RecherchearXiv cs.RO 27 octobre 2026

Apprentissage de corrections de trajectoire sensibles aux interactions à partir de trajectoires non étiquetées : un cadre GNN sim-vers-réel par LiDAR pour les robots de chantier

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent un cadre de navigation sociale fonctionnant uniquement avec un LiDAR, destiné aux robots de chantier qui évoluent à proximité d'ouvriers. Le système apprend des corrections de trajectoire sensibles aux interactions à partir de démonstrations non étiquetées. Une extrapolation à vitesse constante génère les cibles d'apprentissage résiduelles, et un réseau de neurones sur graphes (GNN) modélise les relations entre le robot, les piétons et le contexte de l'objectif. En déploiement, un filtre de Kalman étendu suit les détections LiDAR pour construire des graphes dynamiques. Le GNN décale ensuite les points de passage produits par le planificateur, via une interface indépendante du planificateur. Dans un essai de pose de briques, le modèle réduit l'irrégularité du chemin de 39,2 % et augmente le temps minimal avant collision (TTC). Sur les séquences du jeu de données Dynablox, le TTC minimal progresse de 38,3 %, avec des trajectoires plus courtes et plus lisses que les méthodes de référence. Les ablations retiennent un intervalle de prédiction de 1,0 s et confirment l'utilité du contexte de l'objectif, de l'augmentation par réflexion et de la normalisation des caractéristiques.

L'intérêt tient à ce que ce travail s'attaque à trois freins connus de la navigation sociale sur chantier. Les règles d'interaction écrites à la main passent mal à l'échelle, les démonstrations étiquetées coûtent cher à produire, et les politiques de contrôle propres à un robot se transfèrent difficilement d'une plateforme à l'autre. Une couche de correction qui s'ajoute à n'importe quel planificateur existant intéresse directement les intégrateurs, car elle évite de remplacer la pile de navigation en place. Le choix du LiDAR seul, sans caméra, répond aussi à la poussière, aux variations de lumière et aux contraintes de confidentialité des sites. Il faut toutefois relativiser la portée des résultats : ils reposent sur un essai de pose de briques et sur un jeu de données public, sans déploiement prolongé sur un chantier réel. Le comportement face à des groupes denses, à des engins ou à des occlusions fortes n'est pas documenté dans ce résumé. Les gains en TTC et en régularité restent des gains relatifs face à des références dont la nature précise n'est pas détaillée, et aucune donnée de cycle ou de productivité n'est fournie.

Ce travail s'inscrit dans la lignée des méthodes de navigation sociale à base de forces sociales, d'apprentissage par imitation ou de renforcement, souvent validées en simulation ou dans des espaces de bureau plutôt que sur chantier. Le robot de pose de briques évoque les systèmes de maçonnerie robotisée déjà testés par plusieurs acteurs du secteur, mais l'étude ne désigne pas de produit commercial. L'étape suivante logique consiste à valider le cadre sur des sites réels, avec des plateformes variées, et à tester sa transférabilité d'un planificateur à l'autre. Il s'agit pour l'instant d'une publication académique sur arXiv, sans produit, sans pilote annoncé et sans calendrier de commercialisation.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

PACER : apprentissage de politiques VLA sensibles au processus à partir de corrections humaines pour le démontage robotisé

Des chercheurs présentent PACER (Process-Aware Correction and Evidence Reweighting), un cadre d'apprentissage pour le démontage robotisé de produits en fin de vie, publié sur arXiv. Il est évalué sur le démontage de cartes mères avec un bras UR5e, sur cinq classes de composants. La tâche testée est l'approche du composant puis sa remise (« approach-and-handoff »). Sur un benchmark de validation tenu à l'écart de l'entraînement, PACER réussit 87 essais sur 100, contre 54 sur 100 pour la politique VLA (vision-langage-action) de référence simplement affinée par fine-tuning supervisé (SFT). Le principe est de réutiliser deux sources d'expérience : les déploiements de la politique elle-même, qui enregistrent ses tentatives d'approche, et les corrections humaines, qui montrent comment récupérer après une erreur. Chaque segment d'actions (« action chunk ») est pondéré dans la fonction de perte supervisée native selon la progression vers la cible, la source de la trace et son résultat. Le framework entraîne une politique par réglage de pondération, puis retient celle qui obtient le meilleur score en validation. L'enjeu est pratique pour les intégrateurs du recyclage et du reconditionnement. Le démontage doit absorber la variabilité des produits, respecter des séquences de prérequis et approcher les composants avec précision pour une manipulation riche en contacts. Les données de démontage sont rares et coûteuses, et le SFT seul ne couvre pas les décalages de distribution liés à l'environnement ou à l'incertitude sur le produit. L'intérêt de PACER est de ne pas modifier la fonction de perte ni d'ajouter une phase d'apprentissage par renforcement : il repondère des données déjà collectées, ce qui limite le coût d'intégration. Le gain de 33 points est net, mais il reste à nuancer. Il provient d'un seul article, sur un seul bras, une seule famille de produits et une tâche limitée à l'approche et à la remise, sans démontage complet. La sélection finale sur validation conserve aussi la meilleure politique parmi plusieurs entraînées, ce qui peut flatter le chiffre. Aucune donnée n'est fournie dans le résumé sur les temps de cycle, le nombre de corrections nécessaires ni la robustesse face à des cartes inconnues. Ces travaux s'inscrivent dans la montée des politiques VLA affinées sur peu de démonstrations, comme Pi-0 ou GR00T, dont le point faible reste la généralisation hors distribution en environnement industriel. L'apprentissage à partir de corrections humaines, de type DAgger ou « human-in-the-loop », existait déjà, mais PACER y ajoute une pondération tenant compte du processus. La suite logique sera la validation sur des produits plus variés, des séquences complètes de démontage et un test hors laboratoire. À ce stade, il s'agit d'un résultat de recherche et non d'un produit déployé, et aucun partenaire industriel ni calendrier de pilote n'est annoncé.

RecherchePaper

1 source

2arXiv cs.RO

CLAM : modèles d'action latente continue pour l'apprentissage robotique à partir de démonstrations non étiquetées

Un nouveau papier arXiv (2505.04999v2, version révisée) présente CLAM, pour Continuous Latent Action Models, une méthode d'apprentissage de politiques de contrôle robotique qui se passe des démonstrations à actions étiquetées, coûteuses à collecter en téléopération. Le principe : à partir de simples séquences d'observations (sans étiquette d'action), un modèle infère des actions latentes continues entre deux images consécutives via une prédiction de dynamique auto-supervisée. Pour transformer ces actions latentes en commandes moteur réellement exécutables, les chercheurs entraînent conjointement un décodeur d'actions sur un petit volume de données dites "de jeu" (play data), c'est-à-dire des interactions non ciblées sur une tâche précise mais qui, elles, comportent des actions étiquetées. Les tests couvrent la locomotion sur DMControl, la manipulation sur MetaWorld, et des tâches réelles sur un bras robotique WidowX. Résultat annoncé : un taux de réussite moyen multiplié par 2 à 3 par rapport aux précédentes méthodes à actions latentes, avec des performances qui se rapprochent du behavior cloning entraîné sur des actions expertes complètes, la référence "privilégiée" du domaine. L'enjeu dépasse la seule performance technique : le goulot d'étranglement de l'apprentissage par imitation reste la collecte de démonstrations étiquetées, un processus lent et onéreux en téléopération. Si des politiques efficaces peuvent être apprises depuis de simples vidéos ou séquences d'observations, cela ouvre la voie à des jeux de données bien plus larges et moins chers à constituer, en combinant une masse de démonstrations non étiquetées avec un minimum de données annotées. Il faut toutefois noter que la validation reste majoritairement en simulation, avec un unique bras WidowX pour la partie matérielle réelle : il s'agit d'une preuve de concept académique, pas d'un déploiement industriel à l'échelle. CLAM s'inscrit dans la lignée des travaux sur les modèles d'action latente et de monde pour la robotique, qu'il cherche explicitement à surpasser en tant que base de comparaison. Il se distingue de l'approche dominante des modèles vision-langage-action comme Pi-0 ou GR00T N2, qui reposent sur de vastes corpus d'actions étiquetées. Code et vidéos sont publiés sur clamrobot.github.io, laissant la porte ouverte à des reproductions et extensions par la communauté.

RecherchePaper

1 source

3arXiv cs.RO

Contrôle de trajectoire par vision pour robots mobiles via un cadre d'apprentissage hiérarchique

Une équipe de recherche propose un nouveau cadre hiérarchique pour piloter des robots mobiles lourds vers un objectif de navigation, en combinant localisation visuelle, apprentissage par renforcement et contrôle adaptatif robuste. Le système repose sur quatre couches : une estimation de pose par vision stéréo en temps réel (avec fermeture de boucle, fusion de cartes et relocalisation), un planificateur de mouvement entraîné par apprentissage par renforcement (RL) sous contraintes, un contrôle adaptatif robuste (RAC) au niveau des actionneurs, et une logique de supervision de sécurité avec retour automatique. Le planificateur RL génère des trajectoires lisses et réalisables grâce à une fonction de récompense conçue pour favoriser la progression vers l'objectif tout en respectant les limites mécaniques d'un robot lourd à direction par glissement (skid-steered). Au niveau des roues, un réseau de neurones entraîné par gradient conjugué à échelle variable (SCG) approxime la relation quasi-statique entre vitesse de roue et commande nominale, complétée par un contrôleur adaptatif à barrière logarithmique qui compense les erreurs de modélisation, le glissement et les écarts résiduels. Testé sur un robot de 6000 kg roulant sur asphalte et sol meuble, le système atteint une erreur quadratique moyenne de position finale d'environ 3 à 4 cm, avec un suivi précis des commandes générées par le RL et une récupération autonome réussie après injection de pannes simulées. Ce résultat s'inscrit dans une préoccupation centrale de la robotique mobile industrielle : rendre l'apprentissage par renforcement, réputé difficile à certifier pour un déploiement sûr à grande échelle à cause de sa phase d'exploration, compatible avec des engins lourds où une erreur de trajectoire ou une perte de contrôle peut avoir des conséquences physiques importantes. En couplant le RL à un contrôle adaptatif prouvé mathématiquement stable (convergence exponentielle vers un ensemble résiduel borné, sous incertitude bornée) et à une supervision de sécurité qui bascule automatiquement le robot en mode retour en cas d'anomalie, les auteurs cherchent à combler l'écart entre performance d'apprentissage et garanties de sécurité exigées pour les AMR (robots mobiles autonomes) lourds opérant en extérieur, sur terrain irrégulier. L'article, disponible sur arXiv (identifiant 2601.00610, version de remplacement), s'inscrit dans la lignée des travaux combinant localisation par vision stéréo et contrôle hiérarchique pour la navigation robotique, un domaine où la plupart des démonstrations RL restent cantonnées à la simulation ou à des plateformes légères. La validation sur un engin de 6000 kg, testé en conditions réelles sur deux types de terrain avec injection de pannes, positionne ce travail comme une contribution empirique rare dans le passage du RL du laboratoire vers des applications industrielles à fort enjeu de sécurité.

RecherchePaper

1 source

4arXiv cs.RO

Des étiquettes aux ensembles d'actions : repenser la supervision pour l'apprentissage par imitation à partir de retours correctifs

Le comportement par clonage (behavior cloning, BC) est l'une des méthodes les plus utilisées pour entraîner des politiques robotiques à partir de démonstrations humaines : chaque geste fourni par l'opérateur y est traité comme une étiquette exacte à reproduire. Des chercheurs ont publié en février 2025 (arXiv:2502.07645, version 3 disponible) une alternative baptisée CLIC, Contrastive policy Learning from Interactive Corrections, qui remplace ces étiquettes ponctuelles par des cibles dites à ensemble de valeurs (set-valued action targets). Au lieu d'optimiser la politique vers un seul geste cible, CLIC utilise les corrections humaines en temps réel pour construire et affiner des ensembles d'actions désirées, puis entraîne le modèle à placer de la masse de probabilité sur cet ensemble plutôt que sur un point unique. Cette reformulation adresse un problème connu mais sous-estimé du BC classique : lorsque les démonstrations humaines sont imparfaites, gestes partiels, corrections relatives ("un peu plus à gauche"), ambiguïtés multimodales, forcer la politique à reproduire chaque label à la lettre peut la faire dériver loin du comportement voulu, notamment avec des modèles expressifs tels que les energy-based models (EBMs). Les expériences en simulation et sur robot réel montrent que CLIC reste compétitif avec l'état de l'art quand les données sont propres, et se révèle substantiellement plus robuste sous données bruitées, corrections relatives ou feedback partiel. Pour les équipes de déploiement robotique, c'est une voie concrète pour réduire les coûts de collecte de démonstrations de haute qualité : CLIC tolère des opérateurs moins expérimentés ou des interfaces de téléopération imprécises sans dégradation majeure des performances. Le BC reste une brique fondamentale de l'apprentissage par imitation, popularisé par les travaux de Pieter Abbeel au début des années 2000 et au coeur aujourd'hui des politiques VLA (Vision-Language-Action) comme Pi-0 de Physical Intelligence ou les politiques diffusion-based d'OpenPI. CLIC s'inscrit dans un courant "human-in-the-loop" qui inclut DAgger, HG-DAgger et TAMER, mais se distingue par la formalisation ensembliste des corrections. Le code et les environnements de test sont disponibles publiquement sur clic-webpage.github.io. Les auteurs n'annoncent pas de partenariat industriel ni de déploiement terrain, ce qui positionne ce travail comme une contribution aux fondations méthodologiques de l'imitation learning, avec des implications directes pour les pipelines de téléopération et de fine-tuning de politiques générales.

UEImpact indirect : la méthode CLIC, en réduisant les besoins en démonstrations de haute qualité, pourrait bénéficier aux équipes de R&D robotique européennes travaillant sur des pipelines d'imitation learning et de téléopération, sans lien direct avec un acteur français ou une réglementation UE.

RechercheOpinion

1 source