RecherchearXiv cs.RO 4 septembre 2026

Contrôle en temps réel de la forme de bras robotiques souples multi-segments par opérateurs de Koopman à observables globaux et locaux

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche a publié sur arXiv (référence 2609.03175) un article décrivant un cadre de contrôle prédictif basé sur les opérateurs de Koopman pour piloter en temps réel la forme complète de bras robotiques souples à segments multiples, et non plus seulement la position de leur extrémité. Le système combine des observables dites globales, qui décrivent la forme dans le repère du bras entier, et des observables locales, propres à chaque segment, afin de mieux gérer le couplage entre segments, les charges dues à la gravité et les effets inertiels qui s'accentuent avec le nombre de segments. Les essais numériques démontrent le passage à l'échelle du contrôleur jusqu'à dix segments actionnés indépendamment. Sur banc physique, des bras à trois et cinq segments ont été pilotés à des vitesses de pointe allant jusqu'à 0,6 m/s, avec des charges utiles déportées de 400 grammes sans réentraînement du modèle, une récupération après une perturbation latérale de 7 newtons, et une démonstration en espace confiné évoquant des applications d'inspection.

L'enjeu dépasse la prouesse académique: pour un bras souple, contrôler uniquement la position du bout de bras est insuffisant dans les espaces contraints, où c'est la forme de tout le corps qui doit éviter les obstacles, typiquement lors d'inspections de conduites, de cavités ou d'environnements nucléaires. Les approches précédentes ne corrigeaient que l'erreur de forme dans le repère global, ce qui devient inadapté dès que le nombre de segments augmente et que les interactions mécaniques internes prennent le dessus. En démontrant une commande robuste sans réentraînement face à des charges et des perturbations externes, ces travaux réduisent l'écart entre les démonstrations de laboratoire et une utilisation fiable en conditions réelles, un point de blocage classique en robotique souple.

Le résultat s'inscrit dans un courant de recherche qui cherche à rendre exploitable la dynamique fortement non linéaire des continuums souples, en s'appuyant sur la théorie de Koopman pour en obtenir une approximation linéaire compatible avec un contrôle prédictif en temps réel. Il s'agit d'un travail de recherche à un stade préliminaire, validé en simulation et sur prototype physique, sans acteur industriel ni calendrier de déploiement annoncés; la démonstration en espace confiné est présentée comme une preuve de potentiel pour de futures applications d'inspection, plutôt qu'un produit prêt à être commercialisé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Contrôle en temps réel de la compliance et de la position d'un bras robotique souple hyper-redondant

Des chercheurs ont mis en ligne sur arXiv fin juin 2026 un bras robotique pneumatique à sept segments, six articulations et douze axes revolutes indépendants. Chaque axe est actionné par une paire antagoniste de muscles pneumatiques artificiels, ce qui permet d'ajuster simultanément l'angle articulaire et la raideur locale de cet axe. La colonne vertébrale rigide articulée rend la compliance et la position de l'effecteur suffisamment prévisibles pour être commandées quantitativement en temps réel. Un contrôleur itératif unique, combinant cinématique inverse et compliance inverse dans l'espace tâche, pilote l'ensemble sans découpler les deux objectifs. Le système a été validé sur le bras physique et sur un jumeau numérique correspondant, puis le cadre de contrôle a été étudié par simulation pour d'autres morphologies de bras. Le résultat illustre un changement de méthode rarement appliqué à l'échelle d'un bras complet : concevoir la structure mécanique autour du problème de contrôle, et non l'inverse. Les robots souples absorbent bien les contacts imprévus mais résistent mal à un pilotage précis de position ; les robots rigides suivent des trajectoires exactes mais bloquent dès qu'un désalignement est masqué. Ce bras combine les deux propriétés, et les tâches de démonstration choisies -- écriture sur un tableau blanc mobile, insertion d'une clé dans une serrure et ouverture d'un tiroir avec désalignement volontairement caché -- sont précisément celles qui échouaient jusqu'ici avec l'un ou l'autre type d'architecture. Le fait que ces scénarios fonctionnent avec un contrôleur relativement direct suggère que la valeur vient du design mécanique plutôt que de la sophistication algorithmique. Les muscles pneumatiques artificiels sont une technologie mature remontant aux années 1980, mais leur usage antagoniste pour le contrôle actif de raideur reste largement confiné aux laboratoires de recherche. La robotique souple a produit une littérature académique dense depuis une décennie, avec des groupes actifs à Harvard, ETH Zurich, Delft ou l'INRIA côté français, sans que la commercialisation ne suive au même rythme. Cette publication est un preprint non encore évalué par des pairs, non associé à une entreprise identifiable, ce qui laisse entière la question de l'industrialisation. Le document ne précise pas le payload nominal ni la vitesse de déplacement du bras, deux paramètres critiques pour tout intégrateur industriel. Les prochaines étapes naturelles incluent une soumission à revue à comité de lecture, des tests en charge réelle et une intégration sur plateforme mobile.

RecherchePaper

1 source

2arXiv cs.RO

Distillation neuronale de Koopman dynamique pour le contrôle robotique en temps réel par modèles de diffusion

Une équipe de chercheurs a publié sur arXiv (2605.24924) un cadre nommé Dynamic Neural Koopman Distillation (DNKD), réduisant la latence d'inférence des politiques de diffusion robotiques à quelques millisecondes, contre des centaines pour les modèles originaux. Le problème central : les modèles de diffusion génèrent des trajectoires multimodales de qualité mais leur débruitage itératif (10 à 100 étapes) est incompatible avec la commande en boucle fermée à 50-100 Hz. La solution repose sur une couche Factorized Dynamic Koopman (FDK), qui distille ce processus en un seul passage avant via une transition latente factorisée à gains modaux dépendants de l'état. Validée sur les benchmarks D4RL MuJoCo et sur un bras Kinova physique, la méthode surpasse significativement les baselines de distillation à une étape sur les tâches de locomotion et maintient un taux de succès comparable en manipulation réelle. L'enjeu industriel est direct : les politiques de diffusion, plébiscitées pour leur gestion des tâches ambiguës à solutions multiples, étaient jusqu'ici confinées aux systèmes tolérant la latence. Ramener l'inférence au régime milliseconde ouvre la voie aux contrôleurs embarqués sans accélérateur dédié. Pour un intégrateur ou un COO industriel, c'est un accès aux politiques génératives puissantes sans compromis sur la réactivité, paramètre critique pour la sécurité machine et la cadence de production. La méthode confirme aussi que la distillation de connaissance, technique éprouvée en NLP, est transférable aux politiques d'action multimodales. Ce travail s'inscrit dans un courant ouvert par Diffusion Policy (Chi et al., 2023, Columbia) et industrialisé par Physical Intelligence avec pi-0. Les approches concurrentes pour l'accélération d'inférence incluent les consistency models, le rectified flow (présent dans GR00T N2 de NVIDIA) et DDIM. Le DNKD se distingue par son ancrage dans la théorie de l'opérateur de Koopman, qui linéarise la dynamique non linéaire dans un espace latent, garantie théorique absente des méthodes purement empiriques. La publication reste un preprint arXiv non évalué par les pairs, sans partenaire industriel annoncé ; les démonstrations sont disponibles sur fdkoopman.github.io.

RechercheActu

1 source

3arXiv cs.RO

Guide robotique : contrôle multi-agents et génération automatique de scénarios par LLM

Un article de recherche décrit une nouvelle architecture de contrôle hybride pour robots sociaux, combinant un système de gestion de ressources multi-agents avec une génération automatique de scénarios comportementaux basée sur des grands modèles de langage (LLM). L'objectif est de dépasser les approches traditionnelles, où des scripts manuels synchronisent tant bien que mal les actions du robot et le texte prononcé, et où les méthodes existantes se limitent à des réponses dialoguées courtes. Le système automatise à la fois la préparation des textes et des commandes de comportement non-verbal pour des récits longs, tout en résolvant les conflits de ressources entre les différents mécanismes d'exécution du robot. Il a été testé sur MENTOR-1, un robot guide de visite (tour guide robot), pour lequel il a généré automatiquement des scénarios complets et démontré un comportement jugé plus naturel et plus riche que les approches existantes. L'article, publié sur arXiv (version révisée), ne précise pas de chiffres de déploiement commercial, de prix ni de dates de mise en production sur site. Pour l'industrie robotique, ce travail illustre une tendance de fond : le passage de scripts comportementaux figés à une orchestration pilotée par LLM capable de générer, en amont, des scénarios longs cohérents entre parole et gestuelle, plutôt que de simplement générer des réponses conversationnelles ponctuelles. La gestion multi-agents des ressources d'exécution répond à un problème concret pour les intégrateurs de robots sociaux : éviter que plusieurs modules (voix, gestes, déplacement, expressions) ne se marchent dessus lors d'une interaction prolongée. Si les résultats sont confirmés à plus grande échelle, cela pourrait réduire le travail manuel de script pour les déploiements de robots d'accueil ou de guidage, un segment où la narration longue reste un point faible des architectures actuelles. Il s'agit toutefois d'une preuve de concept académique sur une plateforme unique, pas d'un produit commercial validé en conditions réelles. Ce travail s'inscrit dans la lignée des recherches sur les architectures VLA (vision-langage-action) et la génération de comportements par LLM pour la robotique sociale, un domaine où des acteurs comme Figure ou Google DeepMind (avec des modèles comme Pi-0 ou GR00T) explorent des approches similaires pour des tâches de manipulation, tandis que MENTOR-1 se positionne spécifiquement sur l'interaction sociale et la narration guidée. Aucun acteur français ou européen n'est mentionné dans cette publication. Les prochaines étapes évoquées par les auteurs concernent l'extension du système à d'autres scénarios narratifs et plateformes robotiques, sans calendrier ni partenariat industriel annoncé à ce stade.

RecherchePaper

1 source

4arXiv cs.RO

Pliage dynamique de tissu par robot grâce au contrôle prédictif basé sur l'opérateur de Koopman

Une équipe de chercheurs a soumis sur arXiv en mai 2026 (arXiv:2605.18373) une approche de contrôle prédictif par modèle (MPC) pour le pliage dynamique de tissu par bras robotique. Le système repose sur la régression par noyau de l'opérateur de Koopman, une technique d'identification de systèmes non linéaires, pour construire un modèle linéaire de substitution du comportement du tissu. Ce modèle surrogate est entraîné à partir de données issues d'un simulateur physique haute-fidélité, puis intégré dans l'algorithme MPC à la place du modèle non linéaire coûteux, permettant de générer des trajectoires de pliage rapide. Les expériences couvrent des environnements simulés et un robot réel, démontrant la capacité à atteindre des configurations de pliage non vues à l'entraînement sans dégradation mesurée de la précision. L'enjeu est structurant pour la manipulation d'objets déformables : le pliage dynamique de tissu, qui exploite l'inertie du textile via des mouvements rapides, bute depuis des années sur un compromis persistant entre vitesse et précision, les systèmes existants nécessitant plusieurs tentatives ou se limitant à des pièces rigides et petites. Le transfert sim-to-real est également un obstacle majeur avec les modèles physiques non linéaires du tissu, dont l'inférence haute-fidélité est prohibitive en temps réel. En linéarisant la dynamique du tissu via l'opérateur de Koopman, les auteurs allègent drastiquement la charge computationnelle du MPC, ouvrant la voie à un contrôle quasi-temps-réel pour des applications textiles industrielles (blanchisseries, e-commerce, confection). Il convient toutefois de signaler que les expériences en conditions réelles restent limitées en portée à ce stade de preprint, sans validation sur une grande diversité de matières ou de formats de vêtements. L'opérateur de Koopman connaît depuis 2020-2021 un intérêt croissant en robotique comme alternative aux modèles neuronaux pour la linéarisation de systèmes non linéaires, notamment dans la locomotion et la manipulation. Dans le domaine du cloth manipulation, des travaux récents de Columbia, MIT ou de l'équipe derrière UniGarmentManip ont exploré les politiques par apprentissage par renforcement ou par diffusion, mais sans combiner la structure MPC avec l'identification Koopman. Aucune entreprise ni spin-off n'est associée à cette publication. Les suites logiques incluent une validation sur une plus grande variété de tissus (matières, tailles, rigidités variables) et l'intégration dans un pipeline complet combinant perception de l'état du tissu et planification de préhension, deux briques que le preprint ne couvre pas encore.

RecherchePaper

1 source