Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
MorFiC : corriger la mauvaise calibration des valeurs pour le transfert zéro-shot chez les quadrupèdes
RecherchearXiv cs.RO 

MorFiC : corriger la mauvaise calibration des valeurs pour le transfert zéro-shot chez les quadrupèdes

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Une nouvelle version de l'article MorFiC vient d'être publiée sur arXiv (2603.14554), présentant une méthode d'apprentissage par renforcement qui transfère une politique de marche quadrupède vers des robots de morphologie différente sans réentraînement, un transfert dit zero-shot. Entraînée sur un seul robot source en simulation avec randomisation morphologique, elle atteint ce transfert vers sept robots au total, dont les Unitree Go1 et Go2 déployés sans fine-tuning, et affiche sur AlienGo une vitesse de 1,98 m/s contre moins de 0,65 m/s pour les références PPO à conditionnement additif. L'entraînement complet prend deux heures sur un seul robot, contre des dizaines voire des centaines d'heures pour les méthodes de référence entraînées sur plusieurs corps simultanément. Trois métriques de diagnostic du critique (variance expliquée, taux d'inversion du signe de l'avantage, cosinus du gradient de politique) confirment le rôle déterminant du conditionnement proposé dans la direction des mises à jour de politique.

L'enjeu dépasse la performance brute : dans l'apprentissage acteur-critique classique, une fonction de valeur partagée entre morphologies tend à moyenner des cibles incompatibles, ce qui fausse les avantages calculés et dégrade la politique transférée vers un nouveau robot. MorFiC corrige ce biais par un conditionnement multiplicatif du critique sur un latent de morphologie, là où les méthodes existantes utilisent un conditionnement additif. Pour l'industrie robotique, cela ouvre la voie à des politiques de marche déployables sur des flottes hétérogènes sans entraînement massif multi-corps ni architectures généralistes coûteuses, et contredit l'idée reçue selon laquelle seule l'échelle, plus de robots, plus de données, permet la généralisation entre morphologies.

Les approches précédentes reposaient soit sur un entraînement à grande échelle multipliant les corps réels ou générés, soit sur de larges architectures transférables mais gourmandes en calcul et en stockage, deux familles que l'étude prend comme références directes de comparaison. La démonstration reste de nature académique, limitée à sept robots dont les références commerciales Unitree Go1, Go2 et AlienGo, sans partenaire industriel ni calendrier de déploiement réel mentionnés dans l'article. La réduction du temps d'entraînement à deux heures avec un seul robot source suggère toutefois une piste pour rendre ce type de généralisation inter-robots accessible à des équipes sans accès à de grandes fermes de simulation multi-embodiment.

Dans nos dossiers

UnitreearXiv cs.RO

À lire aussi

Vers une prédictibilité fiable du transfert simulation-réel pour la locomotion quadrupède robuste à base de MoE
1arXiv cs.RO 

Vers une prédictibilité fiable du transfert simulation-réel pour la locomotion quadrupède robuste à base de MoE

Des chercheurs ont présenté dans un preprint arXiv (2602.00678, version 4) un cadre unifié combinant une politique de locomotion Mixture-of-Experts (MoE) et RoboGauge, une suite d'évaluation prédictive du transfert simulation-réel, appliquée à la locomotion quadrupède. L'architecture MoE déploie un ensemble d'experts spécialisés activés par un mécanisme de gating, chacun modélisant un sous-espace distinct de représentation du terrain et des commandes moteur, en s'appuyant uniquement sur la proprioception (encodeurs articulaires, centrale inertielle), sans caméra ni LiDAR. Les expériences sur un Unitree Go2 ont validé une locomotion robuste sur des terrains non vus à l'entraînement: neige, sable, escaliers, pentes et obstacles de 30 cm. En tests haute vitesse, le robot a atteint 4 m/s, avec apparition spontanée d'une allure à faible écartement latéral que les auteurs associent à une meilleure stabilité dynamique à grande vitesse. L'apport central est RoboGauge, qui génère des métriques proprioceptives multi-dimensionnelles via des tests sim-to-sim couvrant plusieurs terrains, niveaux de difficulté et randomisations de domaine, permettant de sélectionner le meilleur checkpoint de politique MoE sans validation physique répétée. Pour les équipes de R&D et les intégrateurs industriels, cela adresse directement le principal goulot d'étranglement du déploiement de robots marcheurs: le coût et le risque des essais terrain. La robustesse obtenue avec proprioception seule est également significative, car elle conteste l'hypothèse fréquente selon laquelle la vision ou le LiDAR seraient indispensables hors d'environnements contrôlés, élargissant l'espace d'application en milieux non structurés (entrepôts, chantiers, extérieurs). Il convient cependant de noter que les métriques de vitesse et d'obstacle sont issues de tests en conditions choisies, sans données de taux d'échec agrégées sur des déploiements prolongés. Ce travail s'inscrit dans une filière de recherche initiée par ETH Zurich avec ANYmal (commercialisé par ANYbotics) et les équipes de Berkeley sur l'apprentissage agile en locomotion. Le Unitree Go2, vendu autour de 1 600 dollars, est devenu la plateforme de référence académique en raison de son accessibilité. Les concurrents industriels comme Boston Dynamics (Spot) ou les acteurs AMR européens comme Exotec développent des approches similaires de robustesse multi-terrain, bien que leurs validations restent largement propriétaires. Les suites naturelles de ce travail incluent la publication de RoboGauge comme outil de benchmark open-source inter-plateformes et son extension potentielle à d'autres morphologies, notamment les humanoïdes dont le transfert sim-to-real reste un défi ouvert.

UESi RoboGauge est publié en open source, les équipes européennes (ANYbotics, intégrateurs industriels UE) bénéficieraient d'un outil de benchmark standardisé réduisant les coûts de validation physique pour la locomotion quadrupède.

RecherchePaper
1 source
Zero-shot : transfert sim-vers-réel pour capteur tactile à base d'aimants sur des tâches d'insertion
2arXiv cs.RO 

Zero-shot : transfert sim-vers-réel pour capteur tactile à base d'aimants sur des tâches d'insertion

Des chercheurs ont mis à jour, sur arXiv (référence 2505.02915v2), une étude consacrée au transfert simulation-vers-réel pour les capteurs tactiles à base magnétique, une famille de capteurs illustrée par le modèle u-skin. Leur méthode, baptisée GCS, vise à entraîner en simulation des politiques de contrôle par apprentissage par renforcement pour des tâches d'insertion en aveugle, sans retour visuel, puis à les transférer directement sur un robot réel sans réentraînement ni donnée réelle, ce qu'on appelle un transfert "zero-shot". Contrairement aux approches précédentes qui binarisaient les lectures tactiles, les réduisant à un simple contact oui/non pour combler l'écart entre simulation et réalité, GCS conserve des lectures denses, distribuées et sur trois axes, injectées brutes dans la politique de contrôle. Les auteurs rapportent un transfert réussi de politiques entraînées uniquement en simulation vers des tâches d'insertion réelles. Cette avancée cible un problème central pour l'industrie robotique : le fossé entre simulation et réalité qui limite depuis longtemps l'usage du tactile dans les politiques de manipulation apprises par machine learning. Le tactile est jugé essentiel pour les tâches de contact riche comme l'insertion de pièces, un geste omniprésent en assemblage électronique et industriel, où la vision seule échoue face aux occlusions et aux tolérances serrées. Pour les intégrateurs et les équipes R&D robotique, l'enjeu est de pouvoir entraîner des compétences tactiles massivement en simulation, moins coûteuse que la collecte de données réelles, sans perte de performance au déploiement. En montrant qu'il est possible de transférer des lectures tactiles riches, non binarisées, sans perte de fidélité, les auteurs contredisent l'hypothèse selon laquelle seule une simplification drastique du signal permettrait de franchir le fossé sim-to-real, ouvrant la voie à des politiques plus précises pour des tâches fines comme l'insertion de connecteurs. Les capteurs magnétiques comme u-skin se sont imposés ces dernières années comme un compromis entre durabilité et densité de mesure, face à d'autres familles de capteurs tactiles, optiques, capacitifs ou piézorésistifs, souvent plus fragiles ou moins riches en information spatiale. Des travaux antérieurs avaient déjà cherché à combler l'écart sim-to-real par la binarisation du signal, une technique efficace pour la manipulation dextre en main mais mal adaptée aux tâches exigeant une lecture fine de la force et de la position de contact, comme l'insertion. GCS s'inscrit dans cette lignée de recherche sur l'apprentissage par renforcement appliqué à la manipulation robotique, avec l'ambition de généraliser à d'autres tâches de contact riche au-delà de l'insertion aveugle testée ici. La publication ne mentionne aucun partenariat industriel ni calendrier de déploiement : il s'agit d'un résultat de laboratoire, dont la portée pratique dépendra de sa reproduction sur d'autres plateformes et d'autres capteurs tactiles.

RecherchePaper
1 source
Exploration des oscillations non linéaires du corps pour des démarches naturelles chez les quadrupèdes
3arXiv cs.RO 

Exploration des oscillations non linéaires du corps pour des démarches naturelles chez les quadrupèdes

Des chercheurs ont publié le 2 septembre 2026 sur arXiv (référence 2609.00539v1) une étude intitulée « Exploring Nonlinear Body Oscillations for Natural Quadruped Gaits », qui présente un cadre théorique permettant de rendre prévisible la dynamique non linéaire d'un robot dès sa conception. L'équipe l'a appliqué à eBert, un robot quadrupède hautement compliant (souple), sur lequel elle a identifié six modes normaux non linéaires (NNM, nonlinear normal modes) grâce à de nouveaux outils théoriques, validés à la fois en simulation et sur le matériel physique. Une optimisation en boîte noire a ensuite servi à déterminer la longueur de pas optimale pour chaque mode. Résultat : chacun des six NNM donne naissance à une démarche distincte, correspondant à une vitesse différente, et ces comportements se transfèrent en grande partie de la simulation au robot réel. L'enjeu dépasse la simple démonstration académique. La majorité des robots quadrupèdes actuels, conçus sans exploiter la résonance mécanique en raison de la complexité des dynamiques non linéaires, s'appuient sur des contrôleurs de locomotion dédiés, gourmands en calcul et en réglages manuels. En s'inspirant des animaux, qui ajustent posture et raideur musculaire pour tirer parti de la résonance et réduire le contrôle actif nécessaire, ce travail propose une alternative où la démarche émerge naturellement de la mécanique du robot (gravité, inertie, élasticité) plutôt que d'être imposée par un algorithme. Pour les concepteurs, cela suggère qu'une conception mécanique bien pensée peut remplacer une partie du calcul embarqué, avec à la clé des robots potentiellement plus légers, plus économes en énergie et plus agiles. Il s'agit néanmoins d'une preuve de concept limitée à une seule plateforme, dont le transfert simulation vers matériel n'est que partiel. Ce travail s'inscrit dans le courant de l'intelligence incarnée (embodied intelligence) et de la robotique compliante, héritier des marcheurs passifs dynamiques qui, depuis les années 1990, cherchent à exploiter la mécanique du corps plutôt que le seul logiciel, à l'inverse des approches par apprentissage par renforcement ou commande prédictive dominantes chez la plupart des quadrupèdes commerciaux actuels. En formalisant les modes normaux non linéaires d'un robot compliant comme eBert, les auteurs posent une méthode reproductible pour d'autres plateformes. L'article se présente explicitement comme une preuve de concept, sans annonce de commercialisation ni de partenaire industriel : les chercheurs évoquent une future génération de robots agiles et efficaces s'appuyant sur ce principe, sans calendrier ni étape de déploiement précisée.

RecherchePaper
1 source
TAC-LOCO : contrôle unifié du corps entier pour la loco-manipulation quadrupède guidée par le tact
4arXiv cs.RO 

TAC-LOCO : contrôle unifié du corps entier pour la loco-manipulation quadrupède guidée par le tact

Cette étude, publiée sur arXiv en juillet 2026, présente TAC-LOCO, un cadre d'apprentissage par renforcement qui unifie pour la première fois le contrôle corporel complet d'un robot quadrupède doté d'un bras manipulateur en intégrant un retour tactile dans la boucle de commande. Le système encode les données d'un réseau de capteurs tactiles montés sur une pince compliante en une représentation latente compacte, fusionnée avec la proprioception du robot pour piloter simultanément les pattes, le bras et la pince. Les chercheurs ont déployé la politique sans réentraînement supplémentaire (zero-shot) sur un quadrupède Unitree Go2 équipé d'un bras Interbotix WidowX 250 et d'une pince tactile. Les résultats chiffrés sont précis : une réduction de 47% de la force de préhension appliquée et un taux de chute d'objet inférieur à 1%, y compris lors de changements de charge progressifs et de relâchements brusques. L'apport principal tient à ce que le système régule activement la force de préhension en fonction de l'interaction physique réelle, plutôt que de simplement serrer fermement l'objet comme le font la plupart des approches existantes en loco-manipulation dynamique. Pour l'industrie robotique, cela répond à une limite concrète des robots à pattes actuels : la capacité à transporter des charges tout en se déplaçant dynamiquement sans les endommager ni les laisser tomber, un enjeu direct pour la logistique, l'inspection industrielle ou les interventions en environnement non structuré. Ce résultat illustre aussi que l'intégration tactile n'est plus cantonnée aux tâches de manipulation statique en laboratoire, mais devient exploitable dans des scénarios de contrôle corporel complet à haute dynamique, un signal notable pour les intégrateurs qui évaluent la maturité des architectures VLA et RL appliquées à la robotique mobile. Le travail s'inscrit dans la continuité des recherches sur la loco-manipulation, un domaine où la coordination entre stabilité locomotrice et précision de manipulation reste un défi ouvert, généralement traité sans capteurs tactiles faute de méthodes robustes pour exploiter ce signal en temps réel. TAC-LOCO se positionne ainsi face aux approches de contrôle corporel complet sans tactile, en démontrant un gain mesurable sur la robustesse aux perturbations externes. La validation reste toutefois limitée à une plateforme de recherche (Go2 plus bras WidowX), sans indication de calendrier vers un déploiement industriel ou une plateforme commerciale.

RecherchePaper
1 source