Compréhension des préférences utilisateur pour un…

1arXiv cs.RO

Problème de tournée d'orientation à récompenses variables et incertaines : cadre et référentiel pour la robotique de service quotidienne

Un article publié sur arXiv (référence 2608.18672v1) présente le OP-UTVR, « orienteering problem with uncertain time-varying rewards », une nouvelle variante du problème d'orientation (orienteering problem, OP), un problème classique d'optimisation combinatoire proche du voyageur de commerce où l'agent doit choisir un sous-ensemble de points à visiter sous contrainte de temps pour maximiser une récompense cumulée. Contrairement aux formulations existantes de l'OP, qui supposent des récompenses connues à l'avance, cette variante autorise des récompenses incertaines et variables dans le temps, comme la demande client fluctuante pour un robot de livraison. Les auteurs proposent trois planificateurs se différenciant par leur horizon de planification et leur degré d'adaptivité en ligne, et établissent des bornes théoriques sur leur performance en présence de récompenses stochastiques. Ils introduisent également un benchmark pour robot de service mobile, où un robot navigue parmi des piétons en environnement intérieur, afin de tester ces stratégies dans des conditions proches du réel. Ce travail s'attaque à un écart persistant entre la théorie de la planification robotique et son usage réel : la plupart des méthodes de routage supposent des récompenses figées et connues à l'avance, alors que la demande opérationnelle, nombre de colis, d'appels client ou de tâches à effectuer, évolue en continu et de façon imprévisible. Pour les intégrateurs de robots de service et de livraison, l'enjeu est direct : un robot qui replanifie sa tournée en tenant compte d'une demande incertaine peut mieux allouer son temps qu'un système suivant un plan figé, sans pour autant nécessiter un horizon de planification démesuré ni un recalcul permanent coûteux en ressources de calcul. Les résultats montrent un compromis net entre horizon de planification et adaptivité, et indiquent qu'une planification à long horizon combinée à une adaptation en ligne surpasse les approches purement réactives ou purement statiques, un signal utile pour calibrer les futurs systèmes de gestion de flottes robotiques. Le problème d'orientation trouve son origine dans la recherche opérationnelle, où il sert depuis des décennies à modéliser des tournées sous contrainte de temps avec récompenses associées aux points visités, avant d'être repris en robotique pour la planification de trajectoires de robots mobiles, de drones ou de flottes de livraison. La formulation proposée ici s'inscrit dans une tendance plus large visant à rapprocher ces modèles théoriques des conditions réelles rencontrées par les robots de service, entre incertitude de la demande, dynamique des environnements humains et contraintes de calcul embarqué. L'étude reste à ce stade un travail de recherche publié en prépublication sur arXiv, validé sur un benchmark simulé de navigation parmi des piétons plutôt que déployé sur une flotte commerciale, sans partenaire industriel ni calendrier de mise en production mentionnés. Les auteurs indiquent vouloir étendre ces planificateurs à des scénarios multi-robots et à des environnements de service plus complexes.

RecherchePaper

1 source

2arXiv cs.RO

Apprendre à exploiter la compliance : un cadre d'apprentissage de politique en admittance pour l'insertion robotique

Une équipe de chercheurs a publié le 28 septembre 2026 sur arXiv (référence 2609.31439v1) un nouveau cadre baptisé LeCo, pour "Leverage Compliance", destiné à l'assemblage robotique de précision par insertion de connecteurs. Le système combine une politique visuelle apprise par apprentissage automatique avec un contrôle en admittance à raideur fixe, et ajoute un mécanisme de rétroaction multi-fréquence qui agrège les mesures de contact haute fréquence en récompenses au niveau des transitions de la politique. Deux termes de coût inédits structurent l'apprentissage: un coût de conflit intégré, qui pénalise les situations où la politique continue de pousser pendant que le contrôleur relâche la pression sans progression réelle, et un coût de traînée directionnelle en force, qui sanctionne les épisodes de chargement prolongé au sein d'une même transition. Testé sur quatre tâches réelles d'assemblage de connecteurs avec un bras robotique physique, LeCo atteint un taux de réussite agrégé de 94%. Par rapport à une méthode de référence, les pics de force résultante chutent d'environ 30% et les pics de couple d'environ 64% sur les essais réussis, tandis qu'une étude d'ablation montre que le seul ajout du coût de conflit réduit de 53% la densité médiane de conflits en situation de contact. L'enjeu dépasse la simple démonstration technique: l'assemblage par insertion (connecteurs électriques, câblage automobile, électronique) reste l'un des points faibles classiques des politiques visuo-motrices, car une politique entraînée à atteindre un objectif visuel peut continuer à pousser mécaniquement même quand un contrôleur conforme cède sous la résistance, générant des charges inutiles sans avancement. LeCo apporte une preuve empirique que ce défaut de coordination entre perception, décision et contrôle physique peut être corrigé par un signal de récompense dédié, plutôt que par un simple ajustement de la raideur mécanique. Pour les intégrateurs industriels visant l'automatisation de lignes d'assemblage fin (connectique, PCB, câblage), ce type de résultat réduit concrètement le risque de casse de pièces fragiles et améliore la fiabilité des cycles d'insertion, un enjeu direct de rentabilité en production. Ce travail s'inscrit dans une littérature plus large sur la manipulation robotique en contact riche, où l'articulation entre contrôle hybride position/force et politiques apprises par imitation ou renforcement reste un problème ouvert, distinct des efforts actuels sur les modèles généralistes vision-langage-action (Pi-0, GR00T N2, Helix) qui visent une polyvalence de tâches plutôt qu'une précision d'insertion fine. Les auteurs ne précisent pas d'affiliation industrielle ni de calendrier de transfert vers une ligne de production; il s'agit à ce stade d'une contribution de recherche validée sur quatre tâches en laboratoire, sans annonce de déploiement commercial.

RecherchePaper

1 source

3arXiv cs.RO

CLARO : orchestrateur de robot sensible à l'encombrement pour la préhension à vocabulaire ouvert avec des agents VLM

CLARO (CLutter-Aware Robot Orchestrator) est un agent basé sur un modèle vision-langage (VLM) qui pilote un ensemble de compétences de perception et de manipulation pour retrouver un objet désigné en langage naturel dans une scène encombrée. Il enchaîne la détection d'objets à vocabulaire ouvert, la segmentation, la saisie à 6 degrés de liberté et la poussée non préhensile, qui sert à dégager un objet avant de le saisir. L'agent garde en mémoire ses actions passées pour tenir des séquences longues, et produit des cibles de manipulation (poses de saisie, points de passage 3D) plutôt que des commandes propres à un robot, ce qui permet de changer de bras sans réentraînement spécifique. Testé en simulation dynamique et sur des benchmarks d'images standards, il atteint 89,1 % de réussite en moyenne, soit plus de 16 % d'amélioration relative sur la meilleure méthode concurrente dans les scènes très encombrées. Sur un bras réel, dans diverses scènes encombrées, le taux de réussite est de 88,8 %. L'intérêt tient à l'approche : un VLM qui orchestre des briques éprouvées, sans modèle vision-langage-action entraîné de bout en bout. La planification multi-étapes avec replanification en encombrement dense reste un point faible des systèmes de préhension en pratique. Un taux réel proche de celui de la simulation (88,8 % contre 89,1 %) suggère un écart sim-to-real limité, mais le cadre est étroit. Les résumés ne donnent ni le nombre d'essais réels, ni le modèle de bras, ni les temps de cycle, ni la fréquence des échecs de planification. Les auteurs analysent séparément les erreurs de grounding (identifier la bonne cible) et de saisie, ce qui aide à savoir où investir. Pour un intégrateur en logistique ou en laboratoire, c'est une preuve de faisabilité du tri en bac encombré, pas un résultat de fiabilité industrielle. Ce travail s'inscrit dans la lignée des agents robotiques pilotés par LLM/VLM, en concurrence avec les modèles VLA entraînés sur de grandes bases de démonstrations, comme Pi-0 ou Helix, plus intégrés mais plus coûteux en données et liés à une plateforme. CLARO fait le pari inverse : modularité, portabilité entre bras, latence potentiellement plus élevée à cause des appels au VLM, un point non chiffré ici. Il s'agit d'un article de recherche, sans produit ni déploiement annoncé. La suite logique serait des tests sur davantage de plateformes, des objets plus variés et des mesures de cadence.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Réception centrée sur le destinataire pour la remise robot-humain avec orientation d'objet sensible à la préhension

Des chercheurs ont présenté un système de transmission d'outils robot-humain centré sur le receveur, piloté par la voix, construit sur un bras collaboratif Franka Emika à sept degrés de liberté, plateforme cobot largement utilisée en recherche robotique. Le système combine un grand modèle de langage (LLM) pour la reconnaissance d'intention, c'est-à-dire comprendre quel outil l'opérateur demande et comment il compte le saisir, avec MediaPipe pour le suivi 3D de la main en temps réel. À partir de ces données, l'effecteur terminal ajuste dynamiquement son orientation pour présenter l'outil poignée en avant, dans une pose jugée ergonomiquement optimale, plutôt que dans une orientation fixe prédéfinie. Les auteurs ont mené une étude intra-sujets comparant cette approche adaptative à une référence statique agnostique à l'objet, sur des outils industriels asymétriques, ceux dont la forme rend la prise malaisée si l'orientation de présentation ne correspond pas à la façon naturelle de les empoigner. Les résultats indiquent que le système adaptatif réduit le délai de préhension pour ces outils asymétriques et améliore la fluidité de l'interaction, ainsi que certaines perceptions liées à la confiance, notamment la prévisibilité du mouvement et la simplicité perçue de la tâche. L'abstract ne détaille pas de chiffres précis (nombre de participants, pourcentage de gain), ce qui invite à la prudence sur l'ampleur réelle de l'effet. L'enjeu dépasse le confort ponctuel: la transmission d'outils est une micro-interaction sécuritaire critique dans les cellules collaboratives humain-robot, et les systèmes statiques actuels, qui ignorent la géométrie de l'objet, produisent régulièrement des prises maladroites voire dangereuses avec des outils asymétriques comme des tournevis ou des pinces. Pour les intégrateurs industriels et les concepteurs de cobots, cette étude illustre une piste concrète pour fiabiliser les interactions main-à-main sur ligne de production, en s'appuyant sur des briques déjà matures, LLM pour l'intention, vision par ordinateur pour le suivi de main, plutôt que sur des capteurs dédiés coûteux. Le travail s'inscrit dans un champ de recherche actif sur le handover robot-humain, où les approches précédentes reposaient surtout sur la vision pour estimer la pose de préhension sans intégrer la voix ni une compréhension sémantique de l'intention via LLM. Le choix du bras Franka, standard de facto dans les laboratoires académiques, facilite la reproductibilité mais souligne aussi le stade encore expérimental de la démonstration, un preprint arXiv sans mention de déploiement industriel ni de partenaire commercial. Les suites logiques attendues seraient une validation sur un plus large panel d'outils et d'opérateurs, ainsi qu'une soumission à une conférence en robotique ou interaction humain-robot.

RecherchePaper

1 source

Compréhension des préférences utilisateur pour un filtre à admittance variable sensible à la pente d'un robot chien-guide

À lire aussi

Problème de tournée d'orientation à récompenses variables et incertaines : cadre et référentiel pour la robotique de service quotidienne

Apprendre à exploiter la compliance : un cadre d'apprentissage de politique en admittance pour l'insertion robotique

CLARO : orchestrateur de robot sensible à l'encombrement pour la préhension à vocabulaire ouvert avec des agents VLM

Réception centrée sur le destinataire pour la remise robot-humain avec orientation d'objet sensible à la préhension