RecherchearXiv cs.RO 22 octobre 2026

RangeNav : préentraînement d'images de profondeur LiDAR aligné sur la tâche pour la navigation de robots

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

RangeNav est un encodeur compact de 183 000 paramètres, dédié aux images de portée (range images) issues de LiDAR panoramiques, présenté dans un preprint arXiv. Il est préentraîné uniquement sur des données synthétiques, puis gelé pendant l'apprentissage de la politique de navigation. Il s'appuie sur des convolutions anisotropes et un remplissage circulaire (circular padding), pour gérer le rapport d'aspect extrême de ces images et la couture azimutale à 360°. Le préentraînement combine trois objectifs alignés sur la navigation: reconstruction de la portée, segmentation sémantique et prédiction en vue aérienne (BEV). En simulation, l'ajout des supervisions sémantique et BEV améliore le taux de succès de 32,03 points de pourcentage en moyenne par rapport à une base limitée à la reconstruction, dans des environnements d'entraînement générés procéduralement. Le gain est de 23,73 points dans des environnements de test réalistes hors distribution. Des déploiements réels en zero-shot ont été menés sur un quadrupède Unitree B2-W: foules denses, faible luminosité et zones de chantier.

L'intérêt tient à la taille du modèle et à son mode d'entraînement. Les encodeurs de nuages de points 3D préentraînés existants sont trop gourmands en mémoire pour la simulation massivement parallèle, dont l'apprentissage par renforcement (RL) a besoin. Avec 183 000 paramètres, RangeNav laisse la place à des milliers d'environnements simultanés, et le gel de l'encodeur atténue l'inefficacité d'échantillonnage du RL sous récompenses éparses. Le transfert zero-shot de données purement synthétiques vers le réel renforce l'hypothèse d'une réduction du fossé sim-to-real, à condition que la représentation soit alignée sur la tâche. Les auteurs affirment aussi que les politiques à caméra de profondeur à champ de vision limité peinent dans ces scénarios. Cette comparaison reste à examiner: l'article ne précise pas dans cet extrait les métriques des essais réels, ni leur nombre ou leur durée. Les 32 et 24 points proviennent de la simulation, avec des bases de comparaison choisies par les auteurs. Pour un intégrateur de robots mobiles ou de quadrupèdes d'inspection, le message est surtout pratique: un perception front-end léger, utilisable sur du matériel embarqué modeste, peut suffire pour naviguer dans des zones encombrées.

Le travail s'inscrit dans la tendance des politiques de locomotion et de navigation apprises en simulation massive. Beaucoup d'entre elles reposent sur la profondeur égocentrique à champ de vision étroit, ou sur des cartes d'élévation. Le LiDAR 360° est courant sur les plateformes de Unitree et sur les AMR industriels, mais il est moins exploité dans les pipelines de RL de bout en bout. Les concurrents sont les encodeurs de nuages de points préentraînés, plus lourds, et les approches de navigation par profondeur. Le code et les modèles seront publiés en open source, sans date annoncée. Il s'agit pour l'instant d'une recherche académique, sans produit ni déploiement commercial, et la reproductibilité sera à vérifier à la publication.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

CORNAV : raisonnement tenant compte des travaux pour la navigation de robots sur chantiers actifs

CORNAV, un cadre de navigation pour robots publié sur arXiv (2610.03622), vise à faire circuler des robots mobiles sur des chantiers actifs à partir de plans CAD 2D et de plannings de projet, sans exiger de maquette numérique BIM. Le système aligne les plans architecturaux sur des graphes de scène 3D hiérarchiques à vocabulaire ouvert pour ancrer les requêtes en langage naturel. Il convertit ensuite le planning en contraintes de navigation variables dans le temps. Un module de sécurité fondé sur un LLM valide chaque demande et fait remonter les zones dangereuses avant la planification. Un planificateur A* impose enfin des zones d'exclusion obligatoires et évite de préférence les zones à risque élevé. Les tests ont eu lieu dans un bureau intérieur et sur un vrai chantier. L'ancrage par plans fait passer le taux de réussite des tâches de 13,0 % à 72,2 %, par rapport à la seule récupération sémantique. La prise en compte du planning supprime toutes les violations de zones strictes. Le module de sécurité rejette correctement les demandes dangereuses issues de plannings mal étiquetés. Ces résultats comptent d'abord parce qu'ils visent une limite connue des systèmes de navigation guidés par le langage. Ceux-ci reposent sur la seule compréhension sémantique de la scène et localisent mal les éléments permanents du bâtiment. Le saut de 13,0 % à 72,2 % montre que le goulot d'étranglement est le contexte métier plutôt que la perception brute. Exploiter des plans 2D et des plannings déjà présents sur la plupart des chantiers abaisse la barrière d'entrée, car peu de chantiers disposent d'un BIM à jour. Pour les intégrateurs et les responsables de sites, l'intérêt est une navigation qui respecte les zones interdites évolutives. Le rejet de requêtes issues de plannings erronés répond à un risque réel : les données de chantier sont souvent incomplètes ou fausses. Il faut toutefois rester prudent. Les résultats viennent d'un travail académique, sur un nombre limité d'environnements, et le seul site réel testé ne dit rien de la robustesse à grande échelle. Les auteurs partent d'un constat économique : la construction souffre de pénuries de main-d'œuvre, d'une faible productivité estimée à plus de 1 600 milliards de dollars de coût annuel pour l'économie mondiale, et d'un des taux d'accidents les plus élevés parmi les grands secteurs. Ces facteurs alimentent l'intérêt pour les robots autonomes sur chantier, déjà explorés par des acteurs comme Boston Dynamics avec Spot pour la capture de l'avancement. Les approches de navigation par graphes de scène à vocabulaire ouvert, qui servent de base ici, restent peu adaptées aux contraintes réglementaires et temporelles d'un chantier. CORNAV est un travail de recherche, pas un produit ni un déploiement commercial, et aucun calendrier de pilote n'est annoncé. Les suites logiques seraient des essais sur davantage de sites, une intégration avec des robots de terrain et une évaluation de la fiabilité du module de sécurité face à des plannings dégradés.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Spark-0 : passage à l'échelle du pré-entraînement tactile aligné spatialement pour la manipulation dextre des robots

Spark-0, présenté sur arXiv (2610.22342) par l'équipe derrière xsparkai.com, est un modèle vision-toucher-langage-action (VTLA) conçu pour la manipulation dextre riche en contacts. Son principe repose sur un usage double du tactile. Pendant le pré-entraînement, des cartes de contact projetées dans l'espace image, issues de gants tactiles, ainsi que des caractéristiques d'un modèle « enseignant » 3D figé, supervisent les tokens visuels. Ces objectifs sont retirés à l'inférence. En parallèle, une voie tactile encode l'historique des forces par région et l'état 3D des taxels (capteurs tactiles individuels) pour conditionner l'« action expert », le module qui génère les commandes. Un seul checkpoint fonctionne donc en mode vision seule comme en mode tactile. Pour alimenter cette supervision, les auteurs ont constitué HumanTouch, un jeu de 1 000 heures de manipulation humaine avec gant tactile couvrant toute la main, combiné à de la vidéo égocentrique, des données robot et de la simulation. Ils publient aussi SparkArena, un banc d'essai associant des tâches simulées en vision seule et des tâches réelles avec tactile sur un même robot à main dextre. Spark-0 obtient le meilleur taux de succès moyen sur les deux volets et se classe premier sur les huit métriques agrégées de l'Ego Humanoid Manipulation Benchmark. Le résultat le plus parlant est une ablation à données et calcul identiques : conserver le toucher des 1 000 heures plutôt que le jeter fait passer le succès en vision seule sur Ego Humanoid de 52,5 % à 71,7 %, et le succès sur SparkArena-Real, où le tactile sert aussi au déploiement, de 44,0 % à 52,0 %. Pour les intégrateurs, l'enseignement est que le tactile n'est pas seulement une entrée supplémentaire coûteuse à câbler sur chaque robot : il peut servir de supervision à grande échelle et profiter à des machines déployées sans capteurs tactiles. Cela remet en question l'hypothèse selon laquelle le pré-entraînement purement visuel suffirait aux tâches où force, compliance et glissement naissant sont invisibles sur image. Il faut toutefois relativiser. Le gain en conditions réelles est modeste (+8 points, à 52 % de succès absolu), loin d'un niveau exploitable en production. Les benchmarks sont en partie introduits par les auteurs eux-mêmes, avec une seule plateforme dextre pour le volet réel, et aucun déploiement industriel ni temps de cycle n'est annoncé. Il s'agit d'un travail de recherche, pas d'un produit livré. Ce travail s'inscrit dans la lignée des modèles VLA généralistes (Pi-0, GR00T, Helix), très dépendants de la vision, et de la montée des données humaines égocentriques comme source bon marché de démonstrations. Le goulot restait l'absence de données tactiles à grande échelle, que les gants de capture comme HumanTouch cherchent à lever. La concurrence viendra des laboratoires et industriels qui misent déjà sur la dextérité, de Figure et Tesla aux acteurs asiatiques de la main tactile, sans qu'un acteur européen ne soit cité ici. Les suites logiques sont la publication des données et du code, la reproduction par des tiers sur d'autres mains robotiques, et l'extension à des tâches industrielles longues. Les auteurs ne communiquent à ce stade ni calendrier de pilotes ni partenaires de déploiement.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Robots microscopiques : un entraînement en quelques minutes pour leur navigation

Une équipe de recherche présente un nouveau cadre d'apprentissage qui entraîne des politiques de navigation pour microrobots en moins de dix minutes, contre plusieurs heures voire plusieurs jours avec les méthodes d'apprentissage par renforcement profond (DRL) actuelles. Décrit dans un article publié le 4 août 2026 sur arXiv (2608.00854), le système repose sur un simulateur entièrement vectorisé reproduisant plus de 10 000 environnements vasculaires artificiels distincts. La dynamique physique, la perception inspirée du LiDAR et les vérifications de faisabilité y sont parallélisées sur des milliers d'environnements simultanément, atteignant un débit d'environ 190 000 transitions par seconde. Les chercheurs y associent un cadre de récompense baptisé TSR (task-shaping-regularization), conçu pour accélérer la convergence de l'apprentissage. Selon les mesures rapportées, il réduit la variation d'action d'au moins 33,7 % et augmente la marge de dégagement par rapport aux obstacles d'au moins 2,1 %, sur l'ensemble des scénarios testés. L'intérêt principal tient au goulot d'étranglement que cette approche cherche à lever: la navigation autonome de microrobots, notamment en contexte vasculaire pour des applications médicales ciblées, dépendait jusqu'ici de cycles d'entraînement lourds qui freinaient l'optimisation des paramètres et le déploiement rapide. En ramenant ce temps sous la barre des dix minutes tout en conservant un déploiement zero-shot sur des types de microrobots et des scénarios de navigation différents, les auteurs affirment raccourcir sensiblement la boucle de conception, un point qui parlera directement aux équipes travaillant sur la robotique médicale miniaturisée et l'ingénierie de systèmes DRL embarqués. Le papier s'inscrit dans la lignée des travaux sur l'apprentissage par renforcement appliqué à la microrobotique, un domaine où la simulation à haute fidélité reste coûteuse en temps de calcul. La contribution technique centrale reste la vectorisation massive du simulateur plutôt qu'une nouvelle architecture de contrôle. Les auteurs ne précisent pas, dans le résumé disponible, de calendrier de validation matérielle ni de partenariat industriel; la prochaine étape logique consisterait à confronter ces résultats simulés à des essais sur microrobots physiques.

RecherchePaper

1 source

4arXiv cs.RO

Déploiement de modèles fondation pour la navigation robotique incarnée

Un article publié sur arXiv (2609.25666v1) détaille deux limites concrètes du déploiement de modèles de fondation (FM) sur des agents incarnés chargés de navigation : un biais d'entraînement qui dégrade la personnalisation dans des environnements inédits, et une longueur de contexte insuffisante qui pénalise les tâches à long horizon. Face au premier problème, les auteurs proposent TAP (Transit-Aware Planning), qui amorce le FM avec des données d'habitudes humaines extraites directement de la scène. Pour le second, ils introduisent MemCtrl, doté d'une "tête de mémoire" (memory head) qui gère activement le contexte plutôt que de le laisser s'accumuler passivement. Testé en conditions réelles dans un environnement de laboratoire avec un robot Turtlebot sur une tâche de recherche de cible personnalisée, TAP affiche une amélioration moyenne de 18% par rapport à une base sans cette méthode. MemCtrl, évalué sur plusieurs tâches incarnées, obtient un gain moyen de 6%, qui monte à 20% sur les sous-ensembles d'instructions longues, tout en consommant près de moitié moins de contexte que le modèle de référence. Ces résultats visent deux angles morts souvent minimisés dans les annonces de robots généralistes pilotés par des modèles vision-langage-action (VLA) : la personnalisation réelle une fois le robot sorti de son jeu de données d'entraînement, et le coût en contexte des tâches longues, qui limite la scalabilité en usage réel. Le fait que le gain de TAP soit mesuré sur un robot physique, et non sur des vidéos sélectionnées en simulation, constitue un signal utile pour les intégrateurs, même si l'échelle reste celle d'un laboratoire contrôlé et non d'un déploiement commercial. Diviser par deux le budget de contexte tout en améliorant la précision représente aussi un argument économique concret pour qui doit faire tourner ces modèles en inférence à grande échelle sur du matériel embarqué. Pour les décideurs B2B qui évaluent des piles VLA pour la logistique ou le service, le papier rappelle que le sim-to-real et le passage à l'échelle du contexte restent des problèmes ouverts, non résolus par la seule taille des modèles. Le travail s'inscrit dans un corpus déjà dense de recherches sur la navigation incarnée pilotée par des FM, que les auteurs organisent en une taxonomie pour situer leurs deux contributions par rapport à l'état de l'art. Il s'agit d'une publication de recherche académique, pas d'une annonce produit : elle défend une position argumentée sur la déployabilité réelle des agents incarnés fondés sur des FM et liste des pistes de recherche ouvertes plutôt qu'une feuille de route commerciale. Aucun partenariat industriel, aucun site de déploiement commercial ni aucun calendrier de mise sur le marché n'est mentionné ; les suites annoncées portent sur l'extension des tests à d'autres environnements et tâches à long horizon, pas sur un lancement produit.

RechercheActu

1 source