RecherchearXiv cs.RO 25 août 2026

RPL : un apprentissage robuste de la locomotion perceptive humanoïde sur terrains difficiles

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent RPL (Robust Perceptive Locomotion), un cadre d'entraînement en deux étapes pour la locomotion multidirectionnelle de robots humanoïdes sur terrains difficiles, décrit dans une version révisée (v2) d'un article déposé sur arXiv (2602.03002). La méthode entraîne d'abord des politiques expertes spécifiques à chaque type de terrain, à partir d'observations privilégiées de cartes de hauteur, pour maîtriser séparément locomotion et manipulation. Ces experts sont ensuite distillés dans une politique unique basée sur un transformer, alimentée par plusieurs caméras de profondeur couvrant un large champ de vue. Deux techniques rendent cette distillation robuste en conditions multidirectionnelles : une mise à l'échelle des caractéristiques de profondeur pilotée par les commandes de vitesse, et un masquage aléatoire latéral pour gérer les observations de profondeur asymétriques et les largeurs de terrain inédites. Pour entraîner ce système à grande échelle, les auteurs ont développé un moteur de simulation multi-profondeur qui projette des rayons sur les maillages dynamiques du robot et les maillages statiques du terrain en environnements massivement parallèles, avec un gain de vitesse de 5 fois par rapport aux pipelines de rendu de profondeur des simulateurs existants, tout en modélisant latence, bruit et pertes de capteur réalistes. En conditions réelles, le robot a porté une charge de 2 kg tout en franchissant des pentes de 20 degrés, des escaliers aux marches de 22, 25 et 30 cm, ainsi que des pierres de gué de 25 cm sur 25 cm séparées par des espaces de 60 cm.

Cette démonstration s'attaque directement à un angle mort du secteur : la plupart des vidéos promotionnelles de robots humanoïdes montrent une marche avant sur sol plat, alors que la robustesse multidirectionnelle sur terrain irrégulier, avec charge utile, reste rarement documentée en conditions réelles et non scénarisées. Pour les intégrateurs industriels envisageant des humanoïdes en logistique ou en inspection de sites, la capacité à transporter 2 kg sur escaliers et pierres de gué constitue un signal plus parlant que des mesures de vitesse ou de temps de cycle en environnement contrôlé.

RPL s'inscrit dans la lignée des approches d'apprentissage par distillation enseignant-élève, déjà utilisées pour la locomotion quadrupède et bipède, mais appliquées ici spécifiquement au défi de la vision par profondeur multidirectionnelle chez l'humanoïde. L'accent mis sur un simulateur maison optimisé pour le rendu de profondeur souligne à quel point le goulot d'étranglement actuel du secteur reste moins l'algorithme de contrôle que l'infrastructure de simulation capable de générer des données réalistes à l'échelle. L'article ne précise pas de plateforme robotique commerciale ni de calendrier de déploiement, s'agissant d'une contribution de recherche plutôt que d'une annonce produit.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage d'une locomotion humanoïde adaptée au terrain sur sol granulaire

Un article publié sur arXiv (identifiant 2609.10286, soumis en septembre 2026) présente une méthode pour faire marcher des robots humanoïdes sur des terrains granulaires (sable, gravats basaltiques) en s'appuyant sur un modèle de contact physique baptisé 3D RFT (three-dimensional resistive force theory). Contrairement aux modèles de contact rigides ou aux modèles granulaires simplifiés qui reposent sur des heuristiques pour la composante tangentielle, ce solveur reproduit fidèlement la pénétration du pied dans le sol meuble et la traînée tangentielle qui en résulte. Les chercheurs entraînent ensuite un contrôleur de locomotion adaptatif par apprentissage par renforcement en configuration "teacher-student", où un autoencodeur variationnel (VAE) compresse les caractéristiques du terrain en une représentation latente compacte permettant une identification et une adaptation en zero-shot. Les simulations, menées avec la méthode des points matériels (MPM) sur le moteur physique NVIDIA Newton, montrent un taux de réussite nettement supérieur aux méthodes de référence sur des terrains granulaires jamais vus. La validation s'étend à des essais matériels réels sur basalte, sable sec et sable de plage. L'enjeu dépasse la simple prouesse académique : la marche sur sol meuble reste un angle mort connu des humanoïdes, dont les politiques de contrôle sont généralement entraînées sur des sols rigides et échouent lorsque le pied s'enfonce de façon imprévisible. En démontrant un transfert simulation vers réel fiable sur granulats, ce travail répond directement à une limite critique pour tout déploiement hors environnement d'usine parfaitement plat, chantiers, carrières, zones côtières ou terrains de secours, où les modèles de contact rigide échouent typiquement. Les auteurs revendiquent la première démonstration de locomotion humanoïde agile sur terrain granulaire réel, un signal utile pour les intégrateurs évaluant la robustesse réelle des plateformes VLA et RL au-delà des sols de laboratoire. Le travail s'inscrit dans la lignée des recherches en RFT appliquées à la locomotion sur sable, jusqu'ici surtout testées sur robots à pattes plus simples ou petits systèmes bio-inspirés, et profite des avancées récentes en simulation physique haute fidélité (MPM, moteur Newton de NVIDIA) pour rendre l'entraînement RL exploitable à l'échelle humanoïde. Les auteurs mettent à disposition une page de projet dédiée avec démonstrations vidéo, sans toutefois préciser de calendrier de déploiement industriel au-delà de la validation expérimentale publiée.

RecherchePaper

1 source

2arXiv cs.RO

GuideWalk : apprentissage de la navigation autonome et de la locomotion unifiées pour robots humanoïdes sur terrains variés

Des chercheurs présentent GuideWalk (arXiv:2606.10449, juin 2026), un framework unifié qui couple navigation autonome et locomotion adaptative pour robots humanoïdes sur terrains variés. L'architecture repose sur trois composantes : un module de navigation qui génère des guidances de vitesse explicites en tenant compte de la traversabilité du terrain, un schéma de distillation à enseignants composites qui agrège commandes directionnelles et actions dynamiquement cohérentes dans une politique unique, puis un affinement par apprentissage par renforcement (RL) couplé à un objectif auxiliaire de clonage comportemental (behavior cloning). Ce dernier mécanisme vise à maintenir les comportements souhaitables issus des enseignants tout en favorisant l'exploration. L'article reste au stade de preprint arXiv sans déploiement industriel annoncé ni métriques benchmarkées publiées dans l'abstract. Le problème technique adressé est structurant pour la robotique humanoïde : l'évitement d'obstacles et la locomotion dynamique sont habituellement traités en silos, ce qui crée des incohérences lorsqu'un robot planifie sur escaliers, sol accidenté ou transitions sol dur/mou. GuideWalk découple explicitement la planification d'obstacles de l'état du terrain, ce qui est une approche architecturale plus propre que les solutions end-to-end brutes ou les pipelines hiérarchiques rigides. Pour les intégrateurs et décideurs B2B, le vrai enjeu est le sim-to-real gap sur locomotion hétérogène : si cette architecture tient ses promesses en évaluation externe, elle pourrait réduire le besoin d'ingénierie terrain-spécifique lors du déploiement en entrepôt ou en environnement industriel non structuré. La navigation humanoïde sur terrains complexes reste un des derniers verrous majeurs avant déploiement opérationnel large, là où la locomotion pure en terrain plat est désormais relativement résolue chez Unitree (H1, G1), Boston Dynamics (Atlas) ou Agility Robotics (Digit). Des approches concurrentes comme GR00T N2 de NVIDIA ou les travaux de Physical Intelligence (Pi-0) s'attaquent au même problème via des Visual Language Action models (VLA) généralisés, tandis que des labos académiques comme CMU ou Berkeley publient régulièrement sur le sim-to-real en locomotion adaptative. GuideWalk s'inscrit dans cette vague mais avec une contribution méthodologique spécifique sur le couplage navigation-locomotion. Les prochaines étapes naturelles seraient une évaluation sur hardware réel (le preprint ne précise pas le robot utilisé) et une comparaison quantitative avec des baselines établies.

RecherchePaper

1 source

3arXiv cs.RO

Rester assis : apprentissage de la locomotion omnidirectionnelle d'un humanoïde sur une chaise mobile passive à roulettes

Une équipe de recherche a publié le 28 août 2026 sur arXiv (2608.28090) une étude sur la locomotion omnidirectionnelle d'un robot humanoïde assis sur une chaise mobile passive à roulettes. Contrairement aux humanoïdes debout, dont les actionneurs quasi-direct-drive génèrent en continu du couple articulaire, la position assise délègue le maintien du poids à la chaise. La politique de contrôle, entraînée par apprentissage par renforcement sans récompense d'imitation de mouvement, ne reçoit que la proprioception du robot et les commandes de vitesse, sans capteur de contact ni information sur l'état de la chaise. Lors d'essais à commandes aléatoires, elle a suivi les trajectoires demandées pendant la quasi-totalité de séquences de 20 secondes, dépassant même une politique de référence en position debout sur la précision de suivi. Une analyse factorielle menée sur quatre graines d'entraînement montre qu'une régularisation du glissement du pied réduit le coût de transport mais peut figer le robot dans un optimum stationnaire, un défaut corrigé en la combinant à une régularisation de symétrie ou à un curriculum de commandes. Le coût de transport se classe, du plus bas au plus élevé, marche arrière, déplacement latéral, puis marche avant. Transférée sans réentraînement sur un robot réel Unitree G1, la politique a produit une locomotion assise omnidirectionnelle. Ce travail s'attaque à un angle mort de la course aux humanoïdes, focalisée jusqu'ici sur la marche et la manipulation en position debout pour des tâches d'usine ou de logistique. Une grande partie du travail de bureau ou d'établi se fait pourtant assis, et maintenir un humanoïde debout en continu sollicite inutilement ses actionneurs et son énergie. En montrant qu'une politique entraînée uniquement par récompense de suivi de vitesse, sans imitation de mouvement ni capteurs de contact, transfère en zero-shot vers un robot réel, l'étude conforte l'idée que l'apprentissage par renforcement en simulation franchit l'écart sim-to-real sur des tâches de locomotion toujours plus spécialisées. L'étude reste un travail de recherche académique en prépublication, sans partenaire industriel ni calendrier de commercialisation annoncé, qui étend l'environnement standard de suivi de vitesse en position debout déjà utilisé dans la communauté robotique, avec un modèle de chaise passive et des récompenses propres à l'état assis. Le choix du Unitree G1, plateforme largement diffusée dans la recherche en contrôle moteur, en fait une base accessible plutôt qu'une vitrine commerciale, à la différence des plateformes propriétaires comme Figure ou Optimus. Les auteurs présentent ce résultat comme une première étape vers une locomanipulation assise complète, avant l'ajout probable de tâches de manipulation des bras pendant le déplacement sur la chaise.

RecherchePaper

1 source

4arXiv cs.RO

Décomposition attention globale-locale pour l'encodage du terrain dans la locomotion perceptive des humanoïdes

Des chercheurs ont soumis fin mai 2026 sur arXiv (référence 2606.00637) une méthode baptisée GLAD (Global-Local Attention Decomposition) pour améliorer la locomotion perceptive des robots humanoïdes sur terrain irrégulier. L'approche repose sur un encodeur coarse-to-fine appliqué à une carte d'élévation centrée sur le robot, qui sépare deux branches d'attention : une branche globale utilisant l'attention pooling pour synthétiser le contexte environnemental, et une branche locale conditionnée à l'état du robot pour encoder avec précision la géométrie des surfaces d'appui. La méthode a été validée sur un humanoïde Unitree G1 équipé d'un LiDAR embarqué, sur des terrains à appuis discontinus (gaps, pierres de gué, escaliers) et dans des environnements confinés, avec un transfert sim-to-real zéro-shot sans réentraînement sur données réelles. La décomposition explicite de l'attention perceptive comble un manque identifié dans la littérature : les encodeurs conventionnels tendent à mélanger la perception macroscopique du terrain, utile pour la navigation globale, et la détection fine des surfaces d'appui, utile pour le placement des pieds, ce qui dégrade les performances dans les deux registres. En séparant ces fonctions, GLAD réduit la dilution des signaux spatiaux fins et allège la charge d'entraînement. Plus notable encore : la politique apprise fait émerger des comportements adaptatifs non explicitement supervisés, comme le suivi de chemins étroits et le contournement d'obstacles sous de simples commandes de vitesse, sans planificateur de navigation dédié. Ce résultat suggère que la structuration de l'encodeur perceptif peut induire une forme de navigation implicite, angle qui intéresse directement les intégrateurs cherchant à alléger la pile logicielle des humanoïdes déployés. La locomotion perceptive des humanoïdes a progressé rapidement depuis les travaux fondateurs en apprentissage par renforcement sur terrain accidenté (ANYmal d'ETH Zurich, CMU Locomotion Group), mais le sim-to-real sur appuis discontinus reste un verrou difficile, notamment à cause du bruit des capteurs de profondeur. L'utilisation du LiDAR embarqué du Unitree G1, commercialisé autour de 16 000 dollars et devenu banc d'essai courant dans la communauté académique, offre une robustesse capteur supérieure aux caméras RGB-D. Sur ce segment, plusieurs équipes sont en compétition directe : Berkeley Humanoid Locomotion Group, MIT CSAIL, et les équipes internes de Figure AI (modèle Helix) et d'Agility Robotics (Digit). Le papier ne publie pas de métriques quantitatives précises (taux de succès, nombre d'essais), ce qui limite la comparaison directe avec d'autres systèmes ; il s'agit d'un résultat académique, pas d'un produit déployé.

RecherchePaper

1 source