ROOF : apprendre à un humanoïde à se relever après une chute sous contraintes de plafond

Une équipe de chercheurs publie sur arXiv ROOF, une méthode d'apprentissage par renforcement qui apprend à un humanoïde tombé à se relever lorsqu'un obstacle surplombe son corps, par exemple un meuble. En simulation, la politique réussit le relevé dans 88,5 % des essais sous des plaques qui ne peuvent qu'être soulevées, contre 18,9 % sans guidage géométrique, et dans 98,6 % des essais sous des plaques libres dont la taille, la masse et la position sont randomisées. Sur un Unitree G1, la politique déployée s'en sort 95 fois sur 150 tentatives (environ 63 %), sur sept scènes réelles incluant des meubles et des arrangements multi-objets absents de l'entraînement. Elle fonctionne avec la seule proprioception, sans caméra ni capteur de contact dédié. Il s'agit d'un travail académique avec code et page projet, pas d'un produit.

L'intérêt tient à la nature du problème. Sous un obstacle, se redresser trop tôt aggrave le blocage, et le robot doit d'abord dégager de l'espace, puis organiser ses appuis, puis se lever. Les méthodes classiques de récupération après chute supposent un environnement dégagé et échouent dès que le plafond est bas, ce que le chiffre de 18,9 % sans guidage illustre. Pour un intégrateur, la chute est un cas d'usage opérationnel: en entrepôt, sous des rayonnages ou des tables, un humanoïde incapable de se relever seul mobilise un opérateur et immobilise la ligne. La méthode récompense la réduction progressive du recouvrement entre le robot et l'obstacle, sans imposer de trajectoire, avec un a priori de mouvement appris et des coûts sur la posture d'appui et le blocage des articulations. Il faut toutefois relativiser: l'écart entre 98,6 % en simulation et 63 % sur matériel montre que le transfert sim-to-real reste loin d'être résolu pour ces contacts riches. Les sept scènes sont par ailleurs peu nombreuses, et le taux par scène n'est pas détaillé dans le résumé. Un échec sur trois reste inacceptable pour une exploitation industrielle.

Ce travail s'inscrit dans la série de recherches sur le relevé de chute des humanoïdes, qui s'appuyaient jusqu'ici sur des sols dégagés, et sur l'usage massif du G1 de Unitree comme plateforme de référence des laboratoires, grâce à son prix réduit. La robustesse à la chute concerne aussi les acteurs qui visent le déploiement commercial, comme Figure, Tesla avec Optimus, Agility ou, côté européen, Wandercraft. Les prochaines étapes probables sont l'ajout de perception pour anticiper la géométrie de l'obstacle, des tests sur des humanoïdes plus grands et plus lourds que le G1, et une évaluation sur des scènes plus variées avec des taux publiés par scénario.