RecherchearXiv cs.RO 26 octobre 2026

La randomisation des délais élargit la marge de délai des suiveurs de mouvement humanoïdes appris

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs montrent qu'un simple contrôle en simulation ne suffit pas à valider la tolérance au retard de commande d'un contrôleur de robot humanoïde. Ils ont entraîné des politiques de suivi de mouvement pour un humanoïde à 24 articulations, sur cinq mouvements extraits de vidéos monoculaires, puis les ont testées dans un banc MuJoCo CPU indépendant, préalablement validé contre le modèle d'entraînement. Sous la randomisation d'entraînement habituelle, chaque politique réussit son mouvement dans au moins 26 épisodes sur 30. Avec 40 ms de retard de commande constant, le taux de survie tombe pourtant à 15 % en moyenne (de 0 % à 45 % selon les mouvements), et la marge de retard n'est que de 20 à 30 ms. En randomisant le retard à l'entraînement (0 à 50 ms), la survie à 40 ms remonte à 95 % en moyenne (75 % à 100 %) et la marge passe à 50 à 70 ms. Le résultat tient pour les cinq mouvements, avec trois graines d'entraînement chacun, et une politique entraînée sous PhysX se comporte de la même façon. Le coût est un suivi un peu moins précis (0,02 à 0,06 rad sur quatre mouvements) et, pour le mouvement le plus dynamique, une moindre robustesse à d'autres perturbations.

Pour les équipes qui déploient des humanoïdes, le message est concret : une politique qui passe haut la main une validation croisée entre simulateurs peut s'effondrer dès que la latence réelle de la chaîne commande-actionneur dépasse 20 à 30 ms, ce qui est courant sur du matériel réel. Le groupe a aussi mis en évidence un contrôle de contrôle : le premier écart sim-to-sim observé venait du banc de test (un sol manquant et un pas de temps erroné), pas des moteurs physiques. Un test croisé mal construit peut donc produire de faux diagnostics dans les deux sens. Un groupe de contrôle entraîné pour le même nombre d'itérations supplémentaires sans retard ne progresse pas, ce qui isole l'effet de la randomisation elle-même. Les auteurs plaident pour que la marge de retard soit rapportée comme métrique sim-to-sim standard. Les limites sont celles d'une étude de simulation : aucun essai sur robot physique n'est annoncé, et seuls cinq mouvements sont couverts.

Ce travail s'inscrit dans l'essor des contrôleurs appris de suivi de mouvement humanoïde, entraînés sur des données issues de vidéo, qui alimentent la course industrielle autour de la locomotion et de la manipulation. Les plages de retard de 0 à 20 ms, courantes dans l'entraînement de locomotion, se situent à l'intérieur de la marge qu'un suiveur non randomisé possède déjà, ce qui explique pourquoi elles apportent peu. Le bénéfice apparaît en randomisant au-delà de cette marge. Les auteurs recommandent donc de fixer la plage à partir de la latence mesurée du robot. La suite logique est une validation sur matériel et sur davantage de plateformes et de mouvements.

À lire aussi

1arXiv cs.RO

Apprentissage de priors moteurs hybrides réutilisables pour la locomotion humanoïde par imitation de mouvement

Une équipe de recherche propose un pipeline en trois étapes pour transformer l'imitation de mouvement humain en un "hybrid motion prior" (HMP) réutilisable pour la locomotion humanoïde. D'abord, une politique experte est entraînée par apprentissage par renforcement à imiter des séquences de motion capture humaine retargetées sur un squelette robotique. Cette expertise est ensuite distillée dans une architecture figée composée d'un encodeur proprioceptif, d'un codebook RVQ (residual vector-quantized) et d'un décodeur d'actions. Enfin, des politiques spécifiques à chaque tâche sont entraînées à sélectionner des entrées discrètes de ce codebook, sans jamais réentraîner le HMP sous-jacent. La méthode est évaluée en simulation sur trois tâches : suivi de vitesse, navigation vers un point cible, et récupération de chute avec suivi de vitesse. La politique de suivi de vitesse a ensuite été déployée sur un robot réel, un Unitree G1. Les chercheurs montrent aussi qu'entraîner le codebook avec un "rotation trick" plutôt qu'un estimateur straight-through classique améliore l'organisation de l'espace latent et réduit le nombre de chutes en aval. L'intérêt principal tient à la réutilisabilité : au lieu d'entraîner une politique RL distincte par tâche avec sa propre fonction de récompense, un seul module d'action reste figé et sert d'interface commune à plusieurs politiques de haut niveau. Cela répond à une limite connue de l'imitation de mouvement, dont les contrôleurs restent généralement de simples "suiveurs" de référence, inutilisables tels quels pour résoudre une tâche. Le codebook obtenu s'avère aussi interprétable : le nombre d'étages RVQ actifs module directement les types de démarche disponibles, un signal utile pour du contrôle hiérarchique. Pour les équipes qui construisent des piles logicielles humanoïdes, cette approche s'inscrit dans la même logique que les bibliothèques de compétences motrices low-level découplées des politiques de tâche, un principe partagé par des modèles VLA comme Pi-0, GR00T N2 ou Helix, même si ceux-ci ciblent surtout la manipulation. Ce travail s'inscrit dans la lignée des méthodes d'imitation de mouvement pour humanoïdes (type DeepMimic, ASE) qui cherchent depuis plusieurs années à extraire des priors moteurs génériques à partir de données de capture humaine. Le déploiement reste toutefois limité à un seul robot et une seule tâche testée en réel, la navigation et la récupération de chute n'ayant été validées qu'en simulation. Les auteurs présentent cela comme une brique réutilisable, ouvrant la voie à d'autres politiques de tâche construites sur le même HMP sans nouveau cycle d'entraînement complet.

RecherchePaper

1 source

2arXiv cs.RO

PLAT : suivi épars de mouvements-clés pour le contrôle humanoïde par apprentissage de transition latente privilégiée

Un cadre nomme PLAT, pour Privileged LAtent Transition learning, a été publie sur arXiv sous la référence 2609.25754v1. Il s'attaque au contrôle de robots humanoïdes par "keyframes temporisées éparses" : le robot ne reçoit que quelques poses-clés futures et leurs instants d'arrivée souhaites, plutôt qu'une référence dense image par image comme le font les politiques de motion tracking classiques. L'entrainement se déroule en trois étapes : un expert de suivi de mouvement dense preentraine fournit d'abord un prior de mouvement robuste, un prior latent privilégié est ensuite appris par imitation de type DAgger a partir de séquences d'objectifs denses servant de supervision privilégiée, puis un apprentissage par renforcement affine les transitions dans l'espace latent plutôt que les actions elles-mêmes. Les auteurs rapportent un suivi stable et précis en simulation sur des horizons de planification variables, avec un avantage marque a long horizon, et un déploiement réussi sur un robot humanoïde Unitree G1. Le problème vise est concret pour les équipes de recherche et les intégrateurs en robotique humanoïde : les politiques de suivi dense, précises mais rigides, s'exploitent mal comme contrôleurs de haut niveau pour la planification de taches ou la génération interactive de mouvement, car elles exigent une référence complète a chaque instant. En rendant le contrôle pilotable par de simples poses-clés espacées dans le temps, PLAT propose une interface plus légère entre un module de décision, planificateur ou générateur de mouvement, et l'exécution bas niveau, une séparation qui rejoint la logique d'architectures décision/exécution comme GR00T N2 ou Helix. Le transfert réussi vers un robot physique va dans le sens d'un rapprochement simulation-déploiement, même si les résultats quantitatifs reposent surtout sur la simulation, avec un seul modèle de robot teste et aucun taux de réussite en conditions réelles communique dans le résume. Ce travail s'inscrit dans la lignée des politiques de suivi de mouvement entraînées en simulation puis transférées sur robot réel, méthode courante pour les humanoïdes Unitree et dans la recherche en contrôle appris. Il se distingue des modèles généralistes de type VLA, tels Pi-0 ou GR00T N2, en ciblant la couche de contrôle moteur bas niveau plutôt que la perception ou la planification, une brique complémentaire plutôt que rivale. Publie sous la catégorie "new" d'arXiv, sans partenariat industriel ni calendrier de déploiement annonces, PLAT demeure a ce stade une contribution de recherche dont la robustesse hors simulation et sur d'autres plateformes reste a démontrer.

RecherchePaper

1 source

3arXiv cs.RO

Retargeting de mouvement avec préférences spatio-temporelles pour la loco-manipulation humanoïde

Une équipe de chercheurs propose Spatiotemporal Retargeting (STR), une méthode de retargeting de mouvement humain vers robot humanoïde, publiée sur arXiv (2610.30540). Le retargeting convertit des démonstrations humaines en trajectoires de référence pour le contrôle du corps entier et la loco-manipulation. STR part d'un constat: les budgets d'itérations par image sont uniformes, alors que seuls certains instants exigent une précision élevée sur les relations corps-objet. Un modèle vision-langage (VLM) sélectionne les signaux de mouvement et les parties du corps pertinents. Les images clés sont détectées à partir des variations de ces signaux. Le solveur reçoit alors des itérations supplémentaires sur ces images clés, et les parties sélectionnées reçoivent des poids d'interaction plus élevés. Un module nommé Mechanics-Aware Contact Anchoring (MCA) affine les positions de contact sur la surface de l'objet grâce à un modèle approximatif de torseur d'efforts (wrench), en conservant les directions de surface retenues. Les auteurs y ajoutent Spatiotemporal Reinforcement Learning (STRL), qui combine un échantillonnage adaptatif des étapes clés et une récompense de contact fondée sur la proximité à la cible et sur les forces de contact. Les tests en simulation utilisent un Unitree G1, et les essais réels un Unitree R1. L'intérêt tient à l'efficacité de calcul. Les pipelines de retargeting représentent souvent un coût caché dans la production de données pour humanoïdes, et concentrer l'effort là où la manipulation se joue (saisie, dépose, contact prolongé) est une piste pragmatique. Les auteurs annoncent une meilleure couverture et continuité des contacts à moindre coût, ainsi qu'un meilleur taux de réussite des tâches en aval. Cela va dans le sens d'un contrôle qui exploite des références de meilleure qualité plutôt que de simples trajectoires cinématiquement plausibles. Il faut toutefois rester prudent. Le résumé ne donne ni gain chiffré, ni nombre de tâches, ni durée des essais réels. Il ne précise pas non plus la dépendance au VLM, dont les choix de signaux et de parties du corps pourraient varier d'une requête à l'autre. Les essais sur R1 restent un résultat de laboratoire, sans lien avec un déploiement industriel. Ce travail s'inscrit dans la lignée des méthodes de retargeting par optimisation et des politiques de suivi de mouvement par apprentissage par renforcement, devenues courantes sur les plateformes Unitree à bas coût, très répandues dans la recherche. Il rejoint la tendance qui consiste à utiliser des modèles de fondation pour guider les étapes de la chaîne de données, et pas seulement l'exécution. Les acteurs industriels comme Figure, Tesla ou Agility mènent des efforts comparables, mais en grande partie fermés. Il n'est donc pas possible de comparer directement leurs résultats à cette approche. La suite logique serait une validation sur des objets plus variés, avec des comparaisons chiffrées face aux méthodes de retargeting existantes, puis une démonstration sur des tâches longues, avant tout transfert vers des usages en entrepôt ou en usine.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv 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