RecherchearXiv cs.RO 15 octobre 2026

GS-PRM : une feuille de route visuelle gaussienne pour la navigation guidée par image-objectif

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent GS-PRM, une « feuille de route visuelle gaussienne » destinée à la navigation par image-but, c'est-à-dire la tâche où un robot doit rejoindre un point défini uniquement par une image. La méthode s'appuie sur le 3D Gaussian Splatting (3DGS), qui fournit des rendus RGB, d'opacité et de profondeur recalés sur la carte, mais n'encode pas la topologie navigable. GS-PRM construit donc, directement par rendu 3DGS, des jalons, des connexions locales et des images de référence, sans passer par une grille d'occupation ni par un champ de distance signée. La profondeur panoramique donne une marge de dégagement prudente pour valider les jalons et adapter la couverture. Un rendu orthographique aligné sur chaque arête teste le volume balayé par le robot. Les auteurs définissent des configurations et des chemins « RC-free » (sans collision au sens du rendu) et démontrent une correction conditionnelle, ainsi que des conditions suffisantes de complétude déterministe des requêtes et de complétude probabiliste de la construction. Les tests, en simulation et en environnement réel, portent sur de la navigation longue portée pilotée par des politiques conditionnées par le but. Face à un système de navigation 3DGS de référence, GS-PRM atteint jusqu'à deux fois le taux de succès moyen et réduit le temps de trajet jusqu'à 57,2 % lorsque les deux systèmes mènent la tâche à terme. Il s'agit d'une prépublication arXiv (v1), sans relecture par les pairs.

L'intérêt tient à la jonction entre cartographie photoréaliste et planification globale. Le 3DGS est surtout utilisé pour la reconstruction et le rendu, rarement comme représentation directement exploitable par un planificateur. Un planificateur qui n'a besoin ni de grille d'occupation ni de SDF évite une étape de conversion, source d'erreurs et de coûts, et les mêmes rendus servent à la fois à valider la géométrie et à fournir des observations que la politique locale peut suivre. Pour les intégrateurs et les équipes qui déploient des robots mobiles, c'est une piste vers des cartes plus simples à produire à partir de captures vidéo, avec des garanties formelles rares dans ce domaine. Le gain de 57,2 % sur le temps de trajet est toutefois conditionnel : il ne vaut que lorsque les deux systèmes réussissent, et le résumé ne précise ni le nom du système comparé, ni la taille des scènes, ni le nombre d'essais réels. La portée des garanties dépend aussi des hypothèses de la théorie, notamment la qualité du rendu 3DGS.

Ce travail s'inscrit dans la lignée des PRM (probabilistic roadmaps), classiques de la planification de mouvement, et dans l'essor de la navigation image-but et des politiques conditionnées par le but, qui ont besoin d'un planificateur global fournissant des points de passage visuels. Il concurrence d'autres systèmes de navigation fondés sur le 3DGS et les approches à cartes topologiques ou à grilles d'occupation. Aucune échéance de déploiement ni partenaire industriel n'est mentionné : on reste au stade de la recherche. Les prochaines étapes à surveiller sont la mise à disposition du code, la validation sur de plus grands environnements, notamment dynamiques, et la robustesse des rendus lorsque la scène change.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

GUIDE : compréhension directionnelle initialisée par l'objectif pour la navigation visuelle de bout en bout

Des chercheurs ont publié sur arXiv (référence 2606.10832, juin 2026) un framework d'apprentissage par renforcement baptisé GUIDE (Goal-Initialized Directional Understanding for End-to-End), conçu pour la navigation visuelle autonome de robots à pattes. Le principe fondamental est simple : contrairement aux systèmes existants qui alimentent le robot en mises à jour continues de sa cible depuis des modules d'estimation d'état hiérarchiques, GUIDE ne fournit la cible qu'une seule fois, au début de l'épisode. Le robot doit ensuite naviguer en s'appuyant exclusivement sur sa mémoire spatiale interne. Deux composants structurent le système : un prédicteur d'ancre spatiale qui exploite l'historique proprioceptif multi-fréquences pour construire des représentations d'egomouvement, et un flux de profondeur brut pour percevoir la géométrie locale. Les expériences ont été conduites sur un robot quadrupède, en simulation et en environnement réel, dans des scènes encombrées et des labyrinthes structurés, sans carte préalable. L'enjeu pour les intégrateurs est direct : supprimer la dépendance aux modules d'estimation d'état externes simplifie le stack de déploiement et réduit les points de défaillance. Les architectures hiérarchiques actuelles (localisation + cartographie + planification) sont coûteuses à calibrer et fragiles dans des environnements non cartographiés. GUIDE démontre qu'un robot peut maintenir une conscience directionnelle persistante grâce à la mémoire proprioceptive, sans SLAM ni GPS, un résultat qui renforce l'hypothèse que la proprioception peut partiellement suppléer la localisation explicite. La politique étant déployée de bout en bout sans modules séparés à l'inférence, la complexité opérationnelle en production s'en trouve réduite -- un argument concret pour les équipes industrielles. La navigation sans carte pour robots à pattes est un sujet actif : les travaux sur ANYmal (ETH Zurich), les politiques locomotrices de Unitree ou les recherches de CMU s'appuient encore majoritairement sur des représentations géométriques explicites. GUIDE s'inscrit dans la tendance "fully end-to-end" qui cherche à éliminer ces modules intermédiaires, tendance visible également dans les VLA (Vision-Language-Action models) appliqués à la manipulation. Il faut néanmoins rappeler qu'il s'agit d'une publication académique, sans pilote industriel ni déploiement commercial annoncé. Les suites naturelles incluent des tests dans des environnements non structurés à grande échelle et l'intégration avec des modèles de fondation visuels pour la spécification dynamique de la cible.

RecherchePaper

1 source

2arXiv cs.RO

SiGNgapore : un jeu de données interactif pour la navigation visuelle fondée sur les panneaux

Des chercheurs ont publié sur arXiv (v1, octobre 2026) SiGNgapore, un jeu de données destiné à la navigation visuelle fondée sur les panneaux de signalisation. Les données ont été collectées avec un dispositif tenu à la main dans plusieurs espaces publics de Singapour, des lieux que les humains fréquentent au quotidien. Chaque séquence contient des images RGB, de la profondeur éparse (sparse depth), de l'odométrie et des mesures d'IMU, centrées sur des panneaux de navigation et sur les environnements complexes qui les entourent. Le jeu comprend 56 missions de navigation longue portée et plus de 450 scénarios centrés sur les panneaux. Les données sont livrées dans un format lisible par l'humain, avec des scripts utilitaires de conversion vers ROS 2. Les auteurs fournissent aussi les plans des sites et des graphes de scène alignés sur le GPS pour les environnements de test. Il s'agit d'une ressource de recherche : aucun robot n'a été déployé et aucun résultat de navigation n'est annoncé dans le résumé. L'intérêt tient au problème visé. Un robot qui évolue dans un aéroport, une gare, un centre commercial ou un hôpital ne peut pas toujours compter sur une carte préétablie, dont la création et la maintenance coûtent cher aux intégrateurs. Les humains s'orientent pourtant sans carte grâce à la signalétique. Lui faire lire et interpréter ces panneaux pourrait réduire la cartographie préalable, un poste de coût réel pour les déploiements en espaces publics. Le jeu de données traite aussi un manque : les benchmarks de navigation se concentrent surtout sur la géométrie et la perception de l'espace libre, rarement sur la décision fondée sur le sens d'un panneau, c'est-à-dire le raisonnement sémantique de bout en bout. Les capteurs utilisés (caméra, profondeur éparse, IMU) restent peu coûteux et proches de ce que portent des robots commerciaux. Il faut toutefois rester prudent. La collecte à la main ne reproduit ni la dynamique d'un robot ni ses contraintes de sécurité. Le volume, 56 missions et environ 450 scénarios, est modeste pour entraîner de gros modèles. Il convient donc mieux à l'évaluation qu'à l'apprentissage massif. Ce travail s'inscrit dans le mouvement de la navigation sans carte (mapless) portée par les modèles vision-langage et les VLA (vision-language-action), qui cherchent à comprendre des instructions et des indices sémantiques plutôt qu'à localiser le robot dans une carte métrique. Les graphes de scène alignés sur le GPS permettent de relier perception, sémantique et topologie du lieu. Singapour offre un terrain d'étude dense, multilingue et très signalisé, ce qui en fait un banc d'essai exigeant mais peu représentatif d'autres contextes, notamment européens, où la signalétique varie. Les suites probables sont des benchmarks et des comparaisons de méthodes sur ce jeu de données, puis des essais sur robots réels. Aucun calendrier, pilote industriel ni acteur commercial n'est mentionné dans l'annonce.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Où rejoindre un groupe ? Prédiction d'objectif guidée par le langage pour l'agrégation de robots

Une équipe de recherche publie sur arXiv (2609.28467v1, mis en ligne le 24 septembre 2026) une méthode baptisée "language-grounded robot group joining", qui répond à une question absente de la navigation sociale classique : non pas comment rejoindre un point fixe, mais où et comment s'intégrer à un groupe humain dont l'activité et la formation évoluent en temps réel. Le système part d'une observation visuelle et d'une description en langage naturel du groupe cible pour identifier les bonnes personnes, puis calcule des poses de jonction socialement acceptables. La chaîne technique combine un partitionnement spectral récursif, qui génère des sous-ensembles candidats de personnes dans la scène, avec un modèle language-conditioned combinant image et géométrie pour classer ces sous-ensembles selon la description fournie. Une fois le groupe identifié, un module de prédiction d'objectif s'appuie sur des a priori de formations humaines (conversations, files d'attente, publics) pour produire une carte multimodale energy-orientation couvrant l'ensemble des poses robotiques envisageables. Les auteurs rapportent une inférence en moins d'une seconde, une précision d'identification du groupe comparable aux meilleures approches existantes, et des performances supérieures à toutes les méthodes de référence testées pour la prédiction de pose de jonction, validées à la fois en simulation et sur robot réel, y compris dans des interactions dynamiques. L'intérêt pratique dépasse la simple curiosité académique : les applications visées, chiens-guides robotiques et scooters de mobilité autonomes, ciblent l'assistance aux personnes à mobilité réduite ou malvoyantes dans des environnements sociaux denses, un cas d'usage largement sous-traité par la littérature en navigation robotique, historiquement focalisée sur l'évitement d'obstacles vers un but déjà connu. En prouvant qu'un robot peut interpréter une instruction en langage naturel pour localiser un groupe spécifique parmi plusieurs, puis calculer sa position d'intégration sans base de données pré-cartographiée, les auteurs adressent un maillon manquant pour les intégrateurs travaillant sur des AMR (robots mobiles autonomes) déployés en environnement humain ouvert, plutôt qu'en entrepôt structuré. Le travail s'inscrit dans la lignée des modèles vision-langage appliqués à la robotique mobile, où la formulation de tâches sémantiques complexes via instructions textuelles gagne du terrain face aux approches purement géométriques. Le papier ne mentionne ni partenariat industriel ni déploiement commercial : il s'agit d'un résultat de recherche fondamentale, testé sur trois types de configurations sociales (conversations, files d'attente, audiences) avec tailles de groupe, densités de foule et ambiguïtés visuelles variables. Aucune suite commerciale ni calendrier de transfert vers un produit n'est annoncé à ce stade.

RecherchePaper

1 source

4arXiv cs.RO

MPPI, planification par fonction de coût humain gaussienne pour la navigation sociale

L'université ou le laboratoire à l'origine de PGIF (Predictive Gaussian Interaction Fields) propose une nouvelle formulation de coût pour la navigation robotique en milieu social, publiée sur arXiv le 8 août 2026. La méthode s'appuie sur le contrôleur MPPI (Model Predictive Path Integral), un planificateur par échantillonnage largement utilisé en robotique mobile, mais qui traite habituellement les piétons comme des obstacles ponctuels statiques à leur position actuelle. PGIF corrige ce défaut en projetant les trajectoires prédites des piétons sur tout l'horizon de planification et en les encodant sous forme de champs répulsifs gaussiens anisotropes, alignés sur la direction de déplacement de chaque personne. L'étendue de chaque champ croît avec la vitesse du piéton, créant une zone de danger en forme de cône qui pénalise davantage les trajectoires du robot coupant la route d'un piéton que celles l'abordant par l'arrière. Testée sur 300 scénarios de foule randomisés répartis sur trois niveaux de densité, l'approche PGIF-MPPI atteint un taux de collision de 0% à chaque niveau, contre jusqu'à 82% pour une implémentation MPPI classique, tout en conservant des performances de planification en temps réel, la formulation étant décrite comme calculable en forme close et entièrement parallélisable sans surcoût de calcul mesurable. Pour les intégrateurs de robots mobiles autonomes (AMR) et les équipes travaillant sur des plateformes destinées à des entrepôts, hôpitaux ou espaces publics, ce résultat s'attaque à un point de friction connu: les planificateurs par échantillonnage comme MPPI sont appréciés pour leur simplicité et leur rapidité, mais leur modélisation naïve des humains comme obstacles statiques les rend fragiles dès que la densité de foule augmente. Un taux de collision de 82% pour la version vanille de MPPI, même en simulation, illustre l'ampleur du problème que rencontrent les déploiements réels en environnement dynamique. Si les résultats se confirment au-delà de la simulation, cela renforcerait l'argument selon lequel la sécurité en navigation sociale ne nécessite pas forcément des architectures d'apprentissage profond lourdes, mais peut passer par un enrichissement ciblé de la fonction de coût dans des planificateurs classiques déjà utilisés en production. Ce travail s'inscrit dans une lignée de recherches en navigation sociale robotique cherchant à combler l'écart entre prédiction de trajectoires piétonnes et planification de mouvement du robot, un défi documenté depuis plusieurs années dans la littérature sur les champs de force sociaux et les modèles de prédiction de trajectoires. Contrairement à des approches basées sur l'apprentissage par renforcement ou des réseaux profonds pour la navigation sociale, PGIF reste une extension analytique du MPPI existant, ce qui facilite potentiellement son intégration dans des piles logicielles robotiques déjà en production. L'article, à ce stade une publication arXiv non encore validée par les pairs, ne précise pas de déploiement sur robot physique ni de partenariat industriel; les résultats rapportés reposent uniquement sur des scénarios simulés, et la validation en conditions réelles avec capteurs bruités et prédictions imparfaites reste l'étape suivante à surveiller.

RecherchePaper

1 source