Aller au contenu principal
HCLM : un cadre hiérarchique pour la loco-manipulation coopérative avec deux quadrupèdesIllustration générée par IA
RecherchearXiv cs.RO 

HCLM : un cadre hiérarchique pour la loco-manipulation coopérative avec deux quadrupèdes

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

Des chercheurs présentent HCLM (Hierarchical Cooperative Loco-Manipulation), un framework de contrôle pour deux robots quadrupèdes réalisant des tâches de manipulation d'objets en coopération, publié sur arXiv (2605.17300) en mai 2025. L'architecture combine une Joint Diffusion Policy centralisée au niveau supérieur, exploitant une représentation SE(3)-invariante de l'espace de tâche pour apprendre des patterns de coordination indépendants du référentiel géométrique des robots, et un Whole-Body Controller hybride au niveau inférieur. Ce WBC associe un MPC cinématique proactif pour distribuer les vitesses sans collision à une couche réactive assurant le suivi précis de l'effecteur terminal. Un schéma d'admittance coopérative régule les forces internes lors des interactions en chaîne fermée, c'est-à-dire quand les deux robots portent simultanément le même objet. Le framework est validé en simulation sur trois tâches de difficulté croissante (transport coopératif, conditionnement, transfert d'objet) et déployé physiquement pour la tâche de transfert uniquement.

Ce travail adresse un verrou technique de la manipulation multi-robots sur bases flottantes : concilier coordination spatiale, locomotion robuste et contraintes physiques imposées par les interactions en chaîne fermée, où deux robots tenant le même objet génèrent des stresses internes potentiellement destructeurs. La décomposition hiérarchique découple le raisonnement collaboratif de haut niveau de l'exécution motrice, isolant les problèmes pour les résoudre indépendamment. L'invariance SE(3) de la politique de diffusion est le résultat le plus structurant, permettant une généralisation à des configurations géométriques non vues lors de l'entraînement. Les expériences reportent une robustesse aux perturbations physiques sévères, bien que les benchmarks restent limités à des scénarios de laboratoire soigneusement sélectionnés, sans mesures comparatives tierces.

La manipulation coopérative sur quadrupèdes mobiles demeure un sous-domaine académique sans déploiement industriel annoncé. Les quadrupèdes à bras embarqués, ANYmal d'ANYbotics ou Spot de Boston Dynamics instrumentés en labo, constituent le banc de test dominant pour ces recherches. Les approches concurrentes traitent généralement locomotion et manipulation séparément, ou se limitent à un seul agent mobile. HCLM se distingue par la gestion explicite des interactions en chaîne fermée entre deux robots mobiles simultanément en contact avec l'objet, un scénario sous-traité dans la littérature existante. Le papier ne mentionne aucun partenariat industriel ni timeline de commercialisation, et reste une contribution académique avec déploiement physique partiel.

À lire aussi

SparkVLA : un VLA hiérarchique conscient des arrêts, avec segmentation d'action adaptative pour la manipulation à long horizon
Illustration générée par IA
1arXiv cs.RO 

SparkVLA : un VLA hiérarchique conscient des arrêts, avec segmentation d'action adaptative pour la manipulation à long horizon

Une équipe de recherche a publié le 18 août 2026 sur arXiv (référence 2608.16172) SparkVLA, une architecture hiérarchique Vision-Language-Action conçue pour la manipulation robotique sur des tâches longues et multi-étapes. Le système règle un problème d'interface récurrent : à chaque point de ré-observation, il faut décider si la sous-tâche en cours s'arrête et jusqu'où exécuter le segment d'actions proposé, deux choix interdépendants que les architectures existantes évaluaient jusqu'ici séparément. SparkVLA les fusionne en un seul classement, où l'option d'arrêt est mise en concurrence avec chaque longueur possible de préfixe d'actions et le meilleur score l'emporte, sans seuil à régler manuellement. Le mécanisme repose sur deux modules : un encodeur contextuel ancré qui met en cache une représentation de la sous-tâche tenant compte de l'historique pour guider l'élagage des tokens visuels vers les zones pertinentes, et une tête de sélection qui note tous les candidats par auto-attention aux frontières des segments. Sur le benchmark RoboCerebra, SparkVLA atteint 47,12% de réussite, soit 30,57 points de plus que la référence hiérarchique officielle et 26,83 points de plus que la meilleure méthode reproductible connue, des gains confirmés par des essais complémentaires sur robot réel. Ce résultat cible un goulot d'étranglement classique des VLA hiérarchiques, où un module de planification en langage naturel et un module d'exécution bas niveau doivent se synchroniser : un mauvais calibrage provoque des arrêts prématurés ou des segments trop longs qui font dériver le robot sur les tâches à plusieurs étapes, l'un des écarts récurrents entre démonstrations en simulation et comportement réel. Pour les équipes qui construisent des pipelines de manipulation multi-étapes (kitting, assemblage, logistique), l'intérêt tient aussi à la méthode d'entraînement : SparkVLA ne requiert que des préférences ordinales hors ligne, moins coûteuses à collecter que des récompenses denses. Il s'agit toutefois d'un résultat de recherche mesuré sur un benchmark académique, complété par des essais robot réel que les auteurs présentent eux-mêmes comme de portée limitée, et non d'un produit déployé ou commercialisé. Le travail s'inscrit dans la lignée des modèles VLA hiérarchiques, qui séparent un raisonnement haut niveau découpant l'instruction en sous-tâches d'une politique d'action bas niveau entraînée par imitation, une famille d'architectures étudiée pour dépasser les limites des politiques VLA monolithiques sur l'horizon long. Sa contribution se distingue des approches à découpage d'actions de longueur fixe en rendant la longueur du segment exécuté adaptative et couplée à la décision d'arrêt. L'article compare ses résultats à la référence hiérarchique officielle du benchmark RoboCerebra et à la meilleure méthode reproductible publiée à ce jour, sans nommer d'acteur industriel ni annoncer de calendrier de mise à disposition du code, de partenariat ou de pilote de déploiement.

RechercheActu
1 source
STRIDER : cadre hiérarchique de loco-manipulation 3D multi-démarches à pas pour robots humanoïdes
Illustration générée par IA
2arXiv cs.RO 

STRIDER : cadre hiérarchique de loco-manipulation 3D multi-démarches à pas pour robots humanoïdes

Une équipe de recherche présente STRIDER, un framework hiérarchique de loco-manipulation multi-modes pour robots humanoïdes, publié en preprint sur arXiv (2609.23483v1). Le système associe un module de pas conscient du terrain, qui choisit les points d'appui dans le repère du pied porteur et génère des trajectoires de swing évitant les obstacles, un module de marche naturelle fondé sur les Adversarial Motion Priors (AMP), et un contrôle cartésien du haut du corps pour la manipulation. Ces experts sont fusionnés en une seule politique via LD-PPO, un algorithme de distillation combinant renforcement on-policy, reconstruction d'actions par DAgger et alignement latent avec le professeur ; testé en simulation puis sur le robot humanoïde réel TianGong Omni, il surpasse une distillation-PPO classique en précision de suivi des appuis et de la posture. Le problème ciblé est concret pour les intégrateurs : les contrôleurs pilotés par des commandes de vitesse continue ne permettent pas de choisir précisément chaque appui au sol, tandis que les modules dédiés au suivi de pas s'intègrent mal avec le contrôle du haut du corps nécessaire à la manipulation, une limite qui persiste même chez des acteurs commerciaux avancés. Le papier s'attaque aussi à une faiblesse des méthodes de distillation par imitation utilisées pour entraîner des politiques de type VLA à partir de plusieurs experts : copier les actions ne garantit pas une représentation partagée des compétences, ce qui fragilise la fusion de modes hétérogènes dans un seul réseau. Le gain mesuré sur un robot réel, et non en simulation seule, nourrit le débat sur l'écart entre démonstrations vidéo et robustesse opérationnelle des humanoïdes. TianGong Omni, la plateforme humanoïde sur laquelle STRIDER a été validé, sert ici de banc d'essai de recherche plutôt que de produit commercialisé. Le travail s'inscrit dans une compétition très active sur la loco-manipulation humanoïde, aux côtés de politiques VLA comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, et de plateformes matérielles comme Figure 03 ou Optimus Gen 3 de Tesla. À ce stade, STRIDER reste une contribution académique en preprint, validée par des démonstrations matérielles limitées, sans partenaire industriel ni calendrier de pilote annoncés.

RecherchePaper
1 source
HiFun : un cadre hiérarchique pour l'apprentissage efficace de la manipulation dextre fonctionnelle
Illustration générée par IA
3arXiv cs.RO 

HiFun : un cadre hiérarchique pour l'apprentissage efficace de la manipulation dextre fonctionnelle

HiFun est un cadre d'apprentissage par renforcement (RL) hiérarchique, entraîné directement en conditions réelles, pour des tâches de manipulation fonctionnelle avec mains robotiques multi-doigts. Ce travail est décrit dans un preprint arXiv (2610.19518v1) dont la page projet est publiée. Ses auteurs séparent le contrôle en deux niveaux. Une « compétence de main fonctionnelle » exécute le contact précis. Une politique de coordination bras-main pilote le bras et déclenche cette compétence. Les données sont collectées plus efficacement grâce à l'augmentation par Dynamic Movement Primitives (DMP), des trajectoires paramétrées qui multiplient les démonstrations. Sur six tâches réelles et deux mains dextres différentes, HiFun atteint 98,3 % de succès moyen après une heure d'entraînement en ligne. Les auteurs indiquent aussi une robustesse aux perturbations dynamiques. Le résumé ne précise ni les noms des mains, ni la liste des tâches, ni le nombre d'essais par tâche. L'intérêt est d'abord pratique. La manipulation dextre réelle se heurte à un double verrou. La simulation modélise mal les dynamiques de contact. Les démonstrations dans l'espace complet bras-main, avec un bras couplé à une main à nombreux degrés de liberté (DoF), sont coûteuses et bruitées. En découplant le contact fin de la coordination globale, HiFun réduit l'espace que l'humain doit démontrer. Il rend aussi l'intervention humaine en temps réel exploitable pour apprendre à récupérer après un contact glissé ou une force appliquée trop tôt. Si le chiffre de 98,3 % en une heure tient hors du laboratoire, il plaide pour un apprentissage réel court plutôt que pour un sim-to-real parfait. Il faut toutefois rester prudent. Il s'agit d'un preprint non évalué par des pairs, sur six tâches choisies par les auteurs. La moyenne peut masquer des écarts entre tâches. Le temps d'intervention humaine, qui ne figure pas dans le résumé, compte autant que la durée d'entraînement pour juger du coût réel. Ce travail s'inscrit dans une tendance de fond. Les modèles vision-langage-action (VLA) généralistes progressent sur la préhension simple, mais restent fragiles sur la dextérité fine avec contacts riches. Les approches de RL réel avec intervention humaine, ainsi que les compétences hiérarchiques, sont l'alternative explorée par la recherche académique. Elles se positionnent face aux politiques apprises par imitation à grande échelle, que développent des acteurs comme Physical Intelligence, NVIDIA ou Figure. Aucun déploiement industriel ni calendrier de pilote n'est annoncé. Les prochaines étapes à surveiller sont la publication du code et des données, la reproduction par d'autres laboratoires, et le test sur des tâches plus longues et sur des mains plus variées.

RecherchePaper
1 source
Un cadre de téléopération bilatérale pour la manipulation dextérique
Illustration générée par IA
4arXiv cs.RO 

Un cadre de téléopération bilatérale pour la manipulation dextérique

Une équipe de chercheurs publie, dans un preprint arXiv déposé en juin 2026 (arXiv:2606.15434), un système modulaire de téleopération bilatérale conçu pour la manipulation dextre en environnements réels à fort contact. L'architecture proposée couple une interface côté opérateur à un bras robotique compliant et à une main mécanique dextre côté robot, dans une boucle de contrôle unifiée. Quatre fonctionnalités centrales sont documentées : le retargeting de posture de main par positions (adaptation des commandes d'une main humaine vers une main robotique de morphologie différente), la commande différentielle du bras, le retour haptique multi-échelle, et un mécanisme de contrôle partagé pour stabiliser les phases de manipulation en contact. Le framework est validé sur une tâche réelle de manipulation dextre, sans que les métriques de performance - latence, temps de cycle, taux de succès - ne soient communiquées dans le résumé public disponible. L'intérêt principal de ce travail pour les équipes de recherche et les intégrateurs ne réside pas dans les performances brutes du système de téleopération lui-même, mais dans sa vocation déclarée de plateforme de collecte de démonstrations haute qualité pour l'apprentissage par imitation (learning from demonstration). À l'heure où les architectures VLA (Vision-Language-Action) - comme pi0 de Physical Intelligence ou GR00T N2 de NVIDIA - exigent des datasets massifs de trajectoires expertes en manipulation fine, la qualité du pipeline de collecte devient un goulot d'étranglement critique. Les auteurs identifient aussi trois problèmes de conception restant ouverts : le mismatch cross-embodiment (écart morphologique entre la main de l'opérateur et celle du robot), la granularité du retour haptique, et le dosage optimal du contrôle partagé. Ce framework s'inscrit dans une tendance de fond visant à standardiser l'infrastructure de collecte de données téléopérées, dans la lignée du système ALOHA de Stanford ou de la plateforme UMI. Les acteurs européens comme Enchanted Tools (France) ou les équipes robotique de l'INRIA travaillent sur des problématiques similaires de couplage haptique et de retargeting pour la manipulation fine. Ce preprint ne présente pas de chiffres de déploiement ni de partenariats industriels annoncés : il s'agit d'une contribution académique amont, dont la suite logique serait la publication d'un dataset de démonstrations et de benchmarks comparatifs sur des tâches de manipulation standardisées.

UELes équipes françaises (Enchanted Tools, INRIA) travaillent sur des problématiques similaires de couplage haptique et de retargeting, ce framework pourrait alimenter leurs pipelines de collecte de démonstrations pour entraîner des modèles VLA.

RecherchePaper
1 source