Actualités robotique — page 67

4 559 articles au fil, du plus récent au plus ancien.

36

3301arXiv cs.RO 

Politique de flux plus régulière pour le chunking d'actions via guidage orthogonal par région de confiance avec correction de prior

Des chercheurs ont déposé en mai 2026 sur arXiv (arXiv:2605.24433) une méthode baptisée POTR (Prior-corrected Orthogonal Trust-Region) pour résoudre un problème persistant des politiques robotiques basées sur le flow-matching : les discontinuités aux frontières de chunk. Dans ces architectures, l'inférence en boucle fermée repose sur l'action chunking, soit la génération de séquences d'actions prédites simultanément, mais les transitions entre chunks successifs produisent des à-coups mécaniques mesurables en accélération et en jerk. POTR apporte deux modifications à la guidance RTC (Real-Time Correction) existante : l'intégration d'une échelle de prior de données σ_d pour renforcer la correction aux timesteps intermédiaires du débruitage, et une décomposition du vecteur correctif en composantes parallèle et perpendiculaire à la vitesse de débruitage, la composante perpendiculaire étant contrainte dans une trust region. Évalué sur le benchmark LIBERO avec la politique π0.5, POTR améliore le taux de succès de tâche et réduit de manière consistante la discontinuité, l'accélération et le jerk aux frontières de chunk par rapport à RTC. L'action chunking est central aux politiques de diffusion et flow-matching modernes : il accélère l'inférence en prédisant plusieurs pas futurs en une passe, au prix de jonctions problématiques entre séquences. En pratique, ces discontinuités ne sont pas qu'un artefact théorique : elles induisent des vibrations mécaniques, sollicitent les actionneurs, et peuvent déclencher des arrêts de sécurité sur des systèmes industriels ou médicaux. POTR améliore simultanément la performance de tâche et la sécurité mécanique, deux critères directement liés au déploiement en production. Les ablations de l'article clarifient la contribution de chaque composante : le poids corrigé par le prior apporte l'essentiel du gain correctif, la trust region orthogonale stabilisant le débruitage sans introduire de dégradation longitudinale. Ce travail s'inscrit dans l'écosystème des politiques flow-matching type π0 et π0.5 (Physical Intelligence) et des politiques de diffusion comme Diffusion Policy (Columbia), dont l'action chunking popularisé par ACT (Action Chunked Transformer, Stanford, 2023) est resté le standard d'inférence en boucle fermée. RTC, la méthode que POTR améliore, avait déjà tenté d'adresser la continuité des transitions mais souffrait d'un schéma de pondération insuffisant en milieu de débruitage et d'une direction de correction non contrainte latéralement. Les affiliations institutionnelles des auteurs ne sont pas précisées dans le résumé arXiv disponible. Une validation sur robots physiques réels, au-delà du simulateur LIBERO, et sur des architectures de base autres que π0.5 constituerait l'étape logique avant toute intégration industrielle.

Recherche❧Opinion

1 source

36

3302arXiv cs.RO 

Apprentissage de compétences motrices transférables pour des tâches robotiques adaptées à la géométrie des surfaces

Des chercheurs ont déposé sur arXiv (référence 2605.24881) un cadre modulaire visant à améliorer la robotique de surface sur des tâches comme la peinture par pulvérisation ou le soudage. L'idée centrale : séparer la planification géométrique du chemin et l'exécution experte du mouvement, deux problèmes que les approches actuelles couplent trop étroitement. Le savoir-faire opérateur est formalisé comme un vocabulaire de règles motrices atomiques interprétables - scaling de vitesse, offsets d'orientation - appliquées en surcouche d'un chemin planifié classiquement. Un réseau de neurones multimodal apprend à inférer les paramètres de ces règles à partir de trajectoires cinématiques et de géométrie CAO. L'évaluation porte sur des objets en L et en forme de fenêtre en simulation dynamique, où le modèle extrait correctement les règles de vitesse et d'orientation sur les deux topologies. L'enjeu est direct pour les intégrateurs industriels : la peinture et le soudage robotisés restent des domaines où les opérateurs experts surpassent les robots sur la qualité de surface. Le principal apport de l'approche est la transferabilité géométrique - une limitation connue du learning from demonstration, où les modèles entraînés sur une pièce échouent généralement sur des géométries différentes. En découplant expertise et géométrie, le framework permet théoriquement d'appliquer des règles apprises sur une forme simple à des pièces variées sans réentraînement complet. La représentation interprétable par règles atomiques offre également un levier de validation pour les ingénieurs procédés, critère souvent déterminant en aéronautique et automobile où les certifications imposent une traçabilité des décisions système. Cette publication s'inscrit dans la lignée des travaux sur les primitives motrices (DMP, ProDMP) mais avec une couche d'inférence CAO explicite, une direction explorée aussi par des équipes à Berkeley, ETH Zurich et l'INRIA. À noter que l'évaluation reste entièrement en simulation - aucun résultat sur robot physique n'est présenté, ce qui limite les conclusions sur le transfert sim-to-real effectif. Les prochaines étapes naturelles seraient une validation sur bras 6-DOF (UR10, FANUC) et un test sur des surfaces courbées continues, bien plus représentatives des conditions industrielles réelles que les géométries à arêtes vives utilisées ici.

Recherche❖Paper

1 source

36

3303arXiv cs.RO 

ECo-MoE : mélange d'experts conditionné par l'incarnation pour accroître l'évolvabilité des robots

Des chercheurs ont publié fin mai 2026 sur arXiv (arXiv:2605.24225) un nouveau cadre d'apprentissage et d'évolution pour robots baptisé ECo-MoE (Embodiment-Conditioned Mixture of Experts). L'architecture co-optimise simultanément une distribution de vecteurs de conception latents, assimilables à des génotypes, et un ensemble de modules de contrôle spécialisés, ou "experts", dont l'activation est conditionnée par les coordonnées latentes du morphotype décodé. Concrètement, chaque plan corporel d'un robot active ou désactive dynamiquement des combinaisons distinctes de circuits sensorimoteurs appris, permettant un comportement orienté objectif adapté à la morphologie instanciée. Le projet est accompagné de vidéos et d'un code open source disponibles sur eco-moe.github.io. L'intérêt principal de cette approche réside dans le compromis qu'elle propose entre deux extrêmes bien documentés du co-design robotique : entraîner une politique individuelle pour chaque morphologie (coûteux en calcul, non scalable) ou entraîner un contrôleur universel monolithique pour toutes les morphologies (résultat trop conservateur, comportements sous-optimaux). ECo-MoE préserve la connaissance accumulée au fil des générations dans un cadre unifié mais modulaire, où une partie du contrôleur peut être remaniée pour s'adapter à une nouvelle famille de designs sans perturber les modules experts déjà consolidés. Les auteurs introduisent également le concept d'"evo by demo" : des politiques pré-entraînées peuvent être directement injectées dans le mélange d'experts pour orienter l'évolution vers des régions de l'espace latent contenant des caractéristiques morphologiques souhaitées, ce qui constitue un levier de contrôle éditorial sur l'évolution libre. Ce travail s'inscrit dans une ligne de recherche active autour de la neuro-évolution et du co-design morphologie/contrôle, dont les jalons récents incluent les travaux sur les politiques universelles (ex : pi0 de Physical Intelligence, GR00T N2 de NVIDIA) et les architectures transformer appliquées à l'évolution robotique. La différence revendiquée par rapport aux approches VLA généralistes est la modularité explicite : là où les grands modèles de politique tendent à absorber toute la diversité morphologique dans un seul réseau dense, ECo-MoE structure cette diversité via le routage conditionné. Il s'agit pour l'instant d'un preprint académique sans déploiement industriel annoncé, et les benchmarks présentés portent sur des robots simulés, ce qui laisse entier le classique gap simulation-réalité.

Recherche❖Paper

1 source

35

3304arXiv cs.RO 

DELTA : conception et contrôle d'un multirotor transformable pour la locomotion hybride air-sol et la manipulation

DELTA est un robot multirotor multilink capable, sur un même châssis transformable, de rouler sur le sol, de voler et de manipuler des objets dans les deux environnements. Publié sur arXiv (2403.06636v2), ce travail de recherche présente un prototype fonctionnel dont l'architecture distribue les propulseurs sur chacun des segments articulés du robot, plutôt que de les centraliser sur un corps rigide. Le système exploite l'actionnement des articulations pour passer d'un mode à l'autre et exécuter des tâches de manipulation, en s'appuyant sur un modèle cinématique dit "minimal configuration" décrit en détail par les auteurs. L'enjeu central est structurel : les multirotors classiques équipés de bras manipulateurs souffrent d'un problème de compatibilité entre les degrés de liberté nécessaires à la manipulation et la stabilité lors des contacts au sol. En répartissant les propulseurs sur chaque maillon, DELTA contourne ce compromis. Les auteurs proposent en parallèle une méthode de contrôle temps réel basée sur une optimisation non linéaire qui gère simultanément les contacts et les mouvements articulaires, applicable selon eux à diverses plateformes multirotor. Ils revendiquent une première mondiale pour la combinaison locomotion air-sol et manipulation sur un multirotor multilink, affirmation à prendre dans son contexte académique strict : il s'agit d'un prototype de laboratoire, sans données de charge utile, de temps de cycle ou d'endurance publiées dans l'abstract. Ce travail s'inscrit dans une dynamique de recherche sur les robots multimodaux qui s'intensifie depuis une décennie : quadrupèdes volants (ETH Zürich, Caltech), drones à bras articulés (TU Delft, CMU), robots amphibies. L'originalité de DELTA réside dans l'unification des trois capacités dans une architecture sans châssis rigide central. Côté compétiteurs académiques directs, les plateformes Voliro (ETH) ou les travaux sur multirotors omnidirectionnels offrent des points de comparaison pertinents. Les étapes naturelles seraient de publier des métriques de performance (autonomie, payload, précision de manipulation) et de tester dans des scénarios applicatifs concrets, notamment l'inspection de structures ou la maintenance en environnement contraint, où une telle polyvalence air-sol aurait une valeur opérationnelle réelle.

Recherche❖Paper

1 source

35

3305arXiv cs.RO 

Afford-VLA : planification visuelle alignée sur les actions via l'affordance internalisée

Une équipe de chercheurs publie Afford-VLA (arXiv:2605.24203, mai 2026), un cadre unifié pour améliorer le raisonnement spatial des modèles vision-langage-action (VLA) appliqués à la manipulation robotique. Le problème ciblé est précis : les VLA actuels peinent à déterminer où interagir dans des scènes visuelles complexes, une lacune qui limite leur généralisation sur des tâches de manipulation réelle. Afford-VLA internalise l'affordance conditionnée par la tâche comme interface de planification visuelle explicite au sein du modèle lui-même : des tokens apprenables interrogent les régions d'interaction pertinentes, des masques d'affordance sont décodés depuis les représentations multimodales, puis convertis en embeddings compacts qui conditionnent directement la prédiction d'action. Le système est évalué sur LIBERO, LIBERO-Plus et SimplerEnv, trois bancs de test simulés standards en manipulation, ainsi que sur des expériences en conditions réelles. Les auteurs revendiquent des performances état-de-l'art sur ces benchmarks, sans toutefois détailler les métriques précises dans l'abstract. L'intérêt architectural réside dans le couplage serré entre perception et action : contrairement aux approches existantes qui génèrent des signaux visuels intermédiaires de manière externe ou recourent à des représentations symboliques faiblement reliées au contrôle moteur, Afford-VLA génère et consomme l'affordance au sein du même pipeline. Ce choix évite le découplage habituel entre planification visuelle et prédiction d'action, un problème récurrent dans les VLA de première génération. Pour un intégrateur ou un COO industriel, le message pratique est que la localisation explicite et locale du point d'interaction, plutôt qu'un raisonnement global sur la scène, pourrait réduire le sim-to-real gap sur des tâches de pick-and-place ou d'assemblage en environnement non structuré. Le domaine VLA est aujourd'hui très actif : Physical Intelligence (Pi-0), NVIDIA (GR00T N2), Figure AI (Helix) et de nombreux laboratoires académiques ont chacun leur approche de la planification visuelle pour la manipulation généraliste. Ce preprint s'inscrit dans une vague de travaux cherchant à combler la faiblesse spatiale des VLA après les premières générations de modèles de type RT-2 ou OpenVLA. Aucun déploiement industriel n'est annoncé et aucun partenaire opérationnel n'est mentionné : il s'agit d'un papier de recherche préliminaire non encore évalué par les pairs, dont les résultats reels devront être confirmés dans des conditions de production.

IA physique❧Opinion

1 source

35

3306arXiv cs.RO 

HeLoM : apprentissage hiérarchique pour la locomotion et la manipulation corps entier par un robot hexapode

Des chercheurs ont publié sur arXiv (arXiv:2509.23651v3) HeLoM, un framework hiérarchique d'apprentissage pour la manipulation whole-body par un robot hexapode. L'objectif central est la manipulation non-préhensile, c'est-à-dire pousser des objets sans les saisir, une stratégie qui contourne la complexité de la conception de prises tout en exploitant le contact direct pour contrôler la pose d'un objet. Le système repose sur une architecture à deux niveaux : un planificateur haut niveau qui définit les comportements de poussée, et un contrôleur bas niveau qui maintient la stabilité locomotrice et génère des commandes articulaires dynamiquement cohérentes. En pratique, les pattes avant assurent l'interaction avec l'objet tandis que les pattes arrière fournissent la propulsion. Les expériences en monde réel montrent que le robot peut pousser des objets de tailles et propriétés physiques variées, et a priori inconnues, vers des poses cibles définies. L'intérêt de HeLoM pour le secteur robotique tient à deux points. Premièrement, il démontre qu'un système hexapode peut réaliser une manipulation efficace sans bras ni préhension, en mobilisant la totalité de la cinématique du corps, une approche qui s'applique par extension à d'autres plateformes multi-pattes. Deuxièmement, la robustesse face aux propriétés inconnues de l'objet (masse, forme irrégulière) illustre un progrès sur le gap sim-to-real : le framework, validé en simulation, transfère dans le monde physique sans connaissance a priori des paramètres de l'objet. Pour un intégrateur industriel, cela signifie potentiellement une manipulation de charges lourdes ou encombrantes sans recourir à un bras robotique dédié. L'approche s'inscrit dans un courant plus large de recherche sur la loco-manipulation whole-body, où des laboratoires comme ETH Zurich (ANYmal), Carnegie Mellon (loco-manipulation quadrupède) et Boston Dynamics travaillent à unifier locomotion et manipulation dans un cadre unique. HeLoM se distingue en ciblant spécifiquement l'hexapode, morphologie plus stable mais moins explorée que le quadrupède pour la manipulation. La publication est un preprint arXiv (version 3), sans mention de déploiement industriel ni de partenariat. Les prochaines étapes naturelles seraient l'extension à des comportements de tirage ou de levage, et des tests sur des charges plus importantes avec mesure explicite du payload maximal, absent des résultats actuellement publiés.

Recherche❖Paper

1 source

35

3307arXiv cs.RO 

RePlan-Bot : replanification à plusieurs niveaux pour le suivi d'instructions par IA incarnée

Une équipe de recherche a publié fin mai 2026 un preprint arXiv (2605.25851) présentant RePlan-Bot, un agent conçu pour l'exécution d'instructions en langage naturel dans des environnements 3D interactifs, un champ désigné sous le terme Embodied Instruction Following (EIF). Le système repose sur trois couches complémentaires : un auditeur de haut niveau basé sur un LLM, qui ajuste dynamiquement les sous-objectifs en fonction des retours de l'environnement ; un mécanisme de recherche guidé par le sens commun, s'appuyant sur une carte d'instances multi-couches pour localiser précisément les objets ; et un correcteur léger basé sur un Vision Transformer (ViT), chargé de détecter et corriger les actions bas niveau à risque avant qu'elles ne causent des erreurs irréversibles. Évalué sur le benchmark ALFRED (Action Learning From Realistic Environments and Directives), RePlan-Bot revendique des performances à l'état de l'art dans les environnements vus et non vus, bien que l'abstract ne fournisse aucun chiffre précis de taux de succès ni comparaisons numériques explicites. L'intérêt de cette architecture pour les équipes d'IA embarquée réside dans sa gestion du replanning continu face aux changements d'état irréversibles, un point de défaillance classique des systèmes de planification hiérarchique. En robotique de service ou en manipulation d'objets, une action mal exécutée (déplacer un objet au mauvais endroit, ouvrir un conteneur prématurément) peut invalider l'ensemble du plan en cours. RePlan-Bot adresse ce problème via un audit permanent pendant l'exécution, ce qui le distingue des approches plan-then-execute qui supposent un environnement statique. La combinaison LLM haute-décision et ViT basse-exécution reflète une tendance structurante dans les architectures VLA (Vision-Language-Action) actuelles : déléguer la supervision sémantique à un modèle de langage, et la correction réactive à un modèle vision plus léger et plus rapide. Le benchmark ALFRED, publié par l'Allen Institute for AI en 2020, reste la référence dominante pour l'EIF en simulation (environnement iTHOR), mais son écart avec les conditions réelles (manipulation physique, bruit sensoriel, variabilité des objets) est bien documenté dans la littérature. RePlan-Bot s'inscrit dans un champ de recherche concurrentiel qui inclut des travaux comme FILM et HLSM, ainsi que des approches VLA plus récentes comme OpenVLA ou Pi-0 de Physical Intelligence. Aucun déploiement matériel ni partenariat industriel n'est mentionné dans le preprint : il s'agit d'une contribution académique en environnement simulé, et la question du transfert sim-to-real, centrale pour tout intégrateur, reste entière.

Recherche❧Opinion

1 source

35

3308arXiv cs.RO 

Polymander II : un robot amphibie inspiré de la salamandre, équipé de capteurs de contact et de flux

Polymander II est un robot amphibie à architecture vermiforme inspirée de la salamandre, présenté dans un preprint arXiv (référence 2605.24465). L'équipe a intégré des capteurs à effet Hall pour mesurer simultanément deux types de forces : les forces de contact au sol lors de la locomotion terrestre, et les forces hydrodynamiques latérales en milieu aquatique. Le système repose sur deux bus de données parallèles capables d'acquérir des informations extéroceptives à plus de 500 Hz et des données proprioceptives (positions articulaires, charges) à 100 Hz. La compacité des capteurs Hall autorise leur placement en plusieurs points du corps, et leur principe de fonctionnement sans contact mécanique direct avec l'objet mesuré simplifie considérablement l'étanchéification, un problème chronique pour l'instrumentation en milieu immergé. L'apport principal est de combler un angle mort récurrent en robotique amphibie : la majorité des robots multi-modes naviguent sans retour sensoriel extéroceptif, essentiellement "en aveugle" face aux perturbations de terrain ou de courant. Disposer d'une boucle de retour à 500 Hz sur les efforts de contact ouvre la voie à un contrôle adaptatif en temps réel, condition nécessaire pour des applications sérieuses en inspection d'infrastructures côtières, en surveillance de cours d'eau ou en sauvetage en milieu inondé. Ce taux d'acquisition est comparable aux standards des bras industriels, ce qui rend la fusion avec des algorithmes de contrôle classiques directement praticable. Il convient néanmoins de signaler que les résultats présentés restent préliminaires : les conditions précises des essais (vitesse de courant, topographie, durée des sessions) ne sont pas détaillées dans l'abstract, et le travail est à ce stade une soumission arXiv, pas un déploiement validé en conditions opérationnelles. Polymander II s'inscrit dans la lignée académique des robots salamandre, dont les fondations ont été posées par l'EPFL (Lausanne) avec Salamandra robotica dès la fin des années 2000, qui introduisait la locomotion amphibie par oscillateurs couplés. Dans le panorama actuel, les concurrents académiques incluent ACM-R5H du Hirose Lab (Tokyo Tech) et diverses plateformes à transition eau-terre développées à Yale et Carnegie Mellon, mais aucune ne semble combiner contact sensing terrestre et sensing hydrodynamique dans un bus intégré à cette fréquence. La prochaine étape annoncée est l'exploitation de ce retour sensoriel pour des tâches de locomotion complexe en contrôle en boucle fermée, sans calendrier précis communiqué.

Recherche❖Paper

1 source

35

3309arXiv cs.RO 

Approximation de la sécurité sans oracle de sécurité via la commande prédictive par modèle

Des chercheurs ont publié sur arXiv (référence 2510.20955v2) un algorithme permettant de vérifier la sécurité des décisions d'un robot mobile sans disposer d'un oracle de sécurité formel. Les approches classiques exigent soit des contraintes explicitement modélisées, soit des données annotées manuellement comme sûres ou dangereuses, deux méthodes coûteuses en ingénierie et sources d'erreurs. L'algorithme proposé contourne ce besoin via un simulateur : avant d'exécuter une action, le système la projette dans le simulateur vers un état futur, puis utilise l'algorithme Model-Predictive Path Integral (MPPI) pour vérifier l'existence d'un chemin de retour vers un état antérieur de la trajectoire. Sous une hypothèse d'invariance positive sur l'espace des états dangereux, si ce chemin de retour existe, l'état courant est mathématiquement garanti hors de la zone à risque. Les expériences montrent que la méthode approche les performances d'un oracle réel, en limitant notamment les faux négatifs, c'est-à-dire les cas où un état dangereux serait classifié à tort comme sûr. L'enjeu pratique est réel pour le déploiement des AMR (Autonomous Mobile Robots) en environnements industriels non structurés. La dépendance aux annotations manuelles de sécurité constitue un goulot d'étranglement majeur : chaque changement de site ou de configuration peut invalider les contraintes précédemment formulées. En exploitant les contraintes implicites déjà encodées dans les simulateurs physiques modernes, cette approche rend les systèmes de contrôle sûr plus généralisables, sans réécriture à chaque nouveau déploiement. Éliminer les faux négatifs est critique : c'est le scénario où un robot exécute une action jugée sûre à tort, avec des conséquences potentiellement irréversibles en conditions réelles. MPPI est un algorithme de planification par échantillonnage stochastique, initialement développé à Georgia Tech dans les travaux de Grady Williams et Evangelos Theodorou, et depuis repris dans de nombreux travaux sur la navigation autonome et les véhicules sans conducteur. Son utilisation ici comme outil de vérification de réversibilité plutôt que de planification directe constitue l'originalité méthodologique centrale de la contribution. Le travail s'inscrit dans un courant de recherche actif sur la sécurité sans supervision dense, aux côtés des Control Barrier Functions (CBF) appris par données et du safe reinforcement learning. L'article reste une contribution académique avec résultats en simulation uniquement, sans partenaire industriel ni déploiement annoncé. La prochaine étape naturelle serait une validation sur hardware réel dans des environnements aux contraintes implicites complexes et une comparaison quantitative avec des méthodes CBF classiques sur des benchmarks standardisés.

Recherche❖Paper

1 source

35

3310arXiv cs.RO 

HumanFlow : navigation de drone MAV parmi les humains par diffusion, avec suivi, prévision et contrôle du mouvement

Des chercheurs ont publié en mai 2026 un préprint arXiv (arXiv:2605.25685) présentant HumanFlow, un modèle de diffusion latente conçu pour la navigation de drones autonomes (MAVs, Micro Aerial Vehicles) dans des espaces peuplés. L'architecture unifie deux tâches habituellement traitées séparément : le suivi de la position 3D des personnes en temps réel (tracking) et la prédiction de leurs trajectoires futures (forecasting), le tout conditionné sur le contexte 3D de la scène environnante. La politique de contrôle associée repose sur un MPC (Model Predictive Control) approché par correspondance de flux (flow-matching), couplé directement à l'espace latent du modèle de perception. Les validations ont été conduites en simulation, en rejouant des trajectoires humaines réelles. Les auteurs annoncent de meilleures performances de tracking que les méthodes de référence, avec une efficacité computationnelle supérieure, et une navigation sans collision maintenue même en cas de visibilité partielle ou d'occultations sévères. L'apport central de HumanFlow est ce couplage serré (tight coupling) entre la perception humaine et la commande du robot, une intégration rarement réalisée dans la littérature de navigation sociale. Les systèmes existants échouent fréquemment lorsque des personnes sont partiellement masquées, produisant des estimations incohérentes avec la scène qui dégradent la sécurité et l'efficacité opérationnelle. En générant des prédictions de mouvement lisses et physiquement plausibles y compris sous occultation forte, le modèle réduit ce point de défaillance critique. Pour les intégrateurs de drones en environnement industriel, logistique ou public, c'est l'une des principales barrières à la certification : garantir la détection fiable des humains dans les angles morts. La démonstration que l'espace latent d'un modèle de diffusion peut directement piloter un contrôleur MPC ouvre une voie architecturale potentiellement transposable à des robots au sol ou des bras manipulateurs évoluant aux côtés d'opérateurs. HumanFlow s'inscrit dans un courant de recherche actif sur la navigation sociale robotique, dominé jusque-là par des approches basées sur des estimateurs déterministes ou des réseaux de prédiction de trajectoires tels que les architectures LSTM et Transformer. L'utilisation de modèles de diffusion pour la prédiction de mouvements humains est récente, apparue au milieu des années 2020, et HumanFlow en est l'une des premières applications directement couplées au contrôle. Ses concurrents directs incluent des pipelines séparant explicitement perception, prédiction et planification. Il faut noter que les validations restent entièrement en simulation : aucun déploiement physique sur drone réel n'est rapporté dans ce préprint, ce qui laisse ouverte la question du sim-to-real gap pour cette classe de modèles génératifs. Les prochaines étapes logiques seraient des essais sur MAV réel en environnement semi-contrôlé.

Recherche❖Paper

1 source

35

3311arXiv cs.RO 

Couverture ergodique de surface par méthode variationnelle de Stein avec contraintes SE(3)

Une équipe de recherche a publié sur arXiv (référence 2603.09458, troisième révision) une méthode de planification de trajectoire pour robots manipulateurs chargés de couvrir des surfaces 3D complexes. L'approche, baptisée SVGD préconditionné sur SE(3), s'attaque à deux limites reconnues des méthodes d'optimisation de trajectoires ergodiques existantes : la gestion des nuages de points comme cibles de couverture, et le traitement correct des contraintes SE(3), c'est-à-dire les six degrés de liberté de pose rigide de l'effecteur (trois en translation, trois en rotation). La méthode reformule le problème de couverture ergodique comme un problème d'échantillonnage sur variété, dérive des mises à jour de particules SVGD spécifiques à SE(3), et introduit un préconditionneur pour accélérer la convergence. Les auteurs la valident sur un benchmark de couverture de surfaces par nuage de points 3D et sur des expériences réelles de dessin sur surface avec un robot physique. Aucune métrique chiffrée précise (taux de couverture, temps de calcul absolu) n'est publiée dans l'abstract, ce qui limite l'évaluation indépendante à ce stade. L'enjeu industriel derrière ce travail est concret : ponçage, peinture, inspection par contact, soudage de joints complexes et décontamination de surfaces irrégulières constituent des cas d'usage où un robot doit couvrir une géométrie arbitraire tout en maintenant une orientation d'outil précise. Les méthodes d'optimisation de trajectoires classiques peinent à naviguer les paysages d'optimisation non-convexes que génèrent ces surfaces, et les techniques dites d'échantillonnage-comme-optimisation (SAO) ignoraient jusqu'ici la structure géométrique de SE(3), ce qui produisait des trajectoires mécaniquement incohérentes. Le fait que la méthode proposée identifie systématiquement de meilleurs optima locaux que les baselines tout en restant calculatoirement tractable est une avancée utile pour les intégrateurs cherchant à automatiser des opérations de finition en aéronautique ou en automobile, secteurs où la complétude de couverture est un critère qualité critique. La trajectoire ergodique s'impose progressivement comme cadre théorique de référence pour les tâches d'exploration et de couverture en robotique, au-delà des grilles de déplacement traditionnelles. Le Stein Variational Gradient Descent est lui-même une technique d'inférence variationnelle popularisée depuis 2016 par Liu et Wang, dont l'adaptation aux variétés de Lie comme SE(3) est un problème ouvert actif. Du côté applicatif, des acteurs comme Wandercraft (exosquelettes, France) ou des intégrateurs de cellules de peinture robotisée explorent des contraintes de trajectoire similaires, bien que dans des cadres différents. La prochaine étape logique pour ce travail serait une validation sur des surfaces industrielles réelles à haute courbure et sur des robots à sept axes ou plus, ainsi qu'une comparaison quantitative avec des planificateurs commerciaux comme ceux de ROS MoveIt ou de Hyperthought.

Recherche❖Paper

1 source

35

3312arXiv cs.RO 

RoboHitch : apprentissage des affordances visuelles à partir de points-clés désordonnés pour le nouage de nœuds d'attelage

Des chercheurs ont publié début juin 2026 sur arXiv (référence 2605.24394) RoboHitch, un framework dédié au nouage de cordes par robot manipulateur, appliqué aux objets linéaires déformables (DLOs). La méthode repose sur des points-clés 3D non ordonnés combinés à des images RGB, sans nécessiter de suivi topologique explicite de la corde. L'architecture mobilise un Graph Autoencoder dynamique pour extraire des caractéristiques géométriques à partir de points-clés non trackés, un Autoencoder convolutionnel pour capturer le contexte visuel, et un mécanisme de cross-attention bidirectionnel qui fusionne ces deux modalités pour prédire conjointement les affordances de pick-and-place. L'entraînement s'effectue par imitation de démonstrations humaines. Les expériences en conditions réelles démontrent que le système parvient à réaliser des noeuds de cabestan (hitch knots) même en présence d'auto-occultations de la corde, un scénario particulièrement difficile à gérer pour les approches existantes. L'intérêt principal de ce travail réside dans l'abandon du suivi de topologie explicite, source récurrente d'échecs dans la manipulation de DLOs. Les méthodes antérieures s'appuient sur des points-clés ordonnés et une connectivité d'arêtes définie, ce qui les rend vulnérables aux dérives de tracking et aux incohérences topologiques lors des croisements répétés de la corde. RoboHitch contourne ce problème en raisonnant implicitement sur l'état de la corde via la fusion multimodale, ce qui représente un changement d'approche notable pour les intégrateurs travaillant sur l'assemblage de faisceaux de câbles, la robotique chirurgicale ou l'automatisation industrielle de liage. La manipulation de DLOs est un problème ouvert depuis plusieurs années en robotique, avec des travaux notables notamment de Berkeley, Stanford et des équipes européennes sur la chirurgie robotique mini-invasive. Les approches concurrentes incluent des méthodes basées sur la simulation (sim-to-real) et des réseaux de type VLA (Vision-Language-Action), mais peu traitent explicitement les noeuds complexes avec auto-occultation. Ce travail reste à ce stade un preprint non évalué par les pairs, avec des tests réels dont l'échelle et la diversité des scénarios ne sont pas précisés dans l'abstract, ce qui invite à la prudence sur la généralisation revendiquée avant publication dans une conférence de robotique de premier plan.

Recherche❖Paper

1 source

34

3313arXiv cs.RO 

Diffusion à somme de coûts avec guidage dynamique pour la planification de mouvement

Une équipe de recherche publie en mai 2026 (arXiv:2605.24690) une nouvelle méthode de planification de trajectoires pour la manipulation robotique, basée sur les modèles de diffusion. L'approche, baptisée "Sum of Costs Diffusion with Dynamic Guidance", guide le processus de débruitage du modèle de diffusion par le gradient du coût total de collision, c'est-à-dire la somme des coûts de collision sur l'ensemble de la trajectoire candidate. Autre contribution clé : une heuristique dynamique pour sélectionner l'étape de départ à partir de laquelle ce guidage par gradient est activé. Sur le benchmark Mπnets, un jeu de données de référence pour la planification en environnements encombrés, la méthode obtient les meilleures performances parmi l'ensemble des approches comparées. La généralisation reste le verrou principal de la planification de mouvement en manipulation robotique. Les planificateurs classiques (familles RRT, OMPL) peinent à s'adapter à de nouveaux environnements sans replanification coûteuse, tandis que les approches deep learning souffrent d'une généralisation limitée hors distribution. Le guidage par gradient de coût de collision, appliqué dynamiquement au cours du débruitage, offre une alternative : le modèle ajuste la trajectoire en continu selon la géométrie réelle de la scène, sans retraining. La sélection dynamique du step de départ du guidage adresse un problème connu des modèles de diffusion guidés, le compromis entre force du guidage et diversité des échantillons. Les résultats sur la diversité des configurations de test de Mπnets soutiennent l'hypothèse que cette formulation est plus robuste que les stratégies de guidage par coût ponctuel utilisées dans les travaux antérieurs. Cela dit, l'article est une prépublication non encore révisée par les pairs, et les métriques gagneraient à être validées sur des benchmarks physiques réels. L'intérêt pour les modèles de diffusion en planification robotique s'est accéléré depuis 2023 avec des travaux comme Diffusion Policy (Chi et al.) ou SE(3)-DiffusionFields. Les approches concurrentes directement comparées incluent MPinets et CuRobo (NVIDIA), deux méthodes learning-based de référence sur Mπnets. La méthode proposée s'inscrit dans un courant qui cherche à marier la flexibilité générative des modèles de diffusion avec des contraintes de sécurité physique (évitement de collision) sans passer par un planificateur externe. La prochaine étape logique sera une validation sur hardware réel et des environnements dynamiques, conditions nécessaires pour que ce type d'approche intéresse les intégrateurs industriels.

Recherche❖Paper

1 source

34

3314arXiv cs.RO 

Quand la recherche devient mémoire : transformer les essais de conception robotique en compétences transférables

Une équipe de chercheurs propose Auto-Robotist (arXiv:2605.25832, mai 2026), un agent LLM auto-évolutif pour la conception morphologique de robots. Contrairement aux boucles évolutionnaires classiques où les résultats du simulateur guident la prochaine population sans être conservés, Auto-Robotist distille chaque trace de recherche en une bibliothèque de compétences en langage naturel. Chaque entrée stocke un archétype structurel, des règles positives et négatives étayées par les évaluations, et les designs associés. Lors de la recherche, l'agent récupère ces compétences pour guider les éditions LLM des meilleures morphologies tout en maintenant un chemin de mutation par algorithme génétique (GA) ; après évaluation, la bibliothèque est mise à jour via trois opérations : Ajout, Diagnostic, Fusion. Sur sept tâches EvoGym couvrant locomotion, franchissement d'obstacles et interaction avec des objets, le système améliore la recherche à froid en espace 5x5 et transfère les compétences vers des espaces 10x10, surpassant le GA sur l'ensemble des tâches. L'enjeu central est économique : les évaluations en simulation coûtent cher en calcul, et les GA classiques les oublient à chaque génération. Auto-Robotist les convertit en principes réutilisables et auditables, ce qui modifie la logique des pipelines de conception robotique. La lisibilité de la bibliothèque (des règles en langage naturel plutôt que des poids implicites dans un réseau) permet à un ingénieur d'inspecter et de corriger les décisions de conception, un critère de plus en plus central en contexte industriel. Le transfert inter-espaces sans réentraînement complet est prometteur pour les workflows de conception accélérée, même si les résultats restent pour l'instant limités à EvoGym, un simulateur 2D. L'utilisation des LLM dans les boucles évolutionnaires est un champ actif depuis 2023-2024, avec EUREKA (NVIDIA) pour la génération de fonctions de récompense ou EvoPrompting pour l'architecture neuronale. Auto-Robotist se distingue en ciblant directement la morphologie physique et en rendant la mémoire de recherche explicite et transférable, là où les autres approches restent implicites ou spécialisées. EvoGym est un simulateur 2D open-source standardisé pour la co-évolution morphologie-contrôle, ce qui garantit la reproductibilité des comparaisons. Le code sera publié à l'acceptation de l'article ; les prochaines étapes naturelles seraient une validation sur des simulateurs physiques plus réalistes comme MuJoCo ou IsaacSim, et une intégration dans des pipelines de conception hardware assistée par IA.

Recherche❖Paper

1 source

33

3315arXiv cs.RO 

MuGen : un contrôleur de locomotion multi-compétences pour robots humanoïdes

Des chercheurs ont publié le 26 mai 2026 sur arXiv un article présentant MuGen (Multi-Skill Generative Locomotion Controller), un framework d'apprentissage automatique visant à doter les robots humanoïdes d'une locomotion polyvalente et expressive. Le système repose sur des auto-encodeurs à quantification vectorielle (VQ-VAEs) entraînés par apprentissage par renforcement basé sur des modèles, combinés à un pipeline dit "enseignant-élève" avec distillation de politique. Le principe consiste à condenser des heures de données hétérogènes de mouvements humains en une représentation latente compacte, depuis laquelle un robot peut imiter des séquences de mouvement jamais vues à l'entraînement. À noter : l'article ne précise ni plateforme matérielle spécifique, ni métriques quantitatives concrètes (vitesse, payload, temps de cycle), ce qui est habituel pour un preprint de recherche fondamentale à ce stade. Ce qui distingue MuGen des approches classiques de locomotion humanoïde est le choix d'une représentation générative via VQ-VAE, plutôt qu'une politique spécialisée par comportement. Cette architecture permet la réutilisation de l'espace latent appris pour des tâches en aval, ouvrant la voie à un transfert de compétences sans réentraînement complet. La distillation enseignant-élève est un point structurant : la politique enseignante, puissante mais coûteuse en calcul, sert à former une politique élève légère et déployable sur matériel embarqué. Pour les intégrateurs et décideurs industriels, ce paradigme réduit le fossé sim-to-real et laisse entrevoir des robots capables d'adopter de nouveaux comportements locomoteurs à partir d'une simple séquence de référence humaine, sans fine-tuning massif. MuGen s'inscrit dans un courant de recherche actif sur l'imitation motrice pour humanoïdes, dans la lignée de travaux comme AMP (Adversarial Motion Priors, UC Berkeley), ASE ou PhysDiff. Dans l'industrie, Figure AI, Agility Robotics (Digit), Unitree et Tesla (Optimus) investissent massivement dans des pipelines similaires de whole-body control combinant motion capture et RL. L'usage de VQ-VAEs reste relativement peu exploré pour la locomotion, contrairement à son application établie en génération audio et image. Le papier étant un preprint arXiv sans révision par les pairs à ce stade, la prochaine étape déterminante sera une validation sur plateforme physique réelle avec métriques comparatives, condition sine qua non pour évaluer la portée opérationnelle de l'approche.

Recherche❖Paper

1 source

33

3316arXiv cs.RO 

Couverture ergodique dans les systèmes multi-robots via la diffusion anisotrope

Une équipe de chercheurs a soumis sur arXiv (référence 2605.24125, mai 2026) un nouveau cadre mathématique pour la couverture ergodique dans les systèmes multi-robots, basé sur la diffusion anisotrope de Perona-Malik. La couverture ergodique désigne la capacité d'une flotte de robots à explorer un espace de manière proportionnelle à une distribution de probabilité cible : plus une zone est jugée prioritaire, plus les robots y concentrent leur trajectoire. L'innovation proposée combine champ de potentiel et recherche ergodique en utilisant le gradient de la solution de l'équation de Perona-Malik pour diriger le mouvement des agents. Les résultats sont validés uniquement par simulation, dans plusieurs scénarios distincts, sans déploiement réel rapporté. La méthode de référence jusqu'ici reposait sur la diffusion isotrope via l'équation de la chaleur, qui propage l'erreur entre trajectoire réelle et distribution cible de façon uniforme dans toutes les directions, sans tenir compte des variations locales de la carte de densité. Cette uniformité devient sous-optimale lorsque la distribution présente des gradients forts ou des zones très contrastées, situation fréquente en inspection industrielle, surveillance périmétrique ou recherche et sauvetage en milieu hétérogène. La diffusion anisotrope proposée adapte la propagation selon la structure locale de la distribution, permettant aux robots de réagir plus finement aux discontinuités de la carte de priorité. Le cadre présenté englobe l'équation de la chaleur comme cas particulier, garantissant la rétrocompatibilité avec les algorithmes existants et facilitant une migration incrémentale. La couverture ergodique multi-robots fait l'objet de recherches actives depuis une quinzaine d'années, avec des travaux fondateurs portés notamment par le laboratoire de Todd Murphey à Northwestern University. L'approche par équation de la chaleur avait été proposée récemment comme alternative aux métriques spectrales classiques basées sur la décomposition de Fourier, elles-mêmes coûteuses en calcul pour de grands espaces. La diffusion de Perona-Malik, empruntée au traitement d'image où elle est utilisée depuis 1990 pour préserver les contours tout en lissant le bruit, est ici réinterprétée pour générer des champs de potentiel directionnels en robotique. Ce travail reste purement théorique et simulé : aucun test sur plateforme physique, aucun partenaire industriel et aucun financement institutionnel ne sont mentionnés, ce qui laisse entière la question du passage sim-to-real, particulièrement délicate pour les flottes multi-robots en environnement dynamique réel.

Recherche❖Paper

1 source

33

3317arXiv cs.RO 

Apprentissage, locomotion et navigation de serpents synthétiques souples en environnements tridimensionnels hétérogènes

Des chercheurs ont soumis fin mai 2026 sur arXiv (réf. 2605.24985) un framework computationnel permettant à des serpents robotiques souples de naviguer de façon autonome dans des environnements 3D non structurés et hétérogènes. L'approche repose sur des modèles d'actionnement et de détection bio-inspirés, conçus explicitement pour réduire la complexité de contrôle propre aux structures continues à très haut nombre de degrés de liberté (continuum bodies), dont la cinématique est notablement plus difficile à piloter que celle des robots articulés classiques. Un algorithme d'apprentissage par renforcement (RL) dérive ensuite des politiques de déplacement en deux phases : entraînement sur des terrains homogènes simplifiés pour acquérir des primitives locomotrices de base, puis composition de ces primitives en stratégies adaptatives face à des topographies complexes. La validation s'effectue en simulation haute fidélité dans des environnements 3D reconstruits à partir d'images du monde réel, avec navigation décrite comme fiable -- un point que les auteurs présentent comme preuve de robustesse sim-to-real, bien qu'aucune expérimentation sur robot physique ne soit rapportée dans cet abstract. L'intérêt de ce travail pour les intégrateurs et chercheurs en robotique tient à deux défis distincts qu'il adresse simultanément : la locomotion sans membres (limbless locomotion) dans des terrains non préparés, et le passage à l'échelle d'un contrôle RL sur des corps déformables à haute dimensionnalité. La majorité des approches existantes pour les robots continuums repose sur des contrôleurs analytiques très spécifiques au substrat ou sur des espaces d'états réduits qui limitent la généralisation. Ici, la composition hiérarchique de primitives locomotrices -- apprendre d'abord le mouvement de base, puis l'adapter -- constitue une architecture potentiellement transférable à d'autres morphologies de robots souples. C'est un signal positif pour le champ "sim-to-real" des robots déformables, où le gap simulation-réalité reste l'obstacle principal à la commercialisation. Les serpents robotiques sont étudiés depuis les années 1990, avec des travaux fondateurs de Shigeo Hirose (Tokyo Tech) et, plus récemment, des systèmes comme le ACM-R5 de HiBot ou les robots de Medsnake Labs pour l'inspection de pipelines. Le défi locomoteur sans membres reste néanmoins ouvert : les animaux limbless naturels -- serpents, anguilles, limaces -- affichent une polyvalence sur terrain que l'ingénierie peine à reproduire, notamment sur substrats granulaires, végétaux ou accidentés. Dans l'espace concurrent, des équipes comme celle de Daniel Goldman (Georgia Tech) travaillent sur la physique des locomotions terragènes non conventionnelles, tandis que plusieurs startups de robotique d'inspection (tuyauterie, espaces confinés) cherchent des alternatives aux roues et chenilles. Ce preprint ne mentionne ni partenaires industriels ni timeline de déploiement ; les suites naturelles seront la validation sur hardware physique et le test sur terrains réels non reconstruits.

Recherche❖Paper

1 source

33

3318arXiv cs.RO 

Convex-Neural RRT* : échantillonnage guidé par apprentissage pour une planification de trajectoire robotique rapide et fiable

Une équipe de recherche a publié en mai 2026 sur arXiv (réf. 2605.25006) les travaux sur Convex-Neural RRT, une variante de l'algorithme de planification de chemin RRT intégrant un guidage neuronal pour accélérer la recherche de trajectoires optimales. Le principe : un réseau de neurones prédit des régions "waypoints" prometteuses autour des chemins de haute qualité, puis des zones convexes sont extraites de ces prédictions pour concentrer l'exploration sur les zones géométriquement pertinentes tout en maintenant une couverture globale de l'espace. Évalué sur 18 cartes de benchmark réparties en 3 types d'environnements, l'algorithme réduit le temps de calcul de 30 à 75 % par rapport aux variantes neurales existantes (Neural RRT, Neural Informed RRT), et de 88 à 98 % par rapport à LTA. La longueur des chemins produits diminue en moyenne de 5 % par rapport au RRT classique, avec des gains plus marqués dans les environnements complexes. Le taux de succès reste supérieur à 99 % quelle que soit la densité d'obstacles. Ces résultats s'attaquent à un goulot d'étranglement bien documenté du planning probabiliste : les méthodes à base d'échantillonnage sont théoriquement complètes mais lentes à converger vers des solutions de qualité, ce qui freine leur déploiement embarqué où le temps de réponse est critique (robots mobiles, bras industriels, véhicules autonomes). L'utilisation de zones convexes comme proxy des prédictions neuronales est une décision d'ingénierie notable : elle préserve les garanties de convergence de RRT* tout en rendant l'heuristique géométriquement tractable, évitant les dérives habituelles des méthodes purement apprises qui échouent hors distribution. À noter que les gains de 5 % en longueur de chemin restent modestes et que les benchmarks sont réalisés en simulation ; aucune validation sur robot physique n'est rapportée. RRT (Rapidly-exploring Random Tree Star), introduit par Karaman et Frazzoli en 2011, est devenu un standard en planification de mouvement robotique. Ses variantes neurales récentes ont cherché à apprendre des heuristiques d'échantillonnage depuis des données de trajectoires, mais au prix d'une surcharge computationnelle qui annulait souvent le bénéfice. Convex-Neural RRT s'inscrit dans cette lignée en ajoutant une contrainte géométrique qui assainit les prédictions. Les concurrents directs incluent LTA, IRRT et les approches par diffusion (Motion Planning Diffusion). Cette publication préliminaire ne mentionne aucun déploiement industriel ; les prochaines étapes attendues sont une validation sur robots physiques et une extension aux espaces de configuration de haute dimension, notamment les bras 6-7 DOF et les humanoïdes.

Recherche❖Paper

1 source

32

3319arXiv cs.RO 

Comment atténuer le problème de décalage de distribution dans le contrôle robotique : une approche robuste et adaptative par apprentissage par imitation hors ligne vers en ligne

Une équipe de recherche a déposé le 25 mai 2026 sur arXiv (réf. 2605.25414) un cadre d'apprentissage par imitation en deux phases pour traiter le décalage de distribution dans le contrôle robotique. Ce problème survient lorsqu'un agent entraîné sur des démonstrations expertes rencontre, au déploiement, des états non couverts pendant l'entraînement, sa couverture état-action étant structurellement limitée par la portée des démonstrations fournies. La méthode articule une phase hors ligne utilisant des démonstrations complémentaires filtrées par un discriminateur pour élargir cette couverture, et une phase en ligne qui détecte le décalage en temps réel et déclenche un apprentissage auto-supervisé à partir des expériences collectées. Les évaluations ont été conduites uniquement dans des environnements MuJoCo ; aucun test sur robot physique n'est rapporté. L'intérêt réside dans la nature lifelong du mécanisme : au lieu d'une politique figée après entraînement, le système s'adapte en continu lorsqu'il dérive hors de sa distribution. Pour un ingénieur robotique ou un intégrateur industriel, cela ouvre la perspective d'un robot capable de se recalibrer automatiquement en production sans re-collecte manuelle de données ni réentraînement complet. L'utilisation d'un discriminateur évoque les architectures GAIL (Generative Adversarial Imitation Learning), mais la contribution revendiquée tient à la détection en ligne du shift couplée à l'auto-supervision. Les auteurs rapportent de meilleures performances que les baselines sur robustesse et adaptation, bien que les métriques issues de MuJoCo restent éloignées des contraintes du monde réel. Le décalage de distribution est un problème structurel de l'apprentissage par imitation depuis DAgger (Ross et al., 2011) et GAIL (Ho & Ermon, 2016). Les approches concurrentes, comme l'offline RL à haute couverture de données, les politiques de diffusion de type pi-0 (Physical Intelligence) ou les VLA généralistes, traitent le problème principalement par la diversité des données d'entraînement, non par adaptation en ligne. Ce preprint n'a pas encore été soumis à évaluation par les pairs, et le vrai test restera le transfert sim-to-real : la validation sur robots physiques amplifierait précisément les écarts de distribution que ce cadre cherche à combler.

Recherche❖Paper

1 source

49

3320Pandaily 

Beihang-MIT : un robot portable aide les enfants atteints de dystrophie musculaire à se lever seuls

Une équipe de recherche conjointe entre l'Université Beihang (Pékin) et le MIT a publié dans Nature les résultats d'un essai clinique impliquant six enfants atteints de dystrophie musculaire, une maladie dégénérative neuromusculaire. L'exosquelette développé pour cet essai pèse 0,96 kilogramme et cible spécifiquement l'articulation du genou. Après six semaines d'entraînement isocinétique haute intensité avec le dispositif, les six participants, tous incapables de se lever seuls avant l'étude et sous traitement médicamenteux standard, ont réussi des transferts assis-debout de manière autonome pour la première fois. La force musculaire a progressé de 130 % et la masse musculaire de 19 %, avec des transferts réussis à plusieurs angles en s'appuyant sur les genoux. Plus significatif encore : les enfants ont conservé cette capacité après l'arrêt du robot. Ce qui distingue cette approche des exosquelettes d'assistance conventionnels, c'est le principe de fonctionnement inverse : le robot applique une résistance sélective sur certaines phases du mouvement plutôt que de compenser le déficit musculaire. Cette modalité entraîne une remodélisation neuromusculaire active, en sollicitant les voies de recrutement neuronal similaires à celles du développement moteur sain. En rééducation, le risque des dispositifs purement assistifs est de créer une dépendance fonctionnelle sans régénération musculaire réelle, un problème particulièrement critique dans les pathologies dégénératives où la fenêtre thérapeutique est étroite. La publication dans Nature valide expérimentalement cette hypothèse sur une population pédiatrique, un segment clinique rarement couvert par les essais robotiques en raison des contraintes de conception liées au gabarit et à la sécurité. Pour les intégrateurs et décideurs en médecine de réadaptation, le résultat est clair : la résistance contrôlée, pas l'assistance passive, est le levier thérapeutique à explorer. Beihang University est l'un des établissements d'ingénierie de référence en Chine, avec un historique solide en robotique médicale et exosquelettes, notamment les travaux du laboratoire de robotique de réhabilitation de Huang Qiang. Cette collaboration avec le MIT s'inscrit dans une tendance de fond : malgré les tensions géopolitiques croissantes entre les États-Unis et la Chine sur les technologies critiques, la co-publication académique en santé et en IA médicale se maintient. En Europe, des acteurs comme Wandercraft (Paris), qui développe l'exosquelette Atalante destiné à la rééducation neurologique, travaillent sur des problématiques proches, bien que sur une population adulte et avec une architecture différente. La prochaine étape logique pour l'équipe Beihang-MIT serait un essai multicentrique à plus grande échelle, ainsi qu'une évaluation de la durabilité des gains à 12 mois post-traitement. La question de la commercialisation d'un dispositif aussi spécialisé reste ouverte : 0,96 kg et une cible pédiatrique rare impliquent un marché de niche, mais l'impact clinique potentiel sur les maladies neuromusculaires justifie l'attention des acteurs de la med-tech en réhabilitation.

Exosquelettes❖Paper

1 source

42

3321Pandaily 

LimX Intelligence lance LimX Luna : un robot humanoïde pleine taille à 298 000 RMB

LimX Intelligence, une licorne spécialisée dans l'IA incarnée basée à Shenzhen, a commercialisé le 26 mai 2026 son robot humanoïde LimX Luna à destination du marché domestique chinois, au prix de 298 000 RMB (environ 41 000 dollars). La machine mesure 160 cm, dispose de 27 degrés de liberté corporels (hors effecteurs terminaux) et intègre des capacités de perception environnementale en temps réel couplées à un système de planification de mouvement dynamique. LimX positionne Luna non pas comme un démonstrateur de laboratoire, mais comme un candidat au déploiement opérationnel dans la logistique, la fabrication et les services. La différenciation technique repose sur des modèles vision-langage-action (VLA) propriétaires permettant au robot d'interpréter des commandes en langage naturel, de reconnaître objets et environnements, et d'adapter sa stratégie de mouvement sans chorégraphie préprogrammée. L'accès au marché international est annoncé pour 2027, après obtention des certifications et mise en place de partenariats de distribution. Le lancement de Luna illustre un glissement structurel dans la compétition humanoïde : l'avantage concurrentiel ne se joue plus sur la mécanique, mais sur la couche d'intelligence embarquée. Un robot capable de généraliser ses comportements à travers des tâches variées, sans reprogrammation manuelle, représente un saut qualitatif pour les intégrateurs industriels qui peinent à justifier le coût de déploiement face à des bras robotisés fixes bien plus matures. Le tarif de 298 000 RMB place Luna dans le segment intermédiaire du marché chinois, ce qui signale une ambition commerciale sérieuse, mais le manque de données indépendantes sur les performances réelles en environnement non structuré invite à la prudence : les vidéos de lancement restent sélectionnées, et le gap entre démonstration et déploiement à l'échelle demeure le principal angle mort du secteur. LimX Intelligence évolue dans un écosystème chinois saturé depuis 18 mois : Fourier Intelligence, Unitree et Xiaomi (avec le successeur annoncé du CyberOne) occupent des segments proches, tandis qu'au niveau mondial, Figure (Figure 03), Boston Dynamics, Physical Intelligence (Pi-0) et 1X Technologies maintiennent une pression technologique constante. LimX se distingue par son accent sur les VLA propriétaires plutôt que sur le partenariat avec des fondations de modèles tierces, un pari risqué mais cohérent avec la stratégie de verticalisation observée chez d'autres acteurs chinois. La prochaine étape critique sera la validation en conditions réelles chez des clients pilotes, dont LimX n'a pas encore communiqué les noms ni les calendriers, et l'obtention des certifications CE et UL nécessaires pour l'expansion internationale prévue en 2027.

Humanoïdes❧Opinion

1 source

43

3322Pandaily 

Unitree Robotics fixe son introduction en bourse au 1er juin, visant à devenir le premier fabricant de robots humanoïdes coté en Chine

Unitree Robotics, fabricant chinois de robots humanoïdes et quadrupèdes, est convoqué le 1er juin 2026 devant le comité d'examen de la STAR Market de la Bourse de Shanghai pour son audition pré-introduction en bourse. La date a été confirmée dans un document officiel publié le 25 mai : il s'agit de la 31e séance d'examen de l'année. Le dossier d'admission avait été accepté il y a un peu plus de deux mois, soit fin mars 2026, un délai d'instruction court qui signale une priorité réglementaire affirmée. Si le comité valide le dossier, Unitree deviendrait la première entreprise de robots humanoïdes cotée en Chine. Le périmètre d'activité déclaré couvre les robots humanoïdes polyvalents, les robots quadrupèdes, les composants robotiques et la R&D en modèles d'IA incarnée. L'entreprise s'est imposée à l'international avec le Unitree Go2, robot quadrupède vendu à un tarif nettement inférieur aux offres concurrentes, ce qui lui a permis d'atteindre une large base de développeurs et de chercheurs. Plus récemment, elle a accéléré son programme humanoïde pour concurrencer directement Tesla Optimus, Fourier Intelligence et Figure AI. L'enjeu de cette cotation dépasse le seul cas Unitree : le marché attend une valorisation de référence pour un secteur où les coûts de R&D, de fabrication et de test en conditions réelles restent très élevés. Accéder aux marchés de capitaux via la STAR Market ouvrirait un canal de financement structurant pour les entreprises chinoises de robotique humanoïde, dans un contexte où la course à la production à grande échelle exige des investissements massifs. Pour les intégrateurs industriels et les décideurs B2B qui suivent le secteur, une première cotation réussie signalerait que le marché valorise la robotique humanoïde comme une infrastructure industrielle à part entière et non plus comme un horizon de recherche. Cela pourrait accélérer les décisions d'achat et les partenariats, les clients institutionnels étant souvent plus enclins à travailler avec des fournisseurs dotés d'une transparence financière publique. Fondée à Hangzhou, Unitree a construit sa réputation sur la démocratisation du prix des robots à pattes, là où Boston Dynamics positionnait ses produits exclusivement sur le segment premium. La STAR Market, créée en 2019 sur le modèle du Nasdaq américain pour accueillir des entreprises technologiques à forte intensité capitalistique, est le terrain d'introduction naturel pour ce type de dossier. Sur le plan concurrentiel, Unitree fait face en Chine à Fourier Intelligence et à Agility Robotics dans une moindre mesure, ainsi qu'aux ambitions croissantes de UBTECH Robotics, déjà cotée à Hong Kong depuis 2023. À l'international, Tesla et Figure AI fixent le rythme médiatique, mais sans cotation comparable. L'audition du 1er juin ne garantit pas l'approbation finale ; une décision favorable ouvrirait la voie à une introduction effective dans les semaines suivantes, dont le calendrier précis n'a pas été communiqué.

Chine/Asie❧Opinion

1 source

42

3323Interesting Engineering 

Une entreprise chinoise vise 2027 pour lancer un robot domestique à Wuhan, sous 15 000 dollars

La startup chinoise GigaAI, fondée en 2023 avec le soutien du bras d'investissement de Huawei, a annoncé le déploiement de 100 unités pilotes de son robot domestique SeeLight S1 dès fin mai 2026 dans les foyers de ses propres employés. Une diffusion plus large est prévue à Wuhan au premier semestre 2027, d'abord gratuite, avec un ciblage prioritaire des familles comptant des personnes âgées, des enfants ou des animaux de compagnie. La commercialisation grand public est fixée à juin 2027 pour un prix cible d'environ 15 000 dollars. Le SeeLight S1 est un robot humanoïde à deux bras monté sur base roulante. En démonstration, il accomplit des tâches domestiques variées : couper des légumes, faire revenir des oeufs, charger un lave-linge, étendre du linge, faire un lit, ouvrir des rideaux. Il repose sur un modèle d'intelligence incarnée (embodied AI) : un cerveau numérique connecté directement au corps physique, capable de percevoir son environnement et de planifier ses mouvements sans instructions pas-à-pas. Le système intègre un contrôle à compliance immédiate, interrompant tout mouvement au contact d'une personne ou d'un animal. Le SeeLight S1 illustre un défi central de la robotique domestique : contrairement aux robots industriels programmés pour des tâches répétitives dans des environnements maîtrisés, un humanoïde bi-bras doit naviguer dans des espaces tridimensionnels non structurés, constamment reconfigurés. Les environnements domestiques restent parmi les plus difficiles à généraliser, et les experts cités dans les rapports soulignent que passer de vidéos sélectionnées à une autonomie fiable au quotidien représente un écart considérable. La question des données d'entraînement est précisément identifiée comme le prochain verrou : OneRobotics, concurrent basé à Shenzhen et coté à Hong Kong depuis décembre dernier, a signé un contrat de 45 millions de yuans pour collecter des données embodied AI dans des environnements réels, cuisines, chambres, salles de bain et balcons, des espaces à haute fréquence de tâches encore sous-représentés dans les datasets robotiques actuels. GigaAI s'insère dans une dynamique industrielle et politique chinoise plus large : le gouvernement pousse activement le déploiement de l'IA incarnée dans les environnements du quotidien pour répondre aux défis démographiques du pays. Le projet est développé en collaboration avec le Hubei Humanoid Robot Innovation Centre et le Hubei Humanoid Robotics Industry Alliance, deux structures soutenues par l'État. Midea Group avait présenté dès l'an dernier un prototype de robot-majordome humanoïde capable d'interaction vocale et de manipulation basique, sans annonce de commercialisation. Le marché mondial des robots domestiques pesait environ 41 milliards de dollars en 2025, dopé quasi exclusivement par les aspirateurs robotisés, avec une croissance attendue d'environ 20% par an jusqu'en 2027. Le créneau des robots multi-tâches à 15 000 dollars reste non validé à l'échelle : le pilote wuhanais de 2027 sera le premier test grandeur réelle.

Chine/Asie⚡Actu

1 source

52

3324Interesting Engineering 

Les robots humanoïdes de Figure atteignent 200 heures de travail et 250 000 colis traités sans défaillance

Figure AI, startup californienne valorisée 39 milliards de dollars, a mené à son terme un test d'endurance de 200 heures consécutives avec trois de ses robots humanoïdes Figure 03, pilotés par son système d'IA Helix-02. Lancée le 14 mai 2026 depuis le siège de Sunnyvale en Californie, l'opération a permis de trier 249 560 colis sur des tapis roulants, sans défaillance matérielle majeure constatée sur aucune des trois unités, baptisées Bob, Jim et Rose par les spectateurs du livestream. Le test avait été initié en réponse à un défi de 8 heures formulé par le Dr Scott Walter, vétéran de l'automatisation industrielle, avant d'être prolongé sans limite préétablie. Les robots utilisaient des caméras embarquées et un raisonnement IA pour détecter les codes-barres, saisir les colis et les déposer face code-barres vers le bas sur les convoyeurs. La cadence atteinte approche les trois secondes par colis, soit la parité estimée avec un opérateur humain. La rotation de flotte était entièrement autonome : lorsque la batterie d'un robot (autonomie d'environ quatre heures) atteignait un seuil critique, une unité de relève prenait automatiquement sa place pendant que le robot déchargé rejoignait une station de recharge sans fil intégrée à la plante de ses pieds. Des erreurs de manipulation ont néanmoins été observées, colis tombés ou mal orientés, que Figure AI distingue explicitement des pannes système. Ce test de 200 heures constitue un signal concret pour les intégrateurs et les décideurs industriels : une flotte d'humanoïdes peut enchaîner plusieurs jours d'opération continue sans intervention humaine corrective, à condition de disposer d'un système de rotation et de remplacement automatisé. La capacité d'auto-éviction est particulièrement notable : si un robot détecte une anomalie matérielle ou logicielle, il navigue de façon autonome vers une zone de service pendant qu'un autre prend le relais sans interruption du flux. Helix-02 est décrit par Figure AI comme un réseau de neurones unifié intégrant vision, toucher, proprioception et contrôle du corps entier dans un seul modèle, à l'opposé des architectures modulaires classiques qui séparent locomotion et manipulation. Ce choix d'architecture VLA (Vision-Language-Action) montre des résultats à l'échelle des 200 heures, mais le test s'est déroulé dans les locaux contrôlés de Figure AI et non chez un client en production, ce qui atténue la portée des conclusions. Figure AI avait déjà conduit des validations en environnement industriel réel, notamment dans les usines BMW de Caroline du Sud. La société concourt directement face à Tesla (Optimus), Agility Robotics (Digit, déployé chez Amazon) et Apptronik (Apollo, partenaire de NASA et Mercedes-Benz), tous engagés dans la commercialisation d'humanoïdes pour la logistique et la production manufacturière. En Europe, des acteurs comme Enchanted Tools (Mirokaï) et Wandercraft restent positionnés sur des segments différents, retail hospitalier et rééducation médicale, loin des volumes logistiques visés par les acteurs américains. La prochaine étape structurante pour Figure AI sera de reproduire ces métriques hors de ses propres installations, dans des environnements clients réels, seul véritable test du passage de la démonstration au déploiement industriel.

Humanoïdes❧Opinion

1 source

43

3325Interesting Engineering 

Les robots pourraient apprendre à prédire et planifier leur navigation grâce à un nouveau cadre bio-inspiré

Des chercheurs de l'Université Polytechnique du Nord-Ouest (NPU) de Xi'an, en Chine, dirigés par le professeur Guo Bin, ont publié le 22 mai 2026 dans Nature Reviews Electrical Engineering un cadre de navigation cognitive dit "bio-inspiré". L'architecture repose sur trois composantes : reconnaissance dynamique de points de repère saillants, mémoire expérientielle compressée et réutilisable, et prise de décision hiérarchique. Elle est couplée à du matériel neuromorphique, des processeurs spécialisés qui imitent les neurones biologiques en ne s'activant qu'en réponse à des variations du signal sensoriel entrant, réduisant significativement la consommation énergétique par rapport aux architectures de calcul conventionnelles. Selon l'équipe, ce couplage permet à un robot de localiser sa position, d'anticiper son environnement immédiat et de mobiliser des expériences passées dans des situations nouvelles pour planifier ses trajets de manière flexible. Le problème visé est bien documenté dans l'industrie : les robots autonomes actuels, qu'il s'agisse d'AMR en logistique ou de plateformes domestiques, restent fragiles face aux modifications environnementales non planifiées. Un simple déplacement de meuble peut désorienter un système naviguant par carte géométrique préenregistrée, le forçant à une recartographie complète. Le cadre proposé par l'équipe de Guo Bin s'inspire de la manière dont les rongeurs explorent un labyrinthe : plutôt que de mémoriser chaque point d'un espace, le robot identifie des repères clés, compresse cette information en mémoire réutilisable, et reconstruit une carte cognitive à la demande. "La mémoire joue un rôle actif dans la navigation en compressant l'expérience en connaissances réutilisables et en les reconstruisant à la demande", notent les auteurs. Pour les intégrateurs et les décideurs industriels, l'implication concrète est la possibilité de déployer des robots dans des environnements non structurés ou en mutation continue (entrepôts réorganisés, domiciles encombrés, bâtiments en intervention d'urgence) sans recalibrage systématique. L'association avec le hardware neuromorphique renforce l'argument économique : une consommation réduite se traduit par des autonomies plus longues et des coûts opérationnels plus faibles à l'échelle d'une flotte. La navigation autonome en environnement ouvert reste l'un des verrous techniques les plus actifs de la robotique depuis une décennie. Les approches dominantes basées sur le SLAM et la vision profonde ont progressé mais restent coûteuses en calcul et sensibles aux variations de scène. L'inspiration biologique, notamment les travaux sur les cellules de lieu et les cellules de grille chez les rongeurs (Nobel de médecine 2014), a déjà alimenté des architectures comme les puces Loihi d'Intel ou les recherches de l'Université de Manchester. L'équipe NPU propose ici une intégration bout en bout, du raisonnement spatial au substrat matériel basse consommation, dans un cadre unique. L'équipe indique collaborer avec plusieurs organisations pour un passage au terrain, sans préciser lesquelles ni les calendriers : il s'agit pour l'instant d'une publication académique, pas d'un produit déployé commercialement.

Recherche❖Paper

1 source

36

3326Interesting Engineering 

Des scientifiques conçoivent un robot pionnier pour nettoyer et inspecter les piles de ponts sous l'eau

Des ingénieurs de l'University of Technology Sydney (UTS) ont développé SPIR (Submersible Pile Inspection Robot), un robot sous-marin autonome conçu pour nettoyer et inspecter les pieux immergés qui soutiennent ponts, quais et infrastructures portuaires. Conçu par le professeur Dikai Liu et l'équipe du Centre for Autonomous Systems (CAS) en collaboration avec Transport NSW, SPIR s'ancre sur un pieu via des bras préhenseurs capables de saisir la structure depuis n'importe quelle position. Un bras distinct équipé d'un jet haute pression décape les organismes encroûtants, balanes, huîtres, algues, dont l'épaisseur peut atteindre 20 centimètres avant toute évaluation structurelle. Le robot intègre ensuite une séquence d'inspection entièrement autonome : cartographie simultanée et localisation (SLAM), identification du type et de l'épaisseur des bio-salissures, planification et exécution de la trajectoire de nettoyage, puis capture d'images haute définition pour construire une carte 3D géoréférencée du pieu exposé. L'ensemble est supervisé depuis un bateau via une interface affichant les flux vidéo en direct. SPIR a été testé sur plusieurs ponts de Nouvelle-Galles du Sud, État qui recense à lui seul 5 000 ouvrages d'art ; à l'échelle australienne, le potentiel adressable atteint 50 000 ponts et 70 ports. L'intérêt opérationnel est direct. Les méthodes actuelles reposent sur un échantillonnage : les plongeurs nettoient une bande verticale sur une fraction des pieux, laissant la majeure partie des structures non examinée. La contrainte est physiologique, la fatigue impose des rotations courtes, un opérateur ne peut surveiller qu'un seul plongeur à la fois, et dans certaines zones, les risques incluent courants de marée, visibilité nulle et faune hostile. SPIR opère en continu et un seul opérateur peut superviser plusieurs robots simultanément, démultipliant la productivité sans augmenter l'exposition au danger. L'impact économique est également mesurable : la fermeture d'un quai pendant une inspection par plongeurs peut coûter jusqu'à 100 000 dollars par jour à une autorité portuaire ; SPIR fonctionne sans interrompre les opérations de chargement. Le système offre aussi une couverture d'inspection complète là où le sampling laissait des angles morts structurels, ce qui change le niveau de confiance possible dans l'évaluation de l'état des infrastructures vieillissantes. Le projet s'inscrit dans un mouvement plus large d'automatisation des interventions sous-marines en milieu industriel, aux côtés de systèmes comme Hull BUG (General Dynamics) ou des ROV de sociétés comme Reach Robotics et Saipem pour les pipelines offshore. UTS CAS travaille sur la robotique autonome en environnement non structuré depuis plusieurs années, SPIR représentant leur déploiement le plus abouti sur infrastructure critique. Le professeur Liu indique que la plateforme est adaptable au nettoyage de coques de navires, de pipelines, de plateformes pétrolières et de fondations d'éoliennes offshore. Aucune timeline commerciale ni partenariat industriel n'ont été annoncés à ce stade : SPIR reste pour l'instant un système validé en essais terrain, pas encore un produit commercialisé.

Industriel⚡Actu

1 source

42

3327Interesting Engineering 

Le nouveau robot humanoïde chinois rejoint des agents pour gérer les tâches de voirie

La ville de Shanghai a lancé en mai 2026 le premier programme pilote chinois d'application du droit urbain associant agents municipaux et robot humanoïde dans un espace public. Le déploiement se déroule dans le quartier d'innovation en IA de Zhangjiang, dans l'arrondissement de Pudong, et met en scène le Lingxi X2, robot humanoïde développé par AgiBot, entreprise shanghaïenne fondée en 2023. Le dispositif repose sur une chaîne tripartite : des drones de surveillance identifient en temps réel les infractions commises par des commerçants de rue et transmettent l'information aux agents de patrouille et au Lingxi X2. Le robot se charge ensuite des interactions répétitives à faible valeur décisionnelle, à savoir expliquer les réglementations de voirie, les obligations des exploitants de commerces en façade, et répondre aux questions des marchands. Les agents humains conservent l'intégralité du pouvoir d'évaluation juridique et d'exécution des sanctions. AgiBot décrit la machine comme un "assistant intelligent" et non comme un remplaçant, une précision qui, dans ce contexte politique, est autant un positionnement commercial qu'une garantie opérationnelle. Ce que ce déploiement teste concrètement, c'est la capacité des systèmes d'IA incarnée à tenir un rôle de contact public structuré, avec un corpus de connaissances réglementaires consultable en temps réel, dans un environnement non contrôlé. Pour les intégrateurs et les décideurs en charge de services publics, le cas d'usage est délibérément choisi pour son haut volume de tâches répétitives et son faible risque décisionnel : le robot ne verbalise pas, ne sanctionne pas, n'interprète pas. Il informe. Pan Weijia, responsable de Pudong ayant supervisé l'opération, a explicitement indiqué que l'évaluation portera sur les performances pratiques plutôt que sur le simple volume de déploiement, ce qui signale une approche plus mesurée que le discours habituel sur la scalabilité. Pan Helin, membre du comité d'experts du ministère de l'Industrie et des Technologies de l'Information, a qualifié le pilote de "jalon majeur" dans la commercialisation de l'IA incarnée en administration publique, avec l'objectif affiché de passer des robots capables de "se déplacer" à des robots capables de "travailler efficacement". AgiBot a été fondé en 2023 et s'est positionné rapidement sur le segment des humanoïdes à usage professionnel, avec le Lingxi X2 comme produit phare pour les environnements semi-publics. L'entreprise s'inscrit dans un écosystème chinois d'humanoïdes très dense, qui inclut Unitree (G1, H1), Fourier Intelligence (GR-1), et dans une moindre mesure les ambitions de UBTECH et de Kepler. À l'international, les comparaisons les plus directes sont Figure (01, 02), 1X Technologies (NEO), et Boston Dynamics (Atlas), tous positionnés sur des environnements industriels ou logistiques plutôt que sur l'espace public. Le vrai enjeu du pilote de Pudong n'est pas la performance du robot dans une démonstration maîtrisée, mais sa robustesse sur la durée dans un contexte d'interactions non scénarisées avec des usagers non entraînés. Les prochaines étapes annoncées par Pan Helin visent une extension à d'autres scénarios de service public, sans échéance précisée.

Chine/Asie❧Opinion

1 source

44

3328SCMP Tech 

La Chine attribue un identifiant numérique à chaque robot humanoïde pour renforcer les standards industriels

La Chine a lancé vendredi le "Humanoid Full Lifecycle Management Service Platform", une initiative nationale visant à attribuer un identifiant numérique unique à chaque robot humanoïde fabriqué sur son territoire. Ces codes serviront à tracer les robots bipèdes dotés d'IA tout au long de leur cycle de vie, de la production jusqu'au déploiement opérationnel et à la maintenance. L'initiative s'inscrit dans un effort plus large de Pékin pour structurer un secteur en croissance rapide, en posant des bases réglementaires et des standards industriels communs. La décision est significative pour les intégrateurs et les acheteurs B2B : un système de traçabilité obligatoire implique une meilleure auditabilité des incidents, une gestion facilitée des responsabilités en cas de défaillance, et un registre centralisé permettant de surveiller les flottes déployées à l'échelle industrielle. Pour les décideurs, c'est un signal que la Chine passe d'une phase de course à la démo vers une maturité réglementaire, condition souvent nécessaire à l'adoption en environnement de production réel. C'est aussi un levier de différenciation compétitif : les fabricants chinois opérant dans un cadre normalisé auront plus facilement accès aux marchés industriels exigeants. La Chine compte aujourd'hui plusieurs acteurs humanoïdes de premier plan, dont Unitree Robotics (H1, G1), UBTECH (Walker S), Agibot et Fourier Intelligence, qui rivalisent avec des entreprises occidentales comme Figure AI (Figure 02), Physical Intelligence (pi0), et Tesla (Optimus Gen 2). L'instauration d'un registre national positionne Pékin comme précurseur en matière de gouvernance robotique, une dimension que ni l'Union Européenne ni les États-Unis n'ont encore formalisée à ce niveau de granularité. Les prochaines étapes pourraient inclure l'extension du dispositif aux robots mobiles industriels (AMR) et une interconnexion avec les systèmes de certification de sécurité fonctionnelle.

Chine/Asie⚖Reglementation

1 source

41

3329Pandaily 

GigaAI dévoile son système « Dual Pyramid » d'IA générale physique pour surmonter le mur du passage à l'échelle de l'IA incarnée

Le 20 mai 2026, lors d'un événement de lancement dans l'Optical Valley de Wuhan, la startup chinoise GigaAI a dévoilé ce qu'elle appelle une architecture "Dual Pyramid" pour l'intelligence physique générale. Le système repose sur deux couches parallèles : une couche données qui fusionne dans un seul pipeline d'entraînement des données issues de robots réels (pour la physique de référence), de vidéos internet (pour la diversité situationnelle à grande échelle) et de simulation (pour la couverture synthétique illimitée) ; et une couche algorithmique qui empile des world models et des modèles VLA (Vision-Language-Action) comme piliers complémentaires. En parallèle, GigaAI a lancé SeeLight, une sous-marque dédiée aux environnements domestiques, ainsi que le SeeLight S1, son premier robot humanoïde polyvalent pour la maison. Une flotte de 100 unités est déjà déployée dans des foyers réels à Wuhan, avec un passage en opérations à grande échelle prévu pour le troisième trimestre 2026. La feuille de route sur 12 mois prévoit trois releases successives de modèles de base, GigaBrain-1, GigaBrain-2 et GigaBrain-3, que la société positionne comme l'équivalent du "moment GPT-3" pour la robotique physique généraliste. L'enjeu stratégique de cette annonce dépasse la présentation d'un nouveau robot : GigaAI s'attaque frontalement au débat qui structure le champ depuis deux ans. Le camp des world models, représenté par NVIDIA Cosmos et Google Genie, défend l'idée que des modèles vidéo génératifs peuvent fournir de la donnée d'entraînement à l'échelle industrielle. Le camp des modèles d'action, incarné par Physical Intelligence avec sa série pi-0 et les chercheurs en Diffusion Policy, argue que seules les données collectées sur robots réels permettent de généraliser les compétences de manipulation. En proposant une architecture hybride qui refuse ce choix binaire, GigaAI parie que world models et VLA ne sont pas concurrents mais codépendants. Si le déploiement des 100 unités en conditions réelles se confirme au-delà des vidéos de démonstration sélectionnées, cela constituerait une preuve sérieuse du sim-to-real scaling sur des tâches domestiques non structurées. La revendication d'un "GPT-3 moment" reste un signal marketing à surveiller avec prudence, mais l'architecture elle-même est techniquement cohérente avec les travaux récents sur les données hybrides. GigaAI s'inscrit dans une vague de startups chinoises en robotique humanoïde qui ont accéléré leurs sorties produit depuis 2024, en réponse directe aux annonces d'Agility Robotics (Digit), Figure (Figure 02), et Tesla (Optimus Gen 2). L'Optical Valley de Wuhan est devenu un pôle de référence pour la robotique en Chine, au même titre que Shenzhen pour le hardware grand public. La prochaine étape observable sera la publication de métriques de performance des unités SeeLight S1 dans des conditions d'utilisation domestique réelle, ainsi que le lancement de GigaBrain-1 selon le calendrier annoncé. Aucun acteur européen n'est directement impliqué dans cette annonce, mais les intégrateurs industriels et les décideurs robotique suivront de près la montée en échelle du Q3 2026 comme premier test de vérité.

Chine/Asie❧Opinion

1 source

37

3330Interesting Engineering 

Des robots autonomes dotés d'une perception précise de l'environnement réel grâce à une avancée d'ingénieurs américains

Brain Corp, spécialiste américain des robots autonomes mobiles (AMR) pour environnements commerciaux, annonce un partenariat de recherche avec l'Université de Californie à San Diego (UCSD) autour des technologies de cartographie sémantique et d'intelligence contextuelle. L'objectif est de doter les systèmes autonomes d'une "couche de grounding contextuel", soit une représentation numérique intelligente de l'espace physique qui permet aux robots de comprendre ce qui se passe autour d'eux et de réagir de manière adaptée. Ce partenariat s'appuie sur l'empreinte opérationnelle existante de Brain Corp: plus de 50 000 robots autonomes déployés à l'échelle mondiale, avec plus de 25 millions d'heures d'opérations enregistrées dans des environnements commerciaux variés (centres commerciaux, entrepôts, aéroports). Du côté académique, c'est le Dr. Atanasov, du département Génie électrique et informatique de la Jacobs School of Engineering d'UCSD, qui pilote les travaux. Les avancées issues de cette collaboration seront intégrées dans BrainOS, la plateforme d'autonomie propriétaire de Brain Corp. Ce partenariat signale un pivot stratégique dans la robotique AMR: le secteur passe d'une compétition centrée sur la navigation vers une compétition sur la compréhension contextuelle de l'espace. Le SLAM (Simultaneous Localization and Mapping) a permis de faire sortir les robots des environnements industriels fixes vers des espaces plus dynamiques, mais pour orchestrer des flottes entières de robots, de capteurs fixes et d'agents IA à l'échelle enterprise, la localisation seule ne suffit plus. Il faut que le système distingue un client qui passe d'un obstacle temporaire, ou adapte son comportement à une zone de travaux en temps réel. John Black, CTO de Brain Corp, formule l'enjeu ainsi: "Le défi n'est plus simplement le mouvement ou la perception, mais la compréhension." C'est le passage de la robotique de tâche à la robotique de situation, dont les implications pour la commercialisation à grande échelle sont concrètes, même si les métriques de performance des cartes sémantiques produites par cette collaboration n'ont pas encore été communiquées. Brain Corp, fondée en 2009 et dont le siège est à San Diego, a bâti sa position sur BrainOS, système d'exploitation pour AMR utilisé notamment par des fabricants de machines de nettoyage comme Tennant et Minuteman. Avec 50 000 unités déployées, la société dispose d'un corpus de données opérationnelles réelles que peu d'acteurs de la robotique commerciale peuvent revendiquer, un avantage structurel face à des concurrents comme Avidbots ou SoftBank Robotics. Le partenariat avec l'UCSD s'inscrit dans une tendance plus large: les plateformes AMR cherchent à devenir des couches d'orchestration multi-robots et multi-capteurs, concurrençant indirectement des solutions comme celles de Fetch Robotics (racheté par Zebra Technologies) ou 6 River Systems (acquis par Shopify). À ce stade, aucun budget de recherche, ni calendrier de déploiement de fonctionnalités dans BrainOS, n'a été rendu public.

IA physique❖Paper

1 source

34

3331Interesting Engineering 

Des ingénieurs américains franchissent une étape clé vers une conscience précise de l'environnement réel pour les robots autonomes

Brain Corp, spécialiste américain des systèmes d'autonomie pour robots commerciaux, annonce un partenariat de recherche avec l'Université de Californie San Diego (UC San Diego) pour développer des technologies de cartographie sémantique et d'intelligence contextuelle. L'accord implique notamment le professeur Nikolay Atanasov du département d'Electrical and Computer Engineering de la Jacobs School. L'objectif déclaré : doter les robots autonomes d'une couche de compréhension spatiale plus fine que ce que permettent les solutions de localisation et cartographie simultanées (SLAM) actuelles. Brain Corp s'appuie sur un parc opérationnel de plus de 50 000 robots autonomes déployés dans des environnements commerciaux à l'échelle mondiale, totalisant plus de 25 millions d'heures d'opérations autonomes, corpus de données réelles qui constitue le socle expérimental de la collaboration. L'enjeu dépasse la simple navigation : les approches basées sur la vision directe (end-to-end visual) peinent à maintenir une robustesse satisfaisante dans des environnements dynamiques à grande échelle. Le tandem Brain Corp/UC San Diego parie que des cartes 3D sémantiques enrichies, intégrant la nature fonctionnelle des objets et des espaces et pas seulement leur géométrie, permettront aux flottes de robots de s'adapter à des conditions changeantes sans intervention humaine. Pour les intégrateurs et les opérateurs industriels, cela se traduit par une résilience opérationnelle accrue et une coordination multi-agents fiable à l'échelle d'un site entier, qu'il s'agisse d'entrepôts, d'hôpitaux ou d'espaces commerciaux. John Black, CTO de Brain Corp, résume l'enjeu : "le défi n'est plus le mouvement ou la perception, mais la compréhension." Il convient de noter que l'annonce ne détaille aucune métrique de performance ni résultat expérimental publié à ce stade. Brain Corp, fondée en 2009 à San Diego, s'est imposée dans le segment des robots de nettoyage autonomes (AMR floor care) en grande distribution et facilities management, avec des clients comme Walmart, en déployant sa plateforme BrainOS comme système d'exploitation mutualisé pour l'ensemble de sa flotte. Face à l'émergence de modèles vision-langage-action (VLA) portés par des acteurs comme Physical Intelligence avec pi-0, Nvidia avec GR00T N2, ou Figure AI avec Figure 03, Brain Corp repositionne BrainOS comme infrastructure d'orchestration d'agents autonomes hétérogènes plutôt que comme simple pile de navigation. Le partenariat avec UC San Diego vise à intégrer directement ces avancées en cartographie sémantique dans BrainOS. Aucun calendrier de livraison n'est précisé : il s'agit pour l'heure d'un accord de collaboration recherche, non d'un produit commercialisé ni d'un déploiement en cours.

Industriel⚡Actu

1 source

49

3332arXiv cs.RO 

Le suivi de points améliore les modèles d'action du monde

Des chercheurs ont publié sur arXiv (référence 2605.23856) JOPAT, un modèle monde-action conjoint qui combine prédiction visuelle au niveau pixel, suivi de points 2D avec gestion de la visibilité, et prédiction d'actions, le tout dans un unique transformeur de diffusion par débruitage. L'idée centrale est de ne pas se contenter de prédire l'apparence pixel à pixel, mais d'intégrer explicitement des trajectoires de points dans la scène, ce qui donne au modèle une représentation directe du mouvement plutôt qu'une reconstruction visuelle brute. Les évaluations portent sur deux environnements : le benchmark de simulation LIBERO, largement utilisé dans la communauté manipulation, et des tâches réelles via la plateforme open-source LeRobot d'Hugging Face. Sur ces deux environnements, JOPAT surpasse les baselines pixel-only, avec les gains les plus marqués sur les tâches à horizon long impliquant occlusions, interactions inter-objets, et mouvements partiellement hors cadre. L'apport technique concret est de résoudre un problème bien connu du robot learning : la prédiction pixel-level mélange dynamique du scène avec des facteurs parasites comme l'éclairage, la texture ou les reflets, ce qui rend les représentations apprises fragiles face à des variations visuelles sans lien avec la tâche. En introduisant des tracks 2D comme signal de supervision supplémentaire, JOPAT force le modèle à construire une représentation de mouvement explicite et stable, notamment en cas d'occultation partielle ou de sortie de champ. C'est un résultat notable pour les intégrateurs qui déploient des bras manipulateurs en environnement non contrôlé : si la robustesse aux variations visuelles se confirme hors labo, cela réduit le besoin de contrôle d'éclairage et de marqueurs artificiels, deux contraintes coûteuses en production. Le suivi de points comme signal de supervision intermédiaire s'inscrit dans une tendance plus large qui cherche à doter les politiques robotiques de représentations structurées plutôt que de tout apprendre depuis les pixels bruts. Des travaux récents comme Track2Act, ATM ou RoboTAP ont exploré des approches voisines ; JOPAT se distingue en intégrant cette supervision directement dans le cadre des world-action models diffusifs, un paradigme popularisé par des modèles comme UniSim ou GROOT de NVIDIA. La plateforme LeRobot, maintenue par Hugging Face, constitue ici le pont vers des expériences matérielles reproductibles avec des robots bas coût, ce qui accélère la validation hors simulation. Les prochaines étapes naturelles seront la généralisation à des manipulateurs à degrés de liberté élevés, la tenue à des changements de fond importants, et l'évaluation sur des séquences multi-étapes représentatives des usages industriels réels.

IA physique❧Opinion

1 source

47

3333arXiv cs.RO 

Instrumentation pour l'apprentissage par imitation : enrichissement des données d'entraînement pour l'insertion de cintres

Des chercheurs ont publié en mai 2026 sur arXiv (2605.23847) une étude portant sur l'instrumentation des objets manipulés comme levier pour améliorer l'apprentissage par imitation en robotique. La tâche choisie est l'insertion d'un cintre sur une tringle, opération représentative des défis de manipulation fine avec contact. L'équipe a collecté 180 démonstrations téléopérées pour entraîner des politiques de diffusion (diffusion policies), en comparant des variantes avec et sans accès aux données d'instrumentation, c'est-à-dire des capteurs intégrés directement dans l'objet manipulé plutôt que dans le robot. Les résultats montrent que les politiques exploitant ces signaux surpassent les variantes vision-only de 14 à 25 points de pourcentage, avec une meilleure conscience de la tâche. Point notable : une politique boîte noire apprend à prioriser spontanément les signaux capteurs sans guidage explicite lors de l'entraînement. Une approche student-teacher complète le tableau : en enrichissant le jeu de données avec des rollouts générés par un expert instrumenté, une politique vision-only étudiante atteint des performances comparables à cet expert, surpassant ainsi la ligne de base vision-only originale. Les datasets sont disponibles sur Zenodo. Ce résultat adresse un verrou structurel du domaine : les grands modèles de comportement (large behaviour models) pour la manipulation robotique restent bridés par des exigences de données prohibitives, contrairement aux modèles de vision-langage qui ont pu capitaliser sur des corpus massifs issus d'internet. L'instrumentation des objets, en fournissant des informations d'état précises sur les contacts et les forces lors de chaque démonstration, augmente la densité informationnelle sans multiplier le nombre de démos. L'approche student-teacher est particulièrement stratégique pour le déploiement industriel : elle permet de distiller la connaissance sensorielle dans un modèle déployable avec une simple caméra, sans instrumentation permanente de la production. Ces travaux s'inscrivent dans une dynamique plus large autour des politiques de diffusion en manipulation, popularisées par Chi et al. (2023) et intégrées dans des systèmes comme Pi-0 (Physical Intelligence) ou ACT. La piste de l'instrumentation rejoint des efforts parallèles sur les peaux tactiles et les capteurs force-couple, explorés notamment par MIT CSAIL, ETH Zurich, et des équipes INRIA côté européen. La portée reste cependant à nuancer : 180 démos sur une tâche de laboratoire contrôlée ne constitue pas une validation à l'échelle industrielle, et les auteurs ne rapportent aucune expérience en environnement de production réel. La mise à disposition publique des données sur Zenodo ouvre toutefois la voie à des reproductions et extensions indépendantes sur des tâches plus complexes.

Recherche❧Opinion

1 source

45

3334arXiv cs.RO 

SFG-ROS : un framework de perception multi-agents dense adaptatif aux ressources

Des chercheurs de la Hochschule Esslingen (Allemagne) ont publié en mai 2026 sur arXiv un framework logiciel nommé SFG-ROS, conçu pour déployer des flottes hétérogènes de robots en perception collaborative multi-agents. Le système cible un problème bien documenté de ROS 2 : lorsque plusieurs robots échangent simultanément des flux denses de capteurs (LiDAR, caméras stéréo de profondeur), le middleware standard génère une saturation réseau rapide, des collisions de namespaces et une charge CPU qui croît avec le nombre d'abonnés. SFG-ROS propose trois mécanismes correctifs. D'abord, un routage de trafic piloté par schéma qui isole les flux haute fréquence intra-agent du réseau global via un schéma de nommage pleinement qualifié et un routage Fast DDS ciblé. Ensuite, un pipeline de décodage centralisé à la demande qui externalise la décompression des données capteur vers un noeud dédié, supprimant le traitement redondant côté consommateurs. Enfin, un pipeline de conteneurisation agnostique au matériel qui s'adapte dynamiquement aux accélérateurs hétérogènes, du poste de développement jusqu'au déploiement terrain sans reconfiguration. Les tests menés sur une flotte mixte de robots à roues et de robots marchants montrent que SFG-ROS borne le trafic réseau en O(1) quelle que soit la taille de la flotte, et réduit la pénalité CPU par abonné de 72,3 % par rapport à ROS 2 standard, sans dégradation de latence mesurée. Ce résultat de 72,3 % de réduction CPU est significatif pour les intégrateurs industriels qui opèrent des flottes mixtes en conditions réelles : il signifie concrètement qu'ajouter un nouveau robot consommateur de données ne fait pas croître linéairement la charge de traitement sur les noeuds existants. La propriété O(1) sur le réseau est peut-être encore plus critique : elle autorise des déploiements à grande échelle sans redimensionnement de l'infrastructure réseau, ce qui change le calcul économique des entrepôts automatisés multi-AMR ou des chantiers robotisés. L'approche agnostique au matériel répond à une friction fréquente en intégration : les pipelines ROS 2 sont souvent reconfigurés manuellement à chaque changement de plateforme (Jetson, GPU server, CPU embarqué). SFG-ROS automatise ce pont, ce qui réduit le temps de mise en service. Toutefois, les résultats proviennent d'un preprint non encore évalué par les pairs, et les conditions expérimentales exactes (taille de flotte testée, volume de données par canal, latence cible) ne sont pas détaillées dans le résumé disponible, ce qui limite la transposabilité directe des chiffres à d'autres configurations. SFG-ROS est publié sous licence permissive par l'Institut für Intelligente Systeme de la Hochschule Esslingen, une école d'ingénieurs allemande active en robotique embarquée et systèmes cyber-physiques. Le projet s'inscrit dans une tendance plus large de l'écosystème ROS 2 à combler les limites de scalabilité de DDS pour les flottes denses, tendance où l'on retrouve aussi des travaux de l'Université de Bonn, d'Apex.AI ou encore des efforts de standardisation du ROS 2 TSC autour de la qualité de service DDS. Du côté des alternatives, des frameworks propriétaires comme LCM (Lightweight Communications and Marshalling) ou les middlewares internes de Boston Dynamics et ANYbotics offrent des garanties similaires mais sans interopérabilité ouverte. SFG-ROS se positionne comme une couche d'orchestration open-source au-dessus de ROS 2 existant, ce qui abaisse la barrière à l'adoption. Le code est accessible sur iis-esslingen.github.io/sfg-ros, et la prochaine étape logique serait une validation sur des flottes de taille industrielle (dizaines d'agents) avec des benchmarks de latence publiés sous charge réelle.

Infrastructure❧Opinion

1 source

43

3335arXiv cs.RO 

$\pi_0$-EqM : appariement à l'équilibre pour le contrôle VLA en boucle fermée

Une équipe de recherche publie sur arXiv (2605.23128) π₀-EqM, une variante du modèle de contrôle robotique π₀ de Physical Intelligence qui substitue le décodeur d'actions par flux (flow-matching) à un décodeur par Equilibrium Matching (EqM), sans toucher à la pile VLA en amont. Évalué avec un budget fixé à 300 étapes d'inférence, π₀-EqM progresse de 40,4 % à 50,2 % de taux de réussite moyen sur le benchmark de simulation RoboTwin, couvrant 19 tâches de manipulation, et atteint 87,0 % sur LIBERO-10, l'un des sous-ensembles les plus exigeants de la suite LIBERO. Ces gains sont mesurés en simulation, ce qui en tempère la portée directe avant validation sur hardware réel. Le résultat principal dépasse le score brut : les auteurs mettent en évidence un phénomène qu'ils nomment le "stationarity-executability gap", une relation non monotone entre la profondeur d'inférence résiduelle et le taux de succès, variable selon la tâche. Itérer davantage ne garantit donc pas de meilleures actions, et le budget d'inférence optimal dépend de l'état courant de la scène. Ce constat remet en question l'hypothèse implicite des pipelines VLA actuels, qui utilisent des horizons d'échantillonnage fixes indépendamment du contexte d'exécution. Pour les équipes produit et les intégrateurs, cela ouvre la voie à des politiques adaptatives capables d'allouer dynamiquement la puissance de calcul selon la difficulté perçue de la tâche, réduisant la latence sur les actions simples et renforçant la robustesse sur les cas complexes. π₀ est le modèle de fondation robotique de Physical Intelligence (Pi), startup américaine fondée en 2023 par d'anciens chercheurs de Google, DeepMind et Stanford, dont Sergey Levine et Chelsea Finn. Le flow-matching, popularisé par le π₀ original (arXiv:2410.24164, octobre 2024), est aujourd'hui le paradigme dominant pour le décodage d'actions dans les VLA, en concurrence avec la diffusion (Diffusion Policy) et les sorties autoregressives (OpenVLA, Octo). L'Equilibrium Matching s'inscrit dans la famille des méthodes à énergie implicite, proches des EBM (Energy-Based Models), et offre une profondeur d'inférence adaptable par conception. La prochaine étape logique sera une validation sur robot physique pour quantifier le sim-to-real gap de cette approche.

IA physique❧Opinion

1 source

43

3336arXiv cs.RO 

GEM-4D : modèles du monde vidéo enrichis par la géométrie pour la manipulation robotique

Une équipe en soumission anonyme (probablement ICCV ou NeurIPS 2025) publie GEM-4D sur arXiv, un modèle mondial vidéo ancré géométriquement pour la manipulation robotique. Le constat de départ est bien documenté : les VWM (Video World Models) génèrent des séquences futures visuellement plausibles à partir d'une instruction, mais ne maintiennent pas la cohérence du mouvement au niveau des points entre les images, ce qui les rend inutilisables pour l'exécution d'actions physiques fiables. GEM-4D résout cette limitation en injectant, pendant l'entraînement, une supervision de correspondances 4D denses distillée depuis un modèle de fondation géométrique pré-entraîné dans le backbone génératif vidéo, tout en conservant une architecture single-stream sans surcoût à l'inférence. Un module de dynamique inverse convertit ensuite les rollouts vidéo cohérents en trajectoires exécutables, déployables en simulation comme en réel. Sur la combinaison prédiction vidéo et cohérence géométrique, GEM-4D atteint l'état de l'art, et le taux de succès en manipulation réelle progresse de 61 % à 81 %, soit un gain de 20 points. Ce gain de 20 points sur des tâches réelles est le chiffre central : il valide l'hypothèse que la supervision géométrique suffit à combler le gap entre apparence visuelle et ancrage physique. Pour les intégrateurs et décideurs industriels, l'architecture single-stream représente un avantage concret, sans module géométrique séparé à maintenir en opération. Cela positionne les VWM comme une alternative sérieuse aux approches VLA (Vision-Language-Action) comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA, jusque-là perçues comme plus directement actionnables. La réserve habituelle s'applique : la soumission reste anonyme, les vidéos de la page projet ne permettent pas encore d'évaluation indépendante, et le protocole de test en environnement réel n'est pas détaillé dans le résumé disponible. Les VWM appliqués à la robotique constituent un axe de recherche actif depuis 2023, avec des travaux précurseurs comme UniSim (OpenAI) ou IRASim. GEM-4D s'y distingue en apportant la cohérence géométrique 3D+temporelle qui faisait défaut, en s'appuyant sur des modèles de fondation pour la reconstruction dense, domaine où l'INRIA Paris (à l'origine de DUSt3R et MASt3R) est un acteur européen de référence. La chaîne supervision géométrique → génération vidéo → action robotique apparaît ainsi viable à l'échelle d'un déploiement réel. Les prochaines étapes naturelles seront une validation sur des benchmarks standardisés comme RLBench ou LIBERO, et des tests hors des environnements de laboratoire contrôlés.

Recherche❧Opinion

1 source

42

3337arXiv cs.RO 

Planification de mouvement vérifiée dans l'espace des tâches sous contraintes articulaires

Une équipe de chercheurs présente dans un preprint arXiv (2605.22991, mai 2026) une méthode pour certifier formellement la planification de mouvement des bras manipulateurs face aux limites articulaires. Les planificateurs réactifs dans l'espace cartésien comme Bug2 opèrent avec des pas fixes sans tenir compte des butées angulaires ; lorsque la jacobienne est mal conditionnée, même un petit déplacement cartésien peut forcer un mouvement articulaire hors limites, provoquant une dérive de suivi et l'échec d'atteinte de l'objectif. La solution calcule, à chaque pas, le plus grand hyperrectangle cartésien certifiablement atteignable via une approximation polynomiale du second ordre de la cinématique inverse et la procédure S, qui forment un programme semi-défini positif (SDP) résolu par bisection en moins d'une milliseconde ; ce certificat est intégré à Bug2 pour adapter dynamiquement le pas au conditionnement cinématique local. Sur 94 scénarios adversariaux couvrant six configurations de limites articulaires, le planificateur SOS-vérifié atteint zéro violation articulaire et 100 % de taux de succès, contre 6 à 11 % de violations et jusqu'à 18 % d'échecs pour le Bug2 standard. Ce résultat comble une lacune bien connue : la planification dans l'espace de travail et la gestion des contraintes articulaires sont traitées séparément dans la plupart des architectures, ce qui génère des comportements indésirables près des singularités cinématiques. La résolution sous-milliseconde rend le module intégrable dans des boucles de contrôle temps réel, le positionnant comme couche de sécurité potentielle au-dessus des planificateurs existants sur des bras industriels comme le KUKA iiwa, l'Universal Robots UR10 ou le Franka Emika Panda. Bug2 est un algorithme réactif classique des années 1980-90, robuste mais agnostique aux propriétés cinématiques du robot, dont l'adaptation aux manipulateurs modernes multi-DDL a toujours souffert de ce manque de cohérence entre espaces cartésien et articulaire. L'usage de la procédure S et des programmes semi-définis pour certifier des atteignabilités locales s'inscrit dans une tendance plus large d'intégration de la vérification formelle (barrières de contrôle, Lyapunov, SOS) dans la planification de mouvement. Ce travail reste un preprint de recherche sans implémentation open-source ni déploiement industriel annoncé ; la validation sur robots physiques multi-DDL en conditions dynamiques réelles demeure l'étape manquante avant toute adoption industrielle.

Recherche❖Paper

1 source

42

3338arXiv cs.RO 

Any2Any : transfert efficace entre plateformes pour le suivi corporel complet de robots humanoïdes

Une équipe de chercheurs publie sur arXiv (réf. 2605.23733) une méthode baptisée Any2Any pour transférer des modèles de whole-body tracking (WBT) entre différentes plateformes humanoïdes sans réentraînement complet. Le WBT désigne la capacité d'un robot humanoïde à reproduire fidèlement des mouvements complexes sur l'ensemble du corps, et constitue aujourd'hui un composant clé des pipelines de contrôle humanoïde. Any2Any procède en deux étapes: un alignement cinématique entre robot source et robot cible, puis une adaptation dynamique par fine-tuning paramétrique léger (PEFT) appliqué aux seuls modules sensibles à la dynamique du mouvement. Résultat annoncé: le transfert de modèles Sonic préentraînés sur le Unitree G1 vers deux robots de LimX Robotics, le LimX Oli et le LimX Luna, en mobilisant seulement 1% des données et du calcul nécessaires à un entraînement complet from scratch, avec des performances de suivi comparables ou supérieures. Si ces chiffres se confirment en conditions réelles, Any2Any s'attaque à l'un des principaux verrous économiques du marché humanoïde: le coût de redéveloppement du contrôle moteur bas-niveau pour chaque nouvelle plateforme. Entraîner un modèle WBT from scratch mobilise aujourd'hui d'importants volumes de données simulées et de GPU-heures, ce qui pénalise les robots à faible volume ou en phase de prototype. Un ratio de 1% de ressources représente, si validé, un changement structurel dans l'économie du développement robotique. Cette approche conforte également l'hypothèse d'un "foundation model" pour le contrôle moteur humanoïde: un modèle préentraîné sur une plateforme bien documentée pourrait devenir un socle réutilisable par des intégrateurs tiers, réduisant la barrière à l'entrée pour les acteurs disposant de ressources computationnelles limitées. Le WBT humanoïde concentre une concurrence intense, avec les travaux de Physical Intelligence autour de Pi-0, les modèles GR00T N2 de NVIDIA, et les pipelines internes de Figure AI et Agility Robotics. Unitree, acteur chinois prolixe en publications open-source, fournit son G1 comme base de préentraînement dans un nombre croissant de travaux académiques. LimX Robotics, moins médiatisé, développe humanoïdes et quadrupèdes et joue ici le rôle de cible de validation. Any2Any reste cependant un preprint arXiv sans validation industrielle publiée, et les démonstrations vidéo sélectionnées dans ce type de soumission ne reflètent pas nécessairement les performances moyennes en environnement non contrôlé. Les prochaines étapes logiques seraient une validation sur des tâches de manipulation en milieu réel et une intégration dans des pipelines open-source existants.

IA physique❖Paper

1 source

42

3339arXiv cs.RO 

Planification de mouvements par logique temporelle de signaux via des graphes d'ensembles convexes

Une équipe de chercheurs a publié sur arXiv (arXiv:2605.23240) un cadre de planification de trajectoires en temps continu combinant la logique temporelle de signaux (STL, Signal Temporal Logic) et les graphes d'ensembles convexes (GCS, Graphs of Convex Sets). L'objectif est de générer des trajectoires lisses satisfaisant à la fois des contraintes logico-temporelles de haut niveau, par exemple "atteindre la zone A entre t=2 s et t=5 s tout en évitant B", et des limites cinématiques de bas niveau comme les bornes de vitesse. La méthode encode d'abord la spécification STL sous forme d'automate temporisé, le couple à une décomposition convexe de l'espace de configuration, puis reformule l'ensemble comme un problème de plus court chemin sur un GCS. La solution produit des trajectoires en B-splines de Bézier, validées expérimentalement sur un quadrirotor 3D, un humanoïde à 30 degrés de liberté (DoF) et un bras industriel UR-3 testé en conditions matérielles réelles. La contribution principale est de rendre tractable un problème historiquement difficile. Les approches classiques de planification sous STL s'appuient sur la programmation mixte entière (MILP), dont la complexité est exponentielle avec la dimension de l'espace ou la longueur de l'horizon temporel. Ce travail démontre qu'une fois l'automate temporisé et la décomposition convexe fixés, la relaxation convexe évolue polynomialement avec la dimension de l'espace de configuration et le degré des splines de Bézier, ce qui constitue une garantie de passage à l'échelle concrète. Le test sur un humanoïde à 30 DoF est significatif : c'est précisément la gamme de systèmes où les planificateurs STL classiques échouent. La validation hardware sur UR-3 confirme que les trajectoires produites sont directement exécutables, sans post-traitement supplémentaire. Le cadre GCS a été introduit vers 2022 par Marcucci, Tedrake et leurs collaborateurs au MIT comme outil d'optimisation de trajectoires dans des espaces fragmentés en régions convexes. Ce papier étend l'approche aux spécifications temporelles contraintes, une jonction entre vérification formelle et robotique opérationnelle. Les approches concurrentes incluent la MPC non linéaire sous STL et les planificateurs par échantillonnage avec satisfaction de contraintes temporelles. L'article reste un preprint non relu par les pairs ; les benchmarks présentés couvrent essentiellement des espaces de basse à moyenne dimension, et l'extension aux environnements dynamiques ou à la replanification en temps réel n'est pas encore abordée.

Recherche❖Paper

1 source

42

3340arXiv cs.RO 

TactileReflex : contrôle réflexe vision-tactile piloté par les statistiques du bruit pour la manipulation sensible à la force

TactileReflex est un contrôleur en boucle fermée à trois canaux pour la manipulation de contenants déformables fragiles, comme des gobelets plastiques remplis de liquide. Publié sur arXiv (2605.23568), il utilise deux capteurs visuo-tactiles pour extraire, à environ 12 Hz, trois métriques image : l'intensité de cisaillement (Sy), l'intensité de contact (Fn) et le centre de pression (C), pilotant en parallèle la suppression du glissement, le relâchement adaptatif au poids et la protection contre les surcharges de force. La calibration est entièrement automatique : les seuils de contrôle sont dérivés du bruit intrinsèque des capteurs via un court protocole de maintien statique et déchargement, sans modèles physiques spécifiques aux matériaux ni réglage manuel par essais-erreurs. Les résultats sont nets : en tests d'ablation sur déformation de contenant, le système complet atteint 5/5 succès contre au maximum 1/5 pour les configurations partielles ; sur une tâche de versement dynamique, les approches à effort fixe échouent 10 fois sur 10, contre 9/10 pour TactileReflex sur deux volumes d'eau distincts. La difficulté de saisir un gobelet plastique tient à une marge de force extrêmement étroite : trop peu de pression entraîne le glissement, trop la déforme irrémédiablement. C'est un angle mort récurrent des politiques VLA (vision-language-action) et de la téléopération sans retour haptique, qui opèrent à l'aveugle face aux variations de rigidité et de poids des objets manipulés. TactileReflex est présenté comme une couche de sécurité "plug-and-play" pouvant s'intercaler sous tout pipeline de manipulation haut niveau. L'absence de calibration externe et l'interprétabilité du contrôleur réduisent le coût d'intégration, un argument concret pour les intégrateurs déployant des bras robotiques polyvalents sur des lignes incluant des produits fragiles ou déformables. Les capteurs visuo-tactiles de type GelSight ou DIGIT permettent depuis plusieurs années d'imager le contact à l'échelle millimétrique, mais leur intégration dans des boucles de contrôle temps réel avec des seuils fiables reste un défi ouvert. Dans la course actuelle à la manipulation généraliste, Figure AI, Physical Intelligence (Pi-0) et Google DeepMind (RT-2) travaillent principalement avec des objets rigides aux marges de force confortables, laissant la manipulation déformable en marge des grandes démonstrations. L'article reste un preprint non évalué par les pairs, sans affiliation institutionnelle clairement identifiée ni partenaire industriel ni timeline de déploiement annoncés. Sa compatibilité revendiquée avec les pipelines VLA et la téléopération VR ouvre néanmoins une voie vers les frameworks de collecte de données robotiques, un terrain où des acteurs européens comme Enchanted Tools (France) sont actifs.

Recherche❖Paper

1 source

42

3341arXiv cs.RO 

USIM et U0 : un jeu de données et un modèle vision-langage-action pour robots sous-marins polyvalents

Une équipe de chercheurs a publié USIM et U0, un dataset de simulation et un modèle vision-langage-action (VLA) conçus pour doter les robots sous-marins d'une intelligence généraliste multi-tâches. Le dataset USIM regroupe plus de 905 000 images issues de 2 275 trajectoires simulées, soit environ 25 heures d'interactions enregistrées sur le robot BlueROV2, un ROV à six degrés de liberté largement utilisé en recherche. Le modèle U0, entraîné sur ces données, est capable d'exécuter des tâches allant de la navigation par évitement d'obstacles à la manipulation mobile en trois dimensions, le tout piloté par des instructions en langage naturel. En évaluation, U0 atteint un taux de succès global de 43,1 % sur des tâches en ligne, soit une amélioration de 5,5 points de pourcentage par rapport aux meilleures baselines existantes (plafonnées à 37,6 %), avec des performances particulièrement élevées en navigation pure, où le taux monte à 87,5 %. L'erreur moyenne de prédiction d'action hors ligne est réduite à 0,0359. Ces résultats ont une portée directe pour les intégrateurs et opérateurs de systèmes sous-marins autonomes : ils démontrent qu'un modèle généraliste entraîné sur données synthétiques peut effectivement franchir le sim-to-real gap dans un environnement aussi contraignant que le milieu aquatique, où la visibilité est réduite, les courants perturbent la stabilité et les repères visuels sont ambigus. Pour le secteur, c'est une validation de l'approche VLA à l'échelle sous-marine, un domaine où la quasi-totalité des travaux antérieurs s'était cantonnée à des méthodes spécialisées tâche par tâche. L'intégration d'un module de perception convolution-attention (CAP) avec estimation de pose cible comme tâche auxiliaire renforce explicitement la conscience spatiale du modèle, ce qui est critique pour la manipulation en 3D dans des scènes non structurées. Jusqu'ici, la robotique sous-marine autonome reposait majoritairement sur des systèmes de contrôle classiques ou des réseaux de neurones entraînés sur des jeux de données tâche-spécifiques, souvent collectés en conditions réelles à coût élevé. L'approche USIM mise sur la synthèse de données simulées à grande échelle pour contourner ce goulot d'étranglement, une stratégie déjà validée en robotique terrestre par des frameworks comme IsaacGym ou Genesis. Du côté des concurrents directs, les travaux sur les robots sous-marins généralistes restent rares : les projets OpenDive ou les plateformes de Woods Hole Oceanographic Institution n'ont pas encore publié d'équivalent VLA. Aucun acteur européen n'est cité dans cet article, bien que des entreprises comme ECA Group (France) ou Saab Seaeye (Suède) opèrent sur le marché ROV industriel. Le papier, disponible sur arXiv (2510.07869v4), pose un cadre d'évaluation standardisé incluant métriques hors ligne et exécution en ligne, ce qui facilitera les comparaisons futures. Les prochaines étapes annoncées concernent le transfert vers des plateformes physiques et l'extension du dataset à des scénarios plus complexes.

IA physique❧Opinion

1 source

42

3342arXiv cs.RO 

Agentic-VLA : adaptation en ligne efficace pour les modèles vision-langage-action

Une équipe de chercheurs présente Agentic-VLA, un framework d'entraînement agentique pour modèles Vision-Langage-Action (VLA), publié sur arXiv (2605.22896) fin mai 2026. L'approche repose sur trois mécanismes : une synthèse adaptative de récompenses qui génère dynamiquement des fonctions de récompense en décomposant les tâches complexes en sous-objectifs progressifs pour un apprentissage par curriculum ; une exploration guidée par le langage via un modèle critique qui structure la recherche de politique plutôt que de procéder par échantillonnage aléatoire ; et une mémoire d'expériences qui stocke des poids de politique pour amorcer l'adaptation à de nouvelles tâches similaires. Évalué sur le benchmark LIBERO, le framework affiche +12,3% sur les tâches longue portée, +28,5% en apprentissage one-shot, et un transfert inter-tâches passant de 0% à 31,2% sans démonstrations spécifiques aux tâches cibles. La convergence est 2,4 fois plus rapide que les méthodes d'adaptation en ligne existantes. Les résultats tiennent également sur RoboTwin 2.0, benchmark dual-bras, y compris en mode difficile randomisé. Ces performances s'attaquent à deux verrous bien identifiés du déploiement industriel des VLA : la mauvaise généralisation aux environnements non vus et la dépendance aux larges jeux de démonstrations coûteuses à collecter. Le chiffre de 31,2% de transfert sans démonstration est le plus significatif : il suggère qu'un système VLA pourrait s'adapter à une tâche inédite sans données étiquetées supplémentaires, cassant le cycle coûteux de collecte-retrain-validation. Le gain one-shot (+28,5%) est directement exploitable pour les intégrateurs robotiques qui opèrent dans des environnements variés avec peu de données disponibles. Si ces chiffres se confirment hors simulation, Agentic-VLA réduit le coût marginal de l'adaptation d'un robot à un nouveau cas d'usage, ce qui est le vrai goulot d'étranglement de la robotisation flexible. Les VLA sont des modèles combinant un encodeur vision-langage (de type LLaVA ou similaire) et un générateur d'actions motrices. Les références actuelles sont π0 de Physical Intelligence, OpenVLA et Octo. Leur talon d'Achille commun est le demo-to-reality gap : les politiques entraînées sur démonstrations se dégradent rapidement en conditions opérationnelles réelles. Agentic-VLA répond par l'adaptation en ligne continue plutôt que par pré-entraînement massif, ce qui est une orientation différente des approches à grandes données comme π0. L'article reste un preprint non relu par les pairs, sans validation sur robot physique rapportée, ce qui limite la portée immédiate des conclusions. La prochaine étape naturelle est une démonstration hardware en environnement non contrôlé.

IA physique❧Opinion

1 source

42

3343arXiv cs.RO 

IntentionNav : un benchmark pour la navigation vers des objets guidée par des intentions humaines implicites

Un groupe de chercheurs a publié fin mai 2026 IntentionNav, un benchmark diagnostique conçu pour évaluer la navigation d'agents incarnés à partir d'instructions humaines implicites. Contrairement aux benchmarks classiques d'ObjectNav (MP3D, HM3D), qui fournissent à l'agent une catégorie cible explicite ("trouve un micro-ondes"), IntentionNav formule des intents en langage naturel non directif : "j'ai besoin de quelque chose pour réchauffer ce plat" ou "la pièce me semble étouffante". Le benchmark couvre 500 épisodes distribués sur 176 scènes Isaac Sim et 64 catégories d'objets cibles. Chaque intent est reformulé en quatre styles linguistiques contrôlés et annoté selon quatre modes sémantiques distincts (script d'événement, état physique, affordance, usage contextuel), ce qui permet d'isoler les erreurs de reformulation linguistique des erreurs d'inférence sémantique. Trois modèles VLM (Vision-Language Models) ont été évalués avec un agent de navigation fixe. Les résultats sont sans ambiguïté : les modèles identifient correctement l'objet cible dans 48,3 % des épisodes, atteignent son voisinage à 2 mètres dans 68,7 % des cas, mais ne terminent avec succès que dans 24,9 % des épisodes et n'atteignent un succès ancré à 1 mètre que dans 5,5 % des cas. Ces chiffres révèlent que le bottleneck principal dans la navigation incarnée réelle n'est pas la navigation proprement dite, mais l'inférence d'intention, la vérification visuelle de l'instance correcte, et la décision de terminaison. Les intents de type "script d'événement" (ex : préparer le dîner) obtiennent les meilleurs scores (28,7 % de succès terminal), tandis que les intents fondés sur l'état physique (19,2 %) ou l'affordance (18,5 %) restent en deçà. Pour un COO industriel ou un intégrateur robotique, ce résultat est critique : un robot opérant en environnement humain doit recevoir des instructions naturelles, rarement formulées en termes de catégories d'objets précises. Les VLMs actuels échouent précisément sur ce que l'interaction humaine génère le plus souvent. Le benchmark s'inscrit dans la continuité des travaux sur l'embodied AI et le grounding langage-perception (SQA3D, EQA, R2R), mais comble un angle mort : la déconnexion entre succès agrégé et succès ancré dans la géométrie réelle. L'utilisation d'Isaac Sim comme environnement de simulation soulève la question du sim-to-real gap, non adressée dans cette publication. Aucun acteur industriel (Boston Dynamics, Figure, Agility, ni d'acteurs FR/EU comme Enchanted Tools ou Wandercraft) n'est impliqué dans cette étude académique. Les suites naturelles incluent l'extension à des scènes réelles captées en RGB-D, l'évaluation de modèles VLA (Vision-Language-Action) de bout en bout, et l'intégration de mécanismes de clarification active quand l'intent est ambigu, une direction encore peu explorée dans la littérature.

Recherche❖Paper

1 source

42

3344arXiv cs.RO 

SCRIPT : politique de diffusion extensible, entraînement multi-étapes, contrôle physique d'humanoïdes par le langage

Une équipe de chercheurs a publié le 28 mai 2026 sur arXiv (2605.22894) SCRIPT, un système de contrôle de robots humanoïdes en simulation physique piloté par des instructions en langage naturel. L'architecture centrale, baptisée JAST-DiT (Joint Action-State-Text Diffusion Transformer), représente simultanément les actions du robot, ses états physiques et les commandes textuelles sous forme de flux de tokens distincts, reliés par un mécanisme d'attention conjointe. Cette conception permet une interaction directe entre la sémantique linguistique et la dynamique de contrôle, sans passer par une couche de traduction intermédiaire. Pour stabiliser le contrôle sur des horizons longs, SCRIPT intègre un conditionnement d'historique non linéaire qui conserve un contexte récent dense tout en échantillonnant des repères de plus en plus épars dans l'historique à long terme. Le pré-entraînement par imitation supervisée est ensuite renforcé par une phase RLHR (Reinforcement Learning with Hybrid Rewards), qui injecte un bruit apprenable dans le processus de diffusion pour améliorer la qualité de mouvement et le suivi d'instruction en boucle fermée. Les évaluations quantitatives montrent que SCRIPT dépasse les méthodes antérieures sur trois métriques : alignement textuel, qualité de mouvement et réalisme physique. Les études de passage à l'échelle sur le dataset MotionMillion, qui totalise 1 200 heures de données de mouvement, confirment une progression continue des performances à mesure que le modèle grossit. L'intérêt technique de SCRIPT est de s'attaquer frontalement à la tension structurelle du domaine : entre expressivité sémantique (un humanoïde qui comprend des ordres variés) et faisabilité physique (un humanoïde qui ne tombe pas). Les approches existantes sacrifient généralement l'un pour l'autre. Le fait que SCRIPT améliore simultanément les trois métriques en boucle fermée est notable, car les simulations en boucle ouverte masquent souvent les dérives accumulées. La démonstration de scalabilité sur 1 200 heures de données suggère que l'architecture n'est pas un artefact de surapprentissage sur un corpus réduit, ce qui est un signal positif pour quiconque envisage un pré-entraînement à grande échelle de fondations motrices. Pour les intégrateurs et les équipes R&D, cela valide partiellement l'hypothèse selon laquelle les politiques de diffusion à grande échelle peuvent absorber la variabilité des commandes en langage naturel sans sacrifier la stabilité physique. Ce travail s'inscrit dans la vague des VLA (Vision-Language-Action models) appliqués aux humanoïdes en simulation physique, un axe de recherche très actif depuis 2024. Il entre en concurrence directe avec des approches comme PHC, UniHSI ou les variantes récentes de contrôle par diffusion de Nvidia (GR00T N2), qui ciblent des problèmes similaires de contrôle conditionné par le langage. SCRIPT se distingue par sa composante RLHR post-entraînement et son protocole de scaling explicite, deux éléments souvent absents des publications académiques concurrentes. Il s'agit ici d'une annonce de recherche préprint, pas d'un produit déployé : le code sera rendu public mais aucun calendrier de transfert vers du matériel réel n'est mentionné. Les prochaines étapes naturelles seront le transfert sim-to-real et l'évaluation sur des plateformes physiques comme Unitree H1 ou Figure 03.

IA physique❧Opinion

1 source

42

3345arXiv cs.RO 

LACY : cycle langage-action à base de modèle vision-langage pour la manipulation robotique auto-améliorante

Des chercheurs ont publié sur arXiv (arXiv:2511.02239) LACY, un cadre unifié reposant sur un modèle vision-langage (VLM) qui introduit une cartographie bidirectionnelle entre instructions textuelles et actions robotiques. Contrairement aux architectures VLA classiques qui se limitent à traduire du langage vers des actions (L2A), LACY entraîne simultanément trois tâches complémentaires : la génération d'actions paramétrées à partir d'une instruction (L2A), l'explication en langage naturel d'une action observée (A2L), et la vérification de cohérence sémantique entre deux descriptions (L2C). Le système a été évalué sur des tâches de pick-and-place en simulation et en environnement réel, où il améliore le taux de succès de 56,46 % en moyenne par rapport aux baselines. Un mécanisme d'augmentation active cible les cas à faible confiance pour générer et filtrer automatiquement de nouvelles données d'entraînement, sans annotation humaine supplémentaire. L'intérêt principal de LACY pour les intégrateurs et les équipes R&D tient à sa boucle auto-améliorante : le robot ne se contente plus d'exécuter, il peut rationaliser ses propres gestes, ce qui enrichit les représentations internes et réduit la dépendance aux datasets labellisés manuellement. La capacité A2L constitue une avancée pour la supervision et le débogage en production, car un système capable d'expliquer ses actions facilite la validation humaine. Sur le plan de la généralisation, le signal L2C fonctionne comme un filtre de cohérence sémantique qui élimine les augmentations bruyantes, un problème récurrent dans l'entraînement sim-to-real. Cela dit, les expériences restent limitées au pick-and-place, tâche canonique mais peu représentative de la complexité des workflows industriels réels. LACY s'inscrit dans une vague de travaux VLA post-RT-2 qui cherchent à dépasser le paradigme unidirectionnel : Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou OpenVLA explorent des espaces proches mais n'intègrent pas de branche A2L explicite. La page projet (vla2026.github.io/LACY) laisse entrevoir des extensions vers des tâches de manipulation plus complexes. L'absence de données sur les temps de cycle, les charges utiles ou les plateformes matérielles testées rend difficile toute évaluation directe pour un déploiement industriel, et le saut de 56,46 % mérite d'être lu avec prudence tant que les conditions expérimentales complètes ne sont pas publiées.

IA physique❧Opinion

1 source

41

3346arXiv cs.RO 

Combien d'échantillons d'entraînement sont nécessaires pour résoudre la cinématique inverse par réseaux de neurones artificiels

Une étude publiée sur arXiv (réf. 2605.23583) apporte une réponse chiffrée à une question pratique restée sans consensus dans la communauté robotique : combien de données d'entraînement sont nécessaires pour qu'un réseau de neurones artificiels (ANN) résolve correctement la cinématique inverse (IK) d'un bras manipulateur ? Les chercheurs ont généré des jeux de paires position-articulation de tailles croissantes pour entraîner des réseaux feedforward sur un manipulateur articulé, puis ont évalué la précision, la convergence et la capacité de généralisation des modèles obtenus. Résultat principal : au-delà de 125 échantillons d'entraînement, l'ajout de données supplémentaires n'améliore plus significativement l'efficacité du modèle ni la précision d'approximation de l'effecteur terminal. Ce seuil de 125 paires joint-position est une donnée concrète pour les intégrateurs robotiques et les équipes embarquées : il signifie qu'une couverture d'entraînement minimale suffit pour obtenir un solveur IK neuronal opérationnel, sans nécessiter de campagnes de collecte longues ou coûteuses. Cela contredit l'hypothèse implicite selon laquelle les approches par apprentissage exigent systématiquement des volumes de données importants pour rivaliser avec les méthodes analytiques classiques. Pour des systèmes à ressources contraintes, des robots collaboratifs ou des déploiements edge, cette efficacité de données ouvre la voie à une mise en oeuvre plus rapide et moins coûteuse des solveurs IK appris. La cinématique inverse est l'un des problèmes fondamentaux de la commande de bras robotiques : calculer les angles articulaires qui placent l'effecteur à une position cible donnée. Les méthodes traditionnelles, géométriques, algébriques ou basées sur le jacobien, présentent des limites connues face aux configurations singulières ou aux manipulateurs redondants. Les ANN ont émergé comme alternative depuis une dizaine d'années, portés par des travaux issus de laboratoires académiques et de groupes comme OpenAI Robotics ou des équipes universitaires spécialisées en apprentissage robotique. Cette étude comble un manque pratique dans la littérature : elle fournit un cadre mathématique liant taille du dataset et précision du modèle, et constitue un guide dimensionnel directement exploitable pour optimiser le compromis coût de calcul / qualité de prédiction dans des applications industrielles réelles.

Recherche❖Paper

1 source

41

3347arXiv cs.RO 

Quatre estimateurs proprioceptifs simples pour robots à pattes

Des chercheurs ont publié sur arXiv (réf. 2605.23100) un rapport technique présentant quatre estimateurs d'état proprioceptifs pour robots à pattes, conçus pour corriger la dérive des centrales inertielles (IMU) de grade consommateur embarquées sur ces plateformes. Le problème central est connu : une IMU seule accumule des erreurs de position et d'orientation au fil du temps en raison du bruit de mesure. L'approche proposée exploite les contacts intermittents des pieds avec le sol comme événements de recalage, sans recourir à des capteurs extéroceptifs (caméras, lidar). L'état estimé comprend l'attitude, la position, la vitesse et les biais IMU. Les quatre variantes progressent en complexité : un filtre de Kalman étendu invariant assisté par contacts (EKF invariant, d'après les travaux de Hartley et al.) à taux de mise à jour réduit, puis ce même filtre augmenté d'une mise à jour par graphe de facteurs, puis un lisseur à décalage fixe intégrant des points d'appui par épisode de contact, avec et sans modélisation d'un biais IMU évolutif. Les quatre implémentations sont disponibles dans la bibliothèque GTSAM (Dellaert et al.) et accompagnées d'une interface compatible ROS2. L'intérêt pratique de cette contribution est double : elle fournit une baseline reproductible permettant de comparer rigoureusement des architectures d'estimation proprioceptive, et elle abaisse le seuil d'entrée pour les équipes d'intégration qui déploient des robots à pattes en environnements sans GPS ni infrastructure de localisation. Disposer d'un odométre fiable à partir des seuls capteurs embarqués est une condition préalable à toute navigation autonome robuste, avant même d'envisager des couches de cartographie ou de planification. Le fait que les quatre variantes soient directement disponibles dans GTSAM, outil standard en robotique académique et industrielle, facilite l'adoption et la comparaison objective des compromis vitesse-précision. Ce travail s'inscrit dans une longue tradition de recherche sur l'estimation d'état pour robots à pattes, où l'EKF invariant de Hartley (Michigan) fait figure de référence depuis 2019. GTSAM, développé par Frank Dellaert à Georgia Tech, est le socle sur lequel reposent de nombreux systèmes de SLAM et d'odométrie dans le domaine. L'article n'est pas associé à un déploiement industriel annoncé : il s'agit d'un preprint académique, pas d'un produit commercialisé. Dans un contexte où Boston Dynamics, ANYbotics, Unitree et des startups comme Figure ou Agility Robotics intensifient leurs efforts sur la fiabilité en milieu réel, la disponibilité d'estimateurs ouverts et testables représente une ressource utile pour accélérer la recherche comparative.

Recherche❖Paper

1 source

40

3348arXiv cs.RO 

Robots capables de demander des précisions : corriger des récompenses mal alignées grâce à des explications ciblées

Des chercheurs ont publié fin mai 2026 (arXiv:2605.22986) un cadre algorithmique permettant à un robot d'identifier automatiquement les aspects d'une tâche qu'il n'a pas correctement appris à partir de démonstrations humaines, puis de formuler en langage naturel des requêtes ciblées pour obtenir des démonstrations correctives. Le système s'applique à l'apprentissage de fonctions de récompense par imitation : lorsqu'un humain montre plusieurs fois comment accomplir une tâche, certains comportements sont bien couverts, d'autres sous-représentés, soit par charge cognitive, soit par difficulté physique à les démontrer de façon cohérente. Le mécanisme de détection repose sur une observation statistique simple : les caractéristiques bien spécifiées présentent peu de variance entre démonstrations, tandis que celles qui sont ambiguës varient largement. Le robot exploite ce signal pour inférer ses propres lacunes, puis explique verbalement à l'opérateur humain les aspects comportementaux incertains avant de demander de nouvelles démonstrations ciblées sur ces gaps. Le dispositif a été validé sur un domaine de manipulation de table simulé et dans une étude utilisateur avec un robot Franka réel. L'enjeu est direct pour les intégrateurs et les équipes d'automatisation industrielle : l'apprentissage par démonstration (LfD) est l'une des voies les plus prometteuses pour programmer des robots sans expertise en robotique, mais son talon d'Achille reste précisément le comportement divergent au déploiement quand les démonstrations ne couvrent pas suffisamment l'espace des situations réelles. Ce travail propose une boucle de correction active qui réduit l'ambiguïté résiduelle sans imposer à l'opérateur de savoir a priori quoi re-démontrer, ce que ne permettent ni la collecte passive de données supplémentaires ni les requêtes aléatoires. Les résultats montrent une amélioration significative de la récupération de la fonction de récompense correcte, ce qui constitue un signal concret contre l'hypothèse que le "demo-to-deploy gap" serait inévitable avec des démonteurs non experts. Ce travail s'inscrit dans la dynamique actuelle autour des architectures d'apprentissage interactif pour la robotique, à côté des approches de type RLHF robot (reinforcement learning from human feedback) ou des corrections par retour haptique. Il se distingue en rendant le robot explicitement demandeur d'information plutôt que passif. Les concurrents directs incluent les travaux sur l'active inverse reward design de Sadigh et al., ainsi que les approches de preference learning à la PEBBLE. La validation sur Franka, robot dominant des labos académiques, donne une crédibilité matérielle, bien qu'une évaluation sur manipulateurs industriels ou humanoïdes reste à faire. La prochaine étape logique serait de tester ce mécanisme en environnement non structuré ou avec des opérateurs non techniques, ce que les auteurs n'ont pas encore adressé.

Recherche❖Paper

1 source

39

3349arXiv cs.RO 

GAF : le champ d'action gaussien comme représentation 4D pour la modélisation du monde dynamique en manipulation robotique

Des chercheurs ont publié sur arXiv (version 5 de l'identifiant 2506.14135) une méthode intitulée GAF, pour Gaussian Action Field, qui introduit un cadre de perception 4D destiné à améliorer la précision des bras manipulateurs robotiques pilotés par vision. Le système s'appuie sur le 3D Gaussian Splatting (3DGS), une technique de reconstruction de scènes popularisée en 2023, qu'il étend avec des attributs de mouvement appris, permettant de modéliser simultanément la géométrie de la scène et la dynamique des actions robot dans le temps. GAF produit trois sorties couplées : une reconstruction de la scène courante, une prédiction de frames futures, et une estimation initiale d'action dérivée du mouvement gaussien. Un module de débruitage aligné action-vision vient ensuite affiner cette estimation. Sur les benchmarks testés, la méthode affiche des gains de +11,54 dB en PSNR, +0,3864 en SSIM et -0,5574 en LPIPS en qualité de reconstruction, ainsi qu'un taux de succès moyen supérieur de +7,3 points de pourcentage sur des tâches de manipulation robotique, par rapport aux meilleures méthodes actuelles. Ce gain de 7,3 % en taux de succès sur la manipulation est notable car il s'obtient sans changer le hardware ni la politique d'action de bas niveau : l'amélioration provient uniquement d'une meilleure représentation perceptive. Les approches Vision-to-Action (V-A), qui prédisent directement les commandes depuis les pixels, peinent face aux scènes dynamiques et aux occlusions partielles. Les méthodes Vision-to-3D-to-Action (V-3D-A), qui passent par une reconstruction 3D intermédiaire, gagnent en robustesse spatiale mais ignorent la dimension temporelle. En ajoutant explicitement le mouvement comme attribut appris dans la représentation gaussienne, GAF réduit ce que le secteur appelle le "reality gap" entre modèle perceptif et commande motrice réelle, un verrou central pour les bras industriels opérant dans des environnements non rigides. Le 3D Gaussian Splatting, base de GAF, a d'abord été développé pour la synthèse de nouvelles vues en vision par ordinateur, avant d'être rapidement adopté dans la robotique pour ses avantages en temps de rendu et en différentiabilité. Plusieurs groupes explorent déjà des extensions dynamiques de 3DGS pour la navigation et la saisie d'objets déformables. GAF se positionne directement face aux pipelines V-3D-A existants comme NeRF-based manipulation ou GaussianGrasping, ainsi qu'aux architectures VLA (Vision-Language-Action) qui contournent la reconstruction explicite. L'article reste à ce stade un preprint académique sans déploiement annoncé ni partenaire industriel mentionné ; les expériences sont conduites en environnement de laboratoire. Les prochaines étapes naturelles concerneraient la généralisation à des scènes multi-objets dynamiques et des tests sur des plateformes physiques commerciales comme les bras Franka ou UR.

Recherche❧Opinion

1 source

38

3350arXiv cs.RO 

Mélange d'experts structuré sémantiquement pour la manipulation robotique compositionnelle

Des chercheurs ont publié le 23 mai 2026 sur arXiv (réf. 2605.23477) un cadre d'apprentissage pour la manipulation robotique compositionnelle baptisé SMoDP (Semantically Structured Mixture-of-Experts Diffusion Policy). L'approche combine des politiques de diffusion avec une architecture Mixture-of-Experts (MoE) guidée sémantiquement : un prédicteur de compétences léger, supervisé par des annotations hors-ligne générées par des modèles vision-langage (VLM), route des séquences d'actions vers des experts spécialisés par phase comportementale (saisie, transport, insertion). La cohérence du routage est assurée par une double stratégie d'alignement contrastif, inter-modal pour ancrer les observations multimodales dans des sémantiques définies en langage naturel, et intra-modal pour maintenir un routage cohérent entre comportements visuellement distincts mais fonctionnellement équivalents. Sur des benchmarks multi-tâches, SMoDP surpasse les baselines diffusion et MoE existantes avec une meilleure efficacité paramétrique, et supporte le transfert vers de nouvelles tâches via fine-tuning frugal. L'enjeu est réel : les politiques de diffusion haute performance sont coûteuses en inférence, tandis que les versions allégées peinent à généraliser dès que le nombre de tâches augmente. Les architectures MoE classiques, qui n'activent qu'un sous-ensemble de paramètres, souffrent d'un défaut de conception : leur routage basé sur des statistiques latentes fragmente les comportements réutilisables entre experts, réduisant l'interprétabilité et la transférabilité. En ancrant la spécialisation dans la structure sémantique de la tâche, SMoDP rend les experts plus modulaires, un avantage direct pour les intégrateurs déployant des robots polyvalents sans réentraîner l'ensemble du modèle. Ce travail s'inscrit dans une course intense à l'efficacité des politiques robotiques. Depuis 2023, les politiques de diffusion (Diffusion Policy, Pi-0 de Physical Intelligence) ont supplanté les approches classiques, et les succès des MoE dans les LLM (Mixtral, Qwen-MoE) ont incité les chercheurs en robotique à adapter ces architectures, avec des résultats mitigés faute d'un bon mécanisme de routage. SMoDP se rapproche des pipelines VLA (Vision-Language-Action) comme OpenVLA ou GR00T N2 de NVIDIA, en intégrant la supervision sémantique par VLM comme lien entre langage et action. À ce stade, il s'agit d'une contribution académique validée en simulation et en environnement de laboratoire, sans annonce de déploiement industriel ni de partenaire commercial ; l'étape logique suivante serait une validation sur plateformes matérielles réelles à grande diversité de tâches.

IA physique❧Opinion

1 source