Aller au contenu principal
Filtrage hybride variationnel stable pour la récupération de modes de contact et de lois creusesIllustration générée par IA
RecherchearXiv cs.RO 

Filtrage hybride variationnel stable pour la récupération de modes de contact et de lois creuses

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Une équipe de recherche a publié sur arXiv (référence 2605.16398) VHYDRO, un filtre variationnel hybride conçu pour apprendre la dynamique de contact des robots manipulateurs. Le problème ciblé est précis : dans les systèmes à contact riche, une seule observation peut correspondre à plusieurs régimes latents distincts (mouvement libre, impact, stick-slip). Un filtre amortized classique qui n'affecte aucune probabilité à une transition de contact faisable perd définitivement la branche que le robot suit réellement, sans possibilité de récupération. VHYDRO empêche cette perte de branche en mélangeant la loi de proposition apprise avec une loi de transition physiquement faisable avant l'échantillonnage et la pondération d'importance, garantissant ainsi que chaque transition conservée par le support du modèle reste couverte. Le système infère conjointement un état latent continu et un mode de contact discret, puis ajuste une loi port-Hamiltonienne sparse à chaque régime récupéré. Les résultats empiriques portent sur des démonstrations ManiSkill et sur quatre familles de tâches Sawyer/BridgeData, où VHYDRO surpasse les baselines post-hoc et sans mode sur trois métriques : ARI, change-point F1 et pureté de segment.

L'enjeu pour l'industrie robotique est direct : la manipulation à contact riche, préhension, assemblage, insertion de pièces, reste l'un des points durs non résolus pour le déploiement des bras industriels apprenants. La capacité à segmenter temporellement les régimes de contact en segments cohérents est un prérequis pour toute politique de contrôle hybride robuste. Ce que prouve VHYDRO, c'est qu'un filtre défensif au sens du support peut stabiliser la reconstruction du mode discret et, de là, permettre une identification physique sparse des termes actifs dans chaque régime, là où les baselines purement prédictives échouent. Sous occlusion sévère, condition fréquente en atelier, le filtre classique s'effondre tandis que VHYDRO reste utilisable, ce qui est un argument concret pour les intégrateurs travaillant sur des cellules robotisées peu camérisées.

La formalisation port-Hamiltonienne, héritée de la mécanique classique des systèmes conservatifs avec contraintes, est ici appliquée à un contexte d'apprentissage hybride, ce qui constitue une contribution méthodologique distincte des approches neurales purement prédictives. ManiSkill et BridgeData sont des benchmarks de référence pour la manipulation robotique apprise, largement utilisés par les laboratoires de la côte Ouest américaine. Le papier est une prépublication arXiv, sans affiliation institutionnelle ni déploiement annoncé. Les concurrents directs sont les méthodes de segmentation de mode post-hoc et les filtres mode-free à apprentissage end-to-end. Les suites naturelles seraient une validation sur robots réels à contact non structuré et une intégration dans des pipelines de contrôle en boucle fermée.

À lire aussi

Reconstruction tactile des repères de tâche de contact et des forces pour la commande hybride force/mouvement
Illustration générée par IA
1arXiv cs.RO 

Reconstruction tactile des repères de tâche de contact et des forces pour la commande hybride force/mouvement

Des chercheurs proposent une méthode pour estimer en ligne la force de contact et un repère de tâche (task frame) potentiellement variable dans le temps, uniquement à partir d'un capteur tactile optique souple, sans capteur force/couple monté sur le robot en fonctionnement. Le système associe une seule image de l'élastomère déformé à quatre grandeurs de contact observables : la profondeur d'indentation, deux angles d'inclinaison entre la surface et le capteur, et la force de contact 3D. Chaque échantillon s'accompagne d'une estimation d'incertitude. Cette correspondance est apprise par une procédure d'auto-étiquetage. Un manipulateur impose des contacts contrôlés, et un capteur force/couple auxiliaire fournit hors ligne les étiquettes de référence. La mesure tactile est ensuite fusionnée avec les données proprioceptives du robot dans un filtre de Kalman étendu (EKF), qui met à jour en continu le repère de contact et la force d'interaction. Les essais utilisent un capteur DigiTac monté sur un bras UR10. Ils montrent une régulation de force en boucle fermée contre une planche rigide plane, pendant que l'opérateur humain la déplace en translation et en rotation. Le toucher est alors la seule rétroaction extéroceptive. L'intérêt tient à la commande hybride force/mouvement, qui exige de connaître à la fois la force d'interaction et le repère définissant les directions asservies en force et celles asservies en mouvement. Ces grandeurs viennent aujourd'hui d'un capteur force/couple ou de résidus issus d'un modèle, avec souvent un modèle nominal de l'environnement. Ce dernier suppose une surface connue et fixe. Ici, le repère est reconstruit en direct, y compris quand la surface bouge, ce qui rapproche la méthode des tâches de contact réelles : polissage, ponçage, insertion ou assemblage sur des pièces mal positionnées. Le capteur force/couple n'intervient que pendant l'apprentissage, ce qui pourrait alléger le coût et l'encombrement d'un déploiement. L'incertitude par échantillon est un point utile pour la sûreté, car elle permet de pondérer la mesure dans le filtre. Il faut toutefois rester prudent. La validation porte sur un seul capteur, un seul bras et une cible plane et rigide, et rien n'indique de résultats sur des surfaces courbes, déformables ou fortement frottantes. Ce travail s'inscrit dans la montée des capteurs tactiles optiques souples de type GelSight, dont DigiTac est une variante dérivée de la famille DIGIT, qui remplacent peu à peu les mesures de force classiques en manipulation de précision. Il repose sur l'hypothèse d'un contact localement plan avec moment de contact négligeable, ce qui limite son domaine d'application. Il s'agit d'une prépublication arXiv (v1), sans évaluation par les pairs, et sans partenaire industriel ni calendrier de transfert annoncés. Les suites naturelles seraient des surfaces non planes, des contacts avec frottement et glissement, et une comparaison avec des approches de politiques apprises de type VLA intégrant le tactile.

RecherchePaper
1 source
RoboDuo : tentative, vérification et récupération atomique par le code pour les modèles vision-langage-action (VLA)
Illustration générée par IA
2arXiv cs.RO 

RoboDuo : tentative, vérification et récupération atomique par le code pour les modèles vision-langage-action (VLA)

RoboDuo, un framework décrit dans une prépublication arXiv (2610.34108), propose de corriger les échecs des modèles Vision-Language-Action (VLA) sur les tâches longues en utilisant du code comme interface. Un agent de code rédige un programme qui laisse d'abord un VLA « full-task » tenter l'ensemble de la tâche, puis vérifie si elle est achevée. En cas d'échec, un second VLA, dit « atomique », exécute les étapes restantes. L'agent n'émet aucune action: il choisit seulement quel VLA exécuter, ce qui permet d'envelopper un VLA existant sans toucher à ses poids. Pour entraîner le VLA atomique et l'agent (qui doit savoir juger l'achèvement d'une tâche), les auteurs ont construit trois jeux de données, LIBERO-Atomic, LIBERO-Code et LIBERO-Judge, tous dérivés d'un unique ensemble de démonstrations LIBERO. Sur les benchmarks LIBERO et LIBERO-PRO, RoboDuo améliore de façon constante X-VLA et π0.5, avec les gains les plus marqués sur les tâches à long horizon. Sur un robot réel, il récupère des exécutions échouées d'un VLA gelé. Le résumé ne fournit ni taux de réussite chiffrés ni détail sur la plateforme physique ou le nombre d'essais. L'intérêt tient à un constat que beaucoup d'intégrateurs connaissent: un VLA exécute une instruction sans vérifier qu'elle est accomplie, si bien qu'une étape manquée dans une séquence longue ruine toute la tâche, sans que le système s'en aperçoive. RoboDuo traite ce point par une boucle fermée de vérification et de reprise, sans réentraîner le modèle principal, ce qui réduit le coût d'adoption pour qui a déjà investi dans un VLA. L'idée de s'appuyer sur le fait qu'un épisode raté est souvent partiellement réussi, et que les étapes restantes sont des compétences atomiques réutilisables, est pragmatique. En revanche, la validation reste essentiellement en simulation, sur des benchmarks de manipulation sur table, et la démonstration réelle semble limitée. Elle ne dit rien de la fiabilité du juge d'achèvement en conditions industrielles (faux positifs, latence, occlusions), ni du temps de cycle ajouté par la tentative suivie d'un contrôle puis d'une reprise. Ce travail s'inscrit dans la tendance à superviser les VLA par des couches de planification ou de vérification, à côté des architectures à deux systèmes comme Helix de Figure ou GR00T, et des approches où un modèle de langage génère du code de contrôle. Il se distingue en laissant le VLA principal intact et en limitant l'agent à un rôle d'aiguillage. Les modèles améliorés, X-VLA et π0.5 de Physical Intelligence, sont des références ouvertes, ce qui facilite la reproduction. Les suites logiques seraient des tests sur des tâches plus longues et plus variées, hors LIBERO, avec des mesures de temps de cycle et de taux de reprise sur plusieurs plateformes, ainsi qu'une confrontation à d'autres méthodes de détection d'échec et de récupération.

RecherchePaper
1 source
Le contact comme variable de décision : sélection de contacts par compromis de capacité pour la loco-manipulation des robots à pattes
Illustration générée par IA
3arXiv cs.RO 

Le contact comme variable de décision : sélection de contacts par compromis de capacité pour la loco-manipulation des robots à pattes

Un article soumis le 25 septembre 2026 sur arXiv (2609.30140) présente CTCS (Capability-Tradeoff Contact Selection), une méthode qui choisit conjointement, pour une tâche de loco-manipulation donnée, un point d'appui environnemental et une posture corps entier. Pour chaque contact candidat, elle évalue trois mesures, le wrench résiduel (force et couple restants), la portée de l'effecteur terminal et la mobilité de la base une fois la tâche satisfaite, et les compare au coût d'acquisition du contact. Plutôt que d'exécuter une optimisation corps entier complète pour chaque candidat, coûteuse en calcul, CTCS filtre les points faisables, regroupe les candidats similaires par surface, prédit leurs capacités par analyse de sensibilité locale, puis vérifie et classe un sous-ensemble restreint avant la décision finale. Elle a été validée en simulation et sur un quadrupède Unitree Go2 équipé d'un bras AgileX NERO, sur 392 conditions de tâche et neuf surfaces d'appui disponibles. CTCS surpasse une stratégie limitée au sol et une stratégie de contact fixe, en sélectionnant les surfaces offrant le meilleur compromis selon la tâche, avec un temps de calcul divisé par environ trois par rapport à une évaluation exhaustive, pour un objectif moyen quasi identique. Pour les intégrateurs de robots à pattes destinés aux chantiers, entrepôts ou sites industriels, ce résultat s'attaque à un verrou concret: le choix de où et comment un robot s'appuie sur son environnement reste rarement optimisé faute de budget de calcul suffisant. L'étude ouvre la voie à une planification de contact quasi temps réel, condition nécessaire pour des robots capables de manipuler en s'appuyant sur des surfaces variées plutôt que de rester cantonnés au sol. Le travail s'inscrit dans la recherche en planification de contact pour la loco-manipulation, domaine où les approches se limitaient jusqu'ici au seul contact au sol ou à des points fixés à l'avance, faute de méthode pour arbitrer entre plusieurs surfaces. Le choix d'un Unitree Go2 couplé à un bras AgileX NERO reflète une plateforme de recherche de laboratoire, non un système commercial en déploiement. Classé nouvelle soumission arXiv, sans partenariat industriel ni feuille de route annoncée, l'article constitue une contribution algorithmique dont la suite logique serait l'extension à des morphologies plus complexes, comme des humanoïdes à deux bras, ou à des environnements moins structurés que les neuf surfaces testées.

RecherchePaper
1 source
XRoboToolKit-T : téléopération stable et précise grâce à la détection tactile pour la manipulation en contact étroit
Illustration générée par IA
4arXiv cs.RO 

XRoboToolKit-T : téléopération stable et précise grâce à la détection tactile pour la manipulation en contact étroit

Des chercheurs ont publié en septembre 2026 sur arXiv (2609.16437) une architecture de téléopération baptisée XRoboToolKit-T, conçue pour collecter des données de manipulation robotique riches en contacts physiques avec un retour tactile stable et à haute fréquence. Le système repose sur un contrôle de force piloté par le tactile, structuré autour de deux modules haptiques : un "stabilisateur" qui analyse en temps réel la distribution des forces normales et en déduit une force de cisaillement estimée pour ajuster l'assistance donnée à l'opérateur, et un "raffineur" qui embarque un modèle vision-langage-action (VLA) chargé de prédire et corriger les actions de manipulation à partir des données tactiles et de la description de la tâche. Les auteurs ont testé l'ensemble sur deux tâches difficiles : la préhension d'une pipette en caoutchouc déformable pour un transfert de liquide, et l'insertion d'une seringue médicale dans un coussin d'entraînement vasculaire. L'enjeu dépasse la démonstration académique : la collecte de démonstrations de haute qualité reste le principal goulot d'étranglement pour entraîner des modèles VLA capables de généraliser à des tâches fines impliquant du contact physique, comme la préhension d'objets souples ou l'insertion de précision, des cas où les interfaces de téléopération classiques sans capteurs tactiles stables produisent des données bruitées. XRoboToolKit-T s'attaque à ce manque en couplant capteurs tactiles et retour haptique en boucle fermée. Les auteurs affirment obtenir une efficacité de collecte de données et une stabilité de manipulation supérieures aux systèmes de téléopération de référence sans assistance tactile, mais l'abstract ne fournit aucun chiffre précis (ni taux de réussite ni gain en pourcentage), ce qui invite à la prudence avant de considérer ces gains comme établis au-delà du cadre expérimental restreint testé. Le travail s'inscrit dans la course plus large à l'intégration du sensing tactile dans les pipelines d'apprentissage par imitation qui alimentent les modèles VLA de nouvelle génération, dans la lignée d'efforts comme Pi-0 ou GR00T N2, où la manipulation riche en contacts reste un point faible documenté du transfert simulation-vers-réel. Contrairement à un produit commercial, XRoboToolKit-T demeure à ce stade une prépublication arXiv, sans déploiement industriel, partenaire ni calendrier annoncés ; les suites logiques seraient une validation sur davantage de tâches et une intégration dans des pipelines de collecte de données destinés à l'entraînement de politiques VLA à grande échelle.

RecherchePaper
1 source