RecherchearXiv cs.RO 5 novembre 2026

Ctrl-F : la force comme interface pour la locomanipulation humanoïde

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent Ctrl-F, un cadre hiérarchique « mouvement-force » pour la manipulation locomotrice de robots humanoïdes (arXiv:2611.05507v1). Le système ajoute au suivi de mouvement une commande de force explicite: un vecteur 3D appliqué à chaque corps de contact désigné, main ou pied. Il repose sur deux niveaux. Un contrôleur unifié suit la trajectoire de référence tout en appliquant au monde la force demandée. Un planificateur de force de haut niveau émet cette commande en ligne, à partir de l'état de l'objet et des observations proprioceptives. En simulation comme sur matériel réel, le système accomplit des tâches qui exigent des efforts élevés et soutenus, et ajuste sa commande quand la charge change. Sur robot, il réalise des traînées, des poussées et des levages à la main, ainsi que des coups de pied. Il déplace des caisses jusqu'à 20 kg en poussée et en frappe, là où la référence insensible à la force échoue, et il s'adapte à des charges ajoutées en cours de tâche. L'abstract ne précise ni le modèle de robot, ni le nombre d'essais, ni le taux de réussite.

L'enjeu tient à une limite connue du suivi de mouvement humanoïde. Ces politiques généralistes reproduisent une grande variété de gestes humains, mais en espace libre: le robot sait où placer son corps, pas comment interagir avec l'environnement. Les approches qui intègrent l'objet à l'objectif réduisent souvent l'interaction à un contact ou à une géométrie, ce qui laisse de côté les cas exigeants, comme pousser une charge lourde. Les auteurs soutiennent que la force est un canal de commande naturel entre l'imitation de mouvement et l'interaction avec l'objet, puisqu'elle précise non seulement où toucher, mais avec quelle intensité. Le résultat est utile pour les intégrateurs qui visent la logistique ou la manutention de charges inertes: l'adaptation en ligne à une masse inconnue ou changeante est ce qui sépare une démo d'un poste réellement tenable. Il faut toutefois rester prudent. Une charge de 20 kg en poussée ou en frappe correspond à des tâches où le frottement et l'inertie dominent, ce qui est moins exigeant qu'un portage. Les levages sont cités sans plafond de masse. Il s'agit d'un travail académique sur banc d'essai, sans indication de cadence, de fiabilité ni de durée d'exploitation.

Ce travail s'inscrit dans l'essor des contrôleurs de suivi de mouvement à grande échelle pour humanoïdes, issus de l'imitation de données de capture humaine, qui servent de base à de nombreux systèmes récents. Les acteurs industriels comme Figure, Tesla, Agility ou Boston Dynamics cherchent à rendre ces robots utiles en manipulation lourde, tandis que les modèles vision-langage-action traitent surtout la planification de haut niveau, rarement la force. Ctrl-F place l'effort au centre de la boucle de commande, une approche complémentaire de ces modèles. La suite logique serait une validation sur davantage de plateformes, des objets plus variés et des charges plus lourdes, ainsi qu'une intégration avec des planificateurs appris à partir de la vision.

Dans nos dossiers

Boston Dynamics IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

HULK : apprendre la locomanipulation de force du corps entier pour les robots humanoïdes

Des chercheurs ont publié sur arXiv (octobre 2026) HULK, un cadre de contrôle du corps entier destiné à la manipulation locomotrice « avec force » sur robots humanoïdes, c'est-à-dire le transport d'objets volumineux et lourds. Le principe repose sur une commande prédictive (MPC) qui guide l'apprentissage par renforcement grâce à des prédictions de la dynamique en charge. Deux politiques « enseignantes » sont entraînées : l'une suit des mouvements de bras sous forces appliquées aux poignets, l'autre marche en tenant un grand objet plaqué contre le corps. Une fonction barrière de contrôle fondée sur le « capture point » vient renforcer l'enseignante des poignets pendant l'entraînement pour préserver l'équilibre sous charge. Les deux enseignantes sont ensuite distillées en une seule politique. L'évaluation couvre la simulation et le Unitree G1. En simulation, l'enseignante dotée de la barrière affiche les erreurs de suivi de vitesse avant et latérale les plus faibles parmi les contrôleurs comparés, à 10 kg par bras, et réduit de 35,7 % l'excursion agrégée du mouvement divergent (DCM) par rapport au seul apprentissage guidé par MPC. Elle résiste à des poussées sur le torse allant jusqu'à 130 N. L'intérêt tient au problème ciblé. La plupart des politiques de locomotion apprises pour humanoïdes sont entraînées à vide ou avec des charges légères, alors que les usages logistiques et industriels impliquent des caisses, bacs ou cartons qui déplacent le centre de masse et imposent un effort soutenu sur tout le haut du corps. En injectant la dynamique chargée dans l'entraînement, HULK s'attaque à l'un des écarts entre démonstrations et exploitation réelle. Le chiffre de 10 kg par bras reste toutefois à relativiser : il est obtenu en simulation, sur une plateforme G1 de taille et de puissance modestes, et l'article ne fournit, dans ce résumé, ni temps de cycle, ni taux de réussite sur matériel, ni durée de port. La réduction de 35,7 % du DCM est un gain relatif entre variantes de la même méthode, pas une performance absolue. La preuve d'une robustesse en conditions réelles, avec des objets variés et des sols imparfaits, reste à faire. HULK s'inscrit dans la vague des approches « teacher-student » et de contrôle du corps entier par apprentissage, déjà largement testées sur le G1 pour la marche, le saut ou les mouvements expressifs, et dans la recherche de bases communes entre MPC, qui apporte des garanties physiques, et RL, qui apporte la robustesse. Les acteurs industriels, dont Figure, Tesla avec Optimus et Agility, visent des charges utiles plus élevées sur des machines propriétaires, sans publier leurs méthodes de contrôle. Ici, il s'agit d'une contribution académique, sans produit ni pilote annoncé. La suite logique serait un transfert sur des humanoïdes plus grands et des charges réelles plus lourdes, avec des mesures publiées sur matériel.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Apprendre la loco-manipulation humanoïde réactive aux forces

FLORE est un cadre d'apprentissage pour la loco-manipulation d'humanoïdes sensible aux forces de contact, décrit dans un preprint arXiv (v1, octobre 2026). Les démonstrations sont collectées sans robot: deux pinces portables de type UMI équipées de capteurs d'effort enregistrent le mouvement des mains et les torseurs de contact (forces et moments), tandis que des trackers portés sur le corps captent les mouvements du corps entier. Une politique de diffusion réactive aux forces reçoit la vision, la proprioception et les torseurs mesurés, puis prédit à la fois les actions et une consigne de force par main. Un contrôleur corps entier à compliance hybride les exécute en gardant l'équilibre: l'intégrale de l'erreur de force, mesurée par de vrais capteurs force/couple, permet à chaque main de suivre la force demandée selon la direction commandée tout en restant souple selon les autres axes. En simulation, le contrôleur suit des consignes de force variées en amplitude et en direction, avec une faible perte de précision sur le mouvement du corps. Sur le robot, pour trois tâches riches en contacts, la politique atteint 80 % de réussite, contre 26,7 % pour une politique purement positionnelle entraînée sur les mêmes démonstrations et pilotée par le même contrôleur. L'enjeu est la limite structurelle de la plupart des politiques VLA et de diffusion actuelles: elles prédisent des trajectoires cinématiques et ignorent la force. Or essuyer, pousser, insérer ou porter à deux mains exige de réguler l'effort, pas seulement la position. Le protocole de collecte sans robot réduit le coût de la téléopération, mais surtout il enregistre des données de force, rares dans les jeux de données publics. L'écart de 80 % contre 26,7 % est net, et la comparaison est propre puisque démonstrations et contrôleur sont identiques; seule la politique change. Il faut toutefois rester prudent: le nombre de tâches est faible (trois), le nombre d'essais n'est pas précisé dans le résumé, et aucune plateforme, aucun payload ni aucune durée de cycle ne sont fournis. On ne peut donc pas parler de passage à l'échelle ni de robustesse industrielle. Il s'agit d'une preuve de concept de laboratoire, pas d'un produit ni d'un déploiement. Ces travaux s'inscrivent dans la convergence de trois courants: la collecte de données portable popularisée par UMI, les contrôleurs corps entier pour humanoïdes, et la manipulation guidée par la force. Des modèles généralistes comme Pi-0, Helix ou GR00T restent surtout centrés sur la cinématique, et l'ajout de capteurs de force fait partie des pistes pour combler leur écart avec la manipulation fine. Pour les intégrateurs, le point à surveiller est la disponibilité de capteurs force/couple fiables et abordables aux poignets des humanoïdes commerciaux. Les prochaines étapes probables sont l'évaluation sur davantage de tâches et de plateformes, puis l'intégration dans des modèles de fondation. Un site de projet accompagne l'article, mais aucun partenaire industriel ni calendrier de pilote n'est mentionné.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

InterEvolve : évolution à l'inférence des programmes de récompense pour la loco-manipulation humanoïde

Des chercheurs publient sur arXiv (2610.02196) InterEvolve, une méthode qui permet à un humanoïde de résoudre des tâches de locomanipulation pour lesquelles son contrôleur n'a jamais été entraîné, sans réentraînement. Le système repose sur un modèle fondation comportemental « forward-backward » (FB) sensible aux objets. Des résidus d'objet, ajoutés à un modèle de corps gelé, convertissent au moment du test une nouvelle récompense, portant sur le corps ou sur les objets, en comportement de locomanipulation. Les tâches sont décrites par des « programmes de récompense » : des récompenses par étapes, avec conditions d'achèvement et constantes ajustables. Un agent LLM révise la structure du programme en contexte, à partir des retours d'exécution et d'une bibliothèque de programmes vérifiés. Un optimiseur numérique règle les constantes. Chaque candidat est validé dans plusieurs scénarios de simulation parallèles. Les compétences évoluées ont été exécutées de façon autonome sur un Unitree G1 physique, à partir de la perception égocentrique embarquée. Le résumé ne donne ni taux de réussite, ni temps de cycle, ni nombre d'itérations. L'intérêt est de déplacer l'effort d'ingénierie. Au lieu de collecter des démonstrations ou de relancer un entraînement par renforcement pour chaque nouvelle tâche, on suppose qu'un contrôleur généraliste contient déjà l'essentiel de la compétence motrice, et on la rend accessible par une interface de planification expressive, exécutable et mesurable. Les auteurs affirment que les récompenses conçues à la main laissent inexploitée une grande part des capacités du modèle FB, et que les programmes évolués les libèrent, parfois par des stratégies inédites. Pour un intégrateur, la promesse est une adaptation à de nouvelles tâches sans nouveau cycle d'entraînement. Les limites sont nettes : la validation est surtout en simulation, la démonstration physique se limite à une plateforme, le G1, et aucune comparaison chiffrée n'est donnée dans le résumé. L'écart entre simulation et réalité reste donc à mesurer sur des tâches industrielles. Ce travail s'inscrit dans deux courants. Le premier est celui des modèles fondation comportementaux et des contrôleurs généralistes pour humanoïdes, qui visent un contrôle du corps entier réutilisable. Le second est la conception de récompenses par LLM, déjà explorée avec des approches comme Eureka. InterEvolve y ajoute une mémoire sous forme de bibliothèque de compétences vérifiées, ainsi qu'une vérification parallèle en simulation. Il se distingue des approches VLA (vision-langage-action) comme Pi-0, Helix ou GR00T, qui apprennent directement une politique à partir de données. Ici, le LLM fait de la planification et de l'optimisation, et le contrôle bas niveau reste figé. Le G1, très répandu en recherche, est la plateforme de démonstration habituelle. Les prochaines étapes à surveiller sont la publication du code, des évaluations sur d'autres robots et des tâches plus longues en conditions réelles.

RecherchePaper

1 source

4arXiv cs.RO

La fluidité comme contrainte pour une locomotion humanoïde stable

Un article de recherche publié sur arXiv (2609.24552) présente DeCap, un algorithme d'apprentissage par renforcement sous contraintes pour le contrôle corps entier des robots humanoïdes. Le constat de départ : le bas du corps doit rester réactif pour l'équilibre, tandis que le haut du corps doit être fortement régulé pour la stabilité, une distinction que les méthodes RL classiques ignorent en imposant la fluidité via des récompenses auxiliaires uniformes, qui entrent en concurrence avec les objectifs de tâche. DeCap découple les contraintes en deux groupes, haut et bas du corps, formulées comme des limites physiques explicites de vitesse et d'accélération, complétées par une pénalité barrière qui s'active dès l'approche de ces limites sans diverger. Sur une tâche réelle de contrôle corps entier, il réduit le taux de variation des actions du haut du corps d'un facteur 2,50 et l'accélération d'un facteur 2,18 par rapport aux politiques basées récompense, tout en améliorant aussi la fluidité du bas du corps. Ce résultat s'attaque à un compromis concret pour l'industrie : un haut du corps trop rigide limite la dextérité utile, un haut du corps mal amorti compromet l'équilibre et use l'actionnement, un frein réel au déploiement en usine ou en entrepôt où sécurité et répétabilité priment. Le tuning manuel des récompenses selon le terrain ou la tâche est un goulot d'étranglement connu du RL appliqué à la locomotion humanoïde ; qu'un même jeu de contraintes se transfère sans retuning à des terrains variés, si confirmé au-delà des conditions testées, réduirait le coût d'ingénierie pour les intégrateurs. L'approche questionne aussi la pratique dominante du reward shaping en RL, en montrant qu'une contrainte physique explicite offre un contrôle plus direct et prévisible que des pénalités négociées. Le travail s'inscrit dans le champ du RL sous contraintes, une alternative au RL par récompense pure qui gagne du terrain à mesure que les humanoïdes passent des démonstrations en laboratoire à des essais en conditions réelles, où la marge d'erreur mécanique est faible. Il agit à un niveau différent de celui des modèles vision-langage-action qui pilotent la planification haut niveau des humanoïdes : DeCap se concentre sur la couche bas niveau de génération de mouvement. Classé comme nouvelle publication sur arXiv, l'article ne précise ni le robot ni le laboratoire à l'origine des essais réels et n'annonce aucun calendrier de déploiement : il s'agit à ce stade d'une contribution de recherche méthodologique, validée expérimentalement mais non commercialisée.

RecherchePaper

1 source