RecherchearXiv cs.RO 22 septembre 2026

UniPoint : fusion unifiée de capteurs au niveau des points pour la locomotion humanoïde sur terrains difficiles

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un preprint publié sur arXiv (référence 2609.23666v1) décrit UniPoint, un système de locomotion pour robots humanoïdes reposant sur la fusion de capteurs au niveau du point. Un LiDAR 360° et deux caméras de profondeur sont fusionnés dès l'acquisition en un nuage de points unique exprimé dans le référentiel du robot, puis voxélisé en un nombre fixe de tokens traités par auto-attention linéaire et par une attention croisée guidée par la proprioception, ce qui découple le coût de calcul du nombre de capteurs utilisés. Une seule session d'entraînement, combinant récompenses adaptées au terrain, injection de pannes de perception et randomisation de domaine, produit une politique unique valable pour huit types de terrains, déployée en embarqué sur un module RK3588 sans réglage fin additionnel. Sur un robot humanoïde baptisé DR02, les auteurs rapportent 20 essais pour chacune de neuf configurations réelles couvrant sept terrains, validant le franchissement de plateformes hautes de 70 cm, de brèches de 100 cm, d'obstacles fins verticaux et d'appuis étroits ou épars, avec une généralisation zero-shot en extérieur.

Le résultat cible un problème concret pour tout déploiement humanoïde en environnement non structuré: la perception doit couvrir un large champ, rester précise localement et tolérer la panne d'un capteur, trois exigences que les approches existantes ne satisfont pas ensemble, une caméra frontale unique couvrant trop peu et les cartes d'élévation corrigées par odométrie dérivant sous mouvement brusque ou manquant les structures fines. En conservant une représentation par points plutôt que par grille d'image, et en ne perdant qu'une fraction des tokens quand une modalité tombe en panne, UniPoint dégrade progressivement plutôt que brutalement, un critère de fiabilité plus qu'une prouesse de démonstration. Qu'une politique unique, entraînée une seule fois, tienne sur huit terrains avec un calculateur embarqué grand public sans réajustement terrain par terrain va dans le sens d'architectures perception-action plus génériques.

Ces travaux s'inscrivent dans la course à une locomotion humanoïde robuste hors laboratoire, où la difficulté porte moins sur la démonstration contrôlée que sur la tenue en conditions réelles avec des capteurs susceptibles de tomber en panne partiellement. Contrairement aux approches à encodage d'image par caméra, dont le coût croît avec le nombre de capteurs, UniPoint mise sur une fusion précoce au niveau point pour un coût constant. Il s'agit d'un preprint non encore relu par les pairs: il ne précise ni le fabricant du DR02 ni de calendrier commercial, et les essais rapportés (20 répétitions par scénario) restent des validations techniques limitées plutôt qu'un déploiement en flotte.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

RPL : un apprentissage robuste de la locomotion perceptive humanoïde sur terrains difficiles

Des chercheurs présentent RPL (Robust Perceptive Locomotion), un cadre d'entraînement en deux étapes pour la locomotion multidirectionnelle de robots humanoïdes sur terrains difficiles, décrit dans une version révisée (v2) d'un article déposé sur arXiv (2602.03002). La méthode entraîne d'abord des politiques expertes spécifiques à chaque type de terrain, à partir d'observations privilégiées de cartes de hauteur, pour maîtriser séparément locomotion et manipulation. Ces experts sont ensuite distillés dans une politique unique basée sur un transformer, alimentée par plusieurs caméras de profondeur couvrant un large champ de vue. Deux techniques rendent cette distillation robuste en conditions multidirectionnelles : une mise à l'échelle des caractéristiques de profondeur pilotée par les commandes de vitesse, et un masquage aléatoire latéral pour gérer les observations de profondeur asymétriques et les largeurs de terrain inédites. Pour entraîner ce système à grande échelle, les auteurs ont développé un moteur de simulation multi-profondeur qui projette des rayons sur les maillages dynamiques du robot et les maillages statiques du terrain en environnements massivement parallèles, avec un gain de vitesse de 5 fois par rapport aux pipelines de rendu de profondeur des simulateurs existants, tout en modélisant latence, bruit et pertes de capteur réalistes. En conditions réelles, le robot a porté une charge de 2 kg tout en franchissant des pentes de 20 degrés, des escaliers aux marches de 22, 25 et 30 cm, ainsi que des pierres de gué de 25 cm sur 25 cm séparées par des espaces de 60 cm. Cette démonstration s'attaque directement à un angle mort du secteur : la plupart des vidéos promotionnelles de robots humanoïdes montrent une marche avant sur sol plat, alors que la robustesse multidirectionnelle sur terrain irrégulier, avec charge utile, reste rarement documentée en conditions réelles et non scénarisées. Pour les intégrateurs industriels envisageant des humanoïdes en logistique ou en inspection de sites, la capacité à transporter 2 kg sur escaliers et pierres de gué constitue un signal plus parlant que des mesures de vitesse ou de temps de cycle en environnement contrôlé. RPL s'inscrit dans la lignée des approches d'apprentissage par distillation enseignant-élève, déjà utilisées pour la locomotion quadrupède et bipède, mais appliquées ici spécifiquement au défi de la vision par profondeur multidirectionnelle chez l'humanoïde. L'accent mis sur un simulateur maison optimisé pour le rendu de profondeur souligne à quel point le goulot d'étranglement actuel du secteur reste moins l'algorithme de contrôle que l'infrastructure de simulation capable de générer des données réalistes à l'échelle. L'article ne précise pas de plateforme robotique commerciale ni de calendrier de déploiement, s'agissant d'une contribution de recherche plutôt que d'une annonce produit.

RecherchePaper

1 source

2arXiv cs.RO

GuideWalk : apprentissage de la navigation autonome et de la locomotion unifiées pour robots humanoïdes sur terrains variés

Des chercheurs présentent GuideWalk (arXiv:2606.10449, juin 2026), un framework unifié qui couple navigation autonome et locomotion adaptative pour robots humanoïdes sur terrains variés. L'architecture repose sur trois composantes : un module de navigation qui génère des guidances de vitesse explicites en tenant compte de la traversabilité du terrain, un schéma de distillation à enseignants composites qui agrège commandes directionnelles et actions dynamiquement cohérentes dans une politique unique, puis un affinement par apprentissage par renforcement (RL) couplé à un objectif auxiliaire de clonage comportemental (behavior cloning). Ce dernier mécanisme vise à maintenir les comportements souhaitables issus des enseignants tout en favorisant l'exploration. L'article reste au stade de preprint arXiv sans déploiement industriel annoncé ni métriques benchmarkées publiées dans l'abstract. Le problème technique adressé est structurant pour la robotique humanoïde : l'évitement d'obstacles et la locomotion dynamique sont habituellement traités en silos, ce qui crée des incohérences lorsqu'un robot planifie sur escaliers, sol accidenté ou transitions sol dur/mou. GuideWalk découple explicitement la planification d'obstacles de l'état du terrain, ce qui est une approche architecturale plus propre que les solutions end-to-end brutes ou les pipelines hiérarchiques rigides. Pour les intégrateurs et décideurs B2B, le vrai enjeu est le sim-to-real gap sur locomotion hétérogène : si cette architecture tient ses promesses en évaluation externe, elle pourrait réduire le besoin d'ingénierie terrain-spécifique lors du déploiement en entrepôt ou en environnement industriel non structuré. La navigation humanoïde sur terrains complexes reste un des derniers verrous majeurs avant déploiement opérationnel large, là où la locomotion pure en terrain plat est désormais relativement résolue chez Unitree (H1, G1), Boston Dynamics (Atlas) ou Agility Robotics (Digit). Des approches concurrentes comme GR00T N2 de NVIDIA ou les travaux de Physical Intelligence (Pi-0) s'attaquent au même problème via des Visual Language Action models (VLA) généralisés, tandis que des labos académiques comme CMU ou Berkeley publient régulièrement sur le sim-to-real en locomotion adaptative. GuideWalk s'inscrit dans cette vague mais avec une contribution méthodologique spécifique sur le couplage navigation-locomotion. Les prochaines étapes naturelles seraient une évaluation sur hardware réel (le preprint ne précise pas le robot utilisé) et une comparaison quantitative avec des baselines établies.

RecherchePaper

1 source

3arXiv cs.RO

Réseau de capteurs tactiles pour la détection multi-phalange dans les mains humanoïdes

Des chercheurs décrivent, dans un article publié sur arXiv (référence 2609.30506v1), un capteur tactile bas coût destiné à équiper toute la longueur des doigts d'une main humanoïde, et non plus seulement leur extrémité. Fabriqué à partir de Velostat et de ruban adhésif conducteur, deux matériaux peu coûteux, il place sept points de contact sur la pulpe du doigt, sous forme d'une matrice 2x3 répartie sur les faces avant, gauche et droite plus un point à l'extrémité, tandis que les phalanges proximale et médiane reçoivent chacune une simple ligne de contact frontale. Après avoir mesuré l'hystérésis et le temps de récupération du capteur par des cycles répétés de pression et relâchement, les auteurs ont testé une structure de contact compliante imprimée en 3D, dotée d'un espace et d'une bosse inspirés de travaux antérieurs, qui réduit ce temps de récupération de 74% par rapport à un contact plat de référence. Le capteur distingue ensuite des géométries de contact différentes, surface plane, arête ou coin, au niveau de la pulpe, et détecte simultanément le contact sur les trois phalanges lors d'une prise en main. La vision et la proprioception seules ne suffisent pas à informer une main humanoïde sur la qualité d'une prise, en particulier parce que les doigts masquent souvent la caméra pendant la manipulation ; combler ce vide par du tactile réparti sur toute la longueur du doigt, plutôt qu'au seul bout, s'attaque à un angle mort concret pour les intégrateurs qui conçoivent des mains à cinq doigts pour des humanoïdes commerciaux. L'intérêt de l'approche tient surtout à son faible coût de fabrication, à l'opposé des capteurs tactiles capacitifs ou optiques plus performants mais coûteux employés dans certains laboratoires. Le travail reste cependant un prototype de recherche : une hystérésis résiduelle, c'est-à-dire un capteur qui ne revient pas immédiatement à zéro après une pression, limite pour l'instant sa fiabilité en usage continu, un défaut que les auteurs reconnaissent eux-mêmes et qu'ils proposent de corriger par du traitement logiciel plutôt que par une nouvelle itération matérielle. Le problème visé, doter les mains robotiques d'un sens du toucher réparti et non plus cantonné à l'extrémité des doigts, reste une limite reconnue dans la course aux humanoïdes, où la plupart des mains en développement ou commercialisées misent encore largement sur la vision et sur des capteurs de force concentrés au poignet ou à la pulpe. La structure de contact compliante testée ici s'inspire explicitement de conceptions antérieures, signe que le sujet avance par itérations progressives plutôt que par percée isolée. Les auteurs annoncent vouloir explorer, comme prochaine étape, une compensation logicielle de l'hystérésis, sans toutefois donner de calendrier ni mentionner de partenaire industriel pour une intégration future.

RecherchePaper

1 source

4arXiv cs.RO

Attention au pas : perception anticipée pour la locomotion des robots humanoïdes

Des chercheurs proposent, dans un preprint arXiv (2610.29612), une méthode de perception « anticipée » pour la locomotion de robots humanoïdes. Les politiques de locomotion perceptive observent en général une carte d'élévation dense centrée sur le robot, alors que seul le terrain sous et autour des prochains pas compte pour la décision. Les auteurs filtrent donc l'entrée avant que la politique ne la voie. Un modèle léger de prédiction des points d'appui (FPM) estime les futurs appuis à partir de la seule proprioception et de la commande de vitesse. La carte d'élévation n'est échantillonnée que dans de petites zones autour de ces points. Le FPM est entraîné en même temps que la politique et réentraîné périodiquement sur de nouveaux déroulements, au fur et à mesure que la marche se stabilise. Selon les auteurs, la politique atteint une difficulté de terrain donnée en environ un tiers des itérations d'entraînement nécessaires avec la carte complète. Elle transfère aussi sans réglage supplémentaire (zero-shot) vers un Unitree G1. L'intérêt est d'abord économique. Apprendre en même temps quoi regarder et comment marcher ralentit l'entraînement. Les encodeurs à mécanisme d'attention, qui résolvent ce problème, coûtent cher en calcul. Ici, un simple prétraitement atteint, d'après les auteurs, les performances d'un encodeur à attention entraîné pour plusieurs fois le coût. Il fait mieux que la carte complète quand les points d'appui sont rares, par exemple dans des couloirs étroits à parois, et sur des terrains jamais vus. Les essais sur le G1 couvrent obstacles, escaliers, trous et descentes de marches, au-delà de la distribution d'entraînement, en intérieur comme en extérieur. Pour les équipes qui entraînent des politiques en simulation, le gain d'efficacité en échantillons est donc substantiel. Il faut toutefois rester prudent. Il s'agit d'un preprint, sans relecture par les pairs. Les chiffres viennent des auteurs, et le résumé ne donne ni nombre d'essais, ni taux de réussite, ni comparaison avec d'autres méthodes de perception que celles citées. Il s'agit d'un résultat de recherche, sans produit ni déploiement industriel. Ce travail s'inscrit dans le courant de la locomotion perceptive apprise par apprentissage par renforcement, qui repose depuis plusieurs années sur des cartes d'élévation denses ou sur des encodeurs appris, parfois à base d'attention. Il s'applique à une plateforme devenue standard en recherche, le G1 d'Unitree, ce qui facilite la reproduction par d'autres laboratoires. La limite probable est la dépendance à la qualité de la prédiction des appuis. Celle-ci repose uniquement sur la proprioception et la commande, donc une erreur de prédiction peut priver la politique du terrain utile. Le résumé ne dit pas comment la méthode se comporte avec une cartographie bruitée. Les suites naturelles seraient des tests sur d'autres morphologies et une intégration avec des commandes de plus haut niveau. Aucune échéance n'est annoncée.

RecherchePaper

1 source