Aller au contenu principal
Synthèse naturelle du mouvement assis-debout pour humanoïdes via curriculum d'assistance guidée et récompenses par étapesIllustration générée par IA
RecherchearXiv cs.RO 

Synthèse naturelle du mouvement assis-debout pour humanoïdes via curriculum d'assistance guidée et récompenses par étapes

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

Une équipe de recherche publie un article arXiv (arXiv:2608.20823, mis en ligne le 24 aout 2026) qui présente une méthode d'apprentissage par renforcement pour générer un mouvement naturel de passage assis-debout (sit-to-stand, STS) chez un humanoïde, sans aucune démonstration humaine ni trajectoire de référence. Une politique unique, entraînée par Proximal Policy Optimisation (PPO), combine trois mécanismes: un curriculum couple force/hauteur de chaise, ou une force verticale assistant le bassin facilite l'exploration au début de l'entrainement puis décroît progressivement a mesure que des chaises plus hautes sont introduites; un échantillonnage aléatoire de poses initiales et cibles générées par cinématique inverse sur plus de huit hauteurs de siège différentes; et une fonction de récompense inspirée de la biomécanique, qui guide le moment angulaire au décollement du siège et la transition du centre de pression pour un mouvement fluide et peu couteux en effort. Sur un évaluateur déterministe sans assistance de force, la politique atteint plus de 97% de réussite de mise en position debout équilibrée sur les huit hauteurs testées, y compris depuis des assises très enfoncées, un cas ou les approches antérieures échouaient plus fréquemment.

Ce résultat est significatif parce que le passage assis-debout reste un problème de contrôle particulièrement difficile: un humanoïde dispose d'une infinité de trajectoires possibles pour se lever en gardant l'équilibre, et les solutions existantes reposent généralement sur des démonstrations captées par motion capture ou des trajectoires codées a la main, ce qui limite leur adaptation a de nouvelles hauteurs de siège ou postures de départ. Montrer qu'une politique RL entraînée entièrement en simulation, sans données démonstratives, généralisé a huit hauteurs de chaise et surpasse l'état de l'art sur les postures profondément assises ouvre une piste pour réduire l'ingénierie manuelle requise a chaque nouveau scenario de mobilité. C'est un signal utile pour les équipes travaillant sur le contrôle bas niveau de robots humanoïdes destines a des environnements humains, ou se relever depuis des assises variées (canapé, chaise basse, sol) est une brique fonctionnelle courante mais rarement rendue robuste.

Ces résultats restent toutefois obtenus uniquement en simulation, sur un évaluateur déterministe sans le bruit ni les incertitudes d'un robot physique réel: aucun déploiement matériel n'est rapporte, et le transfert vers le monde réel n'est pas traite dans l'article. La démarche s'inscrit dans la lignée des travaux sur le curriculum learning applique au contrôle humanoïde par renforcement, une approche distincte des modèles généralistes de type vision-language-action, davantage orientes vers la manipulation et les taches de haut niveau que vers le contrôle fin de l'équilibre corporel. Aucune entreprise ni plateforme robotique commerciale n'est associée a ces travaux, qui relèvent de la recherche académique. Les auteurs ne mentionnent pas de suite prévue, comme un portage sur robot physique, laissant ouverte la question de la robustesse hors simulation.

Dans nos dossiers

À lire aussi

PRIMO : odométrie guidée par le suivi du mouvement humain pour robots humanoïdes
Illustration générée par IA
1arXiv cs.RO 

PRIMO : odométrie guidée par le suivi du mouvement humain pour robots humanoïdes

Agibot Spatial Intelligence a publié sur arXiv, sous la référence 2609.23610, une méthode d'odométrie pour robots humanoïdes baptisée PRIMO (Prior-Informed Odometry from Human-Motion Tracking), conçue pour s'attaquer à deux failles du transfert simulation-vers-réel : des données d'entraînement limitées à une seule politique de contrôle, et des écarts sim-to-real qui fragilisent les prédictions non contraintes. La méthode génère sa supervision en faisant suivre au robot, en simulation, des mouvements humains retargetés et variés, indépendamment de la politique de déploiement finale, puis s'appuie sur un estimateur intégrant des priors physiques et de symétrie ainsi qu'une voie de contexte capteur brut.

RechercheActu
1 source
T-GMP : des modèles de mouvement génératifs conditionnés par le terrain pour une locomotion humanoïde naturelle et polyvalente
Illustration générée par IA
2arXiv cs.RO 

T-GMP : des modèles de mouvement génératifs conditionnés par le terrain pour une locomotion humanoïde naturelle et polyvalente

Des chercheurs ont mis en ligne une version révisée sur arXiv (arXiv:2606.06944v2) d'un article présentant T-GMP (Terrain-conditioned Generative Motion Priors), un module destiné à améliorer la marche des robots humanoïdes sur des terrains variés. Contrairement aux méthodes classiques d'apprentissage par renforcement, qui s'appuient sur des priors de mouvement figés, T-GMP apprend une variété latente de mouvements conditionnée par le terrain à partir d'un petit nombre de démonstrations expert associant états du robot et type de sol. Ce module permet des transitions de style fluides entre modes de marche, ce qui autorise une politique de contrôle unique capable de s'adapter aux variations de terrain plutôt que de nécessiter des politiques séparées.

RecherchePaper
1 source
ReLoco : locomotion et récupération après chute unifiées pour robots humanoïdes via des a priori de mouvement conditionnés par le comportement
Illustration générée par IA
3arXiv cs.RO 

ReLoco : locomotion et récupération après chute unifiées pour robots humanoïdes via des a priori de mouvement conditionnés par le comportement

Des chercheurs publient sur arXiv ReLoco, un cadre d'apprentissage par renforcement qui unifie dans une seule politique la locomotion d'un humanoïde, le relevé après une chute depuis une posture quelconque et la reprise de la commande de déplacement. La politique est purement proprioceptive, sans caméra ni capteur externe. À l'entraînement, la posture du robot sélectionne le jeu de références expertes, et un discriminateur partagé, conditionné par le comportement, produit deux sorties distinctes : l'une pour la marche, l'autre pour le relevé. Des récompenses de tâche et une régularisation commune pilotent le suivi de commande et la récupération, tandis qu'une assistance temporaire facilite l'exploration. Une étape de raffinement en simulation génère des références de mouvement exécutables par le robot lui-même.

RecherchePaper
1 source
RRT* guidé par la récompense pour la planification de tâches et de mouvements sous budget
Illustration générée par IA
4arXiv cs.RO 

RRT* guidé par la récompense pour la planification de tâches et de mouvements sous budget

Des chercheurs proposent sur arXiv (2610.35289) Reward-Guided RRT, un cadre de planification par échantillonnage qui traite d'un seul bloc deux problèmes habituellement séparés: choisir quelles tâches visiter parmi des lieux répartis dans l'espace, et planifier les trajectoires qui les relient, sous un budget de déplacement limité. La méthode construit la mission par étapes successives. À chaque étape, une recherche RRT guidée par la récompense sélectionne la prochaine tâche et le mouvement correspondant directement dans l'espace d'états continu, sans graphe de transitions entre tâches précalculé. Une procédure de faisabilité du retour vérifie qu'une tâche retenue peut être visitée sans dépasser le budget de la mission. Les expériences font varier la complexité des obstacles et le nombre de tâches.

RecherchePaper
1 source