Aller au contenu principal
GuideFetch : cadre de coordination de tâches pour la navigation et la récupération d'objets simultanées par des robots-chiens d'assistanceIllustration générée par IA
RecherchearXiv cs.RO 

GuideFetch : cadre de coordination de tâches pour la navigation et la récupération d'objets simultanées par des robots-chiens d'assistance

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

Des chercheurs présentent GuideFetch, un framework de coordination pour deux robots quadrupèdes assistants opérant en parallèle: un robot guide escorte une personne malvoyante vers un siège libre pendant qu'un robot fetcher récupère et livre un objet, par exemple une tasse de café, au même endroit. Un modèle de langage traduit une instruction en langage naturel en un schéma a quatre actions conditionne par un planning séquentiel ou parallèle, chaque action proposée étant ensuite validée par rapport aux cibles enregistrées, aux capacités réelles des robots et au planning choisi avant exécution. Dans une étude croisée 2x2 portant sur 90 combinaisons de scènes et de graines aléatoires, soit 360 exécutions au total, les 180 réponses générées en ligne par le modèle ont toutes été validées sans plan de secours ni reexecution et correspondent aux plans scriptes de référence. Le taux de réussite opérationnelle atteint 72 cas sur 90 en exécution séquentielle et 71 sur 90 en exécution parallèle, et sur les 56 cas menés a bien par les deux méthodes, l'exécution parallèle réduit le temps de cycle moyen de 41,3%. Le code source sera publie ultérieurement; l'étude est référencée sous arXiv:2608.18292v1.

Le résultat central pour les intégrateurs de flottes de robots hétérogènes est la démonstration chiffrée que la parallélisation de taches indépendantes, ici la navigation d'un robot guide et la récupération d'objet par un second robot, raccourcit sensiblement une mission complète sans changement matériel. L'étude met surtout en avant une distinction souvent négligée dans les démonstrations commerciales: un plan génère par un LLM peut être syntaxiquement correct tout en violant les contraintes physiques du robot, et un mouvement de contrôleur qui parait réussi ne prouve pas que la tache est effectivement achevée. En imposant une validation préalable des actions et un contrôle d'état pendant l'exécution, GuideFetch sépare la validité d'un plan de la vérification réelle de la mission, un enjeu direct pour quiconque évalué des systèmes bases sur des LLM pour la robotique d'assistance ou la logistique intérieure.

Le travail s'inscrit dans le contexte plus large de la planification par LLM et des architectures vision-langage-action pour la robotique, un domaine ou d'autres acteurs développent des modèles généralistes pour des bras ou humanoïdes uniques, alors que GuideFetch cible spécifiquement la coordination de plusieurs robots quadrupèdes aux rôles distincts au sein d'une même mission. Aucun fabricant de robot ni partenaire industriel n'est cite dans le résume, et l'étude reste a ce stade une validation en environnement contrôle plutôt qu'un déploiement réel auprès d'utilisateurs malvoyants. Les auteurs annoncent la publication future du code source pour permettre une reproduction indépendante des résultats, mais aucune date ni feuille de route de pilote commercial n'est communiquée.

À lire aussi

Explicabilité de la navigation pour l'évitement d'objets avec des LLM pour les robots d'assistance
Illustration générée par IA
1arXiv cs.RO 

Explicabilité de la navigation pour l'évitement d'objets avec des LLM pour les robots d'assistance

Des chercheurs proposent le cadre Context-Aware Navigation Explanation, un système qui utilise un grand modèle de langage (LLM) pour expliquer en langage naturel les mouvements d'un chien guide robotique lors de l'évitement d'obstacles et de la navigation. Le dispositif fusionne le contexte perceptif (les obstacles détectés) avec les trajectoires futures planifiées par le robot, puis génère une justification verbale de ses déplacements. Il a été déployé sur une plateforme quadrupède Unitree Go2, dans des scénarios de navigation en intérieur. Les auteurs ont fait varier les configurations de contexte fournies au modèle, afin de mesurer leur effet sur la confiance des utilisateurs et sur leur satisfaction vis-à-vis des explications. Le travail est publié sur arXiv (2610.28920) et ne mentionne, dans son résumé, ni taille d'échantillon, ni nombre de participants, ni latence de génération. Les résultats indiquent une forte corrélation positive entre la satisfaction envers l'explication et la confiance accordée au robot. Ils suggèrent aussi que la combinaison des informations sur les obstacles et de la trajectoire future produit les explications les plus efficaces. Pour les personnes aveugles ou malvoyantes, qui naviguent déjà avec incertitude en terrain inconnu, avec une canne ou un chien guide, un robot capable de dire pourquoi il dévie ou ralentit répond à un vrai frein à l'adoption : l'opacité du comportement. Pour les intégrateurs et fabricants de robots d'assistance, l'enseignement est pratique : la transparence passe moins par un volume d'information brut que par le bon assemblage de ce que le robot perçoit et de ce qu'il compte faire. Il faut toutefois rester prudent. Il s'agit d'un résultat de laboratoire, en intérieur, et la corrélation entre satisfaction et confiance ne prouve pas que l'explication cause la confiance. On ignore aussi si les participants étaient réellement des personnes déficientes visuelles, ce qui pèse sur la portée des conclusions. Cette étude s'inscrit dans le courant de l'IA explicable appliquée à la robotique, qui cherche à rendre lisibles des décisions de planification et de perception jusque-là opaques. Le Unitree Go2, quadrupède à bas coût très répandu dans les laboratoires, sert de plateforme de référence, ce qui facilite la reproduction mais reste éloigné d'un produit d'assistance certifié. Les chiens guides robotiques sont déjà explorés par plusieurs équipes académiques, notamment aux États-Unis et en Asie, mais l'explication verbale de la navigation reste peu étudiée. Les prochaines étapes naturelles seraient des essais en extérieur, des tests avec des utilisateurs déficients visuels sur des effectifs plus larges, et une évaluation de la latence et de la fiabilité des explications générées par le LLM, qui peuvent être erronées. Aucun pilote commercial ni calendrier de déploiement n'est annoncé.

RecherchePaper
1 source
HomeLoop : un cadre de simulation et un banc d'essai pour la coordination robot-IoT dans l'assistance domestique et la sécurité au quotidien
Illustration générée par IA
2arXiv cs.RO 

HomeLoop : un cadre de simulation et un banc d'essai pour la coordination robot-IoT dans l'assistance domestique et la sécurité au quotidien

Un préprint arXiv (2611.08914) présente HomeLoop, un cadre de simulation et un benchmark qui évaluent la coordination entre robots domestiques pilotés par des modèles vision-langage (VLM) et l'infrastructure connectée déjà présente dans les foyers. Construit sur Isaac Sim, le système simule des corps de robots, des appareils IoT en réseau, des wearables, des résidents et visiteurs virtuels, des capteurs défaillants et des dangers qui évoluent dans le temps. Le benchmark compte 20 tâches réparties en cinq familles, conçues pour qu'une même alerte puisse avoir plusieurs causes. Une alarme fumée peut venir d'une poêle près de s'enflammer, d'une poêle déjà en feu, d'une cuisson normale ou d'un capteur fautif, et chaque cas appelle une réponse différente. Un moniteur d'exécution note chaque épisode par des contrôles de logique temporelle, sur le résultat final et sur les actions intermédiaires, chaque action ayant un coût prédéfini. Six VLM, open-weight et propriétaires, ont été testés. Le meilleur atteint 61,9 % de score équilibré par famille. Les échecs impliquant une intervention interdite sont plus de deux fois plus nombreux que ceux dus à une intervention requise manquée. Les modèles coupent ainsi souvent la cuisinière avant d'avoir cherché la cause de l'alarme. Le résultat déplace la question habituelle. Le défaut dominant de ces agents n'est pas la passivité mais la sur-réaction face à l'ambiguïté. Pour un intégrateur ou un fabricant de maison connectée, cela pèse sur la confiance, la responsabilité et le coût des fausses interventions. Cela contredit aussi l'idée qu'un VLM généraliste, simplement branché sur des API de domotique, suffit à arbitrer entre sécurité et gêne pour les habitants. Une réserve s'impose toutefois. Les scénarios sont écrits par les auteurs et tournent en simulation, et l'extrait disponible ne précise ni les modèles évalués ni le détail des coûts. Le benchmark mesure donc le jugement de haut niveau, pas la fiabilité de la manipulation physique, et rien ne relève ici d'un déploiement réel. Ce travail s'inscrit dans le rapprochement entre robots incarnés et assistance à domicile. Les bancs d'essai domestiques existants portent surtout sur la navigation et la manipulation d'objets, rarement sur l'interaction avec des capteurs et des objets connectés. Les auteurs présentent HomeLoop comme une base extensible pour la mémoire à long terme, l'assistance proactive et les arbitrages entre vie privée et sécurité. La publication annoncée comprendra 2 100 plans de logements meublés automatiquement, cinq corps de robots et 20 types d'appareils connectés. Le code n'est pas encore disponible : la portée réelle du benchmark dépendra de cette ouverture et de son adoption par d'autres équipes.

RecherchePaper
1 source
Coordination des tâches et exécution de trajectoires par démonstrations few-shot pour systèmes multi-robots
Illustration générée par IA
3arXiv cs.RO 

Coordination des tâches et exécution de trajectoires par démonstrations few-shot pour systèmes multi-robots

Des chercheurs proposent DDACE (Demonstration-Driven Action Coordination and Execution), un cadre d'apprentissage capable de coordonner plusieurs robots a partir d'un très petit nombre de démonstrations seulement, selon un article publie sur arXiv (version révisée, v2). Le problème cible est connu dans la robotique multi-agents : apprendre a la fois quand chaque robot doit agir (dépendances temporelles entre taches) et comment il doit se déplacer (trajectoire spatiale) devient instable des que les données sont rares, car les deux aspects sont habituellement appris ensemble par des modèles bout-en-bout. DDACE sépare explicitement ces deux problèmes. Les démonstrations sont d'abord traitées par clustering spectral pour en extraire la structure de coordination et construire des graphes d'interaction entre robots. Un Temporal Graph Network se charge ensuite de prédire les dépendances d'actions et leur séquencement, pendant que des modèles de processus gaussiens génèrent les trajectoires géométriques, paramétrées par la progression de la tache et capables de s'adapter a de nouvelles configurations de départ et d'arrivée. Les auteurs rapportent des tests en simulation ainsi que des expériences sur robots réels, avec une meilleure stabilité et une meilleure cohérence des trajectoires que des approches d'imitation bout-en-bout classiques en régime de données limitées. L'enjeu dépasse l'exercice académique : la coordination multi-robots a partir de peu d'exemples est un frein concret au déploiement de cellules industrielles collaboratives ou de flottes d'AMR, ou collecter des milliers de démonstrations par scenario reste couteux. En introduisant un biais structurel plutôt qu'un apprentissage purement bout-en-bout, DDACE questionne l'hypothèse dominante selon laquelle les architectures end-to-end massives suffisent a généraliser en data-scarce régime, une piste distincte de la tendance actuelle centrée sur les gros modèles VLA mono-robot type Pi-0 ou GR00T N2. Le papier s'inscrit dans une littérature qui cherche des alternatives modulaires a l'imitation pure, combinant clustering, graphes temporels et processus gaussiens plutôt qu'un unique réseau de bout en bout. Il s'agit a ce stade d'une publication de recherche avec validations simulées et réelles limitées, sans indication de partenaire industriel ni de calendrier de transfert vers un produit ; le matériel complémentaire est disponible sur le site du projet associe.

RecherchePaper
1 source
G2-Nav : cartes de coûts vision-langage ancrées et sécurisées pour la navigation sociale des robots
Illustration générée par IA
4arXiv cs.RO 

G2-Nav : cartes de coûts vision-langage ancrées et sécurisées pour la navigation sociale des robots

Des chercheurs présentent G2-Nav, un nouveau framework de navigation sociale pour robots mobiles, détaillé dans un article déposé sur arXiv (2607.16956v1). Plutôt que de laisser un modèle vision-langage (VLM) décider directement des trajectoires, comme le font les approches end-to-end existantes, G2-Nav traduit le raisonnement sémantique du VLM en une costmap vision-langage interprétable. Le modèle identifie les zones traversables et les agents sociaux à partir d'une perception en ensemble ouvert (open-set), puis cartographie ce contexte social sous forme de coûts exploitables par le planificateur. Pour renforcer la robustesse en conditions réelles, le VLM effectue aussi une vérification sémantique sur le suivi (tracking) en amont, et les auteurs ajoutent un contrôle de sécurité à haute fréquence destiné à compenser la latence du système avant la génération de trajectoire. Des expériences en environnement réel, selon les auteurs, montrent une navigation autonome sûre, efficace et socialement conforme dans des espaces non structurés. Le code source doit être publié ultérieurement. L'intérêt de ce travail tient à la faille qu'il cherche à combler entre deux approches jugées insuffisantes pour l'autonomie complète: les frameworks VLM end-to-end, qui produisent des décisions de planification difficiles à auditer et donc risquées à déployer, et les méthodes d'instruction-following, pensées pour suivre des consignes humaines plutôt que pour opérer de façon totalement autonome. En cantonnant le VLM à un rôle d'évaluation sémantique plutôt que de contrôle direct, G2-Nav vise une architecture plus traçable, un enjeu concret pour les intégrateurs et décideurs industriels qui doivent justifier la sécurité de robots évoluant parmi des humains, en entrepôt, en établissement de santé ou en espace public. Le garde-fou de sécurité haute fréquence répond en particulier à un angle mort fréquent des démonstrations VLM: la latence d'inférence, souvent ignorée dans les vidéos promotionnelles du secteur. Ce travail s'inscrit dans la vague de recherche actuelle sur l'usage des VLM pour doter les robots d'un raisonnement de niveau humain en navigation sociale, un domaine où les benchmarks restent encore largement issus de démonstrations contrôlées. L'abstract ne précise ni l'institution porteuse ni le matériel robotique utilisé pour les essais réels, et le code, annoncé comme futur, n'est pas encore disponible: il s'agit donc à ce stade d'un préprint à confirmer par la publication effective et par une évaluation indépendante, plutôt que d'une solution déployée ou commercialisée.

RecherchePaper
1 source