Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Générateur de mondes de donjons et de visibilité
RecherchearXiv cs.RO 

Générateur de mondes de donjons et de visibilité

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Le Dungeon and Visibility World Generator est un framework open source, décrit dans une prépublication arXiv, qui construit des environnements en deux et trois dimensions et évalue la visibilité géométrique en ligne de vue. Il gère des géométries orthogonales, polygonales ou polyédriques, et curvilignes, via six familles de construction: salles dispersées, grappes de salles, passages sinueux, cavernes, ramifications et boucles. Les dimensions des salles, la structure des passages, les obstacles et le placement spatial se règlent par des paramètres et des lois de probabilité. Chaque monde généré existe sous deux formes: une géométrie continue de l'espace libre et une grille d'occupation discrète. Un moteur de visibilité écrit en Rust répond aux requêtes de ligne de vue dans les deux représentations, depuis n'importe quelle position d'agent. Configurations, géométries, grilles et résultats de visibilité sont enregistrés pour rejouer les expériences. Les auteurs l'illustrent sur les six classes de géométrie, étudient l'effet de la géométrie et de la résolution spatiale sur la visibilité, et mesurent temps de génération et reproductibilité. Le résumé ne donne aucun chiffre sur ces temps ni sur la taille des environnements.

L'intérêt est méthodologique plutôt que commercial. Les algorithmes d'exploration, de couverture et de déploiement multi-agents sont souvent comparés sur des cartes choisies à la main, ce qui rend les résultats difficiles à reproduire. Disposer de la même géométrie en continu et en grille permet aussi de quantifier l'erreur de visibilité introduite par la discrétisation, un biais rarement mesuré. En revanche, il s'agit d'une visibilité purement géométrique: le résumé ne mentionne ni bruit de capteur, ni dynamique, ni physique, ni validation sur robot réel. Ce n'est donc pas un simulateur, et le transfert vers des conditions de terrain reste à démontrer.

Ce travail s'inscrit dans la série d'outils de génération procédurale d'environnements pour la robotique, qui complètent des simulateurs comme Gazebo ou Habitat. Ceux-ci privilégient le réalisme visuel et physique plutôt que le contrôle fin de la géométrie et de la visibilité. Le code étant annoncé comme open source, sa valeur dépendra de son adoption comme banc d'essai commun par les équipes travaillant sur l'exploration et les essaims. Aucun calendrier, extension ni acteur industriel n'est mentionné dans le résumé.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

Modèle du monde humanoïde avec génération conjointe des états et des actions
1arXiv cs.RO 

Modèle du monde humanoïde avec génération conjointe des états et des actions

Des chercheurs proposent HWAM (Humanoid World Action Model), une politique pour robots humanoïdes qui génère conjointement les actions de référence et l'état corporel réellement atteint après exécution, c'est-à-dire l'état proprioceptif post-exécution. L'entraînement repose sur trois chemins conditionnels complémentaires. Le chemin « Policy » débruite conjointement des trajectoires état-action à partir des seules observations courantes, ce qui correspond aux conditions de déploiement. Le chemin de modélisation dynamique directe (FDM) prédit les observations visuelles futures à partir des actions et des états post-exécution. Le chemin de modélisation dynamique inverse (IDM) reconstruit la trajectoire conjointe à partir des transitions visuelles. L'évaluation porte sur trois tâches réelles avec l'humanoïde LimX OLI. HWAM obtient le meilleur taux de réussite parmi les références comparées. Sur la tâche « Candy Picking », il atteint 70,6 %, contre 43,3 % pour Fast-WAM. Les résultats des deux autres tâches ne sont pas détaillés dans le résumé disponible. Le travail s'attaque à un problème peu visible dans les démonstrations : l'écart entre action et exécution. Dans les systèmes humanoïdes hiérarchiques, la politique (VLA ou WAM) sort des actions de référence que le contrôle du corps entier met ensuite en œuvre, avec la dynamique du robot, l'équilibre et les contacts. Le mouvement réellement réalisé peut donc différer de la consigne. Sans modéliser cet état réalisé, la prédiction visuelle du futur doit expliquer à la fois l'évolution de la scène et ces écarts, ce qui brouille le lien entre une action et son résultat physique. En faisant de l'état post-exécution une cible explicite, HWAM injecte directement dans l'apprentissage une supervision du mouvement exécuté. Pour les intégrateurs, l'enseignement est que le goulot d'étranglement des manipulateurs humanoïdes se situe aussi dans la couche de contrôle bas niveau, et pas seulement dans la perception ou le langage. Il faut toutefois rester prudent. Le gain de plus de 27 points sur Candy Picking provient d'une seule tâche, d'un seul robot et d'un nombre d'essais non précisé dans le résumé. Il s'agit d'un résultat de laboratoire publié en préprint sur arXiv, sans déploiement industriel ni produit associé. Ce travail s'inscrit dans l'évolution des politiques VLA, qui apprennent les actions directement depuis des observations multimodales, vers les World Action Models, qui ajoutent la prédiction visuelle du futur pour mieux générer les actions. Fast-WAM, la référence directe citée, représente cette seconde famille. La comparaison avec d'autres approches de la catégorie, comme Pi-0 ou GR00T, n'est pas mentionnée dans le résumé. Le choix du LimX OLI, humanoïde de la société LimX, indique aussi que la recherche sur la manipulation humanoïde s'appuie de plus en plus sur des plateformes de fabricants chinois. Les prochaines étapes naturelles seraient une validation sur davantage de tâches et de morphologies, ainsi qu'une comparaison avec les modèles de fondation généralistes. Aucun calendrier de pilote ni de publication de code n'est annoncé dans le texte disponible.

RecherchePaper
1 source
PhyVisGen : génération de données de manipulation robotique fidèles sur les plans physique et visuel
2arXiv cs.RO 

PhyVisGen : génération de données de manipulation robotique fidèles sur les plans physique et visuel

Des chercheurs présentent PhyVisGen, un framework de génération de données synthétiques pour l'apprentissage de politiques de manipulation robotique, décrit dans un article publié sur arXiv (référence 2609.25653v1). L'objectif est de produire à grande échelle des démonstrations de manipulation en simulation, pour éviter la collecte coûteuse et difficile à industrialiser de données sur robot réel. Sur le plan physique, PhyVisGen introduit une méthode de couplage bras-gripper fondée sur l'Incremental Potential Contact (IPC), un algorithme de simulation de contact qui modélise fidèlement les interactions souples tout au long d'une trajectoire complète, un point faible classique des simulateurs rigides pour les préhenseurs souples. Sur le plan visuel, le système combine reconstruction de scènes réelles et path tracing en temps réel pour produire des observations photoréalistes conservant l'apparence exacte de l'environnement capturé. Résultat mis en avant: des politiques entraînées exclusivement sur ces données synthétiques atteignent entre 65% et 95% de réussite sur cinq tâches de manipulation exécutées par un robot réel, sans aucune démonstration réelle ni réglage fin de la politique. Le fossé entre simulation et réalité reste l'un des principaux freins à l'entraînement de politiques visuomotrices à grande échelle, notamment pour les architectures de type VLA qui exigent des volumes massifs de démonstrations. En traitant simultanément la fidélité physique du contact souple et le réalisme visuel du rendu, PhyVisGen s'attaque à deux sources d'écart simulation-réel habituellement gérées séparément dans la littérature. Pour des laboratoires ou des équipes produit cherchant à réduire leur dépendance à la téléopération humaine pour collecter des données, ce résultat suggère qu'une simulation suffisamment fidèle pourrait remplacer une partie de la collecte réelle, au moins pour des tâches de préhension avec grippers souples. La fourchette de succès annoncée reste toutefois large et repose sur seulement cinq tâches: sans détails sur les conditions d'essai ni sur la généralisation à des objets ou environnements non vus, ce chiffre doit être lu comme une démonstration de faisabilité en laboratoire plutôt qu'une preuve de robustesse à l'échelle industrielle. Cette approche s'inscrit dans une lignée de travaux cherchant à combler l'écart sim-to-real par la fidélité de simulation plutôt que par la seule randomisation de domaine, technique plus ancienne mais moins précise. Les moteurs physiques classiques peinent en général à représenter les contacts souples et les déformations continues, ce qui limite leur usage pour les grippers non rigides de plus en plus répandus en manipulation fine. Côté rendu, le recours au path tracing temps réel rejoint une tendance plus large des méthodes de reconstruction photoréaliste, comparables aux techniques de type NeRF ou Gaussian splatting, désormais utilisées pour générer des données d'entraînement visuellement crédibles. L'article ne précise ni affiliation institutionnelle, ni disponibilité du code, ni calendrier de déploiement industriel: il s'agit à ce stade d'une contribution de recherche méthodologique, sans partenaire robotique ni produit annoncé, dont la portée dépendra de sa reproduction sur d'autres plateformes, grippers et tâches.

RecherchePaper
1 source
Modèles du monde à opérateurs de graphe pour la généralisation morphologie-paramètres en contrôle continu
3arXiv cs.RO 

Modèles du monde à opérateurs de graphe pour la généralisation morphologie-paramètres en contrôle continu

Une équipe de recherche publie sur arXiv (référence 2608.20936v1, soumission en cross-list) une nouvelle architecture baptisée Graph-Operator World Models, ou GraphOp-WM, destinée au contrôle continu de robots articulés. Le principe consiste à représenter le corps du robot et ses relations cinématiques sous forme de graphe attribué, puis à factoriser chaque transition dynamique en deux parties : une base de dynamique locale indépendante de la morphologie, et un opérateur structuré conditionné par la morphologie. Cet opérateur combine trois mécanismes : une modulation locale au niveau de chaque nœud, un couplage le long de l'arbre cinématique, et une correction globale de rang faible. Le modèle s'appuie aussi sur une séparation architecturale de l'information, une normalisation de la base de dynamique, et une supervision par paires de morphologies différentes, pour forcer la dépendance à la morphologie à transiter uniquement par le canal de l'opérateur. Une lecture au niveau du graphe et des représentations d'action par arête fournissent une interface compatible avec le calcul de récompense, de valeur et la planification de type TD-MPC. Les auteurs définissent des scénarios de test contrôlés sous MuJoCo, couvrant interpolation, extrapolation et compositions inédites de paramètres de géométrie des liaisons, de masse, d'amortissement et d'actionnement, sur trois environnements classiques : Hopper, Walker2d et HalfCheetah. Le problème visé est concret pour l'industrie robotique : les modèles du monde entraînés pour un système physique fixe se dégradent dès que des paramètres de morphologie connus, comme la longueur des liaisons, la masse, l'amortissement ou l'actionnement, changent, même légèrement. Or ces variations sont la norme en production, entre unités d'une même gamme, après usure mécanique, ou lors du passage d'un prototype à une variante commerciale. En séparant explicitement ce qui reste réutilisable de ce qui doit s'adapter à la morphologie, GraphOp-WM propose une piste pour réduire le réentraînement spécifique à chaque robot et généraliser au sein d'une famille de robots articulés apparentés, plutôt que de traiter chaque configuration matérielle comme un cas isolé. C'est un signal utile pour les intégrateurs et les équipes de R&D en apprentissage par renforcement qui gèrent des flottes hétérogènes ou des lignes de produits évolutives, même si l'article ne fournit à ce stade aucune validation sur robot réel. Ce travail reste, à ce stade, une contribution de recherche fondamentale, publiée en preprint sur arXiv sans laboratoire ni entreprise identifié dans le résumé, et validée uniquement en simulation via le moteur physique MuJoCo, un standard académique pour le contrôle continu, et non sur du matériel déployé. Il s'inscrit dans la lignée des modèles du monde couplés à la planification, dans la famille TD-MPC, et dans le courant plus large de recherche sur la généralisation inter-morphologies et le contrôle multi-corps, qui cherche à dépasser l'entraînement d'un modèle par robot spécifique. Aucun pilote industriel, aucune date de déploiement ni aucun partenaire commercial n'est mentionné : les prochaines étapes attendues sont la revue par les pairs et, potentiellement, l'extension des tests au-delà des trois environnements simulés Hopper, Walker2d et HalfCheetah vers des familles de robots plus larges ou vers un transfert sur matériel réel.

RecherchePaper
1 source
Dexterity-BEV : aligner le monde 3D et les actions pour un apprentissage généralisable des politiques robotiques
4arXiv cs.RO 

Dexterity-BEV : aligner le monde 3D et les actions pour un apprentissage généralisable des politiques robotiques

Des chercheurs ont publié le 2 juin 2026 sur arXiv (référence 2606.02274) un article décrivant Dexterity-BEV, un cadre méthodologique visant à corriger deux limitations structurelles des politiques de manipulation robotique basées sur des modèles de vision-langage (VLM) pré-entraînés à grande échelle. La première limitation : ces modèles héritent d'une représentation purement 2D de la vision par ordinateur, inadaptée à la nature intrinsèquement tridimensionnelle de la manipulation. La seconde : il n'existe pas d'alignement spatial cohérent entre les espaces d'entrée et de sortie des politiques, ni entre différents robots, configurations de caméras et jeux de données de trajectoires. Pour y remédier, les auteurs introduisent deux représentations inédites : l'aligned vertex map et le vertex spectrum, des cartes pixel-à-pixel qui élèvent les entrées RGB en coordonnées 3D via la calibration de caméra et la profondeur optionnelle. Ils proposent ensuite un cadre canonique Bird's-Eye-View (BEV), une vue du dessus invariante aux variations de pose de caméra, dans lequel les informations 3D de chaque vue et les actions du robot sont exprimées dans un repère commun. Un pipeline de traitement de données à grande échelle et un schéma d'alignement temporel pour des trajectoires provenant de robots hétérogènes, d'opérateurs humains et de datasets variés complètent l'approche. L'enjeu industriel est direct : les VLA (Vision-Language-Action models) de type π0, OpenVLA ou GR00T N2 souffrent précisément de ce décalage spatio-temporel quand on les déploie sur des robots différents de ceux utilisés à l'entraînement, ou avec des caméras repositionnées. Dexterity-BEV tente de combler ce gap sans abandonner la généralisation offerte par les VLM entraînés sur des données web. La vue BEV, empruntée à l'industrie automobile (perception de véhicules autonomes), est ici réinterprétée pour la manipulation, ce qui constitue un transfert conceptuel non trivial. Si les gains de généralisation annoncés se confirment à l'évaluation réelle, cela réduirait le coût de redéploiement d'une politique sur un nouveau site industriel ou une nouvelle configuration de cellule robotique, une friction majeure pour les intégrateurs. L'article s'inscrit dans une dynamique de recherche intense autour des politiques de manipulation end-to-end, portée par des laboratoires comme Physical Intelligence (π0), Google DeepMind (RT-2, GR00T), et des équipes académiques chinoises et américaines. L'approche BEV pour la robotique terrestre est par ailleurs explorée en parallèle par des groupes travaillant sur les robots mobiles et les AMR d'entrepôt. Les auteurs rendent disponibles le checkpoint pré-entraîné, le code source et le pipeline de données sur leur page projet, ce qui facilite la réplication et l'adoption par la communauté. Aucun partenariat industriel ni déploiement réel n'est mentionné : il s'agit à ce stade d'une contribution de recherche, pas d'un produit commercialisé.

RechercheOpinion
1 source