Des chercheurs inventent un capteur qui permet aux robots de voir ce qu’ils touchent

BlueME : Ils ont créé la tech qui permet aux robots de communiquer à 700m sous la mer

Des chercheurs de l'Université de Floride ont développé BlueME, une antenne magnétoélectrique compacte permettant à des robots sous-marins autonomes de communiquer entre eux sur plus de 700 mètres de profondeur. Dirigé par le Dr Md Jahidul Islam, spécialiste en robotique marine, le projet repose sur un réseau d'antennes qui vibrent à leur fréquence naturelle pour émettre des signaux électromagnétiques à très basse fréquence. La consommation énergétique du système est remarquablement faible : environ 10 watts à pleine puissance, soit moins qu'une caméra stéréo standard. Ces signaux traversent les eaux troubles, les sédiments et les environnements sous-marins les plus hostiles sans être perturbés par les particules en suspension ni les échos, contrairement aux technologies acoustiques ou laser actuellement utilisées. Cette percée répond à une limitation critique des drones sous-marins actuels : incapables d'échanger des données complexes en pleine mission, ils doivent régulièrement interrompre leurs opérations et remonter à la surface pour transmettre des informations ou recevoir de nouvelles consignes. BlueME élimine cette contrainte en offrant des communications robot-à-robot fiables et continues dans des profondeurs significatives. Les applications envisagées sont nombreuses et concrètes : les marines militaires pourraient déployer des essaims de drones coopératifs pour détecter des dangers sans exposer de personnel humain, les entreprises offshore pourraient automatiser l'inspection de pipelines sous-marins, et les scientifiques pourraient surveiller des écosystèmes marins en temps réel sans interruption de mission. L'origine de BlueME illustre la fécondité des collaborations interdisciplinaires inattendues. Le Dr Adam Khalifa, spécialiste des implants médicaux miniatures sans fil, a rejoint le projet en apportant une analogie surprenante : le corps humain, composé essentiellement d'eau légèrement salée, pose aux signaux sans fil des défis physiques similaires à ceux rencontrés en milieu sous-marin. L'eau salée absorbe rapidement les ondes radio, forçant habituellement le recours à des antennes volumineuses ou à des niveaux de puissance élevés pour maintenir une communication. En transposant les techniques développées pour faire transiter des signaux à travers les tissus humains, l'équipe a conçu une architecture radicalement différente. Alors que la course à l'autonomie des drones sous-marins s'intensifie, notamment dans les secteurs de la défense, de l'énergie et de la recherche océanographique, BlueME positionne l'Université de Floride comme un acteur clé d'une infrastructure de communication sous-marine qui reste aujourd'hui l'un des derniers grands angles morts des réseaux connectés mondiaux.

Les modèles d'action universels permettent aux robots de simuler les conséquences avant d'agir

Les World Action Models (WAM) constituent une nouvelle famille de modèles d'IA pour la robotique, documentée dans une étude récente qui recense et organise une centaine de publications scientifiques autour de deux grandes lignes architecturales. Contrairement aux systèmes actuels, ces modèles ne se contentent pas d'associer des mouvements à des images de caméra : ils simulent mentalement les conséquences d'une action avant de l'exécuter, en modélisant comment l'environnement va évoluer. L'enjeu est considérable pour le secteur. Les robots industriels et domestiques actuels restent fragiles face à l'imprévu, car leurs modèles n'ont aucune représentation interne de la physique du monde. Les WAM offrent une capacité de planification proactive : un bras robotique peut anticiper qu'attraper un objet d'une certaine façon le fera basculer, et corriger sa trajectoire avant même de bouger. Cela ouvre la voie à des robots beaucoup plus robustes et adaptables dans des environnements non contrôlés. L'avantage décisif de cette approche réside dans les données d'entraînement : les WAM peuvent apprendre à partir de vidéos ordinaires du monde réel, sans étiquetage des actions robotiques, un type de donnée qui était jusqu'ici quasi inutilisable pour les IA robotiques classiques. Cette propriété lève un verrou majeur, car les vidéos non annotées sont disponibles en quantité massive sur internet. La compétition entre laboratoires de recherche et géants de la tech pour maîtriser ce type de modèle devrait s'intensifier dans les prochains mois.

💬 Ce qui m'intéresse là-dedans, c'est pas le robot qui réfléchit avant de bouger, c'est qu'il peut apprendre à partir de vidéos ordinaires, sans annotation spécifique. Les données robotiques étiquetées coûtent une fortune à produire, les vidéos YouTube non, et il y en a des milliards d'heures. C'est le genre de verrou qui, une fois levé, accélère tout le reste.

Des blocs reconfigurables permettent aux robots d'assembler et réutiliser des bâtiments

Des chercheurs du MIT ont mis au point un système de construction modulaire dans lequel des unités structurelles légères, appelées voxels, peuvent être assemblées par des robots pour former des bâtiments à l'échelle réelle. Publiés par le groupe de recherche du MIT, ces travaux présentent des blocs géométriquement conçus pour s'emboîter sans fixations permanentes, selon un principe de réseau en treillis où les forces se répartissent sur l'ensemble de l'assemblage plutôt que de se concentrer dans des colonnes ou des poutres isolées. Les robots progressent le long de la structure au fur et à mesure de sa construction, plaçant et connectant chaque unité en séquence. L'ensemble du système a été pensé autour de ce que les machines peuvent exécuter de manière fiable, une logique inverse par rapport au chantier traditionnel, où les outils robotiques sont généralement intégrés à des méthodes conçues pour des équipes humaines. L'enjeu est à la fois environnemental et économique. Les chercheurs estiment que la construction par voxels pourrait produire une empreinte carbone nettement inférieure à celle des méthodes conventionnelles, grâce à deux facteurs : une utilisation plus légère des matériaux par volume construit, et la possibilité de récupérer et de réutiliser les composants en fin de vie plutôt que de les démolir. Le béton et l'acier génèrent d'importants volumes de carbone incorporé lors de leur fabrication ; un voxel, lui, pourrait théoriquement traverser plusieurs bâtiments successifs au cours de sa durée de vie. L'automatisation modifie également l'équation du travail : en confiant les tâches de placement répétitives à des robots, le système pourrait réduire les coûts et accélérer les délais de construction pour des structures standardisées. Le projet s'inscrit dans une trajectoire de recherche plus large sur la construction numérique, l'idée que les bâtiments, à l'image de produits manufacturés, peuvent être spécifiés en unités discrètes lisibles par des machines. Mais des limites importantes subsistent à ce stade. Le système s'applique uniquement à des formes géométriquement simples ; les plans irréguliers, les structures mixtes en hauteur et l'intégration des réseaux électriques, de plomberie ou de climatisation dans les parois portantes restent hors de portée. L'imperméabilité, l'isolation thermique et acoustique ne sont pas non plus résolues par la géométrie des voxels seuls. La question de la montée en échelle vers des chantiers multi-étages en conditions réelles demeure entière. Si ces obstacles sont surmontés, l'approche pourrait transformer en profondeur la manière dont architectes et ingénieurs conçoivent et démantèlent les bâtiments de demain.

Les robots sont trop nuls dans la vraie vie : ces chercheurs ont enfin trouvé la solution

Des chercheurs des universités d'Aston et de Birmingham ont mis au point un système basé sur l'intelligence artificielle pour résoudre l'un des problèmes les plus persistants de la robotique industrielle : l'échec des robots à fonctionner correctement dans des conditions réelles après un entraînement en simulation virtuelle. Leurs travaux, soutenus par le projet REBELION dans le cadre d'un programme de UK Research and Innovation dédié au recyclage sécurisé des batteries lithium-ion, montrent des résultats probants sur des tâches concrètes impliquant des interactions physiques avec des matériaux, notamment la manipulation et la découpe. La méthode consiste à introduire automatiquement, pendant la phase d'entraînement virtuel, des variations et des perturbations dans l'environnement simulé, forçant le robot à apprendre à gérer l'instabilité et l'imprévisibilité bien avant de rencontrer le monde réel. Ce que cette approche change fondamentalement, c'est la manière dont l'industrie peut déployer des robots dans des environnements complexes ou dangereux sans accumuler des milliers d'heures de tests physiques coûteux et risqués. Le "fossé entre simulation et réalité", ce phénomène bien connu des roboticiens où une machine maîtrisant parfaitement une tâche en virtuel déraille dans le monde physique à cause du bruit des capteurs, des légères variations de position des objets ou des forces inattendues, est précisément ce que cette méthode cherche à combler. Les résultats indiquent que les robots entraînés de cette façon deviennent plus stables et plus adaptatifs, même avec très peu de données réelles supplémentaires, ce qui représente un gain considérable en termes de coûts et de délais de mise en service. Le secteur du recyclage des batteries lithium-ion constitue le cas d'usage prioritaire des chercheurs, car il implique la manipulation de cellules endommagées ou instables, rendant les tests directs particulièrement hasardeux. Mais l'ambition va bien au-delà : l'équipe espère déboucher sur des robots industriels quasi "prêts à l'emploi", capables d'être entraînés rapidement en simulation puis déployés dans un nouvel environnement avec un minimum de reconfiguration. Dans un contexte où l'automatisation industrielle est sous pression pour s'adapter à des chaînes de production plus flexibles et à des pénuries de main-d'œuvre, une telle avancée pourrait accélérer significativement l'adoption de la robotique dans des secteurs encore réticents à cause des coûts et de la complexité du déploiement. La prochaine étape sera d'étendre cette validation à des environnements industriels plus diversifiés et moins contrôlés.