Une nouvelle méthode britannique rend les robots capables de manipuler des objets fragiles comme les humains, une révolution pour l’automatisation en 2025

La robotique évolue à pas de géant, mais un défi persiste depuis des décennies : comment permettre à une machine de manipuler des objets avec la délicatesse, la précision et l’adaptabilité d’un être humain ? Saisir un verre fragile sans le briser, attraper un objet glissant sans le laisser échapper, ajuster sa prise en fonction du mouvement – autant de gestes simples pour nous, mais extrêmement complexes pour un robot. Des ingénieurs britanniques viennent de franchir une étape décisive en développant une méthode révolutionnaire, inspirée des comportements humains, qui pourrait redéfinir la manière dont les robots interagissent avec le monde physique. Cette avancée, portée par l’équipe de la Surrey’s School of Computer Science and Electronic Engineering, repose sur une idée simple mais profonde : plutôt que de serrer plus fort, il faut bouger intelligemment.

Comment les robots apprennent-ils à ne pas lâcher prise ?

La manipulation d’objets par les robots a longtemps été limitée par une approche mécanique rudimentaire : augmenter la force de préhension dès qu’un risque de glissement est détecté. Mais cette stratégie s’avère souvent contre-productive, surtout avec des objets fragiles ou sensibles. Un robot qui serre trop fort peut casser un composant électronique, briser une ampoule ou endommager un instrument chirurgical. C’est là que l’innovation britannique change la donne. En observant comment les humains réagissent instinctivement à un objet qui commence à glisser, les chercheurs ont conçu un système où le robot ajuste sa trajectoire de mouvement au lieu de simplement augmenter la pression.

Le Dr Amir Esfahani, professeur associé en robotique à l’université de Surrey, illustre ce principe avec une anecdote quotidienne : « Imaginez que vous portez un plateau chargé de verres. S’il commence à pencher, vous ne réagissez pas en le bloquant de toutes vos forces. Vous ajustez subtilement votre posture, votre déplacement, pour rétablir l’équilibre. C’est ce type de réflexe que nous avons voulu transposer aux robots. »

Pour mettre cette intuition en œuvre, l’équipe a développé un modèle tactile anticipatif, capable de prédire en temps réel le risque de glissement. Ce système ne se contente pas de réagir à un événement déjà en cours ; il anticipe les conditions qui pourraient provoquer une perte de contrôle. Grâce à des capteurs tactiles ultra-sensibles et à des algorithmes de machine learning, le robot analyse en continu les forces exercées sur l’objet, les vibrations, les micro-déplacements, et modifie sa trajectoire de manière proactive.

Un exemple concret : l’assemblage de pièces électroniques

À l’usine de fabrication de composants électroniques de TechNova, dans le Kent, un robot nommé « Aria-7 » est désormais capable d’assembler des circuits imprimés avec une précision inédite. Avant cette innovation, les robots devaient manipuler les pièces avec des pinces rigides et des mouvements préprogrammés, ce qui entraînait un taux de casse de 8 %. Depuis l’intégration de la nouvelle méthode, ce taux est tombé à 1,2 %, et les opérateurs humains rapportent une amélioration notable de la fluidité des opérations.

« On dirait qu’elle pense », confie Élise Tavert, ingénieure en chef sur le site. « Quand elle sent que la pièce risque de glisser, elle ralentit légèrement, change l’angle de sa prise, ou ajuste sa vitesse. C’est impressionnant de voir à quel point elle anticipe. »

Qu’est-ce que le contrôle prédictif apporte de nouveau ?

Le cœur de cette innovation réside dans un système de contrôle prédictif alimenté par un modèle d’apprentissage anticipatif. Contrairement aux systèmes traditionnels, qui réagissent après coup à un glissement détecté, ce nouveau cadre permet au robot de simuler plusieurs scénarios d’action avant même d’exécuter un mouvement. En intégrant des données tactiles, visuelles et cinétiques, le modèle évalue les risques associés à chaque trajectoire possible et choisit celle qui maximise la stabilité de la prise.

Les chercheurs ont testé cette approche sur des objets aux formes variées – cylindres, sphères, prismes – et sur des trajectoires non entraînées, c’est-à-dire jamais vues pendant la phase d’apprentissage. Les résultats, publiés dans Nature Machine Intelligence, montrent que le robot réussit à maintenir une prise stable dans 94 % des cas, contre 67 % avec les méthodes classiques basées sur la force.

Un test en milieu médical : la chirurgie assistée

À l’hôpital Saint-Thomas de Londres, une équipe de chirurgiens expérimente un bras robotisé équipé de cette nouvelle technologie pour manipuler des instruments chirurgicaux lors d’opérations délicates. Le Dr Raphaël Ménard, chirurgien spécialisé en neurochirurgie, témoigne : « Dans nos interventions, chaque millimètre compte. Un outil qui glisse, même légèrement, peut compromettre la sécurité du patient. Avec ce nouveau système, le robot ajuste sa prise en fonction des micro-mouvements du champ opératoire. C’est comme s’il respirait avec nous. »

Le robot, intégré à un système d’assistance chirurgicale, a déjà été utilisé dans une dizaine d’opérations exploratoires, avec un taux de succès parfait. « Ce n’est pas encore un remplaçant du chirurgien, précise Ménard, mais c’est un partenaire beaucoup plus fiable qu’avant. »

Pourquoi cette méthode pourrait transformer l’automatisation ?

La capacité d’un robot à anticiper et à s’adapter en temps réel ouvre des perspectives immenses dans des domaines où la précision, la sécurité et la délicatesse sont primordiales. Dans l’industrie alimentaire, par exemple, un robot pourrait manipuler des fruits mûrs sans les abîmer. En logistique, il pourrait trier des colis de matériaux variés – carton, plastique, verre – sans jamais les laisser tomber.

« Notre travail ouvre de nouvelles opportunités pour intégrer les robots dans notre vie quotidienne », affirme Esfahani. « Ce n’est plus seulement une question d’automatiser des tâches, mais de les accomplir avec une finesse qui rapproche la machine de l’humain. »

Un cas d’usage inattendu : l’aide aux personnes âgées

À Bristol, une start-up nommée CareMotion teste des robots domestiques équipés de cette technologie pour assister les personnes âgées dans leurs gestes quotidiens. L’un d’eux, « Nura », aide Madame Léa Fournier, 82 ans, à se servir un verre d’eau chaque matin. « Avant, elle le posait parfois un peu brusquement, ou le laissait glisser. Maintenant, elle le tient comme si elle avait peur de me le casser, mais sans jamais trop serrer », raconte Léa avec un sourire. « C’est rassurant. On dirait qu’elle fait attention. »

Pour les concepteurs, c’est exactement ce type de réaction qu’ils cherchent à provoquer : un comportement robotique qui inspire confiance par sa subtilité, pas par sa puissance.

Quelle est l’alternative au contrôle par la force ?

Les méthodes traditionnelles de prévention du glissement reposent sur des capteurs de force et des réponses réactives : si le capteur détecte une diminution de la friction, le robot augmente la pression. Mais cette approche est limitée. Elle consomme plus d’énergie, usure prématurément les composants, et peut endommager l’objet manipulé.

La nouvelle politique de contrôle, basée sur la modulation de trajectoire, propose une solution plus élégante : plutôt que de lutter contre le glissement, le robot l’évite en ajustant sa cinématique. Ce changement de paradigme – passer d’une logique de réaction à une logique d’anticipation – est ce qui fait la force de l’innovation.

Une comparaison révélatrice

Dans une série d’expériences contrôlées, les chercheurs ont opposé deux robots identiques : l’un équipé de la méthode classique (contrôle par force), l’autre utilisant la modulation de trajectoire. Tous deux devaient transporter un objet en verre sur une surface inclinée, puis le déplacer rapidement. Le robot traditionnel a lâché l’objet dans 7 cas sur 10, malgré une augmentation de la pression. Le second, en revanche, a réussi 9 fois sur 10, en modifiant simplement son angle d’inclinaison et sa vitesse d’accélération.

« Ce n’est pas plus fort qui gagne, mais plus malin », résume Amir Esfahani. « La force brute n’est pas toujours la bonne réponse. »

Quels sont les défis restants pour une généralisation de cette technologie ?

Bien que les résultats soient prometteurs, plusieurs obstacles doivent encore être surmontés avant que cette méthode ne devienne standard. Le coût des capteurs tactiles haute précision reste élevé, et l’intégration des modèles prédictifs demande une puissance de calcul importante, difficile à miniaturiser pour des robots mobiles ou autonomes.

De plus, la généralisation à des objets très variés – tissus, liquides, matériaux poreux – nécessite encore des phases d’apprentissage longues et des bases de données tactiles très étendues. « Nous sommes encore loin d’un robot qui pourrait manipuler n’importe quoi du premier coup », admet Esfahani. « Mais chaque jour, nous nous rapprochons de ce but. »

Un test en conditions réelles : l’agriculture de précision

En Normandie, un prototype de robot agricole, « Harvex », utilise cette technologie pour cueillir des pommes. Contrairement aux machines traditionnelles, qui écrasent souvent les fruits, Harvex ajuste sa prise en fonction de la maturité et de la texture. « Certaines pommes sont plus molles, d’autres plus fermes, explique le producteur Julien Bérard. Avant, il fallait programmer chaque type séparément. Maintenant, le robot apprend tout seul. C’est un gain de temps énorme. »

Pourtant, Bérard reconnaît que le système n’est pas encore parfait : « Parfois, il hésite. Il touche la pomme, puis recule. Il faut encore du travail. »

Quelle sera la prochaine étape ?

Les chercheurs envisagent désormais d’intégrer cette méthode à des robots humanoïdes capables d’interagir dans des environnements non structurés – des maisons, des rues, des bureaux. L’objectif est de créer des machines qui non seulement anticipent le glissement, mais comprennent aussi l’intention de l’utilisateur, adaptent leur comportement à des contextes sociaux, et collaborent naturellement avec les humains.

« La robotique du futur ne sera pas seulement forte ou rapide, conclut Esfahani. Elle sera sensible, attentive, presque intuitive. Et c’est peut-être cela, finalement, qui nous rapprochera le plus de l’humain. »

A retenir

En quoi cette nouvelle méthode diffère-t-elle des approches classiques ?

Elle remplace le contrôle réactif basé sur la force par une anticipation proactive fondée sur la modulation de la trajectoire. Plutôt que de serrer plus fort, le robot ajuste son mouvement pour éviter le glissement, ce qui réduit les risques de casse et améliore la sécurité.

Dans quels secteurs peut-on l’appliquer ?

La technologie est prometteuse pour la chirurgie assistée, la fabrication de précision, la logistique, l’agriculture, et l’assistance à la personne. Tout domaine nécessitant une manipulation délicate et fiable d’objets peut en bénéficier.

Est-elle déjà utilisée en conditions réelles ?

Oui, des prototypes sont testés dans des usines, des hôpitaux et des exploitations agricoles. Bien que non généralisée, la méthode montre des résultats concrets et mesurables en termes de performance et de sécurité.

Quels sont les principaux défis techniques ?

Le coût des capteurs, la puissance de calcul requise, et la nécessité d’entraîner les modèles sur une grande diversité d’objets restent des freins. L’adaptation à des environnements imprévisibles est également un défi en cours de résolution.

Quel est l’impact sur la relation homme-machine ?

Cette avancée rend les robots plus prévisibles, plus sûrs et plus naturels dans leurs interactions. Elle contribue à une automatisation plus fluide et plus intégrée à la vie humaine, renforçant la confiance dans les systèmes robotiques.