RecherchearXiv cs.RO 18 août 2026

RoboStriker : jeux stratégiques en espace latent pour la boxe humanoïde autonome

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

RoboStriker, un système d'apprentissage par renforcement multi-agent conçu pour la boxe entre robots humanoïdes autonomes, est présenté dans un article déposé sur arXiv en août 2026 (référence 2608.16195). Le constat de départ est un échec structurel : appliquer l'apprentissage multi-agent directement à l'espace moteur brut d'un humanoïde provoque un effondrement physique au niveau des articulations, empêchant toute tactique de combat viable d'émerger. Les auteurs formulent donc la boxe comme un jeu de Markov à somme nulle joué non pas dans l'espace des actions brutes, mais dans un espace latent structuré. RoboStriker distille d'abord des mouvements de boxe prédéfinis dans une variété latente topologiquement bornée, puis fait évoluer les stratégies de combat via une méthode nommée Latent-Space Neural Fictitious Self-Play. Les politiques obtenues ont ensuite été déployées et validées sur des robots humanoïdes réels, au-delà de la simulation.

Ce travail cible un problème central pour la robotique humanoïde : l'écart entre démonstrations spectaculaires et robustesse réelle sur des tâches riches en contacts. La boxe, où l'équilibre et la réactivité sont critiques, sert de banc d'essai pour des applications humanoïdes plus posées comme la manipulation ou la collaboration en environnement imprévisible. En montrant qu'une contrainte structurelle de l'exploration, via un décodeur de mouvements pré-entraîné, réduit fortement les échecs catastrophiques d'équilibre par rapport à un apprentissage direct dans l'espace des actions brutes, l'étude prouve empiriquement que l'apprentissage multi-agent de bout en bout reste difficilement exploitable sans garde-fou architectural sur du matériel réel. Pour les intégrateurs, cela suggère que l'autonomie tactique complexe n'émerge pas encore de manière fiable d'un entraînement non contraint.

RoboStriker s'inscrit dans la lignée des recherches sur l'auto-jeu et l'apprentissage multi-agent, popularisées par des systèmes de jeu comme AlphaGo et désormais transposées à la robotique physique, où une chute ou une collision matérielle coûte bien plus cher qu'une partie simulée. L'article ne cite aucune plateforme humanoïde commerciale ni aucun laboratoire industriel précis : il s'agit d'une contribution académique déposée sur arXiv, pas encore validée par relecture par les pairs, dont les auteurs publient le code, des vidéos et du matériel supplémentaire pour permettre une reproduction indépendante avant toute adoption industrielle. La boxe humanoïde rejoint une liste croissante de tâches extrêmes, parkour, danse, sports de combat, utilisées pour stress-tester la robustesse des contrôleurs avant leur transfert vers des usages industriels comme la logistique ou la manipulation en entrepôt.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Whole-body planning pour humanoïdes en espace confiné : évitement des auto-collisions

Des chercheurs ont publié sur arXiv, sous la référence 2608.10220, un nouveau framework de planification de mouvement "corps entier" en trois étapes destiné à la locomotion humanoïde dans des espaces fortement confinés. L'approche a été validée sur le robot humanoïde Unitree G1, à travers trois bancs d'essai dépassant les normes NIST applicables à l'intervention d'urgence, avec des ratios de confinement inférieurs à 1,5 (Cr < 1,5). Le système génère des trajectoires faisables sur des tâches de 12 à 18 secondes impliquant des contacts complexes des pieds et des mains, là où les méthodes de référence standard échouent. Concrètement, la planification cinématique s'effectue directement sur des volumes de corps rigide atteignables plutôt que sur une abstraction "particule" du robot ; un module d'évitement de collision différentiable, intégré à une formulation contrainte par l'atteignabilité, produit des guides informés par le volume qui orientent ensuite un optimiseur de trajectoire complet sur de longs horizons temporels. Ces plans optimisés servent enfin de référence pour entraîner une politique d'apprentissage par renforcement résiduelle, chargée de l'exécution robuste en ligne. Toute la validation, y compris celle de la politique apprise sous randomisation étendue du domaine, a été réalisée en simulation physique, sans mention de test sur robot réel. L'enjeu identifié par les auteurs est concret : les optimiseurs de trajectoire classiques, qui représentent le robot par des splines sur une abstraction ponctuelle, peinent à naviguer les vastes espaces de collision propres aux environnements confinés et tombent dans des minima locaux médiocres. En combinant planification géométrique par volumes et apprentissage résiduel, ce travail illustre une tendance de fond dans la recherche en robotique humanoïde : dépasser les démonstrations en espace ouvert pour s'attaquer à des scénarios exigus et multi-contacts, comme les décombres, les tunnels ou les espaces industriels denses, qui restent un angle mort pour la plupart des piles de contrôle actuelles. Pour les intégrateurs et décideurs B2B suivant la course aux humanoïdes, l'intérêt réside moins dans un produit prêt à déployer que dans la preuve de concept : un pipeline planification puis apprentissage par renforcement peut tenir des contraintes de contact complexes que les méthodes purement optimisées ne résolvent pas. Il faut toutefois noter que cette démonstration reste cantonnée à la simulation physique, ce qui en fait un jalon de recherche plutôt qu'un déploiement terrain. Le papier s'inscrit dans un courant de recherche académique sur la planification de mouvement pour humanoïdes, distinct des approches de bout en bout par modèles vision-langage-action comme GR00T N2 ou Helix, qui misent sur l'apprentissage direct de politiques à partir de données plutôt que sur l'optimisation explicite de trajectoires. Le choix du Unitree G1, plateforme largement utilisée par les laboratoires académiques pour sa disponibilité et son coût, confirme son rôle de banc d'essai de référence, aux côtés de robots comme Figure 03 ou Optimus chez les acteurs commerciaux. Aucune entreprise ni laboratoire n'est nommé dans l'abstract, et aucun calendrier de portage vers le matériel réel n'est communiqué ; les auteurs positionnent volontairement leurs bancs d'essai au-delà des normes NIST d'intervention d'urgence, suggérant une visée vers la robotique de secours et l'inspection en espaces restreints, sans qu'aucun pilote ni partenariat ne soit pour l'instant annoncé.

RecherchePaper

1 source

2Hackaday Robots Hacks

Muscles fibreux pour la robotique humanoïde

Des muscles fibreux électrofluidiques pour l'actionnement robotique Les actionneurs robotiques classiques reposent sur des moteurs couplés à des réducteurs ou des systèmes de liaisons pour transformer un mouvement rotatif en mouvement utile, une approche peu adaptée à la reproduction de mouvements humains fluides. Face à cette limite, plusieurs équipes se sont tournées vers l'actionnement pneumatique, sans obtenir jusqu'ici de résultats vraiment convaincants. Une nouvelle piste, baptisée "Electrofluidic Fiber Muscles" (muscles à fibres électrofluidiques), propose une alternative: un faible courant sous haute tension génère un gradient de pression à l'intérieur d'un long tube, ce qui provoque sa contraction, à la manière d'une fibre musculaire. Ce tube peut être associé à un second, monté en configuration extenseur/fléchisseur, reproduisant ainsi le fonctionnement d'une paire de muscles biologiques antagonistes. Particularité notable: la pompe qui génère la pression motrice peut elle-même être enroulée directement autour des fibres, formant un ensemble compact et intégré, sans nécessiter de source de pression externe volumineuse comme c'est le cas pour les actionneurs pneumatiques classiques. Cette approche s'inscrit dans une recherche plus large de solutions d'actionnement légères, compactes et compliantes pour la robotique humanoïde, où les moteurs et réducteurs traditionnels restent lourds, rigides et énergivores. Si elle tient ses promesses, l'intégration directe de la pompe dans la structure fibreuse pourrait réduire l'encombrement et le poids des systèmes actionneurs, un enjeu central pour les concepteurs de robots à mouvements humains. Il s'agit toutefois pour l'instant d'un concept au stade expérimental, loin d'un produit commercialisé ou déployé à grande échelle: aucune donnée sur l'endurance, la force générée ou le coût de fabrication n'est encore disponible. Ce développement s'ajoute à la longue lignée d'expérimentations autour des muscles artificiels, des systèmes pneumatiques de type McKibben aux approches électroactives plus récentes, qui cherchent toutes à s'affranchir des limites mécaniques des moteurs classiques. Les auteurs eux-mêmes tempèrent l'enthousiasme: il faudra encore du temps avant de voir cette technologie équiper des robots grand public ou même des plateformes de hobbyistes.

RecherchePaper

1 source

3arXiv cs.RO

FlowDAgger : adaptation en boucle humaine des politiques génératives de robots dans l'espace latent

Microsoft Research publie FlowDAgger, une méthode d'adaptation des politiques robotiques génératives figées, via des interventions humaines directement dans l'espace latent (arXiv:2607.08877v1, prépublication non revue par les pairs). L'idée centrale, appelée « inversion d'action », consiste à faire correspondre chaque action démontrée par un opérateur humain au bruit qui, injecté dans la politique de base pré-entraînée (fondée sur le flow matching ou la diffusion), aurait produit cette même action. Ce bruit est retrouvé par intégration en temps inverse puis affiné localement, et sert ensuite à entraîner une politique latente légère qui vient piloter le modèle de base au moment du déploiement. L'équipe a testé la méthode en simulation et sur des tâches réelles de manipulation bi-bras et mono-bras, en adaptant à la fois des modèles VLA à tête d'action et des modèles dits « world-action », à partir d'une poignée d'interventions humaines seulement. L'enjeu dépasse la prouesse technique isolée : les politiques génératives pré-entraînées, aussi performantes soient-elles en démonstration, échouent régulièrement une fois sorties de leur distribution d'entraînement en conditions réelles. Jusqu'ici, corriger ces failles imposait soit de recollecter massivement des données, soit de lancer de l'apprentissage par renforcement en ligne sur du matériel physique, deux options lentes, coûteuses et risquées pour un robot en production. FlowDAgger propose une correction à faible coût d'échantillons et de calcul, qui préserve les compétences déjà acquises sur des tâches non revues, un point critique pour des modèles fondation coûteux à réentraîner comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI. Selon les auteurs, la méthode surpasse à la fois le fine-tuning supervisé classique et les approches de RL en espace latent sur les mêmes benchmarks. FlowDAgger s'inscrit dans la lignée de DAgger, algorithme classique d'apprentissage par imitation avec correction humaine en boucle, mais transposé à l'espace de bruit latent propre aux politiques par diffusion ou flow matching. Elle rejoint une vague plus large de travaux cherchant à rendre les politiques robotiques génératives pré-entraînées adaptables sur le terrain sans tout réentraîner. L'abstract ne précise pas de calendrier de mise à disposition du code ni de partenaire industriel ; seul un site de démonstration accompagne pour l'instant la publication.

RecherchePaper

1 source

4arXiv cs.RO

Latent Diffusion Policy : structurer les espaces latents pour la manipulation robotique par diffusion

Une équipe de chercheurs propose dans un preprint arXiv publié en juin 2026 (réf. 2606.08657) une architecture baptisée Latent Diffusion Policy (LDP), conçue pour améliorer les politiques visuomotrices basées sur la diffusion appliquées à la manipulation robotique. LDP fonctionne en deux étapes : un encodeur CVAE (variational autoencoder conditionnel) conditionné par l'observation absorbe d'abord la compréhension de la scène, puis un modèle de flow matching génère les trajectoires dans cet espace latent pré-structuré. Pour gérer les dépendances temporelles entre tokens, les auteurs introduisent un entraînement par diffusion forcing par token et un schéma d'inférence en escalier (staircase inference sampling) pour corriger le décalage de distribution qui en résulte. Ils proposent également la rFID (reconstruction FID) comme métrique proxy légère permettant de prédire le succès d'une tâche à partir des seules statistiques de l'espace latent, sans nécessiter d'évaluation complète en simulation. Sur le benchmark RoboTwin 2.0, LDP surpasse DP3 par une marge qualifiée de "substantielle", et les auteurs rapportent un transfert effectif vers des déploiements réels en manipulation bimanuelle. L'enjeu technique central que LDP cherche à résoudre est réel : les politiques de diffusion opérant directement dans l'espace d'action brut imposent à un seul processus de débruitage de gérer simultanément l'interprétation de la scène et la planification précise de trajectoires, ce qui augmente la complexité d'apprentissage et pénalise notamment les tâches exigeant une coordination temporelle fine entre plusieurs bras. Séparer ces deux responsabilités dans un cadre à deux étages est une approche structurellement cohérente. La rFID, si elle se confirme empiriquement, pourrait réduire significativement le coût d'évaluation des politiques en simulation. Cela dit, l'abstract ne fournit pas de chiffres de performance quantitatifs précis, ce qui rend difficile l'évaluation indépendante de la "marge substantielle" revendiquée face à DP3. Ce travail s'inscrit dans un champ très actif depuis la publication de Diffusion Policy (Chi et al., 2023) et de DP3, qui ont établi la diffusion comme paradigme dominant pour l'imitation de comportements robotiques complexes. Le flow matching, plus efficace que la diffusion classique en nombre d'étapes d'inférence, s'y impose progressivement. Les approches concurrentes incluent ACT, RDT-1B et pi-zero (Physical Intelligence), qui explorent d'autres voies pour combiner compréhension visuelle et contrôle moteur à grande échelle. LDP reste pour l'instant un résultat académique sans annonce de déploiement industriel ou de partenariat commercial, et RoboTwin 2.0 est un benchmark de simulation dont le gap sim-to-réel méritera une validation plus large.

RechercheOpinion

1 source