Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

MAPLE : un a priori ancré sur Mondrian pour l'exploration d'intérieurs sans apprentissage

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

MAPLE (Mondrian-Anchored Prior for Learning-free Indoor Exploration) est une méthode d'exploration robotique d'intérieur publiée sur arXiv en octobre 2026. Elle prédit l'occupation des zones non observées, au-delà de la portée du capteur, sans aucun apprentissage. Elle adapte le processus de Mondrian, un partitionnement aléatoire récursif de l'espace en rectangles, pour en faire un a priori génératif en ligne. Cet a priori est conditionné par les indices géométriques de la carte partielle courante. MAPLE produit plusieurs hypothèses de carte plausibles et évalue la visibilité séparément dans chacune pour estimer le gain de chaque frontière, c'est-à-dire la limite entre espace connu et inconnu. La méthode a été testée sur des plans d'étages KTH et sur des environnements issus de SLAM réel, à plusieurs portées de capteur. Les auteurs annoncent une amélioration constante par rapport à l'exploration non prédictive et des résultats compétitifs face aux approches prédictives apprises. Le résumé ne donne ni gains chiffrés ni temps de calcul précis, et il n'y a pas de déploiement sur robot physique.

L'intérêt est d'abord pratique. Les approches prédictives récentes exigent un entraînement hors ligne et des inférences répétées pendant la mission, ce qui suppose un GPU embarqué et des données représentatives du site. Une construction procédurale légère vise au contraire les robots à calcul limité, comme de petits AMR ou des robots d'inspection, et évite le risque de dérive entre les données d'entraînement et le bâtiment réel. Le résultat le plus instructif est conceptuel. Selon les auteurs, une prédiction de carte plus précise ne produit pas forcément une meilleure exploration. La façon de représenter les prédictions et de les exploiter dans la décision compte donc autant que leur fidélité. Garder une distribution d'hypothèses plutôt qu'une carte unique préserve l'incertitude sur la visibilité.

Ce travail s'inscrit dans la lignée de l'exploration par frontières, qui reste la base de nombreux systèmes. Il se positionne face aux méthodes de complétion de carte par réseaux de neurones, qui ont gagné du terrain ces dernières années. Il reste à valider en conditions réelles, sur des plateformes embarquées et dans des environnements moins structurés que des plans de bureaux ou d'hôpitaux. Les suites naturelles seraient des comparaisons de consommation de calcul face aux modèles appris et des essais sur robots mobiles.

Dans nos dossiers

arXiv cs.RO

À lire aussi

Exploration active dans l'apprentissage par renforcement bayésien basé sur un modèle pour la manipulation robotique
1arXiv cs.RO 

Exploration active dans l'apprentissage par renforcement bayésien basé sur un modèle pour la manipulation robotique

Des chercheurs de l'Université de Saragosse (groupe ropertunizar) publient la version 3 d'un article sur l'exploration active dans l'apprentissage par renforcement basé sur modèle (MBRL) bayésien, appliqué à la manipulation robotique. Le principe: construire un modèle dynamique du robot afin de mener l'essentiel de l'apprentissage de la politique en simulation, ce qui limite le coût de collecte de données réelles et permet de réutiliser ces données d'une tâche à l'autre. Les auteurs emploient l'apprentissage profond bayésien (BDL) à double fin. D'abord, améliorer la calibration du modèle, donc la fiabilité de ses estimations d'incertitude. Ensuite, accroître l'efficacité en données: pendant une phase d'exploration préliminaire, le système estime le gain d'information de chaque transition et l'utilise comme récompense d'exploration. Plusieurs méthodes BDL sont comparées dans une configuration de manipulation réaliste. Le code est publié en open source sur GitHub. Il s'agit d'un travail académique, sans produit ni déploiement industriel annoncé. Pour les intégrateurs et les équipes R&D, le résultat revendiqué est que cette approche atteint la qualité d'alternatives pertinentes avec nettement moins d'exécution sur le robot réel. Or le temps robot reste l'un des principaux postes de coût et de risque dans l'apprentissage de politiques de manipulation. Le point méthodologique le plus notable tient à la validation: les travaux antérieurs de ce type étaient testés surtout sur des environnements RL standards, alors que celui-ci traite des tâches de bras robotisé dans un simulateur de manipulateur complet, CoppeliaSim. C'est un cran plus proche des conditions réelles, mais cela reste de la simulation. L'abstract ne chiffre ni la réduction du temps d'exécution, ni les tâches, ni le robot, et ne présente aucun transfert sim-to-real sur matériel. Il faut donc lire « beaucoup moins d'exécution robot » avec prudence tant que les chiffres du texte complet n'ont pas été examinés. Ce travail s'inscrit dans une tendance de fond: face au coût des données robotiques, une partie de la communauté mise sur le MBRL et l'exploration guidée par l'incertitude, tandis qu'une autre, très visible côté humanoïdes, parie sur les grands modèles vision-langage-action entraînés sur d'énormes volumes de démonstrations. Ces deux voies ne sont pas exclusives: un modèle dynamique bien calibré pourrait servir à générer des données synthétiques ou à affiner des politiques pré-entraînées. La publication d'une troisième version indique un processus de révision abouti, mais les suites concrètes, comme des essais sur bras physiques ou des comparaisons avec des politiques généralistes, ne sont pas annoncées. L'ouverture du code permet à d'autres équipes de reproduire les résultats et de tester la méthode sur leurs propres cellules de manipulation.

UETravail académique de l'Université de Saragosse (Espagne) dont le code open source peut être réutilisé par les équipes de R&D européennes en manipulation robotique.

RecherchePaper
1 source
Navigation par apprentissage pour robots mobiles en intérieur
2arXiv cs.RO 

Navigation par apprentissage pour robots mobiles en intérieur

Des chercheurs ont publié sur arXiv (référence 2605.30468) un framework de navigation hybride pour robots mobiles intérieurs, combinant un planificateur global neuronal et un planificateur local affiné par apprentissage par renforcement. Le planificateur global est un réseau de neurones supervisé, entraîné à partir de trajectoires générées par un algorithme A* pondéré par les coûts, ce qui lui permet de produire des routes globalement cohérentes et évitant les zones dangereuses. Le planificateur local, baptisé Learning-Based DWA, reformule l'approche classique Dynamic Window Approach (DWA) comme un problème de sélection discrète sur une grille d'actions prédéfinies. La politique locale est d'abord initialisée par clonage comportemental (imitation d'un expert), puis optimisée par Proximal Policy Optimization (PPO) avec un masquage de faisabilité, un mécanisme éliminant les actions physiquement irréalisables ou à risque de collision avant même l'exploration. Les résultats expérimentaux, conduits en simulation et en environnement réel intérieur, montrent une navigation sûre et fiable vers des objectifs en présence d'obstacles. L'intérêt de cette contribution réside dans son positionnement hybride : plutôt que d'abandonner DWA au profit d'une approche entièrement apprise, les auteurs l'utilisent comme squelette structurant pour contraindre le problème d'apprentissage. Ce choix de conception présente deux avantages pour les intégrateurs. D'abord, le masquage de faisabilité réduit l'espace d'exploration du policy gradient aux seules actions physiquement admissibles, limitant les comportements dangereux en phase d'apprentissage et facilitant le transfert sim-to-réel. Ensuite, conserver la logique DWA comme substrat rend la politique plus interprétable qu'un réseau boîte noire, un critère non négligeable pour les déploiements industriels soumis à certification. La méthode démontre qu'un classique de la robotique réactive, largement jugé dépassé par les approches end-to-end, peut encore être un socle pertinent pour des pipelines d'apprentissage modernes. Le DWA a été introduit par Fox, Burgard et Thrun en 1997 et reste une brique fondamentale des stacks de navigation ROS et Nav2, déployés sur une large partie des flottes d'AMR (robots mobiles autonomes) industriels actuels. C'est dans cet écosystème très installé que s'inscrit ce travail, face à des approches concurrentes plus radicales : navigation end-to-end par apprentissage (ETH Zurich, MIT CSAIL), planificateurs à modèle comme TEB ou MPPI, et méthodes VLA émergentes pour la navigation en langage naturel. Les auteurs annoncent la mise à disposition du code source sur leur page projet. Aucun partenaire industriel ni déploiement commercial n'est mentionné : il s'agit d'une contribution de recherche académique, pas d'un produit commercialisé.

RecherchePaper
1 source
LAMP : apprentissage guidé par un a priori de mouvement latent pour la manipulation dextérique en conditions réelles
3arXiv cs.RO 

LAMP : apprentissage guidé par un a priori de mouvement latent pour la manipulation dextérique en conditions réelles

Les chercheurs à l'origine de LAMP (Latent Motion Prior-Guided Real-World Learning) proposent une méthode d'apprentissage en trois étapes pour piloter des mains robotiques dexterous directement dans le monde réel, sans passer par la simulation. Le système commence par pré-entraîner un module de "prior de mouvement latent", qui compresse l'historique récent des actions de la main en une représentation compacte et décodable en commandes exécutables à haute dimension. Une politique visuomotrice est ensuite entraînée pour prédire à la fois les commandes natives du bras et des corrections latentes pour la main, avant d'être affinée par apprentissage par renforcement (RL) résiduel en ligne, directement sur le robot physique. Testée sur quatre tâches réelles de manipulation dexterous, la méthode atteint un taux de réussite moyen de 56,25% après la seule phase d'imitation, porté à 98,75% après le RL en ligne, avec 100% de réussite sur trois des quatre tâches et 95% sur la dernière. L'enjeu dépasse la simple performance chiffrée: l'apprentissage de mains robotiques à haute dimensionnalité (nombreux degrés de liberté par doigt) est historiquement instable, car la moindre erreur d'imitation s'amplifie et pousse l'exploration par renforcement à casser le contact avec l'objet manipulé, un risque direct pour du matériel physique coûteux. En contraignant l'exploration RL à rester proche de mouvements démontrés et cohérents en termes de contact, plutôt que de perturber chaque articulation indépendamment, LAMP répond à un vrai goulot d'étranglement pour les intégrateurs qui veulent déployer de la manipulation fine (préhension d'objets fragiles, assemblage) sans multiplier les cycles de simulation coûteux ni les casses de vérins. Le travail s'inscrit dans la lignée des approches hybrides imitation + RL déjà explorées pour la robotique, mais cible spécifiquement l'espace d'action des mains dexterous, comparé ici à des interfaces d'action brutes, linéaires et discrètes, que LAMP surpasse selon les auteurs. Publié sur arXiv début juillet 2026, ce travail reste à ce stade une contribution de recherche académique, sans acteur industriel ni date de commercialisation annoncée; sa validation sur davantage de tâches et de plateformes matérielles reste l'étape logique suivante.

RecherchePaper
1 source
LIMBO : apprentissage et intégration d'objectifs de barrière sans modèle pour un contrôle corporel agile et sûr
4arXiv cs.RO 

LIMBO : apprentissage et intégration d'objectifs de barrière sans modèle pour un contrôle corporel agile et sûr

Des chercheurs ont publié en septembre 2026 sur arXiv (2609.22075) LIMBO, un framework qui apprend une fonction barrière de contrôle état-action puis distille cette structure de sécurité directement dans la politique de tâche d'un robot. Le système apprend son certificat de sécurité à partir de transitions en boîte noire et d'une spécification d'échec exprimée sur les actions résiduelles autour d'un contrôleur de base figé, ce qui rend la synthèse Q-CBF praticable sur toute la dimension de contrôle du robot plutôt que sur un sous-espace réduit. Pendant l'apprentissage, la valeur de sécurité guide un échantillonnage orienté vers le risque, proche de la frontière estimée de récupérabilité, puis sert d'enseignant qui corrige action par action la politique de tâche. Les auteurs démontrent l'approche sur un humanoïde à 29 degrés de liberté effectuant deux exercices : esquiver des balles lancées façon dodgeball, et se déplacer sous des obstacles bas façon limbo. Les politiques entraînées transfèrent sur le matériel réel sans filtre de sécurité en ligne au moment du déploiement. L'enjeu dépasse la simple démonstration technique : le contrôle corps entier d'un humanoïde combine évitement de collision et équilibre sous une dynamique non linéaire de très haute dimension, ce qui rend les certificats de sécurité classiques difficiles à concevoir et à réutiliser d'un comportement à l'autre. En montrant qu'un certificat appris peut être internalisé dans la politique elle-même plutôt que vérifié en temps réel par un filtre externe, LIMBO s'attaque à un goulot d'étranglement concret pour les intégrateurs cherchant à déployer des humanoïdes agiles sans dépendre d'une couche de sécurité coûteuse en calcul à l'exécution. Le résultat le plus notable pour le secteur est peut-être que faire varier la concentration de l'échantillonnage sous la même spécification de sécurité fait émerger des stratégies différentes, de l'accroupissement classique jusqu'à une manœuvre inédite de limbo en appui arrière, preuve que la marge de sécurité peut façonner un répertoire de mouvements plutôt que le brider uniformément. Le travail s'inscrit dans la lignée des fonctions barrières de contrôle (CBF), historiquement conçues manuellement et difficiles à faire passer à l'échelle sur des systèmes à haute dimension comme un corps entier robotique ; les filtres de sécurité en ligne restent la norme dans une partie de la recherche en apprentissage par renforcement sûr. Il s'agit ici d'une préimpression arXiv non encore validée par les pairs, testée sur deux scénarios et une seule plateforme matérielle ; les auteurs ne précisent ni calendrier de suite ni extension annoncée à d'autres robots ou tâches.

RecherchePaper
1 source