Aller au contenu principal
HODAgent : vers des humanoïdes réactifs et disponibles à la demande pour l'interaction physique avec l'humainIllustration générée par IA
RecherchearXiv cs.RO 

HODAgent : vers des humanoïdes réactifs et disponibles à la demande pour l'interaction physique avec l'humain

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Un preprint déposé sur arXiv en août 2026 (arXiv:2608.17584v1) présente HODAgent, un agent de raisonnement « System-2 » pour robots humanoïdes de service interagissant directement avec des humains. Son architecture semi-duplex combine un Env-Interactor, un Planner, un Executor et une mémoire hiérarchique afin de suivre l'état de la tâche pendant tout l'épisode : le robot accepte une nouvelle requête en pleine action, garde sa progression, révise son plan et vérifie le résultat avant de clôturer. Une interface commune relie simulation et robot physique, un Unitree G1, en isolant le contrôle bas niveau. Sur 164 cas en simulation, HODAgent atteint 84,8% et 91,5% de succès conjoint selon le VLM utilisé, soit 9,8 et 18,9 points de plus que les références. Sur le robot réel, les taux vont de 92% pour les tâches atomiques à 72% pour les tâches composites et 63,3% pour les tâches complètes, avec un gain de 0,7 à 9,0 points sur plusieurs benchmarks d'IA incarnée.

Ces résultats ciblent l'écart persistant entre démonstrations et usage réel des humanoïdes : interrompre une action en cours pour intégrer une nouvelle consigne, puis vérifier concrètement si la tâche est accomplie plutôt que de suivre un plan figé, reste rarement démontré à cette échelle hors laboratoire. Pour les intégrateurs, l'intérêt tient surtout à la portabilité : une même couche de décision opérant en simulation et sur robot physique, avec le contrôle bas niveau isolé derrière une interface partagée, réduit le travail de réimplémentation entre prototype et pilote. La chute des taux de réussite entre tâches atomiques (92%) et tâches complètes (63,3%) confirme néanmoins que l'enchaînement de sous-tâches demeure le principal facteur d'échec, un repère utile face aux annonces plus promotionnelles du secteur.

Le travail s'inscrit dans la mouvance des agents « System 2 », conçus pour planifier et corriger leur action plutôt que réagir de manière réflexe, un axe distinct des modèles vision-langage-action génératifs de type Pi-0, GR00T N2 ou Helix qui occupent la communication du secteur humanoïde. Le choix du Unitree G1 comme plateforme de test reflète sa large adoption par la recherche académique, faute d'accès aux humanoïdes propriétaires de Figure AI, Tesla ou Agility Robotics. Publié comme preprint non encore relu par les pairs, sans partenaire industriel ni date de déploiement pilote annoncée, HODAgent reste pour l'instant une contribution de recherche destinée à être reproduite et comparée par d'autres équipes.

À lire aussi

Réflexes sous la milliseconde pour l'interaction physique continue entre humain et robot
Illustration générée par IA
1arXiv cs.RO 

Réflexes sous la milliseconde pour l'interaction physique continue entre humain et robot

Des chercheurs publient sur arXiv un moteur de réflexes open source, capable de basculer entre modes de contrôle en moins de 0,1 ms sur un bras manipulateur Franka Robotics. Le système repose sur un contrôleur multimode compatible ROS 2, amélioré pour permettre une commutation déterministe entre modalités de contrôle (par exemple impédance, position ou force). Il intègre aussi des comportements réflexes qui limitent les risques de contact et évitent les violations des limites cinématiques. Les auteurs annoncent un gain de plus de quatre ordres de grandeur sur le délai de commutation par rapport à ros2control. Sur une tâche de manipulation en plusieurs étapes, le temps d'exécution baisse de 3,5 % et le jerk maximal de la trajectoire (la dérivée de l'accélération, indicateur de brusquerie du mouvement) est divisé par plus de trois. Le code est ouvert, mais il s'agit d'un résultat de laboratoire sur un seul robot, pas d'un produit ni d'un déploiement industriel. Le point central est l'architecture. Dans ros2control, changer de contrôleur impose d'arrêter l'un puis de démarrer l'autre, ce qui interrompt l'exécution et crée des délais notables. Pour l'interaction physique continue entre humain et robot (guidage manuel, cobotique, assistance), ces coupures dégradent à la fois la fluidité et la sécurité. Les auteurs suppriment le surcoût du middleware à l'exécution: une transition de contrôleur devient une simple opération de pointeur sans verrou (lock-free), ce qui donne un comportement prévisible en temps réel. Pour un intégrateur, cela montre qu'une partie de la rigidité des cobots tient à des choix logiciels et non au matériel. Les chiffres demandent toutefois de la prudence: le gain de 3,5 % sur le temps de cycle est modeste et dépend de la tâche choisie, et la comparaison porte sur un seul scénario et une seule plateforme. Le facteur trois sur le jerk est plus parlant pour l'usure mécanique et le confort de l'opérateur. Le résumé ne détaille ni la variance ni le nombre d'essais. Ce travail s'inscrit dans l'effort pour rendre ROS 2 apte aux exigences du temps réel dur et de la sécurité, alors que les fabricants de cobots misent souvent sur des piles propriétaires et fermées pour obtenir ces performances. Franka Robotics, d'origine allemande, fournit une plateforme de recherche très répandue, ce qui facilite la reproduction par d'autres laboratoires européens. Le projet reste en amont de la certification: aucune mention de conformité aux normes de sécurité (type ISO 10218 ou ISO/TS 15066) n'apparaît, et le passage à l'industrie suppose des validations supplémentaires. Les suites probables sont un test sur d'autres bras, une intégration à ros2_control ou une adoption par la communauté, mais aucun calendrier n'est annoncé.

UEFranka Robotics étant d'origine allemande et son bras très répandu dans les laboratoires européens, le code ouvert compatible ROS 2 peut être reproduit facilement par les équipes de recherche et intégrateurs de cobots de l'UE.

RecherchePaper
1 source
KPI : un noyau pilotable par instructions pour l'interaction physique des robots humanoïdes
Illustration générée par IA
2arXiv cs.RO 

KPI : un noyau pilotable par instructions pour l'interaction physique des robots humanoïdes

Des chercheurs proposent KPI, un « noyau promptable » d'interaction physique qui s'insère entre la source de trajectoire et un tracker de corps entier non modifié sur robot humanoïde (preprint arXiv 2609.36151v1). Le principe : la source de trajectoire, qu'il s'agisse d'un humain en téléopération ou d'une politique de bout en bout, n'envoie plus seulement une référence de mouvement. Elle y joint un « contrat » qui précise, pour chaque direction, s'il faut suivre la référence, se laisser fléchir (comply) ou maintenir une plage d'effort. À partir de l'erreur de suivi et d'une estimation du torseur d'efforts (wrench), le noyau ajuste en continu la raideur, l'amortissement, la référence et le feedforward des bras, à la cadence du contact. Les auteurs l'illustrent avec un cadre agentique : à partir d'une seule instruction, un agent vision-langage écrit à la fois la trajectoire et le contrat, sans code spécifique à la tâche. Les démonstrations portent sur la manœuvre d'un treuil, l'ouverture d'une porte et le transport d'une boîte, complétées par des essais scriptés d'interaction avec des surfaces. Dans la démonstration la plus marquante, l'humanoïde actionne une manivelle pour hisser un second robot entièrement au-dessus du sol. Le résumé ne donne ni modèle de robot, ni taux de réussite, ni nombre d'essais. L'enjeu est un maillon souvent négligé de la pile logicielle des humanoïdes. Les trackers de corps entier généralistes suivent bien des trajectoires, mais une trajectoire dit peu de la force à produire : au contact, c'est le contrôleur qui décide du comportement réel. Jusqu'ici, deux approches dominent. Les politiques mono-tâche optimisent trajectoire et contrôleur ensemble en simulation, ce qui donne de bons résultats sur des interactions difficiles mais ne se généralise pas. Les architectures généralistes supposent un contrôleur prédéfini ou réglé à la main. KPI vise à séparer ces deux niveaux, ce qui permettrait de réutiliser un tracker existant pour des tâches riches en contact. Pour un intégrateur, c'est un levier potentiel sur les tâches de manipulation où la raideur et la gestion de l'effort décident du succès, comme les portes, les charges ou les outils. Il faut toutefois rester prudent : il s'agit d'un preprint, sans métriques chiffrées dans le résumé, et des démonstrations choisies par les auteurs ne prouvent ni la robustesse ni la répétabilité. La délégation à un agent VLM de la rédaction du contrat reste à valider hors des scénarios présentés. Ce travail s'inscrit dans la course aux modèles généralistes de corps entier et aux politiques vision-langage-action (VLA), où l'effort est traité en parent pauvre face à la perception et au suivi de mouvement. Il rejoint l'idée de commande en impédance et en admittance, ancienne en robotique, qu'il adapte à une interface pilotable par le langage. Le résumé ne cite ni plateforme, ni concurrent, ni calendrier de suite. Les prochaines étapes à surveiller sont la publication du code, des résultats quantitatifs sur plusieurs humanoïdes, et une éventuelle intégration dans les piles des acteurs industriels.

RecherchePaper
1 source
OmniInteract : vers un contrôle unifié de l'interaction corps entier pour deux humanoïdes
Illustration générée par IA
3arXiv cs.RO 

OmniInteract : vers un contrôle unifié de l'interaction corps entier pour deux humanoïdes

OmniInteract, un framework décrit dans un preprint arXiv (version 2 révisée), vise à doter deux robots humanoïdes d'un contrôle corps entier unifié pour des interactions physiques coordonnées. Il repose sur deux briques. La première, Surface Contact-Aware Retargeting, s'appuie sur des correspondances de surface denses entre humain et robot pour transposer simultanément les mouvements des deux humanoïdes, en préservant les interfaces de contact explicites et la géométrie locale autour d'elles. La seconde, Scalable Flow-based Interaction Policy, factorise le contrôle en deux niveaux: un socle moteur réutilisable, constitué d'un prior de mouvement corps entier gelé, et des experts conscients du partenaire qui apprennent des corrections résiduelles. Ces experts sont unifiés par du conditional flow matching dans un espace d'action résiduel partagé. Les auteurs annoncent une meilleure fidélité de retargeting, une meilleure coordination entre humanoïdes et une dégradation moindre des performances quand le nombre de compétences augmente. Un déploiement réel est rapporté, avec établissement du contact, coordination stable et récupération après perturbations externes. Le résumé ne chiffre ni le nombre de compétences, ni les plateformes, ni les taux de réussite. Pour l'industrie, l'intérêt se situe moins dans une démonstration que dans le problème traité: la collaboration physique entre robots, notamment le portage conjoint d'objets, l'assistance ou la manipulation à deux, exige des contacts précis que la plupart des travaux actuels sur les humanoïdes, centrés sur un agent isolé, n'abordent pas. Le retargeting de données de capture humaine reste un goulot d'étranglement, car les différences de proportions déplacent les points de contact et faussent les relations spatiales. Traiter ce point par la géométrie de surface est une piste pragmatique. L'approche résiduelle sur prior gelé répond aussi à un problème connu de l'apprentissage multi-compétences, l'oubli et la perte de fidélité quand la diversité croît. Prudence toutefois: il s'agit d'un résultat de recherche, sans produit ni déploiement commercial. Les expériences réelles décrites n'ont ni échelle ni conditions précisées, et l'absence de métriques dans le résumé empêche d'évaluer la robustesse hors laboratoire. Ce travail s'inscrit dans la vague de contrôleurs corps entier appris par apprentissage par renforcement et modèles génératifs, qui a fait passer les humanoïdes du suivi de mouvement à des comportements plus généraux, souvent entraînés en simulation puis transférés au réel. L'interaction à deux robots reste nettement moins explorée que le contrôle d'un seul. Côté industriel, des acteurs comme Figure, Tesla, Agility ou Unitree travaillent surtout sur des agents autonomes isolés. La coordination multi-humanoïde reste, à ce stade, un sujet académique. Les suites probables sont des évaluations quantitatives plus détaillées, des tests sur d'autres morphologies et des tâches de collaboration avec objets, mais aucun calendrier de pilote ou de transfert industriel n'est annoncé.

RecherchePaper
1 source
ThorArena : évaluation de l'interaction physique humanoïde à partir de démonstrations humaines de mouvement et de force
Illustration générée par IA
4arXiv cs.RO 

ThorArena : évaluation de l'interaction physique humanoïde à partir de démonstrations humaines de mouvement et de force

Des chercheurs présentent sur arXiv (2607.06052) ThorArena, un nouveau benchmark pour évaluer l'interaction physique des robots humanoïdes en tenant compte des forces de contact, et non plus seulement du mouvement. L'équipe a constitué un jeu de données réel synchronisant le mouvement corporel complet d'un humain et les forces exercées par ses deux mains, sur six tâches d'interaction physique représentatives. À partir de ces démonstrations, elle propose le Force-Aware Tracking Score (FATS), une métrique qui évalue conjointement la précision du suivi corps entier, la robustesse à différents niveaux de force, l'effort de contrôle et la survie de l'épisode (le robot garde-t-il son équilibre sans échouer). Le protocole rejoue ensuite en simulation les forces d'interaction enregistrées, offrant une interface d'évaluation standardisée pour comparer différentes politiques de contrôle whole-body. Jusqu'ici, les jeux de données et benchmarks d'imitation de mouvement humanoïde se concentraient presque exclusivement sur la cinématique, laissant de côté les forces d'interaction synchronisées. Résultat : les évaluations existantes ne captaient pas comment les forces externes affectent la précision du suivi, la stabilité et la robustesse du contrôle, un angle mort critique dès qu'un robot humanoïde doit manipuler un objet, ouvrir une porte ou interagir physiquement avec un humain. Les expériences menées sur des politiques de contrôle whole-body représentatives montrent que l'évaluation sensible aux forces révèle des écarts de performance substantiels, invisibles dans les évaluations classiques sans force. Autrement dit, des politiques qui paraissent solides sur des métriques purement cinématiques peuvent s'avérer fragiles dès qu'elles rencontrent une résistance physique réelle, ce qui interroge la fiabilité des benchmarks actuels pour juger de la maturité réelle des humanoïdes destinés aux tâches à fort contact. ThorArena s'inscrit dans la lignée des travaux récents sur l'imitation de mouvement humanoïde et le contrôle corps entier, un domaine qui a rapidement progressé sur la précision du tracking mais restait largement évalué hors contexte de contact physique. En proposant un protocole unifié et reproductible, appuyé sur des démonstrations humaines synchronisant mouvement et force sur six tâches, les auteurs visent un standard d'évaluation partagé par la communauté robotique, à l'image de ce que les benchmarks de manipulation ont apporté à l'apprentissage par renforcement. Le travail ouvre la voie à des comparaisons plus rigoureuses entre politiques de contrôle issues de différents laboratoires, et pourrait orienter les prochaines générations de robots humanoïdes vers une robustesse accrue en interaction physique réelle, un prérequis pour des déploiements industriels ou domestiques crédibles.

RecherchePaper
1 source