînement dédiée est l'argument central : elle éviterait la collecte de données et le réentraînement coûteux à chaque nouvel environnement, un frein habituel à l'adoption de la planification automatisée pour drones et véhicules sous-marins autonomes. Pour les intégrateurs, l'intérêt est de remplacer la programmation manuelle de points de passage par une simple instruction en langage naturel, un pas vers des systèmes de planification pilotés par le langage à l'échelle d'un site industriel plutôt que du seul bras manipulateur. Le travail s'inscrit dans la vague plus large d'intégration des modèles vision-langage-action en robotique, jusqu'ici surtout démontrée sur la manipulation par des systèmes comme Pi-0, GR00T N2 ou Helix ; il l'étend ici à la planification de trajectoires pour l'inspection aérienne et sous-marine. Aucune entreprise ni plateforme commerciale n'est citée : il s'agit d'un travail de recherche académique, publié en préprint et évalué uniquement en environnements contrôlés ou scannés, sans déploiement terrain ni produit commercialisé à ce stade. La suite logique attendue serait une validation sur des missions d'inspection réelles avec des drones ou véhicules sous-marins physiques, hors simulation ou reconstruction 3D statique.

Recherche⚡Actu

1 source

33

2689arXiv cs.RO 

FlexWorm : planification hybride contact-mouvement augmentée par primitives pour robots déformables multi-segments à succion

Un article publié le 18 août 2026 sur arXiv (2608.16853) présente FlexWorm, un cadre de planification pour robots souples multi-segments à ventouses périphériques, destinés à l'inspection et la maintenance en milieux confinés ou fragiles. Son cœur, IKHS (inverse-kinematics hybrid search), mène une recherche best-first sur les transitions d'adhérence tout en résolvant la cinématique inverse uniquement sur les segments libres, gérant à la fois la commutation discrète des ventouses et la déformation continue du corps sous contraintes géométriques, de collision et de quasi-staticité. Une couche additionnelle, PaHS (primitive-augmented hybrid search), récupère via un embedding observation-primitive appris des segments de mouvement courts déjà validés pour accélérer les propositions locales, avec repli sur IKHS classique en cas d'échec. En simulation sur des terrains variés, PaHS égale le taux de succès d'IKHS tout en réduisant nettement le temps de calcul, et des essais répétés sur un robot pneumatique multi-segments réel confirment l'exécutabilité et la capacité de récupération en ligne face à des incertitudes d'actionnement et d'adhérence. L'apport principal est logiciel plutôt que mécanique. La plupart des robots à ventouses multi-segments dépendent aujourd'hui d'allures programmées à la main et de scripts propres à chaque environnement, ce qui freine leur redéploiement sur de nouvelles surfaces. En restant agnostique à la technologie d'actionnement utilisée pour produire la déformation des segments, FlexWorm vise une généralisation transférable entre plateformes matérielles, un enjeu direct pour les intégrateurs cherchant à réduire le coût d'ingénierie par site d'inspection. La validation répétée sur robot pneumatique réel, avec récupération face aux incertitudes, distingue ce travail des nombreuses publications qui s'arrêtent à la simulation, sans pour autant constituer une preuve de déploiement en conditions industrielles. Ce travail s'inscrit dans la lignée des robots souples inspirés des vers et des grimpeurs à ventouses, un axe actif de la robotique molle aux côtés des robots serpents et des grimpeurs de type gecko pour l'inspection en milieu confiné. Le papier reste pour l'instant un préprint arXiv, sans affiliation industrielle ni partenaire de déploiement mentionné, et ne précise ni le nombre de segments ni la charge utile du prototype pneumatique testé. Les auteurs présentent IKHS et PaHS comme des briques génériques combinables à diverses réalisations d'actionnement, ouvrant la voie à des tests sur des géométries de surface plus complexes et à une comparaison future avec des méthodes purement apprises.

Recherche❖Paper

1 source

33

2690arXiv cs.RO 

Vers une compréhension unifiée de la manipulation robotique : une étude complète

Une équipe de chercheurs publie une version mise à jour (v2) d'un vaste état de l'art sur la manipulation robotique, référencé arXiv:2510.10903, avec l'ensemble des ressources associées (papiers de recherche, jeux de données open source, projets) centralisées sur un dépôt GitHub dédié, BaiShuanghao/Awesome-Robotics-Manipulation. Le document couvre les fondements du domaine, les benchmarks et jeux de données organisés par tâche, ainsi qu'une taxonomie unifiée des méthodes existantes. Il étend la distinction classique entre planification de haut niveau et contrôle de bas niveau : la planification haut niveau englobe désormais le langage, le code, le mouvement, l'affordance et les représentations 3D, tandis que le contrôle bas niveau appris est reclassé selon trois paradigmes d'entraînement, le modelage d'entrée (input modeling), l'apprentissage latent et l'apprentissage de politique (policy learning), une catégorie qui recouvre notamment les approches vision-langage-action (VLA). Les auteurs proposent aussi la première taxonomie dédiée aux verrous du domaine, articulée autour de la collecte de données, de leur exploitation et de la généralisation, avant de conclure par une revue des applications en conditions réelles. Pour les chercheurs et intégrateurs, ce travail répond à un problème concret : la manipulation robotique reste un champ éclaté, où chaque laboratoire publie sa propre méthode sans cadre commun pour comparer les approches. En pointant la collecte, l'exploitation des données et la généralisation comme les trois verrous structurants, la survey confirme un constat déjà largement partagé dans le secteur, à savoir que le goulot d'étranglement n'est plus tant l'architecture des modèles que la disponibilité et la qualité des données d'entraînement, ainsi que la capacité des politiques apprises à transférer d'un environnement à un autre. C'est un signal utile pour les décideurs B2B qui évaluent quelle famille de méthodes, symbolique, fondée sur les affordances, ou bout-en-bout par politique apprise, mérite un investissement au-delà de la simple démonstration. Cette synthèse s'inscrit dans l'essor de l'intelligence incarnée (embodied intelligence), porté ces dernières années par les progrès de la vision par ordinateur, du traitement du langage naturel et la montée des modèles multimodaux à grande échelle. Les auteurs revendiquent une couverture plus large et une analyse plus approfondie que les études antérieures sur le sujet, positionnant leur travail à la fois comme point d'entrée accessible pour les nouveaux venus et comme référence structurée pour les chercheurs déjà établis dans le domaine.

Recherche❖Paper

1 source

32

2691arXiv cs.RO 

I-Perceive : un modèle fondation pour la perception active guidée par instructions en langage naturel

Une équipe de recherche présente I-Perceive, un modèle de fondation pour la perception active conditionnée par le langage, dans une version révisée (v2) d'un article déposé sur arXiv sous la référence 2603.00600. À partir d'une image requête, d'images de contexte et d'une instruction en langage naturel, le système prédit une pose de caméra à 6 degrés de liberté satisfaisant l'intention de perception exprimée, dans de grands environnements intérieurs. L'architecture associe une voie vision-langage pour l'ancrage sémantique des instructions et une voie de raisonnement géométrique pour la compréhension 3D multi-vues, reliées par une fusion sémantique multi-couches. L'entraînement s'appuie sur un jeu de données de paires langage-point de vue à grande échelle, construit via un pipeline automatisé combinant scans de scènes réelles et environnements simulés. Les systèmes de perception active existants restent généralement limités à des objectifs fixes ou à des contextes restreints ; I-Perceive vise au contraire une généralisation à des intentions ouvertes, formulées librement en langage naturel, un point faible connu de la robotique mobile actuelle. Pour les intégrateurs travaillant sur des AMR, des bras manipulateurs ou des plateformes humanoïdes, l'enjeu est concret : la plupart des modèles vision-langage-action (VLA) décident quoi faire à partir d'un flux caméra fixe, sans jamais décider où regarder. Les auteurs revendiquent une généralisation zéro-shot à des scènes et instructions inédites, ainsi qu'un mode boucle fermée affinant le point de vue au fil d'interactions successives, ce qui, si cela se confirme hors du cadre des auteurs, rapprocherait les robots d'une exploration active plutôt que d'une perception passive. Ce travail s'inscrit dans la vague des modèles de fondation pour la robotique, aux côtés d'architectures vision-langage-action comme Pi-0, GR00T N2 ou Helix, centrées sur la génération d'actions à partir d'une perception supposée acquise ; I-Perceive se place en amont, sur la question négligée de savoir où regarder pour obtenir l'information utile à la tâche. Il se distingue aussi des approches classiques de perception active de type next-best-view, limitées à des objectifs géométriques sans compréhension du langage. Publié comme remplacement d'une soumission arXiv antérieure, l'article reste une contribution évaluée sur des données et environnements construits par les auteurs, sans code ouvert ni déploiement sur robot physique mentionné ; l'intégration sur des plateformes commerciales demeure une suite logique mais non confirmée.

Recherche❖Paper

1 source

30

2692arXiv cs.RO 

Modélisation et contrôle d'un robot souple inspiré de l'anguille pour l'optimisation de sa conception

Un article publié sur arXiv (référence 2608.14860v1) présente un modèle de simulation pour un robot souple bio-inspiré de l'anguille, conçu pour reproduire la nage anguilliforme, un mode de locomotion ondulatoire réputé pour son efficacité énergétique. Les auteurs couplent un modèle par éléments finis (FEM) d'une tige élastique, censé représenter les matériaux souples du corps du robot, à un modèle de forces hydrodynamiques simulant son comportement dans l'eau. L'approche FEM permet de faire varier les propriétés du matériau dans le temps, ce qui autorise notamment la simulation de dégradations ou de défaillances progressives de la structure. Le modèle sert à tester des stratégies de contrôle censées produire les mouvements de nage souhaités, et à comparer différentes configurations de conception. Résultat marquant de l'étude : des designs légèrement asymétriques offrent une manœuvrabilité supérieure tout en conservant des vitesses de nage comparables à celles des configurations symétriques. Ce travail se situe dans le champ de la modélisation, pas dans celui du prototype physique validé en bassin ou en mer, une distinction importante à garder en tête. Sa valeur pour l'industrie de la robotique souple tient à ce qu'il fournit un outil d'optimisation de conception avant fabrication, permettant de tester virtuellement la robustesse de différentes architectures et l'impact de l'usure des matériaux, plutôt que de multiplier des itérations coûteuses de prototypes physiques. Pour les équipes développant des systèmes de contrôle model-based sur des robots souples, disposer d'un modèle FEM couplé à l'hydrodynamique offre une base plus fidèle que les représentations rigides multi-segments habituellement utilisées, un enjeu clé pour rapprocher simulation et comportement réel. La nage anguilliforme intéresse la robotique depuis longtemps pour son rendement énergétique, mais sa reproduction fidèle s'est longtemps heurtée aux limites des matériaux rigides et des modèles simplifiés. L'arrivée de nouveaux matériaux souples a relancé les tentatives de robots-poissons bio-inspirés, rendant nécessaires des outils de modélisation plus précis pour guider leur conception. L'article ne mentionne pas de prototype physique construit ni de calendrier de test en conditions réelles ; il présente le modèle comme une base destinée à orienter de futures décisions de conception pour des tâches spécifiques, la validation expérimentale restant une étape à venir.

Recherche❖Paper

1 source

29

2693arXiv cs.RO 

Regroupement par phéromones répulsives adaptatives pour essaims de robots en quête de ressources

Le Central Place Foraging Algorithm (CPFA), une méthode de référence en robotique en essaim, combine fidélité au site, navigation guidée par phéromones et recherche aléatoire non informée pour organiser la collecte décentralisée de ressources. Son défaut connu: les robots reviennent fréquemment sur des zones déjà explorées tout en laissant d'autres secteurs insuffisamment couverts, ce qui dégradé l'efficacité a mesure que les ressources se raréfient. Des chercheurs proposent une variante baptisée Adaptive Repulsive Pheromone Clustering (ARPC, arXiv:2608.16822v1), ou chaque robot dépose des balises de phéromones répulsives pour signaler les zones déjà parcourues. Ces balises sont regroupées en clusters autour du nid pour estimer les régions a faible valeur de recherche, ce qui permet de rediriger les robots vers des secteurs probablement inexplorés. La méthode a été testée uniquement en simulation, dans l'environnement ARGoS, avec des variations de taille d'arène, de densité de ressources et de distributions spatiales (regroupées, aléatoires, en loi de puissance). Face au CPFA classique et a une variante en grille (GPFA), ARPC affiche des gains de 10% en phase de découverte précoce et jusqu'a 60% en phase de collecte tardive, moment ou les méthodes existantes perdent habituellement en efficacité. Pour les concepteurs de flottes de robots décentralisées, ce résultat cible un point de friction réel: la plupart des algorithmes de recherche en essaim s'effondrent justement quand les ressources deviennent rares, un scenario fréquent en logistique, agriculture de précision ou recherche et sauvetage. Un mécanisme purement local, sans communication centralisée ni carte partagée, qui améliore la couverture spatiale sans complexifier le matériel, intéressé directement les intégrateurs travaillant sur des essaims a grande échelle et hétérogènes. L'ARPC s'inscrit dans la lignée des travaux bio-inspires sur le foraging en essaim, dont le CPFA constitue le socle théorique depuis plusieurs années. Les auteurs comparent leur approche a deux baselines académiques plutôt qu'a des systèmes commerciaux, et l'ensemble des résultats reste confine a la simulation ARGoS, sans validation sur robots physiques a ce stade. La prochaine étape logique, non mentionnée dans cette publication, serait un déploiement sur plateformes réelles pour vérifier si les gains observes en simulation se maintiennent face au bruit de capteurs et aux contraintes physiques du terrain.

Recherche❖Paper

1 source

29

2694arXiv cs.RO 

DiSA-IQL : apprentissage par renforcement hors ligne pour un contrôle robuste des robots souples face aux changements de distribution

Les robots serpents mous, capables de se faufiler et de se plier dans des environnements complexes grâce à leur structure flexible, restent difficiles à piloter car leur dynamique est fortement non linéaire et échappe aux modèles simplifiés utilisés par les contrôleurs classiques ou bio-inspirés. Une équipe de recherche propose DiSA-IQL (Distribution-Shift-Aware Implicit Q-Learning), une extension de l'algorithme d'apprentissage par renforcement hors ligne IQL, décrite dans une version révisée d'un article publié sur arXiv (identifiant 2510.00358v2). La méthode ajoute une pénalité sur les paires état-action jugées peu fiables afin de limiter la dégradation de performance causée par le décalage de distribution, un problème classique de l'apprentissage hors ligne où l'agent doit généraliser à partir d'un jeu de données figé sans pouvoir interagir en temps réel avec l'environnement. Les auteurs testent DiSA-IQL sur des tâches d'atteinte d'objectif, en distribution et hors distribution, uniquement en simulation, et rapportent des taux de réussite supérieurs, des trajectoires plus lisses et une robustesse accrue par rapport à trois références : le clonage comportemental (BC), Conservative Q-Learning (CQL) et l'IQL standard. L'enjeu dépasse le seul cas des robots serpents. L'apprentissage en ligne sur du matériel réel est coûteux et risqué pour des structures souples fragiles, ce qui pousse la recherche vers des méthodes hors ligne capables d'exploiter des jeux de données pré-collectés sans dégrader leurs performances face à des situations inédites. Si les résultats se confirment au-delà de la simulation, ils renforceraient la viabilité de pipelines d'apprentissage hors ligne pour des classes de robots à dynamique difficile à modéliser, un enjeu direct pour les intégrateurs qui cherchent à déployer des systèmes souples sans multiplier les essais physiques coûteux. Le travail s'inscrit dans la lignée directe d'IQL et de CQL, deux méthodes de référence en RL hors ligne conservateur, que les auteurs utilisent comme bases de comparaison plutôt que comme simples antécédents théoriques. Il reste à ce stade purement académique et simulé : aucune validation sur robot physique n'est rapportée, et l'article ne mentionne ni partenaire industriel ni calendrier de transfert vers du matériel réel.

Recherche❖Paper

1 source

43

2695Pandaily 

Unitree franchit 18 000 humanoïdes et mène la course chinoise aux robots bipèdes, devant AgiBot (7 000), UBTECH (3 000) et Galbot (1 000)

Unitree a annoncé fin juillet 2026 avoir franchi la barre des 18 000 robots bipèdes produits depuis sa création, un chiffre qui ne compte que les humanoïdes complets marchant sur deux jambes, à l'exclusion des plateformes à roues, des robots-chiens quadrupèdes et des bras robotiques seuls. Sur ce périmètre strict, la comparaison avec les autres grands noms chinois du secteur place Unitree largement en tête : AgiBot revendique 15 000 unités toutes catégories à fin juin 2026, mais plus de la moitié sont des robots à roues, ramenant son total de bipèdes purs à 7 000 ; UBTECH affiche environ 3 000 unités toutes gammes confondues ; Galbot reste autour de 1 000 humanoïdes industriels. La croissance d'Unitree s'est nettement accélérée : 6 500 unités produites en 2025, un cap de 11 000 franchi en mai 2026, puis 7 000 de plus en deux mois seulement pour atteindre 18 000, soit plus du double du cumul pluriannuel d'UBTECH. L'entreprise s'appuie sur une gamme à deux niveaux, le H1 pour les clients industriels à commandes récurrentes et le G1, humanoïde généraliste pour les services commerciaux et la recherche, fabriqués sur des lignes dédiées conçues pour la standardisation plutôt que l'assemblage manuel en petites séries. Ces chiffres, auto-déclarés par les constructeurs et non audités de façon indépendante, dessinent tout de même une structure de marché déjà polarisée : un duopole Unitree/AgiBot capable de produire à l'échelle de la dizaine de milliers d'unités, et un second groupe, UBTECH et Galbot, qui plafonne au millier. Pour les intégrateurs et décideurs industriels, le signal est que la robotique humanoïde chinoise a basculé du prototype vers la fabrication en série et le déploiement réel, avec un avantage direct pour les acteurs qui maîtrisent en interne les composants critiques, servomoteurs, drivers et réducteurs, un choix qui réduit les coûts et sécurise les cycles d'approvisionnement face aux tensions sur les chaînes de composants. L'écart avec UBTECH s'explique par un pari stratégique manqué : l'entreprise s'était concentrée sur des humanoïdes grand public pour l'éducation, le tourisme et le jouet, avant de devoir lancer dans l'urgence sa gamme industrielle Walker quand le marché a basculé vers l'usage industriel en 2024-2025, prenant deux à trois ans de retard, aggravé par une dépendance à des composants sous-traités et une dispersion des ressources entre robots de service, de désinfection et d'éducation. AgiBot reste le seul concurrent en mesure de rivaliser à terme, fort de ses canaux dans l'automatisation industrielle mais encore en retrait sur la locomotion bipède, où Unitree cumule plusieurs années d'avance en robotique à pattes. Galbot, de son côté, mise sur une niche d'humanoïdes industriels sur mesure à forte marge unitaire, sans production standardisée de masse.

Chine/Asie❧Opinion

1 source

38

2696Pandaily 

Deux robots humanoïdes disputent un match complet de tennis de table en 11 points : SMASH 2.0 (HKU et KAI) sert, échange et marque en autonomie

L'équipe HKU-KAI, associant l'Université de Hong Kong et l'équipe de recherche KAI de Chaowei Power, a fait s'affronter deux robots humanoïdes casque rouge et casque bleu dans un match de tennis de table complet, disputé au format officiel de 11 points, sans télécommande ni humain pour alimenter les balles. L'équipe présente cette démonstration comme la première partie de tennis de table entièrement autonome jamais réalisée entre deux humanoïdes. Elle précède la présentation officielle des robots au National Speed Skating Oval, dit Ice Ribbon, lors des deuxièmes World Robot Games (22 au 26 août), qui rassembleront plus de 2 000 robots et où les mêmes machines affronteront aussi des maîtres humains du tennis de table. Les deux robots reposent sur SMASH 2.0, un pipeline en boucle fermée qui enchaîne perception, prédiction de trajectoire, planification de mouvement et contrôle corps entier. Par rapport à la version 1.0, la portée de frappe a été étendue des balles arrivant sur une trajectoire fixe aux balles longues et courtes, et un service autonome a été ajouté, indispensable puisque les règles imposent l'alternance du service. Le responsable de l'équipe, Luo Ping, vice-doyen de la faculté Computing and Data Science de HKU et directeur du MMLab HKU, ainsi que Li Yinghui, postdoctorant à HKU et responsable des algorithmes de contrôle moteur chez Chaowei Power, ont supervisé une collecte de données étalée sur un à deux mois, à raison de quatre à huit heures par jour, avec des entraîneurs équipés de capture de mouvement, l'équipe testant désormais une capture sans marqueurs pour gagner en volume au prix d'une qualité de données moindre. L'intérêt pour le secteur tient moins à la performance sportive, jugée par l'équipe elle-même plus lente qu'un niveau professionnel, qu'à ce que l'exercice valide techniquement : le tennis de table figure parmi les rares disciplines exigeant une autonomie totale, sans téléopération, ce qui en fait le premier événement adversarial formel conçu pour humanoïdes. Le robot doit lire la trajectoire de la balle, décider et frapper en boucle fermée, illustrant un passage d'actions préprogrammées à une exécution réactive en temps réel. À nuancer toutefois : les deux robots utilisent le même système SMASH, avec des stratégies préréglées (vitesse, angle de renvoi) plutôt qu'un apprentissage en ligne contre l'adversaire, ce qui situe encore la démonstration du côté d'une preuve de pipeline intégré plutôt que d'une intelligence tactique autonome. Le projet a démarré autour d'octobre 2025, la préparation de la compétition ayant accéléré les itérations ; l'extension de la portée de frappe de SMASH 2.0 provient d'un entraînement en simulation à partir de données de mouvement humain. Les données issues des matchs robot contre robot sont conservées pour de l'apprentissage par renforcement sur robot réel, dans l'espoir d'une auto-amélioration progressive, même si l'essentiel des données d'entraînement reste d'origine humaine.

Chine/Asie❖Paper

1 source

36

2697The Robot Report 

Comment Generalist utilise des données de démonstration humaine pour l'apprentissage robotique

Generalist, startup robotique valorisée à 2 milliards de dollars, construit ses modèles sur les travaux de recherche "Universal Manipulation Interface" (UMI), publiés par le Toyota Research Institute (TRI), l'université Columbia et l'université Stanford. Cette plateforme de collecte de données s'appuie sur des effecteurs terminaux de type marionnette, maniés par des opérateurs humains et filmés par des caméras GoPro, pour capturer des tâches réelles comme la vaisselle ou la préhension d'objets ; ces démonstrations deviennent ensuite des données d'entraînement pour des modèles fondation destinés aux cobots. En juin 2026, lors du salon Automate au McCormick Center de Chicago, Generalist a montré en direct des bras Universal Robots (UR) pliant et assemblant des boîtes en carton, ainsi que des bras Flexiv réparant des aspirateurs robots. Environ un mois plus tard, l'entreprise publiait un billet de blog intitulé "Towards Machines with a Thousand Hands", détaillant l'usage d'une variété de pinces et d'outils, dont des spatules, sur différents systèmes robotiques. Samantha Castellanos, ingénieure mécanique fondatrice de Generalist, précise que le préhenseur maison ne compte qu'un seul degré de liberté (1 DoF), un choix assumé de simplicité mécanique plutôt que de complexité articulaire. Cette approche interroge l'hypothèse dominante du secteur selon laquelle la performance des modèles VLA (vision-language-action) dépend avant tout de la sophistication du hardware. En misant sur une pince minimaliste et sur le volume de données plutôt que sur la complexité mécanique, Generalist parie que le modèle, plus que la main, constitue l'avantage concurrentiel durable : selon Castellanos, le modèle est "le moat qui va nous différencier des autres." Pour les intégrateurs, la démonstration d'Automate montre qu'un même modèle peut piloter des bras de fournisseurs différents (UR, Flexiv) sur des tâches distinctes, assemblage de cartons d'un côté, réparation d'aspirateurs de l'autre, ce qui suggère une portabilité inter-marques rare en automatisation classique. Ces démonstrations restent toutefois des vitrines de salon en conditions contrôlées, non des déploiements en production : la capacité de récupération en temps réel vantée sur les réseaux sociaux n'a pas été vérifiée indépendamment, et aucun chiffre de temps de cycle, taux de réussite ou volume déployé n'a été communiqué. L'étude UMI, cosignée par des chercheurs de TRI, Columbia et Stanford, avait montré qu'il était possible d'entraîner des cobots à l'autonomie à partir de démonstrations humaines captées hors laboratoire, sans robot physique présent lors de la collecte ; cette recherche académique a rapidement servi de socle à la création de Generalist. L'entreprise évolue dans un secteur de l'IA robotique déjà très capitalisé, plus de 4 milliards de dollars levés cumulativement par ses concurrents : Skild AI (2 milliards), Physical Intelligence (1 milliard), Field AI (300 millions) et RLWRLD (41 millions). Face à cette concurrence, Generalist mise sur la diversité des effecteurs plutôt que sur un bras ou une pince unique, stratégie résumée dans son billet de blog par la formule "des machines aux mille mains." L'entreprise n'a communiqué ni calendrier de déploiement commercial ni client pilote nommé : à ce stade, les démonstrations de juin et juillet 2026 relèvent de la vitrine technologique plutôt que d'un produit livré en série.

IA physique❧Opinion

1 source

43

2698IEEE Spectrum Robotics 

La soudure navale est-elle le bon premier emploi pour les robots humanoïdes ?

Persona AI, fondée par Nic Radford et Jerry Pratt, développe un robot humanoïde dédié au soudage dans la construction navale. Radford a dirigé le programme Valkyrie au centre spatial Johnson de la NASA et fondé Nauticus Robotics ; Pratt a mené l'équipe de l'IHMC lors du DARPA Robotics Challenge avant de passer deux ans comme directeur technique chez Figure. Interrogée par IEEE Spectrum il y a deux ans, peu après sa création, Persona AI n'avait pas encore arrêté son marché cible et évoquait l'entrepôt, l'automobile ou même le domicile. L'entreprise a depuis choisi le soudage naval : son robot doit réaliser de longs cordons de soudure linéaires, une tâche jugée peu complexe mais requise sur des centaines de kilomètres par navire. Persona AI revendique deux partenariats publics en Corée du Sud, avec HD Hyundai, premier constructeur naval mondial, et POSCO, troisième producteur d'acier mondial. L'entreprise vise des clients capables de déployer des « centaines » de robots par site, sans communiquer de calendrier ni de prix. Techniquement, la vitesse de soudage est bridée par la fonte du métal, autour d'un centimètre par seconde, avec des mouvements répétés à l'échelle du millimètre sur de longues durées, un registre où la robotique surpasse traditionnellement l'humain sujet à la fatigue. Le choix de Persona AI rompt avec la stratégie dominante du secteur, qui cible le travail non qualifié (logistique, manutention) sans avoir encore démontré de déploiement rentable à grande échelle, malgré une multiplication des démonstrations vidéo. Radford revendique un « avantage du dernier arrivé » : avoir observé les échecs commerciaux des concurrents avant de se positionner sur un métier qualifié et mieux rémunéré, où la pénurie de main-d'œuvre est structurelle et où la pénibilité physique justifie économiquement l'automatisation. C'est un test important pour la filière humanoïde : si l'usage d'outils manuels comme un poste à souder, plus complexe qu'une simple préhension d'objets, peut être industrialisé sur un cas d'usage étroit et répétitif, cela validerait une approche de niche plutôt que la polyvalence généraliste vantée par des concurrents comme Figure ou Tesla avec Optimus. Cela reste toutefois à ce stade une annonce de partenariats et une orientation stratégique, pas un déploiement en production chiffré ; Persona AI n'a communiqué ni volume de robots livrés, ni taux de réussite mesuré sur site. Le pari s'appuie sur la génétique de ses fondateurs, issus de programmes robotiques exigeants (NASA, DARPA) plutôt que du seul monde de l'IA générative, et sur un choix délibéré d'éviter la course aux tâches domestiques ou d'entrepôt déjà disputée par une dizaine d'acteurs. La concurrence positionnée sur les compétences physiques qualifiées reste rare, ce qui donne à Persona AI un créneau relativement dégagé face à des rivaux généralistes mieux financés. Les prochaines étapes attendues concernent la montée en cadence chez HD Hyundai et POSCO, la démonstration d'une qualité de soudure comparable à celle d'un opérateur humain, et l'élargissement éventuel à d'autres tâches de soudage plus complexes une fois le cas d'usage linéaire maîtrisé.

Humanoïdes❧Opinion

1 source

34

2699Interesting Engineering 

Essaims de robots ioniques silencieux : cartographier les grottes souterraines de Titan, lune de Saturne

La NASA a accordé une subvention Innovative Advanced Concepts (NIAC) de phase préliminaire au projet SPARK, pour Solid-state Propulsion for Autonomous Reconnaissance of Karst, piloté par Daniel Drew, professeur assistant à l'université d'Hawaï à Mānoa, avec le Jet Propulsion Laboratory de la NASA et le Blue Marble Space Institute of Science. L'objectif est de développer des essaims de petits "aérobots" sphériques et silencieux capables de flotter dans les grottes souterraines de Titan, la plus grande lune de Saturne, un terrain karstique creusé de lacs de méthane liquide, de canaux souterrains et de cavités gelées que les rovers classiques ne peuvent pas franchir. Ces engins reposeraient sur une propulsion électrohydrodynamique (EHD), autrement dit des propulseurs ioniques à état solide sans pièce mobile, une technologie que Drew a commencé à développer à l'université de Berkeley en s'inspirant des "lifters" haute tension du monde amateur, avant de la miniaturiser en "ionocraft" et micro-aéroglisseurs capables de transporter une charge utile. Le projet en est actuellement au tout début d'une étude de faisabilité de neuf mois (phase 1), qui doit être suivie d'une évaluation de phase 2 de deux ans avant qu'une mission de vol réelle ne devienne envisageable. Sur Terre, la propulsion ionique reste trop gourmande en énergie pour un usage pratique, mais la NASA estime que dans l'atmosphère de Titan, les propulseurs EHD pourraient être plus de 100 fois plus efficaces qu'sur Terre, un gain deux fois supérieur à celui attendu pour des rotors classiques, grâce à une atmosphère qui facilite la génération des charges électriques nécessaires au vol et permet d'alléger les convertisseurs de puissance embarqués. L'absence de pièces mécaniques mobiles supprime aussi le besoin de systèmes de chauffage lourds pour résister au froid extrême de Titan. Pour l'industrie robotique, ce concept illustre une piste alternative aux rotors et jambes pour l'exploration en environnement extrême, avec un intérêt direct pour la conception de drones légers, silencieux et peu gourmands en énergie, potentiellement transposable à d'autres contextes où la discrétion acoustique ou la préservation de surfaces fragiles compte. Le calendrier reste toutefois incertain: la mission phare de la NASA vers Titan, l'atterrisseur à rotors Dragonfly, vise un lancement en 2028, mais SPARK n'a pas encore de créneau de vol confirmé et pourrait au mieux profiter d'un éventuel retard de calendrier. Durant cette phase 1, l'équipe de Drew mènera des expériences de faisabilité, modélisera les performances EHD dans des conditions simulant celles de Titan, explorera le maintien en position via ballon à alimentation filaire, et réalisera des études de compromis technique pour définir un prototype en vue de la phase 2, avec l'ambition affichée de jouer un rôle d'éclaireur des grottes comparable à celui de l'hélicoptère Ingenuity sur Mars.

Recherche❖Paper

1 source

41

2700Robot Magazine FR 

INNOROBO by SIDO : l’innovation au cœur de la robotique

Le salon SIDO Lyon accueille les 16 et 17 septembre 2026, au Centre de Congres de Lyon, sa zone d'exposition INNOROBO consacrée a la robotique augmentée et aux systèmes autonomes. Integree au salon depuis 2023, cette zone a été rachetée en 2018 par le groupe Infopro Digital, éditeur de SIDO, et développée avec sa fondatrice Catherine Simon. L'édition 2026 structure l'offre autour de quatre piliers : systèmes robotiques et physical AI (robots, cobots, AMR, AGV, UGV, humanoïdes, drones), composants et perception (mécatronique, intelligence embarquée, vision industrielle, énergie), intelligence et logiciels (pilotage, IA Edge, MLOps, gestion de flottes, cybersécurité OT/IT connectee aux MES, ERP et GMAO) et intégration/services (ingénierie de cellules robotisées, conseil, maintien en conditions opérationnelles). L'organisateur annonce un public compose a 44 % de décideurs (CTO, directeurs R&D et innovation), 38 % de responsables métiers (production, logistique, maintenance, qualité) et 18 % de dirigeants (PDG, DG, vice-présidents), issu a 60 % de l'industrie B2B (manufacturing, énergie, aérospatial, agroalimentaire, BTP), 37 % du tertiaire (distribution, transport, santé, luxe) et 3 % du secteur public. Le cycle de conférences associe aborde l'IA générative appliquée a la robotique, la cobotique, la souveraineté technologique et la cybersécurité des infrastructures robotisées, avec un accès réserve aux professionnels sur inscription. Ce repositionnement traduit une bascule que le secteur observe depuis l'irruption de l'IA générative et des modèles de fondation dans la robotique : la valeur d'un système ne tient plus seulement a sa mécanique, mais a l'empilement logiciel qui l'entoure, perception, IA embarquée, orchestration de flottes, interconnexion avec les systèmes d'information de l'usine. Pour les intégrateurs et les décideurs industriels, ce glissement complexifie les achats, ou choisir un robot engage aussi une pile logicielle et une stratégie de cybersécurité OT/IT. La répartition du public, dominée par des décideurs techniques issus a 60 % de l'industrie B2B classique, signale un événement oriente vers l'adoption opérationnelle plutôt que la démonstration grand public, un positionnement qui tranche avec l'écart souvent constate entre démonstrations spectaculaires d'humanoïdes et déploiements industriels réels. INNOROBO existe depuis plus d'une décennie sous l'impulsion de Catherine Simon, avant d'être racheté par Infopro Digital en 2018 puis intègre au salon SIDO Lyon a partir de 2023. Son élargissement en 2026 vers la robotique augmentée et les agents intelligents accompagne la montée en puissance mondiale des acteurs de la robotique humanoïde et des modèles vision-langage-action, qui redessinent les attentes d'automatisation des industriels français et européens. Le programme met explicitement en avant la souveraineté technologique, thème récurrent pour les acteurs français face a la concurrence américaine et chinoise sur les composants, capteurs et modèles d'IA embarquée. Rendez-vous les 16 et 17 septembre 2026 au Centre de Congres de Lyon, accès réserve aux professionnels sur inscription préalable via le site officiel de l'événement.

FR/EU ecosysteme⚡Actu

1 source