Toutes les news taguées avec ce sujet.
Un robot bimanuel fixe des points 3D comme un œil humain pour manipuler finement sans caméra de poignet, via RL hiérarchique.
L'entreprise de robotique humanoïde met fin à l'exploitation de son modèle F.02, marquant une étape dans l'évolution de sa gamme.
Un framework fait progresser des robots manipulateurs de 28,6% à 95% de réussite sans retoucher les poids du modèle, via simulation et skills symboliques.
Un système couplant raisonnement sémantique et exécution physique permet à des robots de corriger leurs échecs et d'améliorer leurs capacités en continu.
Anthropic explore l'écart entre les capacités actuelles des robots et les tâches du monde du travail réel, au-delà des démonstrations.
Un nouveau cadre théorique garantit que des agents génératifs multiples respectent des contraintes strictes sans se coordonner en temps réel.
Une méthode guidée par des foundation models exploite des compétences réutilisables pour corriger et améliorer les politiques robotiques sans démonstration humaine.
Un nouveau cadre de RL utilise des démonstrations main-objet humaines pour résoudre l'exploration en manipulation robotique dextre.
Un nouveau cadre combine EM dur, lissage de Kalman et contrôle adaptatif pour prédire et rejeter des perturbations dynamiques complexes.
AMD acquiert la startup de Fei-Fei Li spécialisée en intelligence spatiale, peu après la sortie de son modèle Atlas pour la reconstruction 3D.
Un modèle prédictif en espace latent aide les véhicules sous-marins télécommandés à anticiper les interactions de contact sans capteurs tactiles.
Un système qui génère, vérifie et raffine automatiquement des programmes robotiques à partir d'une seule démonstration visuelle humaine, grâce à une boucle agentique itérative.
Une nouvelle méthode de world model améliore fortement la planification robotique en distinguant mieux les actions candidates plutôt que la seule prédiction factuelle.
Un modèle par processus gaussien exploite la continuité des préférences entre contextes proches pour réduire le nombre d'essais nécessaires à la personnalisation.
Une méthode combinant vision et langage permet à un robot d'identifier un groupe et de choisir une position socialement acceptable pour le rejoindre.
Déporter le calcul IA vers l'edge ou le cloud plutôt que de tout faire embarqué améliorerait performance et autonomie des robots.
NVIDIA Warp et MjWarp optimisent les workflows de simulation et d'apprentissage en robotique grâce à l'accélération GPU, réduisant drastiquement les temps de calcul.
L'accélération GPU ne suffit pas pour optimiser un graphe ROS 2 : les transferts mémoire CPU diluent les gains. NVIDIA propose une solution via Isaac ROS.
Un nouveau modèle combine vision et toucher pour prédire les dynamiques de contact, surpassant nettement les approches purement visuelles.
Un nouveau benchmark isole la réutilisation de connaissances dans l'apprentissage continu des modèles du monde, révélant les limites des méthodes actuelles face à l'oubli catastrophique.
Un nouveau modèle combine vision et toucher pour prédire actions et dynamiques physiques, plus rapide que les backbones génératifs classiques.
Une méthode entraîne un token de mémoire compact à partir de VLM, évitant leur usage coûteux au moment de l'exécution des tâches robotiques.
Des chercheurs exploitent le son généré par IA pour extraire des profils de force et guider un bras robotique dans des tâches de contact.
Une méthode de calibration adaptée aux séquences pour garantir des estimations d'incertitude fiables chez les agents de navigation VLN.
Un backbone de diffusion masquée traite langage, vision, buts et actions comme des tokens discrets pour la robotique conditionnée par instructions.
Un nouveau modèle VLA combine vision et toucher pour améliorer la manipulation robotique fine dans des scènes riches en contacts physiques.
Danijar Hafner mise sur les world models et le reinforcement learning pour permettre à des robots humanoïdes de s'adapter à des environnements inconnus.
Une étude montre comment des objets distracteurs perturbent la sélection de cibles dans les politiques robotiques d'imitation, et propose des correctifs concrets.
Une simple reformulation de la consigne peut inverser le verdict succès/échec d'un modèle de récompense VLM pour une trajectoire robotique identique.
Un site relaie l'existence d'un modèle « GPT-6 Astra » piloté vers des bras robotiques, sans confirmation officielle d'OpenAI.