RecherchearXiv cs.RO 14 juillet 2026

Reconnaissance sous-marine par estime avec planification de covariance déclenchée par la situation

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Sous-marin sans vision ni GPS, un robot doit compter uniquement sur ses capteurs internes (dead reckoning) pour connaître sa position, une méthode connue pour dériver rapidement en cas de virages ou de changements de vitesse. Des chercheurs présentent le Situation-Triggered Calibrated Adaptive Robust Extended Kalman Filter, testé sur un véhicule sous-marin BlueROV2. Le système utilise un détecteur probabiliste embarqué qui identifie en continu la situation de mouvement du véhicule (ligne droite, virage, transition), pendant qu'un unique filtre à erreur d'état tourne en permanence. Quand le détecteur est confiant dans son diagnostic, seules les matrices de bruit de processus et de mesure, pré-calibrées pour chaque situation, sont changées : l'estimation d'état, l'historique de covariance et les modèles de dynamique restent intacts, sans réinitialisation. Le détecteur, les profils de bruit et une correction ponctuelle d'alignement de cap du loch Doppler (DVL) ont été calibrés hors ligne lors d'essais en piscine supervisés par des marqueurs AprilTag épars, un jeu de validation séparé servant à figer la politique de bascule avant les tests finaux. Sur quatre parcours de piscine tenus en réserve pour l'évaluation, l'erreur de position (RMSE de translation, pondérée par étiquette) passe de 0,488 m à 0,471 m par rapport au même filtre équipé d'un profil de bruit global unique, chacun des quatre parcours favorisant la version adaptative. Un bootstrap apparié sur des segments de dix secondes confirme un écart de -0,017 m avec un intervalle de confiance à 95 % de [-0,024 ; -0,008] m, tandis que l'erreur d'orientation reste quasi inchangée.

Le gain est réel mais modeste, et les auteurs le présentent honnêtement comme tel plutôt que de le vendre comme une rupture : pas de nouvel estimateur, pas de changement d'architecture, juste un ajustement contextuel des paramètres de bruit d'un filtre existant. Pour l'industrie de la robotique sous-marine, où la navigation sans GPS ni vision reste un goulot d'étranglement critique pour les AUV et ROV opérant en eaux profondes ou en environnements confinés, cette approche a l'intérêt de rester compatible avec les architectures de filtrage déjà déployées : elle ne nécessite pas de remplacer l'estimateur, seulement de recalibrer ses paramètres selon des situations de mouvement détectées automatiquement. C'est un argument en faveur d'une adoption progressive plutôt que d'une refonte, un point qui compte pour les intégrateurs qui doivent certifier et maintenir des systèmes de navigation critiques.

Ce travail s'inscrit dans la lignée des filtres de Kalman étendus robustes et adaptatifs utilisés en navigation inertielle sous-marine depuis des années, où le compromis classique est entre un réglage unique et générique, simple mais sous-optimal dans les cas limites, et des architectures à commutation complète entre plusieurs estimateurs, plus précises mais plus complexes à valider et à certifier. En ne modifiant que les matrices de covariance sans toucher au cœur du filtre, les auteurs cherchent un entre-deux. La validation reste limitée à quatre parcours en bassin sur un seul véhicule, le BlueROV2, une plateforme d'essai courante mais loin des conditions d'un véritable déploiement en mer. Les prochaines étapes attendues seraient des essais en conditions océaniques réelles et une évaluation sur d'autres classes de véhicules sous-marins autonomes pour confirmer que le gain observé en piscine se maintient à plus grande échelle.

À lire aussi

1arXiv cs.RO

Recherche, ancrage, planification : suffisance fonctionnelle pour la planification tâche-mouvement avec connaissance incomplète de la scène

GRAB-TAMP est un framework de planification de tâches et de mouvements (TAMP) piloté par des foundation models, capable de traiter des instructions en langage naturel et des observations visuelles. Publié sur arXiv le 22 septembre 2026 sous la référence 2609.23113, avec un code disponible sur GitHub (dépôt Narendhiranv04/GRAB-TAMP), le système recherche dans la scène les entités nécessaires à la tâche, ancre chaque rôle fonctionnel requis à un objet physique valide via des contrôles sémantiques, géométriques et relationnels, puis ne déclenche la planification qu'une fois obtenue une affectation complète établissant ce que les auteurs nomment la "suffisance fonctionnelle". Testé sur 32 variantes de scènes réparties en trois domaines simulés, cuisine, salon et atelier, et sur 200 essais jugés faisables, le système atteint 54,0% de réussite de bout en bout et 67,3% de couverture des objectifs de plan, soit 25,7 points de pourcentage de mieux que la moyenne de trois autres frameworks TAMP concurrents testés dans les mêmes conditions d'exécution. L'enjeu visé est un angle mort connu des pipelines TAMP pilotés par foundation models: comprendre une instruction en langage ne garantit pas que la scène observée contienne réellement de quoi la réaliser, et la plupart des architectures existantes supposent à tort une connaissance complète de la scène, produisant des plans irréalisables dès que la perception est partielle, un cas fréquent hors laboratoire. En conditionnant la planification à cette vérification préalable, GRAB-TAMP réduit ce risque et améliore nettement le taux de réussite face à des baselines comparables. Un score de 54% en environnement simulé, même en net progrès, montre toutefois que le problème de la connaissance incomplète de la scène reste loin d'être résolu à l'échelle, un repère utile pour les intégrateurs qui évaluent des piles VLA ou des agents de planification fondés sur des LLM avant un déploiement réel plutôt qu'en démonstration contrôlée. GRAB-TAMP prolonge le TAMP classique, historiquement fondé sur une modélisation symbolique complète de l'environnement, vers des tâches spécifiées par le langage et la vision grâce aux foundation models. L'abstract ne précise ni l'affiliation des auteurs ni les noms des trois frameworks concurrents servant de référence, mais fixe une comparaison à conditions d'exécution identiques, ce qui rend les écarts de performance directement lisibles. Aucun déploiement sur robot physique n'est mentionné: les résultats proviennent uniquement de scènes simulées, sans partenariat industriel ni pilote annoncé à ce stade. La suite passe par la publication du code, ouvrant la voie à une réplication indépendante et à une extension éventuelle vers des scènes ou des robots réels.

RecherchePaper

1 source

2arXiv cs.RO

Reconnaissance sémantique des activités de plongeurs pour une collaboration sous-marine humain-robot efficace

Une équipe de chercheurs a publié sur arXiv (arXiv:2606.12374v1) DAR-Net, un framework basé sur des transformers conçu pour reconnaître automatiquement les activités de plongeurs en milieu sous-marin. Le système classifie six catégories d'activités distinctes à partir de séquences vidéo, en combinant un raisonnement temporel global avec une supervision sémantique au niveau pixel. Pour entraîner et évaluer ce modèle, les auteurs ont constitué le premier jeu de données dédié à cette tâche : l'Underwater Diver Activity (UDA) dataset, qui comprend plus de 2 600 images annotées avec des masques de segmentation pixel-level. Les expériences sont réalisées en environnement contrôlé, et DAR-Net surpasse les modèles de référence actuels sur ce benchmark maison. Aucun déploiement opérationnel n'est rapporté à ce stade. L'enjeu industriel est réel : les véhicules sous-marins autonomes (AUV) sont de plus en plus utilisés pour assister les plongeurs dans des opérations à risque élevé, de l'inspection d'infrastructures offshore à la maintenance de câbles sous-marins. Pour qu'un AUV soit un véritable coéquipier et non un simple observateur, il doit interpréter les gestes et postures d'un humain en temps réel, dans des conditions de faible visibilité et de bruit visuel important. L'approche multi-loss de DAR-Net, qui couple la reconnaissance d'activité globale à la compréhension locale des interactions humain-robot via des contraintes de segmentation sémantique, adresse précisément ce gap. C'est une piste prometteuse, mais les validations restent en bassin contrôlé, loin des conditions réelles d'une inspection sous-marine à 30 mètres de profondeur avec turbidité variable. La reconnaissance d'activité humaine sous-marine est un domaine de niche mais en croissance, porté par l'essor des AUV commerciaux de sociétés comme Saab (BlueZone), Kongsberg, ou l'Ifremer en France. L'absence historique de datasets annotés a freiné les approches deep learning dans ce secteur, là où la robotique terrestre bénéficie de corpus massifs. La contribution principale de ce travail est précisément cette ressource de données fondatrice. Les auteurs positionnent explicitement DAR-Net comme une première brique, destinée à servir de baseline pour des travaux futurs sur la collaboration humain-robot en milieu subaquatique. Des extensions vers des environnements non contrôlés et des AUV réels constitueront le vrai test de généralisation du modèle.

UELe dataset UDA et le framework DAR-Net constituent une ressource de référence pour les acteurs européens de l'inspection sous-marine autonome (Ifremer, Kongsberg, Saab BlueZone), mais la validation en conditions réelles reste à démontrer.

RecherchePaper

1 source

3arXiv cs.RO

Planification dans l'espace de croyance avec erreur d'estimation dépendant du planificateur sous observations intermittentes

Des chercheurs proposent, dans un preprint arXiv (2610.09207v1), une méthode de planification dans l'espace de croyance qui prédit, propage et pénalise l'erreur de l'estimateur conditionnée à l'information du planificateur, le long des trajectoires évaluées. Le modèle combine une dynamique d'erreur affine et une récursion sur les moments, conçue pour conserver l'incertitude induite par des corrections intermittentes et stochastiques. Les moments d'erreur prédits entrent dans un objectif de risque quadratique pondéré par la tâche. L'évaluation, uniquement en simulation, porte sur l'atterrissage d'un VTOL à rotors basculants sur le pont d'un navire, en horizon glissant. Conditionner sur l'information du planificateur réduit de 13,4 % la perte de prédiction d'erreur d'un EKF « aveugle aux commandes » par rapport à un modèle qui ignore le planificateur, avec des capacités de prévision très dépendantes du régime et de l'horizon. Sur 16 essais appariés en boucle fermée, la médiane de l'indicateur terminal de tâche passe de 1,60 à 0,99. Au-delà de 2 s, l'erreur d'estimation est prédite à un facteur 1,3 près, contre une sous-estimation d'un facteur 5,7 pour une planification fondée sur la seule covariance. Le point de départ est une hypothèse implicite des architectures modulaires : l'estimateur est supposé sans biais, à erreur de moyenne nulle. Or le planificateur peut connaître des variables que l'estimateur n'observe pas, par exemple ses propres commandes ou des informations sur la tâche. Même un estimateur optimal au sens des moindres carrés sous sa propre information a alors une erreur de moyenne non nulle conditionnellement à celle du planificateur. Quand les corrections arrivent par intermittence (mesures rejetées, occultations, liaisons perdues), l'écart entre erreurs moyennes acceptées et rejetées ajoute une incertitude que les modèles à moyenne nulle ignorent. Pour les intégrateurs qui combinent un estimateur du commerce et un planificateur maison, c'est un risque concret : la covariance rapportée peut paraître rassurante alors que l'erreur réelle, plus grande, n'est pas anticipée. La sous-estimation d'un facteur 5,7 en est l'illustration chiffrée. Il faut toutefois relativiser. Seuls 16 essais appariés ont été menés, le gain de 13,4 % reste modeste, et rien n'est validé sur matériel ni sous perturbations réelles de pont de navire (houle, sillage, turbulence). Ce travail s'inscrit dans la lignée de la planification dans l'espace de croyance, de la commande à horizon glissant avec contraintes probabilistes et de la planification sensible à l'incertitude. Ces approches prennent en général la covariance de l'estimateur comme donnée et supposent un biais nul. Il se rapproche aussi des recherches sur l'atterrissage autonome sur plateforme mobile, un cas d'usage courant en aviation navale et pour les drones de surveillance maritime, où l'estimation et la commande sont souvent conçues séparément. L'extension logique serait de dépasser la simulation, de tester d'autres estimateurs que l'EKF et de valider les régimes de fonctionnement sur des données réelles. Les auteurs ne mentionnent aucun pilote ni calendrier.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Planification robotique et gestion de situations par perception active

Des chercheurs présentent dans un preprint arXiv (réf. 2604.26988, mai 2026) un cadre logiciel baptisé VAP-TAMP, pour Vision-language model-based Active Perception for Task And Motion Planning, conçu pour doter les robots d'une capacité de détection et de gestion des situations imprévues en cours d'exécution de tâches. Le système cible des perturbations concrètes : une porte coincée, un objet tombé au sol, une modification de l'environnement due à une activité humaine. VAP-TAMP exploite une base de connaissances sur les actions du robot pour formuler dynamiquement des requêtes vers des modèles vision-langage (VLA/VLM), sélectionner activement des points de vue pertinents, puis évaluer la situation. En parallèle, il construit et interroge des graphes de scène pour assurer la planification intégrée des tâches et des mouvements. Le framework a été évalué sur des tâches de service en simulation et sur une plateforme réelle de manipulation mobile. L'enjeu est structurant pour toute démarche d'autonomie longue durée en robotique de service ou industrielle. L'un des verrous majeurs identifiés par les intégrateurs et les équipes R&D n'est pas la planification initiale, les planificateurs TAMP existants s'en sortent bien, mais la résilience à l'exécution : un robot qui échoue silencieusement ou se bloque face à un impondérable n'est pas déployable en production. VAP-TAMP propose une réponse architecturale à ce point de friction en couplant perception active (choix du meilleur angle de vue pour comprendre la situation) et raisonnement symbolique via graphes de scène, deux approches généralement traitées séparément. Si les résultats se confirment sur des scénarios plus variés, cela allège significativement la charge d'ingénierie pour les équipes qui construisent des pipelines de manipulation autonome. Le travail s'inscrit dans une dynamique de recherche intense autour de l'intégration VLM-TAMP, un champ qui a explosé depuis 2023 avec les travaux de Google DeepMind sur SayCan, de Physical Intelligence (Pi-0) et des équipes de Carnegie Mellon sur la planification par LLM. VAP-TAMP se positionne sur le maillon "récupération d'erreur" plutôt que sur la génération de plan initiale, ce qui le différencie d'approches comme Code-as-Policies ou Inner Monologue. Le preprint ne mentionne pas de partenariat industriel ni de calendrier de transfert technologique : il s'agit à ce stade d'une contribution académique, sans déploiement annoncé. Les prochaines étapes naturelles seraient une validation sur un spectre plus large de perturbations et une comparaison quantitative avec des baselines de récupération existantes.

RecherchePaper

1 source