RecherchearXiv cs.RO 28 octobre 2026

Apprentissage du vol visuomoteur d'un quadrirotor à travers des ouvertures étroites dynamiques par simulation différentiable

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs publient sur arXiv (identifiant 2610.37557) une méthode permettant à un quadrirotor de traverser une ouverture étroite en mouvement, en s'appuyant uniquement sur ses capteurs embarqués. La politique de contrôle prend en entrée des mesures visuelles et inertielles et produit directement une poussée collective et des vitesses angulaires (body rates). Elle est entraînée en une seule étape, depuis une initialisation aléatoire, sans enseignant, sans planificateur ni distillation. L'approche repose sur une formulation différentiable de la fente mobile : les termes de centrage, d'alignement et de collision lissée sont pondérés par la distance signée au plan variable de l'ouverture. Un événement de franchissement rare devient ainsi un objectif dense, dérivable le long de la trajectoire. En simulation, les gradients « pathwise » atteignent 99,3 % de réussite après quelques minutes d'entraînement sur un seul GPU, et surpassent nettement les gradients de type score-function sur cette tâche de précision. En conditions réelles, la politique est transférée sans réglage supplémentaire sur un vrai quadrirotor, qui franchit l'ouverture dynamique depuis diverses conditions initiales avec 80 % de réussite sur 10 essais.

Ce travail compte parce que la tâche laisse très peu de marge : il faut un alignement de l'ordre du centimètre et un timing précis, et la moindre erreur de position, d'attitude ou de visibilité provoque une collision. Les approches antérieures s'appuient sur l'état privilégié (position exacte de l'ouverture), sur des enseignants, des planificateurs ou de la distillation. Une politique apprise directement en pixels-vers-commandes, sans cet échafaudage, simplifie la chaîne d'entraînement et ouvre la voie à des systèmes plus légers à développer. La vitesse d'apprentissage, de l'ordre de quelques minutes sur un GPU, est aussi un argument pour les équipes qui itèrent sur du matériel. Il faut toutefois relativiser : 10 essais réels ne donnent qu'un intervalle de confiance très large, et l'écart entre 99,3 % en simulation et 80 % sur le terrain montre qu'un résidu de sim-to-real subsiste. L'article ne précise pas la vitesse de l'ouverture, ni la variété des scènes testées.

Ce résultat s'inscrit dans la lignée des travaux de vol agile des laboratoires comme celui de Davide Scaramuzza (Zurich), qui avait montré le franchissement de fentes avec planification et état privilégié, puis des politiques apprises par renforcement et distillées depuis un expert. L'apprentissage par simulation différentiable, qui exploite la dérivabilité du modèle physique plutôt que des estimateurs de gradient à forte variance, gagne du terrain en robotique. La suite logique serait de tester des ouvertures plus rapides, des environnements moins contrôlés et des campagnes d'essais plus larges. Il s'agit ici d'une publication préliminaire (v1), non évaluée par les pairs, et aucun déploiement industriel n'est annoncé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage de la traversée agile d'ouvertures par vision : simulation différentiable avec critique pré-entraîné

Un article publié fin septembre 2026 sur arXiv (2609.30696) décrit un cadre d'apprentissage par renforcement en deux étapes pour des drones quadrirotors traversant des ouvertures étroites à partir de simples caméras embarquées. La méthode combine des gradients de politique quasi analytiques (QPG), calculés par simulation différentiable, et un démarrage à chaud du critique, plutôt que le clonage comportemental ou la rétropropagation complète dans le temps. En première phase, un acteur et un critique sont entraînés avec la géométrie de l'ouverture, sans réinitialiser le drone le long de trajectoires de référence. En seconde phase, une politique visuelle apprend à partir de masques binaires générés par deux caméras égocentriques, avec un critique hérité de la première phase. Des essais réels montrent une traversée robuste et une généralisation à des formes d'ouvertures inédites. Pour le secteur des drones autonomes, l'intérêt tient à l'efficacité d'entraînement revendiquée plutôt qu'à la démonstration : en évitant de rétropropager le gradient à travers le rendu visuel, le QPG réduirait le coût mémoire et de calcul tout en améliorant l'efficacité d'échantillonnage, comparé au BPTT complet ou à un critique initialisé à froid. Les auteurs indiquent que l'acteur expert n'a pas besoin d'être réentraîné quand les paramètres du système changent, ce qui faciliterait le transfert d'une politique visuelle entre plateformes de drones, contrairement aux méthodes concurrentes fondées sur la supervision par action. Cela répond à une limite connue du vol autonome basé vision : le fossé entre performance simulée et robustesse réelle face à des obstacles inédits. Ce travail s'inscrit dans la lignée des recherches récentes combinant simulation différentiable et apprentissage par renforcement pour le contrôle de drones, un domaine où la rétropropagation à travers un moteur de rendu visuel reste un goulot d'étranglement de calcul majeur. Les auteurs positionnent leur cadre face aux méthodes existantes de traversée de gaps fondées sur la supervision par action, jugées moins généralisables d'une plateforme à une autre. Ils présentent leur approche en deux étapes comme générique, transposable à d'autres tâches d'apprentissage visuomoteur en robotique, sans annoncer de calendrier de déploiement industriel ni de partenariat commercial : il s'agit d'une contribution de recherche académique et non d'un produit ou pilote commercial.

RecherchePaper

1 source

2arXiv cs.RO

DiffDreamer : associer des modèles du monde à la simulation différentiable pour un pilotage agile de quadrirotor

DiffDreamer, un framework d'apprentissage par renforcement différentiable décrit dans une prépublication arXiv (2610.31617), vise le contrôle agile de quadrirotors, notamment la course à travers des portes mobiles, où l'agent doit anticiper le mouvement d'éléments extérieurs tout en maintenant un contrôle précis à haute fréquence. Le principe consiste à coupler un modèle du monde appris à un simulateur différentiable pour optimiser l'acteur. À chaque étape d'optimisation, le modèle du monde propage des états latents qui encodent la dynamique externe et des caractéristiques dépendant de l'historique, tandis que le simulateur différentiable propage l'état physique explicite du drone. L'objectif de l'acteur est scindé en deux voies: une voie pilotée par le critique pour les récompenses de tâche non différentiables, et une voie pilotée par le simulateur pour les récompenses de mouvement différentiables. Les expériences portent sur le suivi agressif de trajectoire et la course à portes dynamiques, avec en complément des essais de vol réels présentés comme preuve de concept. Les auteurs reprochent aux approches d'apprentissage par renforcement fondées sur un modèle du monde de mélanger, dans une seule trajectoire imaginée, l'évolution de l'environnement et la dynamique propre du robot. Le biais du modèle appris contamine alors l'optimisation de la politique, y compris pour la partie du comportement que la physique connue décrit exactement. Séparer ces deux composantes revient à n'apprendre que ce qui est réellement inconnu et à laisser le simulateur gérer le reste, avec des gradients analytiques. Les résultats annoncés sont une convergence d'entraînement plus rapide que des références sans modèle, avec modèle et en RL différentiable, ainsi qu'une performance finale supérieure à ces références et à des méthodes classiques de planification et de contrôle. Ces affirmations restent à nuancer: le résumé ne donne aucun chiffre (vitesses, taux de succès, temps de convergence), et les vols réels sont explicitement limités à une validation de principe, ce qui laisse ouverte la question du transfert simulation-réel à grande échelle. Pour les intégrateurs, le travail est surtout un signal de recherche, sans produit ni déploiement associé. Ce travail s'inscrit dans la lignée des agents à modèle du monde de type Dreamer, qui apprennent une dynamique latente pour imaginer des trajectoires futures, et des méthodes de RL différentiable, qui exploitent les gradients d'un simulateur pour accélérer l'apprentissage. La course de drones est un banc d'essai reconnu où des politiques apprises ont déjà rivalisé avec des pilotes humains, et où les approches classiques de planification et de contrôle optimal servent de référence. Des ablations évaluent la décomposition des récompenses et la représentation d'état relatif conditionnée par l'odométrie. Les suites probables sont des vols plus agressifs en conditions réelles, des environnements plus dynamiques et une évaluation indépendante. L'article n'annonce ni calendrier ni partenaire industriel.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

OmniRisk : apprentissage omnidirectionnel du risque de trajectoire pour l'évitement dynamique agile de quadrirotors

Une équipe de recherche présente OmniRisk, un système de planification omnidirectionnelle permettant à des drones quadrirotors agiles d'éviter des obstacles rapides en mouvement, décrit dans un article publié sur arXiv (référence 2609.18191v1) en septembre 2026, avec code source mis à disposition sur GitHub sous le compte VANdexj. Le système combine dans un même tenseur de dimension fixe des panoramas de portée LiDAR, des masques de détection de mouvement et des vitesses de surface en coordonnées cartésiennes, afin de représenter simultanément la géométrie de l'environnement et la dynamique des obstacles. Il s'appuie sur un champ de risque asymétrique aligné sur le vecteur vitesse de chaque obstacle, qui accentue le danger lors d'une approche et l'atténue lors d'un éloignement. Un réseau à convolution circulaire à deux branches prédit en un seul passage les états limites terminaux et les niveaux de risque dynamique pour un ensemble de trajectoires candidates réparties sur une grille d'ancrage à 360 degrés, avant sélection et reconstruction analytique de la trajectoire retenue. Des essais en vol réel ont démontré des manœuvres d'évitement consécutives à des vitesses de rencontre relative allant jusqu'à 15 m/s, sans réglage fin additionnel du modèle. L'intérêt principal tient au déplacement du calcul de risque vers une phase d'apprentissage hors ligne : l'inférence embarquée devient indépendante du nombre d'obstacles, ce qui règle un point de blocage classique des planificateurs de trajectoire en ligne, soit trop coûteux face à des scènes denses, soit fiables uniquement au prix d'une charge de calcul croissante avec le nombre d'obstacles. Pour les intégrateurs de drones autonomes, cela ouvre la voie à un évitement dynamique temps réel et léger en calcul, sans dépendre de capteurs de profondeur denses. La validation en conditions réelles, à haute vitesse et sans fine-tuning, va aussi à l'encontre d'un écart fréquent entre performances simulées et transfert au monde réel dans ce type d'approche par apprentissage. Ce travail s'inscrit dans la lignée des recherches en navigation réactive pour drones agiles, un champ jusqu'ici partagé entre optimisation de trajectoire en ligne à base de modèles et méthodes d'apprentissage exploitant des capteurs de profondeur ou LiDAR. OmniRisk se distingue par sa couverture omnidirectionnelle plutôt que frontale et par la prise en compte explicite du sens de déplacement relatif des obstacles. Le code étant publié en accès libre, la reproductibilité et l'adoption par d'autres équipes de recherche en robotique aérienne constituent la suite logique attendue.

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