Aller au contenu principal
HygieneRoboBench : un banc d'essai pour la planification tenant compte de l'hygiène chez les robots domestiquesIllustration générée par IA
RecherchearXiv cs.RO 

HygieneRoboBench : un banc d'essai pour la planification tenant compte de l'hygiène chez les robots domestiques

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Un groupe de chercheurs publie sur arXiv HygieneRoboBench, un banc d'essai de 624 instances réparties en 134 familles de tâches, conçu pour évaluer la planification « consciente de l'hygiène » des robots domestiques. Le scénario : un robot dispose de deux pinces et manipule des objets partagés. Chaque contact avec un objet contaminé peut propager un danger via les pinces, les outils ou les surfaces, et chaque nouveau contact peut rendre caduc un plan jusque-là sûr. Le planificateur reçoit un historique d'exécution et doit en déduire les risques, puis proposer une suite sûre, en tenant compte des coûts de traitement (nettoyage, désinfection), des priorités de l'utilisateur et de limites de temps et de ressources. L'évaluation combine des comparaisons contrôlées (historique, profil utilisateur, événements de contact) et une évaluation indépendante des plans. Les auteurs proposent aussi Hygiene-NSP, une méthode neuro-symbolique qui associe un LLM pour l'ancrage des tâches, la reconstruction de l'historique de contacts et le solveur CP-SAT pour planifier conjointement traitements d'hygiène et exécution. Elle atteint 94,4 % de résolution sûre et 90,4 % de résolution sûre optimale, des taux supérieurs à ceux des planificateurs de référence, LLM ou symboliques, sur l'ensemble du jeu de données.

L'intérêt tient à un constat précis : terminer une tâche sans danger ne signifie pas le faire au moindre coût selon les priorités de l'utilisateur. Un planificateur prudent mais gaspilleur, qui nettoie systématiquement tout, reste un mauvais produit pour un foyer. Le résultat renforce aussi une tendance : pour les contraintes de sécurité à long horizon, l'attelage d'un LLM (compréhension et ancrage) et d'un solveur d'optimisation exact surpasse les approches purement génératives. C'est un argument pour les intégrateurs qui visent la manipulation domestique ou la santé, où la traçabilité des décisions compte. Précaution toutefois : il s'agit d'un benchmark en simulation, avec un historique fourni et non perçu. Il ne dit rien de la détection réelle de la contamination par la perception, qui reste le maillon dur. Les 94,4 % valent sur ce jeu de données conçu par les auteurs, pas en conditions réelles.

Ce travail s'inscrit dans la série des benchmarks de planification pour robots domestiques, qui évaluent surtout la complétion de tâches, rarement la sécurité sanitaire cumulative. Il complète les approches de type VLA (Pi-0, GR00T, Helix), centrées sur la dextérité et la généralisation de la manipulation plutôt que sur le raisonnement sur l'état d'hygiène. Les suites logiques sont l'intégration d'une perception de la contamination, le test sur robot physique et l'extension à plus de deux manipulateurs. La page du projet est publiée, mais aucun partenaire industriel ni pilote de déploiement n'est annoncé à ce stade.

Dans nos dossiers

À lire aussi

Ancrage sémantique tenant compte des risques pour une planification robotique fiable basée sur les LLM
Illustration générée par IA
1arXiv cs.RO 

Ancrage sémantique tenant compte des risques pour une planification robotique fiable basée sur les LLM

Des chercheurs proposent un cadre de « Risk-Aware Semantic Grounding » (ancrage sémantique sensible au risque) pour fiabiliser les robots de navigation pilotés par un grand modèle de langage (LLM), et publient sur arXiv (2609.37554v1) un banc d'essai associé, TRUST-NAV. Le problème visé est connu : lorsqu'un LLM sert de planificateur de haut niveau, ses sorties deviennent peu fiables si l'instruction est ambiguë, sans support dans l'environnement ou incohérente sur le plan sémantique. L'architecture estime donc, avant toute planification, trois risques distincts : l'ambiguïté, l'hallucination et le conflit sémantique. Selon ce score, le système choisit entre trois issues : exécuter l'instruction, demander une clarification ou la rejeter. TRUST-NAV réunit des tâches de navigation standard et des scénarios d'instructions volontairement piégées.

RecherchePaper
1 source
ContactBench 1.0 : un banc d'essai pour la manipulation robotique quotidienne riche en contacts
Illustration générée par IA
2arXiv cs.RO 

ContactBench 1.0 : un banc d'essai pour la manipulation robotique quotidienne riche en contacts

ContactBench 1.0, présenté sur arXiv (2610.24512v2) par une équipe académique, est un banc d'essai ouvert destiné à évaluer la manipulation robotique riche en contacts, c'est-à-dire les tâches du quotidien où le robot doit insérer, pousser, glisser, visser ou réagir à des forces. À partir d'observations de la manipulation humaine, les auteurs définissent huit compétences élémentaires, qu'ils déclinent en 36 tâches de référence et plus de 40 objets. Ces derniers reproduisent la géométrie et le comportement de contact utiles à chaque tâche. Ils s'impriment sur des imprimantes 3D grand public et chacun a un modèle de simulation jumeau. Des variations contrôlées, dans le monde réel comme en simulation, permettent de mesurer la généralisation.

RecherchePaper
1 source
Mise en forme de la distribution tenant compte des spécifications pour les modèles fondation en robotique
Illustration générée par IA
3arXiv cs.RO 

Mise en forme de la distribution tenant compte des spécifications pour les modèles fondation en robotique

Des chercheurs proposent un cadre d'optimisation de la distribution d'actions qui impose des contraintes de logique temporelle de signaux (STL, Signal Temporal Logic) à un modèle de fondation robotique pré-entraîné, sans en modifier les paramètres. L'approche s'applique au moment de l'exécution. À chaque pas de décision, elle calcule la distribution d'actions la plus proche possible de celle produite par le modèle, tout en respectant une contrainte de faisabilité STL stricte. Pour cela, elle raisonne sur l'horizon restant par propagation de la dynamique vers l'avant. Les spécifications couvrent des exigences spatio-temporelles riches : visites d'objectifs dans un délai borné, objectifs séquentiels, conditions de sécurité permanentes.

RecherchePaper
1 source
Planification tenant compte de l'embodiment pour la manipulation bimanuelle hétérogène
Illustration générée par IA
4arXiv cs.RO 

Planification tenant compte de l'embodiment pour la manipulation bimanuelle hétérogène

Des chercheurs proposent, dans un preprint arXiv (2610.23551v1), un cadre de planification dit « embodiment-aware » pour la manipulation bimanuelle hétérogène. L'idée est d'associer deux bras équipés de préhenseurs simples et différents, ici une ventouse et une pince parallèle à mâchoires, afin de réaliser des tâches qu'aucun des deux ne peut accomplir seul. À partir d'une unique démonstration humaine qui décrit le mouvement souhaité de l'objet, le planificateur découpe la tâche en segments. Pour chacun, il décide si un seul bras suffit ou si un transfert coordonné entre les deux bras est nécessaire. Il raisonne conjointement sur la faisabilité de la saisie pour chaque préhenseur, les contraintes de mouvement, la manipulabilité des bras et la compatibilité entre préhenseurs.

RecherchePaper
1 source