Veille du mardi 3 novembre 2026¶
Faille noyau CVE-2026-98432 : Ubuntu n'a toujours pas de correctif¶
Ce bug critique (CVSS 9.8) touche la pile TCP et peut être atteint à distance. Debian l'a corrigé le 16 octobre, mais la page d'Ubuntu affiche encore « Vulnerable, work in progress » pour 22.04, 24.04 et 26.04. ROS 2 Jazzy tournant sur 24.04, les robots sous Ubuntu sont concernés : mieux vaut éviter de les exposer directement à Internet en attendant.
RESONATE : la navigation sociale testée sur un vrai robot¶
Ce banc d'essai sous ROS 2 compare 8 configurations de contrôleurs sur 8 scénarios avec des humains, soit 320 essais réels. Deux sortent du lot : DWA avec costmaps sociales gaussiennes pour la fiabilité, SFM-MPPI pour le meilleur compromis.
MISLAM : un SLAM avec une IMU et 9 magnétomètres¶
Il se repère grâce aux variations locales du champ magnétique, sans caméra ni LiDAR. Il réduit de 46 à 78 % l'erreur de fermeture par rapport à l'odométrie magnéto-inertielle seule, et continue à suivre sa position dans le noir, là où l'odométrie visuelle-inertielle décroche. Les tests sont faits hors ligne, en intérieur et à la main, et la dérive verticale reste un problème.
KlaskTron : un banc de robot learning à moins de 2500 $¶
Des chercheurs de l'ETH Zurich ont robotisé le jeu de plateau KLASK avec deux portiques CoreXY à moteurs brushless. CAD, BOM, logiciel et simulation sont publiés.
Un LLM qui répare un réseau de neurones en éditant ses poids¶
GPT-6 Astra a modifié directement 0,016 % des poids de Qwen3.5-0.8B, sans entraînement : son score au test de maths MATH-500 passe de 7,9 % à 48,1 %. Résultats très préliminaires publiés dans un billet de blog ; le modèle partait de très bas à cause d'un défaut déjà connu (des boucles de raisonnement). Les logs sont publics, et Hugging Face a reconstruit le modèle et relancé l'évaluation.
Raspberry Pi 5 16 Go : 385 $¶
C'est 80 $ de plus qu'en avril, pour un prix de lancement de 120 $. Le CM5 16 Go prend 40 $ et démarre à 375 $.
💡 Concept du jour : le modèle d'actionneur appris¶
En simulation, un moteur obéit parfaitement ; en vrai, il y a du retard, des frottements et de la saturation. KlaskTron entraîne donc un réseau de neurones sur des mesures du vrai matériel pour reproduire ce comportement dans le simulateur. La politique apprise tourne ensuite sur le robot sans réglage supplémentaire : c'est le transfert « zero-shot ».