Aller au contenu principal
Risque et incertitude : une planification cinodynamique pour une navigation sûre en environnement planétaire
RecherchearXiv cs.RO 

Risque et incertitude : une planification cinodynamique pour une navigation sûre en environnement planétaire

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

Une équipe de robotique publie sur arXiv, en août 2026 (référence 2608.11175, nouvelle soumission), une méthode de planification de trajectoire cinodynamique consciente du risque pour les robots à roues en environnement planétaire. L'approche combine deux étapes : un planificateur par échantillonnage nommé AO-RRT génère d'abord une trajectoire dynamiquement faisable, sensible au risque et asymptotiquement optimale en coût ; le problème est ensuite reformulé en optimisation non linéaire, résolue par programmation convexe séquentielle (SCP) à partir de cette trajectoire initiale. Le risque est quantifié via la valeur à risque conditionnelle (CVaR), une métrique issue de la finance qui capture les scénarios les plus défavorables. Testée en simulation puis validée sur du matériel réel, la méthode réduit le risque de plus de 97% sur l'ensemble des trajectoires évaluées.

Pour un rover planétaire, la mécanique terrain-roue reste souvent partiellement inconnue et doit être apprise en ligne, ce qui peut transformer un plan optimal en manœuvre dangereuse, un risque amplifié par les incertitudes des systèmes de perception embarqués. L'enjeu est concret : un rover ensablé ou renversé peut compromettre toute une mission, sans intervention téléopérée rapide possible compte tenu de la latence de communication avec la Terre. En réduisant le risque de près de deux ordres de grandeur sans sacrifier l'optimalité du coût ni la faisabilité dynamique, ces travaux comblent l'écart entre les planificateurs purement optimaux en coût, qui ignorent la queue de distribution des scénarios dangereux, et les approches d'optimisation locale sans garantie de couverture globale.

La méthode s'appuie sur la famille des planificateurs par échantillonnage de type RRT asymptotiquement optimaux, couplés à la programmation convexe séquentielle, déjà utilisée en robotique aérienne et spatiale pour raffiner des trajectoires initiales. L'usage de la CVaR pour quantifier le risque d'enlisement ou de collision rappelle des précédents marquants, comme celui du rover Spirit de la NASA, ensablé en 2009, ce qui avait mis fin à sa phase de mobilité. Publiée sous forme de lettre de recherche, cette étude reste à ce stade une contribution académique, validée en simulation et sur banc d'essai matériel mais sans déploiement opérationnel annoncé ; les prochaines étapes attendues portent sur des modèles de terrain plus complexes et une intégration potentielle aux futures piles logicielles d'autonomie de rovers lunaires ou martiens.

Dans nos dossiers

À lire aussi

Perception multi-capteurs sensible à la mémoire pour une navigation efficace et sûre en environnement dynamique
1arXiv cs.RO 

Perception multi-capteurs sensible à la mémoire pour une navigation efficace et sûre en environnement dynamique

Un article déposé sur arXiv le 28 septembre 2026 sous la référence 2609.30495 (soumission de type "new", donc non encore relue par les pairs) présente un cadre de navigation autonome dit "memory-aware multi-sensor perception". Le système fusionne des données LiDAR et RGB, construit en ligne une représentation par champ de distance de l'environnement, et pilote le robot via un contrôleur nommé MCBF-QP (Modulated Control Barrier Function Quadratic Program), adapté par étapes selon le contexte local. Plutôt que de se limiter à une carte préexistante ou à des observations à court horizon comme le font la plupart des méthodes actuelles, le robot conserve en mémoire la structure statique déjà vue (murs, mobilier fixe) tout en suivant séparément les obstacles mobiles. Les auteurs rapportent des essais en environnements intérieurs et extérieurs complexes, avec une navigation plus efficace et un meilleur taux d'atteinte d'objectif, mais sans chiffres précis de taux de succès, de temps de trajet ou de comparaison numérique face aux méthodes concurrentes, une réserve à garder en tête tant que le papier n'est pas évalué par les pairs. Pour l'industrie des robots mobiles autonomes et de la robotique de service, l'enjeu dépasse l'exercice académique: la plupart des systèmes déployés en entrepôt ou en environnement humain s'appuient soit sur une carte figée mise à jour périodiquement, soit sur une perception locale qui "oublie" ce qui sort du champ des capteurs, ce qui pénalise l'efficacité dans les couloirs étroits ou les zones encombrées. Donner au robot une mémoire persistante de la géométrie statique, couplée à un contrôleur de sécurité qui module ses contraintes selon le contexte, s'attaque à un point de friction connu entre démonstration en laboratoire et déploiement réel: rester fluide et sûr quand des personnes ou des chariots traversent la trajectoire. Le travail s'inscrit dans une lignée qui combine cartographie en ligne et contrôle par barrières de sécurité (Control Barrier Functions), une famille de techniques de plus en plus utilisée en navigation robotique face aux limites des approches purement réactives. Aucune entreprise, aucun laboratoire ni plateforme commerciale n'est cité dans le résumé fourni, ce qui situe cette contribution au stade de la recherche amont plutôt que du produit ou du pilote industriel. Ni code ni jeu de données n'est annoncé, et la suite logique serait une validation quantitative comparative puis un test sur une flotte réelle en conditions de production.

RecherchePaper
1 source
Cadre hybride de planification de trajectoire pour la navigation d'un fauteuil roulant d'assistance en environnement piéton dynamique
2arXiv cs.RO 

Cadre hybride de planification de trajectoire pour la navigation d'un fauteuil roulant d'assistance en environnement piéton dynamique

Des chercheurs proposent un cadre de planification de trajectoire hybride destiné aux fauteuils roulants autonomes, conçu pour la navigation multi-objectifs dans des environnements peuplés de piétons (arXiv 2610.42049). Il combine trois briques. Le problème du voyageur de commerce (TSP) fixe l'ordre de visite des étapes intermédiaires. Un champ de potentiels (PF) diffuse l'information du chemin global. Des planificateurs locaux heuristiques, RRT (Rapidly-exploring Random Tree) ou A, évitent les obstacles et guident le fauteuil vers chaque station. Deux algorithmes en découlent : TSP-PF-RRT et TSP-PF-A. Ils ont été évalués par simulations Monte Carlo dans des scénarios « encombrés » et « très encombrés », mêlant obstacles statiques et dynamiques hétérogènes. Selon les auteurs, la variante RRT donne moins de collisions, voire aucune, et des trajets plus courts. Le résumé ne chiffre ni le nombre de piétons, ni les taux de collision, ni les distances, ni les temps de calcul. L'intérêt tient surtout à la formulation du problème. Un utilisateur de fauteuil effectue rarement un trajet point à point : il enchaîne des arrêts (pharmacie, accueil, ascenseur) avant sa destination finale. Ordonner ces arrêts avec le TSP puis déléguer l'évitement à un planificateur local reflète cet usage réel mieux que la plupart des travaux, centrés sur un seul objectif. Il faut toutefois lire ces résultats avec prudence. Les piétons simulés suivent des modèles de mouvement codés, sans commune mesure avec le comportement imprévisible de foules réelles, et aucun essai sur matériel n'est mentionné. Aucune comparaison n'est annoncée avec des approches de référence plus récentes, comme les planificateurs prédictifs (MPC) ou ceux appris par renforcement. On est donc devant une preuve de concept académique, pas devant un produit ni un pilote. Pour les fabricants et intégrateurs, elle montre qu'une architecture modulaire et peu coûteuse en calcul reste viable. Cette sobriété compte pour des fauteuils dont l'électronique embarquée est limitée. Le travail s'inscrit dans la robotique d'assistance, où la navigation autonome en milieu humain reste un verrou. Les méthodes de champs de potentiels sont anciennes et connues pour leurs minima locaux. Les combiner à des planificateurs par échantillonnage ou par graphe est une façon classique de contourner ce défaut. Ce cadre concurrence des fauteuils intelligents issus de la recherche universitaire et des acteurs commerciaux de la mobilité assistée, ainsi que les approches de navigation sociale fondées sur l'apprentissage. Les suites logiques sont des tests en conditions réelles avec des capteurs bruités, une validation avec des utilisateurs et une comparaison chiffrée avec d'autres méthodes. Aucun calendrier de déploiement n'est annoncé.

RecherchePaper
1 source
UCON : navigation tenant compte de l'incertitude par réassociation historique en environnements dynamiques
3arXiv cs.RO 

UCON : navigation tenant compte de l'incertitude par réassociation historique en environnements dynamiques

UCON, un nouvel algorithme de navigation autonome pour environnements dynamiques, a été publie sur arXiv le 25 septembre 2026 sous la référence 2609.29419v1. Le système s'attaque a deux problèmes récurrents en robotique mobile : l'instabilité de la perception, qui provoque des changements d'identité entre obstacles suivis et des estimations de mouvement peu fiables, et le décalage entre incertitude et optimisation, qui empêche d'intégrer proprement cette incertitude dans le calcul de trajectoire. La solution combine un mécanisme de reassociation historique au niveau des points, qui exploite des fragments de nuages de points passes pour retrouver une cible perdue et maintenir la continuité de son identité, avec un filtre de Kalman fournissant une estimation anisotrope de l'état de mouvement et une propagation de la covariance. Les états prédits et leurs covariances sont ensuite convertis en secteurs d'incertitude, intégrés comme termes de cout différentiables dans le module d'optimisation de trajectoire. Les auteurs annoncent des tests en simulation et en conditions réelles, et promettent l'ouverture du code source, sans date de publication précisée. Pour les intégrateurs de robots mobiles autonomes (AMR) évoluant parmi des obstacles mouvants, humains ou autres robots, la perte d'identité d'une cible suivie est une source classique de replanifications brusques ou dangereuses. En reliant explicitement l'incertitude de perception au calcul de trajectoire, plutôt que de traiter ces deux étapes séparément, UCON s'attaque directement a ce point de friction technique, pertinent pour la fiabilité des déploiements industriels en entrepôt ou en usine. Les auteurs revendiquent une performance supérieure aux méthodes de l'état de l'art tout en conservant une bonne efficacité de calcul, mais ces comparaisons proviennent de leurs propres benchmarks et l'abstract ne fournit aucun chiffre concret, ni taux de réussite, ni temps de calcul, ni fréquence de traitement, ce qui rend l'ampleur réelle du gain difficile a juger avant la publication complète. Le texte se présente comme un article de recherche nouvellement annonce sur arXiv, sans nom d'institution, de laboratoire ou d'entreprise associe dans le résume, et sans lien vers un dépôt de code a ce stade. Il s'inscrit dans un courant de recherche plus large visant a réconcilier robustesse perceptuelle et planification de mouvement sous incertitude pour la navigation en environnement dynamique, un axe suivi par de nombreux groupes académiques travaillant sur les AMR et la navigation robotique. Aucun acteur concurrent n'est nomme explicitement, la comparaison restant générique aux "méthodes de l'état de l'art". La suite logique reste la publication du code promise par les auteurs et, vraisemblablement, une parution reviewee détaillant les résultats chiffres.

RecherchePaper
1 source
Navigation et exploration actives et sûres par proprioception pour les environnements planétaires
4arXiv cs.RO 

Navigation et exploration actives et sûres par proprioception pour les environnements planétaires

Des chercheurs proposent PSANE (Proprioceptive Safe Active Navigation and Exploration), un cadre de navigation et d'exploration pour robots à pattes évoluant sur des terrains granulaires déformables inconnus, typiques des environnements planétaires. Le système repose uniquement sur la proprioception, c'est-à-dire les mesures d'interaction entre les pattes et le sol pendant la locomotion, sans recours à la vision. Une régression par processus gaussien apprend un modèle de traversabilité qui estime et certifie les zones sûres, et identifie en ligne les frontières d'exploration. Ces estimations alimentent un contrôleur réactif de navigation en temps réel. Le choix des sous-objectifs est formulé comme une optimisation multi-objectif, qui arbitre entre la probabilité d'étendre la zone sûre et le coût vers le but. Il s'opère par scalarisation sur l'ensemble de Pareto des frontières. Selon les auteurs, PSANE explore sans incident un terrain granulaire inconnu, atteint les buts fixés et surpasse les méthodes de référence. Le résumé ne donne aucun chiffre sur le robot utilisé, les distances parcourues ni l'ampleur du gain. Il ne précise pas non plus si les essais ont eu lieu en simulation ou sur matériel réel. Il s'agit d'un travail académique, publié en préprint sur arXiv (version 2), sans déploiement ni produit associé. L'enjeu touche un angle mort de la robotique mobile d'exploration. Les sols meubles comme le sable fin ou le régolithe sont difficiles à évaluer à distance : deux surfaces visuellement identiques peuvent offrir une portance très différente, et un robot enlisé est souvent une mission perdue. Les méthodes de traversabilité fondées sur la vision et la géométrie y sont donc peu fiables. Exploiter les forces et les glissements ressentis par les pattes revient à mesurer directement ce qui compte, mais l'intégration de ces mesures dans la planification restait peu explorée. L'apport de PSANE est de relier l'estimation de traversabilité à une exploration active avec garantie de sécurité, via une zone sûre « certifiée » plutôt qu'une simple heuristique. Pour les intégrateurs, la portée dépasse l'espace : mines, chantiers, plages ou zones sinistrées posent des problèmes comparables aux quadrupèdes industriels. Reste à vérifier la robustesse hors laboratoire, le coût de calcul des processus gaussiens à grande échelle et la validité des garanties lorsque le sol change de nature. Ce travail s'inscrit dans la montée en puissance des robots à pattes pour l'exploration planétaire, où des agences et laboratoires étudient la locomotion sur régolithe lunaire et martien comme alternative aux roues, vulnérables à l'enlisement. La navigation sûre sous incertitude, avec des modèles probabilistes et des ensembles sûrs, est un thème actif, plus souvent traité par la perception extéroceptive. PSANE se positionne face à ces approches en privilégiant le toucher plutôt que la vue. Aucune suite n'est annoncée dans le résumé. Les prochaines étapes logiques seraient une validation sur robot réel en terrain granulaire hétérogène, puis une fusion avec la vision pour combiner anticipation à distance et certification par contact.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source