RecherchearXiv cs.RO 16 octobre 2026

TRACE : édition conversationnelle typée et fondée sur des références pour la diffusion de mouvements humanoïdes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

TRACE est un cadre de génération et d'édition de mouvements pour le robot humanoïde Unitree G1, présenté dans un preprint arXiv (2610.21515v1) qui n'a pas encore été relu par des pairs. Le système permet de créer puis de corriger des mouvements par le langage naturel. Un modèle de langage prédit d'abord des événements cinématiques mesurables (appuis au sol, trajectoire de la racine du corps, événements des mains), appris à partir des mouvements d'entraînement eux-mêmes. Ces événements, encodés dans le temps, viennent compléter le texte d'origine dans un générateur par diffusion. Des états référencés à la gravité et des objectifs couplant trajectoire et contacts améliorent la cohérence cinématique. Pour l'édition, une requête typée définit une portée corps-temps et des objectifs exprimés relativement au mouvement source. Un éditeur à diffusion distinct, conditionné par la référence, applique ces objectifs et les événements révisés, tandis qu'une projection au moment de l'échantillonnage protège les coordonnées d'état à conserver.

L'intérêt tient au point d'achoppement actuel de la programmation de gestes humanoïdes par le langage : une demande comme « lève la main plus haut » reste vague, et chaque régénération complète risque de détruire ce qui était déjà validé. En ancrant génération et révision dans des grandeurs typées et vérifiables, TRACE vise des corrections successives plus fiables, avec des contraintes de préservation partagées. Pour un intégrateur, c'est une piste vers des interfaces où un opérateur affine une séquence sans repartir de zéro. Les auteurs annoncent de meilleurs résultats en alignement sémantique et en qualité de mouvement que les méthodes comparées, selon des mesures quantitatives et une évaluation humaine, ainsi que des ablations favorables au conditionnement ancré dans le mouvement. Le résumé ne chiffre toutefois aucun gain, ne précise ni les baselines ni la taille du jury, et ne mentionne aucun test sur robot physique : les résultats relèvent à ce stade de la génération cinématique, pas d'un déploiement.

Ce travail s'inscrit dans la vague de modèles de mouvement par diffusion conditionnés par le texte, d'abord développés pour des avatars humains, puis adaptés aux humanoïdes. Le G1 d'Unitree est devenu une plateforme de recherche courante grâce à son prix relativement bas. Le passage d'un mouvement généré à une exécution robuste exige encore une politique de suivi, en général apprise par renforcement, et c'est là que se joue l'écart entre démonstration et usage réel. TRACE se situe en amont de cette chaîne, face à des approches de commande de corps entier et de modèles vision-langage-action. Les prochaines étapes logiques seraient la publication du code et des données, des comparaisons chiffrées détaillées et une validation sur matériel.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Unitree IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

BRACE : adapter les références corporelles pour un suivi de mouvement humanoïde sensible aux forces et au terrain

Des chercheurs présentent BRACE, un contrôleur de suivi de mouvement du corps entier testé sur le Unitree G1 (humanoïde) en simulation et sur robot réel. Il est décrit dans un preprint arXiv (2610.07052v1) et vise un défaut des trackers actuels. Les trajectoires de référence qu'ils consomment sont enregistrées sur sol plat et sans charge, si bien que le contrôleur ignore à la fois les forces à échanger avec les objets et la pente du terrain. BRACE permet au robot d'exercer ou de compenser une force de main commandée depuis des poses variées, tout en suivant une référence plate sur terrain incliné. Le système repose sur deux enseignants spécialisés, l'un pour l'exertion de force, l'autre pour sa compensation. Ils sont distillés par DAgger dans un unique modèle élève de type flow-matching. Ce modèle fonctionne sur la seule proprioception, sans carte de hauteur ni mesure de torseur d'effort. Les auteurs n'indiquent ni charge maximale ni amplitude de pente dans le résumé. L'intérêt tient à la manière de répartir le problème. Les contrôleurs existants n'en traitent qu'un côté. Les politiques capables de force commandent un effort à l'effecteur sans prescrire de pose du corps entier. Les trackers adaptatifs au terrain traitent la charge comme une perturbation à rejeter, non comme un effort à commander. BRACE intègre la charge et la pente dans la référence elle-même, au lieu de laisser le tracker les absorber. Pour la téléopération, c'est un gain pratique. Un opérateur, même distant, fournit une trajectoire conçue pour le sol plat, et le robot résout pente et charge à bord. Cela réduit la dépendance à des capteurs coûteux ou fragiles, et ouvre la voie à des tâches de manipulation avec contact, comme pousser, tirer ou porter, sur sol irrégulier. Les résultats restent cependant ceux d'un preprint académique sur une seule plateforme. Aucun déploiement industriel n'est évoqué, et les performances chiffrées sont à vérifier dans l'article complet. Techniquement, deux mécanismes modifient la référence. La conformité au terrain relève les points d'appui et la racine du robot sur la surface locale. Une transformation de torseur calcule le déplacement de main qui produit la force voulue, avec les décalages induits du centre de masse et du centre de pression. Les limites d'effort des bras, propres à chaque enseignant, bornent cette transformation. Le travail s'inscrit dans la lignée des trackers de mouvement humanoïdes, de plus en plus utilisés comme interface de téléopération et de collecte de données, et il utilise le G1 d'Unitree, plateforme de recherche répandue. La suite logique serait une validation sur des tâches plus longues, des charges plus lourdes et d'autres morphologies.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

PLAT : suivi épars de mouvements-clés pour le contrôle humanoïde par apprentissage de transition latente privilégiée

Un cadre nomme PLAT, pour Privileged LAtent Transition learning, a été publie sur arXiv sous la référence 2609.25754v1. Il s'attaque au contrôle de robots humanoïdes par "keyframes temporisées éparses" : le robot ne reçoit que quelques poses-clés futures et leurs instants d'arrivée souhaites, plutôt qu'une référence dense image par image comme le font les politiques de motion tracking classiques. L'entrainement se déroule en trois étapes : un expert de suivi de mouvement dense preentraine fournit d'abord un prior de mouvement robuste, un prior latent privilégié est ensuite appris par imitation de type DAgger a partir de séquences d'objectifs denses servant de supervision privilégiée, puis un apprentissage par renforcement affine les transitions dans l'espace latent plutôt que les actions elles-mêmes. Les auteurs rapportent un suivi stable et précis en simulation sur des horizons de planification variables, avec un avantage marque a long horizon, et un déploiement réussi sur un robot humanoïde Unitree G1. Le problème vise est concret pour les équipes de recherche et les intégrateurs en robotique humanoïde : les politiques de suivi dense, précises mais rigides, s'exploitent mal comme contrôleurs de haut niveau pour la planification de taches ou la génération interactive de mouvement, car elles exigent une référence complète a chaque instant. En rendant le contrôle pilotable par de simples poses-clés espacées dans le temps, PLAT propose une interface plus légère entre un module de décision, planificateur ou générateur de mouvement, et l'exécution bas niveau, une séparation qui rejoint la logique d'architectures décision/exécution comme GR00T N2 ou Helix. Le transfert réussi vers un robot physique va dans le sens d'un rapprochement simulation-déploiement, même si les résultats quantitatifs reposent surtout sur la simulation, avec un seul modèle de robot teste et aucun taux de réussite en conditions réelles communique dans le résume. Ce travail s'inscrit dans la lignée des politiques de suivi de mouvement entraînées en simulation puis transférées sur robot réel, méthode courante pour les humanoïdes Unitree et dans la recherche en contrôle appris. Il se distingue des modèles généralistes de type VLA, tels Pi-0 ou GR00T N2, en ciblant la couche de contrôle moteur bas niveau plutôt que la perception ou la planification, une brique complémentaire plutôt que rivale. Publie sous la catégorie "new" d'arXiv, sans partenariat industriel ni calendrier de déploiement annonces, PLAT demeure a ce stade une contribution de recherche dont la robustesse hors simulation et sur d'autres plateformes reste a démontrer.

RecherchePaper

1 source

3arXiv cs.RO

Vers un style de tennis professionnel pour robots humanoïdes grâce à une planification et un suivi de mouvement adaptatifs

Des chercheurs ont publié le 21 août 2026 sur arXiv (référence 2608.20087v1) AdaPT, un système de planification et de suivi de mouvement adaptatif qui apprend à des robots humanoïdes à servir et échanger au tennis avec un style proche de celui des joueurs professionnels, directement à partir de vidéos de retransmissions télévisées. L'architecture est hiérarchique : un planificateur génère la trajectoire cinématique stylisée, tandis qu'un module de suivi (tracker) l'exécute en interférant le moins possible avec le plan initial. Validée en simulation, l'approche a ensuite révélé un écart important entre simulation et réel sur le robot Unitree G1, la précision du suivi se dégradant à cause de la planification autorégressive et du bruit de perception ; pour corriger cela, les auteurs ont entraîné le tracker à suivre des vitesses d'exécution randomisées et conditionné le planificateur via un adaptateur de vitesse appris. Les politiques AdaPT ont ensuite été déployées sur le robot humanoïde grand format Dobot Atom (1,7 mètre), capable de servir en conditions réelles sans capture de mouvement, avec vidéos et code publiés sur le site du projet. Ce résultat illustre concrètement la possibilité de transférer un mouvement stylisé et physiquement exigeant, appris depuis de simples vidéos, vers un robot humanoïde grande taille opérant sans motion capture ni environnement contrôlé, un enjeu central pour l'industrie face au fossé habituel entre démonstrations et performance réelle. Il faut toutefois le lire comme un résultat de recherche académique et non comme un produit commercialisé : aucune annonce de volumes, de prix ni de partenariat industriel n'accompagne la publication, et les essais restent limités en nombre. La méthode elle-même dépasse le seul tennis, puisqu'elle traite un problème plus général, générer des mouvements stylistiques complexes sans sacrifier la performance de la tâche, pertinent pour toute application humanoïde exigeant dextérité et fluidité. Ce travail s'inscrit dans une vague récente de recherches sur des humanoïdes jouant à des sports de balle, un domaine où plusieurs laboratoires ont récemment montré des frappes ou services au tennis, badminton ou ping-pong, souvent via des architectures de type VLA ou du renforcement pur. AdaPT se distingue par la combinaison d'une imitation de style issue de vidéos de diffusion et d'une architecture planificateur/tracker pensée spécifiquement pour limiter la dégradation lors du transfert simulation-réel. Les tests ont porté sur deux plateformes, le Unitree G1, standard courant en recherche sur la locomotion, et le Dobot Atom, humanoïde grand format du fabricant chinois Dobot. Les auteurs n'annoncent aucun calendrier de pilote commercial, se limitant à publier code et vidéos et à souligner des enseignements algorithmiques et d'ingénierie pour de futurs systèmes humanoïdes sportifs.

RecherchePaper

1 source

4arXiv cs.RO

PhysMoDPO : mouvement humanoïde physiquement plausible grâce à l'optimisation par préférences

PhysMoDPO est un cadre d'optimisation par préférences directes (DPO) publié sur arXiv en mars 2026 (version 3 révisée). Il vise à rendre les mouvements humanoïdes générés à partir de texte à la fois conformes à la physique et fidèles à l'instruction d'origine. Les méthodes actuelles génèrent un mouvement avec un modèle de diffusion entraîné sur de grandes bases de données de mouvements humains. Elles le passent ensuite dans un contrôleur du corps entier (WBC) qui le convertit en trajectoires exécutables par un personnage simulé ou un robot réel. Le WBC rend la trajectoire compatible avec la physique, mais il peut l'éloigner nettement du mouvement voulu. Les auteurs intègrent donc le WBC directement dans la boucle d'entraînement. Le modèle de diffusion est optimisé pour que la sortie du WBC, et non le mouvement brut, respecte la physique et le texte. Des récompenses physiques et spécifiques à la tâche servent à classer les trajectoires synthétisées par ordre de préférence. Les tests portent sur la génération texte-vers-mouvement et sur le contrôle spatial, avec des robots simulés, puis sur un transfert zéro-shot en simulation. Le déploiement réel se fait sur un humanoïde Unitree G1. Le résumé annonce des gains constants en réalisme physique et en métriques de tâche, mais ne publie aucun chiffre. On ne connaît donc ni l'ampleur de l'amélioration ni la taille de l'échantillon testé sur le G1. L'intérêt tient à la manière de traiter l'écart entre le mouvement généré et le mouvement exécutable. Jusqu'ici, on corrigeait surtout ce défaut avec des heuristiques écrites à la main, comme des pénalités de glissement de pied appliquées au modèle génératif. PhysMoDPO les remplace par un signal d'apprentissage issu du contrôleur lui-même. Le générateur apprend alors ce que le WBC peut réellement suivre. Cette approche est modulaire, car elle laisse le contrôleur bas niveau en place et ajuste seulement le modèle de haut niveau. Pour un intégrateur, cela réduit le risque de voir une démonstration de mouvement séduisante se dégrader à l'exécution. Il faut toutefois rester prudent. Le G1 est la plateforme académique la plus répandue, la validation réelle semble limitée à une démonstration, et rien n'indique de robustesse sur des tâches longues ou des charges utiles. Le passage du simulateur au robot réel reste donc à confirmer à plus grande échelle. Ces travaux s'inscrivent dans un mouvement plus large qui relie modèles génératifs de mouvement humain et contrôle du corps entier pour les humanoïdes. Le texte-vers-mouvement par diffusion a mûri sur des bases de capture humaine. En parallèle, les contrôleurs appris par renforcement en simulation sont devenus le standard pour suivre des références sur du matériel comme le G1. Les récents modèles de fondation robotiques, qui combinent vision, langage et action, cherchent le même objectif par une autre voie, celle de politiques apprises de bout en bout. PhysMoDPO relève de l'approche hiérarchique : un générateur de mouvement au-dessus d'un contrôleur de suivi. La suite logique consiste à publier les chiffres détaillés, à tester d'autres robots et d'autres WBC, et à évaluer la méthode sur des mouvements plus dynamiques ou en interaction avec l'environnement.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source