RecherchearXiv cs.RO 27 octobre 2026

Apprentissage du contrôle direct à partir de l'optimisation pour le suivi de cibles dynamiques

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

LECO, un cadre d'apprentissage décrit dans un preprint arXiv (2610.34929v1), vise le suivi dynamique de cible par un robot mobile: garder la cible visible tout en évitant les obstacles, avec des commandes lisses et réalisables. Plutôt que de prédire des waypoints à faire suivre par un contrôleur, le réseau prédit directement des séquences de commandes. Celles-ci sont converties en trajectoires par un modèle cinématique différentiable, ce qui permet d'appliquer les objectifs de l'optimisation de trajectoire (visibilité, évitement, régularité) comme fonction de perte. Un curriculum à guidage expert décroissant initialise le comportement de suivi, puis déplace progressivement l'apprentissage vers ces objectifs. Au déploiement, un « verrou de sécurité prédictif » vérifie la distance aux obstacles sur un horizon court et bascule sur un planificateur et un contrôleur classiques si le mouvement prédit est dangereux ou si la prédiction de cible est invalide. Dans trois densités d'obstacles simulées, LECO réduit le jerk linéaire RMS de 14,1 à 31,2 % par rapport au meilleur concurrent sur cette métrique, atteint le meilleur taux de succès de suivi, et calcule en 4,25 à 5,63 ms par cycle. Des essais sur deux plateformes robotiques couvrent des passages étroits en intérieur et des forêts en extérieur.

L'intérêt tient à l'arbitrage visé entre deux familles. L'optimisation de trajectoire en ligne encode bien les contraintes mais exige une résolution numérique à chaque cycle, coûteuse en calcul embarqué et sensible aux temps de convergence. Les politiques neuronales à waypoints sont rapides mais séparent la prédiction géométrique de l'exécution, ce qui dégrade la régularité des mouvements. Déplacer le coût de l'optimisation vers l'entraînement hors ligne tout en conservant un filet de sécurité classique est une architecture pragmatique, transposable à des AMR, drones ou robots de service qui doivent suivre une personne ou un véhicule. Les réserves sont claires: les chiffres de jerk sont comparés au meilleur concurrent sur cette seule métrique, non sur l'ensemble des critères. Les résultats chiffrés viennent de la simulation, et les essais réels ne sont décrits que qualitativement dans le résumé. Le taux de déclenchement du repli classique, décisif pour juger la part réellement apprise de la performance, n'est pas communiqué.

Ce travail s'inscrit dans la tendance qui consiste à distiller des planificateurs optimisants dans des politiques apprises, par apprentissage par imitation, par différentiation à travers la dynamique ou par couches d'optimisation différentiables, avec des garde-fous de sécurité en aval. Les concurrents directs sont les méthodes d'optimisation en ligne pour le suivi de cible et les politiques à waypoints évoquées plus haut, ainsi que les approches d'apprentissage de bout en bout. Il s'agit d'un preprint non évalué par les pairs, sans produit ni déploiement commercial annoncé. Les prochaines étapes logiques sont la publication du code, des tests à plus grande échelle avec cibles imprévisibles et capteurs bruités, et la mesure du coût de la bascule vers le mode de repli.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Retargeting dynamique direct pour l'apprentissage par imitation des humanoïdes à partir de vidéos

Une nouvelle méthode d'apprentissage par imitation pour robots humanoïdes vient d'être publiée sur arXiv (2605.23762, mai 2026), proposant un cadre à étape unique baptisé Direct Dynamic Retargeting (DDR). L'objectif est d'apprendre des comportements moteurs complexes à partir de simples vidéos monoculaires de démonstration humaine, sans capteurs de mouvement ni combinaisons de capture. Le défi central est morphologique : un humain et un robot humanoïde ne partagent ni les mêmes proportions, ni les mêmes centres de masse, ni les mêmes contraintes articulaires, ce qui rend la transposition directe des trajectoires impossible. Les approches standards, dites Geometric Retargeting ou Indirect Dynamic Retargeting, projettent d'abord le mouvement humain dans un espace cinématique intermédiaire avant de générer les commandes robot, introduisant ce que les auteurs appellent un biais géométrique qui restreint l'espace de solutions et produit des comportements sous-optimaux. DDR supprime cette étape intermédiaire en formulant le problème directement dans l'espace des tâches (task space), couplé à un solveur de contrôle prédictif par modèle (Model Predictive Control, MPC) à base d'échantillonnage, exécuté au sein d'un simulateur physique. Ce couplage permet au système d'optimiser nativement les séquences de contact sol-pied tout en limitant la dérive des entrées, garantissant la faisabilité dynamique des trajectoires générées. Les expériences montrent que DDR surpasse les méthodes de référence en précision de suivi des démonstrations. Plus significatif pour les praticiens : fournir ces références physiquement viables à un agent d'apprentissage par renforcement accélère la convergence de l'entraînement et améliore l'exécution finale de comportements agiles et d'équilibrage dynamique. L'apprentissage par imitation à partir de vidéo est devenu un axe majeur de la robotique humanoïde, porté par des travaux comme Pi-0 de Physical Intelligence ou les pipelines de données de téléopération développés chez Figure AI et Agility Robotics. Ces approches cherchent à exploiter l'immense corpus de vidéos de mouvements humains disponibles en ligne pour réduire le coût prohibitif de la collecte de données sur robot. DDR s'inscrit dans cette tendance mais attaque le problème par la dynamique plutôt que par la géométrie, un pari prometteur qui reste à valider en conditions réelles : aucun résultat physique sur robot n'est présenté dans cet article, uniquement des évaluations en simulation. Le code source sera rendu public, ce qui permettra à la communauté de reproduire et d'étendre ces résultats.

RecherchePaper

1 source

2arXiv cs.RO

Apprentissage orienté contrôle pour le suivi dynamique et l'analyse de stabilité d'actionneurs pneumatiques souples

Un preprint publié sur arXiv le 27 août 2026 (référence 2608.25171) présente un cadre de modélisation et de commande pour les actionneurs pneumatiques souples, appréciés pour leur compliance mais difficiles à contrôler en raison de leur dynamique non linéaire et distribuée. La méthode décompose leur comportement en un modèle statique non linéaire d'équilibre et un modèle dynamique résiduel linéaire, identifié via l'EDMDc (Extended Dynamic Mode Decomposition avec commande), permettant compensation en boucle ouverte, asservissement dans l'espace de la tâche et analyse de stabilité en boucle fermée. Les tests rapportent une erreur quadratique moyenne d'environ 1 mm à 10 mm/s et inférieure à 10 mm à 100 mm/s, un suivi stable de trajectoires dynamiques avec des pics d'accélération supérieurs à 25 m/s² couplé à de l'évitement d'obstacles en temps réel, ainsi qu'une prédiction validée expérimentalement des régimes stables, marginaux et instables. Ce travail s'attaque à un frein majeur de la robotique souple : l'absence de modèles de commande précis et exploitables en temps réel, qui confinait ces actionneurs à des tâches lentes. En montrant qu'un modèle hybride, mêlant physique simplifiée et apprentissage par données, atteint une précision millimétrique tout en supportant des dynamiques rapides et de l'évitement d'obstacles, l'étude suggère que ces actionneurs peuvent dépasser la simple préhension délicate pour des tâches exigeant réactivité, comme la manipulation collaborative ou certains gestes chirurgicaux assistés. Pour les intégrateurs, l'apport clé tient à la garantie de stabilité formelle : prédire à l'avance qu'un régime sera stable, marginal ou instable évite des essais empiriques coûteux avant tout déploiement industriel ou médical. La commande des actionneurs pneumatiques souples s'est longtemps heurtée à deux approches concurrentes : une modélisation physique détaillée, coûteuse en calcul, et des méthodes purement data-driven, peu interprétables et sans garanties de stabilité. L'EDMDc s'inscrit dans la lignée des méthodes fondées sur l'opérateur de Koopman, de plus en plus employées en robotique pour linéariser des dynamiques complexes tout en conservant des outils de commande classiques. Le travail reste, à ce stade, un preprint non évalué par des pairs, issu de tests en laboratoire, sans partenariat industriel annoncé ni précision sur la plateforme matérielle ou le nombre de degrés de liberté testé. Les suites attendues consistent généralement à étendre le cadre à des structures souples multi-segments, avant d'envisager une intégration dans des bras collaboratifs ou des dispositifs médicaux.

RecherchePaper

1 source

3arXiv cs.RO

Elastic ODYN : optimisation différentiable pour le contrôle et l'apprentissage en robotique

Une équipe de chercheurs publie sur arXiv en juin 2026 (arXiv:2606.16564) Elastic ODYN, un solveur de programmes quadratiques (QP) pour le contrôle robotique sous infaisabilité. Les contrôleurs de robots, humanoïdes comme quadrupèdes, formulent leurs commandes comme des QP soumis à des contraintes de forces de contact, de limites articulaires et d'objectifs de tâche. Lorsque ces contraintes se contredisent, par erreur de modèle ou contact dégénéré, les solveurs classiques échouent ou génèrent des gradients instables. Elastic ODYN adopte une relaxation élastique ℓ₂ dans un cadre primal-dual sans point intérieur : le problème reste bien posé en toute condition, le solveur converge vers la solution la plus proche du faisable et supporte le démarrage à chaud. Deux extensions complètent le noyau : Elastic OdynLayer, une couche QP différentiable à gradients stables, et Elastic OdynSQP, une méthode SQP gérant les sous-problèmes inconsistants en contrôle optimal. Les benchmarks couvrent des QP standards, la mécanique de contact singulière, l'identification paramétrique différentiable, et l'optimisation de trajectoires sur quadrupèdes et humanoïdes. L'enjeu est direct pour les intégrateurs de contrôle temps réel et les équipes qui entraînent des politiques par apprentissage. L'infaisabilité n'est pas un cas marginal : un humanoïde sur surface irrégulière, un manipulateur recevant des consignes conflictuelles, ou un algorithme model-based en transition de contact y sont régulièrement confrontés. Jusqu'ici, les développeurs recouraient à des relaxations manuelles ad hoc ou acceptaient des crashs de simulation. La couche différentiable d'Elastic ODYN permet d'entraîner des politiques de contrôle de bout en bout sans que l'infaisabilité intermittente interrompe la descente de gradient, un avantage direct pour les architectures VLA (Vision-Language-Action) et les pipelines sim-to-real. Les solveurs courants comme OSQP, ProxQP et ECOS intègrent déjà des mécanismes de relaxation, mais leurs formulations présentent des discontinuités de gradient incompatibles avec la différentiation automatique. Les couches QP différentiables existantes, cvxpylayers et qpth, supposent la faisabilité et dégénèrent hors de cette hypothèse. Elastic ODYN couvre donc un créneau à l'intersection des deux. Ce preprint arXiv n'a pas encore passé la révision par les pairs, aucun partenariat industriel ni calendrier de déploiement n'est mentionné, et les performances revendiquées restent à confirmer sur des benchmarks industriels indépendants.

RecherchePaper

1 source

4arXiv cs.RO

Dynamique de contact différentiable pour la locomotion à pattes : apprentissage de politiques et optimisation de trajectoire à contact implicite

Des chercheurs publient sur arXiv (2610.35852, première version) une méthode de gradient analytique lisse pour le contact frottant. Ils l'appliquent à l'apprentissage de politiques et à l'optimisation de trajectoire à contact implicite pour la locomotion à pattes. Le point de départ est que la sensibilité exacte du contact existe en forme close, mais qu'elle ne décrit que les variations à l'intérieur du mode de contact courant (séparation, adhérence ou glissement). Elle ne donne donc aucune information de premier ordre vers les modes voisins. Le gradient proposé ne remplace cette sensibilité que dans la passe arrière. Le solveur de contact dur de la passe avant reste inchangé, et la trajectoire simulée reste donc réalisable. Concrètement, le problème de complémentarité à cône du second ordre avec correction de de Saxcé, qui modélise le frottement de Coulomb, est relaxé le long du chemin central. La sensibilité est évaluée par une itération de Newton initialisée à la solution dure. Elle reste continue aux transitions de mode et converge vers la sensibilité exacte quand la relaxation disparaît. Avec 100 000 échantillons et moins de 2 minutes d'entraînement sur un PC de bureau, la politique obtenue est transférée au robot sans réglage fin. Au trot, le robot encaisse des poussées et franchit des débris et un sol glissant. En optimisation de trajectoire, la méthode atteint des solutions riches en contacts que les gradients exacts et les gradients de Signorini relaxés manquent. L'intérêt tient au coût d'apprentissage. Quelques minutes sur une machine de bureau contrastent avec les campagnes de RL massivement parallèle sur GPU, ce qui suggère que les simulateurs différentiables pourraient redevenir compétitifs en efficacité d'échantillons. La prudence s'impose toutefois. Le résumé ne nomme pas le robot, ne donne ni taux de réussite ni comparaison chiffrée avec PPO, et les essais matériels sont décrits qualitativement. Il s'agit d'un préprint non relu par les pairs, sur locomotion à pattes, sans démonstration humanoïde ni manipulation. Ce travail s'inscrit dans la lignée des simulateurs différentiables (Brax, MuJoCo MJX, Dojo, Warp) et du lissage du contact, dont le problème central est que les gradients exacts sont nuls ou non informatifs aux changements de mode. Il se positionne face au RL sans gradient popularisé par Isaac Gym et Legged Gym, qui domine aujourd'hui le transfert sim-to-real des quadrupèdes et des humanoïdes. Aucun acteur européen n'est cité dans le résumé. La suite logique, que les auteurs n'annoncent pas, serait de tester la méthode sur des bipèdes et des tâches de manipulation, plus exigeants en contacts. Le code et les vidéos sont annoncés sur la page projet diffcontact.github.io.

RecherchePaper

1 source