Illustration générée par IARéutiliser les recettes d'entraînement de locomotion entre robots humanoïdes grâce à des articulations virtuelles alignées sur le corps
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
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




