Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Amélioration du SLAM robotique par une transformation efficace vers un modèle linéaire
RecherchearXiv cs.RO 

Amélioration du SLAM robotique par une transformation efficace vers un modèle linéaire

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 chercheurs propose, dans un preprint déposé sur arXiv (réf. 2506.28475), une nouvelle méthode de localisation et cartographie simultanées pour robots mobiles, baptisée LMKF SLAM. L'approche repose sur l'ajout d'une boussole et l'application d'une transformation mathématique permettant de convertir le modèle d'état non linéaire classique en un modèle strictement linéaire. Une fois cette linéarisation exacte obtenue, les auteurs appliquent le filtre de Kalman standard (KF) plutôt que sa variante étendue (EKF), d'où l'acronyme LMKF pour Linear Model Kalman Filter. Les résultats expérimentaux rapportés affirment des gains en précision, en vitesse de convergence et en complexité calculatoire par rapport aux méthodes EKF de référence, avec une meilleure robustesse aux incertitudes de capteurs.

L'intérêt potentiel réside dans un problème connu de longue date : l'EKF-SLAM diverge dans des environnements complexes ou lorsque la nonlinéarité des modèles de mouvement et d'observation est prononcée, car la linéarisation locale introduit des erreurs cumulatives. Si LMKF SLAM tient ses promesses, cela simplifierait considérablement l'intégration SLAM sur des plateformes à ressources contraintes (AGV d'entrepôt, robots de livraison, drones indoor), sans recourir à des architectures graphiques ou à des pipelines d'apprentissage coûteux. La dépendance à une boussole physique constitue toutefois une contrainte matérielle à évaluer en environnement industriel magnétiquement perturbé.

Le SLAM par filtre de Kalman étendu remonte aux travaux fondateurs de Smith, Self et Cheeseman (1987). Depuis, le domaine a évolué vers des approches par filtre à particules (FastSLAM), puis par graphes de facteurs (GTSAM, iSAM2) et, plus récemment, vers des méthodes hybrides exploitant les réseaux de neurones (DROID-SLAM, NeRF-SLAM). Ce preprint n'a pas encore été soumis à révision par les pairs, et l'abstract ne fournit pas de chiffres précis sur les gains obtenus, ce qui limite l'évaluation indépendante des affirmations. Aucun partenaire industriel ni déploiement sur robot commercial n'est mentionné.

Dans nos dossiers

arXiv cs.RO

À lire aussi

SkeleWAM : modélisation squelette du monde et de l'action pour une manipulation robotique efficace
1arXiv cs.RO 

SkeleWAM : modélisation squelette du monde et de l'action pour une manipulation robotique efficace

Des chercheurs publient sur arXiv (2610.02120) SkeleWAM, un modèle « world action » (WAM) compact pour la manipulation robotique. Un WAM combine la génération d'actions du robot avec la prédiction d'états futurs. La plupart des WAM existants prédisent des vidéos ou des latents visuels appris. Le nouveau modèle représente plutôt la scène sous la forme d'un squelette 3D épars, composé des articulations du robot, des centres d'objets et de points d'interaction. Ce squelette est construit en ligne à partir des images RGB-D courantes et de la proprioception du robot. Il sert d'état géométrique unique pour générer les actions et prédire les squelettes futurs, ce qui apporte une supervision géométrique supplémentaire sans reconstruction visuelle. À l'inférence, le modèle produit les actions directement depuis le squelette courant et l'instruction en langage naturel. Une stratégie auxiliaire, Medoid Action Consensus (MAC), sélectionne parmi plusieurs échantillons d'actions stochastiques un consensus représentatif. Sur le benchmark LIBERO-Plus, SkeleWAM atteint 85,9 % de réussite globale avec 57,1 millions de paramètres, soit 3,7 points de plus que Cosmos-Policy. L'intérêt tient au compromis entre performance et taille. Les WAM fondés sur la vidéo ou sur des latents visuels portent des informations d'apparence sans rapport avec le contrôle et ne codent la géométrie d'interaction qu'implicitement. Avec 57,1 M de paramètres, SkeleWAM se situe très en dessous des modèles de fondation de type VLA, qui comptent en général plusieurs milliards de paramètres. Si l'approche tient hors benchmark, elle ouvre la voie à des politiques embarquables sur du calcul modeste, un point décisif pour les intégrateurs qui visent des cellules industrielles sans GPU lourd. Elle suggère aussi qu'un état structuré, centré sur les relations robot-objet, peut suffire à remplacer la prédiction de pixels. Des réserves s'imposent : LIBERO-Plus est un benchmark en simulation, qui évalue la robustesse à des perturbations, et l'écart de 3,7 points reste modeste. Aucun test sur robot réel n'est mentionné dans le résumé. Enfin, la construction du squelette suppose une perception RGB-D fiable, ce qui déplace une partie de la difficulté vers l'estimation des centres d'objets et des points d'interaction en conditions réelles. SkeleWAM s'inscrit dans la montée des world action models, qui cherchent à marier politique et modèle du monde, avec Cosmos-Policy comme référence directe de la comparaison. La tendance dominante a consisté à prédire des vidéos futures, coûteuses en calcul. Les travaux récents explorent des représentations plus sobres, géométriques ou latentes, pour réduire ce coût. Les auteurs publient une page de projet (skelewam-project.github.io). La suite logique serait une validation sur matériel réel, sur des tâches variées et dans des environnements encombrés, ainsi qu'une comparaison avec les grands VLA sur des benchmarks complémentaires. Il s'agit pour l'instant d'une préimpression, sans produit ni déploiement associé.

RecherchePaper
1 source
rMuscle : mémoire musculaire robotique pour une inférence efficace des modèles vision-langage-action
2arXiv cs.RO 

rMuscle : mémoire musculaire robotique pour une inférence efficace des modèles vision-langage-action

Un preprint arXiv (2609.19104v1, septembre 2026) présente rMuscle, un framework d'inférence en temps réel pour les modèles Vision-Language-Action (VLA) qui pilotent des robots. Le système part d'un constat : dans un poste de travail structuré, les exécutions robotiques répétées montrent une forte similarité, non seulement dans les observations et les trajectoires d'action, mais aussi dans les états internes du modèle. rMuscle exploite cette redondance via un cache à double phase inspiré de la mémoire musculaire humaine : un Context Cache qui réutilise les tokens visuels déjà calculés, et un Action Cache qui réutilise les motifs d'activation des neurones pour réduire les accès aux poids du modèle, son coût restant limité par recalcul en ligne et récupération par fenêtre glissante. Testé sur GPU RTX 4090 et cartes embarquées Jetson Thor, sur les benchmarks de simulation LIBERO et RoboTwin ainsi que sur des tâches de manipulation physique réelle, il affiche une accélération de 1,29 à 1,42 fois sans dégrader les taux de réussite du modèle original. L'enjeu est concret : la latence d'inférence détermine directement la réactivité et la fluidité des mouvements d'un robot, un facteur critique alors que les VLA s'imposent comme le paradigme dominant du contrôle robotique en usine. Les frameworks d'inférence généralistes ignorent pourtant la répétitivité propre aux tâches industrielles structurées, un angle mort que rMuscle attaque directement plutôt que de viser une accélération générique du calcul, ce qui concerne au premier chef les intégrateurs qui déploient des VLA sur du matériel embarqué à ressources limitées comme le Jetson Thor. Le point le plus significatif pour le secteur est que ce gain de vitesse ne dégrade pas le taux de réussite sur robot réel, une réponse directe au doute récurrent sur l'écart entre démonstrations en simulation et performance en conditions réelles. Il s'agit néanmoins d'un résultat de recherche publié en preprint, sans validation par les pairs ni intégration annoncée dans un produit commercial identifié. Ce travail s'inscrit dans la course actuelle à l'optimisation de l'inférence des VLA, devenus le paradigme dominant à mesure que les tâches manuelles répétitives en usine s'imposent comme le scénario de déploiement le plus rentable pour l'IA incarnée. rMuscle se distingue des méthodes génériques de compression ou de quantification de modèles en misant sur la structure même du travail industriel répété poste par poste, sans que les auteurs précisent quels VLA spécifiques ont servi de base expérimentale ni de calendrier de publication du code. La suite logique, non confirmée par l'article, serait une adoption par des frameworks d'inférence robotique plus larges ou des tests sur d'autres plateformes matérielles au-delà du RTX 4090 et du Jetson Thor.

RechercheActu
1 source
Vers des modèles de manipulation robotique efficaces grâce à l'élagage auto-récursif
3arXiv cs.RO 

Vers des modèles de manipulation robotique efficaces grâce à l'élagage auto-récursif

Des chercheurs proposent LCAM (Loss-Conditioned Activation-Moment pruning), une méthode d'élagage non structuré, sans réentraînement, pour des politiques de manipulation robotique déjà pré-entraînées. Le travail, publié sur arXiv (2610.08555), classe les connexions du réseau selon trois signaux : la contribution des poids normalisée par ligne, les moments d'activation mesurés sur des démonstrations de calibration, et la sensibilité des directions de sortie à la perte de prédiction d'action. Une procédure récursive du grossier au fin recalibre l'importance après chaque étape d'élagage grossier. Une fois passé un « genou » de sparsité, un budget fin est alloué selon la distorsion d'action hors ligne sur des données de validation. Testée sur trois suites LIBERO avec plusieurs politiques robotiques et sur OpenVLA, la méthode atteint 84,0 % de réussite sur LIBERO-Object avec OpenVLA à 50 % d'élagage non structuré, soit plus de 90 % du taux de succès de la politique dense. Les auteurs ajoutent un test réel sur une tâche de ping-pong robotisé, dont ils ne détaillent pas les chiffres dans le résumé. L'enjeu est le déploiement embarqué de modèles VLA (vision-langage-action), dont la taille pèse sur la latence, la mémoire et la consommation. Les critères d'élagage classiques sont conçus pour la classification d'images ou la vraisemblance des modèles de langage, et dégradent le comportement en boucle fermée. En ciblant directement la perte d'action et en évitant à la fois le réentraînement de récupération et les rollouts en simulateur, LCAM abaisse le coût de compression pour un intégrateur qui souhaite faire tourner une politique sur un calculateur contraint. Il faut toutefois rester prudent. L'élagage non structuré produit des matrices creuses qui n'accélèrent pas automatiquement l'inférence sur GPU ou sur les puces embarquées courantes, sauf support matériel dédié. Les gains annoncés portent sur le taux de succès, pas sur la latence mesurée. Le résultat à 84,0 % concerne une seule suite, LIBERO-Object, un benchmark de simulation relativement favorable, et le ping-pong réel reste une démonstration unique sans statistiques publiées. Ces travaux s'inscrivent dans le mouvement de compression des modèles VLA, après la montée en puissance d'OpenVLA, de Pi-0 et des approches de distillation, de quantification ou de réduction de couches. Ils prolongent des méthodes d'élagage générales comme Wanda ou SparseGPT, conçues pour les modèles de langage et ici adaptées à l'action. Les suites logiques seraient une validation sur des politiques plus grandes, un élagage structuré compatible avec les accélérateurs, et des mesures de latence sur matériel embarqué, ainsi que des tests sur des tâches de manipulation plus longues et plus variées que LIBERO. Aucun acteur européen n'est cité dans le résumé, et aucun calendrier de diffusion du code ou d'application industrielle n'est annoncé.

RecherchePaper
1 source
Une méthode pour un transfert simulation-réel efficace en manipulation, via des modèles du monde pré-entraînés par imitation en ligne
4arXiv cs.RO 

Une méthode pour un transfert simulation-réel efficace en manipulation, via des modèles du monde pré-entraînés par imitation en ligne

Des chercheurs publient une méthode pour l'apprentissage par imitation en manipulation robotique lorsque les données réelles expertes sont rares, dans un article arXiv (2510.02538, version 2, republication d'une soumission précédente). Le constat de départ: les méthodes d'imitation purement offline souffrent d'une mauvaise couverture des données et se dégradent fortement en performance une fois déployées. La solution proposée est un framework sim-to-real construit autour de "world models" (modèles internes de la dynamique de l'environnement), qui combine un pré-entraînement par imitation en ligne dans un simulateur robotique avec un ajustement fin (finetuning) réalisé ensuite sur un nombre limité de données réelles. En exploitant les interactions en ligne dans le simulateur, cette approche comble en partie le manque de couverture des méthodes offline classiques. Les résultats chiffrés annoncés font état d'une amélioration du taux de succès d'au moins 31,7 % en transfert sim-to-sim et de 23,3 % en transfert sim-to-real, comparé aux meilleures méthodes d'imitation offline existantes. Ce travail cible directement le goulot d'étranglement qui freine aujourd'hui le déploiement des politiques de manipulation robotique en usine: la collecte de démonstrations réelles reste lente, coûteuse et limitée en diversité de situations couvertes. En montrant qu'une phase de pré-apprentissage en simulation, suivie d'un finetuning léger sur peu de données réelles, réduit la dégradation typique du passage sim-to-real, l'étude apporte une preuve empirique que ce fossé n'est pas encore résolu par la seule accumulation de données, mais peut être significativement réduit par le design de la boucle d'apprentissage elle-même. Pour les intégrateurs et décideurs robotique B2B qui misent sur des politiques de type VLA ou du behavior cloning à grande échelle, ce résultat suggère qu'investir dans l'architecture de simulation et de modélisation du monde peut être plus rentable que de multiplier les heures de téléopération réelle. Cette approche s'inscrit dans une lignée de recherche distincte du pur behavior cloning à la Pi-0 ou GR00T N2, en misant plutôt sur des représentations prédictives de la dynamique du monde pour accélérer l'apprentissage de politiques avant tout transfert vers le réel. Aucun acteur français ou européen n'apparaît dans ce travail, qui reste à ce stade une contribution académique validée en simulation et sur des transferts de banc d'essai, sans déploiement industriel annoncé. Le statut "replace" sur arXiv indique une révision après une première version, probablement en vue d'une soumission à une conférence de robotique.

RecherchePaper
1 source