Actualités robotique — page 76

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

37

3751arXiv cs.RO 

Vers une intelligence physique semblable à l'humain : apprentissage vision-langage-action continu pour la manipulation robotique

Des chercheurs proposent LifelongVLA, un nouveau framework d'apprentissage continu pour les modèles Vision-Language-Action (VLA) appliqués à la manipulation robotique, décrit dans un article publié sur arXiv (2607.14852). Le système s'attaque à un problème classique de l'apprentissage séquentiel chez les robots : le compromis plasticité-stabilité, c'est-à-dire la capacité d'apprendre une nouvelle tâche sans effacer les compétences acquises précédemment. Concrètement, LifelongVLA introduit un module de gating LoRA à double échelle temporelle, séparant l'adaptation en deux voies légères : un adaptateur court terme pour la plasticité (apprentissage rapide de nouvelles tâches) et un adaptateur long terme pour la consolidation stable des compétences déjà maîtrisées. Une passerelle "task-aware" arbitre entre les deux. Le framework ajoute aussi une stratégie de rejeu ("replay") stochastique et économe en mémoire cache, qui préserve des signaux de rétention équilibrés sans avoir à stocker les trajectoires complètes des tâches passées. Les auteurs rapportent des résultats supérieurs aux méthodes existantes sur un bras robotique xArm en conditions réelles, avec une expansion efficace des compétences et une meilleure rétention des comportements de manipulation déjà appris. Cette avancée cible un angle mort réel des modèles VLA actuels (type Pi-0, GR00T N2 ou Helix) : la plupart sont entraînés une fois puis figés, ou doivent être ré-entraînés intégralement pour intégrer une nouvelle tâche, ce qui est coûteux et impraticable pour un déploiement industriel évolutif. Si un robot déployé en usine ou en entrepôt doit apprendre continuellement de nouvelles manipulations sans tout ré-apprendre à chaque fois ni oublier les précédentes, une méthode d'adaptation légère et peu gourmande en mémoire comme celle-ci intéresse directement les intégrateurs et décideurs qui cherchent à réduire les coûts de ré-entraînement et les temps d'arrêt liés à la mise à jour des compétences robotiques. C'est un pas vers des flottes de robots capables de monter en compétences sur site plutôt que de dépendre d'un redéploiement complet du modèle depuis un data center. Le travail s'inscrit dans la lignée de la recherche en "continual learning" appliquée à la robotique, un domaine longtemps dominé par les architectures de vision classique avant l'essor des VLA génératifs à grande échelle. Contrairement aux approches de fine-tuning complet ou à certaines méthodes de rejeu qui nécessitent de stocker l'intégralité des trajectoires passées (coûteux en stockage et en calcul), LifelongVLA mise sur des adaptateurs LoRA légers, une technique déjà largement utilisée pour le fine-tuning efficace des grands modèles de langage, ici transposée au contrôle robotique. L'article ne mentionne pas de partenaire industriel ni de déploiement commercial ; il s'agit d'un travail de recherche académique testé sur un seul bras xArm, avec des perspectives de validation à plus grande échelle et sur des plateformes robotiques plus variées à confirmer.

Recherche⚡Actu

1 source

37

3752arXiv cs.RO 

AeroAct : modèles monde-action centrés sur l'action pour le vol de quadricoptère conditionné par le langage

Des chercheurs présentent AeroAct, un modèle "monde-action" (world-action model, WAM) conçu pour piloter des quadricoptères à partir de commandes en langage naturel. Selon les auteurs, il s'agit du premier WAM démontré en vol réel sur drone. Le système adapte un Transformer de diffusion vidéo pré-entraîné pour prédire, à partir de l'historique visuel à la première personne, de la proprioception et d'instructions textuelles, des séquences de trajectoires et d'actions locales. Pendant l'entraînement, le modèle apprend en prédisant les images futures que produirait chaque action, une supervision dense des conséquences visuelles, mais au moment du déploiement il calcule directement les commandes de vol sans générer de vidéo. Pour produire les données d'entraînement, l'équipe a construit un pipeline basé sur DiffAero combinant les moteurs de simulation Isaac Lab et le rendu par 3D Gaussian splatting, complété par un dispositif portatif à bas coût qui couple caméra et estimation de mouvement pour recréer des trajectoires de vol. Une procédure d'auto-guidage améliore la cohérence temporelle entre segments de trajectoire qui se chevauchent. Les tests, en simulation en boucle fermée et sur un quadricoptère physique réel, montrent des gains en suivi de cible et en recherche d'objets. L'intérêt est de dépasser les limites des méthodes actuelles de navigation aérienne par langage, qui reposent sur des actions discrètes, des points de passage ou des commandes de vitesse instantanées offrant peu d'information sur l'effet des actions sur les observations futures. En ancrant explicitement l'apprentissage dans la prédiction visuelle des conséquences du mouvement, AeroAct cherche à combler l'écart classique entre simulation et réalité pour les modèles vision-langage-action appliqués au vol, un enjeu clé pour les intégrateurs en inspection industrielle, cartographie ou recherche-sauvetage par drone. Le travail s'inscrit dans la vague plus large des modèles du monde appliqués à la robotique, où l'action est conditionnée par une anticipation visuelle plutôt que par des commandes bas niveau directes. Il reste à ce stade une publication de recherche arXiv, pas un produit commercialisé ni déployé en conditions opérationnelles ; les auteurs présentent des résultats préliminaires en simulation et sur banc de vol réel, sans indication de partenaire industriel ou de calendrier de mise en production.

Recherche⚡Actu

1 source

37

3753arXiv cs.RO 

REST: arbre de Steiner explorateur à horizon glissant pour la navigation vers un objet en zero-shot

Une équipe de recherche propose REST (Receding Horizon Explorative Steiner Tree), un nouveau cadre de navigation robotique pour la tâche dite de "zero-shot object-goal navigation" (ZSON) : faire trouver un objet cible à un robot dans un environnement totalement inconnu, sans entraînement spécifique à la tâche. Décrit dans une version révisée d'un article déposé sur arXiv (2603.18624v2), le système est entièrement "training-free". Il fonctionne en trois étapes : construction en ligne d'une carte 3D explicite et à vocabulaire ouvert à partir de flux caméra RGB-D, génération d'un arbre de trajectoires sûres et informatives centré sur l'agent via un planificateur par échantillonnage, puis sélection du meilleur chemin par un raisonnement en chaîne de pensée (chain-of-thought) confié à un LLM, chaque branche de l'arbre étant traduite en récit spatial textuel. Testé sur trois benchmarks de référence du domaine, Gibson, HM3D et HSSD, REST se classe systématiquement parmi les meilleures méthodes en taux de réussite et en efficacité de trajectoire. L'apport principal n'est pas le LLM lui-même, déjà largement utilisé pour la navigation sémantique, mais la façon de structurer l'espace des options qu'on lui soumet. Les approches hiérarchiques existantes réduisent généralement chaque candidat à un simple point de destination noté selon son utilité finale, ce qui masque l'information utile collectée en cours de route et empêche de comparer des groupes de trajectoires apparentées. En remplaçant cette liste plate par un arbre de chemins partageant des segments communs, REST permet un raisonnement grossier-vers-fin : le LLM peut écarter ou explorer des branches entières avant d'examiner chaque feuille individuellement, ce qui compresse un espace combinatoire autrement ingérable. Pour les équipes travaillant sur des agents de navigation autonome ou des architectures VLA embarquées, c'est un signal que la qualité de la représentation de l'espace de décision pèse autant que la puissance du modèle de raisonnement utilisé pour trancher. Le travail s'inscrit dans la lignée des méthodes hiérarchiques ZSON qui séparent la représentation de la scène ("belief") de la prise de décision ("policy"), une architecture déjà courante dans la littérature récente sur la navigation sémantique assistée par LLM, mais qui jusqu'ici traitait l'interface entre ces deux modules comme un simple héritage technique plutôt que comme un axe de conception à part entière.

Recherche❖Paper

1 source

37

3754arXiv cs.RO 

Estimation de pose relative écoénergétique en communication grâce aux modèles de fondation visuels pour la perception collaborative éphémère

Le 17 juillet 2026, une équipe de recherche a publié sur arXiv (2607.14539) un nouveau système baptisé CERPE, pour "communication-efficient relative pose estimation", conçu pour estimer la pose relative entre robots mobiles qui ne se croisent que brièvement. Le problème visé est concret : quand deux robots se rencontrent dans un couloir, un entrepôt ou un espace ouvert, ils disposent d'une fenêtre d'interaction courte, d'une bande passante limitée et d'un recouvrement visuel souvent partiel ou nul, à cause d'occlusions ou de champs de vision restreints. CERPE combine des modèles de fondation en vision pour estimer conjointement l'ego-motion de chaque robot et la pose relative à six degrés de liberté (6-DoF) entre eux. Plutôt que d'échanger en continu des images brutes, coûteuses en bande passante, le système partage en permanence des descripteurs de taille fixe, qui servent à déclencher à la demande l'envoi d'images complètes seulement quand c'est nécessaire. En l'absence de recouvrement visuel, la pose relative est maintenue en propageant l'ego-motion à échelle métrique de chaque robot. Les auteurs rapportent des gains en simulation et sur robots réels par rapport à des méthodes de référence. L'enjeu dépasse la seule prouesse technique : la plupart des systèmes multi-robots collaboratifs (essaims de drones, flottes d'AMR en entrepôt, robots humanoïdes coopérant sur une même tâche) supposent aujourd'hui un référentiel global commun (GPS, SLAM partagé) ou un recouvrement visuel soutenu entre agents, deux hypothèses qui s'effondrent dès que les robots opèrent dans des environnements denses, indoor, ou avec des rencontres furtives. Si CERPE tient ses promesses à plus grande échelle, cela ouvrirait la voie à une coordination inter-robots sans infrastructure centralisée lourde et avec un coût réseau maîtrisé, un point sensible pour les intégrateurs qui déploient des flottes hétérogènes sur des liaisons radio contraintes. Le travail s'inscrit dans la lignée des recherches sur la perception collaborative, où les approches existantes butent justement sur le compromis entre coût de communication et robustesse face aux pertes de recouvrement visuel. À ce stade, il s'agit d'une publication de recherche avec validation en simulation et sur un banc de robots réels, non d'un produit déployé ; les prochaines étapes attendues concernent le passage à l'échelle sur des flottes plus larges et des scénarios de terrain plus variés.

Recherche❖Paper

1 source

37

3755arXiv cs.RO 

« Attraper, lancer, recommencer : la planification d'un robot partenaire de jonglage »

Kai Ploeger et son équipe publient un article intitulé « Catch, Throw, Repeat: Planning for Human-Robot Partner Juggling » (arXiv:2607.15129), qui décrit une architecture de planification et de contrôle en temps réel permettant à un robot de rattraper et relancer des balles en synchronisation avec un partenaire humain, dans des figures de jonglage à plusieurs balles. Le système combine un suivi prédictif de trajectoire de balle, une optimisation de trajectoire en ligne adaptative basée sur une formulation multiple-shooting, et une logique de coordination pilotée par machine à états. Lors d'une étude utilisateur menée avec huit participants de niveaux variés, du débutant à l'expert, sur des sessions de test de 10 minutes, le robot est parvenu à maintenir des cascades à trois balles partagées avec l'humain. Tous les participants ont dépassé les meilleurs résultats précédemment publiés : l'un d'eux a porté le record de cascade partagée à trois balles à 20 rattrapages consécutifs du robot, soit cinq fois le précédent record, tandis qu'un autre a atteint un taux de réussite de 100% avec 40 rattrapages consécutifs en configuration lancer-rattraper à une seule balle. Une vidéo de démonstration est disponible sur kai-ploeger.com/partner-juggling. Ce résultat marque une avancée notable pour l'interaction physique homme-robot en contexte dynamique et riche en contacts, un registre bien plus exigeant que la manipulation statique ou le pick-and-place classique. Le jonglage partenaire impose une coordination temps réel sous incertitude de perception, de timing et de mouvement humain variable, ce qui en fait un banc d'essai pertinent pour l'autonomie partagée et la réactivité robotique. Multiplier par cinq un record antérieur sur un nombre aussi restreint de participants et de temps d'essai suggère que l'architecture proposée généralise mieux aux variations de style humain que les approches précédentes, plutôt qu'elle ne dépend d'un partenaire entraîné spécifiquement au système. Le jonglage robot-humain reste un problème de recherche de niche mais sert de démonstrateur pour des briques technologiques transférables : suivi prédictif d'objets en vol, replanification de trajectoire à haute fréquence, et logique de coordination robuste à l'incertitude temporelle, des composants directement pertinents pour la manipulation dynamique en robotique industrielle et collaborative au sens large.

Recherche❖Paper

1 source

37

3756arXiv cs.RO 

VQ-Touch : un cadre de génération tactile économe en données, adaptable aux capteurs et scénarios

Des chercheurs ont publié sur arXiv (référence 2607.14728v1) un nouveau framework de génération tactile baptisé VQ-Touch, conçu pour synthétiser des images tactiles haute fidélité sans dépendre des capteurs physiques coûteux et sujets à l'usure. Le système repose sur deux composants principaux : DM-VQGAN, un module d'apprentissage de représentation capable d'extraire les déformations complexes et les textures à partir des données tactiles, et un décodeur de diffusion discrète doté d'une interface de conditionnement unifiée. Cette interface permet de générer plusieurs types de sorties, notamment des images et des labels, à partir d'une même architecture. Le framework a été testé en configuration cross-sensor et multi-scénarios, avec un entraînement mixte en few-shot destiné à améliorer sa capacité de généralisation face aux capteurs tactiles courants et à leurs variantes. Selon les auteurs, VQ-Touch dépasse les méthodes de l'état de l'art sur plusieurs tâches, sans toutefois préciser les métriques exactes ni les jeux de données de comparaison dans le résumé disponible. Pour la perception robotique et les systèmes d'interaction homme-machine, la promesse est avant tout économique et pratique : réduire la dépendance à de larges jeux de données spécifiques à un capteur, un frein connu au déploiement du toucher artificiel à grande échelle. Un modèle capable de généraliser entre capteurs et de fonctionner en environnement à vision limitée intéresse directement les intégrateurs qui équipent des mains robotiques ou des interfaces haptiques sans vouloir recollecter des données à chaque changement de matériel. Cela dit, il s'agit ici d'un travail de recherche publié sous forme de preprint, pas d'un produit commercialisé ni d'un déploiement industriel : la validation reste circonscrite aux expériences décrites par les auteurs. Le problème adressé, la faible efficacité des données et la généralisation limitée des générateurs tactiles existants, est documenté depuis plusieurs années dans la littérature sur la perception haptique, où la plupart des approches restent liées à un capteur unique, comme GelSight ou ses dérivés. VQ-Touch se positionne comme une réponse à cette fragmentation en misant sur la compatibilité multi-capteurs plutôt que sur la performance dédiée à un seul dispositif. La suite logique, non détaillée dans l'abstract, serait une validation sur du matériel tactile commercial et une comparaison chiffrée avec les frameworks concurrents de génération tactile par diffusion ou GAN.

Recherche❖Paper

1 source

36

3757arXiv cs.RO 

Interventional Causal Circuits pour des Tests d'Action Robotique Sûrs et une Récupération d'Échec

L'action robotique nécessite d'être non seulement probablement réussie, mais explicitement validée comme sûre avant exécution. C'est le point de départ d'un nouveau papier arXiv (2607.14826v1) qui s'attaque à un problème concret : tester formellement les paramètres de mouvement d'un robot coûte cher en calcul, et ce coût explose avec la dimensionnalité de l'espace d'action. Quand une action proposée est rejetée par le testeur, la réponse naïve consiste à rééchantillonner à l'aveugle jusqu'à trouver un candidat valide, une méthode jugée coûteuse et sans garantie de convergence. Les auteurs proposent à la place un diagnostic causal : identifier précisément quel paramètre a provoqué l'échec et quelle valeur corrective maximise la probabilité de réussite sous la distribution interventionnelle. Le système couple un Joint Probability Tree (JPT) à un Causal Circuit dérivé d'un Marginal-Deterministic Variable Tree, permettant un calcul exact en temps polynomial, sans réentraînement ni collecte de données supplémentaire. Testé en simulation ROS2, le framework réduit les tentatives échouées de 10,3% avec un JPT de bonne qualité, et jusqu'à 37% avec un JPT dégradé. Pour les intégrateurs et responsables robotique, l'intérêt dépasse le simple gain de performance : chaque plan rejeté génère un rapport structuré et interprétable, nommant la variable causale principale, sa valeur observée et la région corrective recommandée. Cela permet une supervision humaine claire tout en autorisant une récupération autonome, sans modèle d'échec entraîné séparément, un point sensible pour les architectures VLA et les pipelines de contrôle où la traçabilité des décisions devient un prérequis réglementaire autant que technique. La robustesse accrue face à un JPT dégradé (donc à des données d'apprentissage imparfaites) est particulièrement pertinente pour des déploiements réels où les modèles probabilistes ne sont jamais parfaits. Ce travail s'inscrit dans la lignée des recherches sur les tests de sécurité formels en robotique et l'inférence causale appliquée au contrôle, un domaine où la littérature reste encore majoritairement académique. Classé comme nouvelle publication, le papier ne rapporte pour l'instant que des résultats en simulation ROS2 ; l'étape suivante attendue serait une validation sur du matériel réel, condition nécessaire avant toute adoption industrielle de ce type de diagnostic causal embarqué.

Recherche❖Paper

1 source

36

3758arXiv cs.RO 

KineFuse : fusion haptique consciente de la cinématique pour le suivi de pose d'objets occlus en main

Des chercheurs ont publié cette semaine sur arXiv un travail intitulé KineFuse, consacré au suivi de pose 6D d'objets manipulés en main par des robots dextres. Le problème posé est concret : lorsqu'une main multi-doigts saisit un objet, les doigts eux-mêmes masquent partiellement ou totalement l'objet à la caméra, rendant le suivi visuel peu fiable. Les auteurs proposent un encodeur "kinematic-aware" au niveau de chaque doigt, qui combine les signaux haptiques déjà disponibles sur les mains robotiques (proprioception, force/couple proximal, contact binaire) avec un tracker visuel pré-entraîné. Cette architecture a été comparée à quatre designs alternatifs sur trois niveaux d'évaluation : affinage image par image, suivi séquentiel en boucle ouverte, et manipulation en boucle fermée. Résultat marquant : l'évaluation image par image ne permet pas de distinguer la qualité des encodeurs, alors que le suivi séquentiel amplifie les écarts de performance jusqu'à un facteur 15. La tokenisation compacte à 4 jetons par doigt surpasse à la fois la fusion "à plat" et les représentations par articulation, ces dernières écrasant le signal visuel par dominance de norme. L'apport le plus notable tient à ce que l'encodeur apprend de lui-même, sans supervision explicite, une forme de porte de fusion spécifique à la tâche : il s'appuie exclusivement sur la vision pour estimer la translation de l'objet, et dédie une tête d'attention aux données haptiques pour la rotation. Pour les intégrateurs travaillant sur la manipulation dextre, c'est une piste concrète pour réduire la dépendance à une vision toujours disponible, un angle mort classique des démonstrations en environnement contrôlé face aux conditions réelles d'usine ou d'entrepôt. Les auteurs valident d'ailleurs que ce suivi amélioré se traduit par un meilleur taux de succès sur une tâche de réorientation d'objet en main. Le travail s'inscrit dans la lignée des recherches sur la fusion tactile-visuelle pour la manipulation robotique, un axe actif face aux limites connues des trackers purement visuels en environnement occlus. Les auteurs fournissent des démonstrations qualitatives en conditions réelles et mettent à disposition une page projet (cold-young.github.io/kine-fuse) pour approfondir la méthode, sans toutefois annoncer de déploiement industriel ni de calendrier de transfert au-delà du cadre expérimental.

Recherche❖Paper

1 source

36

3759arXiv cs.RO 

MEMORA : mémoire d'action incarnée à partir de vidéos égocentriques pour le raisonnement et la planification

Des chercheurs présentent MEMORA, un système de mémoire d'action incarnée pour la planification robotique à long horizon, détaillé dans un article publié le 17 juillet 2026 sur arXiv (2607.14252v1). L'architecture repose sur un cycle formation-consolidation-récupération et quatre magasins de mémoire typés : Environment Memory (lieux), Entity Memory (identité et états des objets), Activity Memory (procédures répétées) et Inferred Knowledge (régularités déduites de l'expérience). Les auteurs ont construit MEMORA-Bench, évalué sur 45 heures de vidéos égocentriques issues d'une extension du jeu de données EPIC-KITCHENS-100 couvrant 18 participants, avec des tâches de planification ancrée en mémoire incluant des objectifs inédits. Testée sur quatre modèles de langage à poids ouverts, la version complète de MEMORA obtient les meilleurs résultats agrégés parmi toutes les conditions comparées, avec un gain jusqu'à 20,5 points de précision sur l'évaluation de mémoire et une amélioration relative jusqu'à 16,6% du score de plan ancré au robot en généralisation hors distribution. Une étude qualitative de déploiement sur deux tâches robotiques illustre l'interfaçage entre plans en langage naturel et contrôle réel. L'enjeu dépasse le simple score de benchmark. La plupart des modèles vision-langage-action actuels, de Pi-0 à GR00T N2 en passant par Helix, raisonnent surtout à partir de la scène présente, sans mémoire persistante des lieux, états d'objets ou procédures déjà rencontrées. Or planifier à long horizon dans un entrepôt, une cuisine industrielle ou un atelier suppose de se souvenir où est rangé tel outil ou quelle procédure a déjà fonctionné. En montrant qu'une mémoire éditable et consolidée améliore la généralisation à des objectifs inédits, MEMORA plaide pour une architecture hybride perception-action plus mémoire structurée, plutôt qu'un modèle unique de bout en bout. Pour les équipes de recherche robotique, le signal est que le goulot d'étranglement du raisonnement long horizon tient autant à l'absence de représentation persistante de l'expérience qu'à la politique d'action elle-même. Ce travail s'inscrit dans la recherche émergente sur l'agentivité incarnée à mémoire longue, en marge des humanoïdes commerciaux comme Figure 03 ou Optimus. À ce stade, MEMORA reste un travail académique évalué sur benchmark et testé qualitativement sur seulement deux tâches robotiques, loin d'un déploiement industriel. Les auteurs le positionnent comme complémentaire aux modèles VLA existants, une couche de contexte en amont plutôt qu'un concurrent. La suite logique serait une intégration à des pipelines VLA en conditions réelles et une extension du benchmark au-delà des tâches de cuisine, vers la logistique ou l'assemblage. Détails et code sur la page projet des auteurs.

Recherche❖Paper

1 source

36

3760arXiv cs.RO 

RxBrain : modèle fondation d'IA incarnée avec raisonnement langage-vision conjoint et imagination

Un nouveau modèle de fondation pour la cognition incarnée, baptisé RxBrain (nom complet Hy-Embodied-RxBrain), vient d'être détaillé dans un article publié sur arXiv (2607.14187, cross-listé). Contrairement aux modèles vision-langage classiques qui se contentent de comprendre une scène et de produire une décision textuelle, ou aux modèles de monde génératifs qui se limitent à prédire des images futures, RxBrain fusionne les deux approches dans une seule séquence de planification. Le langage y porte la structure abstraite du plan (décomposition des tâches, primitives, contraintes, ordre temporel, logique de décision), tandis que l'imagination visuelle ancre cette structure en prédisant les états du monde intermédiaires et finaux associés à chaque sous-objectif. L'architecture repose sur un Mixture-of-Transformers multimodal unifié, capable de comprendre et générer à la fois du texte, des images et de la vidéo au sein d'un seul modèle. Pour l'entraîner, les auteurs ont construit un pipeline automatique qui découpe des vidéos de tâches incarnées en étapes de planification alignées avec les transitions d'état visuelles, et ont introduit un nouveau benchmark, RxBrain-Bench, pour évaluer si un modèle représente vraiment un plan de façon jointe plutôt que via des modules séparés de compréhension et de génération. Cette approche s'attaque directement à un problème central des modèles vision-langage-action (VLA) actuels: la difficulté à faire tenir ensemble raisonnement abstrait et prédiction physique cohérente à l'échelle. En montrant des résultats préliminaires sur robot réel sans pré-entraînement massif sur des données d'actions, RxBrain suggère qu'un raisonnement conjoint texte-image peut réduire la dépendance aux immenses jeux de données d'actions collectés en téléopération, un goulot d'étranglement connu pour des systèmes comme Pi-0, GR00T N2 ou Helix. Le travail s'inscrit dans la lignée des recherches sur les modèles de monde et les VLA génératifs, en tentant de dépasser leur séparation habituelle entre compréhension et génération. Les auteurs présentent ces résultats comme une première étape, sans annoncer de déploiement industriel ni de partenariat robotique: il s'agit pour l'instant d'un travail de recherche fondamentale, à confirmer sur des tâches et plateformes plus variées.

Recherche⚡Actu

1 source

34

3761arXiv cs.RO 

Robot mou inspiré du poulpe : commande distribuée par réseau de neurones sur graphe avec attention et interaction environnementale

Des chercheurs proposent SoftGM, une architecture de contrôle distribué inspirée du bras de la pieuvre pour piloter des bras robotiques souples segmentés dans des environnements riches en contacts. Chaque section du bras est traitée comme un agent coopératif autonome, et l'interaction entre le bras et son environnement est modélisée sous forme de graphe. Le système repose sur un mécanisme de passage de messages à deux étages avec attention par graphe, suivant le paradigme CTDE (entraînement centralisé, exécution décentralisée) avec un critique centralisé et des acteurs décentralisés. Particularité notable : SoftGM découvre les obstacles en ligne, sans connaître leur géométrie complète au début de chaque épisode. L'équipe l'a testé dans un simulateur de tiges de Cosserat (PyElastica) sur trois scénarios de complexité croissante : espace libre, obstacles structurés, et un mur percé d'un trou. Comparé à six méthodes MARL de référence (IDDPG, IPPO, ISAC, MADDPG, MAPPO, MASAC) dans des conditions d'entraînement identiques, SoftGM égale les meilleures approches CTDE sur les tâches simples et les surpasse toutes sur le scénario du mur avec trou, le plus contraint des trois. Pour la robotique souple, ce résultat cible un problème encore mal résolu : coordonner de nombreuses sections déformables sans supposer une connaissance parfaite de l'environnement, contrainte réaliste pour des applications en espace confiné ou en présence d'obstacles mobiles. Les tests de robustesse, ajout de bruit d'observation, panne d'actionnement sur une section, perturbations transitoires, montrent que SoftGM conserve des performances comparables tout en gardant l'effort de commande borné. L'hypothèse défendue est qu'un routage sélectif de l'information liée aux contacts améliore la résilience du système, un argument utile pour les architectures multi-agents appliquées à des structures continues. Le travail s'inscrit dans la lignée des recherches bio-inspirées sur les bras de pieuvre, dont la distribution neuronale et la souplesse mécanique servent régulièrement de modèle pour la robotique souple, et dans le champ plus large du MARL appliqué au contrôle de systèmes continus. La validation reste pour l'instant entièrement simulée : aucun test sur bras physique n'est mentionné, ce qui laisse ouverte la question du transfert sim-to-real, point de vigilance classique pour ce type d'architecture d'apprentissage.

Recherche❖Paper

1 source

33

3762arXiv cs.RO 

Titre curvature-contraint et à vitesse constante pour l'arrivée simultanée distribuée dans les systèmes multi-robots

Une équipe de recherche propose, dans un article publié le 17 juillet 2026 sur arXiv (2607.14781v1), une méthode de contrôle distribué permettant à plusieurs robots mobiles d'atteindre un point cible exactement au même instant, tout en respectant deux contraintes fortes : une courbure de trajectoire limitée et une vitesse constante (potentiellement différente d'un robot à l'autre). Ce type de contrainte correspond typiquement aux drones à voilure fixe, qui ne peuvent ni s'arrêter ni tourner sur place. L'approche s'appuie sur le protocole de consensus maximum et sur les propriétés géométriques des chemins de Dubins, une famille de trajectoires courbes à rayon minimal largement utilisée en planification de mouvement. Les auteurs introduisent une variable de temps virtuel et conçoivent une loi de contrôle hybride, combinant commande optimale et commande proportionnelle saturée, qui pousse chaque robot à converger vers le temps virtuel maximal observé parmi ses voisins. Le dispositif a été validé par simulations et expérimentations, avec une preuve théorique d'optimalité du temps d'arrivée dans certains cas. L'enjeu dépasse l'exercice académique : la synchronisation d'arrivée est une brique fondamentale pour l'encerclement coopératif, les opérations de secours après catastrophe ou la surveillance environnementale par flotte de drones ou d'AMR. Un point souvent négligé dans les démonstrations de coordination multi-robots est justement la contrainte de courbure et de vitesse constante, qui rapproche le problème des conditions réelles de vol plutôt que d'un cadre idéalisé où les robots peuvent accélérer, freiner ou pivoter librement. Le caractère distribué et le faible besoin en communication rendent la méthode potentiellement adaptable à des essaims de taille variable sans coordinateur central, un critère clé pour les intégrateurs qui cherchent à déployer des flottes robustes aux pertes de liaison. Le problème de l'arrivée simultanée s'inscrit dans la lignée des travaux sur les chemins de Dubins et le contrôle formation de drones à voilure fixe, un champ de recherche actif depuis plusieurs années en robotique aérienne militaire et civile. Contrairement aux approches centralisées classiques, qui exigent un calcul global des trajectoires, la méthode proposée ici mise sur la scalabilité et le temps réel. L'article ne mentionne pas de partenariat industriel ni de calendrier de transfert technologique ; il s'agit à ce stade d'une contribution théorique et expérimentale en laboratoire, dont l'application à des essaims commerciaux ou militaires reste à démontrer à plus grande échelle.

Recherche❖Paper

1 source

33

3763arXiv cs.RO 

Une approche hors ligne d'apprentissage par renforcement guidé par fNIRS pour le comportement des robots

Une nouvelle étude, publiée sur arXiv (2607.14393v1) mi-juillet 2026, explore la possibilité de piloter l'apprentissage par renforcement de robots à l'aide de signaux cérébraux captés par spectroscopie proche infrarouge fonctionnelle (fNIRS), une technique d'imagerie optique non invasive. Les chercheurs testent leur approche en simulation, en comparant des agents entraînés sur des tâches d'interaction passive (l'humain observe) et active (l'humain démontre l'action). Plusieurs méthodes d'intégration du signal neural dans l'algorithme de RL sont évaluées, avec un choix de conception clé : le signal cérébral vient augmenter les paramètres existants plutôt que les remplacer. L'équipe étudie aussi l'impact de la granularité du modèle et du bruit sur la qualité de l'apprentissage. Résultat principal, le signal fNIRS améliore les performances lorsqu'il sert à pondérer les priorités de trajectoire et les valeurs Q état-action, et le système fonctionne aussi à partir de données hors ligne, sans capture en temps réel. Ce dernier point est le plus significatif pour le secteur. L'apprentissage par renforcement avec humain dans la boucle est déjà largement utilisé pour aligner le comportement des robots sur les préférences des utilisateurs, généralement via des démonstrations, des retours explicites ou des comparaisons de trajectoires. Un signal cérébral direct promettrait un canal de préférence plus rapide et moins intrusif que les méthodes actuelles. Mais les interfaces cerveau-machine en temps réel restent lourdes à déployer hors laboratoire. En montrant que le cadre fonctionne aussi avec des données fNIRS collectées hors ligne, l'étude ouvre une voie plus réaliste pour intégrer ce type de signal sans exiger un dispositif BCI branché en continu, un obstacle pratique majeur pour toute application au-delà de la recherche. Ce travail s'inscrit dans la lignée des recherches sur l'apprentissage par renforcement guidé par préférences humaines, déjà central dans l'entraînement des agents conversationnels et de plus en plus exploré pour la robotique physique. Il reste toutefois à un stade précoce : validation uniquement en simulation, pas de test sur robot réel, et l'abstract ne précise ni le nombre de participants ni l'institution porteuse. Les prochaines étapes attendues concernent vraisemblablement le passage à des environnements physiques et l'élargissement du panel de sujets testés.

Recherche❖Paper

1 source

33

3764arXiv cs.RO 

Filtrage stochastique pour la détection de quorum dans les essaims de robots en communication anonyme

Recherche menée par [auteurs non précisés dans l'abstract, arXiv:2607.14262v1] sur la détection de quorum (Quorum Sensing, QS) dans les essaims robotiques, publiée en juillet 2026. Le QS permet à un groupe de robots d'estimer collectivement la taille ou la densité de la population active, une capacité clé pour synchroniser des comportements de groupe sans coordination centralisée. Les chercheurs s'intéressent aux protocoles de communication anonyme, où chaque robot échange des informations locales avec ses voisins sans révéler son identité, ce qui préserve le passage à l'échelle du système mais introduit un biais : sans identifiant, les messages répétés d'un même émetteur peuvent être comptés plusieurs fois, faussant l'estimation du quorum. L'étude compare trois approches : un protocole de référence anonyme (AN), rapide et économe en ressources mais peu précis à cause de ce double comptage ; une variante randomisée (ANT) qui améliore la précision mais souffre d'inertie informationnelle, ralentissant la convergence ; et un nouveau protocole de filtrage stochastique (ANTk), inspiré de l'échantillonnage par priorité k, qui filtre activement le tampon de messages pour stabiliser l'estimation. Ces résultats éclairent un compromis central pour tout essaim robotique décentralisé, drones, robots mobiles ou systèmes IoT distribués, entre vitesse, précision et stabilité de l'estimation collective. Le protocole AN illustre les limites d'une approche anonyme naïve dès qu'un mécanisme de correction du biais fait défaut. ANT montre qu'améliorer la précision seule ne suffit pas si le système devient trop lent à réagir aux changements réels de quorum. ANTk, en filtrant activement les messages redondants, réduit les erreurs transitoires et stabilise l'estimation, mais au prix d'un temps de récupération plus long après une erreur, un arbitrage que les concepteurs de systèmes multi-robots devront calibrer selon leur cas d'usage. Ce travail s'inscrit dans la lignée des recherches en essaims robotiques bio-inspirées, où le quorum sensing s'appuie sur des mécanismes observés chez les insectes sociaux ou les bactéries. La communication anonyme y est étudiée depuis plusieurs années comme réponse aux contraintes de scalabilité et de simplicité matérielle des essaims de grande taille. En comparant systématiquement un protocole de base à deux variantes correctives au sein d'une même étude, les auteurs posent un cadre de référence pour de futures évaluations, potentiellement suivies de validations sur essaims physiques plutôt que purement simulés.

Recherche❖Paper

1 source

31

3765arXiv cs.RO 

Système intelligent d'interaction multimodale cloud-edge pour robots

Une équipe de chercheurs présente un système d'interaction multimodale cloud-edge pour robots, combinant un détecteur de gestes basé sur YOLO avec des agents LLM et VLM (vision-language model) coordonnés à distance. Le détecteur, baptisé YOLO-DC, intègre un module d'attention CBAM (Convolutional Block Attention Module) dans le neck du réseau et remplace la fonction de perte classique de régression des boîtes englobantes par une perte DIoU (Distance-IoU), afin de mieux localiser les gestes petits ou partiellement occultés dans des arrière-plans complexes. Dans l'architecture proposée, le cloud prend en charge la détection des gestes, la compréhension de la scène, la fusion multimodale et la planification des actions, tandis que le robot humanoïde TonyPi, utilisé comme plateforme de test, gère localement l'acquisition de données, la communication, l'exécution des actions et le retour utilisateur. Sur un jeu de données public et un jeu de données maison, YOLO-DC atteint des précisions de 98,9% et 95,0%, avec des mAP@0,5 de 90,7% et 92,7%. À l'échelle du système complet, les taux de réussite s'élèvent à 95% pour les tâches à action unique, 88% pour les tâches à actions composites et 82% pour les tâches dépendant de la vision. Une évaluation menée auprès de 30 participants donne un score de satisfaction moyen de 3,69 sur 5. Ces résultats intéressent surtout les concepteurs de systèmes robotiques low-cost et les chercheurs en interaction homme-robot, car ils illustrent une voie alternative au tout-embarqué: déporter la charge de calcul lourde (détection, raisonnement multimodal, planification) vers le cloud permet d'équiper des plateformes à ressources limitées, comme TonyPi, de capacités proches de celles de robots bien mieux instrumentés. La baisse notable du taux de réussite sur les tâches dépendant de la vision (82%) rappelle toutefois que la fusion multimodale reste le maillon faible, un écart classique entre démonstration contrôlée et usage réel. Ce travail s'inscrit dans la lignée des architectures cloud-edge déjà explorées pour la robotique de service, où la latence réseau et la fiabilité de la liaison restent des contraintes pratiques non abordées ici. Le score de satisfaction obtenu avec un échantillon restreint de 30 participants et une plateforme robotique de démonstration suggère un travail encore exploratoire, dont la généralisation à des robots industriels ou à des environnements moins contrôlés reste à démontrer.

Recherche❖Paper

1 source

30

3766arXiv cs.RO 

Mouvement basé sur la diffusion, guidé par un modèle : optimisation sous contraintes et planification adaptative

Le laboratoire de recherche à l'origine du papier arXiv:2607.14455 (publié le 17 juillet 2026, catégorie "new") présente MD-COAS, une méthode de planification de trajectoire pour robot unique dans des environnements fortement non convexes et contraints. Le système s'appuie sur le Model-Based Diffusion (MBD), une approche récente qui traite la planification comme un tirage d'échantillons dans une distribution a posteriori sur des trajectoires, en utilisant la dynamique connue du robot pour estimer analytiquement la fonction de score à partir de rollouts, sans apprentissage par démonstration. MD-COAS combine deux mécanismes jusqu'ici traités séparément dans la littérature : une méthode de Lagrangien augmenté inexact (iALM), qui agit comme un prior de diffusion "souple" pour la sécurité, et un opérateur de projection "dur" basé sur un ensemble convexe faisable (CFS). L'algorithme ordonnance et co-optimise ces deux mécanismes de façon adaptative, en les couplant à la planification du bruit de diffusion lui-même. Les auteurs le valident sur des benchmarks 2D générés aléatoirement à forte non-convexité et sur une tâche d'évitement d'obstacles pour un bras robotique à 7 degrés de liberté. Pour l'industrie robotique, ce travail s'attaque à un problème concret : garantir des trajectoires sans collision, dynamiquement faisables et respectant des contraintes de tâche, tout en restant calculable en temps raisonnable. Les approches purement "souples" (contraintes ajoutées au coût) échouent parfois à garantir la sécurité, tandis que les projections "dures" peuvent bloquer la convergence ou dégrader la qualité de trajectoire. Unifier les deux, avec un ordonnancement qui s'adapte au fil du débruitage, vise justement ce compromis, pertinent pour les intégrateurs de bras industriels ou de robots mobiles évoluant en environnement encombré. Les auteurs rapportent des taux de sécurité et de succès supérieurs, une convergence plus rapide et des coûts finaux plus bas que les planificateurs de référence, mais ces gains restent mesurés sur des benchmarks contrôlés, pas en conditions industrielles réelles. Le papier s'inscrit dans la lignée des travaux sur le Model-Based Diffusion appliqué à la planification de mouvement sous contraintes, un axe de recherche encore jeune qui rivalise avec les méthodes classiques d'optimisation de trajectoire (MPC, RRT*, CHOMP) et les planificateurs par diffusion appris par démonstration. Les auteurs positionnent MD-COAS comme une réponse aux limites des variantes MBD contraintes précédentes, sans toutefois annoncer de déploiement matériel ni de calendrier de transfert vers un robot physique au-delà du bras 7-DDL testé en simulation ou banc d'essai.

Recherche❖Paper

1 source

37

376736Kr 

Robot humanoïde à toucher intégral : un docteur de HKUST lève des fonds auprès de Sequoia, Lingzhi et AgiBot

La société chinoise MoSense (模感科技), fondée en mai 2026 et basée à Shanghai avec un centre de R&D à Qianhai (Shenzhen), a bouclé une levée d'amorçage de plusieurs dizaines de millions de yuans un mois seulement après sa création. Le tour associe Sequoia Chine, GL Ventures (bras d'investissement de Hillhouse Capital) et AgiBot (智元机器人), l'un des principaux fabricants chinois d'humanoïdes. Les fonds serviront à accélérer la R&D, étoffer l'équipe, renforcer la puissance de calcul et bâtir un dispositif de tests pour la production de masse. Le produit central, MoSkin, est un système de peau tactile souple multimodale couvrant l'intégralité du corps du robot (mains, membres, torse, plantes des pieds), basé sur une technologie de mécanique métamatérielle électromagnétique. Il transforme les surfaces rigides du robot en un champ de perception de force à six degrés capable de capter simultanément force de contact, température, glissement, vibration et texture des matériaux. Le pari de MoSense est que la perception tactile, aujourd'hui cantonnée aux bouts des doigts des mains articulées et pinces, constitue un goulot d'étranglement pour le déploiement des humanoïdes hors des démonstrations, vers l'industrie, la logistique ou les services à domicile. En parallèle du matériel, l'entreprise développe un modèle de prédiction tactile combinant monde et action, fondé sur un mécanisme de fusion en espace latent multimodal, destiné à corriger en temps réel les décisions de bas niveau grâce à un retour tactile haute fréquence. L'objectif affiché est de réduire l'écart sim-to-real: un modèle du monde entraîné en simulation connaît parfaitement les limites physiques du robot, mais perd ce repère une fois déployé sur une machine réelle dépourvue de perception tactile complète. Concrètement, un robot détectant une variation de friction sur sa main ou son corps pourrait anticiper la chute d'un objet et ajuster sa prise avant qu'elle ne se produise, plutôt que de corriger après coup. L'équipe fondatrice vient largement de l'université HKUST: le CEO Yan Zhaoxu, docteur en microélectronique, spécialiste des systèmes haute fréquence et de la perception multimodale incarnée avec une expérience d'industrialisation de composants; le CTO Zhou Hang, docteur en robotique, ancien chercheur en algorithmes de conduite autonome de niveau véhicule et spécialiste des modèles de bout en bout et des modèles du monde; le CFO Yang Mujun, diplômé en économie de l'Université de Hong Kong. Le scientifique en chef Wen Weijia, professeur titulaire à HKUST et doyen du pôle fonctionnel de HKUST à Guangzhou, revendique une expérience de transfert technologique en série. Sur la feuille de route, MoSense évoque trois étapes: éviter les collisions et sécuriser la manipulation, puis assister des tâches complexes (transport d'objets encombrants, gestes compensatoires façon Figure AI), avant d'envisager, à plus long terme, l'assistance humaine à haute précision comme le transfert de personnes à mobilité réduite, un objectif nécessitant un taux de succès annoncé de 99,999%, un chiffre pour l'instant présenté comme cible plutôt que résultat démontré. La commercialisation, au-delà des humanoïdes, viserait aussi d'autres secteurs industriels utilisateurs de capteurs intelligents.

Chine/Asie⚡Actu

1 source

35

3768Pandaily 

BXI Robotics lève des millions en tant qu'ODM de robots humanoïdes : moteurs, commandes et algorithmes développés en interne

BXI Robotics, fournisseur chinois de solutions ODM full-stack pour robots humanoïdes, a bouclé un nouveau tour de financement de plusieurs dizaines de millions de RMB mené par Suochen Technology, société cotée en Chine continentale (A-share). Ce tour fait suite à une première levée institutionnelle réalisée en 2025 auprès d'un autre groupe coté, Feirongda. Fondée en 2022 avec des travaux de R&D remontant à 2020, BXI a fait le choix de ne pas développer sa propre marque grand public et de se positionner comme fabricant sous-traitant pour des clients tiers. Sur le plan technique, l'entreprise revendique un développement интégralement interne : moteurs articulaires, algorithmes de contrôle moteur et logiciels applicatifs. Faute de moteurs disponibles sur le marché capables d'encaisser le couple nécessaire à des mouvements dynamiques comme un salto arrière, BXI a conçu dès 2020 ses propres modules moteurs, en itérant sur des réducteurs cycloïdaux et planétaires, jusqu'à atteindre un couple crête de 800 Nm avec refroidissement liquide intégré et une boucle de contrôle à 1000 Hz. Les modules standardisés BXI-50/70/85 couvrent aujourd'hui 31 degrés de liberté pour un humanoïde complet. Côté démonstration, le robot Elf 2 a terminé sixième du premier semi-marathon humanoïde de Pékin en avril 2025, en 4h02min19, avec une version de série non modifiée ; son successeur Elf 3 a ramené ce temps à 150 minutes en 2026, se plaçant parmi les meilleurs. La production, assurée via les usines Feirongda de Shenzhen et Changzhou, atteint actuellement quelques dizaines d'unités par mois, avec un objectif proche de 100 unités mensuelles. Cette levée illustre un pari différent de celui des acteurs qui cherchent à imposer leur propre marque de robot humanoïde : vendre du temps de développement à des entreprises qui n'ont ni les deux à trois années ni les équipes nécessaires pour construire un stack complet en interne. Pour les intégrateurs et décideurs industriels, cela ouvre une voie d'accès plus rapide à des plateformes matérielles éprouvées sans passer par la case R&D lourde. L'implication de Suochen, plateforme de simulation pour l'IA physique, vise explicitement à connecter simulation et déploiement réel, un enjeu central alors que le secteur cherche encore à valider le passage du sim-to-real à grande échelle. Le résultat du semi-marathon, obtenu avec une version de série non retouchée plutôt qu'un prototype de démonstration, est un signal notable dans un marché où l'écart entre vidéos promotionnelles et robots livrés reste un sujet de scepticisme récurrent. L'essor de BXI s'inscrit dans la montée en puissance de l'écosystème chinois des composants humanoïdes, porté par des investisseurs industriels comme Feirongda et désormais des acteurs de la simulation comme Suochen, qui cherchent à construire une boucle entraînement-déploiement-données-optimisation. BXI projette une valeur de commandes mensuelles supérieure à 10 millions de RMB entre juillet 2026 et juillet 2027, pour un chiffre d'affaires annuel dépassant 100 millions de RMB, et prépare une expansion vers les marchés américain, coréen, japonais et européen, où la préférence pour des solutions humanoïdes à marque locale reste forte. Le positionnement ODM de BXI pourrait ainsi devenir un fournisseur clé pour des marques régionales qui n'ont pas les moyens de développer leur propre plateforme matérielle.

Chine/Asie⚡Actu

1 source

41

376936Kr 

Ce fournisseur de robots humanoïdes ODM lève des millions : Feirongda et Sozeen Technology investissent coup sur coup

BXI Robotics (半醒具身), fabricant chinois de robots humanoïdes en mode ODM (conception et fabrication pour des marques tierces), vient de boucler un tour de table de plusieurs dizaines de millions de yuans mené par Suochen Technology (索辰科技, coté en Chine sous le code 688507), après un premier tour institutionnel en 2025 mené par Feirongda (飞荣达). Fondée en 2022 mais active en R&D depuis 2020, l'entreprise est dirigée par Chen Yan, diplômé en informatique de l'université Southeast en 2003 et ancien trader quantitatif, aux côtés de Liu Fuqiang, plusieurs fois primé en compétition robotique universitaire. BXI développe en interne l'intégralité de sa chaîne technique : mécanique, moteurs articulaires, contrôle moteur et logiciels applicatifs. Ses modules moteurs planétaires standardisés BXI-50/70/85 couvrent 31 degrés de liberté, avec un couple de pointe de 800 N·m et un contrôleur cadencé à 1000 Hz. En avril 2025, son robot « Jingling 2 » (精灵2), en version de série non modifiée, a terminé le premier semi-marathon de robots humanoïdes de Pékin en 4h02min19s (6e place) ; en avril 2026, « Jingling 3 » a fait mieux avec un temps net de 150 minutes. Côté production, l'entreprise s'appuie sur les usines de son actionnaire Feirongda à Shenzhen et Changzhou, avec une capacité actuelle de plusieurs dizaines d'unités par mois, extensible à plus de 100. Elle anticipe des commandes mensuelles dépassant 10 millions de yuans entre juillet 2026 et juillet 2027, pour un chiffre d'affaires annuel supérieur à 100 millions de yuans. Ce positionnement ODM répond à un problème concret : de nombreuses entreprises veulent une gamme de robots humanoïdes sous leur propre marque mais ne peuvent assumer un cycle de développement de deux à trois ans en interne. En revendiquant une compétence de bout en bout rare sur ce marché, et surtout validée par une participation effective à une épreuve d'endurance avec du matériel de série non retouché, BXI cherche à se distinguer des nombreux intégrateurs qui assemblent des composants tiers sans maîtriser la chaîne motrice. C'est un signal pour les décideurs industriels : la marche libre bipède, longtemps présentée comme un verrou technologique, semble désormais suffisamment mature pour être sous-traitée en marque blanche, déplaçant la compétition vers l'exécution de tâches (mains, perception, calcul embarqué). L'arrivée de Suochen au capital illustre aussi une convergence entre simulation physique et robotique réelle : la société investit pour connecter sa plateforme de simulation IA physique aux données de terrain collectées par les robots de BXI, dans une boucle simulation-déploiement-réentraînement. BXI dit viser désormais les marchés coréen, japonais et européen, en plus d'un premier client américain, et table sur un basculement vers une adoption grand public des humanoïdes autour de 2027.

Chine/Asie⚡Actu

1 source

37

3770Interesting Engineering 

Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide

Des chercheurs du Georgia Institute of Technology ont mis au point un nouveau cadre d'apprentissage automatique baptisé « Learn to Teach » (L2T), qui permet à un robot humanoïde bipède de marcher sur du sable, du gravier, de l'herbe détrempée, des pentes, des escaliers et des surfaces glissantes, tout en réduisant nettement le temps et la puissance de calcul nécessaires à l'entraînement du contrôleur. Contrairement à l'apprentissage classique par renforcement de type enseignant-élève, où un modèle « professeur » est d'abord entraîné en simulation avant de transmettre ses connaissances à un modèle « élève » qui pilote le robot réel, la méthode de Georgia Tech entraîne les deux agents simultanément. Selon Feiyang Wu, chercheur principal du projet, l'approche séquentielle classique pose deux problèmes : elle prend trop de temps et gaspille une partie des informations collectées par le professeur en cours d'apprentissage. Le contrôleur a été testé sur un robot humanoïde grandeur nature dans le laboratoire du professeur associé Ye Zhao, où l'équipe a aussi poussé et tiré la machine pendant les essais pour observer sa capacité à ajuster sa démarche et rester stable. Les travaux ont été présentés à l'ICRA (IEEE International Conference on Robotics and Automation). Cette avancée s'attaque à un goulot d'étranglement bien identifié dans la robotique humanoïde : l'entraînement de contrôleurs en simulation nécessite souvent des heures de calcul sur du matériel GPU coûteux, un frein direct à l'itération rapide et au déploiement à grande échelle. En faisant apprendre le professeur et l'élève en parallèle, et en permettant au professeur de tirer des enseignements de l'expérience de l'élève, l'équipe réduit ce que les roboticiens appellent le « fossé d'imitation » entre les conditions idéalisées de la simulation et la réalité du terrain, un problème central dans le débat sur le fameux « sim-to-real gap ». Fait notable, le même contrôleur généraliste a surpassé le logiciel fourni par le fabricant du robot sur plusieurs types de terrains, sans nécessiter de contrôleurs distincts par environnement, ce qui illustre la valeur d'une recherche en apprentissage automatique directement confrontée au monde réel plutôt qu'à des démonstrations scénarisées. Wu reconnaît que l'équipe ne s'attendait pas elle-même à une telle polyvalence pour un robot humanoïde aussi volumineux, la locomotion agile sur terrain accidenté n'ayant jusqu'ici jamais été véritablement démontrée pour ce type de machine. Au-delà de la marche, les chercheurs estiment que le cadre « Learn to Teach » pourrait s'appliquer à d'autres architectures de robots et à des tâches variées exigeant un déplacement fiable en environnement imprévisible, ouvrant une piste de recherche transférable bien au-delà du seul cas d'usage testé à Atlanta.

Recherche❖Paper

1 source

42

3771The Robot Report 

TerraFirma lève 115 millions de dollars pour développer des infrastructures robotiques dédiées à la construction

TerraFirma a annoncé cette semaine une levée de série A de 115 millions de dollars, menée par Kleiner Perkins, avec la participation de Bain Capital Ventures, Glade Brook Capital Partners, BANNER VC, Saga Ventures, Trust Ventures, Definition, PEAK6, Magnetar Capital et Ravelin Capital, ainsi que des investisseurs providentiels issus de SpaceX, Anduril, Base Power, Shinkei et Hadrian. Fondée en 2024 à Austin, au Texas, par les anciens ingénieurs SpaceX Noah Schochet (CEO) et Noah McGuinness (CTO), l'entreprise développe une pile technologique complète pour automatiser les chantiers de terrassement : logiciels de préconception assistés par IA, centre de commandement à distance, et engins lourds semi-autonomes (excavatrices, bulldozers, chargeuses, rouleaux compresseurs, skid steers) retrofités pour fonctionner sans opérateur dans la cabine. Des opérateurs qualifiés pilotent à distance des flottes entières depuis des écrans, ce qui permettrait, selon TerraFirma, de multiplier par trois l'efficacité de chaque opérateur. L'argent servira à étoffer les équipes d'ingénierie, de fabrication, d'opérations et de construction. Parmi les chantiers récents figurent la préparation de site pour un Starbucks à North Austin, un stade à Spicewood et un poste électrique à New Braunfels, ainsi que des projets d'infrastructure internationaux menés pour le gouvernement américain. L'intérêt de cette approche tient moins à l'autonomie complète qu'à la téléopération supervisée à grande échelle, un choix que McGuinness revendique explicitement en expliquant que l'automatisation totale des machines n'est pas l'objectif. C'est une nuance importante dans un secteur robotique saturé d'annonces sur l'autonomie totale : TerraFirma mise sur une supervision humaine distribuée plutôt que sur des machines pleinement autonomes, ce qui limite les risques d'échec technique tout en visant des gains de productivité réels. Le chiffre de "300% plus efficace" reste toutefois une estimation interne non vérifiée par un tiers, à prendre avec prudence comme toute métrique d'entreprise en phase de levée de fonds. Le pari s'appuie sur un constat macroéconomique solide cité par TerraFirma : la productivité du travail dans la construction américaine a reculé de 0,6% par an en moyenne depuis 1965 selon le Département du Commerce et Goldman Sachs, contre une croissance de 1,6% par an pour l'économie dans son ensemble, un écart chiffré à environ 1 000 milliards de dollars de perte tous les cinq ans. Le profil des fondateurs et des investisseurs providentiels, très marqué SpaceX, Anduril et hardware de défense, situe TerraFirma dans la mouvance des startups deep-tech verticalement intégrées qui appliquent au BTP les méthodes d'itération rapide du New Space. L'entreprise se positionne sur les secteurs du logement, de l'énergie, des transports, de l'industrie manufacturière et de l'éducation, et évoque déjà des projets internationaux sensibles avec l'administration américaine, sans en préciser la nature exacte. Aucune échéance commerciale plus large n'a été communiquée à ce stade au-delà de l'expansion des équipes financée par ce tour de table.

Business❧Opinion

1 source

39

3772IEEE Spectrum Robotics 

Comment invisible

Article traduit et résumé : Des chercheurs en robotique de l'université Northwestern, à Evanston dans l'Illinois, ont présenté cette semaine lors de la conférence RSS 2026 à Sydney un drone baptisé Phantom Twist, conçu pour être quasiment invisible à l'œil humain. Selon l'équipe, dirigée par Michael Rubenstein, l'appareil est environ dix fois plus difficile à repérer en vol qu'un quadricoptère classique. Le principe repose sur une rotation rapide, entre 15 et 25 Hz, qui exploite la persistance rétinienne : l'œil humain met environ 100 millisecondes pour intégrer une scène avant de la transmettre au cerveau, et un objet tournant assez vite finit par se fondre avec l'arrière-plan en un flou quasi transparent. Le drone ne possède qu'un seul moteur et aucune surface de contrôle : la direction est obtenue en modulant la vitesse du moteur à des instants précis de chaque rotation, tandis que l'altitude dépend de la poussée globale. Sa forme, très étudiée, est en grande partie composée de vide : tiges de fibre de carbone de 0,8 mm, batteries, contrôleur, contrepoids (remplaçables par des batteries supplémentaires ou une charge utile), moteur et hélice, le tout assemblé et mis en rotation au décollage via un lanceur portatif dédié. L'intérêt de Phantom Twist ne tient pas seulement à son étrangeté visuelle, mais à la méthode employée pour y parvenir : un design entièrement optimisé par ordinateur. Selon Rubenstein, l'espace de conception est si complexe, avec des compromis multiples entre stabilité de vol et apparence visuelle, qu'une équipe humaine n'aurait probablement pas pu aboutir seule à une configuration aussi peu visible. La visibilité du drone dépend en effet de l'alignement des différents composants entre eux, vus sous l'angle d'un observateur au sol : plus les pièces se superposent visuellement pendant la rotation, moins on distingue de matière solide et plus l'arrière-plan reste visible à travers l'appareil. Pour l'industrie des drones et de la robotique aérienne, cette approche illustre un usage concret de l'optimisation computationnelle appliquée non plus seulement à la performance de vol, mais à des contraintes perceptives, ouvrant potentiellement la voie à des applications de surveillance discrète ou de recherche où la furtivité visuelle compterait autant que la furtivité sonore, même si le bourdonnement caractéristique des drones reste un problème non résolu par cette conception. Les drones à rotation unique ne sont pas une nouveauté : des projets comme Picolissimo ou différents drones dits "samsara", inspirés du vol tournoyant des graines d'érable, avaient déjà exploré ce principe de vol par rotation passive stable. Ce qui distingue Phantom Twist, c'est l'usage explicite de l'optimisation computationnelle pour minimiser la visibilité, plutôt que pour maximiser uniquement l'efficacité aérodynamique. Le prototype présenté à RSS 2026 reste un objet de recherche, équipé de marqueurs de suivi optique pour les besoins des expérimentations en laboratoire, et aucun calendrier de commercialisation ou de déploiement opérationnel n'a été communiqué par l'équipe de Northwestern à ce stade.

Recherche❖Paper

1 source

42

3773Interesting Engineering 

China vise 1 000 robots humanoïdes Iron par mois avant un déploiement mondial en 2027

Xpeng, le constructeur chinois de véhicules électriques, accélère la production de son robot humanoïde Iron avec l'objectif de dépasser 1 000 unités par mois d'ici fin 2026, en vue d'un déploiement mondial prévu pour 2027. Les premiers exemplaires seront installés comme assistants de vente dans les showrooms chinois de la marque au premier trimestre 2027, avant une extension aux magasins à l'étranger dans la seconde moitié de l'année, selon des sources citées par le Wall Street Journal et relayées par CNEV Post. Dévoilé lors de l'AI Day de Xpeng en novembre 2025, Iron mesure 178 cm pour 70 kg, des proportions proches de celles d'un adulte moyen. Sa structure mécanique s'inspire de la colonne vertébrale et du système musculo-squelettique humains, avec des actionneurs imitant des muscles synthétiques répartis sur 62 articulations actives, et des mains offrant 22 degrés de liberté capables de manipuler aussi bien des objets fragiles que des outils plus lourds. Le robot embarque trois puces Turing développées en interne, pour une puissance de calcul cumulée de 2 250 TOPS, une batterie tout solide, et le modèle Vision-Language-Action maison de Xpeng, entraîné sur des milliers d'heures de données de mouvement humain, qui lui permettrait de marcher jusqu'à 2 mètres par seconde. Cette montée en cadence de production intéresse directement l'écosystème de la robotique humanoïde, où l'écart entre démonstrations scéniques et déploiements industriels réels reste la question centrale. Iron avait déjà fait parler de lui pour de mauvaises raisons : sa démarche jugée si fluide sur scène a poussé certains observateurs à soupçonner qu'un humain se trouvait à l'intérieur, obligeant le PDG He Xiaopeng à exposer publiquement la structure mécanique interne du robot pour couper court aux doutes. Un objectif de 1 000 unités mensuelles, si tenu, placerait Xpeng parmi les rares acteurs à afficher des volumes de fabrication significatifs sur ce segment, aux côtés de Tesla (Optimus) et Figure AI (Figure 03). Mais l'usage annoncé, assistant de vente en showroom, reste pour l'instant un déploiement à faible risque opérationnel comparé à des tâches industrielles ou logistiques, ce qui invite à relativiser la portée de l'annonce tant qu'aucun pilote en usage réel n'est documenté. Ce virage s'inscrit dans une stratégie plus large de Xpeng, qui cherche à transformer son savoir-faire en conduite autonome et en intelligence artificielle embarquée, développé pour ses véhicules électriques, en une offre d'IA physique plus large. L'entreprise a récemment présenté ce qu'elle présente comme le premier robotaxi chinois entièrement développé en interne et prêt pour la production, bâti sur sa plateforme GX et conçu pour répondre aux standards de conduite autonome de niveau 4. Sur le marché des humanoïdes, Xpeng affronte une concurrence dense, entre les groupes chinois rivaux comme Unitree ou UBTech, et les acteurs américains Tesla et Figure AI, ainsi que des laboratoires spécialisés dans les modèles VLA comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T N2). La feuille de route reste pour l'instant celle d'un teaser industriel : la production de masse et le calendrier de déploiement en Chine puis à l'international pour 2027 restent à confirmer par des livraisons effectives, aucun contrat commercial concret n'ayant été détaillé à ce stade.

Chine/Asie⚡Actu

1 source

43

3774Interesting Engineering 

Vidéo : les robots d'usine du spin-off américain de Toyota apprennent de leur expérience sur le terrain

Walden Robotics, spinout de Toyota Research Institute basé à Cambridge, Massachusetts, sort de son mode furtif avec une plateforme robotique généraliste conçue pour apprendre directement sur le poste de travail plutôt que suivre des séquences préprogrammées. L'entreprise a été créée en janvier 2026 et déploie déjà ses robots dans une usine Toyota en Amérique du Nord depuis février, passant d'un pilote initial à une production active en moins de deux mois. Son approche combine des Large Behavior Models et du Diffusion Policy, deux techniques d'IA permettant aux robots d'acquérir des compétences de manipulation par l'expérience réelle plutôt que par reprogrammation. Walden annonce parallèlement une levée de 300 millions de dollars, valorisant l'entreprise à 1,1 milliard de dollars, un tour co-mené par Toyota et Deviation Capital avec la participation de NVIDIA, Boeing, Samsung Ventures, AE Ventures, Prologis Ventures, CoreWeave Ventures et Menlo Ventures. Le PDG et cofondateur, Russ Tedrake, était auparavant vice-président senior des Large Behavior Models chez Toyota Research Institute et reste professeur au MIT. La société cible l'automobile, l'aérospatial, les semi-conducteurs, l'électronique, la logistique et les sciences de la vie. L'intérêt de l'annonce tient moins à la levée de fonds, conséquente mais désormais courante dans le secteur, qu'au positionnement revendiqué : des robots opérationnels dès le premier jour sur des tâches difficiles à automatiser, qui s'améliorent ensuite par l'usage plutôt que par des cycles de reprogrammation coûteux. Cela répond directement à une pénurie de main-d'œuvre en usine et en logistique, tout en testant grandeur nature l'hypothèse selon laquelle les modèles fondation type VLA peuvent tenir la charge en production réelle, et pas seulement en démonstration contrôlée. Tedrake insiste d'ailleurs sur ce point : l'objectif est la valeur pratique en usine avec des industriels, pas la vitrine technologique. Si les revendications se confirment sur la durée, cela validerait un argument encore débattu dans la robotique humanoïde et industrielle, celui du passage réel de la démo au déploiement à l'échelle. Le pedigree de Walden s'inscrit dans la continuité des recherches de Toyota Research Institute sur l'apprentissage robotique, dont Tedrake pilotait déjà les travaux sur les Large Behavior Models avant le spinout. La concurrence s'organise sur plusieurs fronts : l'américain Robot.com vient par exemple de lancer R-Noid, un humanoïde à deux bras de 7 degrés de liberté proposé en mode Robot-as-a-Service, déployable en huit à douze semaines et décliné en cinq configurations (restauration, emballage, prélèvement, pliage, accueil) pour la logistique, la santé, l'hôtellerie et la restauration. Reste à voir si Walden publiera des spécifications techniques détaillées et des données de performance vérifiables, au-delà de l'annonce du pilote Toyota.

IA physique❧Opinion

1 source

38

3775Robotics Business Review 

Lockheed Martin fait appel aux robots de Machina pour des pièces de missiles critiques

Machina Labs a obtenu un contrat de qualification de Lockheed Martin dans le cadre du programme JASSM (Joint Air-to-Surface Standoff Missile), une première pour un composant fabriqué avec sa technologie robotique "RoboForming" qui atteint ce stade de qualification pour un système de missile de défense américain. Le procédé repose sur des cellules de travail composées de deux robots industriels placés de part et d'autre d'une feuille de métal brut, qui la déforment progressivement par des mouvements coordonnés, à la manière d'un forgeron, pour obtenir des pièces complexes dans des matériaux exotiques comme le titane. La dernière génération de ces cellules ajoute le perçage, la découpe et le gravage laser. Contrairement à une ligne d'emboutissage classique, coûteuse à mettre en place, une cellule Machina peut produire des pièces de haute qualité en très petites séries, y compris à l'unité. Pour honorer ce contrat, l'entreprise ouvre une nouvelle usine, Machina Factory 3, dédiée exclusivement à Lockheed Martin et aux autres clients de défense: 18 580 m² (200 000 pieds carrés), jusqu'à 50 cellules RoboCraftsman, avec formage, usinage, soudure et assemblage regroupés sous un même toit pour, selon l'entreprise, compresser des délais de production de plusieurs mois à quelques jours. L'enjeu dépasse le seul contrat JASSM: Edward Mehr, cofondateur et PDG de Machina, situe le problème non pas dans la conception des missiles mais dans la capacité de production de la base industrielle de défense américaine, jugée trop lente face aux besoins de montée en cadence. Une qualification de ce type valide, pour un secteur habitué aux méthodes de fabrication traditionnelles et aux cycles de qualification longs, qu'une approche robotique flexible et pilotée numériquement peut répondre aux exigences de fiabilité des programmes militaires critiques, un test bien plus dur que les démonstrations habituelles de fabrication additive ou de robotique industrielle. Pour les décideurs B2B et intégrateurs, le signal est celui d'un modèle de fabricant sous contrat entièrement automatisé qui pourrait s'imposer comme alternative crédible aux chaînes d'emboutissage classiques, notamment pour les petites séries et les pièces à délai court, un segment que Lockheed Martin Ventures a explicitement identifié en investissant dans l'entreprise. Machina Labs, lauréat d'un prix RBR50 Robotics Innovation Award en 2023 pour cet usage inédit de robots industriels dans le formage métallique, ne vend pas ses cellules mais opère en tant que fabricant sous contrat. Chris Moran, vice-président et directeur général de Lockheed Martin Ventures, a salué la combinaison de vitesse, flexibilité et scalabilité ayant motivé l'investissement initial, tandis que John Borrego, président de Machina Bellator, la filiale dédiée à la défense, évoque un renforcement de la préparation industrielle américaine. La suite dépendra de la montée en puissance de Factory 3, actuellement en construction, et de son intégration à d'autres programmes de défense au-delà du JASSM.

Industriel⚡Actu

1 source

43

3776Pandaily 

LimX Dynamics dévoile une démo qui défie Figure : le humanoïde chinois rivalise désormais avec le meilleur de la Silicon Valley

LimX Dynamics a diffusé une vidéo de démonstration de 3 minutes, en plan-séquence unique, montrant son robot humanoïde de taille humaine Oli exécuter de façon autonome une séquence continue de tâches ménagères : décrocher des vêtements de cintres, les ranger dans un panier à linge, trier des jouets, empiler des boîtes, se pencher profondément pour ramasser des débris au sol et jeter des déchets. La séquence est présentée comme ininterrompue, non montée et réalisée sans téléopération humaine. Cette publication intervient un jour seulement après l'annonce par LimX d'un tour de financement pré-IPO de 200 millions de dollars, valorisant l'entreprise à 2,3 milliards de dollars. Le système à l'origine de cette démonstration, baptisé COSA 0.5, repose sur une architecture à trois niveaux selon Zhang Wei, fondateur de LimX : une couche cognitive S2 pour la compréhension de scène, la mémoire, le raisonnement et la planification ; une couche de compétences S1 intégrant notamment des modèles vision-langage-action (VLA) ; et une couche de contrôle moteur S0, une politique Transformer corps entier tournant à 1000 Hz pour l'équilibre et la coordination. Cette démonstration mérite d'être prise avec prudence puisqu'il s'agit d'une vidéo unique diffusée par l'entreprise elle-même, sans vérification indépendante ni détail sur le nombre de prises nécessaires en amont. Elle n'en reste pas moins significative : jusqu'ici, seul Figure avait publié des démonstrations comparables en matière de continuité des tâches, de complexité des enchaînements et de contrôle corps entier sans intervention humaine. Que LimX affiche un niveau similaire, avec un calendrier de développement plus court, interroge l'hypothèse selon laquelle Figure disposerait d'une avance technologique difficile à rattraper. L'argument de Zhang Wei, selon lequel un "cerveau" robotique doit être conçu comme un système modulaire plutôt qu'un modèle monolithique toujours plus gros, offre aussi un contrepoint à la course actuelle aux modèles fondation géants dans la robotique humanoïde : chaque couche de COSA pouvant en théorie être mise à jour indépendamment, l'architecture promet des cycles d'itération plus rapides que les approches bout-en-bout. La démonstration confirme également le positionnement stratégique de LimX, qui cible en priorité les environnements domestiques, commerciaux, hôteliers et de loisirs plutôt que les lignes de production industrielles privilégiées par la majorité des acteurs du secteur. En réussissant à montrer une gestion crédible de l'imprévisibilité d'un intérieur non structuré, LimX renforce son pari qu'un premier marché de masse pour les humanoïdes émergera du service à la personne avant l'usine. Reste à savoir si l'entreprise, forte de sa levée récente, transformera cette démonstration en déploiements pilotes concrets dans les mois à venir.

Humanoïdes❧Opinion

1 source

46

3777arXiv cs.RO 

Explorateurs, communicatifs et déployables : des agents incarnés guidés par la vision pour la manipulation mobile en monde ouvert

Des chercheurs du laboratoire InternRobotics ont publié REAL, un framework agentique pour la manipulation mobile en environnement ouvert, accompagné du benchmark REAL-Bench couvrant 241 tâches réparties entre exploration active, distraction visuelle, manipulation d'objets articulés et désambiguïsation interactive de l'intention utilisateur. Le système combine des API d'environnement cohérentes entre simulation et réel, sans recourir à une perception oracle, et un simulateur d'utilisateur permettant une boucle homme-machine pour clarifier des instructions incomplètes. L'agent, entraîné via un pipeline hiérarchique associant apprentissage supervisé et renforcement en ligne, atteint un taux de réussite de 56,9% sur les tâches interactives, devançant des VLM commerciaux à code fermé sur ce même exercice. Déployé sur un robot mobile à double bras physique, il obtient 78,3% de réussite de bout en bout sur 60 épisodes réels, avec un transfert zero-shot vers des scénarios domestiques inédits. Le code est disponible sur github.com/InternRobotics/REAL. Ce résultat s'attaque directement à l'un des points faibles reconnus des agents robotiques actuels: la plupart des démonstrations s'appuient sur des instructions complètes fournies à l'avance ou sur des états privilégiés du simulateur, ce qui masque les difficultés réelles du déploiement, comme comprendre une consigne ambiguë ou explorer un environnement inconnu pour localiser un objet. En surpassant des modèles vision-langage-action commerciaux sur les tâches interactives, REAL apporte une preuve empirique que l'écart entre simulation et réalité peut être réduit sans capteurs ou informations privilégiées, un enjeu central pour les intégrateurs qui cherchent à déployer des robots domestiques ou logistiques capables de gérer des instructions humaines imparfaites plutôt que des scripts rigides. Le projet s'inscrit dans la lignée des travaux sur les agents vision-langage-action (VLA) tels que Pi-0 ou GR00T N2, mais se distingue en intégrant explicitement la dimension conversationnelle et exploratoire plutôt que la seule exécution de tâches préformulées. Les auteurs positionnent leur contribution face aux VLM propriétaires fermés, sans toutefois nommer précisément les modèles concurrents testés. Les prochaines étapes évoquées portent sur l'extension du benchmark et l'amélioration du raisonnement à vocabulaire ouvert sur des horizons d'exploration encore plus longs, avant d'envisager des déploiements pilotes à plus grande échelle.

Recherche⚡Actu

1 source

46

3778arXiv cs.RO 

Vision qui prime sur le langage : évaluer et corriger les échecs contrefactuels dans les VLA

Des chercheurs viennent de documenter un défaut structurel des modèles Vision-Language-Action (VLA), ces systèmes censés traduire une instruction en langage naturel en commande robotique. Dans un article mis à jour sur arXiv (2602.17659v2), l'équipe montre que face à des instructions peu représentées dans les données d'entraînement, les VLA ignorent souvent le langage et se rabattent sur des raccourcis visuels : ils répètent l'action la plus fréquemment apprise ou saisissent l'objet le plus vu pendant l'entraînement, sans tenir compte de la consigne réelle. Ce phénomène, baptisé "échec contrefactuel", est évalué grâce à un nouveau benchmark, LIBERO-CF, premier du genre à tester la fidélité au langage en assignant des instructions alternatives sur des scènes visuellement plausibles issues de LIBERO. Pour y remédier, les auteurs proposent Counterfactual Action Guidance (CAG), une méthode d'inférence à double branche qui combine la politique VLA standard avec un module Vision-Action non conditionné par le langage, permettant une comparaison contrefactuelle au moment de choisir l'action. Sur LIBERO-CF, CAG améliore le modèle π0.5 de 9,7% en fidélité au langage et 3,6% en taux de réussite sur les tâches sous-représentées, sans entraînement supplémentaire ; associé à un modèle VA dédié, les gains montent à 15,5% et 8,5%. En conditions réelles, la méthode réduit les échecs contrefactuels de 9,4% et améliore la réussite des tâches de 17,2% en moyenne. Cette découverte pèse directement sur la crédibilité des VLA comme π0, GR00T N2 ou Helix pour un usage industriel : elle confirme qu'un robot peut sembler compétent en démonstration tout en étant en réalité biaisé par ses données, un écart classique entre performance affichée et robustesse réelle. Pour un intégrateur, cela signifie qu'une consigne inhabituelle en environnement de production risque d'être mal exécutée sans erreur visible, un risque de sécurité et de fiabilité difficile à détecter sans benchmark dédié. L'approche s'inscrit dans un effort plus large de la recherche VLA pour renforcer l'ancrage langage-action, jusqu'ici dominé par l'augmentation du volume de démonstrations plutôt que par des corrections architecturales. L'atout de CAG est de ne nécessiter ni données supplémentaires ni modification des modèles pré-entraînés, ce qui facilite son adoption en complément d'architectures existantes. Les auteurs annoncent des expériences étendues à divers VLA, ouvrant la voie à une adoption comme brique standard d'évaluation et de correction avant déploiement réel.

Recherche❖Paper

1 source

46

3779arXiv cs.RO 

IA généralisable par ancrage de représentation et alignement langage-action pour les modèles VLA

Le laboratoire à l'origine de ce travail publie Anchor-Align, une méthode de finetuning pour les politiques vision-langage-action (VLA), décrite dans un article arXiv (2607.13429, juillet 2026, projet en ligne sur anchoralignvla.github.io). Le problème ciblé est concret : quand un modèle vision-langage préentraîné est affiné sur des démonstrations robotiques par clonage comportemental (behavior cloning), il perd progressivement les représentations qui lui permettaient de généraliser visuellement et sémantiquement. Le co-entraînement sur des données web texte-image, remède habituel, ne corrige pas le vrai défaut : les pertes de langage et d'action portent sur des observations différentes, ce qui laisse un désalignement langage-action invisible aux benchmarks de manipulation classiques. Anchor-Align ajoute deux objectifs d'entraînement, l'un qui distille les représentations couche par couche d'une copie figée du VLM d'origine, l'autre qui convertit chaque action cible en étiquette discrète de direction de mouvement pour entraîner conjointement langage et action sur la même observation robotique. Sur un bras robotique physique xArm7, avec deux architectures VLA largement utilisées, les taux de réussite passent de 28% à 54% pour l'une et de 37% à 60% pour l'autre. L'enjeu dépasse la seule courbe de performance : c'est une remise en cause d'un présupposé du secteur des VLA, celui du "plus de données de co-entraînement suffit" pour éviter l'oubli catastrophique. En montrant qu'il existe un désalignement structurel que les benchmarks de manipulation standards ne détectent pas, les auteurs pointent un angle mort méthodologique qui concerne tous les laboratoires construisant des politiques de type RT-2, OpenVLA, Pi-0 ou GR00T. Pour les équipes qui finetunent des VLA pour des tâches industrielles, le message est que préserver les représentations préentraînées et apprendre correctement l'action ne sont pas des objectifs contradictoires, contrairement à l'hypothèse implicite du compromis généralisation-performance. Il faut toutefois noter que la majorité des gains rapportés (LIBERO-PRO, LIBERO-Plus, CALVIN) proviennent de simulation, avec seulement deux architectures testées en conditions réelles sur un unique bras robotique, ce qui limite la portée immédiate pour un déploiement industriel à grande échelle. Le contexte est celui d'une course intense autour des modèles VLA depuis l'émergence de RT-2 puis des systèmes open source comme OpenVLA, où le clonage comportemental sur démonstrations téléopérées est devenu la recette standard malgré ses limites connues de généralisation. Anchor-Align se positionne comme une brique méthodologique plutôt qu'un produit ou un robot, sans annonce de partenariat industriel ni de calendrier de déploiement pour l'instant. La suite logique serait une validation sur davantage d'architectures et de plateformes physiques, ainsi qu'une comparaison directe avec les techniques de co-entraînement existantes utilisées par les acteurs commerciaux du secteur, pour voir si le gain se maintient à l'échelle des flottes industrielles réelles.

IA physique⚡Actu

1 source

44

3780arXiv cs.RO 

L'IA générative face aux imitations : une étude sur les interfaces d'information par étape pour l'affinement des modèles VLA

Voici l'article traduit et résumé. Une équipe de recherche a mené une étude empirique comparant différentes interfaces d'information de stade pour l'affinement de politiques Vision-Langage-Action (VLA) sur des tâches de manipulation robotique longue durée. Le problème adressé : une instruction unique de haut niveau (par exemple "range la vaisselle") peut recouvrir plusieurs étapes d'action distinctes, et les chercheurs ont testé si fournir explicitement cette information de progression améliore la performance. Ils ont utilisé des annotations d'action segmentées comme représentation intermédiaire entre l'instruction complète et les segments d'action du modèle VLA, avec un module de suivi de progression qui détecte l'étape active. Deux interfaces ont été comparées à une politique utilisant seulement l'instruction complète : un texte décrivant l'étape courante, et un "Ordinal Stage-State" (un index ordinal normalisé intégré à l'état du robot). Les tests ont été menés sur GR00T N1.6, le modèle VLA de NVIDIA, sur le benchmark LIBERO-10, selon deux protocoles d'entraînement (affinement direct et affinement en continuation depuis un modèle de référence entraîné sur l'instruction complète). Les résultats nuancent une hypothèse répandue dans le secteur robotique, celle qu'ajouter une information de contexte explicite (ici, l'étape en cours) améliore mécaniquement la performance d'une politique VLA. En affinement direct, l'instruction complète seule obtient le meilleur taux de succès moyen (57,45%), devant l'Ordinal Stage-State (54,36%) et le texte d'étape courante (50,24%) : l'information de stade n'apporte donc pas de gain automatique. En revanche, en configuration de continuation depuis un modèle pré-entraîné, l'Ordinal Stage-State dépasse les deux autres approches sur les trois essais appariés (53,75% contre 50,00% et 49,07%). Pour les intégrateurs et équipes de recherche travaillant sur des politiques génératives pour la manipulation longue durée, ce résultat suggère que le bénéfice d'un signal de progression dépend fortement du format de représentation choisi et du régime d'entraînement, un point souvent négligé dans les communications marketing autour des modèles "world-aware" ou "task-decomposition". Cette étude s'inscrit dans un contexte de compétition croissante autour des architectures VLA pour les robots humanoïdes et bras manipulateurs, où NVIDIA (avec sa famille GR00T), Physical Intelligence (Pi-0) et d'autres laboratoires cherchent à améliorer la généralisation des politiques sur des tâches multi-étapes. LIBERO-10, benchmark standard de manipulation à long horizon, sert ici de terrain de comparaison contrôlé. Les auteurs soulignent que l'effet observé varie selon la représentation d'interface et l'arrangement d'entraînement, ouvrant la voie à des travaux futurs sur la conception de signaux de progression plus robustes, potentiellement transférables à d'autres familles de modèles VLA au-delà de GR00T N1.6.

Recherche❖Paper

1 source

44

3781arXiv cs.RO 

HRIBench : évaluation de la collaboration homme-robot centrée sur l'interaction

Ce papier arXiv (2607.13056v1) présente HRIBench, un benchmark diagnostique conçu pour évaluer la collaboration homme-robot centrée sur l'interaction, plutôt que la seule manipulation isolée. Contrairement aux benchmarks VLA (vision-language-action) existants, qui testent des compétences de manipulation déconnectées de toute interaction humaine, HRIBench modélise les tâches collaboratives sous forme de scénarios structurés intégrant rôles des agents, dépendances temporelles, contraintes de coordination et distributions de comportement humain. Trois rôles sont définis : Instructeur, Collaborateur et Intrus, couvrant respectivement la communication d'intention, la coordination conjointe et la robustesse face à une intervention humaine imprévue. Le benchmark comprend 13 tâches conditionnées par rôle et plus de 650 épisodes d'évaluation générés à partir de trajectoires d'interaction et de variations de scène diverses. Les chercheurs ont testé des politiques adaptées à partir de GR00T, pi0.5 et ACT selon un protocole unifié, avec des métriques allant au-delà du simple taux de réussite : synchronisation, réactivité, respect du protocole et sécurité. Les résultats montrent que les politiques robotiques actuelles, malgré de bonnes capacités de manipulation pure, peinent nettement dès qu'il s'agit de coordination temporelle et de comportement sensible à l'intention humaine, un angle mort largement ignoré par les benchmarks existants. Ce constat vient nuancer l'idée que les modèles VLA généralistes seraient déjà prêts pour une collaboration homme-robot fluide en environnement partagé, un enjeu central pour tout déploiement industriel où humains et robots opèrent côte à côte. Fait notable, un fine-tuning sur les données HRIBench améliore systématiquement les performances collaboratives, et en conditions réelles, les données de simulation générées par le benchmark font passer le taux de réussite de GR00T N1.5 sur une tâche physique de 0,10 à 0,43. HRIBench s'inscrit dans une dynamique de recherche cherchant à combler l'écart entre benchmarks de manipulation pure et exigences réelles de la cohabitation homme-robot, à mesure que des politiques comme GR00T (NVIDIA), pi0.5 (Physical Intelligence) ou ACT gagnent en usage comme bases pour l'apprentissage robotique généraliste. Les auteurs positionnent leur travail comme un outil diagnostique réutilisable, avec des pistes explicites de fine-tuning ciblé pour renforcer la coordination et la sécurité, plutôt qu'un simple classement de performances brutes.

Recherche❖Paper

1 source

43

3782arXiv cs.RO 

Apprentissage de compétences avant/arrière à partir d'une seule démonstration inachevée pour tâches de manipulation contraintes

Chercheurs de l'Automation and Control Institute (ACIN) de la TU Wien publient un nouveau framework d'apprentissage par démonstration (LfD) pour les tâches de manipulation en contact, dans un article arXiv daté du 16 juillet 2026 (arXiv:2607.13882v1). Contrairement aux méthodes existantes qui exigent plusieurs démonstrations complètes, leur système apprend à la fois l'exécution avant et arrière d'une compétence à partir d'une seule démonstration, potentiellement inachevée. La méthode découpe chaque démonstration en phases sans contact et en phases de contact : les premières sont encodées via des primitives de mouvement dynamiques (DMP), les secondes représentées comme une séquence de primitives de mouvement vissé (screw motion primitives), segmentées grâce à un algorithme de segmentation par direction de torsion géométrique conçu par les auteurs. À l'exécution, ces primitives sont enchaînées sous correction de pose et régulation de vitesse pilotées par admittance, ce qui permet au robot d'aller au-delà de la trajectoire démontrée et de rejouer la tâche à l'envers sans données supplémentaires. Les tests portent sur quatre tâches : insertion de tige (peg insertion), insertion de batterie, ouverture de serrure et vissage. L'enjeu est la réduction drastique du coût d'apprentissage pour les tâches contraintes géométriquement, un point faible connu du LfD classique, qui peine sur les interactions riches en contact et en force. En ne nécessitant qu'une démonstration, même incomplète, la méthode limite le travail de téléopération ou de capture de données habituellement requis pour entraîner un robot industriel à des gestes d'assemblage précis. La capacité d'exécution inverse sans réapprentissage est particulièrement utile pour les cycles assemblage/désassemblage, un besoin fréquent en ligne de production. Les auteurs rapportent des taux de succès et une robustesse supérieurs aux baselines de segmentation et d'apprentissage de trajectoire en un coup, ce qui positionne l'approche comme une alternative crédible pour les intégrateurs cherchant à automatiser des tâches de préhension fine sans multiplier les démonstrations. Le travail s'inscrit dans la lignée des recherches sur les primitives de mouvement (DMP) et la modélisation par torseurs cinématiques pour la robotique de contact, un champ actif face aux limites des approches purement basées trajectoire. Le site du projet (tuwien-asl.github.io/LfD-Screw) propose des démonstrations vidéo ; aucune date de publication de code ni de partenariat industriel n'est mentionnée à ce stade.

FR/EU ecosysteme❖Paper

1 source

41

3783arXiv cs.RO 

EgoHTR : démonstrations égocentriques en 4D de franchissement de terrain humain

Des chercheurs publient EgoHTR (Egocentric Human-Terrain Reconstruction), un nouveau jeu de données conçu pour entraîner des robots humanoïdes à franchir des terrains accidentés, disponible en prépublication sur arXiv (2607.13472). L'équipe a développé et mis en open source un pipeline de reconstruction capturant 55 séquences de mouvement humain en 4D, alignées sur la scène, dans des environnements variés et complexes. Le dispositif combine capteurs égocentriques portables et un scanner 3D portatif, pour un total de plus de 150 000 images. Les auteurs affirment avoir validé la précision de leurs reconstructions face à des données de motion capture de référence, avec des résultats qu'ils qualifient d'état de l'art, chiffre à prendre avec prudence puisqu'il s'agit d'une mesure auto-rapportée dans le papier. Le dataset a ensuite servi à entraîner des politiques de locomotion perceptive, testées en conditions réelles sur un robot Unitree G1 reproduisant les mouvements de référence capturés. L'enjeu dépassse la simple collecte de données: le déplacement de robots humanoïdes en terrain non structuré reste un problème ouvert, l'apprentissage par renforcement classique peinant face à la complexité des interactions réelles. Les méthodes s'appuyant sur des priors humains, plus prometteuses, restaient jusqu'ici limitées par des modèles sans conscience contextuelle de la scène, faute de pipelines capables de capturer des séquences humain-environnement dans des conditions difficiles. En comblant ce manque entre apprentissage humanoïde et reconstruction de scène, EgoHTR fournit un benchmark rigoureux pour l'analyse et la synthèse de mouvement, utile aux équipes qui cherchent à dépasser les démonstrations en environnement contrôlé pour viser une robustesse réelle sur terrain varié. Il s'agit d'une publication de recherche et d'un jeu de données, pas d'un produit commercial: aucun déploiement industriel n'est annoncé, seulement une validation matérielle limitée sur un G1 de Unitree, fabricant chinois déjà largement utilisé comme plateforme de recherche par la communauté académique en robotique humanoïde. Le pipeline étant ouvert, les auteurs misent sur des extensions communautaires du dataset pour accélérer les travaux sur des robots fondationnels et sensibles au contexte, capables de traverser de manière fiable des terrains inégaux, un axe de recherche qui reste à ce stade en amont de toute commercialisation.

Recherche❖Paper

1 source

41

3784arXiv cs.RO 

Au-delà de la description : évaluer cognitivement l'action fine pour les agents incarnés

Des chercheurs ont publié CFG-Bench, un nouveau benchmark destiné à évaluer la capacité des grands modèles multimodaux (MLLM) à raisonner sur l'action fine dans des environnements physiques, plutôt que sur la simple planification de haut niveau ou le raisonnement spatial déjà couverts par les benchmarks existants. L'article, disponible sur arXiv (2511.18685), détaille un corpus de 1 368 vidéos annotées, associées à 19 562 paires question-réponse. Ces données couvrent trois paradigmes d'évaluation et quatre capacités cognitives distinctes : l'interaction physique, la relation temporelle-causale, la compréhension intentionnelle et le jugement évaluatif. L'objectif est de mesurer si un modèle sait traduire une observation visuelle en connaissance actionnable, au-delà de la simple reconnaissance d'objets ou de scènes. Les résultats sont significatifs pour l'écosystème des agents incarnés (embodied agents) qui s'appuient de plus en plus sur des architectures vision-langage-action (VLA) pour piloter robots et humanoïdes. Les auteurs montrent que même les MLLM les plus performants du marché peinent à produire des instructions détaillées pour des interactions physiques concrètes, et présentent des lacunes marquées dès qu'il s'agit de raisonnement d'ordre supérieur, comme inférer une intention ou juger la qualité d'une action. C'est un signal notable pour les intégrateurs et équipes de recherche qui misent sur ces modèles comme moteurs de décision : la compréhension de haut niveau ne garantit pas une exécution fine et fiable, un des points de friction identifiés dans l'écart persistant entre démonstration et déploiement réel en robotique. Point plus encourageant pour le secteur : les auteurs démontrent qu'un fine-tuning supervisé (SFT) sur les données de CFG-Bench, en apprenant explicitement au modèle à articuler des actions fines, se traduit par des gains de performance mesurables sur des benchmarks incarnés déjà établis. Cela suggère une piste d'amélioration directe et reproductible pour les futurs modèles VLA, plutôt qu'une simple mise en évidence de leurs limites. Le projet s'inscrit dans la vague de benchmarks spécialisés qui cherchent à combler les angles morts des évaluations génériques de MLLM. La page du projet et le jeu de données sont accessibles publiquement via cfg-bench.github.io, ouvrant la voie à des comparaisons futures entre laboratoires et fournisseurs de modèles.

Recherche❖Paper

1 source

41

3785arXiv cs.RO 

GPUSimBench : vers des simulateurs GPU évolutifs et fiables pour l'IA incarnée

Une équipe de recherche a publié GPUSimBench, un banc d'essai destiné à évaluer la fiabilité des simulateurs robotiques accélérés par GPU comme Isaac Lab (NVIDIA) et Genesis, dans un article déposé sur arXiv (2607.13059v1) le 16 juillet 2026. Le benchmark repose sur trois axes de mesure. D'abord, une évaluation de l'ancrage physique via une tâche contrôlée de plan incliné, qui quantifie l'écart de distribution entre la dynamique simulée et son équivalent réel. Ensuite, un test de scalabilité parallèle mesurant débit et empreinte mémoire à mesure que le nombre d'environnements simulés augmente. Enfin, et c'est le point central de l'étude, les auteurs quantifient le non-déterminisme inhérent à l'exécution par lots sur GPU: des variations significatives d'une exécution à l'autre, et même entre environnements exécutés simultanément dans des conditions initiales identiques. L'équipe identifie quatre régimes empiriques de stochasticité dans les architectures de simulateurs actuelles. Ce travail remet en question un présupposé central de l'IA incarnée actuelle: que la simulation massivement parallèle sur GPU, utilisée pour entraîner des politiques robotiques à grande échelle, est fiable et reproductible par construction. En montrant qu'une mise à l'échelle non maîtrisée peut compromettre la reproductibilité des résultats, l'étude pointe un risque concret pour les équipes qui s'appuient sur ces simulateurs pour l'apprentissage par renforcement ou le transfert sim-to-réel: des politiques entraînées sur des runs non déterministes peuvent donner des performances difficiles à comparer ou à répliquer d'un laboratoire à l'autre, un problème critique pour la validation avant déploiement sur robot physique. Cette publication s'inscrit dans la vague de simulateurs GPU nés dans le sillage d'Isaac Gym, qui a popularisé l'entraînement massivement parallèle pour la robotique, avant l'arrivée d'Isaac Lab et du projet open-source Genesis comme alternatives concurrentes. Jusqu'ici, la course portait surtout sur le débit brut et la fidélité physique; GPUSimBench ajoute un troisième critère, le déterminisme, largement ignoré par les benchmarks existants. Les auteurs ne précisent pas de calendrier de suite, mais présentent leur outil comme une base d'évaluation destinée à orienter le développement de simulateurs plus fiables pour la recherche en apprentissage robotique.

Recherche❖Paper

1 source

41

3786arXiv cs.RO 

VAMP-MR : planification et exécution de mouvements accélérée par vecteurs pour bras robotiques multiples

Un nouveau papier arXiv (2607.13478v1) présente VAMP-MR, une suite de planificateurs de mouvement pour bras robotiques multiples destines aux taches industrielles comme la fabrication. Le problème cible est la planification de trajectoires sans collision pour plusieurs manipulateurs opérant dans le même espace, un calcul traditionnellement couteux avec les solveurs bases sur la recherche ou l'échantillonnage. L'équipe combine des algorithmes de planification classiques avec des techniques de vérification de collision vectorisées de dernière génération, exploitant les instructions SIMD des processeurs CPU. Le goulot d'étranglement principal de ce type de planification, le contrôle de collision entre les bras, en bénéficie directement : les auteurs annoncent un gain de vitesse pouvant atteindre deux ordres de grandeur, soit jusqu'a environ 100 fois plus rapide, aussi bien pour la planification de trajectoire que pour le post-traitement de l'exécution sur des taches de manipulation multi-bras. Le code est mis a disposition publiquement sur vamp-mr.github.io/vamp-mr. Cette accélération change la donne pour le déploiement de cellules industrielles a bras multiples, un scenario de plus en plus courant en fabrication ou plusieurs manipulateurs doivent coopérer dans un espace de travail partage sans se percuter. Jusqu'ici, générer des mouvements de qualité, sans collision et exploitables en conditions réelles, demandait un temps de calcul important, ce qui limitait la réactivité des systèmes et compliquait la replanification en cas de changement de scene. Un planificateur quasi temps réel ouvre la voie a des cellules multi-bras plus flexibles, capables de s'adapter dynamiquement plutôt que de suivre des trajectoires figées calculées hors ligne. Pour les intégrateurs et les équipes de R&D en robotique, la libération du code source abaisse significativement la barrière d'entrée pour expérimenter avec la planification multi-bras, un domaine jusqu'ici réserve a des équipes disposant de solveurs propriétaires ou de ressources de calcul importantes. Le problème de la planification multi-bras s'inscrit dans la lignée des travaux sur les planificateurs bases sur la recherche (comme les variantes de RRT ou de PRM) et sur l'échantillonnage, qui restent les approches dominantes mais souffrent d'un cout de calcul croissant avec le nombre de bras et la complexité de l'environnement. VAMP-MR ne cherche pas a remplacer ces algorithmes classiques mais a en accélérer radicalement le maillon le plus couteux, la vérification de collision, en s'appuyant sur le parallélisme vectoriel déjà présent dans les CPU modernes plutôt que sur du matériel spécialisé type GPU. Cette approche logicielle, portable sur du matériel standard, distingue le projet des solutions nécessitant une infrastructure de calcul dédiée. La publication du code s'accompagne d'une invitation explicite de l'équipe a la communauté de recherche pour étendre et tester ces planificateurs sur d'autres problèmes de manipulation multi-robot, sans qu'un calendrier de déploiement industriel ou de pilotes concrets ne soit pour l'instant annonce.

Recherche❖Paper

1 source

40

3787arXiv cs.RO 

Un cadre bayésien pour l'analyse de la vallée dérangeante dans la conception de robots humanoïdes

Des chercheurs proposent un nouveau cadre mathématique pour modéliser la vallée de l'étrange, ce phénomène bien documenté selon lequel un robot humanoïde trop réaliste peut susciter du malaise plutôt que de la sympathie. Publié le 15 juillet 2026 sur arXiv (2607.13060v1), le modèle repose sur un réseau bayésien hiérarchique qui traduit en variables mathématiques manipulables des principes jusqu'ici qualitatifs, comme éviter un réalisme excessif ou limiter les incohérences entre modalités sensorielles. L'affinité envers un robot y est définie comme une "surprise négative pondérée par la probabilité a posteriori", articulée autour de quatre variables : l'écart par rapport à l'apparence moyenne attendue d'un robot, l'incohérence du degré d'humanité perçu entre les modalités (apparence, mouvement), l'incertitude de prédiction et l'incertitude d'observation. Des simulations montrent que l'ambiguïté catégorielle et le décalage entre apparence et mouvement suffisent à produire une chute d'affinité, et qu'une plus grande incertitude modifie la forme même de la vallée. Une expérience menée sur des sujets humains, utilisant des images de morphing progressif entre visage robotique et visage humain, a confirmé qu'une incertitude d'observation accrue (images floutées) atténue la baisse de familiarité perçue à mi-chemin entre robot et humain, tandis qu'une faible incertitude de prédiction renforce au contraire l'appréciation des apparences clairement robotiques. Pour l'industrie de la robotique humanoïde, cet outil change la donne : au lieu de tâtonner par essais-erreurs sur l'apparence et le comportement d'un robot, designers et ingénieurs pourraient optimiser algorithmiquement ces paramètres pour maximiser l'acceptabilité perçue, un enjeu direct pour tout acteur cherchant un déploiement grand public ou en environnement humain partagé, du service client à l'assistance aux personnes âgées. Le concept de vallée de l'étrange remonte à l'hypothèse formulée par Masahiro Mori en 1970, longtemps restée une heuristique empirique difficile à opérationnaliser. Ce travail s'inscrit dans un effort plus large de modélisation computationnelle de la perception sociale des robots, potentiellement utile aux concepteurs de robots à visage expressif comme Ameca (Engineered Arts) ou Reachy (Pollen Robotics, France). Les auteurs appellent à des validations complémentaires sur des robots physiques et des interactions en mouvement réel, au-delà des images statiques testées ici.

Recherche❖Paper

1 source

40

3788arXiv cs.RO 

Fusion des modalités tactiles pour les modèles vision-langage-action (VLA)

Il s'agit d'un article de recherche académique (préprint arXiv, version révisée), donc sans annonce commerciale ni chiffres de performance détaillés dans le résumé fourni, je reste factuel sur ce point plutôt que d'inventer des métriques. TacFiLM est une méthode de fusion de modalités proposée dans un préprint arXiv (2603.14604v2, version révisée) qui intègre des signaux tactiles aux modèles vision-langage-action (VLA) utilisés en robotique manipulatrice. Le constat de départ est simple: les VLA actuels, bien qu'efficaces pour généraliser des politiques de contrôle a partir d'instructions sémantiques, reposent presque exclusivement sur la perception visuelle, incapable de capturer les dynamiques d'interaction propres aux taches de manipulation en contact étroit, comme les forces de contact, le frottement de surface, la compliance ou le cisaillement. Plutot que de concaténer des tokens tactiles ou de reentrainer massivement le modèle, ce qui alourdit considérablement le cout de calcul, les auteurs proposent un finetuning post-entrainement léger: les caractéristiques visuelles intermédiaires sont conditionnées par des représentations tactiles pré-entraînées via une modulation linéaire par caractéristique (FiLM). La méthode a été testée sur des taches d'insertion et d'ouverture de tiroir, en distribution et hors distribution, avec des améliorations rapportées sur le taux de réussite, la performance directe, le temps d'exécution et la stabilité des forces appliquées. L'intérêt pour le secteur tient moins a la performance brute qu'a la stratégie d'intégration: la plupart des architectures VLA déployées (dans la lignée de Pi-0, GR00T N2 ou Helix) tournent déjà a la limite du budget de calcul embarque, ce qui rend les approches de fusion tactile lourdes difficilement viables en production. Une méthode de finetoning légère, greffée après coup sur un modèle déjà entraine, ouvre la voie a l'ajout de retour tactile sur des politiques existantes sans reentrainement complet ni explosion du cout d'inférence, un point clé pour les intégrateurs qui visent des taches d'assemblage ou de manipulation fine ou le seul retour visuel échoue régulièrement. Cette publication s'inscrit dans une tendance de fond de la recherche VLA: après avoir démontre la généralisation sémantique et le contrôle multitâche, le champ se heurte désormais au problème spécifique de la manipulation en contact, un angle mort connu depuis les débuts de l'apprentissage par imitation en robotique. Le fait qu'il s'agisse d'une version "replace" du preprint suggère une itération après retours de relecture. Les auteurs renvoient vers une page de projet dédiée pour le code et les démonstrations, sans toutefois annoncer de déploiement industriel ou de partenariat avec un fabricant de robots a ce stade.

IA physique❧Opinion

1 source

40

3789arXiv cs.RO 

Odorat ou cognition : une stratégie cognitive hybride pour localiser la source d'une odeur en milieu naturel

Une équipe de recherche présente une stratégie hybride permettant a des robots équipes de capteurs chimiques de localiser plus vite la source d'une pollution atmosphérique ou aquatique, en combinant réflexes bio-inspires et raisonnement probabiliste. Publiee sous la référence arXiv:2607.13853v1, l'étude part d'un constat concret: les polluants rejetés dans l'environnement sont disperses par des écoulements turbulents qui produisent des panaches intermittents, rendant les détections rares et les gradients de concentration peu exploitables. Le système introduit un mécanisme de commutation déclenche par chaque détection d'odeur, qui bascule automatiquement entre une exploration en travers du courant et un déplacement direct vers la source, en priorisant la proximité plutôt que le seul gain d'information. Les paramètres de comportement sont dérivés directement des métriques de croyance du robot, rendant la réactivité adaptative sans réglage manuel préalable. La méthode a été validée en simulation sous trois conditions de turbulence, puis testée sur le terrain avec un véhicule de surface autonome déployé sur le fleuve Mondego, au Portugal, avec a la clé jusqu'a 50% de réduction de la distance parcourue, un taux de réussite de 86% et une erreur de localisation moyenne de 3,2 mètres. Ces résultats intéressent directement les opérateurs de surveillance environnementale et de réponse aux déversements chimiques, ou chaque minute gagnée dans la localisation d'une fuite limite l'impact sur les écosystèmes et la sante publique. Le travail tranche aussi un débat récurrent en robotique de recherche de source: privilégier des comportements réactifs simples mais nécessitant un réglage propre a chaque scenario, ou des stratégies cognitives plus robustes mais trop exploratoires et gourmandes en calcul. Les auteurs s'appuient sur une analyse antérieure en chaines de Markov montrant que les mouvements diriges vers la source sont environ deux fois plus fréquents juste après une détection, preuve que la réactivité émerge déjà naturellement des cadres cognitifs. Ils choisissent donc de l'intégrer explicitement plutôt que de traiter les deux paradigmes comme concurrents. Les 86% de réussite restent toutefois obtenus sur un site fluvial unique et un nombre limite d'essais réels, ce qui appelle des vérifications sur d'autres environnements avant généralisation. L'approche prolonge les travaux sur l'algorithme Fast-Cognitive, qui avait déjà allégé la charge de calcul des méthodes bayésiennes complètes sans en lever les limites de sur-exploration. En formalisant la transition entre exploration et poursuite, cette nouvelle méthode se positionne en synthèse entre les stratégies bio-inspirées historiques, type surge-casting, et les approches cognitives probabilistes plus récentes. Aucun partenariat industriel ni calendrier de déploiement n'est mentionne au-delà des essais sur le Mondego; la suite logique serait d'étendre les tests a d'autres plans d'eau ou environnements terrestres, et de comparer directement la méthode a Fast-Cognitive sur des métriques identiques.

Recherche❖Paper

1 source

39

3790arXiv cs.RO 

Locomotion agile et perceptive multi-compétences pour robots quadrupèdes en conditions réelles

Des chercheurs présentent APT-RL (Action Pretrained Transformer-based Reinforcement Learning), un framework unifié permettant à un robot quadrupède de franchir des terrains complexes en n'utilisant que ses capteurs et son calcul embarqués, sans dépendre d'une infrastructure externe. La méthode génère d'abord des jeux de données de mouvement 2D à grande échelle via optimisation de trajectoires sur une dynamique simplifiée, ce qui permet d'entraîner des compétences de locomotion variées et réutilisables. Ces compétences servent ensuite de base solide pour apprendre des tâches plus complexes en 3D, avec transition autonome entre différentes allures. Lors des tests en conditions réelles, le robot a exécuté des manœuvres agiles à travers des obstacles intérieurs et extérieurs, y compris des sauts en descente dynamiques atteignant une vitesse de pointe instantanée de 6 mètres par seconde. Une seule politique embarquée lui a permis de franchir escaliers, haies, pierres de gué, trous et branches tombées au sol, sans changer de modèle selon le type d'obstacle. L'intérêt de ce travail réside dans sa capacité à combiner plusieurs compétences motrices en un seul système embarqué et autonome, un point de friction connu dans la robotique quadrupède où la plupart des démonstrations reposent encore sur des politiques spécialisées par terrain ou sur une assistance en calcul déporté. En s'appuyant uniquement sur la perception et le calcul embarqués, APT-RL s'attaque directement à l'écart classique entre simulation et réalité, tout en montrant que des priors de mouvement générés à moindre coût en 2D peuvent se généraliser efficacement à des environnements 3D non structurés. Pour les intégrateurs travaillant sur l'inspection industrielle, la robotique de terrain ou les interventions en environnement accidenté, cela représente une piste concrète vers des robots capables de gérer la diversité des obstacles réels sans reconfiguration manuelle entre chaque scénario. Ce travail s'inscrit dans la lignée des recherches récentes en apprentissage par renforcement pour la locomotion des robots à pattes, un domaine où des plateformes comme Unitree Go2, Boston Dynamics Spot ou ANYbotics ANYmal servent de référence pour les capacités tout-terrain. Publié comme preprint sur arXiv, l'article ne précise ni laboratoire porteur ni calendrier de déploiement commercial : il s'agit à ce stade d'une contribution de recherche, sans indication de produit shippé ni de pilote industriel annoncé.

Recherche❖Paper

1 source

39

3791arXiv cs.RO 

Où toucher, comment entrer en contact : un cadre hiérarchique RL-MPC pour une manipulation sim-vers-réel sensible à la géométrie

Une équipe de recherche propose une architecture hiérarchique combinant apprentissage par renforcement (RL) et commande prédictive (MPC) pour la manipulation dextre en contact riche, détaillée dans un article arXiv (2601.10930, quatrième révision). Le système sépare la décision en deux niveaux: une politique RL de haut niveau détermine "où toucher", c'est à dire un point de contact sur la surface de l'objet ainsi qu'une pose cible à atteindre après ce contact, un concept que les auteurs nomment "intention de contact". Un contrôleur MPC de bas niveau, dit à contact implicite, prend ensuite le relais pour optimiser en temps réel les modes de contact locaux et replanifier la trajectoire du robot à travers la dynamique de contact, non lissée par nature. Le framework a été testé sur des tâches de manipulation non préhensile: poussée généralisée sur des objets de formes variées, réorientation par pivotement ou basculement, et repositionnement assisté par l'environnement. Les résultats annoncés montrent un taux de réussite élevé, un transfert simulation vers réel sans réentraînement (zero shot), et surtout un besoin en données dix fois inférieur à celui des politiques de bout en bout classiques. Cette approche s'attaque directement à l'un des points faibles des politiques end to end actuelles, y compris les modèles vision langage action de type VLA: leur appétit en données et leur difficulté à transférer proprement de la simulation vers le réel. En réintroduisant une décomposition géométrique explicite plutôt que de tout confier à un réseau appris de bout en bout, les auteurs cherchent à concilier la généralisation apprise par renforcement avec la robustesse physique garantie par la commande prédictive. Pour les équipes travaillant sur la manipulation robotique, la promesse d'un facteur dix sur les données nécessaires est significative si elle se confirme au delà des tâches non préhensiles testées ici. Le travail s'inscrit dans un courant de recherche plus large sur la manipulation en contact riche, domaine où la difficulté vient précisément de devoir raisonner conjointement sur la géométrie globale des objets et sur une dynamique de contact non lisse, difficile à différentier et à planifier. Contrairement aux approches purement data driven qui dominent la littérature récente, ce travail mise sur une structure hybride inspirée de la robotique classique. L'article, republié dans sa quatrième version, ne précise pas de calendrier de déploiement matériel à plus grande échelle ni de partenariat industriel.

Recherche❖Paper

1 source

38

3792arXiv cs.RO 

La Direction d'Impact Non Lisse (NSID) des Systèmes Robotiques

Une nouvelle étude théorique publiée sur arXiv (2607.13768) s'attaque à un problème central de la dynamique des robots à liaisons rigides : la modélisation des collisions avec l'environnement. Les auteurs y introduisent le concept de "direction d'impact non lisse" (NSID, nonsmooth impact direction), une direction caractéristique des vitesses avant et après impact qui reste largement indépendante des propriétés de contact (frottement, élasticité, rigidité de surface). Le travail couvre plusieurs cas de figure : systèmes à joints non élastiques et à joints flexibles, robots contraints et non contraints, et démontre que la direction d'approche par rapport à la NSID détermine directement l'orientation de la force impulsive lors d'impacts frictionnels et inélastiques. L'analyse théorique s'appuie sur une validation expérimentale, appliquée aux grandes classes de systèmes robotiques rétro-entraînables (backdrivable) à liaisons rigides. L'enjeu n'est pas un produit ou une démo, mais un outil mathématique fondamental pour la planification et le contrôle des robots en contact avec leur environnement, un problème notoirement difficile car les impacts sont modélisés comme des événements instantanés générant des discontinuités de vitesse. Pour les concepteurs de contrôleurs de locomotion humanoïde, disposer d'une direction caractéristique d'impact indépendante des propriétés du contact simplifie considérablement la conception d'algorithmes robustes face à des sols aux frictions variables (carrelage, surface glissante, gravier). Cela intéresse aussi les tâches répétitives à choc, comme le martelage industriel ou certaines opérations d'assemblage en robotique de manipulation, où la prévisibilité de la force d'impact conditionne la précision et l'usure mécanique. Ce travail s'inscrit dans une longue lignée de recherches en dynamique des systèmes hybrides et en modélisation des impacts rigides, un domaine qui bute depuis des décennies sur des paradoxes classiques (comme le paradoxe de Painlevé) et des formulations approximatives peu généralisables. Contrairement aux annonces produit du secteur humanoïde, il s'agit ici d'une contribution purement académique, sans chiffres de déploiement ni promesse commerciale : les auteurs présentent leur cadre comme une fondation pour de futurs algorithmes de planification et de contrôle, sans indiquer de calendrier d'intégration dans des plateformes robotiques existantes.

Recherche❖Paper

1 source

38

3793arXiv cs.RO 

Modèle vision-langage-action, développé pour la robotique, capable de généraliser à des tâches inédites

Les chercheurs à l'origine de cette étude, publiée sur arXiv le 13 juillet 2026, ont développé un nouveau type d'actionneur pour exosquelettes de membre inférieur baptisé Limb-Encircling Actuator (LEA). Contrairement aux exosquelettes classiques, dont les moteurs sont placés sur le côté de la jambe ou déportés à la taille ou dans le dos, ce composant encercle directement le membre dans un plan perpendiculaire à son axe. L'équipe a construit un banc d'essai dédié pour caractériser les propriétés électromécaniques du dispositif, qui intègre également une nouvelle configuration de roulement radial pensée comme alternative plus légère et moins coûteuse aux roulements de grand diamètre habituellement utilisés. Résultat mesuré : une densité de couple continue de 7,5 Nm/kg pour une masse de 894 grammes. Cette architecture s'attaque à un frein connu à l'adoption des exosquelettes : l'encombrement. Les designs actuels dépassant souvent de l'enveloppe naturelle du corps, ils restent intrusifs au quotidien et peu compatibles avec un usage grand public, en particulier pour l'assistance à la mobilité hors contexte médical ou industriel lourd. Un actionneur capable de conserver une forte densité de couple tout en épousant mieux la jambe ouvrirait la voie à des exosquelettes plus discrets, potentiellement intégrables dans des vêtements du quotidien plutôt que dans des harnais visibles, un enjeu commercial autant que technique pour le secteur. Le travail reste toutefois à un stade de caractérisation en laboratoire, pas de produit fini : malgré la densité de couple obtenue, les auteurs reconnaissent que le système demeure difficile à contenir près du corps, révélant des limites persistantes dans le dimensionnement et la géométrie de l'actionneur. L'étude se positionne ainsi comme une exploration de piste architecturale plutôt qu'une solution aboutie, dans un domaine où la miniaturisation et la conformité corporelle des actionneurs restent un verrou majeur, aux côtés d'autres approches déjà explorées comme les actionneurs déportés ou les transmissions à câble.

Exosquelettes❖Paper

1 source

38

3794arXiv cs.RO 

PhysClaw-0 : un système agentique symbiotique pour l'autonomie robotique via corrections langagières

Un système baptisé PhysClaw-0 vise à réduire drastiquement le temps humain nécessaire pour collecter des données d'entraînement en robotique de manipulation. Décrit dans un article publié sur arXiv (2607.14047v1), le système fonctionne en boucle autonome : il collecte des trajectoires, vérifie leur succès et remet le poste en configuration initiale sans intervention, ne sollicitant un opérateur distant que lorsqu'une phase épuise un budget de tentatives explicite. Sa nouveauté tient à une "mémoire corrective" : lorsqu'un opérateur formule une correction en langage naturel, un LLM la transforme en ajustement structuré qui reste actif pour les tentatives suivantes, au lieu d'être perdu à la fin de chaque épisode comme dans les pipelines existants. Testé sur un banc réel de débarrassage de bureau (desktop-clearing), PhysClaw-0 égale le taux de succès de la téléopération classique tout en ramenant le temps de travail humain à 16% de celui requis par la téléopération. Les corrections en langage naturel améliorent l'accord entre le vérificateur automatique et l'humain sur les quatre configurations testées, et font grimper le taux de succès moyen en une seule tentative de 12,5% à 47,5% (jusqu'à 20% à 50% pour la tâche de sélection de bras). Ce résultat s'attaque directement à un goulot d'étranglement connu du secteur : la collecte de données réelles pour l'apprentissage de politiques de manipulation reste coûteuse en supervision humaine, et les corrections ponctuelles doivent être répétées à chaque récurrence du même échec, faisant croître le coût de supervision avec la durée de session plutôt qu'avec le nombre réel de problèmes distincts. En capitalisant les corrections plutôt qu'en les jetant, PhysClaw-0 propose une piste concrète pour industrialiser la collecte de données robotiques à moindre coût humain, un enjeu central pour tout acteur cherchant à entraîner des politiques VLA (vision-language-action) à grande échelle plutôt qu'en laboratoire. L'article ne précise ni l'institution ni le matériel robotique utilisé au-delà du banc de test desktop-clearing, et s'inscrit dans la lignée des travaux récents sur le "self-resetting" et la vérification par VLM (modèles vision-langage) pour automatiser la collecte. Il s'agit d'une publication de recherche fraîchement mise en ligne, sans annonce de déploiement industriel ni de partenaire commercial à ce stade ; les auteurs indiquent que des politiques entraînées sur les données PhysClaw-0 atteignent des performances comparables à celles obtenues via téléopération complète, pour une fraction du coût humain de collecte.

Recherche⚡Actu

1 source

38

3795arXiv cs.RO 

Vers un cadre modulaire de bin-picking pour gérer l'incertitude de pose des objets

Une équipe de chercheurs propose un framework modulaire pour le bin-picking robotique, la tâche qui consiste à saisir des objets en vrac dans un bac, capable de gérer simultanément deux sources d'erreur jusqu'ici traitées séparément: l'incertitude sur l'estimation de la pose de l'objet et les erreurs de préhension elles-mêmes. Le système repose sur une estimation de distribution de pose plutôt qu'une pose unique, utile quand l'observation est ambiguë et qu'aucune orientation correcte ne peut être déterminée avec certitude. Un module de second point de vue calcule une distribution complémentaire, fusionnée avec la première pour réduire l'incertitude globale, complété par deux modules indépendants de compensation des erreurs de préhension. L'architecture modulaire permet de combiner ces briques ou de les utiliser isolément selon la configuration physique du poste. Les tests, menés en conditions réelles sur trois objets différents et sans erreurs induites artificiellement, montrent que chaque module améliore l'efficacité du système. Précision utile: le framework est pour l'instant limité aux rotations dans le plan (SO(2)) et n'aborde pas encore les six degrés de liberté complets (SE(3)). Pour l'industrie du bin-picking, la promesse n'est pas un gain de précision brut mais une meilleure gestion du cas le plus fréquent en usine: l'ambiguïté de pose sur des objets partiellement occlus ou symétriques, là où la plupart des pipelines de vision se contentent de retourner une pose unique, souvent fausse en silence. En raisonnant sur des distributions de probabilité plutôt que sur des estimations ponctuelles, l'approche s'attaque à un vrai point de friction pour les intégrateurs, qui doivent aujourd'hui compenser ces erreurs par des capteurs de force, des reprises de saisie ou un sur-dimensionnement des pinces. La preuve de concept reste toutefois modeste, trois objets, un environnement contrôlé, et l'extension annoncée à SE(3) conditionne largement l'intérêt industriel réel du framework. Le travail s'inscrit dans une littérature déjà fournie sur la robustesse du bin-picking, où les approches existantes traitent généralement soit l'incertitude de pose, soit les erreurs de préhension, rarement les deux ensemble selon les auteurs. La contribution revendiquée est précisément cette unification dans une architecture à modules interchangeables, pensée pour absorber de futurs blocs sans réécriture complète. Les auteurs évoquent des extensions possibles vers la 3D complète (SE(3)) et l'ajout d'autres modules correctifs, sans calendrier ni partenaire industriel mentionné à ce stade: il s'agit pour l'instant d'un résultat de recherche publié sur arXiv, pas d'un système déployé ou commercialisé.

Recherche❖Paper

1 source

38

3796arXiv cs.RO 

STITCHER : Planification de trajectoires contraintes en environnements complexes par recherche en temps réel de primitives de mouvement

Un article de recherche publié sur arXiv (2510.14893v4, version révisée) présente STITCHER, un nouveau cadre de planification de trajectoires pour drones qui se passe totalement d'optimisation numérique. Contrairement aux planificateurs modernes qui calculent des trajectoires par optimisation sous contraintes, STITCHER assemble de courts segments de trajectoire préexistants via une recherche sur graphe, pour produire des trajectoires longues portées, quasi optimales et exploitables en temps réel. En simulation, sur deux environnements complexes de 50 mètres sur 50, l'algorithme génère des trajectoires sûres et complètes en quelques millisecondes seulement, un résultat que les auteurs comparent favorablement à trois planificateurs d'optimisation de référence. Des essais matériels ont ensuite été menés sur un quadricoptère personnalisé, capable de suivre les trajectoires calculées en respectant des contraintes non convexes strictes, comme les limites d'angle d'inclinaison et de force des moteurs, tout en atteignant des vitesses de vol jusqu'à 63 km/h. L'enjeu dépasse la prouesse technique isolée. La navigation autonome à grande vitesse dans des environnements encombrés impose des calculs de trajectoire en temps réel, dynamiquement réalisables et sans collision, un problème où les méthodes d'optimisation classiques restent vulnérables aux délais de calcul et à l'instabilité numérique dès que les scénarios deviennent critiques pour la sécurité. En démontrant qu'une approche sans optimisation, fondée sur la recherche de primitives de mouvement, peut égaler voire dépasser la qualité des trajectoires optimisées tout en garantissant des temps de calcul déterministes, STITCHER apporte un argument concret dans le débat entre optimisation et recherche combinatoire pour la planification robotique embarquée, un enjeu direct pour les drones d'inspection, de secours ou de course évoluant en environnement GPS-dénié. La planification de trajectoires agiles s'appuie depuis plusieurs années presque exclusivement sur l'optimisation numérique, jugée seule capable de produire des trajectoires expressives satisfaisant des contraintes complexes d'état et d'actionneurs. Cette dépendance a toutefois un coût en robustesse temporelle, que STITCHER cherche à contourner en revenant à une logique de bibliothèques de primitives de mouvement couplées à une recherche sur graphe, une approche plus ancienne en robotique mobile mais repensée ici pour le vol agile. Il s'agit d'une quatrième révision du travail sur arXiv, signe d'un développement itératif; les auteurs annoncent des tests matériels supplémentaires comme prochaine étape, mais aucun calendrier de déploiement commercial ni partenaire industriel n'est mentionné à ce stade.

Recherche❖Paper

1 source

38

3797arXiv cs.RO 

Understanding le champ de radiation thermique du feu pour les robots mobiles

Une équipe de chercheurs présente dans un article publié sur arXiv (2602.19108) une méthode permettant à des robots mobiles de cartographier en temps réel les champs de rayonnement thermique générés par un incendie, afin de naviguer sans danger dans un environnement affecté par le feu. Le système fusionne des images de profondeur et des images thermiques pour construire un nuage de points 3D annoté en température. À partir de ces données, l'algorithme identifie les foyers d'incendie et applique la loi de Stefan-Boltzmann pour estimer le rayonnement thermique dans les espaces vides environnants, produisant ainsi un champ thermique continu sur l'ensemble de la scène. Ce champ est ensuite intégré comme contrainte dans la carte de coûts utilisée pour la planification de trajectoire, ce qui permet de calculer des chemins évitant à la fois les collisions et les zones thermiquement dangereuses. La méthode a été validée sur un robot quadrupède Spot de Boston Dynamics, en conditions expérimentales contrôlées, où le robot a démontré sa capacité à contourner les régions à risque tout en atteignant ses objectifs de navigation. Pour le secteur de la robotique de secours, cette approche s'attaque à un problème concret : la plupart des systèmes de navigation autonome évitent les obstacles physiques mais ignorent les dangers invisibles comme le rayonnement thermique, qui peut endommager les capteurs ou l'électronique d'un robot bien avant tout contact direct avec les flammes. En transformant une grandeur physique (le flux thermique) en contrainte exploitable par un planificateur de trajectoire classique, les auteurs proposent une brique potentiellement réutilisable pour les plateformes de recherche-sauvetage et d'intervention en milieu dangereux, sans nécessiter de capteur de flux thermique dédié coûteux. Il s'agit toutefois d'un travail de recherche académique, testé en environnement contrôlé et non lors d'un incendie réel, ce qui limite pour l'instant sa portée à une preuve de concept. Le texte, republié dans une version révisée (v2) sur arXiv, ne mentionne ni partenariat industriel ni feuille de route de déploiement. Les auteurs situent leurs travaux dans la lignée plus large des efforts de robotique pour la réponse aux catastrophes, aux côtés des plateformes comme Spot déjà employées par des pompiers et équipes d'urgence pour l'inspection à distance.

Recherche❖Paper

1 source

38

3798arXiv cs.RO 

Robot industriel d'évaluation de dextérité : une plateforme matérielle et logicielle pour le benchmarking de la manipulation dextre industrielle

La revue arXiv a publié ce 14 juillet un article intitulé "Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation" (référence 2607.14021v1), qui propose un nouveau cadre de test pour l'automatisation industrielle fine. Les auteurs introduisent trois éléments : une série de plateaux de test baptisés Industrial Dexterity Benchmark (IDB), conçus pour reproduire trois scénarios concrets, le câblage de datacenters, les harnais de câbles automobiles et l'assemblage de boîtes de vitesses ; un framework d'apprentissage par imitation nommé DAG-ROS ; et une politique de contrôle basée sur la diffusion, AG-iDP3, qui fusionne images RGB, nuages de points, positions articulaires et données de force au poignet. Les tests se concentrent sur une tâche précise, le nettoyage d'un câble unique sur le plateau datacenter, évaluée sur 48 essais par configuration. La meilleure configuration, une Diffusion Policy multimodale combinant plusieurs caméras RGB via un encodeur R3M, atteint 78% de réussite combinée sur la prise et l'insertion, contre 36% pour la version à caméra unique. Chaque configuration n'a nécessité qu'environ 100 démonstrations téléopérées par phase de tâche. Ce résultat intéresse directement les intégrateurs industriels parce qu'il touche un point resté largement non résolu malgré des décennies de recherche en robotique : le câblage, l'insertion de connecteurs et l'assemblage de précision continuent de dépendre du travail manuel. L'écart de performance entre la version mono-caméra et la version multi-vues suggère que la robustesse des politiques apprises tient autant à la richesse des capteurs qu'à l'algorithme lui-même, un point utile pour quiconque évalue des solutions VLA ou d'apprentissage par imitation pour des lignes à haute disponibilité. Reste que l'échantillon de validation demeure limité, une seule tâche testée sur 48 essais par configuration, ce qui invite à la prudence avant d'extrapoler ces chiffres à d'autres cas d'usage. Ce travail s'inscrit dans une transition plus large observée dans la recherche en robotique industrielle, celle du passage des pipelines modulaires classiques, perception puis planification puis contrôle codés séparément, vers des architectures de bout en bout entraînées par imitation. Les benchmarks IDB visent à combler un manque identifié par les auteurs : l'absence de plateformes standardisées pour comparer objectivement les méthodes de manipulation dextre en environnement industriel. Aucun calendrier de déploiement commercial n'est mentionné à ce stade, l'article reste un travail de recherche publié en prépublication, sans partenariat industriel ni date de mise en production annoncés.

Recherche❖Paper

1 source

38

3799arXiv cs.RO 

Fire as a Service : dynamique du feu thermiquement et visuellement précise pour simulateurs de robots

Cette étude, publiée sur arXiv (2603.19063v2, version révisée), présente Fire as a Service (FaaS), un framework de co-simulation asynchrone conçu pour ajouter des dynamiques d'incendie réalistes aux simulateurs robotiques existants. Contrairement aux simulateurs classiques centrés sur la dynamique des corps rigides et le rendu photoréaliste, FaaS modélise des transferts de chaleur thermodynamiques multi-espèces et une fumée volumétrique visuellement cohérente, tout en préservant les boucles de contrôle haute fréquence des robots. Le pipeline fonctionne en parallèle du moteur de simulation robotique principal, sans le ralentir, et permet de générer des données perceptuelles multimodales représentatives de conditions d'incendie réelles. Les auteurs indiquent que le système tourne en temps réel, ce qui autorise la téléopération humaine en boucle fermée pour entraîner des politiques réactives par clonage comportemental (Behavioral Cloning). L'enjeu visé est l'évaluation et l'entraînement de robots pompiers avant tout déploiement en environnement dangereux, un cas d'usage où les simulateurs actuels échouent faute de modéliser la chaleur et la fumée avec fidélité. En comblant ce manque, FaaS ouvre la voie à des benchmarks de risques thermiques standardisés pour comparer différentes plateformes robotiques, et à la génération de données d'entraînement synthétiques à grande échelle sans exposer de robots réels au feu. C'est un signal notable pour un secteur qui peine encore à faire le lien entre démonstrations en simulation et fiabilité sur le terrain, en particulier pour des scénarios à haut risque où l'itération réelle est coûteuse voire impossible. Le papier ne nomme pas de plateforme robotique ni de simulateur commercial précis: il s'agit d'un travail de recherche générique, pensé pour s'intégrer à divers moteurs de simulation existants plutôt que de constituer un produit fermé. Aucun chiffre de performance détaillé (précision thermique, latence de co-simulation, taille des jeux de données collectés) n'apparaît dans le résumé, ce qui limite pour l'instant l'évaluation de la robustesse réelle de l'approche. Il s'agit donc d'une brique méthodologique publiée en preprint, à suivre pour vérifier si elle sera reprise par des laboratoires ou fabricants travaillant sur la robotique d'intervention en environnement à risque, plutôt que d'un déploiement ou d'un produit disponible aujourd'hui.

Recherche❖Paper

1 source

37

3800arXiv cs.RO 

Pretraining à l'apprentissage par renforcement acteur-critique pour la locomotion

Une équipe de recherche propose une méthode de pré-entraînement pour l'apprentissage par renforcement (RL) appliqué à la locomotion des robots, détaillée dans une nouvelle version d'un article déposé sur arXiv (2510.12363v4). Le constat de départ : dans la plupart des pipelines RL actuels, chaque compétence de marche ou de course est apprise depuis zéro, alors qu'une même architecture de robot partage probablement des connaissances générales d'un mouvement à l'autre. Les auteurs introduisent un Proprioceptive Inverse Dynamics Model (PIDM), entraîné par apprentissage supervisé sur des données de transition dynamiques collectées via une exploration indépendante de toute tâche spécifique. Les poids ainsi obtenus servent ensuite à initialiser à la fois l'acteur et le critique dans des algorithmes classiques comme Proximal Policy Optimization (PPO), au lieu de partir d'une initialisation aléatoire. La méthode a été validée sur neuf environnements de locomotion RL distincts, couvrant trois types de robots différents, avec des gains moyens de 36,2% en efficacité d'échantillonnage et 4,3% en performance de tâche par rapport à une initialisation classique. L'intérêt pratique tient au coût de l'apprentissage par renforcement pour la robotique : chaque politique entraînée depuis zéro consomme un temps de simulation et de calcul considérable, un frein direct pour les équipes qui doivent multiplier les comportements sur un même robot (marche, course, franchissement d'obstacles, terrains variés). En réutilisant un socle de connaissances proprioceptives commun à l'embodiment, cette approche promet d'accélérer l'entraînement de nouvelles compétences sans repartir de zéro à chaque fois, un enjeu direct pour les laboratoires et intégrateurs qui développent des politiques de locomotion pour humanoïdes ou quadrupèdes. Ce travail s'inscrit dans la tendance plus large du paradigme pré-entraînement puis fine-tuning, déjà dominant en vision et en langage, et de plus en plus recherché en robotique via les modèles fondation vision-langage-action (VLA) type Pi-0 ou GR00T N2. Contrairement à ces approches qui visent des politiques génériques multi-tâches à grande échelle, cette étude reste focalisée sur la locomotion bas niveau et propose des ablations détaillées pour isoler les mécanismes expliquant les gains observés, une contribution méthodologique plutôt qu'un produit ou un déploiement commercial.

Recherche❖Paper

1 source