Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
De la table au robot marcheur : déploiement d'un modèle VLA sur un robot manipulateur à pattes
RecherchearXiv cs.RO 

De la table au robot marcheur : déploiement d'un modèle VLA sur un robot manipulateur à pattes

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

Des chercheurs décrivent, dans un preprint arXiv (2610.32271), le déploiement d'un modèle vision-langage-action (VLA) sur un manipulateur à pattes : un quadrupède Unitree Go2 équipé d'un bras AgileX Piper. L'équipe détaille les choix qui ont rendu possible un contrôle en boucle fermée de la locomotion et de la manipulation conjointes (loco-manipulation) sur robot réel. Ces choix portent sur la variante du modèle, l'horizon d'action et les conventions de démonstration. Sur une tâche de pick-and-place, ils séparent l'effet de la couverture des données de celui de la capacité du modèle. Élargir la couverture des démonstrations réduit de 30 % l'erreur de l'effecteur sur des positions non vues à l'entraînement. L'ajout de compétences secondaires, comme pousser un objet plutôt que le saisir, crée de nouveaux modes de comportement sans dégrader la performance de base. L'article ne donne ni taux de succès chiffrés ni nombre d'essais dans son résumé.

L'enjeu est pratique. Le schéma habituel consiste à préentraîner un VLA sur des données larges, puis à l'affiner sur un petit jeu de données propre au robot cible. Il est désormais bien établi pour les bras à base fixe, dont la dynamique est statique et le repère de référence stable. Poser le même bras sur un quadrupède étend l'espace de travail à tout le sol, mais change la nature du problème : la politique doit coordonner navigation de la base, posture du corps et mouvement de l'effecteur. Le travail suggère que cette recette se transpose à ce cas avec un volume de données modeste, et que la composition du jeu de données explique en grande partie les réussites comme les échecs. Pour un intégrateur, c'est un indice que la collecte de démonstrations ciblées pèse plus que la taille du modèle. Il faut toutefois rester prudent : la plateforme est un robot de recherche à bas coût, la tâche est simple et le résumé ne mentionne aucune validation en environnement industriel.

Le contexte est celui d'une course où les VLA (Pi-0, GR00T, Helix et d'autres) ont surtout été démontrés sur bras fixes ou sur humanoïdes, tandis que la loco-manipulation sur quadrupède reste dominée par des approches hiérarchiques, qui séparent contrôleur de locomotion et politique de manipulation. Le Go2 et le Piper sont des composants accessibles, ce qui rend la démarche reproductible par des laboratoires universitaires. Les suites logiques sont des tâches plus longues et plus complexes, un test de la généralisation à de nouveaux environnements, et une comparaison directe avec les architectures hiérarchiques. Aucun acteur français ou européen n'est cité dans ce travail.

Dans nos dossiers

UnitreeIA physique & VLANVIDIA GR00TarXiv cs.RO

À lire aussi

DECOWAM : un modèle monde-action pour la manipulation mobile de robots à pattes
1arXiv cs.RO 

DECOWAM : un modèle monde-action pour la manipulation mobile de robots à pattes

Des chercheurs présentent DECOWAM (Decoupled Whole-Body World-Action Model), un modèle monde-action conçu pour la manipulation mobile sur robots à pattes équipés d'un bras, décrit dans une prépublication arXiv (2608.20114v1) mise en ligne fin août 2026. Le système part d'un backbone FastWAM adapté et gelé, sur lequel sont entraînés uniquement des adaptateurs résiduels, soit 25,95 millions de paramètres entraînables. L'architecture ajoute un goulot d'étranglement futur équivalent-action distillé à partir d'observations privilégiées, des représentations latentes de la base et du bras séparées de manière adversariale, ainsi qu'un conditionnement par la vitesse de la base pour la prédiction vidéo. Les auteurs introduisent également ARMDOG, un nouveau jeu de données collecté sur robot réel qui synchronise vidéo, état corps entier, actions et instructions en langage naturel. Sur un protocole de rejeu fixe, DECOWAM réduit l'erreur quadratique moyenne de prédiction d'action de 21,7% par rapport à FastWAM. Sur 79 essais en boucle fermée par méthode, il obtient la meilleure coordination corps entier et la meilleure robustesse au déplacement de la base parmi les systèmes comparés, tandis que le taux de complétion des tâches reste comparable au meilleur système de référence, sans amélioration nette sur ce critère précis. L'apport principal tient à la séparation explicite du mouvement propre de la caméra (lié au déplacement de la base) des actions du bras, un problème que les modèles monde-action existants, conçus pour des plateformes à base fixe, ignorent largement. Pour les intégrateurs travaillant sur des robots mobiles à bras (quadrupèdes ou plateformes à roues), cela suggère qu'un modèle de prédiction vidéo pré-entraîné peut être adapté à moindre coût, via peu de paramètres, plutôt que réentraîné intégralement pour gérer un point de vue mobile. Le résultat reste toutefois nuancé: les gains portent sur la coordination et la robustesse mesurées en simulation de rejeu, pas sur un saut de performance en complétion de tâche réelle. Le travail se positionne comme une extension aux plateformes mobiles des modèles monde-action initialement développés pour bras fixes, sans nommer de backbone concurrent autre que FastWAM ni d'entreprise partenaire. Il s'agit d'une contribution académique publiée en prépublication, sans annonce de déploiement commercial ni de calendrier de mise en production; le jeu de données ARMDOG pourrait toutefois servir de futur benchmark pour la manipulation mobile corps entier.

RecherchePaper
1 source
Vers des robots à pattes lunaires : leçons d'un déploiement sur le terrain à LUNA
2arXiv cs.RO 

Vers des robots à pattes lunaires : leçons d'un déploiement sur le terrain à LUNA

Des chercheurs ont rapporté les enseignements de la campagne analogue LUNA 2025, au cours de laquelle deux robots à pattes, l'ANYmal-D (quadrupède industriel d'ANYbotics) et le Magnecko, ont évolué sur un simulant de régolithe meuble et sur un terrain imitant des cratères. Les équipes ont aussi collecté des données de navigation sur de longues distances et des données visuelles-inertielles dans des conditions d'éclairage difficiles. Le résultat principal est que les quadrupèdes peuvent bel et bien traverser ce simulant, mais avec des performances dégradées par l'enfoncement et le glissement des pieds, par les contacts qui soulèvent de la poussière, et par des défaillances de perception. Ces dernières ont trois causes: la surexposition, les ombres portées et les zones à faible texture. L'étude, publiée sur arXiv (2610.12276), ne fournit pas dans son résumé de chiffres sur la vitesse, le taux de réussite ou la distance parcourue. Il s'agit d'un retour d'expérience de terrain en milieu analogue, et non d'une démonstration en conditions lunaires réelles. L'intérêt de ces travaux tient au fait que la préparation des robots à pattes pour la Lune reste limitée par des incertitudes encore mal quantifiées: interaction pied-régolithe, génération de poussière, dégradation de la vision sous éclairage solaire rasant et contraintes opérationnelles. Les rovers à roues, qui dominent l'exploration spatiale, peinent sur les pentes raides, les sols meubles et les champs de blocs, précisément là où se trouvent les cibles scientifiques comme les bords de cratères ou les zones d'ombre permanente. Cette étude confirme que le potentiel de la locomotion à pattes est réel, mais elle montre aussi que les politiques de locomotion apprises en simulation, généralement entraînées sur des sols plus ou moins rigides, ne suffisent pas. Les auteurs plaident pour des politiques conscientes du régolithe, une perception robuste à l'éclairage, des essais analogues reproductibles et une validation au niveau de la mission entière. Pour un décideur ou un intégrateur, le message est clair: l'écart entre la démonstration en laboratoire et la fiabilité sur le terrain reste ici très large, en particulier côté perception. Le contexte est celui d'un intérêt croissant pour les robots à pattes dans le spatial. L'ANYmal, issu de l'écosystème de l'ETH Zurich, a déjà été testé dans des environnements analogues, et plusieurs agences et laboratoires explorent des architectures à pattes ou hybrides, face à des rovers à roues éprouvés. Le Magnecko, plus expérimental, représente une autre approche de la locomotion à pattes. La campagne LUNA, installée sur une installation d'analogue lunaire en Europe, sert de banc d'essai de référence pour ces plateformes. Les prochaines étapes évoquées par les auteurs portent sur l'amélioration des politiques de locomotion adaptées au régolithe, sur une perception robuste aux conditions d'éclairage lunaires, ainsi que sur des protocoles de test standardisés. Aucun calendrier de mission ni de vol n'est annoncé, et l'on reste donc à un stade de recherche et de maturation technologique, loin d'un déploiement réel sur la surface lunaire.

UEÉtude menée sur une installation d'analogue lunaire en Europe avec l'ANYmal d'ANYbotics (écosystème ETH Zurich), utile à la filière spatiale et robotique européenne, sans retombée directe sur la France.

RecherchePaper
1 source
PhysVLA : vers un modèle VLA physiquement ancré pour la manipulation robotique
3arXiv cs.RO 

PhysVLA : vers un modèle VLA physiquement ancré pour la manipulation robotique

Des chercheurs ont publié sur arXiv (arXiv:2606.13886, juin 2026) PhysVLA, un module d'inférence plug-and-play conçu pour corriger en temps réel les actions générées par n'importe quel modèle VLA (Vision-Language-Action) existant, sans rétro-entraînement ni accès aux poids. Le système intercepte les commandes produites par le backbone VLA et applique deux couches de correction successives : une machine à états finis sensible à la phase de la tâche (approche, saisie, transport, dépôt), puis un filtre sélectif basé sur les équations d'Euler-Lagrange qui ne s'active que lorsqu'un oracle de dynamique détecte une incohérence cinodynamique. Le surcoût de calcul est inférieur à 1 ms par pas de contrôle. Évalué sur quatre architectures distinctes (OpenVLA, OpenVLA-OFT, Force-VLA, Generalist-VLA) sur le benchmark LIBERO-Spatial avec un bras Franka Panda 7-DOF, PhysVLA améliore le taux de succès absolu jusqu'à 17 points, la stabilité jusqu'à 19 points, et l'efficacité de trajectoire jusqu'à 15 %, sans régression sur aucune tâche. Sur un sweep cross-simulateur (Robosuite Lift), la robustesse au jerk de trajectoire progresse d'un facteur 10. La validation sur un bras physique Agilex Piper (tâche pick-and-place réelle) confirme le transfert sim-to-real sans rétro-entraînement, avec une amélioration du taux de succès allant jusqu'à 50 %. L'intérêt industriel de cette approche tient à son caractère composable et backbone-agnostique. Les VLA actuels apprennent à imiter des démonstrations comportementales sans contraindre explicitement la physique des corps rigides ni les contacts, ce que les chercheurs nomment un "physics gap". Les correcteurs temporels classiques (temporal smoothing) masquent le problème sans le résoudre, et introduisent leurs propres échecs. PhysVLA propose une solution d'intégration légère pour les équipes qui déploient des VLA existants en production : pas de réentraînement, pas d'accès aux poids, un wrapper autour du modèle gelé. Pour un intégrateur ou un OEM, cela signifie potentiellement améliorer des systèmes déjà en ligne sans toucher aux pipelines de formation, ce qui réduit le risque et le coût de mise à niveau. PhysVLA s'inscrit dans la montée en puissance des approches de contrôle physique fondé pour les VLA généralistes, une problématique que des laboratoires comme Physical Intelligence (avec π0), Stanford (OpenVLA) ou Google DeepMind travaillent activement. Le papier positionne explicitement son framework comme complémentaire à ces backbones plutôt que concurrent. Il reste à ce stade un prototype de recherche validé en laboratoire sur deux plateformes matérielles (Franka Panda et Agilex Piper) ; aucun déploiement industriel ni partenariat commercial n'est annoncé. Les prochaines étapes naturelles seraient une validation sur des benchmarks plus larges (RoboMimic, DROID) et sur des robots à plus haute cinématique, notamment des humanoïdes où la gestion des contacts et de la dynamique des corps rigides est critique.

UELes équipes R&D et intégrateurs européens déployant des VLA en production peuvent directement tester ce wrapper plug-and-play sans rétro-entraînement, mais aucun acteur ou déploiement européen n'est impliqué dans ce travail de recherche.

RechercheOpinion
1 source
Robot mobile-manipulateur unifié : ABot-M0.5 présente un modèle d'action du monde
4arXiv cs.RO 

Robot mobile-manipulateur unifié : ABot-M0.5 présente un modèle d'action du monde

Des chercheurs présentent ABot-M0.5, un nouveau "World Action Model" (WAM) conçu pour la manipulation mobile, cette capacité qui combine navigation et manipulation d'objets chez un robot généraliste. Publié sur arXiv début juillet 2026, l'article part d'un constat : les politiques VLA actuelles restent réactives et sans modélisation explicite du monde, tandis que les WAM existants sont mal adaptés à la manipulation mobile car ils traitent des séquences vidéo trop grossières, mélangent les actions de navigation et de manipulation, et entraînent leur dynamique inverse avec une supervision qui ne correspond pas aux conditions réelles d'inférence autorégressive. Pour y remédier, ABot-M0.5 introduit des "actions latentes intermédiaires" qui capturent les transitions visuelles locales et servent de pont entre les représentations vidéo et les commandes propres à chaque robot. Le modèle repose aussi sur une architecture de type Mixture-of-Transformers à deux niveaux, séparant les modalités et les sous-espaces d'action hétérogènes (déplacement de la base d'un côté, manipulation du bras de l'autre). Enfin, une stratégie d'entraînement baptisée "dream-forcing" entraîne progressivement la dynamique inverse sur des vidéos générées par le modèle lui-même plutôt que sur les seules trajectoires réelles, ce qui rapproche les conditions d'entraînement et de test. Les auteurs revendiquent des résultats état de l'art sur des benchmarks de manipulation mobile et de manipulation fine, tant sur le taux de réussite des tâches longues que sur la précision de contrôle. Pour l'industrie robotique, ce travail s'attaque à un problème connu et bloquant : l'accumulation d'erreurs lors des déplacements longs, causée par un décalage entre l'entraînement (sur trajectoires vérité terrain) et l'exécution réelle, où le robot doit composer avec ses propres erreurs qui s'accumulent. Si la méthode tient ses promesses au-delà des benchmarks internes, elle constituerait une avancée utile pour les intégrateurs visant des robots mobiles capables d'enchaîner navigation, saisie et dépose sur plusieurs étapes, un scénario bien plus exigeant que la simple manipulation statique sur table. Il s'agit toutefois d'un préprint arXiv non encore relu par les pairs, sans institution ni entreprise clairement identifiée dans le résumé, et les métriques de "état de l'art" reposent sur des comparaisons choisies par les auteurs eux-mêmes. Une réplication indépendante sera nécessaire avant de juger de la portée réelle de cette approche face aux autres travaux sur les modèles monde appliqués à la robotique.

RechercheActu
1 source