Aller au contenu principal
geodex : une bibliothèque pour la planification de mouvement sur les variétés riemanniennesIllustration générée par IA
RecherchearXiv cs.RO 

geodex : une bibliothèque pour la planification de mouvement sur les variétés riemanniennes

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

geodex, une bibliothèque open source en C++20 dotée de bindings Python, vient d'être publiée sur arXiv (2610.09165). Elle permet de planifier des mouvements sur des variétés riemanniennes, c'est-à-dire en tenant compte de la géométrie intrinsèque de l'espace de configuration d'un robot : sa courbure et une notion de coût qui dépend de la configuration. Les auteurs exposent quatre briques indépendantes et interchangeables derrière une interface unique de planification par échantillonnage : la variété, sa métrique riemannienne, la rétraction et l'échantillonneur. Le même planificateur tourne donc sans modification sur R^n, les tores T^n, les sphères S^n, les groupes de Lie matriciels (SO(2), SE(2), SO(3), SE(3)), leurs produits et les espaces de configuration de robots articulés. Chacun peut recevoir une métrique définie par l'utilisateur. Le code est publié avec documentation, tests et une suite de benchmarks reproductibles. Le résumé ne donne aucun chiffre de performance, ni gain de longueur de trajectoire ou d'énergie, ni temps de calcul.

L'enjeu est surtout d'infrastructure. Les bibliothèques d'optimisation sur variétés offrent des primitives géométriques riches, mais ne contournent pas les obstacles. Les bibliothèques de planification généralistes, qui gèrent de nombreux espaces d'états et des fonctions de distance personnalisées, ne font pas de la métrique riemannienne dépendante de la configuration le moteur de la distance, de l'interpolation et des géodésiques. geodex vise ce vide. L'argument avancé est que planifier avec la géométrie propre du robot donne des trajectoires plus courtes, moins coûteuses en énergie et plus naturelles qu'avec la métrique euclidienne ambiante. Cette affirmation reste à vérifier : le résumé ne la chiffre pas, et c'est la suite de benchmarks qui permettra de juger si le gain justifie la complexité. Pour un intégrateur ou une équipe de recherche, l'intérêt pratique serait de pouvoir comparer des métriques (inertie, énergie cinétique, coût de manipulation) sans réécrire le planificateur.

Cette publication prolonge deux familles d'outils qui s'ignoraient en partie. D'un côté, les boîtes à outils d'optimisation sur variétés, utilisées en estimation et en contrôle. De l'autre, les planificateurs par échantillonnage de type OMPL, qui acceptent des espaces d'états variés mais traitent la métrique comme un simple réglage de distance. Il s'agit d'une première version (v1) et d'une bibliothèque de recherche : aucun déploiement industriel ni partenaire n'est annoncé. La suite dépendra de l'adoption par la communauté, de l'intégration avec des moteurs de collision et de simulation, et de la démonstration sur des robots articulés réels.

Dans nos dossiers

À lire aussi

Métriques riemanniennes induites pour la planification de mouvement sous contraintes
Illustration générée par IA
1arXiv cs.RO 

Métriques riemanniennes induites pour la planification de mouvement sous contraintes

Publié le 23 septembre 2026 sur arXiv sous la référence 2609.25695v1, un article de recherche en planification de mouvement robotique s'attaque à un problème classique : quand des contraintes de tâche ou de fermeture de boucle cinématique réduisent l'espace de configuration d'un robot à une sous-variété courbe de dimension inférieure, la métrique utilisée pour mesurer la longueur d'un chemin, euclidienne, à coût uniforme dans toutes les directions, ou riemannienne, comme l'énergie cinétique, à coût variable selon la direction et la configuration, donnait jusqu'ici des résultats différents selon que la contrainte était représentée implicitement (comme un ensemble de niveau, associé à la métrique euclidienne) ou explicitement (via une paramétrisation, associée à la métrique du domaine des paramètres).

UELe montage expérimental repose sur des bras robotiques Franka Robotics, fabricant allemand largement utilisé dans les laboratoires de recherche européens en robotique.

RecherchePaper
1 source
RIT* : arbres riemanniens informés pour la planification de mouvement optimale adaptative au coût
Illustration générée par IA
2arXiv cs.RO 

RIT* : arbres riemanniens informés pour la planification de mouvement optimale adaptative au coût

Des chercheurs présentent RIT (Riemannian Informed Trees), un nouveau framework de planification de mouvement qui remplace les primitives euclidiennes utilisées dans les algorithmes de recherche "batch-informed" (comme BIT) par leurs équivalents riemanniens. Concrètement, RIT construit un ensemble informé plus resserré et cohérent en coût, effectue une recherche de plus proches voisins sous une métrique de distance anisotrope, et évalue le coût des arêtes du graphe via un schéma en cascade pour rester efficace en calcul. Les auteurs ajoutent aussi CARM (Collision-Adaptive Metric Refinement), un mécanisme qui apprend en ligne un champ de coût de proximité aux obstacles à partir des retours de collision, réduisant la dépendance à un design de métrique fixé à l'avance.

RecherchePaper
1 source
FPTAS pour la planification de mouvement de robots multiples polygonaux
Illustration générée par IA
3arXiv cs.RO 

FPTAS pour la planification de mouvement de robots multiples polygonaux

Des chercheurs publient sur arXiv (référence 2610.20244, version 1) les premiers schémas d'approximation entièrement polynomiaux (FPTAS) pour la planification de mouvement multi-robots en environnement polygonal. Le cadre est le suivant : un domaine polygonal à n sommets, k robots en translation, chacun modélisé par un polygone de complexité constante, une configuration de départ et une configuration d'arrivée. Il s'agit de trouver un plan sans collision, minimal selon une fonction de coût. L'algorithme couvre trois objectifs, pour tout nombre fixe k de robots : min-sum (distance totale parcourue par l'ensemble des robots), min-max (distance maximale parcourue par un robot) et min-makespan (durée totale, avec une vitesse maximale de 1).

RecherchePaper
1 source
Relaxations semi-définies pour la planification de mouvement sans collision
Illustration générée par IA
4arXiv cs.RO 

Relaxations semi-définies pour la planification de mouvement sans collision

Une équipe de chercheurs a soumis sur arXiv (identifiant 2606.14063) une analyse théorique des relaxations semi-définies (SDP) appliquées à la planification de trajectoires sans collision. Le problème étudié est volontairement élémentaire : un robot ponctuel doit rejoindre une cible en évitant des obstacles sphériques dans R^n, sous contraintes de continuité de trajectoire et avec un coût sur les dérivées au carré. Ce problème est d'abord formulé exactement comme un problème non-convexe sur des courbes polynomiales, puis une relaxation semi-définie naturelle est construite. Les benchmarks montrent un gain de vitesse de 10 à 100 fois par rapport aux solveurs de programmation non-linéaire directs SNOPT et IPOPT, avec une variance des temps de résolution nettement plus faible.

RecherchePaper
1 source