Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Observateur amélioré par apprentissage pour une commande compliante sans capteur dans l'espace nul de la tâche
RecherchearXiv cs.RO 

Observateur amélioré par apprentissage pour une commande compliante sans capteur dans l'espace nul de la tâche

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

Des chercheurs proposent un cadre de commande pour l'interaction physique homme-robot (pHRI) qui supprime le besoin de capteur force/couple. Il associe un observateur de torseur d'efforts (wrench) robuste à un contrôleur hybride position-orientation et force, et a été validé expérimentalement. Le travail, publié sur arXiv en octobre 2026, repose sur trois briques. Un réseau de neurones est entraîné pour compenser les frottements du système et les dynamiques non modélisées, ce qui améliore la précision de l'observateur. Une décomposition en espace nul de la tâche (task-null-space) sépare ensuite les vitesses articulaires, afin de limiter l'influence des perturbations humaines sur l'estimation. Enfin, le contrôleur hybride assure le suivi de la pose et de la force à l'organe terminal. Le résumé ne chiffre aucune performance et ne nomme ni robot, ni erreur d'estimation, ni protocole d'essai précis.

L'enjeu est pratique pour les intégrateurs. Dans les tâches de pHRI, le robot doit tenir sa trajectoire dans l'espace de la tâche tout en cédant face à une action humaine, deux objectifs en tension. La plupart des approches privilégient la robustesse ou la compliance, et dépendent d'un capteur de force pour le suivi en temps réel. Or ces capteurs ajoutent du coût, de la fragilité et de la complexité d'intégration, et de nombreux bras industriels ou collaboratifs n'en sont pas équipés. Si les résultats se confirment, une estimation fiable des efforts à partir des seuls signaux proprioceptifs permettrait d'apporter de la compliance à un parc existant sans modification matérielle. Il faut toutefois rester prudent. Il s'agit d'un résultat de laboratoire sur un seul article, sans comparaison chiffrée visible avec des capteurs dédiés. La question de la généralisation du réseau de neurones reste ouverte: il faut savoir s'il doit être réentraîné pour chaque robot, charge ou condition d'usure, ce qui conditionnerait sa valeur industrielle.

Ce travail s'inscrit dans la lignée des observateurs de perturbation et des méthodes d'estimation d'efforts sans capteur, longtemps limitées par la modélisation imparfaite des frottements et des dynamiques résiduelles. L'apprentissage sert ici de correctif ciblé sur un cadre à base de modèle, plutôt que de politique de bout en bout comme dans les approches VLA récentes. Cela laisse une part d'interprétabilité et de garanties de commande, appréciables pour la sécurité en contact avec l'humain. L'article ne cite aucune application commerciale ni aucun pilote. Les suites logiques seraient des tests sur plusieurs plateformes, des tâches de contact plus variées et une comparaison directe avec des architectures équipées de capteurs de couple articulaires, comme celles des bras collaboratifs actuels.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

Guidage par imitation dans l'espace des tâches pour un apprentissage par renforcement efficace
1arXiv cs.RO 

Guidage par imitation dans l'espace des tâches pour un apprentissage par renforcement efficace

TIGER (Task-Space Imitation Guidance for Efficient Reinforcement Learning) est un cadre de construction de récompense et de préentraînement pour la manipulation robotique sur table avec récompense éparse, publié sur arXiv en octobre 2026 (2610.07527). Son idée centrale est de ne pas utiliser la politique d'imitation, qui prédit des séquences d'actions (action chunks), comme contrôleur ni comme prior d'actions. Elle sert d'estimateur local de progression dans l'espace de la tâche. Les chunks prédits sont convertis, via une correspondance action-mouvement qui tient compte du contrôleur, en références d'effecteur final à court horizon. L'agent RL reçoit alors des récompenses denses de progression vers ces références, tandis que la récompense éparse de l'environnement reste l'objectif dominant. Pendant le préentraînement, des signaux d'anticipation issus de l'imitation assouplissent les pénalités de valeur conservatrices pour les actions censées faire progresser la tâche. Cela limite l'exploration hors de la distribution des données au début de l'apprentissage en ligne. Les auteurs annoncent, en simulation et sur robot réel, une meilleure efficacité d'échantillonnage initiale et moins de violations de sécurité mesurées, avec un taux de succès final égal ou supérieur aux baselines RL et IL-RL. L'intérêt tient au point faible de l'apprentissage par renforcement sur robot physique : le coût en interactions et le risque de casse pendant l'exploration. Comme la politique d'imitation n'est jamais exécutée, ses erreurs ne plafonnent pas la performance finale. Elle ne fait que guider la récompense, ce qui limite le risque d'enfermer l'agent dans les défauts des démonstrations. Pour un intégrateur, une phase d'adaptation en ligne plus courte et plus sûre se traduit directement en temps de mise en service. Il faut toutefois relativiser. Le résumé ne donne aucun chiffre (gain d'échantillons, taux de succès, nombre de violations), ne nomme ni robot ni tâches, et se limite à des scénarios sur table. On ne peut donc pas juger l'ampleur du gain ni sa portée au-delà de ces tâches. Ce travail s'inscrit dans le courant qui cherche à combiner imitation et RL. Les modèles VLA entraînés par imitation, comme Pi-0, plafonnent en précision et en robustesse, et le RL en ligne reste la voie principale pour dépasser ce plafond. Les approches concurrentes incluent le RL résiduel, l'ajustement fin de politiques de diffusion et les méthodes hors ligne vers en ligne à pénalités conservatrices. TIGER vise surtout la phase de transition de ces dernières. Les prochaines étapes naturelles seraient des horizons plus longs, la manipulation mobile et des tâches à contacts riches, mais le résumé n'annonce ni code ni calendrier.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
L'apprentissage par robot en contexte simplifié : une recette accessible pour les tâches de manipulation
2arXiv cs.RO 

L'apprentissage par robot en contexte simplifié : une recette accessible pour les tâches de manipulation

Des chercheurs proposent SimpleICL, un cadre minimaliste et reproductible pour l'apprentissage en contexte (ICL, in-context learning) en robotique. Le principe est de laisser un robot déduire puis exécuter une tâche à partir de démonstrations visuelles, sans réentraînement. L'étude, publiée sur arXiv (2609.38173v1), commence par corriger un défaut de formulation. Une démonstration visuelle mélange trajectoires d'actions, sémantique des objets, affordances de manipulation, relations spatiales et but de la tâche. On ne sait donc pas ce que le robot doit réellement imiter. Les auteurs définissent explicitement la cible d'apprentissage pour lever cette ambiguïté du prompt visuel. Sur cette base, ils construisent SimpleICL, qui associe un encodeur de prompt visuel à un protocole de collecte de données à faible coût. Selon eux, il n'exige ni pré-entraînement massif ni infrastructure de données spécialisée. Ils annoncent de bonnes performances en simulation et en environnement réel. Le résumé ne donne ni score, ni taux de réussite, ni plateforme robotique, ni volume de données, et ces points restent à vérifier dans l'article complet. Les expériences mettent en évidence quatre propriétés de l'ICL robotique : la discrimination des actions, de la sémantique, de la composition et des affordances. Les données et le pipeline d'entraînement doivent être publiés en open source. L'intérêt tient moins à un résultat chiffré qu'à la remise à plat du problème. Une grande partie des travaux sur les VLA (vision-language-action, modèles qui transforment images et instructions en actions) repose sur des instructions textuelles et des volumes de pré-entraînement très élevés. L'ICL par démonstration visuelle promet une autre logique : montrer une fois la tâche plutôt que reprogrammer ou affiner un modèle. Pour un intégrateur, cela pourrait réduire le coût de changement de série ou de poste. Si l'approche se confirme sans données massives, elle abaisse la barrière d'entrée pour les laboratoires et les PME, et fournit une base de comparaison reproductible dans un domaine où les protocoles divergent. La définition de la cible d'apprentissage donne aussi un cadre pour évaluer ce que le robot a compris d'une démonstration, ce qui manque souvent aux démos spectaculaires. Ce texte reste un travail de recherche. Il ne décrit ni produit livré ni déploiement industriel, et l'écart entre laboratoire et atelier reste entier. Ces travaux s'inscrivent dans la suite de l'ICL apparu avec les grands modèles de langage, puis transposé à la manipulation robotique par imitation à un ou peu de coups. Les grands acteurs des modèles fondation, comme Physical Intelligence avec Pi-0, NVIDIA avec GR00T ou Figure avec Helix, misent sur des volumes de données et de calcul importants. SimpleICL vise une voie plus légère et ouverte, dont la pertinence dépendra de la généralisation à des tâches longues, à d'autres robots et à des scènes non vues. La suite dépend de la publication effective du code et des données, promise mais pas encore vérifiable. Une réplication indépendante, notamment par des laboratoires européens, serait le vrai test.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Apprentissage par renforcement sensible à la force : estimation hybride sans capteur pour la loco-manipulation de robots à roues et jambes
3arXiv cs.RO 

Apprentissage par renforcement sensible à la force : estimation hybride sans capteur pour la loco-manipulation de robots à roues et jambes

Un article scientifique publié sur arXiv (arXiv:2609.13779, prépublication non encore relue par les pairs) présente une méthode d'apprentissage par renforcement sensible à la force pour des robots à locomotion mixte roues-pattes effectuant simultanément déplacement et manipulation. Le système estime la force exercée par l'effecteur terminal sans capteur de force/couple dédié, en combinant trois briques : une observation du moment généralisé du robot, une projection du torseur des efforts sous contrainte de contact, et un réseau de neurones qui apprend en résiduel les biais liés au mouvement non captés par les modèles physiques. Cette estimation alimente une politique de contrôle « corps entier » conditionnée par mode, dotée d'un sélecteur axe par axe entre position et force, permettant de basculer entre mouvement libre, régulation de force pure et contrôle hybride force/position au sein d'un seul contrôleur. Les auteurs rapportent des gains en simulation sur la précision de l'estimation de force sans capteur et sur les performances de contrôle en force, puis valident l'approche sur un robot à roues-pattes réel lors de quatre tâches : rotation de valve, essuyage en mode hybride, ouverture de porte guidée par la force, et suivi à force nulle lorsqu'un humain guide le bras manuellement. Pour l'industrie, l'intérêt est d'abord économique : supprimer le capteur de force/couple dédié à l'effecteur réduit le coût, la fragilité et la maintenance des bras manipulateurs montés sur plateformes mobiles, un frein connu au déploiement des robots mobiles à bras dans des tâches à contact physique comme les vannes, les portes ou l'essuyage de surfaces. Qu'un seul contrôleur passe de façon fluide entre mouvement libre et régulation de force, sans recalibrage ni bascule manuelle de mode, répond à une limite fréquente des contrôleurs hybrides classiques sur bases flottantes à contacts changeants, typiques des plateformes combinant roues et pattes. Les gains annoncés restent toutefois qualitatifs, sans chiffres de précision ou de temps de cycle publiés dans le résumé, et les essais matériels portent sur un nombre limité de tâches et une seule plateforme, ce qui invite à la prudence avant d'en déduire une généralisation à d'autres robots ou environnements industriels. Le travail prolonge des recherches antérieures sur les observateurs de moment généralisé, déjà utilisés en robotique à pattes pour détecter des forces externes et des contacts, en les associant pour la première fois à un apprentissage par renforcement conditionné par mode sur une base mobile roues-pattes, catégorie intermédiaire entre robots à roues purs et humanoïdes bipèdes, plus rapide que la marche et plus stable que les roues seules sur terrain irrégulier. L'article ne précise ni le laboratoire ni l'industriel à l'origine des travaux, ni le nom du robot utilisé pour les essais, ce qui limite la comparaison directe avec des acteurs identifiés du secteur des plateformes hybrides. Il s'agit à ce stade d'une publication de recherche, sans annonce de produit ni de calendrier de déploiement commercial ; la suite logique évoquée serait une extension à davantage de tâches de manipulation en contact et une comparaison quantitative face à des contrôleurs équipés de capteurs de force réels.

RecherchePaper
1 source
Apprentissage dans l'espace de bruit pour l'adaptation des modèles VLA
4arXiv cs.RO 

Apprentissage dans l'espace de bruit pour l'adaptation des modèles VLA

Des chercheurs proposent le « Noise Space Learning » (NSL), une méthode d'adaptation des modèles vision-langage-action (VLA) fondés sur le flow matching, décrite dans un preprint arXiv (2610.13943v1). Le principe est de laisser le VLA préentraîné entièrement figé et d'apprendre à la place une distribution conditionnelle sur le bruit initial qui alimente le processus génératif. Cette distribution dépend du contexte, c'est-à-dire de l'observation et de la tâche. Les auteurs formalisent NSL comme une interface générique d'adaptation, compatible avec plusieurs algorithmes d'apprentissage. Ils l'instancient avec trois d'entre eux: PPO et SAC (apprentissage par renforcement) et AWR (régression pondérée par l'avantage). L'évaluation porte sur les benchmarks de simulation LIBERO et RoboTwin, ainsi que sur quatre tâches de manipulation sur robot réel. Le résumé ne chiffre ni gains de succès, ni nombre d'interactions, ni nom de robot. L'intérêt pratique tient à la contrainte que la méthode cherche à lever. Les VLA préentraînés encodent de larges priors de manipulation, mais les spécialiser à une tâche ou un site exige d'arbitrer entre interactions robot limitées, budget de calcul et contraintes de sécurité. Un fine-tuning complet de modèles de plusieurs milliards de paramètres est coûteux, et l'exploration en ligne sur matériel réel est risquée. Agir sur l'espace de bruit réduit l'espace de recherche et laisse le modèle de base intact. Cela facilite le déploiement, car une même base peut servir plusieurs politiques d'adaptation légères. Les auteurs revendiquent aussi une analyse théorique, fondée sur la théorie de l'information, qui explique pourquoi cette adaptation est efficace. Sa portée reste à vérifier dans le texte complet. Surtout, le travail ne se limite pas à un algorithme: il compare des variantes et en tire des recommandations selon les régimes de ressources et de déploiement. Cette comparaison est utile aux intégrateurs, qui doivent choisir entre efficacité en données, coût de calcul et sûreté d'exécution. Il s'agit d'un résultat de recherche, sans produit ni déploiement industriel annoncé. Ce travail prolonge les méthodes de « noise steering » existantes, qui exploitent le fait que les politiques de diffusion et de flow matching transforment un bruit gaussien en actions. Piloter ce bruit permet d'orienter le comportement sans toucher aux poids, une idée déjà explorée pour des politiques de diffusion. Elle gagne en pertinence avec la généralisation des VLA à base de flow matching, comme la famille Pi-0 de Physical Intelligence. D'autres approches d'adaptation concurrentes passent par le fine-tuning supervisé, l'apprentissage par renforcement des poids ou les adaptateurs de type LoRA. LIBERO et RoboTwin sont des benchmarks établis, mais la simulation ne garantit pas la robustesse en production, et quatre tâches réelles restent un échantillon modeste. La suite dépendra de la publication du code, de la validation par relecture, et de résultats sur des tâches plus longues ou plus variées.

RecherchePaper
1 source