RecherchearXiv cs.RO 12 octobre 2026

Inversion partielle par recouvrement de croyances : replanification de flux centrée sur l'objet pour la loco-manipulation humanoïde

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs décrivent dans un préprint arXiv (2610.13087, octobre 2026) une méthode qui permet à un humanoïde de pousser un chariot dont la masse et la raideur des roulettes pivotantes sont inconnues au départ. L'idée vient des humains, qui poussent un peu un objet inconnu pour voir comment il réagit avant de décider de la suite. Le système referme trois briques en boucle: estimation en ligne des paramètres du chariot, planification par champ de flux centré sur l'objet, et contrôle du corps entier. Cette boucle crée un dilemme. Replanifier à chaque évolution de la croyance perturbe la manoeuvre en cours. Garder le plan laisse le robot sur une trajectoire que les mesures ont déjà invalidée. La méthode, nommée Belief-Overlap Partial Inversion (BOPI), proportionne la révision au désaccord entre l'ancienne et la nouvelle croyance. Elle inverse le flux sous l'ancienne croyance seulement sur la portion où les deux divergent, puis reconstruit la suite du plan sous la nouvelle. Sur 18 buts simulés, l'erreur finale agrégée baisse d'environ 33 % en position et 47 % en lacet (yaw), face à un replanning à profondeur fixe. Sur matériel réel, le robot translate et fait pivoter un chariot non holonome, c'est-à-dire dont les roulettes limitent les mouvements latéraux instantanés.

Pour un intégrateur, l'intérêt est pratique. Pousser des chariots, rolls et transpalettes à charge variable est une tâche logistique courante, et la masse réelle comme l'état des roulettes ne sont presque jamais connus à l'avance. Le résultat suggère que la robustesse vient moins d'un modèle plus gros que d'une gestion explicite de l'incertitude: savoir quand abandonner une partie du plan et quand la conserver. Les gains chiffrés viennent surtout de la simulation, sur 18 buts, face à une seule famille de références. La démonstration matérielle reste qualitative dans le résumé, sans taux de réussite, temps de cycle ni plage de masses. On ne peut donc pas parler de fiabilité en conditions d'exploitation.

Ce travail s'inscrit dans la course à la loco-manipulation, où les humanoïdes passent de la marche à des tâches de contact avec des objets lourds et déformables. Les approches dominantes misent sur des politiques apprises de bout en bout, de type VLA ou RL en simulation transférée au réel. BOPI relève plutôt de la planification à base de modèle, avec estimation en ligne, et s'attaque à un point faible connu: la cohérence temporelle quand le modèle est révisé en cours d'action. Le résumé ne précise ni la plateforme humanoïde utilisée ni de calendrier de déploiement. L'étape suivante probable est une validation sur des charges et des sols plus variés, puis une comparaison directe avec des politiques apprises sur les mêmes tâches.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

OmniContact : enchaînement de méta-compétences par flux de contact pour la loco-manipulation humanoïde généralisable

Des chercheurs ont publié le 26 juin 2026 sur arXiv (réf. 2606.26201) un framework hiérarchique baptisé OmniContact, conçu pour enchaîner des séquences complexes de locomotion et manipulation sur des humanoïdes. Le coeur du système est une représentation intermédiaire appelée "contact flow" (CF): trajectoires corporelles clés et signaux binaires de contact en série temporelle. Deux modules s'appuient dessus, CF-Track (politique bas-niveau, bibliothèque de compétences unifiée) et CF-Gen (planificateur haut-niveau heuristique qui synthétise les séquences futures). En simulation, les résultats annoncés atteignent 98,7% de succès sur la tâche "Carry Box" et 76,5% sur "Push-Stack Boxes", soit respectivement +40,9% et +66,5% face aux baselines sur l'exécution de méta-compétences et leur enchaînement. Le dataset OmniContact, constitué via capture de mouvement (MoCap) d'interactions humain-objet, supporte l'entraînement. Le vrai défi des humanoïdes industriels n'est pas l'exécution d'un geste unitaire mais l'enchaînement robuste de séquences longues avec récupération autonome en cas de défaillance, ce verrou précis que OmniContact cible. Le système propose une interface structurée lisible par le planificateur haut-niveau, une voie médiane entre représentations explicites trop rigides pour la planification et embeddings implicites trop opaques pour la composition fiable. L'intégration avec des VLMs (Vision-Language Models) permettrait des instructions en langage naturel converties en séquences de contact flows, comme l'illustre la démonstration d'arrangement de boîtes en forme de coeur. Nuance importante: toutes les métriques publiées sont issues de conditions contrôlées en laboratoire, sans validation sur hardware physique ni déploiement industriel réel, ce qui laisse entier le problème du sim-to-real. La loco-manipulation longue horizon est devenu le benchmark officieux du secteur humanoïde en 2025-2026. Figure AI (Figure 03), Tesla (Optimus Gen 3), Physical Intelligence (pi0) et Boston Dynamics s'affrontent sur des tâches de plus en plus généralisables, tandis que NVIDIA pousse GR00T N2 comme couche de policy universelle. OmniContact vient du monde académique, sans entreprise identifiée derrière ce preprint, mais son approche par contact flow s'inscrit dans la tendance des représentations intermédiaires structurées, en parallèle des architectures VLA à diffusion. La collecte MoCap dédiée aux interactions humain-objet sur humanoïdes confirme que les données de référence restent un goulot d'étranglement même quand la simulation abonde. La prochaine étape déterminante sera le transfert sur un humanoïde physique, condition sine qua non pour que ce framework passe du laboratoire au hangar.

RecherchePaper

1 source

2arXiv cs.RO

MASkillBlender : coordination décentralisée du corps entier pour la loco-manipulation multi-humanoïdes par fusion de compétences

Des chercheurs publient sur arXiv (2610.01102) MASkillBlender, un cadre d'apprentissage par renforcement multi-agent (MARL) destiné à la coordination décentralisée de plusieurs humanoïdes pour des tâches de locomanipulation, c'est-à-dire des tâches où les robots marchent et manipulent des objets en même temps. Le principe tient en deux étages. Des compétences de corps entier, pré-entraînées pour un humanoïde seul, servent de briques réutilisables. Une politique de haut niveau, partagée et décentralisée, apprend ensuite à les combiner à partir de récompenses au niveau de la tâche uniquement. Elle n'a besoin ni de trajectoires de référence propres à chaque tâche, ni de l'ingénierie de récompense lourde que demandent d'ordinaire les approches existantes. Les auteurs ajoutent une augmentation de données par permutation pour les systèmes homogènes. Elle exploite l'interchangeabilité des robots identiques. Ils démontrent aussi que les échantillons permutés conservent la direction du gradient de politique de l'échantillon d'origine dans le formalisme du jeu de Markov homogène. L'évaluation couvre plusieurs tâches de coordination et deux morphologies d'humanoïdes, uniquement en simulation. L'intérêt tient au verrou que visent les auteurs. Le contrôle corps entier d'un seul humanoïde progresse, mais le passage à plusieurs robots fait exploser la dimension de l'espace d'action, impose une prise de décision décentralisée et complique le passage à l'échelle. Réutiliser des compétences individuelles comme primitives, plutôt que d'apprendre chaque tâche coopérative de zéro, est une piste crédible pour déplacer des charges encombrantes à deux ou plus, ce qui concerne la logistique et la manutention. Les résultats sont pourtant limités. Ils portent sur la simulation, sans transfert sim-to-real, sans matériel réel et sans chiffres publiés dans le résumé (taux de réussite, nombre de robots, temps d'entraînement). La mention de performances « fortes » reste donc à vérifier dans l'article complet. Rien ne prouve non plus que les compétences mélangées tiendront face aux contacts, aux délais de communication et aux écarts de dynamique du monde réel. Ce travail relève de la recherche académique, pas d'un produit ni d'un déploiement. Le contexte est celui d'un champ qui s'est d'abord concentré sur la locomotion et la manipulation d'un humanoïde isolé, avec des politiques apprises en simulation puis transférées. La coordination multi-robots reposait souvent sur des conceptions spécifiques à chaque tâche ou sur des références de mouvement coûteuses à produire. MASkillBlender se rattache à cette lignée de travaux sur le mélange de compétences, qu'il étend au cadre multi-agent. Les acteurs industriels qui visent des flottes d'humanoïdes en entrepôt ou en usine misent surtout sur des modèles généralistes de type VLA et sur des déploiements monorobot. La coordination décentralisée de plusieurs humanoïdes reste, elle, peu abordée publiquement. Les prochaines étapes à surveiller sont la validation sur robots physiques, le passage à davantage d'agents et une comparaison chiffrée avec les méthodes centralisées.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

CEER2 : compliance directionnelle et réglable de l'effecteur final et de la base pour la loco-manipulation humanoïde

Des chercheurs publient CEER2, un cadre de contrôle de compliance pour la manipulation et la locomotion de robots humanoïdes (loco-manipulation), décrit dans un preprint arXiv (2609.38709). Le système combine deux briques. La première est une compliance directionnelle et réglable des effecteurs (EE, les mains ou les pinces), c'est-à-dire une raideur qui varie selon l'axe : le robot peut céder à une force de contact dans une direction tout en gardant sa précision de mouvement dans une autre. La seconde est une compliance sélectionnable du tronc (« root »), qui permet à la base du robot soit de rejeter une force externe, soit de la suivre. L'architecture est hiérarchique : un contrôleur d'apprentissage par renforcement module, par des commandes de haut niveau sur les effecteurs et le tronc, une politique de suivi de mouvement du corps entier qui reste figée. Les forces d'interaction ne sont pas mesurées par des capteurs dédiés. Elles sont estimées à partir de l'historique proprioceptif. Les essais, en simulation puis sur un humanoïde réel, couvrent le contrôle directionnel de la raideur, son ajustement en ligne, des comportements distincts du tronc, la manipulation compliante et le portage collaboratif. Le résumé ne précise ni le modèle de robot, ni les valeurs de raideur, ni les taux de réussite. L'enjeu est concret pour l'industrie. Les humanoïdes savent de mieux en mieux reproduire des mouvements complexes du corps entier, mais le contact physique reste le point faible : essuyer une surface, insérer une pièce, ouvrir une porte ou porter une charge avec un opérateur exigent de répondre à la force sans perdre la trajectoire utile. L'estimation de force par proprioception, sans capteurs force-couple aux poignets, pourrait réduire le coût et la fragilité du matériel, ce qui compte pour un intégrateur. Le fait de ne pas réentraîner la politique de base, mais de la moduler par une couche supérieure, laisse aussi espérer une réutilisation sur d'autres tâches. Deux réserves s'imposent. Il s'agit d'un preprint sans validation par les pairs, et la démonstration sur une seule plateforme ne dit rien de la robustesse sur des cycles longs, avec des charges variées ou en environnement industriel non contrôlé. Ce travail s'inscrit dans un mouvement plus large où les politiques de suivi de mouvement appris (reinforcement learning en simulation, transfert au réel) ont rendu la locomotion humanoïde fiable, et où l'interaction avec les forces devient le front suivant. Il rejoint les recherches sur le contrôle d'impédance appris, la loco-manipulation de corps entier et les modèles vision-langage-action (VLA) qui dominent les annonces des acteurs commerciaux, souvent peu explicites sur la gestion du contact. Les auteurs mettent en avant le portage collaboratif humain-robot, cas d'usage pertinent pour la logistique et l'assistance. Les suites probables sont des tests sur des tâches contact-riches plus longues, des comparaisons chiffrées avec des contrôleurs classiques d'impédance ou d'admittance, et une intégration avec des politiques de haut niveau.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

KINO : une interface à images-clés pour la planification par VLM et le contrôle du corps entier en loco-manipulation humanoïde

Des chercheurs présentent KINO (arXiv:2609.18869v1), un framework hiérarchique pour la loco-manipulation de robots humanoïdes qui insère des « keyframes » de mouvement comme représentation intermédiaire entre un modèle vision-langage (VLM) chargé de la planification et un contrôleur par renforcement (RL) chargé de l'exécution corps entier. Chaque keyframe encode une pose cible pour l'ensemble du corps du robot et, si nécessaire, la pose de l'objet manipulé. À partir d'une instruction en langage naturel, d'observations de la scène et d'un retour d'exécution, le VLM sélectionne successivement des keyframes pertinentes dans une bibliothèque prédéfinie ; ces keyframes sont ensuite réajustées à la scène courante pour tenir compte de la position et des dimensions des objets, avant qu'une politique conditionnée par keyframe ne génère les actions articulaires. Les auteurs introduisent une stratégie d'échantillonnage de keyframes basée sur la saillance pour l'entraînement de la politique bas niveau, qui fait passer le taux de réussite de bout en bout de 44 % à 92 % lorsque le VLM ne fournit que des keyframes éparses. Le système a été évalué sur des tâches de prise, transport et dépose d'objets, en simulation et sur un humanoïde Unitree G1, avec manipulation à une et deux mains. Ce résultat s'inscrit dans un débat central du secteur robotique : comment relier des modèles vision-langage capables de raisonner sur des instructions abstraites à des contrôleurs bas niveau capables de produire des mouvements corps entier stables. Plutôt que de miser sur une architecture VLA (vision-language-action) de bout en bout, à l'image de Pi-0, GR00T N2 ou Helix, KINO mise sur une représentation intermédiaire discrète et interprétable, ce qui pourrait faciliter le débogage et le contrôle qualité pour des intégrateurs industriels tout en limitant la fréquence des appels au VLM, coûteux en calcul. Le saut de 44 % à 92 % de succès reste toutefois une mesure obtenue en conditions contrôlées de recherche, pas un chiffre de déploiement industriel, et mériterait d'être confirmé sur des tâches plus variées. Le travail s'inscrit dans la vague de recherches académiques cherchant à rendre les humanoïdes capables de manipulation généraliste sans réentraînement massif pour chaque nouvelle scène, un axe exploré en parallèle par les architectures VLA de Physical Intelligence, NVIDIA ou Figure. Le choix du Unitree G1, plateforme humanoïde accessible et déjà utilisée dans de nombreux laboratoires, en fait un banc d'essai plutôt qu'un produit fini : aucun partenariat industriel ni calendrier de commercialisation n'est mentionné dans l'article. Les auteurs indiquent que le système généralise à des emplacements de dépose non vus pendant l'entraînement, un point clé pour juger de sa robustesse au-delà des démonstrations sélectionnées, mais le nombre d'essais et les conditions exactes de ces tests de généralisation ne sont pas précisés.

RecherchePaper

1 source