RecherchearXiv cs.RO 5 novembre 2026

FWIK : sélection de cinématique inverse multi-points de passage par recherche de graphe anticipative

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent FWIK (Future-Window Inverse Kinematics), une méthode en ligne de sélection de solutions de cinématique inverse (IK) pour bras redondants devant suivre une séquence ordonnée de poses d'effecteur. Le principe: générer plusieurs candidats IK par waypoint, les relier dans un graphe en couches dans l'espace articulaire, puis classer les chemins avec une estimation simple du temps de mouvement. Un modèle appris écarte les chemins dont les transitions risquent de provoquer une auto-collision. Un planificateur MoveIt 2 standard teste ensuite, par ordre de classement, les objectifs IK du prochain waypoint, et le premier qui produit une trajectoire valide est exécuté. L'évaluation, uniquement en simulation, porte sur deux manipulateurs à 7 DOF, le Franka Emika Panda et le KUKA LBR iiwa, avec quatre planificateurs (Pilz, RRT-Connect, CHOMP, STOMP). Chaque configuration compte cinq répétitions de 100 séquences de 50 waypoints. FWIK termine 96,8 à 100 % des séquences et donne la trajectoire planifiée la plus courte dans les huit combinaisons robot-planificateur. Sa durée moyenne est inférieure de 12,8 à 13,1 % à celle de STAMPEDE, de 22,5 à 25,6 % à celle d'IKLink et de 27,5 à 37,2 % à celle de TRAC-IK avec relances.

L'intérêt est surtout pratique pour les intégrateurs de cellules robotisées. Dans les applications à séquences de poses imposées (soudage, peinture, inspection, dépose, usinage), choisir l'IK uniquement pour le waypoint suivant peut laisser le bras mal positionné pour la suite, ce qui allonge les temps de cycle ou provoque un échec de planification tardif. Le gain de 13 à 37 % sur la durée planifiée se traduit, s'il se confirme, par du temps de cycle récupéré sans changer de matériel. Le choix de conserver le planificateur existant comme validateur final est aussi notable: FWIK s'insère dans une pile MoveIt 2 sans la remplacer, ce qui limite le coût d'intégration. Il montre qu'une fenêtre de lookahead réduite suffit à améliorer à la fois le taux de complétion et la durée, sans recherche globale coûteuse.

Plusieurs réserves s'imposent. Les résultats sont purement simulés, sans robot réel, sans bruit de perception ni contraintes d'environnement encombré, et les séquences testées ne sont pas décrites comme issues de tâches industrielles. Le modèle d'auto-collision est appris sur des géométries précises de robots, et sa généralisation à d'autres bras ou à des outils différents n'est pas démontrée. La durée comparée est celle de la trajectoire planifiée, pas un temps d'exécution mesuré, et le temps de calcul de FWIK n'est pas détaillé dans le résumé. Le travail s'inscrit dans la lignée de méthodes de sélection d'IK sur séquences comme STAMPEDE et IKLink, et face à la référence TRAC-IK utilisée avec relances. Les prochaines étapes logiques seraient une validation sur matériel réel, des fenêtres plus larges et des bras à plus de 7 DOF.

Impact France/UE

Impact indirect : la méthode, compatible MoveIt 2, pourrait aider les intégrateurs européens de cellules robotisées à réduire les temps de cycle, mais elle n'est validée qu'en simulation.

À lire aussi

1arXiv cs.RO

Cinématique inverse corps entier par diffusion sur graphe

Une équipe de chercheurs publie sur arXiv (identifiant 2606.00086, daté du 2 juin 2026) GraphDiff-IK, un framework de diffusion sur graphe pour résoudre la cinématique inverse (IK) sur des robots à morphologies variées. L'IK est un problème fondamental : il s'agit de calculer les configurations articulaires permettant à l'effecteur d'atteindre une pose cible dans l'espace. GraphDiff-IK représente le robot comme un graphe cinématique construit directement depuis son fichier URDF, où chaque noeud correspond à une articulation actionnée et chaque arête encode une dépendance cinématique. Sur cette structure, le framework formule l'IK comme un processus de diffusion conditionnelle qui génère directement des configurations articulaires. Il intègre un raisonnement hiérarchique par passage de messages par étapes successives, un conditionnement explicite du torse pour les robots multi-branches, ainsi qu'un retour de cinématique directe bruitée et une supervision dans l'espace des tâches pour renforcer la cohérence géométrique pendant le débruitage. L'approche couvre les bras simples, les systèmes bimanuel et les robots articulés avec torse ou taille. L'intérêt technique est réel : les solveurs IK classiques, qu'ils soient analytiques ou numériques (KDL, trac-IK, OpenRAVE), sont performants mais spécialisés par morphologie et peinent à représenter la nature multi-modale du problème, c'est-à-dire l'existence de plusieurs configurations articulaires valides pour une même pose cible. Cette multi-modalité est précisément ce que la diffusion capture de manière naturelle, ce qui ouvre la voie à des solveurs IK généralisables à une large gamme de plateformes sans ré-entraînement par robot. Pour les systèmes redondants comme les humanoïdes complets, dont le nombre de degrés de liberté dépasse les contraintes de la tâche, cette capacité à explorer l'espace des solutions est particulièrement précieuse. Ce travail s'inscrit dans une vague plus large d'application des modèles de diffusion à la robotique : Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou les politiques de diffusion pour le contrôle en sont les exemples les plus visibles. Appliquer ce paradigme à l'IK, plutôt qu'aux politiques de haut niveau, est une extension logique mais non triviale. Il convient cependant de noter qu'il s'agit d'un preprint non encore évalué par les pairs, sans validation sur hardware industriel ni déploiement annoncé. Les prochaines étapes naturelles seraient une intégration dans des pipelines de planification de mouvement et des tests sur des plateformes physiques, notamment des humanoïdes commerciaux dont la cinématique whole-body reste un goulot d'étranglement opérationnel.

RecherchePaper

1 source

2arXiv cs.RO

Suivi de main par vision pour la manipulation robotique via cinématique inverse

Des chercheurs ont publié sur arXiv (réf. 2603.11383) une pipeline de télé-opération bas coût pour bras manipulateurs, baptisée hand-shadowing : une caméra RGB-D égocentrique montée sur des lunettes imprimées en 3D capte les mains de l'opérateur, MediaPipe Hands en extrait 21 points de repère par main, la profondeur les projette dans l'espace 3D, et un algorithme de cinématique inverse à moindres carrés atténués (damped least-squares IK) génère les commandes articulaires du robot SO-ARM101 (5 degrés de liberté + 1 préhenseur). Les actions sont d'abord validées dans un simulateur physique avant d'être rejouées sur le robot réel. Sur un benchmark structuré pick-and-place (grille 5 cases, 10 saisies par case, 3 runs indépendants), la pipeline atteint un taux de succès de 86,7 % ± 4,2 %, avec une erreur IK moyenne de 36,4 mm et une réduction du jerk de 57 à 68 % grâce à un lissage par moyenne mobile exponentielle (EMA). En environnements non structurés réels (supermarché, pharmacie), ce taux chute à 9,3 %, principalement à cause de l'occultation des mains par les objets environnants. Ce résultat illustre avec brutalité le reality gap qui sépare les conditions de laboratoire du déploiement industriel : une marge de 77 points entre les deux contextes n'est pas un détail d'intégration, c'est un défi de fond pour toute approche marker-free analytique. La comparaison directe avec quatre politiques VLA entraînées sur données leader-follower (ACT, SmolVLA, pi_0.5 de Physical Intelligence et GR00T N1.5 de NVIDIA) est méthodologiquement utile : elle positionne cette approche de retargeting pur face aux modèles appris, et quantifie l'écart sans se limiter à la démonstration sélective. Pour un COO ou un intégrateur, le message est clair : le bas coût matériel (lunettes imprimées, caméra grand public) ne compense pas encore l'insuffisance de robustesse à l'occlusion. La télé-opération reste un goulot d'étranglement majeur pour la collecte de données d'entraînement robotique, et les systèmes leader-follower filaires ou magnétiques restent chers et contraignants. Ce travail s'inscrit dans une vague de recherche qui cherche à démocratiser la capture de démonstrations avec du matériel grand public, aux côtés d'approches comme UMI (Columbia) ou AnyTeleop. Pour contourner la faiblesse de MediaPipe face à l'occlusion, les auteurs intègrent WiLoR comme détecteur alternatif et obtiennent 8 % de gain en taux de détection, une amélioration modeste qui confirme que le problème reste ouvert. La prochaine étape logique serait d'ajouter une gestion multi-vues ou un suivi temporel robuste pour traiter les environnements encombrés, conditions précisément où la télé-opération sans marqueur aurait le plus de valeur.

RecherchePaper

1 source

3arXiv cs.RO

De la réaction à l'anticipation : un graphe de tâches à base d'agents pour la reprise proactive en manipulation robotique

Une équipe de recherche a publié en mai 2025 sur arXiv (identifiant 2605.11951) AgentChord, un système multi-agents qui anticipe les pannes de manipulation robotique avant l'exécution plutôt qu'en les traitant de manière réactive. L'architecture repose sur un graphe de tâches dirigé enrichi, en amont de toute exécution, de branches de récupération pré-compilées et contextualisées selon chaque étape critique. Trois agents spécialisés structurent ce pipeline : un "composer" modélise la tâche nominale, un "arranger" greffe les branches de récupération anticipées, et un "conductor" orchestre les transitions via des moniteurs à faible latence. Les expériences portent sur des tâches de manipulation bimanuelle à horizon long ; les auteurs rapportent une amélioration "substantielle" des taux de succès sans publier de métriques chiffrées précises dans l'abstract disponible. Le principal apport est d'éliminer la latence inhérente au pipeline classique "détecter-raisonner-récupérer", dans lequel chaque échec déclenche un nouvel appel à un LLM ou à un planificateur symbolique. En pré-compilant les correctifs avant le début de la tâche, AgentChord permet une réponse immédiate sans re-planification dès qu'un moniteur détecte une déviation. Pour les intégrateurs industriels qui automatisent des opérations en cellule non structurée, cette architecture de graphe anticipatif pourrait réduire les arrêts imprévus liés aux échecs de manipulation. L'approche présente néanmoins une limite structurelle : les branches pré-compilées ne couvrent que les pannes anticipées, non les défaillances inédites ou hors-modèle. La robustesse de la manipulation en conditions réelles reste l'un des goulots d'étranglement centraux de la robotique commerciale, que ce soit pour les bras industriels ou les humanoïdes en phase de déploiement comme Optimus de Tesla ou les robots de Figure AI. AgentChord s'inscrit dans un courant qui exploite les LLMs comme orchestrateurs de logique de haut niveau, en complément de politiques d'action de bas niveau. Des approches concurrentes comme les VLA Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA intègrent la récupération de manière implicite dans le réseau de politique, là où AgentChord opte pour une représentation explicite en graphe, plus transparente mais potentiellement moins générique face à la variabilité du monde réel. La page projet est accessible sur shengxu.net/AgentChord ; la validation hors banc de test académique reste la prochaine frontière.

RecherchePaper

1 source

4arXiv cs.RO

Sélection multi-outils pour les systèmes robotiques : comparaison entre recherche sémantique et LLM

Des chercheurs publient sur arXiv (2610.31013) une comparaison de quatre stratégies de « tool routing » pour robots pilotés en langage naturel. Le tool routing consiste à sélectionner le plus petit sous-ensemble complet de capacités exécutables prédéfinies nécessaires à une requête. Trois méthodes reposent sur la base vectorielle ChromaDB: un seuil de similarité fixe (v1), une distance relative (v2) et une agrégation par clause (CDB-v3). La quatrième est une référence cloud, un modèle de langage de 120 milliards de paramètres. Le banc d'essai compte 164 prompts annotés à la main, répartis en trois niveaux: requêtes directes à un seul outil, puis requêtes composées exigeant au moins trois outils. Les métriques sont l'exact-match, la complétude, la précision, un score composite pondéré par la complétude et la latence de routage. CDB-v3 obtient le meilleur score macro-moyen parmi les approches par récupération seule, à 0,7822, contre 0,8869 pour le grand modèle. Les auteurs ne chiffrent pas la latence dans le résumé, mais la jugent « sensiblement » plus faible pour CDB-v3. Le résultat est modeste mais utile pour les intégrateurs. Il montre que l'écart de qualité de routage entre un LLM de 120 milliards de paramètres et une récupération sémantique locale reste d'environ 10 points de score composite. Il ne s'agit donc pas d'un choix évident en faveur du plus gros modèle. Pour un robot sans connexion fiable, soumis à des contraintes de confidentialité (site industriel, défense, santé) ou limité en calcul embarqué, une récupération qui tourne en local sans cloud peut suffire. L'enjeu est concret avec les requêtes composées. Une sélection incomplète peut omettre une capacité de perception ou de surveillance nécessaire, et une sélection excessive expose des outils sans rapport avec la demande. La pondération par la complétude du score composite traduit ce choix: mieux vaut un outil en trop qu'un outil manquant. Cela dit, un jeu de 164 prompts annotés par les auteurs reste petit. Aucun test sur robot réel n'est annoncé, et la latence n'est pas détaillée dans le résumé. Ce travail s'inscrit dans la généralisation des interfaces en langage naturel au-dessus des planificateurs de mission et des middlewares robotiques. Les approches courantes passent par des agents LLM appelant des outils (function calling) ou par des modèles vision-langage-action (VLA). Le routage d'outils par récupération sémantique, déjà répandu dans les agents logiciels qui gèrent de larges catalogues d'outils, est ici adapté aux contraintes de la robotique. L'étape suivante logique serait de tester des modèles de langage plus petits, exécutés en local, face à CDB-v3 et d'élargir le corpus. Il faudrait aussi évaluer le routage sur des catalogues d'outils plus vastes et en conditions réelles de mission. Il s'agit d'une publication académique, sans produit ni déploiement associé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source