RecherchearXiv cs.RO 11 août 2026

DiSCo : des copilotes de séquence par diffusion pour l'autonomie partagée

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche présente DiSCo (Diffusion Sequence Copilots), une méthode d'autonomie partagée où un copilote IA fondé sur une politique de diffusion assiste un opérateur humain pour piloter des systèmes complexes comme un bras robotique ou un véhicule simulé. Décrit dans un article déposé sur arXiv (identifiant 2603.22787, version 2, republiée en cross-listing), le système « ensemence » et « inpaint » le processus de diffusion à partir des actions récentes de l'utilisateur, produisant des séquences de commandes cohérentes avec ses gestes passés, réglées par trois hyperparamètres équilibrant conformité aux actions expertes, alignement avec l'intention de l'utilisateur et réactivité perçue. Les auteurs rapportent une amélioration « substantielle » des performances en conduite simulée et en manipulation robotique, sans chiffres précis de gain ou de taux de réussite dans le résumé, et mettent en ligne un site de projet avec démonstrations vidéo.

Pour les concepteurs de systèmes de téléopération et d'assistance au geste, ce travail cible un compromis concret : un copilote trop intrusif écrase l'intention de l'utilisateur, tandis qu'un copilote trop passif n'aide pas sur les tâches difficiles ou lorsque le signal de commande est dégradé. En s'appuyant sur une politique de diffusion générant des séquences entières d'actions plutôt que des règles fixes ou une politique de renforcement entraînée séparément, DiSCo s'inscrit dans la bascule du secteur robotique vers des modèles génératifs de trajectoires, dans l'esprit des architectures VLA déployées côté humanoïdes. Le travail reste toutefois cantonné à la simulation, sans essai mentionné sur bras robotique physique ou véhicule réel, ce qui distingue nettement cette publication académique d'une annonce produit ou d'un pilote industriel prêt à déployer.

L'autonomie partagée est un champ de recherche ancien en robotique et en interaction homme-machine, longtemps dominé par des règles de correction ou des politiques d'inférence d'intention entraînées séparément du contrôle. L'essor des politiques de diffusion en robotique depuis 2023, comme alternative à l'apprentissage par renforcement, a ouvert la voie à des méthodes génératives produisant des séquences d'actions complètes, cadre que DiSCo adapte au contrôle partagé via des techniques d'inpainting empruntées à la génération d'images. Le statut « replace-cross » de l'article sur arXiv indique une nouvelle version d'un travail déjà soumis, et la suite logique, non précisée dans le résumé, consisterait à valider la méthode avec de véritables opérateurs humains sur du matériel physique, seule façon de confirmer que les gains mesurés en simulation se transposent au monde réel.

Dans nos dossiers

Manipulation robotique arXiv cs.RO

À lire aussi

1arXiv cs.RO

De la perception à l'assistance : autonomie partagée à vocabulaire ouvert pour la manipulation robotique

Des chercheurs présentent un système d'autonomie partagée pour la téléopération de bras manipulateurs en environnement industriel, publié le 24 juillet 2026 sur arXiv (référence 2607.17323). Le dispositif repose sur une seule caméra RGB-D qui capture les mouvements du bras et les gestes de la main de l'opérateur, sans combinaison connectée, marqueur fiduciaire ni étape de calibration préalable. La cible à saisir est désignée par une simple consigne textuelle en langage libre, interprétée par un modèle vision-langage via la caméra embarquée sur le préhenseur, puis suivie en continu par un modèle de segmentation vidéo promptable sur les caméras du robot, ce qui isole en permanence un repère de saisie de la carte des obstacles. Un contrôleur prédictif (MPC) accéléré par GPU exécute chaque commande tout en évitant les collisions avec l'environnement et avec le robot lui même, grâce à une reconstruction volumétrique calculée en temps réel, pendant qu'un champ de potentiel corrige la trajectoire de l'opérateur lors de l'approche finale. Testé sur un manipulateur mobile quadrupède, le système atteint une précision de positionnement de 59 mm d'erreur quadratique moyenne par rapport à une référence de capture de mouvement, et maintient le bras à au moins 18 cm des obstacles même lorsque l'opérateur tente délibérément une collision de 6 cm. Sur une tâche de manipulation de vanne industrielle et une tâche de prise dépose, le framework complet réussit tous les essais, tandis que le mode entièrement autonome, déclenché par geste, réussit quatre essais sur cinq par tâche. L'intérêt pour l'industrie robotique tient au problème visé: en téléopération classique, aligner précisément un effecteur avec une cible en environnement encombré, avec une perception de profondeur limitée par caméra, reste une source d'erreurs et de collisions coûteuses. En retirant marqueurs et calibration tout en gardant l'opérateur dans la boucle de décision, le système promet un déploiement plus rapide sur des cellules industrielles existantes. Le fait que retirer soit le module de collision, soit le module d'assistance provoque des échecs par des mécanismes différents montre que les deux briques sont complémentaires et non redondantes, un signal utile pour les intégrateurs qui évaluent la robustesse réelle de ces architectures avant tout achat. Le travail s'inscrit dans la convergence actuelle entre modèles vision-langage et téléopération assistée, où l'ancrage d'instructions textuelles dans la perception robotique gagne du terrain face aux interfaces manuelles pures. Les auteurs positionnent leur contribution comme une alternative légère aux pipelines nécessitant équipement dédié ou calibration lourde, et annoncent la possibilité de basculer vers une exécution autonome sur la même cible sans pipeline de perception séparé, ouvrant la voie à des essais plus poussés sur d'autres plateformes et tâches industrielles.

RecherchePaper

1 source

2arXiv cs.RO

Agentic Harnesses : des couches de vérification pilotées par LLM pour l'autonomie des robots

Un article publié sur arXiv (identifiant 2608.09857) propose une couche de vérification pilotée par des grands modèles de langage (LLM), insérée entre la planification et l'exécution des actions d'un robot autonome. Ce middleware, dénommé « agentic harness », intercepte les plans avant qu'ils n'atteignent le serveur MCP (Model Context Protocol) et les commandes bas niveau du robot, en s'appuyant sur un ensemble de LLM juges qui combinent raisonnement en chaîne de pensée et synthèse multi-modèles, selon une logique de mélange d'experts et d'auto-cohérence. Chaque plan est classé en trois catégories : approuvé, rejeté pour reformulation, ou escaladé vers une révision humaine. Les auteurs rapportent une précision proche de 85% sur ces trois catégories, un taux de blocage de 97% des attaques adversariales, et des erreurs quasi nulles entre acceptation et rejet, la plupart des erreurs résiduelles se situant à la frontière de l'escalade. Cette proposition comble un angle mort de la recherche en robotique autonome, jusqu'ici concentrée sur l'exécution des plans plutôt que sur la vérification de leur faisabilité : comme les LLM généralistes, les modèles de planification robotique peuvent produire des actions biaisées vers l'objectif fixé par l'utilisateur, contraires à l'éthique scientifique, dangereuses faute de mémoire des risques déjà identifiés, ou vulnérables aux attaques adversariales. Pour les intégrateurs qui déploient des piles agentiques combinant modèles vision-langage-action et contrôle robotique, ce travail illustre un besoin croissant de gouvernance intermédiaire entre la décision du modèle et l'actionnement physique. Il apporte une mesure rare dans un domaine où les garanties de sécurité restent souvent qualitatives, même si des erreurs subsistent à la frontière de l'escalade, où l'arbitrage humain reste nécessaire. Cette recherche s'inscrit dans la montée des architectures agentiques en robotique, où les modèles de fondation vision-langage-action, tels que ceux développés par Physical Intelligence, NVIDIA ou Figure AI pour piloter des robots humanoïdes, sont de plus en plus reliés à des chaînes d'outils via des protocoles comme MCP. L'article, publié en août 2026, ne précise ni plateforme robotique testée ni calendrier de déploiement industriel : il s'agit à ce stade d'une contribution méthodologique de recherche, dont l'adoption par des laboratoires ou des intégrateurs reste à démontrer.

RecherchePaper

1 source

3arXiv cs.RO

Environnement conçu pour l'autonomie partagée fiable avec garanties probabilistes

Une équipe de recherche propose une méthode pour concevoir des environnements de travail optimisés pour l'autonomie partagée entre humains et robots, avec des garanties probabilistes de fiabilité. Publiée sur arXiv le 20 juillet 2026, l'étude s'attaque à un angle mort des systèmes d'autonomie partagée existants : la plupart des travaux antérieurs cherchent à améliorer l'inférence d'intention de l'utilisateur en supposant un environnement fixe, sans questionner l'agencement physique de l'espace de travail lui-même. Les chercheurs formalisent la disposition des objets sur un plan de travail comme un problème d'optimisation, et démontrent qu'un agencement bien pensé améliore directement la capacité du système à distinguer les objectifs possibles de l'utilisateur, même en présence de bruit dans les commandes (mouvements de joystick, gestes, ou autres entrées imprécises). Les tests, menés en simulation sur plusieurs scénarios de manipulation sur table, montrent que les configurations optimisées réduisent l'ambiguïté d'inférence par rapport à des dispositions de référence. Une démonstration sur système physique réel valide l'intégration de cette approche. L'apport principal est conceptuel autant que technique : au lieu de chercher uniquement à améliorer l'algorithme d'inférence d'intention (le "cerveau" du système), l'étude montre qu'agir sur l'environnement physique lui-même (le placement des objets, leur espacement, leur disposition) constitue un levier complémentaire et mesurable pour fiabiliser l'assistance robotique partagée. Pour les intégrateurs et concepteurs de postes de travail collaboratifs, cela ouvre une piste d'ingénierie low-cost : repenser l'agencement d'une cellule de travail peut réduire les erreurs d'interprétation sans toucher au logiciel de commande, avec une garantie mathématique de correction sous un modèle de bruit borné plutôt qu'une simple amélioration empirique. Le travail s'inscrit dans la lignée des recherches sur l'autonomie partagée (shared autonomy), un domaine actif depuis plusieurs années visant à combiner commande humaine directe et assistance autonome, notamment pour les bras robotiques manipulateurs et les interfaces d'assistance aux personnes en situation de handicap. Les auteurs positionnent leur contribution comme complémentaire aux approches classiques d'inférence d'intention plutôt que concurrente, et ouvrent la voie à des extensions vers des environnements plus complexes et des tâches multi-étapes.

RecherchePaper

1 source

4arXiv cs.RO

ContactDP : politique de diffusion guidée par le contact pour les tâches d'insertion de précision

Une équipe de recherche présente ContactDP (Contact-Guided Diffusion Policy), une politique de diffusion conçue pour l'insertion de connecteurs à tolérances serrées, dans un preprint publié sur arXiv (2609.23800v1). Le système fusionne trois flux de perception en temps réel : une caméra RGB montée au poignet pour l'alignement global, des capteurs tactiles au bout des doigts et des mesures de force-couple au poignet, afin d'inférer l'état de contact et de générer des corrections de trajectoire temporellement cohérentes pendant l'insertion. Cette politique apprise pilote un contrôleur hybride position-force en boucle basse, qui assure une interaction compliante lors du contact physique avec le connecteur. Les auteurs l'ont testée sur une série de tâches d'insertion de connecteurs de qualité industrielle, en faisant varier la géométrie des pièces, les conditions de préhension et le désalignement initial de la pince. Le résultat annoncé est un gain net de performance, de fiabilité et de capacité de généralisation par rapport aux politiques de diffusion qui ne s'appuient que sur la vision. Cette approche s'attaque à un point de friction classique de la manipulation fine en robotique : dès que la pince entre en contact avec la pièce, l'occlusion visuelle et l'ambiguïté du contact rendent l'image seule insuffisante pour corriger la trajectoire, ce qui explique une partie de l'écart persistant entre les démonstrations en laboratoire et la fiabilité requise en ligne d'assemblage. En montrant qu'ajouter du tactile et de la force-couple à une politique de diffusion améliore nettement la robustesse sur des connecteurs aux géométries variées, les auteurs apportent un argument concret pour les intégrateurs qui cherchent à automatiser des tâches d'assemblage électronique ou de câblage, un segment où les robots à apprentissage visuel seul échouent encore souvent en production. Le travail s'inscrit dans la lignée des politiques de diffusion pour la manipulation robotique, une famille de méthodes popularisée ces dernières années comme alternative aux politiques de clonage comportemental classiques, et vise spécifiquement le sous-problème de l'insertion contact-rich plutôt que la manipulation générale à la manière des modèles VLA de type Pi-0 ou GR00T. L'abstract ne précise ni l'affiliation des auteurs ni de calendrier de transfert vers un produit industriel : il s'agit à ce stade d'un résultat de recherche évalué en conditions contrôlées, sans déploiement commercial annoncé.

RecherchePaper

1 source