Aller au contenu principal
Apprendre à lancer des objets en toute sécurité dans des environnements à obstacles multiplesIllustration générée par IA
RecherchearXiv cs.RO 

Apprendre à lancer des objets en toute sécurité dans des environnements à obstacles multiples

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
Voir la vidéo de cet article sur YouTube

Une équipe de recherche en robotique présente dans un article publié sur arXiv (2607.06388v1) une nouvelle méthode permettant à un bras robotique d'apprendre à lancer des objets dans un panier cible tout en évitant des obstacles disposés aléatoirement dans la scène. Baptisée PFR (representation par champ de potentiel), l'approche encode sur une grille de taille fixe à la fois l'attraction exercée par le panier et la répulsion générée par les obstacles, ce qui permet à des politiques d'apprentissage par renforcement de généraliser à un nombre et à des configurations d'obstacles quelconques, y compris jamais vus à l'entraînement. La politique est d'abord initialisée à partir de démonstrations kinesthésiques, puis optimisée en simulation à l'aide de trois algorithmes de référence, SAC, DDPG et TD3, SAC obtenant les résultats les plus stables. Sur robot réel, avec des objets à lancer inédits, le système atteint jusqu'à 90% de réussite dans des scènes encombrées, un transfert simulation-réel jugé robuste par les auteurs.

Ce résultat comble un angle mort des travaux précédents comme TossingBot, qui apprenaient à lancer des objets à partir d'entrées visuelles mais supposaient un espace de travail dégagé, une hypothèse rarement vérifiée en environnement industriel réel (entrepôt, ligne de tri, cellule partagée avec d'autres équipements). Pour les intégrateurs et les décideurs en logistique ou en manutention, la capacité à placer un objet hors de portée directe du bras tout en évitant des obstacles dynamiques ouvre la voie à des cellules de tri plus denses et moins contraintes en termes d'agencement, sans multiplier les capteurs de sécurité périmétrique. Le taux de succès élevé sur objets et configurations non vus en fait aussi un argument en faveur des représentations d'état compactes plutôt que des encodages explicites de chaque obstacle, plus coûteux à faire passer à l'échelle.

Le travail s'inscrit dans la lignée des recherches sur le lancer robotique initiées par TossingBot, en y ajoutant la dimension de l'évitement d'obstacles restée peu étudiée jusqu'ici. Les auteurs comparent explicitement leur représentation par champ de potentiel à des encodages d'état classiques pour démontrer son avantage en généralisation. Une vidéo de démonstration accompagne la publication, mais aucun calendrier de déploiement industriel ni partenariat commercial n'est mentionné à ce stade: il s'agit pour l'instant d'un résultat de recherche académique, pas d'un produit prêt à intégrer.

Dans nos dossiers

À lire aussi

Ancrer le raisonnement sur les risques entre objets dans des champs de risque 3D pour une sécurité adaptée à la tâche
Illustration générée par IA
1arXiv cs.RO 

Ancrer le raisonnement sur les risques entre objets dans des champs de risque 3D pour une sécurité adaptée à la tâche

Une équipe de chercheurs publie sur arXiv (référence 2611.17566v1) un cadre logiciel qui utilise des modèles vision-langage (VLM) pour déduire des contraintes de sécurité dépendantes de la tâche et de la scène, pour la manipulation robotique. Le système reçoit une observation RGB-D et une instruction en langage naturel. Un outil de sécurité structuré, fourni au VLM, tranche d'abord une question binaire : la tâche doit-elle être rejetée parce que son exécution pourrait produire un résultat dangereux et non récupérable ? Si elle est acceptée, le modèle identifie les paires d'objets à risque évitables et précise les relations spatiales à proscrire. Une segmentation en vocabulaire ouvert et les données de profondeur ancrent ensuite ces objets en 3D et construisent des champs de risque continus, qui matérialisent les zones dangereuses. Ces champs alimentent un module d'évitement d'obstacles qui corrige en temps réel les trajectoires nominales du robot. L'évaluation couvre trois catégories de scénarios : dangers évitables, tâches à rejeter et variantes sûres, en simulation comme sur robot réel. Le résumé ne donne ni taux de réussite, ni plateforme robotique, ni temps de latence, et un site de projet accompagne la publication. L'intérêt pour l'industrie tient au déplacement de la notion de sécurité. Les approches dominantes en manipulation traitent surtout la géométrie, c'est-à-dire éviter les collisions et respecter des distances minimales, alors que de nombreux accidents domestiques et industriels relèvent de la sémantique : un liquide au-dessus d'un appareil électrique, un objet tranchant près d'une personne, une flamme à proximité d'un matériau inflammable. En transformant ce raisonnement en champs de risque continus branchés sur un évitement d'obstacles classique, les auteurs proposent une passerelle entre le raisonnement des VLM et les contrôleurs réactifs déjà présents sur les robots, sans réentraîner les politiques de manipulation. Pour les intégrateurs, c'est une piste pour ajouter une couche de sécurité sémantique à des politiques VLA existantes. Il faut toutefois rester prudent : il s'agit d'un travail académique, non d'un produit, et l'approche hérite des limites des VLM (hallucinations, sensibilité à la formulation, latence d'inférence). Elle n'a aucune valeur de certification au regard des normes de sécurité fonctionnelle (ISO 10218, ISO/TS 15066), qui exigent des garanties déterministes qu'un modèle probabiliste ne fournit pas seul. Ce travail s'inscrit dans une série de recherches qui utilisent les modèles de fondation comme couche de raisonnement au-dessus du contrôle bas niveau, dans la lignée des cartes de valeur 3D de type VoxPoser ou des approches de contraintes générées par langage, qui cherchaient surtout à accomplir la tâche plutôt qu'à la restreindre. Ici, le VLM sert explicitement à refuser ou à borner l'action, un enjeu croissant à mesure que les humanoïdes et manipulateurs généralistes de Figure, Tesla, Physical Intelligence ou NVIDIA se rapprochent d'environnements partagés avec des humains. La suite logique serait une validation sur des tâches plus variées, des mesures de robustesse face à des erreurs de perception, et une évaluation de la latence en boucle fermée. Aucun calendrier de déploiement ni partenaire industriel n'est mentionné à ce stade.

RecherchePaper
1 source
Naviguer ou déplacer l'obstacle : planification parmi des obstacles mobiles en environnements inconnus
Illustration générée par IA
2arXiv cs.RO 

Naviguer ou déplacer l'obstacle : planification parmi des obstacles mobiles en environnements inconnus

Une équipe de chercheurs propose un nouveau cadre de planification pour le problème dit de « Navigation Among Movable Obstacles » (NAMO), décrit dans un article déposé sur arXiv le 19 septembre 2026 (arXiv:2609.19541v1). Le problème traité est le suivant : lorsque tous les chemins vers un objectif sont bloqués, un robot mobile doit décider quels objets déplacer, dans quel ordre, et où les positionner pour dégager un passage. Contrairement aux planificateurs NAMO classiques, qui supposent une carte de l'environnement connue à l'avance, ce travail cible le cas d'un environnement inconnu, découvert progressivement par les capteurs embarqués du robot. Le système choisit en ligne entre naviguer ou relocaliser un objet, en comparant des plus courts chemins calculés en traitant chaque objet mobile détecté soit comme un obstacle fixe, soit comme un élément amovible. Pour la relocalisation, l'approche recherche, à la différence des méthodes existantes limitées à un raisonnement local, des séquences de déplacements interdépendantes, et s'appuie sur un grand modèle de langage (LLM) pour biaiser l'échantillonnage des solutions candidates. Les auteurs rapportent, en simulation numérique, un passage à l'échelle sur des environnements encombrés nécessitant des relocalisations en chaîne, avec une meilleure qualité de plan que les méthodes de référence existantes. Ce travail s'attaque à un angle mort connu de la robotique mobile autonome : la plupart des systèmes déployés aujourd'hui évitent le problème en supposant un couloir dégagé ou s'arrêtent simplement face à un obstacle, ce qui limite leur autonomie hors des entrepôts optimisés. En traitant explicitement l'ambiguïté entre chemin praticable dans l'espace inexploré et blocage réel nécessitant une relocalisation, l'approche se rapproche des conditions réelles de déploiement en environnement humain non structuré (hôpital, domicile, espace de service), plutôt que du cas contrôlé de l'entrepôt cartographié. Le recours à un LLM comme simple biais d'échantillonnage plutôt que comme contrôleur direct illustre une tendance plus large à intégrer les modèles de langage en appoint de pipelines de planification géométrique classiques, sans sacrifier leurs garanties de sécurité. Pour les intégrateurs, il s'agit toutefois d'une contribution académique validée uniquement en simulation, sans démonstration sur robot physique à ce stade. Le NAMO est étudié depuis plusieurs décennies comme extension du problème classique de planification de chemin sans collision, mais les approches se divisent généralement entre celles qui exigent une carte complète préétablie et des méthodes plus récentes pour environnements inconnus, restées cantonnées à des décisions locales et incapables de planifier des séquences de déplacements dépendantes entre elles. C'est cette lacune que comble le framework présenté, en combinant recherche par échantillonnage et guidage par LLM. L'article ne mentionne ni plateforme robotique spécifique, ni partenaire industriel, ni calendrier d'essais sur matériel réel : il s'agit d'un pré-print académique, et non d'une annonce produit. Une validation sur robot physique et une comparaison directe avec les planificateurs déployés en logistique restent les étapes attendues pour confirmer l'intérêt pratique de l'approche.

RecherchePaper
1 source
Évitement d'obstacles par des drones : recherche de chemin par apprentissage par renforcement multi-agent en environnement stochastique
Illustration générée par IA
3arXiv cs.RO 

Évitement d'obstacles par des drones : recherche de chemin par apprentissage par renforcement multi-agent en environnement stochastique

Des chercheurs proposent, dans une version révisée (v3) d'un preprint arXiv, une méthode d'apprentissage par renforcement multi-agents (MARL) pour la navigation de drones (UAV) évitant les obstacles dans un environnement stochastique. L'approche repose sur un schéma d'entraînement centralisé et d'exécution décentralisée. Chaque agent ne communique qu'avec un planificateur central, mais prend ses décisions de manière autonome et en ligne. Comme la liaison avec ce planificateur est limitée, chaque agent enrichit son observation locale avec des informations sur ses voisins, pondérées par la distance selon une approche de champ moyen (mean field). Les auteurs s'appuient aussi sur la commande prédictive (MPC) : ils reprennent son principe d'optimisation à horizon glissant pour faire converger la valeur sur plusieurs pas de temps. L'article annonce des résultats probants en comparaison, en ablation et sur robot réel, mais le résumé ne donne aucun chiffre, ni taux de succès, ni nombre de drones, ni temps de calcul. Il ne précise pas non plus le type de plateforme utilisée. L'enjeu est la tension bien connue entre planification classique et apprentissage. Les planificateurs traditionnels doivent recalculer leurs trajectoires à chaque évolution de l'environnement. Ce coût devient lourd quand les agents sont décentralisés et sans coordinateur global, ce qui est typique des essaims de drones ou des flottes mobiles en entrepôt. À l'inverse, le MARL généralise mieux d'un environnement à l'autre, mais exige un très grand nombre d'interactions pendant l'entraînement, ce qui freine son passage en pratique. La convergence de valeur sur plusieurs pas vise précisément ce goulot d'étranglement. Si le gain d'efficacité d'échantillonnage se confirme, il réduirait le coût d'entraînement, aujourd'hui souvent le principal obstacle pour un intégrateur. La validation sur robot réel est un bon signe, mais sans description du protocole, de la densité d'obstacles ou du nombre d'agents, on ne peut pas mesurer l'écart entre simulation et réalité. À ce stade, il s'agit d'un résultat académique, pas d'un produit ni d'un déploiement. Ce travail s'inscrit dans la lignée des méthodes CTDE (entraînement centralisé, exécution décentralisée) et des approches de champ moyen, devenues courantes pour passer à l'échelle en coordination multi-agents. Le recours au MPC rappelle les hybrides qui combinent commande prédictive et apprentissage pour gagner en stabilité et en efficacité. L'article fait face à de nombreux concurrents : planificateurs de chemins multi-agents (MAPF) sur grille, méthodes d'évitement réactif comme ORCA, et autres variantes de MARL. Le résumé ne cite aucune comparaison nommée. Le fait qu'il s'agisse d'une troisième version indique que le manuscrit a été retravaillé, probablement après relecture. La suite logique serait de tester l'approche avec davantage d'agents, sur des plateformes variées et en conditions de communication dégradée. Il faudra attendre le texte complet et le code éventuel pour juger de la portée réelle de ces résultats.

RecherchePaper
1 source
Adaptation des compétences avec prise en compte de la sécurité pour l'apprentissage par renforcement en environnements dynamiques
Illustration générée par IA
4arXiv cs.RO 

Adaptation des compétences avec prise en compte de la sécurité pour l'apprentissage par renforcement en environnements dynamiques

Une équipe de chercheurs présente Dist-GPRL, un framework d'apprentissage par renforcement guidé par la sécurité pour l'adaptation de compétences robotiques, dans une prépublication arXiv (2609.11433v1). Construit sur une paramétrisation de trajectoires par processus gaussiens (GP), le système adapte séquentiellement des fenêtres locales de points de passage plutôt que la trajectoire complète à chaque étape, la covariance du GP assurant des mises à jour cohérentes dans le temps et réduisant les difficultés d'attribution de crédit propres à l'adaptation globale. La sécurité combine un a priori de sous-espace faisable dérivé du planificateur Hausdorff Approximation Planner (HAP) et des récompenses fondées sur un champ de distance aux obstacles mis à jour dynamiquement, complétées par un régularisateur qui préserve les profils de vitesse et d'accélération démontrés. Testé sur deux tâches de manipulation d'objets dynamiques, d'abord en simulation puis transféré à l'exécution réelle sur robot, Dist-GPRL affiche un taux de réussite plus élevé, moins de collisions et un apprentissage plus stable que les méthodes de référence. L'enjeu dépasse la démonstration académique. La plupart des cadres RL d'adaptation de compétences imposent des observations fixes ou des schedules d'exploration rigides pour rester stables, ce qui les rend inadaptés dès qu'un environnement encombré ou des objets mobiles entrent en jeu, un scénario courant en manipulation industrielle. En intégrant la sécurité directement dans la boucle d'exploration plutôt qu'en garde-fou externe, ce travail s'attaque à un point de friction réel pour les intégrateurs qui veulent déployer des politiques apprises près d'obstacles ou d'opérateurs. Le transfert simulation vers réel réussi, même circonscrit à deux tâches, reste un indice utile mais ne vaut pas preuve de robustesse à grande échelle. La méthode s'inscrit dans la lignée des approches de paramétrisation de compétences par processus gaussiens, réputées compactes mais fragiles face aux changements d'environnement, défaut que Dist-GPRL cherche à corriger en s'appuyant sur le planificateur HAP pour la garantie géométrique de sécurité. Elle se distingue ainsi des architectures VLA de bout en bout type Pi-0 ou GR00T N2, en combinant planification classique et apprentissage par renforcement plutôt qu'un modèle unique bout à bout. La publication ne mentionne ni partenaire industriel, ni robot commercial, ni calendrier de déploiement: il s'agit à ce stade d'une contribution de recherche validée en simulation et sur un banc réel limité, sans pilote industriel annoncé.

RecherchePaper
1 source