RecherchearXiv cs.RO 14 juillet 2026

PUMA : un modèle de terrain à base de perception pour l'agilité augmentée du parkour quadrupède

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Le PUMA (Perception-driven Unified Foothold Prior for Mobility Augmented Parkour) est un nouveau cadre d'apprentissage de bout en bout destine aux robots quadrupèdes pratiquant le parkour, décrit dans une version révisée d'un article arXiv (2601.15995v2). Contrairement aux approches classiques qui séparent perception et contrôle via des contrôleurs hiérarchiques suivant des appuis precalcules, PUMA fusionne perception visuelle et estimation des appuis au sein d'un seul processus d'entrainement. Le système exploite les caractéristiques du terrain pour estimer des "priors" de pose du pied en coordonnées polaires égocentriques, c'est a dire la distance relative et le cap par rapport a l'obstacle, ce qui guide en temps réel l'adaptation posturale du robot. Les auteurs rapportent des expériences menées a la fois en simulation et sur robot réel, sur une variété de terrains discrets et complexes (marches, gaps, obstacles disperses), avec des résultats d'agilité et de robustesse supérieurs aux méthodes de référence dans ces scenarios difficiles.

L'enjeu pour l'industrie robotique tient a la limite structurelle des pipelines hiérarchiques encore dominants sur les quadrupèdes commerciaux: un module de perception estime la carte du terrain, un planificateur choisit des points d'appui, puis un contrôleur bas niveau exécuté la trajectoire. Cette chaine rigidifie la réactivité du robot face a des changements de terrain imprévus et brise le lien direct entre ce que le robot voit et ce qu'il fait, ce qui restreint aussi la capacité de l'apprentissage par renforcement a explorer des stratégies motrices originales. En fusionnant perception et priors d'appui dans un entrainement unique, PUMA s'inscrit dans une tendance plus large vers des politiques visuomotrices intégrées, déjà explorées pour la manipulation avec les architectures VLA, et applique cette logique a la locomotion agile. Si les résultats se confirment hors du cadre de publication, cela renforcerait l'hypothèse que l'apprentissage end-to-end peut remplacer des pipelines modulaires plus lourds a maintenir pour les intégrateurs.

Le parkour quadrupède s'est impose ces dernières années comme un benchmark standard pour évaluer l'agilité des robots a pattes, dans la lignée de travaux comme Extreme Parkour ou les démonstrations sur plateformes de type ANYmal et Unitree Go. PUMA se positionne dans cette compétition académique en ciblant spécifiquement le problème du foothold sélection, souvent traite séparément de la politique de locomotion. L'article reste a ce stade une contribution de recherche publiée sur arXiv, sans plateforme matérielle commerciale nommée ni annonce de déploiement industriel; les prochaines étapes attendues seraient une validation sur des quadrupèdes du commerce et une comparaison plus directe avec les pipelines hiérarchiques encore utilises en production.

Dans nos dossiers

Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

MulDP : politique de diffusion multimodale pour la navigation parkour autonome d'un quadrupède en terrains complexes

Des chercheurs ont présenté MulDP (Multimodal Diffusion Policy), décrit dans un article publié en septembre 2026 sur arXiv (arXiv:2609.03984), pour rendre autonome la navigation parkour des robots quadrupèdes. Jusqu'ici, la plupart des systèmes de ce type, même capables de franchir des obstacles complexes, dépendent encore d'un opérateur humain pour la planification de haut niveau. MulDP fusionne perception visuelle, proprioception et information d'objectif pour générer des commandes de vitesse cohérentes et anticipatrices, couplant étroitement perception et contrôle. Les auteurs ont aussi constitué le premier jeu de données dédié à cette tâche, le Quadruped Parkour Navigation Dataset (QPND), couvrant des comportements de navigation variés sur des terrains complexes, et démontrent en simulation comme sur robot réel une navigation autonome robuste sur de longs horizons. Ce résultat vise un goulot d'étranglement connu du secteur : les démonstrations spectaculaires de parkour quadrupède restent souvent scriptées ou pilotées à distance pour la décision de trajectoire, même quand la locomotion bas niveau est déjà autonome. En confiant cette décision à un modèle de diffusion multimodal plutôt qu'à un contrôleur réactif classique, les auteurs cherchent à combler l'écart entre agilité motrice et autonomie cognitive, un enjeu concret pour les intégrateurs voulant déployer des quadrupèdes en inspection ou intervention sur sites accidentés sans supervision humaine constante. La publication du dataset QPND compte potentiellement autant que le modèle lui-même : faute de données standardisées, chaque équipe devait jusqu'ici constituer ses propres scénarios de test, ce qui limitait la comparabilité des résultats entre laboratoires. Le travail s'inscrit dans une lignée de recherches portée par des plateformes comme Spot de Boston Dynamics, ANYmal d'ANYbotics ou les séries Go2 et B2 de Unitree, qui ont démontré des capacités de franchissement d'obstacles impressionnantes mais rarement autonomes de bout en bout. MulDP se positionne face aux approches de contrôle par apprentissage par renforcement pur, en misant sur les modèles de diffusion déjà popularisés en manipulation robotique par des politiques comme Diffusion Policy ou des architectures vision-langage-action telles que Pi-0 et GR00T N2. À ce stade, il s'agit d'une contribution de recherche validée en simulation et sur banc d'essai réel, sans déploiement industriel ni partenariat commercial annoncé, mais QPND ouvre la voie à des comparaisons futures pour d'autres équipes académiques ou industrielles travaillant sur l'autonomie des robots à pattes.

RecherchePaper

1 source

2arXiv cs.RO

Agilité spatiotemporelle : apprentissage par renforcement contraint dans le temps pour l'interception quadrupède dynamique guidée par vision

Une équipe de recherche a publie début aout 2026 sur arXiv, sous la référence 2608.06907, un système de capture de balle pour robot quadrupède, pense comme benchmark d'agilité spatiotemporelle. Le dispositif associe un module de vision multi-camera, qui prédit point d'atterrissage et temps de vol de la balle, a une politique de locomotion par renforcement conditionnée directement par la position et le temps cibles, plutôt que par des commandes de vitesse. Teste en boucle fermée, ce système bat une politique de référence a suivi de vitesse, avec un taux de réussite supérieur pour des balles atterrissant a moins de 2 mètres et un temps de vol de 0,8 a 1,2 seconde, et un écart simulation-réel réduit. Ce travail s'attaque a une limite connue de la locomotion quadrupède actuelle : piloter par commandes de vitesse rend difficile l'atteinte précise d'une cible dans une fenêtre temporelle stricte. En prédisant explicitement la position et l'instant futurs de la cible plutôt qu'en réagissant en temps réel, la méthode compense la latence des capteurs et du traitement d'image, un enjeu central pour toute interaction robotique dynamique comme attraper un objet en chute ou éviter un obstacle mobile. Pour les concepteurs de contrôleurs, le résultat suggère qu'un conditionnement direct par position et temps peut surpasser les commandes de vitesse intermédiaires, mais reste un résultat de laboratoire, sans partenaire industriel ni calendrier de commercialisation annonces. Le travail s'inscrit dans un mouvement plus large de la recherche en robotique quadrupède, qui cherche a dépasser la marche stable pour aller vers des interactions dynamiques et précises, un axe peu couvert par les politiques de contrôle actuelles, optimisées surtout pour la robustesse du déplacement. L'article revendique une double contribution, algorithmique avec la politique conditionnée par cible spatiotemporelle, et système avec l'intégration bout en bout de la perception, de la prédiction de trajectoire et du contrôle sim-to-real, sans qu'aucune entreprise ni institution ne soit nommée, signe d'un travail encore académique. Les suites logiques évoquées porteraient sur l'extension du benchmark a des cibles plus variées et rapides, ainsi que sur une réduction de la latence globale avant tout passage a l'échelle hors du cadre expérimental teste.

RecherchePaper

1 source

3arXiv cs.RO

PGTT : navigation de terrain guidée par phase pour la locomotion perceptive à pattes

Des chercheurs proposent PGTT (Phase-Guided Terrain Traversal), une méthode d'apprentissage par renforcement profond pour la locomotion perceptive de robots à pattes, décrite dans une version révisée publiée sur arXiv (2510.18348v2). Le système encode la phase de chaque patte via une spline cubique d'Hermite, adapte la hauteur de balancement des jambes aux statistiques locales de la carte de hauteur perçue, et ajoute une pénalité de contact pendant la phase de balancement, tout en laissant la politique agir directement dans l'espace articulaire pour rester indépendante de la morphologie du robot. Entraîné dans le simulateur MuJoCo (variante MJX) sur des terrains d'escaliers générés procéduralement, avec apprentissage par curriculum et randomisation de domaine, PGTT obtient le meilleur taux de succès parmi les méthodes comparées face à des perturbations par poussée (+7,5% médian par rapport au meilleur concurrent) et sur des obstacles discrets (+9%), tout en conservant un suivi de vitesse comparable. Les auteurs valident l'approche sur un robot quadrupède Unitree Go2 équipé d'un pipeline LiDAR temps réel convertissant l'élévation en carte de hauteur, et rapportent des résultats préliminaires sur l'ANYmal-C avec les mêmes hyperparamètres, sans réglage spécifique. L'enjeu dépasse la simple performance chiffrée: la plupart des contrôleurs RL perceptifs actuels imposent soit des a priori de démarche basés sur des oscillateurs ou de la cinématique inverse, ce qui contraint l'espace d'action et limite l'adaptabilité entre morphologies, soit fonctionnent en aveugle, incapables d'anticiper le terrain sous les pattes arrière et fragiles au bruit de perception. En remplaçant ces contraintes dures par du reward shaping, PGTT réduit le biais inductif tout en conservant une structure de démarche cohérente. Le transfert vers l'ANYmal-C sans réajustement d'hyperparamètres constitue un indice, encore préliminaire selon les auteurs eux-mêmes, qu'une politique terrain-adaptative peut se généraliser entre plateformes sans retuning coûteux, un enjeu concret pour les intégrateurs qui déploient plusieurs morphologies de robots à pattes. Le travail s'inscrit dans la lignée des efforts sur la locomotion perceptive pour quadrupèdes, où le Unitree Go2 sert de banc d'essai courant en recherche et où l'ANYmal-C d'ANYbotics reste une référence industrielle. Les résultats sur ANYmal-C étant qualifiés de préliminaires par les auteurs, une validation plus large sur d'autres plateformes, voire sur des humanoïdes, reste la suite logique attendue de ces travaux.

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage continu de la traversabilité du terrain par l'expérience pour robots quadrupèdes

Des chercheurs publient sur arXiv (2609.39755v1) un pipeline d'apprentissage continu qui permet à un robot quadrupède d'estimer, avant tout contact, la manière dont un terrain va se comporter sous ses pattes. Le système part d'images prises avant le contact, encodées par un modèle DINOv3 dont les poids restent figés pendant l'entraînement. Ces descripteurs visuels sont convertis en cinq indicateurs proprioceptifs, pondérés selon la fiabilité de leur mesure : glissement plan du pied, force de réaction normale moyenne, indice de traction, coût de transport et taux de charge à l'impact. Un régresseur évidentiel compact fournit ces prédictions avec leurs incertitudes aléatoire et épistémique. Les prédictions et l'incertitude épistémique sont projetées dans une carte locale multicouche, puis fusionnées en un score de traversabilité prudent dont les pondérations se règlent sans réentraînement. L'implémentation ROS2 a été évaluée sur un Unitree Go2, en simulation et sur matériel réel, avec des modèles entraînés séparément dans chaque domaine. Sur un flux séquentiel de trois terrains inédits, le replay avec validation réduit de 23,1 % la dégradation de la log-vraisemblance négative (NLL) sur les données d'ancrage, par rapport à un replay sans validation, pour une adaptation comparable aux nouveaux terrains. L'intérêt tient à ce que la traversabilité est apprise à partir de l'expérience de locomotion. La géométrie et l'apparence visuelle ne disent pas si le robot va glisser, comment ses pieds seront chargés ou combien d'énergie il dépensera. Le mécanisme de validation s'attaque à l'oubli catastrophique : un modèle candidat ne remplace le prédicteur déployé que s'il progresse sur les données récentes sans perdre au-delà d'une tolérance fixée sur les données historiques. Pour un exploitant de robots d'inspection sur site industriel, minier ou extérieur, cela rend envisageable une mise à jour en cours de mission, sans cycle de réentraînement hors ligne. Les limites sont nettes : le gain de 23,1 % est relatif à une variante de la même méthode et non à une référence externe, l'évaluation hardware ne porte que sur trois terrains, et le Go2 est une plateforme de recherche légère. Rien n'indique non plus une validation à grande échelle ou en conditions industrielles. Il s'agit d'un résultat académique, pas d'un produit. Ce travail s'inscrit dans la lignée des approches de navigation par traversabilité auto-supervisée, qui utilisent les signaux proprioceptifs comme étiquettes pour des prédictions visuelles, et de l'essor des modèles de fondation visuels comme DINO utilisés comme encodeurs figés. Le Go2 d'Unitree reste la plateforme de référence des laboratoires, ce qui facilite la reproduction. Il reste à voir si le code sera publié, si la méthode tient sur de plus longues séquences de terrains et sur des robots plus lourds comme ceux d'ANYbotics ou de Boston Dynamics, ou si elle sera intégrée à des politiques de locomotion apprises de bout en bout.

RecherchePaper

1 source