FoldNet++ : un jeu de données synthétique à grande échelle pour le pliage et dépliage de t-shirts par un robot

Des chercheurs du laboratoire EPIC de l'université de Pekin publient FoldNet++, un jeu de données synthétique pour l'apprentissage du pliage et du dépliage de T-shirts par des robots, décrit dans un preprint arXiv (2609.12433v1). Il couvre 6 embodiments robotiques, 1 000 T-shirts virtuels et 1 000 environnements, pour un total de 120 000 épisodes annotes. En reprenant le pipeline FoldNet, les auteurs simulent physiquement des T-shirts aux apparences variées avec des points clés sémantiques annotes, puis génèrent, via un cadre base sur des règles unifie, des démonstrations de manipulation propres a chaque robot. Des politiques visuomotrices entraînées uniquement sur ces données synthétiques atteignent plus de 90% de réussite de bout en bout une fois déployées sur des environnements réels et des T-shirts jamais vus, dans des configurations initiales arbitraires. Le projet est publie a l'adresse pku-epic.github.io/FoldNetXX.

Le linge constitue un cas d'école de la manipulation d'objets déformables, ou la géométrie change a chaque prise, ce qui rend l'apprentissage d'une politique généralisable bien plus difficile que pour des objets rigides. L'enjeu de FoldNet++ est de montrer qu'un entrainement purement synthétique, sans aucune donnée réelle, peut transférer efficacement vers le monde réel, une réponse potentielle au fosse simulation-réalité qui freine le secteur. Si ce taux de 90% se confirme sur des évaluations indépendantes, il offrirait aux intégrateurs de blanchisserie industrielle et de robotique domestique un moyen d'éviter la collecte couteuse de démonstrations réelles sur tissu. Le chiffre reste toutefois issu des auteurs eux-mêmes et mérite une vérification externe avant d'être généralisé.

FoldNet++ prolonge le pipeline du précédent FoldNet, développe par la même équipe, en l'étendant a davantage de robots, de vêtements et de scènes. Cette démarche rejoint une tendance plus large en robotique manipulative, ou plusieurs laboratoires cherchent a démontrer qu'un volume massif de données simulées peut réduire la dépendance a la téléopération sur robot réel, historiquement couteuse et lente a collecter. Donnees et code étant mis en ligne via le site du projet, la suite logique passe par des benchmarks indépendants sur d'autres types de vêtements que le T-shirt et sur des robots non couverts par les six embodiments testes, avant toute intégration dans des lignes de production ou des robots domestiques commerciaux.