Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
OREN-X : réseau octree résiduel pour la cartographie multimodale en temps réel
RecherchearXiv cs.RO 

OREN-X : réseau octree résiduel pour la cartographie multimodale en temps réel

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

Publié en septembre 2026 sur arXiv (2609.29157), OREN-X est un système de cartographie 3D temps réel pour robots qui réunit dans un même octree trois informations traitées jusque-là séparément : la géométrie pour la planification, la radiance pour le rendu et la relocalisation, et des features vision-langage pour la reconnaissance d'objets en vocabulaire ouvert. Un apprentissage de dictionnaire en ligne comprime ces features jusqu'à 3,7 fois tout en améliorant la précision des requêtes. Sur le benchmark Replica, OREN-X cartographie à plus de 80 images par seconde pour le SDF (distance signée) seul et plus de 30 images par seconde pour les quatre modalités combinées, avec une précision SDF améliorée de 33% et un score mIoU en vocabulaire ouvert en hausse de 71% par rapport à la meilleure méthode antérieure.

L'intérêt tient à la mutualisation : plutôt que de faire tourner des pipelines séparés pour la géométrie, le rendu et la compréhension sémantique, ce qui multiplie mémoire et calcul embarqués, OREN-X fait cohabiter ces représentations et en tire une synergie mesurée, les estimations SDF étant affinées par les données d'occupation et de radiance. Pour l'autonomie longue durée des robots mobiles, cela répond à un frein concret à la mise en production : exécuter navigation, rendu visuel et compréhension de scène en langage naturel sans faire exploser la charge de calcul embarquée. Les gains en vocabulaire ouvert suggèrent un ancrage sémantique plus fiable sans sacrifier la vitesse, même si ces résultats restent obtenus en simulation sur Replica et non sur un robot physique en conditions réelles.

Ce travail s'inscrit dans une recherche où la cartographie robotique traitait jusqu'ici séparément les représentations SDF/TSDF pour la géométrie, les champs de radiance neuronaux ou le splatting gaussien pour le rendu, et des embeddings type CLIP pour l'ancrage sémantique, chacun avec son propre coût mémoire. OREN-X se positionne comme une alternative unifiée, appuyée sur un octree partagé et un parcours de rayons accéléré par GPU pour le rendu temps réel. Publié en preprint sur arXiv sans évaluation par les pairs à ce stade, l'article ne précise ni les auteurs ni de calendrier de tests sur robot réel ; il reste, pour l'instant, une contribution validée en simulation plutôt qu'un système prêt à l'intégration industrielle.

Dans nos dossiers

arXiv cs.RO

À lire aussi

VLEM : cartographie 3D vision-langage par embeddings en temps réel
1arXiv cs.RO 

VLEM : cartographie 3D vision-langage par embeddings en temps réel

Une équipe de chercheurs a publié une version révisée (v2) de l'article arXiv 2508.06291 présentant VLEM (Vision-Language Embedding Mapping), un système de cartographie sémantique 3D en temps réel qui fonctionne à partir d'un simple flux RGB-D brut, sans poses de caméra vérité terrain. Le framework fusionne des embeddings vision-langage 2D alignés au pixel, issus de différents modèles vision-langage, dans une représentation 3D globalement cohérente et métriquement précise. Comparé à trois systèmes existants, ConceptFusion, Open-Fusion et RayFronts, VLEM affiche de meilleures performances en segmentation en vocabulaire ouvert et une représentation plus compacte en mémoire. Les auteurs démontrent aussi son usage sur des tâches de manipulation robotique interactive en temps réel et sur des scénarios de cartographie mobile. La compréhension sémantique de scène en robotique exige des représentations à la fois précises au sens métrique et interrogeables en langage naturel en temps réel, combinaison que les modèles vision-langage peinent à tenir une fois intégrés à un pipeline 3D, freinés par le coût de calcul, les contraintes mémoire et la dépendance habituelle à des poses caméra vérité terrain rarement disponibles hors laboratoire. En s'appuyant uniquement sur un flux RGB-D brut, VLEM lève ce verrou et rapproche cette cartographie sémantique d'un déploiement robotique réel, hors environnement instrumenté. Pour les équipes de recherche en manipulation ou en navigation mobile, cela ouvre la voie à des robots interrogeables en langage naturel directement sur une carte 3D construite à la volée. La comparaison à ConceptFusion, Open-Fusion et RayFronts reste un benchmark choisi par les auteurs, à confirmer par des évaluations indépendantes. VLEM s'inscrit dans la lignée des travaux combinant modèles vision-langage type CLIP et pipelines de SLAM pour doter les robots d'une compréhension du monde interrogeable en langage naturel, citant explicitement ConceptFusion, Open-Fusion et RayFronts comme repères directs plutôt qu'une rupture inédite. Il s'agit à ce stade d'une publication de recherche en preprint sur arXiv, sans produit, partenariat industriel ni calendrier de déploiement annoncés ; la mention "replace" signale une révision d'une soumission initiale. La suite attendue pour ce type de travail est la publication du code et une évaluation communautaire sur des jeux de données standardisés, avant une éventuelle reprise par des acteurs commerciaux de la robotique.

RecherchePaper
1 source
PRISM : cartographie multimodale de terrain pour la navigation d'un rover en environnement non structuré
2arXiv cs.RO 

PRISM : cartographie multimodale de terrain pour la navigation d'un rover en environnement non structuré

Des chercheurs présentent PRISM, un système de perception multimodale destiné à la cartographie de terrain pour la navigation de rovers en environnements non structurés, dans un article publié sur arXiv (2607.16366v1). Le système s'appuie sur une suite de capteurs personnalisée capturant simultanément des images RGB, de profondeur et thermiques alignées, format noté RGB-D-T. Son cœur algorithmique, baptisé OmniUnet, est un réseau basé sur les vision transformers, conçu spécifiquement pour la segmentation sémantique multimodale de terrain. Les auteurs ont validé leur approche sur deux jeux de données inédits, BASEPROD et LAENTIEC, annotés pour l'occasion, puis testé le système lors d'expériences de terrain réelles. Point notable, PRISM tourne sur un calculateur embarqué aux ressources limitées et génère des cartes de franchissabilité directement exploitables par le sous-système de guidage, navigation et contrôle (GNC) du rover. L'intérêt principal de ces travaux réside dans l'ajout de l'imagerie thermique aux capteurs optiques et de profondeur classiques, une combinaison qui améliore la différenciation des types de terrain, notamment dans des conditions où la seule vision RGB-D peine (faible luminosité, ombres, poussière, végétation ambiguë). Pour l'industrie de la robotique de terrain, planétaire ou tout-terrain, cela répond à un vrai point de friction : la fiabilité de la cartographie de franchissabilité conditionne directement la sécurité de navigation autonome sur pentes raides ou sols rocheux. Le fait que le pipeline complet, capteurs, réseau de segmentation et génération de carte, fonctionne sur du matériel embarqué contraint constitue une démonstration concrète de faisabilité, plutôt qu'une simple preuve de concept en simulation, ce qui distingue ce travail d'approches purement académiques limitées au laboratoire. Ce papier s'inscrit dans une tendance plus large de fusion de capteurs pour la perception robotique en extérieur, où les systèmes purement RGB-D montrent des limites face à la diversité des textures et éclairages du terrain naturel. Contrairement à des annonces de robots humanoïdes très médiatisées, il s'agit ici d'une contribution académique (preprint arXiv, non encore relu par les pairs) centrée sur les rovers et véhicules autonomes tout-terrain, un segment où les acteurs de référence restent les programmes d'exploration planétaire et la robotique de défense ou agricole. Les prochaines étapes attendues concernent l'extension des jeux de données et des essais terrain supplémentaires pour confirmer la robustesse du système dans des conditions plus variées.

RecherchePaper
1 source
Estimation en temps réel du vecteur normal au sol pour la cartographie 3D mobile sphérique par odométrie LiDAR-inertielle
3arXiv cs.RO 

Estimation en temps réel du vecteur normal au sol pour la cartographie 3D mobile sphérique par odométrie LiDAR-inertielle

Des chercheurs proposent deux méthodes basées sur RANSAC pour estimer en temps réel le vecteur normal du sol dans les systèmes de cartographie mobile sphérique (SMMS), ces dispositifs 3D dont le capteur subit de fortes rotations. La première travaille scan par scan, avec un score sur les vecteurs normaux et une validation en plusieurs étapes. La seconde s'appuie sur l'odométrie LiDAR-inertielle (LIO) et estime le plan du sol à partir d'une carte 3D globale. Les deux ont été testées sur plusieurs jeux de données réels, et comparées à une vérité terrain issue d'un scanner laser terrestre. L'étude, publiée sur arXiv (2610.28701), ne donne pas de chiffres précis dans son résumé. Selon les auteurs, l'estimation fondée sur la LIO est nettement plus précise et plus robuste que l'approche mono-scan. Intégrer la normale du sol dans le modèle de mouvement améliore aussi l'estimation de pose. Pour les intégrateurs et les équipes qui déploient de la cartographie mobile ou de la navigation autonome, c'est un gain concret. Les rotations rapides et la faible portion de sol visible sont les principales sources de dérive de ces capteurs. Le résultat vaut surtout pour les environnements difficiles ou dangereux, comme les sites industriels, les mines ou les zones sinistrées, où l'on veut limiter l'intervention humaine. Le résumé ne précise pas les gains chiffrés, les temps de calcul ni la diversité exacte des scènes. La mention « temps réel » devra donc être vérifiée dans l'article complet. Cette étude s'inscrit dans une tendance connue de la SLAM LiDAR-inertielle : exploiter des contraintes géométriques, ici le sol, pour réduire la dérive. Les systèmes sphériques ou rotatifs, plus légers que les scanners fixes, compliquent cette tâche, car le champ de vue change sans cesse. Il s'agit d'un travail de recherche, sans produit commercial ni pilote annoncé. Les prochaines étapes probables sont la publication de code ou de jeux de données, des comparaisons avec les cadres LIO existants et des essais sur des plateformes robotiques de terrain.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Mono-Hydra++ : construction en temps réel de graphes de scènes monoculaires par apprentissage multi-tâches pour la cartographie 3D intérieure
4arXiv cs.RO 

Mono-Hydra++ : construction en temps réel de graphes de scènes monoculaires par apprentissage multi-tâches pour la cartographie 3D intérieure

Des chercheurs ont publié en mai 2026 (arXiv:2605.17661) Mono-Hydra++, un pipeline temps réel capable de construire des graphes de scène 3D hiérarchiques d'intérieurs en n'utilisant qu'une caméra RGB monoculaire et une IMU, sans capteur de profondeur actif. Le coeur du système repose sur M2H-MX, un modèle multi-tâches fondé sur DINOv3 qui estime simultanément la profondeur et la sémantique des images. Ces estimations alimentent un front-end d'odométrie visuelle-inertielle (VIO) enrichi de contraintes de profondeur prédites creuses, d'un masquage sémantique des zones dynamiques et d'un alignement temporel tenant compte de la pose, avant fusion volumétrique dans le backend Mono-Hydra. Sur le sous-ensemble d'évaluation Go-SLAM/ScanNet, le système affiche 1,6 % d'erreur de trajectoire en moins que le meilleur baseline RGB-D testé ; sur le benchmark calibré 7-Scenes, il réduit l'ATE moyen de 29,8 % par rapport au meilleur concurrent calibré. Le modèle de perception M2H-MX-L, exporté en ONNX/TensorRT FP16, tourne à 25,53 FPS sur un Jetson Orin NX 16 Go, et le pipeline a été validé dans un déploiement réel dans un bâtiment ITC avec une caméra RealSense RGB + IMU. L'impact industriel est direct pour les plateformes à contraintes sévères : drones d'inspection, robots humanoïdes légers et AMR embarquant peu de puissance. Jusqu'ici, la construction de graphes de scène 3D, qui organisent l'espace en objets, pièces et relations spatiales, nécessitait des capteurs actifs (RGB-D ou LiDAR) impraticables dès que le payload ou la consommation électrique sont limités. Mono-Hydra++ démontre qu'il est possible d'atteindre, voire de dépasser, la précision de ces baselines lourds avec une seule caméra et une IMU bas coût. Pour un intégrateur ou un COO industriel, cela signifie une réduction substantielle du coût matériel embarqué et l'ouverture de cas d'usage où le RGB-D n'est pas envisageable. Il convient toutefois de noter que les résultats sont issus de benchmarks académiques standardisés : la robustesse sur des scènes industrielles non contrôlées, avec éclairages difficiles ou textures répétitives, reste à confirmer dans des conditions opérationnelles réelles. Mono-Hydra++ s'inscrit dans la lignée du système Hydra du MIT, qui a posé les bases de la représentation hiérarchique en graphe de scène pour la robotique. L'utilisation de DINOv3 comme backbone de vision fondationnelle est cohérente avec la tendance forte à extraire simultanément géométrie et sémantique depuis des modèles pré-entraînés à grande échelle. Sur ce terrain, les concurrents directs incluent les systèmes basés sur RGB-D comme Go-SLAM, iMAP ou NICE-SLAM, ainsi que des approches VIO-sémantiques récentes, mais peu proposent la combinaison complète cartographie métrique, sémantique et graphe de scène en temps réel sur matériel embarqué contraint. En tant que preprint arXiv non encore évalué par les pairs, les prochaines étapes attendues sont la publication en conférence (IROS, ICRA), des tests sur plateformes aériennes effectives et une éventuelle intégration dans des stacks robotiques open-source comme ROS 2.

UELes constructeurs européens d'AMR légers et de drones d'inspection pourraient à terme réduire leurs coûts matériels embarqués en remplaçant les capteurs RGB-D par une caméra monoculaire, sous réserve de validation dans des conditions industrielles non contrôlées.

RecherchePaper
1 source