RecherchearXiv cs.RO 21 septembre 2026

Apprentissage d'un contrôle de bout en bout pour le vol omnidirectionnel de quadrirotors à rotors inclinables suractionnés

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La communauté robotique aérienne franchit une étape avec un article publié sur arXiv (référence 2602.21583, version 2), qui propose un cadre d'apprentissage par renforcement (RL) de bout en bout pour le contrôle omnidirectionnel de quadrirotors surdimensionnés à rotors orientables. Ces plateformes combinent une actionnement hybride, rotors sans balais et articulations rotatives, ce qui leur confère plus de degrés de liberté qu'un quadrirotor classique mais complique fortement le transfert simulation-réel. Le système associe une simulation au niveau actionneur à une architecture acteur-critique asymétrique pour atteindre des poses cibles en 6D, en transformant directement une pose visée en commandes de rotors et d'articulations. Pour fiabiliser le passage du simulateur au matériel réel, les chercheurs combinent identification du système et randomisation de domaine limitée mais physiquement ancrée. La politique entraînée est déployée en zero-shot sur un drone physique et testée en vol stationnaire par points de passage, sous perturbations externes, avec charge utile variable et en suivi de trajectoire, complétée par des essais simulés de configurations singulières d'allocation.

Comparée à une base de référence NMPC (commande prédictive non linéaire), état de l'art pour ce type d'actionnement couplé, la politique RL n'égale pas sa précision de position en régime stationnaire, mais affiche une erreur d'orientation plus homogène, des transitions de pose plus rapides et une charge de calcul embarquée réduite. Pour les intégrateurs et ingénieurs du secteur, ce résultat répond à une question ouverte: le RL au niveau actionneur, déjà validé sur des quadrirotors conventionnels pour un vol agile et robuste, peut aussi fonctionner sur des architectures à rotors orientables plus complexes, réputées plus difficiles à transférer du simulateur au réel. Le compromis observé, moins de précision statique contre moins de calcul embarqué et plus de réactivité, ouvre des pistes concrètes pour des drones à bas coût de calcul destinés à l'inspection ou à la manipulation aérienne.

Le travail s'inscrit dans la continuité des succès du RL sur les quadrirotors standards, où cette approche a déjà démontré sa robustesse face aux méthodes classiques de contrôle. La question du RL sur les rotors orientables restait ouverte en raison du couplage hybride rotors-articulations, jugé plus délicat à modéliser fidèlement en simulation. Cette version 2 de l'article, republiée après une première soumission, suggère un travail de consolidation méthodologique. Les auteurs positionnent explicitement leur approche face au NMPC plutôt que de la présenter comme son remplacement, et les essais de configurations singulières restant cantonnés à la simulation laissent entrevoir une validation matérielle future comme prochaine étape logique.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Allocation de commande par fonctions de barrière de contrôle pour robots aériens omnidirectionnels à rotors inclinables

Des chercheurs proposent un allocateur de commande fondé sur les fonctions barrières de contrôle (CBF) pour les drones à rotors inclinables omnidirectionnels. Ces robots aériens orientent leurs rotors avec des servomoteurs pour produire un torseur à six dimensions (trois forces, trois couples). Mais les servos répondent lentement, et pendant la reconfiguration le torseur demandé peut devenir irréalisable. L'allocateur garantit la faisabilité du torseur malgré un écart borné entre configuration nominale et réelle. Une identité de torseur équivalent relie la poussée requise dans les deux configurations. Pour une matrice d'allocation non singulière, le problème se réduit à douze marges de poussée, resserrées par une réserve ellipsoïdale. Leurs dérivées donnent un programme quadratique à six variables (vitesses des servos), suivi d'une allocation différentielle des poussées. En simulation MuJoCo, avec trajectoires circulaires et en « cartwheel » (rotation continue), perturbées ou non, la méthode obtient la plus faible erreur de position dans les quatre scénarios, au prix d'une dégradation d'attitude sur la trajectoire circulaire. Pendant le cartwheel perturbé, le torseur désiré reste faisable sur les 1751 échantillons enregistrés, contre 60,8 % à 100 % de violations pour les trois méthodes de référence (géométrique, différentielle augmentée, différentielle normalisée). L'enjeu concerne la manipulation aérienne et l'inspection par contact, où un drone entièrement actionné doit tenir des poses arbitraires tout en exerçant des efforts. La saturation transitoire pendant le basculement des rotors est un frein concret à la robustesse de ces plateformes. Une garantie formelle de faisabilité, plutôt qu'un réglage empirique, intéresse les intégrateurs qui doivent certifier un comportement prévisible. La prudence s'impose toutefois : les résultats sont purement simulés, sans essai matériel, et la garantie d'invariance est conditionnelle (réserve suffisante, initialisation faisable, entrées CBF admissibles). Les auteurs reconnaissent que la faisabilité mesurée porte sur des échantillons, et que valider le certificat sur la trajectoire nominale exigerait des enregistrements d'état nominal et de couverture de la réserve. Ce travail s'inscrit dans la lignée des multirotors à rotors inclinables, qui ont dépassé les hexarotors à orientation fixe pour atteindre l'actionnement complet, au prix d'une dynamique de servos difficile à gérer. Les méthodes concurrentes d'allocation, géométriques ou différentielles, supposent généralement que la configuration commandée est atteinte. Ce n'est pas le cas ici. La suite logique serait une validation sur banc d'essai ou en vol, avec des servos réels et du bruit de mesure d'angle, étape que cette prépublication arXiv n'annonce pas.

RecherchePaper

1 source

2arXiv cs.RO

OmniRisk : apprentissage omnidirectionnel du risque de trajectoire pour l'évitement dynamique agile de quadrirotors

Une équipe de recherche présente OmniRisk, un système de planification omnidirectionnelle permettant à des drones quadrirotors agiles d'éviter des obstacles rapides en mouvement, décrit dans un article publié sur arXiv (référence 2609.18191v1) en septembre 2026, avec code source mis à disposition sur GitHub sous le compte VANdexj. Le système combine dans un même tenseur de dimension fixe des panoramas de portée LiDAR, des masques de détection de mouvement et des vitesses de surface en coordonnées cartésiennes, afin de représenter simultanément la géométrie de l'environnement et la dynamique des obstacles. Il s'appuie sur un champ de risque asymétrique aligné sur le vecteur vitesse de chaque obstacle, qui accentue le danger lors d'une approche et l'atténue lors d'un éloignement. Un réseau à convolution circulaire à deux branches prédit en un seul passage les états limites terminaux et les niveaux de risque dynamique pour un ensemble de trajectoires candidates réparties sur une grille d'ancrage à 360 degrés, avant sélection et reconstruction analytique de la trajectoire retenue. Des essais en vol réel ont démontré des manœuvres d'évitement consécutives à des vitesses de rencontre relative allant jusqu'à 15 m/s, sans réglage fin additionnel du modèle. L'intérêt principal tient au déplacement du calcul de risque vers une phase d'apprentissage hors ligne : l'inférence embarquée devient indépendante du nombre d'obstacles, ce qui règle un point de blocage classique des planificateurs de trajectoire en ligne, soit trop coûteux face à des scènes denses, soit fiables uniquement au prix d'une charge de calcul croissante avec le nombre d'obstacles. Pour les intégrateurs de drones autonomes, cela ouvre la voie à un évitement dynamique temps réel et léger en calcul, sans dépendre de capteurs de profondeur denses. La validation en conditions réelles, à haute vitesse et sans fine-tuning, va aussi à l'encontre d'un écart fréquent entre performances simulées et transfert au monde réel dans ce type d'approche par apprentissage. Ce travail s'inscrit dans la lignée des recherches en navigation réactive pour drones agiles, un champ jusqu'ici partagé entre optimisation de trajectoire en ligne à base de modèles et méthodes d'apprentissage exploitant des capteurs de profondeur ou LiDAR. OmniRisk se distingue par sa couverture omnidirectionnelle plutôt que frontale et par la prise en compte explicite du sens de déplacement relatif des obstacles. Le code étant publié en accès libre, la reproductibilité et l'adoption par d'autres équipes de recherche en robotique aérienne constituent la suite logique attendue.

RecherchePaper

1 source

3arXiv cs.RO

Apprentissage par renforcement guidé pour les sauts omnidirectionnels en 3D dans les robots quadrupèdes

Une équipe de chercheurs a publié sur arXiv (référence 2507.16481, troisième version) une méthode d'apprentissage par renforcement guidé destinée à permettre aux robots quadrupèdes d'effectuer des sauts omnidirectionnels en trois dimensions. L'approche combine des courbes de Bézier, classiquement utilisées pour la planification de trajectoires lissées, avec un modèle de mouvement rectiligne uniformément accéléré (UARM), qui encode une intuition physique du saut directement dans la boucle d'entraînement. Les résultats sont validés en simulation et sur robot réel, mais le résumé ne précise ni la plateforme matérielle utilisée ni les métriques chiffrées de performance, ce qui limite l'évaluation indépendante de la contribution. L'intérêt principal de ce travail réside dans l'adresse simultanée de deux limitations majeures des approches existantes. Les méthodes d'optimisation classiques (MPC, trajectory optimization) produisent des sauts contrôlables mais exigent une connaissance fine des paramètres du robot et du terrain, ce qui fragilise leur robustesse en conditions réelles. À l'inverse, l'apprentissage par renforcement bout-en-bout souffre d'une complexité d'échantillonnage élevée, de millions de simulations nécessaires, et d'une imprévisibilité des trajectoires qui complique la certification de sécurité, un prérequis non négociable pour les déploiements industriels. En injectant une structure physique dans la boucle d'entraînement, les auteurs visent à réduire le coût d'apprentissage tout en produisant des mouvements explicables, dont la logique peut être auditée et certifiée. Le saut dynamique pour robots quadrupèdes est un problème ouvert depuis plusieurs années, car il concentre les défis du transfert sim-to-réel : contacts impulsionnels, rigidité des actionneurs, imprécision des estimations d'état. Le Robotics Systems Lab d'ETH Zurich (ANYmal) et les équipes de l'UC Berkeley ont déjà démontré des sauts via RL pur, tandis que Boston Dynamics et Unitree intègrent ces capacités dans leurs plateformes commerciales. Ce papier s'inscrit dans la tendance des approches hybrides modèle-apprentissage, qui cherchent à concilier la robustesse du RL avec la prévisibilité des méthodes analytiques, une direction que poursuivent également des équipes européennes comme le LAAS-CNRS ou l'INRIA.

UEDes équipes européennes comme le LAAS-CNRS et l'INRIA travaillent sur des approches hybrides modèle-apprentissage similaires pour la locomotion quadrupède, ce travail s'inscrit dans un domaine de recherche où l'Europe est présente mais sans impact direct immédiat.

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage du contrôle direct à partir de l'optimisation pour le suivi de cibles dynamiques

LECO, un cadre d'apprentissage décrit dans un preprint arXiv (2610.34929v1), vise le suivi dynamique de cible par un robot mobile: garder la cible visible tout en évitant les obstacles, avec des commandes lisses et réalisables. Plutôt que de prédire des waypoints à faire suivre par un contrôleur, le réseau prédit directement des séquences de commandes. Celles-ci sont converties en trajectoires par un modèle cinématique différentiable, ce qui permet d'appliquer les objectifs de l'optimisation de trajectoire (visibilité, évitement, régularité) comme fonction de perte. Un curriculum à guidage expert décroissant initialise le comportement de suivi, puis déplace progressivement l'apprentissage vers ces objectifs. Au déploiement, un « verrou de sécurité prédictif » vérifie la distance aux obstacles sur un horizon court et bascule sur un planificateur et un contrôleur classiques si le mouvement prédit est dangereux ou si la prédiction de cible est invalide. Dans trois densités d'obstacles simulées, LECO réduit le jerk linéaire RMS de 14,1 à 31,2 % par rapport au meilleur concurrent sur cette métrique, atteint le meilleur taux de succès de suivi, et calcule en 4,25 à 5,63 ms par cycle. Des essais sur deux plateformes robotiques couvrent des passages étroits en intérieur et des forêts en extérieur. L'intérêt tient à l'arbitrage visé entre deux familles. L'optimisation de trajectoire en ligne encode bien les contraintes mais exige une résolution numérique à chaque cycle, coûteuse en calcul embarqué et sensible aux temps de convergence. Les politiques neuronales à waypoints sont rapides mais séparent la prédiction géométrique de l'exécution, ce qui dégrade la régularité des mouvements. Déplacer le coût de l'optimisation vers l'entraînement hors ligne tout en conservant un filet de sécurité classique est une architecture pragmatique, transposable à des AMR, drones ou robots de service qui doivent suivre une personne ou un véhicule. Les réserves sont claires: les chiffres de jerk sont comparés au meilleur concurrent sur cette seule métrique, non sur l'ensemble des critères. Les résultats chiffrés viennent de la simulation, et les essais réels ne sont décrits que qualitativement dans le résumé. Le taux de déclenchement du repli classique, décisif pour juger la part réellement apprise de la performance, n'est pas communiqué. Ce travail s'inscrit dans la tendance qui consiste à distiller des planificateurs optimisants dans des politiques apprises, par apprentissage par imitation, par différentiation à travers la dynamique ou par couches d'optimisation différentiables, avec des garde-fous de sécurité en aval. Les concurrents directs sont les méthodes d'optimisation en ligne pour le suivi de cible et les politiques à waypoints évoquées plus haut, ainsi que les approches d'apprentissage de bout en bout. Il s'agit d'un preprint non évalué par les pairs, sans produit ni déploiement commercial annoncé. Les prochaines étapes logiques sont la publication du code, des tests à plus grande échelle avec cibles imprévisibles et capteurs bruités, et la mesure du coût de la bascule vers le mode de repli.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source