Aller au contenu principal

Actualités robotique — page 80

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

Robot flottant inspiré de Tinker Bell et Mew, une nouvelle vision de la compagnie robotique domestique
3951Interesting Engineering 

Robot flottant inspiré de Tinker Bell et Mew, une nouvelle vision de la compagnie robotique domestique

Un robot compagnon flottant, gonflé à l'hélium et inspiré de Tinker Bell, de Mew (Pokémon) et des esprits de suie du Studio Ghibli, a été présenté par une équipe de l'université Keio à Tokyo, en collaboration avec le MIT Media Lab. Baptisé dans la littérature "soft floating robot" (SFR), le prototype ressemble à une petite baleine blanche qui se déplace dans les airs à l'aide d'ailes battantes en fibre de carbone, sans hélices apparentes. Sa structure combine une enveloppe à hélium, des micro-servomoteurs légers, un microcontrôleur et une batterie lithium compacte. Le battement symétrique des ailes assure la propulsion, tandis qu'un mouvement différentiel des ailes permet la direction. L'hélium ne fournissant qu'environ un gramme de portance par litre, la charge utile reste le principal verrou technique, ce qui pousse les chercheurs à recommander des composants électroniques de qualité drone et un déport du calcul lourd vers des systèmes externes. Au-delà du prototype, l'équipe a construit ce qu'elle présente comme le premier cadre de conception systématique pour ce type de robot, élaboré à partir des retours de douze experts en robotique, en interaction homme-machine et en design, et structuré autour de dix dimensions clés (mobilité, communication, apparence physique, mouvement, interaction, rôle relationnel, niveau d'autonomie). L'intérêt de cette approche tient moins à la performance qu'à une proposition différente de sécurité et d'usage de l'espace domestique. Contrairement aux drones classiques, qui reposent sur l'évitement d'obstacles pour limiter les risques de collision, le SFR mise sur ce que les chercheurs appellent la "sécurité par la compliance" : sa légèreté et son enveloppe souple rendent un contact accidentel avec une personne, un animal ou un meuble largement inoffensif, au point d'envisager des interactions tactiles volontaires comme des nudges ou des câlins. La portance par hélium libère aussi le robot des contraintes du sol ou du plafond : il peut évoluer au-dessus des meubles, dans les cages d'escalier, ou se positionner à hauteur des yeux, des zones inaccessibles à un robot à roues et bien moins intrusives qu'un drone à rotors, silencieux de surcroît puisque l'essentiel de son poids est porté par le gaz plutôt que par la poussée aérodynamique. Pour l'industrie de la robotique domestique, ce travail reste toutefois un exercice de recherche et un cadre méthodologique, pas un produit : il ne règle ni l'autonomie énergétique, ni la production en série, ni le passage d'une démonstration en laboratoire à un usage réel prolongé chez un particulier. Le projet s'inscrit dans une recherche plus large sur des compagnons robotiques pensés comme une présence physique complémentaire aux smartphones et enceintes connectées, plutôt que comme leur remplacement. Dans les démonstrations, l'appareil réveille l'utilisateur, délivre des rappels, tient compagnie pendant une séance de travail, danse aux côtés de son propriétaire ou propose un divertissement ludique. Le cadre de conception publié par l'équipe reste volontairement ouvert à d'autres modes de propulsion déjà testés ou envisagés, comme des nageoires inspirées des poissons, des actionneurs façon méduse, une poussée vectorielle ou des micro-souffleurs à ultrasons sans hélice. Aucun acteur français ou européen n'est associé à ces travaux, qui se positionnent plutôt en amont de la chaîne de valeur, du côté de la recherche académique en interaction homme-robot, avant toute perspective de commercialisation ou de pilote industriel.

RecherchePaper
1 source
Les agents IA créent des terrains de jeu virtuels pour fournir aux robots des données d'entraînement essentielles
3952MIT News Robotics 

Les agents IA créent des terrains de jeu virtuels pour fournir aux robots des données d'entraînement essentielles

Des chercheurs du MIT CSAIL et du Toyota Research Institute ont présenté SceneSmith, un système qui génère des environnements 3D synthétiques pour entraîner des robots en simulation. L'outil s'appuie sur trois agents IA reposant chacun sur GPT-5.2, un modèle vision-langage (VLM) entraîné sur du texte et des images à grande échelle : un agent "designer" génère les éléments de la scène (murs, objets, mobilier), un agent "critique" évalue le réalisme du résultat, et un "orchestrateur" gère les allers-retours entre les deux jusqu'à validation finale. Les chercheurs ont produit plus de 1300 scènes de ce type, couvrant des restaurants, chambres, hôtels et garages, avec jusqu'à six fois plus d'objets par scène que les méthodes précédentes. Sur simple requête textuelle ("un garage avec une voiture, un établi, des pneus empilés dans un coin et une échelle contre le mur"), le système produit une scène directement chargeable dans un moteur de simulation physique. Nicholas Pfaff, doctorant au MIT EECS et auteur principal de l'étude aux côtés de Russ Tedrake, professeur au MIT et chercheur principal au CSAIL, note que le système a improvisé des arrangements créatifs sans instruction explicite en ce sens. Dans une phase de test, les chercheurs ont généré 100 environnements uniques pour évaluer des politiques d'action robotiques (des plans de tâches comme déposer une tasse dans l'évier ou déplacer une canette d'une étagère à une table). Un agent VLM a jugé chaque tentative, et ses verdicts ont concordé avec l'avis humain dans plus de 99% des cas. L'enjeu principal reste le goulot d'étranglement des données pour l'apprentissage robotique : entraîner physiquement un robot à chaque tâche, dans chaque environnement, est coûteux en temps et en main d'œuvre. La simulation est identifiée depuis des années comme solution potentielle, mais butait jusqu'ici sur la pauvreth et le manque de diversité du contenu généré, loin de la richesse du monde réel. Si les résultats de validation à 99% se confirment sur d'autres benchmarks, SceneSmith apporterait un début de réponse concrète à ce problème en permettant de tester et filtrer les politiques robotiques en simulation avant tout déploiement physique, réduisant d'autant les essais-erreurs coûteux sur du matériel réel. Pour les intégrateurs et équipes de R&D robotique, cela ouvre la possibilité de valider un plus grand nombre de comportements avant la mise en service, un enjeu classique de l'écart entre démonstration et réalité opérationnelle. Le projet s'inscrit dans la continuité des travaux du laboratoire de Russ Tedrake au CSAIL sur la simulation physique et l'apprentissage robotique, en partenariat avec le Toyota Research Institute, acteur historiquement actif sur la robotique domestique et industrielle. La question de la validité de ces mondes virtuels, à savoir dans quelle mesure leur réalisme se traduit effectivement par un transfert réussi vers le monde physique (le fameux problème du "sim-to-real"), reste ouverte : les chercheurs indiquent avoir engagé des vérifications supplémentaires sur ce point, sans que les détails de cette validation ne soient encore précisés.

RecherchePaper
1 source
Premier robot de la taille d'un oiseau capable de nager, plonger et redécoller en vol
3953New Atlas Robotics 

Premier robot de la taille d'un oiseau capable de nager, plonger et redécoller en vol

Des chercheurs du MIT et de l'EPFL ont mis au point un robot inspiré des oiseaux plongeurs, capable de nager, plonger puis reprendre son envol en utilisant une seule et même paire d'ailes, sans hélices, sans pattes et sans mécanisme de pliage façon origami pour changer de mode. Le prototype, de la taille d'un oiseau, reproduit le comportement de certaines espèces comme les fous de Bassan ou les guillemots, qui plongent dans l'eau à haute vitesse avant de ressortir en vol. Les équipes ont travaillé sur la mécanique des ailes pour qu'elles remplissent une double fonction aérodynamique et hydrodynamique, un défi technique généralement contourné dans la robotique existante par l'ajout d'organes séparés pour chaque mode de locomotion. Cette prouesse est significative pour la robotique bio-inspirée car elle démontre qu'un seul appendice mécanique peut gérer deux régimes physiques très différents, l'air et l'eau, sans transformation structurelle ni actionneurs supplémentaires. Pour les ingénieurs travaillant sur les drones et véhicules multi-milieux, cela ouvre une piste de conception plus légère et plus fiable, avec moins de points de défaillance mécanique qu'une architecture à modules interchangeables. C'est aussi un signal pour les applications de surveillance environnementale ou océanographique, où un même engin pourrait observer depuis les airs et sous la surface sans changement d'équipement. Le projet s'inscrit dans la lignée des recherches en biomimétisme portées depuis plusieurs années par le laboratoire de systèmes intelligents de l'EPFL et par des groupes du MIT travaillant sur les drones bio-inspirés, qui avaient déjà exploré des ailes déformables pour le vol seul. La concurrence sur les robots multi-milieux inclut notamment des travaux antérieurs sur des drones capables de plonger brièvement, mais sans la capacité de nage soutenue ni de redécollage répété démontrée ici. Les chercheurs visent désormais à améliorer l'endurance et la robustesse du système en conditions réelles, avec des essais en mer évoqués comme prochaine étape, sans calendrier de commercialisation précisé à ce stade.

RecherchePaper
1 source
Mistral AI lance Robostral Navigate
3954Robot Magazine FR 

Mistral AI lance Robostral Navigate

Reformuler ce communiqué en article journalistique neutre, en signalant que les chiffres proviennent uniquement de la communication Mistral, sans donnée sim-to-real indépendante. --- Mistral AI a présenté Robostral Navigate, un modèle de navigation robotique construit selon une architecture Vision-Language-Action : une caméra RGB classique et des instructions en langage naturel remplacent la combinaison habituelle LiDAR, caméras de profondeur, centrale inertielle et cartographie SLAM. Le modèle compte 8 milliards de paramètres, une taille pensée pour tourner sur des plateformes embarquées à ressources limitées plutôt que sur des clusters distants. Selon Mistral, l'entraînement s'est appuyé sur près de 400 000 trajectoires générées dans plus de 6 000 environnements simulés, couvrant bureaux, entrepôts, usines et logements. En fonctionnement, le pipeline doit interpréter le flux vidéo, comprendre la consigne, localiser la cible, planifier une trajectoire, éviter les obstacles fixes et mobiles, et corriger sa position en continu, l'ensemble devant tenir dans un budget de quelques dizaines de millisecondes par cycle de décision. L'intérêt pour les fabricants de robots mobiles tient d'abord au coût : une caméra RGB se chiffre en dizaines d'euros contre plusieurs centaines, voire milliers d'euros pour un LiDAR industriel, ce qui allège aussi bien la facture matérielle que l'intégration logicielle. Sur le fond, Robostral Navigate teste à l'échelle de la navigation pure une hypothèse déjà explorée côté manipulation par les modèles VLA : qu'un système entraîné majoritairement en simulation puisse généraliser à des environnements réels variés sans empiler les capteurs. C'est une promesse à vérifier plutôt qu'un résultat acquis, les chiffres de 400 000 trajectoires et 6 000 environnements provenant uniquement de la communication de Mistral, sans benchmark tiers ni donnée publiée sur l'écart sim-to-real en conditions réelles. Pour les intégrateurs et décideurs industriels, la question qui reste ouverte est celle de la robustesse hors simulation, dans des lieux encombrés, mal éclairés ou changeants. Mistral AI, jusque-là identifiée aux grands modèles de langage (Mistral Large, Mixtral) et positionnée comme l'alternative européenne face à OpenAI et Google, franchit ici son premier pas affiché vers la Physical AI, terrain déjà occupé par NVIDIA avec GR00T N2, Figure AI avec Helix, ou Physical Intelligence avec Pi-0. L'entreprise française n'a pas communiqué de calendrier de déploiement industriel ni de partenariat matériel identifié à ce stade ; Robostral Navigate reste, en l'état des informations disponibles, une annonce de capacité logicielle plutôt qu'un produit livré ou testé en flotte réelle.

FR/EU ecosystemeActu
1 source
Les robots sans électronique pourraient ressentir et réagir instantanément grâce à de nouveaux capteurs souples
3955Interesting Engineering 

Les robots sans électronique pourraient ressentir et réagir instantanément grâce à de nouveaux capteurs souples

Une équipe du College of Design and Engineering de la National University of Singapore (NUS CDE) a mis au point un capteur de force entièrement mécanique baptisé ME-SOFS (mechanical soft force sensor), capable de détecter un contact et de déclencher une réaction sans électronique, sans ordinateur ni alimentation externe. Imprimé en 3D dans une structure souple et poreuse, le dispositif comprend un pilier central entouré de cinq chambres remplies de fluide, quatre disposées horizontalement et une verticalement. Lorsqu'une force est appliquée, le pilier s'incline vers le point de contact, comprime la chambre correspondante et pousse le fluide à travers des tubes souples jusqu'à des actionneurs robotiques, créant une réponse immédiate sans traitement électronique. Chaque chambre fonctionnant indépendamment, le système distingue les forces horizontales, latérales et verticales, et sa sensibilité peut être ajustée en modifiant la géométrie imprimée (diamètre des trous, épaisseur des parois, angle du pilier). Le capteur produit aussi une sortie électrique passive : le déplacement du fluide fait passer de petits aimants devant des arcs métalliques imprimés en 3D, générant des impulsions de tension par induction électromagnétique, sur le principe d'une dynamo de vélo, dont le nombre correspond à la force appliquée. L'équipe l'a intégré à un gant souple doté de cinq capteurs miniatures de la taille d'un petit pois, imprimé en une seule pièce, mesurant la force de préhension à chaque doigt et estimant le poids d'objets saisis. Un pad haptique a également permis à un opérateur de sentir la force de préhension d'une pince robotique en manipulant œufs, blocs de bois et bouteilles d'eau, les données recueillies servant ensuite à réentraîner le robot pour reproduire ces gestes de façon autonome. Le système tolère des températures d'eau jusqu'à 90°C. L'intérêt pratique tient à l'absence totale de circuits de contrôle électroniques, un atout pour les robots souples opérant sous l'eau, dans le corps humain ou dans d'autres environnements hostiles où l'électronique tombe facilement en panne. Cecilia Laschi, du département de génie mécanique de la NUS CDE, y voit une forme de calcul porté par le corps physique du robot lui-même, comparable au rôle du système nerveux chez les organismes vivants. Pour les concepteurs de prothèses, d'interfaces homme-machine ou de préhenseurs souples, cela ouvre la voie à des architectures plus simples, avec moins de points de défaillance et un retour tactile natif. Ce travail s'inscrit dans le courant de recherche sur le calcul morphologique, où la mécanique de la structure remplace une partie du contrôle logiciel habituellement confié à l'électronique embarquée. Il reste toutefois au stade du prototype de laboratoire, sans annonce de partenaire industriel ni de calendrier de commercialisation, et aucun acteur français ou européen du secteur n'est associé à ces travaux.

RecherchePaper
1 source
Le bracelet permet de contrôler une main robotique par ses propres mouvements
3956Robohub 

Le bracelet permet de contrôler une main robotique par ses propres mouvements

Des chercheurs du MIT ont mis au point un bracelet à ultrasons capable de suivre en temps réel les mouvements de la main d'un porteur avec une précision inédite. Le dispositif produit des images échographiques des muscles, tendons et ligaments du poignet pendant que la main bouge, images qu'un algorithme d'intelligence artificielle traduit en continu en positions des cinq doigts et de la paume. L'équipe, dirigée par Xuanhe Zhao, professeur de génie mécanique au MIT, et Gengxi Lu, a présenté ses résultats dans un article publié dans Nature Electronics. Lors des démonstrations, un porteur du bracelet a pu piloter sans fil une main robotique en reproduisant simplement ses propres gestes : le robot a ainsi joué un air simple au piano et envoyé un petit ballon dans un panier de bureau. Le même bracelet permet aussi de manipuler des objets virtuels à l'écran, par exemple en pinçant les doigts pour agrandir ou réduire un élément graphique. Les travaux associent des équipes du MIT et de l'University of Southern California, avec la contribution du professeur Qifa Zhou. Cette approche s'attaque à un problème concret pour l'industrie robotique et la réalité augmentée : le suivi fin des gestes de la main reste un goulot d'étranglement technique. Les systèmes par caméra souffrent d'occlusions visuelles et nécessitent une infrastructure lourde ; les gants à capteurs limitent la liberté de mouvement et les sensations naturelles ; les capteurs électromyographiques, qui lisent les signaux électriques des muscles de l'avant-bras, restent sensibles au bruit et peinent à distinguer les mouvements intermédiaires entre deux positions extrêmes. L'imagerie ultrasonore, elle, capte directement l'activité mécanique des tissus et pourrait offrir un suivi continu et fin, exploitable aussi bien pour remplacer les capteurs de mouvement en AR/VR que pour générer, à grande échelle, des données d'entraînement pour des robots humanoïdes dexterité, un besoin identifié comme critique pour combler l'écart entre démonstrations en laboratoire et déploiement réel des modèles vision-langage-action. Il s'agit à ce stade d'une preuve de concept académique, pas d'un produit commercialisé : les démonstrations de piano ou de basketball, bien que spectaculaires, restent des tâches simples et contrôlées en environnement de recherche. L'équipe du MIT, connue pour ses travaux sur les dispositifs portables et la robotique souple, prévoit maintenant de collecter des données auprès d'un plus grand nombre d'utilisateurs aux morphologies de main variées, afin de constituer un jeu de données massif. L'objectif affiché est de nourrir l'entraînement de robots humanoïdes sur des tâches de dextérité fine, y compris des gestes chirurgicaux, ainsi que des applications de jeu vidéo et de conception assistée par ordinateur.

RecherchePaper
1 source
STMicroelectronics acquiert une participation dans Oversonic Robotics, développeur de robots humanoïdes
3957Robotics & Automation News 

STMicroelectronics acquiert une participation dans Oversonic Robotics, développeur de robots humanoïdes

Oversonic Robotics, entreprise italienne spécialisée en robotique cognitive, annonce l'entrée à son capital de STMicroelectronics, de la Fondazione ENEA Tech Biomedical et du fonds SpotInvest. L'opération vise à accélérer le développement industriel, technologique et international de la société, créatrice de RoBee, présenté par l'entreprise comme le premier robot humanoïde cognitif certifié conçu pour opérer en environnements complexes. Le montant de l'investissement n'a pas été communiqué, et le communiqué reste flou sur les modalités précises de déploiement industriel prévues. Cette opération est révélatrice d'un mouvement plus large: les fabricants de semi-conducteurs cherchent désormais une exposition directe à la robotique humanoïde, au-delà des seuls contrats de fourniture de puces et capteurs. Pour STMicroelectronics, entrer au capital d'un fabricant de robot plutôt que de rester simple fournisseur de composants traduit une volonté de s'ancrer plus profondément dans la chaîne de valeur émergente des humanoïdes industriels. Pour les intégrateurs et décideurs B2B européens, ce soutien à un acteur italien constitue aussi un signal: face à la concurrence américaine (Figure AI, Tesla avec Optimus) et chinoise sur ce segment, l'Europe cherche à consolider ses propres champions, aux côtés d'autres initiatives comme le français Wandercraft. Oversonic Robotics développe RoBee depuis plusieurs années comme plateforme destinée à des tâches industrielles complexes, revendiquant une certification distinguant son robot des simples démonstrateurs. L'arrivée de ces nouveaux actionnaires, combinant un géant des semi-conducteurs, une fondation liée à la recherche biomédicale et un fonds d'investissement, doit permettre à l'entreprise de passer d'un stade de développement à une phase de commercialisation et de déploiements industriels plus larges, sans que le calendrier précis de ces prochaines étapes ait été détaillé pour l'instant.

FR/EU ecosystemeActu
1 source
Effets du toucher robotique sur des personnes âgées guidées à la marche par un robot humanoïde
3958arXiv cs.RO 

Effets du toucher robotique sur des personnes âgées guidées à la marche par un robot humanoïde

Une étude publiée sur arXiv (arXiv:2607.09323, 13 juillet 2026) évalue comment des personnes âgées perçoivent le contact physique avec un robot d'assistance à la marche. Vingt-quatre participants âgés de 68 à 88 ans ont parcouru à quatre reprises une trajectoire de dix mètres guidés par le robot humanoïde TIAGo Pro (PAL Robotics), selon quatre modalités de contact : aucun contact physique (NC), prise de poignet main dans main (HH), bras liés comme en accompagnement humain (LA), et appui de l'avant-bras contre l'avant-bras du robot (FC). Les chercheurs ont combiné mesures physiologiques (électrocardiogramme, activité électrodermale), force de contact, distance interpersonnelle au robot et questionnaires subjectifs pour caractériser la réponse des participants à chaque mode d'interaction. Les résultats montrent une légère hausse du stress physiologique lors du contact avec le robot, mais une acceptation globale confirmée par les mesures comportementales et déclaratives. Les deux conditions impliquant les forces d'interaction les plus élevées, HH et FC, sont associées à une distance plus réduite entre le participant et le robot, signe d'une confiance et d'un confort accrus, un résultat corroboré par les questionnaires où sécurité perçue, confiance et confort ressortent plus fortement pour ces deux modalités. Pour l'industrie de la robotique de service et d'assistance gériatrique, ce travail apporte une donnée concrète rare dans un domaine où les démonstrations dépassent souvent la validation clinique : un contact ferme et stable est préféré à l'absence de contact chez les seniors, ce qui oriente directement les choix d'actionneurs, de préhenseurs et de stratégies de contrôle en force pour les robots d'accompagnement. Ce travail s'inscrit dans un contexte de pénurie de personnel soignant qui pousse les établissements gériatriques à envisager l'assistance robotique comme complément, notamment pour la mobilité, domaine où les capacités de navigation déclinent avec l'âge. Le choix du TIAGo Pro, plateforme mobile à bras déjà utilisée dans plusieurs projets de recherche en robotique d'assistance, illustre la maturité relative de cette catégorie de robots pour des essais avec humains fragiles. Les auteurs présentent leurs résultats comme une base de conception pour de futurs systèmes de guidage à la marche, sans toutefois évoquer de déploiement en établissement ni de calendrier de commercialisation.

RecherchePaper
1 source
DemoBridge : une boîte à outils de simulation en boucle pour le retargeting de démonstrations humaines en vue unique
3959arXiv cs.RO 

DemoBridge : une boîte à outils de simulation en boucle pour le retargeting de démonstrations humaines en vue unique

Une équipe de l'université KU Leuven (Belgique) publie DemoBridge, un outil qui transforme un enregistrement vidéo unique, en stéréo RGB, d'une démonstration manuelle humaine en une trajectoire de bras robotique exécutable et validée par simulation physique. Décrit dans un preprint arXiv daté du 13 juillet 2026 (arXiv:2607.09519), le système repose sur un planificateur unique conscient des collisions qui optimise la trajectoire articulaire complète en une seule passe, en tenant compte simultanément des poses de préhension alternatives, des collisions du bras et de l'objet saisi, et de la fidélité au geste démontré. Un simulateur physique tourne en boucle pendant la génération, valide chaque phase et revient en arrière en cas d'échec plutôt que d'abandonner la démonstration : le geste est replanifié, pas jeté. Le timing de la prise est déduit automatiquement, et les modules de perception, le modèle de robot et les étapes du pipeline sont interchangeables par configuration. L'équipe a testé l'ensemble du pipeline sur trois tâches réelles et évalué le planificateur seul sur un benchmark synthétique contrôlé. Le code est disponible sur le GitLab de KU Leuven. L'enjeu visé est le fossé d'incarnation ("embodiment gap") : un bras robotique, avec ses longs segments articulés, occupe bien plus de volume de collision qu'une main humaine, si bien que la cinématique inverse appliquée telle quelle à une pose de préhension démontrée n'a souvent aucune solution sans collision. Ce verrou freine l'apprentissage par démonstration à bas coût, où une simple vidéo caméra unique remplacerait la téléopération coûteuse utilisée pour collecter des données d'entraînement de modèles vision-langage-action comme Pi-0 ou GR00T N2. En doublant chaque démonstration retargetée d'un rollout de simulation exploitable pour l'apprentissage de politiques, DemoBridge s'inscrit directement dans la course à des données de manipulation moins chères à générer. Il s'agit d'un travail académique préliminaire, non d'un produit commercialisé : l'évaluation reste limitée à trois tâches réelles et un benchmark synthétique, sans déploiement industriel annoncé. Le choix d'une vue unique plutôt qu'un rig multi-caméras vise justement l'accessibilité, un axe que suivent aussi des laboratoires concurrents cherchant à réduire le coût de collecte de données d'imitation face aux approches par téléopération dominantes chez les acteurs américains du secteur.

FR/EU ecosystemePaper
1 source
FlowDAgger : adaptation en boucle humaine des politiques génératives de robots dans l'espace latent
3960arXiv cs.RO 

FlowDAgger : adaptation en boucle humaine des politiques génératives de robots dans l'espace latent

Microsoft Research publie FlowDAgger, une méthode d'adaptation des politiques robotiques génératives figées, via des interventions humaines directement dans l'espace latent (arXiv:2607.08877v1, prépublication non revue par les pairs). L'idée centrale, appelée « inversion d'action », consiste à faire correspondre chaque action démontrée par un opérateur humain au bruit qui, injecté dans la politique de base pré-entraînée (fondée sur le flow matching ou la diffusion), aurait produit cette même action. Ce bruit est retrouvé par intégration en temps inverse puis affiné localement, et sert ensuite à entraîner une politique latente légère qui vient piloter le modèle de base au moment du déploiement. L'équipe a testé la méthode en simulation et sur des tâches réelles de manipulation bi-bras et mono-bras, en adaptant à la fois des modèles VLA à tête d'action et des modèles dits « world-action », à partir d'une poignée d'interventions humaines seulement. L'enjeu dépasse la prouesse technique isolée : les politiques génératives pré-entraînées, aussi performantes soient-elles en démonstration, échouent régulièrement une fois sorties de leur distribution d'entraînement en conditions réelles. Jusqu'ici, corriger ces failles imposait soit de recollecter massivement des données, soit de lancer de l'apprentissage par renforcement en ligne sur du matériel physique, deux options lentes, coûteuses et risquées pour un robot en production. FlowDAgger propose une correction à faible coût d'échantillons et de calcul, qui préserve les compétences déjà acquises sur des tâches non revues, un point critique pour des modèles fondation coûteux à réentraîner comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI. Selon les auteurs, la méthode surpasse à la fois le fine-tuning supervisé classique et les approches de RL en espace latent sur les mêmes benchmarks. FlowDAgger s'inscrit dans la lignée de DAgger, algorithme classique d'apprentissage par imitation avec correction humaine en boucle, mais transposé à l'espace de bruit latent propre aux politiques par diffusion ou flow matching. Elle rejoint une vague plus large de travaux cherchant à rendre les politiques robotiques génératives pré-entraînées adaptables sur le terrain sans tout réentraîner. L'abstract ne précise pas de calendrier de mise à disposition du code ni de partenaire industriel ; seul un site de démonstration accompagne pour l'instant la publication.

RecherchePaper
1 source
Validation de la réalité virtuelle pour l'étude de l'interaction humain-robot multimodale en navigation sociale de robots
3961arXiv cs.RO 

Validation de la réalité virtuelle pour l'étude de l'interaction humain-robot multimodale en navigation sociale de robots

Une équipe de recherche a testé si la réalité virtuelle (VR) permet d'étudier fidèlement les interactions humain-robot dans des scénarios de navigation sociale partagée. L'étude, menée avec 21 participants, a comparé leurs réactions face à un robot mobile manipulateur PR2 dans deux conditions identiques : une arène réelle équipée de capture de mouvement, et sa réplique virtuelle immersive en VR. Deux situations classiques de co-navigation ont été examinées, le croisement orthogonal et le dépassement latéral (pass-by). Les chercheurs ont recueilli à la fois des mesures subjectives, la perception de la conscience sociale du robot et le confort ressenti par les participants, et des données comportementales objectives, trajectoires de déplacement et orientation de la tête, pour comparer précisément les deux environnements. Résultat central : les participants perçoivent la navigation socialement consciente du robot de façon similaire dans les deux conditions, et les comportements observés en VR, trajectoires évitées, orientations du regard, correspondent à ceux mesurés en conditions réelles. Cette validation compte pour tout le secteur de la robotique sociale et des humanoïdes déployés en environnement partagé avec des humains, entrepôts, usines, espaces publics. Concevoir et tester des algorithmes de navigation socialement acceptable exige normalement des essais physiques coûteux, lents et parfois risqués pour les sujets humains. Si la VR reproduit fidèlement les dynamiques d'interaction multimodale, comme le suggèrent ces résultats, elle devient un outil d'itération rapide et sûr pour les équipes qui développent des comportements de navigation robotique, avant tout déploiement réel. C'est aussi une réponse partielle à un scepticisme répandu dans le secteur sur l'écart entre les études HRI menées en environnement contrôlé ou simulé et le comportement humain effectif face à un robot physique. Ce travail s'inscrit dans une lignée de recherches antérieures ayant déjà exploré la VR pour la navigation robotique socialement consciente, mais sans jamais confirmer explicitement que les dynamiques d'interaction multimodale observées en réel s'y retrouvaient. Le protocole within-subjects, chaque participant testant les deux conditions, renforce la robustesse de la comparaison. Les auteurs positionnent leur prototype VR comme une plateforme flexible pour de futures études sur des interactions humain-robot plus riches, ouvrant la voie à des campagnes de test à plus grande échelle sans dépendre systématiquement d'un robot physique et d'une arène de capture de mouvement, deux ressources rares et coûteuses dans les laboratoires de recherche en robotique.

RecherchePaper
1 source
RoboStream : associer raisonnement spatio-temporel et mémoire dans les modèles vision-langage pour la robotique
3962arXiv cs.RO 

RoboStream : associer raisonnement spatio-temporel et mémoire dans les modèles vision-langage pour la robotique

Des chercheurs présentent RoboStream, un framework sans entraînement (training-free) destiné à améliorer la planification robotique par modèles vision-langage (VLM) sur des tâches de manipulation à long horizon. Le système repose sur deux mécanismes : les STF-Tokens (Spatio-Temporal Fusion Tokens), qui lient les preuves visuelles à des attributs géométriques 3D pour ancrer durablement les objets dans la scène, et un graphe causal spatio-temporel (CSTG) qui enregistre les transitions d'état déclenchées par chaque action successive. Sur le benchmark RLBench en configuration longue durée, RoboStream atteint 90,5% de réussite. Sur des tâches réelles de construction de blocs, jugées plus exigeantes, il obtient 44,4%, contre seulement 11,1% pour les deux systèmes de référence SoFar et VoxPoser. Ce résultat cible un problème connu des planificateurs VLM actuels: ils traitent chaque étape comme une observation isolée, sans mémoire des actions précédentes ni de leur effet sur l'environnement. Concrètement, un objet temporairement caché par le bras du robot ou par un autre élément de la scène est purement et simplement "oublié", ce qui provoque des violations de précondition en cascade sur les étapes suivantes. Pour les intégrateurs et équipes de R&D en robotique manipulatrice, l'écart de performance rapporté sur les tâches réelles (44,4% contre 11,1%) illustre un problème plus large que la démonstration de laboratoire ne masque pas toujours: la difficulté à maintenir une cohérence géométrique et causale sur des séquences longues, bien au-delà de la simple perception image par image. Le fait que la méthode soit annoncée comme fonctionnant sans fine-tuning supplémentaire est notable pour un déploiement pratique, si les résultats se confirment au-delà du cadre contrôlé de l'étude. Ce travail s'inscrit dans la lignée des approches de raisonnement spatial pour la robotique, en s'opposant frontalement aux architectures VoxPoser et SoFar, utilisées ici comme lignes de base. Il s'agit pour l'instant d'une publication de recherche (version 2 mise à jour sur arXiv), sans indication de mise en production ou de partenariat industriel; les auteurs ne précisent pas de calendrier de suite ni d'intégration matérielle spécifique.

RechercheActu
1 source
PAC-ACT : post-entraînement acteur-critique pour transformeurs à segmentation d'actions
3963arXiv cs.RO 

PAC-ACT : post-entraînement acteur-critique pour transformeurs à segmentation d'actions

Des chercheurs proposent PAC-ACT, un cadre d'apprentissage par renforcement pour affiner après coup les politiques ACT (Action Chunking Transformer) déjà entraînées, publié le 13 juillet 2026 sur arXiv (2607.09590). Ces politiques, courantes en manipulation industrielle de précision au contact, sont habituellement entraînées par clonage comportemental (behavior cloning) puis souffrent d'un décalage de distribution dès que la tâche implique des contacts physiques répétés, sous des contraintes de force et de perturbations de pose. PAC-ACT reformule l'optimisation au niveau du "chunk" (bloc d'actions), construit une architecture acteur-critique dérivée d'ACT, et introduit une contrainte hybride de préservation du comportement pré-entraîné pendant le fine-tuning en ligne. Sur un benchmark industriel de contact de précision baptisé Contour, la méthode réduit fortement la force de contact maximale et divise par 46 la proportion de mesures de force dépassant 60 newtons, tout en conservant une latence d'inférence et une consommation de mémoire GPU faibles. L'enjeu dépasse la simple performance académique: les modèles vision-langage-action (VLA) généralisent bien mais restent trop lourds et lents pour du contrôle industriel temps réel, alors que les politiques de type ACT sont rapides mais fragiles dès que le contact physique entre en jeu, un défaut connu qui limite leur usage en usine sur des tâches d'assemblage ou d'insertion nécessitant une gestion fine de la force. En démontrant qu'un post-entraînement par renforcement peut corriger ce défaut sans sacrifier la vitesse d'exécution, PAC-ACT apporte une réponse concrète à un point de friction connu entre robotique de recherche et déploiement industriel réel, là où beaucoup d'annonces se limitent à des démonstrations en environnement contrôlé. Le travail s'inscrit dans la lignée des politiques ACT, popularisées pour leur efficacité dans l'apprentissage par imitation sur tâches manipulatoires fines, et cherche à combler leur principal talon d'Achille face aux approches VLA plus généralistes mais coûteuses en ressources. L'ablation en récompense éparse montre par ailleurs que la contrainte de préservation comportementale favorise une exploration efficace même avec des poses initiales aléatoires, ouvrant la voie à une validation plus large sur d'autres tâches de contact industriel avant un éventuel déploiement en conditions réelles.

RecherchePaper
1 source
Vol agile de quadrirotor entraîné en conditions réelles
3964arXiv cs.RO 

Vol agile de quadrirotor entraîné en conditions réelles

Une équipe de recherche présente dans un article publié sur arXiv (2602.10111v2) un nouveau cadre d'apprentissage permettant à un quadricoptère de développer un vol agile directement dans le monde réel, sans passer par la simulation ni par une identification précise du système physique. Le système combine trois briques : l'Adaptive Temporal Scaling (ATS), qui explore activement les limites physiques de la plateforme, un apprentissage résiduel en ligne qui vient enrichir un modèle nominal simplifié du drone, et un algorithme baptisé RASH-BPTT (Real-world Anchored Short-horizon Backpropagation Through Time), qui met à jour la politique de vol en temps réel à partir de ce modèle hybride. Résultat mesuré en conditions réelles : partant d'une politique de base prudente plafonnée à 1,9 m/s, le drone atteint une vitesse de pointe de 7,3 m/s après environ 100 secondes de vol cumulé, en opérant proche des limites de saturation de ses actionneurs. L'intérêt de ces résultats dépasse la simple performance de vitesse. Les approches actuelles de vol agile par apprentissage reposent presque toujours sur un entraînement massif en simulation suivi d'un transfert Sim2Real, une méthode qui exige une modélisation très fine et qui reste vulnérable dès que le drone sort de la distribution de conditions prévues (rafales de vent, usure du matériel, etc.). Pour rester sûrs, ces systèmes doivent alors se contenter de marges de sécurité conservatrices, ce qui bride leur agilité réelle. En démontrant qu'une adaptation directement sur le terrain, sans phase de simulation préalable, peut faire progresser une politique de vol de façon rapide et sûre, ces travaux suggèrent que l'apprentissage en ligne n'est pas seulement un correctif pour compenser les erreurs de modèle, mais un véritable levier de montée en performance pour la robotique aérienne opérant en environnement incertain. Ce travail s'inscrit dans la lignée des recherches en contrôle adaptatif et en reinforcement learning appliqué aux drones de course, un domaine où les limites du Sim2Real classique sont documentées depuis plusieurs années. L'article ne précise pas de plan de déploiement commercial ni de partenaire industriel : il s'agit à ce stade d'une démonstration de recherche en laboratoire, dont la prochaine étape logique serait l'extension à d'autres plateformes robotiques mobiles confrontées aux mêmes contraintes de sécurité et de rareté des données d'exploration.

RecherchePaper
1 source
B-spline Policy : accélérer les politiques de manipulation via des représentations d'action B-spline
3965arXiv cs.RO 

B-spline Policy : accélérer les politiques de manipulation via des représentations d'action B-spline

Des chercheurs viennent de publier sur arXiv (référence 2607.09648v1) une nouvelle méthode baptisée B-spline Policy, ou BSP, conçue pour accélérer l'exécution des politiques de manipulation robotique apprises par imitation. Contrairement à l'approche dominante qui consiste à prédire des séquences d'actions discrètes dans le temps ("action chunks"), BSP paramètre les actions du robot sous forme de courbes B-spline continues, définies par un ensemble de noeuds et de points de contrôle. Cette représentation produit des trajectoires lisses et continues dans le temps, qui peuvent ensuite être mises à l'échelle temporellement et exécutées par les contrôleurs bas niveau à des fréquences et des vitesses plus élevées. Les auteurs montrent que ces paramètres B-spline peuvent être prédits directement par des architectures de policy learning existantes, sans refonte majeure du pipeline d'entraînement. Les expériences, menées à la fois en simulation et sur des tâches de manipulation réelles, indiquent une réduction significative du temps d'exécution des tâches par rapport aux méthodes de référence, tout en conservant des taux de réussite comparables. L'enjeu est concret pour les équipes qui déploient des politiques de manipulation en usine ou en entrepôt: le goulot d'étranglement des approches par chunks discrets vient souvent de la fréquence de commande limitée et des à-coups introduits entre segments d'actions, ce qui oblige à ralentir l'exécution pour rester stable. En rendant la trajectoire continue et rééchelonnable dans le temps, BSP permettrait de gagner en vitesse de cycle sans changer de modèle de perception ni de politique d'apprentissage, un argument qui parle directement aux intégrateurs cherchant à rapprocher les démonstrations en laboratoire des cadences industrielles réelles. Cette contribution s'inscrit dans la lignée des travaux sur les représentations d'actions pour l'apprentissage par imitation, où des méthodes comme les chunks d'actions ou les politiques de diffusion ont dominé ces deux dernières années sans toujours résoudre le compromis entre vitesse d'exécution et fluidité des mouvements. En proposant une alternative paramétrique compatible avec les pipelines existants, les auteurs ouvrent une piste d'optimisation orthogonale, potentiellement combinable avec d'autres avancées récentes en manipulation robotique. Des résultats supplémentaires et le code sont disponibles sur b-spline-policy.github.io.

RecherchePaper
1 source
ReinforceGen : politiques de compétences hybrides avec génération automatisée de données et apprentissage par renforcement
3966arXiv cs.RO 

ReinforceGen : politiques de compétences hybrides avec génération automatisée de données et apprentissage par renforcement

Une équipe de recherche en robotique publie ReinforceGen, un système combinant décomposition de tâches, génération automatisée de données, apprentissage par imitation et planification de mouvement, le tout affiné par apprentissage par renforcement. Le principe consiste à segmenter une tâche de manipulation longue en plusieurs compétences localisées, reliées entre elles par un planificateur de mouvement. Ces compétences sont d'abord entraînées par imitation à partir d'un jeu de données généré depuis seulement 10 démonstrations humaines, puis affinées via adaptation en ligne et renforcement. Sur le benchmark Robosuite, ReinforceGen atteint 80% de taux de réussite sur l'ensemble des tâches en contrôle visuomoteur, dans la configuration la plus exigeante de réinitialisation des positions de départ. Des études d'ablation montrent que les étapes de fine-tuning apportent un gain de performance moyen de 89%. Le système a également été testé en conditions réelles, avec des améliorations significatives rapportées après affinage. Vidéos et résultats complémentaires sont disponibles sur le site du projet. La manipulation longue durée reste l'un des obstacles majeurs en robotique manipulative: enchaîner plusieurs sous-tâches sans dérive d'erreur cumulative est difficile pour l'imitation pure, tandis que le renforcement seul peine à converger sur des horizons longs sans démonstration initiale. En combinant les deux, ReinforceGen s'inscrit dans un mouvement plus large cherchant à réduire la dépendance aux données humaines coûteuses (ici seulement 10 démonstrations) tout en conservant une robustesse comparable à des méthodes plus gourmandes. Le passage réussi vers des évaluations réelles, au-delà de la simulation, est le point le plus significatif pour les acteurs industriels: il suggère que l'écart simulation-réel, souvent le talon d'Achille des politiques visuomotrices, peut être réduit par cette architecture hybride plutôt que par du pur scaling de données. Le papier, publié sur arXiv (version révisée, v2), s'appuie sur le benchmark Robosuite, référence standard pour comparer les politiques de manipulation robotique en simulation. Le score de 80% est annoncé dans le réglage le plus difficile testé, un détail à garder en tête: les performances dans des configurations moins contraignantes ne sont pas précisées dans le résumé. Aucun acteur commercial ni institution n'est nommé dans l'abstract, ce travail relevant pour l'instant de la recherche académique plutôt que d'un produit destiné à un déploiement industriel immédiat.

RecherchePaper
1 source
Mono-shot d'apprentissage multimodal par démonstration avec cartes élastiques à contrainte de force
3967arXiv cs.RO 

Mono-shot d'apprentissage multimodal par démonstration avec cartes élastiques à contrainte de force

Une équipe de robotique publie sur arXiv (2607.09515v1) une méthode d'apprentissage par démonstration capable d'encoder simultanément le mouvement et les forces de contact à partir d'une seule démonstration. Le système repose sur deux briques techniques : un algorithme de segmentation probabiliste multimodale qui pondère dynamiquement les signaux spatiaux et les signaux de force pour extraire automatiquement des primitives de mouvement conscientes du contact, et une extension de la représentation dite "elastic maps" intégrant des contraintes de force externes, résolue via une optimisation convexe pour produire des trajectoires cohérentes avec les forces démontrées. Les auteurs valident l'approche sur cinq tâches de manipulation réelles et deux configurations matérielles distinctes : un bras UR5e équipé d'une pince Robotiq 2f-85 avec capteur de force au poignet, et un Kinova Gen3 avec une pince Openhand Model O dotée de capteurs de force aux doigts. Les résultats montrent une segmentation multimodale robuste, une reproduction fidèle des profils de force, et une généralité constatée sur les deux plateformes. L'enjeu dépasse la curiosité académique. La plupart des méthodes de Learning from Demonstration actuelles ne modélisent que la trajectoire spatiale, ignorant les forces de contact, ce qui pose problème dès qu'un robot doit insérer, essuyer, polir ou assembler des pièces avec un contact physique contraint. Pour les intégrateurs industriels, cette lacune se traduit par des gestes appris en simulation ou en démonstration pure qui deviennent dangereux ou inconsistants une fois transposés à des tâches de contact réel. Une méthode qui apprend le bon profil de force dès la première démonstration, sans réglage manuel ni multiples essais, réduirait le coût de programmation des cobots pour des tâches d'assemblage fin, un frein connu à l'adoption du LfD en production. Le travail s'inscrit dans la lignée des elastic maps, une représentation déjà utilisée pour encoder des trajectoires à partir de démonstrations, ici étendue aux contraintes physiques plutôt que purement géométriques. Il se positionne comme alternative aux approches classiques de type DMP ou GMM/GMR, généralement limitées au domaine spatial. Aucun calendrier de transfert industriel n'est annoncé ; il s'agit à ce stade d'une validation en laboratoire sur bras collaboratifs standards du marché.

RecherchePaper
1 source
Analyse différentielle d'images multispectrales pour l'identification du terrain
3968arXiv cs.RO 

Analyse différentielle d'images multispectrales pour l'identification du terrain

Une équipe de recherche présente DRIFT, un framework léger d'analyse multispectrale pour l'identification de terrain destiné à la navigation robotique autonome, décrit dans un article publié le 13 juillet 2026 sur arXiv (2607.09319). Le système combine deux flux de traitement dans une architecture résiduelle à double branche : les bandes spectrales brutes captées par la caméra, et des ratios de bandes conçus pour neutraliser les variations d'éclairage et de gain capteur. Une branche de fusion différentielle vient ensuite comparer les signaux bruts et les ratios pour repérer les incohérences, ce qui renforce la robustesse face à des mesures spectrales bruitées ou partiellement fiables. Les chercheurs ont testé DRIFT sur deux scénarios concrets : un nouveau jeu de données de pétrole répandu sur sol, acquis par drone équipé d'une caméra MicaSense RedEdge-P, et une étude contrôlée d'eau sur herbe avec variations d'éclairage et de température (eau chaude et froide) pour isoler les effets sensibles au proche infrarouge (NIR). L'enjeu dépasse le cadre académique. La perception RGB classique, dominante dans la navigation robotique, échoue régulièrement en faible luminosité, sous des ombres portées ou face à des matériaux visuellement ambigus, des angles morts critiques pour des robots mobiles ou des drones opérant en extérieur, sur des chantiers ou en contexte industriel. En démontrant des gains constants sur des baselines solides tout en restant compatible avec un déploiement embarqué (edge), DRIFT s'inscrit dans une tendance vers des capteurs multispectraux abordables et exploitables en temps réel, plutôt que réservés à des applications de télédétection lourdes. Pour les intégrateurs travaillant sur des AMR (robots mobiles autonomes) en environnements extérieurs ou semi-structurés, cela ouvre la voie à une détection de terrain plus fiable sans dépendre uniquement de caméras RGB ou de LiDAR. Le travail s'inscrit dans la lignée des recherches en imagerie multispectrale appliquée à la robotique de terrain, un domaine encore largement expérimental comparé à la perception RGB ou LiDAR déjà industrialisée. L'article ne mentionne pas de partenaire industriel ni de calendrier de commercialisation : il s'agit à ce stade d'une contribution méthodologique et d'un nouveau jeu de données, pas d'un produit prêt à déployer.

RecherchePaper
1 source
Tactile Genesis : explorer les capteurs tactiles à grande échelle pour l'apprentissage de tâches dextériques
3969arXiv cs.RO 

Tactile Genesis : explorer les capteurs tactiles à grande échelle pour l'apprentissage de tâches dextériques

Il n'a pas fait la démo de manipulation dextre à l'ancienne, à base de captures vidéo triées sur le volet et de communiqués enjolivés : une équipe de recherche a publié Tactile Genesis, une plateforme de simulation tactile parallélisée sur GPU capable de faire tourner plus de 20 000 environnements simultanés avec jusqu'à 1 000 taxels (points de contact) par simulation sur un seul GPU, soit un débit 3 à 20 fois supérieur aux simulateurs tactiles précédents. L'outil simule sous une interface commune sept types de retour tactile : contact binaire, profondeur de contact, force/couple cinématique par taxel, déplacement des marqueurs d'élastomère, proximité géométrique, audio de contact, et un champ de température voxelisé, une première dans les plateformes de simulation physique pour l'apprentissage robotique. Un modèle de bruit réaliste (dérive, hystérésis, taxels morts, diaphonie) complète le dispositif. Les chercheurs ont entraîné des politiques élève-professeur sur trois tâches de manipulation dextre, testé différentes configurations de capteurs, placements, résolutions et niveaux de bruit, puis vérifié le transfert sur une main robotique réelle, la XHand1. Les résultats livrent des indications concrètes pour les concepteurs de matériel tactile et les équipes qui définissent les observations des politiques d'apprentissage. La proprioception seule s'avère insuffisante sur toutes les tâches testées, confirmant la nécessité du retour tactile pour la manipulation en contact riche. Fait notable pour l'industrie : le placement des capteurs compte bien plus que leur type. Une couverture limitée au bout des doigts reste largement en retrait par rapport à une couverture de toute la main, tandis que l'ajout de capteurs sur la paume et les phalanges proximales comble l'essentiel de l'écart avec un professeur "privilégié" disposant d'informations complètes. La résolution, elle, importe beaucoup moins que la couverture : 200 taxels répartis sur l'ensemble de la main suffisent pour toutes les tâches étudiées. Le capteur de force/couple par taxel ressort comme le type d'information le plus utile, devant les autres modalités testées. Pour les intégrateurs et fabricants de mains robotiques, ce sont des arbitrages coûts/bénéfices directement exploitables avant d'investir dans du matériel tactile haute résolution. Ce travail s'inscrit dans un problème méthodologique connu du secteur : chaque capteur tactile définit de facto un robot différent, rendant impossible la reproduction d'une même expérience d'apprentissage à travers tous les capteurs existants en laboratoire physique. Tactile Genesis répond à ce verrou en offrant un banc d'essai simulé commun, dans la lignée d'autres plateformes de simulation à grande échelle utilisées pour l'apprentissage de politiques robotiques (type Isaac Gym ou MuJoCo). L'article, une version révisée déposée sur arXiv, ne précise pas de calendrier de commercialisation ni de partenariat industriel ; il s'agit d'une contribution de recherche méthodologique plutôt que d'un produit prêt à déployer. La suite logique pointe vers une adoption par d'autres laboratoires travaillant sur la manipulation dextre, ainsi que vers une possible influence sur les choix de conception des futures générations de mains robotiques équipées de capteurs tactiles denses.

RecherchePaper
1 source
Recherche décentralisée multi-agents sans communication sous contraintes budgétaires : Dec-MARVEL
3970arXiv cs.RO 

Recherche décentralisée multi-agents sans communication sous contraintes budgétaires : Dec-MARVEL

Une équipe de chercheurs présente Dec-MARVEL, un cadre d'exploration décentralisé pour flottes de drones capables de coordonner leurs déplacements sans aucune communication ni partage de cartes, de messages ou d'objectifs entre robots. Chaque appareil s'appuie uniquement sur ses observations fortuites : la trajectoire d'un coéquipier détectée dans son champ de vision directionnel sert de signal de coordination implicite. Un acteur basé sur un mécanisme d'attention par graphe combine la géométrie locale des frontières inexplorées, le mouvement des autres robots et le budget de déplacement restant pour choisir des actions de type point de passage plus cap, tout en garantissant un retour possible à la base. L'entraînement repose sur des critiques conditionnés par phase, un critique privilégié orienté tâche utilisé uniquement en apprentissage, et un curriculum de budget basé sur un mélange de scénarios. Sur 900 essais tenus à l'écart de l'entraînement, couvrant trois tailles d'équipe (2, 4 et 8 robots) et trois budgets de déplacement (720, 800 et 1024 mètres), Dec-MARVEL obtient le meilleur taux d'exploration, ou à égalité, et le plus faible recouvrement de zones balayées face à quatre méthodes concurrentes, sur les neuf configurations testées. Sous la contrainte la plus stricte de 720 mètres, le taux de succès atteint 53 %, 94 % et 100 % pour 2, 4 et 8 robots respectivement, contre 37 %, 83 % et 99 % pour la meilleure référence. Des essais sur robots physiques confirment un transfert sim-to-real réussi. Ce résultat s'attaque à un verrou concret pour les flottes de drones opérant en environnements dégradés, zones de catastrophe, bâtiments effondrés, milieux militaires brouillés, où la liaison radio entre appareils est peu fiable ou volontairement coupée. La plupart des approches multi-robots existantes supposent un échange d'informations, même partiel, pour éviter les redondances d'exploration ; s'en passer entièrement tout en conservant des performances proches, voire supérieures, aux méthodes communicantes change la donne pour les intégrateurs qui doivent certifier des systèmes robustes aux pannes réseau. La gestion explicite du budget de retour, plutôt qu'une exploration gloutonne sans garde-fou, répond aussi à une contrainte opérationnelle réelle plutôt qu'à un scénario de laboratoire simplifié. Le travail s'inscrit dans la lignée des recherches en apprentissage multi-agent pour l'exploration robotique, où la coordination décentralisée reste un problème ouvert face aux approches classiques qui centralisent la carte ou diffusent des objectifs partagés. En comparant Dec-MARVEL à quatre méthodes de référence sur une plage large de tailles d'équipe et de contraintes de budget, les auteurs cherchent à démontrer une robustesse à l'échelle, du duo de drones jusqu'à des essaims de huit unités. La validation sur robots physiques, au-delà de la simulation, ouvre la voie à des déploiements dans des missions de recherche et sauvetage ou de reconnaissance où la connectivité ne peut être garantie.

RecherchePaper
1 source
Manipulation Tactile et Visuelle Centrée sur le Contact pour la Manipulation du Bras Complet
3971arXiv cs.RO 

Manipulation Tactile et Visuelle Centrée sur le Contact pour la Manipulation du Bras Complet

Des chercheurs du laboratoire EMPRISE de l'université Cornell présentent TACTIC (Tactile and Vision Conditioned Contact-Centric Control), un contrôleur pour la manipulation "bras entier", où le robot touche l'environnement avec plusieurs segments de son bras et non plus seulement sa pince. Décrit dans un preprint arXiv (2607.09218), le système combine images RGB-D, capteurs tactiles distribués et une carte de proximité 2D compacte pour prédire comment les contacts se forment, glissent ou se rompent au fil du mouvement. Un modèle de dynamique appris est couplé aux jacobiennes de contact pour simuler à l'avance forces d'interaction et configurations futures, et alimente un planificateur prédictif (MPC) à échantillonnage dont les trajectoires candidates sont orientées vers des directions qui modulent les forces plutôt que de les subir. En simulation, TACTIC dépasse les méthodes de référence à base de modèle et les approches purement apprises. Sur un bras réel équipé de peau tactile, l'équipe démontre trois tâches multi-contacts : retourner et repositionner un mannequin, et atteindre un objectif dans un labyrinthe 3D dynamique. La manipulation bras entier est un angle mort des pipelines d'apprentissage actuels, taillés pour un contact unique au niveau de la pince. Dès que plusieurs segments touchent l'environnement simultanément, mouvement et forces de contact deviennent étroitement couplés, l'état de contact reste partiellement caché sous occlusion, et les politiques purement apprises se désynchronisent physiquement hors distribution, faute de données sur les configurations multi-contacts. En hybridant apprentissage et modèle physique explicite, TACTIC illustre une tendance de fond en robotique de manipulation : combiner du model-based pour la garantie physique et de l'apprenant pour la perception, plutôt que tout confier à un modèle de bout en bout type VLA. Pour les intégrateurs visant des bras opérant en espace encombré (tri, logistique, désassemblage), c'est un manque réel comblé, la plupart des démonstrateurs actuels évitant soigneusement tout contact hors pince. Le travail émane du laboratoire EMPRISE de Cornell, spécialisé en manipulation riche en contact et perception tactile, et s'inscrit dans une littérature plus large sur le contrôle prédictif informé par le contact, aux côtés de recherches comparables au MIT ou à CMU. Contrairement aux annonces commerciales de robots humanoïdes comme Figure, Optimus ou les modèles VLA de Physical Intelligence et NVIDIA, il s'agit ici d'un résultat académique validé en simulation puis sur un unique bras de laboratoire, pas d'un produit commercialisé. Aucun acteur français ou européen n'est associé à cette publication. Les auteurs mettent en ligne une page projet (emprise.cs.cornell.edu/tactic) sans calendrier annoncé de transfert vers des plateformes commerciales.

RecherchePaper
1 source
CoDiMAD : distillation privilégiée par diffusion pour la coordination multi-robots sans communication
3972arXiv cs.RO 

CoDiMAD : distillation privilégiée par diffusion pour la coordination multi-robots sans communication

Des chercheurs proposent CoDiMAD (Diffusion-Based Privileged Distillation for Communication-Free Multi-Robot Coordination), une méthode pour coordonner des robots en essaim sans qu'ils communiquent entre eux. Le principe repose sur trois étapes : d'abord entraîner un "oracle" privilégié qui voit l'état global du système via MAPPO, un algorithme d'apprentissage par renforcement multi-agents ; ensuite construire un jeu de données hors ligne associant observations locales de chaque robot et actions décidées par cet oracle ; enfin distiller ces connaissances dans des politiques décentralisées, chaque robot n'ayant accès qu'à ses propres capteurs, en les paramétrant comme des modèles de diffusion (DDPM, denoising diffusion probabilistic models) conditionnels plutôt que des réseaux déterministes classiques. Testée sur trois tâches coopératives, l'approche surpasse à la fois l'apprentissage multi-agents purement local et la distillation déterministe classique, avec une analyse théorique à l'appui. Le code doit être publié après acceptation de l'article, qui reste pour l'instant un preprint arXiv non encore évalué par les pairs. L'enjeu technique central est le problème du "mode-averaging" : une même observation locale (par exemple, voir un obstacle et un autre robot à proximité) peut correspondre à plusieurs configurations globales exigeant des actions coopératives très différentes. Une distillation déterministe classique moyenne ces possibilités et produit des actions invalides ou hésitantes, un défaut connu de l'apprentissage par imitation en environnement multimodal. En échantillonnant directement dans le processus inverse de diffusion, CoDiMAD choisit une action cohérente au lieu de la moyenner, ce qui est directement pertinent pour les flottes de robots mobiles autonomes (AMR) en entrepôt, les essaims de drones ou tout système devant rester fonctionnel en cas de perte de communication réseau. Cette approche s'inscrit dans deux lignées de recherche déjà établies : la distillation privilégiée enseignant-élève, popularisée en locomotion robotique pour transférer un savoir "avec triche" (accès à l'état complet) vers une politique embarquée limitée aux capteurs réels, et les politiques de diffusion en robotique, initialement développées pour la manipulation mono-robot (Diffusion Policy) et ici étendues au cas multi-agents décentralisé. Le travail reste à ce stade purement expérimental, sans déploiement sur robots physiques mentionné dans le résumé.

RecherchePaper
1 source
SpikeATac : un doigt tactile multimodal à détection dynamique taxélisée pour la manipulation dextérique
3973arXiv cs.RO 

SpikeATac : un doigt tactile multimodal à détection dynamique taxélisée pour la manipulation dextérique

Le ROAM Lab présente SpikeATac, un doigt tactile multimodal pour la manipulation robotique dextre, dans une révision (v3) d'un article initialement publié sur arXiv en octobre 2025. Le capteur combine un film PVDF taxelisé, découpé en 16 zones de détection et échantillonné à 4 kHz, qui capte les signaux dynamiques dès l'amorce et la rupture du contact, avec une couche capacitive assurant la mesure statique de la pression, d'où sa réponse en "pics" qui lui donne son nom. Les chercheurs ont caractérisé la sensibilité de chaque modalité et montré que SpikeATac permet d'arrêter une préhension rapidement et délicatement sur des objets fragiles ou déformables. Au-delà de la pince parallèle, l'équipe a intégré le capteur à une main robotique multidoigts dextre, pilotée par une politique affinée via apprentissage par renforcement à partir de retour humain (RLHF) pour moduler la force appliquée. Résultat revendiqué: une manipulation en main d'objets fragiles jamais démontrée jusque-là sur ce type de plateforme. Des vidéos sont disponibles sur roamlab.github.io/spikeatac. Ce travail cible un angle mort connu des mains robotiques: la plupart des capteurs tactiles privilégient soit la résolution statique, soit la réactivité dynamique, rarement les deux, ce qui limite la détection de l'instant où un objet commence à glisser ou se déformer sous la pince. Un retour tactile à 4 kHz couplé à une lecture statique fiable vise directement les cas d'usage où les pinces industrielles classiques échouent ou abîment la charge (fruits, verre, colis, composants électroniques). Le choix du RLHF plutôt qu'une simple fonction de récompense simulée suggère que le réglage fin de la force reste difficile à spécifier automatiquement, un signal utile pour les intégrateurs évaluant des politiques apprises en conditions réelles. SpikeATac se distingue des capteurs à caméra interne comme GelSight ou DIGIT, plus coûteux en calcul et moins réactifs aux événements de contact rapides. L'article, purement académique, ne mentionne ni partenariat industriel ni déploiement hors laboratoire: c'est une preuve de faisabilité, pas un produit commercialisé. Aucun acteur français ou européen n'y figure. Les auteurs évoquent comme suites possibles la miniaturisation du capteur pour des mains commerciales et l'extension du pipeline RLHF à d'autres tâches de manipulation en contact riche.

RecherchePaper
1 source
Sécurité piétonne empirique d'un robot mobile via un modèle prédictif de force sociale
3974arXiv cs.RO 

Sécurité piétonne empirique d'un robot mobile via un modèle prédictif de force sociale

Le fil d'actualité de l'IA. Voici le résumé demandé : Une équipe de recherche a développé deux nouvelles variantes de modèle de force sociale pour la navigation robotique en présence de piétons : le PSFM (Predictive Social Force Model) et le PTSFM (Predictive TSFM), qui intègrent des vecteurs de force sociale prédits sur un horizon temporel fini. Ces modèles ont été implémentés sur un robot mobile non holonome et testés lors d'essais expérimentaux avec des volontaires placés dans un scénario de croisement face à face. Quatre variantes ont été comparées : le SFM classique, le TSFM (qui intègre le temps de collision projeté, ou PTTC), et les deux nouvelles versions prédictives PSFM et PTSFM. La sécurité objective a été mesurée via le PTTC minimum, la vitesse moyenne, la distance minimale, la distance latérale et la courbure maximale de trajectoire, tandis que la sécurité subjective a été évaluée par des questionnaires post-interaction sur échelle de Likert portant sur le confort, la fluidité, la pertinence de la distance et l'adéquation de la vitesse. Les résultats confirment que l'intégration du PTTC améliore effectivement les métriques de sécurité objective par rapport au SFM classique. En revanche, l'apport spécifique de la prédiction reste limité : il n'est visible que sur certains sous-indicateurs, et les tests statistiques de Mann-Whitney ne révèlent aucune différence significative dans les évaluations subjectives des participants, même si certains perçoivent des mouvements plus fluides et une vitesse jugée plus sûre avec les variantes prédictives. Pour les concepteurs de robots destinés à partager les trottoirs avec des piétons, livraison, robots de service ou plateformes de recherche, ce résultat suggère qu'ajouter de la complexité prédictive au modèle de force sociale n'est pas forcément le levier le plus rentable : le gain principal en sécurité vient déjà de l'intégration du temps de collision projeté, pas de l'horizon de prédiction. Ce travail s'inscrit dans la lignée des modèles de force sociale (SFM), une approche calculatoirement légère et interprétable largement utilisée pour la navigation en temps réel dans des environnements dynamiques, et prolonge des travaux récents ayant montré l'intérêt du PTTC via le TSFM. L'étude reste toutefois limitée à un scénario à piéton unique en face à face ; ses auteurs notent que l'effet de la prédiction pourrait se révéler différemment dans des scénarios de foule plus denses, une piste laissée pour des travaux futurs.

RecherchePaper
1 source
SplatCtrl : couplage perception-action via représentations de scène gaussiennes et contrôle robotique réactif
3975arXiv cs.RO 

SplatCtrl : couplage perception-action via représentations de scène gaussiennes et contrôle robotique réactif

Des chercheurs présentent SplatCtrl, un système qui combine reconstruction 3D en temps réel et contrôle réactif de bras robotique pour éviter les collisions dans des environnements inconnus et changeants. Le framework s'appuie sur le 3D Gaussian Splatting, une technique de représentation de scène par nuages de gaussiennes 3D, et introduit une méthode hybride de filtrage voxel combinée à une relocalisation dynamique des gaussiennes, permettant de reconstruire la scène à partir de flux RGB-D tout en s'adaptant aux changements de l'environnement en continu. Pour le contrôle, les auteurs dérivent des fonctions de distance signée continues directement depuis les gaussiennes isotropes, ce qui fournit des estimations de probabilité de collision stables et différentiables, faisant le pont entre les champs de distance classiques et les représentations implicites modernes. Ces métriques sont ensuite injectées dans des fonctions de barrière de contrôle (control barrier functions), aboutissant à un couplage perception-action unifié capable de générer des mouvements fluides en réaction aux changements de scène. Le système a été validé en simulation, sur un robot physique réel, et dans un espace de travail partagé humain-robot. L'intérêt pour l'industrie tient à la promesse centrale du papier: rendre les bras manipulateurs, aujourd'hui performants surtout en environnement structuré et statique, capables d'opérer en sécurité dans des contextes dynamiques et partagés avec des humains, sans reprogrammation manuelle des trajectoires. Si les résultats se confirment à plus grande échelle, cela toucherait directement les intégrateurs industriels et logistiques confrontés à des cellules de travail non figées, ainsi que les applications de cobotique où la coexistence humain-robot impose une réactivité aux obstacles imprévus. C'est aussi un signal supplémentaire que le 3D Gaussian Splatting, initialement pensé pour le rendu photoréaliste, s'impose progressivement comme brique de perception robotique. Le travail s'inscrit dans une lignée de recherches récentes cherchant à exploiter le 3D-GS pour la robotique, au-delà de son usage d'origine en vision par ordinateur et rendu de scènes. L'article ne précise pas d'affiliation industrielle ni de partenaire de déploiement identifié: il s'agit d'une contribution de recherche académique publiée sur arXiv, sans indication de commercialisation ni de calendrier de transfert vers un produit. Les prochaines étapes attendues concernent le passage à l'échelle sur des scènes plus complexes et des tests prolongés en conditions réelles d'usine ou d'entrepôt.

RecherchePaper
1 source
Re³Sim : générer des données de simulation photoréalistes en 3D par transfert réel-vers-simulation pour la manipulation robotique
3976arXiv cs.RO 

Re³Sim : générer des données de simulation photoréalistes en 3D par transfert réel-vers-simulation pour la manipulation robotique

Cette annonce arrive du côté recherche académique plutôt que de l'industrie commerciale : une équipe présente RE³SIM, un système de simulation photoréaliste en 3D destiné à combler l'écart entre entraînement simulé et déploiement réel en robotique manipulatrice. Publié sur arXiv (version 4, remplaçant une précédente), le papier décrit un pipeline qui reconstruit fidèlement des scènes réelles grâce à des techniques avancées de reconstruction 3D et de rendu neuronal, permettant un rendu en temps réel de caméras virtuelles multi-angles au sein d'un simulateur physique. En s'appuyant sur des informations privilégiées pour générer efficacement des démonstrations expertes en simulation, puis en entraînant des politiques robotiques par apprentissage par imitation, les chercheurs rapportent un taux de réussite moyen supérieur à 58% en transfert "zero-shot" vers le réel, c'est-à-dire sans aucune donnée réelle utilisée pour l'entraînement, uniquement des données simulées. Ils ont aussi constitué un jeu de données de simulation à grande échelle pour tester la généralisation des politiques apprises sur des objets variés. Le résultat compte parce qu'il s'attaque directement à l'un des goulots d'étranglement les plus coûteux du secteur : la collecte de données réelles pour entraîner des robots manipulateurs, qui exige des opérateurs qualifiés et du matériel onéreux. Si le fossé sim-to-real (géométrique et visuel) peut être réduit de manière fiable grâce à des reconstructions photoréalistes plutôt qu'à des environnements simulés génériques, cela change la donne pour les intégrateurs et les équipes de R&D qui cherchent à multiplier les scénarios d'entraînement sans multiplier les essais physiques. Un taux de 58% en zero-shot reste toutefois modeste comparé aux standards de fiabilité industrielle, et mérite d'être lu comme une preuve de concept académique plutôt qu'une solution prête à l'emploi pour la production. RE³SIM s'inscrit dans la lignée des travaux récents sur les politiques vision-langage-action (VLA) et les pipelines d'apprentissage par imitation, un axe de recherche également poursuivi par des acteurs comme Physical Intelligence (Pi-0) ou NVIDIA (GR00T). La démarche real-to-sim-to-real, où l'on capture d'abord le monde réel avant de simuler dessus, distingue cette approche des simulateurs purement synthétiques et pourrait influencer les futurs outils de génération de données pour l'entraînement de robots. Le code et des démonstrations sont disponibles sur le site du projet (re3sim.github.io), signe que l'équipe cherche une adoption élargie par la communauté robotique plutôt qu'une simple publication isolée.

RecherchePaper
1 source
Coordination de comportements implicites à partir de démonstrations de sous-tâches non étiquetées pour des tâches de réarrangement
3977arXiv cs.RO 

Coordination de comportements implicites à partir de démonstrations de sous-tâches non étiquetées pour des tâches de réarrangement

Une nouvelle publication arXiv (2607.09234v1, soumise en juillet 2026) propose une approche alternative pour les tâches de réarrangement robotique à long horizon, ces missions où un robot doit déplacer plusieurs objets pour réorganiser un environnement. Plutôt que de découper la tâche en compétences prédéfinies avec des étiquettes, des frontières et une logique de commutation propre à chaque scénario, les auteurs formulent le problème comme une coordination implicite de comportements appris directement depuis des démonstrations de sous-tâches non étiquetées. Le système apprend des comportements de type "compétences" à partir de données comportementales mixtes, puis les coordonne via une sélection d'actions guidée par une fonction de valeur (un critique). La méthode est testée sur les tâches de réarrangement de Habitat, la plateforme de simulation d'IA incarnée. Sans plan de tâche oracle ni démonstrations complètes étiquetées par compétence, elle dépasse des méthodes d'imitation spécifiques à la tâche sur les scénarios les plus complexes et s'approche des performances d'un système oracle combiné à des compétences apprises par clonage comportemental. L'enjeu dépasse le cadre académique. Les pipelines robotiques actuels reposent largement sur des architectures de planification explicite, coûteuses à concevoir et difficiles à faire évoluer dès que le nombre de comportements ou l'horizon temporel augmente, un frein connu pour les intégrateurs qui veulent déployer des robots polyvalents en entrepôt ou en usine. En montrant qu'une coordination apprise, sans étiquetage de compétences ni planificateur oracle, peut tenir la comparaison, ces travaux appuient l'hypothèse qu'une abstraction explicite des compétences n'est pas indispensable, un argument qui rejoint la tendance actuelle vers des modèles vision-langage-action génériques plutôt que des pipelines modulaires rigides. Ce travail s'inscrit dans la lignée des recherches en apprentissage par imitation à partir de données comportementales hétérogènes, un axe où Habitat (développé par Meta AI) sert de banc d'essai standard pour l'IA incarnée. Les auteurs montrent aussi, via des études d'ablation, que la sélection de candidats guidée par le critique est déterminante pour gérer des comportements multimodaux, et que la méthode continue de bien se comporter quand le répertoire de comportements et l'horizon de la tâche s'agrandissent, contrairement aux approches d'imitation spécifiques à la tâche. Aucun déploiement matériel réel n'est mentionné à ce stade, l'évaluation restant purement en simulation.

RecherchePaper
1 source
Acte, ressent, agit : l'apprentissage de la perception active à partir de données égocentriques humaines à grande échelle
3978arXiv cs.RO 

Acte, ressent, agit : l'apprentissage de la perception active à partir de données égocentriques humaines à grande échelle

Un article de robotique/IA en français, prêt à publier : CoMe-VLA (Cognitive and Memory-aware Vision-Language-Action) est un nouveau framework de recherche présenté dans un article arXiv (version révisée, réf. 2602.04600v2) qui s'attaque à la perception active en robotique manipulatrice, c'est-à-dire la capacité d'un robot à chercher activement de l'information plutôt que d'agir sur des données figées. Le système combine une tête cognitive auxiliaire chargée de gérer les transitions entre sous-tâches de façon autonome, et une mémoire à double piste qui fusionne les signaux proprioceptifs (position, effort) et visuels dans le temps pour maintenir une conscience cohérente de soi et de l'environnement. L'entraînement se déroule en trois étapes progressives et s'appuie sur de larges volumes de données égocentriques humaines (vidéos captées à la première personne), alignées avec l'espace d'action du robot pour transférer la coordination main-œil humaine vers la machine. Les tests ont été menés sur un humanoïde à roues, sur des tâches longues et variées impliquant plusieurs scénarios de perception active. L'enjeu dépasse la démonstration technique isolée. La plupart des modèles VLA actuellement médiatisés, qu'il s'agisse de Pi-0, GR00T N2 ou Helix, fonctionnent principalement en supposant une observabilité quasi complète de la scène, ce qui limite leur robustesse dès que l'environnement devient incertain ou partiellement caché, un cas fréquent en usine ou en entrepôt réel. En formalisant la perception active comme une boucle perception-action dépendante de l'historique, cet article propose une catégorisation structurée utile à toute l'industrie pour comparer les approches, et illustre une piste concrète pour réduire l'écart entre démonstrations en laboratoire et déploiement en environnement non contrôlé, un point sensible que les intégrateurs surveillent de près. Ce travail s'inscrit dans une tendance de fond de la recherche en robotique généraliste : exploiter les vidéos humaines à grande échelle, bien plus abondantes que les données de téléopération robotique, pour apprendre des priors d'exploration et de manipulation. Il ne s'agit ici que d'un article de recherche à un stade préliminaire, sans partenaire industriel ni déploiement annoncé, à distinguer clairement des annonces produits de type Figure ou Tesla Optimus. Les prochaines étapes attendues concernent l'extension à des plateformes bipèdes et la validation sur des tâches manipulatrices plus complexes en conditions réelles.

RechercheOpinion
1 source
PhysV2A : complétion de faisabilité guidée par l'atteignabilité et contrainte par masque sémantique, pour la manipulation vidéo-vers-robot
3979arXiv cs.RO 

PhysV2A : complétion de faisabilité guidée par l'atteignabilité et contrainte par masque sémantique, pour la manipulation vidéo-vers-robot

PhysV2A est un nouveau framework de recherche présenté dans un article publié sur arXiv (2607.09365) qui s'attaque à un problème central de la manipulation robotique pilotée par vidéo : convertir un mouvement d'objet en 6 degrés de liberté, extrait de démonstrations humaines, de vidéos générées ou d'observations RGB-D, en une trajectoire réellement exécutable par un robot donné. Le principe clé est de traiter la faisabilité de la prise non pas localement, mais comme conditionnée par la trajectoire entière : chaque candidat de préhension à 6-DoF issu d'une image RGB-D est rigidement couplé au mouvement d'objet reconstruit pour former une hypothèse de trajectoire du point central de l'outil (TCP). Le système applique ensuite une sélection hiérarchique "reachability-gated" qui rejette les paires prise-trajectoire irréalisables via des vérifications cinématiques propres au robot, puis classe les candidats survivants selon leur aptitude à l'exécution. Pour la trajectoire retenue, un masque sémantique S-Mask, assisté par un modèle vision-langage et validé par des règles, distingue les composantes cartésiennes critiques pour la tâche de celles qui peuvent être assouplies, permettant un raffinement de la manipulabilité par optimisation priorisant la redondance et relaxation cartésienne bornée. Sur quatre tâches de manipulation de table testées avec un robot réel, PhysV2A améliore le taux de réussite par rapport aux méthodes de référence fondées sur des a priori vidéo ou sur la seule cinématique inverse, tout en réduisant les échecs liés à la faisabilité cinématique. L'enjeu dépasse la simple démonstration technique : les priors extraits de vidéos sont par nature agnostiques à l'incarnation du robot, ce qui constitue un des principaux verrous empêchant l'usage à grande échelle de vidéos humaines ou générées comme source de données d'apprentissage pour la manipulation, un défi central pour les approches de type VLA (vision-language-action) qui cherchent à exploiter des corpus vidéo massifs plutôt que des démonstrations téléopérées coûteuses. En montrant qu'un traitement de la faisabilité au niveau trajectoire plutôt qu'au niveau de chaque prise réduit les échecs cinématiques, PhysV2A apporte un élément concret au débat sur l'écart entre priors vidéo prometteurs en simulation et exécution fiable sur robot réel. Ce travail s'inscrit dans une tendance de recherche plus large où vidéos humaines et vidéos générées sont envisagées comme source de données scalable pour l'apprentissage de politiques robotiques, en écho aux efforts de modèles comme Pi-0 ou GR00T N2 qui cherchent à exploiter des données hétérogènes au-delà de la téléopération classique. L'article, classé comme nouvelle soumission arXiv, reste à ce stade une contribution académique validée sur banc d'essai restreint (quatre tâches, un seul robot), sans indication d'industrialisation ni de partenaire déployant la méthode ; les prochaines étapes attendues concernent l'extension à davantage d'embodiments et de tâches de manipulation plus complexes.

RecherchePaper
1 source
TactiDex : un référentiel tactile réel pour la manipulation dextre proche de l'humain
3980arXiv cs.RO 

TactiDex : un référentiel tactile réel pour la manipulation dextre proche de l'humain

La recherche en manipulation robotique dextre franchit une nouvelle étape avec TactiDex, un benchmark et un jeu de données publiés sur arXiv (référence 2607.09190v1) et dédiés à la manipulation guidée par le toucher. Le projet part d'un constat technique précis: la plupart des méthodes actuelles de transfert humain-robot pour les mains dextres reposent uniquement sur des trajectoires cinématiques, ce qui produit une imitation du mouvement sans véritable ancrage physique dans le contact. TactiDex propose à la place un jeu de données réel qui aligne des signaux tactiles couvrant l'ensemble de la main avec des états cinématiques et des états d'objets à plusieurs niveaux de granularité, accompagné de métriques d'évaluation standardisées. Sur cette base, les auteurs introduisent TactiSkill, un framework de transfert reposant sur une récompense tactile à trois composantes, conçue pour unifier dans un seul objectif le guidage du geste, la ressemblance avec le comportement humain et le respect des contraintes de contact. Les expériences couvrent à la fois des tâches à une main et des tâches bimanuelles, avec une page projet dédiée (tactidex.github.io) pour consulter les données et résultats. Pour l'industrie robotique, ce travail s'attaque directement à un angle mort connu des pipelines d'apprentissage par démonstration: la plupart des systèmes actuels, y compris les architectures VLA les plus médiatisées, valident surtout la trajectoire du geste et non la qualité physique du contact, ce qui laisse un écart entre démonstration réussie en vidéo et manipulation réellement stable en conditions réelles. En intégrant le retour tactile comme signal de supervision structuré plutôt que comme donnée accessoire, TactiDex offre aux équipes de recherche et aux intégrateurs travaillant sur des mains robotiques un cadre d'évaluation plus rigoureux pour juger si un geste appris est simplement copié ou physiquement plausible, ce qui pèse directement sur la fiabilité des déploiements en préhension fine. Le travail s'inscrit dans la lignée des efforts récents visant à dépasser la simple imitation cinématique dans le transfert humain-robot, un problème identifié de longue date dans la littérature sur la téléopération et l'apprentissage par démonstration. Aucune date de publication de code ni de partenariat industriel n'est mentionnée à ce stade; le projet reste au niveau d'un benchmark de recherche, dont l'adoption dépendra de sa reprise par d'autres laboratoires travaillant sur des mains dextres et l'apprentissage tactile.

RecherchePaper
1 source
GenVid2Robot : de la génération vidéo à la manipulation robotique par cohérence rigide-géométrique
3981arXiv cs.RO 

GenVid2Robot : de la génération vidéo à la manipulation robotique par cohérence rigide-géométrique

Des chercheurs ont publié le 13 juillet 2026 sur arXiv (2607.09191v1) GenVid2Robot, un système qui transforme des vidéos générées par IA en trajectoires exécutables sur un robot manipulateur réel. Le problème de départ: une vidéo générée peut sembler visuellement plausible sans être physiquement exécutable, faute de géométrie métrique, d'ancrage de préhension, de faisabilité cinématique ou de retour d'exécution. GenVid2Robot part d'une observation RGB-D initiale et d'une instruction de tâche, échantillonne des ancres sémantiques pertinentes sur la première image réelle, puis suit ces ancres à travers les candidats vidéo générés. Un modèle SE(3) relatif et épars vérifie si le mouvement 2D observé est cohérent avec la géométrie 3D des ancres; seul le mouvement validé géométriquement est transféré au robot. Ce mouvement est ensuite appliqué à la pose réelle de l'organe terminal (TCP) au moment de la saisie, déterminée par une préhension contrainte par masque, et un module de compensation de profondeur borné corrige les erreurs locales dues au bruit RGB-D ou aux déplacements de contact. L'enjeu dépasse la démonstration technique isolée: les modèles de génération vidéo (type Sora, Veo ou Genie) sont de plus en plus présentés comme des sources de "priors" de mouvement pour la robotique, mais l'écart entre vidéo plausible et action exécutable reste l'un des obstacles majeurs à leur usage réel, aux côtés du problème classique du sim-to-real. En filtrant les hypothèses de mouvement par cohérence géométrique plutôt qu'en rejouant directement une trajectoire, GenVid2Robot répond directement au risque d'échec en conditions réelles que redoutent intégrateurs et équipes R&D travaillant sur les architectures vision-langage-action (VLA). Le travail s'inscrit dans la lignée des approches combinant modèles génératifs et politiques robotiques, aux côtés d'efforts comme Pi-0, GR00T N2 ou Helix qui cherchent à exploiter des priors visuels ou vidéo à grande échelle. À ce stade, il s'agit d'une publication de recherche avec expériences sur robot réel, non d'un produit commercialisé; les auteurs ne précisent pas de calendrier de déploiement industriel.

RecherchePaper
1 source
AgenticFocus : synthèse de réalité mixte préservant les objets à partir de vidéo FPV humaine pour l'apprentissage humanoïde dextérique
3982arXiv cs.RO 

AgenticFocus : synthèse de réalité mixte préservant les objets à partir de vidéo FPV humaine pour l'apprentissage humanoïde dextérique

AgenticFocus, un pipeline de synthèse en réalité mixte, transforme des vidéos ordinaires filmées à la première personne (FPV) par des humains en démonstrations exploitables pour l'apprentissage de robots humanoïdes. Présenté dans un article arXiv publié cette semaine (2607.08857), le système s'attaque à trois obstacles récurrents des pipelines existants: l'occlusion des objets par la main pendant la manipulation, les mouvements simplifiés à l'excès dans les jeux de données synthétiques, et la dépendance à du matériel de capture spécialisé coûteux. Concrètement, AgenticFocus reconstruit la géométrie des objets masqués par la main, restitue le mouvement complet des doigts, puis retargete l'ensemble vers un corps humanoïde via un alignement relatif à la caméra et un compositing en couches. Le résultat est un jeu de données synchronisant observations visuelles recentrées et actions ou états du robot. Sur le plan quantitatif, la trajectoire produite affiche une erreur plus faible et un mouvement du poignet plus lisse que des méthodes de référence cross-embodiment, avec des scores SPARC de -5,18 contre -5,56 et -6,05 pour les baselines (plus proche de zéro signifiant un geste plus fluide). L'enjeu dépasse la seule métrique technique. L'apprentissage de politiques pour humanoïdes bute depuis des années sur le manque de données de manipulation dexterity à grande échelle: la téléopération et la capture en réalité virtuelle sont précises mais lentes à produire, tandis que la vidéo humaine ordinaire est abondante mais bruitée et difficile à retargeter fidèlement. En améliorant la qualité de reconstruction de la main et de l'objet à partir de simples vidéos FPV, ce type de pipeline vise à débloquer un gisement de données quasi illimité, sans capteurs dédiés, pour entraîner des modèles vision-langage-action (VLA). C'est une brique d'infrastructure plutôt qu'un produit fini, mais elle touche directement au goulot d'étranglement identifié par la plupart des laboratoires travaillant sur la manipulation dexterity chez l'humanoïde. Cette approche s'inscrit dans une tendance plus large de l'industrie, où plusieurs équipes cherchent à exploiter la vidéo humaine égocentrique comme source de supervision scalable, en complément des données de téléopération utilisées pour entraîner les modèles VLA de nouvelle génération. L'article ne précise ni affiliation institutionnelle ni plan de mise à disposition du code ou du jeu de données, ce qui limite pour l'instant la reproductibilité et l'adoption par des équipes tierces.

RecherchePaper
1 source
Modèle vision-langage-action débiaisé causalement pour modèles du monde conditionnés par l'action incarnée
3983arXiv cs.RO 

Modèle vision-langage-action débiaisé causalement pour modèles du monde conditionnés par l'action incarnée

Des chercheurs publient sur arXiv (arXiv:2607.09185v1) un nouveau framework baptisé CD-LAM, destiné à améliorer les modèles du monde conditionnés par l'action (ACWM), ces systèmes qui simulent les observations futures d'un robot en fonction des actions qu'il pourrait exécuter. Ces modèles reposent sur des données massives étiquetées avec les actions correspondantes, coûteuses à collecter en conditions réelles. Pour contourner ce goulot d'étranglement, les modèles d'action latente (LAM) infèrent des actions directement depuis des vidéos non étiquetées, mais souffrent d'un biais connu : entraînés uniquement sur des objectifs de reconstruction, ils mélangent la dynamique liée à l'action avec des éléments visuels non pertinents comme l'arrière-plan ou des objets non manipulés. CD-LAM introduit trois objectifs de fine-tuning complémentaires, une reconstruction centrée sur le corps du robot, un apprentissage contrastif centré sur l'action, et une calibration de l'espace latent, pour produire des représentations plus fidèles et non dégénérées. Testé sur des backbones ACWM de 2 et 14 milliards de paramètres, CD-LAM améliore la contrôlabilité des actions latentes, le suivi des commandes en aval, la fidélité visuelle, et ne nécessite que 6 000 étapes de fine-tuning, soit plus de 12 fois moins de mises à jour d'adaptation que la méthode de référence. L'enjeu dépasse la seule performance technique : réduire d'un facteur 12 le coût d'adaptation d'un modèle du monde à un nouveau robot ou une nouvelle tâche s'attaque directement au principal frein à l'échelle des politiques robotiques actuelles, la rareté des données actions-étiquetées réelles. Ce type de travail nourrit la course aux modèles VLA (vision-language-action) comme Pi-0, GR00T N2 ou Helix, où la capacité à généraliser à partir de peu de démonstrations conditionne la viabilité commerciale des humanoïdes. Il faut toutefois distinguer clairement ce résultat, une contribution de recherche à l'échelle du benchmark, d'un déploiement en production. CD-LAM s'inscrit dans la lignée des travaux récents sur les modèles d'action latente, une direction de recherche née du constat que l'étiquetage manuel des actions robotiques ne passera jamais à l'échelle des humanoïdes commerciaux. L'abstract ne cite ni laboratoire ni entreprise précise, signe d'une publication académique classique plutôt que d'une annonce produit. Les auteurs évoquent des pistes de suite via l'adaptation à davantage de plateformes robotiques et de backbones plus larges, sans calendrier de déploiement communiqué.

RecherchePaper
1 source
Robot Trajectron V3 : un cadre de contrôle partagé probabiliste pour la manipulation SE(3)
3984arXiv cs.RO 

Robot Trajectron V3 : un cadre de contrôle partagé probabiliste pour la manipulation SE(3)

Un nouveau cadre de contrôle partagé pour la téléopération de bras robotiques à haut degré de liberté, baptisé Robot Trajectron V3 (RT-V3), a été publié sur arXiv (référence 2607.09315). Il cible les tâches de préhension en SE(3), c'est-à-dire combinant translation et rotation dans l'espace. RT-V3 formule l'assistance comme une inférence bayésienne : un modèle transformer génératif apprend un a priori sur l'intention de l'utilisateur à partir de nuages de points, de poses de préhension candidates et de la dynamique passée du robot, puis le combine en temps réel aux commandes de l'opérateur pour estimer la trajectoire future la plus probable. Une représentation factorisée translation-rotation améliore l'apprentissage dans ces espaces d'action de haute dimension. Des études utilisateurs réelles montrent un taux de réussite et une efficacité supérieurs aux méthodes de référence, avec une charge de travail physique et mentale réduite pour l'opérateur. L'enjeu est concret pour l'industrie robotique : la téléopération de bras à haute dimensionnalité reste lourde cognitivement et source d'erreurs, surtout avec des interfaces à faible bande passante comme les joysticks ou les interfaces cerveau-machine. Pour les intégrateurs travaillant en logistique, en désamorçage ou en intervention en environnement dangereux, un contrôle partagé qui anticipe l'intention humaine peut réduire la fatigue de l'opérateur sans exiger une autonomie complète, encore risquée en scène non structurée. Le travail illustre aussi une tendance de fond du secteur : l'usage de modèles génératifs conditionnés par la vision, proches des architectures VLA popularisées par des systèmes comme Pi-0 ou GR00T N2, pour de l'assistance plutôt que de l'autonomie totale. Les résultats restent toutefois issus d'études en laboratoire, dont le passage à l'échelle industrielle reste à démontrer. Le nom "V3" signale une itération sur des versions antérieures de Robot Trajectron, dans un champ de recherche sur le contrôle partagé homme-robot déjà disputé entre approches par diffusion, par apprentissage par renforcement et par inférence bayésienne. Aucun partenaire industriel ni déploiement commercial n'est mentionné : il s'agit à ce stade d'une contribution académique, sans licence ni intégration produit annoncée. La suite logique pour ce type de travaux est généralement une extension à des tâches multi-étapes ou à des flottes de robots, ainsi qu'une comparaison plus poussée face aux politiques VLA end-to-end qui gagnent du terrain dans l'industrie humanoïde.

RecherchePaper
1 source
CLAP : adaptation directe de VLM à VLA par ancrage langage-action
3985arXiv cs.RO 

CLAP : adaptation directe de VLM à VLA par ancrage langage-action

Des chercheurs publient sur arXiv (2607.08974v1) un nouveau modèle nommé CLAP, pour Causal Language-Action Prediction, une méthode qui convertit directement un modèle vision-langage (VLM) pré-entraîné en modèle vision-langage-action (VLA) sans modifier son architecture. Le problème identifié est celui du décalage de distribution en sortie : quand un VLA prédit des actions robotiques sous forme de simples séquences de tokens numériques, la génération s'éloigne de la distribution de langage naturel sur laquelle le VLM a été entraîné, ce qui dégrade les capacités sémantiques qu'on cherchait justement à préserver. CLAP résout ce problème en faisant précéder chaque séquence d'action numérique d'une description en langage naturel du geste à accomplir, conditionnant ainsi la prédiction précise des tokens d'action sur un plan verbalisé. Avec un simple fine-tuning d'une seule époque, la version 2 milliards de paramètres atteint 90,8% sur le benchmark LIBERO, soit 14,9 points de plus que VLA-0, et améliore la robustesse sur LIBERO-PRO face aux perturbations de langage, d'objets et de position spatiale. Les auteurs annoncent la publication en poids ouverts d'une famille de modèles à 0,8, 2 et 4 milliards de paramètres, issus de la même lignée de VLM. L'intérêt de ce travail est avant tout méthodologique plutôt qu'industriel : il permet d'isoler ce que le VLM pré-entraîné apporte réellement au contrôle robotique, alors que les post-entraînements massifs sur données robot et les modifications architecturales tendent habituellement à brouiller cette contribution. Pour les laboratoires travaillant sur des modèles comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, cette approche offre une voie plus transparente pour comprendre comment les capacités sémantiques d'un VLM se transfèrent à l'échelle vers le contrôle d'action, sans repartir d'une architecture bricolée sur mesure. CLAP s'inscrit dans un courant de recherche visant à limiter les changements architecturaux entre VLM et VLA, contrairement aux approches type OpenVLA qui modifient plus lourdement le squelette du modèle. Il s'agit ici d'une publication de recherche en preprint, non d'un produit commercial ni d'un déploiement robotique réel : aucun essai sur robot physique n'est mentionné dans l'abstract, seule une évaluation en simulation via LIBERO. La suite annoncée est la mise à disposition en open source des trois tailles de modèles, permettant à la communauté de reproduire et d'approfondir cette analyse du transfert de capacités du VLM vers le VLA.

RechercheActu
1 source
Une approche par échantillonnage incrémental et segmentation pour l'infaisabilité en planification de mouvement
3986arXiv cs.RO 

Une approche par échantillonnage incrémental et segmentation pour l'infaisabilité en planification de mouvement

Des chercheurs ont publié une troisième révision sur arXiv (2501.11434v3) d'un algorithme destiné à détecter l'infaisabilité d'un plan de mouvement en robotique, c'est-à-dire à prouver rapidement qu'aucun chemin ne relie une configuration de départ à une configuration d'arrivée. La méthode discrétise l'espace des configurations du robot, chaque degré de liberté (DOF) ne prenant qu'un nombre fini de valeurs. L'espace obstacle divise cet espace en régions connexes distinctes : pour qu'un chemin existe, départ et arrivée doivent appartenir à la même région. L'algorithme construit progressivement une carte de cet espace, initialement supposé entièrement libre, en échantillonnant des points dans la zone obstacle et en mettant à jour une bitmap correspondante. Il segmente ensuite cet espace partiellement rempli pour identifier ses composantes connexes et vérifier la connectivité entre départ et arrivée. Les auteurs valident l'approche sur cinq scénarios allant jusqu'à 5 DOF, puis démontrent expérimentalement son passage à l'échelle sur des robots à 6 et 7 DOF, avec des optimisations visant à accélérer significativement les calculs. L'enjeu dépasse la simple curiosité académique : prouver qu'un mouvement est impossible est structurellement plus difficile que d'en trouver un possible, car les planificateurs par échantillonnage les plus répandus (RRT, PRM et leurs variantes) sont conçus pour converger vers une solution quand elle existe, mais tournent indéfiniment ou échouent silencieusement en son absence. Pour un intégrateur industriel programmant une cellule robotisée, savoir en amont qu'une trajectoire est irréalisable évite un temps de calcul infini et permet de reconfigurer l'environnement ou la pose du robot plus tôt dans le cycle de conception. La démonstration sur des configurations à 6 et 7 DOF est le point notable : elle indique que la méthode ne reste pas cantonnée à des cas jouets de basse dimension, un écueil fréquent pour les approches de segmentation d'espace de configuration. La détection de complétude et d'infaisabilité en planification de mouvement est un sujet de recherche ancien, où les méthodes par grille ou par décomposition cellulaire coexistent avec les approches probabilistes plus rapides mais incomplètes. Cette publication, revue une troisième fois avant réévaluation, s'inscrit dans cette lignée en proposant une alternative simple à implémenter plutôt qu'une preuve théorique lourde, ouvrant la voie à une intégration dans des pipelines de planification existants pour des bras robotiques à haute dimensionnalité.

RecherchePaper
1 source
OIPP : prédicteur adaptatif du point d'impact pour intercepter des objets en vol variés
3987arXiv cs.RO 

OIPP : prédicteur adaptatif du point d'impact pour intercepter des objets en vol variés

Des chercheurs publient sur arXiv (soumission remplacée, v3) un système baptisé OIPP (Object-Adaptive Impact Point Predictor), conçu pour permettre à un robot quadrupède équipé d'un panier de rattraper des objets en vol. L'objectif est de prédire précisément le point d'impact, c'est-à-dire l'endroit où l'objet va atterrir, avant même la fin de sa trajectoire. Pour entraîner ce système, faute de jeu de données public couvrant des objets divers soumis à une aérodynamique instable, l'équipe a constitué son propre corpus: 8 000 trajectoires réelles issues de 20 objets différents. OIPP repose sur deux modules, un encodeur adaptatif aux objets (OAE) qui extrait des représentations dépendantes de l'objet à partir de l'historique de mouvement, et un prédicteur de point d'impact (IPP) qui en déduit la position finale. Deux variantes de l'IPP ont été testées, l'une (NAE) qui prédit l'accélération puis reconstruit la trajectoire complète, l'autre (DPE) qui produit directement le point d'impact sans étape intermédiaire. Les résultats montrent une performance supérieure aux méthodes de référence sur 15 objets connus et 5 objets jamais vus à l'entraînement, avec des gains de succès de capture confirmés en simulation et lors d'essais sur robot réel. Pour l'industrie robotique, ce travail s'attaque à un problème resté largement non résolu: la manipulation dynamique d'objets en vol, un domaine différent de la préhension statique déjà largement maîtrisée par les bras robotiques. La difficulté centrale que les auteurs mettent en avant, à savoir que les trajectoires de différents objets se ressemblent en début de vol, est précisément ce qui limite les systèmes existants à des scénarios avec un seul type d'objet connu à l'avance. Démontrer qu'un modèle unique généralise à des objets inédits, sans réentraînement, est un signal utile pour les intégrateurs qui envisagent des applications de tri, de logistique ou de sécurité où la nature de l'objet capté n'est pas toujours prévisible à l'avance. Cela reste toutefois un résultat de recherche académique, validé sur un jeu d'objets limité et un robot quadrupède spécifique, loin d'un produit commercial déployé. Le travail s'inscrit dans la lignée des efforts récents sur la manipulation dynamique par apprentissage, où l'accès à des données réelles diversifiées est le principal goulot d'étranglement plutôt que l'algorithme lui-même, un constat similaire à celui qui a poussé des laboratoires travaillant sur des politiques de type VLA (vision-langage-action) à investir massivement dans la collecte de données avant l'entraînement des modèles. Les auteurs positionnent explicitement leur contribution en deux temps, d'abord la construction d'un dataset plus riche et complexe que l'existant, ensuite l'architecture OIPP elle-même. Une démonstration vidéo est disponible en ligne, et les essais sur robot réel suggèrent une prochaine étape naturelle vers des tests en conditions moins contrôlées, avec potentiellement davantage d'objets et de configurations de lancer, avant d'envisager une application industrielle concrète.

RecherchePaper
1 source
Modèles vision-langage-action de manipulateurs aériens modulaires, adaptés à la tâche sous contraintes de flux d'air
3988arXiv cs.RO 

Modèles vision-langage-action de manipulateurs aériens modulaires, adaptés à la tâche sous contraintes de flux d'air

Le paragraphe qui suit décode un preprint arXiv (2607.09548v1, catégorie "new") plutôt qu'une annonce produit : posture éditoriale adaptée en conséquence, sans effets d'annonce à dégonfler puisqu'il n'y en a pas. Une équipe de recherche propose un cadre de conception par optimisation pour des manipulateurs aériens modulaires, c'est à dire des drones multirotors équipés d'un bras robotique capable d'interagir physiquement avec leur environnement. Le problème central : le flux d'air généré par les rotors perturbe les tâches impliquant des cibles ou des environnements sensibles au souffle. Les auteurs introduisent une catégorisation inédite de la tolérance des cibles à l'exposition au flux d'air, traduite en contraintes géométriques exploitables dans l'optimisation. Pour modéliser ce flux sans exploser le coût de calcul, ils développent une enveloppe compacte en forme de cône-sphère qui approxime la structure de propagation du souffle d'un quadrirotor. Sur cette base, le système de reconfiguration optimise à la fois la configuration de la plateforme et le placement de l'effecteur terminal, en respectant simultanément les exigences de force et couple (wrench) de la tâche, l'exposition de la cible au flux d'air et les interférences aérodynamiques entre les propres rotors de la plateforme. Contrairement aux approches précédentes qui fixaient d'emblée la position de l'effecteur, ce placement devient ici une variable d'optimisation à part entière. Des expériences de passage à l'échelle et des études d'ablation viennent valider l'approche. L'intérêt pour le secteur tient à un angle mort réel de la manipulation aérienne : la plupart des cadres de conception optimisent la faisabilité mécanique des tâches sans jamais modéliser la perturbation aérodynamique que le drone lui-même inflige à sa cible, un problème critique pour l'inspection de capteurs fragiles, l'agriculture de précision près de cultures sensibles, ou toute intervention à proximité d'équipements ou de personnes. Un cadre qui reconfigure automatiquement bras et plateforme selon la tâche, sans réglage manuel au cas par cas, pourrait accélérer le déploiement de drones manipulateurs modulaires dans ces contextes. Le texte reste toutefois un apport computationnel : la validation s'appuie sur des expériences de simulation et des ablations, sans mention de vols réels ni de plateforme physique testée, ce qui invite à la prudence sur la transférabilité pratique. Le champ de la manipulation aérienne modulaire, porté historiquement par des laboratoires universitaires en robotique aérienne, continue ainsi d'explorer la reconfigurabilité matérielle comme réponse à la diversité des tâches, avec l'intégration du flux d'air comme contrainte de conception encore peu traitée dans la littérature.

RecherchePaper
1 source
Robot quadrupède grand public : un docteur de CUHK, ex-ingénieur DJI, lève plusieurs dizaines de millions en amorçage, mené par Zheng Xuan
398936Kr 

Robot quadrupède grand public : un docteur de CUHK, ex-ingénieur DJI, lève plusieurs dizaines de millions en amorçage, mené par Zheng Xuan

La société shenzhenoise Lumisition Robotics (光之跃迁科技) a bouclé un tour d'amorçage de près de 50 millions de yuans (environ 6,5 millions d'euros), mené par Zhengxuan Investment, avec la participation de Guangdian Capital, Lihe Capital, Songhe Capital et Hengxin Future. Fondée en février 2026, l'entreprise développe des robots quadrupèdes grand public conçus comme des « châssis mobiles tout-terrain », destinés aux foyers américains et européens en maison individuelle, aux amateurs de sports outdoor et aux seniors. Le CEO Le Linzhu, docteur et post-doctorant en robotique à l'Université chinoise de Hong Kong (CUHK) et cofondateur du LRL Lab, a occupé un poste clé en R&D chez DJI avant de cofonder une précédente société de quadrupèdes B2B, Guangnian Innovation Technology. Le CTO, également diplômé de robotique à la CUHK et passé par le collège d'honneur Zhu Kezhen de l'Université du Zhejiang, travaille sur l'apprentissage par renforcement et le contrôle moteur ; le VP hardware, formé à l'Université des sciences et technologies de Huazhong sous la direction du professeur Gao Liang et ancien ingénieur chez Roborock, a coécrit cinq articles IEEE/ASME TMECH, IROS et ICRA et détient sept brevets. L'architecture logicielle repose sur quatre couches : perception, motricité (fondée sur plusieurs années de recherche en apprentissage par renforcement pour franchir des terrains complexes), intention (des agents capables d'arbitrer entre vitesse et sécurité) et rôle, cette dernière permettant de reconfigurer le robot en outil de transport, assistant de camping ou fauteuil roulant motorisé via des modules amovibles. Côté coûts, l'équipe a réduit un module articulaire de 18 à 11 pièces grâce à une optimisation multidisciplinaire, et combine caméras bon marché et lidar avec de la distillation de modèles pour limiter les besoins en calcul. Un prototype existe déjà : un test de randonnée en direct de trois jours est prévu en octobre 2026, un lancement officiel au CES 2027, puis une production de série entre avril et mai 2027. Le positionnement tranche avec l'essentiel du marché des quadrupèdes grand public, aujourd'hui dominé par des produits à vocation ludique ou de compagnie, type Unitree Go2. Lumisition vise au contraire un usage utilitaire assumé : remplacement de l'effort physique pour le « dernier kilomètre » entre garage et domicile, aide à la mobilité pour une population vieillissante confrontée à la hausse du coût des soins et à la pénurie de main-d'œuvre. C'est un pari sur un segment encore vide entre les robots-compagnons et les plateformes logistiques B2B, et il illustre la stratégie désormais classique des startups chinoises de robotique : viser les marges permises par la chaîne d'approvisionnement domestique pour proposer un tarif nettement inférieur aux quadrupèdes occidentaux. Reste que le calendrier annoncé, une entreprise vieille de cinq mois, un prototype tout juste sorti des labos, un lancement CES en janvier 2027 et une production de série trois mois plus tard, est particulièrement serré et mérite d'être suivi avec prudence, comme souvent pour les feuilles de route publiées lors d'un tour d'amorçage. Le projet s'appuie directement sur le vivier du LRL Lab de la CUHK, pépinière reconnue de talents en robotique à Hong Kong, et sur l'expérience préalable de son CEO chez DJI puis chez Guangnian Innovation Technology, acteur B2B du quadrupède. Sur le marché grand public, Lumisition devra se mesurer à Unitree, dont le Go2 a déjà largement diffusé l'image du robot-chien accessible, ainsi qu'à des acteurs professionnels comme Deep Robotics ; à plus long terme, l'entreprise revendique une ambition allant au-delà du transport d'objets, avec une version capable à terme de transporter une personne, dans la lignée des concepts de fauteuil roulant tout-terrain motorisé. Le principal investisseur, Zhengxuan Investment, justifie son entrée par la bascule de l'intelligence incarnée du laboratoire vers le déploiement à grande échelle, misant sur la combinaison logiciel-matériel de l'équipe et sur son modèle de navigation de bout en bout. Les prochaines étapes concrètes restent le test public d'octobre 2026 et la présentation produit prévue au CES de janvier 2027.

Chine/AsieOpinion
1 source
Om AI de Zhao Tiancheng : des années de persévérance, pari sur l'avenir « en flux continu » natif de l'IA physique
399036Kr 

Om AI de Zhao Tiancheng : des années de persévérance, pari sur l'avenir « en flux continu » natif de l'IA physique

Om AI, jeune pousse chinoise fondée par Zhao Tiancheng, docteur de l'institut de technologies du langage de Carnegie Mellon, vient de dévoiler VLX, une famille de modèles multimodaux présentée comme la première au monde conçue nativement pour fonctionner en flux continu sur des terminaux physiques. L'architecture repose sur trois modules imbriqués, Flow pour la perception, Seek pour la localisation, Go pour la décision et l'action, formant une boucle complète perception, localisation, action directement embarquée, sans dépendre du cloud. Contrairement à l'approche dominante qui découpe la vidéo en images fixes traitées une par une, VLX ingère le flux vidéo en continu, à la manière d'une eau qui coule, et raisonne en temps réel sans attendre de requête. Le déclic remonte à 2023, quand l'équipe a constaté qu'un modèle multimodal n'ayant jamais vu la moindre image de vidéosurveillance surpassait des modèles spécialisés entraînés pendant des années sur ce type de données, preuve selon Zhao Tiancheng que l'entraînement conjoint vision-langage generalise mieux dans le monde physique ouvert que les modèles dédiés. Om AI revendique aujourd'hui des revenus de l'ordre de la centaine de millions de yuans et un déploiement effectif sur des robots, drones, objets connectés, caméras de sécurité et PC IA, avec des données réelles remontant en continu depuis le terrain pour réentraîner les modèles. Cette annonce arrive alors que le secteur de l'IA physique traverse une phase de forte incertitude méthodologique, entre modèles vision-langage-action, génération vidéo, simulation 3D et approches par représentation type JEPA, sans consensus sur la voie qui mènera à une production industrielle. Le pari d'Om AI sur l'intelligence embarquée plutôt que centralisée dans le cloud répond à une contrainte concrète de sécurité et de latence: un robot qui se fige ou chute a des conséquences bien plus graves qu'un bug logiciel classique, un argument que la société met en avant pour justifier une intelligence distribuée sur chaque terminal plutôt qu'un cerveau unique. Le financement mondial de l'IA physique a dépassé 6,4 milliards de dollars sur le seul premier trimestre 2026, signe d'un secteur en quête de preuves de déploiement réel plutôt que de démonstrations. Le positionnement de Zhao Tiancheng s'est construit sur cinq années à contre-courant: alors que l'industrie chinoise se ruait sur les grands modèles de langage générateurs de texte après 2023, il a maintenu le cap sur la fusion vision-langage, misant sur son expérience d'un projet multimodal à un milliard de dollars mené chez Yahoo pendant son doctorat. Plusieurs membres de l'équipe sont partis durant les vagues successives d'engouement pour d'autres approches, avant que le virage du secteur vers l'IA physique en 2026 ne valide, selon lui, ce choix initial resté longtemps minoritaire face aux modèles de langage et, plus récemment, aux modèles du monde.

Chine/AsieActu
1 source
L'entreprise Ant Group robotique Lingbo adopte une nouvelle approche pour construire les cerveaux des robots
3991Pandaily 

L'entreprise Ant Group robotique Lingbo adopte une nouvelle approche pour construire les cerveaux des robots

Ant Group, la maison mère d'Alipay, développe via sa filiale Lingbo une approche inhabituelle pour concevoir des cerveaux de robots, en s'appuyant sur l'immense infrastructure de données et d'intelligence artificielle issue de son écosystème de paiement. Plutôt que de partir du matériel comme la plupart des startups d'IA incarnée, Lingbo privilégie d'abord la couche cognitive. L'entreprise mobilise l'expertise d'Ant Group en traitement transactionnel à haute fréquence, en prise de décision en temps réel dans l'incertitude et en inférence distribuée à grande échelle, des compétences accumulées sur plusieurs années à traiter des milliards de transactions quotidiennes via Alipay (détection de fraude, évaluation de risque, recommandation personnalisée). Lingbo entend transposer cette infrastructure vers la robotique pour bâtir un cerveau robotique capable de gérer la complexité et l'incertitude du monde physique avec la même fiabilité que le traitement financier. L'unité bénéficie d'une autonomie importante au sein d'Ant Group et attire des talents issus à la fois de la recherche en IA et de l'industrie robotique. Aucun produit concret ni calendrier commercial n'a été rendu public à ce stade. Cette stratégie illustre un mouvement plus large : des acteurs de la tech et de la finance entrent dans la course à l'IA incarnée en misant sur leurs atouts logiciels et data plutôt que sur la fabrication de matériel. Pour Lingbo, la partie la plus valorisable de la chaîne robotique ne serait pas la mécanique mais la couche d'intelligence, un pari qui, s'il se confirme, redistribuerait les cartes face aux spécialistes du hardware comme les fabricants d'humanoïdes. Pour les intégrateurs et décideurs industriels, ce positionnement pose une question stratégique : la donnée comportementale et transactionnelle à l'échelle d'Alipay, plusieurs centaines de millions d'utilisateurs, peut-elle vraiment se transférer à la compréhension d'un environnement physique et à la décision robotique ? Rien dans les éléments communiqués ne le démontre encore, et l'annonce reste à ce stade programmatique plutôt que prouvée par un produit déployé. Elle mérite néanmoins d'être suivie car elle traduit un changement de doctrine : dans un paysage chinois où les plateformes matérielles se banalisent, l'avantage compétitif se déplacerait vers le logiciel, la donnée et l'infrastructure de déploiement. Ant Group a construit ses capacités d'IA sur plusieurs années, d'abord pour la détection de fraude et la gestion des risques sur Alipay, avant d'intégrer des assistants IA à l'échelle de son écosystème, utilisés par des centaines de millions de personnes. Lingbo s'inscrit dans le prolongement naturel de cette expansion technologique vers le monde physique, dans un contexte où la Chine voit fleurir de multiples acteurs robotiques, qu'il s'agisse de fabricants d'humanoïdes ou de laboratoires développant des modèles généralistes de type VLA (vision-language-action), comparables aux Pi-0 ou GR00T N2 développés aux États-Unis. Contrairement à des concurrents qui présentent déjà des démonstrateurs matériels, Lingbo n'a pour l'instant communiqué ni prototype ni partenariat industriel identifié, ce qui place la démarche au stade de la déclaration d'intention stratégique. Les prochaines étapes à surveiller seront la première présentation publique d'un système intégré, d'éventuels partenariats avec des fabricants de plateformes robotiques, et la manière dont Ant Group articulera cette activité avec ses autres investissements en IA générative.

Chine/AsieOpinion
1 source
PHANES AI intègre le toucher aux modèles fondation de robots : TouchWorld, un modèle tactile pour la manipulation dextérique
3992Pandaily 

PHANES AI intègre le toucher aux modèles fondation de robots : TouchWorld, un modèle tactile pour la manipulation dextérique

PHANES AI, start-up fondée par Yang Shuo, professeur à l'Institut de technologie de Harbin (campus de Shenzhen), a publié un nouveau modèle de fondation tactile baptisé TouchWorld, conçu pour la manipulation dextre en robotique. L'objectif est de combler une faille des modèles vision-langage-action (VLA) actuels: ceux-ci peuvent voir qu'un doigt robotique touche un bouton, mais ne peuvent pas savoir s'il a réellement été enfoncé. TouchWorld attribue au toucher un double rôle. En mode prédictif, avant d'exécuter une action, le modèle anticipe non seulement l'image visuelle attendue en fin de sous-tâche, mais aussi une carte tactile précisant quel doigt devrait ressentir une pression, à quel endroit et avec quelle intensité, une référence physique que la vision seule ne peut fournir. En mode réactif, une fois le contact établi, le modèle lit en continu les signaux tactiles et l'état des articulations pour appliquer des micro-corrections de position, de force de préhension et d'angle du poignet, sans nécessiter une replanification par la politique de haut niveau. Sur six tâches réelles (arrosage de plantes, nettoyage de table, insertion de prise, insertion de tasse, récurage de poêle, prise de mouchoir), TouchWorld atteint 65,0% de réussite en conditions normales et 57,2% en présence de perturbations comme le déplacement de la cible ou une interférence de préhension, soit 15,7 et 16,0 points de plus que la meilleure référence testée. Chaque tâche a été entraînée sur 200 trajectoires de téléopération et évaluée sur 100 essais robotiques réels. Cette approche répond à un problème concret pour l'industrie: les modèles VLA actuels échouent souvent en silence lorsqu'un contact physique ne se passe pas comme prévu, un angle mort critique pour des applications comme l'assemblage de précision ou la manipulation d'objets fragiles. En traitant le signal tactile comme un flux séparé plutôt que comme une modalité fondue dans le pipeline visuel, PHANES AI défend l'idée que la densité d'information et la vitesse de traitement du toucher sont trop différentes de celles de la vision pour partager une même architecture sans que le signal tactile ne soit noyé. Si les résultats se confirment à plus grande échelle, ce découplage pourrait devenir un standard pour les robots humanoïdes ou les bras industriels appelés à manipuler des objets déformables ou mal positionnés, un domaine où la démonstration en laboratoire peine souvent à se traduire en fiabilité réelle. Yang Shuo, né en 1998, est déjà professeur titulaire et directeur de thèse à HIT Shenzhen, l'un des plus jeunes professeurs titulaires de Chine. Lauréat de la bourse doctorale Google (un des neuf récipiendaires mondiaux) et finaliste du prix du meilleur article à ICLR, il est rentré en Chine à 26 ans pour fonder PHANES AI, qui réunit désormais une équipe couvrant les données, la modélisation, le contrôle robotique et le matériel. L'entreprise s'inscrit dans une compétition mondiale sur les modèles de fondation pour la manipulation dextre, aux côtés d'acteurs comme les équipes derrière Pi-0 ou GR00T N2, avec pour différenciation affichée le traitement natif du signal tactile plutôt qu'un simple ajout de capteurs.

IA physiqueActu
1 source
BAAI et Alibaba, tous les deux jours un nouveau modèle d'IA incarnée voit le jour
3993Pandaily 

BAAI et Alibaba, tous les deux jours un nouveau modèle d'IA incarnée voit le jour

Treize nouveaux modèles fondation et modèles du monde pour la robotique embarquée ont été annoncés en juin 2026, soit environ un tous les 48 heures. Lors de la Conférence Zhiyuan 2026, le BAAI (Beijing Academy of Artificial Intelligence) a présenté deux avancées : Wujie Physis-v0.1, qui prédit l'état physique suivant en compressant vidéo, données RGB-D, nuages de points 3D et retour tactile dans un espace latent unifié, et Wujie RoboBrain Orca, un "cerveau" robotique combinant représentation unifiée, raisonnement causal et décodage multimodal. Le 16 juin, Alibaba a dévoilé la suite Qwen-Robot, composée de trois modèles complémentaires : Qwen-RobotNav pour l'allocation d'attention visuelle en navigation mobile, Qwen-RobotManip qui standardise l'espace état-action pour la manipulation, et Qwen-RobotWorld, doté d'une interface en langage naturel pour prédire la dynamique du monde. CasiaHand a lancé Brain-Si 0.5, présenté comme le premier modèle de manipulation dextre humanoïde, avec une architecture à trois niveaux allant de la planification VLA jusqu'à des modèles physiquement interprétables. GalaxyBot a de son côté publié AstraBrain-WBC 0.5, un modèle de contrôle corps entier entraîné sur environ 2 milliards d'images issues de mouvements humains, pour 80 millions de paramètres. RoboScience, Current Robotics et BoundlessPower ont complété la liste avec respectivement l'architecture Visics, le modèle Curl-0 et le modèle du monde MWA. Cette accélération marque un basculement net dans l'industrie de la robotique embarquée : la compétition ne se joue plus sur les capacités matérielles des robots, mais sur l'intelligence logicielle qui les pilote. Signe le plus révélateur, la posture d'Alibaba tranche avec l'approche dominante du "plus de données, plus de robots" : le groupe affirme que l'hétérogénéité du monde physique ne peut pas être résolue par le seul passage à l'échelle et nécessite un alignement au niveau du modèle lui-même. Pour les intégrateurs et décideurs industriels, le signal est important : les équipes ne cherchent plus seulement à démontrer ce que les robots savent faire, mais à expliquer pourquoi ils échouent encore sur certaines tâches, chacune identifiant un goulot d'étranglement différent, retour tactile, coordination corps entier, transfert simulation-réel ou planification à long horizon. Ce foisonnement s'inscrit dans la course engagée depuis 2024-2025 entre laboratoires chinois et occidentaux (Figure, Physical Intelligence avec Pi-0, NVIDIA avec GR00T) autour des modèles vision-langage-action. La France et l'Europe restent absentes de cette vague spécifique de publications, la dynamique se concentrant pour l'instant sur les acteurs chinois (BAAI, Alibaba, CasiaHand, GalaxyBot) et américains. Les prochaines étapes attendues concernent la validation de ces architectures sur des déploiements réels au-delà des démonstrations en laboratoire, un point sur lequel la prudence reste de mise tant les métriques annoncées, notamment le nombre de paramètres ou de frames d'entraînement, restent difficiles à comparer d'un laboratoire à l'autre sans benchmarks communs.

Chine/AsieOpinion
1 source
Dexmal veut booster la productivité de l'IA incarnée avec le modèle DM0.5, DexOS et une stratégie MaaS en trois étapes
3994Pandaily 

Dexmal veut booster la productivité de l'IA incarnée avec le modèle DM0.5, DexOS et une stratégie MaaS en trois étapes

Dexmal, entreprise chinoise spécialisée en IA incarnée, a dévoilé une gamme complète de produits robotiques articulée autour du modèle fondation DM0.5, du robot universel Apex et de trois plateformes de support : le système d'exploitation DexOS, la plateforme de services MaaS et le framework d'apprentissage par renforcement DFOL 2.0. La stratégie suit un modèle en trois étages : d'abord un modèle fondation généraliste, puis des outils pour développeurs (post-entraînement, MaaS, OS), enfin des solutions sectorielles complètes. DM0.5 compte 4 milliards de paramètres entraînés sur 150 000 heures de données multi-sources, soit quatre fois plus de données et deux fois plus de paramètres que DM0, son prédécesseur. Il affiche une latence d'inférence de 50 ms, une efficacité d'inférence améliorée de 25 %, et un taux de réussite de 42 % sur le benchmark RoboChallenge Table30 V2, où il se classe premier avec un score total de 60,1. Sur l'évaluation LIBERO, il atteint 99,1 % de performance globale. Par rapport à DM0, la réussite en navigation zero-shot progresse de 31 %, en few-shot de 45 %, et après fine-tuning de 20 %, pour un coût de fine-tuning réduit de 60 %, permettant un déploiement de niveau expert sur une seule carte RTX 4090 grand public en 18 heures. Le robot Apex propose des effecteurs terminaux interchangeables en moins de 60 secondes, une perception à 360 degrés via double LiDAR, une charge utile de 3 kg par bras, une précision millimétrique et un remplacement de batterie à chaud en 30 secondes, avec un MTBF ciblé au-delà de 1 000 heures. Cette annonce illustre la tentative de Dexmal de combler l'écart, souvent négligé par les démonstrations spectaculaires, entre la capacité d'un modèle et son déploiement industriel réel. DexOS, présenté comme le premier système d'exploitation générique pour l'IA incarnée, découple les modèles du matériel afin que les intégrateurs puissent piloter des robots de marques différentes avec quelques lignes de Python, une approche qui rappelle la logique d'abstraction matérielle déjà tentée par d'autres acteurs de la robotique humanoïde. DFOL 2.0, qui s'appuie sur le modèle du monde DW0.5 comme simulateur haute fidélité, réduirait de 60 % les besoins en données réelles et de 40 % le coût global d'entraînement, un argument central pour les intégrateurs cherchant à limiter le temps de collecte de données sur robot physique. Les chiffres avancés, notamment le classement sur RoboChallenge et les gains de généralisation, restent des métriques internes à confirmer par des tests indépendants. Dexmal s'inscrit dans un écosystème chinois de l'IA incarnée en pleine consolidation, en partenariat avec des fabricants de corps robotiques comme Tiangong, Huaqin et Shihe, ainsi qu'avec les fondeurs de puces Pingtouge (Alibaba), Moore Threads et Cambricon. Le PDG Tang Wenbin a présenté ce lancement comme le franchissement du "dernier kilomètre" séparant les lois d'échelle des modèles d'une productivité réelle, un positionnement qui fait écho aux ambitions affichées par des concurrents comme Physical Intelligence avec Pi-0, ou NVIDIA avec GR00T N2, dans la course à des modèles vision-langage-action généralistes et déployables à grande échelle.

IA physiqueActu
1 source
Exosquelette IA Haier W3 en pratique : le robot portable domestique est-il enfin prêt ?
3995Pandaily 

Exosquelette IA Haier W3 en pratique : le robot portable domestique est-il enfin prêt ?

Haier a ouvert un magasin d'exosquelettes IA à Guangzhou pour présenter son exosquelette de hanche de troisième génération, le W3. L'appareil pèse 1,75 kg et coûte 2 200 dollars (15 999 yuans), soit environ 60% du poids des produits comparables sur le marché, une réduction obtenue grâce à un usage massif de fibre de carbone et à des moteurs compacts. Le couple d'assistance reste modeste, 16 Nm, mais des tests pratiques ont montré qu'il suffit pour des utilisateurs asiatiques de poids normal, avec une aide perceptible dans les escaliers sans forcer la foulée. La nouveauté principale tient à l'algorithme d'apprentissage de la démarche : contrairement aux générations précédentes qui imposaient un mouvement mécanique rigide, le W3 apprend le style de marche naturel de l'utilisateur en quelques minutes, distinguant les transferts de poids en position debout des mouvements de marche intentionnels pour éviter les faux déclenchements qui pénalisaient les modèles antérieurs. Haier propose aussi une version "W3 Mom Edition" adaptée à la morphologie féminine asiatique, ainsi qu'un mode "petits pas" pour les seniors à foulée courte et fréquente, ce qui impose à l'algorithme de reconnaissance de gestes de fonctionner à haute fréquence, un régime technique exigeant pour des systèmes à long bras de levier. Ce lancement illustre une évolution notable pour le secteur des exosquelettes grand public : la combinaison d'un poids réduit, d'une intelligence embarquée capable de s'adapter à l'utilisateur sans calibration lourde, et d'une segmentation par morphologie (au lieu du modèle unique historiquement dominant) rapproche ces dispositifs d'un usage domestique réel, notamment pour l'assistance à la mobilité des seniors et la rééducation. À 2 200 dollars, le W3 reste néanmoins hors de portée d'une adoption de masse, et les résultats évoqués reposent sur un test de prise en main isolé plutôt que sur une évaluation indépendante à grande échelle, ce qui invite à la prudence sur la généralisation des performances annoncées. L'enjeu dépasse le seul marché de l'exosquelette : les briques technologiques développées ici, apprentissage adaptatif de la démarche et anticipation de l'intention de l'utilisateur, sont considérées par les observateurs du secteur comme des briques transférables aux futurs robots domestiques autonomes. Le W3 s'inscrit dans une trajectoire d'itérations rapides chez Haier, la génération précédente étant plus lourde et moins autonome en matière de perception du mouvement. Le positionnement de la marque, acteur de l'électroménager qui investit désormais la robotique portable, tranche avec les start-up spécialisées en exosquelettes qui dominent habituellement ce segment. Si aucun calendrier de commercialisation internationale n'a été communiqué, la trajectoire observée, une génération plus légère, plus abordable et plus intelligente à chaque itération, laisse penser qu'un ou deux cycles de développement supplémentaires pourraient rendre ces dispositifs viables pour un usage domestique courant, au-delà du strict cadre médical ou industriel auquel les exosquelettes sont aujourd'hui largement cantonnés.

ExosquelettesActu
1 source
Comment évaluer les politiques de robots généralistes pour un déploiement en conditions réelles
3996NVIDIA Developer Blog 

Comment évaluer les politiques de robots généralistes pour un déploiement en conditions réelles

Une équipe de recherche en robotique publie un article de blog consacré à l'évaluation rigoureuse des politiques robotiques généralistes destinées au déploiement réel. Le texte part d'un constat : les meilleurs systèmes actuels, capables de suivre des instructions en langage naturel pour saisir, déplacer, trier et manipuler une grande variété d'objets, ont progressé rapidement ces derniers mois. Mais à mesure que ces modèles gagnent en capacité, les évaluer de façon fiable est devenu, selon les auteurs, l'un des problèmes non résolus les plus difficiles du secteur. Le billet ne détaille pas encore la méthode complète, mais annonce vouloir poser les problèmes clés de l'évaluation et présenter une approche pour les traiter, sans livrer dans cet extrait de chiffres de benchmark, de taux de réussite ou de comparaison entre modèles nommés. Pour l'industrie robotique, la question de l'évaluation n'est pas secondaire : elle conditionne la confiance que les intégrateurs et décideurs B2B peuvent accorder à des politiques génériques de type VLA avant de les déployer sur une ligne de production ou un site logistique. De nombreuses démonstrations de robots manipulateurs ou humanoïdes sont aujourd'hui présentées avec des vidéos sélectionnées et des conditions de test non standardisées, ce qui rend difficile toute comparaison objective entre acteurs. En pointant ce manque de rigueur méthodologique, la démarche s'inscrit dans une remise en question plus large de l'écart entre démonstration et réalité opérationnelle, un sujet central alors que plusieurs laboratoires affirment avoir résolu le passage de la simulation au réel à grande échelle. Cette initiative s'inscrit dans un mouvement plus large où plusieurs laboratoires de robotique généraliste développent des politiques capables d'exécuter des instructions en langage naturel sur des tâches variées, sans qu'il existe pour l'instant de standard d'évaluation partagé par le secteur. L'absence de protocole commun complique la comparaison entre approches concurrentes et freine l'adoption industrielle, les entreprises utilisatrices devant se fier aux métriques propres à chaque fournisseur. Le billet annonce vouloir combler ce vide méthodologique, sans préciser à ce stade de calendrier de publication détaillée ni de partenaires industriels associés à la démarche.

RecherchePaper
1 source
IA chinoise dévoile de nouveaux modèles de perception spatiale pour robots
3997Interesting Engineering 

IA chinoise dévoile de nouveaux modèles de perception spatiale pour robots

La société chinoise Robbyant a dévoilé LingBot-Depth 2.0, une nouvelle génération de modèles de perception spatiale pour robots, accompagnée d'un modèle de vision associé baptisé LingBot-Vision. LingBot-Depth 2.0 s'appuie sur la version précédente, qui avait introduit la technique de Masked Depth Modeling (MDM) pour améliorer la détection de profondeur sur les surfaces transparentes et réfléchissantes. Entraîné sur 150 millions d'échantillons, le nouveau modèle obtient les meilleurs résultats sur 12 des 16 benchmarks de complétion de profondeur testés. Dans les scénarios de perte de profondeur sévère, l'erreur est divisée par plus de deux par rapport au modèle précédent, le score RMSE passant de 0,132 à 0,062. Le modèle progresse aussi sur la détection des surfaces vitrées et des miroirs, un point faible classique des caméras de profondeur. LingBot-Vision, entraîné sur 160 millions d'images (un jeu de données plus restreint que ceux des modèles concurrents), utilise pour la première fois la "structure de bordure" comme objectif de pré-entraînement, permettant une localisation des contours au niveau sub-pixel et un suivi stable des arêtes d'objets sur des séquences vidéo. Pour l'industrie robotique, cette annonce illustre la poursuite de la course aux modèles de perception spatiale comme brique fondamentale des systèmes d'IA incarnée, aux côtés des modèles d'action type VLA (vision-langage-action) tels que Pi-0 ou GR00T N2. Une perception de profondeur fiable sur verre et surfaces réfléchissantes reste un obstacle concret pour la navigation en environnement intérieur (entrepôts, bureaux, hôpitaux), là où les caméras stéréo et LiDAR classiques échouent régulièrement. La certification obtenue auprès du Depth Vision Laboratory d'Orbbec, avec des tests sur les caméras stéréo 3D Gemini 330, apporte une validation industrielle plus tangible qu'une simple annonce marketing, même si les chiffres de benchmark restent ceux communiqués par Robbyant lui-même et mériteraient une vérification indépendante. Le partenariat avec Orbbec, fabricant reconnu de capteurs 3D, va au-delà de la validation logicielle : il s'étend au matériel, avec l'intégration d'une version personnalisée de LingBot-Depth dans le dispositif RGB-D EGO de la nouvelle plateforme de collecte de données "Robot-Free" d'Orbbec, conçue pour capturer des données d'entraînement sans mobiliser de robot physique. Robbyant annonce qu'une version commerciale avancée du modèle sera intégrée à cette plateforme dans de futures mises à jour, avec pour objectif de fournir une base de données plus précise et stable pour l'entraînement des systèmes d'IA incarnée. Le mouvement s'inscrit dans une dynamique plus large de fournisseurs chinois de modèles de fondation pour la robotique cherchant à s'imposer comme briques de perception standard, à un moment où la course humanoïde et logistique internationale accélère la demande de systèmes de perception robustes et bon marché.

Chine/AsieActu
1 source
Are les fournisseurs prêts pour les nouvelles normes de sécurité des robots ?
3998Robotics Business Review 

Are les fournisseurs prêts pour les nouvelles normes de sécurité des robots ?

KUKA, l'un des plus grands fournisseurs de robotique industrielle pour l'automobile, illustre les enjeux d'une transition réglementaire majeure qui s'annonce pour le secteur. La norme ISO 10218:2025, version actualisée du référentiel de sécurité pour les robots industriels, doit devenir obligatoire pour le marquage CE en Europe dans le cadre du nouveau règlement Machines UE 2023/1230, qui remplacera la directive Machines 2006/42/CE le 20 janvier 2027. Reste une étape critique en suspens mi-2026 : l'inscription officielle de la norme au Journal officiel de l'Union européenne, préalable indispensable à son entrée en vigueur légale. Lors de la précédente révision de 2011, ce processus d'harmonisation avait pris plus d'un an, ce qui laisse craindre un calendrier très serré, voire un dépassement de l'échéance de 2027, d'autant que la demande manufacturière européenne reste faible et que les PME subissent des pressions de coûts. Aux États-Unis, l'Association for Advancing Automation et l'ANSI ont publié en septembre 2025 leur propre mise à jour, la norme R15.06-2025, alignée sur les standards ISO mais purement volontaire. Cette différence de statut juridique ne doit pas masquer un enjeu commercial commun : les grands équipementiers, déjà largement prêts pour cette transition, devraient voir leur position concurrentielle renforcée, tandis que les fournisseurs de taille moyenne ou émergents, souvent moins avancés dans leur mise en conformité, risquent de perdre l'accès à certains marchés. En Europe, l'investissement nécessaire pour se conformer à la norme pèsera à court terme sur des vendeurs déjà fragilisés par la contraction du marché entre 2023 et 2025, mais ceux qui absorberont cette transition seront mieux placés pour capter une demande industrielle de plus en plus sensible aux questions de sécurité. Aux États-Unis, bien que la norme reste non contraignante sur le plan légal, les grands donneurs d'ordre et intégrateurs l'exigent fréquemment dans leurs cahiers des charges, et l'OSHA peut s'y référer comme benchmark en cas d'accident, rendant la conformité de facto incontournable pour qui vise ce marché. Le contexte plus large est celui d'un marché américain en reprise depuis le second semestre 2025, mais toujours fragilisé par les tensions géopolitiques et la hausse des prix du pétrole, pendant qu'en Europe le calage précis entre le calendrier réglementaire et la publication au Journal officiel reste la grande inconnue. Pour les fournisseurs, la marge de manœuvre se réduit : anticiper la mise en conformité devient un facteur de différenciation avant même l'entrée en vigueur formelle du texte.

RegulationReglementation
1 source
Robots avant déploiement : pourquoi les équipes de robotique ont besoin de salles d'entraînement virtuelles
3999Robotics Business Review 

Robots avant déploiement : pourquoi les équipes de robotique ont besoin de salles d'entraînement virtuelles

Les robots industriels et humanoïdes butent aujourd'hui moins sur l'automatisation d'une tâche que sur l'adaptation à des environnements changeants, selon un article publié par le cabinet de conseil technologique SoftServe. Le marché mondial de la robotique devrait croître à un rythme de 19,6% par an entre 2026 et 2036, selon les chiffres cités de Future Market Insights. Pour combler l'écart entre simulation et réalité, un concept gagne du terrain dans l'industrie : le « virtual gym » (salle de sport virtuelle), un environnement de simulation haute fidélité où un robot peut s'entraîner, échouer, se corriger et être validé avant tout déploiement réel. Ces plateformes combinent jumeaux numériques, simulation physique poussée, données synthétiques, apprentissage par renforcement, modélisation de capteurs et tests hardware-in-the-loop, l'objectif étant de rendre les essais physiques plus ciblés et moins risqués. L'enjeu dépasse la technique pure : c'est un problème de mise en production. Un robot mobile évoluant en entrepôt doit composer avec un trafic qui change d'heure en heure ; un bras robotisé doit reconnaître un même produit sous des emballages, angles ou reflets lumineux différents de ceux vus à l'entraînement. Ces écarts, même mineurs, suffisent à transformer une simulation réussie en échec sur le terrain. L'apprentissage par imitation, souvent utilisé comme point de départ pratique pour la manipulation, reste dépendant de démonstrations de qualité et d'une variété suffisante de cas. Or collecter cette expérience sur du matériel réel coûte cher : arrêts de production, usure des équipements, risques pour la sécurité. Pire, les cas les plus utiles pour l'entraînement (blocages, objets lâchés, quasi-accidents, fuites, palettes endommagées, pannes de capteurs) surviennent trop rarement en conditions normales pour constituer un jeu de données exploitable. Le virtual gym permet de générer ces scénarios de façon contrôlée avant qu'ils ne se produisent en production. Reste que la fidélité de ces environnements doit être calibrée selon le mode de défaillance visé, pas maximisée par principe : un planificateur d'itinéraire pour robot mobile n'a pas besoin du même niveau de physique qu'une tâche de manipulation d'objets déformables ou qu'un robot d'inspection cherchant des défauts thermiques ou structurels. En usine, la modélisation portera sur la géométrie CAO, les fixations, le placement des caméras, l'outillage et les zones de sécurité ; en entrepôt, sur la géométrie des allées, la variabilité des références produits, les mouvements humains et le comportement de flotte. Les virtual gyms les plus aboutis combinent plusieurs approches de modélisation : physique de premiers principes pour le mouvement et les collisions, modèles résiduels pilotés par les données pour corriger les effets difficiles à capturer analytiquement, co-simulation pour coupler plusieurs solveurs (mouvement, thermique, contraintes matérielles), et modèles de substitution comme les réseaux de neurones physiquement informés pour approximer des comportements complexes plus rapidement qu'une simulation complète.

InfrastructureOpinion
1 source
Comment optimiser le soudage robotique par l'IA chez Path Robotics
4000Robotics Business Review 

Comment optimiser le soudage robotique par l'IA chez Path Robotics

Traduction/résumé de l'article. Path Robotics, entreprise basée à Columbus (Ohio), applique l'intelligence artificielle au soudage robotisé pour résoudre un problème de longue date dans l'industrie manufacturière : la difficulté à programmer et calibrer des robots soudeurs sur des pièces variables. Son système utilise la vision en temps réel pour identifier la trajectoire de la torche et guider le robot tout au long de l'opération de soudure, en ajustant la trajectoire à la volée plutôt qu'en suivant un programme rigide préétabli. L'entreprise déploie également des robots quadrupèdes Spot de Boston Dynamics pour des applications de soudage mobile dans la construction navale, un secteur où les pièces à souder sont souvent trop volumineuses ou mal positionnées pour des cellules robotiques fixes classiques. Ces informations ont été détaillées par Andy Lonsberry, cofondateur et PDG de Path Robotics, lors de l'épisode 252 du podcast The Robot Report, aux côtés de Michael Yip, professeur assistant en génie électrique et informatique à l'UC San Diego. Cette approche illustre un mouvement plus large dans la robotique industrielle : remplacer la programmation manuelle fastidieuse des trajectoires de soudure par des systèmes qui perçoivent et s'adaptent à la géométrie réelle des pièces. Pour les intégrateurs et les décideurs industriels, c'est un argument concret en faveur de l'IA physique appliquée à des tâches à forte valeur ajoutée mais chroniquement sous-automatisées, le soudage manuel restant l'un des métiers les plus pénuriques dans l'industrie lourde américaine. L'utilisation de Spot pour le soudage mobile en chantier naval est également révélatrice d'une tendance : recycler des plateformes quadrupèdes déjà éprouvées (initialement conçues pour l'inspection) vers des tâches de fabrication, plutôt que de développer un robot mobile dédié depuis zéro. Cela reste toutefois un déploiement ciblé sur un cas d'usage industriel spécifique, et non une démonstration généraliste. Sur le plan de la recherche, Michael Yip dirige l'Advanced Robotics and Controls Laboratory (ARCLab) à l'UC San Diego, où son équipe travaille sur le contrôle et la planification de mouvement robotique efficaces en données et en calcul, en s'appuyant sur l'apprentissage profond et l'apprentissage par renforcement. Yip, également conférencier distingué IEEE RAS et Hellman Fellow, applique ces méthodes à la robotique chirurgicale et à l'automatisation de procédures médicales, un domaine où la précision du geste et l'adaptabilité en temps réel posent des défis proches de ceux du soudage industriel. L'épisode aborde par ailleurs l'actualité de la semaine, avec la question des robots humanoïdes en chirurgie au-delà du Da Vinci, les propos du cofondateur d'Agility Robotics avant son entrée en bourse à propos de son robot Digit V5, ainsi que les tensions croissantes entre la NHTSA et les véhicules autonomes interférant avec les services d'urgence aux États-Unis.

IndustrielActu
1 source