RecherchearXiv cs.RO 9 novembre 2026

Guidage d'évitement d'obstacles couplé à l'horizon pour les politiques de diffusion à actions relatives

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent un cadre de guidage d'évitement d'obstacles appliqué à l'inférence, conçu pour les politiques de diffusion préentraînées qui produisent des actions relatives (arXiv 2611.09340). L'objectif est d'adapter une politique apprise à des obstacles inédits sans collecter de nouvelles démonstrations ni réentraîner le modèle. La méthode déroule les actions relatives cumulées en une trajectoire dans l'espace de travail, évalue les interactions avec les obstacles le long de cette trajectoire grâce à un modèle d'obstacles fondé sur des fonctions de distance signée (SDF), puis répercute chaque correction sur tous les incréments d'action qui y contribuent pendant le débruitage. Les essais sur robot réel couvrent sept scénarios contraints par des obstacles, répartis sur quatre tâches de manipulation. Le cadre atteint 105 succès sans collision sur 140 essais (75,0 %), contre 8 sur 140 (5,7 %) pour un guidage ponctuel en actions absolues. Les ablations indiquent que la formulation en actions relatives couplées à l'horizon explique l'essentiel du gain, avec les deux types de modèles d'obstacles testés.

L'intérêt tient à un point de blocage concret du déploiement. Une politique de manipulation imitée à partir de démonstrations se comporte bien dans son environnement d'entraînement, mais la moindre obstruction imprévue (un objet posé sur la table, un équipement ajouté sur la cellule) impose en général de nouvelles démonstrations ou un réentraînement. Un correctif appliqué à l'inférence, sans données supplémentaires, réduirait ce coût pour les intégrateurs. L'écart de 75 % contre 5,7 % montre aussi que corriger chaque pas de l'horizon séparément ne suffit pas. Cela peut résoudre une violation locale sans produire un contournement cohérent qui mène encore à la tâche. Il faut toutefois rester prudent: il s'agit d'un preprint, sans relecture par les pairs à ce stade. Le protocole (140 essais, soit 20 par scénario en moyenne) reste de taille modeste, et la base de comparaison est un seul guidage ponctuel en actions absolues. Les résultats ne disent rien sur des obstacles mobiles, des scènes encombrées ou des cadences industrielles. Par ailleurs, 25 % d'échecs restent trop élevés pour un usage en production sans supervision.

Ce travail s'inscrit dans la montée des politiques de diffusion pour la manipulation, popularisées par Diffusion Policy puis intégrées à des modèles vision-langage-action (VLA) comme Pi-0. Le guidage à l'inférence, inspiré du guidage par classifieur ou par fonction de coût en génération d'images, permet d'injecter des contraintes sans modifier les poids. Les précédentes approches de ce type corrigeaient les actions point par point sur l'horizon prédit, ce que l'article cherche précisément à dépasser. Le texte disponible ne précise ni les noms des tâches, ni le robot utilisé, ni le code ou un calendrier de diffusion. Les suites logiques seraient une validation sur des politiques généralistes plus grandes, des obstacles dynamiques et une évaluation par des tiers, pour savoir si cette approche passe de la démonstration de laboratoire à un composant fiable des chaînes de manipulation industrielles.

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

Évitement réactif d'obstacles sans apprentissage préalable pour les politiques génératives de robots

Des chercheurs proposent NUDGE (Nudge Update via Differentiable GEometry), une méthode d'évitement d'obstacles qui ne demande aucun réentraînement. Elle s'ajoute à toute politique robotique générative fondée sur la diffusion ou le flow matching, y compris les diffusion policies et les modèles vision-langage-action (VLA). À l'inférence, elle injecte dans la politique les gradients d'un champ de distance signée (SDF), une fonction qui donne la distance de chaque point à l'obstacle le plus proche, pour écarter la trajectoire générée des obstacles. Elle accepte les paramétrisations d'action usuelles (poses articulaires absolues ou relatives, poses de l'effecteur) grâce à un décodeur de trajectoire articulaire différentiable. Les auteurs affirment que la distribution de tâche de la politique est préservée et que le calcul tourne en temps réel. Il s'agit d'un preprint arXiv (version 2), et le résumé ne donne ni taux de succès, ni temps de calcul, ni liste de robots testés. Le point important est que l'évitement d'obstacles n'exige plus de redémonstrations ni de fine-tuning. Les politiques imitées sont bonnes sur la tâche mais mal armées face à un objet imprévu, surtout dans une cellule partagée avec des opérateurs. Si le procédé tient hors laboratoire, un intégrateur pourrait ajouter une couche de sécurité géométrique à une politique existante sans toucher à ses poids. Reste à vérifier la robustesse face aux obstacles dynamiques, la qualité du SDF fourni par la perception, et le compromis entre évitement et réussite de la tâche. Cette approche prolonge les techniques de guidage par gradient issues des modèles de diffusion, appliquées à un domaine où les VLA à flow matching, comme Pi-0, se multiplient sans garantie de collision. Elle concurrence les filtres de sécurité et les planificateurs de mouvement classiques, plus prévisibles mais moins intégrés à la politique. Aucune démonstration industrielle ni calendrier n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

ObstaDiff : apprentissage généralisable de politiques de diffusion via des représentations conscientes des obstacles

ObstaDiff est une politique de diffusion pour la manipulation robotique conçue pour les scènes encombrées d'obstacles non structurés, point faible connu des approches d'imitation learning classiques, qui supposent généralement des arrière-plans dégagés. Le système s'appuie sur un encodeur visuel léger, dit obstacle-aware, qui décompose la scène en trois éléments, la cible, les obstacles et l'arrière-plan, avant de transmettre cette représentation structurée à une politique d'alignement générant la trajectoire de l'effecteur terminal jusqu'à une pose intermédiaire centrée sur la cible, en évitant les obstacles environnants. Testé sur robot réel en serre agricole, à raison de 61 essais par méthode comparée, soit 366 exécutions au total, ObstaDiff atteint un taux de réussite moyen de 75,41% et un taux de collision de 8,20%, des résultats supérieurs aux politiques d'imitation learning de référence évaluées dans les mêmes conditions. Le travail est publié en prépublication sur arXiv sous la référence 2609.10918v1. Ce résultat s'attaque à l'un des écarts les plus documentés du secteur, celui qui sépare les démonstrations en laboratoire sur fond neutre du déploiement réel où les obstacles imprévisibles sont la norme. Pour les intégrateurs visant l'automatisation de tâches de manipulation en agriculture, en entrepôt ou en industrie légère, la capacité d'une politique à raisonner explicitement sur les obstacles, plutôt qu'à les ignorer, conditionne directement la fiabilité et la viabilité économique d'un déploiement. Un taux de collision de 8,20% reste loin de zéro et ne prouve pas une robustesse totale, mais la comparaison favorable aux baselines suggère qu'une représentation structurée cible-obstacle-arrière-plan est une piste concrète pour réduire l'écart entre démonstration et réalité, plutôt qu'une simple optimisation marginale des politiques de diffusion existantes. ObstaDiff s'inscrit dans la lignée des politiques de diffusion appliquées à la manipulation robotique, une famille de méthodes étudiée pour générer des trajectoires continues à partir de démonstrations mais qui bute généralement sur la généralisation à des scènes visuellement différentes de l'entraînement. Il s'agit ici d'un travail de recherche en prépublication, non d'une annonce produit ni d'un déploiement commercial, évalué sur un nombre d'essais réels modeste mais transparent, sans partenaire industriel ni calendrier de commercialisation mentionné. Le choix d'une serre agricole comme terrain d'essai, où cultures et structures encombrent en permanence l'espace de travail, illustre un cas d'obstruction difficile à simuler ; la suite logique passe par l'extension à d'autres tâches et environnements, ainsi qu'une comparaison plus large face aux politiques vision-langage-action qui dominent aujourd'hui les débats sur la généralisation en robotique.

RecherchePaper

1 source

3arXiv cs.RO

Attention spatiale : adapter les horizons d'exécution des politiques de diffusion via la sensibilité à l'observation

Les chercheurs à l'origine de ce papier arXiv (2607.04739v1) s'attaquent à un problème central des politiques robotiques par imitation basées sur des modèles génératifs : l'échantillonnage de blocs d'actions ("action chunks") via diffusion. Ces méthodes, aujourd'hui largement utilisées pour l'apprentissage par démonstration, exécutent généralement chaque bloc d'actions pendant un horizon fixe, ce qui oblige à choisir entre réactivité et coût de calcul. Les auteurs proposent une métrique baptisée "Spatial Attention", définie comme la norme carrée attendue du gradient de la log-vraisemblance de l'action par rapport à l'observation. Elle mesure la sensibilité de la distribution d'actions de la politique aux variations de l'observation. Leur résultat théorique montre que, à budget d'échantillonnage fixe, l'horizon d'exécution qui minimise la perte de vraisemblance cumulée causée par des perturbations diminue quand la Spatial Attention augmente. En prévoyant les valeurs futures de cette métrique en parallèle du bloc d'actions, le système ajuste dynamiquement l'horizon : plus court dans les phases sensibles, plus long dans les phases stables. Des tests en simulation et sur robot réel, sur tâches standards et perturbées, montrent une amélioration significative des taux de succès par rapport aux méthodes à horizon fixe, à horizon moyen d'exécution comparable. Pour l'industrie robotique, ce travail cible un compromis très concret rencontré par les architectures VLA et de type Diffusion Policy (ACT, Pi-0, RT-2 et consorts) : plus un bloc d'actions est long, moins le système coûte cher en inférence, mais plus il devient vulnérable aux imprévus entre deux replanifications. Une adaptation automatique de cet horizon, sans capteur supplémentaire ni coût de calcul additionnel notable, pourrait rendre les politiques de diffusion plus robustes en environnement réel, un enjeu clé pour tout déploiement en usine ou en logistique où les perturbations sont fréquentes. Ce papier s'inscrit dans la lignée des travaux sur les Diffusion Policies et l'apprentissage par imitation à base de modèles génératifs, un courant de recherche en forte expansion depuis l'introduction de l'action chunking comme alternative aux politiques réactives image-par-image. L'abstract ne précise ni l'institution ni la plateforme robotique utilisée pour les essais réels, et reste pour l'instant au stade de contribution méthodologique validée expérimentalement, sans annonce de déploiement industriel.

RecherchePaper

1 source

4arXiv cs.RO

ForeTac : guidage prédictif par le contact pour les politiques génératives de robots

Des chercheurs présentent ForeTac, un cadre de guidage prédictif du contact pour les politiques génératives de manipulation robotique, décrit dans la version 2 d'un preprint arXiv (2610.18118). Le système fonctionne en boucle représenter, prédire, évaluer, guider. Il encode l'état tactile courant, prédit des trajectoires tactiles latentes futures conditionnées par des séquences d'actions candidates, puis note chaque trajectoire avec un objectif de qualité de contact appris sur des interactions physiques réussies et échouées. À l'inférence, les gradients de cet objectif sont rétropropagés à travers le prédicteur tactile pour corriger la génération d'actions avant leur exécution, tous les paramètres du modèle restant gelés. Les tests portent sur quatre tâches réelles : essuyage de surfaces planes et courbes, passage de carte et saisie d'objets fragiles, avec des politiques de diffusion et de flow-matching. Face à une Diffusion Policy purement visuelle, le taux de réussite moyen passe de 36,3 % à 71,3 %, et le taux de réussite du contact de 20,0 % à 66,3 %. Des gains sont aussi rapportés avec la politique de flow-matching. L'enjeu tient à une limite connue de la manipulation riche en contacts : deux actions qui paraissent également plausibles à la caméra peuvent produire des contacts très différents, et un contrôle réactif fondé sur le retour tactile courant intervient souvent trop tard, une fois la pression excessive ou le glissement déjà en cours. Anticiper le résultat tactile avant d'agir déplace la correction en amont. L'approche est aussi peu intrusive : le guidage s'ajoute à des politiques existantes sans réentraînement, ce qui intéresse les intégrateurs qui disposent déjà de politiques visuelles et cherchent à fiabiliser des opérations délicates comme le polissage, l'essuyage, la manipulation de produits fragiles ou l'insertion. Les analyses d'ablation soutiennent l'utilité de la représentation tactile apprise, de l'anticipation conditionnée par l'action et du guidage par gradient à la génération, et les trajectoires latentes prédites conservent l'ordre de qualité de contact. Il faut toutefois rester prudent : quatre tâches de laboratoire, un nombre d'essais non précisé dans le résumé et des scores de référence assez bas ne disent rien de la robustesse en production. Le coût de calcul du guidage par gradient à chaque pas n'est pas non plus chiffré. Ce travail s'inscrit dans la montée des politiques génératives, diffusion et flow-matching, devenues standard en apprentissage par imitation, et dans l'intérêt croissant pour le tactile comme complément de la vision, jusque-là surtout utilisé de façon réactive ou intégré directement à l'entraînement. ForeTac suit une logique de guidage à l'inférence proche de celle des modèles de diffusion avec fonction d'évaluation, appliquée ici au contact. Il reste à voir si la méthode se généralise à d'autres capteurs tactiles, à des modèles vision-langage-action plus larges et à des cadences de contrôle industrielles. Une page de projet est annoncée sur foretac.github.io, mais aucun déploiement industriel ni calendrier de pilote n'est mentionné à ce stade.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source