RecherchearXiv cs.RO 12 mai 2026

VRA : ancrage de l'accélération articulaire en temps discret dans l'actionnement sous contrainte de tension

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent dans un preprint arXiv (2605.10696, mai 2026) une abstraction de contrôle baptisée Voltage-Realizable Acceleration (VRA), destinée à combler un écart entre planification cinématique et exécution matérielle dans les robots à actionneurs électriques. Le problème identifié : les contraintes d'accélération articulaire en temps discret, couramment utilisées pour imposer des limites de position et de vitesse, peuvent générer des commandes cinématiquement valides mais physiquement irréalisables lorsque les actionneurs opèrent sous contrainte de tension. VRA introduit une interface d'accélération au niveau de l'articulation qui restreint les commandes commandées aux seules valeurs réalisables compte tenu des limites de tension effectives. Des expériences sur actionneurs électriques réels et sur un quadrupède roue-patte ont validé l'approche : suppression des accélérations irréalisables, exécution plus cohérente en régime de contrainte proche des limites, et réduction des oscillations induites.

L'impact potentiel concerne tout intégrateur travaillant avec des robots à moteurs électriques, humanoïdes, quadrupèdes, bras industriels. Les oscillations liées aux contraintes sont un problème fréquent en déploiement réel, souvent invisible en simulation, ce qui contribue au sim-to-real gap. En formalisant une couche d'abstraction entre le planificateur cinématique et l'actionneur, VRA pourrait améliorer la robustesse des piles de contrôle existantes sans nécessiter de refonte architecturale. La contribution est conceptuelle : elle nomme et corrige un angle mort longtemps ignoré dans les pipelines de contrôle standard.

Les contraintes d'accélération en temps discret sont un outil classique depuis les années 2000, mais leur interaction avec les limites physiques des actionneurs électriques modernes, opérés dans des régimes de plus en plus extrêmes, n'avait pas été formalisée à ce niveau d'abstraction. Ce preprint n'est pas encore évalué par les pairs, et les expériences restent limitées à une seule plateforme roue-patte, type ANYbotics ou Unitree. Les suites logiques incluent une intégration dans des piles open source telles que ros2_control et des validations sur des plateformes humanoïdes à haute dynamique.

Impact France/UE

Impact indirect : tout intégrateur européen s'appuyant sur ros2_control ou des piles de contrôle standard pour robots électriques (bras industriels, quadrupèdes, humanoïdes) pourrait bénéficier d'une future intégration de VRA pour réduire les oscillations en régime limite et améliorer la robustesse sim-to-real.

Dans nos dossiers

Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

Planification de mouvement vérifiée dans l'espace des tâches sous contraintes articulaires

Une équipe de chercheurs présente dans un preprint arXiv (2605.22991, mai 2026) une méthode pour certifier formellement la planification de mouvement des bras manipulateurs face aux limites articulaires. Les planificateurs réactifs dans l'espace cartésien comme Bug2 opèrent avec des pas fixes sans tenir compte des butées angulaires ; lorsque la jacobienne est mal conditionnée, même un petit déplacement cartésien peut forcer un mouvement articulaire hors limites, provoquant une dérive de suivi et l'échec d'atteinte de l'objectif. La solution calcule, à chaque pas, le plus grand hyperrectangle cartésien certifiablement atteignable via une approximation polynomiale du second ordre de la cinématique inverse et la procédure S, qui forment un programme semi-défini positif (SDP) résolu par bisection en moins d'une milliseconde ; ce certificat est intégré à Bug2 pour adapter dynamiquement le pas au conditionnement cinématique local. Sur 94 scénarios adversariaux couvrant six configurations de limites articulaires, le planificateur SOS-vérifié atteint zéro violation articulaire et 100 % de taux de succès, contre 6 à 11 % de violations et jusqu'à 18 % d'échecs pour le Bug2 standard. Ce résultat comble une lacune bien connue : la planification dans l'espace de travail et la gestion des contraintes articulaires sont traitées séparément dans la plupart des architectures, ce qui génère des comportements indésirables près des singularités cinématiques. La résolution sous-milliseconde rend le module intégrable dans des boucles de contrôle temps réel, le positionnant comme couche de sécurité potentielle au-dessus des planificateurs existants sur des bras industriels comme le KUKA iiwa, l'Universal Robots UR10 ou le Franka Emika Panda. Bug2 est un algorithme réactif classique des années 1980-90, robuste mais agnostique aux propriétés cinématiques du robot, dont l'adaptation aux manipulateurs modernes multi-DDL a toujours souffert de ce manque de cohérence entre espaces cartésien et articulaire. L'usage de la procédure S et des programmes semi-définis pour certifier des atteignabilités locales s'inscrit dans une tendance plus large d'intégration de la vérification formelle (barrières de contrôle, Lyapunov, SOS) dans la planification de mouvement. Ce travail reste un preprint de recherche sans implémentation open-source ni déploiement industriel annoncé ; la validation sur robots physiques multi-DDL en conditions dynamiques réelles demeure l'étape manquante avant toute adoption industrielle.

UEKUKA (Allemagne) et Universal Robots (Danemark) sont cités comme cibles d'intégration directe, ce qui positionne les constructeurs de bras industriels européens comme premiers bénéficiaires potentiels si une implémentation open-source est publiée.

RecherchePaper

1 source

2arXiv cs.RO

Contrôle en temps réel par DDP contraint pour l'équilibre sous-actionné des robots à pattes

Des chercheurs présentent ABC-DDP, un framework de "Differential Dynamic Programming" (DDP) sous contraintes de commande, conçu pour le contrôle en temps réel de robots à pattes sous-actionnés. Publié sur arXiv sous la référence 2608.18552, le papier propose une méthode basée sur un gradient projeté accéléré (APG) qui calcule les solutions contraintes et identifie les ensembles actifs sans recourir à des inversions répétées des conditions de Karush-Kuhn-Tucker (KKT), un goulot d'étranglement classique du DDP standard. Une "contrainte virtuelle" est intégrée dans un schéma de tir multiple orienté faisabilité, permettant une optimisation stable même à partir d'initialisations dynamiquement infaisables. En simulation, la méthode pilote un robot quadrupède via un contrôle prédictif de modèle (MPC) à horizon court fonctionnant en temps réel : elle démontre une station debout stable sur deux pattes face à des perturbations externes, ainsi qu'un catwalk lent, une marche verticale et une course à haute vitesse, le tout au sein d'un unique cadre MPC unifié. Les auteurs revendiquent la première démonstration d'une station debout statique sur deux pattes d'un quadrupède obtenue par MPC temps réel à horizon fini. Le résultat cible un problème concret pour les concepteurs de contrôleurs de robots à pattes : le DDP classique gère mal les contraintes de commande (couple, position articulaire) sans alourdir considérablement le calcul, ce qui limite son usage en boucle temps réel sur des robots humanoïdes ou quadrupèdes. En évitant les inversions KKT répétées, ABC-DDP promet une charge de calcul compatible avec des cadences MPC élevées, même dans des régimes fortement sous-actionnés comme la station debout sur deux membres, un cas extrême d'instabilité pour un quadrupède. Il s'agit toutefois pour l'instant de résultats exclusivement en simulation : aucun déploiement sur robot physique n'est rapporté, et la robustesse aux incertitudes de modèle, au bruit des capteurs ou aux délais matériels réels reste à démontrer avant toute application industrielle. Le DDP est une technique d'optimisation de trajectoire largement utilisée dans le contrôle prédictif des robots à pattes, mais sa version classique peine historiquement à intégrer des contraintes de commande explicites sans recourir à des solveurs coûteux, ce qui pousse souvent les équipes vers des approximations ou des architectures hybrides. ABC-DDP s'inscrit dans cette lignée de travaux cherchant à fiabiliser le MPC temps réel pour la locomotion dynamique, un axe de recherche partagé par les laboratoires travaillant sur les quadrupèdes et les humanoïdes. Le papier, publié en août 2026 en tant que preprint arXiv, ne mentionne ni entreprise ni plateforme matérielle spécifique : il s'agit d'une contribution académique en optimisation de contrôle. Les suites attendues, non détaillées dans l'article, seraient une validation expérimentale sur robot physique et une extension à des morphologies bipèdes ou humanoïdes, où la sous-actuation pose des défis similaires, voire plus sévères.

RecherchePaper

1 source

3arXiv cs.RO

Extension du calibrage LiDAR-IMU à contrainte de sol aux surfaces inclinées dans un cadre à temps continu

Une équipe de chercheurs propose une nouvelle méthode de calibration LiDAR-IMU sans cible pour véhicules terrestres, capable de fonctionner sur des surfaces inclinées et pas seulement sur sol plat. Le papier, publié en préprint sur arXiv (référence 2608.25135v1), part d'un problème connu du calibrage: pour aligner correctement un LiDAR et une centrale inertielle (IMU), le système doit être soumis à une excitation complète de mouvement, condition rarement remplie par un robot terrestre qui roule surtout à plat, générant un mouvement planaire dégénéré. Les méthodes actuelles contournent ce problème avec des résidus qui supposent que le vecteur de gravité est colinéaire à la normale de la surface physique, ce qui ne fonctionne que si le sol est plat. Les auteurs introduisent des résidus de plan au sol qui abandonnent cette hypothèse, rendant la calibration valide pour un mouvement planaire sur une surface inclinée. La méthode a été testée sur un véhicule Husky, sur le jeu de données public M2DGR ainsi que sur un jeu de données de véhicule tout-terrain, avec code et expériences publiés en open source sur GitHub (vkorotkine/licalibtiltedground). Pour les intégrateurs de robots mobiles autonomes (AMR) et véhicules terrestres, cette avancée réduit une contrainte opérationnelle concrète: jusqu'ici, calibrer un rig LiDAR-IMU exigeait des manœuvres artificielles d'excitation ou l'hypothèse d'un terrain parfaitement plat, un scénario peu réaliste hors entrepôt. Étendre la calibration aux surfaces inclinées ouvre la voie à des déploiements plus fiables sur chantiers, terrains agricoles ou sites miniers, où le sol présente des pentes ou irrégularités. Les résultats montrent une répétabilité améliorée à la fois en conditions inclinées et sur sol plat, avec un gain particulièrement marqué sur terrain incliné, ce qui suggère que la méthode ne dégrade pas les performances dans le cas standard tout en résolvant le cas dégénéré. Ce travail s'inscrit dans la lignée des méthodes de calibration extrinsèque sans cible pour capteurs embarqués sur véhicules à mouvement contraint, un sujet actif en robotique mobile et cartographie SLAM. Il reste à ce stade un résultat académique en accès libre, non intégré à un produit commercial, mais son caractère open source facilite une adoption rapide par les équipes de perception travaillant sur des flottes de robots ou véhicules autonomes tout-terrain.

RecherchePaper

1 source

4arXiv cs.RO

Guidage par potentiel de particules pour la préhension dextérique sous contraintes de négation

Des chercheurs publient sur arXiv (papier 2609.00555, type "new", déposé début septembre 2026) une méthode appelée Potential-Guided Particle Steering, conçue pour corriger un défaut des modèles de préhension dextre pilotés par le langage, comme DextER. Ces modèles réussissent bien quand une instruction précise où saisir un objet, mais échouent systématiquement quand elle précise aussi où ne pas saisir, par exemple "attrape la poignée mais évite le corps de l'objet". La raison identifiée : les corpus d'entraînement existants, dont DexGYSNet, ne contiennent quasiment aucune instruction d'évitement, et chaque partie mentionnée pendant l'entraînement est interprétée comme une cible de contact plutôt qu'une zone à exclure. La méthode proposée agit uniquement au moment de l'inférence, sans exemple de négation dans l'entraînement : elle combine du Sequential Monte Carlo avec du classifier-free guidance pour orienter l'échantillonnage vers la partie visée tout en éliminant les candidats de prise dirigés vers la zone interdite, celle-ci étant localisée par un modèle figé de "part-grounding" 3D. Un nouveau benchmark, NegGrasp, associe des instructions positives et négatives appariées avec des métriques tenant compte de la contrainte. Résultat : le taux de violation de la contrainte tombe de 57,9 % pour la meilleure référence à 17,2 % avec la nouvelle méthode, tout en améliorant aussi le taux de réussite physique. Le résultat ne provient pas d'un déploiement robotique réel mais d'expériences sur benchmark, ce qui mérite d'être signalé. Son intérêt pour les intégrateurs et les équipes robotique tient au problème qu'il révèle : des instructions de sécurité banales ("ne touche pas au câble", "évite la lame") peuvent faire échouer des modèles de préhension par ailleurs performants, un angle mort typique du décalage entre démonstration et usage industriel réel. L'approche séduit aussi parce qu'elle ne nécessite ni réentraînement ni collecte de données supplémentaires, contrainte pourtant impossible à satisfaire pour tout cas d'usage imaginable. Un taux de violation résiduel de 17,2 % reste toutefois loin d'une garantie de sécurité exploitable en production. Le travail s'inscrit dans la suite directe de DextER et du corpus DexGYSNet, et emprunte des techniques de guidage habituellement utilisées dans les modèles génératifs de diffusion. Il ne compare pas directement sa méthode aux modèles génération action-langage-vision plus larges comme GR00T N2, Pi-0 ou Helix, laissant ouverte la question de l'intégration à ces pipelines. Les auteurs publient NegGrasp comme benchmark public, ce qui devrait permettre des comparaisons futures, la prochaine étape logique étant une validation sur mains robotiques physiques.

RecherchePaper

1 source