Aller au contenu principal
Réutiliser les recettes d'entraînement de locomotion entre robots humanoïdes grâce à des articulations virtuelles alignées sur le corpsIllustration générée par IA
RecherchearXiv cs.RO 

Réutiliser les recettes d'entraînement de locomotion entre robots humanoïdes grâce à des articulations virtuelles alignées sur le corps

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

Une équipe de chercheurs propose, dans un preprint arXiv (2611.18003v1), une couche d'abstraction destinée à rendre réutilisables les recettes d'entraînement de la locomotion humanoïde par apprentissage par renforcement. Le principe : un espace d'articulations virtuelles « alignées sur le corps », placé en amont de la transmission. Les actions et observations de la politique suivent une convention anatomique commune, et une couche cinématique déterministe convertit les cibles virtuelles en cibles natives du robot. La transmission existante et la pile de contrôle bas niveau restent inchangées. Testée avec une seule recette non modifiée (récompenses, architecture, hyperparamètres) sur trois humanoïdes aux agencements d'axes de jambes différents, cette interface est la seule à suivre précisément les commandes, à garder les pieds alignés avec la direction de déplacement et à s'entraîner de façon stable sur les trois machines. Sur un Unitree G1 réel, elle réduit la dérive de cap d'un facteur proche de six. Le résumé ne précise ni les deux autres plateformes, ni les vitesses testées, ni le nombre d'essais matériels.

L'enjeu est surtout d'ingénierie, mais il est concret pour les intégrateurs et les équipes qui développent des politiques de marche. Aujourd'hui, une recette de RL validée sur un robot se transfère mal à un autre, car les échelles d'action, les bornes, les gains et les pénalités sont définis dans les coordonnées articulaires propres à chaque machine. Chaque nouvelle plateforme impose donc un réglage manuel, qui pèse sur le coût de portage. Une interface standardisée côté politique, plutôt que côté actionneur, pourrait réduire ce coût et faciliter les comparaisons entre robots. Elle irait aussi dans le sens des modèles de fondation et des politiques « cross-embodiment », qui supposent une représentation commune du corps. Les réserves habituelles s'appliquent : trois robots et une validation matérielle limitée au G1 ne suffisent pas à prouver une généralité à l'échelle de l'industrie, et le gain de six sur la dérive de cap dépend du protocole de mesure, que seul le texte complet permettrait d'évaluer.

Ce travail s'inscrit dans la période où l'apprentissage par renforcement entraîné en simulation puis transféré au réel est devenu la méthode dominante pour la marche humanoïde, notamment sur les plateformes accessibles comme le G1 d'Unitree. Les modèles de transmission existants convertissent déjà des cibles natives en commandes d'actionneurs, par exemple pour les mécanismes à bielles de cheville, mais ne normalisent pas l'interface exposée à la politique, ce qui est précisément la lacune visée ici. La suite logique serait la publication du code, des tests sur davantage de morphologies, avec des chevilles parallèles ou des hanches atypiques, et une intégration dans les chaînes d'entraînement standard. Pour l'instant, il s'agit d'un preprint non évalué par les pairs, sans produit ni déploiement industriel associé.

Dans nos dossiers

À lire aussi

HULK : apprendre la locomanipulation de force du corps entier pour les robots humanoïdes
Illustration générée par IA
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.

RecherchePaper
1 source
Vers un modèle généraliste de locomanipulation humanoïde par préentraînement sur des données humaines égocentriques du corps entier
Illustration générée par IA
2arXiv cs.RO 

Vers un modèle généraliste de locomanipulation humanoïde par préentraînement sur des données humaines égocentriques du corps entier

Des chercheurs publient λ0, une politique vision-langage-action (VLA) pour humanoïde qui pilote l'ensemble du corps, c'est-à-dire la locomotion, la posture, la manipulation à deux mains et les mouvements de doigts. Le travail repose sur HumanVerse-500, un jeu de données de 500 heures de comportements humains de locomanipulation en environnements ouverts. Il a été collecté avec un système portable léger qui synchronise la vidéo égocentrique avec les mouvements du corps et des mains. L'entraînement se fait en trois étapes. La première apprend l'interaction à partir de jeux de données égocentriques variés. La deuxième coordonne corps et mains grâce à HumanVerse-500. La troisième adapte la politique à des tâches et à des robots précis.

RecherchePaper
1 source
Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide
Illustration générée par IA
3Interesting Engineering 

Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide

Des chercheurs du Georgia Institute of Technology ont mis au point un nouveau cadre d'apprentissage automatique baptisé « Learn to Teach » (L2T), qui permet à un robot humanoïde bipède de marcher sur du sable, du gravier, de l'herbe détrempée, des pentes, des escaliers et des surfaces glissantes, tout en réduisant nettement le temps et la puissance de calcul nécessaires à l'entraînement du contrôleur. Contrairement à l'apprentissage classique par renforcement de type enseignant-élève, où un modèle « professeur » est d'abord entraîné en simulation avant de transmettre ses connaissances à un modèle « élève » qui pilote le robot réel, la méthode de Georgia Tech entraîne les deux agents simultanément.

RecherchePaper
1 source
Entraîner en simulation des modèles de raisonnement à utiliser nativement de vrais robots
Illustration générée par IA
4arXiv cs.RO 

Entraîner en simulation des modèles de raisonnement à utiliser nativement de vrais robots

Une équipe de chercheurs publie sur arXiv (2611.18562) une méthode permettant à un modèle de raisonnement open-weight de 27 milliards de paramètres de piloter directement un robot réel, après un entraînement mené entièrement en simulation, par apprentissage par renforcement et sans aucune démonstration. Le modèle fonctionne comme un agent d'usage d'ordinateur (CUA) : il observe la scène, raisonne en chaîne de pensée, puis génère la prochaine pose de l'effecteur, sans harnais logiciel intermédiaire. Les auteurs ont développé PEAR (Post-training Engine for Agentic Robotics) et une procédure appelée robot-use reinforcement learning (RURL). Après entraînement sur LIBERO et RoboDojo, le modèle réussit 60 % des essais sur un robot réel à deux bras, contre 0 % pour le modèle de base.

RecherchePaper
1 source