RecherchearXiv cs.RO 22 septembre 2026

Navigation faisable pour la manipulation d'obstacles mobiles par poussée à contacts discrets

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un article publié sur arXiv (référence 2609.23312) présente un framework hiérarchique de navigation parmi des obstacles mobiles pour manipulateurs mobiles, conçu pour les environnements encombrés de gros objets non préhensibles. Au niveau supérieur, un planificateur repère les obstacles bloquants sur la trajectoire prévue et cherche des plans de relocalisation respectant simultanément les contraintes géométriques, de manipulation et de navigation en aval. Quand un déplacement direct est entravé par d'autres objets mobiles, un grand modèle de langage (LLM) est invoqué de façon sélective pour inférer des dépendances de manipulation auxiliaires, ensuite vérifiées par une planification géométrique déterministe plutôt qu'exécutées telles quelles. Pour l'exécution physique, les auteurs définissent des modes de contact discrets sur les faces d'obstacles en forme de boîte, sélectionnés en ligne selon l'erreur de position et d'orientation, ce qui permet des poussées droites, latérales ou en coin via des changements de contact. Une politique d'apprentissage par renforcement récurrente coordonne base mobile et bras manipulateur pour suivre les cibles de l'effecteur (tool center point, TCP) tout en conservant l'accessibilité de l'outil pendant une poussée prolongée. Le système a été validé en simulation et sur robot réel, sur des scénarios de détour, de relocalisation d'un ou plusieurs obstacles et de dépendances entre objets, avec du code publié en open source.

Ce travail s'attaque à une limite connue de la navigation robotique: contourner systématiquement les obstacles devient inefficace, voire impossible, dans des espaces encombrés de mobilier ou de caisses volumineuses. En couplant un LLM pour le raisonnement sur les dépendances entre objets et un planificateur géométrique qui vérifie chaque plan avant exécution, l'architecture limite le risque d'hallucination inhérent aux LLM employés seuls pour planifier des actions physiques, un point sensible pour quiconque évalue des pipelines robotiques fondés sur des modèles de langage. Pour les intégrateurs en logistique ou en robotique de service, cela esquisse des robots mobiles autonomes (AMR) capables d'interagir avec des obstacles non saisissables plutôt que de rester bloqués, un scénario encore rarement démontré au-delà de la simulation pure.

La navigation parmi les obstacles mobiles est étudiée en robotique depuis le milieu des années 2000, mais les approches historiques se limitaient souvent à des obstacles simples ou à des poussées isolées, sans coordination fine entre base et bras. Ce travail se distingue des modèles vision-langage-action génératifs comme Pi-0, GR00T N2 ou Helix, orientés vers la manipulation générale par apprentissage à grande échelle, en ciblant un cas plus étroit mais concret: la poussée de contact soutenue sur des objets trop volumineux ou trop lourds pour être saisis. Encore au stade de prépublication (version 1), le projet met son code à disposition pour reproduction, sans calendrier de déploiement industriel ni partenariat annoncé; les auteurs évoquent une extension à des obstacles de formes plus variées et à des environnements plus dynamiques que ceux testés jusqu'ici.

Dans nos dossiers

IA physique & VLA NVIDIA GR00T arXiv cs.RO

À lire aussi

1arXiv cs.RO

Bench-Push : benchmark pour la navigation et la manipulation par poussée des robots mobiles

Une équipe de chercheurs a publié Bench-Push (arXiv:2512.11736), le premier benchmark unifié dédié à l'évaluation des robots mobiles capables de pousser et de manipuler des objets dans leur environnement immédiat. La suite comprend quatre environnements de simulation aux niveaux de complexité variables : navigation en labyrinthe avec obstacles mobiles, navigation autonome de navire en eaux glacées, livraison de caisses, et nettoyage de zones encombrées. Bench-Push intègre également un jeu de métriques originales conçues pour mesurer l'efficacité, l'effort d'interaction mécanique et la complétion partielle des tâches, ainsi que des démonstrations de baselines établies. La bibliothèque est open-source, distribuée sous Python avec une architecture modulaire, et disponible sur GitHub (IvanIZ/BenchNPIN). L'absence de référentiel commun dans ce domaine constitue un frein réel : jusqu'ici, chaque équipe évaluait ses approches sur des configurations ad hoc, rendant toute comparaison inter-laboratoires impossible et la reproductibilité aléatoire. Or la question est loin d'être académique. Les robots mobiles autonomes (AMR) déployés en logistique, en entrepôt ou en milieu industriel se retrouvent régulièrement dans des espaces encombrés d'objets déplaçables que les algorithmes classiques d'évitement d'obstacles ne savent tout simplement pas gérer. Les stratégies de poussée (pushing, nudging) constituent une compétence clé pour ces environnements réels, et Bench-Push offre désormais un terrain de comparaison structuré pour les évaluer. La métrique de complétion partielle est notamment utile pour les décideurs B2B, qui ont besoin de quantifier la dégradation progressive des performances plutôt qu'un simple succès ou échec binaire. Le champ dit NAMO (Navigation Among Movable Obstacles) connaît une croissance soutenue, mais restait fragmenté faute d'outil fédérateur. Bench-Push s'inscrit dans la continuité des efforts de standardisation observés ailleurs en robotique, à l'image de ce que RoboSuite ou Isaac Gym ont apporté à la manipulation. L'inclusion d'un scénario de navigation en eaux glacées témoigne d'une ambition d'élargissement au-delà de la robotique d'entrepôt stricte, vers des domaines comme la navigation maritime autonome. Il n'existe à ce stade aucune annonce de déploiement industriel : Bench-Push est un outil de recherche, mais sa conception modulaire et son accessibilité via pip en font un candidat sérieux à une adoption rapide par les équipes travaillant sur la planification en environnements dynamiques.

RecherchePaper

1 source

2arXiv cs.RO

SPAR : un classeur d'actions de poussée entraîné par recherche pour une navigation efficace parmi des obstacles mobiles

Des chercheurs proposent SPAR (Search-trained Push Action Ranker), une méthode d'apprentissage qui accélère la navigation parmi des obstacles déplaçables (NAMO), c'est-à-dire la tâche où un robot doit réarranger des objets bloquant l'accès à son but. Le cas étudié est celui d'un robot qui pousse : certaines poussées dites « de préparation » n'ouvrent aucun passage elles-mêmes, mais rendent possible une ouverture ultérieure. Le nombre de séquences candidates croît de façon exponentielle avec leur longueur, ce qui rend coûteuse la recherche fondée sur la simulation physique. SPAR apprend donc à hiérarchiser les primitives de poussée à partir de résultats de recherche simulés, avec des séquences allant jusqu'à deux poussées par objet. Un transformer, entraîné avec des pertes de régression et de classement, évalue chaque primitive à partir de jetons de contact conditionnés par la géométrie de la scène et les zones d'accessibilité. Le même modèle sert deux modes : SPAR Search, qui guide les appels au simulateur, et SPAR Policy, qui choisit directement les actions à exécuter. Sur 300 problèmes simulés de « trou de serrure » nécessitant deux poussées, SPAR Search divise par 7,0 le nombre médian d'appels au simulateur et par 3,8 le temps de planification par rapport à une recherche aléatoire. Sans réentraînement, sur 600 problèmes sans solution en deux poussées et avec une profondeur maximale de cinq poussées, il atteint 50,7 % de réussite en 100 appels, contre 20,2 %. Dans des scènes NAMO difficiles, le taux passe à 47 % contre 21 %. Sur robot réel, SPAR Policy réussit 37 essais sur 40 sans jumeau numérique physique, contre 33 sur 40 pour SPAR Search et 27 sur 40 pour la recherche aléatoire. L'intérêt pour l'industrie tient à ce dernier résultat : une politique apprise issue de la recherche peut surpasser la recherche elle-même tout en se passant d'un simulateur au déploiement, ce qui allège l'infrastructure pour les intégrateurs. La généralisation à des problèmes plus profonds que ceux d'entraînement est aussi un signal favorable. Les réserves sont nettes : le banc d'essai reste restreint (40 essais, pas de précision sur les scènes, objets ou robot), la référence est une recherche aléatoire plutôt qu'un planificateur NAMO de pointe, et même 47 % de réussite en scènes difficiles reste loin d'une fiabilité industrielle. Ces travaux, publiés sur arXiv (v1), s'inscrivent dans la lignée de la planification NAMO classique, longtemps limitée par l'explosion combinatoire, et dans celle des approches qui utilisent la recherche comme source de supervision. Ils relèvent de la recherche académique, sans produit ni calendrier de déploiement annoncé. La suite logique serait de les étendre à des manipulations plus riches que la poussée et à des environnements d'entrepôt ou de logistique plus encombrés.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

N₀-TWAM : passage à l'échelle d'un modèle monde-action tactile natif pour la manipulation à contacts riches

Des chercheurs présentent N0-TWAM, un modèle monde-action "tactile natif" conçu pour la manipulation robotique dans des tâches à contact riche, capable de prédire à la fois l'image future et le contact physique futur. Selon les auteurs, il s'agirait du premier modèle monde-action tactile entraîné à grande échelle, une affirmation à prendre avec la prudence habituelle pour ce type de papier arXiv (2607.23783, non encore relu par les pairs). Le pré-entraînement combine vision et tactile sur des démonstrations couvrant six morphologies de robots différentes et 450 tâches. Le système s'appuie sur NeoForce, une représentation tactile unifiée basée sur la force, censée fournir un signal de contact physiquement ancré pour guider la génération d'actions. Pour gérer les tâches longues et multi-étapes, les auteurs introduisent des "événements de contact tactile" qui marquent la progression d'une étape à l'autre. Côté architecture, un Mixture-of-Transformers asymétrique associe un expert large pour la prédiction vidéo à des experts plus légers pour l'action et le tactile, dans un souci d'efficacité temps réel. Le modèle a été évalué sur des benchmarks réels et simulés, et le code ainsi que les poids seront publiés en open source. L'enjeu dépasse la simple prouesse technique. Les modèles vision-langage-action actuels, de π0 à GR00T N2 en passant par Helix, reposent presque exclusivement sur la vision, ce qui explique une bonne partie de leurs échecs sur les tâches fines de contact : insertion de pièces, préhension d'objets déformables, assemblage. Un modèle qui démontre un gain mesurable grâce au passage à l'échelle des données tactiles apporterait un signal utile pour les intégrateurs industriels confrontés à ce fossé entre démonstration en vidéo et fiabilité en production. Le manque de jeux de données tactiles standardisés à grande échelle est resté un frein connu du secteur, contrairement à la vision où les corpus type RT-X abondent. En couvrant six embodiments, N0-TWAM s'inscrit dans cette logique de généralisation multi-robots. La publication annoncée du code et des checkpoints permettra à la communauté de vérifier ces résultats et d'évaluer si l'approche tient face à des déploiements réels sur des tâches d'assemblage ou de manipulation fine.

RecherchePaper

1 source

4arXiv cs.RO

DynaMOMA : prédiction instantanée des poses de saisie pour la manipulation mobile d'objets dynamiques

Des chercheurs présentent DynaMOMA, un cadre logiciel pour la manipulation mobile d'objets en mouvement, publié sur arXiv en juin 2026. L'architecture combine deux blocs : un modèle de diffusion ancré (anchor-based diffusion model) qui génère des trajectoires de préhension à court horizon de façon temporellement cohérente, et une politique de contrôle corps entier par apprentissage par renforcement qui pilote simultanément la base mobile et le bras robotique. Un mécanisme nommé anticipation-guided reward ajuste la cible de la politique en substituant progressivement l'observation instantanée à la trajectoire prédite, poussant le système à anticiper plutôt qu'à simplement réagir. Les expériences ont été conduites dans Isaac Gym (NVIDIA), complétées par des validations sur robot physique en environnement réel. L'enjeu industriel est concret : la majorité des systèmes de picking déployés sur convoyeur ou en transfert humain-robot supposent une cible statique ou à trajectoire parfaitement prévisible. Coordonner une base mobile et un bras multi-axes face à un objet dont la pose évolue en continu cumule deux difficultés distinctes : prédire des trajectoires de saisie cohérentes dans le temps, et fermer la boucle de commande corps entier à faible latence. L'usage d'un modèle de diffusion pour la prédiction de trajectoires de préhension (et non pour la génération d'images ou de politiques textuelles) prolonge une tendance récente incluant Pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA). La démonstration d'un transfert sim-to-real fonctionnel constitue l'élément le plus significatif pour les intégrateurs robotiques. Il s'agit à ce stade d'un preprint académique sans affiliation industrielle déclarée, et l'abstract ne fournit ni chiffres de cadence (cycle time) ni de charge utile (payload), ce qui rend toute comparaison directe avec des solutions commerciales impossible. Isaac Gym facilite la reproductibilité, mais la question du sim-to-real gap sur des scènes dynamiques complexes reste ouverte. DynaMOMA s'inscrit dans le même espace de recherche que Physical Intelligence, Agility Robotics ou Apptronik sur la généralisation de la manipulation, sans cibler un segment commercial précis. Des validations sur objets déformables ou partiellement occultés constitueraient l'extension naturelle vers des cas d'usage industriels réels.

RecherchePaper

1 source