Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Optimisation distribuée de graphe de poses par dynamique riemannienne continue
RecherchearXiv cs.RO 

Optimisation distribuée de graphe de poses par dynamique riemannienne continue

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Un pré-print déposé le 13 mai 2026 sur arXiv (référence 2605.11210) propose un nouveau cadre algorithmique pour l'optimisation distribuée de graphes de poses (PGO), un problème central en SLAM collaboratif (Simultaneous Localization and Mapping). L'approche reformule le PGO comme un système dynamique du second ordre en temps continu sur des groupes de Lie, les structures mathématiques qui modélisent naturellement rotations et translations dans l'espace. Les variables de pose sont traitées comme des particules massiques amorties, de sorte que les équilibres de la dynamique riemannienne résultante coïncident avec les points critiques du premier ordre du problème original. L'intégrateur géométrique semi-implicite employé, basé sur les équations d'Euler-Poincaré, généralise la descente de gradient riemannienne et la méthode de Gauss-Newton. En contexte multi-robots, chaque agent résout une équation différentielle ordinaire pour ses propres poses via des matrices de masse et d'amortissement block-diagonales, permettant un traitement entièrement parallèle avec une communication minimale. Les benchmarks sur jeux de données PGO standard montrent des performances supérieures aux méthodes distribuées de l'état de l'art, en régime synchrone comme asynchrone.

L'intérêt pratique réside dans la gestion des communications retardées, un verrou majeur pour les flottes AMR opérant dans des environnements industriels où les liaisons sans fil sont intermittentes. La modélisation conjointe de l'état et de la vitesse permet une prédiction des voisins qui améliore significativement la convergence malgré ces délais. Pour les intégrateurs de solutions multi-robots en logistique ou en inspection industrielle, ce solveur distribué ouvre la voie à une localisation collective robuste sans infrastructure centralisée à faible latence. Les auteurs établissent par ailleurs des conditions suffisantes garantissant la dissipation d'énergie sous le schéma de discrétisation retenu, ce qui confère au résultat une garantie de convergence formelle plutôt qu'une simple validation empirique.

Le PGO distribué est un domaine actif depuis une décennie, avec des travaux pionniers comme DDF-SAM, DOOR-SLAM ou Kimera-Multi développés au MIT et à CMU, qui s'appuient principalement sur des méthodes discrètes de type ADMM. Ce nouveau cadre adopte une perspective continue sur variétés riemanniennes, s'inscrivant dans la tendance récente des optimiseurs géométriques pour la robotique. Il s'agit d'une contribution purement académique : aucun déploiement ni partenariat industriel n'est mentionné. Les suites naturelles seraient une intégration dans des bibliothèques SLAM open-source comme GTSAM ou g2o, et une validation sur plateformes réelles en environnement non contrôlé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Optimisation riemannienne décentralisée sur graphe de poses pour le SLAM multi-robots basé objets
1arXiv cs.RO 

Optimisation riemannienne décentralisée sur graphe de poses pour le SLAM multi-robots basé objets

Des chercheurs publient sur arXiv (réf. 2606.24489) un cadre d'optimisation entièrement décentralisé pour le SLAM multi-robots basé sur des objets. Le PGO (Pose Graph Optimization) est le composant d'estimation d'état central des flottes robotiques en réseau : chaque agent doit estimer simultanément sa propre trajectoire et les poses d'objets persistants observés par plusieurs robots. L'algorithme proposé travaille sur la variété SE(d) via l'optimisation riemannienne, couplé à un mécanisme de consensus pour découpler les estimations conjointes. Il intègre également un schéma Newton approché distribué exploitant des informations de second ordre locales afin d'améliorer la convergence sous budgets de communication limités. Les évaluations couvrent des benchmarks publics, des simulations à grande échelle et des expériences multi-robots réelles, avec des gains annoncés en précision, temps d'exécution et passage à l'échelle. Le verrou adressé est directement pertinent en déploiement industriel : les solutions décentralisées existantes supposent que le graphe de communication coïncide avec la topologie physique d'interaction des robots, une hypothèse irréaliste lorsque la communication est intermittente, éparse ou variable dans le temps. En découplant ces deux topologies, le framework devient applicable aux entrepôts avec AMR, aux flottes de drones ou aux convois de véhicules autonomes. L'apport théorique -- convergence prouvée vers des points stationnaires riemanniens de premier ordre et analyse du nombre de conditionnement local justifiant l'avantage du second ordre sur la descente de gradient pure -- distingue ce travail des approches heuristiques. La réduction du nombre d'itérations et de la charge de communication sans perte de précision est le bénéfice opérationnel central, même si la distance entre preuves formelles et performances terrain reste un écart classique dans le domaine. Le SLAM multi-robots décentralisé est un champ actif depuis une décennie, avec des contributions majeures comme SE-Sync (Rosen et al., Brown University), KIMERA-Multi (MIT SPARK Lab) ou DOOR-SLAM. Cette méthode s'inscrit dans leur continuité en ajoutant la gestion explicite des objets partagés entre agents et la robustesse aux pannes de communication. Ce préprint arXiv n'a pas encore été évalué par les pairs et ne correspond à aucun produit ni déploiement commercial annoncé : c'est une contribution algorithmique pure. Les suites naturelles seraient une soumission à ICRA 2027 ou IROS, et des tests de validation sur des flottes denses en environnement réel non contrôlé. Aucun acteur français ou européen n'est mentionné dans les travaux.

RecherchePaper
1 source
DD-GBP : planification multi-bras à tout moment et exécution continue par propagation de croyance gaussienne dynamique distribuée
2arXiv cs.RO 

DD-GBP : planification multi-bras à tout moment et exécution continue par propagation de croyance gaussienne dynamique distribuée

Des chercheurs proposent DD-GBP, une méthode de planification multi-bras fondée sur la propagation de croyance gaussienne dynamique et distribuée (Gaussian belief propagation), décrite dans un préprint arXiv (2610.20460). Elle planifie directement des trajectoires dans l'espace articulaire par inférence locale parallèle. Chaque robot garde un graphe de facteurs local en arbre et échange des messages de façon asynchrone avec les bras voisins actifs. Une paramétrisation unifiée par processus gaussien relie horizons de planification adaptatifs, facteurs d'interpolation temporelle et exécution continue. Sur 50 scènes longues à quatre bras, plusieurs cibles et obstacles mobiles, DD-GBP atteint 92,5 % de réussite sans collision sur l'ensemble des cibles, le meilleur score parmi six méthodes de référence. Avec 90 % de paquets perdus, le taux reste à 86,0 %. Sans obstacle, 30 bras coexistants sur une seule station de travail donnent 99,87 % de réussite et un temps de résolution moyen à chaud de 15,80 ms, soit plus de 60 Hz. Les pics de vitesse et d'accélération sont nettement réduits par rapport à Syn-GBP. Une expérience de transport à deux bras sous perturbations dynamiques sert de démonstration physique. Pour les intégrateurs, l'intérêt tient à la robustesse de la coordination décentralisée. Les cellules multi-bras (soudure, assemblage, logistique) reposent souvent sur un ordonnanceur central ou sur des zones exclusives, qui limitent la densité de bras et créent un point de défaillance unique. Une architecture qui tolère de fortes pertes de communication et coûte peu de calcul par robot rend plausible un déploiement avec des liaisons sans fil imparfaites. L'exécution continue, avec des pics d'accélération réduits, compte aussi pour l'usure mécanique et la sécurité autour d'humains. Il faut toutefois relativiser. Le test à 30 bras se fait sans obstacle. La validation multi-bras longue durée est simulée, et le seul essai physique n'utilise que deux bras. Le taux de 92,5 % signifie aussi qu'environ une scène sur treize échoue, ce qui reste loin d'un seuil industriel. Le « nouvel état de l'art » est auto-déclaré, sur des benchmarks et des baselines choisis par les auteurs. La propagation de croyance gaussienne s'est imposée ces dernières années en robotique comme alternative distribuée à l'optimisation centralisée, notamment en planification multi-robots, avec une inférence sur graphe de facteurs bien adaptée au calcul parallèle. DD-GBP prolonge cette lignée, dont Syn-GBP, version synchrone, sert de comparaison directe. Elle s'oppose aux planificateurs d'échantillonnage (type RRT) et à l'optimisation de trajectoire centralisée, plus coûteux à grande échelle, ainsi qu'aux approches par apprentissage, comme les modèles vision-langage-action (VLA), qui ciblent la généralisation des tâches plutôt que la garantie de non-collision. Le code, les évaluations sur matériel plus lourd et les essais avec plus de deux bras réels restent à voir. C'est cette étape qui dira si la méthode sort de la simulation.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Dynamique bayésienne et estimation d'état des robots à continuum
3arXiv cs.RO 

Dynamique bayésienne et estimation d'état des robots à continuum

Des chercheurs proposent dans un preprint publié sur arXiv (arXiv:2609.20605v1) une nouvelle méthode d'estimation d'état pour les robots continuum entraînés par câbles (tendon-driven), fondée sur la dynamique des tiges de Cosserat plutôt que sur les modèles quasi-statiques utilisés jusqu'ici. L'approche traite l'inertie et l'amortissement comme des charges appliquées équivalentes, ce qui permet de conserver la même forme algébrique que les modèles d'équilibre statique développés dans des travaux antérieurs par graphes de facteurs (factor graphs). En l'absence d'observations de la colonne vertébrale du robot, le cadre se réduit à une simulation stochastique directe du mouvement ; en présence d'observations, il affine conjointement les états cinématiques et dynamiques et infère les charges externes appliquées au robot. Les auteurs valident leur méthode à la fois en simulation et par des expériences physiques sur des robots continuum actionnés par tendons, démontrant simulation stochastique directe et estimation d'état. Cette contribution répond à une limite connue des méthodes actuelles d'estimation d'état pour robots continuum, qui reposent sur des a priori de mouvement cinématique à bruit blanc et fonctionnent bien en régime quasi-statique mais perdent en précision dès que les effets inertiels deviennent significatifs, typiquement lors de mouvements rapides. Pour les intégrateurs travaillant sur des robots continuum en environnements confinés, chirurgie mini-invasive, inspection industrielle, manipulation dans des espaces restreints, disposer d'un modèle dynamique fidèle sans complexifier l'architecture algorithmique existante change la donne : la méthode conserve la structure algébrique des solveurs statiques déjà déployés, ce qui facilite son intégration dans des pipelines de contrôle existants plutôt que d'exiger une refonte complète. Elle illustre aussi une tendance plus large en robotique souple et continuum, le passage de modèles géométriques simplifiés vers des formulations physiques plus complètes, condition jugée nécessaire pour un contrôle fiable au delà des démonstrations en laboratoire à vitesse réduite. Les travaux s'inscrivent dans la continuité des approches par graphes de facteurs pour l'estimation d'état des robots continuum, jusqu'ici cantonnées aux régimes quasi-statiques et à l'estimation spatiotemporelle avec a priori cinématique à bruit blanc. En généralisant ce cadre à la dynamique de Cosserat, les auteurs cherchent à combler l'écart entre modèles statiques et comportement réel des robots continuum en mouvement rapide, un défi partagé avec les communautés travaillant sur les robots souples et les manipulateurs hyper-redondants. L'article ne mentionne aucun partenaire industriel ni feuille de route de commercialisation : il s'agit d'une contribution de recherche fondamentale, validée sur banc d'essai en laboratoire, dont la suite logique serait une intégration dans des boucles de contrôle temps réel pour des applications comme les instruments chirurgicaux robotisés ou les bras d'inspection dans des conduites étroites.

RecherchePaper
1 source
Optimisation riemannienne pour l'évitement d'obstacles du corps entier de robots continuum mobiles en environnement encombré
4arXiv cs.RO 

Optimisation riemannienne pour l'évitement d'obstacles du corps entier de robots continuum mobiles en environnement encombré

Des chercheurs proposent un cadre unifié de planification et de contrôle pour robots continus mobiles, c'est-à-dire des bras souples ou flexibles de type trompe d'éléphant, montés sur une base mobile, destinés à évoluer dans des environnements encombrés et confinés. Le travail, publié sur arXiv (2611.06214), s'inspire de la coordination entre mouvement global et adaptation locale de forme observée chez les serpents, les trompes d'éléphant et les bras de poulpe. L'architecture comporte deux couches. La couche globale combine une recherche A* et une planification à jerk minimal pour produire des trajectoires de référence lisses. La couche locale associe un solveur de cinématique inverse cohérent sur le plan géométrique à une optimisation riemannienne, qui coordonne le déplacement de la base mobile et la déformation du bras continu tout en évitant les obstacles sur l'ensemble du corps. L'évaluation repose sur des simulations de traversée de conduites face à plusieurs planificateurs de référence, puis sur des essais réels de navigation parmi des obstacles denses et de manipulation en espace confiné. Le résumé ne fournit toutefois aucun chiffre : ni taux de succès, ni temps de calcul, ni marge de collision. L'intérêt tient à un défaut classique du domaine : la planification de haut niveau et le contrôle moteur local sont traités séparément, ce qui dégrade la coordination entre base et bras, la cohérence cinématique et l'évitement de collisions. Pour un robot continu, dont la forme entière doit passer dans l'espace libre, ce découplage est particulièrement pénalisant. Une approche qui optimise le corps entier en temps réel pourrait servir l'inspection de canalisations, de turbines ou de cuves, la maintenance en environnement dense ou la chirurgie, où l'accessibilité prime sur la charge utile. Il faut cependant rester prudent : les auteurs revendiquent une meilleure cohérence de mouvement, une meilleure faisabilité et une meilleure adaptabilité, mais sans valeurs publiées dans le résumé, et il s'agit d'un travail de laboratoire sans indication de maturité industrielle, de fiabilité ni de coût. Il ne s'agit ni d'un produit ni d'un déploiement. Ce travail s'inscrit dans une longue lignée de robots continus, dont les trompes pneumatiques, les robots à tendons et les manipulateurs à tubes concentriques, qui se heurtent depuis des années à la difficulté de modéliser et de commander des structures à très grand nombre de degrés de liberté. L'optimisation sur variétés riemanniennes, qui traite explicitement les contraintes géométriques, est une piste de plus en plus utilisée pour y répondre. Ce domaine reste distinct de la course humanoïde, dominée par des modèles VLA et des plateformes rigides, et vise plutôt des niches d'accès difficile. Les suites logiques seraient une validation sur des plateformes plus variées, des comparaisons quantitatives publiées, un passage à des environnements dynamiques et des essais en conditions industrielles réelles. Aucun partenaire, pilote ou calendrier n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source