Fonctions de barrière de contrôle sémantiquement adaptatives avec modèles vision-langage pour la navigation robotique en temps réel

AlphaAdj, un cadre de navigation « vision vers commande » décrit dans un article arXiv (2603.21142v2), couple un modèle vision-langage (VLM) à des fonctions barrières de contrôle (CBF) pour adapter la prudence d'un robot au contexte visuel. Le VLM analyse les images RGB égocentriques et produit un signal scalaire de « prudence contextuelle ». Ce signal module le paramètre alpha de la CBF, qui règle la rapidité avec laquelle le robot est autorisé à s'approcher d'une contrainte de sécurité. Un plafond dépendant de la géométrie et de la vitesse borne l'agressivité admissible. Le signal n'est pas obtenu par génération de texte autoregressive. Il est extrait directement des probabilités au niveau des tokens, et l'inférence tourne de façon asynchrone par rapport à la boucle de contrôle. Le système tient une période de contrôle de 0,0167 s (environ 60 Hz) avec une latence moyenne aller-retour du VLM de 0,158 s. Les tests couvrent des scénarios à géométrie appariée, à humains dynamiques et à environnement encombré, plus un essai physique sur un robot Clearpath Jackal. À géométrie d'obstacle identique, AlphaAdj laisse 0,405 m de dégagement supplémentaire face à un humain par rapport à un objet inoffensif. Les baselines purement géométriques et les baselines adaptatives non visuelles ne font aucune différence entre les deux cas. Dans les scènes encombrées, toutes les baselines géométriques évaluées entrent en collision, alors qu'AlphaAdj reste sans collision.

L'intérêt tient à ce que ce travail s'attaque à un compromis classique de la robotique mobile : rester sûr sans devenir trop conservateur. Une CBF ordinaire ne voit que l'état géométrique. Un carton et un piéton de même forme reçoivent donc la même marge. Ici, la sémantique ajuste la marge sans entrer dans le chemin critique : le VLM est consultatif et la garantie de sécurité reste portée par la CBF et son plafond. Pour un intégrateur, c'est un schéma plus facile à justifier en certification qu'une politique de bout en bout opaque. Il montre aussi qu'un VLM de 0,158 s de latence reste exploitable sur une boucle à 60 Hz s'il est découplé. Les réserves sont classiques : les résultats viennent surtout de simulation et d'un seul robot terrestre de petite taille, et la comparaison porte sur des baselines choisies par les auteurs. Les 0,405 m supplémentaires sont un résultat de scénarios contrôlés, non une mesure en exploitation.

Ces travaux s'inscrivent dans la lignée des CBF, devenues un outil standard de filtrage de sécurité pour la navigation et la manipulation, et de l'usage croissant des VLM comme couche de raisonnement sémantique en robotique. Ils se rapprochent des approches qui injectent un contexte appris dans des contrôleurs à garanties formelles, plutôt que de laisser un VLA piloter directement les actionneurs. Les suites naturelles seraient des tests sur des plateformes plus rapides ou plus lourdes, comme des AMR d'entrepôt ou des humanoïdes, en environnements réellement peuplés, avec une analyse de la robustesse du signal VLM face aux erreurs de perception. Aucun calendrier de déploiement n'est annoncé : il s'agit d'une publication de recherche, non d'un produit.