LOCUS : discrimination de conteneurs par repères à l'aide de graphes spatiaux

Des chercheurs proposent LOCUS (Landmark-Oriented Container Discrimination Using Spatial Graphs), une méthode destinée à aider un robot à décider où chercher un objet qui n'est pas visible, par exemple dans quel meuble ou conteneur d'une pièce. Le système entraîne un réseau de neurones sur graphes (GNN) qui met à jour des embeddings CLIP sur un graphe de scène complet de l'environnement, en faisant circuler l'information entre nœuds selon leur proximité. Ces embeddings sont enrichis par des connaissances sémantiques issues d'une fusion d'ontologies domestiques. L'évaluation en simulation repose sur un graphe de scène sans bruit, tiré des métadonnées du simulateur, ce qui rend l'approche indépendante du détecteur. LOCUS surpasse quatre références (choix aléatoire, similarité cosinus avec CLIP, Tidybot et un planificateur à base de LLM) dans la majorité des types de pièces et des configurations testés. Les auteurs ne donnent pas, dans le résumé, de chiffres de performance. Une démonstration sur un manipulateur mobile physique couvre un pipeline d'exploration complet, avec des étiquettes de graphe produites par le détecteur Detic.

L'enjeu dépasse la recherche d'objets domestiques. Le raisonnement sur les relations spatiales et sémantiques reste un point faible des robots déployés hors environnements structurés, et la similarité CLIP seule peine à départager des conteneurs proches, à la fois par leur position et par leur sens. Ici, la décision tient compte de ce qui est physiquement plausible et de ce qui est sémantiquement probable. Pour un intégrateur, c'est un levier de réduction du temps d'exploration, donc de productivité, dans la logistique, le soin ou la maison. Il faut toutefois relativiser. Le principal protocole chiffré utilise un graphe parfait issu du simulateur, et la robustesse au bruit n'est montrée que par une démonstration réelle unique, sans statistiques. L'écart entre simulation et déploiement reste donc largement ouvert, et la domination sur « la majorité » des configurations suppose que certaines échappent à LOCUS.

Ces travaux s'inscrivent dans la recherche sur les graphes de scène et la navigation guidée par le langage, où CLIP s'est imposé comme brique sémantique par défaut et où les planificateurs LLM prolifèrent. Le choix de Tidybot comme référence rappelle la filiation avec la manipulation domestique pilotée par des modèles de langage. L'approche concurrence ainsi les méthodes purement LLM, plus coûteuses et moins ancrées dans la géométrie, tout comme les modèles vision-langage-action de bout en bout, qui n'exploitent pas explicitement la structure spatiale. Il s'agit d'une publication académique (arXiv, 1re version), sans produit, sans calendrier ni partenaire industriel annoncé. Les suites naturelles seraient une évaluation sur graphes bruités à grande échelle, des essais dans plusieurs domiciles réels et une intégration avec des modèles de fondation pour la manipulation.