RecherchearXiv cs.RO 4 août 2026

StableMimic : récupération fluide et humaine pour le suivi de mouvement humanoïde, un apprentissage au-delà de la distribution de suivi pour un comportement structuré post-chute

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

StableMimic, présenté début août 2026 sur arXiv (2608.02385v1), est un système unifié de suivi de mouvement pour robots humanoïdes conçu pour gérer les chutes sans intervention externe. Le problème visé : les politiques de suivi classiques fonctionnent bien tant que le robot reste dans la distribution de trajectoires apprises, mais une chute le projette dans des états de contact au sol (à plat ventre, sur le dos, en déséquilibre) où la commande suivante devient temporairement irréalisable, poussant ces politiques à produire des corrections de membres brutales et risquées. La solution repose sur deux experts dédiés, l'un pour le suivi normal et l'autre pour la relevée post-chute, mélangés en continu par une porte proprioceptive, entraînés grâce à des réinitialisations perturbées autour de références humaines de redressement variées. Un objectif d'état successeur caché structure cette relevée sans jamais exposer au module déployé l'identité de la référence utilisée. Sur le sous-ensemble de danse LAFAN1 retargeté, StableMimic obtient les erreurs les plus basses sur les quatre métriques de suivi parmi cinq méthodes comparées, et sur 100 essais de chute provoquée par poussée, il se relève 100 fois sur 100 avec les meilleurs scores sur six des sept mesures de sécurité post-chute. Des déploiements réels sur un robot Unitree G1 confirment un mouvement des membres borné et une reprise autonome de la commande.

Ce résultat comble un angle mort des démonstrations humanoïdes commerciales : la plupart des vitrines publiques, qu'il s'agisse de plateformes pilotées par des VLA comme Pi-0 ou GR00T N2, montrent des robots qui marchent ou manipulent en conditions contrôlées, rarement ce qui se passe après une chute, pourtant fréquente en usage réel. Un taux de relevée de 100% mesuré, plutôt qu'anecdotique, suggère qu'une récupération autonome et sans bascule logicielle externe est atteignable, un prérequis d'exploitation pour tout intégrateur évaluant des humanoïdes en logistique ou en usine.

La méthode s'inscrit dans la recherche sur l'imitation par renforcement pour humanoïdes, qui bute généralement sur l'écart entre mouvements normaux retargetés (via LAFAN1) et états hors distribution réels. Les tests restent qualitatifs, limités au G1 de Unitree, plateforme académique courante face aux systèmes propriétaires type Figure ou Optimus. Aucun calendrier de déploiement industriel ni acteur français ou européen n'est mentionné.

Dans nos dossiers

Unitree NVIDIA GR00T arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage de priors moteurs hybrides réutilisables pour la locomotion humanoïde par imitation de mouvement

Une équipe de recherche propose un pipeline en trois étapes pour transformer l'imitation de mouvement humain en un "hybrid motion prior" (HMP) réutilisable pour la locomotion humanoïde. D'abord, une politique experte est entraînée par apprentissage par renforcement à imiter des séquences de motion capture humaine retargetées sur un squelette robotique. Cette expertise est ensuite distillée dans une architecture figée composée d'un encodeur proprioceptif, d'un codebook RVQ (residual vector-quantized) et d'un décodeur d'actions. Enfin, des politiques spécifiques à chaque tâche sont entraînées à sélectionner des entrées discrètes de ce codebook, sans jamais réentraîner le HMP sous-jacent. La méthode est évaluée en simulation sur trois tâches : suivi de vitesse, navigation vers un point cible, et récupération de chute avec suivi de vitesse. La politique de suivi de vitesse a ensuite été déployée sur un robot réel, un Unitree G1. Les chercheurs montrent aussi qu'entraîner le codebook avec un "rotation trick" plutôt qu'un estimateur straight-through classique améliore l'organisation de l'espace latent et réduit le nombre de chutes en aval. L'intérêt principal tient à la réutilisabilité : au lieu d'entraîner une politique RL distincte par tâche avec sa propre fonction de récompense, un seul module d'action reste figé et sert d'interface commune à plusieurs politiques de haut niveau. Cela répond à une limite connue de l'imitation de mouvement, dont les contrôleurs restent généralement de simples "suiveurs" de référence, inutilisables tels quels pour résoudre une tâche. Le codebook obtenu s'avère aussi interprétable : le nombre d'étages RVQ actifs module directement les types de démarche disponibles, un signal utile pour du contrôle hiérarchique. Pour les équipes qui construisent des piles logicielles humanoïdes, cette approche s'inscrit dans la même logique que les bibliothèques de compétences motrices low-level découplées des politiques de tâche, un principe partagé par des modèles VLA comme Pi-0, GR00T N2 ou Helix, même si ceux-ci ciblent surtout la manipulation. Ce travail s'inscrit dans la lignée des méthodes d'imitation de mouvement pour humanoïdes (type DeepMimic, ASE) qui cherchent depuis plusieurs années à extraire des priors moteurs génériques à partir de données de capture humaine. Le déploiement reste toutefois limité à un seul robot et une seule tâche testée en réel, la navigation et la récupération de chute n'ayant été validées qu'en simulation. Les auteurs présentent cela comme une brique réutilisable, ouvrant la voie à d'autres politiques de tâche construites sur le même HMP sans nouveau cycle d'entraînement complet.

RecherchePaper

1 source

2arXiv cs.RO

LooperMuscle : apprentissage rapide et stable du suivi corporel complet chez l'humanoïde via un mélange d'experts structuré

Publié sur arXiv le 2 août 2026 sous la référence 2608.00820v1, l'article présente LooperMuscle, un framework d'apprentissage par renforcement conçu pour combler l'écart de performance entre deux familles de méthodes utilisées pour entraîner des humanoïdes au suivi de mouvement corps entier (whole-body tracking). Les méthodes de type FastSAC permettent d'entraîner une politique en environ 15 minutes, mais avec une qualité de suivi nettement inférieure à celle obtenue par PPO, qui nécessite environ 6 heures pour un résultat plus solide. LooperMuscle combine trois composants entraînés en boucle fermée : un acteur en mélange d'experts structuré sémantiquement, un critique distributionnel conscient de la contribution de chaque expert, et un mécanisme de replay routé par contribution avec curriculum différé. Les contributions des experts orientent le routage des données, ces données façonnent l'apprentissage de la fonction de valeur, et les gradients de valeur affinent en retour la spécialisation des experts. Résultat mesuré : environ 45 minutes de simulation suffisent pour récupérer une part substantielle de l'écart restant avec PPO, tout en restant très en dessous de son temps d'entraînement. Pour l'industrie robotique, ce travail s'attaque à un vrai goulot d'étranglement : l'entraînement des contrôleurs de locomotion et de manipulation coordonnée reste coûteux en temps de calcul, ce qui freine l'itération rapide des politiques avant tout passage en réel. Un gain de vitesse d'entraînement sans sacrifier la précision du suivi profiterait directement aux équipes qui développent des contrôleurs pour humanoïdes, en accélérant les cycles de conception en simulation. Il faut toutefois noter que les résultats annoncés sont uniquement des mesures en simulation, sans validation sur robot physique ni comparaison au sim-to-real gap. Ce travail s'inscrit dans la tension bien connue entre méthodes on-policy comme PPO, stables mais lentes, et méthodes off-policy de la famille SAC, rapides mais historiquement moins fiables sur des tâches complexes comme le contrôle corps entier. LooperMuscle tente de concilier les deux approches plutôt que de choisir un camp. Le code doit être publié sur loopermuscle.github.io, sans date précisée, ce qui laissera la communauté vérifier ces résultats de manière indépendante.

RecherchePaper

1 source

3arXiv cs.RO

GenTrack : alignement physique pour la génération de mouvement natif au robot et le suivi humanoïde en zéro-shot

Des chercheurs présentent GenTrack, un nouveau framework d'apprentissage conjoint pour générer et suivre des mouvements sur robots humanoïdes, détaillé dans un article publié le 1er août 2026 sur arXiv (2608.01410v1). Le système a été testé sur le robot Unitree G1, avec deux architectures de suivi de mouvement, ProtoMotions et SONIC. L'évaluation couvre trois jeux de données en zero-shot : les benchmarks publics AMASS et LAFAN, ainsi qu'un ensemble privé de 1 024 paires prompt-mouvement collectées hors distribution, censé refléter des conditions réelles variées. Le principe central de GenTrack consiste à faire alterner deux étapes en ligne : un alignement du générateur de mouvements ancré dans l'exécution réelle et calculé de façon relative par groupe, puis un entraînement du tracker sur les nouvelles références ainsi produites, le tout stabilisé par des mécanismes d'ancrage et de rejeu pour limiter la dérive du modèle. L'enjeu technique visé est connu des équipes qui travaillent sur le contrôle des humanoïdes : les générateurs de mouvement texte-vers-mouvement, entraînés sur des données de capture humaine ou retargetées, produisent des trajectoires plausibles cinématiquement mais souvent inexécutables physiquement par un robot réel. Les approches existantes traitent ce problème dans un seul sens, en figeant soit le corpus généré, soit le tracker récompensé. GenTrack propose une boucle fermée entre les deux composants. Selon les auteurs, cette co-évolution en ligne améliore à la fois l'exécutabilité robotique des mouvements générés et la couverture zero-shot du tracker, avec un gain particulièrement marqué sur les références hors distribution, c'est-à-dire les cas les plus proches d'un usage industriel réel plutôt que d'un benchmark contrôlé. Le travail s'inscrit dans la lignée des recherches sur les modèles de suivi de mouvement génériques pour humanoïdes, où l'extension de la couverture zero-shot dépendait jusqu'ici de corpus embarqués coûteux à agrandir. GenTrack propose une alternative sans collecte de données supplémentaire, en exploitant plutôt un post-entraînement conjoint génération-suivi. L'article ne mentionne pas de déploiement industriel ni de partenaire matériel au-delà du G1 de Unitree utilisé comme plateforme d'évaluation ; il s'agit à ce stade d'une contribution méthodologique plutôt que d'un produit commercialisé.

RecherchePaper

1 source

4arXiv cs.RO

RobotDancing : l'apprentissage par renforcement à action résiduelle permet un suivi robuste des mouvements humanoïdes sur le long terme

Des chercheurs présentent RobotDancing, une méthode d'apprentissage par renforcement en une seule étape pour faire exécuter à des robots humanoïdes des mouvements de danse longs et dynamiquement exigeants, avec une robustesse accrue face aux erreurs d'accumulation. Le principe : plutôt que de demander à la politique de recréer entièrement un mouvement de référence retargeté (transposé depuis une capture humaine vers la cinématique du robot), RobotDancing prédit des corrections résiduelles sur les cibles articulaires. La politique se concentre ainsi sur la compensation des écarts dynamiques entre la référence et le robot réel (limites d'actionneurs, latence, friction, inertie) plutôt que sur la resynthèse complète du geste. Une politique est entraînée par séquence de référence, avec une recette d'entraînement et de déploiement commune réutilisée entre mouvements et plateformes. L'équipe a évalué la méthode sur huit chorégraphies issues du jeu de données LAFAN1, exécutées sur le robot Unitree G1, avec des expériences complémentaires de transfert inter-plateforme sur les Unitree H1 et H1-2. Le problème ciblé est central dans la robotique humanoïde actuelle : les mouvements retargetés depuis des captures humaines sont cinématiquement plausibles mais dynamiquement incohérents avec le robot réel, ce qui fait dériver le suivi de trajectoire sur les séquences longues et finit par déstabiliser le contrôleur. En montrant des politiques G1 capables d'exécuter des comportements longs et énergétiques directement sur matériel, sans ajustement au moment du test, RobotDancing apporte un signal concret sur la viabilité du transfert simulation-vers-réel pour du contrôle whole-body à haute dynamique, un point souvent démontré en vidéo mais rarement quantifié avec rigueur dans la littérature. Le travail s'inscrit dans la lignée des méthodes de motion tracking par RL pour humanoïdes, où LAFAN1 sert de banc d'essai de référence pour les mouvements complexes. La publication, une version révisée sur arXiv (2509.20717v2), inclut des clips qualitatifs sur H1 et H1-2 pour illustrer la généralisation inter-plateforme, sans toutefois fournir de métriques chiffrées équivalentes à celles obtenues sur le G1, ce qui invite à la prudence sur l'ampleur réelle du transfert démontré.

RecherchePaper

1 source