RecherchearXiv cs.RO 30 septembre 2026

RoboCompiler : compilation native par graphes des robots à chaînes fermées pour une modélisation, un contrôle et une simulation cohérents

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

RoboCompiler, un framework publié sur arXiv (2609.35717, version 2), propose de compiler un graphe canonique de mécanisme en une interface mécanique partagée pour les robots à chaînes fermées. Le système part des corps, articulations, repères, inerties et ports d'actionneurs, puis construit les chemins de fermeture et les jacobiennes résiduelles analytiques. Il assemble ensuite les configurations admissibles par continuation et correction avec contrôle du rang. Un « relèvement tangent » convertit des vitesses indépendantes en mouvement du robot complet et des tâches. Des cartes appariées aux ports d'actionneurs préservent le travail virtuel. Une correction de courbure des contraintes étend la réduction aux accélérations et à la dynamique projetée de corps rigides, y compris les modes à base flottante et à appui. L'évaluation couvre une excavatrice industrielle, le Unitree Go2, le Franka Panda, Kangaroo et une plateforme de Stewart à six chaînes UPS. Sur Kangaroo, la compilation réduit de 96,7 % le temps d'évaluation des résidus et jacobiennes, et de 66,8 % le temps mural d'un rollout en boucle fermée, dynamique et commande étant maintenues identiques.

L'enjeu est très concret pour quiconque intègre des robots à mécanismes parallèles ou à actionnement couplé. Ces architectures sont fréquentes en robotique humanoïde et à pattes (chevilles à bielles, genoux à quatre barres, actionneurs linéaires couplés), mais leurs modèles de configuration, de force et de dynamique sont souvent reconstruits séparément pour la commande et pour la simulation. Les écarts de fermeture ou d'actionnement qui en résultent alimentent le fossé sim-to-real et coûtent du temps d'ingénierie. Un modèle unique, dont le contrôleur et le simulateur héritent, réduit cette source d'incohérence. Les gains de 96,7 % et 66,8 % sont mesurés sur un seul robot, dans un cadre où le reste du pipeline est figé. Ils ne disent donc rien de la performance sur d'autres mécanismes ni sur matériel réel.

Ce travail s'inscrit dans un problème ancien. Les logiciels de dynamique comme Pinocchio, utilisé ici comme référence indépendante, traitent surtout des arbres cinématiques, et les boucles fermées exigent des contraintes ajoutées à la main. Les validations combinent une dynamique contrainte haute précision, Pinocchio, MuJoCo et Isaac Sim/PhysX, ce qui montre une réutilisation du modèle sous contact natif dans plusieurs moteurs. Les résultats sont présentés en simulation et en calcul, sans déploiement industriel annoncé. Les prochaines étapes probables sont une diffusion en code ouvert, des essais sur robot physique et une intégration aux chaînes de commande des humanoïdes, où la concurrence se joue aussi sur la robustesse des modèles.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Unitree NVIDIA Isaac & Cosmos arXiv cs.RO

À lire aussi

1arXiv cs.RO

Modélisation et contrôle d'un robot souple inspiré de l'anguille pour l'optimisation de sa conception

Un article publié sur arXiv (référence 2608.14860v1) présente un modèle de simulation pour un robot souple bio-inspiré de l'anguille, conçu pour reproduire la nage anguilliforme, un mode de locomotion ondulatoire réputé pour son efficacité énergétique. Les auteurs couplent un modèle par éléments finis (FEM) d'une tige élastique, censé représenter les matériaux souples du corps du robot, à un modèle de forces hydrodynamiques simulant son comportement dans l'eau. L'approche FEM permet de faire varier les propriétés du matériau dans le temps, ce qui autorise notamment la simulation de dégradations ou de défaillances progressives de la structure. Le modèle sert à tester des stratégies de contrôle censées produire les mouvements de nage souhaités, et à comparer différentes configurations de conception. Résultat marquant de l'étude : des designs légèrement asymétriques offrent une manœuvrabilité supérieure tout en conservant des vitesses de nage comparables à celles des configurations symétriques. Ce travail se situe dans le champ de la modélisation, pas dans celui du prototype physique validé en bassin ou en mer, une distinction importante à garder en tête. Sa valeur pour l'industrie de la robotique souple tient à ce qu'il fournit un outil d'optimisation de conception avant fabrication, permettant de tester virtuellement la robustesse de différentes architectures et l'impact de l'usure des matériaux, plutôt que de multiplier des itérations coûteuses de prototypes physiques. Pour les équipes développant des systèmes de contrôle model-based sur des robots souples, disposer d'un modèle FEM couplé à l'hydrodynamique offre une base plus fidèle que les représentations rigides multi-segments habituellement utilisées, un enjeu clé pour rapprocher simulation et comportement réel. La nage anguilliforme intéresse la robotique depuis longtemps pour son rendement énergétique, mais sa reproduction fidèle s'est longtemps heurtée aux limites des matériaux rigides et des modèles simplifiés. L'arrivée de nouveaux matériaux souples a relancé les tentatives de robots-poissons bio-inspirés, rendant nécessaires des outils de modélisation plus précis pour guider leur conception. L'article ne mentionne pas de prototype physique construit ni de calendrier de test en conditions réelles ; il présente le modèle comme une base destinée à orienter de futures décisions de conception pour des tâches spécifiques, la validation expérimentale restant une étape à venir.

RecherchePaper

1 source

2arXiv cs.RO

Modélisation physique et contrôle des comportements émergents dans les essaims de robots

Des chercheurs ont déposé le 2 juin 2026 sur arXiv (arXiv:2606.01597) un cadre baptisé PhySwarm pour modéliser et contrôler les comportements collectifs émergents d'essaims de robots. L'approche couple un niveau macroscopique, le modèle Macro-ADR (advection-diffusion-réaction multi-phases), qui décrit l'évolution de la densité spatiale de l'essaim au fil des phases comportementales, à un niveau microscopique, le Micro-EDM, qui traduit ces dynamiques en consignes de déplacement individuel via des champs de potentiel et des transitions d'état gérées par seuils. Un contrôleur neuro-physique (NPC), entraîné par un objectif hybride alliant apprentissage par renforcement (RL) et réseaux de neurones physique-informés (PINN), mappe les observations locales et la mémoire temporelle de chaque robot à des paramètres physiques bornés. Les auteurs valident l'approche sur trois missions en preuve de concept : fourragement guidé par piste, navigation avec reconfiguration de formation, et recherche-sauvetage avec réaffectation dynamique des rôles. L'intérêt principal de PhySwarm est l'interprétabilité des comportements émergents. Contrairement aux méthodes purement neurales où les dynamiques collectives restent des boîtes noires, le cadre produit des champs de densité et des paramètres physiques explicites (coefficients d'advection, de diffusion, taux de transition de phase), permettant d'auditer pourquoi un essaim adopte un comportement donné. Pour les intégrateurs et les décideurs industriels, c'est un levier concret : la capacité à décomposer et à certifier un comportement collectif est un prérequis pour déployer des essaims dans des environnements critiques, logistique entrepôt ou intervention d'urgence. La contrainte PINN force aussi l'apprentissage à rester physiquement cohérent, ce qui réduit théoriquement le fossé simulation-réel (sim-to-real gap), même si toutes les expériences présentées restent en simulation et ne constituent pas encore des déploiements terrain. Le contrôle formel d'essaims est un domaine actif depuis les années 1990, mais la modélisation des comportements multi-phases y reste un problème ouvert. Les approches concurrentes vont de la stigmergie bio-inspirée au multi-agent reinforcement learning (MARL) pur, en passant par les formulations de champ moyen (mean-field games). PhySwarm se positionne à l'intersection physique et deep learning, un créneau également exploré par des équipes d'ETH Zurich, MIT CSAIL et Carnegie Mellon. Du côté industriel, des acteurs comme Exotec (France) pour la logistique entrepôt déploient déjà des flottes de robots sans coordination physique-informée formelle ; ce type de cadre pourrait outiller une prochaine génération de systèmes multi-robots à comportements certifiables.

UEImpact prospectif uniquement : le cadre PhySwarm pourrait à terme outiller des acteurs français comme Exotec pour certifier les comportements de leurs flottes multi-robots, mais aucune institution ou entreprise européenne n'est impliquée dans cette recherche.

RecherchePaper

1 source

3arXiv cs.RO

Localisation par angle et contrôle de rigidité pour réseaux multi-robots

Des chercheurs ont publié sur arXiv (référence 2604.11754v2) une contribution théorique et algorithmique portant sur la localisation par mesures d'angles et le maintien de rigidité dans les réseaux multi-robots, en 2D et en 3D. Le résultat central établit une équivalence formelle entre rigidité angulaire et rigidité de type "bearing" (orientation relative) pour des graphes de détection dirigés avec mesures en référentiel embarqué : un système dans SE(d) est infinitésimalement rigide au sens bearing si et seulement s'il est infinitésimalement rigide au sens angulaire et que chaque robot acquiert au moins d-1 mesures de bearing (d valant 2 ou 3). À partir de cette base, les auteurs proposent un schéma de localisation distribué et démontrent sa stabilité exponentielle locale sous des topologies de détection commutantes, avec comme seule hypothèse la rigidité angulaire infinitésimale sur l'ensemble des topologies visitées. Une nouvelle métrique, la valeur propre de rigidité angulaire, est introduite pour quantifier le degré de rigidité du réseau, et un contrôleur décentralisé par gradient est proposé pour maintenir cette rigidité tout en exécutant des commandes de mission. Les résultats sont validés par simulation. L'intérêt pratique de ce travail réside dans le choix des mesures angulaires plutôt que des distances ou des orientations absolues : les angles entre vecteurs de direction peuvent être extraits directement depuis des caméras embarquées à bas coût, sans capteur de distance actif ni accès GPS. Pour les intégrateurs de systèmes multi-robots, notamment en essaims de drones ou en robotique entrepôt avec coordination décentralisée, la robustesse sous topologies commutantes est critique, car les lignes de vue entre agents changent constamment. Le contrôleur proposé adresse ce problème en maintenant activement une configuration spatiale suffisamment rigide pour garantir l'observabilité du réseau, ce qui évite les dégradations silencieuses de localisation que l'on observe dans les déploiements réels. C'est une avancée sur le problème dit du "rigidity maintenance", encore peu traité dans la littérature avec des garanties formelles en 3D. La rigidité de réseau comme fondation pour la localisation distribuée est un domaine actif depuis les travaux fondateurs sur la formation control et les frameworks d'Henneberg dans les années 2010. Les approches concurrentes incluent la localisation par distances (nécessitant UWB ou radar), par bearings seuls (plus sensible aux ambiguïtés), ou par fusion IMU/SLAM embarqué par robot, chacune avec ses propres hypothèses de connectivité et de coût matériel. Ce papier se positionne dans le créneau "caméra seule, pas de métadonnées globales", pertinent pour les petits drones ou les robots à budget capteur contraint. Aucun déploiement ni partenaire industriel n'est mentionné, il s'agit d'une contribution académique pure. Les suites naturelles incluraient une validation sur plateforme physique (type Crazyflie ou quadrupèdes en formation) et l'extension aux perturbations de mesures bruitées en environnement non contrôlé.

RecherchePaper

1 source

4arXiv cs.RO

Modèles vision-action pour l'apprentissage et le contrôle des robots : une étude

Une équipe de chercheurs publie sur arXiv (identifiant 2609.16074v1) une étude de synthèse consacrée aux World-Action Models (WAM), des architectures qui couplent prédiction de l'état futur du monde et génération d'actions exécutables pour des robots. Le texte ne présente ni robot ni déploiement terrain : c'est une revue de littérature qui situe les WAM par rapport aux modèles du monde classiques, à l'apprentissage par renforcement basé sur un modèle, à la génération vidéo conditionnée par l'action et aux politiques VLA (vision-langage-action) purement réactives. Les auteurs proposent une taxonomie unifiée couvrant représentations, modélisation des transitions d'état, interfaces d'action, architectures, pipelines d'entraînement, modalités de données et stratégies de mise à l'échelle, puis passent en revue les applications en manipulation robotique, navigation et conduite autonome, avant de recenser les jeux de données, benchmarks, métriques et protocoles d'évaluation existants. Une page de projet répertoriant les travaux associés est mise en ligne à l'adresse rcl-robotics.github.io. L'intérêt de ce travail tient moins à un résultat inédit qu'à la mise en ordre d'un champ en pleine effervescence. Depuis l'essor des modèles du monde et de politiques VLA comme Pi-0, GR00T N2 ou Helix, une même intuition traverse le secteur : un robot fiable doit anticiper les conséquences d'une action avant de l'exécuter, plutôt que de se contenter d'associer observation et geste. Pour les intégrateurs et décideurs B2B, cette synthèse offre un vocabulaire commun pour évaluer des annonces concurrentes qui se réclament toutes, à des degrés divers, de cette convergence entre prédiction et action. Elle rappelle aussi, en creux, que la plupart des systèmes déployés aujourd'hui restent soit des générateurs vidéo sans boucle d'action réelle, soit des politiques réactives sans véritable anticipation, ce qui relativise la maturité que certains fournisseurs revendiquent. Ce travail s'inscrit dans la convergence amorcée depuis 2024-2025 entre les modèles du monde issus de la génération vidéo et les politiques d'action de type VLA popularisées par des laboratoires nord-américains et asiatiques ; aucun acteur français ou européen n'est cité dans cette étude, qui reste centrée sur la littérature académique et industrielle existante. Les auteurs identifient plusieurs verrous encore ouverts : l'alignement entre prédiction et action, la factorisation monde-action, la cohérence spatiale et multi-vue, la mémoire à long horizon, la simulation neuronale pour l'apprentissage en boucle fermée, et l'inférence efficace nécessaire à un déploiement temps réel. Ces axes dessinent l'agenda de recherche à venir pour transformer les WAM, aujourd'hui à l'état de cadre conceptuel, en briques réellement déployables sur des robots.

RecherchePaper

1 source