Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
L'architecture du critique est cruciale : critiques doubles ou unifiés pour la loco-manipulation des humanoïdes
RecherchearXiv cs.RO 

L'architecture du critique est cruciale : critiques doubles ou unifiés pour la loco-manipulation des humanoïdes

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

Une étude publiée sur arXiv le 11 juin 2026 (réf. 2606.11891) présente une comparaison rigoureuse de deux architectures de critique en apprentissage par renforcement multi-objectifs pour robots humanoïdes : un critique unifié (un seul réseau estimant la valeur combinée de tous les objectifs) contre des critiques duaux (deux réseaux distincts, chacun associé à un signal de récompense séparé, l'un pour la locomotion, l'autre pour la manipulation). Les expériences ont été conduites sur le Unitree G1, un humanoïde à 23 degrés de liberté actifs, dans le simulateur NVIDIA Isaac Lab, via un curriculum séquentiel de 13 niveaux progressant de l'atteinte stationnaire jusqu'à la marche avec des cibles à orientation variable. Résultat : les politiques entraînées avec critiques duaux atteignent leurs cibles 3,5 fois plus vite (6,5 pas de simulation contre 22,6), affichent un débit deux fois supérieur (14,3 contre 7,0 atteintes validées pour 1 000 pas), et un taux de réussite validé de 65,2 % contre 53,8 % pour le critique unifié.

Ce que l'étude démontre, c'est que le choix de l'architecture du critique est un levier de conception primaire, souvent négligé, dont l'impact surpasse celui du reward engineering. Fait notable : l'ajout de mécanismes anti-gaming, conçus pour empêcher la politique d'exploiter les failles de la fonction de récompense, ne produit aucun gain au-delà du changement architectural seul (60,9 % contre 65,2 %). L'implication la plus immédiate concerne le fine-tuning RL de politiques pré-entraînées par imitation : lorsqu'on affine un modèle de manipulation déjà appris (style Pi-0 ou GR00T N2), un critique unifié risque de supprimer les comportements acquis par interférence des gradients de locomotion. Pour les équipes qui cherchent à spécialiser des modèles de fondation robotiques par RL, cette mise en garde est directement opérationnelle.

Le Unitree G1, vendu autour de 16 000 dollars, est devenu un banc de test standard pour la recherche en humanoïde abordable, face aux plateformes de Figure AI, Agility Robotics ou 1X Technologies qui opèrent sur des gammes de prix bien supérieures. NVIDIA Isaac Lab, successeur d'Isaac Gym, s'est imposé comme l'environnement de référence pour l'entraînement sim-to-real. La question du découplage locomotion/manipulation en RL multi-objectifs est au coeur de plusieurs groupes de recherche (Stanford, CMU, ETH Zurich), et les résultats de cette étude, issus d'un cadre contrôlé et reproductible, offrent une base solide pour orienter les choix d'architecture avant tout entraînement coûteux sur robot réel.

Dans nos dossiers

Figure1X TechnologiesUnitreeAgility Robotics — Digit

À lire aussi

Uni-VLaT : adaptation tactile du corps entier des politiques VLA pour la loco-manipulation humanoïde
1arXiv cs.RO 

Uni-VLaT : adaptation tactile du corps entier des politiques VLA pour la loco-manipulation humanoïde

Des chercheurs publient Uni-VLaT, une méthode qui greffe un sens du toucher distribué sur tout le corps à des politiques VLA (vision-langage-action) préentraînées pour piloter un humanoïde en loco-manipulation. Le principe est d'ajouter une voie tactile dont l'état latent n'est pas seulement entraîné à produire des actions, mais aussi à prédire les représentations tactiles, proprioceptives et visuelles futures. Ce second objectif construit un contexte multimodal ancré dans le tactile. Les auteurs testent le système sur cinq tâches réelles : locomotion déclenchée par le toucher, interaction physique prolongée, contact avec un humain et loco-manipulation. Le taux de réussite moyen atteint 75 %, soit 43 points de plus qu'une base sans entrée tactile et 7 points de plus qu'une base tactile sans supervision prédictive. Sur deux architectures VLA préentraînées, le balayage de table gagne 30 points sur chacune, et la tâche « Back-Tap Walking » (marcher en réponse à une tape dans le dos) progresse de 85 à 90 points. Les ablations indiquent que la prédiction tactile contextualisée et les cibles futures absolues sont déterminantes. L'enjeu est de combler un angle mort des VLA actuels, qui reposent sur la vision et la proprioception. Quand la zone de contact est masquée, par exemple un bras qui frotte une surface ou une main humaine posée sur le dos, ces deux signaux ne suffisent pas à caractériser l'interaction. Contrairement aux capteurs de force ou de couple placés en quelques points prédéfinis, une peau tactile distribuée conserve la cartographie spatiale du contact sur tout le corps. Le résultat le plus parlant pour un intégrateur est la distinction entre simple ajout d'un capteur et apprentissage prédictif : la modalité brute apporte 36 points sur les 43 gagnés, mais la supervision prédictive rend la fusion plus robuste. Cela suggère que les politiques généralistes peuvent être étendues à de nouvelles modalités sans repartir de zéro, un point utile pour la cobotique humanoïde en contact avec des opérateurs. Les limites sont nettes : cinq tâches seulement, un robot de laboratoire, aucun chiffre sur les temps de cycle, la robustesse à long terme ou la durabilité des capteurs. Ce n'est ni un produit ni un déploiement. Ce travail s'inscrit dans la montée en puissance des modèles VLA pour humanoïdes, dont Pi-0, GR00T ou Helix, pour l'essentiel centrés sur la vision, le langage et la proprioception. Le tactile reste le parent pauvre de ces architectures, freiné par le coût, la fragilité et le câblage des peaux électroniques. La question d'une sensibilité corps entier concerne aussi des acteurs européens comme Wandercraft ou Enchanted Tools, dont les robots opèrent près des humains, même si l'article ne cite aucun partenaire industriel. Les prochaines étapes probables sont une validation sur davantage de plateformes et de capteurs, puis une comparaison avec des approches de contrôle en force, avant tout transfert industriel.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Architecture reconfigurable à double opposition pour la manipulation et l'assemblage à une main
2arXiv cs.RO 

Architecture reconfigurable à double opposition pour la manipulation et l'assemblage à une main

Publié sur arXiv (2609.22871v1) sous le titre "A Reconfigurable Dual-Opposition Architecture for Single-Hand Assembly and Manipulation", ce travail de recherche présente une main robotique à quatre doigts indépendamment actionnés, organisés en deux paires d'opposition virtuelle (virtual finger, VF), dont la configuration relative est ajustée par une paume reconfigurable. L'objectif est de permettre à une seule main de saisir simultanément deux pièces distinctes tout en contrôlant leur mouvement relatif, une opération typique de l'assemblage industriel incluant la saisie, l'alignement, le vissage et le pressage. Les auteurs ont construit un modèle cinématique des doigts et de la paume ainsi qu'une formulation de l'espace de travail conditionnée par la taille des objets, puis caractérisé le suivi des mouvements articulaires et de la paume. En simulation, la main atteint un taux de réussite moyen de 98,6% pour la rotation continue de sphères de 40 à 230 mm de diamètre, contre 73,8% pour la LEAP Hand, une main de référence open source. Après un réglage fin de la politique face à des perturbations externes multidirectionnelles, le taux grimpe à 92,8% contre 45,2% pour la LEAP Hand, et des démonstrations matérielles confirment la rotation en main d'objets de tailles variées à partir de politiques entraînées en simulation. Ce travail cible un verrou précis: la plupart des mains dextres sont conçues pour manipuler un seul objet à la fois, alors que l'assemblage en main de deux pièces distinctes exige de maintenir deux prises simultanées tout en pilotant leur position relative, une contrainte rarement adressée par les architectures existantes. Des expériences d'ablation montrent que l'abduction/adduction des doigts et la reconfiguration de la paume sont toutes deux nécessaires à la réussite de l'assemblage en main, ce qui suggère que le gain de robustesse provient autant du design mécanique que de l'apprentissage par renforcement seul. Pour les intégrateurs et équipes R&D en robotique industrielle, la comparaison chiffrée face à une main de référence connue offre un point de repère plus crédible que des vidéos sélectionnées sans baseline, et pèse dans le débat sur l'écart entre démonstrations et usage réel. Le travail reste toutefois au stade de la preuve de concept en laboratoire, sans volumes de déploiement ni partenariat industriel annoncés. La LEAP Hand, utilisée ici comme point de comparaison, est une main robotique dextre open source largement adoptée par la communauté recherche en manipulation, ce qui en fait une baseline standard pour ce type de benchmark. Le paysage des mains dextres reste par ailleurs dominé par des architectures fixes à cinq doigts, comme la Shadow Hand ou l'Allegro Hand, ou par des mains simplifiées intégrées aux humanoïdes commerciaux, rarement optimisées pour la saisie simultanée de deux pièces plutôt que la simple préhension. L'article ne mentionne ni calendrier de commercialisation ni partenaire industriel; les prochaines étapes évoquées portent sur l'extension des tâches d'assemblage testées et une validation matérielle plus poussée au-delà des démonstrations de rotation présentées.

RecherchePaper
1 source
La mémoire avant l'objectif : le rôle de la mémoire de l'historique pour la loco-manipulation humanoïde
3arXiv cs.RO 

La mémoire avant l'objectif : le rôle de la mémoire de l'historique pour la loco-manipulation humanoïde

Des chercheurs proposent WholeBodyMem, une mémoire perceptive guidée par les objets pour les politiques VLA (vision-langage-action) de loco-manipulation sur humanoïde. Le module suit les objets de la tâche avec SAM3, un modèle de segmentation et de suivi. Les événements liés à ces objets (apparition, occultation, déplacement, sortie du champ de vision) sélectionnent de façon causale des images clés, dans un budget adaptatif. L'« action expert » de la politique lit ces images par cross-attention, en même temps que des tokens d'objets codant apparence, géométrie et temps. L'équipe publie aussi HuMeGo, un benchmark de mémoire pour humanoïdes comprenant six tâches simulées et six tâches réelles sur Unitree G1. Selon les auteurs, le taux de succès de la politique de base passe de 29,1 % à 72,6 % en simulation et de 36,7 % à 88,3 % sur le robot réel. Sur les tâches standard SIMPLE, il progresse de 70,2 % à 86,9 %. Il s'agit d'un preprint arXiv (v1), sans relecture par les pairs. Ce travail s'attaque à une limite structurelle des VLA actuels : ils ne voient que l'instant présent, alors que la loco-manipulation est non markovienne. Quand le robot se retourne, qu'un objet est masqué ou déplacé, l'information nécessaire à l'action disparaît de l'image. Le résultat le plus instructif concerne la méthode : conserver les bonnes images plutôt que davantage d'images bat à la fois l'absence de mémoire et une mémoire uniforme, ce qui limite aussi le coût de calcul. Pour les intégrateurs, cela suggère que la fiabilité sur des tâches longues, comme la logistique ou la manutention en environnement mouvant, dépend autant de la gestion du contexte que de la taille du modèle. Des réserves s'imposent toutefois. Les tâches de HuMeGo sont conçues par les auteurs pour faire apparaître le besoin de mémoire, les six tâches réelles sont peu nombreuses, et le nombre d'essais n'est pas précisé dans le résumé. Le gain, même spectaculaire, ne dit donc pas encore comment la méthode se comporte dans des environnements industriels non contrôlés. Le travail s'inscrit dans la course aux politiques VLA pour humanoïdes, où Figure (Helix), Physical Intelligence (Pi-0) et NVIDIA (GR00T) privilégient surtout des architectures réactives, avec un contexte court. La mémoire de long terme reste l'un des angles morts du secteur, et le Unitree G1, plateforme abordable, est devenu la référence des laboratoires universitaires, ce qui facilite la reproduction des résultats. Le résumé ne mentionne ni le nom de la politique de base, ni la publication du code ou des données. Ce sont les points à surveiller pour juger de l'adoption de HuMeGo comme benchmark commun. La suite logique serait d'intégrer ce type de mémoire à des VLA de plus grande échelle, puis de le tester sur des tâches plus longues et des sites réels.

RecherchePaper
1 source
Apprentissage de politiques par simulation pour la loco-manipulation des robots humanoïdes
4arXiv cs.RO 

Apprentissage de politiques par simulation pour la loco-manipulation des robots humanoïdes

Une équipe de chercheurs a publié le 9 juin 2026 sur arXiv (2606.08278) SIMPLE, un banc de test de simulation unifié pour l'apprentissage et l'évaluation de politiques de contrôle de robots humanoïdes. La plateforme couple la simulation de dynamique de contact de MuJoCo avec le rendu photoréaliste d'IsaacSim, et propose 60 tâches de loco-manipulation plein corps, 50 scènes d'intérieur et plus de 1 000 assets d'objets. Pour la collecte de données, deux pipelines sont intégrés : génération automatisée de trajectoires par planification de mouvement, et interface de téléopération VR à faible latence. Les auteurs y benchmarkent plusieurs familles de politiques humanoïdes : réseaux d'imitation légers, grands modèles vision-langage-action (VLA) et les récents modèles d'action du monde (WAM, World Action Models). Les expériences démontrent, selon les auteurs, un transfert zero-shot vers des robots humanoïdes physiques dans des configurations similaires. L'enjeu central est un goulot d'étranglement d'évaluation : les modèles fondationnels humanoïdes progressent plus vite que les protocoles pour les tester. Les benchmarks existants se concentrent sur la robotique de table ou les robots à roues, sans couvrir la loco-manipulation plein corps, compétence clé pour les humanoïdes déployés en environnement industriel ou domestique. Si la corrélation sim-to-real revendiquée dans l'article se confirme à plus grande échelle, elle légitime le recours massif à la simulation pour entraîner des politiques de contrôle, réduisant drastiquement les coûts de collecte de données en conditions réelles. C'est précisément le pari industriel de Physical Intelligence avec pi-0, et de Figure AI avec Figure 02 : remplacer les démos téléopérées coûteuses par des pipelines simulés reproductibles. La fragmentation des benchmarks est un problème structurel en robotique humanoïde : chaque laboratoire publie sur ses propres protocoles, rendant toute comparaison inter-équipes difficile. Des initiatives comme HumanoidBench, RoboVerse ou Isaac Lab ont tenté d'y répondre, mais sans couvrir la chaîne complète loco-manipulation avec rendu photoréaliste et pipelines de données intégrés. SIMPLE se positionne à cette intersection. Les équipes de Google DeepMind (GR00T N2, Helix), Agility Robotics (Digit) et Boston Dynamics sont directement concernées. Ce preprint arXiv n'est pas encore évalué par les pairs ; l'adoption par la communauté dépendra de la disponibilité publique du code et des assets, non encore confirmée.

RecherchePaper
1 source