Aller au contenu principal
WildOS : recherche d'objets à vocabulaire ouvert en milieu naturel
RecherchearXiv cs.RO 

WildOS : recherche d'objets à vocabulaire ouvert en milieu naturel

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

WildOS, un système de recherche d'objets en vocabulaire ouvert pour la navigation autonome longue portée, a été présenté par le laboratoire Robotic Systems Lab (leggedrobotics) dans une publication arXiv, ici en version 2. Il vise des environnements extérieurs non structurés, sans carte préalable, où la perception de profondeur est limitée. Le système construit un graphe de navigation épars qui sert de mémoire spatiale, et un module de vision basé sur un modèle de fondation, ExploRFM, note les nœuds frontières de ce graphe. ExploRFM prédit simultanément, dans l'espace image, la traversabilité, les frontières visuelles et la similarité avec l'objet recherché, le tout en temps réel et embarqué sur le robot. Une méthode à filtre à particules estime en plus une position approximative de la cible décrite en langage libre, y compris au-delà de l'horizon de profondeur du robot. Les essais en boucle fermée ont eu lieu sur des terrains variés, hors piste et urbains. Les auteurs affirment que WildOS surpasse les références purement géométriques et purement visuelles en efficacité et en autonomie. Le résumé ne donne ni taux de réussite, ni distances, ni nombre d'essais, ni plateforme précise.

L'intérêt pour l'industrie tient à l'architecture plus qu'au résultat chiffré. Les approches classiques d'exploration par frontières géométriques sont sûres mais aveugles : elles ne savent pas dans quelle direction chercher. Les approches purement visuelles, à l'inverse, orientent la recherche mais restent fragiles sur la sécurité de passage. WildOS sépare les rôles : la géométrie garantit que le robot ne s'engage pas là où il ne peut pas passer, la sémantique hiérarchise les directions à explorer. Pour les intégrateurs d'inspection, de sécurité, de recherche et sauvetage ou d'agriculture, c'est une piste crédible pour déployer des modèles de fondation sur du matériel embarqué sans leur confier la sécurité. Il faut toutefois rester prudent : en l'absence de métriques publiées dans le résumé, l'écart annoncé avec les références reste invérifiable, et les essais de terrain, souvent menés sur des parcours choisis par les auteurs, ne disent rien de la robustesse en exploitation continue.

Ce travail s'inscrit dans la lignée des recherches du groupe sur la locomotion et la navigation de robots à pattes en milieu naturel, et dans la montée des systèmes de navigation à vocabulaire ouvert, qui reposent sur des modèles vision-langage pour interpréter des requêtes libres. Il rejoint des travaux concurrents d'exploration sémantique, souvent testés en intérieur ou sur de courtes distances, là où WildOS revendique la longue portée en extérieur. La suite logique serait la publication de code et de jeux de données via la page projet, des évaluations chiffrées plus larges et une intégration avec des plateformes quadrupèdes commerciales. Aucun calendrier de déploiement ni partenaire industriel n'est annoncé : il s'agit à ce stade d'un résultat de recherche, pas d'un produit.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

À lire aussi

Mémoire rétrospective à vocabulaire ouvert pour la recherche d'objets sur le long terme
1arXiv cs.RO 

Mémoire rétrospective à vocabulaire ouvert pour la recherche d'objets sur le long terme

Une équipe de chercheurs publie sur arXiv (2610.00330) ECROM, une méthode de mémoire à vocabulaire ouvert pour la recherche d'objets sur de longues durées par un robot mobile. Le système estime la prévalence à long terme d'un concept, spécifié uniquement au moment de la requête, et convertit cette croyance directement en prior de recherche active. Les auteurs ont aussi construit un benchmark contrôlé de dix habitats HM3D, où le placement des objets et les opportunités d'observation varient indépendamment au fil de passages répétés. Sur des requêtes jamais vues, ECROM gagne 4,5 points d'average precision (AP) au niveau du support et 4,2 points de SPL (Success weighted by Path Length, métrique de recherche d'objet) par rapport à la meilleure mémoire concurrente, mesurée séparément pour chaque métrique. Benchmark, jeu de données et code seront publiés en open source. Il s'agit d'un préprint, sans déploiement sur robot réel annoncé. L'idée centrale est de traiter les observations comme des données censurées. Une détection ou une non-détection ne pèse sur la croyance qu'en proportion de l'opportunité qu'avait le robot d'observer l'endroit concerné. Un objet « absent » d'une pièce que le robot n'a fait que traverser ne dit presque rien, alors qu'une pièce inspectée de près à de nombreuses reprises est une preuve solide. Beaucoup de mémoires sémantiques existantes accumulent détections et absences sans pondérer cette exposition, ce qui biaise l'apprentissage vers les zones les plus visitées. Pour un intégrateur ou un exploitant de robots de service, d'entrepôt ou d'assistance à domicile, c'est un problème concret, car les trajectoires réelles sont inégales par construction. Les gains restent modestes et mesurés en simulation, sur dix scènes. Ces travaux s'inscrivent dans la lignée des cartes sémantiques à vocabulaire ouvert, construites sur des modèles vision-langage, et de la navigation par objectif (ObjectNav), qui a longtemps supposé des environnements statiques ou une mémoire d'un seul épisode. La mémoire à long terme dans des environnements changeants reste moins évaluée, faute de benchmarks qui séparent l'effet du placement de celui de l'observation. C'est cette lacune que le jeu de données veut combler. Les auteurs ne comparent leur méthode qu'à d'autres mémoires, sans validation en conditions réelles. Les suites probables sont la publication du code et un test sur plateforme physique, étape qui dira si le gain tient face au bruit de perception et au changement réel des environnements.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
OASIS : système d'inférence de scènes en ligne centré sur des ancres, pour la recherche et la navigation à vocabulaire ouvert en environnements dynamiques
2arXiv cs.RO 

OASIS : système d'inférence de scènes en ligne centré sur des ancres, pour la recherche et la navigation à vocabulaire ouvert en environnements dynamiques

OASIS (Online Anchor-centric Scene Inference System) est un système de cartographie et de navigation robotique décrit dans un preprint arXiv (2610.30589v1). Il vise la construction de cartes en ligne, la recherche d'objets en vocabulaire ouvert (requêtes complexes en langage naturel) et la navigation dans des environnements dynamiques. Plutôt qu'une carte dense, le système représente la scène par un ensemble clairsemé de nœuds « ancres ». Chacun conserve une représentation multimodale unifiée qui combine descriptions sémantiques, caractéristiques visuelles et états géométriques, utilisée pour le raisonnement, la vérification et la navigation. La mémoire ainsi constituée est compacte et permet une extraction de preuves à la demande ainsi qu'une recherche hiérarchique. Pour gérer les changements de scène, OASIS réutilise les observations transitoires collectées pendant le déplacement afin de relocaliser les objets déplacés. Les auteurs annoncent des expériences en simulation et en conditions réelles, sur des benchmarks de recherche standards et des tâches de navigation en contextes statique et dynamique. Le résumé ne chiffre toutefois aucun résultat, ni plateforme robotique, ni temps de calcul. L'enjeu touche un compromis classique de la robotique mobile sémantique. Les cartes en ligne légères sont rapides mais pauvres en contexte, tandis que les cartes denses enrichies de caractéristiques de modèles vision-langage coûtent cher en calcul et en mémoire, et se laissent perturber par des éléments parasites. Pour un intégrateur de robots de service, d'entrepôt ou d'assistance, la question est de savoir si un robot peut retrouver « la tasse près de l'évier » après que quelqu'un l'a déplacée, sans recartographier toute la pièce. L'hypothèse structurante, selon laquelle les intérieurs s'organisent autour d'ancres sémantiques stables (meubles, zones fixes), est plausible, mais elle reste à éprouver hors de bureaux ou de logements bien structurés. Faute de métriques publiées dans le résumé, impossible de dire si le gain de fiabilité de recherche justifie la complexité ajoutée. Il faudra lire les comparaisons avec les bases de référence et la part des tests réels, souvent plus limitée que les démonstrations en simulation. Ce travail s'inscrit dans la vague des cartes sémantiques à vocabulaire ouvert, qui s'appuient sur des modèles vision-langage pour interroger l'espace en langage naturel. Elle pousse les équipes vers des représentations plus parcimonieuses, de type graphe de scène, et vers la mémoire à long terme pour les agents incarnés. La gestion des objets déplacés, souvent ignorée par les systèmes supposant un monde statique, est le point de différenciation revendiqué. Il s'agit à ce stade d'un preprint non évalué par les pairs, sans produit ni déploiement industriel annoncé. Les suites probables sont la publication du code et des évaluations sur des plateformes mobiles variées, puis l'intégration éventuelle dans des piles de navigation guidées par des modèles de fondation.

RecherchePaper
1 source
AECNav : consolidation active de preuves pour la navigation vers un objet à vocabulaire ouvert en zero-shot
3arXiv cs.RO 

AECNav : consolidation active de preuves pour la navigation vers un objet à vocabulaire ouvert en zero-shot

Un article publié sur arXiv sous la référence 2608.10817v1 présente AECNav, un pipeline sans entraînement pour la navigation "zero-shot" vers un objet en vocabulaire ouvert, où un robot doit localiser un objet désigné arbitrairement dans un environnement inconnu. Le système combine une perception à encodage partagé qui élimine les calculs redondants, une consolidation des preuves en croyances de type log-odds par cluster d'objets pour distinguer une vraie cible d'un distracteur visuellement proche, et une exploration active qui privilégie les frontières au meilleur gain d'information pour le moindre coût de déplacement. Sur les benchmarks HM3D-v2, HM3D-OVON et MP3D, il atteint des taux de réussite de 84,7%, 57,3% et 51,3%, et affiche 95% de succès sur 40 essais menés sur un robot quadrupède physique, à environ 5 Hz. Ces résultats répondent à deux limites connues des pipelines zero-shot en vocabulaire ouvert : la latence élevée et le manque de preuves fiables pour confirmer une cible, deux facteurs qui freinent le passage de la démonstration simulée au déploiement réel. En traitant l'absence de détection comme une preuve négative, AECNav réduit les faux positifs causés par des objets visuellement proches de la cible, un problème classique des robots mobiles autonomes. Pour les intégrateurs évaluant des architectures de navigation sémantique ou vision-language-action, la validation sur un robot quadrupède physique, plutôt qu'une simple vidéo sélectionnée, suggère que le zero-shot en vocabulaire ouvert approche de taux de réussite exploitables hors simulation, même si l'échantillon de 40 essais reste limité pour conclure à une robustesse à grande échelle. Le texte est une prépublication arXiv en attente de relecture ; les auteurs précisent que le code ne sera publié qu'après acceptation, ce qui situe ces travaux côté recherche plutôt que produit commercial. AECNav s'inscrit dans la lignée des méthodes de navigation zero-shot déjà explorées par la communauté robotique, dont beaucoup souffrent de pipelines de perception redondants, un défaut que son encodage partagé vise à corriger. Aucun laboratoire, entreprise ou plateforme robotique commerciale n'est nommé dans le résumé ; les essais ont porté sur un robot quadrupède non identifié. La suite logique, si l'article est accepté, passera par la publication du code et des tests à plus grande échelle.

RecherchePaper
1 source
Une représentation topologique par graphes objet-chemin pour la navigation d'instance à vocabulaire ouvert
4arXiv cs.RO 

Une représentation topologique par graphes objet-chemin pour la navigation d'instance à vocabulaire ouvert

Une équipe de recherche a mis en ligne sur arXiv, fin septembre 2026, un article intitulé "A Topological Representation with Object-Path Graphs for Open-Vocabulary Instance Navigation" (arXiv:2609.24189), proposant une nouvelle représentation appelée object-path graph pour la navigation d'agents robotiques guidée par instructions en langage naturel. Le système unifie raisonnement sémantique en vocabulaire ouvert et navigation topologique dans une structure de graphe légère unique, sans recourir à une reconstruction de carte métrique dense. La stratégie de navigation associe une planification de chemin globale sur ce graphe à une exécution locale entre nœuds, via une localisation légère des nœuds et un asservissement visuel sémantique. Les auteurs rapportent des résultats sur les bancs d'essai de simulation HM3D et Replica, complétés par des expériences sur robot réel, sans préciser la plateforme utilisée ni fournir de comparatif chiffré détaillé. L'intérêt de ce travail tient au problème qu'il cible: les graphes de scène offrent une mémoire sémantique compacte, mais restent aujourd'hui déconnectés de l'exécution réelle du déplacement, qui dépend encore de cartes métriques denses coûteuses à construire et à maintenir. En couplant ancrage sémantique en vocabulaire ouvert, localisation par graphe et navigation dans un seul cadre topologique léger, l'approche cherche à réduire la dépendance à la cartographie 3D dense et aux calculs de reconstruction associés. C'est un enjeu très concret pour les intégrateurs déployant des robots mobiles ou des humanoïdes dans des environnements non cartographiés ou évolutifs: une navigation fondée sur un graphe léger plutôt que sur du SLAM dense allègerait le calcul embarqué nécessaire pour exécuter des instructions du type "va chercher tel objet dans telle pièce", un axe qui recoupe les ambitions des architectures vision-langage-action actuelles sans s'y substituer directement. Les méthodes existantes en navigation vision-langage se répartissent globalement entre décomposition séquentielle de décisions guidées par le texte et exploration en ligne sans connaissance préalable des lieux, deux familles limitées respectivement par leur rigidité et leur coût de calcul; les graphes de scène s'étaient imposés comme mémoire sémantique compacte mais sans lien direct avec l'exécution. L'article reste un preprint de recherche démontrant une performance qualifiée de "compétitive" sur des benchmarks standards, non un système prêt au déploiement industriel ni comparé publiquement à des modèles VLA généralistes. Les suites logiques attendues seraient un passage à l'échelle sur des environnements plus vastes et une confrontation directe avec des architectures de navigation concurrentes de plus grande taille.

RecherchePaper
1 source