Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Marche accompagnée de fils par des spécifications logiques temporelles
RecherchearXiv cs.RO 

Marche accompagnée de fils par des spécifications logiques temporelles

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

Une équipe de recherche propose une nouvelle méthode d'apprentissage par renforcement (RL) pour la locomotion de robots quadrupèdes, publiée sur arXiv début juillet 2026. Plutôt que d'utiliser les fonctions de récompense figées et codées à la main habituellement employées en RL, les chercheurs s'appuient sur la logique temporelle de signal (Signal Temporal Logic, STL) pour spécifier formellement les démarches souhaitées : contraintes de sécurité, synchronisation des allures, suivi de commandes de vitesse et limites d'actionnement. Ces spécifications STL sont ensuite converties en récompenses denses et continues grâce à des approximations lisses de la "robustesse" STL, compatibles avec l'algorithme d'entraînement PPO (Proximal Policy Optimization). Trois régimes de vitesse sont modélisés, marche-trot, trot et bond, avec des paramètres calibrés à partir de trajectoires de référence. L'approche est testée sur le robot quadrupède Barkour de Google, mais uniquement en simulation, dans l'environnement MuJoCo XLA (MJX), en parallélisant les runs pour accélérer l'entraînement et en ajoutant de la randomisation de domaine pour robustifier les politiques apprises.

L'intérêt principal réside dans l'interprétabilité et le contrôle explicite du comportement de marche, deux angles morts classiques du RL appliqué à la locomotion, où les récompenses ad hoc produisent des politiques efficaces mais opaques et difficiles à ajuster finement. Les auteurs affirment obtenir un suivi de vitesse plus précis et un entraînement plus stable que la référence à récompenses artisanales. Pour les équipes qui développent des quadrupèdes commerciaux, ce type de méthode pourrait faciliter la certification et le réglage de comportements de marche sûrs et prévisibles, un enjeu clé face à des acteurs comme Boston Dynamics (Spot) ou Unitree. Il faut toutefois noter que ces résultats restent circonscrits à la simulation : aucun transfert sur robot physique n'est mentionné dans l'article, ce qui laisse ouverte la question classique du fossé simulation-réel.

Ces travaux s'inscrivent dans une tendance plus large de formalisation des spécifications comportementales en robotique, où la logique temporelle est de plus en plus utilisée pour combler le manque de garanties formelles du RL pur. Le choix du Barkour de Google comme plateforme de test, déjà utilisé par Google DeepMind dans ses propres publications sur l'agilité robotique, ancre ce travail dans l'écosystème de recherche existant sur ce robot. Les auteurs mettent à disposition des vidéos de démonstration sur un site dédié au projet, mais sans calendrier annoncé pour une validation sur matériel réel ni collaboration industrielle explicite à ce stade.

Dans nos dossiers

Boston DynamicsUnitreearXiv cs.RO

À lire aussi

STeP : logique temporelle de signaux pour des spécifications précises de génération d'actions avec des modèles vision-langage
1arXiv cs.RO 

STeP : logique temporelle de signaux pour des spécifications précises de génération d'actions avec des modèles vision-langage

Des chercheurs proposent STeP, un cadre hiérarchique qui relie les modèles vision-langage-action (VLA) à la logique temporelle de signaux (Signal Temporal Logic, STL), un formalisme mathématique servant à spécifier des contraintes spatiales, temporelles et logiques de façon précise et vérifiable. Concrètement, une politique de haut niveau s'appuie sur un modèle vision-langage pour décomposer une instruction en langage naturel en sous-tâches, générer pour chacune une spécification STL, puis choisir la politique de bas niveau adaptée à son exécution : soit un contrôle prédictif par modèle (MPC) guidé directement par les contraintes STL, soit une politique apprise dont l'exécution est surveillée en continu via ces mêmes contraintes, pour les comportements perceptuellement complexes ou impliquant des contacts physiques. Le système a été évalué sur un banc de manipulation de table en conditions réelles, avec replanification possible si une contrainte est violée en cours d'exécution. Il s'agit d'un article de recherche (arXiv, catégorie "new"), pas d'un produit commercialisé. L'enjeu dépasse la simple démonstration technique. Les modèles VLA génèrent des trajectoires impressionnantes en généralisation mais restent largement des boîtes noires, incapables de garantir qu'une instruction précise, du type "posez l'objet dans les 5 secondes sans dépasser telle zone", sera réellement respectée. Pour des intégrateurs industriels, cette absence de vérifiabilité formelle est un frein direct à l'adoption en environnement contraint, là où une simple démo vidéo ne suffit pas. En réintroduisant des méthodes formelles héritées du contrôle et de la vérification de systèmes cyber-physiques, ce travail illustre une tentative de combler l'écart entre le battage médiatique autour des VLA et des garanties d'exécution exploitables en production. Ce projet s'inscrit dans la lignée des modèles VLA récents (Pi-0, GR00T N2, Helix, RT-2 et dérivés) qui ont démontré la faisabilité de politiques génératives multi-tâches, mais sans mécanisme natif d'interprétabilité ni de contrôle formel. STeP se positionne comme une couche intermédiaire plutôt qu'un modèle concurrent. À ce stade, seule une validation en laboratoire sur tâches de table a été menée, aucun pilote industriel ni déploiement à plus grande échelle n'a été annoncé.

RecherchePaper
1 source
Planification de trajectoire par retour d'état pour systèmes non linéaires stochastiques avec spécifications en logique temporelle de signal
2arXiv cs.RO 

Planification de trajectoire par retour d'état pour systèmes non linéaires stochastiques avec spécifications en logique temporelle de signal

Une équipe de chercheurs a déposé en mai 2026 sur arXiv (réf. 2605.02361) un cadre de planification de mouvement par retour d'état pour systèmes non linéaires stochastiques en temps continu, soumis à des spécifications formelles en Signal Temporal Logic (STL). La STL est un formalisme mathématique qui exprime des exigences comportementales temporelles précises - du type "éviter une zone pendant 3 secondes, puis atteindre la cible dans un rayon donné". L'objectif affiché est de garantir le respect de ces spécifications avec une probabilité de 99,99 % en boucle fermée. La méthode repose sur une stratégie dite d'"érosion de prédicats" : le problème stochastique, mathématiquement intractable, est transformé en optimisation déterministe avec des contraintes STL resserrées, dont l'amplitude est calibrée par un tube atteignable probabiliste (PRT, Probabilistic Reachable Tube) borné via la théorie de la contraction. Le pipeline complet a été validé en simulation sur plusieurs architectures robotiques, puis expérimentalement sur un robot quadrupède réel - dont la marque n'est pas précisée dans la prépublication, limite courante des dépôts arXiv. Les auteurs rapportent des résultats supérieurs aux approches de référence en termes de conservatisme réduit et de taux de satisfaction des spécifications. Ce travail s'attaque à un verrou bien identifié en robotique formelle : la plupart des méthodes STL existantes supposent soit un système déterministe, soit un modèle linéaire, rendant les garanties probabilistes sur systèmes non linéaires bruités difficiles à obtenir sans explosion combinatoire. En reformulant le problème stochastique en optimisation déterministe compatible avec des solveurs numériques standards, l'approche ouvre une voie d'intégration industrielle sans exiger de matériel de calcul spécialisé. La validation sur quadrupède physique est un signal positif dans un domaine où le sim-to-real gap reste la principale objection aux méthodes formelles. Pour les intégrateurs et décideurs, une garantie probabiliste quantifiée et potentiellement auditable représente un argument concret dans des contextes de certification robotique - à condition que les résultats expérimentaux détaillés confirment la tenue des 99,99 % sur des scénarios variés, ce que le seul résumé ne permet pas de vérifier. Ces travaux s'inscrivent dans un courant actif combinant planification temporelle et contrôle robuste, aux côtés des Control Barrier Functions (CBF) et des approches MPC-STL (Model Predictive Control avec spécifications temporelles). La théorie de la contraction mobilisée ici, développée notamment par Jean-Jacques Slotine au MIT et remise en avant ces dernières années dans la vérification formelle robotique, constitue l'un des apports méthodologiques distincts de l'article. Aucun acteur européen n'est impliqué dans ces travaux. Les extensions naturelles incluent des spécifications STL imbriquées ou multi-agents, des environnements dynamiques, et une comparaison étendue avec des architectures d'apprentissage par renforcement - domaine concurrent qui adresse des problèmes similaires avec des garanties formelles généralement plus faibles.

RecherchePaper
1 source
Robot humanoïde : synthèse d'arbres de comportement corrects par construction à partir de spécifications en logique temporelle de signaux
3arXiv cs.RO 

Robot humanoïde : synthèse d'arbres de comportement corrects par construction à partir de spécifications en logique temporelle de signaux

Une équipe de recherche publie sur arXiv (2607.18731v1) une méthode de synthèse "correct-by-construction" d'arbres de comportement (Behavior Trees, BT) à partir de spécifications en logique temporelle de signal (Signal Temporal Logic, STL). L'approche modélise l'espace de travail du robot comme un système de transition temporisé, abstrait ensuite en graphe de zones. Un espace d'état augmenté suit simultanément la progression logique de la mission et les contraintes temporelles associées. Un algorithme de point fixe hiérarchique calcule les ensembles gagnants pour un fragment STL couvrant cinq classes de propriétés : sécurité, atteignabilité, réponse, récurrence et persistance, produisant des sous-arbres de comportement associés à une fonction de contrainte d'exécution. Les auteurs démontrent formellement les garanties de correction et établissent des bornes de complexité. Des simulations valident la satisfaction des spécifications avec une robustesse strictement positive, et une expérience physique sur un quadrirotor teste six spécifications STL distinctes. L'intérêt pratique tient à ce que les Behavior Trees, très employés en robotique pour leur modularité et leur réactivité, manquaient jusqu'ici de garanties formelles solides quand elles incluent des contraintes de timing. Les méthodes existantes de synthèse correcte par construction s'appuyaient sur la logique temporelle linéaire (LTL), incapable d'exprimer des exigences quantitatives comme des délais ou des fenêtres temporelles précises. En comblant ce manque, les travaux ouvrent la voie à des missions robotiques vérifiables où le respect de deadlines n'est plus seulement testé empiriquement mais prouvé mathématiquement, un enjeu direct pour les intégrateurs déployant des robots dans des contextes où l'échec temporel a des conséquences opérationnelles ou de sécurité. Les Behavior Trees, issus initialement de l'IA de jeu vidéo, se sont imposés en robotique comme alternative aux machines à états finis pour le contrôle de tâches complexes. Les travaux antérieurs de synthèse formelle s'appuyaient majoritairement sur LTL, sans traiter la dimension temporelle quantitative propre aux systèmes cyber-physiques critiques. Aucun acteur industriel n'est mentionné : il s'agit d'une contribution académique, dont la validation reste limitée à un démonstrateur quadrirotor, laissant ouvertes les questions de passage à l'échelle vers des missions multi-robots ou des environnements plus complexes.

RecherchePaper
1 source
Video2STL : ancrer des spécifications temporelles générées par un VLM pour l'apprentissage des robots
4arXiv cs.RO 

Video2STL : ancrer des spécifications temporelles générées par un VLM pour l'apprentissage des robots

Video2STL est un cadre logiciel qui convertit des vidéos sans annotation d'actions en spécifications paramétriques de logique temporelle de signaux (Signal Temporal Logic, STL), puis s'en sert pour entraîner des robots. Un modèle vision-langage (VLM) en extrait une trace d'événements sémantiques indépendante de l'embodiment et construit une banque de spécifications symboliques. Le modèle fixe la structure de la tâche, tandis que les seuils numériques des prédicats et les bornes temporelles sont calibrés à partir de trajectoires robotiques réussies. Pour l'apprentissage, les auteurs séparent deux échelles de temps. Des spécifications à court horizon fournissent des récompenses denses via la robustesse quantitative sur fenêtre glissante. Un moniteur causal appliqué à une spécification à long horizon verse une récompense de progression unique pour chaque préfixe temporel valide. Sur quatre tâches de manipulation, Video2STL atteint 85,8 % de succès « au moins une fois » et 67,0 % de succès en fin d'épisode. Le PPO dense natif obtient 81,5 % et 59,5 %, et Text2Reward 65,0 % et 42,3 %. En locomotion quadrupède, les politiques générées avec Qwen-3.8 et GPT-5.6 atteignent 100 % de succès de 0,3 à 2,1 m/s, avec une efficacité énergétique restée compétitive à haute vitesse. Le point notable tient à la lisibilité de la récompense. Les méthodes actuelles transforment les images en scores de similarité ou de valeur scalaires, ou demandent à un modèle de fondation d'écrire directement du code de récompense. Dans les deux cas, la structure temporelle de la tâche reste difficile à inspecter, à ancrer dans le monde physique et à réutiliser. Une spécification STL se lit, se vérifie et se modifie, ce qui compte pour un intégrateur qui doit justifier le comportement d'une politique auprès d'un client. Le transfert entre morphologies, de vidéos humaines ou animales vers un robot, est aussi un argument pour réduire le coût de collecte de démonstrations dédiées. Les résultats appellent toutefois des réserves : l'écart avec le PPO natif est modeste (environ 4 points en succès unique), l'avantage sur Text2Reward est plus net, et l'évaluation porte seulement sur quatre tâches et un banc de locomotion, sans déploiement réel annoncé. Le seuil de succès en fin d'épisode, à 67 %, reste loin d'un niveau industriel. Ce travail s'inscrit dans la lignée des méthodes de récompense générées par LLM (Text2Reward, Eureka) et de l'apprentissage à partir de vidéos, qui butent sur la définition de ce qu'il faut transférer. La logique temporelle est déjà employée en robotique pour la vérification et la planification, mais rarement comme pont entre perception par VLM et apprentissage par renforcement. Il s'agit d'un preprint arXiv, accompagné d'une page projet, sans produit ni calendrier de commercialisation. Les prochaines étapes probables sont la validation sur robot physique, l'extension à des tâches plus longues et à des VLA (vision-language-action models) pour comparaison, et l'évaluation de la robustesse face à des spécifications erronées produites par le VLM.

RecherchePaper
1 source