Les capteurs tactiles qui donnent le sens du toucher aux mains robotiques

Une caméra peut observer un millier de robots sans jamais s’user. Un capteur tactile, lui, n’a droit qu’à une seule main, sent chaque objet que cette main saisit, et meurt lentement du contact. Détachez l’extrémité du doigt d’un robot de recherche après quelques semaines de préhension et de dépose, et vous trouvez souvent un gel éraflé, une membrane déchirée, ou une électrode qui a discrètement dérivé hors de son étalonnage. Cette asymétrie, des yeux bon marché et immortels face à une peau fragile et mortelle, explique pourquoi le toucher robotique reste un problème de matériel avant d’être un problème de données.

La vision a convergé vers un seul dispositif. Presque toutes les caméras de la planète transforment la lumière en une grille de nombres de la même manière, et deux d’entre elles parlent un format appelé image. Le toucher n’a jamais connu ce moment. Demandez à cinq laboratoires comment leur robot ressent un filetage de vis et vous obtenez cinq réponses physiquement différentes : une feuille qui change de résistance, une puce qui mesure une poche d’air comprimée, un gel photographié de l’intérieur. Aucune ne domine, et les différences descendent jusqu’à la physique elle-même.

Le contact n’est pas une grandeur unique. Appuyez un doigt sur une table et vous avez une force normale qui pousse tout droit, un cisaillement qui traîne sur le côté, le minuscule glissement qui précède une chute, une vibration haute fréquence qui se lit comme de la texture, et parfois de la chaleur qui traverse la frontière de contact. Chaque technologie tactile est un pari sur celles de ces grandeurs qu’il faut capturer proprement et celles qu’il faut abandonner. Voici ce que mesurent les grandes familles, ce qu’elles vous coûtent, et pourquoi aucune n’a produit un grand jeu de données partagé comme l’ont fait les caméras.

Transformer une pression en un nombre

La plupart des peaux robotiques sont électriques. Elles pavent une surface de taxels, des pixels tactiles, et lisent une propriété qui change lorsque la surface est pressée.

Les peaux résistives et piézorésistives sont les bêtes de somme. Un matériau pressé conduit différemment, et une grille de telles jonctions donne une carte de pression grossière pour très peu d’argent. Elles se font fines, elles épousent des doigts courbes, et elles s’étendent à de grandes surfaces à faible coût. Le prix à payer, c’est la qualité du signal : elles dérivent, elles présentent une hystérésis (la lecture lors de l’appui ne correspond pas à celle du relâchement), et elles peinent à distinguer le cisaillement de la charge normale.

Les matrices capacitives mesurent l’écart entre deux couches conductrices séparées par un diélectrique souple. Comprimez le diélectrique et la capacité augmente. C’est la technologie qui se cache sous un écran de téléphone, miniaturisée et rigidifiée pour les extrémités des doigts, sensible et peu gourmande en énergie. Rapprochez les taxels pour gagner en résolution et les cellules voisines commencent à diaphoner, tandis que le nombre de fils grimpe vite, l’une des raisons pour lesquelles les peaux capacitives denses sont difficiles à déployer sur une main entière.

Les conceptions barométriques et MEMS cachent une puce de pression produite en masse sous un dôme de caoutchouc. La force comprime le fluide ou l’air emprisonné, la puce baromètre le lit, et vous héritez de la robustesse et du faible coût d’une pièce fabriquée par milliards pour les téléphones et les voitures. Une puce fait toutefois un seul taxel, si bien que la résolution spatiale reste grossière, à moins d’inonder la main de puces et du câblage qui les accompagne.

Les approches piézoélectriques et magnétiques comblent les manques. Les films piézoélectriques génèrent une charge à partir d’une pression qui varie, ce qui les rend excellents pour le rapide, vibration, amorce de glissement, texture, et inutiles pour maintenir un poids constant, car une force constante ne produit aucune charge variable. Les peaux magnétiques comme ReSkin suspendent des particules magnétiques dans un élastomère souple au-dessus de capteurs à effet Hall, puis déduisent le cisaillement et la force normale de la façon dont le champ se déplace ; l’élastomère est un consommable bon marché que l’on détache et remplace lorsqu’il s’use.

Une caméra pointée sur un gel

L’autre grande famille inverse tout le problème. Plutôt que de câbler une surface, on pose un gel souple et transparent sur une petite caméra, on l’éclaire de l’intérieur, et on filme le gel qui se déforme au contact du monde. GelSight a ouvert la voie, DIGIT en a fait une version compacte, à faible coût et ouverte, TacTip suit un maillage de picots internes, et les préhenseurs à bulle souples du Toyota Research Institute ont étendu la même idée sur une membrane gonflée. La sortie n’est pas quelques nombres. C’est une image tactile dense.

Cette image, c’est l’argument de vente. Un gel photographié peut résoudre une texture de surface plus fine qu’un doigt humain, reconstruire la forme tridimensionnelle de ce qui appuie dessus, et récupérer le cisaillement en observant glisser des marqueurs imprimés. Il se normalise aussi sur le seul capteur que le domaine sait déjà produire en masse et lire : une caméra. Les coûts sont physiques. Le gel est encombrant, exige quelques millimètres de dégagement et un chemin optique, se déchire et se voile à l’usage, et chaque image est une image complète, de sorte que la bande passante et le calcul pèsent lourd face à une fine feuille résistive. Vous échangez un problème de câblage contre un problème d’optique et d’usure.

Ce que chaque famille sait et ne sait pas sentir

Aucune technologie ne l’emporte à elle seule. Chaque famille est forte sur une partie du signal de contact et aveugle sur le reste, ce qui explique pourquoi les mains sérieuses en embarquent souvent plus d’une.

Parcourez la colonne des compromis et un schéma apparaît. Les options bon marché, pavables et durables sont grossières. Les options riches et à haute résolution sont encombrantes, fragiles ou gourmandes en données. Il n’existe pas d’équivalent de la webcam « assez bonne » qui soit à la fois bon marché, standard et détaillée.

Pourquoi le corpus n’apparaît jamais

C’est ici que le matériel devient une histoire de données. La vision a passé à l’échelle parce qu’une caméra est externe, interchangeable et non consommée : vous boulonnez la même webcam sur un millier de robots, et chaque séquence atterrit dans un format partagé unique. Le toucher brise ces trois propriétés d’un seul coup.

Une caméra survit aux données qu’elle enregistre. Un capteur tactile, lui, est consommé par elles. Ce seul fait, plus que tout écart de modélisation, explique pourquoi il n’existe pas d’ImageNet du toucher.

Le capteur doit vivre à l’intérieur de la main, on ne peut donc pas mutualiser les données entre robots sans standardiser aussi leurs doigts. L’étalonnage se fait unité par unité et dérive, si bien qu’une lecture brute exprimée en points de capteur ne signifie rien pour le laboratoire suivant tant qu’elle ne se rapporte pas à des newtons. Pire encore, l’instrument est détruit par l’acte même de mesurer : le gel qui se voile, l’élastomère qui s’abrase, l’électrode qui fatigue, tous changent de réponse en cours de campagne de collecte. Un jeu de données de vision peut être recapturé l’an prochain à partir des mêmes images. Un enregistrement tactile est lié à un capteur usé précis, un jour précis, et il n’existe toujours pas de schéma partagé définissant ce qu’est même une lecture tactile d’un laboratoire à l’autre.

Ainsi, le domaine dispose d’un corpus visuel énorme, d’un corpus « vision plus proprioception » en croissance dans des efforts comme Open X-Embodiment, et de presque aucun grand jeu de données de manipulation tactile. La fragmentation du matériel n’est pas une note de bas de page à cette rareté. Elle en est la cause.

Vivre avec la fragmentation

La réponse la plus prometteuse consiste à faire ressembler le toucher à la vision. Des capteurs optiques comme DIGIT poussent un matériel ouvert et reproductible pour qu’au moins deux laboratoires partagent un format, une image tactile, même si leurs gels s’usent différemment. Des boîtes à outils ouvertes comme LeRobot de Hugging Face offrent aux flux tactiles un endroit standard où résider aux côtés de la vidéo et des actions. Les équipes qui travaillent sur la dextérité, de Physical Intelligence au Toyota Research Institute, traitent le contact comme un canal de premier ordre plutôt que comme un ajout, et une couverture de niveau ingénieur dans des médias comme IEEE Spectrum suit un flot régulier de nouvelles peaux issues de la littérature robotique. Rien de tout cela n’a encore produit le moment ImageNet du toucher.

Donnez une caméra à un robot et il hérite d’un siècle d’imagerie et d’une planète de pixels. Donnez-lui le sens du toucher et vous en êtes encore à choisir quelle physique croire, à le câbler dans un doigt à la main, et à le regarder s’user à mesure qu’il travaille. Les algorithmes sont prêts à sentir. Les instruments, et le registre partagé qu’ils écriraient, sont la partie qu’il reste à construire, une main à la fois.