RecherchearXiv cs.RO 1 octobre 2026

TERRA : reconstruction, retargeting et contrôle adaptés au terrain pour la locomotion musculosquelettique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs du laboratoire CNAI de l'EPFL, à Lausanne, ont publié sur arXiv TERRA, un pipeline complet de reconstruction, de retargeting et de contrôle de la locomotion musculo-squelettique sur terrain non plat. À partir de simples trajectoires cinématiques, sans scène associée, le système reconstitue la géométrie d'appui en combinant des a priori sur le terrain, des contacts estimés et une « évidence négative d'espace libre », c'est-à-dire les zones que le corps n'a manifestement pas occupées. Le retargeting vers le modèle musculo-squelettique respecte des contraintes anatomiques, de continuité des tendons et de contact. Les auteurs ont assemblé des paires mouvement-terrain issues de cinq jeux de données, soit 9,4 heures de locomotion variée, et y ont entraîné une politique unique de contrôle à actionnement musculaire. Sur les benchmarks de reconstruction, de retargeting et de suivi sur données retenues, TERRA améliore la précision du terrain, réduit nettement les violations anatomiques et d'interaction, et affiche le plus haut taux de complétion parmi les familles de terrains prises en charge. Les chiffres détaillés ne figurent pas dans le résumé, et il s'agit d'un preprint non évalué par les pairs, évalué en simulation.

L'intérêt dépasse la biomécanique. Les agents pilotés par muscles simulés savent reproduire des mouvements humains de plus en plus complexes, mais presque toujours sur sol plat, faute de jeux de données où le mouvement est aligné avec la géométrie du terrain. TERRA contourne ce verrou en inférant le terrain à partir du mouvement seul, ce qui permet de réutiliser des archives de capture existantes sans les réacquérir. Pour la robotique, la portée est indirecte mais réelle : les humanoïdes actuels utilisent des actionneurs rotatifs, et les modèles musculo-squelettiques servent surtout à la biomécanique, à la conception de prothèses et d'exosquelettes, ou à l'étude de la marche pathologique. Une politique unique couvrant plusieurs terrains suggère que l'apprentissage par renforcement à grande échelle peut s'étendre à des corps à très haute dimensionnalité. Rien n'indique en revanche un transfert vers du matériel physique.

Ce travail prolonge une série de résultats sur les agents musculo-squelettiques entraînés par RL, tandis que le suivi de mouvement humain par retargeting s'est surtout développé pour les humanoïdes classiques, comme dans les travaux de style GR00T de NVIDIA ou les politiques de suivi de capture de mouvement. Côté européen, l'EPFL occupe une position forte à l'interface entre contrôle neuromécanique et robotique, et les applications d'exosquelettes, où Wandercraft en France est un acteur de référence, pourraient bénéficier à terme de modèles de locomotion sur terrain irrégulier. La suite logique serait l'extension à davantage de familles de terrains, la validation sur des mouvements réels de patients et, plus loin, le test sur des systèmes physiques. Aucun calendrier n'est annoncé, et un site de projet est disponible sur cnai.epfl.ch/terra.

Impact France/UE

Travail de l'EPFL (Suisse, hors UE mais pleinement intégrée à l'écosystème de recherche européen) qui pourrait à terme bénéficier aux applications d'exosquelettes, notamment celles de Wandercraft en France.

Dans nos dossiers

Wandercraft NVIDIA GR00T Exosquelettes arXiv cs.RO

À lire aussi

1arXiv cs.RO

C2Dex : reconstruction et retargeting cohérents avec le contact pour la manipulation dextérique à partir de vidéo monoculaire

Des chercheurs publient sur arXiv (arXiv:2608.07045v1) un article intitulé C2Dex, un framework qui transfère des démonstrations de manipulation extraites de simples vidéos monoculaires de mains humaines vers des robots à mains dextres. Le système repose sur une représentation partagée de contacts stables côté objet, reconstruits en agrégeant des observations bruitées image par image dans un espace canonique de l'objet. Ces contacts servent à la fois de contraintes de trajectoire pour stabiliser la reconstruction 3D de l'interaction main-objet humaine, et de cibles explicites pour le transfert vers la main robotique, via une optimisation laplacienne de l'interaction qui préserve la géométrie locale du contact malgré le changement de morphologie, puis un raffinement par apprentissage par renforcement résiduel en simulation. Sur les benchmarks DexYCB et TACO, C2Dex atteint des taux de réussite de trajectoire de bout en bout de 57,78% et 26,67% respectivement, contre 17,78% et 10% pour les meilleures méthodes de référence testées dans les mêmes conditions. Des essais de rejeu sur robot réel confirment la faisabilité physique des trajectoires générées sur des tâches de manipulation riches en contacts. Cette avancée s'attaque à un goulot d'étranglement central de la manipulation dextre : la collecte de démonstrations de qualité via téléopération ou capture de mouvement reste coûteuse et lente, alors que les vidéos humaines existent en abondance et à bas coût. Réussir à extraire de ces vidéos des trajectoires physiquement plausibles et transférables à des mains robotiques de morphologies différentes est jugé nécessaire pour entraîner à grande échelle des politiques de manipulation, dans la même logique que les modèles vision-langage-action utilisés par l'industrie humanoïde. Le gain observé face aux méthodes concurrentes, avec des taux de réussite multipliés par trois sur les deux jeux de données, suggère que l'instabilité des contacts reconstruits depuis la vidéo, jusqu'ici un frein majeur, peut être significativement atténuée. Les taux de réussite absolus restent toutefois modestes, en particulier sur TACO (26,67%), ce qui signale que le transfert vidéo vers robot dextre reste loin d'être résolu pour des tâches complexes. C2Dex s'inscrit dans un axe de recherche actif visant à exploiter les vidéos humaines comme source de données pour l'apprentissage par imitation en robotique, en complément ou substitut des démonstrations téléopérées. L'article, classé comme nouvelle soumission sur arXiv, n'a pas encore fait l'objet d'une publication évaluée par les pairs et ne décrit ni déploiement industriel ni intégration produit : il s'agit d'un travail de recherche comparé à des méthodes existantes de reconstruction d'interaction main-objet et de retargeting, jugées moins performantes dans les mêmes conditions d'évaluation. Une page projet dédiée met à disposition davantage de détails techniques et, potentiellement, des démonstrations vidéo. Les auteurs ne précisent pas de calendrier de suite des travaux, mais la démonstration sur robot réel laisse entrevoir une prochaine étape naturelle vers des évaluations en conditions moins contrôlées et sur un éventail plus large de tâches et de morphologies de mains robotiques.

RecherchePaper

1 source

2arXiv cs.RO

Reactivité physiquement réalisable pour la locomotion adaptative au terrain

Voici l'article traduit et résumé selon les consignes. Une équipe de recherche présente un nouveau cadre de planification pour la locomotion des robots quadrupèdes sur des terrains changeants et imprévisibles, détaillé dans un article arXiv (2509.23185v2, version révisée). Le système combine deux briques technique distinctes : une synthèse réactive qui génère des contrôleurs symboliques "corrects par construction" pour décider quelle action prendre à chaque instant, et une programmation convexe en nombres mixtes (MICP) qui calcule en temps réel des placements de pas dynamiquement faisables. Pour éviter de recalculer sans cesse des problèmes MICP coûteux en ressources, et pour gérer les cas où une spécification devient physiquement impossible à tenir, les chercheurs ajoutent un mécanisme de réparation symbolique qui ne régénère que les transitions strictement nécessaires. Le tout a été validé en simulation puis sur robot physique, avec des scénarios volontairement difficiles : pierres de gué dispersées et terrains jonchés de barres d'armature (rebar), deux configurations classiques pour tester la robustesse du contact pied-sol. L'enjeu dépasse la simple démonstration académique. La marche sur terrain accidenté reste l'un des points faibles récurrents des plateformes quadrupèdes et humanoïdes commerciales, où les méthodes actuelles reposent soit sur des heuristiques de sélection d'appui limitant la fiabilité, soit sur une optimisation de trajectoire trop lourde pour tourner en temps réel sur de longs horizons. En montrant qu'un système peut identifier lui-même les "compétences de locomotion manquantes" et réagir en environnement critique, les auteurs adressent directement un doute répandu chez les intégrateurs industriels : la capacité réelle des robots à gérer l'imprévu hors des sols plats de laboratoire, condition clé pour un déploiement en logistique, construction ou inspection. Ce travail s'inscrit dans une lignée de recherches académiques en synthèse formelle et planification de mouvement pour la robotique legged, un domaine où les grands noms commerciaux (Boston Dynamics, Unitree) restent discrets sur leurs méthodes internes. La publication étant une "replace" d'une version arXiv antérieure, il s'agit d'un travail de recherche affiné plutôt que d'une annonce produit, sans calendrier de transfert industriel communiqué à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

Apprentissage du contrôle corps entier adapté au terrain pour la loco-manipulation perceptive de robots à pattes

Une équipe de chercheurs a publié sur arXiv (référence 2605.31343, mai 2026) un framework baptisé TA-WBC (Terrain-Aware Whole-Body Control) destiné aux manipulateurs à pattes, c'est-à-dire des robots combinant membres locomoteurs (quadrupèdes ou bipèdes) et bras articulés. Le coeur du système est une politique unifiée entraînée par apprentissage par renforcement (RL) qui pilote simultanément les jambes et le bras lors de tâches de loco-manipulation, terme désignant la capacité à se déplacer et manipuler des objets en même temps. L'architecture repose sur trois briques techniques : un encodeur d'extéroception hybride qui extrait en temps réel les caractéristiques du terrain, une méthode d'échantillonnage de l'effecteur final ancrée sur le plan de contact des pieds pour découpler la cible de manipulation des oscillations du torse, et un module de distillation à double politique pour intégrer motricité étendue et adaptabilité sans effacement catastrophique des compétences acquises. Les expériences en simulation et en environnement réel montrent une zone atteignable agrandie, une erreur de tracking réduite et moins de trébuchements imprévus. Ce travail s'attaque à une limitation structurelle des contrôleurs corps entier existants : leur dépendance quasi exclusive à la proprioception (capteurs internes, IMU, encodeurs) au détriment de l'extéroception (perception externe du terrain). En milieux industriels complexes comme les chantiers, les entrepôts en hauteur variable ou les sites nucléaires, cette lacune rend les plateformes mobiles-manipulatrices peu fiables dès que le sol n'est plus plan. Le découplage effecteur/torse est particulièrement notable pour les intégrateurs : il signifie que le bras peut maintenir une trajectoire stable même quand le corps compense une marche irrégulière, ce qui est un prérequis non négociable pour tout assemblage ou saisie de précision en terrain dégradé. La validation sim-to-real, même partielle, renforce la crédibilité d'une approche qui reste à ce stade un preprint non commercialisé. Les manipulateurs à pattes constituent une catégorie en pleine structuration. Boston Dynamics commercialise Spot avec bras depuis 2021, Unitree propose le B2W équipé d'un bras, et plusieurs laboratoires académiques majeurs (ETH Zurich, CMU, Berkeley) publient régulièrement sur la loco-manipulation. Le verrou que TA-WBC cherche à lever, la perception de topologie de terrain couplée au contrôle corps entier, est précisément ce qui freine le déploiement de ces plateformes au-delà des environnements structurés. Ce preprint n'annonce pas de produit ni de partenaire industriel ; il pose néanmoins une brique algorithmique que des acteurs comme Agility Robotics, Apptronik ou les équipes robotique de Google DeepMind pourraient intégrer dans leurs chaînes d'entraînement.

UETravail de recherche applicable aux déploiements industriels en environnements dégradés (sites nucléaires, entrepôts à topologie variable) présents en Europe, mais sans implication directe d'acteurs français ou européens.

RecherchePaper

1 source

4arXiv cs.RO

NEXUS : contrôle perceptif du corps entier pour une téléopération adaptée au terrain

Des chercheurs publient NEXUS, un cadre de contrôle corps entier « perceptif » pour la téléopération de robots humanoïdes sur des terrains différents de celui de l'opérateur (arXiv 2609.39000, première version). Le système combine les commandes de mouvement humain et le retour sensoriel embarqué. Le robot perçoit le terrain local et adapte sa posture et ses points de contact, au lieu de recopier image par image le mouvement de l'opérateur. L'équipe a d'abord conçu un algorithme d'adaptation au terrain, qui génère des paires de mouvements (sol plat et terrain varié) sans réglage manuel par mouvement ni par terrain. Le corpus appariés atteint près de 1 000 heures. Un contrôleur perceptif a ensuite été entraîné par apprentissage enseignant-élève (teacher-student) pour reproduire les comportements commandés. Selon les auteurs, il est déployé sans réentraînement (zero-shot) sur robot réel, pour une téléopération en temps réel sur des terrains variés jamais vus. L'enjeu porte sur un goulot d'étranglement connu de la téléopération humanoïde : l'opérateur évolue presque toujours sur sol plat, alors que le robot doit monter, enjamber ou franchir des obstacles. Les données qui relient un même comportement sur plusieurs terrains sont rares, ce qui limite la supervision. Si la génération automatisée de ces paires tient ses promesses, elle réduit un coût important : la collecte de démonstrations par téléopération sert aussi à nourrir les modèles VLA (vision-langage-action) et les politiques de manipulation mobile. Un téléopérateur qui n'a plus besoin de reproduire la géométrie du site simplifie aussi l'exploitation industrielle, notamment l'intervention à distance sur sites non structurés. Les résultats restent toutefois des benchmarks choisis par les auteurs, face à des contrôleurs corps entier existants que le résumé ne nomme pas. Le résumé ne précise ni la plateforme robotique, ni les types de terrains, ni les temps de latence, ni les taux de réussite. La robustesse hors laboratoire reste donc à démontrer. Ce travail s'inscrit dans la lignée des contrôleurs corps entier par suivi de mouvement humain, qui se sont multipliés avec les humanoïdes commerciaux (Unitree, Figure, Tesla Optimus, Agility). La plupart de ces contrôleurs sont aveugles ou à perception limitée. Ils reproduisent le mouvement de référence sans tenir compte de l'environnement. NEXUS vise cette limite en ajoutant la perception et la correction des contacts. La suite dépendra de la publication du code, des données et de la page projet (nexus-humanoid.github.io), puis d'une validation sur d'autres plateformes. Aucun acteur français ou européen n'est cité dans le résumé. L'approche intéresse pourtant les développeurs d'humanoïdes européens qui s'appuient sur la téléopération pour collecter des données, comme Wandercraft ou Enchanted Tools.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source