Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Partager la charge : transport autonome de fret par flotte de rovers
RecherchearXiv cs.RO 

Partager la charge : transport autonome de fret par flotte de rovers

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

Dans le cadre du programme Artemis de la NASA, des chercheurs canadiens ont publié sur arXiv (arXiv:2510.18766v2) une étude portant sur le transport coopératif de charges lourdes par deux rovers autonomes sur la surface lunaire. Le scénario cible est celui d'un habitat lunaire permanent, où des modules d'assemblage devront être acheminés depuis la zone d'atterrissage jusqu'au site d'habitat, à des distances pouvant atteindre 5 km. Pour répondre à cette contrainte, l'équipe a développé un contrôleur prédictif distribué (MPC distribué) permettant à deux Lunar Utility Vehicles (LUV) de 800 kg chacun de transporter solidairement une charge de 475 kg. Un couplage mécanique sur mesure assure le support intégral de la masse tout en découplant la cinématique de chaque véhicule, leur laissant une liberté de mouvement relative. Lors des tests terrain, les rovers ont maintenu une erreur de séparation relative moyenne de 9,2 cm, avec une erreur maximale de 33,4 cm.

Ce résultat est notable pour plusieurs raisons. D'abord, il valide l'approche "teach and repeat" par lidar dans un contexte multi-véhicule : chaque rover conserve individuellement la qualité de suivi de trajectoire propre à cette méthode, sans dégradation due à la coordination. Ensuite, l'architecture MPC distribuée évite un point de défaillance central, ce qui est critique pour des missions où la redondance est une exigence de sécurité non négociable. Enfin, le fait qu'un seul contrôleur puisse gérer des opérations variées (transport, repositionnement, manoeuvres) démontre une généricité utile au-delà du seul transport de fret, ouvrant la voie à des rovers multifonctions pour des missions à longue durée.

Le Canada participe activement au programme Artemis via l'Agence spatiale canadienne, notamment à travers le projet de rover lunaire Canadarm3 et les études sur les véhicules utilitaires lunaires. Les LUV étudiés ici s'inscrivent dans cette feuille de route nationale. Sur le plan concurrentiel, la NASA développe en parallèle ses propres rovers de surface (MAPP, MGRU), tandis que des acteurs privés comme Astrobotic ou Intuitive Machines se positionnent sur la logistique de surface. La prochaine étape pour cette architecture sera son intégration dans des simulations de missions complètes et, potentiellement, des tests en environnement analogue lunaire (volcanique ou arctique), avant toute qualification vol.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Q-Learning par transport optimal pour le pilotage et l'accélération de politiques de flux
1arXiv cs.RO 

Q-Learning par transport optimal pour le pilotage et l'accélération de politiques de flux

Des chercheurs proposent une nouvelle méthode baptisée Optimal Transport Q-Learning (OTQL), destinée à affiner et accélérer les politiques robotiques basées sur des modèles de diffusion et de flow matching, très utilisées dans les modèles vision-langage-action (VLA). Publiée le 8 juillet sur arXiv, l'étude combine apprentissage par renforcement (RL) post-entraînement et transport optimal conditionné par l'avantage, pour corriger les comportements sous-optimaux de ces politiques sans recourir à la distillation, coûteuse en calcul. Avec un budget d'interaction limité à seulement 50 à 60 épisodes, la méthode fait grimper le taux de succès moyen de politiques mono-tâche de 36 % à 86 %, et celui d'un modèle VLA pré-entraîné de 38 % à 76 %, tout en réduisant de 70 % le nombre d'étapes d'inférence nécessaires pour générer une action. Les tests ont été menés à la fois en simulation et sur des tâches robotiques réelles. Ces résultats s'attaquent à deux limites bien connues des politiques de diffusion et de flow matching pour la robotique: leur dépendance à des démonstrations de haute qualité, souvent rares ou coûteuses à collecter, et leur lenteur d'inférence, qui freine leur déploiement temps réel sur des robots physiques. En démontrant qu'un nombre restreint d'épisodes d'expérience réelle suffit à corriger significativement les échecs sous décalage de distribution, OTQL apporte un début de réponse à l'écart persistant entre démonstrations en laboratoire et performance en conditions réelles, un problème central pour les intégrateurs qui cherchent à fiabiliser des modèles VLA du type de ceux utilisés dans les bras manipulateurs ou les humanoïdes actuels. La réduction de 70 % des étapes d'inférence est également notable pour les décideurs B2B, car elle touche directement au coût de calcul embarqué et à la latence, deux freins concrets à la commercialisation à grande échelle de politiques génératives sur robot. Les politiques de diffusion et de flow matching se sont imposées ces dernières années comme l'approche dominante pour capturer des distributions de trajectoires multimodales dans les tâches de manipulation robotique, notamment dans les architectures VLA. Mais leur adoption industrielle butait jusqu'ici sur deux verrous: l'accélération de l'inférence, généralement traitée par des méthodes de distillation gourmandes en ressources de simulation, et l'amélioration post-déploiement, qui nécessite habituellement de nouvelles données de démonstration coûteuses à produire. OTQL s'inscrit dans une lignée de travaux cherchant à exploiter le RL pour du post-entraînement léger plutôt que du réentraînement complet. Les auteurs ne précisent pas encore de calendrier de transfert vers des plateformes commerciales, mais la méthode ouvre une piste pour que les opérateurs de flottes robotiques affinent leurs politiques directement à partir de l'expérience de terrain, sans dépendre de nouveaux cycles de collecte de données coûteux.

RechercheActu
1 source
Contrôle géométrique décentralisé pour le transport de charge suspendue par câbles, avec estimation adaptative de la masse
2arXiv cs.RO 

Contrôle géométrique décentralisé pour le transport de charge suspendue par câbles, avec estimation adaptative de la masse

Des chercheurs proposent GPAC (Geometric Payload-Adaptive Control), une architecture de contrôle à quatre couches permettant à N quadricoptères de transporter en coopération une charge suspendue par câbles, sans coordinateur central ni échange de données entre appareils sur l'état des câbles ou les paramètres adaptatifs. L'idée centrale est une coordination implicite : chaque drone estime localement, à partir de ses seules mesures de câble, la part de charge qu'il doit supporter, si bien que la somme des forces converge vers la valeur correcte même sans connaître le nombre total d'agents ni la masse de la charge. Chaque appareil reconstruit également la position du colis à partir de la seule géométrie de son propre câble. La seule communication inter-drones qui subsiste est une diffusion à faible fréquence des positions des voisins, utilisée pour l'évitement de collisions. Le système combine un contrôle géométrique de position et d'attitude opérant directement sur la variété non linéaire SO(3), une régulation anti-oscillation, un observateur à état étendu pour compenser le vent, une estimation de masse par apprentissage concurrent ne nécessitant pas d'excitation persistante, et un filtre de sécurité inspiré des fonctions de barrière de contrôle (CBF), avec des marges de sécurité qui tiennent exactement lorsqu'une seule contrainte est active. Les auteurs démontrent aussi que les corrections de force appliquées par ce filtre préservent la stabilité quasi globale du contrôleur d'attitude. Cette approche s'attaque à un verrou classique du transport aérien coopératif : les architectures existantes exigent généralement une coordination centralisée ou un partage intensif d'informations entre drones (état des câbles, masse estimée), ce qui limite le passage à l'échelle et fragilise le système en cas de perte de communication. En rendant chaque agent autonome dans son estimation de charge et sa perception du colis, GPAC ouvre la voie à des flottes de taille variable, reconfigurables à la volée, pour la logistique aérienne, l'intervention en zone difficile d'accès ou le transport industriel de charges lourdes réparties sur plusieurs porteurs. Les résultats reposent pour l'instant uniquement sur une simulation à haute fidélité intégrant câbles flexibles, fusion de capteurs embarqués et turbulences de vent, avec toutes les boucles de contrôle et d'estimation fermées via l'observateur. L'erreur quadratique moyenne de suivi de trajectoire de la charge atteint 33,8 cm, avec une variabilité de seulement 2,8 % sur 13 graines aléatoires, et un coût de calcul par agent jugé faible. La validation sur drones physiques reste la prochaine étape logique pour confirmer la robustesse de cette coordination purement locale en conditions réelles.

RecherchePaper
1 source
Un robot autonome, conscient des normes sociales, franchit des portes et livre une charge utile en urgence
3arXiv cs.RO 

Un robot autonome, conscient des normes sociales, franchit des portes et livre une charge utile en urgence

Les chercheurs à l'origine de ce papier arXiv (2607.05315v1) ont testé un système d'assistance robotique à l'évacuation d'urgence sur le Toyota Human Support Robot (HSR), une plateforme mobile équipée d'un bras manipulateur. Le robot doit remplir deux missions simultanées lors d'une évacuation : ouvrir les portes sur le chemin des personnes évacuées en repérant et actionnant les boutons d'accès conformes aux normes ADA, et récupérer du matériel de secours pour le livrer aux intervenants d'urgence. L'équipe a bâti l'architecture de décision autour d'un arbre de comportement (behavior tree), une structure capable de sélectionner des tâches de haut niveau selon des déclencheurs environnementaux et de s'étendre à de nouvelles situations. Le système a été évalué sur 105 essais, répartis entre cinq scénarios matériels réels et trois scénarios en simulation, avec un taux de réussite de 97 sur 105, soit environ 92%. Ce résultat compte parce qu'il s'attaque à un problème rarement traité dans la littérature robotique : la prise de décision sociale en contexte d'urgence, où le robot doit arbitrer en temps réel entre céder le passage à une personne, franchir une porte qu'un humain tient déjà ouverte, ou aller chercher un équipement avant de traverser. C'est un cas concret où la robotique d'assistance dépasse la simple exécution de tâches pour intégrer une conscience de l'environnement humain, un enjeu clé pour les intégrateurs qui envisagent des déploiements en environnements partagés avec des personnes, secteur hospitalier, logistique de secours ou sites industriels évacuables. Le choix de l'arbre de comportement plutôt qu'un contrôleur monolithique ou un modèle end-to-end répond à un besoin d'extensibilité et de traçabilité des décisions, un critère souvent recherché dans les systèmes destinés à des usages critiques. Les auteurs ont publié le code et des démonstrations vidéo sur GitHub (AndrewSnowdy/hsrmmcontrol), ouvrant la voie à des reproductions et extensions vers d'autres tâches de réponse d'urgence.

RecherchePaper
1 source
Système de vision par projection de franges pour le démontage autonome de disques durs
4arXiv cs.RO 

Système de vision par projection de franges pour le démontage autonome de disques durs

Des chercheurs ont publié sur arXiv (2604.17231) un pipeline de vision entièrement autonome conçu pour le démontage robotique de disques durs (HDD), une catégorie de déchets électroniques à forte valeur récupérable. Le système repose sur un module de profilométrie par projection de franges (Fringe Projection Profilometry, FPP) qui génère des cartes de profondeur 3D haute résolution, complété par un module de reconstruction de profondeur (depth completion) activé sélectivement là où le FPP échoue, notamment sur les surfaces réfléchissantes des plateaux magnétiques. Ce module de complétion utilise le backbone Depth Anything V2 Base et atteint un RMSE de 2,317 mm et un MAE de 1,836 mm. La segmentation d'instance temps réel, intégrée dans le même pipeline, obtient un box mAP@50 de 0,960 et un mask mAP@50 de 0,957. L'ensemble de la stack d'inférence affiche une latence combinée de 12,86 ms et un débit de 77,7 images par seconde sur le poste d'évaluation. Le dataset synthétique développé pour la segmentation des composants HDD sera rendu public. L'intérêt technique central de cette approche réside dans le choix d'utiliser le même système caméra-projecteur FPP pour la perception 3D et la localisation des composants : les cartes de profondeur et les masques de segmentation sont nativement alignés pixel par pixel, sans étape de recalage. C'est un avantage direct sur les systèmes RGB-D industriels classiques, qui nécessitent une calibration extrinsèque entre capteur de profondeur et caméra couleur, source d'erreurs en conditions réelles. Pour les intégrateurs de cellules de démontage automatisé, cela réduit significativement la complexité système et le risque de dérive de calibration en production. Le démontage automatisé de déchets électroniques reste un domaine peu industrialisé malgré son potentiel économique : les HDD contiennent des terres rares, des aimants en néodyme et des plateaux en aluminium à valeur de récupération non négligeable. Les approches existantes sont fragmentées, traitent séparément la vision 3D et la localisation des fixations (vis, clips), sans pipeline unifié. Ce travail adresse précisément ce manque. Sur le plan concurrentiel, des acteurs comme Recycleye (UK) ou Greyparrot travaillent sur la vision pour le tri de déchets, mais le démontage structuré de composants électroniques à l'échelle robotique reste un espace encore ouvert. Le transfert sim-to-real utilisé ici pour augmenter les données d'entraînement est une approche désormais standard mais dont la robustesse sur des surfaces hautement spéculaires comme les plateaux HDD mérite validation sur ligne industrielle réelle.

RecherchePaper
1 source