RecherchearXiv cs.RO 9 novembre 2026

VLD : la distance visuelle apprise comme interface pour la navigation par apprentissage par renforcement

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent Visual Learned Distance (VLD), un cadre de navigation par image-but qui sépare l'apprentissage de la perception de celui de la politique de contrôle. Un prédicteur de distance au but, entraîné en auto-supervision sur environ 3 000 heures de vidéos issues d'internet et de simulation, produit un signal que minimise ensuite une politique d'apprentissage par renforcement (RL). Cette politique est entraînée à part, en simulation, à partir de distances géométriques privilégiées perturbées par GeoNoise, un modèle de bruit appris qui reproduit les erreurs du prédicteur, lesquelles dépendent du point de vue et du recouvrement entre images. Au déploiement, la politique consomme les prédictions de VLD en zero-shot, sans réentraînement. Sur HM3D et Gibson, deux benchmarks de navigation en environnements intérieurs, les politiques entraînées avec GeoNoise atteignent 58,7 % et 76,2 % de succès. Avec un bruit générique corrélé dans le temps, elles chutent à 4,9 % et 11,5 %. Sur robot physique, la politique pilotée par VLD réussit 88 % des essais, contre 60 % pour une référence image-but de bout en bout pourtant plus performante en simulation. L'article ne précise ni la plateforme robotique ni le nombre d'essais.

Pour les équipes qui développent des robots mobiles, le résultat vise un point dur : entraîner de bout en bout une politique qui passe directement des pixels aux actions. Cette approche se heurte soit à l'écart simulation-réel, soit au manque de données annotées en actions. En découplant ces deux problèmes, VLD exploite des vidéos abondantes et sans étiquettes d'action pour la perception, et la simulation pour le comportement de navigation. L'enseignement le plus net concerne la modélisation de l'erreur. Un bruit générique rend le transfert quasi inopérant, alors qu'un bruit calqué sur les défauts réels du prédicteur le rend viable. L'inversion de classement est aussi notable : le modèle de bout en bout gagne en simulation mais perd de 28 points sur le robot réel, ce qui rappelle que les scores de benchmark simulés prédisent mal la robustesse terrain. Il faut toutefois rester prudent : un seul robot et une taille d'échantillon non communiquée limitent la portée de ces 88 %.

Ces travaux s'inscrivent dans la lignée des modèles de navigation visuelle entraînés sur de grands corpus, ainsi que des politiques RL entraînées en simulation sur des environnements photoréalistes comme HM3D et Gibson. Ces approches butent sur le transfert vers le réel. VLD se positionne comme une voie intermédiaire, entre les modèles de fondation de bout en bout, gourmands en données d'actions, et les pipelines modulaires classiques de cartographie et de planification. L'article, publié sur arXiv en troisième version (v3), relève de la recherche académique : il ne s'agit ni d'un produit ni d'un déploiement industriel, et aucune entreprise ni calendrier de commercialisation n'est cité. Les suites logiques seraient des tests sur davantage de plateformes, dans des environnements plus variés et sur des trajets plus longs, avant d'envisager une intégration dans des robots de service ou de logistique.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

ReVNM : navigation visuelle par apprentissage à partir d'une caméra distante

Des chercheurs présentent ReVNM (Remote Visual Navigation Model), un système de navigation robotique qui remplace les cameras embarquées classiques par une unique camera de surveillance fixe et distante du robot. Publie sur arXiv sous la référence 2609.28976 en septembre 2026, le modèle s'appuie sur une architecture VNM (Visual Navigation Model) de référence, enrichie d'un module baptise exo2ego qui convertit la vue exocentrique de la camera fixe en une estimation de profondeur égocentrique, soit la perspective que percevrait le robot lui-même face aux obstacles. Cette conversion permet au système de planifier une trajectoire sans collision même lorsque la camera distante, au champ de vision limite, ne cadre pas les obstacles sous le même angle que le robot. Le modèle a été entraine exclusivement sur des mondes synthétiques générés aléatoirement, avec des dispositions d'obstacles et des points de vue de camera varies, sans aucune donnée réelle. Les auteurs rapportent des résultats positifs en simulation comme sur robot réel, sans réglage fin supplémentaire après cet entrainement purement synthétique. Pour l'industrie de la robotique mobile, l'intérêt est concret: les modèles de navigation visuelle usuels exigent soit une carte préalablement construite pour les trajets longs, soit un traitement d'image embarque couteux en calcul. En s'appuyant sur l'infrastructure de vidéosurveillance déjà présente dans nombre d'entrepôts, usines ou espaces commerciaux, ReVNM ouvre la voie a des robots plus légers et moins chers, délestés de camera et de puissance de calcul embarquées, la camera fixe faisant office a la fois de capteur et de carte implicite de l'environnement. Cela concerne directement les intégrateurs d'AMR cherchant a réduire le cout matériel par unité déployée. La généralisation revendiquée du simulateur au monde réel, sans aucune donnée physique d'entrainement, reste toutefois un résultat obtenu sur des scenarios générés de manière procédurale, et sa robustesse face a la variabilité réelle des entrepôts (éclairage, occlusions, positionnement des cameras existantes) demande a être confirmee au-delà des expériences publiées dans l'article. Le travail s'inscrit dans la lignée des VNM, ces modèles qui font naviguer un robot a partir de simples images plutôt que d'une cartographie géométrique classique de type SLAM, une approche qui a gagne du terrain ces dernières années pour simplifier le déploiement en environnements changeants. Jusqu'ici, ces modèles restaient cantonnes aux trajets courts sans carte préalable ou exigeaient une cartographie géométrique pour la navigation longue distance. ReVNM cherche a lever cette limite en misant sur un capteur d'un genre différent, déjà largement présent dans le monde industriel et commercial, plutôt que sur la vision embarquée. L'article ne mentionne aucun partenaire industriel ni calendrier de déploiement pilote: il s'agit a ce stade d'un travail de recherche valide en simulation et sur un banc d'essai réel restreint, dont l'étape logique suivante serait une évaluation a plus grande échelle dans des sites industriels réels, face a des configurations de camera non vues a l'entrainement.

UEAucun acteur ni déploiement français ou européen n'est mentionne, mais l'approche pourrait intéresser les intégrateurs d'AMR européens cherchant a réduire les couts matériels embarques.

RecherchePaper

1 source

2arXiv cs.RO

Apprentissage par renforcement résiduel incrémental pour la navigation sociale en conditions réelles

Des chercheurs ont publié sur arXiv (réf. 2604.07945, version 2) une méthode baptisée IRRL, Incremental Residual Reinforcement Learning, conçue pour permettre aux robots mobiles d'apprendre à naviguer parmi les piétons directement dans des environnements physiques réels, sans passer par une étape de simulation exhaustive. L'approche combine deux mécanismes distincts : l'apprentissage incrémental, un processus léger qui ne nécessite ni replay buffer ni mise à jour par batch, et le RL résiduel, qui restreint l'apprentissage aux corrections à apporter par rapport à une politique de base préexistante. Les expériences couvrent à la fois des environnements simulés et des déploiements réels sur robot physique, avec pour cible explicite les dispositifs edge à ressources computationnelles contraintes. L'enjeu industriel est concret : la navigation sociale, faire circuler un robot autonome parmi des piétons en respectant les conventions implicites de déplacement, est un verrou majeur pour les AMR déployés dans des espaces publics, des entrepôts partagés ou des établissements de santé. Le problème du sim-to-real gap est ici particulièrement prononcé, car les dynamiques piétonnes varient fortement selon les régions, les cultures et les configurations d'espace, rendant toute couverture exhaustive par simulation illusoire. IRRL propose une réponse directe : laisser le robot continuer à apprendre une fois déployé, en se limitant aux résidus par rapport à une politique de base, ce qui réduit drastiquement la charge computationnelle. Les résultats publiés montrent des performances comparables aux méthodes classiques avec replay buffer en simulation, et une supériorité sur les approches d'apprentissage incrémental existantes. Les expériences en environnement réel confirment une adaptation effective à des situations inédites. Ces résultats restent toutefois à interpréter avec prudence : il s'agit d'un preprint académique, sans benchmark standardisé ni déploiement à l'échelle annoncé. Le domaine de la navigation sociale par deep RL est actif depuis plusieurs années, porté par des travaux comme CrowdNav (ICRA 2019) ou des méthodes basées sur ORCA et ses extensions apprenantes. L'approche résiduelle n'est pas nouvelle en soi, elle est notamment utilisée dans le contrôle de robots manipulateurs pour corriger une politique classique, mais son application à la navigation sociale en conditions réelles avec contrainte edge reste peu explorée. Aucune institution ni entreprise n'est identifiée dans l'abstract disponible, et aucun partenariat industriel ni pilote terrain n'est mentionné. Les prochaines étapes naturelles seraient une validation sur des plateformes AMR commerciales (type Clearpath ou unitree) et une confrontation aux benchmarks publics de navigation sociale tels que BARN ou SocNavBench.

RecherchePaper

1 source

3arXiv cs.RO

CIDER : distillation interactive continue pour l'apprentissage par renforcement incarné

Des chercheurs en robotique ont publié en août 2026 sur arXiv (référence 2608.21899v1) un article décrivant CIDER (Continual Interactive Distillation for Embodied Reinforcement Learning), un cadre d'apprentissage par renforcement continu pour bras manipulateurs. Le système part d'un constat pratique : l'apprentissage par renforcement interactif en boucle humaine sur robot réel permet déjà d'acquérir une politique de manipulation efficace pour une tâche donnée en quelques dizaines de minutes, mais aucune méthode existante ne parvenait à enchaîner plusieurs tâches sans oubli catastrophique des compétences précédentes. CIDER gèle la politique historique cumulée pour en faire un modèle "professeur" avant chaque nouvel apprentissage, puis alterne apprentissage de la nouvelle tâche et distillation de rétention, avec un mécanisme de séparation des gradients ("gradient routing") qui distingue ceux dédiés à l'acquisition de la nouvelle tâche de ceux dédiés à la préservation des comportements acquis. L'équipe a testé un unique acteur partagé sur six tâches de manipulation réelles, domestiques et industrielles, chaque nouvelle tâche étant apprise en 10 à 20 minutes tout en conservant un taux de succès mesuré élevé sur les tâches précédentes, alors que toutes les méthodes de référence comparées oublient au moins une compétence en cours de séquence. Ce résultat compte dans un secteur où l'apprentissage continu reste l'un des principaux verrous pour des robots véritablement polyvalents. La plupart des politiques de manipulation actuelles, qu'elles reposent sur des modèles vision-langage-action comme Pi-0, GR00T N2 ou Helix, sont entraînées hors ligne sur de larges jeux de données agrégés plutôt que mises à jour en continu sur le terrain ; ajouter une tâche implique généralement un nouveau cycle d'entraînement et une revalidation complète des compétences existantes. En montrant qu'un seul acteur peut apprendre séquentiellement six tâches réelles sans réentraînement complet ni dégradation mesurée des tâches antérieures, CIDER ouvre une piste pour des intégrateurs qui voudraient faire évoluer un robot déployé en usine ou en environnement domestique en lui ajoutant des tâches au fil de l'eau, sans immobiliser la ligne pour une campagne de réentraînement globale. Il s'agit néanmoins d'un résultat de recherche obtenu en laboratoire sur six tâches et un seul bras robotique, pas d'un produit commercialisé ni d'un déploiement en flotte. CIDER s'inscrit dans la lignée des travaux récents sur l'apprentissage par renforcement interactif en boucle humaine, qui ont déjà montré qu'un robot pouvait acquérir une tâche de manipulation en quelques dizaines de minutes avec une supervision humaine ponctuelle ; la contribution ici est d'étendre ce paradigme à l'apprentissage continu, un problème jusque-là traité surtout via l'apprentissage par imitation à grande échelle sur des modèles fondation de type VLA plutôt que par du renforcement en ligne. Les auteurs positionnent explicitement leur approche face aux méthodes existantes de renforcement continu en conditions réelles, qui ne contraignent pas le comportement antérieur et souffrent donc d'un oubli sévère. Des études d'ablation accompagnent l'article pour isoler les choix de conception qui gouvernent l'arbitrage entre stabilité, soit la conservation des acquis, et plasticité, soit la capacité à apprendre du nouveau, un compromis classique en apprentissage continu. L'article ne mentionne ni partenariat industriel, ni feuille de route de déploiement au-delà du laboratoire, ni calendrier de suite annoncé.

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage par renforcement récurrent sensible aux interruptions pour la navigation de drones lors de reprises de contrôle temporaires

Des chercheurs publient sur arXiv une étude consacrée à la navigation autonome de drones (UAS) lorsqu'un opérateur ou un système de sécurité reprend temporairement la main sur la politique apprise. Le travail porte sur la déconfliction tactique, c'est-à-dire l'évitement des conflits que la coordination stratégique ne peut pas empêcher, dans des conditions d'observabilité partielle où les données de capteurs ou de trafic sont manquantes, retardées ou dégradées. Les méthodes géométriques offrent des garanties de séparation mais montrent leurs limites dans les rencontres denses. L'apprentissage par renforcement récurrent, qui intègre l'historique des observations et des actions, a donc été proposé. Les auteurs montrent, sur un benchmark en simulation, qu'une interruption (télépilote, système de détection et évitement embarqué, mécanisme d'assurance à l'exécution) rend les variables de la tâche moins décodables dans l'état caché du réseau récurrent et augmente le risque de collision après la restitution du contrôle. Ils proposent trois architectures qui conditionnent le traitement récurrent sur le contexte d'interruption: flux de caractéristiques séparés, mémoire dédiée à l'interruption, ou caractéristiques environnementales modulées par une porte. La meilleure réduit de 74 % les collisions post-interruption et de 69 % les échecs de mission induits, sans dégrader les performances hors interruption. L'enjeu dépasse le cadre académique pour quiconque certifie ou exploite des drones autonomes. Les architectures de sécurité reposent souvent sur l'idée qu'une surcharge humaine ou algorithmique rend le système sûr par construction. Les résultats indiquent le contraire: une interruption sûre ne garantit pas une restitution sûre. Les actions imposées pendant l'override modifient la trajectoire et les mises à jour récurrentes suivantes, ce qui crée une boucle de rétroaction action-observation qui prolonge la dégradation après la reprise. Pour les intégrateurs et les régulateurs, cela impose de tester explicitement la phase de handback, et pas seulement le comportement nominal ou l'override lui-même. Ces gains restent toutefois obtenus uniquement en simulation, sans validation en vol réel ni comparaison annoncée avec des méthodes géométriques en conditions denses, et les pourcentages dépendent du scénario de référence choisi. Ce travail s'inscrit dans la montée de l'apprentissage par renforcement récurrent pour pallier l'observabilité partielle, face aux approches géométriques classiques de type séparation garantie. Il touche directement les futurs environnements de gestion du trafic de drones (UTM), où coexistent coordination stratégique, pilotes distants et systèmes de détection et évitement. L'étude ne mentionne ni calendrier de déploiement ni partenaire industriel. La suite logique serait de valider ces architectures sur des plateformes réelles et d'autres types de politiques, ainsi que de les confronter aux exigences de certification des systèmes d'IA embarqués.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source