RecherchearXiv cs.RO 15 septembre 2026

X-WBC : un modèle fondation à embodiment croisé pour le contrôle corporel complet des humanoïdes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié le 15 septembre 2026 sur arXiv (référence 2609.15213v1) une architecture baptisée X-WBC, conçue pour entraîner une politique de contrôle corps entier ("whole-body control") partagée entre plusieurs robots humanoïdes de morphologies différentes. Le problème ciblé est concret : jusqu'ici, chaque robot nécessite sa propre politique entraînée isolément, ce qui empêche de mutualiser les corpus de mouvement humain et l'expérience d'apprentissage entre plateformes. X-WBC sépare la sémantique du mouvement humain, jugée largement transférable, de l'exécution physique propre à chaque robot. Le système utilise des tokens de commande centrés sur l'humain pour aligner mouvement humain complet, mouvement de référence du robot et observations éparses issues de dispositifs VR, un Transformer causal pour extraire une structure temporelle réutilisable à partir de trajectoires mélangées de plusieurs robots, et des modules légers spécifiques à chaque plateforme pour traduire cette représentation partagée vers la proprioception et l'espace d'action de chaque machine. Les auteurs rapportent des tests sur neuf embodiments simulés, des mouvements externes non vus à l'entraînement, et quatre robots réels.

Pour l'industrie robotique, l'enjeu dépasse la prouesse technique : si l'entraînement croisé entre embodiments tient à l'échelle, il ouvre la voie à des modèles fondation de contrôle corps entier nourris par des flottes hétérogènes plutôt que par un seul robot à la fois, un goulot d'étranglement bien connu des fabricants qui peinent à collecter des données de téléopération en volume suffisant. Cela complèterait les modèles vision-langage-action comme Pi-0 ou GR00T N2, aujourd'hui centrés sur la manipulation, en s'attaquant cette fois au versant locomotion et équilibre, réputé plus contraint par les différences de cinématique et de dynamique entre robots. Les résultats restent toutefois ceux d'un article de recherche non encore relu par les pairs, validés majoritairement en simulation, avec seulement quatre plateformes physiques testées : rien n'indique à ce stade un déploiement industriel ni un produit commercialisable.

Ce travail s'inscrit dans la lignée des modèles fondation pour la robotique lancée par les VLA de manipulation, à l'image de Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure, mais transpose l'idée du transfert cross-robot au contrôle corps entier, un domaine où l'hétérogénéité des morphologies humanoïdes complique historiquement le partage de données d'apprentissage. Aucun partenaire industriel ni calendrier de déploiement n'est mentionné dans l'article ; les auteurs présentent X-WBC comme une preuve de concept méthodologique, dont la confirmation passera par des essais sur davantage de plateformes physiques et par une revue par les pairs.

Dans nos dossiers

IA physique & VLA NVIDIA GR00T Physical Intelligence — π0 arXiv cs.RO

À lire aussi

1arXiv cs.RO

LAC : compliance linéaire et angulaire pour le contrôle corporel complet des humanoïdes

Un article publie sur arXiv (2608.25405) présente LAC, un contrôleur de corps entier pour humanoïdes qui traite simultanément les forces linéaires et les couples angulaires appliques sur le haut du corps. La méthode entraine, via apprentissage par renforcement en schéma enseignant-élevé, une politique unique a suivre des mouvements de conformité calcules par un modèle d'admittance virtuelle, a partir d'un jeu de données augmente ou des forces et couples sont appliques sur des points de contact extraits d'interactions humaines réelles. Simulations et essais sur robot réel montrent une réponse conforme sur tout le haut du corps, une modulation continue de la raideur commandée, et une application a la loco-manipulation téléopérée ; le projet est documente sur lac-humanoid.github.io. La plupart des contrôleurs humanoïdes actuels traitent les forces externes comme des perturbations a rejeter pour garder l'équilibre, ou ne tolèrent la conformité que sur quelques liaisons, sans tenir compte des couples. En unifiant conformité linéaire et angulaire sur tout le haut du corps avec une seule politique, LAC vise des interactions physiques plus sures avec des objets ou des humains, utiles pour l'assistance au geste, le guidage physique ou la manipulation collaborative. Pour les intégrateurs, ce travail illustre le passage de contrôleurs rigides orientes stabilité vers des architectures apprises a raideur réglable, un ingrédient recherche pour rapprocher les humanoïdes d'une téléopération ou d'une autonomie exploitables en usine ou en logistique. LAC s'inscrit dans la lignée des travaux sur le contrôle en impédance et en admittance pour humanoïdes, un champ transforme ces dernières années par l'apprentissage par renforcement sim-to-real, une approche aussi explorée par des acteurs comme Figure, Unitree ou Boston Dynamics, sans qu'aucun ne soit associe a cette publication académique. Il s'agit d'une contribution de recherche validée en simulation et sur robot réel en laboratoire, non d'un produit commercialise ni d'un déploiement industriel : les démonstrations doivent donc être lues comme une preuve de concept. Aucun calendrier de transfert commercial n'est communique, mais le site du projet met les résultats a disposition, en vue d'extensions vers le contrôle du bas du corps ou l'intégration a des piles logicielles humanoïdes existantes.

RecherchePaper

1 source

2arXiv cs.RO

Modèle fondation à l'échelle pour robots humanoïdes

Une nouvelle publication arXiv (2607.15163v1, soumission de type "new") propose un modèle de fondation comportemental (Behavior Foundation Model, BFM) pour le contrôle de robots humanoïdes, baptisé Humanoid Transformer. Les auteurs affirment avoir identifié la recette manquante pour faire monter en puissance ces modèles, en coordonnant trois leviers : un nouveau paradigme d'apprentissage qui reformule le contrôle humanoïde comme la reproduction de comportements corporels intégrés dans le référentiel global plutôt que local ; un équilibrage stratégique entre le volume de déploiements en ligne (on-policy rollouts) et la diversité des mouvements de référence utilisés à l'entraînement ; et l'architecture Humanoid Transformer elle-même, conçue pour faire émerger naturellement des représentations structurées du comportement. Testée à la fois en simulation et en conditions réelles, l'approche réduit l'erreur moyenne par point clé (Mean Per-Keypoint Position Error, MPKPE) de plus de 10% en mode local et de 82% en mode global par rapport aux contrôleurs humanoïdes existants. Ce travail répond à un flou méthodologique réel du secteur : malgré l'engouement croissant pour les BFM comme brique de base des agents incarnés généralistes, personne n'avait jusqu'ici établi de façon rigoureuse comment coordonner données, architecture et paradigme d'entraînement pour obtenir un gain de performance qui tienne la route au passage à l'échelle. Le saut de 82% en mode global est le chiffre qui compte vraiment pour les intégrateurs : c'est la capacité à maintenir une cohérence corporelle dans le référentiel monde, condition nécessaire pour des tâches où le robot doit coordonner déplacement et manipulation sans dérive, un point faible classique des contrôleurs entraînés uniquement en référentiel local. Si les résultats se confirment à plus grande échelle, ils renforcent l'hypothèse que le contrôle humanoïde généraliste peut suivre une trajectoire de scaling comparable à celle des grands modèles de langage, plutôt que de rester cantonné à des politiques spécialisées par tâche. L'article s'inscrit dans la vague de recherche académique qui a suivi l'essor des politiques vision-langage-action (VLA) et des BFM ces deux dernières années, sans rattacher la méthode à un robot ou un laboratoire commercial précis : il s'agit d'une contribution méthodologique comparée à des "contrôleurs humanoïdes existants" pris comme référence, sans nommer de plateforme physique spécifique. La suite logique serait une validation sur du matériel humanoïde tiers et à plus grande échelle de données, pour confirmer que le gain en mode global se maintient hors du cadre expérimental des auteurs.

RechercheActu

1 source

3arXiv cs.RO

Modèles du monde à embodiment croisé : passage à l'échelle pour la manipulation dextérique

Résumé des risques : aucun outil nécessaire, ceci est une tâche de traduction/synthèse d'article. Voici le texte. Une équipe de recherche propose dans un article publié sur arXiv (2511.01177v3, version révisée) une nouvelle approche pour construire des modèles du monde partagés entre différentes morphologies de mains, robotiques comme humaines. Le problème posé est concret : les différences de cinématique et d'espaces d'action entre robots empêchent aujourd'hui de mutualiser les données d'entraînement et de transférer du contrôle d'un système à l'autre. Les chercheurs représentent les mains, humaines et robotiques, comme des ensembles de particules 3D, et définissent les actions comme des champs de déplacement de ces particules à l'extrémité effectrice. Cette abstraction géométrique s'affranchit des espaces articulaires propres à chaque plateforme tout en conservant la géométrie et le mouvement pertinents pour l'interaction physique. Le modèle du monde, basé sur des réseaux de graphes, est entraîné sur des données d'interaction aléatoires issues de mains robotiques simulées variées et de mains humaines réelles, puis couplé à du contrôle prédictif par modèle (MPC) pour piloter du matériel inédit. Les expériences, menées sur des tâches de manipulation d'objets rigides et déformables, dégagent trois résultats. D'abord, plus la diversité des morphologies utilisées à l'entraînement est grande, meilleure est la généralisation à des mains jamais vues. Ensuite, combiner données simulées et données réelles dans de bonnes proportions surpasse l'usage de l'une ou l'autre source seule. Enfin, un même modèle appris permet de contrôler efficacement des mains robotiques aux cinématiques et degrés de liberté (DOF) distincts. Pour le secteur, ces résultats intéressent directement la question du transfert de compétences entre plateformes hétérogènes, un verrou connu pour les approches VLA classiques qui restent souvent liées à un espace d'action fixe. Il s'agit d'un travail de recherche académique, pas d'un produit ni d'un déploiement industriel : aucune entreprise, aucun robot commercial n'est nommé, et les résultats sont obtenus en environnement contrôlé, majoritairement simulé. La méthode s'inscrit dans la lignée des travaux récents sur les modèles du monde et le contrôle prédictif appliqués à la manipulation dextre, un axe de recherche actif face aux limites de généralisation des politiques bout-en-bout entraînées par embodiment.

RecherchePaper

1 source

4arXiv cs.RO

ViBe : adaptation du comportement visuel pour le contrôle du corps entier des humanoïdes perceptifs

Un preprint publié sur arXiv (2609.09918) décrit ViBe (Visual Behavior Adaptation), un framework de post-entraînement qui ajoute une perception visuelle aux contrôleurs de suivi de mouvement pour humanoïdes à corps complet. La méthode réutilise des encodeurs visuels pré-entraînés via un module extracteur multi-requêtes, injecte ce retour perceptif dans le tracker par des adaptateurs low-rank (LoRA) pour un réglage économe en paramètres, puis ajuste l'ensemble par optimisation de politique à partir d'un reward de tâche et d'un jeu de données de référence. Sur quatre tâches, la marche perceptive sur trottoirs et parcours type parkour, le repositionnement d'un cube (Repose Cube), la locomotion-manipulation d'objets variés et l'esquive de balles (dodgeball), le transfert sim-to-real s'effectue en zero-shot et reste robuste en extérieur, en faible luminosité et face à des distracteurs visuels RGB, y compris pour une variante orientée objectif de Repose Cube résolue avec un planificateur volontairement simple. L'apport ne se limite pas à la démonstration technique. Les trackers de mouvement actuels, entraînés en simulation par imitation de trajectoires, n'intègrent aucune perception extéroceptive et dépendent donc d'un planificateur de haut niveau pour réagir à l'environnement. Les contrôleurs perceptifs existants comblaient ce manque en entraînant des encodeurs purement géométriques depuis zéro, plus faciles à transférer en réel mais pauvres en sémantique, et en passant par une distillation élève-enseignant propre à chaque tâche, coûteuse à répéter. En réutilisant des encodeurs visuels pré-entraînés et en cantonnant l'adaptation à des modules low-rank, ViBe suggère que le goulot d'étranglement du contrôle humanoïde perceptif se déplace de la simulation physique, déjà largement maîtrisée, vers l'intégration efficace de la perception sémantique, un point clé pour les intégrateurs qui cherchent à sortir ces robots des environnements contrôlés d'usine. Le travail s'inscrit dans la lignée de l'apprentissage par renforcement à grande échelle pour la locomotion humanoïde, où le transfert sim-to-real reste le paradigme dominant, et se distingue des architectures vision-langage-action de bout en bout comme Pi-0 ou GR00T N2 en proposant une adaptation légère d'un tracker déjà entraîné plutôt qu'une politique généraliste entraînée sur un large corpus de démonstrations. Publié comme contribution académique, sans partenariat industriel ni plateforme commerciale nommée à ce stade, l'article n'évoque aucun déploiement réel. La suite logique consisterait à valider la méthode sur des humanoïdes commerciaux et à la comparer directement, en coût d'entraînement et en robustesse, aux pipelines de distillation élève-enseignant aujourd'hui utilisés par les acteurs du secteur.

RecherchePaper

1 source