Aller au contenu principal
PoliMop : planification de mouvement en 3D avec politique dans la boucle pour robots mobilesIllustration générée par IA
RecherchearXiv cs.RO 

PoliMop : planification de mouvement en 3D avec politique dans la boucle pour 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 ont déposé sur arXiv (2611.18110) PoliMop, un planificateur de mouvement kinodynamique de type RRT (rapidly-exploring random tree) qui place la politique de contrôle du robot directement dans la boucle de planification. Le planificateur échantillonne des états dans un espace réduit en 3D autour de la scène, puis étend l'arbre vers chaque échantillon en exécutant des rollouts de la politique dans un simulateur physique. L'échantillonnage est guidé par un chemin préplanifié pour un simple modèle de point massique, ce qui concentre l'exploration sur les zones menant au but et réduit le temps de planification jusqu'à 63 %. Les expériences, menées uniquement en simulation, couvrent des quadrupèdes, des humanoïdes et des robots à roues. Les modifications d'environnement définies à l'avance, comme une planche posée sur un trou pour former un pont, sont intégrées automatiquement : l'espace atteignable du robot s'élargit sans toucher à l'algorithme.

L'intérêt tient au découplage entre planification et morphologie. Les planificateurs classiques raisonnent surtout sur la géométrie et un modèle cinématique simplifié, et sous-exploitent donc des compétences apprises comme le franchissement d'obstacles ou la montée de marches. Ici, la capacité du robot est mesurée par ce que sa politique sait réellement faire, ce qui permet de changer de robot ou de politique sans réécrire le planificateur. Pour un intégrateur, cela pourrait réduire l'ingénierie spécifique à chaque plateforme. Les limites sont nettes : aucune validation sur matériel n'est annoncée, donc l'écart sim-to-real reste entier. Le chiffre de 63 % est un maximum, pas une moyenne, et le résumé ne donne ni taux de succès ni coût de calcul des rollouts physiques, deux paramètres décisifs pour un usage embarqué.

Ce travail se situe entre la planification d'échantillonnage classique et les politiques de locomotion apprises, qui ont beaucoup progressé sur quadrupèdes et humanoïdes mais restent souvent pilotées par des commandes de vitesse ou des points de passage choisis par un humain ou un planificateur purement géométrique. PoliMop propose une couche intermédiaire qui interroge la politique pour savoir où le robot peut aller, par opposition aux approches de bout en bout de type VLA qui visent à tout absorber dans un seul modèle. Les prochaines étapes logiques seraient un test sur robots réels, la prise en compte de scènes dynamiques et l'extension à des modifications de l'environnement décidées par le robot lui-même plutôt que prédéfinies.

Dans nos dossiers

À lire aussi

Au-delà de l'alignement de politique : boucler la planification et l'apprentissage pour le contrôle de robots avec des modèles du monde appris
Illustration générée par IA
1arXiv cs.RO 

Au-delà de l'alignement de politique : boucler la planification et l'apprentissage pour le contrôle de robots avec des modèles du monde appris

Des chercheurs proposent PL-MPC (Planning-Learning MPC), une évolution de TD-MPC, la famille de méthodes qui combine un modèle du monde appris, une optimisation de trajectoire en ligne (MPPI) et des fonctions de valeur et de politique apprises. Trois modifications sont introduites, sans toucher à l'architecture du modèle du monde ni à l'optimiseur. Des cibles TD multi-étapes hybrides exposent le critique à davantage de récompenses réellement observées avant le bootstrap. Une estimation de valeur terminale sensible au désaccord entre critiques réduit le poids des valeurs incertaines pendant la planification. Enfin, une distillation de l'acteur pondérée par le retour privilégie les actions exécutées par le planificateur dans les épisodes les plus rentables. Sur HumanoidBench, le Total Average Return passe de 98±18 à 387±255 sur balance-hard, et de 199±13 à 466±200 sur hurdle. Les résultats restent dépendants de la tâche sur le reste du benchmark, et la méthode demeure compétitive sur DMControl. Un test de transfert sim-to-real zero-shot est réalisé sur l'alignement d'un écrou avec une clé, avec un bras KUKA IIWA14 à 7 DoF. Le taux de succès observé est supérieur à celui de TD-M(PC)^2, pour la taille d'objet d'entraînement et deux tailles inédites. Code et données doivent être publiés ultérieurement. L'intérêt tient à la manière dont le problème est posé. Le planificateur génère les données dont le critique et l'acteur apprennent, et ceux-ci notent et proposent à leur tour les plans futurs : les erreurs de valeur peuvent donc se renforcer d'un cycle à l'autre. Les variantes précédentes se contentaient d'aligner la politique sur le comportement du planificateur. PL-MPC traite aussi la supervision du critique et la valeur terminale, ce qui suggère que les gains viennent de la boucle entière plutôt que d'un seul composant. Il faut toutefois lire les chiffres avec prudence. Les écarts-types sont très larges (387±255, 466±200), les gains se concentrent sur deux tâches, et les ablations montrent que les composants interagissent différemment d'une tâche à l'autre. Le test sim-to-real reste un seul scénario sur bras fixe, sans aucune mesure sur un humanoïde réel : il ne dit rien du passage à l'échelle sur des robots à corps entier. Ce travail prolonge TD-MPC et TD-MPC2, références du contrôle basé sur modèle du monde pour les systèmes de grande dimension, ainsi que TD-M(PC)^2, variante contrainte par la politique qui sert ici de point de comparaison direct. Il se positionne en recherche amont, à distance des approches VLA généralistes (Pi-0, GR00T, Helix) qui dominent les annonces industrielles. HumanoidBench reste un banc d'essai simulé, et un transfert réussi sur un bras industriel ne garantit pas la robustesse sur un humanoïde. La suite dépendra de la publication du code et des données annoncés sur pl-mpc-humanoid.github.io, puis d'éventuelles validations sur matériel humanoïde.

RecherchePaper
1 source
FPTAS pour la planification de mouvement de robots multiples polygonaux
Illustration générée par IA
2arXiv cs.RO 

FPTAS pour la planification de mouvement de robots multiples polygonaux

Des chercheurs publient sur arXiv (référence 2610.20244, version 1) les premiers schémas d'approximation entièrement polynomiaux (FPTAS) pour la planification de mouvement multi-robots en environnement polygonal. Le cadre est le suivant : un domaine polygonal à n sommets, k robots en translation, chacun modélisé par un polygone de complexité constante, une configuration de départ et une configuration d'arrivée. Il s'agit de trouver un plan sans collision, minimal selon une fonction de coût. L'algorithme couvre trois objectifs, pour tout nombre fixe k de robots : min-sum (distance totale parcourue par l'ensemble des robots), min-max (distance maximale parcourue par un robot) et min-makespan (durée totale, avec une vitesse maximale de 1). Il se généralise à toute dimension fixe d, avec environnement et robots polytopiques. Il s'agit d'un résultat théorique : ni prototype, ni benchmark, ni déploiement n'est annoncé. L'apport est surtout conceptuel, mais il comble un vrai vide. Jusqu'ici, on savait garantir une solution proche de l'optimum seulement dans des cas restreints. Cela clôt une question ouverte posée dans deux articles du SODA : Agarwal, Halperin, Sharir et Steiger (SODA'24) avaient obtenu un FPTAS pour k=2 robots carrés unitaires, et Agarwal, Holmgren et Steiger (SODA'26) un algorithme bicritère pour k fixe de carrés ou disques unitaires. Un FPTAS permet de s'approcher de l'optimum avec une erreur arbitraire, pour un temps de calcul polynomial en 1/ε. Les auteurs affirment aussi que leur méthode est nettement plus simple que les précédentes, ce qui est un atout pour toute future implémentation. Il faut toutefois rester prudent : la complexité dépend de façon exponentielle de k, et la planification multi-robots à k fixe reste très éloignée des flottes de dizaines ou centaines d'AMR d'un entrepôt. Les intégrateurs n'en tireront donc rien à court terme, mais la communauté dispose d'une référence solide pour les petits groupes de robots à géométrie arbitraire, par exemple deux bras ou deux robots mobiles en espace très contraint. Ce travail prolonge la lignée de la géométrie algorithmique sur le problème du « piano mover » et de ses variantes multi-robots, dont on sait la difficulté croissante avec le nombre de robots. Les résultats exacts sont coûteux, d'où l'intérêt des schémas d'approximation. En pratique, l'industrie utilise surtout des planificateurs par échantillonnage (RRT, PRM) ou des méthodes de recherche multi-agents (CBS, MAPF), efficaces mais sans garantie d'optimalité approchée. Le prochain jalon logique serait une implémentation et une évaluation expérimentale, ainsi que la réduction de la dépendance en k. Le preprint n'est pas encore relu par les pairs.

RecherchePaper
1 source
Planification de trajectoire sans enchevêtrement pour robots mobiles attachés avec câble détendu
Illustration générée par IA
3arXiv cs.RO 

Planification de trajectoire sans enchevêtrement pour robots mobiles attachés avec câble détendu

Un article de recherche publié sur arXiv le 11 août 2026 (référence 2608.09860v1, catégorie "new") présente un algorithme de planification de trajectoire pour robots mobiles reliés par un câble souple ("tethered mobile robots"), conçu pour éviter l'enchevêtrement du câble lorsque celui-ci est détendu, c'est-à-dire lorsque sa forme dépend non seulement de la géométrie de l'environnement mais aussi de sa propre dynamique, de la trajectoire du robot et de forces extérieures. La méthode repose sur un pipeline en trois étapes: construction d'un modèle topologique de l'espace de configuration sans enchevêtrement, génération d'un ensemble de trajectoires candidates à partir de ce modèle, puis calcul d'une trajectoire dynamiquement réalisable via un problème de génération de trajectoire contraint par homotopie. Le système a été testé uniquement en simulation, dans un environnement avec obstacles statiques, où les auteurs montrent que l'algorithme évite les violations des contraintes d'enchevêlement par rapport à des approches ne prenant pas en compte cet aspect dès la phase de planification. Pour les intégrateurs travaillant sur des robots filaires (inspection en espaces confinés, robotique sous-marine, robots d'alimentation électrique par câble dans des zones sans couverture sans fil fiable), ce travail comble un manque réel: la plupart des méthodes existantes supposent un câble tendu ou ne modélisent l'enchevêtrement que de façon géométrique, ignorant la dynamique du câble lui-même. Un enchevêtrement non anticipé peut immobiliser un robot ou endommager le câble, un risque coûteux en environnement industriel. Cette approche promet donc une meilleure fiabilité opérationnelle, à condition d'être validée au-delà de la simulation: aucune expérimentation sur robot réel n'est rapportée, et les forces exogènes, le frottement ou l'élasticité réelle du câble restent des inconnues à vérifier en conditions physiques. Le papier s'inscrit dans la lignée des recherches en planification de mouvement par classes d'homotopie, en étendant les modèles d'enchevêtrement classiques, généralement limités à des câbles tendus ou à des considérations purement géométriques, à un cadre dynamique plus réaliste. Aucun laboratoire, université ou entreprise n'est nommément associé dans le résumé disponible, et les prochaines étapes annoncées porteraient logiquement sur des essais avec obstacles dynamiques et une validation matérielle.

RecherchePaper
1 source
Entraînement en déploiement : post-entraînement en ligne avec humain dans la boucle pour la manipulation robotique
Illustration générée par IA
4arXiv cs.RO 

Entraînement en déploiement : post-entraînement en ligne avec humain dans la boucle pour la manipulation robotique

TIDE (Training In DEployment) est un système de post-entraînement en ligne avec humain dans la boucle, décrit dans un preprint arXiv (2610.29264v1) pour adapter de grands modèles de fondation robotiques à des tâches de manipulation cibles. Son principe : mettre à jour la politique pendant le déploiement, à partir des interventions d'un opérateur humain et des trajectoires générées par la politique elle-même, via un cadre d'apprentissage supervisé « conditionné par la provenance » (on indique au modèle si une action vient de l'humain ou de la politique). Il n'utilise ni critique appris, ni modèle de récompense, ni évaluateur d'actions. Les auteurs l'ont testé sur quatre tâches réelles de manipulation bimanuelle. TIDE améliore la progression normalisée par jalons et le taux de réussite complète par rapport à la politique de départ et à une politique entraînée avec un volume équivalent de démonstrations hors ligne supplémentaires. Il fait jeu égal avec la collecte à politique fixe, tout en rendant des checkpoints à jour disponibles en cours de déploiement. Chaque session, du début des essais jusqu'au dernier checkpoint, dure moins d'une heure, l'apprentissage et la gestion des checkpoints tournant en asynchrone. L'enjeu est un goulot d'étranglement bien connu : les démonstrations téléopérées hors ligne couvrent mal les états qui comptent au déploiement, à savoir les contacts riches, les récupérations après erreur et les gestes de précision. Le post-entraînement hors ligne s'adapte lentement, faute d'absorber immédiatement l'expérience du terrain. L'apprentissage par renforcement en ligne, lui, suppose en général des fonctions de valeur ou des architectures acteur-critique, qui alourdissent et fragilisent l'entraînement. Si l'approche tient à plus grande échelle, un intégrateur pourrait spécialiser un modèle généraliste sur un poste précis en moins d'une heure, avec un simple opérateur qui corrige, sans équipe de RL. Il faut toutefois relativiser : le résumé ne chiffre ni les gains ni les modèles de base, la performance n'est qu'équivalente à la collecte à politique fixe, et quatre tâches en laboratoire ne disent rien de la robustesse sur des mois de production. Ce travail s'inscrit dans la montée des modèles vision-langage-action (VLA) préentraînés de type Pi-0 ou GR00T, dont l'adaptation à la tâche reste le point faible. Il prolonge deux lignées : les méthodes avec humain dans la boucle, qui enrichissent les démonstrations par des corrections, et le RL en ligne sur robot réel. TIDE tente de garder la réactivité de la seconde sans sa complexité. Les prochaines étapes à surveiller sont la publication des chiffres détaillés, d'éventuelles réplications indépendantes et un test sur des tâches industrielles plus longues avec plusieurs opérateurs.

RecherchePaper
1 source