Locomotion quadrupède sensible à la dynamique via…

1arXiv cs.RO

Apprendre à marcher avec moins de données : une approche Dyna pour la locomotion quadrupède

Une équipe de recherche a publié une version révisée sur arXiv (2509.06296v2) d'une méthode de renforcement pour accélérer l'entraînement de robots quadrupèdes en simulation. Les algorithmes on-policy classiques comme PPO exigent des dizaines de millions d'interactions simulées avant de converger. La méthode proposée injecte des données synthétiques dans les rollouts PPO via une architecture Dyna : un modèle de transition appris génère de courtes trajectoires additionnelles ancrées à la simulation physique, introduites progressivement pour éviter les erreurs de début d'entraînement. Sur le quadrupède Unitree Go1, elle converge en 19,64 millions de pas de simulation contre 27,53 millions pour PPO seul, soit 12,24% de temps d'entraînement en moins, sans perte de performance. Des essais croisés sur ANYmal, du suisse ANYbotics (spin-off de l'ETH Zurich), et sur le Unitree Go2 confirment le gain, avec des compromis sur la récompense pour les morphologies les plus complexes. Pour l'industrie robotique, l'efficacité d'échantillonnage reste le principal goulot d'étranglement : chaque nouvelle démarche ou terrain appris par un quadrupède consomme des semaines de calcul avant le transfert du simulateur vers le robot réel. Une réduction d'environ 29% des pas de simulation nécessaires, si elle se confirme au-delà des trois plateformes testées, réduirait les coûts et délais pour les intégrateurs qui personnalisent des contrôleurs pour Unitree, ANYbotics ou d'autres fabricants. Le résultat renforce aussi une tendance de fond en RL : utiliser des modèles du monde appris en complément, et non en remplacement, de la simulation physique. Le bémol : le gain se réduit sur les morphologies complexes, signe que ces architectures hybrides restent à calibrer robot par robot plutôt qu'universelles. Le papier s'inscrit dans la lignée du RL model-based initié par l'architecture Dyna de Richard Sutton dans les années 1990, revenue au premier plan pour réduire le coût du RL model-free sur des tâches de contrôle continu à haute dimension comme la locomotion. Il prolonge des travaux appliquant PPO à des quadrupèdes commerciaux (Unitree Go1/Go2, ANYmal) pour la marche ou le franchissement d'obstacles, où l'entraînement massif en simulation précède le déploiement réel. Les résultats restent cantonnés à la simulation : aucun essai sur robot physique ni calendrier de transfert sim-to-real n'est mentionné, les auteurs présentant leurs travaux comme un cadre méthodologique plutôt qu'un produit prêt à déployer.

UELa validation croisée sur ANYmal, quadrupède du suisse ANYbotics (spin-off de l'ETH Zurich), suggère un intérêt potentiel pour les intégrateurs européens, mais aucun essai réel ni déploiement n'est mentionné.

RecherchePaper

1 source

2arXiv cs.RO

Sentir la charge : locomotion compliante de quadrupèdes face aux interactions avec une charge utile

Des chercheurs proposent un cadre de locomotion sensible aux forces pour robot quadrupède, décrit dans un preprint arXiv (2610.08637v1), qui traite les interactions humaines avec une charge utile non fixée comme des commandes de pilotage. Le scénario visé est celui où une personne pousse ou tire l'objet transporté plutôt que le robot lui-même. Le contrôleur doit alors distinguer une intervention volontaire des mouvements ordinaires de la charge, tout en la gardant en équilibre et en conservant une marche stable. L'approche sépare l'apprentissage de la locomotion tenant compte des forces de celui de l'estimation des forces. Une politique de portage « compliante » est associée à un estimateur de force causal, entraîné par agrégation de données avec l'estimateur dans la boucle puis affiné (finetuning). L'estimateur prédit les interactions uniquement à partir des mesures embarquées du robot, sans capteur d'effort dédié sur la charge. Les auteurs rapportent des résultats en simulation et en conditions réelles : locomotion stable avec charge, cession compliante face aux forces extérieures, et réutilisation de la force inférée pour dévier la trajectoire sous guidage humain. L'intérêt tient au déplacement du problème. La plupart des travaux sur les quadrupèdes porteurs considèrent la charge comme une perturbation à rejeter, ou la fixent rigidement au châssis. Ici, la charge devient un canal d'interaction : l'opérateur peut guider le robot en saisissant l'objet, sans télécommande ni interface. Pour un intégrateur, cela ouvre des usages de logistique de site, de transport en inspection ou de cobotique mobile, où un opérateur doit corriger le robot dans un environnement partagé. Le choix de se passer de capteurs supplémentaires réduit aussi le coût et la fragilité matérielle. Il faut toutefois rester prudent : c'est un résultat de laboratoire, sans chiffres de charge maximale, de précision d'estimation ni de robustesse à des charges variées dans l'extrait disponible. La séparation entre politique et estimateur suggère une modularité utile, mais sa tenue hors du cadre expérimental reste à démontrer. Ce travail s'inscrit dans la lignée de l'apprentissage par renforcement pour la locomotion quadrupède, devenu standard pour la marche robuste, et des politiques « conscientes » de leur contexte qui estiment des grandeurs cachées (friction, masse, poussées) à partir de l'historique proprioceptif. Il prolonge aussi les recherches sur la compliance et l'interaction physique humain-robot, jusqu'ici surtout traitées avec des bras manipulateurs ou des robots à base fixe. Aucun produit, partenaire industriel ni calendrier de pilote n'est annoncé : il s'agit d'un preprint de recherche, non d'un système commercialisé ou déployé. Les suites probables concernent l'extension à des charges plus lourdes et plus variées, le passage à des plateformes industrielles et l'intégration avec des modèles de plus haut niveau, comme les VLA, pour combiner guidage physique et instructions de tâche.

RecherchePaper

1 source

3arXiv cs.RO

Adaptation Rapide de l'Incarnation pour la Locomotion Quadrupède

Des chercheurs présentent, dans un article publié en août 2026 sur arXiv (2608.01506), un système d'adaptation d'embodiment en ligne pour la locomotion des robots quadrupèdes. La méthode combine une politique généraliste entraînée avec randomisation d'embodiment et un module d'adaptation léger capable d'identifier un changement physique du robot en moins d'une demi-seconde à partir d'un court historique d'interaction. Deux types de variations ont été testés : des contraintes d'amplitude articulaire (dégradation cinématique au niveau des joints) et des changements de masse du tronc (variation dynamique au niveau du corps). En simulation, le module estime précisément ces changements et permet un contrôle en boucle fermée nettement supérieur aux approches qui se contentent de conditionner la politique directement sur l'historique brut d'interaction. Sur un robot réel Unitree Go2, le système conserve une locomotion stable même dans des cas extrêmes, une patte totalement bloquée ou une charge utile de 5 kg, là où les méthodes non adaptatives échouent purement et simplement. L'intérêt pratique tient au problème classique des politiques apprises en robotique : entraînées sur un matériel fixe, elles cassent dès que ses propriétés changent, par usure, dommage ou charge ajoutée. Plutôt que de miser uniquement sur la robustesse passive obtenue par randomisation de domaine, cette approche identifie explicitement les paramètres physiques du robot en temps réel avant d'ajuster le contrôle, une distinction technique importante pour des déploiements industriels où les pattes de robots quadrupèdes subissent usure et charges variables. Les résultats sur des cas extrêmes plutôt que des démonstrations contrôlées renforcent la crédibilité, mais l'évaluation reste limitée à deux types de variation sur une seule plateforme, sans preuve de généralisation à des embodiments plus complexes comme des bras ou des humanoïdes. Le Unitree Go2, plateforme quadrupède low-cost très répandue dans la recherche académique, sert ici de banc d'essai, sans qu'aucun industriel autre que le fournisseur du robot ne soit impliqué. Ce travail s'inscrit dans la lignée des recherches sur l'adaptation rapide en locomotion légère, dans la continuité d'approches antérieures comme la Rapid Motor Adaptation. Les auteurs indiquent vouloir étendre leur méthode à des formes plus larges de dégradation ou d'incertitude matérielle, sans donner de calendrier précis pour de futurs essais.

RecherchePaper

1 source

4arXiv cs.RO

Dextérité extrinsèque émergente en scènes encombrées via l'apprentissage de politique sensible à la dynamique

Des chercheurs ont publié DAPL (Dynamics-Aware Policy Learning), un cadre d'apprentissage par renforcement destiné à la manipulation non-préhensile en environnements encombrés. L'approche exploite la "dextérité extrinsèque" - la capacité d'un robot à utiliser les contacts avec l'environnement pour déplacer des objets sans les saisir directement - dans des configurations où plusieurs objets interagissent avec des dynamiques couplées. La nouveauté centrale est une représentation apprise des dynamiques de contact, construite via un modèle du monde explicite, qui conditionne ensuite la politique de RL sans recourir à des heuristiques codées manuellement ni à un reward shaping complexe. En simulation, DAPL surpasse de plus de 25 % les approches de manipulation préhensile, la télé-opération humaine et les politiques à représentation implicite, évaluées sur des scènes encombrées à densité variable non vues à l'entraînement. En conditions réelles, le taux de succès atteint environ 50 % sur dix scènes distinctes, avec un déploiement pilote en contexte épicerie pour valider le transfert sim-to-real. Ce résultat adresse un verrou concret en robotique de manipulation : la plupart des systèmes industriels actuels évitent le désordre ou le gèrent par des stratégies d'isolement d'objets, coûteuses en infrastructure. L'émergence de comportements de contact sans ingénierie manuelle des heuristiques représente un pas vers des robots capables de travailler dans des bacs en vrac, des rayons de supermarché ou des convoyeurs non triés. Le gain de 25 % en simulation est significatif, mais les 50 % de succès en conditions réelles appellent à la prudence : les détails sur le type d'objets, la densité exacte et la vitesse d'exécution ne sont pas fournis dans le résumé, ce qui rend difficile toute comparaison directe avec des systèmes comme Sparrow d'Amazon Robotics ou les approches de Covariant AI. La dextérité extrinsèque est un axe de recherche actif depuis une décennie, porté notamment par les groupes de Carnegie Mellon, MIT et ETH Zurich autour du pushing, du pivoting et de la singulation d'objets. DAPL s'inscrit dans cette continuité en ajoutant le world modeling explicite comme composant structurant du pipeline. Le preprint, disponible en version v2 sur arXiv (2603.09882), a été révisé depuis sa soumission initiale, signe d'un affinement des résultats ou des analyses sous revue par les pairs. Aucune timeline de déploiement commercial n'est annoncée ; l'étape logique serait une validation en entrepôt réel sur des volumes plus importants et avec des contraintes de cadence industrielle.

RecherchePaper

1 source

Locomotion quadrupède sensible à la dynamique via une tête de dynamique intrinsèque

À lire aussi

Apprendre à marcher avec moins de données : une approche Dyna pour la locomotion quadrupède

Sentir la charge : locomotion compliante de quadrupèdes face aux interactions avec une charge utile

Adaptation Rapide de l'Incarnation pour la Locomotion Quadrupède

Dextérité extrinsèque émergente en scènes encombrées via l'apprentissage de politique sensible à la dynamique