La pile de capteurs du robot

Un robot bipède moderne est livré avec entre quinze et quarante capteurs distincts, selon la méthode de comptage. La photo publicitaire en montre deux : la tourelle LiDAR sur le dessus et la caméra de profondeur sur la tête. Les trente-huit autres sont situés à l’intérieur du torse, dans les articulations, sur les pieds et (de plus en plus) dans les doigts. Ce sont eux qui font la différence entre « le robot s’est levé » et « le robot s’est levé, a su se repérer et a décidé de la suite des opérations ».

Cet article détaille la composition d'un humanoïde ou d'un quadrupède en 2026, la fonction de chaque capteur, les options crédibles à chaque niveau et une analyse objective des technologies surestimées. Les articles précédents de cette série — R01 et R02 — Liste des capteurs par plateforme. Celle-ci fait office de référence.

Deux mondes : proprioceptif et extéroceptif

Chaque capteur robotique appartient à l'une de ces deux catégories, et cette distinction est importante car les deux mondes présentent des différences considérables en termes de latence, de précision et de tolérance aux pannes.

Capteurs proprioceptifs Ces informations permettent au robot de se connaître lui-même : la position de ses articulations, leur vitesse de mouvement, son orientation (vers le bas ou vers le bas) et la présence d’un pied au sol. Elles fonctionnent à haute fréquence (de 200 Hz à 2 kHz), sont déterministes, ne tolèrent aucune variation et sont transmises via le bus de commande moteur en temps réel. Si l’une d’elles est erronée, le robot bascule en moins de 50 ms.

Capteurs extéroceptifs Le robot reçoit des informations sur son environnement grâce à des caméras, des capteurs de profondeur, un LiDAR, des microphones et des pavés tactiles. Ces dispositifs fonctionnent à une fréquence plus basse (10 à 60 Hz), leurs données sont statistiques (chaque pixel de profondeur présente du bruit, chaque écho LiDAR est soumis à un facteur d'échelle de réflectivité) et ils sont connectés au bus de perception (Ethernet ou USB) relié au processeur d'application. En cas de défaillance d'un de ces dispositifs, le robot s'arrête mais ne tombe pas.

Un modèle mental utile : la proprioception maintient le robot en équilibre. L’extéroception le rend utile. L’une ne remplace pas l’autre.

L'IMU — le capteur dont tout le reste dépend

L'unité de mesure inertielle (IMU) est le capteur le plus important d'un robot bipède. Elle fournit l'accélération et la vitesse angulaire sur trois axes (IMU à 6 degrés de liberté) ou ces mêmes mesures, auxquelles s'ajoute un magnétomètre (IMU à 9 degrés de liberté). La boucle de contrôle effectue un apprentissage à une fréquence de 1 kHz ou plus et utilise ces données pour estimer l'orientation du tronc, calculer l'erreur d'équilibre et prédire le demi-pas suivant.

Un humanoïde de 2026 embarque généralement deux centrales inertielles (une dans le tronc, l'autre dans la tête), et les plateformes plus performantes en ajoutent une par pied. Les quadrupèdes, quant à eux, utilisent généralement une centrale inertielle intégrée au corps et déduisent l'état de leurs pieds du couple articulaire plutôt que de l'inertie de chaque pied.

Le BMI088 est un véritable outil de travail robuste. Conçu pour les drones et la robotique, son gyroscope offre une vitesse de rotation de ±2000 °/s et résiste aux vibrations générées par un humanoïde en mouvement. L'ICM-42688 de TDK est l'alternative privilégiée pour les configurations économiques. VectorNav représente le choix idéal lorsque des performances de navigation en extérieur sont requises, contrairement à la plupart des humanoïdes d'intérieur.

L'IMU est également ce qui permet ZUPT (Mise à jour de la vitesse nulle) — Cette technique consiste à utiliser l'intervalle où, pendant la phase d'appui d'un pas, le pied est immobile afin de réinitialiser l'estimation de vitesse dans le pipeline SLAM. Sans ZUPT, la dérive due à l'estimation inertielle compromet les mesures VIO et LIO en quelques minutes. Avec ZUPT, la dérive est réduite d'un ordre de grandeur. Un robot dépourvu d'IMU par pied ou par jambe perd cette possibilité, ce qui explique en partie pourquoi les humanoïdes de recherche de pointe sont équipés d'IMU dans les pieds.

Le piège à éviter : le marketing autour de la fréquence d’échantillonnage. Une centrale inertielle (IMU) de 2 kHz avec un biais de 5 °/h est bien moins performante qu’une IMU de 400 Hz avec un biais de 0.5 °/h pour toute tâche d’une durée supérieure à dix secondes. Fiez-vous à la stabilité du biais, et non à la fréquence d’échantillonnage annoncée.

Encodeurs articulaires — le sens que la fiche technique cache

Chaque articulation motorisée possède au moins un encodeur. La plupart des humanoïdes et quadrupèdes de production utilisent ce système. deux par joint — un codeur absolu sur l'arbre de sortie (pour la sécurité et le démarrage) et un codeur incrémental sur le moteur (pour un retour d'information de vitesse haute résolution). Cette configuration à double codeur fait toute la différence entre un prototype de recherche et un système pouvant fonctionner toute la nuit.

Les deux familles dominantes :

• Encodeurs absolus magnétiques. AS5048 et ses successeurs (ams-osram), MT6816, AS5047. Résolution 14 bits = 16 384 impulsions par tour = précision native de 0.022°. Après linéarisation par microcontrôleur, une précision d'environ 0.05° est possible. Sans contact, sans usure mécanique, résistant aux chocs et aux vibrations. La référence.
• Encodeurs optiques. Résolution plus élevée en haut de gamme (20 bits, ~0.0003°), idéale pour les environnements industriels propres. Cependant, elles comportent un disque en verre, nécessitent un alignement précis et sont sensibles aux vibrations des jambes de robots. On les rencontre dans la robotique chirurgicale et de laboratoire de précision, et non dans les plateformes de marche.

Le compromis est simple : les encodeurs magnétiques sont la solution idéale pour les jambes et la plupart des bras ; les encodeurs optiques apparaissent au niveau des articulations du poignet et des doigts des mains très habiles, là où l’on a réellement besoin de cette dernière décimale.

Dérive d'étalonnage Il s'agit du mode de défaillance dont personne ne vous avertit. Les codeurs sont précis, mais leur référence est un point zéro défini au démarrage ou lors de la mise en service. Avec le temps, la relation mécanique entre le codeur et l'articulation se décale de quelques dixièmes de degré sous l'effet des cycles thermiques, de l'usure des engrenages harmoniques et des chocs. Les déploiements en production nécessitent une procédure de remise à zéro (généralement trimestrielle) et un seuil de surveillance qui déclenche une alarme lorsque la dérive du zéro de l'articulation dépasse les spécifications. Négliger cette étape, c'est ainsi qu'un robot parfaitement fonctionnel à l'installation commence à laisser tomber des objets six mois plus tard.

Caméras de profondeur — l'outil de perception par excellence

La caméra frontale RGB-D est le capteur extéroceptif le plus utilisé en robotique bipède de 2026. Elle est suffisamment performante pour l'évitement d'obstacles, la classification du terrain à une distance de un à trois mètres, la détection du point de préhension sur une table et le SLAM à courte portée. Trois technologies sont en concurrence :

Les deux familles de produits qui dominent le monde des robots à pattes :

Intel RealSense. Les D435 et D435i constituent la configuration standard : champ de vision de 87° × 58°, portée de 0.1 à 10 m, erreur de profondeur d'environ 2 % à 2 m et obturateur global pour les capteurs de profondeur. La D435i intègre une centrale inertielle Bosch de type BMI055, simplifiant ainsi la synchronisation temporelle. La D455 a doublé la focale de base à 95 mm, doublant ainsi la portée effective (erreur de profondeur inférieure à 2 % à 4 m), et intègre la centrale inertielle de série. La D457 est une version renforcée de la D455 (compatible GMSL2/FAKRA) : même imagerie, connecteur de qualité automobile, boîtier IP65, conçue pour les robots utilisés hors du laboratoire. Presque tous les humanoïdes de recherche… R01 embarque soit un D435i, soit un D455 sur la tête ; le D457 est la version qui apparaît sur les quadrupèdes conçus pour l'extérieur.

Orbbec. L'alternative chinoise : Femto Bolt, Femto Mega, Gemini 335/336/2 XL. Le Femto Mega est intéressant car il intègre une Jetson Nano sur la caméra et utilise le capteur ToF de Microsoft (le même que celui d'Azure Kinect DK, Microsoft ayant quitté ce marché). Le Gemini 2 XL étend la profondeur utile jusqu'à 20 m. Les modèles Orbbec sont généralement 30 à 50 % moins chers que les RealSense à spécifications équivalentes et sont devenus la référence sur les plateformes chinoises lorsque les risques liés à la chaîne d'approvisionnement des composants Intel sont un problème. Pour la robotique d'intérieur, ils sont équivalents ; pour une utilisation en extérieur et dans des environnements à fortes vibrations, l'écosystème RealSense offre toujours un meilleur pilotage automatique et une meilleure intégration avec ROS 2.

Un piège qui prend au piège les intégrateurs novices : Interférences infrarouges multicaméras. Placez deux caméras de profondeur à lumière structurée face à face dans la même pièce : les deux perdent en profondeur dans la zone de chevauchement. Solutions : multiplexer les projecteurs dans le temps (déclencher l’un par un déclencheur matériel pendant que l’autre capture), ou opter pour une stéréoscopie pure (sans projecteur actif). C’est l’une des raisons pour lesquelles les grands parcs privilégient la stéréoscopie passive ou le mode ToF.

Caméras RVB — et pourquoi le type d'obturateur est plus important que les mégapixels

Le capteur RVB de la caméra de profondeur est généralement suffisant pour son usage, mais un système de manipulation d'images plus poussé ajoute une caméra RVB distincte pour une résolution couleur élevée. La question qui se pose est la suivante : Obturateur global vs obturateur roulant.

Un capteur à obturateur roulant lit les lignes de pixels séquentiellement. Si la caméra ou la scène bouge pendant la lecture, l'image se déforme : une ligne verticale devient une diagonale, une roue en rotation se transforme en banane. Pour une inspection statique sur une table, cela ne pose pas de problème. En revanche, pour un humanoïde en mouvement, dont la tête accélère latéralement à 5 m/s² à chaque pas, l'effet d'obturateur roulant perturbe la correspondance des points de repère, compromet l'odométrie visuelle et produit des données inutilisables pour les systèmes de suivi visuel.

La règle est simple : Tout élément sur un robot en mouvement nécessite un obturateur global. Les modules de profondeur D435i, D455 et D457 sont tous à obturateur global (le capteur couleur de certaines versions est à obturateur rotatif ; consultez la fiche technique). Une caméra RVB à obturateur global externe ajoute entre 200 et 600 € au coût total. Négliger ce point est l’une des erreurs de spécification les plus fréquentes et les plus préjudiciables commises par les constructeurs de robots débutants.

LiDAR — quand il est utile et quand il ne l'est pas

Le LiDAR est le capteur le plus surdimensionné en robotique en 2026. Il est indispensable pour les quadrupèdes d'extérieur, les plateformes SLAM multi-pièces et tout appareil nécessitant une vision fiable au-delà de 10 m. En revanche, il est superflu pour les humanoïdes de manipulation en intérieur évoluant dans un volume de 3 m × 3 m.

Les deux architectures :

• LiDAR mécanique rotatif. Conception traditionnelle à miroir rotatif. Coût plus élevé, nombre de canaux plus important, technologie éprouvée. Remplace les systèmes OS0/OS1 (désormais Rev8 avec couleur native, 2026) et Hesai XT16/XT32/QT128. Les unités rotatives sont des pièces d'usure, mais les roulements ont désormais une durée de vie supérieure à 30 000 heures.
• LiDAR à semi-conducteurs / hybride-semi-conducteur. Les systèmes hybrides à miroirs rotatifs de Livox (Mid-360, HAP, Avia) et les systèmes MEMS à semi-conducteurs purs présentent l'avantage de ne pas comporter de pièces rotatives externes, d'être moins coûteux, mais de générer parfois des motifs de balayage non uniformes. Le Mid-360 est devenu la norme pour les robots à pattes.

Capteurs typiques dans le monde des robots à pattes :

Le Livox Mid-360 mérite sa position dominante : compact (moins de 300 g), économe en énergie (moins de 10 W), il offre une couverture à 360° suffisante pour le SLAM et, à 800 $, son prix est si abordable qu’on pourrait l’envoyer à des chiens grand public. Pour un humanoïde évoluant en intérieur et devant cartographier un bâtiment, le Mid-360 est la solution idéale dans 80 % des cas.

Quand le LiDAR est vraiment important :

• SLAM extérieur ou multi-pièces, où la portée de la caméra de profondeur (5–8 m) n’est pas suffisante.
• Navigation en long couloir, où vous devez voir le bout du couloir dès le début.
• Lumière du soleil éblouissante, là où les caméras de profondeur à projecteur infrarouge échouent et où seuls le LiDAR ou la stéréo passive fonctionnent.
• Environnements réfléchissants / sans texture (Entrepôts avec sols peints et murs vitrés) où la stéréo perd de ses fonctionnalités.

Quand le LiDAR est survendu :

• manipulation humanoïde en intérieur dans un espace de travail de moins de 5 m. Une paire de D455 fait le travail pour un dixième du coût et du poids.
• « Chien du marketing » Des démonstrations qui ne quittent jamais une zone pavée. Le LiDAR est là pour faire bonne figure.
• Des pièces encombrées aux textures abondantes. La stéréo est vraiment de bonne qualité, et le LiDAR effectue un travail redondant.

Si vous pouvez répondre « non » aux quatre questions ci-dessus concernant l’utilité du LiDAR, vous n’en avez pas besoin. Économisez plutôt ces 800 à 8 000 $ et investissez-les dans une caméra RVB à obturateur global et une centrale inertielle plus performante.

Force/couple sur l'effecteur terminal — l'élément permettant la manipulation

Dès qu'un robot tente une action autre que la simple manipulation de blocs de plastique rigides, la détection de la force et du couple au niveau du poignet devient un facteur limitant. Un capteur de force et de couple à 6 axes mesure trois composantes de force et trois composantes de couple à l'articulation entre le poignet et la pince/main, et transmet ces données au contrôleur d'impédance qui détermine la force de poussée, le moment d'arrêt et la détection des blocages.

Les unités de référence proviennent de Automatisation industrielle ATI (Mini, Nano, Axia, Mini43LP). Le Mini43LP représente actuellement le meilleur compromis pour les poignets humanoïdes : moins de 8 mm de hauteur, 6 axes, jauges de contrainte à semi-conducteurs, données en temps réel à 8 kHz via EtherCAT ou Ethernet. Son prix se situe entre 4 000 et 12 000 $ selon la configuration, ce qui explique pourquoi la plupart des humanoïdes à moins de 50 000 $ sont livrés sans capteur de force/temps en standard. Le Unitree H1-2 avec bras manipulateurs le prend en charge ; la base G1 ne le prend pas en charge.

Si votre tâche consiste à « porter un plateau de tasses », à « ouvrir la porte d'un réfrigérateur sans arracher la poignée » ou à « donner un outil à quelqu'un », un capteur de force/tension au poignet est nécessaire. Si votre tâche consiste à « saisir un objet connu à un emplacement connu », vous pouvez simuler cette action grâce à un retour d'information sur le courant du moteur et vous passer du capteur dédié.

Capteurs tactiles — une frontière réelle mais encore immature

La détection tactile est la technologie mise en avant lors des démonstrations d'humanoïdes de 2026, mais rarement utilisée dans les déploiements de production. Cette technologie est suffisamment mature pour être utile à la recherche ; elle ne l'est pas encore assez pour être bon marché, fiable ou autonome.

Les deux familles concernées :

• GelSight / DIGIT. Capteurs tactiles à caméra : un coussinet souple en élastomère muni de marqueurs, éclairé et photographié par le dessous par une minuscule caméra. Ce système analyse la géométrie de contact de la surface avec une résolution submillimétrique et calcule les forces de cisaillement et normales à partir du déplacement des marqueurs. Issu initialement des recherches du MIT et commercialisé par GelSight, le modèle DIGIT a été développé en collaboration avec Meta AI (Digit 360 annoncé fin 2024, contrats SBIR de phase II actifs en 2026). Il offre une excellente précision géométrique : texture, contours, détection de glissement. Son coût se situe entre 1 000 et 3 000 $ par doigt, auquel s’ajoute le temps de traitement des données par la caméra.
• Réseaux capacitifs et piézorésistifs. Technologie plus ancienne, résolution inférieure, beaucoup moins chère. Utilisée dans certaines pinces pour une détection de contact rudimentaire (oui/non). Il ne s'agit pas d'une véritable détection tactile au sens moderne du terme.

Ce que le toucher permet réellement sur un humanoïde :

• Détection de glissement. Le robot détecte qu'un objet glisse de sa prise et augmente la force exercée avant qu'il ne tombe. Il s'agit du signal tactile le plus utile actuellement étudié.
• Discrimination d'objets basée sur la texture. Tissu, cuir ou métal au bout des doigts.
• Reconstruction géométrique. Construire un modèle 3D d'un objet que la main explore à l'aveugle.

Ce que le tactile ne fait pas encore de manière fiable :

• Survivre à un cycle de lave-vaisselle en mode robot. Les coussinets en gel souple s'usent, se coupent et doivent être remplacés régulièrement, comme les semelles orthopédiques.
• Fonctionne sans carte graphique dédiée. La vision tactile basée sur une caméra est une vision par ordinateur en temps réel ; chaque capteur ajoute 10 à 30 % de charge sur un Jetson AGX.
• Standardiser. Chaque groupe de recherche a sa propre approche tactile. Il n'existe pas encore de message standard ROS 2 pour la communication tactile qui fasse l'unanimité.

En toute franchise : le toucher sera crucial pour la production de 2027-2028. En 2026, équiper un humanoïde de recherche de capteurs GelSight DIGITs est une réelle possibilité, à condition de disposer du budget nécessaire. En commander un pour un déploiement en production est prématuré.

Microphones, contact avec les pieds et le reste

Quelques capteurs supplémentaires complètent l'ensemble.

Réseaux de microphones. Un réseau de 4 microphones est la norme, parfois 6 ou 8 sur les plateformes haut de gamme. Ils remplissent trois fonctions : la détection du mot d’activation (souvent via un traitement numérique du signal local à faible consommation), l’estimation de la direction d’arrivée du son pour identifier l’interlocuteur et la formation de faisceaux pour une transcription vocale claire même dans un environnement bruyant. L’estimation de la direction d’arrivée est une fonctionnalité souvent sous-estimée : un robot qui tourne la tête vers son interlocuteur paraît beaucoup plus présent qu’un robot qui ne le fait pas. Un seul microphone convient aux assistants de bureau, mais est inutile pour un robot situé à 1.5 m de hauteur dans une pièce avec trois personnes.

Contact/pression du pied. Deux implémentations. La version explicite, utilisant des capteurs de force sous le pied, est employée sur Spot et ANYmal D. La version implicite, basée sur une centrale inertielle et le couple, est utilisée sur toutes les plateformes Unitree et DeepRobotics : lors de la pose du pied au sol, le couple de la jambe augmente brusquement, l’unité de mesure inertielle du pied détecte l’impact et le système de gestion de la marche en déduit le contact. Les capteurs de force sont plus fiables sur les surfaces glissantes où le couple seul est ambigu ; la version implicite est moins coûteuse et suffisante pour 90 % des cas.

Encodeurs de roue (pour hybrides quadrupèdes roue-pied). Les modèles Unitree B2-W et Go2-W ajoutent une roue motorisée à l'extrémité de chaque jambe. Chaque roue est équipée de son propre codeur incrémental, et le pipeline SLAM fusionne l'odométrie des roues avec les données de l'IMU et du LiDAR. L'odométrie des roues est la méthode de navigation inertielle la plus économique ; lorsqu'elle est disponible, la solution SLAM est plus stable. En contrepartie, cela représente un risque de panne supplémentaire (patinage, encrassement ou défaillance des roues), ce qui explique pourquoi les versions à roues nécessitent un réglage plus précis de l'estimation d'état que leurs homologues à pattes.

Synchronisation des capteurs — le mode de défaillance invisible

Ce qui perturbe le plus les chaînes de perception des robots, et dont presque personne ne parle avant d'y être confronté, c'est… Synchronisation temporelle entre les capteurs.

Le problème : une caméra de profondeur produit des images à 30 Hz, l’IMU fonctionne à 1 kHz, le LiDAR à 10 Hz et les codeurs articulaires à 1 kHz. Chaque capteur possède sa propre horloge et sa propre latence entre l’événement et l’horodatage. Si ces horloges dérivent ou si les horodatages sont erronés, la fusion de capteurs produit des données incohérentes et personne ne sait pourquoi : le robot commence à percevoir des obstacles de manière hallucinatoire ou sa carte SLAM devient floue à chaque virage.

Trois niveaux de réparation, par ordre de capacité :

1. Logiciel NTP. Peu coûteux, il atteint une précision de 1 à 10 ms sur un réseau local câblé. Convient pour l'enregistrement de données et la supervision générale. Catastrophique pour la fusion de capteurs à haute fréquence (1 kHz).
2. IEEE 1588 PTP (Protocole de temps de précision). L'horodatage matériel au niveau de la carte réseau offre une précision inférieure à la microseconde sur un réseau Ethernet commuté. C'est le système utilisé par les robots multi-capteurs performants, et il requiert des commutateurs et des capteurs compatibles PTP. Les LiDAR Livox prennent en charge le PTP. RealSense le prend en charge via son firmware. La plupart des caméras de profondeur USB bon marché ne le prennent pas en charge.
3. Déclencheur matériel. Une ligne d'impulsions physiques déclenche simultanément la caméra, le LiDAR et l'unité de mesure inertielle (IMU) en mode échantillonneur-bloqueur. La synchronisation atteint la nanoseconde, mais elle ne fonctionne qu'avec les capteurs dotés d'une entrée de déclenchement externe — généralement les caméras et LiDAR industriels, et non les modèles USB grand public.

Ce qui dysfonctionne en l'absence de synchronisation, par ordre de fréquence :

• La dérive du VIO s'accélère lorsque les horodatages de l'IMU et de la caméra diffèrent de plus de 2 à 5 ms.
• LIO produit des obstacles fantômes lorsque le LiDAR et l'IMU divergent sur la position du robot pendant le scan.
• La préhension basée sur le VLM choisit le mauvais point lorsque le repère de profondeur et la lecture de l'encodeur articulaire utilisés pour positionner la pince proviennent de moments différents dans le temps.

Si vous intégrez des capteurs de plusieurs fournisseurs, posez la question du protocole PTP dès le début. Corriger ce problème a posteriori implique généralement une refonte complète du bus de capteurs, et non une simple modification.

Calculer la charge par capteur — ce que fait réellement le Jetson

Un Jetson AGX Orin moderne (200 TOPS, 32 Go de RAM) embarqué sur un humanoïde offre des performances supérieures à celles indiquées dans sa fiche technique. Voici une répartition réaliste de la charge en fonctionnement continu :

Au final, le Jetson fonctionne en continu à 60-80 % de sa capacité, avec des pics de consommation lorsque le VLM est en marche. Il n'y a pratiquement aucune marge de manœuvre pour un second modèle de grande taille, ce qui correspond précisément à l'argument architectural avancé. I01: la réflexion approfondie est abandonnée car le Jetson est déjà plein.

L'ajout de la détection tactile augmente la consommation de ressources de 10 à 30 % par paire de capteurs. La détection F/T est quasiment gratuite (côté processeur, faible débit). Le LiDAR est la surprise : le prétraitement du nuage de points est coûteux, et un LiDAR haute densité (Hesai QT128, Ouster OS1 256 canaux) saturera un Jetson Orin Nano avant même l'exécution du code de perception. Choisissez une densité LiDAR adaptée aux besoins de calcul, et non aux arguments marketing.

---

Ceci fait partie du Kentino Wiki, une série de référence sur l'intelligence artificielle, la robotique et les systèmes qui les connectent. Commentaires et corrections bienvenus. info@kentino.com.