Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Adaptation des dérivées de la dynamique du corps rigide pour les modèles à chaîne fermée par intégration de contraintes
RecherchearXiv cs.RO 

Adaptation des dérivées de la dynamique du corps rigide pour les modèles à chaîne fermée par intégration de contraintes

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

Un article publié sur arXiv (2609.21024v1) étend un algorithme existant de calcul des dérivées du premier ordre de la dynamique des corps rigides aux systèmes à chaînes cinématiques fermées modélisés par "constraint embedding" (intégration de contraintes), une technique qui représente des boucles mécaniques fermées, comme les transmissions à quatre barres, sans passer par un lagrangien complet. Les méthodes de dérivées existantes supposaient les effets de vitesse articulaire localement invariants par rapport à la configuration du système ; les auteurs suppriment cette hypothèse et en dérivent une version généralisée, applicable à davantage de types d'articulations. Ils comparent des modèles robotiques classiques à articulations pivots (pin-joint) à des modèles d'actionnement plus complets, incluant des corps rigides supplémentaires comme les rotors moteurs.

Ce travail comble une lacune méthodologique pour deux usages centraux en robotique moderne, le contrôle prédictif par modèle (MPC) et la simulation différentiable, en particulier pour les humanoïdes et les bras manipulateurs dotés de sous-mécanismes d'actionnement complexes. Les résultats montrent que les termes supplémentaires introduits ont un impact de calcul limité quand seule la cinématique d'actionnement est modélisée, mais deviennent plus coûteux dès que des corps rigides additionnels ou des boucles non locales entrent en jeu. Pour les intégrateurs et les équipes de contrôle, une modélisation plus fidèle des sous-mécanismes reste donc praticable dans la plupart des cas courants, ouvrant la voie à des commandes prédictives plus précises sans sacrifier le temps réel.

La contribution s'inscrit dans la lignée des algorithmes classiques de dynamique des corps rigides, utilisés en robotique pour calculer rapidement couples, forces de contact et leurs dérivées, des briques essentielles pour l'apprentissage par renforcement, la simulation et le contrôle optimal. Il ne s'agit pas d'une annonce produit ni d'un déploiement sur un robot précis, mais d'une avancée algorithmique destinée aux bibliothèques de dynamique déjà utilisées en recherche et dans l'industrie. Les auteurs visent une adoption plus large de modèles de sous-mécanismes d'actionnement à contraintes intégrées dans les futurs systèmes de contrôle prédictif et de simulation différentiable, sans annoncer de calendrier d'intégration logicielle précis.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Dynamique inverse modulaire et récupération des torseurs pour les mécanismes à chaîne fermée par assemblage de chemins
1arXiv cs.RO 

Dynamique inverse modulaire et récupération des torseurs pour les mécanismes à chaîne fermée par assemblage de chemins

Une équipe de chercheurs publie sur arXiv (2610.21400) une méthode modulaire de dynamique inverse pour les mécanismes à chaînes fermées, ces architectures où des segments rigides forment des boucles, comme dans les robots parallèles. Le problème de départ est connu: même quand le mouvement est entièrement spécifié, les réactions internes d'une chaîne rigide fermée peuvent rester indéterminées. Le workflow reconstruit d'abord le mouvement à partir de chemins de transformations assemblés, dont une dérivation analytique au second ordre fournit les vitesses et accélérations des articulations passives sur une branche de fermeture régulière. Les équilibres de Newton-Euler spatiaux sont ensuite écrits sur le graphe physique des corps et des liaisons. Des critères classiques d'espace nul et de dualité identifient les sorties uniquement déterminées (efforts d'actionneurs, composantes de torseurs de liaison) et permettent de les récupérer. Des diagnostics d'équilibre, d'admissibilité des liaisons idéales et de famille affine évaluent les réactions non uniques. La validation compare les résultats à Simscape Multibody, sur un manipulateur hybride série-parallèle de forte charge à sept degrés de liberté, en mouvement imposé et sous hypothèses communes de corps rigides et de liaisons idéales. Les auteurs rapportent un accord étroit sur les positions passives, les efforts d'actionneurs et les composantes de torseurs récupérables de façon unique. L'intérêt est surtout méthodologique. Les logiciels de simulation multicorps masquent souvent le traitement de l'indétermination des réactions, alors que le dimensionnement des paliers, des liaisons et des structures dépend justement de ces efforts internes. Séparer ce qui est déterminé de façon unique de ce qui ne l'est pas donne aux intégrateurs et bureaux d'études un critère clair sur ce qu'ils peuvent exploiter. L'approche modulaire facilite aussi la réutilisation sur des architectures différentes. Il faut toutefois relativiser: la référence est un autre simulateur, pas des mesures sur banc. Aucune validation expérimentale, aucun temps de calcul ni test en boucle de commande ne sont mentionnés dans le résumé. Les hypothèses de rigidité et de liaisons idéales écartent le jeu, le frottement et la souplesse, qui comptent sur du matériel réel. Ce travail s'inscrit dans l'effort pour modéliser proprement les mécanismes à boucles fermées, de plus en plus présents dans les actionneurs linéaires des jambes de robots humanoïdes, les exosquelettes et les manipulateurs lourds. Il se positionne face aux formulations par coordonnées généralisées et multiplicateurs de Lagrange, ainsi qu'aux outils commerciaux comme Simscape Multibody, qui sert ici de référence. Les prochaines étapes naturelles seraient une validation sur prototype physique, l'intégration de frottements et de flexibilités, et l'extension aux configurations singulières, que la méthode exclut en se limitant à une branche de fermeture régulière.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
PhysCoRe : modèles du monde résiduels corrigés par la physique pour la dynamique déformable adaptée aux matériaux
2arXiv cs.RO 

PhysCoRe : modèles du monde résiduels corrigés par la physique pour la dynamique déformable adaptée aux matériaux

Voici l'article traduit et résumé. Une équipe de recherche présente PhysCoRe, un modèle physique hybride destiné à prédire le comportement d'objets déformables manipulés par un robot, un problème resté longtemps non résolu en robotique. Le système combine un simulateur différentiable de type Material Point Method (MPM) avec deux réseaux de neurones feed-forward complémentaires. Le premier module, baptisé Material from Motion (MfM), déduit l'élasticité de chaque particule de l'objet à partir d'observations visuelles, ce qui ancre le simulateur dans la physique réelle propre à chaque objet plutôt que dans des paramètres génériques. Le second module, Residual from Dynamics (RfD), apprend l'écart entre les prédictions du simulateur analytique et la réalité observée, et corrige les biais systématiques que le modèle physique pur ne peut pas capturer. Sur des séquences réelles de manipulation d'objets déformables, PhysCoRe dépasse les méthodes de référence de l'état de l'art en précision de prédiction. Cette approche s'attaque directement à un compromis classique du secteur de la robotique de manipulation : les méthodes d'optimisation par objet, qui calibrent les paramètres matériaux au cas par cas, sont lentes et ne généralisent pas d'un objet à l'autre, tandis que les modèles appris de bout en bout extrapolent mal et violent souvent des contraintes physiques élémentaires (conservation de la masse, cohérence géométrique). En couplant simulation physique et correction résiduelle apprise, PhysCoRe vise un entre-deux praticable pour des tâches comme le pliage de tissu, la manipulation de câbles ou l'emballage d'objets mous, autant d'opérations encore mal maîtrisées en logistique et en assemblage industriel. Point notable pour les intégrateurs : le système permet une identification de matériau en ligne sur des objets jamais vus, le module MfM s'adaptant à partir d'un nombre limité d'interactions, et sa confiance prédictive orientant l'exploration robotique vers les zones où l'estimation reste la moins fiable, un signal utile pour guider l'apprentissage actif plutôt que l'exploration aléatoire. Le travail s'inscrit dans une lignée de recherche qui cherche à réconcilier simulateurs physiques différentiables et apprentissage profond, une piste explorée notamment autour des méthodes MPM depuis plusieurs années pour modéliser des matériaux mous, granulaires ou élastiques. Il se positionne face aux approches purement data-driven de prédiction de dynamique déformable, ainsi qu'aux pipelines classiques d'optimisation de paramètres matériaux par essais successifs. Publié comme prépublication arXiv (2607.20653), l'article ne mentionne pas de déploiement industriel ni de partenariat commercial à ce stade ; il s'agit d'un résultat de recherche validé sur des séquences de manipulation réelles en laboratoire, dont la suite logique serait une évaluation sur des tâches de manipulation plus longues et des objets plus variés.

RecherchePaper
1 source
ACID : cohérence des actions par dynamique inverse pour la planification avec des modèles du monde
3arXiv cs.RO 

ACID : cohérence des actions par dynamique inverse pour la planification avec des modèles du monde

ACID (Action Consistency via Inverse Dynamics), présenté dans un article arXiv publié début juillet 2026 (arXiv:2607.02403v1), s'attaque à un défaut connu de la planification par modèles du monde conditionnés par l'action, une méthode largement utilisée en contrôle robotique. Le problème identifié par les auteurs : le coût de planification standard ne juge une trajectoire candidate qu'à l'aune de la proximité entre l'état terminal prédit et l'objectif, sans vérifier si les transitions intermédiaires sont réalisables. Résultat, une trajectoire peut sembler cohérente sur le papier tout en divergeant fortement une fois exécutée dans l'environnement réel. ACID introduit un principe de "cohérence d'action cyclique" : à chaque étape, un modèle de dynamique inverse tente de retrouver, à partir de la transition prédite, l'action qui l'a produite ; l'écart entre cette action reconstruite et l'action réelle est intégré au coût de planification via une pondération adaptative invariante à l'échelle. Les auteurs valident la méthode sur quatre modèles du monde différents et six tâches couvrant la manipulation d'objets rigides et déformables, le contrôle de systèmes articulés et la navigation visuelle, avec un gain systématique en qualité de planification. L'apport principal n'est pas seulement la précision, mais l'efficacité : ACID atteint une exactitude comparable aux méthodes de référence tout en réduisant substantiellement le budget de calcul nécessaire à la planification. C'est un point sensible pour l'embarqué robotique, où le temps de cycle et la puissance de calcul disponible contraignent directement le déploiement temps réel. Le papier touche aussi à un débat plus large dans le secteur : la fiabilité des modèles du monde utilisés pour anticiper les conséquences d'une action avant de l'exécuter, un maillon critique face aux erreurs qui s'accumulent le long d'une trajectoire prédite. Cette approche s'inscrit dans la lignée des travaux sur la planification par modèle prédictif (MPC) couplée à des dynamiques apprises, une alternative aux architectures vision-langage-action de bout en bout comme Pi-0, GR00T N2 ou Helix, qui n'exposent pas de mécanisme de vérification explicite des trajectoires intermédiaires. Publié en preprint, ACID n'a pas encore fait l'objet d'une revue par les pairs ni d'une validation sur robot physique au-delà des bancs de test utilisés dans l'étude ; la suite logique serait une évaluation en conditions réelles et une comparaison directe avec les méthodes de planification par diffusion, autre piste active du domaine.

RecherchePaper
1 source
AWARE : modèles du monde adaptatifs pour la reconnaissance d'anomalies, un cadre pour la prédiction de la dynamique et l'introspection des robots
4arXiv cs.RO 

AWARE : modèles du monde adaptatifs pour la reconnaissance d'anomalies, un cadre pour la prédiction de la dynamique et l'introspection des robots

Des chercheurs proposent AWARE (Adaptive World-Models for Anomaly Recognition), un cadre de modèle du monde qui détecte des anomalies sur un système robotique à partir d'une seule caméra externe, sans accès aux capteurs embarqués. La méthode estime la dynamique du système et prédit son état futur. Un écart entre l'état prédit et l'état observé signale une anomalie. L'évaluation porte sur 240 trajectoires réelles d'une grue robotisée, qui incluent des collisions de charge utile et des dégradations de moteur. Dans ces essais, où l'estimation d'état par caméra est bruitée, AWARE améliore de 26 % la classification des anomalies par rapport à la meilleure base de comparaison testée. Le paramètre de dynamique inféré peut aussi être décodé pour remonter à l'origine du défaut. Il permet de localiser le moteur qui se dégrade avec 88 % de précision. Il s'agit d'un préprint arXiv (v1) sans déploiement industriel annoncé. L'intérêt tient à la contrainte de départ. Beaucoup de détecteurs d'anomalies exigent des encodeurs moteur ou d'autres capteurs internes. Or les équipements anciens en sont souvent dépourvus, et des politiques de cybersécurité peuvent interdire tout accès au contrôleur. Une surveillance purement visuelle et non intrusive pourrait donc se greffer sur des installations existantes (grues, portiques, bras de manutention) sans les modifier. Pour un intégrateur ou un responsable de maintenance, la perspective est celle d'une maintenance prédictive en rétrofit, et d'un diagnostic qui désigne l'actionneur fautif plutôt qu'une simple alerte binaire. Deux réserves s'imposent. Le banc d'essai est un seul type de système, une grue, avec un nombre limité de scénarios. Le gain de 26 % est relatif à des bases de comparaison choisies par les auteurs, et l'article ne donne pas de taux absolus ni de taux de fausses alarmes dans cet extrait. Ces chiffres ne disent donc pas encore si la méthode tient en environnement industriel réel (éclairage variable, occlusions, cadences élevées). Ce travail s'inscrit dans la montée des modèles du monde appris, jusqu'ici surtout employés pour la planification et le contrôle de robots. Ici, ils servent à l'introspection et à la supervision, un usage proche de la détection de défauts par modèle physique, mais appris à partir de données. Il rejoint aussi les approches de surveillance par vision qui visent à réduire la dépendance aux capteurs propriétaires. Les suites logiques sont des tests sur d'autres morphologies (bras articulés, robots mobiles, humanoïdes), sur des défauts plus variés, et une validation en conditions d'exploitation. Les auteurs ne publient dans ce résumé ni calendrier de pilote ni partenaire industriel. L'approche reste donc, à ce stade, une preuve de concept de recherche et non un produit disponible.

RecherchePaper
1 source