Aller au contenu principal
Co-conception rapide de robots à flottabilité assistée pour la locomotion difficile grâce aux spécialistes évolutionnaires gaussiens
RecherchearXiv cs.RO 

Co-conception rapide de robots à flottabilité assistée pour la locomotion difficile grâce aux spécialistes évolutionnaires gaussiens

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

Des chercheurs proposent Gaussian Evolutionary Specialists (GES), un cadre de co-conception par apprentissage par renforcement (RL) qui optimise ensemble la morphologie et le contrôle d'un robot à pattes. Le banc d'essai est BALLU (Buoyancy-Assisted Light Legged Unit), un bipède léger assisté par flottabilité, testé sur le franchissement d'obstacles et la marche sur rampe, avec des espaces de conception allant jusqu'à quatre dimensions. GES maintient une population de politiques spécialisées, dont les territoires dans l'espace de conception évoluent selon leur performance de contrôle relative. Face aux références « Monolithic » (une seule politique partagée) et « Mixture-of-Experts », la meilleure conception trouvée gagne 5,0 à 9,0 cm de hauteur d'obstacle et 10,0 à 12,7 points de pente. Pour 200 évaluations d'optimisation, le temps de co-conception réel diminue de 67,4 % par rapport au réentraînement d'une politique pour chaque candidat. En test matériel, la morphologie optimisée franchit des obstacles de 24 cm, contre 8 cm pour le design d'origine.

L'enjeu est le coût de calcul. Entraîner une politique par morphologie candidate rend l'exploration de designs prohibitive, mais une politique unique partagée converge vers une seule stratégie de contrôle quelle que soit la morphologie. Les auteurs nomment ce défaut « effondrement de la diversité comportementale ». GES contourne ce problème par la spécialisation, ce qui rend la co-conception exploitable avec un budget de calcul réaliste. Pour les équipes de conception de robots à pattes, l'intérêt est de réduire les cycles d'itération entre morphologie et contrôle. Il faut toutefois relativiser. Le gain de 24 cm contre 8 cm vient d'un seul prototype piloté en téléopération, donc sans autonomie complète. Les pourcentages sont par ailleurs relatifs à des baselines choisies par les auteurs. Il s'agit d'une preuve de concept académique, sans produit, prix ni déploiement.

BALLU appartient à une famille de robots légers dont le ballon compense une partie du poids, ce qui simplifie l'équilibre mais limite la charge utile. La co-conception morphologie-contrôle est un thème ancien en robotique, que le RL à grande échelle a relancé, au prix de coûts d'entraînement élevés. GES s'inscrit dans les travaux qui cherchent à amortir cet apprentissage entre designs. L'article est une révision (v2) d'un preprint arXiv. La suite logique serait de tester la méthode sur des plateformes plus lourdes et plus complexes, avec davantage de dimensions de conception et un contrôle autonome. Aucun calendrier ni partenaire industriel n'est annoncé.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

À lire aussi

SurGE : évolution guidée par gradient de substitution pour la co-conception de robots à pattes avec élasticité parallèle
1arXiv cs.RO 

SurGE : évolution guidée par gradient de substitution pour la co-conception de robots à pattes avec élasticité parallèle

Des chercheurs proposent SurGE (Surrogate Gradient-guided Evolution), un cadre de co-conception pour robots à pattes équipés d'éléments élastiques en parallèle, décrit dans l'article arXiv 2606.21866 (version 2). Le système calcule des gradients de substitution de l'objectif de conception à travers un pipeline différentiable. Ce pipeline combine un modèle cinodynamique de corps rigide unique (Kino-SRB) et une politique de contrôle qui tient compte de la conception. Ces gradients sont ensuite injectés dans l'algorithme évolutionnaire CMA-ES, par un décalage de la moyenne de la distribution et une décroissance du pas de type cosinus. Les tests portent sur un robot sauteur à 4 degrés de liberté de conception, équipé d'un ressort parallèle unidirectionnel. Face à un CMA-ES standard, SurGE divise par six l'écart-type entre graines aléatoires et resserre la population de 18 %, tout en égalant ou améliorant le meilleur objectif. Sur matériel, dans un sous-espace de conception à deux dimensions, la méthode réduit l'objectif de 37,65 % par rapport à une conception initiale réglée à la main. Le problème visé est un point dur de la robotique à pattes. Les ressorts parallèles peuvent réduire la consommation des actionneurs et augmenter les performances en saut ou en course. Mais le choix de leur raideur, de leur course et de leur point d'engagement reste largement empirique. Les contacts sont discontinus et le ressort unidirectionnel ne s'engage qu'à partir d'un certain seuil. Ces non-différentiabilités rendent les gradients analytiques inutilisables, d'où le recours habituel à des méthodes sans gradient, coûteuses en simulation et sensibles à la graine. SurGE propose un compromis. Un modèle simplifié fournit une direction de descente approximative, et l'évolution corrige les erreurs de ce modèle. Le gain de robustesse (six fois moins de variance entre exécutions) compte davantage pour un ingénieur que le meilleur score, car il réduit le nombre de relances nécessaires. Le transfert de la tendance de la simulation vers le matériel est aussi un résultat utile face au fossé sim-to-real. Les limites sont nettes : un seul robot sauteur, un espace de conception réduit à 4 dimensions en simulation et 2 sur matériel, et une amélioration mesurée contre une conception manuelle dont la qualité n'est pas précisée. On ne sait pas si la méthode passe à l'échelle d'un robot bipède ou quadrupède complet. Ces travaux s'inscrivent dans un courant plus large de co-conception morphologie-contrôle, qui va de l'optimisation évolutionnaire classique aux simulateurs différentiables et à l'apprentissage par renforcement. Les pattes élastiques en parallèle se retrouvent dans plusieurs plateformes de recherche et industrielles, ce qui donne un cadre d'application plausible. Le papier est un résultat académique, sans produit ni calendrier de déploiement. La suite logique consiste à étendre la méthode à des espaces de conception plus riches, à d'autres types de mécanismes élastiques et à des robots plus complexes. Le code et les conditions de reproduction détermineront son adoption.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Conception computationnelle assistée par robot de pinces passives spécifiques à l'objet pour la fabrication additive
2arXiv cs.RO 

Conception computationnelle assistée par robot de pinces passives spécifiques à l'objet pour la fabrication additive

Une équipe de recherche présente un pipeline computationnel de bout en bout qui transforme un maillage d'objet sélectionné, un état d'objet mesuré et un robot six axes en une pince passive, non actionnée et spécifique à l'objet, fabricable par impression additive. La méthode enchaîne un recalage de pose RGB-D/ICP sur maillage exact, un échantillonnage déterministe des points de contact, un filtrage de torseurs d'efforts tenant compte des incertitudes, la sélection parmi six mécanismes de capture passive, une synthèse de surface conforme à l'objet, une cinématique inverse robot en orientation complète, un domaine de fabrication tenant compte du volume balayé, un filtrage par éléments finis orienté selon les dépôts FDM, et une optimisation topologique SIMP tridimensionnelle sous contraintes. Chaque design exporté reste lié par un identifiant traçable au maillage source, à la pose de l'objet, à la bride du robot, au jeu de contacts et à l'hypothèse d'insertion. Quatre objets tests archivés (un lapin, une bride de caméra, un 3DBenchy, un buste facetté) passent les critères d'ajustement nominal, de torseur incertain, de balayage en temps réel et d'analyse par éléments finis avant/après topologie. Un test de robustesse à la pose délibérément élargi (±3 mm, ±5 degrés) différencie les designs, avec 29 à 134 essais réussis sur 160 simulations, et les topologies reconstruites conservent 92,0 à 97,6% du domaine par éléments finis grâce à la protection des zones fonctionnelles. Cette approche s'attaque à un problème concret pour les intégrateurs robotiques : au lieu de traiter séparément le choix de la prise, la géométrie de l'outil, la trajectoire et la conception structurelle, comme le font la plupart des workflows existants, elle unifie ces étapes dans un pipeline unique et traçable. Pour les industriels qui déploient des cellules de préhension sur mesure, notamment en petites séries ou pour des objets à géométrie complexe, cela ouvre la voie à des pinces imprimées en 3D générées quasi automatiquement à partir d'un scan et d'un modèle robot, réduisant potentiellement le temps d'ingénierie manuel. Toutefois, les auteurs eux-mêmes tempèrent la portée du résultat : les propriétés matériaux utilisées restent nominales, sans étalonnage par éprouvettes ni essais instrumentés, ce qui maintient les quatre designs au stade de "criblage numérique" plutôt qu'à celui de solution opérationnelle. Ce travail s'inscrit dans le champ de la conception computationnelle de préhenseurs adaptés à la fabrication additive, un domaine qui cherche à automatiser la conception d'outillages de préhension pour la robotique industrielle, où les pinces sur mesure sont aujourd'hui souvent modélisées manuellement. Les preuves mathématiques apportées (préservation des charges nodales, monotonie de la sensibilité de compliance sous interpolation SIMP, confinement du domaine voxel après post-traitement topologique) visent à donner une assise formelle à un processus encore largement empirique dans l'industrie. Les auteurs documentent les essais par des photographies des assemblages imprimés montés sur robot, mais la suite logique, des essais physiques instrumentés et un étalonnage matériau par éprouvettes, reste à venir avant tout passage à un usage opérationnel.

RecherchePaper
1 source
EvoNav : conception évolutionnaire de fonctions de récompense pour la navigation robotique avec des grands modèles de langage
3arXiv cs.RO 

EvoNav : conception évolutionnaire de fonctions de récompense pour la navigation robotique avec des grands modèles de langage

Un préprint déposé sur arXiv le 16 mai 2025 (référence 2605.11859) présente EvoNav, un cadre évolutionnaire automatisant la conception de fonctions de récompense pour la navigation robotique en environnements dynamiques peuplés d'humains. Le problème de fond : en reinforcement learning (RL), la qualité d'une politique de navigation dépend directement de sa fonction de récompense, un processus manuel coûteux en expertise et porteur de biais difficilement auditables. EvoNav confie cette tâche à un grand modèle de langage (LLM) dans une boucle évolutionnaire. Chaque candidat-récompense proposé par le LLM est évalué selon une procédure en trois étapes progressives : proxies analytiques peu coûteux (petits jeux de données, règles analytiques), rollouts légers, puis entraînement complet de la politique. Cette progression évite d'entraîner une politique complète pour chaque candidat, réduisant significativement le coût de calcul. Les auteurs concluent qu'EvoNav surpasse les récompenses artisanales et les méthodes de référence actuelles, sans détailler les métriques précises dans le résumé disponible. Pour les équipes développant des robots sociaux ou des AMR en environnements non structurés, l'enjeu est structurel : le reward engineering est l'une des étapes les plus chronophages du développement RL, nécessitant des allers-retours coûteux entre experts domaine et ingénieurs ML. Automatiser ce processus via LLM déplace le goulot d'étranglement de l'expertise tacite vers une boucle d'optimisation pilotée par données. Point de vigilance : le papier est un préprint sans relecture par les pairs, et les comparaisons avec l'état de l'art manquent de détails sur les benchmarks et les configurations de test utilisées, ce qui rend difficile une évaluation indépendante des gains annoncés. EvoNav s'inscrit dans un courant initié notamment par EUREKA (NVIDIA, 2023), qui avait démontré que GPT-4 pouvait générer des récompenses surpassant des experts humains sur des tâches de dextérité en manipulation. La navigation sociale est un terrain plus difficile, car elle implique la prédiction de comportements humains en temps réel dans des espaces ouverts. Aucun partenaire industriel ni institution de recherche n'est identifié dans le document accessible ; les prochaines étapes naturelles seraient une validation sur robot physique et une comparaison directe avec des approches VLA (vision-language-action), qui constituent une alternative architecturale de plus en plus crédible pour la navigation en environnement ouvert.

RecherchePaper
1 source
Le coût d'évaluation de la spécialisation des tâches dans les systèmes multi-robots évolutionnaires
4arXiv cs.RO 

Le coût d'évaluation de la spécialisation des tâches dans les systèmes multi-robots évolutionnaires

Une équipe de chercheurs publie sur arXiv (réf. 2606.24191, juin 2026) une analyse coût-bénéfice de l'optimisation évolutionnaire appliquée aux systèmes multi-robots (MRS). Le scénario de référence est le "foraging", une tâche de collecte distribuée simulée dans un environnement physique numérique. Le problème central tient à la répartition du budget d'évaluation : faire émerger des contrôleurs spécialisés par sous-tâche oblige à fragmenter les itérations de simulation, tandis qu'un contrôleur généraliste bénéficie de la totalité du budget pour s'optimiser. Les chercheurs mesurent à partir de quelle taille de flotte les spécialistes finissent par surpasser les généralistes malgré ce handicap budgétaire. Résultat principal : plus la flotte est grande, plus le budget total nécessaire pour que la spécialisation devienne avantageuse diminue, ce qui plaide pour des architectures différenciées dans les grands déploiements. Cette conclusion a une portée concrète pour les intégrateurs de solutions multi-robots en logistique, agriculture ou industrie manufacturière, où les flottes comptent couramment plusieurs dizaines voire centaines d'unités. Elle quantifie formellement un arbitrage jusqu'ici guidé par l'intuition : la division du travail robotique devient économiquement justifiée à l'échelle, et les coûts de simulation pour concevoir des agents spécialisés se réduisent à mesure que la flotte grandit. Le résultat nuance aussi un dogme dominant du swarm robotics, qui favorise l'homogénéité pour des raisons de résilience et de maintenabilité. À noter que la publication ne fournit pas encore de seuil de taille de flotte chiffré précis ni de comparaison quantitative entre architectures, réserves habituelles d'un preprint arXiv en attente de peer review. La spécialisation par évolution computationnelle dans les MRS s'appuie sur deux décennies de recherche en systèmes bio-inspirés, des travaux fondateurs de Marco Dorigo sur les essaims jusqu'aux approches modernes couplant algorithmes génétiques et apprentissage par renforcement. En parallèle, les acteurs industriels comme Exotec (AMR d'entrepôt, France) ou 6 River Systems allouent des rôles différenciés à leurs flottes par règles expertes ou RL centralisé, sans recourir à l'évolution simulée. Ce travail renforce la légitimité de l'approche évolutionnaire pour les grandes flottes hétérogènes et apporte un cadre analytique là où les ingénieurs arbitrent aujourd'hui à l'intuition. Les suites attendues incluent une validation sur robots physiques, l'extension à des architectures de tâches plus complexes que le foraging binaire, et une évaluation sur des flottes de taille industrielle réelle.

UELes intégrateurs européens de flottes multi-robots (logistique, industrie manufacturière) disposent d'un cadre analytique formel pour justifier une architecture spécialisée à grande échelle, Exotec, acteur français des AMR d'entrepôt, étant cité comme exemple industriel directement concerné.

RecherchePaper
1 source