RecherchearXiv cs.RO 2 novembre 2026

SLAM RGB-D visuel-inertiel avec encodeurs pour un robot à roues différentielles

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent un système SLAM (localisation et cartographie simultanées) visuel-inertiel RGB-D intégrant les encodeurs de roues, conçu pour un robot mobile à entraînement différentiel. Décrit dans un preprint arXiv (2610.41768v1), il vise un problème connu des méthodes d'odométrie visuelle-inertielle (VIO), qui estiment la pose grâce au filtre de Kalman étendu (EKF) ou à l'optimisation non linéaire. Ces méthodes décrochent en conditions réelles quand les points caractéristiques manquent temporairement ou que le mouvement est rapide. Les auteurs introduisent un modèle de mesure génératif pour les encodeurs, dérivent l'estimée du maximum a posteriori (MAP) et les jacobiennes nécessaires à l'optimisation, puis les intègrent dans un système étroitement couplé (tightly coupled) associant caméra RGB-D, centrale inertielle et odométrie des roues. Sur un jeu de données interne, l'erreur quadratique moyenne (RMSE) se situe autour de 2 à 7 cm, en temps réel. Le code source et le jeu de données, qui inclut les mesures d'encodeurs, sont publiés pour permettre la vérification.

L'intérêt pour les intégrateurs tient moins à une nouveauté de principe qu'à une réponse pragmatique à un point de défaillance bien connu des AMR (robots mobiles autonomes) en entrepôt ou en usine. Les couloirs uniformes, les murs blancs, les changements d'éclairage ou les virages rapides privent la vision de repères, et la dérive s'installe. Les encodeurs sont présents sur quasiment toutes les bases mobiles à coût nul, et leur fusion rigoureuse, avec une modélisation probabiliste du bruit plutôt qu'un simple recalage, rend la localisation plus robuste sans capteur supplémentaire. La publication du code répond aussi à un reproche des auteurs : beaucoup de VIO performantes ne sont pas ouvertes, ce qui freine la reproduction et l'adoption industrielle. Il faut toutefois relativiser : une précision de 2 à 7 cm est annoncée sur un jeu de données maison, avec un seul robot, sans comparaison indépendante sur des benchmarks publics. Les glissements de roues sur sols difficiles, qui dégradent l'odométrie, ne sont pas détaillés dans le résumé.

Ce travail s'inscrit dans une longue lignée de SLAM visuel-inertiel (ORB-SLAM3, VINS-Mono, OpenVINS) dont les variantes avec encodeurs, comme VINS-Mono étendu aux roues, existent déjà, ce qui oblige à lire la contribution comme un raffinement de modélisation et non une rupture. Le champ de la navigation évolue en parallèle vers les approches apprises et les robots à pattes ou humanoïdes, où les encodeurs articulaires jouent un rôle analogue dans l'estimation d'état proprioceptive. La suite dépendra de la validation hors du laboratoire des auteurs : tests sur des jeux publics, autres plateformes et environnements dynamiques. Aucun déploiement industriel ni calendrier de pilote n'est annoncé, il s'agit à ce stade d'une recherche académique avec code ouvert.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

PanoAir : un SLAM visuel-inertiel panoramique et un jeu de données réelles de drone sur plusieurs périodes

PanoAir est un cadre de SLAM visuel-inertiel (VI-SLAM) panoramique conçu pour l'estimation de pose de drones, accompagné d'un jeu de données réel publié en parallèle. Le jeu de données couvre des conditions de vol variées: éclairage changeant, altitudes différentes, trajectoires de longueurs diverses et dynamiques de mouvement contrastées. Le système repose sur deux briques: une extraction de caractéristiques adaptée à la géométrie panoramique et une fermeture de boucle panoramique, censées renforcer les contraintes visuelles et garantir la cohérence globale de la carte. Sur les 17 séquences testées, la méthode n'enregistre aucune perte de suivi et réduit l'erreur de trajectoire absolue (ATE) jusqu'à 47,1 % par rapport à la meilleure méthode de référence. Elle a aussi été déployée sur une plateforme embarquée, avec une efficacité de calcul que les auteurs jugent comparable à celle d'une implémentation sur PC. Le code et les données sont publics sur GitHub (YYWumm/PanoAir). L'enjeu est très concret pour les intégrateurs de drones d'inspection, de cartographie ou de logistique intérieure. La plupart des VI-SLAM actuels s'appuient sur des caméras à champ de vision limité, qui dérivent ou décrochent quand la scène devient pauvre en texture, que la lumière varie ou que le mouvement est brusque. Une caméra panoramique voit dans toutes les directions et conserve donc des points de repère exploitables même quand une partie de l'image est dégradée. Les résultats suggèrent que cette redondance se traduit par un gain de robustesse mesurable, surtout sur les trajectoires longues où la dérive s'accumule. La démonstration embarquée compte autant que le score: un algorithme qui ne tourne qu'au sol sur PC reste un résultat de laboratoire. Deux réserves s'imposent. Le chiffre de 47,1 % est un maximum, pas une moyenne. Et 17 séquences, dont une partie provient du jeu de données des auteurs, constituent un banc d'essai modeste, sans comparaison indépendante en conditions opérationnelles. Ce travail s'inscrit dans un domaine où les méthodes de référence (de type ORB-SLAM ou VINS) ont été pensées pour des caméras classiques, alors que le SLAM panoramique et les jeux de données réels pour drones restent peu explorés, ce que les auteurs présentent comme la lacune qu'ils comblent. La publication du code et des données ouvre la voie à des comparaisons reproductibles, étape nécessaire avant toute adoption industrielle. Les suites à surveiller sont la validation sur des plateformes et des capteurs panoramiques différents, des tests en environnements dynamiques ou extérieurs étendus, et l'intégration avec la planification de trajectoire. Aucun acteur européen ni aucun calendrier de pilote commercial n'est mentionné: il s'agit d'une contribution de recherche, pas d'un produit livré.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Odométrie visuelle-inertielle pour robots terrestres avec calibration extrinsèque dynamique caméra-IMU

Des chercheurs proposent, dans une version révisée d'un article déposé sur arXiv, une méthode d'odométrie visuelle-inertielle (VIO) pour robots terrestres qui lève l'hypothèse d'une caméra et d'une centrale inertielle (IMU) fixées rigidement l'une à l'autre. Leur approche estime en ligne les paramètres extrinsèques variables dans le temps, c'est-à-dire la position et l'orientation relatives de la caméra par rapport à l'IMU. Elle repose sur la convention de Denavit-Hartenberg, qui décrit une chaîne articulée par des paramètres géométriques standardisés, et intègre le modèle cinématique du robot. Une initialisation en deux étapes estime d'abord les angles articulaires initiaux, ce qui fournit un point de départ fiable à l'optimisation des paramètres extrinsèques. La validation se limite à des simulations. Les auteurs affirment que le cadre absorbe les variations d'extrinsèques tout en gardant une précision de localisation « compétitive ». Le résumé ne donne aucun chiffre d'erreur, aucune comparaison nommée et aucun test sur robot réel. L'enjeu est pratique. La plupart des systèmes VIO calibrent les extrinsèques une fois pour toutes, puis les figent. Cela devient problématique dès que le capteur est monté sur un mât télescopique, un bras, une tourelle ou un cou articulé, ce qui est courant sur les robots d'inspection, les plateformes mobiles manipulatrices et certains humanoïdes ou quadrupèdes. Exploiter la cinématique connue plutôt que d'estimer une transformation arbitraire réduit le nombre d'inconnues, donc potentiellement la dérive. Pour un intégrateur, c'est une piste crédible pour garder une localisation fiable quand la tête capteur bouge. Faute de métriques publiées et de données réelles, la robustesse face au bruit, aux jeux mécaniques et aux erreurs de synchronisation reste entièrement à démontrer. L'écart entre simulation et réalité est ici le principal point d'interrogation. Ce travail s'inscrit dans la lignée des cadres VIO fondés sur l'optimisation ou le filtrage, comme VINS-Mono, OKVIS ou OpenVINS. Ceux-ci proposent déjà l'auto-calibration en ligne, mais le plus souvent pour des extrinsèques supposés constants ou lentement variables. L'intégration explicite d'une chaîne cinématique est l'apport distinctif revendiqué. La suite logique serait une validation sur matériel, avec des jeux de données publics ou un robot instrumenté, et une comparaison chiffrée avec ces références. Aucun calendrier, partenaire industriel ni déploiement n'est annoncé à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

Analyse d'observabilité et calibration en ligne de l'odométrie visuelle-inertielle-roues pour robots mobiles 4WIS4WID

Une nouvelle prépublication arXiv (v1, non évaluée par les pairs) décrit un cadre d'odométrie visuelle-inertielle-roues (VIWO) avec calibration en ligne, conçu pour les robots mobiles à quatre roues indépendamment directrices et motrices (4WIS4WID). Les auteurs dérivent un modèle d'odométrie 2D directement à partir des quatre vitesses d'entraînement et des quatre angles de braquage, en combinant les contraintes de roulement longitudinal et de non-glissement latéral de chaque roue. Ils développent aussi un modèle de préintégration et des jacobiens analytiques, afin de rendre le filtrage et la calibration efficaces. La validation repose sur des simulations et sur des essais réels avec un robot 4WIS4WID. L'abstract ne fournit ni erreur de positionnement, ni durée d'essai, ni nom de plateforme, ni comparaison chiffrée avec d'autres méthodes. L'apport principal est théorique, mais il touche un point sensible de la mobilité industrielle. Les bases 4WIS4WID, très manœuvrantes et capables de déplacements latéraux ou diagonaux, équipent de nombreux AMR et manipulateurs mobiles. Leurs décalages de braquage, rarement connus avec précision, dégradent l'odométrie. L'analyse d'observabilité montre qu'un modèle utilisant seulement les vitesses d'entraînement rend tous les décalages de braquage inobservables. Le modèle redondant proposé, qui exploite aussi le non-glissement latéral, les rend observables. Les auteurs identifient quatre directions inobservables classiques des systèmes visuels-inertiels et trois directions supplémentaires liées au placement arbitraire du repère d'odométrie. Il reste treize paramètres intrinsèques de roues à calibrer. Ils précisent aussi les mouvements dégénérés (vitesse de lacet nulle, braquage constant, roue qui ne roule pas) et les conditions d'excitation correspondantes. Pour un intégrateur, cela définit des trajectoires de calibration à exécuter en production et des situations où l'estimation devient peu fiable. Faute de métriques publiées dans le résumé, le gain réel en précision reste à confirmer à la lecture de l'article complet. Ce travail s'inscrit dans la lignée de la fusion visuelle-inertielle (VINS) étendue aux capteurs de roues, déjà étudiée pour les bases différentielles ou de type voiture, bien plus que pour les architectures à braquage indépendant. Il comble un vide à mesure que ces plateformes se généralisent dans les entrepôts et les usines. Aucun acteur commercial, aucun calendrier de déploiement ni aucune publication de code ne sont mentionnés dans l'abstract. Les prochaines étapes probables sont des évaluations sur davantage de plateformes, des comparaisons avec des méthodes de référence et une éventuelle intégration dans les piles de navigation open source.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

RAVEN : un système unifié de SLAM actif pour l'exploration visuelle rapide et autonome avec des robots aériens malgré l'incertitude de localisation

RAVEN est un cadre logiciel de SLAM actif (simultaneous localization and mapping), conçu pour l'exploration visuelle rapide par quadrirotors. Il a été présenté dans un article déposé sur arXiv, sans nom d'équipe ni d'entreprise indiqué dans le résumé. Le système identifie d'abord des frontières d'exploration et des candidats de fermeture de boucle active, puis génère des tournées globales à partir de ces deux familles de cibles. Chaque tournée est notée par un vecteur d'utilité à deux composantes, l'une pour l'efficacité d'exploration, l'autre pour la précision de localisation. Un paramètre de priorisation compris entre 0 et 1 arbitre ensuite entre les deux. Un planificateur de navigation sensible à la perception produit enfin des trajectoires lisses qui minimisent l'erreur d'estimation d'état visuelle. Il s'appuie pour cela sur un champ d'information de Fisher calculé en ligne, qui quantifie en temps réel l'information de localisation disponible. Les auteurs annoncent de meilleurs résultats que les méthodes de SLAM actif de l'état de l'art sur des benchmarks. Ils ont aussi mené des essais terrain entièrement embarqués, avec un quadrirotor sur mesure équipé d'une paire stéréo et d'une centrale inertielle. Aucun chiffre précis (temps d'exploration, taux de couverture, erreur de trajectoire) n'apparaît dans le résumé. L'intérêt pratique tient à la situation des drones, qui sont agiles mais disposent de capteurs limités et dérivent donc plus vite que les robots au sol. Les méthodes existantes explorent souvent sans tenir compte de l'incertitude de localisation, ou bien privilégient les retours en zone connue au détriment de la vitesse. Un paramètre unique qui déplace le compromis selon la mission pourrait servir aux intégrateurs d'inspection ou de cartographie. Une inspection de structure exige une carte fiable, alors qu'une recherche après sinistre exige une couverture rapide. Les essais restent toutefois à valider. Les benchmarks sont souvent réalisés en simulation, et la mention d'environnements « difficiles » ne dit rien de la taille des sites, de l'éclairage ni de la durée des vols. Il s'agit ici d'une publication de recherche, sans produit ni déploiement industriel. Ce travail prolonge deux axes de la recherche en robotique aérienne : l'exploration autonome fondée sur les frontières et la planification attentive à la perception. Le SLAM actif a surtout été étudié sur des robots terrestres, et les auteurs présentent l'adaptation aux quadrirotors comme un manque à combler. Les concurrents sont les planificateurs d'exploration aérienne et les méthodes de SLAM actif qui servent de références dans les comparaisons. Le résumé ne les nomme pas. Les auteurs promettent de publier le code source, sans date. La reproductibilité et les comparaisons indépendantes dépendront donc de cette publication. Aucun acteur français ou européen n'est cité dans le résumé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source