RecherchearXiv cs.RO 27 octobre 2026

Exploration multi-drones résistante aux attaques Sybil dans les espaces intérieurs et confinés

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de drones qui explore un bâtiment en coopération repose sur deux échanges : chaque appareil annonce la frontière (zone inconnue) vers laquelle il se dirige et partage la carte qu'il a construite. Une étude publiée sur arXiv montre que ce mécanisme suppose que l'équipe fasse confiance à chaque identité émettrice, ce qui ouvre la porte à une attaque Sybil. Un seul drone compromis fabrique de fausses identités, qui revendiquent des frontières et envoient des scans inventés. Les drones réels laissent alors des zones inexplorées et se retrouvent avec des murs inexistants dans leurs cartes. Les auteurs testent cinq types d'attaquants, dont un qui scelle les ouvertures entre étages, face à cinq niveaux de défense. Ces défenses n'exigent aucune infrastructure de sécurité et n'utilisent que les capteurs et les cartes des drones. Elles comprennent l'audit des données reçues par rapport à ce que le drone voit lui-même, la vérification qu'un corps est présent là où l'identité prétend se trouver, la confiance réservée aux identités dont le corps a été observé, une quarantaine pour les identités qu'aucun drone n'a observées, et une règle liant chaque corps observé à une seule identité. Les essais en simulation portent sur 70 cartes de sept types, des bureaux et tunnels aux bâtiments de trois étages et aux grottes. Sans défense, un seul drone compromis laisse en moyenne jusqu'à 25 % d'une carte inexplorée (45 % dans les bureaux). L'attaquant qui bloque les passages réduit la zone explorée d'un bâtiment de trois étages à 82,3 %, et à 34,6 % sur la pire carte.

Ces résultats sont utiles aux intégrateurs et aux décideurs qui envisagent des essaims pour l'inspection de sites industriels, de tunnels ou d'entrepôts. La sécurité des flottes est en général traitée au niveau du réseau, avec chiffrement et certificats, alors que cette étude montre qu'un seul nœud compromis, même authentifié, suffit à dégrader la mission en exploitant la confiance du protocole de coordination. La quarantaine ramène l'exploration au niveau d'une équipe non attaquée dans tous les cas testés, et dans la plupart des cas elle ramène aussi la quantité de fausses données à ce niveau. Le coût en faux positifs est faible : sur 2 350 missions, un drone honnête n'a été révoqué par un coéquipier que deux fois. Il faut toutefois rappeler que tout est validé en simulation, sans vol réel ni bruit de capteurs de terrain, ce qui limite la portée de ces chiffres.

Les limites sont précisées. La quarantaine seule échoue face à deux attaquants qui collaborent, à des faux placés près de drones réels, à trois des dix grottes et à une équipe de 16 drones. La règle liant chaque corps observé à une identité corrige ces trois derniers cas. L'étude prolonge les travaux sur l'exploration multi-robots par frontières et sur la robustesse byzantine des essaims, dont les protocoles supposaient souvent des pairs honnêtes. Aucune suite industrielle ni essai sur matériel n'est annoncé, et le travail reste une publication académique en préprint, sans produit ni déploiement associé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

La solution d'OpenSpace Lab pour le concours d'exploration en intérieur IROS 2026

L'équipe OpenSpace Lab a publié sur arXiv (2610.01505) le rapport technique de sa participation au concours Intelligent Information Gathering for Single and Multi-Robot Systems, organisé dans le cadre de l'IROS 2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems). Elle termine 1re de la piste publique mono-robot et 3e des pistes privées mono-robot et multi-robots. Les taux de couverture atteignent 61,04 % sur la piste publique mono-robot, 39,53 % sur la piste privée mono-robot et 39,91 % sur la piste privée multi-robots. Côté architecture, le système mono-robot s'appuie sur des prédictions de complétion de carte issues d'un modèle pré-entraîné pour guider la planification globale vers les zones non explorées. Une stratégie fondée sur le temps restant intègre une contrainte de retour au point de départ (« homing ») dans la décision, afin de concilier couverture et durée d'opération limitée. En multi-robots, la sélection des cibles est pilotée par une fonction d'utilité qui arbitre entre gain d'observation, coût de déplacement et budget, avec partage de la carte et des intentions entre robots pour éviter les recherches redondantes. Il s'agit d'un rapport succinct : un article complet est en préparation et le code, annoncé sur GitHub (OpenSpace-Lab/Indoor-Exploration-IROS2026), ne sera publié qu'après acceptation de ce manuscrit. L'intérêt tient surtout à ce que ces chiffres disent de l'état de l'exploration autonome en intérieur. Une couverture de 61 % en piste publique, qui tombe à environ 40 % sur les pistes privées, montre un écart net de généralisation entre scènes connues et scènes inédites. Elle rappelle que les benchmarks ouverts surestiment la performance réelle, un point à garder en tête pour les intégrateurs qui évaluent des solutions d'inspection, de cartographie ou de patrouille en environnement non structuré. Autre signal : le gain du multi-robots reste minime en piste privée (39,91 % contre 39,53 % en mono-robot, avec des rangs identiques), ce qui suggère que la coordination ne se traduit pas encore par un avantage mesurable sur ce jeu de test. Les résultats concernent par ailleurs un concours, avec des contraintes de temps propres, et non un déploiement industriel. Aucun détail n'est fourni sur la taille des scènes, le nombre de robots ni la comparaison avec les autres équipes. Ces travaux s'inscrivent dans la lignée de l'exploration par frontières, où le robot se dirige vers la limite entre espace connu et inconnu, que les approches récentes enrichissent par de la prédiction de carte apprise pour anticiper la structure des pièces non vues. Les concurrents du concours restent non précisés dans le résumé. Les suites sont connues : un article étendu à soumettre et une publication du code conditionnée à son acceptation, ce qui laisse la reproductibilité en suspens pour l'instant. Pour les acteurs industriels de l'AMR et de l'inspection, la valeur à surveiller sera la robustesse de la complétion de carte hors distribution, et la possibilité de la reproduire.

RecherchePaper

1 source

2arXiv cs.RO

Exploration multi-robots décentralisée par intention probabiliste des pairs et propagation de plans multi-sauts

Des chercheurs publient sur arXiv (identifiant 2609.22726, soumis le 22 septembre 2026) une méthode baptisée Probabilistic Peer Intent (PPI), destinée à l'exploration multi-robot décentralisée sous contrainte de communication limitée. Le travail s'appuie sur Decentralized Monte Carlo Exploration (DMCE), une approche existante basée sur la recherche arborescente de Monte Carlo (MCTS) qui permet à des robots de planifier localement en tenant compte des intentions de leurs pairs, ces intentions étant échangées sous forme de séquences de points de passage entre robots à portée de communication directe. PPI transforme ces trajectoires de pairs en une représentation spatiale continue et probabiliste de leurs intentions prévues, intégrée directement dans l'évaluation des actions du MCTS local. Les auteurs ajoutent un second mécanisme, la propagation de plans sur plusieurs sauts (multi-hop), qui permet de partager l'intention des pairs au-delà de la portée radio directe. La méthode a été testée dans plusieurs environnements simulés avec des tailles d'équipe variables, puis validée en conditions réelles sur trois robots opérant dans différents types d'environnements. L'enjeu est la coordination de flottes robotiques sans infrastructure de communication centralisée, un scénario courant en exploration de zones sinistrées, en logistique d'entrepôt distribuée ou en surveillance de sites étendus, où une liaison permanente vers un serveur central n'est pas garantie. En améliorant la qualité des décisions locales sans reconstruire une carte globale partagée en temps réel, ce type d'approche répond à une limite connue des architectures centralisées, qui échouent dès que le lien réseau se dégrade. Les résultats, selon les auteurs, montrent des gains qui dépendent fortement de la structure de l'environnement et du nombre de robots, ce qui nuance la portée générale de la méthode plutôt que d'en faire une solution universelle. Le travail s'inscrit dans la lignée des méthodes MCTS appliquées à l'exploration robotique multi-agents, dont DMCE constitue la référence directe. Les auteurs ne mentionnent pas de partenariat industriel ni de calendrier de déploiement commercial, le test à trois robots relevant de la validation expérimentale d'un laboratoire de recherche plutôt que d'un pilote produit.

RecherchePaper

1 source

3arXiv cs.RO

Exploration coopérative des risques dans des systèmes multi-robots hétérogènes par altruisme algorithmique

Publié fin août 2026 sur arXiv (référence 2608.28409), un article propose un cadre de théorie des jeux pour l'exploration coopérative de zones dangereuses par des équipes hétérogènes de robots : chaque agent planifie, sur un horizon fini, une trajectoire qui maximise le gain d'information tout en pénalisant la redondance et l'exposition au danger. Des paramètres de valeur propres à chaque robot et des poids de « parenté » inspirés de la règle de Hamilton définissent un équilibre social qui pousse les robots de moindre valeur à accepter plus de risque au bénéfice des robots plus critiques pour l'équipe. En simulation, cette planification altruiste réduit l'exploration redondante, améliore la séparation entre robots et réalloue le risque sans perte notable de couverture, un résultat confirmé sur du matériel réel avec des robots à roues guidés par des contrôleurs à simple intégrateur et des certificats de barrière. Le travail s'attaque à une question peu formalisée dans les systèmes multi-robots : répartir le risque, et pas seulement les tâches, entre agents de valeur inégale, alors que la plupart des algorithmes d'exploration de flotte optimisent la couverture sans distinguer les robots entre eux. Formaliser l'altruisme comme une fonction d'utilité calculable ouvre une piste pour des flottes hétérogènes en environnements dangereux (recherche et sauvetage, inspection de sites contaminés, exploration minière), où sacrifier délibérément une unité bon marché pour protéger un robot plus coûteux a un sens opérationnel direct. La validation reste toutefois limitée à la simulation et à une démonstration matérielle restreinte à des robots à roues, sans exposition à un danger réel ni test de passage à l'échelle. Ce travail s'inscrit dans un champ où l'exploration multi-robots traite généralement chaque robot comme interchangeable dans une fonction de coût de couverture homogène. En important des concepts issus de la biologie évolutive (sélection de parentèle, altruisme réciproque) et de la théorie des jeux coopératifs, les auteurs proposent une alternative structurée à la pondération manuelle des priorités entre robots. Il s'agit pour l'instant d'un preprint arXiv non encore relu par les pairs, sans calendrier de déploiement annoncé, et les prochaines étapes attendues porteraient sur l'extension à des flottes aériennes ou à pattes et sur des scénarios de danger plus réalistes qu'en laboratoire.

RecherchePaper

1 source

4arXiv cs.RO

Coordination multi-robot résistante aux pannes par maximisation sous-modulaire avec contrainte de $k$-connectivité

Des chercheurs publient sur arXiv (2610.13049) une méthode de coordination multi-robot qui tient compte d'un angle mort des approches existantes: la perte de connectivité réseau après la défaillance de robots. Les cadres de maximisation sous-modulaire servent déjà à répartir des actions entre robots pour des tâches de couverture, de suivi de cibles ou de collecte d'information. Leurs variantes dites résilientes anticipent la perte ou le retrait adversarial de certains robots. Les auteurs introduisent la « Resilient k-Connected Submodular Maximization », qui optimise conjointement la performance de la tâche, la résilience et la connectivité de communication. Techniquement, ils s'appuient sur une réduction de la connectivité fondée sur le théorème de Menger, sur un algorithme glouton sensible à la connectivité avec un mécanisme de repli qui préserve la faisabilité, et sur une nouvelle analyse de courbure. Le résultat garantit, dans le pire cas après défaillance, un objectif égal à au moins [max(1-νf(I), h(N,β))]² · ρ · (1/κf) · (1-e^(-κ_f)) de celui de l'affectation résiliente optimale respectant la connectivité. Les expériences portent sur du suivi de cibles multi-robot. L'enjeu est pratique pour quiconque déploie des essaims ou des flottes coopérantes: les garanties de résilience classiques supposent implicitement que les robots survivants peuvent encore échanger leurs informations. Or, si la perte de quelques unités scinde le réseau en sous-groupes isolés, la coordination s'effondre, même quand l'objectif de tâche reste théoriquement atteignable. En imposant une k-connectivité, c'est-à-dire un réseau qui reste connexe après la suppression de jusqu'à k-1 nœuds, la méthode offre une borne de performance qui reste valable dans des scénarios de panne réaliste, notamment en environnement hostile ou en inspection et surveillance. Le facteur ρ quantifie explicitement le coût de cette contrainte, ce qui permet à un intégrateur d'arbitrer entre redondance du réseau et performance nominale. Il faut toutefois relativiser: il s'agit d'un résultat théorique de garanties d'approximation, validé en simulation sur une tâche de suivi de cibles. Il n'existe ni déploiement sur flotte réelle, ni chiffres de performance en conditions industrielles, et les bornes de pire cas sont souvent conservatrices par rapport au comportement observé. Ce travail prolonge la lignée de la maximisation sous-modulaire pour la planification multi-robot, où les algorithmes gloutons offrent le célèbre ratio (1-1/e) sous contrainte de matroïde, puis les extensions résilientes qui protègent contre les retraits adverses. La difficulté ici tient au fait que l'ensemble des affectations faisables sous contrainte de connectivité n'est pas un matroïde, ce qui empêche d'appliquer directement les garanties classiques fondées sur la courbure. Les auteurs montrent néanmoins qu'ils retrouvent la garantie non contrainte dans les cas limites. La suite logique serait de tester l'approche avec des contraintes de communication réalistes (portée radio, latence, pertes de paquets), sur des flottes hétérogènes et sur du matériel réel. Cela permettrait de mesurer l'écart entre garanties théoriques et performances effectives.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source