Aller au contenu principal
COLSON : navigation sociale contrôlable par apprentissage par renforcement basé sur la diffusionIllustration générée par IA
RecherchearXiv cs.RO 

COLSON : navigation sociale contrôlable par apprentissage par renforcement basé sur la diffusion

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 uniqueImpact UE

Des chercheurs proposent COLSON (Controllable Learning-based Social Navigation), une méthode de navigation sociale pour robots mobiles autonomes (AMR) en milieux piétons, fondée sur l'apprentissage par renforcement couplé à des modèles de diffusion. Publiée sur arXiv (2503.13934v2), cette étude traite d'un verrou persistant pour les robots de service : naviguer de façon fluide et socialement cohérente parmi des piétons dynamiques, sans violer leurs espaces de proximité ni générer de comportements erratiques. Les approches à base de règles telles qu'ORCA ou DWA montrent leurs limites dans les environnements denses, tandis que les méthodes de deep RL conventionnelles reposent sur des distributions gaussiennes qui contraignent la variété des trajectoires produites. COLSON contourne cette limitation en exploitant les distributions d'actions plus riches offertes par les modèles de diffusion appliqués au RL, capables de représenter des comportements multimodaux (hésiter, contourner à gauche ou à droite) que les politiques gaussiennes tendent à lisser.

L'apport central de la méthode est sa capacité de généralisation à des scénarios inédits sans ré-entraînement. Dans les démonstrations présentées, le robot adapte son comportement à des obstacles statiques absents du jeu d'entraînement, ou change d'objectif pour accompagner un piéton cible tout en évitant les autres passants. Pour les intégrateurs d'AMR en milieux hospitaliers, aéroportuaires ou logistiques, cette propriété de contrôlabilité zero-shot est stratégiquement importante : elle réduit le coût de re-paramétrage à chaque nouveau site de déploiement. Elle valide aussi partiellement l'hypothèse que les diffusion models peuvent atténuer le sim-to-real gap en navigation sociale, en générant des distributions d'actions plus robustes face à l'imprévu.

Le champ de la social navigation par deep RL est actif depuis une décennie, avec des travaux fondateurs comme CADRL (2017), SARL et CrowdNav. L'application des modèles de diffusion au RL dans la robotique est plus récente, s'appuyant notamment sur Diffusion Policy (Columbia/MIT, 2023) dans le domaine de la manipulation. COLSON transfère cette logique vers la planification de mouvement en espace ouvert. Il s'agit à ce stade d'un preprint académique avec validation uniquement en simulation ; aucun déploiement sur robot réel ni partenariat industriel n'est mentionné, ce qui invite à tempérer les conclusions. Les éditeurs actifs sur la navigation sociale autonome incluent Boston Dynamics, ANYbotics et Clearpath Robotics, et côté européen Enchanted Tools (France) ou PAL Robotics (Espagne) pour les robots de service. Les prochaines étapes naturelles seraient une validation en environnement réel et un benchmarking sur les datasets standardisés ETH/UCY.

Impact France/UE

Les intégrateurs AMR européens (dont Enchanted Tools en France, PAL Robotics en Espagne) pourraient à terme bénéficier de la contrôlabilité zero-shot de COLSON pour réduire les coûts de redéploiement multi-sites, mais la méthode reste validée uniquement en simulation sans partenariat industriel déclaré.

À lire aussi

Apprentissage par renforcement résiduel incrémental pour la navigation sociale en conditions réelles
Illustration générée par IA
1arXiv cs.RO 

Apprentissage par renforcement résiduel incrémental pour la navigation sociale en conditions réelles

Des chercheurs ont publié sur arXiv (réf. 2604.07945, version 2) une méthode baptisée IRRL, Incremental Residual Reinforcement Learning, conçue pour permettre aux robots mobiles d'apprendre à naviguer parmi les piétons directement dans des environnements physiques réels, sans passer par une étape de simulation exhaustive. L'approche combine deux mécanismes distincts : l'apprentissage incrémental, un processus léger qui ne nécessite ni replay buffer ni mise à jour par batch, et le RL résiduel, qui restreint l'apprentissage aux corrections à apporter par rapport à une politique de base préexistante. Les expériences couvrent à la fois des environnements simulés et des déploiements réels sur robot physique, avec pour cible explicite les dispositifs edge à ressources computationnelles contraintes. L'enjeu industriel est concret : la navigation sociale, faire circuler un robot autonome parmi des piétons en respectant les conventions implicites de déplacement, est un verrou majeur pour les AMR déployés dans des espaces publics, des entrepôts partagés ou des établissements de santé. Le problème du sim-to-real gap est ici particulièrement prononcé, car les dynamiques piétonnes varient fortement selon les régions, les cultures et les configurations d'espace, rendant toute couverture exhaustive par simulation illusoire. IRRL propose une réponse directe : laisser le robot continuer à apprendre une fois déployé, en se limitant aux résidus par rapport à une politique de base, ce qui réduit drastiquement la charge computationnelle. Les résultats publiés montrent des performances comparables aux méthodes classiques avec replay buffer en simulation, et une supériorité sur les approches d'apprentissage incrémental existantes. Les expériences en environnement réel confirment une adaptation effective à des situations inédites. Ces résultats restent toutefois à interpréter avec prudence : il s'agit d'un preprint académique, sans benchmark standardisé ni déploiement à l'échelle annoncé. Le domaine de la navigation sociale par deep RL est actif depuis plusieurs années, porté par des travaux comme CrowdNav (ICRA 2019) ou des méthodes basées sur ORCA et ses extensions apprenantes. L'approche résiduelle n'est pas nouvelle en soi, elle est notamment utilisée dans le contrôle de robots manipulateurs pour corriger une politique classique, mais son application à la navigation sociale en conditions réelles avec contrainte edge reste peu explorée. Aucune institution ni entreprise n'est identifiée dans l'abstract disponible, et aucun partenariat industriel ni pilote terrain n'est mentionné. Les prochaines étapes naturelles seraient une validation sur des plateformes AMR commerciales (type Clearpath ou unitree) et une confrontation aux benchmarks publics de navigation sociale tels que BARN ou SocNavBench.

RecherchePaper
1 source
Vers une navigation socialement conforme en apprentissage par renforcement profond via une récompense basée sur la proxémique
Illustration générée par IA
2arXiv cs.RO 

Vers une navigation socialement conforme en apprentissage par renforcement profond via une récompense basée sur la proxémique

Des chercheurs ont publié le 14 août 2026 sur arXiv (arXiv:2608.12917v1) un article intitulé "Towards Socially Compliant Navigation in Deep Reinforcement Learning via Proxemics-Based Reward Modeling", proposant une nouvelle fonction de récompense pour l'apprentissage par renforcement profond (DRL) appliqué à la navigation robotique en environnement peuplé. Le système modélise l'espace personnel de chaque humain comme un champ gaussien radial multi-composantes, dérivé de la théorie des proxémies d'Edward Hall, et calcule un coût local centré sur le robot à partir de son champ de vision. Cette récompense a été intégrée à plusieurs méthodes de navigation DRL existantes et testée en simulation sur divers scénarios de foule, densités de population et fonctions de récompense de référence, en mesurant à la fois des métriques de navigation et des métriques sociales. Les résultats montrent une amélioration constante des métriques sociales tout en maintenant des performances de navigation comparables aux modèles concurrents, mais l'ensemble des expériences reste confiné à la simulation, sans déploiement matériel réel. Cette contribution cible un point de friction majeur pour les robots mobiles autonomes (AMR) et robots de service appelés à opérer parmi des humains, en entrepôt, hôpital, aéroport ou bureau: la plupart des méthodes DRL actuelles optimisent avant tout l'atteinte rapide d'un objectif, au détriment du confort social, produisant des trajectoires perçues comme intrusives ou imprévisibles. En rendant le signal social dense et interprétable plutôt que binaire ou épars, l'approche cherche à corriger un angle mort connu de la recherche en navigation sociale, où le compromis entre efficacité de tâche et conformité sociale reste mal résolu. Pour les intégrateurs et décideurs B2B, l'intérêt est direct: des robots respectant des distances sociales cohérentes réduisent les frictions d'acceptation en environnement partagé, un frein régulièrement cité au déploiement à grande échelle. Le résultat reste toutefois un travail de simulation, pas une validation terrain: l'écart classique entre démonstration en simulateur et comportement réel n'est pas comblé par ces travaux. L'approche s'appuie sur la théorie des proxémies formulée par l'anthropologue Edward Hall dans les années 1960, qui catégorise les distances interpersonnelles selon le contexte social et culturel. Le champ de la navigation sociale par renforcement s'est construit autour de plusieurs modèles de récompense concurrents, utilisés ici comme lignes de base de comparaison, sans qu'aucune entreprise ni robot commercial ne soit associé à ces travaux, purement académiques. Contrairement aux annonces récentes de robots humanoïdes industriels, cet article ne présente ni matériel, ni déploiement, ni partenariat commercial: il s'agit d'une contribution méthodologique pour la communauté recherche en robotique et en apprentissage par renforcement, sans calendrier annoncé pour une validation sur plateforme physique réelle.

RecherchePaper
1 source
VLD : la distance visuelle apprise comme interface pour la navigation par apprentissage par renforcement
Illustration générée par IA
3arXiv cs.RO 

VLD : la distance visuelle apprise comme interface pour la navigation par apprentissage par renforcement

Des chercheurs proposent Visual Learned Distance (VLD), un cadre de navigation par image-but qui sépare l'apprentissage de la perception de celui de la politique de contrôle. Un prédicteur de distance au but, entraîné en auto-supervision sur environ 3 000 heures de vidéos issues d'internet et de simulation, produit un signal que minimise ensuite une politique d'apprentissage par renforcement (RL). Cette politique est entraînée à part, en simulation, à partir de distances géométriques privilégiées perturbées par GeoNoise, un modèle de bruit appris qui reproduit les erreurs du prédicteur, lesquelles dépendent du point de vue et du recouvrement entre images. Au déploiement, la politique consomme les prédictions de VLD en zero-shot, sans réentraînement. Sur HM3D et Gibson, deux benchmarks de navigation en environnements intérieurs, les politiques entraînées avec GeoNoise atteignent 58,7 % et 76,2 % de succès. Avec un bruit générique corrélé dans le temps, elles chutent à 4,9 % et 11,5 %. Sur robot physique, la politique pilotée par VLD réussit 88 % des essais, contre 60 % pour une référence image-but de bout en bout pourtant plus performante en simulation. L'article ne précise ni la plateforme robotique ni le nombre d'essais. Pour les équipes qui développent des robots mobiles, le résultat vise un point dur : entraîner de bout en bout une politique qui passe directement des pixels aux actions. Cette approche se heurte soit à l'écart simulation-réel, soit au manque de données annotées en actions. En découplant ces deux problèmes, VLD exploite des vidéos abondantes et sans étiquettes d'action pour la perception, et la simulation pour le comportement de navigation. L'enseignement le plus net concerne la modélisation de l'erreur. Un bruit générique rend le transfert quasi inopérant, alors qu'un bruit calqué sur les défauts réels du prédicteur le rend viable. L'inversion de classement est aussi notable : le modèle de bout en bout gagne en simulation mais perd de 28 points sur le robot réel, ce qui rappelle que les scores de benchmark simulés prédisent mal la robustesse terrain. Il faut toutefois rester prudent : un seul robot et une taille d'échantillon non communiquée limitent la portée de ces 88 %. Ces travaux s'inscrivent dans la lignée des modèles de navigation visuelle entraînés sur de grands corpus, ainsi que des politiques RL entraînées en simulation sur des environnements photoréalistes comme HM3D et Gibson. Ces approches butent sur le transfert vers le réel. VLD se positionne comme une voie intermédiaire, entre les modèles de fondation de bout en bout, gourmands en données d'actions, et les pipelines modulaires classiques de cartographie et de planification. L'article, publié sur arXiv en troisième version (v3), relève de la recherche académique : il ne s'agit ni d'un produit ni d'un déploiement industriel, et aucune entreprise ni calendrier de commercialisation n'est cité. Les suites logiques seraient des tests sur davantage de plateformes, dans des environnements plus variés et sur des trajets plus longs, avant d'envisager une intégration dans des robots de service ou de logistique.

RecherchePaper
1 source
Navigation sociale sûre de bout en bout par apprentissage par renforcement multitâche et perception probabiliste
Illustration générée par IA
4arXiv cs.RO 

Navigation sociale sûre de bout en bout par apprentissage par renforcement multitâche et perception probabiliste

Une équipe de chercheurs publie JESSI (JAX-based E2E Safe Social Interpretable navigation), un cadre d'apprentissage par renforcement (RL) de bout en bout, léger, qui transforme directement les scans LiDAR bruts en commandes de contrôle cinématiquement réalisables. Le système repose sur des espaces d'actions continus paramétrés par une loi de Dirichlet, associés à un bornage déterministe des commandes, ce qui renforce la sécurité. Un module de perception à base d'attention en extrait des états humains probabilistes, ce qui rend les décisions interprétables. Les auteurs ont testé JESSI en simulation, puis sur un robot à entraînement différentiel en conditions réelles. Ils le comparent à plusieurs méthodes de référence de l'état de l'art. Le résumé disponible ne donne ni taux de réussite chiffré, ni taille de l'échantillon d'essais, ni densité de piétons, ni nom de la plateforme robotique. Il n'est pas possible de vérifier l'ampleur de l'avantage annoncé. Il s'agit d'un travail de recherche académique (arXiv, version 2), sans produit ni déploiement commercial. L'apport principal tient à l'entraînement conjoint de la politique RL et d'un signal de perception supervisé, dans un paradigme multi-tâches. Les auteurs affirment que ce couplage améliore le comportement social du robot, c'est-à-dire sa capacité à éviter les piétons de façon naturelle et prévisible, au-delà du simple évitement de collision. Beaucoup de méthodes de navigation sociale par RL supposent que la position et la vitesse des humains sont connues, hypothèse peu réaliste hors laboratoire, où le robot ne dispose que de ses capteurs. En partant du LiDAR brut, JESSI s'attaque à ce décalage entre simulation et réalité. Pour un intégrateur ou un responsable d'exploitation qui vise des robots mobiles dans des hôpitaux, des commerces ou des entrepôts partagés avec du personnel, trois points comptent : l'interprétabilité des états humains estimés, des commandes bornées par construction, et un modèle léger, donc compatible avec du calcul embarqué. Ces résultats restent à confirmer sur des environnements plus denses et plus variés que ceux du papier. Ce travail s'inscrit dans une littérature où la navigation sociale par RL a d'abord reposé sur des modèles d'interaction entre agents avec états humains parfaitement observés, puis a évolué vers des approches de bout en bout partant des capteurs. Il s'oppose aussi aux piles classiques, qui séparent perception, prédiction et planification et dont l'assemblage est plus lourd à régler. L'implémentation en JAX suggère un entraînement massivement parallélisé sur accélérateur, ce qui raccourcit les itérations de recherche. Les suites naturelles seraient des essais avec des foules plus denses, des plateformes variées et une validation sur des sites réels. Aucun pilote ni calendrier n'est annoncé dans le résumé.

RecherchePaper
1 source