Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

Va chercher ma bière : politique hiérarchique synthétique-vers-réel pour une prise-et-dépose fluide

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Une prépublication arXiv (2609.18119, mise en ligne le 17 septembre 2026) présente Fetch My Beer, un système de transport de récipients remplis de liquide sans clapotis ni déversement. Les auteurs pointent trois limites : simulation de fluides trop coûteuse pour le renforcement en ligne, téléopération humaine qui introduit des accélérations provoquant le clapotis en imitation, et politiques optimisées pour la réussite de la tâche plutôt que la stabilité de la trajectoire. Leur solution combine un pipeline de données validées physiquement (synthèse de prises, filtrage des postures instables par un modèle vision-langage, validation des trajectoires par simulation de fluides) et un contrôleur hiérarchique : un module haut niveau traduit langage et vision en cibles SE(3) à 6 degrés de liberté, qu'un contrôleur de diffusion latente affine en blocs d'action denses pour un contrôle haute fréquence. Le système surpasserait les politiques de manipulation de référence en douceur et en stabilité dynamique, sans que le résumé ne fournisse de chiffres précis.

L'enjeu dépasse la démonstration technique : la plupart des systèmes de préhension actuels visent une précision au point d'arrivée, alors que le service de boissons, le transport d'échantillons de laboratoire ou de contenants partiellement remplis en logistique exigent une stabilité sur tout le geste. Le travail révèle aussi un défaut de l'apprentissage par imitation par téléopération : les mouvements saccadés d'un opérateur humain inscrivent l'instabilité dans les données d'entraînement, angle mort des bancs d'essai de politiques vision-langage-action qui ne jugent que la réussite binaire de la tâche. Il s'agit néanmoins d'une prépublication non relue par les pairs, sans comparatif indépendant ni précision sur l'échelle d'un éventuel déploiement réel.

Ce travail s'inscrit dans la recherche sur l'écart simulation-réel des politiques de manipulation, dans la lignée de modèles vision-langage-action comme Pi-0 ou GR00T, jusqu'ici centrés sur des tâches quasi statiques ; la manipulation de liquides restait délaissée pour son coût de simulation. Le résumé ne cite aucune entreprise ni laboratoire affilié, signe d'une contribution académique à distinguer des annonces commerciales des fabricants de robots humanoïdes. Aucun pilote industriel ni calendrier n'est évoqué : les suites annoncées se limitent à une validation plus large sur matériel réel.

Dans nos dossiers

IA physique & VLANVIDIA GR00TarXiv cs.RO

À lire aussi

Où toucher, comment entrer en contact : un cadre hiérarchique RL-MPC pour une manipulation sim-vers-réel sensible à la géométrie
1arXiv cs.RO 

Où toucher, comment entrer en contact : un cadre hiérarchique RL-MPC pour une manipulation sim-vers-réel sensible à la géométrie

Une équipe de recherche propose une architecture hiérarchique combinant apprentissage par renforcement (RL) et commande prédictive (MPC) pour la manipulation dextre en contact riche, détaillée dans un article arXiv (2601.10930, quatrième révision). Le système sépare la décision en deux niveaux: une politique RL de haut niveau détermine "où toucher", c'est à dire un point de contact sur la surface de l'objet ainsi qu'une pose cible à atteindre après ce contact, un concept que les auteurs nomment "intention de contact". Un contrôleur MPC de bas niveau, dit à contact implicite, prend ensuite le relais pour optimiser en temps réel les modes de contact locaux et replanifier la trajectoire du robot à travers la dynamique de contact, non lissée par nature. Le framework a été testé sur des tâches de manipulation non préhensile: poussée généralisée sur des objets de formes variées, réorientation par pivotement ou basculement, et repositionnement assisté par l'environnement. Les résultats annoncés montrent un taux de réussite élevé, un transfert simulation vers réel sans réentraînement (zero shot), et surtout un besoin en données dix fois inférieur à celui des politiques de bout en bout classiques. Cette approche s'attaque directement à l'un des points faibles des politiques end to end actuelles, y compris les modèles vision langage action de type VLA: leur appétit en données et leur difficulté à transférer proprement de la simulation vers le réel. En réintroduisant une décomposition géométrique explicite plutôt que de tout confier à un réseau appris de bout en bout, les auteurs cherchent à concilier la généralisation apprise par renforcement avec la robustesse physique garantie par la commande prédictive. Pour les équipes travaillant sur la manipulation robotique, la promesse d'un facteur dix sur les données nécessaires est significative si elle se confirme au delà des tâches non préhensiles testées ici. Le travail s'inscrit dans un courant de recherche plus large sur la manipulation en contact riche, domaine où la difficulté vient précisément de devoir raisonner conjointement sur la géométrie globale des objets et sur une dynamique de contact non lisse, difficile à différentier et à planifier. Contrairement aux approches purement data driven qui dominent la littérature récente, ce travail mise sur une structure hybride inspirée de la robotique classique. L'article, republié dans sa quatrième version, ne précise pas de calendrier de déploiement matériel à plus grande échelle ni de partenariat industriel.

RecherchePaper
1 source
HCPG-Flow : guidage hiérarchique de progression de contact pour la manipulation robotique par politique de flux
2arXiv cs.RO 

HCPG-Flow : guidage hiérarchique de progression de contact pour la manipulation robotique par politique de flux

Les chercheurs à l'origine de HCPG-Flow présentent une nouvelle méthode de sélection d'actions pour les politiques de manipulation robotique de type "flow", publiée sur arXiv (2607.17651). Le problème visé est concret : ces politiques génèrent plusieurs propositions d'actions multimodales à chaque étape de contrôle, mais le robot ne peut en exécuter qu'une seule, et le classement habituel par un critique (critic-based ranking) fausse la collecte de données lorsque les candidates sont mal représentées dans le buffer de replay. HCPG-Flow ajoute à SAC-Flow un mécanisme de guidage hiérarchique centré sur l'objet, actif au moment du rollout, sans modifier les objectifs d'acteur et de critique existants. Le système bascule d'abord sur l'approche de l'effecteur terminal, puis, une fois le contact établi, sur la progression de la tâche, en notant chaque proposition selon la réduction de premier ordre d'une distance pertinente pour la tâche, standardisée au sein de l'ensemble de candidats, avant d'exécuter une combinaison d'actions contrôlée par température. Sur dix tâches simulées, la méthode améliore le taux de succès moyen par rapport à SAC-Flow sur les deux bancs d'essai testés, avec un gain de 9,5 points de pourcentage sur Maniskill. En conditions réelles, sur quatre tâches physiques, HCPG-Flow atteint un haut taux de succès tout en réduisant de 17,4 % le nombre d'étapes nécessaires pour compléter une tâche avec succès. Pour le secteur de la robotique manipulative, ce travail s'attaque à un goulot d'étranglement bien identifié des politiques par apprentissage par renforcement à base de flow matching : la fiabilité de la sélection d'action au moment de l'exécution, distincte de la qualité de l'apprentissage lui-même. En s'appuyant sur une heuristique physique simple, le progrès de contact plutôt qu'une pure estimation de valeur, la méthode réduit la dépendance à des estimations de critique potentiellement biaisées, un point sensible pour les intégrateurs qui cherchent des politiques robustes et transférables du simulateur au réel (sim-to-real), notamment sur des tâches de manipulation fine où le contact physique conditionne la réussite. HCPG-Flow s'inscrit dans la lignée des travaux récents combinant flow policies et SAC (Soft Actor-Critic), une famille de méthodes qui a gagné en popularité pour représenter des distributions d'actions multimodales en robotique, en concurrence directe avec les approches par diffusion. Les auteurs mettent à disposition une page de projet (hitxraz.github.io/HCPG-Flow) présentant probablement code et démonstrations, sans toutefois préciser à ce stade de calendrier de déploiement industriel ni de partenariat avec des acteurs commerciaux du secteur.

RecherchePaper
1 source
Prise de décision hiérarchique intégrée pour la planification et le contrôle en cinématique inverse
3arXiv cs.RO 

Prise de décision hiérarchique intégrée pour la planification et le contrôle en cinématique inverse

Une équipe de chercheurs présente sur arXiv (2412.01324, v4) un solveur de programmation non linéaire hiérarchique et épars qui intègre simultanément prise de décision discrète et cinématique inverse (IK) corps entier. En un seul problème d'optimisation, le système résout des questions jusqu'ici traitées séparément : sélectionner le nombre minimal d'articulations à activer (contrôle IK épars), choisir parmi un large ensemble de positions candidates où poser un effecteur terminal, ou coordonner deux bras pour saisir un objet orienté aléatoirement. Le solveur s'appuie sur la norme ℓ₀, qui pénalise directement le nombre de variables non nulles, là où la littérature recourt habituellement à la norme ℓ₁, une approximation convexe plus facile à manipuler mais moins fidèle au problème réel. L'enjeu est la réduction du fossé entre planification et exécution dans les robots manipulateurs complexes. Les méthodes actuelles font appel à la programmation entière mixte non linéaire (MINLP), dont le coût de calcul est prohibitif en temps réel, ou à des heuristiques de faisabilité (cartes d'atteignabilité, workspace envelopes) qui simplifient le problème au détriment de la précision. Ce cadre traite le problème non linéaire directement, sans relaxation, en exploitant sa structure hiérarchique éparse. Pour un intégrateur travaillant sur des bras bi-manuels ou des plateformes humanoïdes, cela représente une piste concrète pour réduire la dépendance aux bibliothèques de mouvements pré-calculés et aux pipelines de sélection de prises hors ligne. Ce travail s'inscrit dans la lignée de la programmation quadratique hiérarchique (HQP), paradigme établi en commande de robots redondants depuis les travaux de Sentis et Khatib dans les années 2000. L'usage de la norme ℓ₀ dans des problèmes continus non convexes reste rare en robotique, ce qui constitue la principale originalité revendiquée. L'article ne présente toutefois pas de validation sur plateforme matérielle réelle, ni de benchmarks comparatifs en temps de calcul face à des solveurs de référence comme Drake (Toyota Research Institute) ou les pipelines MoveIt/TRAC-IK, une limite méthodologique à noter avant d'envisager un déploiement. Les suites naturelles seraient une intégration sur humanoïde et une comparaison avec les approches d'apprentissage par renforcement pour la sélection de prises.

RecherchePaper
1 source
LieSpline-DP : politique de diffusion B-spline sur groupe de Lie pour une manipulation robotique fluide
4arXiv cs.RO 

LieSpline-DP : politique de diffusion B-spline sur groupe de Lie pour une manipulation robotique fluide

Une équipe de recherche décrit, dans un article publié sur arXiv (2609.15162v1), LieSpline-DP, une méthode qui corrige un défaut connu des Diffusion Policies (DP), une approche clé de l'apprentissage par démonstration en manipulation robotique : la production de trajectoires saccadées. Les variantes à base de splines lissent le mouvement à l'intérieur d'un segment d'action, mais sans garantir la continuité entre segments ni respecter la géométrie du groupe SE(3), l'espace des poses 3D de l'effecteur. LieSpline-DP génère les trajectoires directement sur SE(3) via des B-splines de Lie, en partageant les poses de contrôle entre segments consécutifs pour assurer une continuité C² sur toute la trajectoire. Sur trois tâches réelles, elle réduit le jerk des mouvements et fait bondir le taux de réussite : 100% pour verser un liquide et pour accrocher un seau, contre seulement 10% et 30% pour la Diffusion Policy de référence. Pour les équipes de recherche et les intégrateurs en manipulation robotique, ce résultat cible un point de friction connu des politiques génératives par diffusion, désormais utilisées jusque dans des piles vision-language-action (VLA) : des mouvements saccadés qui posent problème dès qu'une tâche exige un contact fin ou une dynamique continue, comme verser un liquide ou manipuler un objet souple. L'écart mesuré, 100% contre 10 à 30% de réussite, montre que cette discontinuité peut faire échouer une tâche entière plutôt que d'être un simple défaut esthétique. En ancrant la génération de trajectoire dans la géométrie propre de SE(3), plutôt qu'en traitant position et orientation comme de simples vecteurs, l'approche illustre une tendance plus large : injecter des priors géométriques explicites dans les modèles génératifs plutôt que de compter uniquement sur davantage de données de démonstration. Les Diffusion Policies se sont imposées ces dernières années comme alternative au clonage comportemental classique en manipulation robotique, en modélisant la distribution des actions futures par un processus de débruitage, une approche depuis reprise dans des modèles génératifs de type VLA. Des méthodes à base de splines avaient déjà tenté de lisser les segments d'action de ces politiques, sans résoudre la discontinuité aux jonctions ni la géométrie non euclidienne des poses. LieSpline-DP se présente comme un complément à ces politiques plutôt qu'un remplacement complet ; ses résultats restent pour l'instant limités à trois tâches réelles en laboratoire, leur extension à des tâches plus variées, d'autres bras robotiques ou des piles VLA plus larges restant à démontrer dans de futurs travaux.

RecherchePaper
1 source