Aller au contenu principal
Estimation de force 3D pour la manipulation à deux bras d'objets linéaires déformables par graphes de facteurs
RecherchearXiv cs.RO 

Estimation de force 3D pour la manipulation à deux bras d'objets linéaires déformables par graphes de facteurs

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Des chercheurs proposent, dans un preprint publié sur arXiv (2610.35058), une méthode d'estimation des forces 3D appliquées à des objets linéaires déformables (DLO, pour Deformable Linear Objects), comme les câbles et les fils, manipulés par deux bras robotiques. La technique repose sur des graphes de facteurs, un cadre probabiliste où l'état du DLO et les données de capteurs sont reliés par des distributions conditionnelles. Elle permet d'estimer en même temps la norme, la direction et le point d'application d'une force 3D, tout en reconstruisant la forme de l'objet. Les tests, menés avec du bruit injecté dans les mesures, font suivre au DLO une trajectoire prescrite en présence de forces externes, que le système estime avec précision selon les auteurs. L'abstract ne fournit aucune valeur chiffrée d'erreur, de fréquence de calcul ou de matériel utilisé, et rien n'indique si les essais sont en simulation ou sur robot réel.

L'intérêt est d'abord pratique pour l'industrie. Les DLO sont sous-actionnés : on ne contrôle directement que leurs extrémités, et leur finesse exclut en général les jauges de contrainte ou la lecture d'actionneurs le long de leur longueur. Or une estimation fiable du contact est nécessaire pour contrôler précisément le câble et manipuler en sécurité. Les auteurs choisissent de n'utiliser qu'un seul type d'information sensorielle, ce qui vise une technique générique, transposable à des tâches variées sans instrumenter l'objet. Pour un intégrateur travaillant sur le câblage de faisceaux, l'assemblage électrique ou la manipulation de tubes, c'est une piste vers des tâches bimanuelles plus robustes, avec détection de contact sans capteur dédié. Il faut toutefois rester prudent : il s'agit d'un résultat de laboratoire avec bruit synthétique, sans validation industrielle, ni comparaison chiffrée publiée dans le résumé avec les méthodes concurrentes.

Ce travail s'inscrit dans une littérature abondante sur la manipulation de DLO, longtemps dominée par des modèles physiques, des approches basées sur l'apprentissage ou des capteurs tactiles et de force installés sur les préhenseurs. Les graphes de facteurs, déjà très répandus en SLAM et en estimation d'état robotique, offrent ici une alternative probabiliste qui gère explicitement l'incertitude des mesures. Le préprint n'est qu'à sa première version (v1) et n'a pas encore franchi, a priori, de relecture par les pairs. Les prochaines étapes naturelles seraient une validation sur plateforme bimanuelle réelle, des tests sur des câbles de rigidités différentes et une intégration dans des boucles de commande fermées, étapes que le résumé ne mentionne pas.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

À lire aussi

Estimation d'état de maillage différentiable par inférence sur graphe de facteurs pour la reconstruction d'objets déformables
1arXiv cs.RO 

Estimation d'état de maillage différentiable par inférence sur graphe de facteurs pour la reconstruction d'objets déformables

Une équipe de recherche propose, dans un article publié le 16 septembre 2026 sur arXiv (2609.16686v1), un nouveau cadre probabiliste pour estimer l'état de maillages déformables en robotique et en simulation. La méthode s'appuie sur des graphes de facteurs (factor graphs) pour mettre à jour directement un maillage tétraédrique, représentation dense et physiquement cohérente d'un objet ou d'un environnement, en combinant trois sources d'information dans une formulation probabiliste unifiée : des a priori physiques, des mesures de capteurs bruitées, et des contraintes de lissage temporel. Le problème d'estimation est posé comme une optimisation par moindres carrés non linéaires, résolue via l'algorithme de Levenberg-Marquardt. Les auteurs valident l'approche sur deux terrains distincts : des expériences ex vivo d'obstruction des voies aériennes centrales, et des simulations de cubes en déformation, démontrant une reconstruction fiable aussi bien en mouvement rigide qu'en déformation. Cette contribution s'adresse à un problème récurrent en robotique de manipulation et en robotique médicale : les objets déformables (tissus mous, câbles, textiles, organes) restent difficiles à modéliser en temps réel avec des méthodes purement géométriques ou purement basées capteurs. En ancrant l'estimation dans une représentation physique explicite plutôt que dans un modèle appris de bout en bout, l'approche vise une meilleure généralisation et une interprétabilité utile pour des applications critiques comme la chirurgie assistée ou la planification d'intervention, où la traçabilité des estimations compte autant que leur précision. Elle illustre aussi une tendance de fond en robotique de manipulation : hybrider physique et inférence probabiliste plutôt que de tout confier à des réseaux de neurones appris sur de larges corpus. Le travail s'inscrit dans la lignée des recherches sur le SLAM déformable et la reconstruction de scènes dynamiques, domaines où les représentations neuronales (NeRF, Gaussian splatting) ont récemment dominé. Les auteurs positionnent leur méthode comme une alternative structurée à ces approches, mieux adaptée aux contraintes physiques. Les tests restent limités à un cadre ex vivo et à des simulations, sans validation in vivo ni intégration robotique complète annoncée à ce stade, ce qui situe la publication du côté de la recherche méthodologique plutôt que d'un système prêt au déploiement.

RecherchePaper
1 source
MPC multimodale par optimisation bayésienne d'ensembles pour la manipulation dynamique d'objets linéaires déformables
2arXiv cs.RO 

MPC multimodale par optimisation bayésienne d'ensembles pour la manipulation dynamique d'objets linéaires déformables

Des chercheurs présentent BM2PC (Bayesian Multimodal MPC), un cadre de commande prédictive par modèle (MPC) destiné à la manipulation dynamique d'objets linéaires déformables (DLO), comme des cordes ou des câbles. Le travail, publié sur arXiv (2610.31852), s'appuie sur le formalisme du « control-as-inférence » et traite la planification multimodale comme un problème d'optimisation d'ensemble. Celui-ci équilibre qualité de commande et diversité des comportements. Une mise à jour incrémentale maintient plusieurs modes de commande prometteurs pour un surcoût de calcul limité. Pour le déploiement réel, un modèle de dynamique d'exécution prédit le mouvement effectif de l'effecteur et compense l'écart entre commande et exécution lors des gestes rapides. Les tests portent sur le suivi de trajectoire de corde et l'évitement d'obstacles, en simulation et sur matériel, ainsi que sur le rejet de perturbations en simulation uniquement. Sur les trajectoires inédites, BM2PC généralise mieux qu'une référence par apprentissage, sans entraînement de politique spécifique ni réglage fin. Sur la tâche la plus longue en conditions réelles, l'erreur quadratique moyenne (RMSE) baisse de 44,0 %. En évitement d'obstacles, les performances sont comparables à celles des MPC multimodaux existants, avec un temps de planification réduit de 29 % à 66 %. L'intérêt tient à l'association de deux difficultés rarement traitées ensemble. Les DLO sont sous-actionnés, de grande dimension et répondent avec retard à la commande. Leur manipulation dynamique admet souvent plusieurs solutions valides autour d'un obstacle, ce qui piège les planificateurs à mode unique. Le fait de garder plusieurs hypothèses sans alourdir le calcul compte pour la temps réel. Le résultat contredit aussi, pour ce cas, l'idée qu'il faut une politique apprise de bout en bout pour être agile : une approche à base de modèle généralise sans réentraînement. Pour un intégrateur, les applications possibles sont le câblage de faisceaux, la manipulation de tuyaux ou de câbles en atelier, où les variations de géométrie rendent les politiques apprises fragiles. Les réserves sont claires : il s'agit de résultats académiques, sans chiffres de cadence, de taux de réussite industriel ni d'intégration dans une cellule de production. La comparaison porte sur une seule référence apprise, et la perturbation n'est validée qu'en simulation. Le contexte est celui d'une manipulation d'objets déformables longtemps dominée par des modèles lents ou par l'apprentissage par imitation et par renforcement, coûteux en données et peu transférables. Les MPC par échantillonnage, de type MPPI, ont gagné du terrain grâce au calcul parallèle sur GPU, mais restent généralement unimodaux. Les méthodes multimodales existantes, auxquelles BM2PC se compare, paient cette diversité en temps de calcul. Les auteurs publient l'implémentation de base et des vidéos sur GitHub (Longyouyuan/BM2PC), ce qui permet une reproduction indépendante. Les suites logiques seraient des tests sur des objets plus variés, avec contacts et auto-collisions, puis une confrontation avec les politiques généralistes de type VLA, qui visent le même terrain de la manipulation d'objets déformables.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Pointer, frapper : manipulation dynamique d'objets linéaires déformables conditionnée par la direction
3arXiv cs.RO 

Pointer, frapper : manipulation dynamique d'objets linéaires déformables conditionnée par la direction

Des chercheurs publient sur arXiv (2610.09573) une méthode de manipulation dynamique de cordes, cette fois conditionnée par la direction d'arrivée du bout de la corde. Jusqu'ici, les travaux sur les objets linéaires déformables (DLO) se contentaient de fixer comme objectif une position 3D que l'extrémité devait atteindre. Ici, une frappe en un seul balancement doit atteindre une position 3D précise avec une direction d'arrivée donnée, sur tout l'espace de travail et sur différentes cordes. L'équipe étend d'abord le simulateur DeformX avec accélération GPU, un solveur stable de tiges de Cosserat et un modèle aérodynamique à écoulement transverse. Le résultat, DeformX2.0, est plus de 20 000 fois plus rapide. Elle propose ensuite TRACE (Trace-rooted Adaptive Cross-Entropy), qui génère les données de frappe en initialisant chaque nouvelle cible à partir du balancement mémorisé dont la trajectoire de bout de corde passe le plus près. Son coût pénalise la flexion de la corde et les mouvements brusques de l'extrémité, afin de favoriser des gestes reproductibles. Une politique conditionnelle par flow matching, entraînée sur ces données, atteint 92,1 % de précision en simulation. Sur robot réel, la méthode RECAP (Residual Calibration Policy) ajuste les paramètres de corde et de banc du simulateur à partir de quelques balancements de calibration, puis corrige les actions par une politique résiduelle entraînée en simulation. Sur trois cordes, le taux de succès à 5 cm passe de 72 % à 87 % pour les objectifs de position. Pour les objectifs incluant la direction, le succès à 10 cm et 10° passe de 50 % à 79 %. L'intérêt tient moins à la tâche, plutôt académique, qu'à la méthodologie. Les auteurs traitent un cas où l'absence de démonstrations humaines et la difficulté de modéliser la dynamique empêchent l'apprentissage par imitation. Ils montrent qu'une simulation très rapide, couplée à une recherche par optimisation puis à une distillation dans une politique générative, fournit des données exploitables. Le résultat contredit l'idée qu'un écart sim-to-real sur objet déformable exige forcément beaucoup de données réelles : quelques balancements de calibration suffisent à gagner 15 à 29 points. Les auteurs précisent aussi que cet écart ne vient pas seulement de la corde, mais aussi du robot et du banc d'essai, ce qui justifie une calibration conjointe. Il faut toutefois rester prudent. Le chiffre de 92,1 % est obtenu en simulation, et sur matériel réel un balancement sur cinq reste hors tolérance pour les objectifs directionnels (79 %). L'évaluation ne porte que sur trois cordes dans un montage de laboratoire. Rien n'indique de transfert vers des applications industrielles comme la manipulation de câbles ou de flexibles, même si la logique de contrôle de l'arrivée, et pas seulement de la destination, y est pertinente. Ce travail prolonge la lignée des simulateurs de DLO et des manipulations dynamiques de cordes, où l'objectif se limitait à la position du bout. L'apport principal est un pipeline reproductible plutôt qu'un nouveau matériel. Un gain de vitesse de plus de 20 000 fois sur DeformX rend l'optimisation massive de trajectoires praticable, et la calibration résiduelle pourrait être réutilisée sur d'autres objets déformables. Il s'agit d'une préimpression (version 1) sans évaluation par les pairs, sans annonce de code ni de pilote industriel. La suite logique serait d'élargir la diversité des objets, de passer à des mouvements multi-balancements et de tester des tâches de manipulation de câbles proches de la production. Les approches concurrentes, fondées sur l'apprentissage par renforcement ou la téléopération pour les tâches dynamiques, restent à comparer à cette méthode sur des bancs communs.

RecherchePaper
1 source
Manipulation d'objets déformables en observabilité partielle grâce à l'estimation de forme complète en temps réel
4arXiv cs.RO 

Manipulation d'objets déformables en observabilité partielle grâce à l'estimation de forme complète en temps réel

Une équipe de recherche présente cRVAE (conditional récurrent variational autoencoder), un modèle léger capable d'estimer l'état complet d'un objet déformable comme une corde ou un tissu à partir de simples observations partielles de ses coins, sans nécessiter de paramètres physiques en entrée ni d'identification de paramètres en ligne. Décrit dans l'article arXiv:2609.10308v1, ce réseau sert de modèle prédictif dans un cadre de contrôle optimal à horizon glissant pour la manipulation collaborative d'objets déformables en présence d'obstacles. En simulation sur des scénarios de corde et de tissu, cRVAE atteint une précision comparable à celle d'un modèle physique XPBD (Extended Position Based Dynamics) pourtant calibré avec des paramètres identifiés au préalable, tout en étant environ 350 fois plus rapide sur la corde et plus de 1500 fois plus rapide sur le tissu à chaque passe de calcul. Cette vitesse permet de rester sous le budget de contrôle de 100 millisecondes nécessaire à une planification en boucle fermée, un seuil que le modèle XPBD dépasse déjà sur des horizons courts. Les chercheurs ont démontré le système sur un robot quadrupède Unitree Go2. Ce résultat s'attaque à un angle mort persistant de la robotique industrielle : si la manipulation d'objets rigides est largement résolue par des méthodes basées modèle, les objets déformables (câbles, textiles, corde, emballages souples) restent un défi ouvert à cause de leur espace d'état de très haute dimension, de leur dynamique sous-actionnée et de l'observabilité partielle inhérente aux capteurs disponibles. Les simulateurs physiques comme XPBD, très utilisés pour le rendu de tissus et de cordes, exigent une calibration coûteuse par objet et deviennent trop lents pour du contrôle temps réel dès que l'horizon de planification s'allonge. En démontrant qu'un modèle appris peut remplacer cette simulation physique sans perte de précision et sans calibration objet par objet, l'étude lève un obstacle concret au déploiement de manipulateurs sur des tâches comme le routage de câbles, la manutention textile ou l'emballage souple en logistique, où le recalibrage manuel par pièce est impraticable à l'échelle. Le choix d'un robot quadrupède plutôt qu'un bras manipulateur classique suggère aussi une applicabilité à des contextes de manipulation mobile plus larges. La validation reste toutefois circonscrite à la simulation pour la comparaison de précision, et la démonstration matérielle sur Go2 n'est pas détaillée en termes de tâche ni de robustesse. Ce travail s'inscrit dans la lignée des architectures d'autoencodeurs variationnels, ici adaptées en version récurrente et conditionnelle pour l'estimation d'état temporel, et vise spécifiquement à remplacer les moteurs physiques comme XPBD (utilisé notamment dans des environnements de simulation robotique et de jeu) comme modèle prédictif embarqué dans une boucle de contrôle. Il s'agit d'une publication de recherche académique et non d'une annonce produit ou d'un pilote industriel : aucun acteur commercial concurrent n'est cité, et aucun calendrier de déploiement n'est communiqué. Les prochaines étapes logiques, non annoncées dans l'article, porteraient vraisemblablement sur l'extension à d'autres matériaux déformables, à des configurations bimanuelles, et sur des essais matériels plus poussés au-delà de la démonstration initiale sur le Go2.

RecherchePaper
1 source