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

Planification de mouvement riche en contacts par évaluation de modes parallélisée sur GPU

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

Un article publié sur arXiv (référence 2609.21803v1, catégorie "new") présente CoMET (Contact-Mode Expansion with parallel Trajectory optimization), une nouvelle méthode de planification de mouvement pour la manipulation et la locomotion robotique impliquant des contacts physiques complexes, un problème connu sous le nom de contact-rich motion planning (CRMP). Contrairement aux approches classiques qui évitent d'évaluer largement les séquences possibles de modes de contact en raison de leur explosion combinatoire, en s'appuyant sur des heuristiques de recherche ou des reformulations mathématiques d'optimisation, les auteurs choisissent de revisiter cette évaluation exhaustive en exploitant la puissance de calcul parallèle des GPU modernes. CoMET combine une évaluation de trajectoires parallélisée sur GPU avec une expansion gloutonne des modes de contact. Sur des bancs d'essai de poussée planaire (planar pushing), la méthode se montre compétitive face à des méthodes de référence basées sur l'optimisation, l'échantillonnage et la recherche arborescente, en termes de qualité de solution et de temps de calcul, tout en égalant quasiment les résultats d'une énumération complète de référence avec moins d'évaluations et des temps de planification plus courts. Des tests d'ablation indiquent que l'essentiel du gain de performance provient de l'évaluateur de trajectoires à haut débit plutôt que de la stratégie d'expansion elle-même.

Ce résultat a une portée méthodologique plutôt que commerciale, mais elle intéresse directement les équipes de recherche et d'ingénierie travaillant sur la manipulation robotique. Il suggère que le calcul GPU massivement parallèle peut rendre viable une approche jugée jusqu'ici trop coûteuse computationnellement, l'évaluation large des modes de contact, en la transformant en alternative simple et efficace face à des méthodes plus sophistiquées mais plus complexes à régler. Pour la manipulation bimanuelle non préhensile, cette expansion locale des modes adaptée au GPU dépasse même une recherche arborescente adaptative à mesure que l'espace des modes s'agrandit, un signal utile pour les concepteurs de systèmes robotiques manipulant des objets sans prise ferme.

Le papier s'inscrit dans la lignée des travaux de planification sous contact en robotique, un domaine confronté depuis longtemps à la difficulté combinatoire des décisions de contact discrètes. Il ne mentionne ni entreprise, ni déploiement produit, ni affiliation industrielle: il s'agit d'une contribution de recherche fondamentale récemment mise en ligne, dont la validation par les pairs et les suites (extension à d'autres tâches, comparaisons plus larges) restent à venir.

Dans nos dossiers

Manipulation robotiquearXiv cs.RO

À lire aussi

Utiliser le raisonnement des VLM pour contraindre la planification tâche-mouvement
1arXiv cs.RO 

Utiliser le raisonnement des VLM pour contraindre la planification tâche-mouvement

Des chercheurs proposent une méthode baptisée VIZ-COAST, décrite dans une nouvelle version (v3) d'un article déposé sur arXiv (2510.25548), qui exploite des modèles vision-langage (VLM) pré-entraînés à grande échelle pour améliorer la planification de tâches et de mouvements (TAMP, Task and Motion Planning) en robotique. Le principe repose sur le raisonnement spatial de bon sens de ces VLM pour repérer, avant même de lancer la recherche de plan, les endroits où un plan de haut niveau risque de ne pas se traduire en trajectoire de mouvement continue exécutable. Les auteurs ont testé leur approche sur trois domaines TAMP jugés complexes, en extrayant des contraintes plausibles directement à partir d'images et de descriptions de domaine. Résultat annoncé : une réduction drastique des temps de planification, et dans certains cas une élimination complète des échecs de raffinement (downward refinement), avec une généralisation à un ensemble varié d'instances au sein d'un même domaine plus large. Il s'agit à ce stade d'un travail de recherche publié en prépublication, sans déploiement industriel ni produit commercialisé associé. L'enjeu touche un goulot d'étranglement classique de la planification robotique à long horizon : les plans de tâches sont construits sur une abstraction du monde pour rendre la recherche efficace, mais cette abstraction ne garantit pas qu'un plan valide au niveau symbolique puisse réellement être exécuté par un planificateur de mouvement continu. Quand ce lien (le raffinement descendant) est mauvais, des plans en apparence corrects échouent en cours d'exécution, forçant un replanification coûteuse en temps. Les méthodes existantes ne corrigent ce problème qu'après coup, une fois l'échec constaté, en gaspillant du temps de calcul sur des branches de recherche infaisables. L'apport de VIZ-COAST est de déplacer cette détection en amont, en utilisant le sens commun spatial des VLM comme filtre a priori plutôt que comme diagnostic a posteriori, ce qui rejoint une tendance plus large consistant à injecter les capacités des modèles de fondation vision-langage dans les piles de planification classiques utilisées par l'industrie robotique, notamment pour les systèmes de manipulation et de navigation à long horizon. Le contexte scientifique est celui des limites bien connues du TAMP, où l'écart entre plan symbolique et exécution physique reste un frein à l'autonomie des robots sur des tâches longues et complexes. Les travaux antérieurs cités par les auteurs se contentaient d'encoder les échecs de raffinement en contraintes correctives une fois détectés pendant la planification. VIZ-COAST s'inscrit dans la lignée des approches combinant VLM et robotique symbolique, sans toutefois préciser d'implémentation matérielle, de partenaire industriel ni de calendrier de déploiement : il s'agit pour l'instant d'une validation expérimentale sur des domaines de test, dont la prochaine étape logique serait une évaluation sur des plateformes robotiques réelles.

RecherchePaper
1 source
Planification rapide et coordonnée de mouvements bimanuels sous contraintes strictes
2arXiv cs.RO 

Planification rapide et coordonnée de mouvements bimanuels sous contraintes strictes

Une équipe de chercheurs publie sur arXiv (référence 2608.20946v1) un nouveau pipeline de planification de mouvement rapide pour la manipulation bimanuelle sous contraintes rigides. Le problème traité est le suivant : quand deux bras robotiques déplacent un même objet rigide, la transformation relative entre leurs deux effecteurs terminaux doit rester fixe tout au long du mouvement, ce qui constitue une contrainte d'égalité non linéaire réduisant l'espace des configurations valides à une variété de mesure nulle, difficile à gérer pour les planificateurs classiques. La méthode proposée repose sur une paramétrisation "leader-suiveur" : la configuration du bras leader est traitée comme variable libre, celle du bras suiveur étant calculée par cinématique inverse pour satisfaire la contrainte en continu sur toute la trajectoire. En simulation, sur des environnements, contraintes et plateformes bimanuelles variés, la méthode planifie 19,4 fois plus vite que les approches précédentes, tout en garantissant le respect continu de la contrainte. Des essais réels sur un système bimanuel à deux bras Kinova Gen3, pour du transport de plateau et la manipulation d'objets allongés, confirment le transfert direct des trajectoires planifiées vers le matériel physique. Pour les intégrateurs et les équipes de R&D robotique, ce résultat cible un vrai goulot d'étranglement : le nombre élevé de degrés de liberté combinés des deux bras, associé à la contrainte de rigidité, rend la planification coordonnée coûteuse en calcul et freine son usage en temps réel pour des tâches comme le transport d'objets fragiles ou encombrants et l'assemblage. Un gain de vitesse proche de 20x, sans perte de garantie sur le respect de la contrainte géométrique, rapprocherait la manipulation bimanuelle coordonnée d'un fonctionnement temps réel viable en usine ou en logistique, un point sensible pour la sécurité des opérations impliquant deux bras synchronisés. Le résultat reste toutefois académique, validé sur une seule plateforme matérielle et deux tâches de démonstration, loin d'un produit industriel prêt à déployer. Ce travail s'inscrit dans la recherche sur la planification sous contraintes de fermeture cinématique, un problème classique de la robotique bimanuelle où les méthodes existantes s'appuient souvent sur un échantillonnage ou une projection coûteux sur la variété de contrainte, ce qui explique l'écart de performance revendiqué face aux "travaux précédents", non détaillés dans le résumé. Les bras Kinova Gen3 utilisés pour la validation matérielle constituent une plateforme courante dans la recherche en manipulation bimanuelle, ce qui facilite la comparaison avec d'autres travaux du domaine. Classé comme nouvelle soumission arXiv, le papier ne fait état d'aucun partenariat industriel ni de calendrier de commercialisation ; la suite logique pour ce type de recherche est une extension à d'autres plateformes et types d'objets, avec une possible intégration dans des piles logicielles de planification plus larges destinées aux intégrateurs.

RecherchePaper
1 source
Sélection et planification simultanées des contacts pour la manipulation riche en contacts par optimisation en cascade
3arXiv cs.RO 

Sélection et planification simultanées des contacts pour la manipulation riche en contacts par optimisation en cascade

Des chercheurs ont publié sur arXiv (référence 2605.27972) un cadre d'optimisation en cascade baptisé SCSP, pour Simultaneous Contact Selection and Planning, dédié à la manipulation robotique en contact riche. Ce type de manipulation regroupe les tâches où le bras doit gérer plusieurs points de contact dynamiques : pivotement d'objet, manipulation en main, assemblage serré. Le système repose sur deux modules séquentiels : CSO (Contact Selection Optimization), qui détermine automatiquement les localisations de contact optimales sur l'objet cible, et CPO (Contact Planning Optimization), qui génère ensuite les trajectoires de manipulation correspondantes en temps réel pour des bras redondants à sept degrés de liberté ou plus. Les auteurs valident l'approche en simulation et sur robot physique, sur des tâches décrites comme complexes, sans que l'abstract ne fournisse de métriques de temps de cycle ou de taux de succès chiffrés. Le verrou que SCSP prétend lever est structurant pour la manipulation autonome : la quasi-totalité des méthodes contact-implicit existantes suppose que la séquence de points de contact est définie à l'avance par l'opérateur. Le robot optimise la trajectoire, pas l'endroit où il entre en contact. CSO contourne les deux obstacles qui rendaient la sélection active difficile, à savoir la complémentarité dans la dynamique de contact et les gradients parcimonieux, en substituant un modèle de contact approché et différentiable au modèle physique discontinu, couplé à une optimisation discrète-continue. CPO exploite ensuite ces localisations comme prior pour planifier en temps réel. Si le comportement se généralise hors simulation, le framework permettrait d'aborder des tâches de manipulation substantiellement plus complexes sans paramétrage manuel des modes de contact, ce qui est aujourd'hui l'un des goulots d'étranglement principaux en intégration industrielle. Le champ de la manipulation en contact riche est partagé entre deux grandes familles : l'optimisation classique (contact-implicit trajectory optimization, MPC) et l'apprentissage (VLA, diffusion policies), portées notamment par Physical Intelligence avec Pi-0, Covariant et Figure AI. SCSP s'inscrit dans la ligne optimisation, plus interprétable et potentiellement plus robuste hors distribution que les approches end-to-end. L'identité institutionnelle des auteurs n'apparaît pas dans l'abstract arXiv, ce qui complique l'évaluation de la maturité et du soutien financier derrière le travail. Les démonstrations vidéo disponibles sur le site projet constitueront le vrai test de crédibilité avant tout positionnement industriel.

RecherchePaper
1 source
Planification de mouvement multi-robots décentralisée par diffusion informée par simulation
4arXiv cs.RO 

Planification de mouvement multi-robots décentralisée par diffusion informée par simulation

Des chercheurs présentent SID (Simulation-Informed Diffusion), un cadre décentralisé de planification de mouvement pour flottes multi-robots, publié sur arXiv (2605.27697) en mai 2026. Le problème ciblé est fondamental en robotique mobile collaborative : chaque robot doit générer des trajectoires sans collision à partir de ses seules observations locales, sans capteur global ni communication fiable. L'approche repose sur des modèles de diffusion sensibles aux contraintes (CADM, Constraint-Aware Diffusion Models) : dans une première passe, CADM simule les trajectoires futures des robots voisins à partir de leurs états observés ; dans une seconde passe, le même modèle planifie la trajectoire propre de chaque robot sous contraintes de sécurité issues de ces simulations. Un mécanisme de communication minimaliste complète le dispositif, ne déclenchant la coordination qu'en zones de forte congestion. Les expériences montrent que SID surpasse les méthodes de référence en termes d'efficacité de planification et de respect des contraintes, et passe à l'échelle jusqu'à 108 robots simultanés évoluant parmi 160 obstacles. La limite adressée est bien documentée dans les systèmes AMR industriels : planificateurs classiques (RVO, ORCA) et approches d'apprentissage raisonnent tous sur un instantané statique de l'environnement, ce qui devient un goulot d'étranglement au-delà d'une vingtaine d'agents en densité élevée. L'apport de SID est de traiter prédiction des voisins et planification propre comme un problème unifié, résolu par le même modèle de diffusion, évitant ainsi la propagation d'erreurs entre modules séparés. La communication conditionnelle représente également un avantage pratique pour les déploiements sur réseaux contraints, un point d'intérêt direct pour les intégrateurs logistiques opérant des flottes AMR à grande échelle. Les modèles de diffusion appliqués à la robotique connaissent un essor marqué depuis 2024, avec des travaux comme Pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA) ayant démontré leur efficacité pour la manipulation. SID s'inscrit dans cette tendance mais cible la coordination décentralisée, angle moins couvert que la manipulation. La compétition directe inclut les approches MARL (multi-agent reinforcement learning) et les planificateurs hybrides comme PRIMAL ou DHC. À ce stade, SID reste une preuve de concept en simulation ; aucun déploiement sur hardware physique n'est annoncé. La prochaine étape naturelle serait une validation sur AMR réels en conditions d'entrepôt, qui constituerait le vrai test du sim-to-real gap encore ouvert pour ce type d'approche générative.

RecherchePaper
1 source