Rupture de symétrie en navigation multi-agents : MPC sensible au nombre d'enroulement et stratégie topologique apprise
Une équipe de recherche affiliée à Omron Sinic X publie une mise à jour (version 3) d'un article scientifique décrivant WNumMPC, une méthode de navigation hiérarchique pour flottes de robots décentralisées, avec code source ouvert sur GitHub à omron-sinicx/WNumMPC. Le système combine deux niveaux : un Planificateur entraîné par apprentissage par renforcement, qui produit en continu des valeurs de winding number cibles (un invariant topologique signé indiquant de quel côté un agent doit contourner un autre) ainsi que des poids d'importance dynamiques pour hiérarchiser les interactions critiques dans les croisements denses ; et un Contrôleur basé modèle, un MPC (model prédictive control) classique, qui traduit cette stratégie en trajectoires concrètes évitant les collisions. Les auteurs affirment avoir validé l'approche en simulation et sur robots réels, avec des résultats supérieurs aux méthodes de référence dans les scénarios denses propices aux blocages symétriques, et un transfert sim-to-réel présenté comme robuste, avec une dégradation de performance limitée.
Le problème visé, celui des deadlocks induits par symétrie, concerne toute flotte de robots mobiles autonomes (AMR) opérant sans communication centralisée des objectifs : deux agents qui se croisent face à face, sans connaître les intentions ni les trajectoires futurs l'un de l'autre, peuvent rester bloqués faute de règle implicite pour décider qui passe à gauche ou à droite. C'est un point de friction concret pour les intégrateurs d'entrepôts et d'usines déployant des essaims d'AMR partageant les mêmes allées. Si les résultats de transfert sim-to-réel se confirment à plus grande échelle, cela renforcerait l'hypothèse que des méthodes hybrides apprentissage plus contrôle classique tiennent mieux la route en conditions réelles que des politiques purement neuronales, un axe régulièrement débattu dans le secteur de la navigation multi-robot.
Le travail s'inscrit dans la lignée des méthodes classiques d'évitement décentralisé de collisions comme ORCA ou le dynamic window approach, en y ajoutant une couche d'apprentissage explicitement topologique. Omron, via sa filiale de recherche Sinic X, est un acteur industriel établi des AMR (gammes LD/MD), ce qui positionne ces travaux comme une piste d'amélioration potentielle pour ses futures flottes commerciales, sans qu'aucun calendrier de déploiement produit n'ait été communiqué à ce stade.
