RecherchearXiv cs.RO 14 septembre 2026

ATLAS Navigator : Gaussian Splatting actif intégrant le langage, piloté par la tâche

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent ATLAS Navigator, un système de navigation robotique piloté par des instructions en langage naturel, décrit dans un article arXiv (2502.20386v2, version révisée) intitulé "Active Task-driven LAnguage-embedded Gaussian Splatting". Le système repose sur une représentation hiérarchique combinant un splatting gaussien enrichi de sémantique linguistique : une couche sémantique éparse pour la planification en temps réel et une couche géométrique dense pour la navigation sans collision. Les auteurs l'ont testé sur un robot terrestre équipé uniquement de capteurs visuels, dans des environnements intérieurs encombrés puis en extérieur à l'échelle kilométrique, pour un total de plus de 2 kilomètres parcourus et 47 000 mètres carrés couverts. Le système atteint un ratio de compétitivité d'environ 59 % par rapport au plus court chemin possible, un indicateur qui compare le trajet réellement suivi à l'itinéraire optimal théorique, inconnu du robot au départ. Aucun nom commercial, prix ni volume de déploiement n'accompagne ces travaux : il s'agit d'une publication de recherche, avec vidéos d'expérimentation disponibles sur une page de projet dédiée.

Ce travail s'inscrit dans un axe de recherche central pour la navigation autonome : permettre à un robot de comprendre une consigne en langage naturel, potentiellement vague ou reformulée en cours de mission, en construisant à la volée une carte à la fois sémantique et géométrique assez riche pour généraliser à des tâches variées sans replanification complète. Pour les équipes R&D et les intégrateurs, l'intérêt tient moins à la performance brute, un ratio de 59 % reste loin de l'optimal, qu'à la validation en conditions réelles, en vision seule, sur des distances kilométriques et des surfaces représentatives d'usages logistiques ou industriels plutôt que de simples démonstrations de laboratoire. Cela alimente le débat sur l'écart entre démonstration et réalité opérationnelle dans la navigation sémantique, alors que plusieurs laboratoires promettent des architectures vision-langage-action capables de généraliser à grande échelle sans toujours livrer de tests extérieurs aussi étendus.

ATLAS Navigator prolonge la lignée des représentations de scène par splatting gaussien enrichies de sémantique linguistique, un axe apparu avec l'adaptation des champs de radiance neuronaux à la robotique, en cherchant à concilier la légèreté nécessaire au traitement embarqué en ligne avec la richesse sémantique requise pour interpréter des consignes en langage naturel. Il se positionne entre les approches de cartographie purement géométrique de type SLAM et les politiques de navigation fondées sur des modèles vision-langage-action entraînés de bout en bout, en proposant une architecture à deux couches distinctes. L'article ne mentionne aucun acteur français ou européen ni partenariat industriel : il s'agit d'une contribution académique dont le code, les vidéos et les détails techniques sont publiés sur la page de projet des auteurs. La mention "replace" sur arXiv signale une révision du texte initial, sans calendrier annoncé vers un produit ou un pilote industriel à ce stade.

Dans nos dossiers

Boston Dynamics IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

Gaussian Splatting anticipatif pour la représentation 3D prédictive en prise-et-dépose guidée par le langage

Une équipe de chercheurs a proposé sur arXiv (arXiv:2605.11144, mai 2026) un framework baptisé Forecast-GS (Forecast-aware Gaussian Splatting), destiné à la manipulation robotique guidée par le langage naturel. La contribution centrale consiste à modéliser explicitement l'état final attendu d'une tâche via une reconstruction 3D prédictive par Gaussian Splatting, plutôt que de raisonner uniquement sur la configuration courante de la scène. Validé sur trois tâches réelles de pick-and-place (cutter-vers-boîte, pomme-vers-bol, éponge-vers-plateau), le système atteint des taux de succès de 84 % (21/25), 92 % (23/25) et 64 % (16/25) en sélection automatique, contre 60 %, 76 % et 40 % pour la baseline ReKep (Relational Keypoint Constraints). En mode assisté par un opérateur humain pour le classement des candidats, les taux montent à 92 %, 96 % et 76 %, chaque condition étant testée sur 25 essais réels avec configurations initiales variées sur la même plateforme robotique. L'enjeu pratique est le suivant : la plupart des systèmes de manipulation actuels évaluent si une action est faisable depuis l'état présent, sans vérifier si l'état résultant satisfait l'objectif sémantique. Forecast-GS génère une prévision 3D de la scène post-action, que le robot compare à l'instruction en langage naturel avant d'exécuter, ce qui réduit les erreurs en présence d'observations partielles ou d'occlusions. Pour un intégrateur industriel, l'interprétabilité de ce mécanisme, contrairement aux politiques VLA end-to-end comme Pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA), facilite le débogage et la traçabilité. L'écart persistant entre mode automatique et assisté (jusqu'à 12 points de taux de succès) indique cependant que le ranking final des candidats n'est pas encore un problème résolu. Le Gaussian Splatting, introduit en 2023 par Kerbl et al. à SIGGRAPH, a été rapidement adopté en robotique pour ses représentations 3D différentiables et compactes. Forecast-GS s'inscrit dans un courant qui hybride représentations neuronales 3D et planification guidée par le langage, en compétition directe avec ReKep (Stanford/Berkeley), SpatialVLA, et les approches VLA génératives. Aucun partenariat industriel ni calendrier de déploiement n'est mentionné dans la publication. Les prochaines étapes logiques portent sur l'amélioration du classement automatique, principal goulot d'étranglement vers l'autonomie complète, et sur l'extension à des scènes dynamiques plus complexes que les configurations statiques de laboratoire utilisées ici.

RecherchePaper

1 source

2arXiv cs.RO

SG²SLAM : SLAM par Gaussian Splatting 3D guidé par la géométrie spatiale pour la navigation extérieure monoculaire

SG^2SLAM est une méthode de SLAM (localisation et cartographie simultanées) monoculaire pour la navigation en extérieur, décrite dans un préprint arXiv (v1). Elle repose sur le 3D Gaussian Splatting (3DGS), une représentation de scène par primitives gaussiennes, explicites et différentiables, projetées en forme fermée pour produire une carte dense. Les auteurs remplacent l'association classique pixels 2D vers points 3D, calculée image par image, par une géométrie spatiale diffusée en continu. Celle-ci fournit un a priori métrique par « chunk », c'est-à-dire par lot d'images, qui supervise à la fois le suivi de trajectoire et la cartographie à partir d'une source unique. Chaque primitive gaussienne reçoit en plus un sous-espace de direction de vue, ce qui permet au noyau « conditionné par les rayons » de tenir compte du point de vue de la caméra monoculaire. Poses et géométrie sont optimisées conjointement. Les tests portent sur KITTI et Waymo Open, deux jeux de données de conduite urbaine, où la méthode dépasse les références fondées sur l'association par image. Le résumé ne donne aucun chiffre (erreur de trajectoire, qualité de rendu, temps de calcul), et le code n'est promis qu'après acceptation de l'article. L'enjeu est la robustesse des pipelines modulaires. Quand le suivi de caméra et la cartographie sont découplés, l'erreur de pose est absorbée par la carte, qui se dégrade, ce qui fausse à son tour les poses suivantes. En supervisant les deux modules par un même a priori métrique, SG^2SLAM s'attaque à cette dérive en cascade. Pour les robots mobiles, véhicules autonomes ou plateformes d'inspection, la perspective est celle de cartes denses et cohérentes à partir d'une seule caméra bon marché, sans lidar. Reste à vérifier plusieurs points : la mise à l'échelle métrique d'une caméra monoculaire est notoirement fragile, et rien n'indique que le système tourne en temps réel sur du matériel embarqué. Des résultats sur KITTI et Waymo, des jeux de données de conduite relativement bien structurés, ne garantissent pas non plus la tenue en environnement dégradé (pluie, nuit, zones peu texturées). Ce travail s'inscrit dans la vague de SLAM fondés sur le 3DGS, apparue après les NeRF, qui cherche à combiner rendu photoréaliste et cartographie en ligne. Les approches existantes restent généralement limitées par leur dépendance à des correspondances image par image, ce que les auteurs critiquent. Les concurrents sont les SLAM monoculaires classiques, comme ORB-SLAM, et les variantes 3DGS ou neuronales qui s'appuient sur des a priori de profondeur ou de géométrie apprise. Il s'agit d'une contribution académique, sans produit ni déploiement industriel annoncé. La suite dépendra de la publication du code et d'une évaluation indépendante, avec des métriques chiffrées, de la vitesse d'exécution et de la comparaison avec des méthodes récentes.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

GaussLite : cartographie robotique en temps réel par 3D Gaussian Splatting conditionnée par tâche

Des chercheurs présentent GaussLite, un système de cartographie 3D par Gaussian Splatting (3DGS) conditionné par la tâche, décrit dans un article publié sur arXiv (arXiv:2606.30809v1). Contrairement aux systèmes 3DGS classiques qui répartissent uniformément leur capacité de représentation sur toute une scène, GaussLite concentre le calcul embarqué sur les zones pertinentes pour une tâche donnée, exprimée en langage naturel comme "se préparer à saisir l'objet sur le bureau". Le système combine un parseur LLM en une passe pour extraire les objets cibles et de référence, un détecteur en vocabulaire ouvert pour les localiser image par image, et une segmentation produisant des masques de pertinence par pixel en temps réel. La densité de semis des gaussiennes, le flux de gradient et la mise à l'échelle sont ensuite alloués selon cette pertinence. À budget de gaussiennes équivalent et en cartographie temps réel à 4 Hz sur du matériel aux ressources limitées, GaussLite surpasse les méthodes de référence de 2,72 dB en moyenne sur le PSNR de la région d'intérêt (ROI) sur le jeu de données Replica, et de 2,23 dB lors de démonstrations sur matériel réel en intérieur et extérieur. Cette approche répond à un goulot d'étranglement concret pour la robotique embarquée : les plateformes mobiles ou manipulateurs disposent d'une puissance de calcul limitée, et gaspiller des cycles à reconstruire finement des murs ou du mobilier hors sujet pénalise directement la précision là où elle compte, sur l'objet à saisir ou l'obstacle à éviter. En priorisant explicitement la scène par la tâche plutôt que par la géométrie brute, GaussLite s'attaque à un problème récurrent des pipelines de perception pour la manipulation et la navigation autonome : l'écart entre fidélité de reconstruction globale et utilité réelle pour la décision robotique. L'équipe démontre aussi qu'il est possible de fusionner en temps réel les cartes de deux agents spécialisés sur des tâches différentes, via un vote par voxel sur le nombre d'optimisations actives, avec un gain de 3,42 dB par rapport à une simple concaténation, tout en ne partageant que 7,08% de la carte en moyenne, un résultat qui intéresse directement les scénarios multi-robots ou essaims. GaussLite s'inscrit dans la lignée des travaux récents combinant 3D Gaussian Splatting et robotique, un domaine en forte expansion depuis l'adoption de cette technique de rendu comme alternative aux NeRF pour la cartographie en temps réel. La contribution se distingue des systèmes 3DGS génériques en intégrant directement un module de compréhension du langage et de détection ouverte pour piloter l'allocation de ressources, plutôt que de traiter la sémantique comme une étape séparée en aval. Les auteurs ne précisent pas de plan de déploiement industriel ni de partenariat commercial ; il s'agit à ce stade d'un travail de recherche évalué sur Replica et sur un banc de test matériel propre à l'équipe, sans comparaison publiée face à des architectures commerciales de cartographie temps réel.

RecherchePaper

1 source

4arXiv cs.RO

SemSafe-3DGS : navigation active tenant compte du risque sémantique dans des cartes 3D Gaussian Splatting incertaines

Une équipe de recherche publie sur arXiv (identifiant 2609.19330v1) un nouveau framework baptisé SemSafe-3DGS, destiné à la navigation active et sécurisée de robots autonomes dans des environnements partiellement observés. Le système s'appuie sur des cartes 3D construites par Gaussian Splatting, une technique de reconstruction de scène par primitives gaussiennes, auxquelles sont associés des attributs sémantiques. Chaque primitive gaussienne reçoit un poids de risque dépendant de sa classe sémantique, intégré dans un modèle de distance de collision basé sur l'Average Value-at-Risk. Ces distances pondérées alimentent une fonction de barrière de contrôle (control barrier function, CBF), combinée à une seconde barrière dite de perception active qui pousse le robot à recueillir des observations réduisant l'incertitude géométrique de la carte le long de sa trajectoire prévue. Les deux objectifs sont fusionnés dans un unique programme quadratique sous contrainte CBF-QP, qui impose l'évitement de collision comme contrainte dure tout en assouplissant l'acquisition d'information lorsqu'elle entre en conflit avec la sécurité. Les auteurs rapportent des expériences validant l'efficacité de la contrainte de sécurité, une navigation améliorée grâce à la perception active, une adaptation de trajectoire dépendante de la sémantique, ainsi qu'une exécution sur robot réel à dynamique de type Ackermann. L'intérêt pour l'industrie robotique tient au constat de départ : les formulations de sécurité existantes raisonnent presque exclusivement sur la géométrie, traitant de façon identique des obstacles géométriquement similaires mais sémantiquement très différents, par exemple un mur et une personne. En intégrant la sémantique directement dans la fonction de barrière plutôt qu'en aval, l'approche vise une prise de décision plus fine pour les robots mobiles opérant en environnement humain ou industriel partiellement cartographié, un enjeu direct pour les intégrateurs d'AMR et de plateformes de navigation autonome. Ce travail s'inscrit dans la lignée des méthodes de contrôle sûr par CBF-QP, désormais couplées aux représentations de scène par Gaussian Splatting qui gagnent du terrain face aux cartes d'occupation classiques pour leur richesse géométrique et photométrique. Il s'agit d'une publication de recherche en preprint, sans annonce de produit ni de partenariat industriel ; les prochaines étapes concerneraient une validation sur davantage de plateformes robotiques et de scénarios sémantiques.

RecherchePaper

1 source