RecherchearXiv cs.RO 12 octobre 2026

DiffMorphGrasp : un cadre de diffusion conditionné par la morphologie de la main pour générer des saisies inter-morphologies

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

DiffMorphGrasp, présenté dans une nouvelle version (v2) d'un preprint arXiv, est un cadre de génération de prises dexterous par diffusion, conçu pour fonctionner sur des mains robotiques de morphologies différentes. Les auteurs revendiquent le premier modèle de diffusion qui injecte explicitement la morphologie de la main dans le processus génératif. Les prises issues de mains variées sont d'abord projetées dans une pose de main de référence, ce qui crée un espace commun d'apprentissage. La génération est ensuite conditionnée en continu par deux éléments: la cinématique de la main, encodée sous forme de graphes dérivés de sa configuration, et la géométrie de l'objet. Une fonction de perte calcule en outre des erreurs au niveau des articulations sur la structure cinématique pour contraindre les prises générées pendant l'entraînement. L'équipe a construit un nouveau benchmark pour comparer la génération de prises entre mains de morphologies différentes, et affirme une forte généralisation zéro-shot à des mains jamais vues. Le résumé ne donne aucun chiffre précis, comme le taux de réussite, le nombre de mains testées ou les degrés de liberté (DOF) couverts.

L'enjeu est pratique pour les intégrateurs et les décideurs industriels. Les mains robotiques se différencient par leur nombre de doigts, leurs DOF et leur coût, selon la tâche et le budget. Or une politique de saisie apprise sur une main doit aujourd'hui être refaite pour une autre, ce qui freine la réutilisation des données et des modèles. Si le zéro-shot tient en conditions réelles, un même générateur de prises pourrait servir plusieurs mains, ce qui réduirait le coût d'adaptation lors d'un changement de matériel ou d'un déploiement multi-sites. Il faut toutefois rester prudent. Les résultats annoncés viennent d'un benchmark conçu par les auteurs, et l'extrait disponible ne précise pas s'ils ont été validés sur des robots physiques. Le fossé entre génération de prises en simulation et exécution fiable en cellule de production reste donc ouvert. C'est le point que les équipes d'ingénierie devront vérifier avant toute intégration.

Ce travail s'inscrit dans la recherche sur le transfert entre morphologies (cross-embodiment), devenue centrale avec les modèles généralistes de type VLA (vision-langage-action) et les politiques entraînées sur plusieurs robots. Pour la saisie dexterous, les approches antérieures reposaient souvent sur des représentations propres à une main, ou sur des retargetings qui perdent en qualité quand la cinématique diverge. Les modèles de diffusion se sont imposés pour produire des prises variées, et DiffMorphGrasp les combine avec un encodage de la structure de la main. Les prochaines étapes à suivre sont la publication du code et du benchmark via la page projet, la validation sur du matériel réel, puis la comparaison avec d'autres méthodes cross-embodiment sur des bases communes. Aucun pilote industriel ni calendrier de commercialisation n'est annoncé: il s'agit pour l'instant d'une contribution de recherche.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

Modèle du monde conditionné par la morphologie pour la locomotion quadrupède multi-morphologie

Une équipe de chercheurs présente le Quadrupedal World Model (QWM) dans une version révisée d'un article disponible sur arXiv (2604.08780v2). Le travail cible un verrou connu des modèles du monde en robotique légée : un modèle de dynamique entraîné sur un quadrupède ANYmal-D, conçu par l'entreprise suisse ANYbotics, échoue une fois transféré sur un Unitree Go1, car il surapprend la morphologie précise du robot d'origine plutôt que la dynamique de locomotion partagée entre plateformes. Le moindre changement d'actionneur ou de longueur de membre oblige alors à tout réentraîner. QWM contourne ce problème en formalisant les traits physiques de chaque robot dans une spécification de morphologie invariante à l'échelle, injectée dans un modèle génératif unique via un encodeur de morphologie, un normaliseur de récompense adaptatif et un conditionnement de morphologie dans la dynamique latente, les politiques de contrôle étant entraînées entièrement en imagination. À information de morphologie égale, une politique sans modèle obtient des résultats comparables à QWM sur les robots vus à l'entraînement, mais se dégrade sur des morphologies inédites, alors que QWM transfère en zero-shot, sans réglage fin ni adaptation. Pour les intégrateurs de robotique légée, cela suggère qu'un seul modèle du monde pourrait à terme piloter toute une famille de robots de gabarits différents sans réentraînement coûteux par machine, un frein connu au déploiement de flottes hétérogènes. Les auteurs revendiquent la première démonstration d'un transfert zero-shot cross-embodiment par modèle du monde au sein de la famille des quadrupèdes, un résultat encore limité à ce type de morphologie. Ce travail s'inscrit dans la lignée des modèles du monde, un paradigme visant à faire apprendre à un agent la physique de son environnement une seule fois pour en dériver des comportements efficacement, plutôt que de multiplier les interactions par tâche. Les deux plateformes testées, l'ANYmal-D suisse et le Go1 chinois de Unitree, comptent parmi les références les plus utilisées en recherche académique sur la locomotion quadrupède. La mention "replace" sur arXiv signale une version révisée sans détail public sur les changements apportés. À ce stade, QWM reste un résultat de recherche en preprint, sans annonce de déploiement industriel ni de partenariat constructeur ; une extension à d'autres familles de robots ou une validation sur matériel réel n'est pas précisée dans cet article.

RecherchePaper

1 source

2arXiv cs.RO

La fonction avant la forme : correspondance fonctionnelle pour la génération de prises dextériques inter-morphologies

Des chercheurs proposent FunCo-Grasp, un cadre de génération de préhensions dextres « cross-embodiment », c'est-à-dire transférable d'une main robotique à l'autre. Il est décrit dans un préprint arXiv (v1, non évalué par les pairs). Le principe est d'établir des « correspondances fonctionnelles » entre des mains aux géométries, topologies et cinématiques très différentes. Deux alignements y contribuent. Le Functional Part Alignment associe chaque lien physique de la main à une partie fonctionnelle commune, selon son rôle dans la saisie. Le Canonical Frame Alignment exprime ensuite ces parties dans des repères locaux canoniques. Un modèle de diffusion, conditionné par cette représentation et par la géométrie de l'objet, génère l'agencement spatial cible des parties fonctionnelles. Cet agencement est ensuite converti en configuration articulaire exécutable. Pour une main inédite, il suffit de fournir ses modèles géométrique et cinématique, plus une annotation fonctionnelle légère faite une seule fois. Aucune donnée de préhension sur la main cible, aucun fine-tuning et aucun retargeting appris ne sont nécessaires. En simulation, sur des objets exclus de l'entraînement dans le CMapDataset filtré, le taux de succès moyen atteint 92,40 % sur trois mains vues à l'entraînement et 74,02 % sur quatre mains inédites. En conditions réelles, le même modèle réussit 76,00 % des essais sur deux mains inédites, sans entraînement supplémentaire. L'intérêt tient à l'obstacle que ces travaux visent. Aujourd'hui, chaque nouvelle main dextre oblige souvent à recollecter des données ou à réentraîner, ce qui freine les intégrateurs qui comparent ou changent d'effecteur. Ici, le coût d'adaptation se réduit à une annotation unique. Cela rend plausible un modèle de préhension réutilisable d'une main à l'autre. L'écart de 18 points entre mains vues et inédites en simulation montre cependant que le transfert est loin d'être résolu. Le chiffre réel de 76 % repose sur seulement deux mains, et l'article ne donne ici ni le nombre d'objets, ni le nombre d'essais, ni les conditions de test. Il décrit de plus des préhensions statiques, pas de la manipulation en main, ce qui reste loin des exigences d'une ligne de production. Le résultat va néanmoins dans le sens d'une hypothèse du secteur : une représentation structurée par la fonction généralise mieux que l'apprentissage de motifs propres à chaque main. Le travail s'inscrit dans une série de méthodes cross-embodiment pour la dextérité. Les approches précédentes s'appuient souvent sur des représentations spécifiques à chaque main ou sur du retargeting appris, ce qui limite la généralisation. Les mains multi-doigts se multiplient pourtant, des modèles à quatre doigts jusqu'aux mains humanoïdes à plus de vingt degrés de liberté. Le préprint n'annonce ni code, ni pilote industriel, ni calendrier. Les prochaines étapes logiques seraient un test sur un éventail plus large de mains, la prise en compte de la manipulation dynamique et une évaluation sur des objets non rigides ou en environnement encombré.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

DROM : un cadre de diffusion guidé par le langage pour la manipulation robotique multi-compétences

DROM, un cadre génératif décrit dans un préprint arXiv (v1), vise un problème classique de la manipulation robotique : apprendre à partir de peu de démonstrations des politiques robustes, capables d'enchaîner plusieurs compétences sur des tâches longues. Les auteurs utilisent des Dynamic Movement Primitives (DMP) pour multiplier un petit nombre de démonstrations expertes en jeux de données multi-compétences. Ils affirment que cela réduit la collecte de données et étend la généralisation spatiale au-delà de la zone démontrée. Le modèle prolonge Motion Planning Diffusion (MPD) avec une attention croisée conditionnée par le langage. Un seul réseau génère alors des trajectoires cohérentes pour plusieurs primitives, y compris des comportements sensibles à l'orientation, difficiles à programmer avec un planificateur classique ou un contrôleur codé en dur. Pour les tâches longues, un grand modèle de langage (LLM) découpe la demande d'un opérateur en séquence de compétences exécutables. La validation a eu lieu sur un Franka Emika Panda, un FANUC CRX25ia et en simulation MuJoCo. Selon les auteurs, DROM dépasse les références MPD et Behavior Cloning. Le résumé ne donne aucun chiffre : ni taux de réussite, ni nombre de démonstrations, ni nombre de compétences, ni temps de cycle. Les jeux de données, les environnements de simulation et le code sont publiés sur GitHub. L'intérêt tient d'abord à la combinaison de trois briques déjà connues, DMP, diffusion et LLM, dans une architecture unique et exploitable en atelier. Pour un intégrateur, la promesse est de réduire le coût de programmation et de téléopération à chaque nouvelle variante de tâche. Un opérateur pourrait piloter une cellule en langage naturel, sans écrire de trajectoires. La présence d'un FANUC CRX25ia, cobot industriel de 25 kg de charge, est un signal plus pertinent que le seul Panda, plateforme de laboratoire. Elle indique une volonté de transfert vers du matériel de production. Il faut toutefois rester prudent. Sans métriques publiées, sans précision sur le sim-to-real, sur la robustesse face aux perturbations ni sur la latence d'inférence de la diffusion, le gain sur les références reste invérifiable à ce stade. L'écart entre une démonstration de laboratoire et une cadence industrielle n'est pas comblé. Ce travail s'inscrit dans une course où dominent les modèles vision-langage-action (VLA) entraînés sur de grands volumes de données, comme Pi-0, GR00T ou Helix. DROM prend le parti inverse : un pipeline modulaire et frugal en données, où le LLM planifie et la diffusion exécute, avec des trajectoires plus interprétables. Ce compromis intéressera les cellules à faible volume et à forte variété. La suite dépendra de la reproduction par des tiers, grâce au dépôt ouvert, et d'essais sur des tâches réelles plus contraintes que celles d'un banc de test académique. Aucun pilote industriel ni calendrier n'est annoncé.

RecherchePaper

1 source

4arXiv cs.RO

RecMorph : récurrence spatiale guidée par la topologie pour un contrôle généralisé de la morphologie

Une équipe de recherche présente RecMorph, une architecture récurrente guidée par la topologie pour le contrôle généralisé de morphologies robotiques, détaillée dans un article arXiv (2609.18359) et publiée en code ouvert sur GitHub (quanruirao/RecMorph). La méthode convertit l'arbre cinématique du robot en séquence via un parcours en profondeur, le long duquel des transitions bidirectionnelles partagées transforment les informations de chaque membre avant le décodage de l'action, à complexité linéaire en tokens. Sur cinq tâches du benchmark UNIMAL, RecMorph obtient la meilleure performance d'entraînement et le meilleur débit d'inférence parmi les contrôleurs testés, et généralise à des corps inédits jusqu'à 30 membres. Transposé à quatre plateformes quadrupèdes physiques, il réduit l'erreur de vélocité (RMSE) de 43,5% face à des MLP spécialisés par robot, et une politique unique a mené 40 essais sur des Unitree Go1 et Go2 sans chute. L'enjeu pour les intégrateurs est d'éviter d'entraîner un contrôleur distinct par morphologie dès qu'une flotte mêle bras, quadrupèdes ou corps aux rôles physiques différents. Les mécanismes de communication inter-membres existants, réseaux de graphes ou transformers, ne traitaient que partiellement la coordination du mouvement corps entier et l'efficacité à mesure que le corps grandit. En unifiant communication et transformation de représentation dans un calcul récurrent à complexité linéaire, RecMorph montre qu'une politique généraliste unique peut égaler, voire dépasser, des contrôleurs spécialisés par plateforme, contredisant l'idée que la généralisation de morphologie se paie par une perte de performance. Le transfert réussi de corps simulés vers des robots physiques réels, sans chute sur 40 essais, confirme la viabilité du sim-to-real pour ce type d'architecture. Le travail s'inscrit dans la lignée du benchmark UNIMAL, un ensemble de corps procéduraux conçu pour tester la généralisation à travers des morphologies variées, face à des approches antérieures par graphes ou attention et aux MLP spécialisés par robot utilisés en référence. Les auteurs ont migré ces contrôleurs vers un environnement quadrupède à quatre plateformes physiques, dont les Unitree Go1 et Go2, pour vérifier que les gains simulés tiennent hors laboratoire. Code et données étant publiés en accès libre sur GitHub, la suite logique consiste à étendre ces résultats à d'autres familles de robots, sans pilote industriel ni déploiement commercial annoncé à ce stade.

RecherchePaper

1 source