Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Corridors homotopiques sans chemins de référence prédéfinis
RecherchearXiv cs.RO 

Corridors homotopiques sans chemins de référence prédéfinis

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

Un nouveau papier arXiv (2607.29513) propose une méthode de génération de corridors de sécurité pour la planification de trajectoires robotiques sans collision, sans dépendre d'un chemin de référence prédéfini. Contrairement aux approches classiques qui construisent le corridor autour d'un chemin guide, biaisant la géométrie et limitant les classes d'homotopie explorables, les auteurs génèrent directement des séquences d'ensembles convexes sur un graphe de convex sets (GCS), laissant la structure émerger de la représentation de l'espace libre. Le système étend la notion de déformation par visibilité, jusque là appliquée à des chemins simples, à des séquences d'ensembles convexes, ce qui permet de fusionner des corridors topologiquement redondants tout en conservant les alternatives réellement distinctes. Pour pallier la rigidité des décompositions globales statiques utilisées par les méthodes GCS existantes, l'équipe développe un GCS multi-échelle adaptatif combinant un graphe fin basé sur l'échantillonnage, pour les mises à jour locales, et un graphe grossier basé sur la visibilité, pour l'exploration globale compacte.

L'enjeu est concret pour la planification de mouvement en environnement encombré ou incertain, que ce soit pour des robots terrestres, des drones ou des AMR industriels. En autorisant une exploration plus riche des classes d'homotopie, la méthode évite le piège classique où un mauvais choix de chemin de référence enferme le planificateur dans une seule famille de trajectoires possibles, potentiellement sous-optimale. La possibilité de mises à jour incrémentales, sans reconstruire tout le graphe à chaque changement de l'environnement, est particulièrement utile pour des robots devant réagir en temps réel à des obstacles déplacés ou inconnus, un scénario fréquent en logistique ou en inspection.

Le travail s'inscrit dans la lignée des méthodes de décomposition convexe et des graphes de convex sets popularisés ces dernières années pour la planification optimisée par optimisation convexe. Les auteurs comparent leur approche à des baselines existantes sur des métriques de construction de graphe, de génération de corridor et de durée de trajectoire, avec des gains rapportés en efficacité et en stabilité. La validation matérielle, menée à la fois sur robots terrestres et aériens avec localisation embarquée, face à des obstacles déplacés ou inconnus, marque une étape vers un usage réel au delà de la simulation, même s'il s'agit à ce stade d'un preprint non encore relu par les pairs.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Apprendre à construire : assemblage robotique autonome de structures stables sans plans prédéfinis
1arXiv cs.RO 

Apprendre à construire : assemblage robotique autonome de structures stables sans plans prédéfinis

Des chercheurs proposent un cadre d'assemblage robotique autonome capable de construire des structures stables sans plan architectural prédéfini. Au lieu de suivre un plan figé, la tâche de construction est décrite par des cibles à atteindre et des obstacles à éviter. Le système décide donc lui-même de l'ordre et du placement des éléments. Le module de décision est une politique d'apprentissage par renforcement (RL), entraînée par deep Q-learning avec « successor features », une représentation qui découple la dynamique de l'environnement de la fonction de récompense. Cette approche vise à faciliter le transfert d'une tâche à l'autre. L'évaluation, présentée comme une preuve de concept, porte sur un banc d'essai de 15 tâches d'assemblage 2D en blocs discrets. Des expériences ont aussi été menées sur un montage robotique réel en boucle fermée. Elles indiquent que la méthode fonctionne et tolère le bruit de construction, c'est-à-dire les imprécisions de pose et d'exécution lors de la pose des blocs. Le résumé ne donne ni taux de réussite, ni temps de cycle, ni nombre d'essais réels, ni identification du robot utilisé. L'intérêt tient au déplacement du problème. L'assemblage robotique industriel repose presque toujours sur une séquence connue à l'avance, ce qui limite sa robustesse dès que le terrain ou les pièces s'écartent du modèle. Une politique qui raisonne à partir d'objectifs et de contraintes, et qui corrige en boucle fermée, répond à l'incertitude propre au chantier, à la construction modulaire ou à la préfabrication in situ. Les limites sont toutefois nettes. Les tâches sont en 2D, avec des blocs discrets, loin des charges, des tolérances et des matériaux d'un site réel. Aucune comparaison avec des planificateurs classiques n'est annoncée. Le résultat reste un signal de recherche, sans lien avec un produit, un déploiement ou une démonstration à l'échelle. Ces travaux s'inscrivent dans un mouvement plus large qui remplace les pipelines de planification symbolique par des politiques apprises, qu'il s'agisse de RL ou de modèles vision-langage-action (VLA) pour la manipulation. L'assemblage de structures y reste un terrain moins exploré que la saisie ou le tri. La suite logique est le passage à la 3D, à des éléments hétérogènes et à des géométries plus riches, avec une validation sur des tâches physiques plus nombreuses. Il s'agit de la version 2 d'un preprint arXiv (2602.23934), qui n'a pas encore été publié après relecture par les pairs. Aucun partenaire industriel ni calendrier de pilote n'est mentionné.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
PoseRefer : paramètres locaux de chemin pour la résolution de références sémantiques
2arXiv cs.RO 

PoseRefer : paramètres locaux de chemin pour la résolution de références sémantiques

Une équipe de recherche publiée sur arXiv (2605.24622, mai 2026) propose PoseRefer, une architecture d'ancrage sémantique destinée à résoudre des références déictiques en robotique, du type "pose la tasse sur celle-là". Le système fusionne trois canaux d'information : la gestuelle corporelle (pose 3D), le langage naturel, et la géométrie de la scène encodée dans un graphe de scène 3D. Pour l'évaluation, les auteurs s'appuient sur MM-Conv, un corpus capturant des gestes co-verbaux naturels lors d'interactions dyadiques en réalité virtuelle, avec motion capture corps entier et annotations de scène 3D. L'architecture retenue est un late-fusion découplé : les branches pose et texte ne partagent aucun paramètre appris. La fusion avec des embeddings de catégorie MiniLM figés dépasse la branche pose seule et la meilleure configuration texte seule sur tous les types de référence, atteignant 31,9 % en top-1. Ce résultat a une implication méthodologique directe pour les équipes qui développent des systèmes de grounding sémantique, notamment pour les VLA (Vision-Language-Action models) déployés en manipulation robotique. La valeur de 31,9 % peut sembler modeste, mais l'apport principal n'est pas le chiffre absolu : c'est le diagnostic architectural. Les auteurs montrent qu'un "scalar gate" appris change de politique selon que la branche texte a accès ou non aux catégories d'objets. Sans découplage strict des branches, il devient impossible de distinguer un gain de fusion réel d'un artefact lié à la représentation des catégories. Autrement dit, de nombreuses évaluations de systèmes multimodaux publiées jusqu'ici pourraient surestimer la contribution réelle de la gestuelle. Les benchmarks 3D existants présentent des biais connus : descriptions rédigées après coup, gestes modélisés hors contexte, pointage mis en scène pour la caméra. MM-Conv tente de combler cet écart en capturant des interactions spontanées. Dans le paysage concurrentiel du grounding multimodal, les approches à fusion jointe (paramètres partagés entre modalités) dominent encore les classements publics, mais PoseRefer suggère que ces gains peuvent être trompeurs. Aucun déploiement industriel ni partenariat n'est annoncé à ce stade : il s'agit d'un papier de recherche fondamentale, dont l'impact dépendra de l'adoption de MM-Conv comme protocole d'évaluation standard par la communauté HRI et robotique manipulation.

RecherchePaper
1 source
PrefO2O : apprentissage par renforcement sans essai à partir de préférences, via transfert latent hors ligne vers en ligne
3arXiv cs.RO 

PrefO2O : apprentissage par renforcement sans essai à partir de préférences, via transfert latent hors ligne vers en ligne

PrefO2O, un framework décrit dans un préprint arXiv (2610.31812v1), s'attaque à un goulot d'étranglement connu de l'apprentissage par renforcement à partir de préférences (PbRL) : la nécessité de collecter de coûteux labels de préférence humaine pour chaque nouvelle tâche. Les auteurs proposent un transfert « offline-to-online » de préférences latentes. Une petite quantité de données de préférence hors ligne, issues de tâches sources, sert à apprendre un espace latent invariant à la tâche, où les structures de préférence transférables sont séparées des variations propres à chaque tâche. Sur une tâche cible inédite, le système réutilise ces structures et des a priori de récompense malgré le décalage de distribution. Un alignement par transport optimal pondéré par la confiance produit des pseudo-préférences fiables, qui servent à adapter la fonction de récompense en ligne, sans aucun retour humain. Les tests portent sur des benchmarks de manipulation robotique et de locomotion. Selon les auteurs, PrefO2O dépasse nettement les méthodes existantes de transfert de préférences, égale ou surpasse des méthodes PbRL entraînées avec de vrais retours humains, et fonctionne en transfert plusieurs-vers-un comme un-vers-un, ainsi qu'entre morphologies de robots différentes. L'intérêt pratique tient au coût de la supervision. Dans un déploiement industriel, spécifier une récompense à la main est fragile, et annoter des préférences humaines pour chaque variante de tâche ne passe pas à l'échelle : un intégrateur qui reconfigure une cellule de manipulation ou adapte une politique à un nouveau robot paie ce coût à chaque fois. Si l'approche tient ses promesses, la préférence humaine deviendrait un actif réutilisable plutôt qu'une dépense récurrente. Il faut toutefois rester prudent. Le résumé ne donne aucun chiffre (taux de réussite, volume de données hors ligne, nombre de tâches), les résultats portent sur des benchmarks, très probablement simulés, et rien n'indique de validation sur robot physique. Prétendre « égaler » le PbRL avec vrais labels dépend fortement de la proximité entre tâches sources et cibles, un point que seule la lecture complète permettra d'évaluer. Ce travail s'inscrit dans la lignée du PbRL popularisé par les approches de type RLHF appliquées au contrôle, qui ont réduit le besoin d'ingénierie de récompense mais restent limitées par l'effort d'annotation. Le transfert de préférences, le méta-apprentissage et les modèles de fondation généralistes de type VLA (vision-langage-action) visent des objectifs voisins, avec d'autres compromis : les VLA misent sur de grandes quantités de démonstrations, PrefO2O sur la réutilisation d'un signal de préférence compact. Il s'agit d'une première version de préprint, sans évaluation par les pairs, et aucun déploiement industriel ni calendrier n'est annoncé. La suite logique serait une validation sur matériel réel, des comparaisons avec des politiques généralistes et une mesure de la robustesse lorsque les tâches cibles s'éloignent nettement des sources.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Repenser les implications du retour humain pour l'apprentissage des préférences dans la collaboration homme-robot
4arXiv cs.RO 

Repenser les implications du retour humain pour l'apprentissage des préférences dans la collaboration homme-robot

Une équipe de recherche en interaction homme-robot publie sur arXiv (2609.13982) une remise en cause de la méthode standard d'apprentissage des préférences pour le comportement des robots collaboratifs. Cette méthode standard fonctionne en trois étapes : le robot collecte un feedback humain direct limité, généralement binaire (positif ou négatif) ; il en déduit ensuite des étiquettes "acceptée" ou "rejetée" pour des actions faisables mais non choisies, via des règles d'implication fixes préétablies ; puis il met à jour son modèle de récompense avec l'ensemble de ces données. Une étude utilisateur menée sur deux environnements de simulation collaboratifs montre que les étiquettes d'implication réellement données par les humains divergent souvent de ce que prédit la règle fixe, et que l'usage des étiquettes humaines réelles améliore nettement l'apprentissage de récompense avec l'algorithme PIE (Preference Learning from Implicit and Explicit Feedback). Les chercheurs proposent en réponse IMPLIED, une méthode qui utilise la règle fixe comme simple point de départ tout en apprenant à inférer et corriger les étiquettes au fil des interactions. Testée sur des trajectoires d'interaction homme-robot enregistrées ainsi que sur une étude avec un robot physique préparant des pizzas, IMPLIED prédit les implications humaines plus fidèlement que la règle fixe et que des références basées sur des LLM, en se rapprochant des performances d'un oracle utilisant directement des étiquettes humaines. Ce résultat questionne une hypothèse implicite largement répandue dans la conception des systèmes de robots collaboratifs : que des règles logiques figées suffisent à extrapoler les préférences humaines au-delà du feedback explicite donné. Pour les concepteurs de robots d'assistance ou de cobots industriels, cela signifie que les modèles de récompense actuels risquent de mal interpréter systématiquement l'intention des opérateurs sur les actions non directement évaluées, ce qui peut se traduire par un comportement robotique perçu comme irrationnel ou mal aligné en situation réelle de collaboration. En réduisant l'erreur d'estimation des préférences, IMPLIED promet des robots capables de s'adapter plus vite et plus fidèlement à un opérateur humain sans multiplier les sollicitations de feedback, un enjeu direct pour l'efficacité des déploiements en environnement partagé homme-robot. Le travail s'inscrit dans la lignée des approches d'apprentissage de préférences par renforcement inverse appliquées à la robotique collaborative, où l'algorithme PIE sert de référence pour combiner feedback explicite et implicite. En comparant IMPLIED à la fois à la règle fixe classique et à des références utilisant des grands modèles de langage, les auteurs positionnent leur méthode comme une alternative apprise et adaptative aux heuristiques statiques du domaine. La validation combine environnements simulés et un cas d'usage physique concret de fabrication culinaire, suggérant une voie vers une intégration future dans des architectures de robots collaboratifs déployés en usine ou en environnement de service.

RecherchePaper
1 source