Actualités robotique — page 8

4 468 articles au fil, du plus récent au plus ancien.

38

351arXiv cs.RO 

DynamicWAM : conditionnement de mouvement à double voie pour les modèles monde-action en manipulation dynamique

Des chercheurs ont publié le 1er août 2026 sur arXiv (référence 2608.00793v1) un modèle baptisé DynamicWAM, conçu pour la manipulation d'objets en mouvement, un cas que les World-Action Models (WAM) actuels gèrent mal puisqu'ils ne se basent que sur l'image courante. L'architecture combine deux canaux complémentaires : un flux d'historique optique, qui encode des trames de flux optique alignées temporellement avec l'observation courante via un VAE vidéo pré-entraîné et figé, pour préserver la structure spatiale du mouvement, et un canal de descripteurs cinématiques (déplacement, durée, vitesse, accélération) injectés directement dans l'expert d'action pour fournir l'amplitude et le timing du mouvement. Les deux flux sont fusionnés par une attention conjointe monde-action, associée à un backbone compact distillé et à une exécution asynchrone basée sur le chunking temps réel (RTC). Sur le benchmark DOMINO, DynamicWAM atteint 38,2 % de taux de réussite et un score de manipulation de 53,2, devançant toutes les bases de comparaison testées. Sur 12 tâches réelles couvrant des mouvements linéaires, circulaires et composés, le taux de réussite moyen grimpe à 46,7 %, soit 22,9 points de pourcentage de plus que la meilleure base de référence. Ce résultat cible un angle mort réel des WAM et des modèles vision-langage-action (VLA) actuels : la plupart de ces systèmes fonctionnent bien sur du pick-and-place statique mais peinent dès que la cible bouge, un scénario pourtant courant en logistique (convoyeurs) ou en collaboration humain-robot. En montrant qu'un backbone compact avec exécution asynchrone bat des bases plus lourdes en synchrone, l'étude appuie l'idée que la réactivité temps réel, plus que la seule taille du modèle, conditionne la robustesse en manipulation dynamique. Le travail s'inscrit dans la lignée des WAM qui combinent modèle du monde (prédiction vidéo) et modèle d'action, dans la continuité de familles comme Pi-0 ou GR00T, mais en ciblant spécifiquement les cibles mobiles plutôt que les scènes figées. Il s'agit d'un préprint non encore relu par les pairs, avec une validation réelle limitée à 12 tâches ; une extension à des benchmarks plus larges et des scénarios industriels plus complexes reste à démontrer.

Recherche⚡Actu

1 source

38

352arXiv cs.RO 

ChainVLA : enchaînement des requêtes vision-langage-action via un état d'exécution unifié pour la manipulation à long horizon

Une équipe de recherche présente ChainVLA, une politique vision-langage-action (VLA) de 1,2 milliard de paramètres conçue pour la manipulation robotique à long horizon. Le système introduit un "Progress Context", combinant un état de travail récurrent et une mémoire d'événements éparse pour suivre la progression de la tâche à partir des observations, ainsi qu'un "Motion Tail" qui réinjecte la portion non exécutée de la prédiction précédente dans la génération de l'action suivante. Ces deux composants conditionnent un décodeur qui régénère chaque horizon d'action à partir de la dernière observation, permettant à l'état porté de guider la prédiction suivante sans la figer. Sur le benchmark RMBench, ChainVLA atteint 62,8% de réussite moyenne, et 98,8% sur les quatre suites LIBERO. Les ablations montrent l'importance critique de chaque composant : retirer le Motion Tail fait chuter le score RMBench à 11,2%, et retirer le Progress Context à seulement 3,0%. Ce travail cible un problème structurel connu des politiques VLA actuelles à découpage par blocs d'actions ("action-chunked") : à chaque nouvelle requête, le modèle replanifie depuis zéro à partir de l'entrée courante, perdant la continuité entre ce qui a déjà été accompli et ce qui reste à faire. Les approches existantes ne couvrent qu'une partie du problème, soit en préservant la mémoire de tâche à long terme, soit la continuité de mouvement à court terme via la réutilisation ou l'ensembling d'actions, mais pas les deux simultanément. Pour les intégrateurs et chercheurs en robotique manipulatrice, cette lacune du "handoff" entre requêtes successives est directement liée à l'échec des tâches longues et multi-étapes, un point de friction majeur pour le déploiement de VLA en conditions réelles au-delà des démonstrations en laboratoire. L'ampleur des écarts de performance observés dans les ablations suggère que la continuité de mouvement joue un rôle clé pour préserver le flux d'observations dont dépend l'inférence de progression, un mécanisme jusqu'ici sous-exploré. Le papier, publié sur arXiv (2608.02326v1) début août 2026, s'inscrit dans la lignée des travaux récents sur les politiques VLA à grande échelle comme Pi-0, GR00T N2 ou Helix, qui cherchent tous à améliorer la robustesse des robots manipulateurs sur des tâches complexes et prolongées. ChainVLA se positionne comme une réponse ciblée à la limite du replanning répété à chaque requête, un défaut partagé par de nombreuses architectures action-chunked actuelles. Les benchmarks utilisés, RMBench et LIBERO, sont des références standard du domaine pour évaluer la manipulation robotique, ce qui permet une comparaison directe avec les approches concurrentes. Le document ne précise pas de calendrier de déploiement matériel ni de partenariat industriel identifié à ce stade ; il s'agit pour l'instant d'un travail de recherche évalué en simulation et sur benchmarks standardisés, sans validation annoncée sur robot physique en conditions réelles de production.

Recherche⚡Actu

1 source

38

353arXiv cs.RO 

HapticVLA : manipulation riche en contacts via un modèle vision-langage-action sans détection tactile à l'inférence

HapticVLA, décrit dans un article arXiv (2603.15257v2, republié) sans affiliation académique précisée, propose une architecture vision-langage-action capable de manipulation en contact riche sans capteur tactile embarqué au moment de l'inférence. La méthode se déroule en deux étapes couplées. D'abord, un module baptisé SA-RWFM (Safety-Aware Reward-Weighted Flow Matching) entraîne un expert d'action par flow matching à partir de récompenses tactiles précalculées, qui pénalisent une force de préhension excessive et des trajectoires de saisie sous-optimales. Ensuite, la Distillation Tactile (TD) transfère cette capacité vers un VLA classique : un token tactile compact, issu du modèle SA-RWFM, sert de cible d'apprentissage à un VLA étudiant qui doit le prédire uniquement à partir de la vision et de l'état du robot. Résultat annoncé sur des expériences réelles : un taux de réussite moyen de 86,7 %, supérieur à celui de VLA de référence, y compris des versions disposant d'un vrai retour tactile pendant l'inférence. L'intérêt pratique tient au coût et à la reproductibilité. Les capteurs tactiles dédiés renchérissent le matériel et compliquent le transfert d'un comportement appris d'une plateforme robotique à une autre. Si l'approche tient sur d'autres tâches et d'autres bras, elle affaiblirait une hypothèse répandue dans le secteur, celle qu'un retour haptique direct est indispensable pour un contrôle fin de la force de préhension sur des objets fragiles ou déformables. Pour les intégrateurs industriels, cela ouvrirait la voie à des lignes de préhension contact-riche moins instrumentées, donc moins chères à déployer et à maintenir. Il s'agit toutefois d'un résultat de recherche publié sur arXiv, pas d'un produit commercialisé ni d'un déploiement industriel annoncé. Le papier s'inscrit dans la vague actuelle des modèles VLA généralistes pour la manipulation, aux côtés de GR00T N2 de NVIDIA, Pi-0 de Physical Intelligence ou Helix de Figure, qui cherchent tous à réduire la dépendance à des capteurs spécialisés tout en préservant une manipulation fine. Aucune date de disponibilité ni partenariat industriel n'est mentionné dans l'abstract, la validation reste donc circonscrite au cadre expérimental décrit.

IA physique⚡Actu

1 source

37

354arXiv cs.RO 

Hermite curves comme a priori de trajectoire pour les modèles vision-langage-action

Une équipe de recherche présente les "Hermite trajectory priors", une méthode qui structure explicitement les trajectoires générées par les modèles Vision-Language-Action (VLA) pour la manipulation robotique. Le problème identifié : les VLA actuels découpent chaque "chunk" d'action en commandes point par point, ce qui produit des mouvements saccadés et des discontinuités aux frontières entre segments lors de l'exécution physique. La solution proposée paramétrise la trajectoire comme une courbe cubique d'Hermite par morceaux, définie par les positions et vitesses aux points de contrôle, pour imposer mathématiquement la fluidité. Trois variantes sont testées : les Hermite Tokens (prédiction autorégressive des variables de frontière quantifiées), le Hermite Scaffold (décomposition en trajectoire de base plus résidus) et la Hermite Regularization (contrainte ajoutée uniquement comme objectif d'entraînement auxiliaire). Cette dernière s'avère la plus performante des trois. Appliquée au modèle π0.5, elle fait passer le taux de succès de 95,9 % à 98,7 % sur le benchmark LIBERO, de 85,7 % à 90,9 % sur LIBERO-plus, et de 63,4 % à 90,0 % sur quatre tâches réelles exécutées sur robot physique, sans surcoût de calcul à l'inférence. Ce résultat pèse dans un débat central du secteur : celui de l'écart entre démonstration et réalité pour les modèles VLA. Beaucoup de systèmes affichent des scores élevés en simulation mais se dégradent nettement lors du transfert vers un robot réel, notamment à cause de la gigue de mouvement générée par le découpage naïf en chunks. En montrant qu'une contrainte de lissage purement géométrique, ajoutée pendant l'entraînement et retirée à l'inférence, améliore les performances réelles sans coût supplémentaire, les auteurs suggèrent que la structuration explicite des trajectoires agit comme un biais inductif d'apprentissage plutôt que comme une contrainte d'exécution en temps réel. Le travail s'inscrit dans la lignée des architectures VLA récentes comme π0, GR00T N2 ou Helix, qui cherchent toutes à généraliser le contrôle robotique à partir de données multimodales massives. La méthode, agnostique à l'architecture, pourrait s'intégrer à d'autres pipelines VLA existants ; les auteurs ne précisent toutefois pas de calendrier de déploiement industriel ni de partenariat avec un fabricant de robots.

Recherche⚡Actu

1 source

37

355arXiv cs.RO 

Mouvement pour manipulateurs mobiles franchissant des portes par commande prédictive de modèle

Ouvrir une porte reste un goulot d'étranglement classique pour les robots mobiles déployés en environnement humain (bureaux, hôpitaux, entrepôts à accès cloisonnés), car la base doit se déplacer tout en maintenant le bras en prise sur la poignée sans désaligner ou lâcher la porte. Voici le texte final : Des chercheurs publient sur arXiv (2608.00206v1) un cadre de planification de mouvement pour manipulateurs mobiles franchissant des portes, coordonnant base roulante et bras robotique pour ouvrir et traverser aussi bien des portes à pousser que des portes à tirer. L'approche modélise le robot et la porte comme un système dynamique couplé, résolu par un contrôle prédictif par modèle (MPC) non linéaire qui génère des trajectoires dynamiquement faisables et sans collision. Plutôt que de modéliser explicitement la cinématique du bras, les auteurs imposent la faisabilité de la manipulation via une simple contrainte de pénalité dans l'optimisation. Le papier ne précise ni la plateforme robotique, ni le nombre de degrés de liberté, ni de temps de cycle chiffré, et la validation se limite à des simulations complétées par une seule expérience matérielle. Ouvrir une porte reste un goulot d'étranglement classique pour les robots mobiles déployés en environnement humain (bureaux, hôpitaux, entrepôts à accès cloisonnés), car la base doit se déplacer tout en maintenant le bras en prise sur la poignée sans désaligner ou lâcher la porte. En évitant une modélisation cinématique explicite du bras, la méthode simplifie l'optimisation et pourrait se transférer plus facilement d'une architecture de bras à une autre. Pour les intégrateurs d'AMR augmentés d'un manipulateur, ce type de travail cible un besoin concret d'autonomie de dernier mètre, le franchissement de porte figurant parmi les tâches les plus souvent citées comme non résolues en déploiement logistique ou de service. Le papier ne fournit toutefois qu'une démonstration matérielle isolée, sans test sur des portes non calibrées, des poignées variées ou des charges réalistes, ce qui laisse ouvert l'écart habituel entre preuve de concept académique et robustesse industrielle. Ce travail s'inscrit dans un champ de recherche actif sur la manipulation mobile, où plusieurs équipes testent le MPC pour coordonner base et bras en temps réel, en alternative aux pipelines classiques planifiant séparément base et manipulateur. L'article ne précise ni affiliation académique ou industrielle, ni comparaison quantitative avec des méthodes concurrentes de franchissement de porte, et aucun acteur français ou européen n'y est cité. La suite logique pour ce type de recherche serait une validation sur davantage de configurations de portes puis un test en flotte sur robot réel, des étapes qui restent à ce stade non annoncées.

Recherche❖Paper

1 source

37

356arXiv cs.RO 

OC-VLA++ : cohérence multi-vue guidée par géométrie monoculaire pour une manipulation robotique robuste au point de vue

Le laboratoire à l'origine d'OC-VLA publie une extension baptisée OC-VLA++, qui vise à corriger un angle mort connu des modèles vision-langage-action (VLA) pour la manipulation robotique : la généralisation à des points de vue caméra non vus pendant l'entraînement. La méthode originale, OC-VLA, ancrait déjà les prédictions d'action dans le repère de la caméra plutôt que dans le repère robot, pour aligner la supervision avec l'observation visuelle. Mais les auteurs montrent que cet ancrage seul reste sujet au surapprentissage lorsque peu de points de vue sont couverts à l'entraînement. OC-VLA++ ajoute deux mécanismes : une supervision par paires de vues guidée par la géométrie, et un objectif explicite d'équivariance d'action inter-vues. Concrètement, le modèle reçoit des paires d'observations d'une même scène de manipulation, prises sous des angles géométriquement reliés, et apprend à produire des prédictions dans l'espace caméra qui correspondent à la même action une fois ramenées au repère du robot. Le papier, publié en preprint sur arXiv (2608.01066v1), rapporte des gains « substantiels » en généralisation à des vues inédites sous couverture caméra limitée, avec une dégradation plus progressive à mesure que le déplacement de caméra augmente, sans toutefois fournir de chiffres précis de taux de réussite dans le résumé, ce qui invite à rester prudent avant validation indépendante. Pour les intégrateurs et les équipes robotique, le sujet touche à un problème très concret : la plupart des déploiements industriels utilisent un nombre restreint de caméras fixes, et un modèle VLA entraîné sur ces angles précis échoue souvent dès qu'une caméra est repositionnée, remplacée ou que la cellule de travail change de configuration. Si l'équivariance d'action inter-vues tient ses promesses au-delà du cadre expérimental du papier, elle pourrait réduire le besoin de collecter des données massives multi-caméras pour chaque nouvelle installation, un poste de coût important dans le déploiement des VLA à grande échelle. Cela s'inscrit dans un débat plus large du secteur sur l'écart entre démonstrations en laboratoire et robustesse réelle : beaucoup de modèles VLA impressionnent sur les vues d'entraînement mais généralisent mal dès que l'environnement visuel bouge, un des obstacles cités au passage à l'échelle des humanoïdes et bras manipulateurs. Le travail se situe dans la lignée directe d'OC-VLA, dont il corrige une limite identifiée par ses propres auteurs plutôt que de proposer une architecture radicalement nouvelle. Le papier ne mentionne pas de comparaison directe avec les autres familles de VLA du moment comme Pi-0, GR00T N2 ou Helix, et ne précise pas si les expériences ont été menées en simulation, sur robot réel, ou les deux, une information qu'on aimerait voir clarifiée avant de juger de la portée réelle des résultats. Les auteurs présentent ces résultats comme un argument en faveur de l'équivariance d'action inter-vues comme complément à l'ancrage centré sur l'observation, en vue d'un déploiement robuste en conditions réelles, mais aucun calendrier de test terrain ni partenariat industriel n'est annoncé à ce stade. Le texte reste, pour l'instant, une contribution de recherche publiée en preprint, sans revue par les pairs ni suite commerciale connue.

Recherche⚡Actu

1 source

36

357arXiv cs.RO 

Prioritisation des zones frontières adaptée à la situation pour la recherche et le sauvetage par robot quadrupède

Des chercheurs proposent une nouvelle méthode de priorisation des zones à explorer par un robot quadrupède lors de missions de recherche et sauvetage, décrite dans une prépublication arXiv (2608.02571v1) parue début août 2026. L'approche, baptisée "situation aware frontier prioritization", s'appuie sur le cadre classique d'exploration par frontières (frontier exploration) mais enrichit le classement des zones candidates avec cinq critères : le gain d'information attendu, le déficit d'observation, la pertinence pour le sauvetage, une pénalité liée au terrain, et le coût de déplacement. La méthode a été testée en simulation Gazebo avec un robot quadrupède, sur deux scénarios de sauvetage en intérieur de difficulté croissante. Le premier scénario, simple, sert de test de cohérence où toutes les méthodes comparées obtiennent de bons résultats. Le second, plus encombré et ambigu quant au choix des frontières à explorer, révèle des écarts significatifs : la méthode proposée y obtient le meilleur taux de complétion de la carte et le meilleur taux de récupération des victimes simulées parmi les approches évaluées. L'intérêt de ces travaux tient au problème qu'ils ciblent précisément : les algorithmes d'exploration autonome classiques optimisent la couverture de la carte, sans tenir compte de la probabilité de trouver des victimes dans telle ou telle direction. Pour un robot de secours réel, ce décalage peut coûter un temps précieux en scénario d'urgence. Ce travail confirme aussi que la difficulté du terrain, plutôt qu'un facteur secondaire, doit être intégrée nativement dans la décision de navigation d'un quadrupède, dont l'intérêt principal par rapport aux robots à roues est justement de franchir des environnements encombrés ou irréguliers inaccessibles aux AMR classiques. Le gain reste cependant cantonné à des scénarios complexes : dans les cas simples, la valeur ajoutée de la méthode disparaît, ce qui limite pour l'instant sa portée aux missions réellement difficiles. Ce travail s'inscrit dans la lignée des recherches sur l'exploration robotique autonome en environnements inconnus, un champ où la robotique quadrupède progresse rapidement pour des usages d'inspection et de secours. L'étude reste pour l'instant limitée à la simulation, sans validation sur un robot physique ni comparaison avec des plateformes commerciales existantes. Les auteurs ne précisent pas de calendrier pour des essais en conditions réelles, une étape généralement nécessaire avant tout déploiement opérationnel en intervention de secours.

Recherche❖Paper

1 source

36

358arXiv cs.RO 

OmniAI : une interface de projection aérienne adaptative pour l'interaction humain-drone

OmniAI est un agent aérien embarqué présenté dans un article publié sur arXiv (2608.00721v1), déposé en catégorie "nouveau". Le système équipe un drone d'un projecteur laser MEMS monté sur servomoteur, capable de basculer l'affichage entre un écran embarqué et les surfaces environnantes disponibles à proximité, texte et images compris. La détection des surfaces de projection se fait en temps réel grâce à des capteurs RGB-D combinés à un ajustement de plan par RANSAC, sans nécessiter de cartographie préalable de l'environnement. Le contenu affiché provient d'un pipeline utilisant un grand modèle de langage augmenté par recherche web, et l'ensemble du système, mouvement du drone comme contenu projeté, peut être piloté indifféremment par la voix ou par des gestes effectués en l'air, les deux modalités offrant un contrôle fonctionnellement équivalent. L'intérêt de cette approche pour la recherche en interaction homme-drone tient à la manière dont elle résout un problème récurrent: les drones évoluant en environnement humain manquent généralement d'interfaces ancrées spatialement pour communiquer de façon située, se limitant à un écran fixe ou une application mobile déconnectée du contexte physique. En transformant n'importe quelle surface proche en support d'affichage détecté à la volée, OmniAI propose une forme de réalité augmentée spatiale mobile, portée par le drone lui-même plutôt que par des lunettes ou un smartphone. Il s'agit toutefois d'un prototype de recherche décrit dans un article académique, et non d'un produit commercialisé ou d'un déploiement en conditions réelles: l'abstract ne fournit ni mesures de performance chiffrées ni retours d'usage. Ce travail s'inscrit dans la lignée des recherches sur les interfaces embarquées pour drones et sur les systèmes de projection spatiale en réalité augmentée, deux domaines jusqu'ici largement traités séparément. En combinant projection adaptative, reconnaissance vocale, gestuelle et mobilité aérienne dans un seul agent, les auteurs cherchent à démontrer la viabilité d'une interface unifiée pour la communication homme-drone contextuelle. La publication récente sur arXiv suggère une présentation prochaine dans une conférence spécialisée en interaction homme-machine ou en robotique, sans que l'article ne précise pour l'instant de calendrier.

Recherche❖Paper

1 source

36

359arXiv cs.RO 

Manipulation robotique guidée par correspondance : interactions rigide-déformable clairsemées et denses

Des chercheurs publient sur arXiv (référence 2608.01083v1, soumission nouvelle) une méthode de représentation pour la manipulation robotique dans les interactions entre objets rigides et déformables, comme accrocher un vêtement sur un cintre ou habiller une personne. L'équipe propose une représentation hybride qui combine des points clés épars et des correspondances denses. Les points clés sont générés à partir de la structure globale des objets rigides et déformables en jeu, puis filtrés selon leurs points de contact locaux au moment de l'interaction. Comme ces points épars restent difficiles à suivre pendant le geste, en raison de la dynamique en haute dimension des objets déformables, les auteurs ajoutent des correspondances denses calculées sur la surface de l'objet déformable, ce qui permet un suivi précis tout au long de la manipulation. Le papier annonce des expériences poussées validant l'efficacité et la généralité de la méthode, sans fournir à ce stade de métriques chiffrées publiques (taux de réussite, temps d'exécution) ni préciser la plateforme robotique testée. L'enjeu dépasse le cas du linge : la manipulation combinant rigide et déformable est un point de blocage classique pour la robotique domestique et assistive, car les représentations habituelles comme les poses 6D ou des points structurels génériques ne capturent pas assez d'information spécifique à la tâche pour gérer les contacts multiples et les déformations complexes. En combinant information riche et localisée avec un suivi robuste aux changements de forme, l'approche vise le transfert en un coup, c'est-à-dire l'apprentissage de nouvelles tâches à partir d'un nombre minimal de démonstrations, un critère central pour rendre les robots d'assistance déployables sans réentraînement massif à chaque nouvel objet ou scénario. Ce travail s'inscrit dans un courant de recherche actif autour des représentations par correspondance et par points clés en apprentissage robotique, où plusieurs équipes cherchent à dépasser les limites des approches orientées objet pour les tâches impliquant du textile ou du contact humain-robot, comme l'habillage assisté. L'abstract ne mentionne ni acteur industriel ni calendrier de déploiement : il s'agit d'une contribution méthodologique en amont, dont la portée pratique dépendra des benchmarks détaillés et d'une éventuelle reproduction sur plateforme physique dans les versions complètes de l'article.

Recherche❖Paper

1 source

36

360arXiv cs.RO 

DreamTrajectory : génération d'action guidée par trajectoire avec alignement sur un modèle du monde pour la manipulation mobile

Des chercheurs présentent DreamTrajectory, un nouveau framework de manipulation mobile guidée par le langage, décrit dans un article publié sur arXiv (référence 2608.01381v1). Le système s'attaque à deux limites des politiques Vision-Language-Action (VLA) actuelles : celles-ci associent directement les observations à des blocs d'actions pour l'ensemble du corps du robot, sans plan de mouvement explicite dans l'espace de la tâche, ce qui rend imprécise la coordination entre base mobile et bras ; de plus, elles exécutent ces blocs en boucle ouverte, sans vérifier si les actions réalisent effectivement le mouvement prévu, laissant s'accumuler erreurs de contrôle et contacts non modélisés. DreamTrajectory répond à ces deux limites avec deux composants : un expert d'action unique qui prédit conjointement une trajectoire de l'effecteur terminal au niveau de l'intention et un bloc d'actions pour tout le corps, et un modèle du monde léger dédié à la trajectoire, qui prédit la trajectoire qu'induirait un bloc d'actions candidat, couplé à une procédure de recherche-prédiction-notation exécutée au moment du test pour sélectionner le candidat le plus fidèle à la trajectoire planifiée. Sur le benchmark MS-HAB, le guidage par trajectoire fait grimper le taux de réussite moyen de 32,3% à 47,5%, et le raffinement au moment du test le porte à 54,8%, avec les gains les plus marqués sur les tâches à contact riche impliquant des objets articulés. Sur trois tâches de manipulation mobile en conditions réelles, les taux de réussite atteignent respectivement 63,3%, 81,7% et 90,0%. Ces résultats visent un point de friction concret pour les intégrateurs de robots mobiles à bras articulé : la manipulation mobile combine un espace d'action bien plus vaste que la manipulation à base fixe, et les politiques VLA actuelles peinent justement sur les tâches où le contact avec des objets articulés (portes, tiroirs, poignées) exige une coordination fine entre déplacement et geste. Un gain de plus de 15 points de réussite grâce au seul ajout d'un plan de trajectoire explicite, puis de 7 points supplémentaires via une vérification au moment de l'exécution, suggère que l'écart entre mouvement planifié et mouvement réalisé, souvent invoqué comme frein au passage du prototype au déploiement réel, peut être réduit sans réentraîner le modèle de base. Reste que ces chiffres proviennent d'un benchmark simulé et de trois tâches réelles seulement, un périmètre restreint qui appelle prudence avant d'en tirer des conclusions sur la généralisation à d'autres morphologies ou environnements. Le travail s'inscrit dans la lignée des architectures VLA récentes (Pi-0, GR00T N2, Helix) qui cherchent à combler l'écart entre perception, langage et action pour des robots généralistes, mais cible spécifiquement la manipulation mobile, moins mature que la manipulation à bras fixe sur table. L'approche par modèle du monde pour vérifier une action avant exécution rejoint une tendance plus large du secteur à ajouter une boucle de correction au moment du test plutôt que de tout miser sur l'apprentissage en amont. L'article ne précise pas de calendrier de déploiement industriel ni de partenariat commercial ; il s'agit à ce stade d'un résultat de recherche, dont la prochaine étape logique serait une validation sur davantage de plateformes robotiques et de tâches réelles.

IA physique❧Opinion

1 source

35

361arXiv cs.RO 

Robot sphérique : modélisation distribuée du contact pour représentations de robots à base de sphères

Des chercheurs proposent un nouveau modèle de contact pour la planification robotique baptisé Compliant Sphere Lattice Contact (CSLC), détaillé dans un article publié sur arXiv (identifiant 2608.00263v1). Le problème visé est bien connu des équipes de contrôle robotique : les représentations du robot par sphères permettent une détection de collision rapide et une géométrie différentiable, deux atouts précieux pour la planification en temps réel, mais elles reposent sur un contact ponctuel qui ignore la surface réelle de contact, la répartition de la pression, la rigidité en rotation et les moments de frottement. CSLC répond à cette limite en modélisant l'interface du robot comme un réseau (lattice) de sphères de surface reliées entre elles par des ressorts d'ancrage et des ressorts latéraux. Lorsque cette structure est pressée contre un objet, elle se déforme et génère une zone de contact étendue et spatialement distribuée, au lieu d'un simple point. Les auteurs affirment avoir validé leur approche sur deux solveurs physiques indépendants, avec des résultats préliminaires montrant la formation effective d'une zone de contact et une amélioration de la stabilité de préhension. L'enjeu dépasse la seule prouesse théorique. Pour les concepteurs de mains robotiques, de préhenseurs et d'algorithmes de manipulation, l'écart entre modèles simplifiés et physique réelle du contact est une source récurrente d'échecs en conditions réelles : une simulation qui ignore la répartition de pression sur la paume ou les doigts surestime souvent la stabilité d'une prise. Un modèle de contact distribué qui reste compatible avec les représentations par sphères, largement utilisées pour leur efficacité de calcul et leur caractère différentiable, exploitable pour l'optimisation par gradient, pourrait permettre d'affiner la planification de prise sans sacrifier la vitesse. C'est une brique méthodologique plutôt qu'un produit : elle intéresse surtout les équipes de recherche en manipulation robotique et en simulation, pas directement les intégrateurs industriels à ce stade. Le travail s'inscrit dans une lignée de recherches sur les compromis entre fidélité physique et coût de calcul en planification de contact, un axe actif depuis l'essor des méthodes différentiables pour la robotique. Les auteurs restent prudents : les résultats présentés sont qualifiés eux-mêmes de préliminaires, sans comparaison chiffrée détaillée face aux modèles de contact concurrents ni démonstration sur robot physique. Les prochaines étapes attendues seraient une validation expérimentale sur du matériel réel et une évaluation plus poussée de la robustesse face à des géométries de contact complexes.

Recherche❖Paper

1 source

34

362arXiv cs.RO 

LooperMuscle : apprentissage rapide et stable du suivi corporel complet chez l'humanoïde via un mélange d'experts structuré

Publié sur arXiv le 2 août 2026 sous la référence 2608.00820v1, l'article présente LooperMuscle, un framework d'apprentissage par renforcement conçu pour combler l'écart de performance entre deux familles de méthodes utilisées pour entraîner des humanoïdes au suivi de mouvement corps entier (whole-body tracking). Les méthodes de type FastSAC permettent d'entraîner une politique en environ 15 minutes, mais avec une qualité de suivi nettement inférieure à celle obtenue par PPO, qui nécessite environ 6 heures pour un résultat plus solide. LooperMuscle combine trois composants entraînés en boucle fermée : un acteur en mélange d'experts structuré sémantiquement, un critique distributionnel conscient de la contribution de chaque expert, et un mécanisme de replay routé par contribution avec curriculum différé. Les contributions des experts orientent le routage des données, ces données façonnent l'apprentissage de la fonction de valeur, et les gradients de valeur affinent en retour la spécialisation des experts. Résultat mesuré : environ 45 minutes de simulation suffisent pour récupérer une part substantielle de l'écart restant avec PPO, tout en restant très en dessous de son temps d'entraînement. Pour l'industrie robotique, ce travail s'attaque à un vrai goulot d'étranglement : l'entraînement des contrôleurs de locomotion et de manipulation coordonnée reste coûteux en temps de calcul, ce qui freine l'itération rapide des politiques avant tout passage en réel. Un gain de vitesse d'entraînement sans sacrifier la précision du suivi profiterait directement aux équipes qui développent des contrôleurs pour humanoïdes, en accélérant les cycles de conception en simulation. Il faut toutefois noter que les résultats annoncés sont uniquement des mesures en simulation, sans validation sur robot physique ni comparaison au sim-to-real gap. Ce travail s'inscrit dans la tension bien connue entre méthodes on-policy comme PPO, stables mais lentes, et méthodes off-policy de la famille SAC, rapides mais historiquement moins fiables sur des tâches complexes comme le contrôle corps entier. LooperMuscle tente de concilier les deux approches plutôt que de choisir un camp. Le code doit être publié sur loopermuscle.github.io, sans date précisée, ce qui laissera la communauté vérifier ces résultats de manière indépendante.

Recherche❖Paper

1 source

33

363arXiv cs.RO 

ACDC : planification de curriculum adaptatif avec contrôle contrastif dynamique pour l'apprentissage par renforcement conditionné par objectifs en manipulation robotique

Des chercheurs proposent ACDC (Adaptive Curriculum planning with Dynamic Contrastive control), une nouvelle méthode d'apprentissage par renforcement conditionné par objectif (goal-conditioned RL) pour la manipulation robotique, dans une version mise à jour (v3) d'un article déposé sur arXiv. Le système combine deux mécanismes. D'un côté, un planificateur de curriculum adaptatif multidimensionnel (AC) qui ajuste dynamiquement l'équilibre entre exploration diversifiée et exploitation ciblée, en fonction du taux de réussite de l'agent et de sa progression d'entraînement. De l'autre, un module de contrôle contrastif dynamique (DC) qui traduit ce plan de curriculum en sélection d'expériences guidée par la norme, via un apprentissage contrastif contraint. Les auteurs annoncent des résultats supérieurs aux méthodes de référence de l'état de l'art sur plusieurs tâches de manipulation robotique complexes, tant en efficacité d'échantillonnage qu'en taux de réussite final. L'article ne précise ni les environnements de test exacts, ni les valeurs chiffrées des gains obtenus, ni le laboratoire ou l'affiliation des auteurs. Pour la recherche en robotique, ACDC s'attaque à une limite connue des approches actuelles de goal-conditioned RL : leur dépendance à des schémas de priorisation de l'expérience collectée, souvent statiques, qui produisent des performances inégales selon la diversité des tâches. En rapprochant la stratégie d'apprentissage du curriculum progressif observé chez l'humain, plutôt que d'un simple rejeu d'expérience priorisé, l'approche vise une meilleure généralisation entre tâches de manipulation, un enjeu clé pour les intégrateurs qui cherchent à réduire le volume de données nécessaire à l'entraînement de politiques robotiques. Le travail s'inscrit dans une lignée de recherches combinant curriculum learning et contrastive learning pour améliorer l'efficacité d'échantillonnage en RL, un axe actif depuis les méthodes de hindsight expérience replay. Le statut "replace" sur arXiv indique une révision par rapport à une version antérieure, sans qu'on sache si l'article a été accepté dans une conférence ou une revue à comité de lecture. Aucune suite (code source, benchmark public, application industrielle) n'est mentionnée à ce stade.

Recherche❖Paper

1 source

39

364Robotics Business Review 

Igus lance une chaîne porte-câbles avec rotation de 600 degrés pour robots industriels

Igus GmbH, spécialiste allemand des plastiques pour mouvement basé à Cologne, a annoncé une nouvelle chaîne porte-câbles baptisée twisterchain, conçue pour les robots industriels compacts. Le dispositif autoportant permet une rotation supérieure à 600 degrés tout en assurant une gestion fiable des câbles d'alimentation et de données. Le module rotatif s'installe en boucle autour de la base du robot : à mesure que celui-ci tourne, la chaîne se soulève progressivement par paliers, ce qui permet une rotation complète à 360° sans collision avec la plaque de connexion. Le système ne nécessite que deux points de fixation, sans goulotte de guidage ni alignement complexe. Il s'ouvre sur son rayon intérieur pour faciliter l'insertion des câbles, intègre des séparateurs internes amovibles et une prétension réglable selon le poids des câbles et l'angle de rotation, pour garantir la répétabilité des mouvements. Igus cible deux usages précis : l'axe 1 à la base des petits robots industriels, montable au sol ou sur un socle surélevé, et l'axe 5 des robots de palettisation et de manutention, montable sur le bras ou en bout d'outil. Cette annonce répond à deux problèmes concrets du secteur. D'un côté, les robots compacts utilisés pour le vissage, le collage, l'assemblage ou le pick-and-place souffrent depuis longtemps d'un manque de solutions fiables pour alimenter leur premier axe, qui tourne rapidement. De l'autre, sur le cinquième axe des robots de palettisation, les tuyaux ondulés mal maîtrisés entrent souvent en collision avec l'outil. En proposant un mouvement défini sur deux niveaux, igus dit permettre aux câbles de suivre des rotations complètes même avec des profils de mouvement très dynamiques. Pour les intégrateurs, l'intérêt tient surtout à la simplicité d'installation, sans goulotte coûteuse, et à la maintenance facilitée grâce à l'accès aux câbles. Reste que les gains annoncés en termes de fiabilité et de durée de vie s'appuient sur les tests internes d'igus, sans validation indépendante encore documentée. Leader mondial revendiqué des chaînes porte-câbles, câbles flexibles et paliers lisses en polymères tribologiques, igus emploie 4 600 personnes dans 31 pays et a réalisé 1,15 milliard d'euros de chiffre d'affaires en 2022. L'entreprise, dont le siège américain se trouve à Rumford, dans le Rhode Island, propose environ 234 000 références disponibles sur stock et a multiplié ces dernières années les filiales internes, notamment sur les roulements à billes, les actionneurs robotiques, l'impression 3D et la plateforme RBTX dédiée à la robotique low-cost. Elle mène aussi le programme de recyclage « chuck » pour les chaînes usagées et participe à un projet de transformation de déchets plastiques en huile, la twisterchain étant elle-même annoncée comme recyclable en fin de vie.

FR/EU ecosysteme⚡Actu

1 source

39

365Interesting Engineering 

Figure 03, un humanoïde, gravit une échelle de façon autonome, une première pour la robotique

Figure, la startup californienne de robotique humanoïde, a diffusé le 1er août 2026 une vidéo montrant son robot Figure 03 grimper à une échelle de façon entièrement autonome, sans télécommande ni assistance humaine visible. Les images ont été publiées sur X par le fondateur de l'entreprise, Brett Adcock, qui présente la démonstration comme une nouvelle étape dans la mobilité et l'équilibre des robots humanoïdes. Figure 03 est le robot généraliste de l'entreprise, conçu pour évoluer à terme dans des environnements domestiques et professionnels grâce à son modèle d'IA Helix. L'annonce intervient alors que Figure a récemment porté sa cadence de production d'une unité par jour à une unité par heure, avec plus de 350 robots livrés à ce jour. Aucun détail technique sur le système sous-jacent n'a été communiqué, et la démonstration n'a pas été vérifiée de façon indépendante, ce qui invite à la prudence sur la portée réelle de l'exploit. Grimper à une échelle compte parmi les tâches les plus exigeantes pour un robot humanoïde: elle demande une coordination fine des bras et des jambes, des ajustements d'équilibre continus et une perception précise de l'environnement en temps réel. Une réussite de ce type, si elle se confirme au-delà d'une vidéo soigneusement sélectionnée, suggérerait des progrès concrets sur le contrôle corporel global et la prise de décision embarquée, deux points faibles historiques des humanoïdes face aux démonstrations scénarisées de la concurrence. Pour les intégrateurs et décideurs industriels, l'enjeu dépasse l'anecdote: il s'agit de savoir si les robots à jambes peuvent réellement remplacer les solutions à roues dans des environnements pensés pour l'humain, entrepôts, usines, bureaux. Adcock a d'ailleurs qualifié les robots à roues d'« impasse totale », réaffirmant le pari stratégique de Figure sur la locomotion bipède. Cette capacité s'appuie sur une refonte récente du modèle Helix System 0, qui combine désormais perception visuelle et contrôle moteur global. Auparavant limité à la proprioception, c'est-à-dire la seule conscience de la position de ses articulations, le système intègre désormais les flux stéréo des caméras embarquées pour construire une représentation tridimensionnelle du terrain en temps réel. Entraîné par apprentissage par renforcement sur des terrains simulés variés, ce modèle transférerait, selon Figure, ses comportements directement vers le monde réel sans calibration supplémentaire, un enjeu de transfert simulation-vers-réel qui reste un défi majeur du secteur. Face à des concurrents comme Tesla (Optimus) ou les développeurs de modèles VLA tels que Pi-0 ou GR00T N2, Figure mise sur cette architecture perceptive pour élargir progressivement l'autonomie de ses robots vers des environnements réels non contrôlés.

Humanoïdes❧Opinion

1 source

41

366IEEE Spectrum Robotics 

Walden Robotics s'associe à Toyota pour des humanoïdes pratiques

Walden Robotics est sortie de l'ombre le 15 juillet avec un financement de 300 millions de dollars pour une valorisation de 1,1 milliard. La société est un spin-off du Toyota Research Institute (TRI), la branche R&D de Toyota basée dans la Silicon Valley, après une dizaine d'années de travaux de recherche sur des problèmes durs de robotique. Son cofondateur et PDG, Russ Tedrake, professeur au MIT où il enseigne la robotique à pattes depuis vingt ans, a fait un choix qui tranche avec la mode du secteur : un robot à base roulante, sans jambes. « C'est ironique, j'ai réfléchi aux jambes pendant vingt ans, dit-il. Il y a de bonnes raisons de construire un robot avec des jambes, mais la question est : quel est le marché adressable, et quelle part de ce marché une base à roues couvre-t-elle déjà ? » Tedrake reste volontairement flou sur les applications précises, invoquant la confidentialité vis-à-vis de partenaires commerciaux déjà engagés, mais cible clairement l'industrie manufacturière et la logistique, sur des tâches répétitives trop irrégulières pour un tapis roulant ou un bras robotique préprogrammé. Cette annonce illustre un basculement dans le secteur des humanoïdes, passé d'une course technologique tous azimuts à des exigences de rentabilité concrète. Walden a inversé l'ordre habituel : au lieu de construire un robot puis de lui chercher un usage, l'entreprise a d'abord identifié les applications à forte valeur ajoutée, puis conçu une machine pour y répondre. L'argument commercial de Tedrake est explicite : pour justifier un robot face à des ouvriers humains plus flexibles et moins chers à l'unité, il faut viser une utilisation continue, 24 heures sur 24 et 7 jours sur 7, seule configuration où l'équation économique devient favorable. Cette approche, si elle tient ses promesses en conditions réelles de production plutôt qu'en démonstration, viendrait renforcer la thèse selon laquelle le marché des humanoïdes se resserre autour de cas d'usage industriels précis plutôt que de la polyvalence générale mise en avant jusqu'ici. Le partenariat avec Toyota, actionnaire et partenaire de lancement via TRI, dépasse le simple financement : Tedrake insiste sur une culture d'entreprise orientée qualité de vie des travailleurs plutôt que rentabilité pure, la direction de Toyota l'ayant interrogé sur l'impact humain du projet plutôt que sur son potentiel de revenus. Le robot, décrit comme massif dans sa conception pour supporter des charges utiles élevées, vise à terme à décharger les ouvriers qualifiés des tâches répétitives afin qu'ils puissent se concentrer sur des missions à plus forte valeur ajoutée. Walden rejoint ainsi un paysage concurrentiel dense (Figure, Tesla Optimus, Physical Intelligence, NVIDIA GR00T, Apptronik) où l'expérience accumulée chez TRI et l'appui industriel de Toyota constituent ses principaux atouts distinctifs.

Humanoïdes⚡Actu

1 source

42

367Interesting Engineering 

Robots quadrupèdes : des pieds poreux imprimés en 3D réduisent la consommation de batterie

Une équipe de la Seoul National University of Science and Technology (SEOULTECH) a mis au point des pieds de robot imprimés en 3D à structure poreuse, capables de réduire la consommation électrique des robots quadrupèdes pendant la marche. Ces pieds légers reposent sur des structures TPMS (triply periodic minimal surface), des réseaux tridimensionnels répétitifs qui absorbent et restituent l'énergie d'impact au contact du sol. Les chercheurs ont conçu et testé trois variantes hémisphériques (primitive, gyroïde, diamant), évaluées par tests de compression : la structure en diamant, avec une densité relative de 60 %, a offert le meilleur compromis entre flexibilité, absorption des chocs et pertes d'énergie minimales. Associée à un contrôleur d'apprentissage par renforcement profond (DRL) qui synchronise les mouvements moteurs avec l'énergie stockée puis relâchée par le pied à chaque pas, cette solution a été testée sur le robot quadrupède commercial RBQ-10, à des vitesses comprises entre 0,4 et 1,0 mètre par seconde. Résultat : une baisse de la consommation de la batterie allant de 1,4 % à 6,2 % selon la vitesse, sans perte de stabilité de la marche. Cette avancée s'attaque à l'un des principaux freins à l'adoption des robots quadrupèdes dans l'industrie : leur appétit énergétique, nettement supérieur à celui des robots à roues, puisque chaque pas nécessite un effort moteur continu. Pour des usages comme l'inspection industrielle, la logistique en entrepôt ou les missions de recherche et sauvetage, où l'autonomie de la batterie conditionne directement le temps d'opération sur le terrain, un gain de quelques points de pourcentage peut se traduire par des cycles d'utilisation plus longs sans recharge. L'intérêt de l'approche tient aussi à sa simplicité mécanique : plutôt que d'intégrer des ressorts dans la structure des jambes, comme le font d'autres conceptions, l'énergie est stockée directement dans le pied, ce qui allège l'architecture globale. Comme les structures TPMS peuvent être produites avec des imprimantes 3D standards, la technique pourrait être relativement simple et peu coûteuse à intégrer sur d'autres plateformes robotiques. Il faut toutefois noter que les gains restent modestes (1,4 à 6,2 %) et mesurés en conditions de laboratoire sur un seul modèle de robot. Le travail s'inscrit dans une recherche plus large sur l'efficacité énergétique des robots à pattes, un domaine où des acteurs comme Boston Dynamics (Spot), ANYbotics (ANYmal) ou Unitree explorent différentes pistes mécaniques et logicielles pour prolonger l'autonomie. En combinant une innovation purement mécanique, la structure poreuse du pied, à une couche de contrôle par intelligence artificielle capable d'exploiter cette élasticité en temps réel, l'équipe de SEOULTECH illustre une tendance de fond dans la robotique de terrain : l'optimisation conjointe du matériel et du logiciel plutôt que l'amélioration isolée de l'un ou de l'autre. Les chercheurs n'ont pas communiqué de calendrier pour une éventuelle industrialisation de cette technologie de pied.

Recherche❖Paper

1 source

35

368SCMP Tech 

Robbyant, la filiale d'IA incarnée d'Ant Group, lance une levée de fonds externe

Robbyant, la division d'intelligence artificielle incarnée du groupe fintech chinois Ant Group, a annoncé lundi être entrée en discussion avec des investisseurs externes pour une levée de fonds. Il s'agit de la quatrième unité du groupe à engager une telle démarche de collecte de capitaux, un mouvement qu'Ant Group multiplie ces derniers mois pour ses filiales technologiques. Un porte-parole de Robbyant a présenté l'unité comme « l'initiative centrale du groupe en matière d'intelligence incarnée », précisant qu'elle concentre son développement sur un « cerveau robotique » à usage général, investit dans des technologies spécifiquement conçues pour l'IA incarnée, et cherche à accélérer sa commercialisation. Aucun montant, aucune valorisation ni aucun investisseur nommé n'ont été communiqués à ce stade. Cette ouverture du capital de Robbyant à des tiers illustre une tendance de fond : les géants technologiques chinois cherchent à faire financer directement par le marché des paris coûteux sur la robotique incarnée, plutôt que de les porter seuls sur leur bilan. Pour les intégrateurs et décideurs B2B qui suivent la course mondiale aux modèles génériques de type vision-language-action et aux « cerveaux robotiques » universels, ce mouvement confirme que la Chine structure un écosystème concurrent de celui des acteurs américains comme Figure, Physical Intelligence ou NVIDIA, avec un accès potentiellement massif à des capitaux privés dédiés à ce secteur encore largement au stade de la démonstration plus que du déploiement industriel à grande échelle. Ant Group, principalement connu pour sa filiale de paiement Alipay, diversifie ainsi son portefeuille vers l'IA incarnée dans un marché chinois de la robotique humanoïde déjà très disputé, où évoluent des acteurs comme Unitree, AgiBot ou Fourier Intelligence. La stratégie de filialisation et de levée de fonds sectorielle permet au groupe de partager le risque financier de ces paris technologiques avec des investisseurs externes. Les prochaines étapes à surveiller restent le montant effectivement levé, l'identité des investisseurs entrants et d'éventuels partenariats industriels ou pilotes de déploiement pour la technologie de Robbyant.

Chine/Asie⚡Actu

1 source

38

369Interesting Engineering 

Robot : la nouvelle main robotique de Foundation attrape une balle de baseball en plein vol avec une précision quasi humaine

Foundation Robotics vient de dévoiler une vidéo démontrant la capacité de sa nouvelle main robotique à attraper une balle de baseball en plein vol avec une précision quasi humaine. Basée à San Francisco, l'entreprise a conçu cette main selon une architecture à tendons dont les moteurs sont déportés dans l'avant-bras plutôt que logés dans les doigts, ce qui allège considérablement la structure tout en conservant la force nécessaire aux mouvements rapides. Des tendons de flexion ferment les doigts et des tendons d'extension les rouvrent, reproduisant la coordination des tendons d'une main humaine. Un mécanisme additionnel permet de légers mouvements latéraux des doigts, leur donnant la capacité de former une prise en coupe pour envelopper des objets sphériques comme une balle, ou d'adopter une pince plus fine pour de petits objets. Le système estime la position de chaque doigt en croisant les données de rotation des moteurs avec un modèle géométrique des tendons, sans dépendre uniquement de capteurs physiques ; des capteurs à magnétorésistance tunnel (TMR) viennent ensuite affiner ces estimations avec une précision inférieure au degré, en servant de redondance plutôt que de source principale. Cette main est destinée aux robots humanoïdes Phantom de Foundation, conçus pour l'industrie. Cette démonstration, même si le lancer était planifié à l'avance, illustre un enjeu central de la robotique humanoïde actuelle : la capacité à manipuler des objets irréguliers avec rapidité et fiabilité, sans recourir à des pinces spécialisées. Contrairement aux mains de type gripper de générations précédentes chez Foundation, ce prototype introduit des doigts actionnés indépendamment, des articulations d'inspiration anatomique et une estimation d'état avancée. Pour les intégrateurs industriels, l'intérêt réside moins dans l'exploit spectaculaire que dans la fiabilité promise en environnement contraint : la redondance capteur/logiciel vise justement les cas où des capteurs tombent en panne ou s'endommagent, un point critique en usine. Cela dit, comme pour beaucoup de démonstrations du secteur, le geste reste chorégraphié et il convient de distinguer cette vitrine technologique d'un déploiement en conditions réelles de production. Foundation Robotics s'inscrit dans la course grandissante aux mains robotiques dextres, aux côtés d'acteurs comme Figure, Tesla (Optimus) ou des laboratoires travaillant sur des modèles VLA tels que Pi-0 ou GR00T N2, où la manipulation fine reste l'un des goulots d'étranglement majeurs face à la locomotion. L'entreprise mise sur cette architecture à tendons et moteurs déportés pour équiper ses robots Phantom destinés aux environnements industriels, où la variété des outils et composants à manipuler exige une polyvalence que les grippers classiques ne permettent pas. Les prochaines étapes attendues concernent le passage de cette démonstration contrôlée à des déploiements pilotes en conditions réelles, un test que la plupart des acteurs du secteur humanoïde doivent encore franchir pour valider leurs promesses de dextérité à l'échelle industrielle.

Humanoïdes❧Opinion

1 source

44

370Pandaily 

CATL investit dans RoboParty : Huang Yi, fondateur de 22 ans issu de l'Institut de technologie de Harbin, propulse sa startup open source de robot humanoïde bipède avec une valorisation multipliée par 20

CATL, premier fabricant mondial de batteries, a réalisé un investissement stratégique direct rare dans RoboParty, jeune pousse chinoise spécialisée dans les robots humanoïdes bipèdes open source, en finançant seule son tour Pre-A dans le cadre d'une levée globale (angel plus Pre-A) proche de 500 millions de yuans. Le fondateur, Huang Yi, 22 ans, est entré à l'Institut de technologie de Harbin en 2022 et a développé dès sa première année, dans sa chambre universitaire, le robot bipède open source AlexBot, depuis répliqué par plus d'une dizaine d'entreprises et d'universités. Diplômé un an en avance en 2025, il s'installe dans la Robot Valley de Zhangjiang à Shanghai et fonde RoboParty. En huit mois, la startup boucle six tours de financement et voit sa valorisation multipliée par plus de vingt, avec au capital Matrix Partners, Xiaomi Strategic Investment, Galbot, SenseTime, Baidu Ventures, Pudong Venture Capital et Shunwei Capital, sans clause de performance ni rachat garanti selon les informations disponibles. En janvier, RoboParty a lancé RPO, un projet de robot bipède entièrement open source destiné aux développeurs du monde entier partant de zéro, qui a rassemblé près de 10 000 abonnés dans la communauté, plus de 2 000 étoiles sur GitHub et près de 1 000 commandes. Un modèle plus avancé, RP1, est attendu au quatrième trimestre. L'entreprise a également publié Party OS, une couche logicielle réutilisable couvrant acquisition de données, traitement des actions et déploiement de politiques, avec les outils open source MimicLite, UFO et Human-to-Humanoid Tools. Cet investissement dépasse la simple opération financière. CATL, en tant qu'entité stratégique de groupe, s'engage rarement de façon directe dans ce type de pari, ce qui marque un basculement vers une logique de coordination de chaîne industrielle plutôt que de pur placement de capital ; les deux parties évoquent des explorations conjointes en manufacturing et en environnements opérationnels complexes. Pour le secteur, l'affaire illustre un pari sur l'ouverture des plateformes robotiques : Huang Yi défend l'idée que les entreprises de modèles d'IA incarnée manquent de corps physiques tandis que les fabricants de corps restent des systèmes fermés, et que l'open source est le chaînon manquant entre les deux. La comparaison avec le "moment DeepSeek" de l'IA, avancée par certains observateurs, mérite d'être prise avec prudence : elle relève davantage du récit médiatique que d'une preuve technique établie, même si elle traduit un pari réel des investisseurs sur une bascule des modèles fermés vers une infrastructure partagée. Le contexte est celui de l'après-Unitree, dont le modèle G1 reste, selon Huang Yi lui-même, la référence qu'aucun concurrent n'a dépassée en deux ans, un constat qu'il attribue au gaspillage de ressources causé par des changements de direction stratégique avant même la validation d'un produit-marché. RoboParty affiche une priorité affirmée aux indicateurs techniques et aux benchmarks état de l'art plutôt qu'au volume de commandes, misant sur une centaine de développeurs de haute qualité plutôt que sur des centaines de clients. Les investisseurs décrivent Huang Yi comme réservé et obsédé par la technique, avec une lecture business jugée inhabituellement claire pour son âge. Reste à voir si RP1, prévu au quatrième trimestre, confirmera cette promesse face à des concurrents comme Unitree, Figure ou les laboratoires chinois rivaux du même segment.

Chine/Asie⚡Actu

1 source

38

371Robotics Business Review 

Reimagine Robotics sort du mode furtif avec des robots qui « apprennent sur le tas »

Reimagine Robotics est sortie de stealth avec une plateforme robotique qui apprend directement au poste de travail, sans recourir à des équipes de programmation spécialisées. Fondée en avril 2025 à Londres et Sydney par Jonathan Scholz, ancien responsable pendant sept ans de l'équipe Applied Robotics de Google DeepMind, aux côtés d'Oleg Sushkov, Akhil Raju et Misha Denil, la startup a levé un tour pré-seed auprès de Fly Ventures, firstminute capital et plusieurs business angels. Son approche, baptisée en interne "monkey-see, monkey-do", consiste à laisser un opérateur montrer une tâche au robot, observer sa tentative, puis corriger ses erreurs en temps réel jusqu'à ce qu'il devienne autonome. Deux déploiements concrets sont déjà cités : chez un fabricant de plastiques à la demande, des robots ont été entraînés à surveiller des imprimantes 3D la nuit, retirant les plateaux d'impression, actionnant des loquets et des commandes ; l'équipe cliente a ensuite étendu elle-même l'automatisation aux étapes de lavage, durcissement et séchage. Dans un second cas, portant sur la récupération de matériaux critiques à partir de disques durs usagés, Reimagine Robotics a travaillé avec des ingénieurs process pour construire une cellule de désassemblage à trois robots, combinant humains et machines en temps réel. L'entreprise affirme avoir réduit le temps de prototypage d'un nouveau comportement robotique d'environ une journée à dix minutes, un chiffre communiqué par la société elle-même et non vérifié de façon indépendante. L'enjeu pour l'industrie tient moins à la performance brute des robots qu'à la vitesse de reconfiguration : au lieu d'un cycle de programmation lourd à chaque changement de process, l'opérateur métier devient lui-même le formateur du robot, ce qui déplace la barrière à l'adoption vers les lignes de production à petites séries ou à forte variabilité, un segment où l'automatisation classique reste coûteuse. Scholz insiste sur un positionnement d'augmentation plutôt que de remplacement du travail humain, un discours proche de celui d'autres acteurs misant sur l'apprentissage supervisé par démonstration plutôt que sur des modèles fondation VLA entraînés hors ligne à grande échelle. Reimagine Robotics rejoint une liste déjà dense d'entreprises misant sur des opérateurs humains pour entraîner leurs modèles robotiques, dont 1X Technologies, AgiBot, Apptronik, BrainCo, NEURA Robotics, Sanctuary AI et Tutor Intelligence. Après une année passée à construire produit et équipe en mode furtif, la société annonce entrer dans une phase de levée de fonds, de recrutement pour renforcer ses capacités de déploiement, et d'expansion vers de nouveaux sites industriels, avec l'objectif affiché de rendre chaque nouveau déploiement plus rapide et plus fiable que le précédent.

Industriel⚡Actu

1 source

41

372Interesting Engineering 

BYD entre dans la course aux robots humanoïdes avec un lancement en août

BYD, le numéro un mondial de la voiture électrique et principal rival de Tesla, a confirmé au South China Morning Post qu'il dévoilera ses premiers robots humanoïdes en août, dans son showroom Di Space. L'entreprise précise que les machines seront fonctionnelles et que les visiteurs pourront interagir directement avec elles lors d'une exposition immersive, et non assister à une simple vidéo promotionnelle. Cette annonce fait suite aux rumeurs apparues en 2025 sur les ambitions de BYD en robotique embarquée, puis à la confirmation en juin par Stella Li, vice-présidente exécutive du groupe, d'un investissement significatif dans l'intelligence artificielle. BYD, né comme fabricant de batteries avant de devenir un constructeur automobile intégrant lui-même la production de ses semi-conducteurs et de ses cellules énergétiques, applique désormais cette logique de verticalisation industrielle à l'humanoïde, misant sur son échelle de fabrication plutôt que sur une promesse logicielle comme le fait Tesla avec Optimus. L'enjeu dépassse la simple démonstration technologique: BYD cible d'abord l'automatisation de ses propres usines, où les robots pourraient déplacer des pièces, assembler des composants, inspecter des produits et manipuler des matériaux, avant une éventuelle commercialisation vers d'autres industriels. Ce positionnement lui permettrait de tester ses machines en interne avant de les vendre, un avantage que peu de concurrents peuvent revendiquer à cette échelle. Ding Haifeng, consultant chez Integrity à Shanghai, souligne que le marché scrutera surtout la capacité de production réelle et les prix annoncés, deux inconnues qui détermineront si l'initiative dépasse le stade de la vitrine. Stella Li estime pour sa part que la Chine sera le premier marché à voir une commercialisation complète des humanoïdes, une prédiction à prendre avec prudence tant qu'aucun calendrier de production ferme n'est communiqué. Le contexte reste celui d'une course sino-américaine déjà engagée: cinq des principales entreprises mondiales de robotique humanoïde sont chinoises, Pékin ayant classé le secteur comme industrie stratégique pour sa croissance future. Xpeng a pour sa part annoncé le déploiement de 1 000 robots d'ici 2027, tandis que Tesla n'a toujours pas commercialisé Optimus à grande échelle, une faiblesse reconnue par Allan Wang Hao, président de Tesla Chine, qui envisage lui-même une éventuelle fabrication locale de robots. Elon Musk anticipe désormais un affrontement direct entre Tesla et les constructeurs chinois sur ce terrain. Certains analystes évoquent un marché pouvant atteindre mille milliards de dollars à terme, mais cette estimation demeure spéculative et ne repose sur aucun chiffre de production ou de vente confirmé à ce stade.

Chine/Asie⚡Actu

1 source

54

373arXiv cs.RO 

Vers un pont entre simulation et réalité : transfert simulation-réel systématique pour divers robots à pattes

Des chercheurs publient sur arXiv (2509.06342v2, version révisée) un nouveau cadre combinant apprentissage par renforcement sim-to-real et modèle énergétique physique pour moteurs synchrones à aimants permanents, les actionneurs les plus courants sur les robots à pattes. La méthode ne nécessite qu'un jeu minimal de paramètres pour capturer l'écart entre simulation et réalité, et repose sur une fonction de récompense compacte à quatre termes intégrant une formulation de pertes énergétiques fondée sur les premiers principes, équilibrant dissipation électrique et mécanique. L'équipe valide son approche par une identification dynamique ascendante, des actionneurs individuels aux trajectoires complètes en l'air puis à la locomotion au sol. Le cadre est testé sur trois plateformes principales et déployé sur dix robots supplémentaires, soit treize systèmes au total, avec un transfert de politique fiable obtenu sans randomisation des paramètres dynamiques. Résultat clé : une réduction de 32% du coût de transport (Cost of Transport) du quadrupède ANYmal, ramené à une valeur de 1,27. Code, modèles et jeux de données sont publiés en accès libre. Ce travail s'attaque à deux limites récurrentes de la robotique à pattes entraînée en simulation : le transfert peu fiable vers le matériel réel, et la négligence quasi systématique des pertes énergétiques spécifiques aux actionneurs dans les fonctions de récompense, souvent bricolées à la main. En montrant qu'une modélisation physique du moteur peut remplacer une partie de la randomisation de domaine habituellement jugée indispensable pour généraliser, l'étude questionne une hypothèse répandue du secteur : que la robustesse sim-to-real passe nécessairement par une randomisation massive des paramètres. Pour les intégrateurs et équipes R&D travaillant sur des robots mobiles à pattes, l'efficacité énergétique conditionne directement l'autonomie en batterie et la charge utile disponible, ce qui rend ce gain de 32% concrètement exploitable au-delà du seul intérêt académique. Le problème du fossé sim-to-real occupe la recherche en locomotion par apprentissage depuis l'essor des quadrupèdes comme l'ANYmal d'ANYbotics, plateforme de référence académique pour ce type de benchmark. La plupart des approches existantes traitent les pertes énergétiques comme un ajout secondaire plutôt qu'une contrainte physique de premier ordre dès l'entraînement. En publiant intégralement code, modèles et données avec cette version révisée, les auteurs positionnent leur contribution comme reproductible pour les laboratoires et industriels développant des plateformes à actionneurs PMSM, sans qu'aucun déploiement commercial ne soit annoncé à ce stade : il s'agit d'une avancée de recherche, dont l'adoption dépendra désormais de son intégration dans les pipelines d'entraînement d'autres équipes robotique.

Recherche❖Paper

1 source

49

374arXiv cs.RO 

BWM : un simulateur de monde haute-fidélité à faible coût pour l'apprentissage robotique

Boundless World Model (BWM) est un simulateur de monde open source, présenté fin juillet dans une prépublication arXiv, conçu pour l'apprentissage de la manipulation robotique. Le système est un modèle de monde conditionné par l'action : il combine un guidage par l'observation initiale, un historique visuel dynamique et un conditionnement temporellement aligné sur les actions du robot pour prédire, de façon autorégressive et avec état, les observations futures découlant d'une séquence de commandes. Les données d'entraînement sont construites par rejeu de trajectoires, échantillonnage de clips qui se chevauchent et enrichissement des observations initiales. Sur le benchmark WorldArena, BWM se classe premier toutes catégories confondues, en tête du Track 1 et des deux applications du Track 2, avec des validations complémentaires sur robots physiques. L'ensemble du code d'entraînement et d'inférence, les poids du modèle et les interfaces de génération de données et d'évaluation de politiques sont publiés en accès libre. L'intérêt pratique tient à deux usages distincts que le papier documente. D'abord comme moteur de données : BWM génère des rollouts alignés sur l'action pour augmenter les jeux de données d'apprentissage par imitation, un poste de dépense généralement coûteux en téléopération réelle. Ensuite comme évaluateur de politiques en boucle fermée, capable d'anticiper des échecs avant tout passage sur matériel physique et de classer plusieurs politiques candidates sans risque. Cette approche répond directement à une limite connue des simulateurs physiques classiques, qui exigent une construction et un calibrage d'assets coûteux tout en conservant un écart sim-to-real, et à celle des générateurs vidéo génériques, qui manquent de contrôle fin sur la réponse aux actions du robot. Un simulateur combinant fidélité visuelle et contrôlabilité par l'action, à faible coût, constituerait une brique utile pour les équipes qui manquent de données réelles denses. Le papier s'inscrit dans une tendance de recherche récente qui cherche à remplacer ou compléter les moteurs physiques (type MuJoCo ou Isaac Sim) par des modèles de monde appris, à la manière des approches vidéo-générative appliquées à la robotique. La victoire revendiquée au WorldArena Challenge reste toutefois à confirmer par une adoption indépendante : les métriques de classement d'un benchmark récent et la portabilité réelle vers des politiques de production restent les points à surveiller dans les prochains mois, notamment via les retours de la communauté sur l'écosystème open source publié.

Recherche❖Paper

1 source

47

375arXiv cs.RO 

Modèle du monde critique pour l'apprentissage par renforcement vision-langage-action (WCM)

Des chercheurs ont publié fin juillet 2026 un article arXiv (2607.29613) présentant le World Critic Model (WCM), une nouvelle architecture pour l'apprentissage par renforcement (RL) appliqué aux modèles Vision-Language-Action (VLA) utilisés en manipulation robotique. Le problème ciblé est celui des méthodes RL à base de critique, qui évaluent la valeur d'une action à partir d'une seule image ou d'un seul instant du flux visuel, un choix mal adapté au contrôle robotique où l'observation est par nature partielle et séquentielle. Bâti sur une architecture légère dérivée de LeJEPA, WCM prédit conjointement l'état latent futur de la scène et estime la valeur de l'action, ce qui force le critique à apprendre la dynamique temporelle plutôt qu'à simplement régresser un score. Le système s'intègre aux pipelines on-policy et off-policy et fonctionne avec les backbones VLA de référence Pi0, Pi0.5 et OpenVLA-OFT. Les auteurs rapportent des résultats état de l'art sur 149 tâches réparties sur quatre benchmarks, avec des gains marqués en généralisation hors distribution, ainsi qu'une validation sur sept tâches de manipulation réelles combinant OpenVLA-OFT et Pi0.5 en RL off-policy. L'enjeu dépasse la seule performance chiffrée: le RL post-entraînement des modèles VLA est aujourd'hui l'un des leviers les plus regardés pour fiabiliser les politiques robotiques au-delà de l'imitation pure, mais les critiques scalaires classiques peinent justement là où le contrôle réel exige de la mémoire et de l'anticipation. Si les gains de généralisation se confirment en dehors du cadre des benchmarks académiques, WCM pourrait devenir un composant standard pour les équipes qui affinent des VLA en production plutôt qu'une simple curiosité de laboratoire, en particulier pour les intégrateurs qui cherchent à réduire l'écart entre démonstration en simulation et déploiement réel. L'article s'inscrit dans la lignée des travaux récents sur l'apprentissage par prédiction de représentations latentes (JEPA, popularisé par Meta AI) appliqués à la robotique, et complète les approches critic-based existantes du RL pour VLA. Les auteurs ne précisent pas de plan de mise en open source ni de calendrier d'intégration dans des stacks robotiques commerciales; l'étape suivante logique serait une validation à plus grande échelle sur des plateformes industrielles.

Recherche⚡Actu

1 source

46

376arXiv cs.RO 

Traduction événementielle de la téléopération haut du corps d'un humanoïde en conditions d'éclairage difficiles

Des chercheurs présentent un système de téléopération temps réel du haut du corps d'un robot humanoïde, piloté par une caméra événementielle neuromorphique plutôt qu'une caméra RGB classique. Le dispositif repose sur la Prophesee EVK4, qui fonctionne de façon asynchrone avec une résolution temporelle élevée et une plage dynamique supérieure à 120 dB, permettant un suivi stable en contre-jour sévère ou dans des environnements descendant sous 5 lux. L'architecture combine un module de perception à faible latence, utilisant une accumulation d'événements optimisée et une fusion inertielle alignée sur la gravité, avec un module de mouvement causal baptisé TWIST, chargé du retargeting cinématique en ligne. Le système a été validé sur une plateforme embarquée NVIDIA Booster T1 couplée à un buste humanoïde à 18 degrés de liberté, avec une latence photon-action de bout en bout mesurée entre 23 et 34 millisecondes, meilleure que les pipelines RGB classiques testés dans les mêmes conditions. L'intérêt pratique dépasse la simple prouesse technique. La téléopération humanoïde bute aujourd'hui sur un problème concret d'imitation de mouvement en environnement industriel réel: éclairage variable, contre-jour dans les entrepôts, ateliers mal éclairés, mouvements rapides des opérateurs. Les caméras RGB classiques, à temps d'intégration fixe, décrochent précisément dans ces conditions, ce qui limite le déploiement de la téléopération hors laboratoire contrôlé. En montrant qu'une caméra événementielle conserve une latence de suivi de l'ordre de la trentaine de millisecondes là où le RGB se dégrade, l'étude apporte un argument concret en faveur des capteurs neuromorphiques pour les cas d'usage exigeants en dynamique ou en éclairage difficile, un segment jusqu'ici resté marginal face à la domination du RGB et du LiDAR dans les stacks de perception robotique. Les auteurs restent toutefois mesurés: en scène statique et bien éclairée, le RGB ou une approche hybride RGB-événements reste préférable, ce qui positionne la vision événementielle comme un complément ciblé plutôt qu'un remplacement généralisé. Ce travail s'inscrit dans la course actuelle à l'amélioration des interfaces de téléopération humanoïde, un maillon clé pour la collecte de données d'apprentissage par imitation utilisées par des architectures VLA comme TWIST elle-même, Pi-0 ou GR00T N2. Il ne s'agit pas d'un produit commercial mais d'une publication de recherche (arXiv, juillet 2026), sans annonce de partenariat industriel ni de calendrier de déploiement. La piste ouverte, hybrider capteurs événementiels et RGB selon les conditions de luminosité, dessine une prochaine étape logique pour fiabiliser la téléopération humanoïde hors des conditions de laboratoire.

Recherche❖Paper

1 source

45

377arXiv cs.RO 

FBFM : un mécanisme de rétroaction asynchrone sans entraînement pour l'appariement de flux dans l'exécution des modèles monde-action

Traduction/résumé de l'article, prêt à publier : FBFM (Feedback Flow Matching) est un nouveau mécanisme d'inférence, sans entraînement supplémentaire, conçu pour les modèles monde-action (world-action models, WAMs) utilisés en contrôle robotique. Ces modèles prédisent l'évolution visuelle d'une scène avant de générer les actions correspondantes, mais leur fiabilité sur des tâches longues dépend d'un recalage régulier sur les observations réelles plutôt que d'un déroulement purement récursif. Les approches existantes rafraîchissent l'historique ou le cache KV avec des données réelles entre chunks d'action, mais cette correction reste grossière et ne rattrape pas les erreurs à l'échelle du pas de temps individuel. FBFM applique une correction pseudo-inverse masquée au champ de vitesse conditionnel pendant le flow matching : le chunk d'action précédent guide la génération du chunk suivant, et l'image observée après exécution de ce chunk précédent guide la prédiction de la frame suivante. Cette boucle asynchrone entre chunks corrige les erreurs sans attendre les frontières de segments. Testé sur deux WAMs, DreamZero (génération jointe) et LingBot-VA (approche par étapes), sur des tâches sélectionnées des benchmarks LIBERO et RoboTwin2.0, FBFM améliore les taux de réussite de plus de 5% dans les configurations favorables, et des diagnostics sur robot réel montrent un net gain de suivi entre observation et prédiction. Pour l'industrie robotique, ce travail cible un point faible connu des modèles monde-action : leur tendance à dériver sur des tâches longues, une variante du problème classique de reality gap entre génération et exécution physique. Le caractère training-free est significatif pour les intégrateurs, car la méthode s'ajoute au moment de l'inférence, sans réentraînement coûteux, ce qui la rend potentiellement compatible avec des architectures VLA ou WAM existantes sans toucher au pipeline d'apprentissage. Elle répond à une question débattue dans le secteur : la capacité des modèles génératifs à corriger leurs propres erreurs en temps réel plutôt que par lots entre segments. Les gains annoncés, plus de 5% de réussite « dans les configurations favorables », restent toutefois mesurés sur des sous-ensembles de tâches choisies dans des benchmarks simulés, ce qui appelle une lecture prudente avant toute extrapolation à des déploiements industriels à grande échelle. Les modèles monde-action prolongent la lignée des approches vision-language-action (VLA) comme Pi-0 ou GR00T N2, qui cherchent à unifier perception, prédiction et contrôle dans un système génératif capable d'anticiper les conséquences visuelles d'une action avant de l'exécuter. Le recalage entre prédiction et réalité reste un axe de recherche actif, partagé par plusieurs laboratoires travaillant sur le contrôle robotique par flow matching ou diffusion. FBFM se positionne comme une brique technique générique, compatible avec plusieurs architectures WAM (génération jointe et par étapes), plutôt que comme un système complet de bout en bout. Les auteurs évoquent des perspectives de correction fine en ligne, à la frontière entre génération en boucle ouverte et dynamique réelle en boucle fermée, sans toutefois mentionner de calendrier de déploiement industriel ni de partenaire commercial à ce stade.

Recherche❖Paper

1 source

45

378arXiv cs.RO 

Choisir quoi manipuler : des lois d'échelle des données révélées dans les politiques guidées par boîtes englobantes pour la manipulation sémantique

Une équipe de recherche publie sur arXiv (2602.11885v2) une étude sur les limites de généralisation des politiques de manipulation robotique guidées par diffusion. Le constat de départ : les instructions en texte seul échouent à diriger fiablement un robot vers le bon objet dans une scène encombrée et dynamique. Les chercheurs proposent à la place de guider la politique via des bounding boxes (boîtes englobantes) qui désignent directement la cible. Pour collecter des démonstrations annotées sémantiquement à grande échelle, ils ont développé Label-UMI, un dispositif de capture portatif couplé à un pipeline d'annotation automatisé. Leur architecture, dite "semantic-motion-decoupled", combine un module de détection d'objets avec une politique de diffusion pilotée par bounding box, complétée par un mécanisme d'ancrage sur la première image qui rend l'exécution robuste aux détections manquées ou aux boîtes bruitées. L'étude a été validée sur quatre tâches réelles à partir de 6 400 démonstrations. Le résultat central est une loi d'échelle des données : la généralisation progresse avec le volume de démonstrations, mais selon une courbe bornée et saturante, à rendements décroissants, plutôt qu'une amélioration linéaire indéfinie. C'est une nuance importante pour l'industrie de la robotique manipulatrice, où la stratégie dominante consiste à empiler toujours plus de données de téléopération pour espérer une généralisation type VLA (vision-langage-action). Les auteurs en tirent une recommandation opérationnelle directement exploitable par les équipes de collecte de données : privilégier la diversité des objets plutôt que le simple volume, une approche qui atteint 85 % de réussite en scène encombrée dans leurs tests. Ce travail s'inscrit dans le débat actuel sur l'écart entre démonstrations impressionnantes et robustesse réelle des politiques de manipulation sémantique, un point faible connu des approches purement conditionnées par texte. En s'appuyant sur la détection d'objets comme signal intermédiaire plutôt que sur le langage seul, l'équipe propose une piste concrète pour fiabiliser le déploiement en environnement non structuré. Les auteurs annoncent la publication prochaine du code et des données, ce qui permettrait une comparaison indépendante des résultats.

Recherche❖Paper

1 source

45

379arXiv cs.RO 

Diagnostic de la généralisation compositionnelle dans les tâches robotiques séquentielles

Une nouvelle étude arXiv (2607.29687v1) s'attaque à un problème central de la manipulation robotique séquentielle : comment un robot généralise-t-il à des combinaisons d'instructions jamais vues lors de l'entraînement. Collecter des démonstrations pour chaque combinaison possible d'instructions coûte combinatoirement trop cher, et les jeux de données à couverture éparse échouent souvent face à des recombinaisons hors distribution. Les chercheurs décomposent l'écart de généralisation en trois sources distinctes : le décalage marginal d'instruction, le décalage compositionnel d'instruction, et le décalage contexte-action. Résultat clé : il n'est pas nécessaire d'énumérer toutes les combinaisons de tâches. Un sous-ensemble structuré, ne représentant qu'un quart de l'espace complet des tâches, suffit à restaurer une performance hors distribution robuste, à condition qu'il couvre les dépendances pertinentes pour l'action. Autre constat notable : un simple réglage fin avec une seule démonstration par tâche fait bondir le taux de réussite hors distribution de 0,4% à 54,7%. Pour l'industrie robotique, ce travail remet en cause une hypothèse répandue sur la collecte de données pour les architectures VLA (vision-langage-action) : l'échec en généralisation compositionnelle ne vient généralement pas d'un manque de compétences de bas niveau chez le robot, mais d'un mauvais "guidage" par l'instruction (instruction steering). Autrement dit, le robot sait souvent déjà exécuter le geste requis, mais peine à le rattacher à la bonne combinaison de mots. Pour les intégrateurs et les équipes data de laboratoires comme ceux travaillant sur des modèles type Pi-0 ou GR00T N2, la conclusion pratique est stratégique : prioriser la couverture des dépendances entre instructions plutôt que l'expansion exhaustive du nombre de tâches, ce qui pourrait réduire drastiquement les coûts de collecte de démonstrations. L'étude s'inscrit dans un courant de recherche plus large sur le "reality gap" des politiques de manipulation entraînées par imitation, où la généralisation en conditions réelles reste le principal goulot d'étranglement avant un déploiement industriel fiable. Les auteurs précisent que des résultats complémentaires sont disponibles en supplément, ainsi qu'un site de projet dédié, sans toutefois annoncer de déploiement matériel ni de partenariat industriel à ce stade.

Recherche❖Paper

1 source

45

380arXiv cs.RO 

ActFovea : sécurisation en temps réel des politiques VLA par cohérence spatio-temporelle vision-action

Le laboratoire à l'origine du projet publie ActFovea, un framework de sécurisation à l'exécution pour les politiques vision-langage-action (VLA) utilisées en manipulation robotique. Contrairement à un réentraînement du modèle, ActFovea s'installe en complément d'une politique VLA existante, sans la modifier, pour détecter et corriger les défaillances causées par des perturbations qui désynchronisent observations visuelles, états du robot et actions exécutées. Le système s'appuie sur la cinématique du robot, ses états proprioceptifs et son historique d'actions récentes pour construire des zones fovéales conditionnées à l'action, qui conservent les régions de contact et les corridors de mouvement prévus tout en filtrant le contenu visuel non pertinent pour la tâche. Il détecte les risques en vérifiant la cohérence entre mouvement visuel, fraîcheur des observations et transitions géométriques, proprioceptives et d'action attendues. Testé en boucle fermée sur le modèle Pi-0 dans plusieurs suites LIBERO, ActFovea fait passer le taux de succès sous perturbations visuelles localisées de 49,3% à 90,3%, comblant 93,7% de l'écart avec les performances en conditions propres. Il améliore aussi la robustesse de 7,0 points face à la dérive d'action et de 9,8 points face aux délais visuels, sans dégrader les performances en environnement non perturbé. Ce résultat s'attaque à un point faible connu des politiques VLA: leur fragilité dès que le flux d'observations devient obsolète, retardé ou incohérent avec l'état réel du robot, un scénario fréquent en déploiement réel (caméra masquée, latence réseau, capteur défaillant) mais rarement testé dans les démonstrations. Pour les intégrateurs industriels, la promesse n'est pas d'améliorer la politique elle-même mais d'ajouter une couche de garde-fou capable de distinguer une perturbation récupérable d'une situation où mieux vaut arrêter le geste, avec un mécanisme d'échec sécurisé qui, dans les essais rapportés, ne laisse passer aucune défaillance non protégée en cas de flux d'observation figé ou rejoué. Ce travail s'inscrit dans la vague actuelle de recherche sur la fiabilisation des politiques VLA généralistes, popularisées par des modèles comme Pi-0 ou GR00T N2, dont les performances en environnement contrôlé masquent souvent une sensibilité élevée au bruit du monde réel. En proposant une couche indépendante de la politique plutôt qu'un réentraînement coûteux, les auteurs positionnent ActFovea comme une brique de sécurité runtime potentiellement compatible avec différentes architectures VLA, une direction que devront confirmer des essais au-delà des suites de simulation LIBERO.

Recherche❖Paper

1 source

44

381arXiv cs.RO 

GPA-RAM : attention Mamba pré-entraînée à la préhension pour l'apprentissage de tâches spatiales

Une équipe de recherche présente GPA-RAM (Grasp-Pretraining Augmented Robotic Attention Mamba), une méthode combinant pré-entraînement de saisie et modélisation d'état pour la manipulation robotique fine. Le composant GPA (Grasp-Pretraining Augmentation) intègre des a priori de saisie issus des démonstrations de tâches dans les politiques d'imitation, sans données ni annotations supplémentaires sur les poses de préhension. Appliqué à RVT2, GPA fait passer le taux de réussite moyen sur le benchmark RLBench de 79,3% à 84,2%. Appliqué à ACT, il fait grimper la réussite sur les tâches ALOHA de transfert de cube et d'insertion bimanuelle de 86% et 16% à 98% et 38% respectivement. Pour compenser le coût de calcul additionnel, les chercheurs ont développé RAM (Robotic Attention Mamba), qui combine extraction de caractéristiques spatiales par attention et modélisation d'état pour capturer les dépendances à longue portée de façon efficace. Le framework complet, testé sur quatre plateformes dont des bras physiques UR5 et ARX R5, atteint 87,5% de réussite moyenne sur RLBench, devançant RVT2 de 8,2 points et ARP+ de 2,6 points. Sur ALOHA, il atteint 98% en transfert de cube et 56% en insertion bimanuelle, soit des gains de 12 et 40 points par rapport à ACT, tout en tournant à environ 71 images par seconde. La manipulation fine échoue souvent à cause d'une saisie initiale imprécise, dont l'erreur se propage et impose des corrections de pose complexes en aval. En intégrant des a priori de saisie directement dans l'apprentissage par imitation, sans capteurs ni annotations supplémentaires, GPA s'attaque à ce goulot d'étranglement à moindre coût d'ingénierie, un enjeu concret pour qui déploie des politiques VLA ou d'imitation en production. Le gain le plus parlant concerne l'insertion bimanuelle, une tâche réputée difficile car elle exige une précision millimétrique et une coordination à deux bras: faire passer ce taux de 16% à 38% avec ACT, puis à 56% avec GPA-RAM, illustre que le principal frein n'était pas la politique de contrôle elle-même mais la qualité de la saisie initiale. Le fonctionnement à 71 images par seconde sur robots physiques est également significatif: beaucoup de méthodes combinant attention et grands modèles restent trop lentes pour un contrôle temps réel, et RAM montre qu'un compromis efficace entre précision spatiale et latence reste atteignable sans sacrifier les performances. GPA-RAM s'inscrit dans la lignée des travaux récents sur l'apprentissage par imitation pour la manipulation robotique, en particulier RVT2 et ACT (Action Chunking Transformer), deux politiques de référence utilisées comme base de comparaison, ainsi qu'ARP+, méthode concurrente sur RLBench. La publication, une version mise à jour d'un article déjà soumis sur arXiv, valide ses résultats sur quatre plateformes distinctes, combinant simulation (RLBench, ALOHA) et robots physiques (UR5, ARX R5), une démarche qui renforce la crédibilité des chiffres annoncés au-delà des vidéos sélectionnées habituelles. Le code est mis à disposition sur gpa-ram.github.io, un choix qui permettra à la communauté de reproduire et d'étendre les résultats. L'évaluation reste toutefois académique et n'implique pour l'instant aucun déploiement industriel ni partenaire commercial; la prochaine étape naturelle serait une adaptation à des tâches manipulatoires plus complexes ou à des environnements moins contrôlés que ceux des benchmarks utilisés ici.

Recherche❖Paper

1 source

44

382arXiv cs.RO 

CLIFT : transformer Gemini Robotics On-Device en spécialistes humanoïdes via un réglage fin itératif en boucle fermée non invasif

Des chercheurs viennent de publier une étude (arXiv:2607.29172v1) testant les limites de Gemini Robotics On-Device (GROD), le modèle fondation robotique de Google DeepMind, dans son mode d'accès le plus restreint : l'API de fine-tuning supervisé managé, où l'utilisateur envoie des données d'entraînement et récupère une politique ajustée sans jamais toucher aux poids, aux gradients ni aux mécanismes internes du modèle. Sur un humanoïde réel confronté à des tâches de manipulation agiles et riches en contacts, les auteurs montrent qu'un simple fine-tuning supervisé via cette API surpasse nettement un VLA open-weight de référence entraîné sur les mêmes démonstrations, mais reste en deçà du niveau de fiabilité attendu en déploiement. Pour combler cet écart, l'équipe introduit CLIFT (Closed-Loop Iterative Fine-Tuning), une méthode qui transforme les signaux de récompense observés au moment du déploiement en données d'entraînement compatibles avec l'API, permettant une amélioration en boucle fermée sans accès aux poids, gradients, vraisemblances ni fonctions de perte. Résultat annoncé : un taux de succès quasi parfait après seulement deux cycles de ce "flywheel". L'enjeu dépasse le cas GROD. Les fournisseurs de modèles fondation robotiques les plus performants suivent le même chemin que les grands labos de LLM : garder les poids fermés et ne proposer qu'une API de fine-tuning. Cela prive les intégrateurs et équipes robotique de l'apprentissage par renforcement classique, pourtant jugé nécessaire pour les tâches de contact fin où l'écart entre sortie de politique et comportement réel reste large. CLIFT propose une voie pour retrouver une partie de ce bénéfice sans que le fournisseur du modèle n'ouvre sa boîte noire, ce qui intéresse directement les acteurs qui devront un jour adapter des modèles propriétaires à leurs propres robots et environnements de production. Le travail s'inscrit dans la lignée de Gemini Robotics, la famille de modèles annoncée par Google DeepMind en 2025, et fait écho aux pratiques déjà en place chez OpenAI ou Anthropic pour le fine-tuning managé des LLM. Il se positionne en creux face aux modèles ouverts comme Pi-0 ou GR00T, qui autorisent un réglage plus profond mais restent en retrait de GROD en performance brute selon cette étude, ouvrant la question de la généralisation de CLIFT à d'autres embodiments et tâches.

Recherche⚡Actu

1 source

43

383arXiv cs.RO 

Planificateur de vues suivantes à horizon glissant pour la reconstruction autonome de surfaces foliaires

Une équipe de recherche en robotique agricole a présenté un nouveau planificateur de vue optimale, ou next-best-view (NBV), pour la reconstruction 3D automatisée de surfaces foliaires en conditions de champ. La méthode, baptisée Centroid-based Information Gain (CIG), calcule l'utilité d'un point de vue robotique en mesurant la distribution spatiale des points déjà observés par rapport au centroïde du nuage de points existant, plutôt que par une simple évaluation de visibilité. Les chercheurs y ajoutent une variante à horizon glissant (receding-horizon), qui anticipe plusieurs viewpoints futurs au lieu de raisonner image par image. Le système a été testé sur LAST-STRAW, un jeu de données public de nuages de points de plants de fraisiers capturés à différents stades de croissance, et comparé à une méthode de référence dite attention-driven NBV, fondée sur un gain d'information basé sur la visibilité. Résultat annoncé: une réduction constante de l'erreur de reconstruction de surface et une meilleure fidélité géométrique, avec un gain pouvant atteindre 10% par rapport à la méthode de référence, particulièrement marqué lorsque l'occlusion entre feuilles augmente. Pour l'agriculture de précision et le phénotypage automatisé, ce travail cible un goulot d'étranglement concret: les robots de terrain disposent d'un budget de déplacement et de calcul limité, et doivent choisir intelligemment où pointer leurs capteurs plutôt que de scanner exhaustivement chaque plante. Une reconstruction fidèle des feuilles conditionne directement l'estimation de rendement et le suivi de croissance à grande échelle, deux besoins réels pour les exploitations et les intégrateurs de robots agricoles. Le gain de performance sous forte occlusion inter-foliaire est le point le plus pertinent industriellement, puisque c'est justement le scénario où les méthodes de vision existantes échouent le plus souvent en conditions réelles de champ. Ce travail s'inscrit dans un courant de recherche en planification de vues actives, jusqu'ici surtout développé pour des objets rigides ou la couverture générique de nuages de points, sans optimisation spécifique à la tâche de reconstruction de surfaces végétales. En comparant directement au NBV attention-driven existant sur un même jeu de données public, les auteurs positionnent leur contribution comme une amélioration incrémentale mais mesurable de l'état de l'art, ouvrant la voie à des tests sur d'autres espèces végétales et à une validation en conditions de champ réelles au-delà du fraisier.

Recherche❖Paper

1 source

43

384arXiv cs.RO 

MDIR : une méthode de retargeting d'impédance sur variété de tâche pour la téléopération à contact riche

Des chercheurs présentent MDIR (Manifold-Decomposed Impedance Retargeting), une méthode pour corriger un problème concret de la téléopération robotique riche en contacts: l'impédance cartésienne fixe utilisée pour collecter des démonstrations facilite la tâche mais génère des pics de force et une variabilité difficiles à contrôler. À partir d'une seule démonstration enregistrée sous forme d'une séquence de commandes {K0, D0, xcmd}, MDIR reparamètre de façon déterministe ce contrôleur en une commande d'impédance variable par canal de tâche. La méthode décompose la réponse source en canaux de travail opérationnel, d'exertion et de support, complétés par un résidu passif sous une métrique de chaîne de contrôle, calcule une base de référence C2M (Cartesian-to-Manifold Retargeting), puis applique une optimisation sous contrainte de variété (MPO) pour choisir un représentant réduisant les pics de force au poignet, l'impulsion, la variabilité de force et la puissance nominale du contrôleur. Testée sur un bras Franka Panda pour trois tâches (essuyage planaire, prise-dépose, poussée), la version complète de MDIR réussit les 15 exécutions en boucle fermée du test de validation et réduit les quatre métriques d'agressivité par rapport aux démonstrations à impédance fixe. Le résultat cible un point de friction connu de l'apprentissage par imitation en robotique: les démonstrations téléopérées à impédance fixe, faciles à collecter, transfèrent aussi des comportements de contact bruts qui dégradent la qualité des politiques entraînées derrière, notamment pour les architectures vision-langage-action sur des tâches de contact fin. En automatisant le passage d'une commande fixe à une commande variable par canal, sans nouvelle démonstration ni réglage manuel des gains, MDIR s'attaque à un goulot d'étranglement pratique pour les équipes qui constituent des jeux de données de téléopération à grande échelle, où l'ajustement manuel de l'impédance reste coûteux et peu reproductible d'une tâche à l'autre. Ce travail prolonge les recherches sur le contrôle d'impédance variable pour la manipulation en contact, un axe actif en robotique collaborative mais rarement combiné à une téléopération à démonstration unique. Le choix du Franka Panda, plateforme conçue par l'allemand Franka Robotics (ex-Franka Emika), acteur européen de référence des bras collaboratifs en laboratoire, confirme l'ancrage académique de l'étude, publiée sur arXiv sans mention de déploiement industriel. La validation reste limitée à trois tâches planaires sur un seul bras, une étape avant une éventuelle généralisation à d'autres manipulateurs et gestes.

Recherche❖Paper

1 source

43

385arXiv cs.RO 

Politique de l'IA : passage à l'action décrite dans une démonstration

Les chercheurs à l'origine de Temporal Policy proposent une nouvelle méthode d'apprentissage par démonstration (Learning from Demonstration) pour les robots, publiée en préprint sur arXiv (2607.29482) et dont le code est disponible sur GitHub (dmiller12/TemporalPolicy). Contrairement aux modèles de diffusion et de flow matching classiques, qui partent d'un bruit gaussien non informatif et doivent apprendre des trajectoires complexes et coûteuses pour atteindre l'espace des actions physiques, Temporal Policy initialise directement le flux génératif à partir de l'historique récent du robot. Cette méthode, basée sur des interpolants stochastiques, couple explicitement les états passés aux séquences d'actions futures, ce qui réduit le coût de transport et produit des champs vectoriels plus directs. Les auteurs ont validé leur approche sur des bancs d'essai de simulation visuomotrice ainsi que sur une plateforme physique de téléopération Barrett WAM à deux bras de 7 degrés de liberté (DOF) chacun. Résultat chiffré: une réduction du coût de transport d'un facteur proche de dix par rapport aux méthodes initialisées par bruit, avec une latence d'inférence de 19,1 millisecondes sur une carte graphique NVIDIA RTX 4080, tout en conservant des taux de réussite comparables aux méthodes de référence. Ce gain de vitesse s'attaque à un goulot d'étranglement concret pour les politiques robotiques génératives: le coût d'inférence élevé des modèles de diffusion et de flow matching limite leur usage en contrôle en boucle fermée à haute fréquence, essentiel pour des tâches de manipulation fine ou de téléopération réactive. En démontrant qu'il est possible de conserver la précision des architectures génératives multimodales tout en divisant fortement le temps de calcul, ce travail répond à une critique récurrente adressée aux politiques VLA et diffusion en robotique: leur difficulté à tourner en temps réel sur du matériel embarqué. Ce travail s'inscrit dans la lignée des politiques de diffusion pour la robotique (Diffusion Policy) et des approches de flow matching à la Pi-0, qui ont gagné en popularité ces dernières années pour capturer des comportements multimodaux à partir de démonstrations humaines. En misant sur les interpolants stochastiques plutôt que sur un bruit gaussien pur, les auteurs proposent une piste architecturale distincte pour accélérer l'inférence sans sacrifier les performances, un axe de recherche que d'autres laboratoires travaillant sur les modèles action-langage-vision à grande échelle pourraient être amenés à explorer.

Recherche❖Paper

1 source

43

386arXiv cs.RO 

MROPE : une stratégie coopérative multi-robots sûre combinant filtres de sécurité prédictifs et compression de contraintes par ellipses

Des chercheurs proposent MROPE (Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression), une architecture hiérarchique destinée à des essaims de drones chargés de suivre une cible mobile dans un environnement encombré d'obstacles. Le problème ciblé : en espace dense, calculer en temps réel des trajectoires collectives sûres pour plusieurs drones devient vite intraitable dès qu'il faut représenter fidèlement la géométrie de chaque obstacle pour chaque appareil. MROPE contourne ce goulot d'étranglement en agrégeant dynamiquement les obstacles complexes autour de chaque drone en une seule ellipse de sécurité, mise à jour via un schéma de consensus décentralisé. Au-dessus de cette représentation compressée, une optimisation distribuée de type aggregative gère la coordination de haut niveau de l'essaim, pendant qu'un filtre de sécurité prédictif local (PSF) prend en charge, drone par drone, l'évitement de collision en temps réel. Les auteurs valident l'approche par des expériences en simulation et sur drones réels, avec une efficacité temps réel et un passage à l'échelle rapportés comme supérieurs aux approches centralisées classiques. L'enjeu dépasse la démonstration isolée. Le suivi coopératif de cibles dynamiques par essaim de drones est un cas d'usage récurrent pour la surveillance industrielle, l'inspection d'infrastructures ou la sécurité civile, mais les méthodes centralisées qui recalculent une trajectoire globale pour tout l'essaim s'effondrent dès que le nombre de drones ou la densité d'obstacles augmente, faute de temps de calcul disponible en temps réel. En découplant la mission coopérative des contraintes de sécurité locales, et en compressant chaque obstacle en une simple ellipse, MROPE s'attaque directement au compromis habituel entre fidélité géométrique et vitesse de calcul, un point encore largement non résolu en environnement encombré réel. MROPE combine deux outils déjà établis séparément : les filtres de sécurité prédictifs, utilisés depuis plusieurs années pour garantir des contraintes dures de non-collision robot par robot, et l'optimisation aggregative distribuée, employée pour coordonner des essaims sans calcul centralisé. La contribution ici est la couche intermédiaire de compression géométrique par ellipses et le consensus décentralisé qui la maintient à jour entre drones. Publié sur arXiv fin juillet 2026, le papier ne mentionne aucun partenaire industriel ni déploiement opérationnel : il s'agit à ce stade d'une validation académique en simulation et sur banc d'essai réel restreint, pas d'un produit prêt à déployer. Les suites attendues pour ce type de travaux passent généralement par l'extension à des essaims plus nombreux, des obstacles dynamiques et des tests en environnement extérieur non contrôlé.

Recherche❖Paper

1 source

43

387arXiv cs.RO 

Contrôle de trajectoire par vision pour robots mobiles via un cadre d'apprentissage hiérarchique

Une équipe de recherche propose un nouveau cadre hiérarchique pour piloter des robots mobiles lourds vers un objectif de navigation, en combinant localisation visuelle, apprentissage par renforcement et contrôle adaptatif robuste. Le système repose sur quatre couches : une estimation de pose par vision stéréo en temps réel (avec fermeture de boucle, fusion de cartes et relocalisation), un planificateur de mouvement entraîné par apprentissage par renforcement (RL) sous contraintes, un contrôle adaptatif robuste (RAC) au niveau des actionneurs, et une logique de supervision de sécurité avec retour automatique. Le planificateur RL génère des trajectoires lisses et réalisables grâce à une fonction de récompense conçue pour favoriser la progression vers l'objectif tout en respectant les limites mécaniques d'un robot lourd à direction par glissement (skid-steered). Au niveau des roues, un réseau de neurones entraîné par gradient conjugué à échelle variable (SCG) approxime la relation quasi-statique entre vitesse de roue et commande nominale, complétée par un contrôleur adaptatif à barrière logarithmique qui compense les erreurs de modélisation, le glissement et les écarts résiduels. Testé sur un robot de 6000 kg roulant sur asphalte et sol meuble, le système atteint une erreur quadratique moyenne de position finale d'environ 3 à 4 cm, avec un suivi précis des commandes générées par le RL et une récupération autonome réussie après injection de pannes simulées. Ce résultat s'inscrit dans une préoccupation centrale de la robotique mobile industrielle : rendre l'apprentissage par renforcement, réputé difficile à certifier pour un déploiement sûr à grande échelle à cause de sa phase d'exploration, compatible avec des engins lourds où une erreur de trajectoire ou une perte de contrôle peut avoir des conséquences physiques importantes. En couplant le RL à un contrôle adaptatif prouvé mathématiquement stable (convergence exponentielle vers un ensemble résiduel borné, sous incertitude bornée) et à une supervision de sécurité qui bascule automatiquement le robot en mode retour en cas d'anomalie, les auteurs cherchent à combler l'écart entre performance d'apprentissage et garanties de sécurité exigées pour les AMR (robots mobiles autonomes) lourds opérant en extérieur, sur terrain irrégulier. L'article, disponible sur arXiv (identifiant 2601.00610, version de remplacement), s'inscrit dans la lignée des travaux combinant localisation par vision stéréo et contrôle hiérarchique pour la navigation robotique, un domaine où la plupart des démonstrations RL restent cantonnées à la simulation ou à des plateformes légères. La validation sur un engin de 6000 kg, testé en conditions réelles sur deux types de terrain avec injection de pannes, positionne ce travail comme une contribution empirique rare dans le passage du RL du laboratoire vers des applications industrielles à fort enjeu de sécurité.

Recherche❖Paper

1 source

43

388arXiv cs.RO 

TransGraspNet : manipulation physiquement et géométriquement cohérente de matériel de laboratoire transparent

Des chercheurs présentent TransGraspNet, un système robotique conçu pour manipuler de la verrerie de laboratoire transparente contenant du liquide, une tâche jugée critique pour la sécurité puisque la moindre erreur géométrique peut provoquer une prise instable et un déversement. Contrairement aux pipelines existants qui traitent séparément la détection, la reconstruction de profondeur et la planification de prise, ce qui génère des incohérences entre étapes (bords mal détectés qui faussent la profondeur, surfaces déformées qui corrompent l'estimation des normales, scores de prise non adaptés à la tâche qui produisent des prises inclinées ou décentrées), TransGraspNet impose une cohérence de bout en bout via trois principes couplés: cohérence des contours pour des frontières d'objet fiables, cohérence de surface pour préserver la fidélité géométrique et les normales pendant la reconstruction de profondeur, et cohérence physique pour affiner la sélection de prise via alignement du centre de gravité et stabilité dans l'espace des torseurs. Testé sur des benchmarks publics, un jeu de données dédié à la verrerie transparente et une plateforme robotique réelle, le système affiche une meilleure qualité de contours et de normales de surface, un taux de réussite de prise élevé en environnement encombré, et surtout zéro déversement lors de transports de liquide à haute vitesse. Ce résultat s'attaque à un point faible connu de la robotique de manipulation: les objets transparents ou réfléchissants trompent les capteurs de profondeur standards (structure lumineuse, stéréo, LiDAR), ce qui limite depuis des années l'automatisation en laboratoire, en pharmacie et dans l'industrie agroalimentaire où la verrerie est omniprégnante. En démontrant une manipulation fiable et rapide de liquide sans casse ni renversement, TransGraspNet apporte une preuve concrète que le problème de la perception d'objets transparents, longtemps considéré comme un obstacle académique persistant, peut être traité de façon intégrée plutôt que par des correctifs empilés à chaque étage du pipeline. Le travail s'inscrit dans une lignée de recherches récentes sur la perception d'objets transparents (reconstruction de profondeur par apprentissage, estimation de normales dédiée) et le grasping robotique en clutter, domaines où les approches modulaires dominaient jusqu'ici. Les auteurs positionnent leur contribution comme une alternative aux pipelines découplés utilisés dans la littérature et les systèmes commerciaux d'automatisation de laboratoire. L'article, publié en prépublication sur arXiv, ne précise pas de partenariat industriel ni de calendrier de déploiement au-delà des essais sur plateforme réelle décrits dans l'étude.

Recherche❖Paper

1 source

43

389arXiv cs.RO 

RayViT : représentations visuelles conditionnées par rayons pour l'apprentissage par imitation robuste au point de vue

RayViT, ou Ray-conditioned Vision Transformer Encoder, est une nouvelle architecture légère proposée par des chercheurs pour rendre l'apprentissage par imitation visuelle plus robuste aux changements de camera. Le problème cible est simple: les politiques robotiques entraînées sur des images RGB brutes manquent d'indices géométriques explicites, ce qui les rend fragiles des qu'une camera est déplacée ou réorientée. RayViT injecte la géométrie de la camera directement dans des backbones ViT pré-entraines, en représentant cette géométrie sous forme de carte de rayons de Plucker, découpée en patches de features de rayons. Une attention croisée a portes (gated cross-attention) génère ensuite un token de classe conditionne par ces rayons, qui remplace le token de classe original du ViT tandis que les features de rayons sont ajoutées comme embeddings positionnels denses. Une fonction de perte auxiliaire par similarité cosinus renforce la cohérence de ces tokens géométriques. Sur le benchmark simulate RoboCasa multi-taches, la méthode améliore la robustesse d'environ 13 points de pourcentage face aux perturbations de camera, et sur des taches robotiques réelles multi-taches elle ajoute en moyenne 1,78 étape complétée par rapport aux méthodes de référence. L'enjeu dépasse la seule performance sur benchmark: c'est un problème très concret pour l'industrie robotique, ou les cameras embarquées se désalignent avec l'usure, les chocs ou des remontages successifs sur une chaine de production. Un système qui dégradé fortement des que le point de vue change n'est pas déployable a l'échelle chez un intégrateur, même s'il performe bien en démo contrôlée. En rendant les représentations visuelles conditionnées par la géométrie plutôt que par l'apparence brute, RayViT s'attaque directement a l'écart entre démonstration en laboratoire et fiabilité en conditions réelles, un des points de friction récurrents des approches VLA actuelles. Cette piste s'inscrit dans une tendance de recherche plus large visant a doter les politiques d'apprentissage par imitation d'une meilleure conscience 3D, plutôt que de compter uniquement sur le volume de données d'entrainement pour généraliser. En réutilisant des backbones ViT déjà pré-entraines et en ajoutant un module de conditionnement géométrique relativement léger, les auteurs proposent une voie peu couteuse a intégrer dans des pipelines existants, sans reentrainement complet du modèle visuel.

Recherche❖Paper

1 source

43

390arXiv cs.RO 

ST-WAM : un modèle sémantique-temporel monde-action pour une manipulation robuste face aux changements de distribution visuelle

Optimiser des robots pour de nouveaux environnements visuels reste un point faible connu des modèles VLA (vision-langage-action). Une équipe de recherche publie ST-WAM (Semantic-Temporal World Action Model), une architecture qui s'attaque au phénomène qu'elle nomme "Training-Distribution Hallucination" : lorsqu'un World Action Model reçoit une scène visuellement décalée par rapport à ses données d'entraînement, il a tendance à halluciner du contenu appris plutôt qu'à rester fidèle à ce qu'il observe réellement. Les chercheurs montrent, via une analyse de triplets d'images, que les features DINOv3 restent nettement plus stables face à ces variations visuelles que les latents Wan-VAE, tout en préservant mieux les distinctions d'état de la tâche. ST-WAM combine les deux : DINOv3 sert de représentation sémantique partagée pour la prédiction du futur et la récupération d'historique, tandis que le VAE conserve la dynamique fine. Deux composants portent l'architecture, les Dual-Space Future Experts (DSFE), qui prédisent conjointement latents VAE et features DINO, et le Current-Anchored Intent Retrieval (CAIR), qui récupère les indices pertinents dans l'historique DINO récent selon le contexte visuel-langage courant. Le modèle s'entraîne de bout en bout sans pré-entraînement embodied supplémentaire ni annotations spécifiques, et n'a pas besoin de générer explicitement le futur à l'inférence. Les chiffres sont l'argument central : 98,7% sur LIBERO et 92,8% sur RoboTwin 2.0, mais surtout un gain de 21,3 points sur LIBERO-Plus en zero-shot par rapport à Fast-WAM, et un taux de succès en conditions réelles sous décalage visuel qui plus que double, passant de 25,8% à 61,5%. Pour l'industrie, c'est un signal important : la robustesse face aux changements d'éclairage, de fond ou d'agencement de scène reste l'un des principaux obstacles entre les démonstrations en laboratoire et le déploiement réel, et ce travail suggère que découpler la sémantique de la dynamique pixel par pixel est une piste concrète pour réduire cet écart. Un doublement du taux de succès en conditions de shift visuel réel est un résultat rare dans la littérature récente sur les VLA, où la plupart des gains annoncés restent cantonnés aux benchmarks simulés. Les World Action Models s'inscrivent dans la lignée des approches type GR00T N2 ou Pi-0, qui cherchent à unifier prédiction du monde et génération d'action plutôt que de traiter la perception et le contrôle séparément. Le talon d'Achille identifié ici, la supervision par génération pixel pure qui mélange contenu utile à la tâche et contenu visuel non pertinent, est un problème structurel partagé par la plupart des WAM actuels, y compris Fast-WAM, utilisé comme référence de comparaison dans l'étude. En s'appuyant sur DINOv3, un encodeur de features déjà reconnu pour sa robustesse aux variations visuelles, les auteurs proposent une piste d'amélioration incrémentale plutôt qu'une rupture architecturale. Les prochaines étapes attendues pour ce type de travaux sont une validation sur des plateformes robotiques plus variées et une évaluation face à des shifts visuels encore plus prononcés que ceux testés dans LIBERO-Plus.

Recherche⚡Actu

1 source

42

391arXiv cs.RO 

Automatisation Tri-Espace de Robots Parallèles à Câbles Redondants et Hybrides par Apprentissage Itératif Réactif

Des chercheurs proposent un nouveau cadre de commande pour les robots parallèles à câbles (Cable-Driven Parallel Robots, CDPR), une famille de manipulateurs où des câbles motorisés remplacent les liaisons rigides pour actionner la plateforme mobile. Le défi visé est la redondance: ces systèmes cumulent une redondance d'actionnement, plus de câbles que de degrés de liberté nécessaires, et des contraintes simultanées dans trois espaces distincts (câbles, articulaire, opérationnel), regroupés par les auteurs sous le terme "tri-space". Jusqu'ici, aucun cadre de commande robuste et directement transposable à plusieurs architectures de CDPR ne gérait ces trois espaces à la fois. La méthode combine une commande réactive, qui ajuste en temps réel les forces de câbles pour rester dans la zone de faisabilité et éviter interférences et pertes de manipulabilité, et une commande par apprentissage itératif, qui affine les performances au fil des répétitions grâce à une nouvelle paramétrisation du vecteur d'espace nul. L'ensemble a été validé en simulation et sur banc d'essai matériel, sur plusieurs robots multiliens à câbles (MCDR) et robots hybrides à câbles (HCDR). L'enjeu dépasse le cas académique. Les CDPR équipent déjà la manutention à grande échelle, les grues de captation vidéo type Skycam, l'impression 3D de structures de grande taille ou certains dispositifs de rééducation, des usages où charge utile et encombrement favorisent les câbles face aux bras rigides classiques. Leur déploiement industriel reste freiné par la difficulté à garantir en temps réel des forces de câble réalisables sans collision ni perte de contrôlabilité. En montrant qu'un même cadre fonctionne sur plusieurs architectures matérielles sans reparamétrage lourd, ce travail répond à un frein connu du secteur: la plupart des lois de commande CDPR publiées ne sont validées que sur une seule plateforme. Les robots à câbles héritent d'une lignée remontant au RoboCrane du NIST dans les années 1990, et la littérature a surtout produit des approches partielles, optimisation de distribution de forces ou planification hors ligne, limitées à un seul espace à la fois. La contribution ici est de traiter les trois espaces ensemble en temps réel tout en ajoutant un apprentissage qui améliore la précision sur les tâches répétitives, un atout pour le tri, l'assemblage ou la manutention cyclique. Aucun calendrier de transfert commercial n'est évoqué; la suite logique serait l'extension à d'autres architectures et des essais en conditions industrielles réelles.

Recherche❖Paper

1 source

42

392arXiv cs.RO 

TRACT : segmentation temporelle des blocs d'action avec autorité de phase chronologique pour la manipulation à fort contact

Une équipe de recherche en robotique présente TRACT (Temporally Routed Action Chunks with Chronological Phase Authority), une méthode qui corrige un défaut structurel des politiques d'imitation robotique prédisant des blocs d'actions futures. Quand un tel bloc chevauche une transition entre deux phases d'une tâche, attribuer la phase courante à l'ensemble du bloc crée un décalage temporel qui perturbe l'exécution. TRACT décompose la structure en une phase courante acceptée et une unique frontière CURRENT-to-NEXT à l'intérieur de l'horizon futur, contrainte par un graphe propre à la tâche imposant une autorité chronologique des phases. Une distribution cumulative de cette frontière route ensuite, de façon monotone, les requêtes futures vers des chemins spécifiques à chaque phase. Pour les tâches à contact comme l'essuyage, un intégrateur causal de "déficit de réponse" compare l'intention de la politique au mouvement réellement observé, accumule une compensation du bras quand la réponse attendue est absente, puis la relâche une fois la récupération confirmée. Sur six variantes de robots réels testées sur dix essais chacune, TRACT complet atteint 10 succès sur 10 en séquence complète, 99,00% de complétion médiane d'essuyage (entre 88,75% et 100%), et zéro ambiguïté de phase ou blocage observé. Ce résultat cible un point de friction connu dans l'apprentissage par imitation: les modèles de type VLA ou diffusion policy qui génèrent des blocs d'actions gagnent en fluidité mais perdent en granularité temporelle, ce qui pose problème dès qu'une tâche comporte des transitions nettes, typiquement les manipulations à contact comme l'essuyage, l'insertion ou l'assemblage. Comparé à une version "à plat" du même pipeline sans routage par phase, TRACT affiche un écart net: 6 succès sur 10 contre 3, et une complétion médiane d'essuyage de 77,08% contre 8,03%. L'autorité chronologique fait chuter l'ambiguïté de phase de 8/10 à 0/10, et l'intégrateur de compensation réduit les blocages de 4/10 à 0/10. Pour des équipes déployant des bras manipulateurs sur des tâches de contact répétitives, ce gain de fiabilité en séquence complète pèse souvent plus que la vitesse brute, un aspect que les démonstrations vidéo laissent rarement voir. TRACT s'inscrit dans la lignée des méthodes de chunking d'action popularisées par des architectures comme ACT ou les diffusion policies, sans jusqu'ici traiter explicitement le découpage en phases procédurales. Les auteurs signalent eux-mêmes une limite: la comparaison entre pipeline routé et pipeline "à plat" ne permet pas d'isoler la contribution du routage par phase des autres différences entre les deux générateurs de données utilisés, une réserve qui appelle des ablations plus fines. L'article, déposé sur arXiv sous la référence 2607.29285, ne mentionne aucune plateforme commerciale ni déploiement industriel: il s'agit d'un travail testé sur banc, dont la suite logique serait une validation sur des tâches de contact plus variées pour confirmer que le gain vient bien du routage temporel et non du protocole expérimental.

Recherche❖Paper

1 source

42

393arXiv cs.RO 

Transfert de modèle antagoniste par muscle pneumatique artificiel : des EDO neuronales intégrant la physique

Des chercheurs proposent un nouveau cadre hybride combinant physique et apprentissage profond pour modéliser et contrôler les muscles pneumatiques artificiels antagonistes, selon un article publié sur arXiv (2602.23670v2). Ces actionneurs pneumatiques, montés en paires antagonistes, permettent de faire varier l'impédance mécanique par co-contraction, un principe utile pour les robots souples, portables et assistifs, mais leur comportement couplé, non linéaire et hystérétique reste difficile à modéliser précisément. La méthode proposée, un Neural ODE (équation différentielle ordinaire neuronale) intégrant une structure physique, combine une mécanique articulaire paramétrique et une dynamique d'état pneumatique avec un réseau de neurones qui capture spécifiquement le couplage antagoniste et l'hystérésis dépendante de la vitesse. Entraîné sur seulement 29 conditions de co-contraction sélectionnées, le modèle prédictif a été testé sur 196 conditions inédites, atteignant un coefficient de détermination R² moyen de 0,88 pour prédire le mouvement articulaire et les pressions dans les chambres. Une formulation inverse, dérivée de ce modèle appris, calcule hors ligne des commandes de pression pour atteindre des profils de mouvement et de raideur souhaités, ensuite suivis en boucle fermée. L'enjeu dépasse la simple prouesse de modélisation : un contrôle fiable de la raideur articulaire, validé ici sur une plage de 126 à 176 N/mm avec un comportement d'impédance stable à différentes vitesses, est une condition clé pour des applications comme les exosquelettes, les prothèses actives ou les robots collaboratifs à interaction physique humaine. Le point de comparaison est significatif : un modèle statique classique, lui, voit sa cohérence de raideur se dégrader nettement à vitesse élevée, ce qui illustre les limites des approches purement physiques face à des systèmes pneumatiques intrinsèquement dynamiques et hystérétiques. Cette approche s'inscrit dans une tension de longue date en robotique souple entre modèles physiques interprétables mais rigides, et modèles purement data-driven performants mais peu généralisables. En injectant une structure physique connue dans l'architecture du Neural ODE plutôt que de tout apprendre depuis zéro, les auteurs cherchent un compromis entre précision et parcimonie des données d'entraînement, un enjeu central pour tout déploiement futur en conditions réelles où la collecte de données reste coûteuse.

Recherche❖Paper

1 source

41

394arXiv cs.RO 

IA sûre : des modèles vision-langage-action via appariement de flux à barrière renforcée

Ce nouveau preprint arXiv (2607.29569v1) propose un cadre d'inférence modulaire qui combine les modèles génératifs par Flow Matching avec des garanties de sécurité formelles issues des fonctions de barrière de contrôle (Control Barrier Functions, CBF). Contrairement aux approches existantes qui appliquent un filtre de sécurité externe sur la sortie finale du modèle, la méthode agit directement à l'intérieur du processus de débruitage du Flow Matching pour générer des trajectoires intrinsèquement sûres. Elle s'appuie sur une barrière agrégée lisse de type log-sum-exponential (LSE), appliquée sur des chunks d'action entiers plutôt qu'action par action, ce qui limite le surcoût de calcul tout en préservant l'intention sémantique du modèle. Les auteurs démontrent que la distance de Wasserstein d'ordre 2 entre la distribution générée et la distribution cible reste bornée, et valident l'approche sur deux plateformes de manipulation robotique ainsi qu'un benchmark de navigation 2D, sans dégradation du taux de réussite. L'enjeu dépasse la seule prouesse mathématique. Les modèles vision-langage-action (VLA) bâtis sur du Flow Matching ou de la diffusion, à l'image des architectures qui alimentent GR00T N2, Pi-0 ou Helix, se déploient de plus en plus vite sur des bras manipulateurs réels, mais la sécurité reste le principal frein industriel: les filtres correctifs post-génération ajoutent de la latence, peuvent contredire l'intention du modèle et nécessitent souvent des jeux de données ou un réentraînement coûteux spécifiquement dédiés à la sécurité. En intégrant la contrainte directement dans la génération, sans donnée additionnelle ni fine-tuning, ce travail avance vers des politiques robotiques "sûres par construction", un argument que les intégrateurs et décideurs B2B examineront de près avant toute mise en production sur ligne réelle, où le compromis entre réactivité du modèle et garanties formelles reste souvent mal maîtrisé. Ce résultat s'inscrit dans une tendance plus large où le Flow Matching et la diffusion sont devenus le squelette génératif dominant pour l'action robotique, laissant jusqu'ici les garanties de sécurité formelle comme un ajout a posteriori plutôt qu'un composant natif. En rapprochant la théorie du contrôle (CBF) et les modèles génératifs profonds, les auteurs proposent une brique reproductible pour la recherche en sécurité des politiques généralistes. Le texte reste un preprint tout juste annoncé, non encore relu par les pairs, et validé pour l'instant sur des bancs de test limités: son passage à des flottes réelles et des environnements dynamiques reste une étape à venir.

Recherche❖Paper

1 source

41

395arXiv cs.RO 

Automatisation de la couture en ligne droite de tissus extensibles de différentes longueurs

Une équipe de recherche présente DLRoSS (Different Length Robotic Sewing System), un système robotique capable d'automatiser la couture en ligne droite de deux pièces de tissu élastique de longueurs différentes, une tâche appelée DLAS (Different Length Alignment Sewing) qui consiste à étirer le tissu le plus court pour l'ajuster au plus long avant de les assembler. Le système repose sur un effecteur à rouleaux monté sur un bras manipulateur à 6 degrés de liberté (DoF), composé de deux rouleaux actifs, un pour chaque tissu, et d'un rouleau presseur passif fixé au rouleau du tissu court. L'opération se déroule en quatre phases : d'abord l'enroulement des deux couches de tissu sur les rouleaux (P1), puis la couture proprement dite, durant laquelle le tissu court est étiré et aligné en temps réel grâce à un contrôle de vitesse des rouleaux calculé à partir de la vitesse de la machine à coudre et d'un ratio de longueur connu à l'avance (P2), suivie d'une phase de finalisation où le rouleau presseur s'engage pour empêcher le tissu tendu de glisser sous l'effet de la tension interne (P3), et enfin le relâchement du tissu une fois la couture terminée (P4). Les essais montrent une couture régulière et de bonne qualité sur des tissus élastiques de matériaux et de longueurs variés. Cette avancée cible un maillon resté largement manuel dans l'industrie textile : la manipulation d'objets souples et déformables, qui a longtemps résisté à l'automatisation robotique contrairement à d'autres étapes de la chaîne de production. Aligner deux tissus de longueurs différentes en cours de couture, sans gabarit ni intervention humaine, est un problème de contrôle en temps réel exigeant, puisque la moindre erreur de synchronisation entraîne des plis ou un décalage irréversible. Pour les intégrateurs et les fabricants de vêtements ou de textiles techniques, ce type de solution ouvre la voie à une automatisation plus poussée de tâches jusqu'ici réservées aux opérateurs qualifiés. Le papier s'inscrit dans un courant de recherche plus large sur la manipulation robotique de tissus, domaine où les démonstrations en laboratoire peinent souvent à passer à l'échelle industrielle en raison de la variabilité des matériaux. Publié comme prépublication sur arXiv, ce travail reste à ce stade une validation expérimentale plutôt qu'un déploiement industriel, et ne précise pas de partenaire commercial ni de calendrier de mise en production.

Recherche❖Paper

1 source

41

396arXiv cs.RO 

Robotique humanoïde : optimisation cinétodynamique de la trajectoire corps entier avec contacts multiples

Une équipe de recherche présente KDMR (KinoDynamic Motion Retargeting), un nouveau framework pour adapter des mouvements de capture de mouvement (MoCap) humains à des robots humanoïdes. Contrairement aux méthodes classiques de retargeting purement cinématiques, qui se contentent de transposer spatialement les données MoCap et génèrent des artefacts physiquement incohérents (glissement des pieds, pénétration du sol), KDMR formule le problème comme une optimisation de trajectoire dynamique multi-contact sur le corps entier du robot. La méthode intègre des contraintes de dynamique du corps rigide et de complémentarité de contact, et combine les données MoCap avec des mesures de force de réaction au sol (GRF) pour détecter automatiquement les événements de contact talon-orteil et reproduire fidèlement les schémas de contact humains. Les auteurs comparent KDMR à GMR, la référence actuelle du domaine, sur trois critères : la faisabilité dynamique et la fluidité des mouvements retargetés, la précision du suivi des forces de réaction au sol par rapport aux données sources, et l'efficacité d'entraînement des politiques de contrôle en aval via le framework BeyondMimic. Le pipeline complet sera publié en open source. Ce travail s'attaque à un goulot d'étranglement peu visible mais critique dans l'apprentissage par imitation pour robots humanoïdes : la qualité des données de référence utilisées pour entraîner les politiques de locomotion. Un retargeting purement cinématique produit des trajectoires irréalistes que les robots ne peuvent pas exécuter sans corrections coûteuses, ce qui ralentit la convergence de l'entraînement et dégrade la stabilité de la marche obtenue. En démontrant que des trajectoires dynamiquement viables accélèrent l'apprentissage et améliorent la stabilité finale, KDMR renforce l'idée que le sim-to-real et l'apprentissage par imitation pour humanoïdes ne sont pas seulement une question d'algorithmes de contrôle, mais aussi de qualité des données de démonstration en amont. Pour les équipes qui développent des politiques de locomotion humanoïde, cela suggère qu'investir dans un retargeting physiquement cohérent peut réduire le temps et le coût d'entraînement plutôt que de complexifier uniquement la politique elle-même. Le retargeting de mouvement humain vers robot est une étape standard dans les pipelines d'apprentissage par imitation pour humanoïdes, où GMR sert aujourd'hui de référence de facto. KDMR s'inscrit dans une tendance plus large visant à combler l'écart entre capture de mouvement et physique réelle du robot, en s'appuyant explicitement sur des données de force au sol plutôt que sur la seule cinématique. Les auteurs annoncent la publication complète du pipeline en open source à la publication de l'article, ce qui permettrait à la communauté robotique d'évaluer et de réutiliser directement la méthode, sans toutefois préciser à ce stade de calendrier précis ni de robot physique sur lequel les politiques entraînées ont été validées en conditions réelles.

Recherche❖Paper

1 source

41

397arXiv cs.RO 

TacPrint : un capteur tactile portable au bout du doigt pour reproduire le contact humain-robot

TacPrint, un capteur tactile portable développe pour équiper le bout des doigts humains, associe une peau en silicone truffée de reliefs a une grille de 24 taxels capacitifs alignes un a un avec ces protrusions. Cette architecture permet de capter des interactions de contact fines lors de manipulations naturelles, sans gène pour l'opérateur. Un pipeline réel-vers-simulation-vers-réel reconstruit a partir des 24 canaux capacitifs une carte de profondeur de contact de 35 par 26 points. Face aux étiquettes générées en simulation, le modèle atteint une RMSE de région de contact de 0,223 mm (plus ou moins 0,161 mm), une erreur de centroide pondéré de 1,213 pixels et un IoU de 0,829. Sur données capacitives réelles, l'erreur de profondeur au centre de contact calibre tombe a 0,085 mm en moyenne sur 40 essais contrôles, et l'erreur de position de contact atteint 0,250 mm sur 37 essais valides. En rejouant des démonstrations humaines sur un bras robotique, la compensation guidée par le tactile fait grimper les taux de réussite de préhension et d'essuyage de 0% a respectivement 91,67% et 90%. En boucle fermée, le retour de profondeur dense obtient 87,5% de réussite globale et 85% en conditions de contact en bord, contre seulement 67,5% et 45% pour un retour brut base sur les taxels. Ces résultats ciblent un goulot d'étranglement précis de l'apprentissage par démonstration humaine: la différence entre observer un geste et transférer la sensation de contact qui le rend fiable. Sans capteur tactile fin et peu intrusif, les pipelines de collecte de données humaines pour la robotique manipulent surtout des trajectoires visuelles, en perdant l'information de force et de déformation locale essentielle aux taches de contact riche comme la préhension d'objets fragiles ou l'essuyage de surfaces. Le saut de 0% a plus de 90% de réussite en rejouant les démonstrations avec compensation tactile suggère que cette lacune, plutôt que la seule politique de contrôle, explique une partie du fosse entre démonstration et exécution robotique fiable. TacPrint s'inscrit dans une lignée de capteurs tactiles bio-inspires pour la robotique, aux cotes d'approches comme GelSight ou les gants instrumentes utilises en téléopération, mais avec une couche capacitive plus légère et un pipeline de reconstruction explicitement pense pour le transfert humain-vers-robot. Les auteurs, rattaches a des laboratoires de recherche universitaires selon la publication arXiv, positionnent ce travail comme une brique pour améliorer la collecte de données de manipulation a grande échelle, avec une validation encore limitée a des essais contrôles en laboratoire plutôt qu'un déploiement industriel.

Recherche❖Paper

1 source

40

398arXiv cs.RO 

Robots humanoïdes : planification de préhension guidée par affordance sémantique via VLM

Une équipe de recherche présente SAGP (Semantic Affordance-Guided Grasp Planning), une méthode de planification de prise robotique qui combine raisonnement sémantique et géométrie pure, décrite dans un preprint arXiv (2607.29374). Le constat de départ : les planificateurs de prise classiques, purement géométriques, génèrent des prises physiquement valides (antipodales, sans collision) mais parfois absurdes du point de vue fonctionnel, comme saisir une tasse par le bord, un couteau par la lame ou une bouteille près du bouchon. SAGP fonctionne sans apprentissage supplémentaire (training-free) : le nuage de points de l'objet est d'abord découpé en zones grossières (haut, milieu, bas, côtés latéraux, protubérances) via un alignement par PCA suivi d'un clustering DBSCAN basé sur la distance, sans recourir à une segmentation apprise. Un modèle vision-langage (VLM) pré-entraîné évalue ensuite la qualité de prise de chaque zone via une requête structurée en zero-shot, et ces scores sont fusionnés avec des signaux géométriques, d'accessibilité et d'adéquation à la tâche pour reclasser les candidats de prise antipodaux. Les tests, menés sur des objets du jeu YCB en simulation PyBullet avec un bras Franka Panda, montrent que SAGP conserve le taux de réussite élevé de la planification purement géométrique tout en améliorant nettement la pertinence fonctionnelle des prises sélectionnées, notamment sur les objets asymétriques munis d'une poignée, où la géométrie seule ne suffit pas. L'intérêt pour l'industrie tient au problème ciblé : l'écart entre "prise valide" et "prise utile" est une source connue d'échecs en aval dans le pick-and-place, la logistique et la manipulation fine, même quand les métriques géométriques classiques sont satisfaites. En évitant à la fois la segmentation fine par catégorie d'objet et l'inférence directe de pose par VLM (sujette aux hallucinations spatiales), SAGP propose une voie intermédiaire potentiellement plus robuste et moins coûteuse à déployer que les approches entièrement apprises. Le travail s'inscrit dans la lignée des planificateurs de prise antipodaux classiques, qu'il cherche à augmenter plutôt qu'à remplacer, et dans la vague plus récente d'approches VLM appliquées à la manipulation. À ce stade, la validation reste limitée à la simulation ; aucune expérimentation sur robot réel n'est rapportée, ce qui laisse ouverte la question du transfert sim-to-real.

Recherche❖Paper

1 source

40

399arXiv cs.RO 

D-VLC : collaboration vision-langage décentralisée pour systèmes multi-robots incarnés hétérogènes en environnements inconnus

Un article de recherche publié sur arXiv (arXiv:2607.29009v1) présente D-VLC (Decentralized Vision-Language Collaboration), un framework destiné aux essaims de robots hétérogènes évoluant dans des environnements inconnus, sans carte préétablie. Contrairement aux approches classiques qui s'appuient sur une prise de décision centralisée et synchronisée, D-VLC combine un raisonnement décentralisé et asynchrone, un partage d'informations léger entre robots, une collaboration tenant compte des capacités spécifiques de chaque plateforme, et une interface d'action unifiée. Le système permet à des modèles vision-langage (VLM) généralistes de générer des actions adaptées à chaque robot, exécutées ensuite par des modules experts sans apprentissage ni entraînement spécifique à la tâche ou au robot. Testé sur plusieurs scénarios et plusieurs VLM différents, le framework atteint des taux de réussite supérieurs à 70%, avec un temps d'exécution réduit jusqu'à 55,8% par rapport à une méthode de référence gloutonne géométrique. Ce travail s'attaque à une limite bien identifiée des systèmes multi-robots pilotés par LLM ou VLM: leur dépendance à des cartes connues et à une coordination centralisée, qui freine leur généralisation à des flottes hétérogènes et à des tâches inédites. En s'affranchissant de ces contraintes, D-VLC apporte un argument concret au débat sur la capacité des VLM à raisonner et coordonner sans entraînement dédié, un enjeu central pour la logistique, l'entreposage automatisé et les essaims industriels mêlant robots à roues, bras manipulateurs et drones. Le gain de temps de complétion suggère un passage à l'échelle plus réaliste que les démonstrations centralisées habituelles, même si les résultats restent issus d'expériences en environnement contrôlé et non d'un déploiement industriel. D-VLC s'inscrit dans la vague récente de recherches combinant grands modèles de langage et perception visuelle pour la robotique collaborative, après plusieurs générations d'approches à base de règles jugées trop rigides pour des instructions sémantiques complexes. Aucun acteur industriel n'est associé à cette publication à ce stade: il s'agit d'un travail académique, dont la prochaine étape logique serait une validation sur des flottes physiques réelles, hétérogènes, au delà des scénarios expérimentaux actuels.

Recherche❖Paper

1 source

40

400arXiv cs.RO 

Balancing d'un humanoïde avec la masse d'un objet : analyses de compromis et contrôle du levage

Un groupe de chercheurs propose dans un nouvel article arXiv (2607.29625v1) une analyse rigoureuse de l'effet de la masse d'un objet porté sur l'équilibre d'un robot humanoïde en loco-manipulation. Contrairement aux méthodes actuelles, majoritairement fondées sur des heuristiques ou de l'apprentissage automatique, les auteurs formulent explicitement les paramètres de masse de l'objet dans la dynamique du corps entier, avec les torseurs de contact distribués et les centres de pression aux points d'appui. Cette formulation permet de construire ce qu'ils appellent le "balanced state basin/boundary" (BSB), une partition de l'espace des états du centre de masse définissant les configurations où le robot bipède peut conserver son équilibre. Le BSB est testé sur un robot humanoïde réel ainsi que sur un mécanisme réduit analytiquement tractable, sous différentes conditions de base d'appui, de capacité d'actionnement et de posture. L'étude aboutit à deux notions clés : la masse critique, où la capacité d'équilibrage du système est maximale, et la masse de transition, qui fait basculer le système d'un facteur limitant à un autre. Ces seuils sont ensuite intégrés comme contraintes explicites dans une optimisation de trajectoire du corps entier, validée par des tâches de lever-et-maintien et de lever-et-relâche en simulation et en expérimentation. L'intérêt pratique est direct pour les intégrateurs et les équipes de contrôle travaillant sur des humanoïdes destinés à la manutention : disposer d'un modèle analytique explicite, plutôt que d'un contrôleur appris en boîte noire, permet de prédire à l'avance les limites de charge et de posture avant qu'un robot ne bascule, un enjeu critique pour toute déploiement industriel où la sécurité et la prévisibilité priment sur la performance brute en démonstration. Le papier s'inscrit dans une littérature de contrôle d'équilibre bipède qui, jusqu'ici, s'appuyait largement sur des règles empiriques ou des réseaux entraînés en simulation, avec peu de garanties formelles sur les cas limites de charge. En formalisant le rôle de la masse portée dans la dynamique de contact, cette approche ouvre la voie à des contrôleurs de levage certifiables plutôt que simplement performants en moyenne, une direction que d'autres laboratoires travaillant sur la loco-manipulation humanoïde pourraient chercher à reproduire ou étendre à des objets de forme et de répartition de masse plus complexes.

Recherche❖Paper

1 source