Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Contrôle de formation sous-marine par vision avec saturations d'entrée via fonctions barrière de Lyapunov
RecherchearXiv cs.RO 

Contrôle de formation sous-marine par vision avec saturations d'entrée via fonctions barrière de Lyapunov

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

Des chercheurs présentent un cadre de contrôle en formation pour robots sous-marins entièrement actionnes, fonctionnant sans communication inter-robots et base uniquement sur la vision embarquée, publie sur arXiv sous la référence 2609.25917v1. Le système s'appuie sur des fonctions de Lyapunov a barrière recentrées pour encoder simultanément les contraintes de détection visuelle et d'évitement de collision, associées a un backstepping filtre par commande pour traiter la dynamique du second ordre des véhicules. L'objectif de contrôle est résolu par un programme quadratique qui intègre explicitement les limites de saturation des actionneurs. Des domaines de détection conservateurs fixent une marge de sécurité par rapport aux limites physiques des capteurs, relâchée de manière adaptative en cas de besoin, et la méthode a été validée uniquement par des simulations Software-in-the-Loop sous Gazebo, sans essai en bassin ni en mer.

Pour les intégrateurs de flottes d'AUV ou de ROV, notamment dans l'inspection d'infrastructures offshore ou la surveillance environnementale, une commande de formation purement visuelle, affranchie des liaisons acoustiques lentes et énergivores, simplifierait potentiellement le déploiement opérationnel. La prise en compte explicite des saturations d'actionneurs corrige une hypothèse fréquente en contrôle théorique, ou la puissance de propulsion est souvent supposée illimitée, ce qui se vérifie rarement en conditions réelles. L'absence totale de tests en environnement physique limite toutefois la portée des résultats a une preuve de concept simulée, un point que les auteurs n'occultent pas.

Le contrôle de formation sous-marine reste un champ actif ou l'absence de GPS, les perturbations hydrodynamiques et la portée limitée des capteurs optiques compliquent l'adaptation directe des méthodes conçues pour les drones aériens ou terrestres. Les fonctions de Lyapunov a barrière sont déjà employées dans la littérature du contrôle contraint, mais leur combinaison avec le backstepping filtre et une couche d'optimisation quadratique, pour une formation vision-only de véhicules entièrement actionnes, constitue l'apport principal revendique. Aucun partenaire industriel ni calendrier de transfert matériel n'est mentionne; les suites logiques, non précisées dans l'article, seraient des essais en bassin puis en mer pour confronter le contrôleur au bruit de mesure et aux courants réels.

Impact France/UE

Recherche générique sans acteur ni déploiement européen identifié, mais potentiellement utile aux intégrateurs européens de flottes d'AUV/ROV pour l'inspection offshore.

Dans nos dossiers

arXiv cs.RO

À lire aussi

D-SafeMPC : commande prédictive sûre par diffusion avec fonctions barrières de contrôle en temps discret
1arXiv cs.RO 

D-SafeMPC : commande prédictive sûre par diffusion avec fonctions barrières de contrôle en temps discret

Traduction et résumé en cours pour cet article de recherche sur D-SafeMPC. Des chercheurs présentent D-SafeMPC, une méthode qui combine modèles de diffusion et commande prédictive (MPC) pour générer des trajectoires robotiques à la fois sûres et faisables physiquement. Le problème de départ est connu : les modèles de diffusion, très utilisés en planification de mouvement, ne garantissent intrinsèquement ni la sécurité ni le respect des contraintes dynamiques, ce qui produit parfois des trajectoires irréalisables. Coupler diffusion et MPC existait déjà, mais l'approche restait instable, car une mauvaise initialisation de trajectoire par le modèle de diffusion empêchait le MPC de converger vers une solution correcte. D-SafeMPC guide le processus de diffusion inverse à l'aide de fonctions barrières de contrôle (CBF) et de fonctions de Lyapunov de contrôle (CLF), avec un schéma de projection itératif où le MPC affine la trajectoire à chaque étape de débruitage. Les tests ont porté sur un bras manipulateur Franka, en simulation sur quatre scénarios (un obstacle statique, trois configurations à obstacles dynamiques), puis en conditions réelles sur un robot Franka physique via une expérience de transfert sim-to-real. Le code source et les configurations expérimentales sont publiés sur GitHub (erdiphd/D-SafeMPC). L'intérêt de ces travaux dépasse le cas d'usage du bras manipulateur : ils s'attaquent directement à un point de friction connu entre planification générative et robotique déployable. Les modèles de diffusion produisent des trajectoires plausibles statistiquement, mais rien ne garantit qu'elles respectent les contraintes physiques d'un robot réel ou évitent des obstacles mobiles, un écart classique entre démonstration et fiabilité opérationnelle. En stabilisant l'interaction diffusion-MPC dès la phase de débruitage plutôt qu'en post-traitement, D-SafeMPC vise à fournir des points de démarrage fiables ("warm starts") au contrôleur, ce qui améliore selon les auteurs le taux de succès des tâches et l'efficacité de planification par rapport aux méthodes de référence de l'état de l'art. Pour les équipes travaillant sur la manipulation en environnement partagé avec des humains ou des obstacles mobiles, c'est un signal que les architectures hybrides génératif-contrôle progressent sur la sécurité formelle, un enjeu central pour toute certification industrielle. Ce travail s'inscrit dans une lignée de recherches cherchant à réconcilier planification par apprentissage profond et garanties de sécurité issues du contrôle classique, un axe actif depuis l'essor des politiques de diffusion en robotique (type Diffusion Policy). Les CBF et CLF sont des outils établis en commande sûre, mais leur intégration fine dans une boucle de diffusion itérative reste un domaine ouvert. La validation sim-to-real sur Franka, bras couramment utilisé en recherche académique, reste un test de complexité modérée comparé à des déploiements industriels ou humanoïdes ; la suite logique serait une extension à des plateformes à plus haute dimensionnalité ou à des tâches multi-obstacles plus denses.

RecherchePaper
1 source
Fonctions de barrière de contrôle sémantiquement adaptatives avec modèles vision-langage pour la navigation robotique en temps réel
2arXiv cs.RO 

Fonctions de barrière de contrôle sémantiquement adaptatives avec modèles vision-langage pour la navigation robotique en temps réel

AlphaAdj, un cadre de navigation « vision vers commande » décrit dans un article arXiv (2603.21142v2), couple un modèle vision-langage (VLM) à des fonctions barrières de contrôle (CBF) pour adapter la prudence d'un robot au contexte visuel. Le VLM analyse les images RGB égocentriques et produit un signal scalaire de « prudence contextuelle ». Ce signal module le paramètre alpha de la CBF, qui règle la rapidité avec laquelle le robot est autorisé à s'approcher d'une contrainte de sécurité. Un plafond dépendant de la géométrie et de la vitesse borne l'agressivité admissible. Le signal n'est pas obtenu par génération de texte autoregressive. Il est extrait directement des probabilités au niveau des tokens, et l'inférence tourne de façon asynchrone par rapport à la boucle de contrôle. Le système tient une période de contrôle de 0,0167 s (environ 60 Hz) avec une latence moyenne aller-retour du VLM de 0,158 s. Les tests couvrent des scénarios à géométrie appariée, à humains dynamiques et à environnement encombré, plus un essai physique sur un robot Clearpath Jackal. À géométrie d'obstacle identique, AlphaAdj laisse 0,405 m de dégagement supplémentaire face à un humain par rapport à un objet inoffensif. Les baselines purement géométriques et les baselines adaptatives non visuelles ne font aucune différence entre les deux cas. Dans les scènes encombrées, toutes les baselines géométriques évaluées entrent en collision, alors qu'AlphaAdj reste sans collision. L'intérêt tient à ce que ce travail s'attaque à un compromis classique de la robotique mobile : rester sûr sans devenir trop conservateur. Une CBF ordinaire ne voit que l'état géométrique. Un carton et un piéton de même forme reçoivent donc la même marge. Ici, la sémantique ajuste la marge sans entrer dans le chemin critique : le VLM est consultatif et la garantie de sécurité reste portée par la CBF et son plafond. Pour un intégrateur, c'est un schéma plus facile à justifier en certification qu'une politique de bout en bout opaque. Il montre aussi qu'un VLM de 0,158 s de latence reste exploitable sur une boucle à 60 Hz s'il est découplé. Les réserves sont classiques : les résultats viennent surtout de simulation et d'un seul robot terrestre de petite taille, et la comparaison porte sur des baselines choisies par les auteurs. Les 0,405 m supplémentaires sont un résultat de scénarios contrôlés, non une mesure en exploitation. Ces travaux s'inscrivent dans la lignée des CBF, devenues un outil standard de filtrage de sécurité pour la navigation et la manipulation, et de l'usage croissant des VLM comme couche de raisonnement sémantique en robotique. Ils se rapprochent des approches qui injectent un contexte appris dans des contrôleurs à garanties formelles, plutôt que de laisser un VLA piloter directement les actionneurs. Les suites naturelles seraient des tests sur des plateformes plus rapides ou plus lourdes, comme des AMR d'entrepôt ou des humanoïdes, en environnements réellement peuplés, avec une analyse de la robustesse du signal VLM face aux erreurs de perception. Aucun calendrier de déploiement n'est annoncé : il s'agit d'une publication de recherche, non d'un produit.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Commande à impédance adaptative à sécurité critique via fonctions barrière non lisses sous contraintes d'état et d'entrée
3arXiv cs.RO 

Commande à impédance adaptative à sécurité critique via fonctions barrière non lisses sous contraintes d'état et d'entrée

Des chercheurs ont publié sur arXiv (référence 2605.28367v1) un framework de contrôle d'impédance adaptatif en ligne conçu pour garantir la sécurité des manipulateurs robotiques lors d'interactions physiques avec des humains ou des environnements contraints. Le système, validé en simulation sur un manipulateur à 7 degrés de liberté (DOF), combine un filtre de sécurité basé sur un programme quadratique (QP) avec une nouvelle fonction de barrière de contrôle non lisse composée (NCBF), permettant d'imposer simultanément les contraintes de position et de vitesse articulaires via une barrière unifiée de degré relatif un. Les dynamiques inconnues sont compensées en ligne par un système de logique floue de type 2 par intervalles (IT2-FLS), les limites de couple actuateur sont gérées par des contraintes souples avec récupération exacte de solutions réalisables, et un observateur de perturbations renforce la robustesse face aux erreurs de modèle et aux forces d'interaction externes. Les simulations incluent une incertitude paramétrique sévère et des torseurs d'interaction externes appliqués simultanément. Le principal apport technique réside dans la formulation NCBF composée, qui unifie en une seule barrière de degré relatif un deux contraintes habituellement traitées séparément : position et vitesse articulaires. En pratique, les approches CBF standard nécessitent des traitements de degré relatif élevé pour les contraintes de position, ce qui complique la synthèse et réduit la robustesse. Ici, l'unification simplifie le problème QP et maintient la faisabilité même sous perturbations fortes. L'analyse Lyapunov composite prouve formellement l'invariance de l'ensemble sûr et la bornitude ultimement uniforme (UUB) de l'erreur de suivi d'impédance, deux garanties essentielles pour envisager une certification dans des contextes industriels ou médicaux. Ces résultats restent toutefois à l'étape simulation uniquement : aucune validation sur matériel réel n'est rapportée. Le contrôle d'impédance est la référence pour la manipulation compliante depuis les travaux de Hogan dans les années 1980, et les fonctions de barrière de contrôle (CBF) ont connu un essor considérable depuis les contributions d'Ames et al. dans la décennie 2010. Les approches concurrentes incluent les méthodes à tanks d'énergie, le contrôle passif basé sur la passivité, et les CBF à degré relatif élevé. Le recours à l'IT2-FLS distingue ce travail des CBF adaptatifs classiques en offrant une meilleure tolérance à l'incertitude que les systèmes flous de type 1. L'étape logique suivante sera la validation expérimentale sur plateforme réelle, notamment dans des scénarios d'assemblage ou de soins à la personne où l'interaction physique imprévue est la norme.

RecherchePaper
1 source
Fonctions de barrière de contrôle robustes aux mesures, apprises pour l'évitement d'obstacles sous erreur d'estimation d'état
4arXiv cs.RO 

Fonctions de barrière de contrôle robustes aux mesures, apprises pour l'évitement d'obstacles sous erreur d'estimation d'état

Un article publié sur arXiv (référence 2608.20467) présente deux nouvelles fonctions barrières de contrôle (CBF) destinées à garantir l'évitement d'obstacles quand l'estimation d'état du robot est imparfaite, une situation courante hors laboratoire. La première, DMR-CBF, ajoute à la condition CBF classique une optimisation sur le pire cas d'incertitude dans la dynamique du système, puis sert à préentraîner une seconde version, NMR-CBF, qui remplace cette optimisation par un terme appris et affiné sur des trajectoires simulées différentiables. Testées sur un double intégrateur planaire et un quadrirotor à 12 degrés de liberté, les deux méthodes évitent les collisions là où d'autres approches robustes échouent ou se montrent trop prudentes. Le NMR-CBF a ensuite été déployé sur un robot quadrupède Unitree Go2, qui a traversé un champ d'obstacles malgré des erreurs d'odométrie ayant fait percuter un filtre CBF standard. Ce travail cible un angle mort connu des filtres de sécurité: la plupart des CBF publiés supposent un état parfaitement connu, hypothèse qui s'effondre dès qu'un robot mobile ou un drone s'appuie sur une odométrie bruitée. Pour les intégrateurs qui évaluent des couches de sécurité pour robots mobiles autonomes (AMR), quadrupèdes ou drones, la démonstration sur Go2 illustre l'écart entre un filtre standard, qui percute l'obstacle sous erreur d'odométrie, et une version robuste qui l'évite avec un coût de calcul réduit grâce à l'apprentissage. Cela va dans le sens d'un secteur qui cherche à combiner garanties de sécurité formelles et budget de calcul compatible avec l'embarqué, plutôt qu'à choisir entre robustesse et temps réel. Le papier s'inscrit dans une lignée récente de travaux sur les CBF robustes à l'erreur d'estimation d'état, une extension encore jeune du cadre CBF classique utilisé pour l'évitement d'obstacles et le contrôle sûr. Les auteurs positionnent DMR-CBF et NMR-CBF face à ces méthodes robustes antérieures, jugées soit sujettes à des violations de sécurité, soit trop conservatrices, et fournissent une analyse théorique du DMR-CBF en complément des résultats empiriques. Sans calendrier de suite précisé, le passage du banc de simulation au robot Go2 en conditions réelles reste l'étape de validation la plus significative avant une éventuelle extension à d'autres plateformes mobiles.

RecherchePaper
1 source