RecherchearXiv cs.RO 16 septembre 2026

Synthèse d'opérateurs de Koopman hamiltoniens à port pour les systèmes mécaniques

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié sur arXiv en septembre 2026 un article (référence 2609.17249v1, catégorie "new") qui propose un cadre pour rendre les modèles de Koopman appris à partir de données compatibles avec les lois de conservation d'énergie des systèmes mécaniques régis par les équations d'Euler-Lagrange. Les modèles de Koopman linéarisent des dynamiques robotiques non linéaires pour accélérer prédiction et commande, mais appris uniquement sur des trajectoires, ils peuvent produire une croissance artificielle d'énergie et diverger lors de prédictions récursives. En travaillant en coordonnées de moment généralisé, les auteurs isolent l'actionnement mécanique comme un port connu et indépendant de l'état, conservé explicitement dans la dynamique projetée, et entraînent une architecture neuronale contrainte qui apprend conjointement les fonctions de projection et un générateur de Koopman port-hamiltonien rendu passif par construction. Une discrétisation de Cayley au point milieu préserve exactement, en temps discret, l'équilibre entre énergie stockée et dissipée, et les auteurs démontrent analytiquement ce bilan ainsi que les garanties de stabilité du prédicteur, validées ensuite par simulation et essais expérimentaux montrant de meilleurs gains en précision, en efficacité des données et en suivi de trajectoire en boucle fermée par rapport aux méthodes de Koopman de référence, gains qui s'accentuent pour les systèmes de dimension plus élevée.

Le travail cible une faiblesse connue des approches Koopman purement pilotées par les données, utilisées en commande prédictive (MPC) linéaire pour promettre des calculs rapides en robotique: propagés sur plusieurs pas de temps, ces modèles peuvent devenir instables ou diverger énergétiquement, ce qui fragilise leur usage en boucle fermée sur du matériel réel. En imposant la structure port-hamiltonienne directement dans l'architecture plutôt que via une pénalité de régularisation ou une correction a posteriori, les auteurs offrent une garantie de stabilité structurelle et non plus seulement statistique, un argument direct pour les intégrateurs qui doivent certifier le comportement de bras robotiques ou de systèmes à jambes en temps réel sur de l'électronique embarquée. Le gain revendiqué en efficacité des données, une précision comparable avec moins de trajectoires d'apprentissage, réduirait aussi le coût de collecte réelle, et nuance l'idée qu'un modèle Koopman purement empirique suffirait à commander des systèmes mécaniques complexes sans garde-fou physique explicite.

Le cadre s'inscrit dans la lignée des travaux sur l'opérateur de Koopman en robotique, popularisé pour linéariser des dynamiques non linéaires au profit de la commande prédictive, et sur les réseaux "Deep Koopman" qui apprennent les fonctions de projection directement depuis des trajectoires; les approches précédentes préservaient l'énergie via des pénalités de coût ou des projections après apprentissage, jugées insuffisantes car elles ne garantissent pas la passivité en toute circonstance. En imposant la structure dès la conception du réseau, les auteurs se rapprochent des travaux sur les réseaux hamiltoniens et lagrangiens appliqués à la dynamique physique. Le papier reste à un stade de recherche, validé en simulation et en laboratoire sans plateforme robotique commerciale ni partenaire industriel nommé, les auteurs indiquant que l'avantage grandit avec la dimension du système, ce qui ouvre la voie à des extensions vers des robots comportant davantage de degrés de liberté.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Synthèse automatisée de mécanismes faciaux pour robots animatroniques conversationnels

Le laboratoire de recherche à l'origine de ce travail (affilié à un article arXiv publié le 14 juillet 2026, référence 2607.11688) propose un système d'automatisation de la conception mécanique des visages animatroniques. Aujourd'hui, chaque robot conversationnel à visage expressif nécessite une refonte mécanique manuelle complète adaptée à sa géométrie faciale, un processus lent et coûteux qui bloque toute personnalisation à grande échelle. Les chercheurs introduisent un template mécanique paramétrique à liaisons (linkage-driven), dont la topologie et la disposition des actionneurs sont explicitement paramétrées pour s'adapter à des morphologies faciales très différentes. Leur algorithme hiérarchique part d'un simple portrait 2D en entrée, reconstruit un visage cible en 3D, puis génère automatiquement un mécanisme interne sans collision et manufacturable, en combinant des volumes de mouvement anatomiquement contraints, des objectifs d'expressivité dérivés des Action Units (le système de codage des mouvements musculaires faciaux) et une boucle de raffinement pilotée par la détection de collisions. Le système inclut aussi un module de synthèse de mouvement facial conversationnel, capable de modéliser à la fois les comportements de locuteur et d'auditeur à partir de l'audio, pour produire des animations 3D temporellement cohérentes et exécutables en temps réel sur le matériel physique. Cette approche s'attaque à un goulot d'étranglement industriel réel: la fabrication de têtes animatroniques reste aujourd'hui un métier d'artisan, où chaque nouveau visage (mascotte, avatar de service client, robot de recherche en interaction sociale) exige des semaines de conception mécanique sur mesure. Automatiser la génération du mécanisme à partir d'une simple photo change la donne pour les intégrateurs qui veulent déployer des robots à visage humain à plus grande échelle, sans multiplier les coûts d'ingénierie par le nombre de morphologies souhaitées. Le second apport, le passage d'un visage qui parle ou écoute passivement à un système bidirectionnel capable de gérer un dialogue multi-tours, répond à une limite connue des robots sociaux actuels: la plupart affichent des expressions scriptées ou réactives, mais peinent à maintenir une cohérence temporelle crédible sur un échange complet. Les auteurs eux-mêmes cadrent cela comme une évolution nécessaire vers des visages mécaniques déployés en volume, et non comme une simple démonstration technique isolée. Le travail se positionne dans la lignée des recherches en robotique sociale et en animatronique, un domaine historiquement dominé par des réalisations artisanales (parcs à thème, prototypes académiques comme les têtes expressives développées dans plusieurs laboratoires universitaires) plutôt que par des méthodes de conception généralisables. Les auteurs valident leur système par des expériences quantitatives sur la synthèse automatique de mécanismes pour des géométries faciales variées, des comparaisons directes contre la conception manuelle classique, des benchmarks de synthèse de mouvement conversationnel avec déploiement temps réel, et des études utilisateur perceptuelles évaluant la crédibilité des expressions générées. L'article ne précise pas de partenaire industriel ni de calendrier de commercialisation, ce qui le situe pour l'instant au stade de la recherche méthodologique plutôt que du produit prêt à déployer. Aucun acteur français ou européen n'est mentionné dans ce travail.

RecherchePaper

1 source

2arXiv cs.RO

IA à base d'agents pour les systèmes multi-drones critiques : défis et opportunités

Un article de position publié le 25 août 2026 sur arXiv (référence 2608.21444v1) sous le titre "Agentic AI for Safety-critical Multi-drone Systems: Challenges and Opportunities" fait la synthèse de deux programmes de recherche en cours consacrés aux drones autonomes pour missions critiques. Le premier, NAMUR, explore le pilotage de robots assisté par grands modèles de langage (LLM) dans des contextes de recherche et sauvetage (SAR) et de lutte contre les incendies. Le second, PERSIST, porte sur des opérations de drones persistantes pour la surveillance et la sécurisation de sites d'infrastructures critiques. Il ne s'agit ni d'un produit commercialisé ni d'un déploiement opérationnel chiffré, mais d'un article de positionnement académique qui tire les enseignements de ces deux initiatives pour poser un cadre de recherche. L'intérêt pour les intégrateurs et décideurs du secteur tient au diagnostic posé: la limite à l'adoption des systèmes multi-drones pour des missions à haut risque ne serait pas d'abord une question de performance des algorithmes d'autonomie, mais un problème socio-technique. Les opérateurs doivent comprendre, faire confiance et garder le contrôle sur des comportements agentiques sous incertitude, pression temporelle et responsabilité juridique. Cette thèse va à l'encontre d'une lecture purement technique du "sim-to-real" ou des architectures vision-langage-action: même une IA performante en laboratoire reste inutilisable sur le terrain si l'interface, les mécanismes de supervision et les méthodes d'évaluation ne sont pas conçus pour l'humain aux commandes. Les auteurs, sans préciser l'origine institutionnelle des deux programmes dans le résumé disponible, défendent une méthodologie centrée sur l'humain, participative et itérative: identifier les besoins des parties prenantes, faire évoluer les capacités des agents à travers des prototypes successifs, puis produire des preuves de concept et des grilles d'évaluation transférables à d'autres domaines critiques comme le nucléaire, l'énergie ou la logistique portuaire. Le papier ne fixe pas de calendrier de déploiement ni de partenaire industriel nommé, restant à ce stade au niveau du cadrage de recherche plutôt que de la mise en œuvre concrète.

UEL'origine institutionnelle des programmes NAMUR et PERSIST n'est pas précisée dans le résume, mais leurs noms évoquent des projets européens (probablement belges) pertinents pour la robotique de sécurité civile en UE.

RecherchePaper

1 source

3arXiv cs.RO

Attaques trojans sur les contrôleurs de réseaux de neurones pour systèmes robotiques

Des chercheurs ont publié sur arXiv (référence 2602.05121v2) une démonstration de faisabilité d'attaques par backdoor, dites attaques "Trojan", ciblant des contrôleurs neuronaux embarqués dans des systèmes robotiques. Le vecteur d'attaque étudié est un robot mobile à propulsion différentielle, dont le contrôleur de suivi de trajectoire et de stabilisation de pose est implémenté sous forme de réseau de neurones. Les auteurs ont conçu un module Trojan parallèle, léger, conçu pour être inséré dans le réseau principal sans modifier ses poids. Ce module reste inactif en fonctionnement normal, puis s'active dès qu'une condition de déclenchement très précise est détectée, définie conjointement par la pose courante du robot et ses paramètres objectifs. À l'activation, le module corrompt directement les commandes de vitesse des roues, provoquant des comportements non désirés, potentiellement dangereux. L'attaque est validée en simulation selon deux scénarios distincts. Ce travail met en lumière un risque souvent sous-estimé dans la robotique industrielle et les AMR (robots mobiles autonomes) : la chaîne d'approvisionnement en modèles neuronaux. Dès lors qu'un contrôleur est fourni par un tiers, entraîné sur une infrastructure externe, ou acquis via un pipeline de fine-tuning non audité, l'intégrateur ne peut pas garantir l'absence de modules cachés. La discrétion du Trojan, dormant jusqu'à un trigger très spécifique, le rend difficilement détectable par les tests fonctionnels classiques. Pour les COO industriels et les équipes sécurité, cela signifie que les approches de validation de modèles actuelles, orientées performance, sont insuffisantes face à des attaques intentionnelles. Les attaques par backdoor sur les réseaux de neurones sont documentées depuis 2017 dans le domaine de la classification d'images, mais leur transposition aux systèmes de contrôle robotique en temps réel est plus récente et plus critique : une erreur de classification est bénigne, une dérive de trajectoire sur un robot industriel peut provoquer des dommages matériels ou humains. Ce papier s'inscrit dans un corpus croissant qui questionne la robustesse des architectures VLA (Vision-Language-Action) et des contrôleurs neuronaux génériques. Les suites logiques sont des méthodes de détection (analyse spectrale des poids, tests adversariaux ciblés) et des protocoles de certification des modèles embarqués, un chantier encore largement ouvert pour les organismes de standardisation comme l'ISO ou l'IEC.

UELes intégrateurs européens d'AMR et robots industriels utilisant des contrôleurs neuronaux fournis par des tiers sont directement exposés à ce vecteur d'attaque ; les travaux de normalisation ISO/IEC sur la certification des modèles embarqués deviennent un chantier prioritaire pour le marché européen.

RechercheOpinion

1 source

4arXiv cs.RO

Modèles du monde pour la manipulation robotique : une synthèse de la littérature

Une revue de littérature publiée sur arXiv (2606.00113) cartographie l'état de l'art des modèles du monde (world models) appliqués à la manipulation robotique. Les auteurs recensent cinq familles de représentations prédictives : modèles de dynamique latente, générateurs vidéo conditionnés par l'action, prédicteurs de scène 3D et 4D, simulateurs à contraintes physiques, et modules prédictifs embarqués dans les systèmes vision-langage-action (VLA). La revue couvre 34 jeux de données de manipulation et propose une taxonomie fonctionnelle distinguant les modèles intégrant prédiction et action de ceux servant de planificateurs explicites. Trois axes structurent l'analyse : quelle représentation future est prédite, comment la prédiction se connecte à l'action, et à quel moment du pipeline d'apprentissage robotique elle intervient. Cette synthèse répond à un besoin concret : le terme "world model" recouvre des réalités très hétérogènes, ce qui brouille les comparaisons et ralentit les transferts technologiques entre laboratoires. En posant une définition opérationnelle stricte (un world model est un système prédictif conditionné par l'action, distinct des modules de perception, des politiques ou des fonctions de valeur), les auteurs établissent un cadre commun dont manquait le secteur. La revue confirme que ces systèmes évoluent d'outils de simulation spécialisés vers une infrastructure générique pour l'apprentissage robotique : génération d'expériences synthétiques, filtrage de candidats, vérification de résultats. Ce glissement architectural touche directement les pipelines de pré-entraînement, de post-entraînement et d'adaptation à l'inférence, trois phases critiques pour quiconque industrialise un robot manipulateur. Le domaine a accéléré avec l'essor des VLA comme Pi-0 (Physical Intelligence) et GR00T N2 (NVIDIA), et l'adoption des architectures Transformer en robotique, mais sans convergence méthodologique. La fragmentation reflète une course entre grands labs (Google DeepMind, MIT, Stanford, Berkeley) et startups qui ne partagent ni benchmarks ni protocoles d'évaluation communs. Les défis ouverts identifiés par les auteurs, notamment la modélisation des contacts, le contrôle des hallucinations, l'alignement action-prédiction et le benchmarking en boucle fermée, tracent un agenda de recherche pour les prochaines années. Pour les équipes travaillant sur la manipulation industrielle ou les bras collaboratifs, cette revue constitue une feuille de route pour choisir quelle classe de world model intégrer selon le cas d'usage : data augmentation, planification prédictive ou vérification de trajectoires.

UELes équipes européennes (INRIA, CEA-List, labos collaboratifs) travaillant sur la manipulation robotique peuvent s'appuyer sur cette taxonomie pour structurer leurs choix d'architecture world model, mais aucun acteur ni financement européen n'est impliqué directement.

RecherchePaper

1 source