RecherchearXiv cs.RO 12 octobre 2026

Cinématique inverse en boucle fermée de dimension infinie pour les robots souples via des opérateurs neuronaux

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent une cinématique inverse en boucle fermée (CLIK) formulée directement en dimension infinie pour les robots souples, dans un article arXiv (2602.18655, version 3). Pour un robot rigide entièrement actionné, l'inversion cinématique est un problème purement géométrique, que les schémas CLIK résolvent efficacement en calculant des vitesses articulaires. Les robots souples sous-actionnés rendent le problème très mal posé, car toutes les configurations ne sont pas atteignables par la commande. Les extensions existantes passent par des correspondances de bout en bout entre actionnement et espace de la tâche, mais elles supposent un espace de configuration virtuel de dimension finie. Les auteurs composent ici une application actionnement-vers-forme avec une application forme-vers-tâche. Ils obtiennent la cinématique différentielle de bout en bout grâce à une règle de dérivation en chaîne en dimension infinie, ce qui donne un algorithme CLIK fondé sur la jacobienne. Le raisonnement porte sur la forme entière du robot et évite les étapes d'approximation intermédiaires.

Comme les modèles de robots souples complexes existent rarement sous forme fermée, ni l'application actionnement-forme ni sa jacobienne ne s'obtiennent en général analytiquement. Les auteurs proposent donc de les apprendre avec des opérateurs neuronaux différentiables, des réseaux qui apprennent des correspondances entre espaces de fonctions plutôt qu'entre vecteurs de taille fixe. La validation se fait en deux temps. Une étude analytique porte d'abord sur un segment à courbure constante. La version neuronale est ensuite appliquée à un bras souple à trois fibres, dont le modèle sous-jacent repose sur la morphoélasticité et la théorie des filaments actifs. Le résumé ne donne aucun chiffre sur la précision de suivi, les temps de calcul ou la robustesse. Il ne dit pas non plus si les essais ont eu lieu en simulation ou sur matériel physique. Le bras à trois fibres semble être évalué sur un modèle physique, ce qui laisse ouverte la question du transfert simulation-réalité.

Pour l'industrie, il s'agit de recherche fondamentale sans produit ni déploiement, mais elle touche un verrou réel. Les robots souples promettent la sécurité et l'adaptabilité en manipulation délicate, en alimentaire, en médical ou en inspection, mais leur commande reste le principal frein à l'industrialisation. Une approche qui évite de réduire la forme à quelques paramètres, comme la courbure constante par morceaux, pourrait améliorer la précision sur des structures très déformables. Elle dépend toutefois de la qualité de l'opérateur appris, donc des données d'entraînement et de la généralisation hors distribution, des points que le résumé ne traite pas. Cette voie s'inscrit dans la tendance plus large de l'apprentissage de modèles différentiables pour la commande. Elle reste très éloignée des politiques VLA (vision-langage-action) des humanoïdes, et son horizon est celui du laboratoire. La suite logique est une validation sur matériel, une évaluation en temps réel et une comparaison chiffrée avec les méthodes CLIK à dimension finie.

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

LOInK : cinématique inverse optimale apprise via des modèles neuronaux de substitution structurés

Une équipe de chercheurs a mis en ligne le 21 septembre 2026 sur arXiv (référence 2609.21275) une nouvelle méthode nommée LOInK, pour Learned Optimal Inverse Kinematics, qui vise à générer des solutions quasi optimales à des problèmes de cinématique inverse. Entraîné sur des configurations échantillonnées, leurs variables de tâche associées et une fonction de coût donnée, LOInK apprend une application inversible dite bi-Lipschitz qui transforme l'espace des configurations articulaires en un espace latent découplé de la tâche, construit de sorte que les solutions minimisant le coût se retrouvent toutes à l'origine de cet espace. Cette structuration permet ensuite d'échantillonner efficacement ces solutions optimales grâce à un algorithme d'inversion de réseau reposant sur l'operator splitting. Les auteurs valident l'approche sur trois cas : un manipulateur pédagogique à trois degrés de liberté (DOF), un robot quadrupède grimpeur, et un actionneur souple simulé traité comme un cas purement piloté par les données. Sur le robot grimpeur, LOInK génère des solutions quasi optimales en moyenne 31 fois plus vite, et jusqu'à 100 fois plus vite dans certains cas, qu'une méthode classique d'optimisation sous contraintes. Ce gain de vitesse n'est pas anecdotique pour l'industrie robotique : la cinématique inverse est un calcul exécuté en continu par tout robot articulé, humanoïde, bras manipulateur ou quadrupède, pour transformer un objectif de tâche en commande de moteurs, et les solveurs d'optimisation sous contraintes classiques restent souvent trop lents pour du contrôle temps réel sur du matériel embarqué à ressources limitées. En déplaçant le coût de calcul vers une phase d'entraînement réalisée hors ligne, LOInK ouvre la voie à des boucles de contrôle plus rapides sans sacrifier la qualité des trajectoires, un enjeu direct pour la marche et l'escalade des robots à pattes ou pour la manipulation fine. Le cas de l'actionneur souple est particulièrement révélateur : contrairement aux approches génératives existantes, qui doivent échantillonner puis évaluer un grand nombre de solutions candidates faute de modèle analytique fiable pour les matériaux souples, LOInK produit directement des solutions de haute qualité, ce qui ouvre une piste pour la robotique souple, un domaine où le manque de modèles précis freine aujourd'hui le contrôle. Ce travail s'inscrit dans la lignée des méthodes de cinématique inverse par apprentissage qui cherchent à remplacer les solveurs itératifs coûteux, historiquement dominants en robotique, par des réseaux de neurones capables d'amortir le calcul. Il se positionne aussi face aux approches génératives récentes à base de réseaux à variables latentes ou de modèles de diffusion, qui nécessitent d'échantillonner puis de filtrer de nombreuses hypothèses avant de retenir une solution viable, une démarche coûteuse en temps de calcul. Publié comme soumission arXiv de type « new », ce papier reste un preprint non encore relu par les pairs : les résultats reposent uniquement sur des simulations, sans code source ni déploiement matériel mentionnés dans le résumé, et aucune date de publication en conférence ni suite expérimentale sur robot physique n'est précisée à ce stade.

RecherchePaper

1 source

2arXiv cs.RO

MorphIK : cinématique inverse neuronale conditionnée par la morphologie pour robots inconnus

Un article publié sur arXiv (2609.29908v1) présente MorphIK, un modèle neuronal de flow-matching capable de résoudre la cinématique inverse pour des chaînes cinématiques à articulations rotoïdes qu'il n'a jamais vues pendant son entraînement. Contrairement aux modèles neuronaux d'IK classiques, limités à un seul robot, MorphIK encode la morphologie du robot et la pose cible via une architecture transformer, cet encodage conditionnant ensuite une tête de flow-matching qui génère des configurations articulaires à partir de bruit. Entraîné uniquement sur des données synthétiques issues de robots générés de façon procédurale, le modèle atteint une précision d'environ 5 cm sur des robots réels inédits comportant de 6 à 9 degrés de liberté. Utilisé comme point de départ pour un algorithme d'optimisation par moindres carrés amortis (Damped Least Squares), il permet de faire descendre l'erreur sous 1 cm après une seule itération, puis sous le millimètre après trois itérations dans la majorité des cas. La cinématique inverse est un problème central de la robotique : calculer les angles articulaires nécessaires pour atteindre une pose donnée de l'effecteur. Les solveurs analytiques ou d'optimisation classiques doivent généralement être reconfigurés pour chaque géométrie de robot, et les approches neuronales existantes reproduisent cette limite en étant entraînées robot par robot. MorphIK change cette donne en généralisant à des morphologies totalement inédites sans réentraînement, ce qui intéresse directement les intégrateurs et fabricants devant déployer du contrôle de mouvement sur des flottes hétérogènes de bras ou de robots humanoïdes sans développer un modèle dédié par plateforme. La capacité du modèle à échantillonner efficacement l'espace nul, c'est-à-dire à produire plusieurs configurations articulaires distinctes pour une même pose cible, est également utile pour éviter collisions, butées articulaires ou singularités, un enjeu concret pour la planification de mouvement en environnement contraint. Le résultat illustre aussi une tendance plus large : les méthodes génératives comme le flow matching commencent à surpasser les architectures neuronales déterministes classiques sur des problèmes de contrôle, tout en restant compatibles avec un raffinement par optimisation numérique pour la précision industrielle. Cette approche s'inscrit dans une double lignée : les méthodes numériques traditionnelles de cinématique inverse, comme les moindres carrés amortis ou les techniques basées sur le jacobien, longtemps limitées à un robot à la fois, et les modèles génératifs conditionnels qui se sont imposés ces dernières années pour la génération de trajectoires et de politiques robotiques. En s'appuyant uniquement sur des données synthétiques de robots générés procéduralement plutôt que sur des données réelles coûteuses à collecter, les auteurs contournent le goulot d'étranglement habituel de la collecte spécifique à chaque plateforme. Le papier reste à ce stade un résultat de recherche publié sur arXiv, validé sur des robots réels de 6 à 9 degrés de liberté, sans détail sur les modèles de robots testés ni annonce de mise à disposition du code ou des poids. Sa portée réelle dépendra de sa capacité à s'étendre à des morphologies plus complexes, comme des mains ou des humanoïdes à forte redondance articulaire, et de son adoption comme brique de prétraitement dans des pipelines de contrôle existants plutôt que comme solveur autonome.

RecherchePaper

1 source

3arXiv cs.RO

GE-Sim 2.0 : une feuille de route vers des simulateurs vidéo en boucle fermée pour la manipulation robotique

Une équipe de recherche a publié sur arXiv (arXiv:2605.27491) GE-Sim 2.0, un simulateur vidéo en boucle fermée conçu pour l'entraînement et l'évaluation de politiques de manipulation robotique. Le système, Genie Envisioner World Simulator 2.0, prolonge l'architecture de génération vidéo conditionnée par l'action de son prédécesseur et a été ré-entraîné sur des milliers d'heures de données robotiques réelles couvrant la télé-opération, les interactions contact-rich et le déploiement de politiques embarquées. Trois nouveaux modules ferment la boucle simulation-apprentissage : un "state expert" qui décode l'état proprioceptif depuis les latents vidéo pour alimenter les politiques VLA (Vision-Language-Action) en prédiction de trajectoire ; un "world judge" qui évalue automatiquement les rollouts générés face aux instructions de tâche, produisant des signaux de réussite vérifiables sans inspection manuelle ; et un framework d'accélération capable de générer un rollout de 25 frames en 2,3 secondes sur un seul GPU H100, avec jusqu'à 4x de frame skipping à l'inférence pour les scénarios longue-portée. Avec seulement 2 milliards de paramètres, le modèle domine le classement public WorldArena, devançant à la fois des world models robotiques dédiés et des générateurs vidéo généralistes en source fermée. L'enjeu central est le sim-to-real gap, la difficulté chronique à transférer des politiques entraînées en simulation vers des robots réels. GE-Sim 2.0 tente d'y répondre sur deux fronts : en générant des données synthétiques crédibles sur lesquelles entraîner des politiques VLA, avec des gains mesurables en conditions réelles selon les auteurs, et en automatisant l'évaluation des rollouts via le world judge, un goulot d'étranglement qui nécessitait jusqu'ici infrastructure physique ou inspection humaine. Pour les équipes travaillant à l'échelle sur des politiques de manipulation, l'équation coût-délai d'itération pourrait évoluer sensiblement. La performance au benchmark WorldArena avec 2B paramètres seulement suggère une efficacité paramétrique notable, même si les benchmarks de simulation ne garantissent pas directement des performances terrain. GE-Sim 2.0 s'inscrit dans la continuité directe de Genie Envisioner, framework de génération vidéo conditionné par l'action publié par la même équipe. Le marché des world models pour la robotique s'est densifié rapidement, avec notamment UniSim et des travaux issus de Google DeepMind, IRASim, ainsi que les simulateurs développés par Physical Intelligence autour de pi_zero. Dans l'espace VLA, Lerobot (Hugging Face) et plusieurs groupes académiques de MIT et Stanford investissent des directions parallèles. Ce résultat reste une pré-publication arXiv sans révision par les pairs ; les "gains mesurables en conditions réelles" annoncés ne sont pas quantifiés précisément dans l'abstract, ce qui limite l'interprétation des performances de transfert. La prochaine étape logique serait une validation externe sur des benchmarks physiques standardisés.

RechercheOpinion

1 source

4arXiv cs.RO

Suivi de main par vision pour la manipulation robotique via cinématique inverse

Des chercheurs ont publié sur arXiv (réf. 2603.11383) une pipeline de télé-opération bas coût pour bras manipulateurs, baptisée hand-shadowing : une caméra RGB-D égocentrique montée sur des lunettes imprimées en 3D capte les mains de l'opérateur, MediaPipe Hands en extrait 21 points de repère par main, la profondeur les projette dans l'espace 3D, et un algorithme de cinématique inverse à moindres carrés atténués (damped least-squares IK) génère les commandes articulaires du robot SO-ARM101 (5 degrés de liberté + 1 préhenseur). Les actions sont d'abord validées dans un simulateur physique avant d'être rejouées sur le robot réel. Sur un benchmark structuré pick-and-place (grille 5 cases, 10 saisies par case, 3 runs indépendants), la pipeline atteint un taux de succès de 86,7 % ± 4,2 %, avec une erreur IK moyenne de 36,4 mm et une réduction du jerk de 57 à 68 % grâce à un lissage par moyenne mobile exponentielle (EMA). En environnements non structurés réels (supermarché, pharmacie), ce taux chute à 9,3 %, principalement à cause de l'occultation des mains par les objets environnants. Ce résultat illustre avec brutalité le reality gap qui sépare les conditions de laboratoire du déploiement industriel : une marge de 77 points entre les deux contextes n'est pas un détail d'intégration, c'est un défi de fond pour toute approche marker-free analytique. La comparaison directe avec quatre politiques VLA entraînées sur données leader-follower (ACT, SmolVLA, pi_0.5 de Physical Intelligence et GR00T N1.5 de NVIDIA) est méthodologiquement utile : elle positionne cette approche de retargeting pur face aux modèles appris, et quantifie l'écart sans se limiter à la démonstration sélective. Pour un COO ou un intégrateur, le message est clair : le bas coût matériel (lunettes imprimées, caméra grand public) ne compense pas encore l'insuffisance de robustesse à l'occlusion. La télé-opération reste un goulot d'étranglement majeur pour la collecte de données d'entraînement robotique, et les systèmes leader-follower filaires ou magnétiques restent chers et contraignants. Ce travail s'inscrit dans une vague de recherche qui cherche à démocratiser la capture de démonstrations avec du matériel grand public, aux côtés d'approches comme UMI (Columbia) ou AnyTeleop. Pour contourner la faiblesse de MediaPipe face à l'occlusion, les auteurs intègrent WiLoR comme détecteur alternatif et obtiennent 8 % de gain en taux de détection, une amélioration modeste qui confirme que le problème reste ouvert. La prochaine étape logique serait d'ajouter une gestion multi-vues ou un suivi temporel robuste pour traiter les environnements encombrés, conditions précisément où la télé-opération sans marqueur aurait le plus de valeur.

RecherchePaper

1 source