Aller au contenu principal
De la profondeur à la profondeur sûre : perception monoculaire sensible à l'incertitude pour la navigation de robots mobilesIllustration générée par IA
RecherchearXiv cs.RO 

De la profondeur à la profondeur sûre : perception monoculaire sensible à l'incertitude pour la navigation de robots mobiles

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Des chercheurs montrent qu'il est dangereux de remplacer les capteurs de profondeur d'un robot mobile par une simple caméra RGB associée à un modèle de fondation de profondeur monoculaire utilisé tel quel. Dans un benchmark de navigation intérieure en simulation, une pile Nav2 standard alimentée par Depth Anything V2 (version métrique) entre en collision dans 63 % des 120 épisodes, avec un taux de réussite de seulement 37 %. La cause identifiée est systématique : le modèle surestime la distance aux obstacles proches, près de 59,8 % des estimations en champ proche étant trop optimistes. Les auteurs proposent un module d'appoint léger, une tête de 0,58 million de paramètres greffée sur le modèle de profondeur gelé. Pour chaque pixel, elle prédit une correction en log-profondeur (μ) et une incertitude (σ), entraînées par une log-vraisemblance gaussienne négative pondérée par β. La pile de navigation consomme une borne unilatérale, d_safe = d·exp(μ − kσ), où k est fixé par calibration conforme sur un monde de validation distinct. L'incertitude sert aussi à décider quels pixels peuvent être traités comme du sol.

Les résultats sont nets, mais restent simulés. L'erreur relative absolue (AbsRel) passe de 0,262 à 0,134 et la surestimation en champ proche tombe de 59,8 % à 12,0 %. En navigation, le taux de réussite grimpe de 37 % à 70 % et les collisions chutent de 63 % à 3 %, contre 2 % avec la profondeur de référence (ground truth). Une marge de sécurité constante, calibrée pour la même couverture de pixels, n'atteint que 30 % de réussite car elle immobilise le robot. L'approche à incertitude explicite l'emporte dans 52 des 56 épisodes appariés où les deux méthodes divergent. Les gains se maintiennent sur les cas réputés difficiles : vitres, murs sans texture et zones sombres. Il s'agit d'un résultat académique évalué sur 120 épisodes, sans test sur robot physique ni validation en conditions industrielles.

L'enjeu pour l'industrie est direct : la caméra unique est une piste séduisante pour réduire le coût et la complexité des plateformes mobiles (AMR, robots de service, humanoïdes à capteurs limités). L'étude contredit l'idée que les modèles de profondeur de fondation seraient prêts à remplacer lidar ou caméras de profondeur sans précaution, tout en indiquant que le problème tient moins à la précision moyenne qu'à un biais directionnel dangereux près des obstacles. Elle suggère qu'une calibration de l'incertitude, plutôt qu'une simple marge fixe, permet de rester prudent sans paralyser le robot. Pour les intégrateurs, le message est de traiter la profondeur monoculaire comme une estimation à risque quantifié, pas comme une mesure.

Ce travail s'inscrit dans la vague des modèles de profondeur monoculaires de type Depth Anything, qui ont fait progresser la généralisation zero-shot mais sans garantie de sécurité. Il s'appuie sur la prédiction conforme, de plus en plus utilisée pour offrir des garanties statistiques à des modèles appris. Les concurrents sont les approches classiques à capteurs actifs (lidar, stéréo, temps de vol) et d'autres méthodes d'estimation d'incertitude en perception pour la navigation. Les suites logiques sont des essais sur robot réel, des environnements extérieurs ou dynamiques et une évaluation sur d'autres modèles de profondeur. La conception en module léger sur un modèle gelé facilite ces extensions, mais aucune échéance n'est annoncée.

À lire aussi

Social-WM : des modèles du monde latents sensibles à la sécurité pour la navigation sociale des robots
Illustration générée par IA
1arXiv cs.RO 

Social-WM : des modèles du monde latents sensibles à la sécurité pour la navigation sociale des robots

Des chercheurs publient Social-WM, un cadre de planification par modèle de monde latent destiné à la navigation sociale des robots, c'est-à-dire le déplacement parmi des piétons et des obstacles. Le système est entraîné uniquement à partir de séquences vidéo RGB égocentriques. Il prédit, en fonction de l'action commandée, l'observation future réellement obtenue après chaque commande. Il apprend ainsi les conséquences pertinentes pour la sécurité. Un second objectif, dit de dynamique inverse « réalisable », associe chaque transition latente observée à l'action effectivement réalisée, et non à l'action nominale demandée. Au déploiement, le robot imagine plusieurs actions candidates dans le modèle de monde. Le modèle inverse estime ensuite leur réalisabilité, et l'écart entre action nominale et action réalisable sert de signal de sécurité avant exécution. Sur le benchmark Social-HM3D, Social-WM atteint 63,77 % de réussite avec 21,67 % de collisions avec des humains. Les résultats restent solides en transfert zéro-shot sur Social-MP3D. L'approche n'utilise ni suivi explicite des piétons, ni état humain privilégié, ni apprentissage par renforcement en ligne. L'intérêt tient à la manière de traiter le problème. Une action « avancer » peut s'exécuter entièrement en espace libre, mais doit être freinée ou modifiée face à un piéton ou un obstacle. Les données de navigation sociale contiennent donc un décalage systématique entre commande et mouvement réel. En apprenant ce décalage plutôt qu'en le supposant nul, le robot dispose d'un indicateur de risque sans module de perception dédié aux humains. Pour un intégrateur, cela réduit la dépendance à des piles de suivi et de prédiction de trajectoires, coûteuses à calibrer. Le fait que la dynamique et la réalisabilité soient indépendantes du but permet de réutiliser le même modèle pour la navigation par position et par image-cible. Il faut toutefois relativiser : un taux de collision de 21,67 % reste très éloigné d'un niveau acceptable en environnement réel, et les résultats proviennent de simulation. Aucun test sur robot physique ni comparaison de coûts de calcul n'est mentionné dans le résumé. Ce travail s'inscrit dans la montée des modèles de monde latents, qui planifient dans un espace de représentation compact plutôt qu'en reconstruisant des pixels, et dans l'effort pour combler l'écart entre simulation et réel en navigation sociale. Les benchmarks utilisés, construits sur les scènes HM3D et Matterport3D, relèvent de la simulation d'intérieur et couvrent mal la variété des lieux publics. Les approches concurrentes reposent généralement soit sur l'apprentissage par renforcement en ligne, soit sur des modules explicites de suivi des piétons. La suite logique est une validation sur plateforme mobile réelle, dans des espaces partagés comme les hôpitaux ou la logistique, où des robots mobiles autonomes (AMR) croisent déjà des opérateurs. Il s'agit pour l'instant d'une préimpression arXiv (v1), non évaluée par les pairs, sans produit ni déploiement annoncé.

RecherchePaper
1 source
Perception active sensible aux objets et aux tâches pour la navigation sûre de manipulateurs mobiles en environnements semi-statiques
Illustration générée par IA
2arXiv cs.RO 

Perception active sensible aux objets et aux tâches pour la navigation sûre de manipulateurs mobiles en environnements semi-statiques

Des chercheurs proposent un cadre de perception active qui permet à un manipulateur mobile à nombreux degrés de liberté (DoF) d'inspecter, avec la caméra montée sur sa main, les zones incertaines ou critiques pour la sécurité pendant qu'il navigue. La méthode repose sur une formulation probabiliste de type next-best-view (NBV), c'est-à-dire le choix du prochain point de vue le plus informatif. Cette formulation tient compte des objets et de la tâche : elle privilégie les observations proches du chemin prévu et celles qui entourent des objets incertains ou susceptibles d'avoir bougé. L'objectif de perception est intégré à une commande prédictive hiérarchique par tâches (HTMPC). Celle-ci exploite la redondance cinématique du bras pour ajuster le point de vue, sans jamais dégrader la priorité supérieure, le suivi de la trajectoire de la base. Navigation, maintenance de la carte et perception active forment ainsi une boucle fermée unique. Les essais réels annoncent une meilleure cohérence de la carte, une entropie de carte réduite pour la tâche visée et un risque de navigation moindre que des références passives ou non conscientes de la tâche. Des séquences en simulation et en conditions réelles montrent aussi les réactions du système à des changements de scène contrôlés. Le résumé ne donne aucun chiffre sur le gain, le type de robot, les temps de calcul ni le nombre d'essais. L'enjeu concerne les environnements dits semi-statiques, très courants en logistique, en fabrication et dans les services. Palettes, chariots, bacs et mobilier y changent de place entre deux passages du robot, et la carte mémorisée devient alors fausse sans que rien ne le signale. Pour un manipulateur mobile, le risque dépasse la base : le bras déployé peut heurter un obstacle que la carte ne contenait plus. Utiliser les degrés de liberté excédentaires du bras comme capteur orientable évite d'ajouter des caméras ou de ralentir la mission pour une phase d'inspection dédiée. Le point important pour les intégrateurs est que la perception reste subordonnée à la tâche principale. Ce travail reste toutefois une preuve de concept académique. Les comparaisons se font avec des références choisies par les auteurs, et on ne sait pas encore si le calcul en ligne de la NBV et de la HTMPC tient la charge sur du matériel embarqué, ni si la méthode passe à l'échelle d'un entrepôt ou d'une usine. Ce travail s'inscrit dans une lignée connue : la planification NBV existe depuis des années en reconstruction 3D et en exploration, et la commande hiérarchique par tâches est un outil classique de la robotique redondante. La nouveauté tient à leur combinaison dans une boucle fermée de navigation pour manipulateurs mobiles. Elle intéresse les acteurs qui poussent ces plateformes en conditions réelles : Boston Dynamics avec Spot et son bras, les AMR avec bras de l'intralogistique, ou, côté européen, des équipes comme Exotec en entrepôt. Les modèles de fondation de type VLA traitent plutôt la manipulation que la fiabilité de la carte, et ce type de méthode géométrique et probabiliste les complète donc plus qu'il ne les concurrence. Les suites logiques seraient des tests sur plus longue durée, avec davantage de changements de scène non scriptés et des métriques de sécurité chiffrées, avant tout pilote industriel.

RecherchePaper
1 source
Fonction de barrière de contrôle guidée par imagination comportementale avec incertitude partagée pour la navigation de robots mobiles
Illustration générée par IA
3arXiv cs.RO 

Fonction de barrière de contrôle guidée par imagination comportementale avec incertitude partagée pour la navigation de robots mobiles

Des chercheurs présentent BIG-CBF (Behavior-Imagination-Guided Control Barrier Function), une architecture de navigation pour robots mobiles autonomes décrite dans un article publié sur arXiv (2609.14343) en septembre 2026. Le système sépare la sélection de manœuvre, exécutée à basse fréquence, du filtrage de sécurité proprement dit, exécuté à haute fréquence via une fonction de barrière de contrôle (CBF) classique. Sur un horizon court, six comportements en boucle fermée sont imaginés et évalués selon leur compatibilité CBF et un objectif combinant progression de la tâche, risque de blocage, fluidité et fréquence de changement de manœuvre. Les couches d'imagination et d'exécution partagent les mêmes sources d'incertitude (délai de mouvement relatif, prédiction des obstacles, maintien d'ordre zéro, résidus d'exécution des commandes), tandis qu'une CBF stricte reste l'autorité finale de sécurité. Sur un benchmark comparatif de 3 600 épisodes répartis sur neuf scénarios, BIG-CBF atteint un taux de réussite global de 99,78 %, le meilleur des méthodes testées, tout en réduisant nettement le nombre d'interventions de la CBF en aval. Sur un robot omnidirectionnel physique embarquant un calculateur Jetson Orin Nano, le système complète ses 15 essais d'évaluation sans aucun contact enregistré. Ce travail s'attaque à une limite connue des filtres de sécurité CBF à intervention minimale : sans conscience du niveau tâche, ils peuvent choisir une direction d'évitement non productive quand plusieurs manœuvres sont localement valides, ce qui produit un comportement sûr mais bloqué dans des environnements géométriquement ambigus, un robot qui s'arrête au lieu de contourner un obstacle. Pour les intégrateurs d'AMR en environnement industriel ou logistique, ce type de blocage reste l'un des principaux freins à l'autonomie complète, autant sinon plus que le risque de collision lui-même. En partageant les mêmes modèles d'incertitude entre la couche de planification et la couche d'exécution, BIG-CBF cible directement l'écart classique entre planification et comportement réel du robot. Les résultats, mesurés à la fois en simulation à grande échelle et sur matériel physique, avec des métriques d'énergie et de fréquence d'intervention de la CBF, offrent une validation plus rigoureuse que les démonstrations vidéo isolées courantes dans le secteur, même si 15 essais matériels restent un échantillon modeste pour conclure à une robustesse générale. Les fonctions de barrière de contrôle constituent depuis plusieurs années un cadre mathématique standard pour garantir des contraintes de sécurité locales, en particulier l'évitement de collision, dans la robotique mobile et les véhicules autonomes, généralement sous forme de filtres d'optimisation appliqués à une commande nominale. BIG-CBF se positionne comme une amélioration de cette approche classique face aux méthodes de planification purement réactive ou aux architectures d'apprentissage de bout en bout, en conservant la garantie formelle de sécurité tout en ajoutant une couche de raisonnement sur les manœuvres. L'article ne précise ni industriel partenaire ni calendrier de déploiement commercial : il s'agit d'une contribution de recherche, testée en simulation et sur un seul robot omnidirectionnel de laboratoire équipé d'un module Jetson Orin Nano, sans indication de généralisation à d'autres plateformes ou à des flottes plus larges pour l'instant.

RecherchePaper
1 source
SAFE-CHEM : commutation de politiques sensible à l'incertitude pour une chimie robotique fiable
Illustration générée par IA
4arXiv cs.RO 

SAFE-CHEM : commutation de politiques sensible à l'incertitude pour une chimie robotique fiable

Des chercheurs présentent SAFE-CHEM, un système de sécurité pour robots de chimie autonomes piloté par des politiques d'apprentissage, détaillé dans un article déposé sur arXiv le 9 août 2026 (arXiv:2608.09303). L'architecture repose sur un ensemble de politiques d'imitation learning basées sur des réseaux de neurones récurrents, chargées de manipuler du matériel de laboratoire. Chaque politique produit ses propres prédictions d'action, et la variance entre elles sert de mesure d'incertitude épistémique calculée en temps réel. Les auteurs caractérisent la distribution de cette variance lors des essais réussis via une estimation de densité par noyau (kernel density estimation), ce qui permet de fixer un seuil de sécurité calibré. Quand l'incertitude dépasse ce seuil, le système bascule automatiquement de la politique apprise vers un contrôleur de secours déterministe, basé sur des règles fixes. L'équipe a testé SAFE-CHEM sur trois tâches fondamentales de manipulation en laboratoire, puis a démontré un transfert zero-shot du simulateur vers un bras robotique physique Franka Production 3. L'enjeu dépasse la simple performance : dans les laboratoires de chimie des matériaux, une erreur de manipulation peut être dangereuse, contrairement à la plupart des benchmarks robotiques classiques. Les politiques d'apprentissage actuelles ont tendance à extrapoler avec excès de confiance sur des situations hors distribution, un défaut connu qui freine leur adoption dans des environnements à risque. En démontrant une réduction des violations de sécurité critiques et une amélioration du taux de succès par rapport à des architectures à politique unique, SAFE-CHEM répond directement à un obstacle identifié comme central pour le déploiement de robots dans les laboratoires autonomes ("self-driving labs"), un secteur en expansion pour accélérer la génération de données scientifiques exploitables par l'IA. Ce travail s'inscrit dans la tendance plus large des "self-driving labs" de chimie et matériaux, où des bras robotiques automatisent synthèse et caractérisation d'échantillons pour nourrir des modèles de découverte scientifique. Le choix du Franka Production 3, plateforme de recherche largement utilisée en robotique académique, facilite la reproductibilité. Les auteurs présentent leurs résultats comme une validation de faisabilité plutôt qu'un déploiement industriel abouti, la généralisation à un plus grand nombre de tâches et de laboratoires restant à démontrer.

RecherchePaper
1 source