Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Planification sur des cartes différentiables de variétés à contraintes avec des solveurs IK généraux
RecherchearXiv cs.RO 

Planification sur des cartes différentiables de variétés à contraintes avec des solveurs IK généraux

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

Des chercheurs présentent une nouvelle méthode pour planifier des trajectoires de bras robotiques manipulateurs soumis à des contraintes cinématiques d'égalité, un problème qui restreint les mouvements possibles à un sous-espace de mesure nulle dans l'espace des configurations. L'approche s'appuie sur des solveurs de cinématique inverse (IK) génériques comme IKFast, largement utilisés dans l'industrie mais dont les sorties ne sont normalement pas différentiables, ce qui les rend inutilisables pour l'optimisation de trajectoire par gradient. Les auteurs utilisent le théorème de la fonction inverse pour reconstruire les gradients recherchés à partir du jacobien de cinématique directe classique, une opération standard et déjà différentiable. Ils ajoutent aussi une extension de domaine par moindres carrés et une formulation de la contrainte d'accessibilité compatible avec l'optimisation, qui conserve un signal de gradient exploitable même en dehors de l'espace de travail atteignable. La méthode a été validée par des expériences numériques et une démonstration matérielle sur un bras RB-Y1, qui a saisi une boîte et l'a déposée sur une table.

L'intérêt pratique est de rendre différentiables des solveurs IK automatisés déjà déployés massivement dans l'industrie, sans réécrire à la main des fonctions IK analytiques sur mesure pour chaque robot, une tâche coûteuse réservée jusqu'ici à des cas particuliers. Pour les intégrateurs et ingénieurs en robotique, cela signifie pouvoir brancher l'optimisation de trajectoire par gradient sur des chaînes d'outils IK existantes plutôt que de dépendre d'implémentations bespoke. Cela s'inscrit dans une tendance plus large de rapprochement entre planification classique basée sur des contraintes géométriques et optimisation différentiable, sans recourir à l'apprentissage profond ni aux modèles vision-langage-action (VLA) type Pi-0 ou GR00T N2. La démonstration reste toutefois limitée à une seule tâche de prise-dépose sur un unique bras, ce qui en fait une preuve de concept plutôt qu'un résultat généralisable à grande échelle.

Le travail s'inscrit dans la littérature sur la planification sous variétés de contraintes, où paramétrer l'espace des configurations faisables via la cinématique inverse analytique est une stratégie reconnue, mais jusqu'ici limitée par le manque de différentiabilité des solveurs automatisés génériques. Publié le 10 septembre 2026 sur arXiv, l'article ne précise pas les auteurs ni leur affiliation dans le résumé fourni, mais met à disposition un site de projet dédié pour la reproduction des résultats. Aucun acteur français ou européen n'est mentionné dans cette publication.

Dans nos dossiers

IA physique & VLANVIDIA GR00TarXiv cs.RO

À lire aussi

Téléopération en temps réel sans collision grâce à une planification de trajectoire différentiable par contraintes
1arXiv cs.RO 

Téléopération en temps réel sans collision grâce à une planification de trajectoire différentiable par contraintes

Des chercheurs ont publié en juin 2026 sur arXiv (arXiv:2606.08725) une méthode de planification de trajectoire en temps réel pour la téleopération sans collision de bras manipulateurs. Le problème central : en téleopération, l'opérateur ne contrôle que la pose de l'effecteur terminal (position et orientation de l'outil), sans piloter individuellement les articulations. Cela provoque régulièrement des auto-collisions du bras sur lui-même ou des collisions avec les obstacles de l'environnement de travail. L'approche proposée reformule les contraintes d'évitement de collision en les rendant différentiables via la dualité en optimisation convexe, une formulation récente adaptée ici au contexte de la téleopération. Le robot est représenté géométriquement par des capsules (cylindres à extrémités hémisphériques), l'environnement par des polytopes. La méthode a été validée en simulation sur des scénarios à nombre variable d'obstacles, puis testée physiquement sur un bras UR5e de Universal Robots dans une session de téleopération réelle. Les résultats indiquent des temps de calcul inférieurs aux méthodes de référence, tout en autorisant une modélisation géométrique plus fidèle, produisant des trajectoires plus lisses et garantissant l'absence de collision. L'enjeu industriel est direct : les approches existantes contraignent les développeurs à choisir entre précision géométrique et performance de calcul. Approximer robot et obstacles par des sphères simplifie la différentiabilité mais introduit des marges de sécurité artificiellement larges, restreignant l'espace de travail utile. À l'inverse, approximer les dérivées dégrade la convergence du solveur et augmente la latence, incompatible avec les exigences temps réel de la téleopération. En utilisant la dualité convexe, ce travail contourne les deux compromis simultanément. Pour un intégrateur déployant des cellules robotisées téléopérées, cela représente potentiellement moins de zones interdites inutiles et une meilleure réactivité du système. La téleopération connaît un regain d'intérêt important depuis 2023, portée par les besoins en collecte de données pour l'apprentissage par imitation dans les robots humanoïdes et par les applications en environnements dangereux ou médicaux. Les méthodes concurrentes incluent les contrôleurs réactifs basés sur des champs de potentiel, les planificateurs par échantillonnage (RRT, CHOMP) et les approches de contrôle optimal à horizon glissant avec modèles en sphères. L'approche ici, fondée sur la programmation différentiable et les contraintes duales convexes, s'inscrit dans une tendance plus large d'intégration des outils d'optimisation différentiable dans la robotique de manipulation. Le travail est un preprint non encore évalué par les pairs ; les prochaines étapes probables concernent l'extension à des configurations à plus grand nombre de degrés de liberté et à des environnements dynamiques.

UEApplicable aux intégrateurs européens déployant des cellules téléopérées (chirurgie, environnements dangereux), mais aucun acteur FR/EU n'est directement impliqué dans ce preprint.

RecherchePaper
1 source
Planification de mouvements par échantillonnage sur variétés riemanniennes avec conscience géométrique
2arXiv cs.RO 

Planification de mouvements par échantillonnage sur variétés riemanniennes avec conscience géométrique

Des chercheurs ont publié sur arXiv (arXiv:2602.00992) un cadre de planification de mouvement par échantillonnage opérant directement sur des variétés riemanniennes, adressant une limitation fondamentale des planificateurs classiques : l'usage de distances euclidiennes dans des espaces de configuration à géométrie non euclidienne. La contribution centrale est une approximation par point médian de la distance géodésique riemannienne, dont les auteurs prouvent la convergence au troisième ordre vers la distance réelle. Un planificateur local complète le système en traçant la variété via des rétractions du premier ordre guidées par des gradients naturels riemanniens. Les validations portent sur un bras plan à deux degrés de liberté, un manipulateur Franka à 7-DoF sous métrique d'énergie cinétique, et la planification de corps rigides dans SE(2) avec contraintes non holonomes. Dans chaque cas, l'approche produit des trajectoires de coût inférieur aux planificateurs euclidiens et aux solveurs géodésiques numériques de référence. L'enjeu industriel est direct : pour les bras manipulateurs redondants (6-DoF et plus), les métriques d'énergie cinétique ou de manipulabilité définissent une géométrie non euclidienne que les RRT et RRT standards ignorent, produisant des trajectoires sous-optimales en énergie et en usure des actionneurs. Ce travail comble le fossé entre deux familles de méthodes : les solveurs géodésiques numériques, fidèles géométriquement mais peu scalables en haute dimension, et les planificateurs par échantillonnage, efficaces mais géométriquement naïfs. La preuve de convergence au troisième ordre est un apport théorique solide ; les expériences restent cependant limitées à 2 et 7-DoF, et la tenue à l'échelle sur des systèmes corps entier (20-DoF et plus) n'est pas encore démontrée. La planification géodésique n'est pas une idée nouvelle : CHOMP et les méthodes de Gaussian Process Motion Planning avaient déjà exploité des métriques tâche-espace, mais dans des cadres d'optimisation sans garanties de complétude probabiliste. Ce travail se distingue en intégrant la géométrie riemannienne dans le paradigme par échantillonnage (famille RRT/PRM), ce qui offre des garanties de complétude asymptotique. Les concurrents directs incluent les variantes RRT à métriques personnalisées et les planificateurs sur graphes de visibilité riemanniens. La suite logique serait une validation sur des manipulateurs industriels courants (Universal Robots, KUKA iiwa) et une intégration dans MoveIt 2 ou NVIDIA Isaac/Lula, deux prérequis pour une adoption réelle en production.

RecherchePaper
1 source
Recuit génératif sur variété pour une commande d'impédance sensible aux contraintes de contact, avec prior d'apprentissage par renforcement
3arXiv cs.RO 

Recuit génératif sur variété pour une commande d'impédance sensible aux contraintes de contact, avec prior d'apprentissage par renforcement

Des chercheurs proposent sur arXiv (v1, octobre 2026) Manifold Generative Annealing (MGA), un cadre génératif qui combine apprentissage par renforcement sans modèle et optimisation de trajectoires fondée sur un modèle. Il optimise conjointement le mouvement et l'impédance, c'est-à-dire la raideur et l'amortissement avec lesquels un robot réagit au contact. MGA part de politiques RL préentraînées et les organise en propositions de séquences structurées. Il conserve ainsi leurs stratégies d'interaction propres à la tâche, sans s'engager à les exécuter telles quelles. Ces propositions sont évaluées avec des échantillons exploratoires par des simulations prédictives, puis raffinées ou sélectionnées pour l'exécution. Un raffinement « conscient de la réalisation » aligne les mises à jour sur les contraintes de la tâche et sur les réponses physiques réellement obtenues localement. Les tests couvrent le balayage de surface, l'insertion de cheville (peg insertion) et la poussée par un humanoïde. Les auteurs annoncent un meilleur taux de réussite sous contrainte de sécurité pour le contrôle d'impédance, en conditions nominales et lorsque les mesures sont décalées. Le résumé ne donne ni chiffres, ni plateforme matérielle, ni écart de performance. Le travail vise un point faible connu du secteur. Les politiques apprises donnent de bonnes stratégies de contact, mais elles se dégradent quand la rigidité, le frottement ou le bruit de capteurs s'éloignent de l'entraînement. À l'inverse, les méthodes génératives à horizon glissant s'adaptent en ligne, mais manquent de guidage comportemental. Pour un intégrateur, la manipulation riche en contacts (assemblage, finition, inspection) est souvent là où une démonstration échoue en production. Utiliser le RL comme prior plutôt que comme exécutant final est une piste crédible pour réduire cet écart. Rien ne prouve encore que cela tienne hors laboratoire, car le résumé ne précise pas si les expériences sont en simulation ou sur robot réel. Ce travail s'inscrit dans la convergence entre politiques apprises (RL, imitation, modèles vision-langage-action) et commande prédictive par échantillonnage, où des générateurs de type diffusion proposent des trajectoires qu'un modèle évalue. Il se positionne face aux politiques purement apprises, plus rapides mais fragiles hors distribution, et aux approches purement modélisées, robustes mais coûteuses à régler. Le critère de « taux de réussite de sécurité » est pertinent pour le déploiement, mais sa définition et ses seuils restent à vérifier dans le papier complet. Les suites logiques sont une validation sur matériel, des comparaisons chiffrées avec les méthodes de référence et des mesures de temps de calcul, déterminantes pour une exécution temps réel sur des humanoïdes ou des bras industriels.

RecherchePaper
1 source
UniConFlow : un cadre unifié d'appariement de flux sous contraintes pour une planification de mouvement certifiée
4arXiv cs.RO 

UniConFlow : un cadre unifié d'appariement de flux sous contraintes pour une planification de mouvement certifiée

UniConFlow est un cadre de génération de trajectoires fondé sur le flow matching, une famille de modèles génératifs, qui intègre de manière unifiée des contraintes d'égalité et d'inégalité. Il vise à couvrir en une seule architecture l'évitement de collisions, les limites d'actionnement et la cohérence dynamique, que les approches existantes traitent le plus souvent séparément ou par des heuristiques. Les auteurs ajoutent une « fonction d'annulation à temps prescrit » (prescribed-time zeroing function), qui façonne un champ de guidage variable dans le temps pendant l'inférence, de sorte que la génération s'adapte à différents modèles de système et exigences de tâche. Deux stratégies pratiques ciblent les trajectoires longues et de grande dimension : un protocole d'extraction des segments en violation, qui localise puis corrige uniquement les portions fautives, et une compression de trajectoire qui accélère l'optimisation dans un espace réduit tout en préservant une reconstruction fidèle après décodage. Le travail est validé sur trois expériences : un double pendule inversé, une course de voitures « real-to-sim » et une tâche de manipulation « sim-to-real ». Il s'agit de la version 3 d'un preprint arXiv (2506.02955), avec une page projet publique. L'intérêt tient au problème visé : les planificateurs génératifs (diffusion, flow matching) produisent des trajectoires multimodales flexibles, mais n'offrent pas de garanties de sécurité. Pour un intégrateur ou un responsable industriel, c'est l'obstacle principal au déploiement de politiques apprises près d'humains ou d'équipements coûteux. Un cadre qui impose les contraintes pendant l'inférence plutôt qu'au moyen de filtres de sécurité ajoutés après coup irait dans le sens d'une planification apprise « certifiable ». Les auteurs affirment que UniConFlow surpasse les planificateurs génératifs de l'état de l'art et les méthodes d'optimisation classiques sur la sécurité, la cohérence cinématique et dynamique et la faisabilité des actions. Ces affirmations restent à nuancer : le résumé ne fournit ni chiffres, ni taux de succès, ni temps de calcul. Les trois bancs d'essai sont de portée limitée, et le passage réel ne concerne qu'une tâche de manipulation, sans déploiement industriel ni mesure de latence en boucle fermée. Le terme « certifié » désigne ici des métriques de respect des contraintes, pas une certification au sens normatif (par exemple ISO 10218). Le contexte est celui d'une littérature très active sur la contrainte des modèles de diffusion et de flow matching, qui passe par des projections, du guidage par gradient ou des couches d'optimisation, souvent au prix d'un coût de calcul élevé sur de longs horizons. La compression de trajectoire et la correction localisée des segments répondent précisément à cette limite. Les alternatives restent l'optimisation de trajectoire classique (MPC, optimisation par contraintes) et les politiques VLA généralistes, qui privilégient la généralisation sur la garantie. La suite logique serait une validation sur des plateformes plus complexes, avec des contraintes de contact et des bras ou humanoïdes réels, et des comparaisons de temps d'inférence à l'échelle. Aucun partenaire industriel ni calendrier de déploiement n'est annoncé, et aucun acteur français ou européen n'est mentionné.

RecherchePaper
1 source