Aller au contenu principal
Le Fil IA

Actualités IA — page 299

9 335 articles au fil, du plus récent au plus ancien.

HANDFUL : manipulation dextre séquentielle conditionnée par la préhension et les ressources disponibles
Illustration générée par IA
5961arXiv cs.RO 

HANDFUL : manipulation dextre séquentielle conditionnée par la préhension et les ressources disponibles

Des chercheurs ont publié le 29 avril 2026 sur arXiv un article présentant HANDFUL, un nouveau cadre d'apprentissage pour la manipulation dextère séquentielle par des robots à main articulée. L'idée centrale est de permettre à un robot d'effectuer plusieurs actions successives sur des objets, par exemple saisir un objet puis le pousser, le tirer ou appuyer dessus, sans relâcher sa prise initiale. Pour cela, HANDFUL modélise l'usage des doigts comme une ressource limitée et entraîne le robot à adopter des prises "économes" qui réservent des doigts disponibles pour les tâches suivantes. L'approche repose sur des récompenses de contact au niveau de chaque doigt et un apprentissage par curriculum. Les chercheurs ont également créé HANDFUL-Bench, un benchmark de simulation dédié aux tâches de manipulation dextère séquentielle sous contrainte de prise partagée, couvrant trois types de sous-tâches : pousser, tirer et presser. Le système a été validé en simulation et sur un robot physique équipé d'une main LEAP. Ce travail ouvre la voie à des robots capables de manipulations multitâches complexes, là où la quasi-totalité des recherches antérieures se limitait à des tâches mono-objet et mono-action. En pratique, la capacité à planifier une prise en anticipant les actions futures améliore significativement le taux de réussite des sous-tâches secondaires, ainsi que la robustesse globale du robot, par rapport à une approche naïve qui optimise chaque prise sans tenir compte de la suite. Pour l'industrie, cela représente une avancée concrète vers des bras robotiques capables d'enchaîner des gestes dans des environnements non structurés, comme l'assemblage, la logistique ou l'assistance à domicile. La manipulation dextère reste l'un des défis les plus difficiles de la robotique : les mains à plusieurs doigts sont mécaniquement complexes et difficiles à contrôler par apprentissage par renforcement. La plupart des approches existantes cherchent à optimiser une seule tâche à la fois, ignorant les contraintes imposées par les actions ultérieures. HANDFUL s'inscrit dans une tendance émergente qui pousse les robots vers une planification holistique de leurs ressources motrices. Les prochaines étapes naturelles incluront l'extension à des chaînes de tâches plus longues et à des objets plus variés, ainsi que le transfert depuis la simulation vers des robots réels dans des conditions non contrôlées.

RobotiqueActu
1 source
SAMe : un moteur de cartographie anatomique sémantique pour l'échographie robotique
Illustration générée par IA
5962arXiv cs.RO 

SAMe : un moteur de cartographie anatomique sémantique pour l'échographie robotique

Des chercheurs ont présenté SAMe, un moteur de cartographie anatomique sémantique conçu pour automatiser l'initialisation des examens d'échographie robotique. Publié sur arXiv (référence 2604.25646), ce système résout l'un des verrous majeurs de l'échographie autonome : savoir quoi scanner, où commencer et comment s'adapter à l'anatomie propre de chaque patient. Concrètement, SAMe fonctionne en trois étapes : il traduit une plainte clinique vague en organe cible précis, génère une représentation anatomique personnalisée à partir d'une simple photo externe du corps, puis calcule automatiquement la position et l'orientation de la sonde en six degrés de liberté, sans recours à une imagerie préopératoire IRM ou scanner. Lors des tests sur robot réel, SAMe a atteint un taux de localisation correcte de 97,3 % pour le foie et de 81,7 % pour le rein, surpassant dans les deux cas la méthode de référence basée sur des heuristiques de surface. Ces résultats représentent une avancée décisive pour rendre l'échographie robotique véritablement autonome. Jusqu'ici, même les systèmes les plus sophistiqués dépendaient d'un expert humain pour initialiser le scan, c'est-à-dire positionner correctement la sonde en début d'examen. SAMe supprime cette dépendance en intégrant une couche de compréhension anatomique explicite directement dans la boucle de contrôle du robot. Le moteur est également très léger : l'inférence pour un organe prend seulement 0,08 seconde, ce qui le rend compatible avec des systèmes embarqués et des contextes cliniques temps réel. L'échographie robotique se développe dans un contexte de tension croissante entre la demande mondiale d'imagerie médicale et la pénurie de spécialistes qualifiés, notamment dans les zones sous-dotées. Les systèmes existants avaient progressé sur le contrôle local de l'image et la régulation du contact avec la peau, mais butaient sur cette étape d'initialisation. SAMe s'inscrit dans une ambition plus large : des pipelines d'échographie autonome pilotés par la plainte du patient, sans intervention spécialisée à chaque étape. La prochaine étape attendue sera l'intégration de cette couche anatomique avec les modules de navigation et d'interprétation d'image pour former un système d'échographie entièrement autonome de bout en bout.

RobotiqueOpinion
1 source
Robots à tendons avec colonne vertébrale polymère flexible conique : conception, fabrication et modélisation
Illustration générée par IA
5963arXiv cs.RO 

Robots à tendons avec colonne vertébrale polymère flexible conique : conception, fabrication et modélisation

Des chercheurs ont présenté une nouvelle génération de robots continus à actionnement par tendons, fabriqués par impression 3D à partir de polyuréthane thermoplastique (TPU), un matériau souple et économique. La caractéristique centrale du design est son architecture conique, c'est-à-dire que la colonne vertébrale flexible du robot s'affine progressivement de la base vers l'extrémité, ce qui lui confère une souplesse accrue à la pointe et une rigidité maintenue à la base. Le système intègre une électronique embarquée permettant de contrôler et de mesurer en temps réel la tension des tendons grâce à des actionneurs et des cellules de charge. Les chercheurs ont validé leur modèle de simulation face à des données de capture de mouvement réelle, atteignant une précision de prédiction de forme à l'échelle du centimètre. En démonstration finale, le robot a réussi des tâches de préhension téléopérée en utilisant une pince endoscopique montée sur un bras robotique à 6 degrés de liberté. L'intérêt de ce travail réside dans la combinaison rare entre performance mécanique et accessibilité. La plupart des robots continus existants sont conçus pour un usage unique, coûteux à produire et difficiles à modifier. Ici, le design paramétrique permet d'adapter rapidement la géométrie via des scripts CAD fournis en accès libre, ce qui ouvre la voie à des applications dans l'inspection industrielle, la chirurgie mini-invasive ou la manipulation en environnement contraint, sans nécessiter de moyens de fabrication industriels. La conformation conique améliore notamment la manipulabilité distale, c'est-à-dire la capacité du robot à atteindre des angles et des configurations variées en bout de bras, un paramètre clé pour les tâches en espace confiné. Les robots continus, inspirés de la biologie des tentacules et des trompes, font l'objet d'une attention croissante dans la robotique médicale et industrielle depuis une décennie. Leur principal verrou technologique reste la modélisation précise de leur comportement mécanique, particulièrement complexe car ils déforment tout leur corps plutôt qu'un seul joint articulé. Les auteurs s'appuient sur la théorie des tiges de Cosserat, un formalisme mathématique reconnu, qu'ils étendent ici pour intégrer la variation géométrique longitudinale de la section transversale. La diffusion des scripts de génération paramétrique et l'utilisation exclusive d'imprimantes FDM grand public positionnent cette approche comme une base reproductible pour d'autres équipes souhaitant explorer la robotique souple sans infrastructure lourde.

RobotiqueOpinion
1 source
GS-Playground : un simulateur photoréaliste haute cadence pour l'apprentissage robotique par vision
Illustration générée par IA
5964arXiv cs.RO 

GS-Playground : un simulateur photoréaliste haute cadence pour l'apprentissage robotique par vision

Des chercheurs ont publié sur arXiv un article présentant GS-Playground, un simulateur haute performance conçu pour entraîner des robots à partir de données visuelles. Le système repose sur une combinaison inédite : un moteur physique parallèle développé spécifiquement pour fonctionner avec le rendu 3D Gaussian Splatting (3DGS), une technique de reconstruction visuelle photorréaliste. Le résultat est un débit de 10 000 images par seconde à une résolution de 640x480 pixels, ce qui représente une rupture significative par rapport aux simulateurs existants. GS-Playground intègre également un pipeline automatisé baptisé Real2Sim, capable de reconstruire des environnements simulés fidèles à la réalité physique à partir de scènes du monde réel, sans modélisation manuelle fastidieuse. L'enjeu est majeur pour la robotique et l'IA incarnée : entraîner un robot à agir dans le monde réel requiert des millions de simulations, mais les simulateurs visuellement réalistes sont jusqu'ici trop lents pour fonctionner à grande échelle. GS-Playground réduit drastiquement ce goulot d'étranglement computationnel, rendant possible l'apprentissage par renforcement visuel à grande échelle. Les expériences présentées couvrent trois catégories de tâches : la locomotion, la navigation et la manipulation d'objets au contact, trois domaines où la précision visuelle est déterminante pour transférer les comportements appris en simulation vers des robots réels. Le problème du "sim-to-real gap", c'est-à-dire l'écart entre ce qu'un robot apprend en simulation et ce qu'il peut réellement faire dans le monde physique, est l'un des verrous centraux de la robotique moderne. Les simulateurs massivement parallèles comme Isaac Gym d'NVIDIA ont déjà transformé l'apprentissage moteur basé sur la proprioception, mais ils restent aveugles sur le plan visuel. GS-Playground s'attaque à cette limite en combinant physique et rendu réaliste dans un seul pipeline cohérent. Si les résultats se confirment hors du cadre académique, ce type d'infrastructure pourrait accélérer sensiblement le développement de robots capables d'opérer dans des environnements non structurés.

RobotiqueOpinion
1 source
RISE : politique robotique auto-améliorante avec modèle du monde compositionnel
Illustration générée par IA
5965arXiv cs.RO 

RISE : politique robotique auto-améliorante avec modèle du monde compositionnel

Des chercheurs ont présenté RISE, un framework d'apprentissage par renforcement pour robots qui s'améliore sans interaction physique coûteuse. Publié sur arXiv (2602.11075), le système repose sur un modèle du monde compositional constitué de deux blocs distincts : un modèle de dynamique contrôlable qui prédit l'évolution visuelle de la scène depuis plusieurs angles de caméra, et un modèle d'évaluation de la progression qui note les résultats imaginés. Ces deux composants alimentent une boucle fermée dans laquelle le robot simule des séquences d'actions en imagination, estime leur qualité, puis met à jour sa politique sans jamais bouger un seul moteur. Testé sur trois tâches réelles, RISE obtient des gains spectaculaires : +35 % en tri dynamique de briques, +45 % pour emballer un sac à dos, et +35 % pour fermer une boîte. Ce résultat compte car il s'attaque à un problème fondamental de la robotique moderne : les modèles Vision-Language-Action, malgré des capacités croissantes, restent fragiles dès qu'une manipulation implique des contacts physiques ou une dynamique rapide. La moindre déviation d'exécution peut déclencher une cascade d'échecs. L'apprentissage par renforcement classique permettrait théoriquement de rendre les robots plus robustes, mais il exige des milliers d'essais sur du matériel réel, avec des risques de casse et des procédures de remise en état longues et onéreuses. RISE contourne cette contrainte en déplaçant l'essentiel de l'apprentissage dans un espace imaginaire, rendant l'amélioration continue à la fois sûre et scalable. La robotique de manipulation est aujourd'hui dominée par l'imitation, on montre au robot des démonstrations humaines, et il reproduit. Cette approche atteint ses limites dans des environnements non contrôlés, où les objets bougent et les conditions varient. Le mouvement vers des modèles du monde capables de simuler des conséquences futures s'inscrit dans une tendance plus large, partagée avec les travaux sur les world models en jeux vidéo et en conduite autonome. RISE représente une étape concrète vers des robots capables d'auto-amélioration continue, sans dépendre d'un accès permanent à des environnements physiques instrumentés.

RobotiquePaper
1 source
Logique des chemins flous
Illustration générée par IA
5966arXiv cs.RO 

Logique des chemins flous

Des chercheurs ont publié sur arXiv (référence 2604.24907) une nouvelle famille de logiques temporelles spécialement conçues pour la planification de mouvement en robotique. Ces logiques, baptisées "Logic of Fuzzy Paths", s'appuient sur la logique temporelle de signal (STL), un formalisme largement utilisé dans les systèmes cyber-physiques et la robotique depuis plusieurs années. La nouveauté centrale réside dans le traitement des trajectoires comme des entités de première classe, ce qui permet de séparer explicitement les considérations géométriques des considérations logiques, aboutissant à des formules plus simples et plus lisibles. Le système repose techniquement sur des contraintes de signaux floues et variables dans le temps. Cette approche présente deux avantages concrets. D'une part, elle rend les spécifications de comportement plus accessibles aux humains qui programment des robots : un ingénieur peut exprimer des préférences sur les trajectoires sans manipuler des formules mathématiques complexes. D'autre part, le formalisme est mieux adapté à l'apprentissage automatique de spécifications à partir de démonstrations humaines, un besoin croissant dans la robotique collaborative et les systèmes autonomes conscients de leur environnement humain. La logique introduit également une notion enrichie de satisfaction, capable de refléter des préférences graduées entre comportements plutôt qu'un simple critère vrai/faux, ce qui correspond mieux à la réalité des environnements réels. La planification de mouvement est un défi fondamental en robotique : il s'agit de calculer des trajectoires sûres et efficaces dans des environnements dynamiques, souvent en présence d'humains. La STL classique, bien qu'elle ait dominé ce domaine grâce à sa sémantique quantitative, souffrait d'une expressivité limitée pour les préférences comportementales et d'une complexité croissante des formules. La "Logic of Fuzzy Paths" se positionne comme une évolution directe, avec une implémentation prototype et un algorithme d'apprentissage déjà disponibles. Les auteurs ouvrent également la voie à des applications en model checking et en monitoring, deux piliers de la vérification formelle des systèmes autonomes, ce qui pourrait accélérer l'adoption industrielle de ces outils dans les années à venir.

RecherchePaper
1 source
ANCHOR : système en boucle fermée ancré physiquement pour robots mobiles de service à domicile
Illustration générée par IA
5967arXiv cs.RO 

ANCHOR : système en boucle fermée ancré physiquement pour robots mobiles de service à domicile

Des chercheurs ont publié sur arXiv un nouveau cadre logiciel baptisé ANCHOR, conçu pour rendre les robots de service à domicile nettement plus fiables lors de tâches complexes en environnement réel. Testé sur 60 essais avec de vrais robots dans des maisons inconnues, ANCHOR a permis de faire passer le taux de réussite des tâches de 53,3 % à 71,7 %, tout en atteignant un taux de récupération de 71,4 % face à des perturbations imprévues. Le système repose sur trois mécanismes : une planification ancrée physiquement qui vérifie l'état réel de la scène après chaque action, un alignement de la base mobile qui garantit que le robot peut effectivement saisir un objet depuis l'endroit où il s'est positionné, et un système de récupération hiérarchique qui localise les erreurs au bon niveau plutôt que de tout replannifier à zéro. Ces résultats sont significatifs parce qu'ils s'attaquent à un problème concret qui bloque le déploiement domestique des robots depuis des années : non pas l'incapacité à reconnaître les objets, mais l'incohérence entre ce que le robot a planifié symboliquement et la réalité physique changeante de l'environnement. Le problème dit "arrived but inoperable", le robot arrive devant l'objet mais ne peut pas le saisir parce qu'il s'est mal positionné, est l'un des échecs les plus frustrants et les plus courants. ANCHOR le corrige en intégrant les contraintes cinématiques dès la phase de navigation. La manipulation mobile en environnement ouvert est un défi de longue date en robotique domestique. Des systèmes comme SayCan d'Alphabet ou les travaux de recherche de Boston Dynamics ont montré qu'il est possible de combiner LLM et robots physiques, mais la robustesse en conditions réelles restait le maillon faible. ANCHOR s'inscrit dans une tendance récente qui consiste à ne pas faire confiance aux seules cartes sémantiques pré-scannées, qui deviennent obsolètes dès qu'un objet est déplacé, et à ancrer chaque décision dans l'état physique vérifiable du moment. Les prochaines étapes probables seront l'intégration avec des modèles de vision-langage plus récents et des tests à plus grande échelle.

RobotiqueOpinion
1 source
SODA-CitrON : association de données d'objets statiques par regroupement de détections multimodales en ligne
Illustration générée par IA
5968arXiv cs.RO 

SODA-CitrON : association de données d'objets statiques par regroupement de détections multimodales en ligne

Des chercheurs ont publié sur arXiv une nouvelle méthode baptisée SODA-CitrON (Static Object Data Association by Clustering Multi-Modal Sensor Detections Online), conçue pour améliorer la fusion et le suivi d'objets statiques à partir de capteurs hétérogènes en temps réel. L'approche repose sur un algorithme d'apprentissage automatique non supervisé capable de regrouper des détections issues de plusieurs types de capteurs, afin d'estimer les positions d'objets immobiles et de maintenir un suivi persistant, même lorsque le nombre d'objets à détecter n'est pas connu à l'avance. Évaluée dans des scénarios de simulation Monte Carlo, la méthode affiche une complexité au pire cas log-linéaire en fonction du nombre de détections, garantissant une scalabilité applicable à des environnements denses. Les résultats sont significatifs : SODA-CitrON surpasse systématiquement les méthodes de référence testées, parmi lesquelles le filtrage basé sur POM (Probabilistic Occupancy Map), le clustering DBSTREAM et l'algorithme JPDA (Joint Probabilistic Data Association), sur quatre métriques clés : le score F1, l'erreur quadratique moyenne de position (RMSE), le MOTP (Multi-Object Tracking Precision) et le MOTA (Multi-Object Tracking Accuracy). Pour les systèmes autonomes comme les voitures sans conducteur ou les robots industriels, la capacité à cartographier précisément des objets fixes, tels que des panneaux de signalisation, des bornes ou des obstacles permanents, est aussi critique que le suivi de cibles mobiles, mais bien moins étudiée jusqu'ici. Le problème de l'association de données pour objets statiques est longtemps resté dans l'ombre des méthodes classiques pensées pour des cibles en mouvement. Les algorithmes comme JPDA supposent des modèles de déplacement qui perdent toute pertinence face à des objets immobiles détectés de façon intermittente et avec des incertitudes variables selon les capteurs. SODA-CitrON répond à ce manque en opérant de manière entièrement en ligne, sans corrélation temporelle requise entre les mesures, et en offrant une explicabilité complète de ses sorties, un atout non négligeable pour la certification de systèmes critiques dans des contextes réglementés. Cette publication, versionnée v2 sur arXiv sous l'identifiant 2602.22243, ouvre la voie à des intégrations pratiques dans des architectures de perception embarquée pour la robotique et la conduite autonome.

RobotiquePaper
1 source
Libra-VLA : un double système asynchrone pour équilibrer l'apprentissage du global au précis
Illustration générée par IA
5969arXiv cs.RO 

Libra-VLA : un double système asynchrone pour équilibrer l'apprentissage du global au précis

Des chercheurs ont présenté Libra-VLA, une nouvelle architecture de modèle robotique de type Vision-Langage-Action (VLA) capable de traduire des instructions en langage naturel en mouvements physiques précis. Publiée sur arXiv (référence 2604.24921), l'étude propose une rupture avec les approches dominantes qui mappent directement les commandes linguistiques vers des signaux moteurs à haute fréquence dans une logique plate et non hiérarchisée. Libra-VLA introduit à la place un système à deux niveaux : un Planificateur Sémantique qui prédit des tokens d'action discrets capturant l'intention directionnelle générale, et un Raffineur d'Action qui s'appuie sur cette intention grossière pour générer des mouvements continus à haute fréquence permettant un alignement de précision. Les deux modules s'exécutent de manière asynchrone, chacun opérant à son propre rythme. Ce découplage hiérarchique répond à un problème fondamental des robots manipulateurs actuels : le fossé entre la sémantique de haut niveau et l'actuation motrice. En forçant un seul modèle à simultanément interpréter une instruction comme "saisir l'objet rouge" et générer des milliers de commandes moteur par seconde, les architectures monolithiques imposent une charge représentationnelle excessive. Libra-VLA allège cette charge en la répartissant intelligemment entre deux sous-systèmes spécialisés, rendant l'entraînement plus stable et plus efficace. L'approche s'avère également plus résiliente et plus réactive dans des scénarios de manipulation en monde ouvert, là où les imprévus sont nombreux. L'analyse empirique centrale de l'équipe révèle un résultat surprenant : les performances suivent une courbe en U inversé selon la granularité de la décomposition des actions, avec un pic exactement lorsque la difficulté d'apprentissage est équilibrée entre les deux sous-systèmes. Ce concept d'"équilibre d'apprentissage" ouvre une nouvelle direction de recherche pour calibrer les architectures VLA. Le domaine de la robotique généraliste est en pleine effervescence, porté par des travaux récents de Google, Physical Intelligence et Figure AI. Libra-VLA s'inscrit dans cette course à des modèles capables de manipuler des objets variés dans des environnements non contrôlés, une condition sine qua non pour des robots véritablement utiles hors des laboratoires.

RobotiqueOpinion
1 source
Paramétrisations de croyances neuronales variationnelles pour une préhension dextre robuste sous incertitude multimodale
Illustration générée par IA
5970arXiv cs.RO 

Paramétrisations de croyances neuronales variationnelles pour une préhension dextre robuste sous incertitude multimodale

Des chercheurs ont publié sur arXiv (référence 2604.25897) une nouvelle approche pour améliorer la fiabilité de la préhension robotique en présence d'incertitudes multiples : variation des contacts entre les doigts et l'objet, imprécision des capteurs, et perturbations extérieures. Leur système, baptisé "variational neural belief", représente l'état d'incertitude du robot sous forme d'un mélange gaussien différentiable, combiné à une technique d'échantillonnage appelée Gumbel-Softmax. L'objectif n'est pas d'optimiser la performance moyenne, mais de minimiser le risque dans les scénarios les plus défavorables, via un indicateur statistique nommé CVaR (Conditional Value-at-Risk). En simulation, la méthode réduit le temps de planification d'un facteur dix par rapport aux approches à filtre particulaire, qui constituent l'état de l'art actuel. Sur un bras robotique réel équipé d'une main multi-doigts, le système réussit à saisir et soulever des objets en présence d'incertitudes de pose, en moins d'étapes et en moins de temps qu'une approche gaussienne classique. L'erreur de calibration du risque reste en dessous de 0,14, contre 0,58 pour un planificateur concurrent basé sur la méthode d'entropie croisée. Ce résultat est important car la manipulation d'objets reste l'un des talons d'Achille de la robotique industrielle et domestique. Un robot qui calcule sa stratégie de saisie en se basant sur la performance moyenne échoue systématiquement dans les situations imprévues : surface glissante, légère erreur de positionnement, vibration. En passant à une optimisation orientée sur les cas extrêmes, cette approche rend la préhension robuste là où elle compte vraiment, sans sacrifier la vitesse de décision. La robotique de manipulation est depuis des années un champ de recherche intense, notamment dans les laboratoires de DeepMind, OpenAI Robotics et Carnegie Mellon, ainsi qu'au sein de startups comme Figure et Apptronik. L'approche des POMDPs sensibles au risque existait déjà en théorie, mais les méthodes à filtres particulaires se révèlent trop lentes et trop difficiles à optimiser par gradient pour un usage pratique. En substituant une représentation différentiable et différentiable par conception, les auteurs ouvrent la voie à une intégration dans des pipelines d'apprentissage end-to-end, ce qui pourrait accélérer significativement le déploiement de robots manipulateurs autonomes dans des environnements non contrôlés.

RobotiqueOpinion
1 source
SlicerRoboTMS : extension open source de 3D Slicer pour la stimulation magnétique transcrânienne robotisée
Illustration générée par IA
5971arXiv cs.RO 

SlicerRoboTMS : extension open source de 3D Slicer pour la stimulation magnétique transcrânienne robotisée

Une équipe de chercheurs a publié SlicerRoboTMS, une extension open-source pour la plateforme logicielle 3D Slicer, dédiée à la stimulation magnétique transcrânienne assistée par robot (Robo-TMS). L'article, déposé sur arXiv (référence 2504.25661), décrit une infrastructure logicielle unifiée qui combine navigation neurologique par IRM, vision par ordinateur et contrôle robotique au sein d'un même environnement. L'extension s'appuie sur les capacités existantes de 3D Slicer en matière d'imagerie médicale et communique avec les systèmes robotiques via des protocoles standardisés et des descriptions de configuration modulaires. Le code source est disponible librement sur GitHub, sous l'organisation OpenRoboTMS. La TMS conventionnelle est une technique non invasive de stimulation cérébrale largement utilisée en psychiatrie, neurologie et recherche en neurosciences, notamment pour traiter la dépression résistante aux médicaments. Son principal défaut : la précision du positionnement de la bobine magnétique sur le crâne dépend entièrement de l'opérateur humain, ce qui nuit à la reproductibilité des traitements et des expériences. SlicerRoboTMS vise à résoudre ce problème en guidant un bras robotique à partir de données IRM du patient, améliorant ainsi la précision et la cohérence entre sessions. Pour les cliniques et les laboratoires, cela représente un gain concret en qualité de soin et en rigueur expérimentale, sans avoir à développer une infrastructure logicielle propriétaire coûteuse. Le développement de systèmes Robo-TMS bute depuis des années sur un obstacle majeur : l'intersection entre imagerie médicale, robotique et traitement du signal exige des compétences multidisciplinaires rares, que peu d'équipes réunissent. En proposant une solution open-source construite sur un logiciel médical déjà adopté mondialement, les auteurs abaissent significativement ce seuil d'entrée et facilitent le prototypage rapide. L'extension est conçue pour s'adapter à diverses configurations matérielles, ce qui la rend potentiellement compatible avec différents fabricants de bras robotiques. Les prochaines étapes naturelles concerneront la validation clinique à grande échelle et l'intégration dans des workflows hospitaliers certifiés.

RobotiqueActu
1 source
Distillation par prévision privilégiée : correction future sans surcoût pour les modèles action-monde
Illustration générée par IA
5972arXiv cs.RO 

Distillation par prévision privilégiée : correction future sans surcoût pour les modèles action-monde

Des chercheurs ont publié sur arXiv une méthode baptisée Privileged Foresight Distillation (PFD), conçue pour améliorer les modèles d'action robotiques sans coût supplémentaire à l'exécution. Ces "world action models" sont des systèmes d'IA entraînés à prédire simultanément des vidéos futures et des actions à effectuer, une architecture populaire dans le domaine de la manipulation robotique. La question centrale que les auteurs cherchent à résoudre est la suivante : à quoi sert réellement la branche de prédiction vidéo lors de l'entraînement, si elle peut être retirée à l'inférence sans perte significative de performance sur des benchmarks comme LIBERO et RoboTwin ? Leur réponse : la vision du futur crée pendant l'entraînement une correction précise et mesurable des actions prédites, correction qui peut être "distillée" dans un adaptateur léger attaché à un modèle n'observant que le présent. Concrètement, PFD fonctionne en deux temps : un modèle "enseignant" voit les vraies images futures pendant l'entraînement et génère une correction, calculée comme la différence entre ses prédictions avec et sans ces images ; un modèle "étudiant", qui n'a accès qu'à l'image courante, apprend à reproduire cette correction via un petit adaptateur. Les deux modèles partagent la même architecture visuelle et ne diffèrent que dans leur masque d'attention sur les tokens vidéo. À l'inférence, aucune vidéo future n'est générée, ce qui maintient une latence négligeable. Les tests sur LIBERO et RoboTwin confirment des gains constants de performance sans surcoût computationnel, ce qui rend la méthode directement applicable à des systèmes robotiques existants. Ce travail s'inscrit dans un débat plus large sur l'utilité des représentations temporelles dans les modèles génératifs appliqués à la robotique. La tendance des "world models", popularisée par des travaux de Google DeepMind, Tesla et d'autres laboratoires, consiste à entraîner des agents capables d'anticiper les conséquences de leurs actions. Jusqu'ici, une interprétation dominante voulait que la prédiction du futur n'agisse que comme régularisateur sur le backbone visuel partagé. PFD renverse cette lecture en montrant que le futur est une correction compressible et transmissible, plutôt qu'une cible de prédiction ou un simple bruit d'entraînement. Cette distinction ouvre des perspectives pour concevoir des robots plus précis tout en réduisant les contraintes d'inférence en temps réel.

RecherchePaper
1 source
Coopération optimale UGV-UAV : partitionnement et inspection des plus courts chemins
Illustration générée par IA
5973arXiv cs.RO 

Coopération optimale UGV-UAV : partitionnement et inspection des plus courts chemins

Des chercheurs ont publié le 29 avril 2026 une étude portant sur la planification coopérative de trajets entre un véhicule terrestre autonome (UGV) et un drone aérien (UAV), dans des environnements où certaines routes sont bloquées mais où ces obstacles ne sont découverts qu'au moment où un robot les atteint physiquement. L'algorithme proposé divise l'inspection du chemin en deux zones : le drone survole et inspecte la portion finale du trajet pendant que le véhicule terrestre explore la portion initiale. Testée sur les réseaux routiers réels des 50 villes les plus peuplées du monde, avec des blocages simulés aléatoirement, cette méthode réduit le temps de déplacement du véhicule terrestre jusqu'à 30 %. L'intérêt concret de cette approche réside dans la capacité à décider à l'avance comment répartir les tâches d'exploration entre les deux robots, plutôt que de réagir au fil des obstacles rencontrés. Les auteurs prouvent mathématiquement que, sans drone, le pire scénario pour un UGV seul sur un réseau composé de k chemins disjoints est d'un ratio de compétitivité de 2k-1, c'est-à-dire qu'il peut parcourir jusqu'à 2k-1 fois la distance optimale. Avec l'assistance d'un drone, ce ratio tombe à 2(vG / (vA + vG))k - 1, où vG et v_A désignent respectivement les vitesses du véhicule au sol et du drone : plus le drone est rapide par rapport au véhicule, plus le gain est important. Ce travail s'inscrit dans la continuité du "Canadian Traveller Problem", un problème classique d'optimisation formulé dans les années 1990 pour modéliser la navigation en terrain incertain. L'originalité ici est d'étendre ce cadre à une équipe hétérogène de robots, en tenant compte des coûts réels de transit et de repositionnement du drone, souvent ignorés dans les modèles théoriques antérieurs. Les applications visées incluent la gestion de crises, la logistique post-catastrophe ou la livraison autonome dans des zones où l'infrastructure routière est dégradée, des contextes où la capacité à anticiper les blocages sans explorer physiquement chaque route représente un avantage opérationnel majeur.

RobotiqueOpinion
1 source
Apprentissage augmenté par référence pour le contrôle précis de robots continus à tendons
Illustration générée par IA
5974arXiv cs.RO 

Apprentissage augmenté par référence pour le contrôle précis de robots continus à tendons

Des chercheurs ont développé une nouvelle approche d'apprentissage automatique pour améliorer le contrôle précis des robots continus à tendons, une classe de robots flexibles dont les mouvements sont guidés par des câbles internes. Présentée dans un article publié sur arXiv (référence 2604.25698), la méthode repose sur un cadre d'apprentissage hors-ligne dit « augmenté par références », capable de piloter ces robots avec six degrés de liberté. Les tests ont été conduits sur une plateforme robotique à trois sections, et les résultats montrent une réduction de 50,9 % de l'erreur de position moyenne par rapport aux méthodes d'apprentissage non augmentées, ainsi qu'une nette supériorité face aux contrôleurs classiques dits « jacobiens », tant en précision qu'en stabilité, quelle que soit la vitesse de déplacement. Ce gain de performance est significatif pour les applications médicales et industrielles où ces robots flexibles sont utilisés, notamment en chirurgie mini-invasive, en endoscopie ou en exploration de structures encombrées. Le problème central des robots à tendons réside dans leur comportement non linéaire et dépendant de leur historique de mouvement : les câbles introduisent des effets d'hystérésis qui provoquent des oscillations difficiles à corriger avec les méthodes de contrôle traditionnelles. La nouvelle approche force le modèle à apprendre des mécanismes de récupération d'erreur variés sans nécessiter d'interactions physiques supplémentaires avec le robot, ce qui réduit les coûts et les risques d'usure matérielle pendant l'entraînement. La difficulté à contrôler précisément ces robots flexibles freine depuis longtemps leur déploiement dans des environnements cliniques réels, où la moindre déviation de trajectoire peut avoir des conséquences graves. Les approches par réseau de neurones récurrents (RNN), utilisées ici comme pont différentiable pour optimiser la politique de contrôle, permettent de modéliser la dépendance temporelle des dynamiques sans recourir à des modèles analytiques trop simplifiés. L'équipe introduit également une augmentation multi-échelle combinant biais stochastiques, perturbations harmoniques et marches aléatoires, ce qui expose le modèle à une grande diversité de trajectoires pendant l'entraînement. Les prochaines étapes probables incluent une validation sur des scénarios cliniques réels et une extension à des robots à sections multiples plus complexes.

RobotiqueOpinion
1 source
COMPASS : localisation visuelle par plan de bâtiment avec carte multi-canal et signature de scène
Illustration générée par IA
5975arXiv cs.RO 

COMPASS : localisation visuelle par plan de bâtiment avec carte multi-canal et signature de scène

Des chercheurs ont présenté COMPASS, un algorithme de localisation visuelle pour robots qui exploite les plans architecturaux comme référence spatiale. Là où les méthodes existantes se limitent à la géométrie des bâtiments, COMPASS extrait simultanément les informations sémantiques contenues dans ces plans, murs, fenêtres, ouvertures, pour estimer avec précision la position et l'orientation d'un robot équipé de deux caméras fisheye. L'algorithme construit un descripteur radial à cinq canaux, inspiré du "scan context" utilisé en LiDAR, en projetant 360 rayons autour d'une position et en encodant pour chacun : la distance normalisée, le type d'obstacle rencontré, le gradient de distance, la distance inverse, et la variance locale. Cette représentation compacte est générée à la fois depuis le plan et depuis les images caméra, afin de les comparer directement. L'intérêt concret de cette approche tient à sa frugalité : les plans de bâtiments sont des ressources universellement disponibles, contrairement aux cartes 3D denses ou aux nuages de points LiDAR qui nécessitent une infrastructure coûteuse. En associant un simple plan d'étage à des caméras fisheye grand angle, COMPASS ouvre la voie à une localisation précise dans des environnements intérieurs sans déploiement de capteurs spécialisés. Les applications visées sont nombreuses : robots de livraison, assistants en milieu hospitalier, drones d'inspection, ou systèmes de navigation pour personnes malvoyantes. Le projet en est encore au stade de preuve de concept, validée sur le dataset Hilti-Trimble SLAM Challenge 2026 : les auteurs ont démontré que les signatures visuelles extraites de la première image de chaque caméra correspondent bien aux descripteurs issus du plan, confirmant la faisabilité du matching cross-modal. La prochaine étape consiste à étendre la détection d'éléments structurels au-delà des seules fenêtres, à intégrer la fusion des deux caméras fisheye, et à tester la localisation en conditions réelles sur des trajectoires complètes, un défi technique majeur qui conditionnera l'utilité pratique de la méthode.

RecherchePaper
1 source
Estimation d'état monoculaire métrique par alignement inertiel et priors cinétodynamiques
Illustration générée par IA
5976arXiv cs.RO 

Estimation d'état monoculaire métrique par alignement inertiel et priors cinétodynamiques

Une équipe de chercheurs présente une nouvelle méthode d'estimation d'état pour robots à structure flexible, publiée sur arXiv sous la référence 2511.20496. Le système exploite une caméra monoculaire, c'est-à-dire une seule caméra, couplée à des modèles physiques appelés "priors kinetodynamiques", pour localiser précisément un robot sans recourir aux capteurs inertiels classiques. La méthode repose sur deux composantes complémentaires : un réseau de neurones de type MLP (perceptron multicouche) qui apprend les propriétés élastiques du système, et des modèles cinématiques B-spline en temps continu qui capturent la fluidité du mouvement. Ces deux briques sont reliées par l'application de la deuxième loi de Newton, qui met en relation l'accélération dérivée visuellement et l'accélération générée par les déformations de la plateforme. Les chercheurs ont validé leur approche sur un prototype minimaliste composé d'un ressort et d'une caméra. Ce travail s'attaque à un problème fondamental de la robotique : les méthodes d'odométrie visuelle monoculaire peinent traditionnellement à récupérer l'échelle métrique absolue et l'orientation gravitationnelle, deux informations pourtant indispensables à la navigation autonome. Jusqu'ici, les algorithmes de localisation supposaient que la plateforme est un corps rigide, une hypothèse qui s'effondre dès qu'un drone aux bras flexibles, un robot mou ou tout système à structure déformable entre en jeu. En modélisant correctement la physique de la plateforme, les auteurs parviennent non seulement à une estimation de pose robuste sur des systèmes non rigides, mais aussi à récupérer les propriétés inertielles, rendant en partie superflue l'intégration d'une centrale inertielle dédiée. L'odométrie visuelle monoculaire est un domaine de recherche actif depuis plus d'une décennie, porté par l'essor des drones, des robots mobiles et des systèmes autonomes légers qui cherchent à minimiser poids et coût des capteurs. La robotique souple et les plateformes à géométrie variable représentent des cas d'usage croissants pour lesquels les hypothèses de corps rigide constituent un obstacle majeur. En intégrant directement les lois de la mécanique newtonienne dans le pipeline d'estimation, cette approche ouvre la voie à une nouvelle génération d'algorithmes capables de s'adapter à la déformabilité des plateformes réelles, avec des applications potentielles dans l'inspection industrielle, la livraison par drone et la chirurgie robotique.

RecherchePaper
1 source
Anyverse Dynamics lève plus de 200 millions de dollars et décroche une grande commande robotique à l'étranger
Illustration générée par IA
5977Pandaily 

Anyverse Dynamics lève plus de 200 millions de dollars et décroche une grande commande robotique à l'étranger

La startup chinoise Anyverse Dynamics vient de boucler son tour Angel++, portant le financement total au stade angel à plus de 200 millions de dollars. Ce tour a été co-piloté par Envision Group et le Beijing AI Industry Investment Fund, avec la participation d'investisseurs déjà présents au capital comme Sequoia China, Linear Capital, Hillhouse Capital et Baidu Ventures. La société serait par ailleurs sur le point de finaliser un tour Angel+++, soutenu par de grands noms de l'internet chinois et des fonds USD et RMB de premier rang. En parallèle du financement, Envision Group a signé avec Anyverse Dynamics une commande commerciale de plus de 500 millions de yuans (environ 69 millions de dollars), couvrant des déploiements dans plusieurs régions d'Europe et d'Asie. Ce contrat, décroché dès février 2026, vise à moderniser des infrastructures d'énergies renouvelables (éolien, solaire, stockage) et à soutenir l'exploitation de centres de données IA. Il est présenté comme la première commande internationale dans le secteur de l'IA incarnée dépassant 100 millions de yuans, et le plus grand contrat international individuel jamais signé par une entreprise chinoise du domaine. Ce niveau d'engagement marque une rupture avec les expérimentations à petite échelle qui ont longtemps caractérisé le secteur. Le déploiement sera massif, avec un volet de R&D conjoint et une mise en conformité avec les normes réglementaires européennes, ce qui soulève la barre pour l'ensemble des acteurs. Au-delà de l'énergie, Anyverse Dynamics a annoncé des partenariats stratégiques avec des équipementiers automobiles comme ZF Lifetec et Aumovio, ancienne filiale de Continental, avec des robots déjà intégrés dans des lignes de production industrielles. Un accord avec une chaîne internationale de cafés pour des scénarios de service en extérieur est également évoqué, sans que la marque soit encore révélée. La rapidité de la levée s'explique en grande partie par le positionnement technique de la société. Là où la majorité des acteurs misent sur l'architecture Vision-Language-Action (VLA), Anyverse Dynamics a développé un cerveau IA généraliste baptisé MWA, fondé sur un modèle du monde en espace latent. L'argument central : les architectures VLA souffrent de pertes d'information lors du passage entre le langage et l'action, alors qu'un espace latent unifié permet la perception, l'entraînement et l'inférence dans un même cadre représentationnel. L'apprentissage par renforcement est intégré en boucle fermée pour optimiser continuellement la prise de décision. Cette vision est portée par le co-fondateur et co-CTO Xia Zhongpu, pionnier des modèles du monde et du RL en Chine, fort de plus de 15 ans d'expérience dans le domaine et crédité de la construction de l'un des premiers systèmes de conduite autonome bout-en-bout du pays. Dans un secteur où la concurrence entre acteurs chinois et occidentaux s'intensifie, Anyverse Dynamics s'impose comme l'un des paris les plus ambitieux du moment.

RobotiqueActu
1 source
Créer des workflows LLM traçables et évalués avec Promptflow, Prompty et OpenAI
Illustration générée par IA
5978MarkTechPost 

Créer des workflows LLM traçables et évalués avec Promptflow, Prompty et OpenAI

Un tutoriel publié récemment détaille la construction d'un pipeline LLM complet et prêt pour la production, en s'appuyant sur trois outils clés : Promptflow, le format Prompty, et l'API OpenAI, le tout déployé dans un environnement Google Colab. Le workflow s'articule autour de plusieurs briques : une connexion sécurisée à OpenAI via un backend keyring alternatif, un fichier Prompty structuré servant de composant LLM central (ici GPT-4o-mini, avec une température de 0,2 et un maximum de 350 tokens), puis un flux de type "flex flow" basé sur une classe Python qui combine un prétraitement déterministe avec le raisonnement du modèle. Le système permet d'injecter des hints calculés dans les réponses du modèle, d'activer une traçabilité pas-à-pas de chaque exécution, de lancer des requêtes unitaires ou en batch, et de générer des sorties dans un format structuré. La chaîne se conclut par un pipeline d'évaluation automatisé dans lequel un LLM joue le rôle de juge pour noter les réponses produites face à des réponses attendues. L'intérêt de cette approche est double : elle apporte de la traçabilité à chaque étape d'un pipeline LLM, un manque criant dans beaucoup de déploiements actuels, et elle industrialise l'évaluation en remplaçant la validation manuelle par un juge automatisé. Pour les équipes qui cherchent à passer du prototype au système en production, ce type d'architecture garantit qu'on peut auditer, déboguer et améliorer le comportement du modèle de façon systématique. La combinaison d'un outil déterministe (le calcul sécurisé) et d'un raisonnement LLM dans un même flow illustre aussi comment orchestrer des agents hybrides, sujet central du moment dans le développement d'applications IA. Promptflow est un framework open source lancé par Microsoft en 2023, initialement pensé pour Azure AI Studio mais disponible en local. Il répond à un besoin croissant dans l'industrie : les équipes ne manquent plus de modèles, mais d'outils pour structurer, tester et maintenir des workflows LLM dans la durée. Le format Prompty, introduit plus récemment, standardise la définition des appels au modèle en séparant la configuration (modèle, paramètres, connexion) du template de prompt, ce qui facilite la réutilisation et la gouvernance. Avec l'essor du concept de LLM-as-a-judge, popularisé notamment par des travaux de Lmsys et repris par OpenAI et Anthropic dans leurs propres systèmes d'évaluation, le tutoriel s'inscrit dans une tendance de fond : automatiser non seulement la génération, mais aussi le contrôle qualité des sorties, condition nécessaire pour une adoption enterprise sérieuse de l'IA générative.

OutilsTuto
1 source
[AINews] Rien de notable aujourd'hui
Illustration générée par IA
5979Latent Space 

[AINews] Rien de notable aujourd'hui

La journée du 27-28 avril 2026 n'a pas produit de séisme dans l'industrie de l'IA, mais plusieurs sorties de modèles méritent attention. NVIDIA a lancé Nemotron 3 Nano Omni, un modèle multimodal open-source de 30 milliards de paramètres actifs (3B actifs, architecture MoE) capable de traiter texte, images, vidéo, audio et documents, avec une fenêtre de contexte de 256 000 tokens orientée vers les usages agentiques. Sa distribution a été immédiate : OpenRouter, LM Studio, Ollama, Fireworks, Together et une dizaine d'autres plateformes ont annoncé sa disponibilité le jour même. Le modèle intègre un encodeur audio Parakeet, fonctionne pour l'instant uniquement en anglais, et affiche un taux d'erreur de 5,95 % sur le benchmark Open ASR, avec un débit annoncé neuf fois supérieur à des modèles omni comparables. Du côté de Poolside, la startup a publié son premier modèle public, Laguna XS.2, un modèle de code MoE de 33 milliards de paramètres totaux (3B actifs) entraîné intégralement en interne, distribué sous licence Apache 2.0, et conçu pour tourner sur un seul GPU. Microsoft, de son côté, a sorti TRELLIS.2, un modèle open-source de 4 milliards de paramètres pour la génération de scènes 3D texturées à partir d'images, avec une résolution allant jusqu'à 1536 cubes et une compression spatiale 16x. Ces sorties illustrent une tendance de fond : la compétition sur l'efficacité d'inférence s'intensifie, et les acteurs cherchent à démocratiser des capacités avancées sur du matériel accessible. Que Poolside publie un modèle de code haute performance tournant sur un seul GPU, ou que NVIDIA intègre audio et vidéo dans un modèle ouvert, le message est clair : les capacités multimodales et agentiques descendent rapidement vers des configurations matérielles grand public. Pour les développeurs et les entreprises, cela signifie des coûts d'infrastructure moindres pour déployer des agents capables de comprendre des documents complexes ou de générer des assets 3D. En parallèle, l'infrastructure d'inférence connaît sa propre effervescence. La version 0.20.0 de vLLM, framework open-source de référence pour servir les grands modèles, embarque un cache KV 2 bits (TurboQuant) offrant quatre fois plus de capacité, ainsi qu'une amélioration de latence de 2,1 % grâce à une fusion d'opérations. Les benchmarks publiés par SemiAnalysis sur les puces B300 de NVIDIA indiquent un débit jusqu'à huit fois supérieur à celui des H200 pour des charges DeepSeek V4 Pro. Dans ce contexte, des voix techniques soulignent que DeepSeek s'éloigne progressivement de la dépendance exclusive à CUDA via ses TileKernels, ouvrant la voie à des déploiements sur accélérateurs hétérogènes, y compris des puces non-NVIDIA. Les prochaines semaines devraient confirmer si GPT-6, dont le buzz commence à monter, reconfigurera à nouveau les priorités de l'écosystème.

LLMsActu
1 source
LeapMind Growth, agent de croissance IA fondé par un ex-dirigeant de miHoYo, lève des fonds auprès de CMC Capital
Illustration générée par IA
598036Kr 

LeapMind Growth, agent de croissance IA fondé par un ex-dirigeant de miHoYo, lève des fonds auprès de CMC Capital

La startup shanghaiienne LeapMind Growth a annoncé le 29 avril 2026 la clôture d'un tour de financement Angel+ mené par CMC Capital. Les fonds levés seront affectés au développement de son produit phare GrowthGPT, au renforcement de l'équipe technique et aux premières opérations commerciales. LeapMind Growth a été fondée en avril 2025 par Ma Ruping, connu sous le pseudonyme Rubin, ancien responsable mondial de la croissance utilisateurs chez miHoYo (studio derrière Genshin Impact) et ex-directeur de la stratégie croissance chez Kuaishou, après un passage chez TikTok. Il revendique avoir piloté des projets d'acquisition utilisateurs représentant plus de cinq milliards de dollars cumulés. L'équipe fondatrice est issue de ByteDance, miHoYo, Kuaishou et Meituan. GrowthGPT se positionne comme un agent d'exécution autonome couvrant l'intégralité du cycle de croissance marketing : diagnostic de données multi-plateformes, génération d'insights créatifs, diffusion automatisée de campagnes et optimisation en continu, avec des garde-fous budgétaires intégrés pour éviter les dépassements. Lors de campagnes de démarrage à froid sur plusieurs marchés internationaux, le système aurait réduit le coût d'acquisition de 70 % par rapport aux objectifs fixés. Selon son fondateur, plus de 80 % des tâches d'un pôle croissance sont suffisamment codifiées pour être déléguées à un agent, libérant les équipes humaines pour les 20 % restants : choix stratégiques, gestion de crise, positionnement de marque. L'investissement est réalisé via le CMC AI Creative Fund, véhicule de CMC Capital dédié aux applications de l'IA générative dans les industries créatives. Le groupe, historiquement ancré dans les médias et la culture, y voit une convergence entre automatisation publicitaire et nouveaux canaux d'acquisition générés par l'IA conversationnelle. Le secteur du marketing performance est en pleine recomposition : les plateformes comme Google et Meta intègrent déjà des couches d'automatisation algorithmique, mais des acteurs comme LeapMind Growth misent sur une approche agent-first bout-en-bout, plutôt que sur des fonctionnalités IA greffées à des outils traditionnels. La startup cible en priorité les marques DTC, les éditeurs de jeux mobiles et les entreprises à expansion internationale rapide.

BusinessActu
Aussi surPandaily