Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

SUPER ODOMETRY 2.0 : une odométrie résiliente grâce à une adaptation hiérarchique

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

Un article publié sur arXiv (2608.25427v1) présente Super Odometry, un système de fusion de capteurs conçu pour maintenir une odométrie fiable dans des environnements dégradés comme la fumée, les tempêtes de sable, la neige ou la faible luminosité. L'architecture repose sur une structure hiérarchique à quatre modules, de la sélection adaptative de features jusqu'à un module d'odométrie inertielle appris par apprentissage automatique, en passant par la sélection adaptative de la direction d'état et celle du moteur d'estimation. Ce module inertiel a été entraîné sur plus de 100 heures de données issues de plateformes robotiques hétérogènes, ce qui lui permet de capturer une large gamme de dynamiques de mouvement. Point clé: la centrale inertielle (IMU) est élevée au même rang que la caméra et le LiDAR dans la fusion de capteurs, servant de solution de repli quand les capteurs extéroceptifs échouent. Le système a été validé sur 200 kilomètres et 800 heures de fonctionnement, sur une flotte de robots aériens, à roues et à pattes, avec des configurations de capteurs variées et des mouvements agressifs.

Pour l'industrie robotique, ce travail cible un point de défaillance récurrent des piles de SLAM et de VIO classiques: la dégradation ou la perte des capteurs extéroceptifs en conditions réelles, un scénario critique pour la recherche et sauvetage, l'inspection industrielle ou la défense. En traitant l'IMU comme une source de mesure à part entière plutôt qu'un simple correctif de dérive, Super Odometry cherche à réduire l'écart entre démonstrations en laboratoire et robustesse sur le terrain. Qu'un seul framework couvre trois morphologies de robots est également notable, les stacks de navigation étant généralement spécialisées par plateforme. Les chiffres de validation, 200 km et 800 heures, dépassent largement les échelles habituelles des publications académiques sur l'odométrie, même si, comme pour toute étude auto-rapportée sans benchmark indépendant, ces résultats restent à confirmer par des tiers.

Le nom "Super Odometry 2.0" suggère une évolution d'un système antérieur, désormais enrichi d'une couche d'adaptation hiérarchique et d'un module inertiel appris, dans la lignée des travaux de fusion LiDAR-inertielle-caméra pour la robotique de terrain en environnements extrêmes (mines, tunnels, sites sinistrés). Il s'inscrit dans une tendance plus large consistant à hybrider composants appris et estimation classique plutôt que viser une navigation neuronale de bout en bout. L'abstract ne mentionne ni affiliation, ni partenaire de déploiement, ni calendrier commercial: à ce stade, il s'agit d'une publication de recherche, pas d'un produit livré ni d'un pilote annoncé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Où toucher, comment entrer en contact : un cadre hiérarchique RL-MPC pour une manipulation sim-vers-réel sensible à la géométrie
1arXiv cs.RO 

Où toucher, comment entrer en contact : un cadre hiérarchique RL-MPC pour une manipulation sim-vers-réel sensible à la géométrie

Une équipe de recherche propose une architecture hiérarchique combinant apprentissage par renforcement (RL) et commande prédictive (MPC) pour la manipulation dextre en contact riche, détaillée dans un article arXiv (2601.10930, quatrième révision). Le système sépare la décision en deux niveaux: une politique RL de haut niveau détermine "où toucher", c'est à dire un point de contact sur la surface de l'objet ainsi qu'une pose cible à atteindre après ce contact, un concept que les auteurs nomment "intention de contact". Un contrôleur MPC de bas niveau, dit à contact implicite, prend ensuite le relais pour optimiser en temps réel les modes de contact locaux et replanifier la trajectoire du robot à travers la dynamique de contact, non lissée par nature. Le framework a été testé sur des tâches de manipulation non préhensile: poussée généralisée sur des objets de formes variées, réorientation par pivotement ou basculement, et repositionnement assisté par l'environnement. Les résultats annoncés montrent un taux de réussite élevé, un transfert simulation vers réel sans réentraînement (zero shot), et surtout un besoin en données dix fois inférieur à celui des politiques de bout en bout classiques. Cette approche s'attaque directement à l'un des points faibles des politiques end to end actuelles, y compris les modèles vision langage action de type VLA: leur appétit en données et leur difficulté à transférer proprement de la simulation vers le réel. En réintroduisant une décomposition géométrique explicite plutôt que de tout confier à un réseau appris de bout en bout, les auteurs cherchent à concilier la généralisation apprise par renforcement avec la robustesse physique garantie par la commande prédictive. Pour les équipes travaillant sur la manipulation robotique, la promesse d'un facteur dix sur les données nécessaires est significative si elle se confirme au delà des tâches non préhensiles testées ici. Le travail s'inscrit dans un courant de recherche plus large sur la manipulation en contact riche, domaine où la difficulté vient précisément de devoir raisonner conjointement sur la géométrie globale des objets et sur une dynamique de contact non lisse, difficile à différentier et à planifier. Contrairement aux approches purement data driven qui dominent la littérature récente, ce travail mise sur une structure hybride inspirée de la robotique classique. L'article, republié dans sa quatrième version, ne précise pas de calendrier de déploiement matériel à plus grande échelle ni de partenariat industriel.

RecherchePaper
1 source
DROID-ANCHOR : estimation récurrente de profondeur métrique ancrée sur l'odométrie
2arXiv cs.RO 

DROID-ANCHOR : estimation récurrente de profondeur métrique ancrée sur l'odométrie

Des chercheurs publient sur arXiv (référence 2607.17058v1, juillet 2026) un nouveau système baptisé Metric-DROID, associé au papier intitulé DROID-ANCHOR, qui vise à résoudre un problème classique de la navigation robotique autonome : l'estimation de profondeur métrique à partir d'une seule caméra. Les systèmes SLAM récents basés sur des flux récurrents atteignent un excellent niveau de robustesse mais restent incapables de fournir une échelle physique fiable, ce qu'on appelle l'ambiguïté d'échelle, avec un risque de dérive au fil du déplacement du robot. Metric-DROID propose une architecture bout-en-bout qui ancre le SLAM visuel à la réalité physique en intégrant des données d'odométrie proprioceptive, c'est-à-dire les mesures internes de déplacement du robot (roues, capteurs inertiels). Le système repose sur trois briques : un opérateur de mise à jour LSTM qui transforme les séquences d'odométrie haute fréquence en cartes de caractéristiques spatiales servant de biais métrique persistant ; un module d'ajustement de faisceaux ($BA_{odom}$) qui pondère intelligemment les données visuelles et les mesures métriques grâce à une covariance apprise, limitant l'impact du glissement des roues et du bruit capteur ; et une stratégie de réglage fin sélectif qui préserve les connaissances géométriques pré-entraînées tout en permettant un alignement métrique sans réentraînement complet (zero-shot). L'enjeu est concret pour l'industrie robotique : la plupart des systèmes de navigation autonome low-cost s'appuient sur une caméra monoculaire plutôt que sur des capteurs stéréo ou LiDAR coûteux, mais butent justement sur cette absence d'échelle métrique fiable, ce qui limite leur usage en cartographie, en évitement d'obstacles précis ou en manipulation mobile. Si l'approche tient ses promesses en conditions réelles et pas seulement en benchmark, elle pourrait permettre à des robots mobiles et des AMR équipés de capteurs bon marché d'obtenir une localisation et une perception de profondeur en unités réelles, sans dépendre exclusivement de capteurs additionnels dédiés, ce qui réduirait les coûts matériels tout en fiabilisant la navigation en environnements dynamiques. Ce travail s'inscrit dans la lignée des systèmes SLAM récurrents de type DROID-SLAM, connus pour leur robustesse mais limités par l'ambiguïté d'échelle inhérente aux approches purement visuelles. En fusionnant apprentissage profond et odométrie classique plutôt que de s'appuyer sur des capteurs de profondeur additionnels, les auteurs se positionnent face aux approches concurrentes de SLAM visuo-inertiel ou visuo-LiDAR. L'article, encore au stade de publication de préprint, ne fournit pas à ce jour de détails sur un déploiement matériel réel ni sur des tests en conditions industrielles : il s'agit pour l'instant d'une contribution méthodologique dont la validation à grande échelle sur des plateformes robotiques commerciales reste à démontrer.

RecherchePaper
1 source
Récupération hiérarchique de compétences pour l'adaptation efficiente des modèles vision-langage-action
3arXiv cs.RO 

Récupération hiérarchique de compétences pour l'adaptation efficiente des modèles vision-langage-action

Des chercheurs présentent Hierarchical Skill Retrieval (HSR), un framework de récupération de démonstrations pour adapter plus efficacement les modèles Vision-Language-Action (VLA) à de nouvelles tâches de manipulation robotique avec peu de données spécifiques. Plutôt que de chercher des correspondances de tâches complètes, rares dans les jeux de données existants, HSR décompose une tâche cible en séquences de compétences candidates, évalue chaque plan selon sa plausibilité sémantique et la fiabilité des compétences estimée à partir du jeu de données préalable, puis combine récupération de langage au niveau sous-tâche et reclassement par caractéristiques comportementales pour sélectionner des démonstrations pertinentes et compatibles. La politique est ensuite adaptée via un pipeline en deux étapes séparant acquisition générale de compétences et finetuning spécifique à la tâche. Sur le benchmark LIBERO et sur plusieurs tâches de manipulation en conditions réelles, HSR améliore le taux de succès moyen de 10,3% et 21,3% respectivement par rapport à la meilleure méthode de référence. Vidéos et code sont disponibles sur le site du projet. Ce travail s'attaque à un problème très concret pour l'industrie robotique : les modèles VLA préentraînés sur de vastes jeux de données de démonstrations perdent en performance dès qu'on les confronte à des tâches nouvelles avec peu d'exemples, un frein majeur au déploiement rapide chez les intégrateurs. En structurant la récupération autour de compétences réutilisables plutôt que de tâches entières, HSR propose une piste pour réduire le coût de collecte de données lors du transfert vers de nouveaux environnements ou de nouvelles chaînes de production, un enjeu central pour quiconque cherche à industrialiser des bras robotiques ou des humanoïdes au-delà des démonstrations en laboratoire. Le gain plus marqué en conditions réelles (21,3%) qu'en simulation (10,3%) suggère que l'approche hiérarchique compense particulièrement bien le bruit et la variabilité du monde physique, un point souvent négligé par les méthodes de récupération fondées sur la seule similarité visuelle ou l'appariement de langage au niveau tâche. HSR s'inscrit dans la lignée des travaux récents sur l'adaptation efficace des modèles VLA de type Pi-0 ou GR00T, où la question centrale reste de savoir comment tirer parti de grands jeux de données hétérogènes sans réentraînement coûteux pour chaque nouvelle tâche. Les auteurs positionnent leur méthode par rapport aux approches de récupération existantes basées sur la similarité visuelle, les représentations état-action ou l'appariement de langage au niveau tâche, qu'ils jugent insuffisantes face à la structure hiérarchique des tâches de manipulation à long horizon. Le code et les vidéos de démonstration étant publiés en accès libre, la validation par la communauté sur d'autres benchmarks et plateformes robotiques déterminera si ces gains se généralisent au-delà de LIBERO et des tâches réelles testées par les auteurs.

RechercheOpinion
1 source
SparkVLA : un VLA hiérarchique conscient des arrêts, avec segmentation d'action adaptative pour la manipulation à long horizon
4arXiv cs.RO 

SparkVLA : un VLA hiérarchique conscient des arrêts, avec segmentation d'action adaptative pour la manipulation à long horizon

Une équipe de recherche a publié le 18 août 2026 sur arXiv (référence 2608.16172) SparkVLA, une architecture hiérarchique Vision-Language-Action conçue pour la manipulation robotique sur des tâches longues et multi-étapes. Le système règle un problème d'interface récurrent : à chaque point de ré-observation, il faut décider si la sous-tâche en cours s'arrête et jusqu'où exécuter le segment d'actions proposé, deux choix interdépendants que les architectures existantes évaluaient jusqu'ici séparément. SparkVLA les fusionne en un seul classement, où l'option d'arrêt est mise en concurrence avec chaque longueur possible de préfixe d'actions et le meilleur score l'emporte, sans seuil à régler manuellement. Le mécanisme repose sur deux modules : un encodeur contextuel ancré qui met en cache une représentation de la sous-tâche tenant compte de l'historique pour guider l'élagage des tokens visuels vers les zones pertinentes, et une tête de sélection qui note tous les candidats par auto-attention aux frontières des segments. Sur le benchmark RoboCerebra, SparkVLA atteint 47,12% de réussite, soit 30,57 points de plus que la référence hiérarchique officielle et 26,83 points de plus que la meilleure méthode reproductible connue, des gains confirmés par des essais complémentaires sur robot réel. Ce résultat cible un goulot d'étranglement classique des VLA hiérarchiques, où un module de planification en langage naturel et un module d'exécution bas niveau doivent se synchroniser : un mauvais calibrage provoque des arrêts prématurés ou des segments trop longs qui font dériver le robot sur les tâches à plusieurs étapes, l'un des écarts récurrents entre démonstrations en simulation et comportement réel. Pour les équipes qui construisent des pipelines de manipulation multi-étapes (kitting, assemblage, logistique), l'intérêt tient aussi à la méthode d'entraînement : SparkVLA ne requiert que des préférences ordinales hors ligne, moins coûteuses à collecter que des récompenses denses. Il s'agit toutefois d'un résultat de recherche mesuré sur un benchmark académique, complété par des essais robot réel que les auteurs présentent eux-mêmes comme de portée limitée, et non d'un produit déployé ou commercialisé. Le travail s'inscrit dans la lignée des modèles VLA hiérarchiques, qui séparent un raisonnement haut niveau découpant l'instruction en sous-tâches d'une politique d'action bas niveau entraînée par imitation, une famille d'architectures étudiée pour dépasser les limites des politiques VLA monolithiques sur l'horizon long. Sa contribution se distingue des approches à découpage d'actions de longueur fixe en rendant la longueur du segment exécuté adaptative et couplée à la décision d'arrêt. L'article compare ses résultats à la référence hiérarchique officielle du benchmark RoboCerebra et à la meilleure méthode reproductible publiée à ce jour, sans nommer d'acteur industriel ni annoncer de calendrier de mise à disposition du code, de partenariat ou de pilote de déploiement.

RechercheActu
1 source