Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Une politique, plusieurs styles : où agréger les préférences pour un contrôle humanoïde pilotable ?
RecherchearXiv cs.RO 

Une politique, plusieurs styles : où agréger les préférences pour un contrôle humanoïde pilotable ?

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

Un préprint publié sur arXiv (2610.28925, première version) compare plusieurs façons d'obtenir un contrôle « pilotable » d'humanoïdes. L'idée est qu'une politique unique ajuste son style de comportement à l'exécution selon les préférences de l'utilisateur. L'apprentissage par renforcement conditionné par les préférences offre cette interface. Les auteurs soulignent toutefois que le conditionnement seul ne garantit rien: le changement demandé peut rester faible, déborder sur des comportements sans rapport ou dégrader la tâche. Ils proposent une évaluation qui associe une métrique, la Preference Reward Responsiveness (PRR), à des mesures de couverture et d'utilité. Ils comparent quatre niveaux d'agrégation des objectifs: récompense, avantage, fonction de perte, et PCGrad (une méthode qui projette les gradients conflictuels). Les tests portent sur deux cadres de contrôle d'humanoïde, que le résumé ne nomme pas. Aucun niveau ne s'impose partout. Agréger tôt donne une plus large palette de réponses comportementales, mais davantage de modifications involontaires sur les autres objectifs. Agréger tard améliore la précision du contrôle, au prix d'une réactivité moindre.

C'est un travail de méthode, pas une démonstration matérielle. Le résumé ne donne ni robot physique, ni payload, ni résultat de sim-to-real, ni chiffre de déploiement. Il n'indique pas non plus l'ampleur des écarts mesurés. Son intérêt est de fournir une grille de lecture à ceux qui promettent « un robot, plusieurs styles », par exemple prudent ou rapide, sobre ou agressif. Le choix de l'étage d'agrégation devient un arbitrage de conception entre étendue des comportements et fuite vers les autres objectifs, sans recette universelle. Cela tempère l'idée qu'il suffit de conditionner une politique sur un vecteur de préférences pour obtenir un réglage fiable en production.

Le sujet relève de l'apprentissage par renforcement multi-objectif, où PCGrad vient de l'apprentissage multitâche. Du côté des politiques généralistes pour humanoïdes (Helix de Figure, GR00T N2 de NVIDIA, Pi-0 de Physical Intelligence), l'accent est surtout mis sur la commande par instructions en langage naturel. Le réglage continu du style par préférences est un axe complémentaire, moins documenté publiquement. Aucun acteur français ou européen n'est cité. Il s'agit d'une v1 sans revue par les pairs. Les suites utiles seraient la publication du code et des benchmarks, des écarts chiffrés entre méthodes et une validation sur matériel réel.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

NVIDIA GR00TPhysical Intelligence — π0arXiv cs.RO

À lire aussi

ADAPT : des amorces de diffusion agiles et pilotables pour un contrôle robuste d'humanoïdes en ligne, guidé par texte
1arXiv cs.RO 

ADAPT : des amorces de diffusion agiles et pilotables pour un contrôle robuste d'humanoïdes en ligne, guidé par texte

Un preprint publié sur arXiv (référence 2609.00677v1) décrit ADAPT (Agile Diffusion Action Priors), un framework de contrôle interactif du corps entier de robots humanoïdes piloté par texte. Contrairement aux pipelines texte-vers-mouvement dominants, qui génèrent une trajectoire suivie ensuite par un contrôleur séparé, ADAPT fonctionne en boucle fermée de bout en bout : le robot répond en continu aux commandes tout en gardant l'équilibre et des transitions fluides. Il apprend un prior d'action par diffusion à partir de trajectoires état-action annotées en texte, complété par une politique résiduelle d'apprentissage par renforcement entraînée sur le contrôleur gelé pour améliorer la robustesse entre consignes. L'abstract ne précise ni plateforme robotique testée, ni charge utile, degrés de liberté ou temps de cycle. L'intérêt tient à la fusion, en une seule boucle, de la génération de mouvement et de son exécution : les systèmes actuels séparent souvent un module texte-vers-mouvement d'un contrôleur bas niveau, ce qui crée latence et ruptures dès qu'une commande change. ADAPT vise des humanoïdes plus réactifs au langage naturel, un enjeu pour les intégrateurs voulant doter leurs robots d'interfaces conversationnelles en entrepôt ou en usine. Il suggère aussi que les priors d'action par diffusion combinés au renforcement, dans la lignée de travaux comme Pi-0 ou GR00T N2, forment une base viable pour du contrôle général, sans toutefois de déploiement physique ni de comparaison chiffrée démontrés : la contribution reste académique, non encore validée par relecture par les pairs. Ce travail s'inscrit dans la course menée par des laboratoires et entreprises comme Figure AI avec Helix, NVIDIA avec GR00T N2 ou Physical Intelligence avec Pi-0, pour doter les humanoïdes de piles vision-langage-action capables de suivre des instructions en langage naturel plutôt que des routines préprogrammées. Là où ces acteurs couplent souvent de grands modèles multimodaux à des primitives de mouvement, ADAPT propose des priors d'action par diffusion entraînés sur des données texte-état-action, complétés par du renforcement, comme alternative plus légère en boucle fermée. Aucun acteur français ou européen du secteur, comme Wandercraft ou Pollen, n'apparaît dans cette publication. Les suites attendues, non détaillées dans l'abstract, sont une réplication indépendante et une validation sur robot physique.

RechercheActu
1 source
PredActor : diffusion d'action prédictive pour un contrôle humanoïde embarqué et pilotable
2arXiv cs.RO 

PredActor : diffusion d'action prédictive pour un contrôle humanoïde embarqué et pilotable

PredActor, une politique de diffusion d'action prédictive pour le contrôle embarqué d'humanoïdes, est détaillée dans une publication arXiv de septembre 2026 (2609.24840). À la différence des architectures hiérarchiques classiques, qui séparent trajectoire de référence et tracker de suivi, elle s'exécute seule, conditionnée sur l'historique proprioceptif et un contexte de tâche optionnel, sans état corporel complet mesuré en externe, et génère à la fois les actions et une trajectoire d'état futur interne, guidée par classifier-free guidance pour le texte et par guidage de classifieur pour les objectifs de test. En simulation, elle atteint les 15 cibles testées, avec un score de récupération de texte de 0,580 contre 0,373 pour une diffusion d'action classique, et une résistance aux perturbations comparable. Sur une carte Jetson Orin NX, le cycle de calcul tombe à 16,790 ms en médiane et 19,383 ms au 95e percentile, sous les 20 ms requis ; déployée sur un robot Unitree G1, elle a démontré mouvement piloté par texte, réaction aux perturbations, contrôle au joystick et interpolation sémantique. Ce résultat répond à un point de friction du secteur : les politiques de diffusion pour humanoïdes fonctionnent bien hors ligne mais restent rarement pilotables en temps réel embarqué. En tenant le calcul sous les 20 ms sur du matériel edge accessible, sans tracker séparé ni perception externe de l'état corporel complet, PredActor allège la pile logicielle qu'un intégrateur doit maintenir et contredit l'idée qu'un pilotage sémantique par texte ou joystick exige une architecture hiérarchique lourde. Pour des décideurs industriels évaluant des humanoïdes pour des tâches réelles, la robustesse conservée malgré cette contrainte est encourageante, même si les métriques reposent sur un nombre limité de cibles et un score de récupération de texte propre au papier, peu comparable aux autres benchmarks du secteur. PredActor s'inscrit dans la lignée des politiques de diffusion pour le contrôle robotique et des modèles vision-langage-action, aux côtés d'approches comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, dont il se distingue en évitant tout tracker de mouvement ou état privilégié externe. Classée comme nouvelle soumission sur arXiv, la publication ne précise ni laboratoire porteur ni entreprise associée et ne mentionne aucun calendrier de déploiement commercial : il s'agit d'un travail de recherche validé en simulation et sur un seul robot physique, sans pilote industriel annoncé.

RecherchePaper
1 source
BAT : concilier agilité et stabilité par commutation de politiques en ligne pour le contrôle du corps entier d'un robot humanoïde sur de longs horizons
3arXiv cs.RO 

BAT : concilier agilité et stabilité par commutation de politiques en ligne pour le contrôle du corps entier d'un robot humanoïde sur de longs horizons

Des chercheurs proposent BAT, un cadre de commutation de politiques en ligne pour le contrôle du corps entier d'humanoïdes sur de longs enchaînements de mouvements. Le travail, publié sur arXiv (2604.01064, version 2), part d'un constat : les approches existantes suivent deux paradigmes. Les politiques couplées coordonnent tout le corps de façon globale, tandis que les politiques découplées traitent chaque module séparément pour gagner en précision. BAT choisit dynamiquement entre deux contrôleurs généralistes entraînés par apprentissage par renforcement, l'un couplé et l'autre découplé, selon le contexte du mouvement en cours. Deux prédicteurs de commutation travaillent en parallèle. OpVQ-VAE s'appuie sur des « tokens » de mouvement et généralise bien. OpHRL est un prédicteur en boucle fermée qui tient compte de l'état du robot. Un routeur de familiarité des tokens (Token-Familiarity Router) arbitre lorsque les deux divergent : il privilégie OpHRL pour les séquences de tokens connues et OpVQ-VAE pour les séquences inédites. Les auteurs annoncent 85,2 % de réussite sur des combinaisons de mouvements longues déjà vues à l'entraînement, et 71,3 % sur des mouvements jamais rencontrés. Ils rapportent aussi de meilleurs résultats que les contrôleurs corps entier existants sur les mouvements pris isolément, ainsi qu'un déploiement zéro-shot sur le Unitree G1. L'intérêt pratique tient au compromis que les équipes rencontrent sans cesse. Une politique couplée donne des gestes dynamiques et agiles, comme des sauts ou des mouvements amples, mais elle perd en précision. Une politique découplée manipule ou positionne mieux, mais elle devient moins robuste quand le mouvement exige une coordination globale. Plutôt que de chercher un contrôleur unique qui concilie tout, BAT montre qu'on peut combiner des spécialistes et basculer entre eux à l'exécution. Le point à surveiller est l'écart entre mouvements vus et inédits : 85,2 % contre 71,3 %, soit près de 14 points perdus, ce qui reste loin de la fiabilité attendue en production. Ces chiffres viennent de benchmarks de recherche, sans durée de tâche, nombre d'essais ni conditions détaillés dans le résumé. Le transfert zéro-shot sur G1 est encourageant, mais rien ne dit qu'il couvre toute la distribution de mouvements testée en simulation. Ce travail s'inscrit dans la vague des contrôleurs généralistes corps entier pour humanoïdes, nourrie par l'apprentissage par renforcement en simulation et l'imitation de mouvements humains. Le Unitree G1, peu coûteux et très répandu dans les laboratoires, sert désormais de plateforme de référence pour valider ces méthodes. Les auteurs ne se positionnent pas ici face aux modèles VLA commerciaux (Figure, Tesla, NVIDIA), car BAT agit à la couche basse de contrôle, pas au niveau du raisonnement ou de la planification. Cette couche reste pourtant un goulot d'étranglement pour passer des démonstrations à des tâches longues et enchaînées. La version 2 laisse penser que l'article a été révisé après relecture. Les suites logiques seraient des tests sur d'autres plateformes, des tâches de manipulation plus longues et une mesure de la robustesse hors laboratoire. Aucun calendrier de déploiement industriel n'est annoncé.

RecherchePaper
1 source
La fluidité comme contrainte pour une locomotion humanoïde stable
4arXiv cs.RO 

La fluidité comme contrainte pour une locomotion humanoïde stable

Un article de recherche publié sur arXiv (2609.24552) présente DeCap, un algorithme d'apprentissage par renforcement sous contraintes pour le contrôle corps entier des robots humanoïdes. Le constat de départ : le bas du corps doit rester réactif pour l'équilibre, tandis que le haut du corps doit être fortement régulé pour la stabilité, une distinction que les méthodes RL classiques ignorent en imposant la fluidité via des récompenses auxiliaires uniformes, qui entrent en concurrence avec les objectifs de tâche. DeCap découple les contraintes en deux groupes, haut et bas du corps, formulées comme des limites physiques explicites de vitesse et d'accélération, complétées par une pénalité barrière qui s'active dès l'approche de ces limites sans diverger. Sur une tâche réelle de contrôle corps entier, il réduit le taux de variation des actions du haut du corps d'un facteur 2,50 et l'accélération d'un facteur 2,18 par rapport aux politiques basées récompense, tout en améliorant aussi la fluidité du bas du corps. Ce résultat s'attaque à un compromis concret pour l'industrie : un haut du corps trop rigide limite la dextérité utile, un haut du corps mal amorti compromet l'équilibre et use l'actionnement, un frein réel au déploiement en usine ou en entrepôt où sécurité et répétabilité priment. Le tuning manuel des récompenses selon le terrain ou la tâche est un goulot d'étranglement connu du RL appliqué à la locomotion humanoïde ; qu'un même jeu de contraintes se transfère sans retuning à des terrains variés, si confirmé au-delà des conditions testées, réduirait le coût d'ingénierie pour les intégrateurs. L'approche questionne aussi la pratique dominante du reward shaping en RL, en montrant qu'une contrainte physique explicite offre un contrôle plus direct et prévisible que des pénalités négociées. Le travail s'inscrit dans le champ du RL sous contraintes, une alternative au RL par récompense pure qui gagne du terrain à mesure que les humanoïdes passent des démonstrations en laboratoire à des essais en conditions réelles, où la marge d'erreur mécanique est faible. Il agit à un niveau différent de celui des modèles vision-langage-action qui pilotent la planification haut niveau des humanoïdes : DeCap se concentre sur la couche bas niveau de génération de mouvement. Classé comme nouvelle publication sur arXiv, l'article ne précise ni le robot ni le laboratoire à l'origine des essais réels et n'annonce aucun calendrier de déploiement : il s'agit à ce stade d'une contribution de recherche méthodologique, validée expérimentalement mais non commercialisée.

RecherchePaper
1 source