RecherchearXiv cs.RO 22 octobre 2026

Attention au pas : perception anticipée pour la locomotion des robots humanoïdes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent, dans un preprint arXiv (2610.29612), une méthode de perception « anticipée » pour la locomotion de robots humanoïdes. Les politiques de locomotion perceptive observent en général une carte d'élévation dense centrée sur le robot, alors que seul le terrain sous et autour des prochains pas compte pour la décision. Les auteurs filtrent donc l'entrée avant que la politique ne la voie. Un modèle léger de prédiction des points d'appui (FPM) estime les futurs appuis à partir de la seule proprioception et de la commande de vitesse. La carte d'élévation n'est échantillonnée que dans de petites zones autour de ces points. Le FPM est entraîné en même temps que la politique et réentraîné périodiquement sur de nouveaux déroulements, au fur et à mesure que la marche se stabilise. Selon les auteurs, la politique atteint une difficulté de terrain donnée en environ un tiers des itérations d'entraînement nécessaires avec la carte complète. Elle transfère aussi sans réglage supplémentaire (zero-shot) vers un Unitree G1.

L'intérêt est d'abord économique. Apprendre en même temps quoi regarder et comment marcher ralentit l'entraînement. Les encodeurs à mécanisme d'attention, qui résolvent ce problème, coûtent cher en calcul. Ici, un simple prétraitement atteint, d'après les auteurs, les performances d'un encodeur à attention entraîné pour plusieurs fois le coût. Il fait mieux que la carte complète quand les points d'appui sont rares, par exemple dans des couloirs étroits à parois, et sur des terrains jamais vus. Les essais sur le G1 couvrent obstacles, escaliers, trous et descentes de marches, au-delà de la distribution d'entraînement, en intérieur comme en extérieur. Pour les équipes qui entraînent des politiques en simulation, le gain d'efficacité en échantillons est donc substantiel. Il faut toutefois rester prudent. Il s'agit d'un preprint, sans relecture par les pairs. Les chiffres viennent des auteurs, et le résumé ne donne ni nombre d'essais, ni taux de réussite, ni comparaison avec d'autres méthodes de perception que celles citées. Il s'agit d'un résultat de recherche, sans produit ni déploiement industriel.

Ce travail s'inscrit dans le courant de la locomotion perceptive apprise par apprentissage par renforcement, qui repose depuis plusieurs années sur des cartes d'élévation denses ou sur des encodeurs appris, parfois à base d'attention. Il s'applique à une plateforme devenue standard en recherche, le G1 d'Unitree, ce qui facilite la reproduction par d'autres laboratoires. La limite probable est la dépendance à la qualité de la prédiction des appuis. Celle-ci repose uniquement sur la proprioception et la commande, donc une erreur de prédiction peut priver la politique du terrain utile. Le résumé ne dit pas comment la méthode se comporte avec une cartographie bruitée. Les suites naturelles seraient des tests sur d'autres morphologies et une intégration avec des commandes de plus haut niveau. Aucune échéance n'est annoncée.

Dans nos dossiers

Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

PolygMap : un cadre de locomotion perceptive pour la montée d'escaliers des robots humanoïdes

Traversée d'escaliers pour robots humanoïdes: des chercheurs présentent PolyMap, un système de navigation qui construit en temps réel une carte sémantique polygonale des marches à partir de la fusion de plusieurs capteurs, LiDAR, caméra RGB-D et centrales inertielles. Le robot segmente chaque plan de marche sous forme de polygones puis calcule où poser le pied grâce à un planificateur qui exploite directement ces segments plans. L'ensemble tourne sur une carte NVIDIA Orin embarquée, avec une sortie de planification de mouvement corps entier à 20-30 Hz, une cadence suffisante pour ajuster la trajectoire du robot en marchant sans interrompre la locomotion. Les auteurs, dont les travaux sont documentés dans un article déposé sur arXiv (2510.12346, version 2, remplaçant une publication antérieure), rapportent des essais réels en intérieur et en extérieur validant la robustesse et l'efficacité de l'approche pour la montée d'escaliers. L'enjeu dépasse la simple prouesse technique: la marche humanoïde actuelle reste largement conçue pour des sols plats et prévisibles, un schéma de marche générique qui ne demande pas au robot de regarder où il pose le pied. Grimper un escalier inconnu exige au contraire une perception précise et une planification de pas en temps réel, exactement le type de tâche où les démonstrations spectaculaires en environnement contrôlé échouent souvent une fois confrontées à un terrain réel non calibré. En combinant cartographie sémantique et planification de pas sur du matériel embarqué à cadence élevée, PolyMap répond directement à ce fossé entre démonstration et déploiement, un point sensible pour tout intégrateur envisageant des humanoïdes en environnement industriel ou logistique comportant des dénivelés. Cette approche s'inscrit dans une lignée de recherche plus large sur la locomotion perceptive, qui cherche à remplacer les mouvements scriptés par une perception active de l'environnement, un axe également exploré par d'autres laboratoires académiques et industriels travaillant sur la marche humanoïde. Le papier étant une publication arXiv de recherche et non une annonce produit, aucun calendrier de commercialisation n'est communiqué; il s'agit ici d'une contribution méthodologique destinée à alimenter les futurs systèmes de contrôle plutôt que d'un déploiement commercial annoncé.

RecherchePaper

1 source

2arXiv cs.RO

PHUMA : un jeu de données pour la locomotion fiable des robots humanoïdes

Une équipe de chercheurs du laboratoire DAVIAN a publié en juin 2026 PHUMA (Physically Reliable HUMAnoid locomotion dataset), un corpus de 73 heures de données de locomotion humanoide produit via un pipeline en deux étapes : une curation physiquement consciente suivie d'un retargeting contraint par des lois physiques. La base de données agrège à la fois des données de motion capture traditionnelles et des vidéos issues d'internet, les deux étant traitées pour éliminer les artefacts physiques récurrents dans les datasets existants, notamment le flottement, la pénétration géométrique et le foot skating. Entraînées sur PHUMA, les politiques de contrôle obtiennent des taux de succès supérieurs à ceux obtenus avec AMASS et Humanoid-X sur les benchmarks de motion tracking standards, et transfèrent en zero-shot vers un Unitree G1 réel. Le code et les données sont disponibles publiquement via davian-robotics.github.io/PHUMA. Le principal verrou que PHUMA prétend lever est la qualité physique des données d'entraînement pour l'imitation de mouvement humanoide. Les approches par imitation sont attractives parce qu'elles permettent d'acquérir des comportements naturels sans reward engineering fastidieux, mais leur efficacité dépend directement de la cohérence physique des données sources. Les artefacts présents dans les datasets basés sur des vidéos internet (comme Humanoid-X) se propagent dans les politiques entraînées, produisant des robots qui glissent ou oscillent de façon instable. La démonstration de transfert zero-shot sur un Unitree G1 physique est le point le plus concret : elle suggère que le filtrage physique en amont réduit effectivement le sim-to-real gap, sans fine-tuning additionnel sur hardware. Reste à qualifier l'ampleur du gain : les métriques de benchmarks internes ne se substituent pas à des comparaisons en conditions réelles standardisées. AMASS, publié en 2019, est resté longtemps la référence en motion capture humanoide, mais sa taille limitée et son coût d'acquisition ont freiné la scalabilité des approches data-driven. Humanoid-X a tenté de combler ce vide en exploitant des vidéos YouTube à grande échelle, au prix d'une dégradation qualitative. PHUMA s'inscrit dans une dynamique plus large où plusieurs équipes cherchent à constituer des datasets de locomotion humanoide à la fois volumineux et physiquement valides, en parallèle des travaux de Figure AI (Figure 03), Boston Dynamics, et des équipes derrière GR00T N2 chez NVIDIA. La prochaine étape logique serait de tester PHUMA sur d'autres plateformes humanoïdes commerciales (H1, Digit) et d'élargir les tâches au-delà de la locomotion simple vers la manipulation en déplacement.

UELe dataset PHUMA étant en accès libre, les équipes de recherche européennes en locomotion humanoïde (INRIA, CEA-List, LAAS-CNRS) peuvent l'intégrer directement dans leurs pipelines d'entraînement sans coût d'acquisition.

RecherchePaper

1 source

3arXiv cs.RO

Pilotage du mouvement au moment du test pour la récupération perceptive de chute des robots humanoïdes

Des chercheurs présentent RISE, une méthode de récupération après chute pour humanoïdes qui permet d'orienter, au moment de l'inférence, la façon dont le robot se relève. L'idée de départ est qu'une même posture au sol admet plusieurs façons de se redresser, qui diffèrent par la trajectoire, les transitions d'appui et le cap final. Une récupération fiable ne dit pas laquelle de ces options le robot exécute. RISE apprend d'abord un « vocabulaire de récupération », c'est-à-dire un ensemble de mouvements partagés reliant l'intention de mouvement aux actions moteurs via le retour sensoriel. Un planificateur visuel à diffusion s'entraîne ensuite sur des exécutions de ce vocabulaire. Il prédit l'intention de mouvement sous forme d'états futurs du corps, puis génère des latents de mouvement conditionnés par cette intention. Les résultats sont des simulations de récupérations variées et d'adaptation au terrain, complétées par des démonstrations réelles sur un Unitree G1. L'article, déposé sur arXiv (2610.30061), ne chiffre pas dans son résumé les taux de réussite ni les temps de relevé. L'intérêt tient à la distinction entre récupérer et choisir comment récupérer. Dans un entrepôt, un atelier encombré ou près d'un équipement, se relever n'importe comment peut bloquer un passage, heurter un obstacle ou laisser le robot orienté dans la mauvaise direction. Ici, des coûts de tâche (cap voulu, vitesse de relevé, chemin) guident la prédiction sans réentraînement, ce qui limite le coût d'adaptation pour un intégrateur qui voudrait ajuster le comportement à un site. Il faut toutefois rester prudent. Il s'agit d'un préprint, la validation quantitative la plus large est faite en simulation, et la partie réelle se limite à des démonstrations sur un seul robot, sans indication de robustesse sur des chutes variées, des sols dégradés ou des cycles répétés. Le fossé entre simulation et réel, et entre démonstration et déploiement, reste donc ouvert. Ce travail s'inscrit dans la montée des politiques de récupération apprises pour humanoïdes, qui ont d'abord visé la fiabilité du relevé depuis des postures arbitraires, souvent en aveugle ou avec des primitives fixes. RISE ajoute la perception visuelle et un contrôle explicite de l'intention, en s'appuyant sur les modèles de diffusion déjà répandus en planification robotique. Le Unitree G1 est devenu une plateforme de recherche courante grâce à son coût relativement bas, ce qui facilite la comparaison avec d'autres travaux. Les prochaines étapes naturelles seraient des évaluations chiffrées face aux méthodes existantes, des essais sur d'autres morphologies et une intégration avec des politiques de manipulation ou de navigation de plus haut niveau. Aucun calendrier de pilote ou de commercialisation n'est annoncé.

RecherchePaper

1 source

4arXiv cs.RO

Décomposition attention globale-locale pour l'encodage du terrain dans la locomotion perceptive des humanoïdes

Des chercheurs ont soumis fin mai 2026 sur arXiv (référence 2606.00637) une méthode baptisée GLAD (Global-Local Attention Decomposition) pour améliorer la locomotion perceptive des robots humanoïdes sur terrain irrégulier. L'approche repose sur un encodeur coarse-to-fine appliqué à une carte d'élévation centrée sur le robot, qui sépare deux branches d'attention : une branche globale utilisant l'attention pooling pour synthétiser le contexte environnemental, et une branche locale conditionnée à l'état du robot pour encoder avec précision la géométrie des surfaces d'appui. La méthode a été validée sur un humanoïde Unitree G1 équipé d'un LiDAR embarqué, sur des terrains à appuis discontinus (gaps, pierres de gué, escaliers) et dans des environnements confinés, avec un transfert sim-to-real zéro-shot sans réentraînement sur données réelles. La décomposition explicite de l'attention perceptive comble un manque identifié dans la littérature : les encodeurs conventionnels tendent à mélanger la perception macroscopique du terrain, utile pour la navigation globale, et la détection fine des surfaces d'appui, utile pour le placement des pieds, ce qui dégrade les performances dans les deux registres. En séparant ces fonctions, GLAD réduit la dilution des signaux spatiaux fins et allège la charge d'entraînement. Plus notable encore : la politique apprise fait émerger des comportements adaptatifs non explicitement supervisés, comme le suivi de chemins étroits et le contournement d'obstacles sous de simples commandes de vitesse, sans planificateur de navigation dédié. Ce résultat suggère que la structuration de l'encodeur perceptif peut induire une forme de navigation implicite, angle qui intéresse directement les intégrateurs cherchant à alléger la pile logicielle des humanoïdes déployés. La locomotion perceptive des humanoïdes a progressé rapidement depuis les travaux fondateurs en apprentissage par renforcement sur terrain accidenté (ANYmal d'ETH Zurich, CMU Locomotion Group), mais le sim-to-real sur appuis discontinus reste un verrou difficile, notamment à cause du bruit des capteurs de profondeur. L'utilisation du LiDAR embarqué du Unitree G1, commercialisé autour de 16 000 dollars et devenu banc d'essai courant dans la communauté académique, offre une robustesse capteur supérieure aux caméras RGB-D. Sur ce segment, plusieurs équipes sont en compétition directe : Berkeley Humanoid Locomotion Group, MIT CSAIL, et les équipes internes de Figure AI (modèle Helix) et d'Agility Robotics (Digit). Le papier ne publie pas de métriques quantitatives précises (taux de succès, nombre d'essais), ce qui limite la comparaison directe avec d'autres systèmes ; il s'agit d'un résultat académique, pas d'un produit déployé.

RecherchePaper

1 source