RecherchearXiv cs.RO 16 octobre 2026

Apprendre à planifier : contrôle adaptatif robuste en temps réel sur GPU avec apprentissage futur garanti

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent A-SLS, un cadre de commande prédictive adaptative robuste (RAMPC) fondé sur la synthèse au niveau système (system-level synthesis), publié sur arXiv sous la référence 2610.20925. Il prévoit l'incertitude future sur les paramètres et conserve les corrélations entre perturbations du processus, erreur paramétrique et mises à jour de l'estimation. Cela permet de construire des ensembles atteignables serrés, avec une garantie mathématique, qui tiennent compte de l'information que le robot va acquérir. Les auteurs ont aussi développé un solveur accéléré sur GPU pour tenir le temps réel. Sur des systèmes robotiques non linéaires, ils annoncent une moindre conservativité des tubes atteignables, et le passage à l'échelle d'une commande du corps entier d'un quadrupède à 61 états, 8 paramètres incertains et 12 entrées de commande. Une démonstration matérielle porte sur un drone Crazyflie, qui apprend en ligne un paramètre de dynamique incertain pour se stabiliser en vol.

L'intérêt tient à un compromis ancien de la commande robuste. Les méthodes classiques supposent le pire cas d'incertitude sur tout l'horizon de planification, sans créditer le robot de ce qu'il apprendra en chemin. Les trajectoires sont alors prudentes, voire inutilement lentes. Les approches adaptatives qui tirent parti de l'apprentissage futur existent, mais elles passent mal à l'échelle des systèmes de grande dimension. Un quadrupède à 61 états sort du cadre des exemples académiques simplifiés. Il se rapproche de la complexité d'un robot à pattes réel, par exemple face à une charge utile inconnue ou à un sol de friction variable. Pour un intégrateur, cela touche directement la manipulation de charges mal connues et le déploiement en environnements non structurés. Il faut cependant relativiser. Il s'agit d'un préprint non évalué par les pairs. La démonstration matérielle se limite à un micro-drone et à un seul paramètre appris. Le quadrupède complet est validé en simulation, et le résumé ne donne ni fréquence de commande ni gain chiffré de conservativité. L'argument de temps réel sur GPU suppose aussi une puissance de calcul embarquée qui n'est pas acquise sur tous les robots.

Ces travaux s'inscrivent dans la lignée de la commande prédictive robuste par tubes et de la synthèse au niveau système, qui paramètre directement la réponse en boucle fermée. Ils prolongent aussi l'accélération GPU de la MPC, de plus en plus courante en robotique à pattes. Ils se situent à l'opposé des approches par apprentissage de bout en bout, comme les politiques de type VLA ou le RL appris en simulation. Celles-ci gèrent l'incertitude de façon empirique, sans garantie formelle de sécurité. Une commande à garanties, capable d'adapter ses paramètres en ligne, pourrait compléter ces politiques comme couche de sûreté. La suite logique serait un passage au matériel sur un robot à pattes, avec plusieurs paramètres incertains simultanés. Aucun calendrier ni partenaire industriel n'est annoncé.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Transformeur à mise à jour incrémentale en temps réel pour le contrôle adaptatif par apprentissage par renforcement

Des chercheurs présentent sur arXiv (2609.13545) une nouvelle architecture pour le contrôle adaptatif par apprentissage par renforcement de bras manipulateurs, appliquée à la friction non observable, une dynamique de frottement que le contrôleur ne peut mesurer directement et doit inférer via sa mémoire de contexte. Jusqu'ici, les méta-contrôleurs à base d'attention fixaient le nombre de têtes avant l'entraînement, un hyperparamètre réglé par une recherche hors-ligne coûteuse ; sur de longs horizons de mémoire, cette capacité fixe provoque des échecs catastrophiques sur une part importante des graines d'entraînement. Le mécanisme proposé fait croître ou élague les têtes d'attention pendant l'entraînement par renforcement lui-même, piloté par deux signaux : le rang effectif de la distribution de contexte on-policy, qui déclenche l'ajout de têtes quand la capacité devient insuffisante, et la magnitude de sortie par tête, qui signale les têtes redondantes à retirer. Les auteurs démontrent analytiquement la continuité de la politique aux moments de croissance et une borne quantitative aux moments d'élagage. Testé sur un bras à deux liaisons avec friction de Stribeck, un modèle de frottement standard en robotique, le mécanisme atteint un succès complet sur tous les régimes de mémoire testés, éliminant le mode d'échec à long horizon et le besoin de réglage hors-ligne du nombre de têtes. Pour les praticiens du RL et les concepteurs de contrôleurs robotiques, ce résultat s'attaque à un compromis classique des architectures à capacité fixe : sous-dimensionner limite la mémoire utile, sur-dimensionner coûte cher en calcul et en réglage. Automatiser ce dimensionnement pendant l'entraînement, plutôt que par recherche d'hyperparamètres, pourrait réduire le coût d'ingénierie du déploiement de contrôleurs adaptatifs sur des systèmes aux dynamiques mal connues, comme l'usure ou le frottement variable dans le temps. La validation reste toutefois limitée à un bras à deux liaisons en simulation, un système-jouet standard en recherche mais éloigné d'un manipulateur industriel à six ou sept degrés de liberté ; aucun résultat sur matériel réel n'est fourni, ce qui invite à la prudence sur la portée pratique immédiate. Ce travail s'inscrit dans la lignée des méta-contrôleurs à base d'attention pour le contrôle adaptatif, une approche qui remplace l'identification explicite de paramètres physiques comme la friction, la masse ou l'inertie par une mémoire de contexte apprise. Il répond à une limite documentée de cette famille de méthodes : la dépendance à un nombre de têtes fixé arbitrairement avant l'entraînement et réglé par une recherche coûteuse. Les prochaines étapes logiques, non traitées dans cet article, seraient l'extension à des manipulateurs à davantage de degrés de liberté et une validation sur matériel physique, hors simulation.

RecherchePaper

1 source

2arXiv cs.RO

Cadre d'apprentissage continu pour le contrôle adaptatif de robots souples modulaires

Une équipe de recherche propose un nouveau cadre de contrôle pour robots souples modulaires (Modular Soft Robots, MSR), basé sur les principes de l'apprentissage continu, selon un article publié sur arXiv le 7 juillet 2026 (arXiv:2607.06740v1). Les MSR sont des systèmes composés de plusieurs segments interconnectés, hautement déformables et reconfigurables, utilisés notamment en intervention médicale, en rééducation et en manipulation robotique. Le problème que résout ce travail est concret : jusqu'ici, changer la morphologie d'un MSR obligeait à réentraîner entièrement son contrôleur, faute de pouvoir réutiliser les connaissances acquises sur les configurations précédentes. Le framework proposé permet au contrôleur d'apprendre séquentiellement de nouvelles configurations sans oublier les précédentes, et peut aussi fonctionner de façon distribuée pour apprendre la dynamique propre de chaque module sur un robot à configuration fixe. La validation s'est faite en deux temps : des expériences de suivi de trajectoire en boucle fermée en simulation sur un robot souple actionné par tendons, puis un test sur un bras robotique souple pneumatique à trois modules, en conditions réelles. Pour l'industrie robotique, l'apport principal est méthodologique plutôt qu'un produit prêt à déployer : il s'attaque à un goulot d'étranglement bien identifié dans la robotique souple, à savoir la difficulté à faire évoluer la morphologie d'un robot sans tout reconstruire. Les MSR intéressent particulièrement les intégrateurs travaillant sur des tâches nécessitant une compliance mécanique élevée, comme la chirurgie mini-invasive ou la manipulation d'objets fragiles, où la rigidité des robots classiques est un handicap. Un contrôleur capable de s'adapter progressivement à des changements de structure, tout en activant sélectivement seulement les modules nécessaires pour atteindre une cible (ce qui réduit la charge de calcul), pourrait accélérer l'itération de conception sur ces plateformes reconfigurables, un axe encore peu mature comparé aux robots humanoïdes rigides à actionneurs classiques. Ce travail s'inscrit dans la lignée des recherches en robotique souple qui cherchent à dompter la nonlinéarité et la redondance hyper-élevée de ces systèmes, deux caractéristiques qui rendent les approches de contrôle classiques inadaptées. L'article ne mentionne pas de partenaire industriel ni de calendrier de commercialisation : il s'agit d'une contribution de recherche académique, à un stade de preuve de concept en laboratoire, dont l'étape suivante logique serait l'extension à des morphologies plus complexes ou à des tâches de manipulation réelles au-delà du suivi de trajectoire.

RecherchePaper

1 source

3arXiv cs.RO

BEACON : contrôle adaptatif basé sur la croyance pour l'apprentissage par imitation en contexte incertain

Une équipe de recherche présente BEACON (Belief-Enabled Adaptive CONtrol), une méthode d'apprentissage par imitation pour la manipulation robotique en environnement partiellement observable, décrite dans un article publié sur arXiv le 22 septembre 2026 (arXiv:2609.22730v1). Le problème ciblé : quand une tâche de manipulation dépend d'un état caché qui ne peut être observé directement mais doit être inféré via des interactions physiques successives, conditionner une politique uniquement sur l'historique brut d'observations récentes produit de mauvaises performances, un phénomène appelé aliasing d'état, où des observations identiques correspondent à des états cachés différents et génèrent des étiquettes d'action contradictoires pour une même entrée. BEACON conditionne à la place une politique de diffusion sur une représentation structurée de croyance bayésienne, qui expose à la fois l'estimation la plus probable de l'état courant et l'incertitude résiduelle. La méthode est testée sur deux tâches aux représentations de croyance qualitativement différentes : une croyance continue pour l'alignement d'une pince sur une tige de maïs via détection tactile, et une distribution catégorielle discrète pour l'ouverture d'une porte verrouillée. Sur les deux tâches, la politique conditionnée par la croyance surpasse nettement la référence fondée uniquement sur l'observation et s'approche de la performance obtenue avec un accès privilégié à la vérité terrain sur l'état caché. Des ablations montrent que la politique module implicitement son comportement entre exploration et exploitation selon le niveau d'incertitude au moment de l'inférence, sans bascule de mode explicite ni ingénierie de récompense. Ce résultat cible une limite connue des politiques d'apprentissage par imitation conditionnées sur historique brut, y compris dans des architectures type vision-langage-action : leur difficulté à distinguer des états physiquement différents mais similaires en apparence ou au toucher, un problème fréquent en manipulation fine où le contact porte l'essentiel de l'information utile. Pour des intégrateurs travaillant sur la préhension délicate ou la manipulation d'objets à contrainte mécanique cachée (loquets, verrous, alignement d'outils agricoles), l'approche esquisse une voie pour réduire l'écart entre démonstrations contrôlées et robustesse en conditions réelles, sans dépendre uniquement de volumes massifs de données. BEACON s'inscrit dans la lignée des politiques de diffusion pour l'apprentissage par imitation, devenues une approche de référence en manipulation robotique ces dernières années, et s'attaque spécifiquement à leur angle mort en environnement partiellement observable. L'article ne mentionne ni déploiement industriel ni partenariat commercial : il s'agit d'un travail de recherche évalué en laboratoire sur des tâches ciblées, sans mise à l'échelle annoncée ni calendrier de transfert vers des plateformes commerciales.

RecherchePaper

1 source

4arXiv cs.RO

Apprendre à planifier en collaboration homme-robot : apprentissage par renforcement multimodal pour une interaction adaptative

Des chercheurs proposent une nouvelle méthode d'apprentissage par renforcement (RL) pour piloter automatiquement les décisions d'un robot assistant lors de tâches collaboratives avec un humain, selon un article publié sur arXiv (identifiant 2609.25274v1). Le scénario étudié est concret : un robot aide un utilisateur à localiser des objets dans un environnement domestique, en combinant plusieurs canaux de communication (langage et actions physiques) pour choisir la meilleure action à chaque étape. Contrairement aux systèmes de dialogue classiques, l'agent est entraîné dans un simulateur construit à partir de données humaines réelles et capable de gérer plusieurs modalités simultanément. Les auteurs utilisent une fonction de récompense simple, définie à un haut niveau d'abstraction et ne nécessitant pas de réglage fin, associée à des préconditions qui accélèrent l'entraînement. Une étude impliquant des utilisateurs réels a permis d'évaluer le système en conditions concrètes, avec des résultats jugés prometteurs en termes d'utilisabilité et de taux de réussite des tâches. L'enjeu principal concerne la conception des gestionnaires d'interaction (interaction managers), le composant central chargé d'observer une tâche, d'évaluer l'état de l'humain et son intention, puis de décider de l'action du robot. Aujourd'hui, ces politiques sont le plus souvent écrites à la main, une approche qui devient impraticable à mesure que la complexité des interactions augmente, notamment pour les robots destinés aux personnes âgées ou en situation de handicap, un domaine où les données d'entraînement restent rares. En démontrant qu'un RL multimodal entraîné sur simulateur peut produire une politique fonctionnelle et interprétable sans passer par un long travail d'ingénierie manuelle, ce travail apporte un argument en faveur de l'automatisation de la conception des interactions humain-robot, un enjeu direct pour les intégrateurs et laboratoires travaillant sur l'assistance à domicile. Cette contribution s'inscrit dans la recherche académique sur la robotique d'assistance, où la rareté des données et la difficulté à généraliser des politiques codées manuellement sont des obstacles connus depuis plusieurs années. L'article ne mentionne aucun partenaire industriel, produit commercialisé ni calendrier de déploiement : il s'agit d'un travail de recherche évalué via une étude utilisateur en conditions réelles, présenté comme une alternative scalable aux méthodes existantes plutôt que comme un système prêt à l'emploi.

RecherchePaper

1 source