Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Planification stochastique kinodynamique multi-objectifs contre des adversaires
RecherchearXiv cs.RO 

Planification stochastique kinodynamique multi-objectifs contre des adversaires

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

Des chercheurs publient sur arXiv (arXiv:2607.19284v1) un nouveau cadre de planification de trajectoires en environnement incertain, baptisé SMO-RRT et SMO-SST (Stochastic Multi-Objective RRT et sa variante Stable Sparse RRT). L'objectif est de construire un front de Pareto de chemins qui arbitrent entre le coût d'exécution et la probabilité de violation d'une contrainte de sécurité, face à des adversaires hybrides stochastiques capables de basculer en mode agressif selon l'état du robot ou du véhicule. La méthode déplace l'espace de planification des trajectoires en boucle ouverte vers des séquences de politiques en boucle fermée, et intègre l'évaluation du risque directement dans la construction de l'arbre via des simulations Monte-Carlo par particules. Les auteurs démontrent la complétude probabiliste de SMO-RRT, tandis que SMO-SST sacrifie cette garantie théorique contre un élagage sélectif qui améliore les performances numériques. Ils fournissent aussi une borne à échantillon fini sur la probabilité de violation de contrainte, valable même avec une incertitude non gaussienne et dépendante de l'état.

Pour l'industrie de la robotique autonome et de la conduite automatisée, l'enjeu est la conservativité excessive des planificateurs actuels à contraintes de risque (chance-constrained), qui évaluent le danger sur des trajectoires figées sans tenir compte de la capacité du système à réagir en temps réel. En modélisant explicitement la réactivité de l'agent face à un adversaire qui change de comportement, ce travail vise des trajectoires moins prudentes mais tout aussi sûres, un enjeu direct pour la navigation sociale (robots en environnement humain), les systèmes multi-agents et la conduite autonome en trafic mixte, où la surestimation du risque coûte cher en fluidité et en acceptabilité commerciale.

Le papier s'inscrit dans la lignée des algorithmes RRT (Rapidly-exploring Random Trees), référence historique en planification kinodynamique depuis la fin des années 1990, et de leurs extensions à contraintes de risque plus récentes. Il ne s'agit pour l'instant que d'une contribution théorique avec preuves formelles, sans validation matérielle rapportée ni déploiement embarqué : la prochaine étape attendue serait une implémentation testée sur plateforme réelle ou en simulation à haute fidélité pour confirmer le gain pratique face aux méthodes conservatrices existantes.

Dans nos dossiers

arXiv cs.RO

À lire aussi

MDCPP : planification dynamique de trajectoires de couverture multi-robots pour l'adaptation de la charge de travail
1arXiv cs.RO 

MDCPP : planification dynamique de trajectoires de couverture multi-robots pour l'adaptation de la charge de travail

Une équipe de recherche publie sur arXiv (arXiv:2509.23705v2, version révisée) un article intitulé « MDCPP: Multi-Robot Dynamic Coverage Path Planning for Workload Adaptation », qui propose une méthode de planification de couverture pour flottes de robots mobiles capable de s'adapter aux vitesses de déplacement variables qu'imposent des tâches de détection ou d'interaction. Le système apprend un champ de charge de travail modélisé par un mélange de gaussiennes à partir d'observations partielles, prédit le temps de service cellule par cellule, puis répartit en continu les zones non couvertes via une allocation distribuée sous contrainte de capacité. Les auteurs démontrent la terminaison finie et l'optimalité locale par paires de chaque cycle d'allocation synchronisé, bornent la dégradation du temps de complétion (makespan) due aux erreurs d'estimation, et posent des conditions suffisantes de couverture complète. Un banc d'essai de 600 simulations compare MDCPP à quatre approches, le balayage classique, LS-MCPP, la réaffectation réactive et un oracle de référence, avant une validation matérielle limitée à trois robots terrestres sans pilote (UGV) soumis à des effets réels de localisation, de motorisation et de contrôle sans fil. L'enjeu dépasse l'exercice académique: la quasi-totalité des algorithmes de couverture multi-robots suppose une vitesse constante, hypothèse qui s'effondre dès qu'un robot doit ralentir pour scanner, pulvériser ou inspecter certaines zones plus densément que d'autres, un cas fréquent en agriculture de précision, nettoyage industriel ou inspection d'entrepôts. Le benchmark montre que le gain de la prédiction de charge de travail est surtout significatif dans les scénarios fortement hétérogènes, où MDCPP améliore le makespan agrégé par rapport aux méthodes non prédictives, un signal utile pour les intégrateurs arbitrant entre planification statique et adaptation dynamique. Le passage du simulateur à trois UGV physiques constitue une validation partielle mais concrète au-delà de la simulation, même si l'échelle testée reste très en deçà d'un déploiement industriel et ne permet pas d'extrapoler directement les gains à des flottes de plusieurs dizaines d'unités. Le papier s'inscrit dans la lignée des travaux sur le coverage path planning multi-robots, champ de recherche mature dont les références incluent le balayage géométrique et des variantes récentes comme LS-MCPP, auxquelles MDCPP ajoute une couche prédictive fondée sur l'apprentissage du champ de charge plutôt qu'une simple réaction à la charge observée. La mention « replace » sur arXiv indique une version révisée d'un préprint déjà soumis, sans qu'aucun laboratoire, financement ou calendrier de commercialisation ne soit précisé dans le résumé. Aucune suite n'est annoncée, mais la limitation assumée du banc d'essai matériel à trois véhicules laisse présager, comme étape logique suivante, un passage à l'échelle vers des flottes plus larges et des environnements extérieurs moins contrôlés avant toute application industrielle réelle.

RecherchePaper
1 source
ACID : cohérence des actions par dynamique inverse pour la planification avec des modèles du monde
2arXiv cs.RO 

ACID : cohérence des actions par dynamique inverse pour la planification avec des modèles du monde

ACID (Action Consistency via Inverse Dynamics), présenté dans un article arXiv publié début juillet 2026 (arXiv:2607.02403v1), s'attaque à un défaut connu de la planification par modèles du monde conditionnés par l'action, une méthode largement utilisée en contrôle robotique. Le problème identifié par les auteurs : le coût de planification standard ne juge une trajectoire candidate qu'à l'aune de la proximité entre l'état terminal prédit et l'objectif, sans vérifier si les transitions intermédiaires sont réalisables. Résultat, une trajectoire peut sembler cohérente sur le papier tout en divergeant fortement une fois exécutée dans l'environnement réel. ACID introduit un principe de "cohérence d'action cyclique" : à chaque étape, un modèle de dynamique inverse tente de retrouver, à partir de la transition prédite, l'action qui l'a produite ; l'écart entre cette action reconstruite et l'action réelle est intégré au coût de planification via une pondération adaptative invariante à l'échelle. Les auteurs valident la méthode sur quatre modèles du monde différents et six tâches couvrant la manipulation d'objets rigides et déformables, le contrôle de systèmes articulés et la navigation visuelle, avec un gain systématique en qualité de planification. L'apport principal n'est pas seulement la précision, mais l'efficacité : ACID atteint une exactitude comparable aux méthodes de référence tout en réduisant substantiellement le budget de calcul nécessaire à la planification. C'est un point sensible pour l'embarqué robotique, où le temps de cycle et la puissance de calcul disponible contraignent directement le déploiement temps réel. Le papier touche aussi à un débat plus large dans le secteur : la fiabilité des modèles du monde utilisés pour anticiper les conséquences d'une action avant de l'exécuter, un maillon critique face aux erreurs qui s'accumulent le long d'une trajectoire prédite. Cette approche s'inscrit dans la lignée des travaux sur la planification par modèle prédictif (MPC) couplée à des dynamiques apprises, une alternative aux architectures vision-langage-action de bout en bout comme Pi-0, GR00T N2 ou Helix, qui n'exposent pas de mécanisme de vérification explicite des trajectoires intermédiaires. Publié en preprint, ACID n'a pas encore fait l'objet d'une revue par les pairs ni d'une validation sur robot physique au-delà des bancs de test utilisés dans l'étude ; la suite logique serait une évaluation en conditions réelles et une comparaison directe avec les méthodes de planification par diffusion, autre piste active du domaine.

RecherchePaper
1 source
ACDC : planification de curriculum adaptatif avec contrôle contrastif dynamique pour l'apprentissage par renforcement conditionné par objectifs en manipulation robotique
3arXiv cs.RO 

ACDC : planification de curriculum adaptatif avec contrôle contrastif dynamique pour l'apprentissage par renforcement conditionné par objectifs en manipulation robotique

Des chercheurs proposent ACDC (Adaptive Curriculum planning with Dynamic Contrastive control), une nouvelle méthode d'apprentissage par renforcement conditionné par objectif (goal-conditioned RL) pour la manipulation robotique, dans une version mise à jour (v3) d'un article déposé sur arXiv. Le système combine deux mécanismes. D'un côté, un planificateur de curriculum adaptatif multidimensionnel (AC) qui ajuste dynamiquement l'équilibre entre exploration diversifiée et exploitation ciblée, en fonction du taux de réussite de l'agent et de sa progression d'entraînement. De l'autre, un module de contrôle contrastif dynamique (DC) qui traduit ce plan de curriculum en sélection d'expériences guidée par la norme, via un apprentissage contrastif contraint. Les auteurs annoncent des résultats supérieurs aux méthodes de référence de l'état de l'art sur plusieurs tâches de manipulation robotique complexes, tant en efficacité d'échantillonnage qu'en taux de réussite final. L'article ne précise ni les environnements de test exacts, ni les valeurs chiffrées des gains obtenus, ni le laboratoire ou l'affiliation des auteurs. Pour la recherche en robotique, ACDC s'attaque à une limite connue des approches actuelles de goal-conditioned RL : leur dépendance à des schémas de priorisation de l'expérience collectée, souvent statiques, qui produisent des performances inégales selon la diversité des tâches. En rapprochant la stratégie d'apprentissage du curriculum progressif observé chez l'humain, plutôt que d'un simple rejeu d'expérience priorisé, l'approche vise une meilleure généralisation entre tâches de manipulation, un enjeu clé pour les intégrateurs qui cherchent à réduire le volume de données nécessaire à l'entraînement de politiques robotiques. Le travail s'inscrit dans une lignée de recherches combinant curriculum learning et contrastive learning pour améliorer l'efficacité d'échantillonnage en RL, un axe actif depuis les méthodes de hindsight expérience replay. Le statut "replace" sur arXiv indique une révision par rapport à une version antérieure, sans qu'on sache si l'article a été accepté dans une conférence ou une revue à comité de lecture. Aucune suite (code source, benchmark public, application industrielle) n'est mentionnée à ce stade.

RecherchePaper
1 source
Planification de trajectoires multi-objectifs pour flottes de robots hétérogènes par échantillonnage
4arXiv cs.RO 

Planification de trajectoires multi-objectifs pour flottes de robots hétérogènes par échantillonnage

Une équipe de chercheurs en robotique vient de publier sur arXiv (référence 2503.03509, troisième révision) un ensemble de planificateurs de trajectoires conçus pour coordonner plusieurs robots évoluant simultanément dans un espace de travail partagé, chacun devant atteindre plusieurs objectifs successifs dans des configurations physiques variées. Le problème ciblé, dit "multi-modal multi-robot multi-goal", couvre des scénarios concrets tels que le passage de pièces entre bras robotiques (handover), la navigation avec changements de mode de préhension, ou la coordination de flottes sur des horizons de planification longs. Les planificateurs proposés sont des extensions de méthodes classiques à base d'échantillonnage (de type RRT/PRM) adaptées à l'espace composite de l'ensemble des robots, et sont prouvés probabilistically complete et asymptotically optimal, deux propriétés formelles rarement réunies dans ce contexte. Le code source et le benchmark de validation sont disponibles publiquement. L'apport principal est théorique et algorithmique : les approches existantes pour ce type de problème reposent soit sur la priorisation entre robots (un robot cède le passage à un autre selon un rang fixé), soit sur une hypothèse de complétion synchrone des tâches. Ces simplifications sacrifient à la fois l'optimalité (la solution trouvée n'est pas la meilleure possible) et la complétude (l'algorithme peut rater des solutions valides). En reformulant le problème comme un seul problème centralisé de planification, les auteurs montrent qu'on peut lever ces limitations sans explosion combinatoire, au prix d'une planification dans un espace de dimension élevée. Pour les intégrateurs de cellules robotisées multi-bras ou les concepteurs de systèmes pick-and-place collaboratifs, cela ouvre la voie à des planificateurs de référence plus rigoureux que les heuristiques actuellement déployées en production. Ce travail s'inscrit dans un courant de recherche actif sur la planification multi-robot, aux côtés de travaux comme CBS (Conflict-Based Search) pour les AMR en entrepôt ou les approches de task-and-motion planning (TAMP) développées notamment chez MIT CSAIL, TU Berlin ou dans des labos liés à Boston Dynamics et Intrinsic (Alphabet). La distinction entre planification centralisée et décentralisée reste un axe structurant du domaine : cette contribution penche résolument du côté centralisé, ce qui la rend plus adaptée aux cellules industrielles fixes qu'aux flottes mobiles à grande échelle. La prochaine étape naturelle serait une validation sur hardware réel et une confrontation aux contraintes temps-réel des contrôleurs industriels.

RecherchePaper
1 source