RecherchearXiv cs.RO 10 août 2026

CrossTracer : navigation inter-incarnations par raisonnement VLA et adaptation des résidus de trace

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publie le 10 aout 2026 sur arXiv (référence 2608.06688v1) un article présentant CrossTracer, un framework hiérarchique de navigation robotique cross-embodiment (multi-plateformes) fonde sur des modèles vision-langage-action (VLA). Le système combine deux modules : VL-Tracer, qui adapte un modèle VLA preentraine pour prédire une trace de navigation initiale sous forme de points de passage normalises dans le plan image, a partir d'observations égocentriques et de consignes en langage naturel ; et CE-Adapter, qui corrige cette trace via des résidus conditionnes par l'identité du robot et des indices visuels de franchissabilite du terrain. Pour entrainer ce module de correction sans annotation manuelle couteuse, les auteurs introduisent CE-RRT, une variante de l'algorithme RRT qui convertit une segmentation panoptique en cartes de cout de franchissabilite spécifiques a chaque robot et génère des traces optimales dans l'espace pixel. Sur le benchmark NaviTrace, qui évalué la cohérence des traces de navigation selon le type d'embodiment du robot, CrossTracer obtient un score total de 45,68, devançant Gemini-2.5-Pro, la meilleure base généraliste testée, de 10,01 points, soit une amélioration relative de 28,1%. Des essais réels sont rapportes sur robots a roues et robots a pattes, avec des gains de taux de réussite et d'efficacité d'exécution.

Ce résultat s'attaque a une limite connue des VLA appliques a la navigation : leur raisonnement sémantique ignore souvent les contraintes physiques propres a chaque plateforme, si bien qu'une trajectoire plausible pour un robot a roues peut être infaisable pour un robot a pattes. En séparant le raisonnement sémantique de l'ancrage physique, CrossTracer offre une piste concrète pour réutiliser un même modèle VLA sur des flottes hétérogènes, un enjeu direct pour les intégrateurs qui déploient a la fois des AMR et des robots humanoïdes ou quadrupèdes sur un même site logistique. CE-RRT* intéressé aussi les équipes de recherche car il evite la collecte de données de démonstration coordonnées a la main, goulot d'étranglement récurrent pour entrainer des politiques multi-robots. Le gain de 28,1% face a Gemini-2.5-Pro suggère que les architectures dédiées restent en avance sur les modèles fondation généralistes pour des taches de contrôle fin.

Le papier s'inscrit dans la lignée des travaux récents combinant VLA (type Pi-0, GR00T N2 ou Helix) et navigation, un domaine ou la plupart des systèmes se concentrent soit sur la manipulation soit sur la navigation, rarement sur les deux avec une représentation transférable entre embodiments. Le choix du benchmark NaviTrace, récent et conçu pour tester la cohérence embodiment par embodiment, positionne CrossTracer comme une contribution de recherche plutôt qu'un produit commercial : ni volumes de déploiement ni partenaires industriels ne sont précises, et les essais réels évoqués restent des démonstrations limitées, sans détail sur l'échelle ou les conditions de test. La comparaison face a un modèle généraliste plutôt qu'a des systèmes de navigation spécialisés existants mérite d'être lue avec prudence en attendant une reproduction indépendante. La suite logique serait une validation sur davantage de morphologies robotiques et un passage a l'échelle au-delà du cadre du benchmark.

Dans nos dossiers

IA physique & VLA NVIDIA GR00T arXiv cs.RO

À lire aussi

1arXiv cs.RO

ASPEN : raisonnement sémantique adaptatif par prédiction de la persistance des commandes pour des VLA de navigation efficaces

Des chercheurs proposent ASPEN, un ordonnanceur déclenché par événements, conçu pour réduire le coût de calcul des politiques de navigation de type vision-langage-action (VLA). Ces modèles relancent à répétition un raisonnement sémantique coûteux, même quand la commande suivante reste identique à la précédente. ASPEN estime si la politique de base, gelée, réémettrait sa commande précédente. Un prédicteur multimodal léger combine les observations temporelles, les instructions en langage naturel, l'historique d'exécution et la confiance mise en cache du VLA. Aux frontières de commande éligibles, une persistance prédite suffisante autorise la réutilisation de la commande. Sinon, le système relance un raisonnement sémantique complet. Testé avec NaVILA gelé sur le jeu RxR-CE val-unseen, en évaluation inter-jeux de données, ASPEN réduit de 9,5 % le nombre d'appels au VLA et de 8,1 % le temps d'inférence estimé, surcoût d'ordonnancement inclus. Les performances de navigation restent comparables, et les séquences d'actions sont identiques à celles de la référence sur 92,1 % des épisodes. L'intérêt tient moins à l'ampleur du gain qu'à la méthode. Le coût d'inférence des VLA est l'un des verrous du déploiement embarqué, où le calcul, l'énergie et la latence sont contraints. Ici, l'économie vient d'un ordonnancement externe, sans réentraîner ni modifier le modèle de base, ce qui facilite l'intégration à des politiques existantes. Le risque de la réutilisation de commandes, qui est de manquer un virage ou un arrêt dépendant de l'instruction, est traité explicitement. Il faut toutefois relativiser. Un gain de 8 % sur le temps d'inférence reste modeste. Il s'agit d'un temps estimé, non mesuré sur robot, et l'évaluation porte sur un benchmark en simulation. Elle ne dit rien de la robustesse en conditions réelles, ni de l'effet sur la sécurité quand les 7,9 % d'épisodes divergents concernent des situations critiques. Le chiffre de 92,1 % d'actions identiques ne précise pas non plus l'ampleur des écarts sur les autres épisodes. Ce travail s'inscrit dans la montée des VLA de navigation, dont NaVILA est un représentant, après les VLA de manipulation qui ont popularisé le contrôle guidé par le langage. À mesure que ces modèles grossissent, l'efficacité d'inférence devient un axe de recherche à part entière, à côté de la quantification, de la distillation et de l'inférence adaptative. ASPEN relève d'une logique voisine de l'appel conditionnel au modèle lourd, ici appliquée à la navigation. Il s'agit d'une prépublication arXiv (v1), non évaluée par les pairs. La suite logique serait une validation sur matériel réel, avec des mesures de latence de bout en bout, et le test sur d'autres politiques de base que NaVILA, afin de vérifier que le prédicteur généralise.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Vers une navigation créative de trajectoires : la navigation des robots par l'interaction incarnée

Des chercheurs proposent la « Path-Creative Navigation » (PCN), un paradigme où le robot ne se contente pas de chercher un chemin dans l'espace libre existant, mais le crée en coordonnant locomotion et interaction physique avec son environnement. Le travail, publié sur arXiv (2610.11072), part d'un constat simple : une route peut être obstruée par une structure articulée (une porte, par exemple), un objet déplaçable ou un piéton, et atteindre le but exige alors d'agir sur l'obstacle. Les auteurs traitent une classe de tâches PCN avec un cadre sans carte préalable (mapless) qui fusionne vision, LiDAR et odométrie. Ce système unifié combine observations locales, géométrie des obstacles et estimation de l'état du robot pour fournir une information sémantique et géométrique stable à la navigation comme à l'interaction. Une méthode de décision sensible à la traversabilité exploite les distances visuelles et LiDAR pour déterminer si un blocage est « actionnable » et s'il peut être contourné en sécurité. Le robot ne interagit ainsi que lorsque c'est nécessaire. Quatre comportements sont couverts : pousser une structure articulée, pousser un objet mobile, éviter un obstacle et solliciter un piéton. L'évaluation combine des scénarios de simulation conçus pour l'occasion et deux tâches réelles qu'une navigation conventionnelle ne peut pas accomplir sans interaction. Le résumé ne précise ni la plateforme robotique, ni les taux de réussite chiffrés, ni les méthodes de référence comparées. L'enjeu est pratique pour tout déploiement en environnement non structuré : bureaux, hôpitaux, entrepôts ou sites logistiques. La plupart des piles de navigation autonome (AMR, robots de service) traitent l'environnement comme figé et déclarent l'échec, ou attendent, dès qu'une porte semi-ouverte, un chariot ou une personne bloque le passage. Intégrer la décision « dois-je agir sur cet obstacle ? » dans la boucle de navigation vise à réduire ces blocages, qui pèsent sur la disponibilité réelle des flottes. L'approche sans carte est aussi un atout pour les intégrateurs, car elle limite la dépendance à une cartographie préalable qui vieillit vite dans des lieux changeants. Les résultats restent toutefois à prendre avec prudence : le résumé annonce un « taux de complétion supérieur » aux références sans donner de chiffres, la validation réelle se limite à deux tâches, et le code est publié sur un dépôt anonymisé, signe d'une soumission en relecture. Rien n'indique encore une robustesse sur de longues durées ni sur des morphologies variées. Ce travail s'inscrit dans le rapprochement entre navigation et manipulation mobile, longtemps traitées séparément. Les travaux de « navigation parmi des obstacles déplaçables » (NAMO) existent depuis des années, mais reposaient souvent sur des cartes complètes et une planification coûteuse. La vague actuelle de modèles vision-langage-action et de robots humanoïdes ou quadrupèdes à locomotion robuste rend l'interaction opportuniste plus accessible, ce qui rapproche cette recherche des ambitions de plateformes généralistes comme Figure, Tesla Optimus ou Agility. La suite logique serait une validation sur davantage de scénarios et de plateformes, des comparaisons chiffrées publiées, puis une intégration à des politiques apprises plus générales. Pour l'instant, il s'agit d'une contribution académique en prépublication, sans pilote industriel annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

IndustryNav : explorer le raisonnement spatial des agents incarnés dans la navigation industrielle dynamique

Des chercheurs ont publié IndustryNav, premier benchmark de navigation industrielle dynamique conçu pour évaluer le raisonnement spatial des agents visuels et langagiers (VLLM) en conditions actives. Le dispositif s'appuie sur douze scénarios d'entrepôt haute fidélité créés sous Unity, intégrant objets mobiles et déplacements humains simulés. Les auteurs proposent un pipeline de navigation PointGoal en zero-shot, combinant vision égocentrique et odométrie globale pour tester la planification à la fois locale et globale. Deux métriques originales, le taux de collision et le taux d'alerte, mesurent spécifiquement les comportements orientés sécurité. Quatorze modèles de pointe ont été testés, dont GPT-5.2, Claude-4.6 et Gemini-3, sur cet ensemble de tâches de navigation dynamique. Les résultats montrent que les modèles propriétaires conservent un avantage constant sur les modèles ouverts, mais qu'aucun agent, quel qu'il soit, ne maîtrise réellement l'évitement d'obstacles, la planification de trajectoire robuste ou l'exploration active. C'est un signal important pour les intégrateurs et décideurs qui envisagent de déployer des agents pilotés par VLLM dans des entrepôts ou des lignes de production: la performance impressionnante de ces modèles sur des benchmarks domestiques statiques ne se transfère pas automatiquement à des environnements industriels dynamiques et peuplés d'humains. Le papier vient ainsi nuancer le discours ambiant sur la maturité des agents incarnés génériques, en montrant que la perception passive ne suffit pas là où la sécurité active est requise. Cette étude comble un vide identifié dans la littérature existante: la quasi-totalité des benchmarks d'agents incarnés se limite à des environnements domestiques passifs et statiques, et évalue des capacités isolées plutôt qu'une performance holistique. IndustryNav se positionne comme le premier effort ciblant spécifiquement le domaine industriel avec complexité dynamique. Publié sur arXiv (version révisée du texte initial), le travail appelle la recherche en robotique incarnée à dépasser la simple perception pour développer des comportements stables, exploratoires et sûrs en environnement réel mouvant, une orientation qui concerne directement les futurs déploiements d'AMR et de robots mobiles en logistique.

RecherchePaper

1 source

4arXiv cs.RO

TRACER : navigation sociale multirobot adaptative par prédiction conjointe et replanification interactive

Un nouveau framework de navigation multi-robot baptisé TRACER a été présenté dans un article publié sur arXiv le 17 septembre 2026 (référence 2609.18776), destiné aux flottes de robots évoluant dans des espaces partagés avec des humains. Le système fonctionne selon un principe d'horizon glissant bidirectionnel : il évalue plusieurs trajectoires candidates pour l'équipe de robots à l'aide d'un modèle probabiliste par entité, qui distingue l'effet propre de chaque robot des interactions par paires non additives avec les personnes à proximité. Une fois le début de la trajectoire choisie exécuté, TRACER met à jour des croyances persistantes, liées à l'identité de chaque entité observée, sur ses modes de réponse latents, à partir des réactions réellement mesurées. Ces croyances actualisées guident ensuite l'évaluation des trajectoires suivantes selon des critères de sécurité probabiliste et de coût sensible aux réponses humaines. Les tests ont été menés sur SocialGym2, un benchmark de référence en navigation sociale multi-robot, sans précision sur le nombre de robots engagés ni sur les temps de calcul. Les auteurs rapportent trois résultats principaux : TRACER capture mieux les effets d'interaction non additifs entre robots qu'un prédicteur additif de capacité équivalente, les croyances persistantes et cohérentes par identité améliorent la prédiction des réponses humaines et le replanning qui en découle, et le framework complet augmente le taux de trajets sans collision par rapport à une base de référence où chaque robot planifie indépendamment. Pour les intégrateurs de flottes de robots mobiles autonomes en entrepôt, hôpital ou espace public, ce travail cible une limite connue : les méthodes existantes traitent séparément la prédiction conditionnée à l'action, la planification multi-robot et l'adaptation en ligne, ce qui empêche de boucler prédiction et exécution en temps réel face à des humains non coopératifs. Cette recherche s'inscrit dans la continuité des travaux sur la navigation sociale robotique qui cherchent à dépasser les modèles de force sociale classiques et les approches de prédiction conditionnée à l'action, en unifiant prédiction et planification dans une seule boucle fermée. Classé comme contribution nouvelle sur arXiv, l'article reste à ce stade une validation purement en simulation via SocialGym2, sans annonce de pilote industriel, de partenaire ou de robot physique associé. Aucun acteur français ou européen comme Wandercraft, Exotec, Pollen Robotics ou Enchanted Tools n'apparaît dans ces travaux. L'étape suivante attendue pour ce type de recherche est le passage à des tests avec des robots réels face à des humains non scénarisés, écart qui reste le plus difficile à combler entre simulation et déploiement opérationnel.

RecherchePaper

1 source