RecherchearXiv cs.RO 16 octobre 2026

LIN-SLAM : SLAM neuronal léger LiDAR-inertiel pour la navigation embarquée en temps réel

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

LIN-SLAM, présenté sur arXiv (2610.21199), est une méthode de cartographie et localisation simultanées (SLAM) qui couple une estimation géométrique LiDAR-inertielle à haute cadence avec un backend neuronal implicite pour le suivi, la cartographie continue et le raffinement global. Les auteurs l'évaluent sur douze séquences issues de trois jeux de données, couvrant des LiDAR à 32, 64 et 128 canaux. Ils annoncent l'erreur de trajectoire absolue (ATE) moyenne la plus faible parmi les méthodes géométriques et neuronales de l'état de l'art comparées, avec un temps de calcul nettement inférieur à celui des SLAM neuronaux existants. Le test embarqué utilise un chien robot Unitree Go2 équipé d'un NVIDIA Jetson Orin NX et d'un LiDAR 16 canaux. Le système y maintient la localisation et la cartographie neuronale en temps réel sur 1,47 km de trajectoire en intérieur, dans des couloirs répétitifs, avec une erreur de fermeture de boucle de 0,141 m en fin de parcours.

Cette combinaison vise un compromis que le secteur peine à tenir. Les SLAM LiDAR-inertiels géométriques sont rapides et robustes, mais ils produisent des cartes discrètes et offrent peu de raffinement global. Les approches neuronales implicites donnent des cartes continues et plus précises, mais leur coût de calcul les confine le plus souvent à des GPU de bureau ou à du traitement différé. Si les résultats se confirment, une carte neuronale exploitable en ligne sur un module Jetson de classe embarquée intéresse directement les fabricants de robots mobiles, de robots quadrupèdes d'inspection et d'AMR (robots mobiles autonomes), qui visent une navigation fiable sans serveur déporté. Quelques réserves s'imposent : la validation embarquée repose sur une seule trajectoire intérieure, la revendication d'être le premier système de ce type reste celle des auteurs, et le code ne sera publié qu'après acceptation de l'article, ce qui empêche pour l'instant toute reproduction indépendante. Le résumé ne précise pas non plus les temps de calcul chiffrés ni la consommation.

Ce travail s'inscrit dans la lignée des SLAM neuronaux implicites, qui ont montré leur précision mais ont longtemps pesé sur les ressources de calcul, face aux références géométriques LiDAR-inertielles, plus légères mais moins riches en représentation. Le choix du Go2, plateforme quadrupède grand public très répandue en recherche, et du Jetson Orin NX facilite la comparaison et la reproductibilité future. Les prochaines étapes à surveiller sont la publication du code, des tests en extérieur et sur de plus longues durées, des mesures de latence et de consommation sur la cible embarquée, ainsi qu'une comparaison avec les piles de navigation déjà intégrées par les constructeurs.

Dans nos dossiers

Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

Détection structurelle en temps réel pour la navigation intérieure par LiDAR 3D avec images en vue aérienne

Des chercheurs ont publié sur arXiv (arXiv:2603.19830v2) un pipeline de perception léger capable de détecter en temps réel les structures d'un environnement intérieur à partir de données LiDAR 3D, sans recourir à un GPU. Le principe : projeter le nuage de points 3D en images Bird's-Eye-View (BEV) 2D, puis appliquer un détecteur sur cette représentation compressée. L'équipe a comparé quatre approches de détection de structures (murs, couloirs, portes) : la transformée de Hough, RANSAC, LSD (Line Segment Detector) et un réseau YOLO-OBB (Oriented Bounding Box). Les expériences ont été conduites sur une plateforme robotique mobile standard équipée d'un single-board computer (SBC) à faible consommation. Résultat : YOLO-OBB est la seule méthode à satisfaire la contrainte temps réel de 10 Hz en bout de chaîne, là où RANSAC dépasse les budgets de latence et LSD génère une fragmentation excessive de segments qui sature le système. Un module de fusion spatiotemporelle stabilise les détections entre frames consécutives. L'intérêt opérationnel est direct pour les intégrateurs de robots mobiles autonomes (AMR) fonctionnant sur du matériel embarqué standard, typiquement des SBC ARM sans accélérateur dédié. Démontrer qu'un détecteur basé YOLO-OBB tient 10 Hz sur ce type de plateforme réduit le coût matériel des solutions de cartographie et navigation indoor, un verrou persistant dans le déploiement à grande échelle d'AMR en entrepôt ou en milieu hospitalier. L'approche BEV contourne également la complexité computationnelle des traitements de nuages de points 3D complets (méthodes de type PointNet, VoxelNet), qui restent prohibitifs hors GPU. La mise à disposition du code source et des modèles pré-entraînés facilite la reproductibilité et l'adaptation industrielle. Ce travail s'inscrit dans un courant de recherche actif visant à rendre la perception robotique robuste accessibles aux plateformes contraintes en ressources, en concurrence directe avec des approches comme les architectures 2D range-image ou les méthodes pillars (PointPillars). Sur le plan de la navigation indoor, il complète des stacks SLAM existants (Cartographer, RTAB-Map) en ajoutant une couche de détection structurelle explicite, utile pour la planification de trajectoires en espaces semi-structurés. Les prochaines étapes logiques incluent la validation sur des scénarios plus denses (open space vs couloirs étroits), ainsi que l'intégration dans des boucles de localisation et cartographie continues, où la stabilité temporelle du module de fusion sera mise à l'épreuve à plus grande échelle.

RecherchePaper

1 source

2arXiv cs.RO

IndoorBEV : un système léger de perception BEV par LiDAR en temps réel pour robots mobiles d'intérieur

Des chercheurs publient sur arXiv (2610.00355) IndoorBEV, un système de perception LiDAR conçu pour les robots mobiles d'intérieur. Le modèle ne compte que 0,6 million de paramètres et occupe 2,3 Mo de stockage. Sur un NVIDIA AGX Orin, il consomme 21,52 Mo de mémoire GPU par inférence et affiche une latence moyenne de 169,6 ms, pour une échéance de perception fixée à 200 ms. Le taux de dépassement de cette échéance est de 1,8 %. Le système produit simultanément des cartes sémantiques en vue de dessus (BEV, bird's-eye view) et des boîtes englobantes orientées pour les objets. Il repose sur une représentation BEV « consciente de la hauteur » : pour chaque cellule, la distribution verticale des points est résumée par des statistiques de hauteur et un encodage multi-fréquence, ce qui permet à de simples convolutions 2D de traiter une information 3D. Un encodeur léger fusionne ces indices géométriques avec des représentations locales multi-échelles et un contexte global compact, puis des têtes de prédiction découplées génèrent les sorties. L'évaluation couvre des scènes simulées, des scans réels de robots et un jeu de données ouvert de nuages de points d'intérieur. L'enjeu est très concret pour les intégrateurs et les équipes qui embarquent de la perception sur des plateformes à budget calcul limité. Les méthodes à base de points ou de voxels restent coûteuses, tandis que les BEV classiques, issus surtout de la conduite autonome, sacrifient la géométrie verticale, un handicap dans des intérieurs encombrés où tables, étagères, suspensions et objets en surplomb comptent. Avec un modèle de 2,3 Mo, IndoorBEV laisse l'essentiel du GPU disponible pour la navigation, la planification ou d'autres réseaux sur la même machine. Les auteurs affirment ainsi qu'encoder explicitement la hauteur dans une représentation 2D compacte est une voie viable. Quelques réserves s'imposent : il s'agit d'une préimpression non relue par les pairs, une latence moyenne de 169,6 ms sous une échéance de 200 ms laisse une marge mince, soit environ 6 images par seconde, ce qui est modeste pour un robot rapide, et le résumé ne donne aucun chiffre de précision, ni comparaison chiffrée avec des modèles concurrents. L'affirmation d'un « compromis favorable » reste donc à vérifier dans l'article complet. Ce travail s'inscrit dans la série des architectures BEV, popularisées par la conduite autonome (PointPillars, BEVFusion) et désormais adaptées aux contraintes de l'embarqué. Le choix de l'AGX Orin, plateforme de référence pour la robotique mobile, rend les résultats comparables à ce que les intégrateurs déploient réellement. Les concurrents sont les réseaux voxel creux et les approches point à point, plus précis mais plus lourds, ainsi que les modèles de fondation de perception 3D, qui visent la généralité plutôt que la frugalité. Aucune annonce de déploiement industriel, de code ou de pilote n'accompagne la publication à ce stade. La suite logique consisterait à publier des benchmarks comparatifs, à tester le système sur des robots en conditions réelles de logistique ou de service, et à vérifier sa tenue face à des environnements dynamiques et à des capteurs LiDAR de résolutions différentes.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Noctif3R : SLAM monoculaire en temps réel à propagation avant pour scènes à faible luminosité sur matériel embarqué

Un article publié sur arXiv (2609.21114v1) présente Noctif3R, un système de SLAM monoculaire temps réel pour robots devant se localiser avec une seule caméra RGB en très basse lumière, sur un calculateur embarqué. Sur les neuf niveaux d'obscurité les plus sévères testés, les systèmes existants échouent massivement : DROID-SLAM renvoie une trajectoire sans aucune information exploitable sur les neuf, VGGT-SLAM et CUT3R sur huit, pi^3 sur sept, DPV-SLAM sur quatre. Noctif3R, qui combine un front-end feed-forward de cartes de points et une porte de mise en correspondance explicite, ne renvoie que des trajectoires exploitables, avec une erreur de 24 à 47% du plafond « sans information » contre 56 à 73% pour la meilleure référence. Sur une vidéo réelle d'un robot Spot de Boston Dynamics où 86,5% des 1178 images sont entièrement noires, Noctif3R s'arrête après la partie éclairée alors que DROID-SLAM et DPV-SLAM produisent une pose pour chaque image ; porté sur Jetson AGX Orin, le pipeline gagne jusqu'à 1,42x de débit pour 0,68x d'erreur, avec 47% de mémoire GPU et 29% d'énergie par pose en moins. L'apport principal n'est pas la seule précision en basse lumière, mais la disparition du faux positif silencieux : la plupart des pipelines temps réel continuent de renvoyer une pose même sans information exploitable, un risque pour un robot autonome puisque rien ne signale l'échec. En refusant de tracker plutôt que d'halluciner une trajectoire, Noctif3R répond à un besoin des intégrateurs opérant en environnements sombres (inspection industrielle, entrepôts sans éclairage), où détecter l'échec compte autant que la précision. Le travail confirme aussi que l'écart entre reconstruction basse lumière hors ligne, précise mais trop lente, et SLAM temps réel embarqué reste largement ouvert, et qu'il nécessite des architectures dédiées plutôt qu'un simple durcissement des pipelines existants. Le système s'inscrit dans la lignée du SLAM visuel embarqué, un domaine dont les références actuelles, dont DROID-SLAM et DPV-SLAM, ont surtout été conçues pour la lumière normale ; Noctif3R se positionne contre elles sur les mêmes échelles de noirceur. L'évaluation s'appuie sur trois jeux de données : une échelle de bruit calibrée et reproductible, des expositions réelles ré-annotées, et une nouvelle échelle vidéo en chambre noire filmée avec un robot Spot de Boston Dynamics. Il s'agit à ce stade d'un travail de recherche publié sur arXiv, sans produit ni déploiement commercial annoncé.

RecherchePaper

1 source

4arXiv cs.RO

LiteNWM : des modèles du monde latents efficaces pour la navigation visuelle embarquée en milieu naturel

LiteNWM, présenté dans un preprint arXiv (2610.12368), est un modèle de monde latent pour la navigation visuelle embarquée. Il vise à évaluer les conséquences futures de plusieurs trajectoires candidates sans générer de vidéo. Le système partage un seul encodage visuel entre tous les candidats. Il prédit conjointement leurs représentations futures conditionnées par l'action, à plusieurs horizons temporels. Un scoreur appris exploite ces prédictions pour choisir la meilleure trajectoire. Hors ligne, sur les jeux de données RECON, SCAND et SACSoN, l'erreur de trajectoire moyenne (macro-moyenne) baisse de 17,56 % par rapport à NoMaD couplé à NWM-XL. L'accélération de bout en bout atteint un facteur 128 sur une RTX 5090. Le même évaluateur passe de NoMaD à MBRA sans réentraînement propre au générateur de trajectoires, avec 16,2 % d'erreur en moins pour MBRA. Sur robot réel, dans des environnements intérieurs et extérieurs inconnus, le taux de réussite de navigation passe de 43,3 % à 83,3 % par rapport à NoMaD seul. L'intérêt tient à la levée d'un compromis. Les politiques directes comme NoMaD sont rapides mais ne vérifient pas ce que leurs actions provoquent. Les world models génératifs apportent cette anticipation, mais leurs déroulés visuels pixel par pixel sont trop coûteux dès qu'il faut comparer plusieurs candidats. Travailler dans l'espace latent et mutualiser l'encodage rend la planification avec anticipation compatible avec le calcul embarqué. Le fait que l'évaluateur se greffe sur un autre proposeur suggère aussi une brique modulaire, réutilisable sans refaire tout l'apprentissage. Il faut toutefois rester prudent : le gain de 128 fois est mesuré sur un GPU de bureau haut de gamme, pas sur un module embarqué type Jetson. Les résultats réels reposent sur un nombre d'essais probablement limité, le détail du protocole n'étant pas donné dans le résumé. La plateforme robotique n'y est pas précisée non plus. Ces travaux s'inscrivent dans la lignée des politiques de navigation généralistes entraînées sur de grandes collections de données de robots mobiles, dont NoMaD, et des Navigation World Models, qui ont introduit la simulation vidéo conditionnée par l'action pour la navigation. MBRA représente l'autre voie, celle de la réannotation des données pour améliorer les politiques. LiteNWM se positionne comme une couche d'évaluation commune à ces approches. La suite logique serait des tests sur matériel embarqué contraint, sur des parcours plus longs et dans des environnements plus denses. La publication de code et de poids conditionnera son adoption par la communauté.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source