ExosquelettesarXiv cs.RO 28 octobre 2026

Apprentissage par renforcement multi-agent d'un contrôle d'exosquelette de hanche co-adaptatif (MARL-Exo) pour réduire la dépense énergétique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs présentent MARL-Exo, un cadre d'apprentissage par renforcement multi-agents qui entraîne en simulation un contrôleur d'exosquelette de hanche bilatéral. Deux agents sont entraînés simultanément, en deux étapes: un modèle musculo-squelettique du corps entier (304 actionneurs musculaires, anatomie, allure et vitesse randomisées) et la politique de l'exosquelette. Cette dernière n'observe que la cinématique de hanche retardée et ses propres commandes passées. Sa récompense repose sur la puissance métabolique musculaire issue d'un modèle énergétique physiologique, seule (variante Metabolic) ou combinée à une pénalisation de la puissance mécanique (Metabolic + Power). En simulation, la première réduit la puissance métabolique modélisée de 13,8 % par rapport à la marche sans dispositif, contre 8,8 % pour la seconde. La politique Metabolic a ensuite été déployée sans réentraînement sur huit adultes sains marchant à 1,25 m/s, avec mesure par calorimétrie indirecte. Le taux métabolique net baisse de 18,3 ± 6,6 % par rapport à l'exosquelette porté en mode passif, chez les huit participants.

Le résultat est plus nuancé face à la marche sans exosquelette: la réduction moyenne n'est que de 7,4 ± 10,0 %, l'écart-type dépassant presque la moyenne. Porter le dispositif coûte déjà 13,1 % d'énergie en plus. Six participants compensent cette pénalité et marchent jusqu'à 24,2 % sous leur coût de référence, tandis que deux restent au-dessus. Les gains annoncés sont donc réels mais hétérogènes, et l'échantillon est petit, sur une seule vitesse et sur des sujets sains.

L'intérêt tient à la méthode. Les approches dominantes d'optimisation « human-in-the-loop » ajustent les paramètres pour chaque utilisateur, ce qui demande de longues séances en laboratoire et freine l'industrialisation. Ici, un contrôleur unique, appris à l'échelle d'une population simulée, se transfère au matériel sans réglage individuel: c'est un indice que le transfert sim-to-real fonctionne pour l'assistance à la marche. Le résultat secondaire compte aussi: la contrainte explicite sur la puissance mécanique dégrade le bénéfice simulé, ce qui montre qu'on peut comparer des objectifs d'assistance en simulation avant tout essai sur humains. Pour les fabricants d'exosquelettes, y compris européens comme Wandercraft, cela pourrait réduire les coûts de validation.

Ce travail prolonge les contrôleurs appris en simulation pour l'exosquelette, souvent fondés sur des modèles musculo-squelettiques et des politiques de type apprentissage par renforcement, et s'oppose aux méthodes d'optimisation en ligne des paramètres. Il s'agit d'un preprint arXiv, sans mention d'évaluation par les pairs ni de produit commercial. Les prochaines étapes logiques sont des essais sur davantage de participants, plusieurs vitesses et terrains, et des populations cliniques ou âgées, pour lesquelles le bénéfice net reste à démontrer.

Impact France/UE

Une validation en simulation pourrait réduire les coûts d'essais des fabricants européens d'exosquelettes comme Wandercraft, mais le travail reste un preprint sans lien direct avec la France.

Dans nos dossiers

Wandercraft Exosquelettes arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage d'une politique de contrôle adaptative en vitesse pour exosquelette de hanche par transfert simulation-réel

Un preprint publié sur arXiv (arXiv:2609.28027v1, catégorie "new") décrit un framework combinant apprentissage par renforcement sim-to-real et apprentissage de préférences en ligne pour personnaliser l'assistance d'un exosquelette de hanche à différentes vitesses de marche. Le timing de l'assistance est appris en simulation, via des politiques de RL entraînées sur des modèles musculosquelettiques humains couvrant plusieurs vitesses de marche, puis distillées et déployées sur un exosquelette de hanche physique équipé de capteurs embarqués. La magnitude du couple assistif est ensuite ajustée en conditions réelles grâce à un apprentissage de préférences basé sur des processus gaussiens, l'utilisateur exprimant ses choix via des comparaisons par paires entre profils de couple. Des expériences sur sujets humains montrent une identification efficace de profils personnalisés à travers différentes vitesses de marche, avec moins d'essais réels que les méthodes purement en ligne, sans que l'abstract précise le nombre de sujets ni le taux de réduction obtenu. L'enjeu dépasse l'exercice académique: l'optimisation en ligne "human-in-the-loop" reste le principal goulot d'étranglement de la personnalisation des exosquelettes, car calibrer tout le profil de couple sur un porteur réel exige de nombreuses itérations, longues et fatigantes. En découplant le timing, résolu hors ligne en simulation, de la magnitude, optimisée en ligne sur un espace de recherche réduit grâce aux préférences, le framework diminue mécaniquement le nombre d'évaluations nécessaires sur sujet humain. Pour les concepteurs de robotique portable, en réadaptation comme en assistance industrielle à la marche, ce résultat conforte l'idée que le sim-to-real, déjà éprouvé sur robots mobiles et bras manipulateurs, s'étend aussi aux dispositifs portés dont la dynamique dépend fortement de la morphologie et des préférences individuelles de l'utilisateur. Les approches classiques de calibration d'exosquelette reposent sur une optimisation en ligne exhaustive du profil de couple, une méthode lente qui freine le déploiement à grande échelle de dispositifs personnalisés. Ce travail s'inscrit dans la lignée des recherches en RL sim-to-real appliquées à la robotique portable, en y ajoutant une couche d'apprentissage de préférences pour capturer ce que la simulation seule ne modélise pas, le confort subjectif de l'utilisateur. L'abstract ne cite aucune entreprise, aucun nom de produit ni partenaire industriel: il s'agit d'un preprint de recherche, sans pilote clinique ni feuille de route de commercialisation annoncés à ce stade.

ExosquelettesPaper

1 source

2arXiv cs.RO

Contrôleur co-adaptatif entraîné en simulation pour exosquelettes de hanche : validation métabolique et biomécanique de l'entraînement multi-agents par étapes (SMAT)

Des chercheurs ont publié le 4 août 2026 sur arXiv (2608.00715v1) la première validation physiologique de SMAT (Staged Multi-Agent Training), un contrôleur d'exosquelette de hanche entraîné entièrement en simulation physique. La méthode repose sur un curriculum en quatre étapes qui entraîne conjointement un acteur musculosquelettique simulant l'humain et un acteur bilatéral pilotant l'exosquelette de hanche, une approche pensée pour gérer la co-adaptation entre le porteur et le dispositif, un problème non stationnaire puisque l'utilisateur réorganise sa coordination neuromusculaire au fur et à mesure que l'appareil modifie la dynamique articulaire. La politique a été déployée sur du matériel réel et testée sur huit adultes en bonne santé, avec mesure du coût métabolique par calorimétrie indirecte sur trois conditions : sans exosquelette, exosquelette passif, et assistance active. L'assistance active a réduit la dépense métabolique nette de 19,7 % par rapport au mode passif (p < 0,001), et l'analyse biomécanique a confirmé une puissance mécanique de hanche majoritairement positive chez tous les sujets, avec un ratio de puissance positive de 0,98. La politique s'est aussi généralisée à différentes vitesses de marche et différents terrains, sans réentraînement spécifique à chaque sujet. Ce résultat compte parce qu'il répond directement à un doute récurrent dans le secteur de l'exosquelette assisté : les contrôleurs appris en simulation tiennent-ils réellement la comparaison face au benchmark de référence, la mesure métabolique en conditions réelles ? Beaucoup de démonstrations de dispositifs d'assistance s'arrêtent à des essais biomécaniques ou à des retours qualitatifs, sans franchir l'étape de la validation métabolique complète. Ici, un seul modèle entraîné en sim, déployé tel quel sur huit personnes différentes, produit un bénéfice mesurable et statistiquement significatif, ce qui constitue un argument concret pour le transfert sim-to-real dans les dispositifs portables et pour les approches d'apprentissage multi-agents appliquées à la robotique portée. Le travail s'inscrit dans la lignée des recherches sur l'assistance à la marche par exosquelette, un champ où les contrôleurs basés sur des règles ou des optimisations individuelles dominent encore largement le marché commercial. SMAT avait déjà montré des gains en simulation et une assistance positive sur banc d'essai avant cette étude ; la contribution ici est la validation clinique sur sujets sains. Les auteurs notent que la généralisation aux terrains et vitesses ouvre la voie à des essais élargis, potentiellement vers des populations cliniques ou des usages industriels, sans que des dates de déploiement commercial ne soient précisées.

ExosquelettesPaper

1 source

3arXiv cs.RO

UniExo : politiques unifiées multi-compétences pour la locomotion musculosquelettique et le contrôle co-adaptatif d'exosquelette

Un consortium de chercheurs en robotique et biomécanique a publié le 18 septembre 2026 sur arXiv (2609.19690) un framework baptisé UniExo, destiné à unifier le contrôle des exosquelettes de hanche sur plusieurs types de locomotion. Le système repose d'abord sur une politique musculosquelettique humaine multi-compétences: quatre experts d'imitation distincts, entraînés respectivement pour la marche, le virage, la course et la marche arrière, sont fusionnés en un seul réseau structuré par un espace latent de compétences, puis affinés par apprentissage par renforcement sur des séquences de transition entre ces mouvements. Cette politique humaine unifiée atteint un taux moyen de réussite de suivi de 94,7% sur des séquences vidéo inédites des quatre compétences, avec une robustesse aux perturbations supérieure à celle de chacun des experts pris séparément. Un contrôleur d'exosquelette de hanche unique, initialisé à partir des prédictions de moment articulaire de cette politique humaine, est ensuite co-adapté avec elle via apprentissage par renforcement multi-agent. Déployé sur un exosquelette de hanche conçu sur mesure, il a été testé sur six participants à quatre vitesses de tapis roulant différentes, et un participant a parcouru un trajet continu enchaînant les quatre compétences et leurs transitions sans étiquette de mouvement ni changement de mode explicite. L'intérêt principal tient à la disparition du changement de mode manuel: la quasi-totalité des contrôleurs d'exosquelette actuels sont conçus pour une activité unique ou un ensemble restreint de mouvements apparentés, ce qui impose un recalibrage matériel à chaque nouvelle tâche. En montrant qu'une politique entraînée en simulation transfère directement sur un dispositif physique réel et gère les transitions entre activités, UniExo apporte un indice supplémentaire que l'écart simulation-réel se réduit pour des tâches de contrôle biomécanique complexes, un enjeu clé pour les fabricants d'exosquelettes médicaux et d'assistance industrielle. La validation reste toutefois limitée: six participants seulement, et un seul ayant testé le parcours complet des quatre compétences, ce qui relève de la preuve de concept plutôt que d'un dispositif prêt à l'industrialisation. Le champ des exosquelettes de marche, occupé notamment par des acteurs comme Wandercraft en France sur la rééducation, reste historiquement fragmenté activité par activité. UniExo s'inscrit dans cette lignée de recherche visant des contrôleurs génériques et personnalisés par utilisateur, sans toutefois annoncer de calendrier d'essais cliniques ni de partenariat industriel à ce stade.

ExosquelettesPaper

1 source

4arXiv cs.RO

Effet du délai d'assistance sur la mécanique articulaire et l'énergétique du contrôle biologique du couple d'un exosquelette de hanche

Un essai contrôlé portant sur huit participants a testé un exosquelette de hanche piloté par "contrôle de couple biologique", une stratégie qui traduit en temps réel le moment articulaire estimé de l'utilisateur en couple d'assistance, sans réglage spécifique à la tâche. L'étude, publiée en préimpression sur arXiv (2609.25417), a comparé une condition de référence sans assistance à cinq conditions actives avec des délais d'assistance allant de 40 à 320 millisecondes, lors de trois tâches de marche : terrain plat, montée de rampe et descente de rampe. Toutes tâches et délais confondus, l'assistance a réduit la dépense métabolique nette de 5,24%, le travail articulaire positif de la hanche de 5,86% et le travail articulaire positif total des membres inférieurs de 1,68% (p<0,05 dans tous les cas). Le délai d'assistance a modifié significativement les résultats de travail articulaire (p<0,001) mais pas la dépense métabolique nette. Par rapport à la condition sans couple, la dépense métabolique a chuté de 9,75% en terrain plat et de 7,20% en montée, mais a augmenté de 1,23% en descente de rampe. Ces résultats nuancent une hypothèse répandue dans le secteur des exosquelettes portables : qu'une cartographie unique état-vers-couple puisse assister efficacement n'importe quelle tâche locomotrice. L'étude montre que le bénéfice mécanique (déchargement articulaire) se dégrade avec l'allongement du délai, alors que le bénéfice métabolique reste étonnamment stable, ce qui questionne la robustesse temporelle des architectures de contrôle actuelles face aux contraintes matérielles réelles (latence des capteurs, transmission, calcul embarqué). Plus important pour les concepteurs de systèmes d'assistance industriels ou médicaux, l'assistance à dominante de puissance positive ne se généralise pas sans adaptation aux tâches dominées par du travail négatif, comme la descente de rampe, où elle peut devenir contre-productive. Le contrôle par couple biologique s'inscrit dans une lignée de stratégies concurrentes aux approches classiques basées sur des profils de couple calés sur la phase du cycle de marche, moins adaptables aux terrains variés. Le marché des exosquelettes de hanche, porté notamment par des acteurs comme Dephy ou Wandercraft en France sur le versant médical, cherche justement des lois de commande génériques capables de couvrir marche, rampes et escaliers sans reparamétrage manuel. Les auteurs appellent à évaluer ces cartographies au cas par cas selon le rôle mécanique de l'articulation ciblée, ouvrant la voie à des travaux futurs sur la compensation active du délai et l'extension à d'autres articulations et populations.

UECette recherche sur les lois de commande génériques pour exosquelettes de hanche intéressé directement les acteurs français du secteur médical comme Wandercraft, même si l'étude elle-même n'implique pas d'entité européenne identifiée.

ExosquelettesPaper

1 source