RecherchearXiv cs.RO 22 septembre 2026

Poussée à horizon glissant avec politiques composables centrées objet

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche publie le 22 septembre 2026 sur arXiv (arXiv:2609.23439v1) une méthode hiérarchique de manipulation non préhensile, pousser un objet plutôt que le saisir, utile pour déplacer des charges volumineuses, lourdes ou impossibles à empoigner. Une politique apprise prédit, depuis un nuage de points normalisé, les contacts pour atteindre un sous-objectif proche, évalués par un score de stabilité glissement contre basculement, tandis que l'algorithme BIT* planifie la trajectoire globale de l'objet, vérifie la faisabilité des sous-objectifs suivants et replanifie en cas d'échec, une seule action étant exécutée par cycle, à horizon glissant. Testée en simulation sur 22 objets dans six scènes avec des études d'ablation, la méthode a aussi été validée sur un bras Franka et, qualitativement, sur un manipulateur mobile portant des charges lourdes, avec un transfert direct de la simulation vers le réel, sans réentraînement.

Ce travail répond à un besoin concret en logistique et en industrie, où de nombreux objets sont trop volumineux, lourds ou irréguliers pour une préhension classique et où pousser reste souvent la seule option de repositionnement. Le verrou visé est le couplage entre trois décisions habituellement traitées séparément où pousser, si le contact est stable, si les actions suivantes resteront possibles, principale cause d'échec des approches réactives à un seul pas sur des tâches longues. Le transfert zero-shot vers un bras réel, s'il se confirme, appuierait l'idée qu'une politique apprise en simulation généralise sans réglage coûteux sur robot physique, mais les résultats sur manipulateur mobile restent qualitatifs et le banc d'essai simulé, 22 objets et six scènes, demeure modeste; il s'agit d'une prépublication non revue par les pairs, une preuve de concept plus qu'une solution prête au déploiement.

Cette approche prolonge les travaux cherchant à dépasser les politiques de poussée réactives à un seul pas, en les couplant à une planification à plus long terme capable d'anticiper obstacles et échecs de mouvement plutôt que de tout recalculer à chaque étape. Elle se distingue des politiques génératives de bout en bout entraînées sur de vastes corpus de démonstrations en conservant un score de stabilité physique explicite et un planificateur séparé de la politique de contact apprise. Le résumé ne précise ni institution ni calendrier de déploiement, mais vise une généralité démontrée sur des scènes et géométries variées, sur un terrain où la manipulation non préhensile reste peu couverte par les modèles vision-langage-action mis en avant dans la robotique généraliste.

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

GORDON : récompenses par graphes centrées sur l'objet pour décomposer la manipulation à long horizon

Une équipe de recherche décrit dans un article publié sur arXiv début août 2026 (2608.03753) GORDON, un système qui apprend des récompenses denses pour l'apprentissage par renforcement en manipulation robotique, à partir de simples vidéos de démonstration sans action associée. Chaque scène est convertie en graphe d'objets et de relations spatiales, qu'un réseau de neurones sur graphe, entraîné de façon auto-supervisée, projette dans un espace latent aligné sur la progression de la tâche, en isolant les objets pertinents du mouvement propre au bras robotique. La récompense correspond alors à la distance, dans cet espace, entre l'état courant et la configuration d'objectif démontrée. Sur sept tâches testées dans les bancs d'essai simulés MAGICAL et ManiSkill3, GORDON atteint un taux de réussite moyen de 74,4 % sur les tâches longues, soit environ 35 points de mieux que la meilleure base apprise et 25 points de mieux qu'une politique oracle. Ce résultat s'attaque à un goulot d'étranglement classique du RL robotique, la conception de la récompense pour des tâches longues et multi-étapes : les récompenses éparses donnent peu de signal, et celles apprises sur pixels bruts se révèlent fragiles aux variations d'arrière-plan ou de trajectoire. En représentant la scène par objets plutôt que par pixels, et en découvrant automatiquement les sous-tâches à partir du profil temporel de la récompense, sans annotation manuelle, GORDON réduit le travail d'ingénierie nécessaire pour décomposer une tâche complexe. C'est un frein connu pour les équipes qui entraînent des politiques sur des séquences d'assemblage ou de tri multi-étapes, un des obstacles à la généralisation des politiques apprises au-delà des tâches courtes. La méthode s'inscrit dans la lignée des travaux sur la récompense apprise par démonstration, qui cherchaient jusqu'ici un compromis entre richesse du signal et robustesse visuelle. Elle diffère des approches vision-langage-action comme Pi-0 ou GR00T N2, qui apprennent une politique de bout en bout : GORDON reste une brique de reward shaping et de décomposition de tâches, combinable en principe avec différents algorithmes de RL. Les résultats restent pour l'instant limités à deux bancs d'essai simulés, sans test sur robot physique ni transfert sim-to-real annoncé, ce qui reste l'étape suivante pour juger de la portée réelle de la méthode.

RecherchePaper

1 source

2arXiv cs.RO

BrickCraft : composition de compétences visuomotrices avec guidage manuel pour l'assemblage de briques emboîtables à long horizon

Des chercheurs de l'Intelligent Control Lab ont déposé sur arXiv en mai 2026 (réf. 2605.07605) BrickCraft, un framework compositionnel pour l'assemblage autonome de briques emboîtables par bras robotique. L'approche repose sur une formulation relative : chaque étape est ancrée à une brique de référence dans la structure partielle, ce qui décompose toute séquence longue en un ensemble fini de compétences primitives réutilisables. Pour piloter l'exécution physique, le système introduit les "situated manuals", des guides spatiaux projetés en temps réel dans les observations du robot, permettant à des politiques visuomotrices apprises de recevoir un ancrage spatial précis sans avoir à reprogrammer chaque primitive pour chaque nouvelle structure. L'abstract ne précise ni le robot utilisé, ni les métriques chiffrées (taux de succès, temps de cycle), des informations attendues dans la version complète de l'article. L'assemblage de briques emboîtables constitue un banc d'essai redoutable pour la manipulation fine : les tolérances d'emboîtement sont de l'ordre du dixième de millimètre, les séquences dépassent fréquemment plusieurs dizaines d'étapes, et une erreur de positionnement en amont propage des défauts irréversibles. BrickCraft s'attaque simultanément aux trois verrous classiques du domaine, à savoir le raisonnement sur horizon long, l'ancrage spatial (spatial grounding) et la manipulation fine, là où les approches end-to-end actuelles peinent à généraliser. La capacité à transférer des compétences apprises sur un nombre limité de démonstrations vers des structures inédites est particulièrement notable : elle indique que les primitives ne sont pas surajustées à une topologie spécifique, un écueil fréquent des méthodes par imitation en robotique d'assemblage. Du côté de la compétition académique et industrielle, l'assemblage de briques LEGO a déjà mobilisé le MIT CSAIL, l'ETH Zurich via des approches de planification de tâches et mouvements (TAMP), et plus récemment des équipes exploitant des Vision-Language-Action models (VLA) comme Pi-0 d'Embodied Intelligence ou GR00T N2 de NVIDIA pour la manipulation généraliste. BrickCraft choisit un inductive bias différent : exploiter la structure hiérarchique et répétitive propre aux assemblages par emboîtement plutôt que viser une généralité totale, un parti pris qui peut s'avérer payant pour des applications industrielles ciblées comme le montage de kits, le prototypage ou les lignes de petites séries. Le projet dispose d'un site dédié, mais aucun partenariat industriel ni timeline de déploiement n'est annoncé à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

ReinforceGen : politiques de compétences hybrides avec génération automatisée de données et apprentissage par renforcement

Une équipe de recherche en robotique publie ReinforceGen, un système combinant décomposition de tâches, génération automatisée de données, apprentissage par imitation et planification de mouvement, le tout affiné par apprentissage par renforcement. Le principe consiste à segmenter une tâche de manipulation longue en plusieurs compétences localisées, reliées entre elles par un planificateur de mouvement. Ces compétences sont d'abord entraînées par imitation à partir d'un jeu de données généré depuis seulement 10 démonstrations humaines, puis affinées via adaptation en ligne et renforcement. Sur le benchmark Robosuite, ReinforceGen atteint 80% de taux de réussite sur l'ensemble des tâches en contrôle visuomoteur, dans la configuration la plus exigeante de réinitialisation des positions de départ. Des études d'ablation montrent que les étapes de fine-tuning apportent un gain de performance moyen de 89%. Le système a également été testé en conditions réelles, avec des améliorations significatives rapportées après affinage. Vidéos et résultats complémentaires sont disponibles sur le site du projet. La manipulation longue durée reste l'un des obstacles majeurs en robotique manipulative: enchaîner plusieurs sous-tâches sans dérive d'erreur cumulative est difficile pour l'imitation pure, tandis que le renforcement seul peine à converger sur des horizons longs sans démonstration initiale. En combinant les deux, ReinforceGen s'inscrit dans un mouvement plus large cherchant à réduire la dépendance aux données humaines coûteuses (ici seulement 10 démonstrations) tout en conservant une robustesse comparable à des méthodes plus gourmandes. Le passage réussi vers des évaluations réelles, au-delà de la simulation, est le point le plus significatif pour les acteurs industriels: il suggère que l'écart simulation-réel, souvent le talon d'Achille des politiques visuomotrices, peut être réduit par cette architecture hybride plutôt que par du pur scaling de données. Le papier, publié sur arXiv (version révisée, v2), s'appuie sur le benchmark Robosuite, référence standard pour comparer les politiques de manipulation robotique en simulation. Le score de 80% est annoncé dans le réglage le plus difficile testé, un détail à garder en tête: les performances dans des configurations moins contraignantes ne sont pas précisées dans le résumé. Aucun acteur commercial ni institution n'est nommé dans l'abstract, ce travail relevant pour l'instant de la recherche académique plutôt que d'un produit destiné à un déploiement industriel immédiat.

RecherchePaper

1 source

4arXiv cs.RO

Contrôleur à horizon glissant dans l'espace des tâches pour l'évitement rapide de collisions

Des chercheurs publient sur arXiv (2607.15733v1) un nouveau contrôleur à horizon glissant dans l'espace des tâches pour l'évitement de collision en temps réel sur bras manipulateurs robotiques. La méthode combine un rollout court et "contact-consistant", basé sur un solveur dynamique itératif appliqué à des géométries convexes gonflées du robot et des obstacles, pour générer une référence cinématique terminale respectant les contraintes de non-pénétration internes. Seule la première commande d'une transition lisse à accélération minimale vers cette référence est ensuite calculée à chaque cycle, en partant d'une loi de régulation par cinématique inverse en boucle fermée. Les auteurs démontrent une régulation exponentielle locale dans l'espace des tâches lorsque les contacts sont inactifs, et bornent l'effet des obstacles mobiles sur les ensembles de fonctionnement réguliers lorsque des contacts s'activent pendant le rollout. Les tests incluent des simulations sur un système multi-chaînes à 40 degrés de liberté (DOF) et des expériences matérielles sur une plateforme à 6 DOF. L'enjeu pratique est le compromis classique entre anticipation et réactivité en robotique industrielle: le contrôle prédictif complet (MPC) offre une vision à long terme mais son coût de calcul explose avec l'horizon, la fidélité du modèle et le nombre de contraintes géométriques actives, tandis que les méthodes réactives sans horizon restent rapides mais peu clairvoyantes en environnement encombré et dynamique. Les résultats montrent que des horizons intermédiaires équilibrent ces deux exigences, avec des taux de succès supérieurs à des baselines MPC et à des "dynamic optimization fabrics" en clutter dynamique, tout en gardant des temps de résolution compatibles avec l'exécution temps réel testée. Point notable pour les intégrateurs: le comportement reste cohérent entre simulation et réel sans estimation précise des paramètres inertiels, ce qui limite l'effort de calibration habituellement nécessaire au transfert sim-to-real. Ce travail s'inscrit dans la lignée des recherches en contrôle prédictif appliqué à la manipulation en environnement dynamique, un axe où les laboratoires universitaires cherchent à réduire le fossé entre démonstrations en simulation et déploiements réels sur bras industriels ou collaboratifs. La comparaison directe avec des baselines MPC et fabrics d'optimisation dynamique positionne la méthode comme une alternative moins coûteuse en calcul pour l'évitement d'obstacles mobiles, un enjeu croissant pour les cellules robotiques partagées avec des opérateurs humains ou d'autres machines mobiles (AMR). Les auteurs ne mentionnent pas de partenariat industriel ni de calendrier de transfert vers un produit commercial à ce stade.

RecherchePaper

1 source