Actualités robotique — page 61

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

36

3001arXiv cs.RO 

DyPES-VLA : apprendre des dynamiques partagées et un contrôle spécifique à chaque incarnation pour la manipulation inter-incarnations

Des chercheurs présentent DyPES-VLA, un modèle vision-langage-action (VLA) conçu pour piloter plusieurs types de robots avec une seule politique généraliste plutôt qu'un modèle par robot. L'approche combine deux briques: un objectif de prédiction du futur qui entraîne le modèle vision-langage, sur des données issues de robots hétérogènes, à capturer le mouvement des objets, les contacts et les changements de scène induits par l'interaction; et une tête d'action à mélange d'experts (MoE) propre à chaque robot, qui traduit ces représentations partagées directement dans l'espace de commande natif de chaque machine, sans reformatage manuel préalable des actions. Cette tête MoE partage ses couches d'attention pour les structures temporelles communes aux tâches, tandis que des experts feed-forward dédiés gèrent les contraintes cinématiques propres à chaque embodiment. Résultat annoncé: 98,0% de réussite sur le benchmark LIBERO, 59,25% sur RoboCasa-GR1 et 89,02% sur RoboTwin 2.0, présentés comme état de l'art en simulation comme en conditions réelles. Le sujet touche un vrai goulot d'étranglement pour les intégrateurs et équipes robotique en entreprise: faire tourner un même modèle VLA sur plusieurs plateformes, bras industriels, robots mobiles ou humanoïdes, exige aujourd'hui un travail manuel lourd pour aligner des espaces d'action hétérogènes, ce qui freine la mutualisation des données d'entraînement et le déploiement à grande échelle. Une politique capable de généraliser nativement entre embodiments réduirait ce coût d'ingénierie par robot et rapprocherait l'objectif, poursuivi aussi par les grands laboratoires du secteur, d'un modèle fondation unique pour la manipulation. Reste que les chiffres avancés sont des scores de benchmark académiques: l'écart classique entre performance en simulation ou en laboratoire contrôlé et robustesse en usine ou en entrepôt n'est pas documenté pour ce modèle en particulier. DyPES-VLA s'inscrit dans la vague récente des VLA "cross-embodiment", qui cherche à dépasser les politiques entraînées robot par robot popularisées par RT-2 ou OpenVLA, sur le même terrain que des modèles généralistes déjà déployés en pilote comme Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia. Publié comme nouvelle soumission sur arXiv, le papier ne précise ni affiliation industrielle ni calendrier de déploiement sur robot physique au-delà des évaluations réelles mentionnées dans l'étude: il relève pour l'instant de la recherche amont plutôt que d'un produit prêt à l'emploi. La suite logique pour ce type de travaux consiste généralement à valider l'approche sur davantage de plateformes et de tâches manipulatoires longues avant tout transfert vers un cas d'usage industriel.

IA physique❧Opinion

1 source

36

3002arXiv cs.RO 

Apprentissage robotique par démonstration : trajectoires d'alphabet manuscrit et évaluation de la ressemblance humaine

Le Fil Robotique 21/10/25, dataset de démonstrations manuscrites (data.researchgate ou arXiv). Cadre LfD (Learning from Demonstration) pas de déploiement produit. Une équipe de recherche présente un nouveau cadre d'apprentissage par démonstration (Learning from Demonstration, LfD) destiné à produire des trajectoires robotiques perçues comme humaines. Le dataset comprend 3 142 démonstrations d'écriture manuscrite collectées auprès de 22 participants, couvrant les 52 combinaisons majuscules/minuscules de l'alphabet latin, via une interface de téléopération tactile capturant position dans le plan, force de contact et timing. La méthode s'appuie sur les modèles de mélange gaussien (GMM) et la régression associée (GMR), une approche classique en LfD, mais l'étend en intégrant des dimensions de force et de temps normalisé, et en l'adaptant aux trajectoires multi-segments non continues, comme celles nécessaires pour tracer un « i » avec son point ou un « t » avec sa barre. Une étude perceptuelle menée auprès de 21 participants a évalué le caractère humain des trajectoires générées sur une échelle continue de 0 à 100, où 50 marque le point neutre entre mouvement robotique et mouvement humain. Le score moyen obtenu est de 71,50, avec un écart type élevé de 22,56, signe d'une perception assez dispersée selon les évaluateurs. Ce travail s'attaque à une limite connue du LfD classique : la plupart des méthodes GMM/GMR gèrent mal les gestes discontinus, alors que la majorité des tâches manuelles réelles (écriture, assemblage, gestes chirurgicaux) combinent plusieurs segments distincts. Réduire la dépendance à la programmation explicite pour transmettre un geste à un robot est un enjeu direct pour la téléopération et les cobots amenés à collaborer avec des humains, où la naturalité du mouvement conditionne la confiance perçue. Le score de 71,5 reste toutefois une mesure subjective issue d'un panel restreint de 21 personnes et non d'un test sur robot physique embarqué : il faut le lire comme un indicateur de perception préliminaire plutôt que comme une validation opérationnelle. L'écriture manuscrite est choisie comme banc d'essai car elle combine complexité géométrique, modulation de force (pression du stylet) et segmentation naturelle des tracés, ce qui en fait un proxy pertinent pour des tâches de transfert de compétences motrices plus larges. Le dataset et le code sont publiés en open source, offrant un benchmark reproductible pour la communauté LfD, actuellement dominée par des approches alternatives comme les primitives de mouvement dynamiques (DMP) ou, plus récemment, les modèles d'imitation à grande échelle de type VLA. Les prochaines étapes attendues incluent des tests sur bras robotiques physiques et des comparaisons avec ces méthodes plus récentes.

Recherche❖Paper

1 source

36

3003arXiv cs.RO 

Prior-SG : segmentation de régions par tâche et a priori pour graphes de scène dans des environnements arbitraires

Une équipe de recherche présente Prior-SG, un nouveau framework pour construire des graphes de scène 3D hiérarchiques destinés au raisonnement spatial des robots mobiles autonomes. Publié sur arXiv cette semaine (2608.06170), le système traite la génération du graphe comme un problème d'alignement probabiliste. Pendant qu'il explore, le robot agrège en continu son flux RGB-D dans un Instance Graph ancré physiquement, via une fusion de features multi-échelle à vocabulaire ouvert. Il infère ensuite la sémantique fonctionnelle des lieux par une estimation Maximum A Posteriori, guidée par un Prior Graph généré dynamiquement par un grand modèle de langage. Un champ aléatoire de Markov fusionne experts visuels, géométriques et objets discrets avec ces priors pour lever les ambiguïtés locales. Testé sur des environnements simulés et réels à plan ouvert, Prior-SG dépasse les références récentes en précision de segmentation sémantique. L'enjeu dépasse la performance brute. Les méthodes existantes de graphes de scène reposent sur du clustering visuel local ou sur des heuristiques géométriques strictes, comme la séparation des pièces par des murs, qui échouent dès que l'environnement sort du schéma classique : entrepôt logistique, loft, plateau de bureaux en open space. Pour les intégrateurs de robotique de service, ce verrou limitait le déploiement hors des démonstrations en appartements standards. Prior-SG montre qu'un robot peut délimiter des frontières fonctionnelles distantes sans murs physiques, un pas concret contre l'écart classique entre démo et déploiement réel. Plus notable, le système offre une flexibilité ontologique en zero-shot : le robot restructure entièrement son découpage spatial selon la tâche demandée, sans réentraînement, une capacité clé pour la planification de tâches en environnements non structurés. Ce travail s'inscrit dans la lignée des recherches sur les graphes de scène 3D hiérarchiques, un axe porté par la généralisation des capteurs RGB-D et des modèles de vision à vocabulaire ouvert. Les approches précédentes restaient dépendantes de règles géométriques figées, adaptées aux logements standards mais peu robustes face aux environnements réels hétérogènes. L'apport principal de Prior-SG est de déléguer à un LLM la génération dynamique des priors structurels, plutôt que de les coder à la main, une tendance de fond en robotique qui place les grands modèles de langage en couche de raisonnement au-dessus de la perception brute. Les auteurs ne mentionnent ni partenariat industriel ni calendrier de déploiement : il s'agit pour l'instant d'une contribution académique, dont l'adoption dépendra de son intégration dans des frameworks de navigation plus larges.

Recherche❖Paper

1 source

35

3004arXiv cs.RO 

SkillMemo : un cadre de mémoire de compétences guidé par des experts pour la manipulation robotique compositionnelle

Un article déposé sur arXiv début août 2026 présente SkillMemo, un framework de mémoire de compétences pour la manipulation robotique compositionnelle. Il vise une limite connue des politiques de diffusion (Diffusion Policy) et des modèles vision-langage-action (VLA): leur difficulté à généraliser hors distribution faute de jeux de données de trajectoires suffisamment vastes. Un module de segmentation guidé par experts, bâti sur une architecture Mixture-of-Experts, découpe les démonstrations longues en compétences atomiques via des coefficients de gating appris, puis les stocke dans une mémoire épisodique sous forme de paires clé-valeur compactes. À l'inférence, le modèle récupère les compétences pertinentes et les fusionne avec sa distribution de gating courante pour affiner ses prédictions d'action. Sur des benchmarks de simulation et des tâches réelles de manipulation, SkillMemo améliore les backbones DP et VLA et dépasse le modèle de référence π0.5. La rareté des trajectoires embarquées à grande échelle limite structurellement la capacité des VLA et des DP à recombiner des compétences apprises séparément pour des tâches nouvelles, un écart souvent pointé entre démonstrations de laboratoire et robustesse réelle. En misant sur une mémoire de compétences réutilisables plutôt que sur un réentraînement systématique, SkillMemo réduit cette dépendance aux données sans changer d'architecture de base, un enjeu direct pour les intégrateurs qui ont besoin de politiques capables de composer des compétences déjà apprises face à des tâches variables. Battre π0.5, référence largement citée dans la littérature récente, renforce la crédibilité de l'approche mémoire pour la généralisation compositionnelle, un problème que le simple passage à l'échelle des modèles n'a pas suffi à résoudre. SkillMemo s'inscrit dans la lignée des travaux récents sur les politiques de diffusion et les modèles VLA, devenus les deux paradigmes dominants pour piloter bras et robots humanoïdes à partir de démonstrations, et répond à un constat partagé: ces modèles peinent à sortir du cadre de leurs données d'entraînement dès qu'une tâche combine des sous-compétences dans un ordre inédit. À ce stade, SkillMemo reste un travail de recherche en preprint, validé sur des benchmarks de simulation et des tâches réelles en laboratoire, sans indication de code public, de partenariat industriel ni de calendrier de déploiement. Son positionnement face à π0.5 en fait néanmoins une référence probable pour les prochains travaux sur la mémoire de compétences en robotique.

Recherche❖Paper

1 source

35

3005arXiv cs.RO 

Un robot marcheur autonome inspiré des amibes classe l'état du sol par proprioception artificielle, sans vision

Des chercheurs ont conçu un système permettant à un robot marcheur autonome à quatre pattes, inspiré du déplacement des amibes, de reconnaître la nature du sol sans caméra ni traitement d'image. Cette « proprioception artificielle » combine un accéléromètre trois axes, huit capteurs de pression sous les pattes, et un algorithme de réservoir computing, une forme de réseau de neurones récurrent peu gourmande en calcul. Malgré les fortes perturbations de signal dues à la démarche dynamique du robot, le système distingue un sol plat d'un sol accidenté avec une précision élevée, et déclenche un changement de démarche en temps réel dès que le terrain change. Cette démonstration va à contre-courant de la tendance dominante en robotique de terrain, où la perception visuelle et les modèles VLA type GR00T N2, Pi-0 ou Helix concentrent l'essentiel des investissements. Juger le sol par le seul toucher et l'accélération réduit le besoin de caméras et de calcul embarqué lourd, un atout pour les environnements hostiles : sites poussiéreux, intervention après catastrophe, inspection souterraine ou nocturne. Pour les intégrateurs, l'autonomie de déplacement ne dépend donc pas uniquement de la vision. Publié en preprint sur arXiv (2608.05684v1), le papier s'inscrit dans la recherche académique sur la locomotion bio-inspirée, calquée ici sur les amibes plutôt que sur l'anatomie animale classique. Il s'agit d'une preuve de concept en laboratoire, sans produit commercial associé, à mettre en regard des humanoïdes comme Figure 03 ou Optimus Gen 3, dont la stabilité repose largement sur la vision.

Recherche❖Paper

1 source

35

3006arXiv cs.RO 

CADRE : capture dynamique par descripteurs de contact implicites et récupération adaptée à la tâche

Des chercheurs publient CADRE (Contact-Aware Dynamic Recovery), un framework d'apprentissage par renforcement pour la manipulation dextre robotique, sur arXiv (2510.14768v2). Son objectif : quand un objet glisse ou tombe hors de la prise, le rattraper tant qu'il reste à portée, puis replacer le bras dans une configuration favorable à la reprise de la tâche, pas seulement éviter la chute. La méthode s'appuie sur un module inspiré des Neural Descriptor Fields, qui extrait des descripteurs de contact implicites reliant directement les doigts du robot à la géométrie de l'objet. Une fonction de "recovery affordance" implicite guide ensuite l'entraînement RL vers des états de reprise pertinents pour la tâche. Résultat : entraînement plus efficace, meilleure convergence, taux de réussite supérieur, et généralisation zero-shot à des objets de formes inédites. Le sujet touche un angle mort de la manipulation dextre : la plupart des démonstrations montrent des prises réussies en conditions contrôlées, rarement la récupération après un échec de préhension, alors que glissements et chutes restent une cause fréquente d'interruption en conditions réelles. En traitant le contact comme un signal riche plutôt qu'un simple événement binaire (prise ou pas prise), CADRE vise l'écart entre la robustesse affichée en démo et la fiabilité attendue en déploiement industriel ou logistique, où un robot qui s'arrête à chaque incident perd son intérêt économique. C'est aussi un argument pour les représentations implicites de type NDF face aux pipelines classiques de pose estimation, plus fragiles aux occlusions et aux formes non vues à l'entraînement. Les Neural Descriptor Fields, déjà utilisés en robotique pour la préhension et le repositionnement d'objets par correspondance géométrique implicite, servent ici de brique à un problème plus étroit et encore peu couvert : la récupération dynamique après incident, loin de la littérature abondante sur la planification de prise initiale. L'article, une version révisée (v2) soumise sur arXiv, ne précise pas si les tests ont eu lieu sur robot physique ou uniquement en simulation, ni quel type de main ou pince a servi de plateforme. Les auteurs comparent leur approche aux méthodes basées pose ou point cloud, sans nommer de concurrent, et n'indiquent aucun calendrier pour un passage à des tâches plus longues sur matériel réel.

Recherche❖Paper

1 source

30

3007arXiv cs.RO 

Reglissement Sensoriel Coulissant : Confiance Configurable dans l'Estimation d'État des Robots Continuum

Un résumé étendu publié sur arXiv (référence 2608.05410v1) présente un capteur mécaniquement reconfigurable pour l'estimation d'état des robots continuum, ces structures souples sans articulations rigides déployées en environnements incertains. Le problème ciblé : la confiance dans l'estimation de position varie selon l'endroit du corps où des mesures sont disponibles, alors que l'enjeu n'est pas toujours une précision globale mais une confiance suffisante aux points où une tâche s'exécute. Les auteurs ont construit un prototype démontrant la faisabilité d'un capteur se déplaçant longitudinalement le long du robot, plutôt que resté fixe à l'extrémité comme dans la configuration usuelle. Faire coulisser ce capteur dans le temps réduit les erreurs d'estimation de la forme complète du corps, comparé à un capteur fixe unique en bout de bras. Cette approche touche une limite connue de la robotique continuum : ces systèmes, utilisés en chirurgie mini-invasive, inspection industrielle en espace confiné ou manipulation délicate, arbitrent entre nombre de capteurs embarqués, coût et complexité du câblage d'un côté, et qualité de l'estimation d'état nécessaire à un contrôle sûr de l'autre, notamment au contact d'humains ou de tissus fragiles. Plutôt que multiplier les capteurs fixes ou accepter l'incertitude résiduelle d'un capteur unique en bout de course, reconfigurer la position d'un seul capteur permet de concentrer la précision de mesure là où une tâche l'exige à un instant donné, sans alourdir le système. Pour les intégrateurs de robots souples, l'intérêt serait de réduire le nombre de capteurs nécessaires tout en maintenant la confiance requise aux points critiques, si le concept dépasse le stade du prototype. Le document se présente explicitement comme un extended abstract, format court destiné à une conférence ou un workshop, documentant une preuve de concept plutôt qu'un système finalisé. Aucune institution, aucun financement ni date de conférence n'est précisé ; le texte est simplement catalogué comme nouvelle soumission sur arXiv. La démonstration se limite à un prototype matériel et à une comparaison entre capteur mobile et capteur fixe, sans détail sur l'ampleur des essais. Le domaine de l'estimation d'état pour robots continuum reste actif, avec des approches concurrentes basées sur la vision, la fibre optique de courbure ou des modèles appris ; ce capteur coulissant s'ajoute comme alternative matérielle dont la robustesse hors laboratoire reste à démontrer.

Recherche❖Paper

1 source

42

3008Robotics Business Review 

HII signe un accord pouvant atteindre 900 millions de dollars avec Path Robotics et GrayMatter Robotics

Huntington Ingalls Industries (HII), premier constructeur naval militaire américain, a annoncé des accords de production pluriannuels et basés sur la performance avec Path Robotics et GrayMatter Robotics, pouvant atteindre 900 millions de dollars sur sept ans. Path Robotics fournit une technologie de soudure robotisée, tandis que GrayMatter développe des systèmes de ponçage robotisés. Les deux entreprises participent au programme HYPR (High-Yield Production Robotics), lancé par HII en avril pour accélérer l'automatisation adaptative dans la fabrication de plateformes navales habitées et non habitées. Le financement reste conditionné à l'atteinte de jalons précis de maturité technologique et industrielle. Eric Chewning, vice-président exécutif des systèmes maritimes et de la stratégie d'entreprise chez HII, a évoqué des investissements générationnels pour développer de nouvelles capacités de construction navale. Les accords se déploient en deux phases : une étape de développement aux normes de la Marine américaine, durant laquelle les techniques de soudure, ponçage, décapage, peinture, assemblage et inspection seront validées et qualifiées, puis une étape de livraison où HII commencera à s'approvisionner via cette nouvelle ligne automatisée. Parmi les technologies concernées figure Rove, qui associe le modèle d'IA physique Obsidian de Path Robotics à un robot quadrupède capable de souder de manière autonome hors des cellules fixes, directement sur de grands ensembles et structures immobiles. Cet accord illustre un mouvement plus large : le passage de la robotique industrielle des cellules fixes et contrôlées vers des systèmes mobiles capables d'opérer dans des environnements de production aussi complexes et variables que les chantiers navals militaires. Pour les intégrateurs et décideurs industriels, HYPR constitue un test grandeur nature de la promesse de l'IA physique à grande échelle : contrairement à de nombreuses démonstrations robotiques limitées à des environnements contrôlés, ce programme vise une qualification selon les standards stricts de la Marine américaine, avec des jalons de performance vérifiables avant tout versement de fonds. Cela répond directement au scepticisme du secteur sur l'écart entre démonstrations et déploiements réels. Si les technologies tiennent leurs promesses, elles pourraient désengorger une industrie navale américaine chroniquement en sous-capacité, un enjeu stratégique alors que la Marine cherche à accélérer la production de porte-avions, sous-marins, destroyers, navires amphibies, futures frégates et navires de surface sans équipage. HII avait lancé HYPR en avril pour structurer sa collaboration avec des fournisseurs de robotique avancée, avec un cadre de gouvernance commun et des processus de qualification partagés. Andy Lonsberry, cofondateur et PDG de Path Robotics, a présenté cet accord comme une validation puissante de la thèse de sa société selon laquelle l'IA physique peut faire évoluer la capacité de production navale dans l'un des environnements industriels les plus exigeants au monde. L'accord s'inscrit dans la stratégie de sous-traitance distribuée de HII, qui prévoit d'externaliser plus de 2,5 millions d'heures de travail de construction navale en 2026, soit une hausse de 30% par rapport à 2025, en élargissant son réseau de partenaires d'assemblage structurel. Le déploiement démarrera par de petites structures en acier avant de s'étendre à des unités et modules plus complexes, un scénario progressif qui laisse à HII la possibilité d'ajuster son recours à l'automatisation selon les coûts, les délais et la qualité constatés sur le terrain.

Industriel⚡Actu

1 source

33

3009SCMP Tech 

IA de maquillage codée pour briller : elle vole la vedette lors d'un hackathon à Hong Kong

Iron Bestie, un bras robotique de maquillage personnalisé, a remporté les honneurs du premier hackathon d'IA physique organisé à Hong Kong cette semaine. Le projet a devancé plus de 160 équipes venues du monde entier lors d'un sprint intensif de 48 heures mêlant matériel et logiciel. Le système s'appuie sur des modèles vision-langage et une interface vocale : dans la démonstration, le bras saisit un rouge à lèvres posé sur une coiffeuse et l'applique sur les lèvres d'une utilisatrice pendant que l'assistant énonce son emploi du temps matinal. Le prototype illustre la bascule des modèles vision-langage-action, jusqu'ici concentrés sur la logistique industrielle ou la préhension générique, vers des gestes fins et intimes comme les soins personnels, un registre encore peu exploré par les grands laboratoires de robotique. Pour les intégrateurs et les investisseurs, ce succès de hackathon confirme surtout la profondeur du vivier de talents en IA physique à Hong Kong et dans la région du Grand Baie. Il ne s'agit toutefois pas d'une avancée technique validée : le communiqué ne fournit ni temps de cycle, ni taux de réussite, ni précision de geste, et la démonstration reste une preuve de concept en environnement contrôlé plutôt qu'un produit testé en conditions réelles. L'événement s'inscrit dans la volonté affichée par Hong Kong de se positionner comme pôle d'IA incarnée, face à des acteurs bien plus avancés commercialement comme Figure AI avec son modèle Helix, Tesla avec Optimus, Physical Intelligence avec Pi-0 ou NVIDIA avec GR00T N2, tous engagés dans la course aux modèles vision-langage-action pour la manipulation fine. Aucun calendrier de commercialisation, de pilote industriel ni de déploiement n'a été annoncé pour Iron Bestie, qui demeure à ce stade un prototype de hackathon. Ses concepteurs n'ont pas précisé de prochaines étapes.

Chine/Asie❧Opinion

1 source

29

3010Interesting Engineering 

Un nouveau guide dévoile les technologies clés dont les robots humanoïdes ont besoin pour agir comme des humains

ROBO Global, la société qui gère l'indice ROBO Global Robotics and Automation, a publié un guide destiné à expliquer les technologies nécessaires à la construction d'un robot humanoïde fonctionnel. Le document découpe le robot en trois briques : le "cerveau" (processeurs IA embarqués, caméras, LiDAR, capteurs tactiles), le "corps" (actionneurs rotatifs et linéaires, réducteurs harmoniques à fort couple) et l'"énergie" (batteries, avec un focus sur les batteries à état solide). Le guide ne cite aucun modèle précis ni aucune date de sortie, il reste volontairement générique : les caméras et le LiDAR servent à cartographier l'environnement en trois dimensions, les capteurs tactiles dans les mains permettent d'ajuster la force de préhension entre une casserole lourde et un verre fragile, et les puces IA embarquées font office de système nerveux central pour la perception, la planification de mouvement et l'équilibre en temps réel. L'intérêt de ce document n'est pas une percée technique mais un signal de marché : il confirme que la chaîne d'approvisionnement des humanoïdes, puces IA, capteurs, actionneurs, engrenages de précision, batteries, est en train de devenir une filière commerciale à part entière, et plus seulement un empilement de prototypes maison développés en interne par chaque fabricant. Pour les intégrateurs et les décideurs industriels, cela veut dire des composants plus standardisés et potentiellement plus accessibles à court terme. Mais il faut lire ce guide pour ce qu'il est : un contenu pédagogique produit par un fournisseur d'indice boursier centré sur la robotique, donc orienté vers les investisseurs plutôt qu'un compte rendu de déploiement réel. Aucun chiffre de charge utile, de degrés de liberté, de temps de cycle ou de volume ne vient étayer les affirmations, ce qui limite sa valeur informative face à une annonce produit concrète. Ce guide arrive alors que le secteur des humanoïdes multiplie les annonces, entre nouveaux modèles commerciaux et modèles de fondation vision-langage-action censés leur donner de l'autonomie. ROBO Global, dont l'activité consiste à indexer et suivre les valeurs du secteur robotique et automatisation pour les marchés financiers, cherche ici à cadrer le narratif de croissance qu'elle promeut auprès de ses investisseurs. Le document anticipe une demande croissante pour les fournisseurs de composants, en parallèle du déploiement progressif des humanoïdes dans les foyers, les usines, les entrepôts et les services, sans toutefois avancer de calendrier précis ni de pilote industriel nommé.

Humanoïdes≡Tuto

1 source

38

3011Robotics Business Review 

Un rapport examine les avancées des robots mobiles autonomes

Le marché mondial des robots mobiles autonomes (AMR) repart à la hausse, porté par la hausse des coûts de main-d'œuvre, les pénuries de personnel et le besoin de flexibilité et de rapidité opérationnelles, selon un rapport de The Robot Report et sa publication sœur Design World. Interact Analysis prévoit une croissance de près de 5 milliards de dollars en 2024 à 14 milliards en 2030. ABI Research, de son côté, table sur un marché des robots mobiles élargi passant de 33 milliards de dollars en 2026 à 68,9 milliards en 2030, soit une croissance annuelle composée de 20,2%, les AMR représentant la moitié de ce total. Après un ralentissement post-COVID, le secteur montre des signes de reprise solide. Le rapport distingue deux familles de solutions: les chariots élévateurs automatisés ou semi-automatisés, faciles à intégrer aux flux existants d'entrepôts et d'usines, et les navettes de systèmes de stockage et récupération automatisés (ASRS), plus coûteuses en infrastructure mais offrant une meilleure densité de stockage et une scalabilité supérieure, avec pour exemples les chariots autonomes de Hyster-Yale et les ASRS d'Attabotics. Pour les intégrateurs et décideurs industriels, ce constat confirme que la technologie AMR a franchi un cap de maturité: vision par ordinateur, fusion de capteurs et apprentissage automatique ne servent plus seulement à la navigation, mais permettent aussi du picking précis, une collaboration homme-robot plus sûre et une meilleure visibilité opérationnelle. La gestion de flottes assistée par IA facilite désormais l'intégration avec les systèmes d'entreprise existants, un point de friction historique pour les déploiements à grande échelle. Les problèmes d'interopérabilité entre robots de fournisseurs différents subsistent, mais les éditeurs de logiciels d'orchestration et les organismes de normalisation commencent à y répondre. Les AMR ne se limitent plus à l'entrepôt: ils gagnent désormais l'industrie manufacturière et la pharmacie, des secteurs plus exigeants en traçabilité et en fiabilité. Ce regain suit une phase de tassement post-pandémie, durant laquelle les commandes avaient nettement ralenti après le pic du COVID-19. Le paysage concurrentiel reste fragmenté entre spécialistes des chariots autonomes comme Hyster-Yale, fournisseurs de systèmes de stockage automatisés comme Attabotics, et une multitude d'autres constructeurs d'AMR et d'éditeurs de logiciels de fleet management. Le rapport complet est disponible en téléchargement gratuit auprès de The Robot Report. La question de l'IA physique sera par ailleurs au programme de RoboBusiness, prévu les 20 et 21 octobre 2026 à Santa Clara, en Californie, dont les inscriptions sont désormais ouvertes.

Industriel❧Opinion

1 source

42

3012Interesting Engineering 

New ergoCub, un humanoïde, s'adapte aux mouvements humains lors de tâches de levage partagées

ergoCub est un robot humanoïde capable de s'adapter en temps réel aux mouvements d'un partenaire humain lors de tâches de levage partagées, réduisant la fatigue physique et les risques pour la sécurité au travail. Il a été développé par une équipe conjointe de GenerativeBionics, de l'Istituto Italiano di Tecnologia (IIT) et de l'université de Manchester, sur la base d'un nouveau cadre de conception dit "human-aware". Contrairement à l'approche classique, qui fige d'abord le matériel puis compense ses limites par le logiciel, l'équipe a optimisé simultanément la morphologie du robot (longueur des membres, placement des articulations, répartition du poids), ses capteurs, ses actionneurs et ses algorithmes de contrôle, en intégrant explicitement un modèle du partenaire humain dans le processus de conception. ergoCub, construit sur la base du robot de recherche iCub de l'IIT, met à jour en continu un modèle interne de la personne avec qui il travaille à partir de ses données de capteurs, ce qui lui permet d'anticiper ses mouvements, de synchroniser son assistance et de s'adapter à des gabarits et des forces différentes. Lors d'essais de levage collaboratif, le robot a suivi la posture humaine en ajustant dynamiquement son effort. Sa capacité déterminante consiste à estimer le couple exercé sur l'articulation lombo-sacrée, la zone du bas du dos la plus exposée lors du port de charges, afin de réduire la charge biomécanique estimée par rapport à un levage effectué sans assistance. L'étude, relayée par TechXplore, indique aussi qu'ergoCub marche plus vite et consomme moins d'énergie que son prédécesseur. Cette approche s'attaque à un problème très concret pour les industriels: les troubles musculo-squelettiques liés au port de charges figurent parmi les premières causes d'arrêts de travail en logistique et en manufacture, un terrain où les exosquelettes occupent aujourd'hui l'essentiel du marché de l'assistance au levage. Un humanoïde capable de coporter une charge en ajustant son comportement à la biomécanique de son partenaire ouvrirait une piste différente, moins contraignante à porter qu'un exosquelette mais plus complexe à sécuriser dans un environnement partagé. À noter toutefois: ni l'étude ni sa reprise par TechXplore ne donnent de chiffre précis de réduction de charge, de conditions de test détaillées, ni de capacité de charge utile, ce qui limite pour l'instant la portée de la démonstration à un résultat de laboratoire plutôt qu'à une performance validée en conditions industrielles. ergoCub prolonge la lignée d'iCub, plateforme de recherche humanoïde que l'IIT développe depuis le milieu des années 2000 pour étudier la cognition et la locomotion robotique. Le partenariat avec GenerativeBionics et l'université de Manchester pousse cette recherche vers la cobotique physique, un segment où des acteurs comme Apptronik (Apollo), Agility Robotics (Digit) ou Sanctuary AI (Phoenix) avancent déjà avec des humanoïdes orientés production en entrepôt plutôt que recherche académique. L'équipe indique avoir commencé à étendre cette philosophie de conception intégrée à Gene.01, un robot de nouvelle génération, sans préciser à ce stade de calendrier de déploiement, de partenaire industriel pilote ou de site de test au-delà du laboratoire.

FR/EU ecosysteme❖Paper

1 source

51

3013Robohub 

Robots dans la société, les affaires et la culture : juillet 2026

Le 28 juillet 2026, la Federal Communications Commission américaine a bloque l'autorisation d'équipement nécessaire a la vente aux Etats-Unis de nouveaux robots avances fabriques a l'étranger, invoquant des risques de chaine d'approvisionnement et de cybersécurité. La mesure vise les humanoïdes connectes, les quadrupèdes et tout robot mobile de plus de 4,4 livres (environ 2 kg) dote de connectivité réseau ; la FCC a également restreint, dans le même mouvement, les onduleurs de puissance connectes d'origine étrangère. Les modèles déjà autorises restent commercialisables pour l'instant, et des exemptions ou autorisations conditionnelles demeurent possibles. Le 30 juillet, Reuters rapportait que le ministère chinois du Commerce menaçait de "riposter résolument" si Washington maintenait ces restrictions, exigeant leur retrait immédiat. La décision marque une extension du contrôle des exportations, déjà applique aux semi-conducteurs, au matériel robotique. Georg Stieler, conseiller en robotique et directeur pour l'Asie chez STM, juge qu'a court terme elle pourrait freiner l'innovation américaine en IA physique en coupant startups et chercheurs de plateformes chinoises bon marche avant l'existence d'alternatives occidentales comparables, tout en ouvrant des opportunités aux fournisseurs américains et allies capables de localiser leur production ou d'obtenir une autorisation conditionnelle ; il previent toutefois qu'exclure la concurrence étrangère ne suffit pas a bâtir une base industrielle compétitive. Pour les intégrateurs, cela implique de vérifier le statut d'homologation FCC des robots déployés aux Etats-Unis et anticipe un risque d'approvisionnement pour les plateformes low-cost, notamment celles d'Unitree Robotics, qui vient de lancer son humanoïde Super Athlete AS2-W. John Moolenaar, élu républicain du Michigan a la tête de la commission spéciale de la Chambre sur la Chine, défend une mesure qui "protégé notre pays et renforce notre industrie robotique", tandis que Pekin promet des representailles. Le bras de fer prolonge les tensions sino-americaines déjà vives sur les semi-conducteurs, désormais étendues aux humanoïdes et quadrupèdes, segment ou des fabricants chinois comme Unitree dominent l'entrée de gamme. Le mois a aussi vu émerger, hors de ce contexte géopolitique, plusieurs robots bio-inspires : un drone quasi invisible de l'université Northwestern, un engin volant-plongeur de 250 grammes du MIT et de l'EPFL inspire des macareux, et un robot vigne du KAIST capable d'habiller une personne sans les mains, autant de rappels que la recherche robotique continue d'explorer bien au-delà des humanoïdes. Note : le texte source fourni s'interrompt en plein milieu de la dernière section ("following a showcase of the Orig..."), je n'ai donc pas inclus cet épisode pour ne pas inventer de détails manquants.

Regulation⚖Reglementation

1 source

44

3014arXiv cs.RO 

Mind-VLA : alignement de la représentation spatiale guidé par les instructions pour les modèles vision-langage-action

Publiée le 4 août 2026 sur arXiv (2608.04633), une méthode baptisée Mind-VLA corrige un défaut des modèles vision-langage-action (VLA) en robotique: les approches existantes alignent leur représentation avec la géométrie 3D de toute la scène de façon uniforme, sans isoler l'objet désigné par l'instruction, d'où des échecs en manipulation fine ou en cas d'occlusion. Mind-VLA identifie d'abord cet objet cible, en génère une vue à trois angles, en extrait des caractéristiques VAE et VGGT, puis aligne la représentation latente du modèle dessus. Avec un backbone compact de 345 millions de paramètres, le système atteint 93,9% de réussite sur LIBERO, 4,47 sur CALVIN, et 54% de succès moyen sur robot réel en situation d'occlusion, soit 32 points de plus que la meilleure méthode instruction-agnostique comparée. Le code sera publié en open source. Le résultat vise un problème concret pour les intégrateurs déployant bras manipulateurs ou humanoïdes: les démonstrations de laboratoire s'effondrent souvent dès que l'objet à saisir est partiellement caché par un carton, une pièce voisine ou l'angle de la caméra. En conditionnant la représentation 3D sur l'objet réellement visé plutôt que sur la scène entière, Mind-VLA cible directement l'écart entre démo et réalité industrielle. Le gain de 32 points obtenu sur robot réel, pas seulement en simulation, compte dans un domaine où les progrès annoncés reposent souvent sur des vidéos sélectionnées ou des métriques peu transposables. Mind-VLA s'inscrit dans la lignée des travaux sur l'alignement géométrique des VLA, qui injectent une compréhension 3D explicite dans des modèles entraînés sur images et texte, comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA, sans qu'aucun ne cible spécifiquement l'objet d'intérêt. Le résumé ne nomme pas la méthode instruction-agnostique servant de référence, ce qui invite à la prudence tant que l'article complet et le code promis ne sont pas vérifiables. La piste, aligner la représentation sur l'objet désigné plutôt que sur toute la scène, devrait néanmoins intéresser d'autres laboratoires travaillant sur la manipulation fine.

Recherche❧Opinion

1 source

43

3015arXiv cs.RO 

SAFECAST : détection robuste des échecs pour les politiques VLA par entraînement à ensembles contrastifs et calibration

Des chercheurs présentent SAFECAST, une méthode de détection d'échec pour les politiques vision-langage-action (VLA), les modèles qui pilotent des robots à partir d'instructions en langage naturel. Le problème visé: ces politiques échouent souvent une fois déployées, dès que les conditions s'écartent de l'entraînement, désordre dans la scène, objets distracteurs, éclairage différent, objets jamais vus, position de départ modifiée, ou simple reformulation d'une consigne. Les approches existantes détectent ces échecs via des sondes entraînées sur les états cachés du modèle, combinées à de la prédiction conforme fonctionnelle, mais leur fiabilité s'effondre si les données de calibration ne collent pas aux conditions réelles de déploiement. SAFECAST corrige ce point en injectant des perturbations de type "contrast set", des variations ciblées de la scène visuelle et du texte de l'instruction, à la fois dans l'entraînement et la calibration des sondes. Testée sur le jeu de données réel DROID et sur le simulateur LIBERO, avec plusieurs architectures de VLM en backbone, la méthode améliore de façon statistiquement significative le score ROC-AUC de détection d'échec par rapport à une référence état de l'art. Pour les intégrateurs et équipes robotique qui misent sur des politiques VLA en production, ce travail s'attaque à un angle mort connu du secteur: on sait entraîner des modèles capables de suivre des instructions, mais pas forcément savoir, en temps réel, quand ils sont sur le point d'échouer. Un détecteur d'échec fiable permet de déclencher un arrêt de sécurité ou un relais humain avant la casse, un prérequis pour déployer des VLA hors laboratoire, sur ligne de production ou en entrepôt, sans supervision constante. Le résultat le plus notable côté méthode: la calibration en simulation (sim-to-real), une fois enrichie de perturbations contrastives, produit de meilleures sondes que la calibration sur données réelles seules, ce qui réduirait le besoin coûteux de collecter des rollouts réels pour chaque nouveau contexte de déploiement. Ce travail s'inscrit dans la lignée des recherches sur la prédiction conforme appliquée à la robotique, un domaine qui cherche à donner des garanties statistiques d'échec plutôt que de simples scores de confiance heuristiques. Il prolonge directement les méthodes à base de sondes sur états cachés déjà proposées comme référence, en ciblant leur faiblesse principale, la dépendance aux données de calibration. Les auteurs indiquent que le gain est maximal quand perturbations visuelles et perturbations linguistiques sont combinées, une piste que de futurs travaux pourraient étendre à d'autres types de décalages de distribution ou à des politiques VLA déployées sur du matériel robotique varié.

Recherche❖Paper

1 source

42

3016arXiv cs.RO 

De la segmentation de verrerie transparente à l'évitement de collision : un pipeline de perception en temps réel sensible aux contours

Des chercheurs ont publié le 4 août 2026 sur arXiv (référence 2608.04769) un système de segmentation d'instance en temps réel conçu pour éviter les collisions avec du matériel de laboratoire transparent, en s'appuyant uniquement sur une caméra. Partant du constat que la réfraction et les reflets spéculaires rendent la texture interne des objets en verre peu fiable, mais que leurs contours restent visuellement stables, l'équipe a ajouté à un modèle de segmentation d'instance "one-stage" une branche de détection de contours, un mécanisme d'attention guidé par ces contours et un module SimAM sans paramètre supplémentaire. Elle a aussi construit LabGlass-IS, un jeu de données de 3485 images réparties en 21 catégories de verrerie de laboratoire réelle. Le modèle obtient un score Boundary F de 97,80, devançant de 18,93 points le cadre FastSAM piloté par YOLO, tout en tournant à 7,1 millisecondes par image et en n'utilisant que 2,85% des paramètres du concurrent le plus proche en précision. Une triangulation multi-vues des centroïdes de masques calcule ensuite des positions 3D pour des contraintes de volume englobant conservatrices, et sur robot réel le pipeline atteint un taux de réussite d'évitement de collision de 93,3%. Ce résultat cible un angle mort classique de la robotique de laboratoire : la verrerie transparente échappe souvent aux capteurs de profondeur usuels (lidar, stéréo), car elle ne réfléchit ni ne diffuse la lumière comme un objet opaque. Un système purement visuel, léger et rapide, capable de repérer fioles, béchers ou tubes à essai sans capteur de profondeur dédié, réduit le coût matériel d'une cellule robotisée et ouvre la voie à des bras collaboratifs travaillant à proximité de verrerie fragile sans contact accidentel. Le gain computationnel, moins de 3% des paramètres d'un concurrent à précision comparable pour une inférence sous les 10 millisecondes, est ce qui rend l'approche déployable en périphérie, sur du matériel embarqué peu coûteux plutôt que sur un serveur GPU distant : un critère décisif pour un intégrateur qui doit justifier le coût par poste automatisé en pharma, chimie ou biotech. La segmentation d'objets transparents est un problème documenté depuis plusieurs années en vision par ordinateur ; les méthodes génériques comme les variantes de SAM pilotées par YOLO peinent sur ces surfaces faute de texture interne exploitable, ce qui explique le choix des auteurs de comparer leur approche à FastSAM piloté par YOLO. Le code (TransYOLO_3D) et des vidéos de démonstration sont publiés en accès libre sur GitHub, ce qui permet une réplication indépendante, un point notable puisqu'il s'agit d'un prétirage arXiv non encore relu par les pairs. Les auteurs présentent leur pipeline perception-vers-action comme une preuve de faisabilité plutôt qu'un produit fini ; la suite logique serait une validation à plus grande échelle en conditions réelles de laboratoire, au-delà des essais contrôlés décrits dans l'article.

Recherche❖Paper

1 source

42

3017arXiv cs.RO 

Suppression Sticks, la localité est fragile : audit en boucle fermée de la négation de vecteur de tâche dans les politiques VLA

Une équipe de recherche publie sur arXiv (2608.04692v1) un audit approfondi d'une technique d'édition de modèles appelée « soustraction de vecteur de tâche », appliquée cette fois à des politiques de contrôle robotique multitâches de type VLA (vision-langage-action), en boucle fermée plutôt qu'en évaluation statique. Sur les dix compétences du benchmark LIBERO-Goal, la méthode produit trois régimes distincts : une séparation nette entre la compétence ciblée et les autres pour cinq d'entre elles, une résistance à la suppression pour trois autres, et un effondrement global des performances pour les deux dernières. Même dans les cas « réussis », où le taux de succès de la compétence visée tombe à 0% sur des états de départ inédits, la rétention moyenne des compétences non ciblées ne dépasse pas 52% par rapport à la ligne de base, et chaque édition dégrade au moins une capacité pourtant censée être indépendante. Les chercheurs testent aussi trois architectures de tête d'action (régression continue, tokens discrets, flow-matching) : la séparation propre apparaît sur le panel « Goal » pour ces trois architectures, mais pas sur le panel « Spatial », et un effondrement est observé sur les panels « Object » et « Long-horizon ». La similarité cosinus entre vecteurs de tâche ne permet pas de prédire ces écarts. Ce résultat intéresse directement quiconque envisage l'édition de modèle par arithmétique de vecteurs comme raccourci pour retirer une compétence indésirable ou dangereuse d'une politique robotique sans réentraînement complet, une approche séduisante car rapide et, au moment de l'édition, sans besoin de données ni de calcul de gradient. L'étude montre que l'hypothèse de « localité », selon laquelle soustraire une compétence n'affecte que celle-ci, est fragile en boucle fermée : même dans le meilleur des cas, environ la moitié seulement des capacités non ciblées survit, et deux cas sur dix se soldent par une politique globalement cassée. Pour des intégrateurs ou décideurs qui évalueraient cette technique comme alternative légère à un réentraînement pour patcher une politique embarquée, le message est clair : l'édition n'est pas un remplacement sûr par défaut. Plus préoccupant, une sonde de réapprentissage montre que la compétence supposément supprimée peut resurgir facilement, ce qui indique un simple masquage comportemental plutôt qu'un effacement certifié, un point important pour toute revendication de sécurité ou de conformité fondée sur ce type d'édition. L'arithmétique de vecteurs de tâche, qui consiste à ajouter ou soustraire dans l'espace des poids la différence entre un modèle finetuné et son modèle de base, avait déjà été étudiée sur des modèles de texte ou de vision. Ce travail est l'un des premiers à la tester spécifiquement sur des politiques VLA en contrôle robotique en boucle fermée, à l'aide de LIBERO-Goal, une suite de benchmarks structurée en panels Goal, Spatial, Object et Long-horizon, et sur plusieurs familles de têtes d'action. Les auteurs comparent aussi la méthode à des bases de référence « retain-aware » fondées sur le gradient, plus coûteuses en données et en calcul mais potentiellement plus fiables. Ils appellent la communauté à adopter des protocoles d'évaluation combinant systématiquement cible et contrôle en boucle fermée, plutôt qu'un simple taux de succès sur la compétence visée, pour juger correctement la localité des futures méthodes d'édition de modèles embarqués.

IA physique❖Paper

1 source

40

3018arXiv cs.RO 

GUARD : détection de risque par ancrage d'incertitude et ablation pour les VLA à diffusion

Une équipe de recherche publie GUARD (Grounding Uncertainty and Ablation-based Risk Detection), une méthode de détection d'échec en temps de test pour les politiques VLA (vision-langage-action) fondées sur la diffusion, sans modifier le modèle préentraîné. Le principe consiste à mesurer l'influence des entrées indexées par token dans le cache clé-valeur (KV) du modèle vision-langage, à construire des caches contrefactuels en supprimant les entrées KV les plus saillantes, puis à comparer les réponses de débruitage obtenues avec le conditionnement original. GUARD en tire un flux de diagnostics, sensibilité, entropie d'attention, biais de modalité et efficacité de l'ancrage, calibrés en ligne et traités par un classifieur temporel léger. La méthode est testée sur cinq combinaisons politique-benchmark : les modèles Pi0 (Physical Intelligence), SmolVLA (Hugging Face) et Alpamayo-1.5 (Nvidia), évalués sur les bancs d'essai LIBERO, SimplerEnv, MetaWorld et PhysicalAI-AV, avec des tâches jamais vues à l'entraînement. GUARD obtient le meilleur score ROC-AUC sur quatre des cinq configurations de tâches inédites et se classe deuxième sur la dernière, avec un gain moyen de 5,73 points de pourcentage sur le meilleur moniteur concurrent, tout en restant à 0,19 point du meilleur résultat obtenu sur des tâches déjà vues. Ce travail s'attaque à un problème concret pour quiconque déploie des politiques VLA en robotique : ces modèles génèrent des actions plausibles même quand leur perception de la tâche est mal ancrée dans l'image ou la consigne textuelle, ce qui produit des échecs silencieux difficiles à anticiper avant exécution. Pour les intégrateurs qui évaluent des VLA génératifs comme Pi0 ou GR00T pour du pick-and-place, de la manipulation ou de la conduite autonome, disposer d'un signal d'alerte transférable d'une tâche à l'autre, d'une politique à l'autre et d'un robot à l'autre change la donne : un tel signal permettrait de déclencher un arrêt ou une intervention humaine avant qu'une action erronée ne soit exécutée, plutôt que de constater l'échec après coup. C'est aussi une réponse indirecte à un doute récurrent du secteur sur les VLA à diffusion : leur fluidité gestuelle masque parfois un raisonnement multimodal fragile, et GUARD propose d'auditer ce raisonnement interne plutôt que de se fier au seul comportement observé en sortie. GUARD s'inscrit dans une littérature croissante de moniteurs d'exécution pour politiques robotiques génératives, portée par l'essor rapide des VLA depuis des modèles comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, déployés ou testés sur des plateformes humanoïdes et des bras manipulateurs. La méthode se positionne face aux approches existantes de détection d'anomalie en temps réel, qu'elle surpasse en moyenne sur des tâches inédites tout en restant compétitive sur des tâches connues, un compromis généralisation-précision central pour toute solution visée à la production. Les auteurs évaluent leur approche exclusivement en simulation et sur des jeux de données benchmark (LIBERO, SimplerEnv, MetaWorld, PhysicalAI-AV), sans validation sur robot physique à ce stade : cette publication arXiv relève donc de la recherche amont plutôt que d'un outil prêt à déployer, et une vérification en conditions réelles reste l'étape naturelle avant toute intégration industrielle.

Recherche❖Paper

1 source

40

3019arXiv cs.RO 

Kitchen Robotic Manipulation utilisant des modèles fondation

Un pipeline de perception modulaire pour la manipulation robotique en cuisine, dédié notamment au tri de la vaisselle, vient d'être détaillé dans un article publié sur arXiv (2608.04042) par l'équipe RAIVLab. Le système enchaîne détection d'objets en vocabulaire ouvert, segmentation multi-vues, reconstruction 3D par instance, puis fusion de caractéristiques 2D-3D pour l'estimation de pose en 6D et la planification de préhension. Sa conception modulaire permet de substituer librement les modèles de fondation visuels et géométriques utilisés à chaque étage. Après une évaluation extensive, la combinaison la plus performante identifiée associe LLMDet pour la détection, SAMv2 pour la segmentation, DINOv2 pour l'extraction de caractéristiques et GeoTransformer pour le recalage géométrique. Sur un benchmark maison de 20 scènes de cuisine encombrées et partiellement occultées, cette configuration atteint un score ADI de 89,12%. Les auteurs ont aussi testé le système sur un robot physique, avec deux tâches concrètes : le transfert de vaisselle de l'évier au lave-vaisselle et l'empilement de tasses, sans réentraînement spécifique à l'environnement testé. Pour l'industrie robotique, l'intérêt tient moins à la performance brute, mesurée sur un benchmark propriétaire donc non directement comparable à d'autres travaux, qu'à la démonstration qu'un assemblage de modèles de fondation "sur étagère" peut généraliser sans réentraînement à un nouvel environnement domestique encombré. C'est un point sensible pour les intégrateurs qui cherchent à déployer des robots de service en cuisine ou en restauration collective : la robustesse à l'occlusion et au désordre reste l'un des principaux obstacles entre démonstration en laboratoire et usage réel. En proposant une architecture modulaire plutôt qu'une politique bout en bout, l'équipe offre aussi une méthodologie réutilisable pour comparer objectivement les modèles de vision et de géométrie disponibles, un exercice rarement mené de façon aussi systématique. Ce travail s'inscrit dans la vague plus large des modèles de fondation appliqués à la robotique, où des architectures comme SAM ou DINO, conçues au départ pour la vision générique, sont réutilisées comme briques de perception dans des pipelines de manipulation, en complément des politiques de bout en bout de type VLA telles que Pi-0 ou GR00T N2. Contrairement à ces dernières, qui apprennent directement une politique d'action, cette approche se concentre sur la perception et l'estimation de pose en amont de la préhension. Publié en preprint sans mention de partenariat industriel, le projet met à disposition son code et ses données sur GitHub, une étape qui devra être suivie d'une validation sur un éventail plus large de tâches et d'environnements avant d'envisager un usage industriel.

Recherche❖Paper

1 source

39

3020arXiv cs.RO 

DreamWAM : au-delà de la prédiction RGB pour les modèles d'action du monde

Des chercheurs du laboratoire HUST-VL publient DreamWAM, un modèle monde-action (World Action Model) pour l'apprentissage de politiques robotiques, détaillé dans un article arXiv (2608.04996v1) avec code et modèles publiés sur GitHub. Contrairement à la plupart des WAM, qui prédisent le futur de la scène uniquement en RGB et mélangent ainsi les changements pertinents pour la tâche avec du bruit de texture, d'éclairage ou de point de vue, DreamWAM représente l'état futur sous plusieurs formes complémentaires (apparence, mouvement, géométrie, sémantique). Le modèle combine un débruitage latent conjoint RGB et mouvement avec des branches résiduelles légères pour la géométrie et la sémantique, entraînées via une attention partagée entre les modules VideoDiT et ActionDiT ; ces branches supplémentaires sont désactivées à l'inférence, qui reste purement RGB. Sur le benchmark LIBERO, le taux de réussite passe de 97,30% à 98,40% en inférence sans rollout et de 98,00% à 98,90% en inférence conjointe vidéo-action. Sous les perturbations inédites de LIBERO-Plus, les gains grimpent nettement, de 51,36% à 63,44% et de 69,16% à 75,47%. En manipulation robotique réelle, avec des changements non vus d'éclairage, de fond et de disposition des objets, DreamWAM atteint 74,4% de réussite moyenne, contre 55,6% pour la référence Fast-WAM-Joint. Ce travail pointe un problème bien connu des modèles vision-langage-action: des gains mesurés sur bancs d'essai standards qui s'effondrent dès que l'environnement change légèrement, cet écart entre démonstration et réalité freinant le déploiement industriel des bras manipulateurs et robots humanoïdes. En montrant que des gains modestes en conditions contrôlées, de l'ordre d'un point de pourcentage, se transforment en écarts de dix à vingt points sous perturbation, DreamWAM suggère que la robustesse d'une politique ne dépend pas seulement de la qualité de la prédiction du futur, mais de la forme sous laquelle ce futur est représenté pendant l'entraînement. Pour les équipes de R&D robotique, l'intérêt pratique est que cette supervision multi-vues n'ajoute aucun coût au déploiement puisque les branches concernées sont coupées à l'inférence: la robustesse s'acquiert à l'entraînement, sans alourdir le système embarqué. Ce travail s'inscrit dans une recherche qui cherche à dépasser l'imitation pure en dotant les politiques robotiques d'un modèle du monde capable d'anticiper les conséquences d'une action avant son exécution. DreamWAM se positionne explicitement face à Fast-WAM-Joint, utilisé comme référence RGB pure dans les comparaisons de l'article. Contrairement à une annonce produit ou une démonstration de plateforme humanoïde, il s'agit d'une publication académique évaluée en simulation (LIBERO, LIBERO-Plus) et sur un nombre limité de tâches de manipulation réelle, sans déploiement industriel ni calendrier commercial annoncé. Code et modèles étant publiés en accès libre, la suite logique sera de voir si d'autres équipes reproduisent ces gains de robustesse sur des politiques VLA plus larges ou des tâches de manipulation plus complexes que celles testées ici.

Recherche❧Opinion

1 source

39

3021arXiv cs.RO 

Vol à l'aveugle : la délibération spatiale guidée par vision pour la navigation "voir et atteindre" des drones

Une équipe de recherche présente DBFly, un système de navigation pour drones capable d'approcher et de s'arrêter précisément près d'une cible désignée en langage naturel et visible dès la prise de vue initiale, une tâche connue sous le nom de "see-and-reach navigation". Le problème identifié par les auteurs est que les méthodes existantes associent directement les représentations vision-langage aux commandes de vol, sans étape intermédiaire de décision spatiale fine, ce qui provoque un désalignement entre la compréhension sémantique et le contrôle réel et rend les manœuvres incohérentes et les arrêts peu fiables. DBFly introduit à la place une chaîne de décision de manœuvre spatiale en trois étapes : ancrage de la direction cible, diagnostic spatial, puis décision de manœuvre, qui guide explicitement la génération continue de points de passage (waypoints). Le système construit aussi un "corridor de vol implicite", une référence géométrique persistante dérivée de la direction cible initiale et recalculée en continu selon la position du drone, pour affiner les corrections de trajectoire. Une stratégie d'arrêt tenant compte de la convergence du mouvement à court terme complète le dispositif. Sur des jeux de test couvrant des scènes vues, des objets inédits et des scènes inédites, DBFly améliore le taux de succès de 25,07 points de pourcentage en moyenne par rapport à la meilleure méthode existante (SOTA). Cette avancée s'inscrit dans un enjeu central pour la navigation autonome des drones commandés en langage naturel : le fossé entre la compréhension d'une instruction ("va vers la voiture rouge") et l'exécution physique précise qui doit en découler. Un gain de 25 points sur des scènes et objets jamais vus est significatif, car c'est justement la généralisation qui échoue le plus souvent dans les approches "bout-en-bout" pilotées uniquement par des modèles vision-langage. Pour les intégrateurs travaillant sur des drones d'inspection, de livraison ou de surveillance guidés par instruction vocale ou textuelle, ce type d'architecture en couches explicites (perception, diagnostic spatial, décision de manœuvre) offre une piste pour réduire les échecs d'atterrissage ou d'approche qui limitent aujourd'hui le déploiement en conditions réelles, au-delà des démonstrations en environnement contrôlé. Le travail se situe dans la continuité des recherches sur la navigation UAV pilotée par le langage (vision-language navigation appliquée aux drones), un domaine qui a jusqu'ici largement repris les architectures VLA (vision-language-action) développées pour la robotique au sol et les bras manipulateurs, sans toujours les adapter aux contraintes spécifiques du vol. Les auteurs comparent leur approche à une base de référence qualifiée d'état de l'art (SOTA), sans que l'abstract ne précise son nom, laissant supposer une comparaison directe sur les mêmes bancs d'essai plutôt qu'une performance en conditions réelles de terrain. Une page projet dédiée (xuefanfu.github.io/DBFly-Page) et l'annonce sur arXiv suggèrent une publication académique à ce stade, sans indication de déploiement commercial ou de partenariat industriel ; les prochaines étapes attendues seraient une validation sur drones physiques en extérieur et une comparaison avec des architectures VLA génériques comme celles utilisées en robotique mobile terrestre.

Recherche❖Paper

1 source

39

3022arXiv cs.RO 

Arnold : une politique transformer musculaire multitâche et multi-corps

Une équipe de recherche a mis en ligne sur arXiv la version révisée d'Arnold, une politique de contrôle basée sur un transformer capable de piloter des modèles musculosquelettiques humains à haute dimension sur 14 tâches distinctes: manipulation fine d'objets, atteinte de cibles et locomotion. Contrairement aux politiques dites "spécialistes", entraînées séparément pour chaque tâche, Arnold combine clonage comportemental et apprentissage par renforcement pour égaler, voire dépasser, les performances de ces spécialistes avec un seul modèle multi-tâches et multi-corps. L'innovation centrale tient dans un "vocabulaire sensorimoteur", une représentation compositionnelle qui encode la sémantique des différentes modalités sensorielles, objectifs et actionneurs, ce qui permet à l'architecture transformer de gérer des espaces d'observation et d'action de taille variable selon les tâches. Code et données sont publiés sur GitHub (amathislab/arnold), identifiant arXiv 2508.18066. L'enjeu dépasse la simple prouesse technique: contrôler des systèmes musculosquelettiques, non-linéaires et comptant des dizaines de muscles, reste un problème ouvert en neurosciences computationnelles et en biomécanique, avec des retombées attendues en prothétique et en rééducation motrice. Qu'une seule politique généraliste tienne tête à des spécialistes fait écho à la dynamique observée en robotique avec les modèles VLA (vision-language-action) de type Pi-0 ou GR00T, mais appliquée ici au muscle plutôt qu'au moteur électrique. Les auteurs tempèrent toutefois l'enthousiasme: leur analyse causale du signal moteur montre que les synergies musculaires de faible dimension restent largement spécifiques à chaque tâche, et que les méthodes d'analyse de variance classiques sous-estiment systématiquement la complexité réelle du contrôle. Autrement dit, la généralisation des performances ne s'accompagne pas d'une simplification interne du contrôle, un résultat qui nuance le récit d'une politique unique universelle et qui recoupe des observations déjà faites sur le vivant. Ce travail s'inscrit dans la lignée des simulateurs musculosquelettiques utilisés pour entraîner des agents en apprentissage par renforcement sur des corps virtuels dotés de dizaines de muscles, à la croisée du machine learning, de la biomécanique et des neurosciences. Il rejoint un mouvement plus large vers des politiques multi-tâches "généralistes", en écho aux approches VLA de la robotique humanoïde. La publication ouverte du code et des données doit permettre à la communauté de reproduire les résultats et d'évaluer la capacité d'Arnold à s'adapter rapidement à des tâches encore inédites.

Recherche❖Paper

1 source

38

3023arXiv cs.RO 

Zero-shot : transfert sim-vers-réel pour capteur tactile à base d'aimants sur des tâches d'insertion

Des chercheurs ont mis à jour, sur arXiv (référence 2505.02915v2), une étude consacrée au transfert simulation-vers-réel pour les capteurs tactiles à base magnétique, une famille de capteurs illustrée par le modèle u-skin. Leur méthode, baptisée GCS, vise à entraîner en simulation des politiques de contrôle par apprentissage par renforcement pour des tâches d'insertion en aveugle, sans retour visuel, puis à les transférer directement sur un robot réel sans réentraînement ni donnée réelle, ce qu'on appelle un transfert "zero-shot". Contrairement aux approches précédentes qui binarisaient les lectures tactiles, les réduisant à un simple contact oui/non pour combler l'écart entre simulation et réalité, GCS conserve des lectures denses, distribuées et sur trois axes, injectées brutes dans la politique de contrôle. Les auteurs rapportent un transfert réussi de politiques entraînées uniquement en simulation vers des tâches d'insertion réelles. Cette avancée cible un problème central pour l'industrie robotique : le fossé entre simulation et réalité qui limite depuis longtemps l'usage du tactile dans les politiques de manipulation apprises par machine learning. Le tactile est jugé essentiel pour les tâches de contact riche comme l'insertion de pièces, un geste omniprésent en assemblage électronique et industriel, où la vision seule échoue face aux occlusions et aux tolérances serrées. Pour les intégrateurs et les équipes R&D robotique, l'enjeu est de pouvoir entraîner des compétences tactiles massivement en simulation, moins coûteuse que la collecte de données réelles, sans perte de performance au déploiement. En montrant qu'il est possible de transférer des lectures tactiles riches, non binarisées, sans perte de fidélité, les auteurs contredisent l'hypothèse selon laquelle seule une simplification drastique du signal permettrait de franchir le fossé sim-to-real, ouvrant la voie à des politiques plus précises pour des tâches fines comme l'insertion de connecteurs. Les capteurs magnétiques comme u-skin se sont imposés ces dernières années comme un compromis entre durabilité et densité de mesure, face à d'autres familles de capteurs tactiles, optiques, capacitifs ou piézorésistifs, souvent plus fragiles ou moins riches en information spatiale. Des travaux antérieurs avaient déjà cherché à combler l'écart sim-to-real par la binarisation du signal, une technique efficace pour la manipulation dextre en main mais mal adaptée aux tâches exigeant une lecture fine de la force et de la position de contact, comme l'insertion. GCS s'inscrit dans cette lignée de recherche sur l'apprentissage par renforcement appliqué à la manipulation robotique, avec l'ambition de généraliser à d'autres tâches de contact riche au-delà de l'insertion aveugle testée ici. La publication ne mentionne aucun partenariat industriel ni calendrier de déploiement : il s'agit d'un résultat de laboratoire, dont la portée pratique dépendra de sa reproduction sur d'autres plateformes et d'autres capteurs tactiles.

Recherche❖Paper

1 source

38

3024arXiv cs.RO 

RESample : un cadre robuste d'augmentation de données par échantillonnage exploratoire pour la manipulation robotique

Les modèles Vision-Language-Action (VLA), entraînés par apprentissage par imitation sur de vastes jeux de démonstrations, pilotent aujourd'hui la plupart des systèmes de manipulation robotique avancés. Mais ces jeux de données ne contiennent presque exclusivement que des trajectoires réussies : dès qu'un robot déployé s'écarte légèrement du scénario appris, ce décalage de distribution le pousse vers des situations d'échec pour lesquelles il n'a jamais vu d'exemple de correction. Des chercheurs proposent RESample, un cadre d'augmentation de données guidé par la couverture, qui vient combler ce trou. La méthode entraîne une fonction de couverture conservatrice capable de repérer les modes d'échec plausibles dans le monde réel mais absents des démonstrations standard, puis génère par échantillonnage exploratoire des séquences où le robot s'écarte volontairement de la trajectoire avant d'exécuter une action de récupération. Ces trajectoires synthétiques enrichissent le jeu d'entraînement initial. Sur le benchmark LIBERO et sur des tâches réelles de manipulation, RESample améliore systématiquement le taux de réussite des politiques, avec un gain absolu allant jusqu'à 12 points, pour un surcoût de données limité à 20% du jeu de départ. L'enjeu dépasse la performance brute : c'est le problème classique du "reality gap" entre démonstrations et déploiement qui est directement attaqué. Un bras robotique piloté par un VLA finit toujours, en usage réel, par dévier légèrement de sa trajectoire d'apprentissage, à cause du bruit capteur, d'un objet mal positionné ou d'une variation de lumière. Sans exemples de récupération, ces déviations s'accumulent jusqu'à l'échec complet de la tâche. En automatisant la génération de ces scénarios correctifs, plutôt qu'en s'appuyant sur du télé-opérateur humain coûteux pour les enregistrer, RESample s'attaque à un vrai goulot d'étranglement pour l'industrialisation des VLA en environnement industriel ou logistique, où la fiabilité prime sur la démonstration en conditions idéales. Ce travail s'inscrit dans une lignée de recherches récentes sur la robustesse des politiques d'imitation, aux côtés d'approches comme les corrections DAgger ou les méthodes de fine-tuning par renforcement appliquées à des modèles de type Pi-0 ou GR00T N2. La publication, une version révisée (v4) d'un article arXiv d'octobre 2025, ne mentionne pas de partenariat industriel ni de déploiement commercial: il s'agit d'un résultat de laboratoire, validé en simulation (LIBERO) et sur un nombre limité de tâches réelles, dont l'ampleur exacte n'est pas précisée dans le résumé.

Recherche❖Paper

1 source

37

3025arXiv cs.RO 

SCOPE : planification de trajectoire consciente du champ de vision dans des environnements 3D inconnus par certification de volume de sécurité

Le système SCOPE (Safety Certification through Observation Planning and Execution), présenté dans un article arXiv publié début août 2026, s'attaque à un problème central de la navigation autonome : quand un robot n'a qu'un capteur à champ de vision limité fixé sur son corps, il doit vérifier que tout le volume qu'il s'apprête à traverser a été observé et confirmé libre avant de bouger. Les chercheurs formalisent cette contrainte comme un problème de certification de volume de sécurité dans une carte voxel encore partiellement inconnue, et construisent un graphe certifié où chaque nœud correspond à une position dont le volume de sécurité environnant est entièrement connu et libre. SCOPE découple la planification optimiste vers l'objectif de l'exécution certifiée : dès qu'un point non certifié apparaît sur la trajectoire envisagée, il devient une obligation d'observation explicite, résolue par une recherche de point de vue ciblée, avec un mécanisme récursif si les points de vue utiles ne sont pas eux-mêmes atteignables de façon certifiée. Sur 60 tâches randomisées dans trois environnements 3D inconnus, le système atteint systématiquement l'objectif tout en maintenant une intrusion quasi nulle dans l'espace non certifié, et un mécanisme de préchargement ("preview") réduit le temps de mission moyen de 27 %. Des démonstrations sur robot réel, dans deux scénarios représentatifs, complètent la validation. L'intérêt principal tient à la garantie formelle apportée : les auteurs prouvent une complétude conditionnelle, c'est-à-dire que sous des hypothèses de détection monotone et de recherche exhaustive, SCOPE atteint toujours l'objectif dès qu'une séquence finie d'actions de perception certifiées existe. C'est une réponse directe à une faiblesse connue des approches classiques d'exploration (next-best-view, frontier-based), qui optimisent la couverture sans offrir de garantie de sécurité stricte pendant le déplacement lui-même. Pour les intégrateurs de robots mobiles, drones ou AMR équipés de capteurs à champ de vision étroit, ce type de méthode pourrait combler l'écart entre planification efficace et sécurité certifiée, sans tomber dans l'excès de prudence qui pénalise le temps de mission. Le travail s'inscrit dans la lignée des recherches sur la planification de trajectoire sous incertitude perceptive, où la difficulté n'est pas seulement d'éviter les obstacles connus mais de gérer l'inconnu de façon prouvée sûre. Il reste à noter que la validation s'appuie principalement sur simulation (60 tâches, 3 environnements), les essais réels se limitant à deux scénarios ; la généralisation à des environnements plus complexes, dynamiques ou multi-agents reste à démontrer dans de futurs travaux.

Recherche❖Paper

1 source

37

3026arXiv cs.RO 

Robots en essaim et logistique interne : des balises IoT intelligentes gèrent l'urgence

Un article publié en août 2026 sur arXiv (2608.04721) décrit un système de logistique en essaim où chaque chariot d'entrepôt porte une étiquette IoT ultra-basse consommation, diffusant en Bluetooth Low Energy le niveau d'urgence de son contenu, produit périssable, envoi pharmaceutique, pièce en flux tendu. Les robots captent ce signal et arbitrent entre urgence et distance pour choisir quel chariot servir, sans planificateur central. Validé en simulation puis sur robots et chariots réels face à une référence fondée sur la seule proximité, le système a fait passer le taux d'articles urgents servis en priorité de 0,41 à 0,64, pour un débit quasi inchangé (écart de 1,2%). En simulation, sur des configurations plus grandes, la latence de livraison au 95e percentile a reculé de 5,2 à 11,8% et l'alignement de priorité a progressé jusqu'à 51,6%. L'intérêt dépasse la prouesse technique. Les entrepôts qui ne peuvent justifier une automatisation fixe (convoyeurs, systèmes de stockage automatisés) ni une flotte pilotée par un logiciel de gestion centralisé s'appuient sur des essaims décentralisés, moins chers mais qui traitaient jusqu'ici tous les colis de façon égale. De simples étiquettes BLE, sans infrastructure supplémentaire ni couche logicielle de planification, permettent de faire remonter les priorités métier jusqu'aux robots eux-mêmes. Pour les intégrateurs et décideurs logistiques évaluant des flottes de robots mobiles autonomes, c'est un signal que la réactivité aux urgences n'exige pas forcément d'intégration lourde avec un WMS. Les gains mesurés sur matériel réel restent toutefois plus modestes que ceux de la simulation, et la baisse de latence n'est pas statistiquement significative, un écart classique entre promesse de recherche et validation à petite échelle. Cette approche s'inscrit dans la recherche en robotique en essaim pour l'entrepôt, un champ qui cherche des alternatives moins capitalistiques aux systèmes centralisés. Jusqu'ici, la gestion de l'urgence y reposait soit sur l'absence de différenciation entre colis, soit sur une couche logicielle externe chargée d'attribuer les priorités, ce qui recentralisait de facto la décision. En attachant l'urgence à l'objet transporté plutôt qu'à un planificateur, les auteurs préservent les faibles besoins en infrastructure qui rendent les essaims attractifs. La suite logique serait des essais réels à plus grande échelle, pour vérifier si les gains simulés se confirment au-delà du laboratoire.

Recherche❖Paper

1 source

37

3027arXiv cs.RO 

« Coordination homme-robot sans apprentissage préalable grâce au raisonnement structuré des LLM face à des objectifs cachés »

Des chercheurs présentent une architecture structurée à base de grands modèles de langage (LLM) pour la coordination homme-robot en zero-shot, c'est-à-dire sans apprentissage préalable spécifique à la tâche, quand chaque partenaire ne dispose que d'une vue privée de l'objectif commun. Formalisée comme un Dec-POMDP (processus de décision markovien partiellement observable et décentralisé), l'architecture décompose la prise de décision en cinq étapes : inférence de théorie de l'esprit conditionnée à l'action, planification hiérarchique, interprétation de la conversation, vérification des actions, et replanification à partir des retours. Testée sur une tâche de construction coopérative où robot et humain ne voient chacun qu'une partie de l'objectif final, la méthode est comparée à deux références : une version sans le module de théorie de l'esprit, et une politique d'apprentissage par renforcement multi-agent entraînée hors ligne sur de nombreuses paires d'objectifs. Lors d'expériences avec des participants humains, la méthode complète a nécessité moins d'étapes d'interaction et obtenu de meilleures notes de confiance post-interaction que les deux références. Ces résultats intéressent directement la recherche en interaction homme-robot : ils suggèrent qu'un LLM peut servir de substitut praticable à des calculs d'inférence et de planification autrement intraitables, tout en conservant une couche de vérification classique pour garantir la faisabilité physique des actions. Le gain ne vient pas d'un modèle bout-en-bout mais d'une décomposition explicite du problème de décision d'équipe, où le LLM traite seulement les sous-tâches de raisonnement social et de langage. Pour les équipes travaillant sur des robots collaboratifs ou des tâches à information partagée incomplète, cela plaide pour des architectures modulaires plutôt que des politiques entraînées de bout en bout, coûteuses à généraliser à de nouveaux objectifs. Le travail s'inscrit dans la recherche sur la théorie de l'esprit computationnelle et la coordination multi-agents, un champ où les politiques de renforcement multi-agent peinent traditionnellement à généraliser en zero-shot à des objectifs ou partenaires inédits. En ancrant leur architecture dans le cadre théorique du Dec-POMDP, les auteurs la rattachent à des décennies de recherche en planification sous incertitude partagée. L'article ne mentionne aucun calendrier de déploiement industriel : il s'agit d'une preuve de concept en laboratoire, qui ouvre la voie à des tests sur des tâches physiques plus complexes et des équipes homme-robot élargies.

Recherche❖Paper

1 source

37

3028arXiv cs.RO 

SiMDex : exploiter des vidéos égocentriques similaires pour la manipulation dextre inter-incarnation

Des chercheurs présentent SiMDex, un framework de curation de données par similarité pour l'entraînement des modèles vision-langage-action (VLA) appliqués à la manipulation dextre robotique, publié début août 2026 sur arXiv. Le système traite un problème concret: parmi des millions de vidéos égocentriques humaines disponibles, lesquelles sont réellement utiles pour apprendre à un bras ou une main robotique à manipuler des objets? SiMDex formule cette sélection comme un problème de recommandation, avec un pipeline en trois étapes (rappel, classement, reclassement) qui extrait, pour chaque démonstration robotique, les sous-ensembles pertinents dans un réservoir d'environ 32 millions d'échantillons vidéo égocentriques. L'espace d'action utilisé est agnostique à la morphologie, donc aucune modification de l'architecture VLA ni du processus d'entraînement n'est requise pour l'intégrer. Face à une base de référence entraînée avec un volume équivalent de données humaines choisies aléatoirement, SiMDex n'utilise que 1,49 million d'échantillons triés, soit moins de 5% du réservoir total, tout en faisant grimper le taux de réussite global de 47,7% à 61,1%. Cet écart de plus de 13 points obtenu avec dix fois moins de données a une portée directe pour le secteur: il suggère que le frein au post-entraînement des VLA n'est pas le volume de vidéos humaines disponibles, mais leur pertinence pour la tâche visée. Depuis deux ans, la course à la manipulation dextre mise surtout sur la mise à l'échelle brute de jeux de données égocentriques pour combler l'écart entre démonstration et déploiement réel. SiMDex questionne cette logique indiscriminée: pour les laboratoires et intégrateurs qui entraînent des politiques de manipulation, un curatoriat ciblé peut réduire fortement les coûts de calcul et de stockage tout en améliorant la performance, sans toucher au modèle lui-même. Le travail s'inscrit dans la recherche sur l'apprentissage cross-embodiment, où des vidéos de mains humaines servent à préentraîner des politiques ensuite transférées à des mains ou bras robotiques de morphologie différente, une piste explorée par plusieurs équipes travaillant sur des VLA généralistes. Les résultats restent pour l'instant limités à des benchmarks internes: rien n'indique encore une validation en déploiement réel, ni si le code ou le jeu de données mineur seront rendus publics.

Recherche⚡Actu

1 source

37

3029arXiv cs.RO 

Curiosity-Diffuser : un modèle de diffusion guidé par la curiosité pour plus de fiabilité

Des chercheurs ont publié une version révisée (arXiv:2503.14833v2) de l'article "Curiosity-Diffuser: Curiosity Guide Diffusion Models for Reliability", qui propose une méthode pour réduire les hallucinations comportementales des politiques d'imitation basées sur des modèles de diffusion conditionnels, un cadre courant en commande robotique par apprentissage. Le mécanisme repose sur un module de curiosité de type Random Network Distillation (RND), qui évalue si le comportement généré s'écarte des données d'entraînement, puis guide la diffusion via un classifieur pour minimiser cette curiosité et limiter la surgénéralisation lors de l'inférence. Les auteurs introduisent aussi une métrique de fiabilité peu coûteuse en calcul, mesurant la similarité entre trajectoires générées et jeu de données d'origine. La méthode a été testée en simulation et lors d'expériences physiques sur plusieurs scénarios, avec un gain de performance et des comportements plus proches des démonstrations d'entraînement. Le code est disponible sur GitHub (CarlDegio/Curiosity-Diffuser). L'enjeu ici n'est pas la performance brute d'une tâche mais la fiabilité des politiques neuronales, point sensible pour tout déploiement robotique réel. Les modèles de diffusion et, plus largement, les architectures VLA séduisent par leur capacité à générer des trajectoires complexes, mais leur instabilité face à des situations hors distribution freine leur adoption industrielle: une hallucination comportementale sur un bras ou un robot mobile ne signifie pas seulement un échec de tâche, mais potentiellement un mouvement dangereux. En combinant un mécanisme de réduction du risque et une métrique standardisée pour le quantifier, ce travail s'attaque à l'écart entre démonstrations en laboratoire et robustesse en conditions réelles, un sujet que surveillent de près intégrateurs et responsables sécurité avant de valider des politiques d'apprentissage pour des applications critiques. Ce papier s'inscrit dans la lignée des diffusion policies, devenues une alternative populaire aux politiques d'imitation classiques en manipulation robotique, et dans le débat plus large sur la généralisation des modèles VLA à grande échelle. Il s'agit d'une contribution académique republiée en version révisée, sans association à un fabricant identifié dans l'article. Le code ouvert laisse la porte à une reprise par d'autres équipes de recherche, mais aucun calendrier de déploiement industriel n'est mentionné: à ce stade, un jalon méthodologique plutôt qu'une brique prête pour la production.

IA physique❖Paper

1 source

37

3030arXiv cs.RO 

Retrouver dans le temps, corriger en fréquence

Publié le 6 août 2026 sur arXiv, RTCF (Retrieve in Time, Correct in Frequency) est une méthode qui corrige, sans aucun réentraînement, les politiques vision-langage-action (VLA) figées sujettes à des erreurs cumulées sur les tâches de manipulation longues. Elle sépare la récupération d'une expérience passée pertinente, via un alignement progressif de la mémoire visuelle avec des trajectoires réussies, de la correction proprement dite, limitée à un résidu basse fréquence sur les canaux de mouvement, la pince restant pilotée par la politique d'origine. Testée sur quatre suites LIBERO et 2000 épisodes par condition, elle fait passer le taux de réussite agrégé de 86,4% à 88,4%, et de 61,6% à 68,6% sur les tâches longues, pour une latence additionnelle de 10,99 ms par bloc d'action, calculée entièrement sur CPU. L'enjeu est la dérive d'exécution: une petite erreur en début de séquence longue se propage et fait échouer toute la tâche, un point faible connu des VLA malgré leurs bonnes performances sur tâches courtes. En ne corrigeant que les basses fréquences du mouvement, RTCF évite les deux écueils des méthodes existantes, à savoir des rappels de mémoire désynchronisés de la progression réelle, ou un rejeu qui écrase la réactivité de la politique. Pour des équipes qui déploient des VLA préentraînés sans vouloir les réentraîner, l'intérêt tient autant au gain de fiabilité sur les tâches longues qu'au coût de calcul quasi nul, la correction s'exécutant sur CPU en quelques millisecondes; le gain reste toutefois modeste en valeur absolue, deux points sur l'agrégat. LIBERO est un benchmark de simulation standard pour évaluer les politiques de manipulation robotique sur tâches courtes et longues, utilisé dans la littérature VLA récente aux côtés de modèles comme Pi-0 ou OpenVLA. RTCF s'inscrit dans une famille de corrections "test-time" qui améliorent des politiques figées sans toucher à leurs poids, une alternative moins coûteuse qu'un fine-tuning continu, en se distinguant par la séparation explicite entre alignement temporel et correction fréquentielle. Le résumé ne précise ni le modèle VLA de base utilisé pour les tests ni une validation au-delà de la simulation, deux éléments à surveiller avant d'envisager un transfert vers des déploiements réels.

Recherche❖Paper

1 source

36

3031arXiv cs.RO 

RORA : reconstruction réaliste d'objets articulés

Une équipe de recherche publie RORA (Realistic Object Reconstruction with Articulation), décrit dans un preprint arXiv daté du 6 août 2026 (2608.04842v1). Le système reconstruit des objets articulés simulables à partir d'une simple vidéo statique de l'objet, sans capture de son mouvement dynamique. Le pipeline combine deux représentations : le 3D Gaussian Splatting (3DGS) pour un rendu photoréaliste, et une géométrie maillée pour l'interaction physique. Concrètement, l'algorithme effectue une décomposition convexe de l'objet, propose un regroupement des parties à un utilisateur pour segmenter les pièces mobiles, puis lie les gaussiennes 3D aux éléments du maillage. Un « Automatic Joint Suggestion Algorithm » calcule ensuite des axes de jointure candidats à partir des géométries locales et les soumet à validation humaine. Les auteurs rapportent des résultats précis sur le jeu de données PartNet-Mobility-v0 ainsi que sur des objets réels, et démontrent une intégration dans Unreal Engine et NVIDIA Isaac Sim pour des tâches de manipulation dextre en temps réel. L'enjeu dépasse la simple démonstration technique : l'articulation reste un point de blocage connu des pipelines real-to-sim, les méthodes existantes de suivi de mouvement ou d'apprentissage échouant souvent sur des structures cinématiques complexes à plusieurs joints, et nécessitant en plus une capture du mouvement réel de l'objet, coûteuse à collecter. En ramenant l'entrée requise à une seule vidéo statique, RORA promet de réduire nettement le coût de constitution d'actifs simulables pour l'entraînement de politiques robotiques. Il faut toutefois noter que le processus reste « human-in-the-loop » : la segmentation et la validation des axes de jointure dépendent d'une intervention humaine, ce n'est donc pas une reconstruction entièrement automatique, contrairement à ce que le terme « end-to-end » pourrait laisser penser. Ce travail s'inscrit dans la lignée des efforts autour de NeRF et 3DGS pour combler l'écart sim-to-real, un axe déjà exploité par l'écosystème NVIDIA Isaac Sim. Le texte reste à ce stade un preprint arXiv, non encore relu par les pairs ; les prochaines étapes attendues concernent une validation plus large sur des objets réels et une éventuelle intégration outillée dans des chaînes de production d'actifs pour l'apprentissage robotique.

Recherche❖Paper

1 source

36

3032arXiv cs.RO 

Mémoire linguistique explicite pour la planification à long terme dans les modèles vision-langage-action

Une équipe de recherche propose sur arXiv (référence 2608.04765) une nouvelle architecture pour les modèles vision-langage-action (VLA), conçue pour améliorer la planification sur des tâches longues et complexes. Le système repose sur un module de mémoire linguistique explicite qui convertit les observations visuelles successives en une séquence textuelle cohérente, dotée d'une logique temporelle. L'architecture est hiérarchique et découplée en deux niveaux : un modèle vision-langage (VLM) de haut niveau, entraîné selon un paradigme de question-réponse visuelle, effectue le raisonnement sémantique et met à jour récursivement la mémoire ainsi que les sous-instructions ; un modèle VLA de bas niveau exécute ensuite le contrôle continu et précis à partir de ces sous-instructions et des observations visuelles. Les auteurs ont évalué la méthode dans plusieurs environnements de simulation, puis mené des expériences de transfert sim-to-real sur une plateforme robotique réelle, sans préciser dans le résumé le type de bras, le payload utilisé, ni le nom de l'institution. L'enjeu dépasse l'amélioration incrémentale : les modèles VLA actuels butent sur les tâches longues car ils sont conditionnés uniquement par l'observation courante, ce qui les rend de fait non-markoviens et sujets à une dérive, les erreurs d'exécution s'accumulant faute de correction en boucle fermée. C'est précisément le fossé entre démonstration et réalité que pointent les critiques des vidéos humanoïdes : enchaîner plusieurs sous-tâches de façon fiable, sans réinitialisation entre chaque étape. En rendant la mémoire du système explicite et interprétable (sous forme de texte plutôt que de vecteurs latents opaques), l'approche offre aussi une traçabilité utile pour le débogage industriel, un point sensible pour des intégrateurs qui doivent comprendre pourquoi un robot échoue en cours de tâche plutôt que se contenter d'un taux de succès global. Ce travail s'inscrit dans une lignée de recherches cherchant à corriger les limites du contrôle bout en bout pur, où le fine-tuning sur l'action tend à dégrader les représentations sémantiques héritées des VLM, un problème documenté sur des familles de modèles comme RT-2, OpenVLA, Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia. D'autres équipes explorent des pistes voisines, mémoire épisodique, planification hiérarchique, modèles du monde, pour traiter le même problème d'horizon long. Publié en août 2026 sous forme de preprint, sans code ni benchmark comparatif détaillé dans le résumé, ce travail reste à ce stade une contribution académique : il faudra des évaluations sur des suites de référence partagées et des tests au-delà du laboratoire pour juger si la mémoire linguistique explicite tient sa promesse de robustesse en conditions réelles.

Recherche❧Opinion

1 source

36

3033arXiv cs.RO 

GASP : planificateur sûr accéléré par GPU pour une génération de mouvement en temps réel consciente des collisions, avec échantillonnage de trajectoires latentes

Des chercheurs présentent GASP (GPU-Accelerated Safe Planner), un planificateur temps réel de trajectoires dans l'espace articulaire, conscient des collisions, pour environnements connus. L'architecture combine une paramétrisation par B-spline clampée avec un réseau convolutif résiduel qui prédit les points de contrôle intérieurs, complétés par des points de contrôle aux limites insérés analytiquement pour respecter les contraintes de dérivée initiale et finale. Un autoencodeur variationnel conditionnel échantillonne plusieurs trajectoires candidates, décodées et validées en parallèle sur GPU, pour un temps d'inférence proche de la milliseconde. GASP atteint des taux de réussite comparables aux méthodes analytiques tout en réduisant nettement le temps de calcul face à l'optimisation de trajectoire classique sur GPU. Déployé comme planificateur de réinitialisation dans un pipeline d'apprentissage par renforcement appliqué au tennis de table robotique compétitif, il égale le taux de retour de balle de la méthode de référence tout en réduisant d'environ moitié les collisions survenues pendant l'entraînement. Pour l'industrie robotique, l'enjeu est de lever un goulot d'étranglement classique : la planification de trajectoire évitant les collisions reste souvent trop lente pour un contrôle temps réel à haute fréquence, surtout pour des bras à plusieurs degrés de liberté couplés. En ramenant l'inférence à l'échelle de la milliseconde via l'échantillonnage parallèle sur GPU plutôt que la résolution d'une optimisation à chaque pas, GASP illustre une tendance de fond : remplacer l'optimisation itérative par des réseaux entraînés à en approximer la sortie. L'intérêt dépasse la vitesse : moins de collisions pendant l'entraînement réduit aussi le coût et la durée de l'apprentissage de politiques par renforcement. Le domaine s'appuie historiquement sur des méthodes d'optimisation comme CHOMP ou TrajOpt, ou des planificateurs par échantillonnage type RRT, coûteux en calcul dès que la dimension du problème augmente ; les versions récentes accélérées par GPU réduisent ce coût sans l'éliminer, d'où la comparaison directe faite dans l'article. En s'appuyant sur un CVAE plutôt qu'un réseau de prédiction unique, GASP mise sur la diversité de candidats plutôt qu'une trajectoire unique, une stratégie proche de travaux récents de diffusion de trajectoires. Publié sur arXiv sans relecture par les pairs ni mention de code source ouvert ou de partenaire industriel, l'article ne donne aucun calendrier de transfert vers une plateforme robotique commerciale ; la validation reste circonscrite aux tests articulaires décrits et à la tâche de tennis de table présentée.

Recherche❖Paper

1 source

36

3034arXiv cs.RO 

Robot-Nav Épineux : SpikingNav améliore la robustesse de la navigation incarnée via des politiques neuronales à impulsions

Des chercheurs présentent SpikingNav, un système de navigation robotique fondé sur des réseaux de neurones à impulsions (spiking neural networks), dans une preprint arXiv non relue par les pairs (arXiv:2608.05078v1). L'architecture combine un encodeur de perception à impulsions (Spiking Sensing Encoder) et un réseau de politique à impulsions (Spiking Policy Network), qui maintient un état récurrent via intégration de membrane, seuillage et réinitialisation déclenchée par spike. Testé sur les benchmarks PointNav et ObjectNav, en conditions propres et avec corruptions visuelles, SpikingNav fait passer le taux de réussite ObjectNav de 31,05% à 34,12% face à un modèle ANN équivalent, et fait presque doubler le taux de réussite moyen sous corruptions visuelles, de 8,45% à 13,71%, avec moins de paramètres et moins de calcul par étape. Le module de perception a aussi été validé sur la puce neuromorphique Thruster-V2. Cette publication cible un angle mort connu des politiques de navigation en ANN classiques : leur fragilité face aux corruptions visuelles (flou, bruit, variations de luminosité), critique dès qu'un robot quitte le simulateur pour un environnement réel. L'écart de robustesse mesuré ici, avec un taux de réussite sous corruption presque double de la référence, suggère que la dynamique temporelle et le calcul événementiel des SNN, jusque-là surtout démontrés en classification ou vision statique, améliorent aussi des politiques de décision séquentielle comme la navigation. Pour les intégrateurs de robotique mobile et les concepteurs de systèmes embarqués à ressources limitées (drones, AMR, robots domestiques), c'est une piste concrète pour réduire le calcul embarqué sans sacrifier la robustesse. La preuve de déploiement reste toutefois partielle : seul le module de perception a été instancié sur puce neuromorphique, pas la boucle de politique complète. Les réseaux à impulsions restent un champ de recherche actif mais marginal face aux architectures ANN (transformers, CNN/RNN) qui équipent l'essentiel des agents de navigation publiés, notamment sur les benchmarks Habitat utilisés pour PointNav et ObjectNav. Le recours à une puce neuromorphique dégradée situe ce travail dans la lignée d'efforts comme Loihi d'Intel, avec l'ambition de rapprocher calcul événementiel et robotique embarquée à faible consommation. L'abstract ne précise ni l'affiliation des auteurs ni de calendrier de suite, et s'agissant d'une preprint fraîchement déposée, les chiffres annoncés n'ont pas encore été relus par des pairs ni comparés à des baselines multiples indépendantes : un résultat préliminaire prometteur, pas encore une démonstration définitive de la supériorité des SNN pour la navigation robotique.

Recherche❖Paper

1 source

36

3035arXiv cs.RO 

BridgeVLA++ : un cadre vision-langage-action économe en données, généralisable et à mémoire augmentée pour la manipulation en 3D

BridgeVLA++, une évolution du framework vision-langage-action (VLA) BridgeVLA pour la manipulation robotique en 3D, fait l'objet d'un nouveau papier de recherche publié sur arXiv (référence 2608.05042v1). La méthode d'origine projette les nuages de points en images multi-vues et prédit des cartes de chaleur intermédiaires avant de générer les actions du robot, en préservant l'alignement entrée-sortie d'un modèle vision-langage pré-entraîné afin de limiter le besoin en données d'entraînement. BridgeVLA++ y ajoute une architecture de mémoire spatio-temporelle unifiée, combinant contexte spatial persistant et historique des interactions, permettant au système de raisonner sur des séquences d'observations. Le framework a été testé en manipulation bimanuelle et validé sur une plateforme robotique réelle supplémentaire, en plus des benchmarks de simulation. Ni les auteurs, ni le laboratoire ou l'entreprise à l'origine des travaux, ni de chiffres de performance précis ne figurent dans le résumé ; les détails quantitatifs sont renvoyés vers le site du projet, bridgevla-plus.github.io. Ce travail cible un point faible connu des modèles VLA en manipulation 3D : ils restent gourmands en données, généralisent mal face aux changements de distribution, et surtout n'ont aucune mémoire explicite des observations passées, un manque bloquant pour toute tâche multi-étapes comme éviter de re-saisir un objet déjà placé ou retrouver un objet temporairement occulté. Pour un intégrateur industriel évaluant une pile VLA sur des tâches séquentielles, suivre un état dans le temps sans reconstruire l'intégralité des données d'entraînement est un prérequis pratique plus qu'un raffinement académique. BridgeVLA++ ne démontre pas de déploiement en production, mais suggère qu'une mémoire structurée reste compatible avec l'efficacité en données déjà obtenue par les architectures VLA bâties sur des VLM pré-entraînés, un compromis rarement tenu dans la littérature récente. Le framework prolonge directement les travaux antérieurs sur BridgeVLA, en conservant son passage par des cartes de chaleur intermédiaires plutôt qu'une régression directe d'actions. Il s'inscrit dans un paysage VLA de plus en plus dense, aux côtés de familles comme Pi-0 de Physical Intelligence, GR00T de Nvidia ou Helix de Figure, qui visent chacune à leur manière une politique généraliste robuste aux changements de contexte. Le résumé ne mentionne aucun calendrier de commercialisation ni de partenariat industriel : il s'agit à ce stade d'un travail de recherche, code et résultats détaillés étant promis sur le site dédié du projet. Reste à voir si les benchmarks memory-dépendent utilisés pour la validation seront repris par d'autres équipes pour vérifier objectivement les gains de généralisation annoncés.

Recherche⚡Actu

1 source

33

3036arXiv cs.RO 

Mimir : un système de mémoire neuro-symbolique à ancrage dynamique pour agents incarnés en environnements interactifs

Des chercheurs publient sur arXiv (4 août 2026) Mimir, un système de mémoire neuro-symbolique pour agents incarnés évoluant sous observabilité partielle. L'architecture sépare une mémoire du monde (emplacements et états des objets, preuves perceptuelles) d'une mémoire de tâche (agenda d'objectifs, progression, état de la main de l'agent, échecs, contraintes), qu'un module d'ancrage relie dynamiquement avant chaque planification. Testé sur plusieurs backbones via les benchmarks EB-ALFRED et EB-Habitat, Mimir obtient des gains allant jusqu'à 42,5% (moyenne de 23,0%) et améliore de 8,5% le taux de réussite moyen face aux meilleurs systèmes antérieurs évalués sur le même backbone. Sur le sous-ensemble de tâches longues d'EB-Habitat, il atteint 86,0% de réussite, devant les modèles propriétaires actuels. Le problème ciblé est connu : un historique plat ou un état de politique implicite ne dit pas explicitement quels faits du monde soutiennent l'objectif en cours, ce qui fragilise la planification sur des tâches longues. En séparant "ce que l'agent sait du monde" de "où il en est dans sa tâche", et en ancrant l'un dans l'autre à chaque étape, Mimir cible la dérive entre perception et progression qui limite les agents domestiques ou robotiques sur des séquences multi-étapes. Dépasser des modèles fermés sur le sous-ensemble long-horizon d'EB-Habitat, benchmark utilisé comme proxy vers la robotique physique, suggère qu'une mémoire explicite et modulaire peut surpasser des politiques bout-en-bout plus opaques. EB-ALFRED et EB-Habitat dérivent respectivement d'ALFRED (tâches ménagères instruites en langage naturel) et d'Habitat, le simulateur d'intérieurs de Meta AI, tous deux utilisés pour évaluer des agents en observabilité partielle. Mimir s'inscrit dans une lignée récente de travaux sur la mémoire augmentée pour agents LLM, où plusieurs équipes académiques et industrielles combinent raisonnement symbolique et perception neuronale pour étendre l'horizon de planification. Les auteurs comparent leurs résultats aux "meilleurs systèmes d'agents et de mémoire antérieurs" sans les nommer précisément, ce qui limite l'évaluation de l'avance réellement revendiquée. Le code, annoncé "prochainement", n'est pas encore disponible, et aucun test sur robot physique n'est mentionné : tous les résultats proviennent de simulation.

Recherche❖Paper

1 source

38

3037Pandaily 

WUWENAI a choisi de tracer la voie à l'intersection de l'IA incarnée

Lors du salon chinois WAIC en juillet 2026, les stands de robots humanoïdes ont délaissé les démonstrations chorégraphiées, coups de poing, danses, pour montrer des machines au travail sur des répliques de lignes de production à l'échelle 1:1 : picking, tri, assemblage. Les financements ont suivi, avec plus de 300 opérations recensées au premier semestre dans l'IA incarnée et sa chaîne d'approvisionnement en Chine, pour plus de 90 milliards de yuans (environ 11,5 milliards d'euros), et des effectifs multipliés par quinze en quatre mois. Derrière cet emballement, un goulot d'étranglement inquiète le secteur : la donnée. Un robot ne peut hériter du texte et des vidéos d'internet ; il lui faut un corpus physique propre, frictions entre matériaux, forces générées par des charges variées, boucle causale entre une pince et l'objet saisi. Le secteur estime disposer de quelques centaines de milliers d'heures de données de manipulation de qualité, quand un robot généraliste en réclamerait plusieurs dizaines de millions. La téléopération est précise mais coûteuse, la vidéo à la première personne bon marché mais pauvre en trajectoire et en force, et la simulation pure échoue au transfert vers le réel. C'est sur ce constat que la startup chinoise WUWENAI, fondée par Liu Shengxiang, ex-responsable data et tests de la conduite autonome chez Baidu, a bâti son offre : une boucle fermée virtuel-réel articulée autour de trois briques, une Data Factory de collecte multimodale en environnement réel, un World Model générant scénarios et cas limites en simulation, et un World Simulator chargé de l'entraînement et de l'évaluation à grande échelle. Pour les intégrateurs et décideurs industriels, le pari de WUWENAI dépasse le simple fournisseur de données : si un simulateur reproduit fidèlement la physique réelle, un robot peut multiplier à faible coût les cycles d'essai-erreur en simulation et basculer de l'apprentissage par imitation vers l'apprentissage par renforcement, sur le modèle d'AlphaGo. Cela reviendrait à contredire l'hypothèse selon laquelle le fossé entre démonstration et réalité, le sim-to-real gap, resterait le principal frein au déploiement des VLA (vision-language-action) à grande échelle. Reste que ces gains sont pour l'instant revendiqués par l'entreprise elle-même, sans validation indépendante rendue publique : l'affirmation mérite d'être prise comme une thèse industrielle plutôt qu'un résultat déjà démontré à grande échelle. L'architecture de WUWENAI, baptisée Real2Sim2Real, aurait été déployée plusieurs mois avant que World Labs, la société de Fei-Fei Li, rachète SceniX, un rapprochement que Liu Shengxiang lit comme un signal : un world model ne devient une infrastructure utile que connecté à de la donnée réelle, à de la simulation robotique et à une boucle de rétroaction terrain, la seule génération vidéo ou 3D ne suffisant pas. La startup se positionne ainsi face à des acteurs mieux capitalisés qui développent chacun leur propre pile, World Labs, Tesla avec Optimus, et Google DeepMind. Son pari reste structurel : la contrainte des modèles d'IA incarnée se déplace des paramètres vers la donnée qu'ils peuvent ingérer, dans un secteur qui passe de la simple collecte brute à une infrastructure de données orchestrée.

Infrastructure❧Opinion

1 source

38

3038Robotics Business Review 

Panneau d'inspection IA à la périphérie : Avnet et Weston Robot s'associent

Avnet, distributeur mondial de technologies, et Weston Robot, intégrateur robotique basé à Singapour, annoncent un partenariat pour lancer une plateforme d'inspection industrielle autonome fondée sur des robots quadrupèdes et l'IA embarquée. Weston Robot revend principalement des solutions Unitree, tout en fabriquant ses propres plateformes de robots mobiles autonomes (AMR) et des systèmes maritimes sans pilote, le tout commercialisé en mode robots-as-a-service (RaaS). Pour cette plateforme, Avnet a fixé sur le dos du quadrupède un module de calcul embarqué délivrant jusqu'à 50 TOPS de puissance IA, animé par des processeurs AMD Ryzen AI Embedded. L'ensemble exécute directement à bord les tâches d'inspection par IA, l'analyse thermique et visuelle, la cartographie lidar 3D, et le fonctionnement en environnement sans signal GPS. Couplé au logiciel de gestion de flotte de Weston Robot, le robot peut être envoyé en mission de patrouille sur un trajet défini, s'arrêter de lui-même sur des points d'inspection identifiés, et voir de nouvelles tâches de reconnaissance entraînées et déployées via l'architecture de calcul Avnet. L'intérêt principal tient au traitement des données directement sur l'appareil plutôt que dans le cloud, ce qui réduit la latence d'inférence et permet un fonctionnement fiable même sans connectivité réseau stable, un enjeu courant en environnement industriel. Pour les intégrateurs et décideurs B2B, la promesse est de détecter plus tôt les anomalies opérationnelles, de réduire le coût des inspections manuelles et d'améliorer la continuité des opérations. Il faut toutefois noter que l'annonce reste, à ce stade, un partenariat produit sans site de déploiement client nommé, sans date de disponibilité commerciale ni indication de prix: les formules employées, comme celle de l'"IA physique" présentée par Avnet comme la "prochaine évolution de l'intelligence artificielle", relèvent davantage du discours marketing que d'un déploiement terrain déjà mesuré. La valeur ajoutée revendiquée, à savoir des capacités de perception dépassant celles du quadrupède Unitree de base, reste donc à valider par des cas d'usage concrets. Ce lancement s'inscrit dans la stratégie d'Avnet de se positionner comme fournisseur d'architectures de calcul pour la robotique industrielle, un marché où Weston Robot opère déjà via la revente de plateformes Unitree et ses propres AMR. Il rejoint une vague plus large de rapprochements entre distributeurs de semi-conducteurs et intégrateurs robotiques autour de l'inspection autonome, un segment où des acteurs comme Boston Dynamics avec son Spot ou ANYbotics sont déjà établis. Ni Avnet ni Weston Robot n'ont communiqué de calendrier précis de commercialisation ou de premiers pilotes clients, laissant pour l'instant ce partenariat au stade de l'annonce technologique plutôt que du déploiement industriel vérifié.

Industriel⚡Actu

1 source

33

3039Interesting Engineering 

« Le fabricant naval de l'US Navy teste une soudure intelligente qui scanne les pièces et s'ajuste en temps réel »

Le chantier naval américain HII a lancé sur son site Ingalls Shipbuilding, dans le Mississippi, un programme pilote de soudage mécanisé intelligent développé avec le sud-coréen HD Hyundai Heavy Industries (HHI), dans la foulée d'un partenariat stratégique signé en 2025 entre les deux groupes pour approfondir leur coopération dans la construction navale militaire. Contrairement aux systèmes mécanisés classiques, cet équipement identifie automatiquement les pièces à souder et ajuste en temps réel la position de soudage, tout en enregistrant des données de production utiles au contrôle qualité et à la traçabilité industrielle. Ingalls prévoit de le déployer dans des zones de fabrication d'unités où le soudage reste aujourd'hui très majoritairement manuel, après avoir vérifié sa conformité aux normes de l'US Navy. Brian Blanchette, président d'Ingalls Shipbuilding, rappelle que le site exploite déjà des lignes de panneaux automatisées et des cellules robotisées de fabrication de cloisons. Le soudage reste l'un des goulots d'étranglement les plus persistants de l'industrie navale américaine, confrontée à une pénurie durable de main-d'œuvre qualifiée alors que l'US Navy pousse pour une production de navires plus rapide sans compromis sur la qualité. Contrairement à nombre d'annonces robotiques qui restent au stade de la démonstration, ce programme concerne un déploiement en atelier de production réel, sur des postes existants et selon des normes militaires déjà validées, ce qui en fait un signal plus solide qu'un simple prototype vitrine. Le recours à une technologie sud-coréenne éprouvée plutôt qu'un développement interne illustre aussi une inflexion : HII importe un savoir-faire étranger pour accélérer sa modernisation. La direction d'Ingalls insiste sur une logique d'augmentation, non de remplacement, de la main-d'œuvre, un discours destiné à désamorcer les craintes dans un métier pénible et en tension. Ce pilote fait suite à un échange technique de trois jours entre ingénieurs des deux entreprises sur le site d'Ingalls, qui a présenté ses capacités de soudage laser hybride et ses systèmes de fabrication robotisée, permettant d'identifier où la technologie de HHI pouvait s'intégrer aux opérations existantes. Won-ho Joo, directeur de l'unité navale de HHI, présente ce partenariat comme une nouvelle étape d'une coopération technique croissante, censée améliorer l'efficacité de production. Le soudage n'est qu'un volet de la stratégie plus large de HII : Ingalls et Newport News Shipbuilding évaluent aussi de nouvelles cellules robotisées, des robots collaboratifs, la fabrication additive et des logiciels de production en temps réel. Le groupe a également lancé l'initiative High-Yield Production Robotics (HYPR), qui associe des entreprises d'IA physique pour développer des outils robotiques destinés aux ouvriers des chantiers navals.

Industriel⚡Actu

1 source

38

3040Robotics Business Review 

University of Florida ouvre un nouveau laboratoire de robotique dédié à la construction industrialisée

L'Université de Floride (UF) a inauguré un laboratoire de robotique dédié à la construction industrialisée, financé par un don d'un million de dollars d'Autodesk et baptisé Autodesk Design and Make Laboratory, hébergé au Bruno E. and Maritza F. Ramos Collaboratory du College of Design, Construction and Planning. Ce don complète un premier investissement de 1,5 million de dollars versé par Autodesk en 2024, qui avait lancé le cursus Industrialized Construction Engineering (ICon), premier Bachelor of Science du pays consacré à ce domaine et dont la première promotion débute cet automne 2026. Le programme mêle BIM, jumeaux numériques, IA, préfabrication et suivi de chantier en temps réel, avec un accès pratique à une imprimante béton grand format COBOD BOD3 et à un bâtiment de démonstration entièrement imprimé en 3D. Selon le Shimberg Center for Housing Studies de l'UF, la Floride manque de plus de 121 000 logements et unités locatives. Le laboratoire capitalise sur six années de recherche du Dr Alwisy, qui dirige le Smart Industrialized Construction (Smart IDC) Lab de l'université sur les systèmes homme-robot déployables. L'approche cible deux problèmes structurels du bâtiment : la sécurité des travailleurs et la productivité. Des robots collaboratifs doivent prendre en charge les tâches à haut risque de blessure, comme l'ossature des murs ou l'assemblage de panneaux, pendant que la main-d'œuvre qualifiée se concentre sur le contrôle qualité et les opérations complexes. Face à la pénurie de main-d'œuvre et aux départs à la retraite annoncés dans le secteur, ce type de dispositif figure parmi les rares leviers capables d'augmenter la capacité de production plus vite que ne se réduit le bassin de travailleurs. Il faut toutefois nuancer la portée immédiate : le système de vision par ordinateur développé par l'étudiant chercheur Frank Xie, censé permettre à un robot d'interpréter un jumeau numérique modélisé sous Autodesk Fusion pour en assembler la réalisation, reste un travail à un stade précoce. Il s'agit avant tout d'un investissement dans la formation et la recherche, pas d'un déploiement commercial de robots de chantier. Cette initiative prolonge un partenariat porté à environ 2,5 millions de dollars d'investissement cumulé d'Autodesk depuis 2024. Le doyen du College of Design, Construction and Planning, Chimay Anumba, y voit un partenariat permettant de mobiliser des technologies avancées pour transformer l'industrie de la construction. Le laboratoire s'inscrit dans une dynamique plus large de construction industrialisée, où fabrication en usine et robotique visent à compléter les méthodes traditionnelles de chantier face à la crise du logement aux États-Unis. Les prochaines étapes sont académiques autant qu'industrielles : arrivée de la première cohorte ICon cet automne, ouverture progressive du laboratoire à davantage d'étudiants-chercheurs, et poursuite des travaux du Smart IDC Lab sur la préfabrication et la construction hors site.

Recherche❖Paper

1 source

35

3041Robotics Business Review 

Portez son autonomie à l'échelle : la perception est la clé

Mel Torrie, cofondateur et PDG d'Autonomous Solutions Inc. (ASI), signe une tribune publiée à l'occasion de sa prochaine intervention à RoboBusiness, prévu les 20 et 21 octobre à Santa Clara, en Californie. Il y revient sur l'expérience de son entreprise, spécialisée dans l'autonomie industrielle pour les mines et les sites hors route, et sur les leçons tirées du déploiement de son système de vision Mobius. Premier enseignement cité : lors des premiers déploiements, ASI avait retenu des capteurs de qualité automobile, les meilleurs disponibles à l'époque. En moins d'un an, la poussière, les vibrations et les écarts de température extrêmes d'un site minier actif ont provoqué un taux de panne de 100%, forçant l'entreprise à repenser entièrement ses spécifications de capteurs pour les conditions de terrain plutôt que pour un environnement contrôlé. Torrie illustre le niveau d'exigence requis avec l'exemple d'un camion de transport à un carrefour, sous 45°C, dans un nuage de poussière, chargé d'une charge utile de 200 tonnes, avec un véhicule léger traversant sa trajectoire 80 mètres devant lui. Cette tribune défend une idée simple pour les opérateurs industriels et intégrateurs : le GPS indique une position, pas ce qui se trouve devant la machine ni si un obstacle va croiser sa route, et la véritable autonomie repose désormais sur la perception plutôt que sur le contrôle moteur ou la planification de trajectoire, selon l'auteur. L'argument central est économique autant que technique : plutôt que d'imposer un remplacement complet de flottes à forte intensité capitalistique, une mise à niveau de la vision indépendante du matériel permettrait de transformer des équipements existants en plateformes autonomes performantes sans enfermer l'opérateur dans un écosystème propriétaire unique. Pour les décideurs B2B de secteurs comme les mines ou la logistique, où chaque décision opérationnelle a des implications financières et sécuritaires, cela replace le calcul de retour sur investissement autour d'un facteur clé : le temps d'arrêt, plus coûteux dans des environnements réels imprévisibles que dans les sites structurés visés par l'automatisation classique. L'auteur insiste aussi sur la nécessité d'un traitement en périphérie, embarqué et en temps réel, pour détecter un humain et réagir en quelques millisecondes sans dépendre d'un serveur distant. Le texte s'inscrit dans un format tribune d'expert associé à la promotion de la conférence RoboBusiness, où figure d'ailleurs un encart publicitaire pour l'inscription, et ne constitue donc pas un compte-rendu indépendant ni l'annonce d'un nouveau produit : la plateforme Mobius d'ASI est déjà commercialisée, l'article relevant d'un positionnement éditorial plutôt que d'un lancement. Aucun acteur français ou européen n'est cité. ASI, fondée par Torrie, s'est bâtie sur l'autonomie de véhicules hors route pour les mines et le transport de charges lourdes, un segment où d'autres acteurs proposent également des couches d'autonomie rétrofit pour flottes existantes ; l'article ne détaille toutefois ni chiffre de déploiement pour Mobius, ni client nommé, ni calendrier de prochaines étapes au-delà de l'intervention de Torrie à RoboBusiness en octobre.

Industriel❧Opinion

1 source

42

3042Interesting Engineering 

Mitsubishi va produire 1 000 robots humanoïdes par mois sur une ligne de moteurs inutilisée

Mitsubishi Motors va produire en série des robots humanoïdes dans son usine de Kyoto, en partenariat avec la startup tokyoïte Highlanders Inc. La production doit démarrer début 2027, sur une ligne de fabrication de moteurs thermiques actuellement à l'arrêt, reconvertie pour l'assemblage de robots, avec un objectif affiché de 1 000 unités par mois. Le robot, baptisé HL Human et dévoilé par Highlanders en 2025, dispose d'un corps à 19 degrés de liberté (DOF) et d'actionneurs électriques à haut rendement, conçu pour exécuter des tâches industrielles via perception, planification de mouvement et interaction en langage naturel pilotées par IA ; de futures versions doivent recevoir des mains à cinq doigts capables de saisir jusqu'à 3 kg. Dans un premier temps, les robots seront déployés sur les propres lignes moteur de Mitsubishi pour générer des données avant toute commercialisation. Mitsubishi a déjà investi au capital de Highlanders, spin-off de l'Université de Tokyo fondée en 2023, et prévoit d'autres investissements. Cette annonce illustre un mouvement de fond : des constructeurs automobiles, confrontés à des pénuries de main-d'œuvre et déjà rompus aux chaînes de production standardisées, deviennent fabricants de robots humanoïdes plutôt que simples clients. En réutilisant une ligne moteur existante plutôt qu'en bâtissant une usine dédiée, Mitsubishi mise sur son savoir-faire de contrôle qualité automobile pour apporter une fiabilité "grade automobile" à une catégorie de produits restée largement expérimentale ailleurs dans le secteur. Le chiffre de 1 000 unités mensuelles, s'il est atteint, dépasserait les cadences généralement annoncées par les concurrents occidentaux et chinois, encore de l'ordre de quelques centaines d'exemplaires par an en présérie. Il faut toutefois garder à l'esprit qu'à ce stade, il s'agit d'un plan industriel et d'un partenariat capitalistique avec un démarrage prévu pour 2027, pas d'un déploiement chez des clients tiers ni de robots livrés : la distinction entre annonce et production réelle reste de mise. Highlanders s'inscrit dans une vague de spin-offs universitaires japonaises misant sur l'IA physique, avec l'ambition de couvrir manufacture, logistique, inspection d'infrastructures et réponse aux catastrophes, des secteurs où le vieillissement démographique du Japon aggrave la pénurie de main-d'œuvre. La startup développe aussi un framework d'IA physique et un logiciel de simulation destinés à accélérer l'entraînement et le déploiement de ses robots. Le partenariat la place face à des acteurs mieux capitalisés et plus avancés en déploiement réel, comme Figure AI, Tesla avec Optimus, Agility Robotics ou 1X, ainsi que d'autres initiatives asiatiques telles que Hyundai via Boston Dynamics. Takao Kato, PDG de Mitsubishi Motors, présente ce partenariat comme un levier de croissance, tandis que Hiroya Masuoka, PDG de Highlanders, y voit une étape vers la production de masse de robots humanoïdes conçus au Japon, avant une commercialisation élargie à d'autres industriels.

Humanoïdes⚡Actu

1 source

44

3043Interesting Engineering 

RL-100 entraîne des robots à réussir 1 000 tâches réelles avec 100 % de succès à chaque fois

Des chercheurs de l'Institut Shanghai Qi Zhi ont développé RL-100, un framework d'entraînement ayant atteint un taux de réussite de 100 % sur 1 000 épisodes de test consécutifs menés avec de vrais robots. Sur plusieurs tâches, les robots entraînés ont égalé, voire dépassé en rapidité, des téléopérateurs humains qualifiés. Lors d'un déploiement public, un robot utilisant ce système a fait fonctionner une station de pressage d'oranges pendant environ sept heures sans interruption ni échec. L'entraînement se déroule en trois étapes : d'abord un apprentissage par imitation à partir de vidéos de démonstrations humaines, qui donne au robot une base de compétences mais ne couvre pas tous les scénarios d'échec possibles ; ensuite un apprentissage par renforcement hors ligne, où un mécanisme intégré vérifie chaque mise à jour et rejette celles susceptibles de dégrader la politique déjà acquise ; enfin une phase d'apprentissage par renforcement en ligne, plus réduite, destinée à corriger les cas rares qui n'apparaissent qu'en conditions réelles. Le contrôleur repose sur une approche par diffusion, distillée en une version à une seule étape pour accélérer la fréquence de contrôle sans perte de performance. L'équipe a testé le système sur différentes mains et pinces robotiques, sur des tâches impliquant matériaux déformables, liquides et matériaux granulaires, certaines nécessitant une coordination des deux mains. Les chercheurs ont mesuré, au-delà du taux de réussite, le temps d'exécution, la résistance aux perturbations physiques, l'adaptation à de nouveaux environnements et la tenue en fonctionnement prolongé. Les travaux ont été publiés dans la revue Science Robotics. Le point que l'équipe met le plus en avant n'est pas le score parfait de 100 %, mais le fait que les robots entraînés soient devenus, dans certains cas, plus rapides que les humains dont ils avaient appris les gestes par démonstration. Kun Lei, premier auteur de l'étude, souligne qu'un robot réussissant neuf fois sur dix peut sembler impressionnant en laboratoire mais reste insuffisamment fiable pour un usage réel. Cette distinction est centrale pour l'industrie : elle suggère qu'un robot n'est pas condamné à plafonner au niveau des démonstrations initiales et peut, via l'expérience accumulée, dépasser leur couverture et leur efficacité. Le run de sept heures sur la station à jus d'orange illustre un test différent des quelques dizaines d'essais habituels en laboratoire, et s'attaque directement à l'écart sim-to-real, l'un des obstacles centraux du déploiement de robots humanoïdes et manipulateurs en environnement réel, au-delà des démonstrations scénarisées. RL-100 s'inscrit dans la course actuelle à des architectures robuste combinant apprentissage par imitation et renforcement, à mesure que les VLA (vision-language-action) montrent leurs limites en généralisation. L'équipe prévoit d'étendre l'approche à des modèles VLA de plus grande taille, sur des environnements plus complexes et des tâches à horizon plus long, avec l'objectif de réduire la supervision humaine nécessaire pendant l'entraînement en conditions réelles.

Recherche❖Paper

1 source

38

3044TechNode 

Xiaomi rend open source son modèle fondation pour l'IA incarnée, Xiaomi-Robotics-1

Xiaomi a annoncé le 5 août l'ouverture en open source de son modèle fondateur d'IA incarnée Xiaomi-Robotics-1, dévoilé en juillet comme solution « prête à l'emploi », en publiant le pipeline complet, du post-entraînement sur robot réel jusqu'au déploiement, avec le code des évaluations de référence. Le modèle a été pré-entraîné sur plus de 100 000 heures de données UMI puis post-entraîné sur plus de 10 000 heures de données cross-embodiment, collectées sur différentes plateformes robotiques. La publication comprend les liens vers le projet, le dépôt GitHub et la page Hugging Face. Cette ouverture s'inscrit dans la course aux modèles fondateurs pour la robotique, censés généraliser des compétences de manipulation sur plusieurs types de robots plutôt que nécessiter un modèle par plateforme, et elle abaisse la barrière d'entrée pour les laboratoires et intégrateurs qui veulent tester des politiques cross-embodiment sans constituer eux-mêmes des jeux de données à cette échelle. Ce choix de l'open source, plutôt qu'une simple démonstration produit, met à l'épreuve une promesse encore débattue dans le secteur : que les modèles génériques de manipulation passent réellement à l'échelle, au-delà des démonstrations sélectionnées. Le groupe chinois, connu pour son électronique grand public et ses véhicules électriques, avait déjà affiché ses ambitions robotiques avec l'humanoïde CyberOne dévoilé en 2022, et rejoint désormais la course aux modèles fondateurs, aux côtés d'autres laboratoires chinois et internationaux qui multiplient ce type d'annonces depuis un an. Il s'agit ici d'une brique logicielle mise à disposition de la communauté, sans calendrier de déploiement industriel précisé : la suite dépendra de l'adoption du modèle par des équipes tierces sur leurs propres robots, seul vrai test de sa capacité de généralisation au-delà des données d'entraînement de Xiaomi.

IA physique⚡Actu

1 source

43

3045Pandaily 

Le prochain champ de bataille robotique à cent milliards de dollars pourrait être la cuisine

Trois annonces coup sur coup illustrent l'accélération d'un marché resté dans l'ombre de l'humanoïde: la robotique culinaire chinoise. Zhigu Tianchu, spécialiste des robots-cuisiniers fondé en 2018, a bouclé un tour stratégique de près de 100 millions de yuans mené par China Merchants Venture Capital. Haier Robotics et Robotera ont dévoilé un partenariat pour développer le CR3, présenté comme le premier robot de cuisine domestique entièrement autonome au monde. Et SoftBank Robotics a signé un accord stratégique avec Busypace, société pékinoise spécialisée dans l'IA culinaire, pour co-développer des plateformes de "food-physical-AI". Zhigu Tianchu affiche déjà un chiffre d'affaires supérieur à 100 millions de yuans avec une rentabilité positive, une rareté dans le secteur, et vise une croissance de 300% en 2026. Ses clients couvrent la restauration collective, les maisons de retraite, les cantines scolaires, la restauration rapide, le commerce de produits frais et l'hôtellerie. Selon les données NCBD, le marché chinois des robots de cuisine pesait 3,81 milliards de yuans en 2025, avec une projection dépassant 12,5 milliards de yuans d'ici 2030, et un scénario optimiste évalue le seul segment commercial à 109,6 milliards de yuans à la même échéance. Cette convergence tient à trois facteurs. D'abord une pénurie de main-d'œuvre: le ministère chinois des Ressources humaines et de la Sécurité sociale classe les cuisiniers parmi les métiers les plus en tension du pays pour la troisième année consécutive, poussant les chaînes de restauration vers la standardisation. Ensuite un seuil économique clé: dès que le retour sur investissement d'un robot-cuisinier passe sous les douze mois, les enseignes basculent du test à l'achat systématique. Enfin, des progrès techniques qui permettent enfin aux robots de gérer un environnement non structuré comme la cuisine, avec des ingrédients variables et des tâches dynamiques, un vrai test de généralisation pour l'IA embarquée. Pour le secteur de l'IA physique au sens large, la cuisine offre justement ce qui lui manquait: un scénario à haute fréquence d'usage et suffisamment incontournable pour justifier un déploiement à grande échelle, plutôt qu'une simple démonstration. Le segment commercial (restauration, collectivités) tire le marché, mais le vrai enjeu se déplace vers le foyer. L'alliance Haier-Robotera cible directement les ménages urbains qui veulent des repas réguliers et sains sans savoir-faire culinaire. Côté SoftBank, l'accord avec Busypace donne à cette dernière un accès immédiat à un réseau commercial mondial couvrant plus de 100 pays et de grands comptes professionnels, pendant que SoftBank récupère une brique logicielle "cerveau culinaire" native IA. Zhigu Tianchu prépare de son côté un changement de nom en Qianyi Intelligence pour accompagner son expansion internationale. La bataille se jouera désormais sur deux critères: la profondeur de la base de données de recettes accumulée par chaque acteur, et sa capacité à s'imposer comme référence hors de Chine.

Chine/Asie❧Opinion

1 source

38

3046TechNode 

Kaiwang Data, startup d'infrastructure de données pour l'IA incarnée, lève plus de 100 millions de RMB

Kaiwang Data (恺望数据), startup chinoise spécialisée dans l'infrastructure de données pour l'IA incarnée, vient de boucler un tour de financement stratégique de plus de 100 millions de yuans (environ 13,9 millions de dollars). L'opération a été menée conjointement par le Beijing E-Town Industrial Upgrade Fund, Huafang Capital et Skyline Capital (天际资本), avec la participation de plusieurs entreprises de robotique : Lumai Robotics, Songyan Power, Zizibianliang Robotics et Mifeng Technology, cette dernière affiliée à AGIBOT. Kaiwang Data collecte, annote et gère des données multimodales destinées à la conduite autonome, aux world models et aux robots humanoïdes : vidéos en vue subjective de mains nues, données de gants tactiles, manipulations par pinces et prises de vue panoramiques. L'entreprise affirme produire désormais environ 100 000 heures de données exploitables par mois, un volume qu'elle dit stabilisé, et avoir signé des accords d'achat en gros avec plusieurs grands groupes. Ce tour de table illustre un phénomène qui prend de l'ampleur dans l'écosystème robotique chinois : la donnée d'entraînement devient elle-même un marché à part entière, distinct de la fabrication des robots. Les modèles vision-langage-action (VLA) et les world models qui alimentent les humanoïdes de nouvelle génération réclament des volumes massifs de données de manipulation réelle, coûteuses et lentes à collecter en interne. Que des fabricants comme Songyan Power ou une filiale d'AGIBOT investissent directement dans un fournisseur de données suggère une logique d'intégration verticale défensive, destinée à sécuriser l'approvisionnement plutôt qu'à le laisser au marché spot. Les chiffres avancés par Kaiwang, notamment les 100 000 heures mensuelles, restent toutefois auto déclarés et non audités. Les fonds levés serviront à développer une plateforme d'échange de données, à faire progresser la technologie des world models et à étendre la capacité de collecte dans des environnements commerciaux, industriels et domestiques. L'opération s'inscrit dans une vague plus large d'investissements chinois dans l'infrastructure de l'IA incarnée, portée notamment par l'écosystème AGIBOT, alors que Pékin cherche à structurer une chaîne de valeur complète, de la donnée brute jusqu'au robot humanoïde déployé sur le terrain.

Chine/Asie⚡Actu

1 source

47

3047arXiv cs.RO 

Structure-Aware Robust Fine-Tuning : défendre les robots vision-langage-action contre le détournement de l'attention physique

Des chercheurs publient sur arXiv (2608.03231v1) une attaque baptisée AGSD (Attention-Guided Semantic Disruption) : un patch adversarial imprimable, optimisé par Expectation-over-Transformation pour rester efficace sous différents angles et éclairages, qui détourne vers lui-même l'attention conditionnée par l'action des politiques Vision-Language-Action (VLA), au détriment des régions pertinentes pour la tâche. Sur le benchmark de manipulation LIBERO, ce patch fait grimper le taux d'échec du modèle OpenVLA à 100%. Face à cette menace, les auteurs proposent SARF (Structure-Aware Robust Fine-Tuning), une défense qui ne réentraîne que l'encodeur visuel via trois mécanismes (ancrage de features, correction de l'attention critique pour la politique, cohérence géométrique guidée par le langage), sans aucun surcoût en inférence. SARF ramène le taux d'échec sous attaque entre 14,2% et 56,8% selon les suites de tâches (28,6% en moyenne), tout en préservant les performances en conditions normales. Sur un bras manipulateur réel PiPER, le taux de succès sous attaque passe de 23,0% à 65,0% grâce à cette défense. Cette étude révèle une faille de sécurité physique largement absente des benchmarks habituels des modèles VLA, ces politiques génériques censées piloter bras industriels, AMR et humanoïdes à partir d'instructions en langage naturel. Qu'un simple autocollant imprimé fasse chuter le taux de réussite à zéro, et que l'attaque transfère entre tâches et architectures différentes, suggère une vulnérabilité structurelle plutôt qu'un défaut isolé d'OpenVLA. Pour les intégrateurs et décideurs B2B qui envisagent des déploiements sur ligne de production ou en environnement partagé avec des humains, l'évaluation de la robustesse adversariale physique devient aussi nécessaire que les tests classiques de précision ou de temps de cycle. L'absence de surcoût en inférence fait de SARF une piste de mitigation réaliste pour des systèmes déjà contraints en latence. OpenVLA, cible principale de l'étude, compte parmi les politiques vision-language-action open source les plus utilisées depuis 2024, aux côtés de modèles comme Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure. LIBERO sert de référence standard pour évaluer la généralisation des politiques de manipulation en simulation, et ce travail prolonge une littérature déjà ancienne sur les patchs adversariaux physiques en vision par ordinateur, longtemps étudiés contre les systèmes de conduite autonome, désormais transposée aux politiques robotiques génériques. Les auteurs ne mentionnent aucun partenariat industriel ni calendrier de déploiement : il s'agit d'une contribution de recherche en sécurité, publiée en amont de toute adoption commerciale à grande échelle des VLA sur des lignes de production.

IA physique⚡Actu

1 source

46

3048arXiv cs.RO 

Robot humanoïde industriel : combler l'écart de sécurité fonctionnelle certifiée par une approche fail-passive, étude de faisabilité

Un preprint arXiv (2608.02809) documente un verrou dans la certification de sécurité fonctionnelle des robots humanoïdes industriels : l'état de sécurité d'un robot a pattes est activement contrôle, ce qui contredit l'hypothèse fail-passive des normes ISO 13849-1 et EN 60204-1. Couper l'alimentation d'un bipède en marche provoque une chute incontrôlée, la mise hors tension classique devenant elle-même un danger. Les auteurs nomment ce problème le "fail-passive gap" et le localisent via une chaine de sécurité externe certifiée (rideau lumineux, arrêt d'urgence, entrée fail-safe, automate Siemens S7-1500, liaison sans fil PROFIsafe), quantifiable avec les méthodes PFHD, DC, CCF et PL/SILCL. Le sous-système de réaction certifiable de cette référence repose sur une coupure de puissance par contacteur, catégorie d'arrêt 0, exactement ce qu'un humanoïde en équilibre ne peut pas avoir. Sans revendiquer de certification PL e / SIL 3 complète, l'étude est validée sur une cellule de prise-dépose équipée d'un Unitree G1 EDU, dans un espace de travail semi-clos de 3 mètres sur 1,5 mètre. Le travail met en évidence un frein souvent occulte par les démonstrations de robots humanoïdes : marcher ou manipuler n'est plus le facteur limitant pour un déploiement en usine, c'est l'absence de cadre de certification adapte aux plateformes a pattes. Pour les intégrateurs et décideurs industriels qui envisagent d'installer des humanoïdes sur une ligne de production, l'étude rappelle qu'aucune solution actuelle ne garantit formellement la sécurité d'un robot devant rester en équilibre actif, contrairement a un bras robotique classique qu'on peut arrêter net. Elle souligne aussi l'écart entre les annonces de robots "prêts pour l'usine" et la réalité technique de la certification, un angle mort récurrent du secteur. Meme une architecture de contrôle industrielle standardisée, avec interface IEC 61131-3, ne résout pas le problème puisque le calculateur embarque du G1 n'est pas un matériel certifie pour la sécurité : elle deplace simplement le problème vers l'interface entre l'automate d'automatisation et la politique d'équilibre du robot. Cette étude s'inscrit dans un examen académique croissant de la maturité réelle des humanoïdes industriels, alors que Figure, Tesla avec Optimus, Agility Robotics ou Unitree multiplient les annonces de pilotes en usine. Le choix du G1, plateforme commerciale relativement accessible, comme banc d'essai illustre une tendance a utiliser des robots grand public pour des études de faisabilité en environnement quasi industriel, faute de plateformes déjà certifiées pour cet usage. Les auteurs livrent une analyse spécifique aux humanoïdes de l'état de sécurité actif (la chute comme danger, les limites d'arrêt en appui simple, le risque résiduel lie a la politique d'équilibre, la distance de séparation selon ISO 13855) ainsi qu'un budget temporel documente par source. La suite logique serait l'élaboration de normes dédiées aux plateformes a pattes, un chantier que les organismes de normalisation n'ont pas encore engage, laissant intégrateurs et fabricants sans référence formelle pour déployer des humanoïdes dans des zones partagées avec des opérateurs humains.

Recherche❧Opinion

1 source

46

3049arXiv cs.RO 

Continuer ou replanifier : apprentissage par politique de continuation bernoullienne pour l'exécution à horizon adaptatif

Une équipe de recherche publie sur arXiv (2608.03483, août 2026) Bernoulli-Continuation Policy (BCP), une méthode qui corrige un défaut des modèles Vision-Language-Action (VLA) : ceux-ci exécutent un nombre fixe d'actions avant de replanifier, selon un calendrier périodique indépendant de l'avancement réel de la tâche, ce qui peut faire exécuter une étape critique à partir d'un plan obsolète. BCP ajoute une tête de continuation légère, greffée sur un modèle VLA gelé, qui décide à chaque segment d'action s'il faut continuer ou replanifier, entraînée par apprentissage par renforcement avec une récompense d'efficacité de replanification pénalisant l'échec et le calcul gaspillé. Sur RoboTwin 2.0, avec LingBot-VLA comme modèle de base, BCP améliore le taux de succès moyen de 11,08% sur les 13 tâches les plus difficiles et fait passer le taux global de 89,88% à 93,94% sur 50 tâches. Entraîné uniquement en environnement "propre", il généralise à un environnement randomisé (+4,06%) et transfère à un autre modèle de base, π0.5, avec des gains de 1,7% sur LIBERO et 6,8% sur LIBERO-PRO, la version plus difficile. Sur robot réel, le taux de succès grimpe de 74% à 92% et de 44% à 84% sur deux tâches de manipulation, avec un surcoût de calcul négligeable qui rend le temps d'exécution total inférieur aux méthodes à horizon fixe. Ce résultat s'attaque à un choix d'ingénierie devenu standard dans les VLA en production, la replanification à intervalle fixe, simple à implémenter mais aveugle au contexte de la tâche. Son caractère plug-and-play, compatible avec un modèle de base gelé, le rend potentiellement exploitable par des intégrateurs sans réentraîner leurs modèles VLA déjà déployés. Les gains les plus marqués se concentrent sur les tâches à faible taux de succès initial, celles où les robots échouent réellement en production, ce qui limite le risque d'un simple effet de benchmark favorable. La généralisation confirmée sur deux modèles de base différents, et du simulateur vers le réel, répond directement au scepticisme habituel sur l'écart simulation-réel des méthodes VLA. Le travail s'inscrit dans la lignée des benchmarks de manipulation robotique standardisés LIBERO, LIBERO-PRO et RoboTwin 2.0, utilisés pour comparer des politiques VLA comme LingBot-VLA ou π0.5. Il s'agit à ce stade d'une publication de recherche, un preprint arXiv, sans déploiement industriel annoncé ni acteur commercial identifié. Les suites attendues sont une revue par les pairs et une éventuelle intégration dans des frameworks VLA ouverts déjà utilisés par la communauté robotique.

Recherche❖Paper

1 source

43

3050arXiv cs.RO 

Sensibilisation bimanuelle avec 8 Go de mémoire : détection à copie nulle et ACT quantifié sur un Jetson d'entrée de gamme

Un système de manipulation bimanuelle SO-101 fonctionne intégralement sur un NVIDIA Jetson Orin Nano Super (8 Go), l'entrée de gamme de la ligne embarquée de Nvidia, une RTX 3070 de bureau ne servant qu'à l'entraînement hors ligne, sur une tâche de préhension-dépôt d'un sac à billes déformable. Un pipeline GStreamer à buffers NVMM supprime les copies redondantes des trois flux caméra ; contre l'hypothèse de départ, la mémoire n'était pas le facteur limitant, mais le zero-copy réduit l'utilisation crête d'un cœur CPU de 98,0% à 77,0% et la latence pire-cas de 117,31 ms à 101,52 ms. Sur les mêmes démonstrations, ACT (100 000 pas d'entraînement) atteint 19 succès sur 20 essais, contre 0 sur 10 pour Diffusion Policy (200 000 pas). Converti en TensorRT, ACT passe de 114,02 ms à 17,93 ms en FP16 (6,4x) puis 12,65 ms en INT8 (9,0x), sans perte de réussite (19/20, 18/20, 19/20). Ces résultats déplacent le vrai goulot d'étranglement du déploiement embarqué : pas la mémoire, mais le calcul CPU et la latence pire-cas, un critère central pour les intégrateurs visant du matériel bas coût plutôt que des GPU de datacenter. L'écart net entre ACT et Diffusion Policy, à budget d'entraînement comparable, questionne la préférence actuelle du secteur pour les politiques de diffusion et pourrait orienter les équipes robotiques vers des architectures plus simples pour un déploiement rapide. La quantification INT8 sans perte de fiabilité démontre qu'une politique de type VLA peut tourner en temps réel sur du matériel d'entrée de gamme, un argument concret contre le scepticisme habituel sur l'écart entre démonstration en labo et usage réel. Ce travail comble un manque documenté : les politiques bimanuelles sont presque toujours évaluées sur des postes de travail ou des GPU de datacenter, laissant le coût réel du portage embarqué largement inconnu, un angle mort face aux communications des fabricants de robots humanoïdes comme Figure ou Optimus, peu diserts sur leurs contraintes de calcul embarqué. Les auteurs documentent aussi deux résultats inédits sur ACT : la calibration INT8 générique de TensorRT quantifie le squelette ResNet18 mais n'accepte aucune des 145 couches du transformer, ce qui explique un gain de taille négligeable (0,9%) malgré 28% de latence en moins ; et le besoin de quantification dépend du chunking d'action, une politique restant utilisable en pleine précision à 100 pas d'action mais pas avec un ré-échantillonnage à chaque pas (temporal ensembling).

Recherche❖Paper

1 source