Illustration générée par IAReLoco : locomotion et récupération après chute unifiées pour robots humanoïdes via des a priori de mouvement conditionnés par le comportement
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
Des chercheurs publient sur arXiv ReLoco, un cadre d'apprentissage par renforcement qui unifie dans une seule politique la locomotion d'un humanoïde, le relevé après une chute depuis une posture quelconque et la reprise de la commande de déplacement. La politique est purement proprioceptive, sans caméra ni capteur externe. À l'entraînement, la posture du robot sélectionne le jeu de références expertes, et un discriminateur partagé, conditionné par le comportement, produit deux sorties distinctes : l'une pour la marche, l'autre pour le relevé. Des récompenses de tâche et une régularisation commune pilotent le suivi de commande et la récupération, tandis qu'une assistance temporaire facilite l'exploration. Une étape de raffinement en simulation génère des références de mouvement exécutables par le robot lui-même. À itération d'entraînement égale, la politique complète atteint 96,80 % de réussite au relevé indépendant et 96,96 % de récupération après poussée, reprise de commande incluse. L'erreur quadratique moyenne de vitesse planaire du torse est de 0,1266 m/s, soit 14,7 % de moins que la variante conditionnelle à sortie unique, pour un écart d'angles articulaires comparable mesuré par déformation temporelle dynamique (DTW). Le déploiement a été réalisé sur le Tiangong 3.0, humanoïde de 64,5 kg, qui marche, court, se relève et reprend la locomotion après une chute.
L'intérêt tient à l'architecture plus qu'aux scores. Dans beaucoup de piles logicielles humanoïdes, la marche, le relevé et la transition entre les deux relèvent de contrôleurs distincts, avec une logique de commutation qui devient un point de fragilité en exploitation. Une politique unique, exécutée sans changement de contrôleur et sans ajustement sur le robot, simplifie l'intégration et réduit la surface de validation, ce qui compte pour des opérateurs qui ne peuvent pas immobiliser un robot tombé en attendant une intervention humaine. Le résultat suggère aussi que des a priori de mouvement adversariaux conditionnés par le comportement peuvent éviter l'interférence entre des régimes de contact très différents, debout et au sol. Il faut toutefois rester prudent : les taux de réussite viennent de la simulation, à un point d'entraînement donné, et l'article ne chiffre pas de façon exhaustive la robustesse sur matériel réel (nombre d'essais, types de sols, charges portées). Le gain de 14,7 % est mesuré face à une variante interne, non face à des méthodes concurrentes publiées.
Ces travaux s'inscrivent dans la prolongation des méthodes AMP (adversarial motion priors) et des politiques de relevé apprises, qui avaient jusqu'ici surtout été traitées séparément de la locomotion de commande. Le Tiangong, plateforme humanoïde chinoise, sert ici de banc d'essai. Cette version 3.0 confirme l'effort de l'écosystème chinois pour valider des politiques apprises sur du matériel de grande taille. Côté concurrence, les acteurs américains et européens misent plutôt sur des modèles VLA généralistes (Figure avec Helix, Physical Intelligence avec Pi-0, NVIDIA avec GR00T), qui reposent sur des contrôleurs bas niveau robustes, dont la récupération après chute fait partie. ReLoco se situe donc à cette couche basse, et pourrait s'y intégrer. Les suites logiques sont une évaluation hors laboratoire, avec perception ajoutée, des terrains variés et des chutes non scriptées, ainsi qu'une comparaison directe avec d'autres approches de relevé et de locomotion unifiées.
Dans nos dossiers




