RecherchearXiv cs.RO 19 octobre 2026

FCTS : recherche arborescente de curriculum guidée par les échecs sur terrains générés pour le parkour de robots à pattes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent FCTS (Failure-Conditioned Terrain Search), un cadre de curriculum de terrains qui génère automatiquement les parcours d'entraînement dont une politique de parkour pour robot quadrupède a besoin. Le principe repose sur les échecs de traversée localisés. Pour chacun, le système relève l'endroit, le mode de terminaison (chute, blocage, etc.), l'état du robot et la géométrie du terrain environnant. Ces informations conditionnent la génération des terrains suivants. Une recherche arborescente de Monte Carlo (MCTS) explore plusieurs trajectoires de curriculum possibles, dans un budget d'entraînement fixe. Les tests portent sur des terrains construits à partir de scans de chantiers réels. Le taux de succès passe de 28,4 % à 85,8 % sur un parcours de difficulté moyenne, et de 14,9 % à 44,7 % sur un parcours difficile. Ces chiffres sont mesurés face aux meilleures références, qu'il s'agisse de politiques de parkour classiques ou de curriculums générés par LLM. La politique conserve aussi une meilleure progression sur des terrains extrêmes, où la traversée complète reste rare. Des essais sur un quadrupède réel indiquent que les politiques apprises se transfèrent au monde physique.

L'enjeu touche directement les sites industriels et les zones sinistrées, où la locomotion agile compte le plus et où la géométrie est irrégulière et composée. Les politiques de parkour actuelles maîtrisent bien les obstacles canoniques (marches, barrières, fossés), mais le papier souligne un point peu confortable: entraîner directement sur la géométrie reconstruite du site cible ne garantit pas une politique capable de le franchir. Le goulot n'est donc pas seulement la quantité de données de terrain, mais l'ordre et la nature des difficultés présentées. Pour un intégrateur qui vise l'inspection de chantier ou de sites dangereux, c'est un signal utile: une partie de l'écart entre démonstration et terrain réel peut se réduire par un meilleur ciblage des faiblesses. Il faut toutefois rester prudent. Les résultats sont des chiffres de simulation sur des terrains dérivés de scans, et la validation matérielle est décrite de façon qualitative, sans statistiques détaillées dans le résumé. Le taux de 44,7 % sur le parcours difficile rappelle aussi que le problème reste ouvert.

Ce travail s'inscrit dans deux courants. Les curriculums conçus à la main ne couvrent que quelques familles de terrains. Les approches récentes où un LLM génère les terrains laissent peu de contrôle sur les faiblesses visées. FCTS comble cet angle mort en ramenant la génération vers les échecs observés de la politique. Il s'agit d'une prépublication arXiv, sans produit ni déploiement annoncé et sans calendrier commercial. L'étape suivante logique serait des validations sur davantage de plateformes et de sites, ainsi qu'une comparaison avec les pipelines de locomotion déjà utilisés par les fabricants de quadrupèdes.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Curriculums de dynamique des actionneurs pour tâches à viabilité étroite dans l'apprentissage des robots à pattes

Boston Dynamics Spot, le robot quadrupède commercial, a servi de plateforme matérielle à une nouvelle méthode d'apprentissage par renforcement baptisée "Actuator Dynamics Curriculum", décrite dans un article publié sur arXiv (référence 2609.09492v1). La méthode consiste à initialiser la rigidité des articulations à une valeur artificiellement élevée, puis à la réduire progressivement vers la valeur réelle mesurée sur le système à mesure que les épisodes d'entraînement durent plus longtemps. Testée d'abord sur un pendule inversé sur chariot comme cas d'école, elle a ensuite été appliquée à une tâche bien plus exigeante : faire passer Spot d'une position de marche à un appui vertical sur ses seules pattes avant, pattes arrière dressées façon poirier. Avec la rigidité fixée à sa valeur réelle identifiée, l'entraînement standard plafonne sur une politique qui ne termine jamais la transition. Avec le curriculum proposé, la politique entraînée réussit le mouvement en simulation sur 10 graines aléatoires différentes et se transfère avec succès sur le robot physique. Le résultat cible un problème précis et non résolu du RL en robotique : certaines tâches échouent à converger non pas faute de signal de récompense, mais parce que presque toutes les trajectoires explorées se terminent par un échec avant de produire un gradient exploitable. En montrant qu'augmenter la fréquence naturelle des articulations en boucle fermée élargit le "noyau de viabilité" du problème de décision markovien sous-jacent, c'est-à-dire la part des états de départ depuis lesquels la tâche reste faisable, les auteurs ouvrent un axe de curriculum orthogonal aux approches classiques comme le domain randomization ou le reward shaping. Pour les équipes qui entraînent quadrupèdes et humanoïdes à des mouvements dynamiques extrêmes, cela offre un levier supplémentaire sur des tâches jusqu'ici jugées hors de portée du RL standard, sans toucher au matériel ni à la fonction de récompense. Ce travail s'inscrit dans la recherche académique en sim-to-real pour la locomotion, où Spot sert de banc d'essai matériel largement utilisé par les laboratoires, sans qu'il s'agisse d'une annonce produit de Boston Dynamics. La validation reste circonscrite à une seule tâche de transfert matériel et à un nombre limité de graines, sans données publiées sur le taux de réussite en conditions réelles variées. Les auteurs présentent leur méthode comme généralisable à toute tâche où l'exploration est bloquée par des conditions de terminaison précoces plutôt que par un signal de récompense insuffisant, ouvrant la voie à d'autres transitions dynamiques difficiles pour robots à pattes.

RecherchePaper

1 source

2arXiv cs.RO

Vers des robots à pattes lunaires : leçons d'un déploiement sur le terrain à LUNA

Des chercheurs ont rapporté les enseignements de la campagne analogue LUNA 2025, au cours de laquelle deux robots à pattes, l'ANYmal-D (quadrupède industriel d'ANYbotics) et le Magnecko, ont évolué sur un simulant de régolithe meuble et sur un terrain imitant des cratères. Les équipes ont aussi collecté des données de navigation sur de longues distances et des données visuelles-inertielles dans des conditions d'éclairage difficiles. Le résultat principal est que les quadrupèdes peuvent bel et bien traverser ce simulant, mais avec des performances dégradées par l'enfoncement et le glissement des pieds, par les contacts qui soulèvent de la poussière, et par des défaillances de perception. Ces dernières ont trois causes: la surexposition, les ombres portées et les zones à faible texture. L'étude, publiée sur arXiv (2610.12276), ne fournit pas dans son résumé de chiffres sur la vitesse, le taux de réussite ou la distance parcourue. Il s'agit d'un retour d'expérience de terrain en milieu analogue, et non d'une démonstration en conditions lunaires réelles. L'intérêt de ces travaux tient au fait que la préparation des robots à pattes pour la Lune reste limitée par des incertitudes encore mal quantifiées: interaction pied-régolithe, génération de poussière, dégradation de la vision sous éclairage solaire rasant et contraintes opérationnelles. Les rovers à roues, qui dominent l'exploration spatiale, peinent sur les pentes raides, les sols meubles et les champs de blocs, précisément là où se trouvent les cibles scientifiques comme les bords de cratères ou les zones d'ombre permanente. Cette étude confirme que le potentiel de la locomotion à pattes est réel, mais elle montre aussi que les politiques de locomotion apprises en simulation, généralement entraînées sur des sols plus ou moins rigides, ne suffisent pas. Les auteurs plaident pour des politiques conscientes du régolithe, une perception robuste à l'éclairage, des essais analogues reproductibles et une validation au niveau de la mission entière. Pour un décideur ou un intégrateur, le message est clair: l'écart entre la démonstration en laboratoire et la fiabilité sur le terrain reste ici très large, en particulier côté perception. Le contexte est celui d'un intérêt croissant pour les robots à pattes dans le spatial. L'ANYmal, issu de l'écosystème de l'ETH Zurich, a déjà été testé dans des environnements analogues, et plusieurs agences et laboratoires explorent des architectures à pattes ou hybrides, face à des rovers à roues éprouvés. Le Magnecko, plus expérimental, représente une autre approche de la locomotion à pattes. La campagne LUNA, installée sur une installation d'analogue lunaire en Europe, sert de banc d'essai de référence pour ces plateformes. Les prochaines étapes évoquées par les auteurs portent sur l'amélioration des politiques de locomotion adaptées au régolithe, sur une perception robuste aux conditions d'éclairage lunaires, ainsi que sur des protocoles de test standardisés. Aucun calendrier de mission ni de vol n'est annoncé, et l'on reste donc à un stade de recherche et de maturation technologique, loin d'un déploiement réel sur la surface lunaire.

UEÉtude menée sur une installation d'analogue lunaire en Europe avec l'ANYmal d'ANYbotics (écosystème ETH Zurich), utile à la filière spatiale et robotique européenne, sans retombée directe sur la France.

RecherchePaper

1 source

3arXiv cs.RO

CART : adaptation au terrain sensible au contexte par sélection de séquences temporelles pour robots à pattes

Une équipe de chercheurs a publié CART (Context-Aware Terrain Adaptation), un contrôleur de locomotion conçu pour permettre aux robots à pattes de naviguer sur des terrains complexes non structurés. Le système fusionne deux sources d'information embarquées: la proprioception (couples articulaires, accélérations du torse, contacts au sol) et l'extéroception (vision par caméra), via une architecture de sélection de séquences temporelles. Les expériences ont été réalisées sur trois plateformes: le Unitree Go2 et l'ANYmal-C d'ANYbotics en simulation sous NVIDIA IsaacSim, et un Boston Dynamics SPOT pour les essais en conditions réelles. Les gains mesurés sont significatifs: +5 % de taux de traversée réussi par rapport aux méthodes de référence, -41 % d'oscillation de la base du robot en simulation, et -22 % en conditions réelles, sans dégradation du temps de mission. Le problème central que CART adresse est ce que les auteurs nomment le "Visual-Texture Paradox": ce que le capteur visuel détecte peut différer radicalement de ce que le robot ressent lors du contact physique (béton recouvert de sable, herbe sur substrat rocheux, revêtements peints imitant une autre texture). La majorité des systèmes d'adaptation de terrain actuels ne modélisent pas explicitement cette discordance, ce qui se traduit par des chutes ou des récupérations erratiques sur terrains difficiles. En liant l'historique des interactions proprioceptives récentes à l'apparence extéroceptive courante, CART construit une représentation contextuelle du terrain plus fiable que la vision seule. C'est une propriété directement utile pour des déploiements en extérieur: inspection d'infrastructure, logistique sur chantier, robotique minière. La locomotion adaptative pour robots à pattes a connu des avancées majeures depuis les travaux fondateurs d'ETH Zurich sur ANYmal (2016-2022), avec des méthodes d'apprentissage par renforcement en simulation démontrant un transfert sim-to-real robuste. Boston Dynamics SPOT reste la référence commerciale sur terrains difficiles, tandis que le Unitree Go2 s'impose dans la recherche académique grâce à son coût réduit. CART se positionne comme une couche de contrôle agnostique à la plateforme, sans modification matérielle requise. Il s'agit d'un preprint arXiv (identifiant 2604.14344, avril 2026), sans déploiement ni partenaire industriel annoncé à ce stade. La validation sur des conditions météorologiques adverses et des scénarios multi-terrains plus variés constitue la prochaine étape attendue.

UEImpact indirect via ANYbotics (Suisse, hors UE) et l'héritage ETH Zurich sur ANYmal, mais aucun déploiement ni partenaire européen annoncé à ce stade.

RecherchePaper

1 source

4arXiv cs.RO

SurGE : évolution guidée par gradient de substitution pour la co-conception de robots à pattes avec élasticité parallèle

Des chercheurs proposent SurGE (Surrogate Gradient-guided Evolution), un cadre de co-conception pour robots à pattes équipés d'éléments élastiques en parallèle, décrit dans l'article arXiv 2606.21866 (version 2). Le système calcule des gradients de substitution de l'objectif de conception à travers un pipeline différentiable. Ce pipeline combine un modèle cinodynamique de corps rigide unique (Kino-SRB) et une politique de contrôle qui tient compte de la conception. Ces gradients sont ensuite injectés dans l'algorithme évolutionnaire CMA-ES, par un décalage de la moyenne de la distribution et une décroissance du pas de type cosinus. Les tests portent sur un robot sauteur à 4 degrés de liberté de conception, équipé d'un ressort parallèle unidirectionnel. Face à un CMA-ES standard, SurGE divise par six l'écart-type entre graines aléatoires et resserre la population de 18 %, tout en égalant ou améliorant le meilleur objectif. Sur matériel, dans un sous-espace de conception à deux dimensions, la méthode réduit l'objectif de 37,65 % par rapport à une conception initiale réglée à la main. Le problème visé est un point dur de la robotique à pattes. Les ressorts parallèles peuvent réduire la consommation des actionneurs et augmenter les performances en saut ou en course. Mais le choix de leur raideur, de leur course et de leur point d'engagement reste largement empirique. Les contacts sont discontinus et le ressort unidirectionnel ne s'engage qu'à partir d'un certain seuil. Ces non-différentiabilités rendent les gradients analytiques inutilisables, d'où le recours habituel à des méthodes sans gradient, coûteuses en simulation et sensibles à la graine. SurGE propose un compromis. Un modèle simplifié fournit une direction de descente approximative, et l'évolution corrige les erreurs de ce modèle. Le gain de robustesse (six fois moins de variance entre exécutions) compte davantage pour un ingénieur que le meilleur score, car il réduit le nombre de relances nécessaires. Le transfert de la tendance de la simulation vers le matériel est aussi un résultat utile face au fossé sim-to-real. Les limites sont nettes : un seul robot sauteur, un espace de conception réduit à 4 dimensions en simulation et 2 sur matériel, et une amélioration mesurée contre une conception manuelle dont la qualité n'est pas précisée. On ne sait pas si la méthode passe à l'échelle d'un robot bipède ou quadrupède complet. Ces travaux s'inscrivent dans un courant plus large de co-conception morphologie-contrôle, qui va de l'optimisation évolutionnaire classique aux simulateurs différentiables et à l'apprentissage par renforcement. Les pattes élastiques en parallèle se retrouvent dans plusieurs plateformes de recherche et industrielles, ce qui donne un cadre d'application plausible. Le papier est un résultat académique, sans produit ni calendrier de déploiement. La suite logique consiste à étendre la méthode à des espaces de conception plus riches, à d'autres types de mécanismes élastiques et à des robots plus complexes. Le code et les conditions de reproduction détermineront son adoption.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source