RecherchearXiv cs.RO 2 novembre 2026

Un filtre de récupérabilité de secours tenant compte des capacités pour la navigation multi-robots hétérogènes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent un filtre de sécurité baptisé CA-BRF (Capability-Aware Backup-Recoverability Filter), destiné à la navigation décentralisée d'équipes de robots hétérogènes. Le travail, publié sur arXiv (2610.41188), est validé en simulation avec jusqu'à 30 robots hétérogènes, puis en expérimentation avec des robots issus de cinq classes cinématiques différentes. Le principe consiste à ne laisser un robot exécuter une commande de navigation que si elle lui conserve l'accès à une manœuvre de récupération certifiée, c'est-à-dire un freinage ou un virage de secours qui maintient la sécurité par paires jusqu'à l'arrêt complet. Chaque manœuvre respecte les contraintes cinématiques et d'actionnement du robot concerné, ce qui rend le certificat dépendant de ses capacités réelles.

Le problème visé est concret pour tout site mêlant AMR, chariots, manipulateurs mobiles ou humanoïdes. Les robots ne freinent ni ne tournent de la même façon, et un robot lourd peut avoir moins de marge de réaction qu'un voisin agile. Quand plusieurs interactions surviennent simultanément, une seule commande doit satisfaire plusieurs contraintes d'évitement de collision. Les contraintes locales deviennent alors incompatibles avec les commandes admissibles, et le contrôleur de sécurité décentralisé n'a plus d'action faisable. Les approches classiques par optimisation sous contraintes échouent précisément dans ce cas. Les auteurs affirment établir la faisabilité récursive et la sécurité du système en boucle fermée en temps discret, même lorsque l'optimisation nominale devient infaisable. Il s'agit d'une garantie formelle, sous les hypothèses du modèle, et non d'une preuve de robustesse en conditions industrielles.

Pour les intégrateurs et les responsables d'exploitation, l'intérêt tient à la gestion de flottes mixtes sans coordination centrale, un point souvent traité par des règles de priorité ou des zones d'exclusion conservatrices qui coûtent en débit. Le filtre agit comme une couche de sécurité posée sur n'importe quel planificateur : il choisit des interpolations admissibles entre la commande candidate et l'action de secours, en conservant le plus possible de l'intention initiale, et coordonne ce choix entre toutes les interactions simultanées. Plusieurs réserves s'imposent. Les résultats restent académiques, sans donnée de débit, de latence de calcul ni de comparaison chiffrée détaillée dans le résumé. Le seuil de 30 robots est modeste face à des entrepôts de centaines d'unités, et les hypothèses sur la perception, la communication et les modèles dynamiques conditionnent la portée des garanties. Le travail s'inscrit dans la lignée des fonctions barrières de contrôle et des filtres de sécurité, déjà étudiés pour des robots homogènes, et rejoint les besoins des flottes multi-fournisseurs. Aucun calendrier de transfert industriel n'est annoncé.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

PATH : estimation de traversabilité tenant compte des préférences pour la téléopération de robots en navigation tout-terrain

Des chercheurs proposent PATH-Net, un réseau hiérarchique d'estimation de traversabilité qui tient compte des préférences de l'opérateur pour la téléopération de véhicules terrestres en tout-terrain. Le système fusionne des caractéristiques visuelles et géométriques en vue aérienne (bird's-eye-view) avec un court historique des états du véhicule, au sein d'une architecture multi-têtes à backbone partagé. Il produit deux sorties : des cartes de coût de traversabilité, apprises par apprentissage par renforcement inverse à entropie maximale, et des vitesses recommandées, entraînées avec une supervision de vitesse parcimonieuse. Un mécanisme d'agrégation asymétrique injecte la préférence (agressif ou conservateur) : la branche coût se concentre sur les zones à haut risque, la branche vitesse renvoie une consigne ajustée au profil. L'évaluation porte sur 15 opérateurs et 225 trajectoires téléopérées. L'écart avec les trajectoires humaines, mesuré par la distance de Hausdorff modifiée, est de 0,17 m pour le profil agressif et de 0,15 m pour le profil conservateur. Dans le questionnaire NASA-TLX, la charge de travail perçue passe de 34,7 sans recommandation à 22,2 avec. L'intérêt tient à un angle encore peu traité : la plupart des méthodes de traversabilité optimisent un coût « objectif » du terrain et ignorent que deux opérateurs n'acceptent ni le même risque ni la même vitesse. Pour les intégrateurs de véhicules téléopérés (défense, mines, agriculture, inspection, interventions en zone dangereuse), une assistance qui s'adapte au style de l'opérateur, plutôt que de lui imposer un comportement, peut réduire la fatigue et faciliter l'adoption. Les résultats restent toutefois ceux d'un prototype académique. Une baisse de charge de 34,7 à 22,2 sur un petit échantillon de 15 personnes, mesurée par un questionnaire subjectif, ne dit rien de la sécurité, du taux d'incidents ni de la productivité en exploitation. Les erreurs de 15 à 17 cm n'ont de sens qu'avec le contexte : types de terrain, vitesses, véhicule et méthodes de référence ne sont pas précisés dans le résumé. Le papier ne prouve donc ni une robustesse hors distribution ni un déploiement sur le terrain. Ce travail s'inscrit dans la lignée des cartes de coût apprises par IRL à entropie maximale et des méthodes de navigation tout-terrain à partir de démonstrations, auxquelles il ajoute le conditionnement sur la préférence et la recommandation de vitesse. Il se positionne entre la navigation autonome tout-terrain et la téléopération assistée, domaines où les équipes américaines et académiques dominent. Aucun acteur français ou européen n'est cité dans cette publication préliminaire (arXiv, v1). Les suites logiques seraient des essais à plus grande échelle, sur d'autres plateformes et d'autres terrains, avec des mesures de sécurité et de performance de mission, et une comparaison avec des assistances existantes. Aucun calendrier de pilote n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

CORNAV : raisonnement tenant compte des travaux pour la navigation de robots sur chantiers actifs

CORNAV, un cadre de navigation pour robots publié sur arXiv (2610.03622), vise à faire circuler des robots mobiles sur des chantiers actifs à partir de plans CAD 2D et de plannings de projet, sans exiger de maquette numérique BIM. Le système aligne les plans architecturaux sur des graphes de scène 3D hiérarchiques à vocabulaire ouvert pour ancrer les requêtes en langage naturel. Il convertit ensuite le planning en contraintes de navigation variables dans le temps. Un module de sécurité fondé sur un LLM valide chaque demande et fait remonter les zones dangereuses avant la planification. Un planificateur A* impose enfin des zones d'exclusion obligatoires et évite de préférence les zones à risque élevé. Les tests ont eu lieu dans un bureau intérieur et sur un vrai chantier. L'ancrage par plans fait passer le taux de réussite des tâches de 13,0 % à 72,2 %, par rapport à la seule récupération sémantique. La prise en compte du planning supprime toutes les violations de zones strictes. Le module de sécurité rejette correctement les demandes dangereuses issues de plannings mal étiquetés. Ces résultats comptent d'abord parce qu'ils visent une limite connue des systèmes de navigation guidés par le langage. Ceux-ci reposent sur la seule compréhension sémantique de la scène et localisent mal les éléments permanents du bâtiment. Le saut de 13,0 % à 72,2 % montre que le goulot d'étranglement est le contexte métier plutôt que la perception brute. Exploiter des plans 2D et des plannings déjà présents sur la plupart des chantiers abaisse la barrière d'entrée, car peu de chantiers disposent d'un BIM à jour. Pour les intégrateurs et les responsables de sites, l'intérêt est une navigation qui respecte les zones interdites évolutives. Le rejet de requêtes issues de plannings erronés répond à un risque réel : les données de chantier sont souvent incomplètes ou fausses. Il faut toutefois rester prudent. Les résultats viennent d'un travail académique, sur un nombre limité d'environnements, et le seul site réel testé ne dit rien de la robustesse à grande échelle. Les auteurs partent d'un constat économique : la construction souffre de pénuries de main-d'œuvre, d'une faible productivité estimée à plus de 1 600 milliards de dollars de coût annuel pour l'économie mondiale, et d'un des taux d'accidents les plus élevés parmi les grands secteurs. Ces facteurs alimentent l'intérêt pour les robots autonomes sur chantier, déjà explorés par des acteurs comme Boston Dynamics avec Spot pour la capture de l'avancement. Les approches de navigation par graphes de scène à vocabulaire ouvert, qui servent de base ici, restent peu adaptées aux contraintes réglementaires et temporelles d'un chantier. CORNAV est un travail de recherche, pas un produit ni un déploiement commercial, et aucun calendrier de pilote n'est annoncé. Les suites logiques seraient des essais sur davantage de sites, une intégration avec des robots de terrain et une évaluation de la fiabilité du module de sécurité face à des plannings dégradés.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Fonctions de barrière de contrôle sur graphe conditionnées par les capacités pour une navigation sûre sans apprentissage préalable d'équipes hétérogènes de robots mobiles

Des chercheurs proposent CC-HGCBF (Capability-Conditioned Heterogeneous Graph Control Barrier Function), une méthode de contrôle sécurisé décentralisé pour des flottes de robots mobiles hétérogènes, décrite dans un preprint arXiv (2610.41214v1). Elle vise à permettre le transfert « zero-shot » vers des modèles de robots jamais vus à l'entraînement. Le cadre définit la sécurité dans un espace opérationnel commun, un point de référence du second ordre, ce qui donne une représentation géométrique partagée entre robots tout en conservant leur dynamique propre et leurs limites de commande admissibles. Sa pièce centrale est le Radial Capability Field (RCF), une représentation compacte, de dimension fixe, de l'ensemble des vitesses atteignables par chaque robot sur un horizon fini, selon son état. La barrière de sécurité partagée et la politique décentralisée sont conditionnées par ce champ, et non par une identité de robot prédéfinie. L'entraînement conjoint repose sur un étiquetage proactif de la sécurité et une supervision par CBF-QP neuronal. Les tests portent sur des équipes mixtes de modèles connus et inconnus, puis sur des robots physiques, sans réentraînement. L'enjeu est pratique pour les intégrateurs de flottes mixtes, par exemple des AMR différentiels, des plateformes omnidirectionnelles et des véhicules à cinématique contrainte, qui cohabitent dans un même entrepôt. Les méthodes GCBF existantes supposent souvent une dynamique homogène. Celles qui encodent la classe du robot distinguent les types connus, mais elles ne modélisent pas les capacités de mouvement qui dépendent de l'état et elles généralisent mal aux nouveaux modèles. Décrire un robot par ce qu'il peut faire à un instant donné, plutôt que par ce qu'il est, permettrait d'intégrer un nouveau modèle ou une variante aux limites de commande modifiées sans nouvelle phase d'entraînement ni requalification complète. Le résumé reste toutefois qualitatif, sans taux de collision, nombre de robots, vitesses ni comparaison chiffrée. L'ampleur des essais physiques (nombre de modèles, densité du trafic) n'est pas précisée, et les garanties de sécurité d'une barrière apprise restent empiriques, pas formelles. Ce travail prolonge la ligne GCBF, qui a fait de la sécurité multi-robot décentralisée un problème d'apprentissage sur graphe, avec des barrières neuronales apprises et des contrôleurs de type CBF-QP. Sa limite historique était l'hypothèse d'homogénéité. Les approches par identité de classe ou de modèle ont ensuite traité l'hétérogénéité, mais seulement sur des types vus à l'entraînement. Le preprint arrive à un moment où les flottes mixtes se banalisent en logistique et en industrie. Il s'agit d'une contribution de recherche, sans produit ni pilote annoncé. La suite logique serait une validation à plus grande échelle, avec davantage de robots, des environnements dynamiques et la prise en compte du bruit de perception, puis une comparaison avec les méthodes de planification et de coordination utilisées dans les gestionnaires de flotte industriels.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

EmbodiedDiffusion : diffusion visuelle guidée par la franchissabilité pour la navigation de robots hétérogènes

Des chercheurs présentent EmbodiedDiffusion, un framework basé sur la diffusion qui prédit simultanément des cartes de franchissabilité (traversability) et génère des trajectoires directement à partir d'images RGB, sans carte ni planificateur séparé. Le système distille les connaissances sémantiques d'un modèle vision-langage (VLM) enseignant vers un modèle étudiant léger pendant l'entraînement, ce qui permet une inférence sans prompt, en temps réel, une fois déployé. Un mécanisme de conditionnement modulaire basé sur FiLM isole le raisonnement spécifique à chaque plateforme robotique dans un sous-ensemble compact et entraînable du réseau, sans toucher au backbone visuel ni au modèle de diffusion de trajectoire. Testé en environnements intérieurs sur des robots quadrupèdes et aériens, le système atteint un taux de réussite de navigation de 80 à 100% en régime de données complètes, avec un temps d'inférence de 90 millisecondes, et s'adapte à une nouvelle plateforme robotique avec seulement 10 minutes de collecte de données visuelles. Il s'agit d'une quatrième version révisée d'un article déposé sur arXiv, donc d'un travail académique et non d'un produit commercialisé. L'intérêt principal tient à l'unification de deux tâches habituellement traitées séparément, l'estimation de franchissabilité et la planification de trajectoire, dans un seul modèle bout-en-bout qui se passe de cartographie lourde et de réglage manuel. Pour les intégrateurs travaillant avec des flottes hétérogènes (drones, quadrupèdes, à terme humanoïdes), la promesse clé est la portabilité rapide entre plateformes robotiques sans réentraînement complet, un point de friction connu des pipelines de navigation actuels. Le chiffre de 90 ms d'inférence, s'il se confirme hors laboratoire, positionnerait l'approche comme compatible temps réel sur du matériel embarqué, un critère souvent absent des démonstrations VLM à base de prompts. Les approches dominantes en navigation autonome reposent soit sur des VLM pilotés par prompts, coûteux en latence, soit sur des pipelines découplés associant cartographie SLAM et planificateurs classiques, longs à déployer et à calibrer par robot. EmbodiedDiffusion s'inscrit dans la tendance plus large des modèles vision-action (VLA) qui cherchent à remplacer ces chaînes modulaires par un apprentissage de bout en bout, dans la lignée des travaux sur la généralisation cross-embodiment. Les résultats restent pour l'instant limités à des environnements intérieurs contrôlés avec deux types de plateformes ; leur validation sur des cas industriels réels et sur davantage de morphologies robotiques reste une étape à venir.

RechercheActu

1 source