Graphes de faisceaux de trajectoires pour la planification de mouvement non linéaire

Des chercheurs présentent sur arXiv (2610.32365) la méthode Graphs of Trajectory Bundles (GTB), dédiée à la planification de mouvement pour des systèmes à dynamique non linéaire, voire de type boîte noire. L'approche combine trois briques : planification par échantillonnage, optimisation de trajectoire et recherche dans un graphe. Elle part d'une décomposition de l'espace de travail en graphe d'ensembles convexes (GCS). GTB construit ensuite, de façon itérative, un graphe de « faisceaux de trajectoires » qui capture la dynamique locale du système en chaque sommet. Un problème de plus court chemin résolu sur ce graphe produit des itérés « maximalement faisables dynamiquement ». Ils satisfont la dynamique du système à la limite, tandis que les contraintes d'évitement de collision, de sécurité ou de spécification sont respectées par construction du graphe sous-jacent. Il s'agit d'une prépublication : l'extrait disponible ne fournit ni benchmark chiffré, ni temps de calcul, ni validation sur matériel.

L'intérêt pour la robotique tient à la difficulté qu'elle cherche à lever. Les planificateurs par optimisation exigent en général un modèle différentiable et se heurtent aux minima locaux. Les planificateurs par échantillonnage gèrent mal les dynamiques instables ou fortement contraintes. Si les auteurs tiennent leurs promesses, GTB permettrait de planifier avec un simulateur ou un modèle appris traité comme boîte noire, sans linéarisation manuelle. Ce serait utile pour des humanoïdes, des drones ou des manipulateurs dont la dynamique est difficile à modéliser analytiquement. Le fait que les contraintes de sécurité soient garanties par construction, et non pénalisées, répond à une attente des intégrateurs et des décideurs industriels qui doivent certifier des trajectoires. Reste à vérifier le passage à l'échelle en grande dimension et le coût de calcul, deux points que le résumé ne documente pas. La convergence « à la limite » ne garantit pas non plus un temps de réponse compatible avec le temps réel.

Ce travail prolonge la lignée des graphes d'ensembles convexes, popularisée par le groupe de Russ Tedrake au MIT et utilisée pour la planification de trajectoires sans collision. Ces méthodes restaient toutefois centrées sur des dynamiques linéaires ou simplifiées. GTB rejoint aussi les planificateurs de type RRT et PRM, ainsi que les approches par optimisation de trajectoire (MPC, iLQR), et les approches apprises (politiques de diffusion, VLA) qui contournent la modélisation explicite mais n'offrent pas les mêmes garanties de contraintes. Les prochaines étapes à surveiller sont la publication du code, des comparaisons avec ces méthodes de référence, puis des essais sur robots réels pour mesurer l'écart entre la théorie et les contraintes de terrain.