RecherchearXiv cs.RO 27 octobre 2026

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

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

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.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Amortissement de l'optimisation de trajectoire pour la MPC résiduelle via différentiation implicite du contact

Cette étude publiée sur arXiv (2607.24959v1) s'attaque à un goulot d'étranglement classique de la robotique de contact : l'optimisation de trajectoire dans des simulateurs différentiables. Les chercheurs introduisent une méthode de dérivation implicite assistée par différentiation automatique (AD), appliquée au moteur MuJoCo MJX et fondée sur le théorème des fonctions implicites (IFT). Contrairement aux différences finies, coûteuses et sensibles au choix du pas, ou au déroulement complet de l'AD à travers un solveur de contact itératif, qui fait exploser la trace de calcul stockée en mémoire, leur approche différencie directement le résidu de stationnarité à la solution convergée, sans reconstruire à la main les systèmes KKT propres à chaque solveur. Résultat mesuré : la mémoire temporaire compilée reste quasi constante quel que soit l'effort du solveur, avec moins de 4% de variation entre une et dix itérations, contre une croissance de 10,6 fois pour l'AD déroulée classique. Le gain s'accentue avec la complexité du problème : 20 fois moins de mémoire à 256 contacts actifs, 6 fois moins à 16 contacts et 96 degrés de liberté. L'équipe va plus loin avec une technique de "distillation d'optimiseur" pour le contrôle prédictif résiduel (residual MPC) : un iLQR complet, calculé en batch sur tout l'horizon temporel, est condensé en une politique qui guide ensuite un iLQR résiduel à horizon court, bien moins coûteux à exécuter en ligne. Sur trois bancs d'essai (Finger, bras Franka, quadrupède Unitree), cette approche améliore le taux de succès à six pas de 28 à 98 points de pourcentage par rapport à un iLQR standard. Pour les équipes qui développent du contrôle robotique riche en contacts, manipulation fine, locomotion sur terrain irrégulier, l'intérêt est double : réduire drastiquement l'empreinte mémoire permet de faire tourner des simulations différentiables à plus grande échelle ou en temps réel embarqué, tandis que la distillation d'optimiseur offre une voie pour transférer la qualité d'une planification hors-ligne coûteuse vers un contrôleur exécutable en boucle rapide sur le robot. Le travail s'inscrit dans la lignée des efforts récents autour de MuJoCo MJX et de la simulation différentiable pour la robotique, un axe de recherche actif depuis que des laboratoires comme DeepMind ou des groupes académiques cherchent à exploiter les gradients de simulateurs physiques pour accélérer l'apprentissage et la planification, plutôt que de s'appuyer uniquement sur l'apprentissage par renforcement sans modèle. La méthode proposée ici comble un vide méthodologique entre les approches génériques mais gourmandes en mémoire et les dérivations KKT sur mesure, difficiles à maintenir et à généraliser d'un solveur à l'autre. Les auteurs ne précisent pas de calendrier de publication du code ni de partenariat industriel, mais la validation croisée sur des plateformes hétérogènes (doigt robotique, bras manipulateur Franka, quadrupède Unitree) suggère une ambition de généralisation au-delà d'un cas d'usage unique, avec un potentiel d'intégration dans des piles de contrôle MPC pour la manipulation ou la locomotion dynamique.

RecherchePaper

1 source

2arXiv cs.RO

Optimisation de trajectoire dynamiquement cohérente pour robots à pattes via décomposition des points de contact

Une équipe de recherche publie sur arXiv (référence 2510.24069, version 2, qui remplace une soumission antérieure) un article intitulé "Dynamically-Consistent Trajectory Optimization for Legged Robots via Contact Point Decomposition". La méthode proposée est une optimisation de trajectoire par phases qui garantit, sur l'ensemble du mouvement, la faisabilité de la dynamique de translation ainsi que le respect des contraintes de cône de friction. Elle exploite les propriétés de superposition des équations différentielles linéaires pour découpler la dynamique de translation de chaque point de contact, chacun suivant sa propre séquence de phases d'appui et de vol. Les auteurs utilisent ensuite la matrice de différentiation des polynômes de Bézier pour établir une relation analytique directe entre position du robot et forces appliquées, puis la propriété d'enveloppe convexe de ces mêmes polynômes pour contraindre le frottement tout au long de la trajectoire. Le framework est validé sur un modèle de robot quadrupède, avec code source et matériel complémentaire publiés sur une page de projet dédiée. Pour la robotique à pattes, ce travail s'attaque à un goulot d'étranglement connu : calculer simultanément la séquence de contacts et une trajectoire dynamiquement valide est coûteux en calcul, et de nombreux optimiseurs existants ne vérifient la dynamique qu'en des instants discrets, laissant passer des violations entre ces points. En assurant une satisfaction continue et analytique des contraintes plutôt qu'une approximation par échantillonnage, l'approche vise des trajectoires plus fiables sur des allures variées (marche, trot, saut) sans recalcul correctif coûteux après coup. Pour des intégrateurs travaillant sur des plateformes quadrupèdes du type Spot, Unitree ou ANYmal, ce genre de méthode pourrait alimenter des planificateurs embarqués plus robustes. Il s'agit toutefois d'un résultat académique validé en simulation sur un seul modèle de robot, pas d'un produit commercial ni d'un déploiement de terrain. Cette contribution s'inscrit dans la lignée des recherches sur l'optimisation de trajectoire à contacts implicites et le contrôle prédictif corps entier pour robots légers, un domaine où dominent depuis plusieurs années des méthodes fondées sur la programmation quadratique séquentielle ou l'intégration numérique directe, qui peinent à garantir la cohérence dynamique entre les points d'échantillonnage. La publication d'une version 2 sur arXiv signale une révision après une première soumission, probablement liée à un processus d'évaluation par les pairs. Aucun partenariat industriel, calendrier de pilote ou passage au matériel réel n'est mentionné à ce stade : les auteurs renvoient uniquement vers leur page de projet et le code source pour toute reproduction ou prolongement des résultats.

RecherchePaper

1 source

3arXiv cs.RO

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

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.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv 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