RecherchearXiv cs.RO 22 octobre 2026

Coordination d'objectifs dépendante de l'état pour l'équilibre et la navigation de bout en bout

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un preprint déposé sur arXiv (2610.29142) propose une méthode de coordination d'objectifs dépendante de l'état pour faire naviguer et rester en équilibre un robot à deux roues de type pendule inversé avec une seule politique apprise de bout en bout. Un coefficient de pondération β(s), compris entre 0 et 1 et conditionné par l'angle de tangage, règle pendant l'entraînement la part respective de la stabilisation d'assiette et de la navigation (progression vers le but, évitement d'obstacles) dans la récompense. Il n'y a ni hiérarchie de contrôle supplémentaire ni contrôleur PID ou LQR auxiliaire. La politique, entraînée par PPO (proximal policy optimization), est conçue pour un déploiement zero-shot. La simulation modélise le délai d'exécution, le maintien d'action, des observations asynchrones et bruitées, ainsi que l'incertitude dynamique. Le taux de succès atteint 98 % sur une carte d'obstacles fixe et 95 % sur une carte générée aléatoirement à forte densité d'obstacles, avec de faibles excursions d'assiette. Les auteurs affirment aussi, sur matériel réel, un comportement d'assiette borné et un évitement cohérent à partir des seuls capteurs embarqués.

L'intérêt dépasse ce robot précis. Les architectures classiques enchaînent cartographie, planification et contrôle bas niveau, ce qui ajoute de la charge de calcul et de la latence cumulée. Sur une plateforme instable, la navigation peut entrer en conflit avec la tenue d'assiette, et ce conflit varie selon l'état. L'analyse de gradient du papier montre une interférence directionnelle persistante entre les deux objectifs et des échelles relatives qui changent avec l'état. Cela expliquerait pourquoi des poids de récompense fixes fonctionnent mal. Il faut toutefois rester prudent. Les 95 à 98 % sont des résultats de simulation. L'abstract ne donne ni taux de succès ni nombre d'essais sur matériel, et ne précise pas la plateforme. Il s'agit d'un preprint non relu par les pairs, et le transfert à des systèmes plus complexes (bipèdes, robots à roues-jambes, humanoïdes) n'est pas démontré.

Ce travail s'inscrit dans la tendance de l'apprentissage par renforcement à remplacer les contrôleurs d'équilibre classiques, déjà bien établie en locomotion. Il se concentre ici sur l'intégration de la navigation dans la même politique. Les auteurs le comparent à d'autres stratégies de pondération de récompense, de contraintes, d'entraînement et de structure de contrôle, et présentent PPO+β(s) comme la meilleure. Le code d'entraînement et d'évaluation sera publié seulement après acceptation, ce qui empêche pour l'instant toute reproduction indépendante.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

GUIDE : compréhension directionnelle initialisée par l'objectif pour la navigation visuelle de bout en bout

Des chercheurs ont publié sur arXiv (référence 2606.10832, juin 2026) un framework d'apprentissage par renforcement baptisé GUIDE (Goal-Initialized Directional Understanding for End-to-End), conçu pour la navigation visuelle autonome de robots à pattes. Le principe fondamental est simple : contrairement aux systèmes existants qui alimentent le robot en mises à jour continues de sa cible depuis des modules d'estimation d'état hiérarchiques, GUIDE ne fournit la cible qu'une seule fois, au début de l'épisode. Le robot doit ensuite naviguer en s'appuyant exclusivement sur sa mémoire spatiale interne. Deux composants structurent le système : un prédicteur d'ancre spatiale qui exploite l'historique proprioceptif multi-fréquences pour construire des représentations d'egomouvement, et un flux de profondeur brut pour percevoir la géométrie locale. Les expériences ont été conduites sur un robot quadrupède, en simulation et en environnement réel, dans des scènes encombrées et des labyrinthes structurés, sans carte préalable. L'enjeu pour les intégrateurs est direct : supprimer la dépendance aux modules d'estimation d'état externes simplifie le stack de déploiement et réduit les points de défaillance. Les architectures hiérarchiques actuelles (localisation + cartographie + planification) sont coûteuses à calibrer et fragiles dans des environnements non cartographiés. GUIDE démontre qu'un robot peut maintenir une conscience directionnelle persistante grâce à la mémoire proprioceptive, sans SLAM ni GPS, un résultat qui renforce l'hypothèse que la proprioception peut partiellement suppléer la localisation explicite. La politique étant déployée de bout en bout sans modules séparés à l'inférence, la complexité opérationnelle en production s'en trouve réduite -- un argument concret pour les équipes industrielles. La navigation sans carte pour robots à pattes est un sujet actif : les travaux sur ANYmal (ETH Zurich), les politiques locomotrices de Unitree ou les recherches de CMU s'appuient encore majoritairement sur des représentations géométriques explicites. GUIDE s'inscrit dans la tendance "fully end-to-end" qui cherche à éliminer ces modules intermédiaires, tendance visible également dans les VLA (Vision-Language-Action models) appliqués à la manipulation. Il faut néanmoins rappeler qu'il s'agit d'une publication académique, sans pilote industriel ni déploiement commercial annoncé. Les suites naturelles incluent des tests dans des environnements non structurés à grande échelle et l'intégration avec des modèles de fondation visuels pour la spécification dynamique de la cible.

RecherchePaper

1 source

2arXiv cs.RO

NavHarness : des objectifs adaptatifs pour la navigation vision-langage à base d'agents

NavHarness, un framework publié sur arXiv (v1), propose d'aborder la navigation vision-langage (VLN) par une architecture à quatre agents spécialisés plutôt que par un seul agent multimodal généraliste. Un Goal Agent fixe des sous-objectifs adaptatifs à partir de l'instruction, de l'observation courante et de l'historique d'exécution. Un Visuomotor Agent exécute les actions de navigation pour atteindre chaque objectif. Un Verify Agent juge ensuite si l'objectif est atteint, grâce à une question de vérification propre à cet objectif. Un Memory Agent compresse enfin l'historique multimodal correspondant, en conservant l'information utile à la suite du trajet. Les auteurs évaluent le système sur les benchmarks simulés R2R-CE et RxR-CE, comparent des variantes sur trois modèles de base et analysent l'évolution du contexte pendant l'exécution. En conditions réelles, NavHarness atteint 83,3 % de succès et 1,51 m d'erreur de navigation sur huit parcours jugés difficiles, chacun parcouru trois fois, soit 24 essais au total. L'intérêt tient à deux problèmes concrets des agents embarqués pilotés par des modèles multimodaux. Le premier est la dérive sur les tâches longues : choisir une action locale plausible à chaque pas ne garantit pas de rester sur l'itinéraire voulu. La vérification explicite de chaque sous-objectif vise à corriger cette dérive en cours de route. Le second est le coût d'inférence : si l'historique image-texte est réinjecté tel quel à chaque décision, l'entrée grossit sans cesse. Le découpage de l'historique en segments compressés à chaque objectif validé est une réponse d'ingénierie pragmatique, qui concerne directement les intégrateurs soucieux de la latence et du coût de calcul embarqué. Les résultats appellent toutefois de la prudence : l'échantillon réel est restreint (huit parcours, trois passes), la nature des environnements n'est pas détaillée dans le résumé et l'article ne chiffre pas, dans cet extrait, le gain de calcul obtenu. Ce travail s'inscrit dans la tendance qui consiste à réutiliser des modèles multimodaux généralistes comme base de la navigation, plutôt que d'entraîner des politiques dédiées. R2R-CE et RxR-CE, versions en environnement continu des benchmarks Room-to-Room et Room-across-Room, sont des références habituelles de ce champ. Le texte ne fournit ni comparaison chiffrée avec des méthodes concurrentes, ni robot, ni calendrier de déploiement : il s'agit d'une publication de recherche, pas d'un produit. La suite logique serait de mesurer le système sur davantage d'environnements réels et de quantifier précisément l'économie de contexte apportée par la compression.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

DSCD-Nav : débat coopératif à double posture pour la navigation vers un objet

Le robot d'assistance domestique orienté navigation vient d'être testé sur trois jeux de données de référence, HM3Dv1, HM3Dv2 et MP3D, avec un nouveau mécanisme baptisé DSCD-Nav (Dual-Stance Cooperative Debate Navigation). Le principe : au lieu de faire évaluer chaque action candidate par un seul passage de scoring, comme le font les systèmes actuels bâtis sur des modèles vision-langage, la méthode confronte deux points de vue construits sur des objectifs complémentaires. Le premier, appelé TSU (Task-Scene Understanding), privilégie la progression vers l'objectif à partir d'indices de disposition de la scène. Le second, SIB (Safety-Information Balancing), met l'accent sur le risque et la valeur informationnelle de chaque choix. Ces deux "postures" débattent en confrontant leurs meilleures candidates avec des arguments ancrés dans l'observation, puis un agent d'arbitrage nommé NCA (Navigation Consensus Arbitration) synthétise les raisons des deux camps et peut déclencher une micro-vérification légère en cas de doute persistant. Les auteurs rapportent des gains constants en taux de réussite et en efficacité de trajectoire, avec une réduction de l'exploration redondante sur les trois benchmarks. L'enjeu dépasse la seule performance chiffrée : il touche à un problème connu des systèmes de navigation basés sur des VLA (vision-language-action), le fait qu'un scoring en un seul passage produit une confiance excessive et des erreurs qui s'accumulent sur des trajectoires longues, dans des environnements observés seulement partiellement. En reformulant la décision comme un débat entre postures antagonistes plutôt qu'un score unique, DSCD-Nav s'attaque directement à ce biais de surconfiance, un sujet critique pour tout intégrateur voulant déployer des robots domestiques ou de service dans des environnements réels non cartographiés au préalable. Si l'approche tient à l'échelle au-delà des benchmarks académiques, elle offre une piste concrète pour fiabiliser la prise de décision des robots autonomes sans nécessiter de re-entraînement lourd du modèle de perception sous-jacent. Le papier s'inscrit dans la lignée des travaux récents sur la navigation zero-shot en environnement intérieur inconnu, un axe de recherche actif depuis l'essor des modèles vision-langage capables de raisonner sur des scènes jamais vues. Contrairement aux approches à score unique dominantes dans la littérature actuelle, DSCD-Nav mise sur une architecture multi-agents délibérative, une tendance émergente dans plusieurs sous-domaines de l'IA où la confrontation de perspectives remplace l'inférence directe. Le texte, republié en version 3 sur arXiv, ne précise pas de déploiement matériel réel ni de partenaire industriel : il s'agit à ce stade d'une contribution méthodologique validée en simulation, dont la prochaine étape naturelle serait un test sur plateforme robotique physique pour confirmer que les gains observés en simulation se transposent au monde réel.

RecherchePaper

1 source

4arXiv cs.RO

Seq-DeepIPC : captation séquentielle pour le contrôle de bout en bout dans la navigation de robots à pattes

Des chercheurs présentent Seq-DeepIPC (arXiv:2510.23057v2), un modèle de navigation bout-en-bout pour robots à pattes reposant sur une fusion multi-modale RGB-D et GNSS. Contrairement aux approches classiques qui séparent perception et contrôle, le système prédit conjointement la segmentation sémantique et l'estimation de profondeur à partir d'entrées séquentielles, puis génère directement les commandes moteur. L'estimation du cap global est assurée non pas par une centrale inertielle (IMU), jugée trop bruitée, mais par une analyse différentielle de coordonnées GNSS successives. Pour le déploiement embarqué, un encodeur léger réduit la charge de calcul sans dégradation significative de précision. Le système a été validé sur un robot quadrupède sur deux types de terrain, route et gazon, à partir d'un jeu de données collecté spécifiquement pour couvrir cette diversité. Le code sera mis en accès libre sur GitHub (github.com/oskarnatan/Seq-DeepIPC). L'apport principal réside dans l'extension de la navigation end-to-end, jusqu'ici dominée par les robots à roues, aux systèmes à pattes, beaucoup plus complexes cinématiquement. Les études ablatives confirment que les entrées séquentielles améliorent à la fois la perception et le contrôle dans Seq-DeepIPC, alors que les baselines testées n'en bénéficient pas, ce qui suggère une dépendance forte à la temporalité propre à la démarche quadrupède. La suppression de l'IMU est un choix architectural audacieux: elle simplifie l'intégration matérielle et évite la dérive gyroscopique, mais le papier reconnaît une fiabilité moindre du cap GNSS-seul en environnement urbain dense. Pour un intégrateur, cela signifie que le système est crédible en extérieur ouvert, mais nécessiterait une fusion sensorielle supplémentaire en milieu confiné ou bâti. La navigation end-to-end pour robots à pattes s'inscrit dans un effort de recherche plus large visant à réduire le gap de spécialisation entre planification et locomotion. Des travaux comme DeepIPC (dont Seq-DeepIPC est la suite directe) ou les architectures VLA (Vision-Language-Action) de Boston Dynamics, Unitree et ANYbotics explorent des pipelines similaires, avec des approches différentes sur la représentation de l'espace et la gestion de la mémoire temporelle. Seq-DeepIPC se distingue par sa sobriété sensorielle et sa cible embarquée, mais reste un prototype de laboratoire validé en conditions semi-contrôlées. La prochaine étape logique serait un test en environnements plus adversariaux, notamment urbains, pour quantifier les limites réelles du cap GNSS différentiel annoncées dans le papier.

RecherchePaper

1 source