Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Planification de mouvement vérifiée dans l'espace des tâches sous contraintes articulaires
RecherchearXiv cs.RO 

Planification de mouvement vérifiée dans l'espace des tâches sous contraintes articulaires

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Une équipe de chercheurs présente dans un preprint arXiv (2605.22991, mai 2026) une méthode pour certifier formellement la planification de mouvement des bras manipulateurs face aux limites articulaires. Les planificateurs réactifs dans l'espace cartésien comme Bug2 opèrent avec des pas fixes sans tenir compte des butées angulaires ; lorsque la jacobienne est mal conditionnée, même un petit déplacement cartésien peut forcer un mouvement articulaire hors limites, provoquant une dérive de suivi et l'échec d'atteinte de l'objectif. La solution calcule, à chaque pas, le plus grand hyperrectangle cartésien certifiablement atteignable via une approximation polynomiale du second ordre de la cinématique inverse et la procédure S, qui forment un programme semi-défini positif (SDP) résolu par bisection en moins d'une milliseconde ; ce certificat est intégré à Bug2 pour adapter dynamiquement le pas au conditionnement cinématique local. Sur 94 scénarios adversariaux couvrant six configurations de limites articulaires, le planificateur SOS-vérifié atteint zéro violation articulaire et 100 % de taux de succès, contre 6 à 11 % de violations et jusqu'à 18 % d'échecs pour le Bug2 standard.

Ce résultat comble une lacune bien connue : la planification dans l'espace de travail et la gestion des contraintes articulaires sont traitées séparément dans la plupart des architectures, ce qui génère des comportements indésirables près des singularités cinématiques. La résolution sous-milliseconde rend le module intégrable dans des boucles de contrôle temps réel, le positionnant comme couche de sécurité potentielle au-dessus des planificateurs existants sur des bras industriels comme le KUKA iiwa, l'Universal Robots UR10 ou le Franka Emika Panda.

Bug2 est un algorithme réactif classique des années 1980-90, robuste mais agnostique aux propriétés cinématiques du robot, dont l'adaptation aux manipulateurs modernes multi-DDL a toujours souffert de ce manque de cohérence entre espaces cartésien et articulaire. L'usage de la procédure S et des programmes semi-définis pour certifier des atteignabilités locales s'inscrit dans une tendance plus large d'intégration de la vérification formelle (barrières de contrôle, Lyapunov, SOS) dans la planification de mouvement. Ce travail reste un preprint de recherche sans implémentation open-source ni déploiement industriel annoncé ; la validation sur robots physiques multi-DDL en conditions dynamiques réelles demeure l'étape manquante avant toute adoption industrielle.

Impact France/UE

KUKA (Allemagne) et Universal Robots (Danemark) sont cités comme cibles d'intégration directe, ce qui positionne les constructeurs de bras industriels européens comme premiers bénéficiaires potentiels si une implémentation open-source est publiée.

Dans nos dossiers

arXiv cs.RO

À lire aussi

CAMP : planification coopérative des mouvements bras-main dans des espaces contraints
1arXiv cs.RO 

CAMP : planification coopérative des mouvements bras-main dans des espaces contraints

Un preprint publié sur arXiv (2609.29021v1) présente CAMP (Cooperative Arm-Hand Motion Planning), un planificateur de mouvement coordonné bras-main pour la manipulation dextre en environnements encombrés et contraints. Plutôt que de décomposer le problème en planification séparée de la trajectoire du bras puis des mouvements de la main, approche qui peut manquer des solutions nécessitant une adaptation coordonnée des deux, les auteurs formalisent des « fibres de main faisables » : pour chaque configuration du bras, l'ensemble des configurations de main sans collision. CAMP construit des trajectoires candidates via une recherche hiérarchique de la main combinée à une relaxation locale du bras, les représente de façon compacte avec des primitives de mouvement par points de passage (VMPs), puis les affine par une optimisation conjointe grossière-à-fine. Sur six tâches de simulation en espace contraint, le système atteint un taux de réussite de 84,2 à 98,5 %, supérieur aux planificateurs alternatifs testés, avec une efficacité de calcul comparable, et des expériences sur robot réel valident l'approche sur des tâches de manipulation contrainte. Le site du projet (camp-armhand.github.io) met à disposition code et démonstrations. Le travail s'attaque à un compromis central de la manipulation robotique dextre : la planification décomposée bras/main est rapide mais rigide, tandis que la planification conjointe dans l'espace de configuration complet capture le couplage mais explose en dimensionnalité et en contraintes de collision non convexes. En formalisant ce couplage via les fibres de main faisables, CAMP offre une voie intermédiaire directement exploitable par les intégrateurs travaillant sur des tâches en espace confiné, étagères, tiroirs ou environnements encombrés, où la main doit s'adapter en continu à la trajectoire du bras. Le taux de succès élevé associé à une validation sur robot réel, et non seulement en simulation, répond à une critique fréquente du secteur sur l'écart entre démonstrations sélectionnées et performance reproductible. Les études d'ablation menées par les auteurs, isolant l'apport de la relaxation du bras, de la représentation VMP et de l'optimisation grossière-fine, renforcent la crédibilité méthodologique plutôt que de présenter le résultat comme une simple amélioration marginale. Cette publication s'inscrit dans la lignée des travaux académiques sur la planification de mouvement bras-main en espace contraint, un axe de recherche distinct des annonces produit mais destiné à terme à irriguer les piles logicielles de plateformes équipées de bras et de mains articulées. Le papier compare explicitement CAMP à plusieurs planificateurs alternatifs sur les six tâches simulées, sans nommer ces méthodes concurrentes dans le résumé disponible. Publié en preprint sur arXiv sans mention d'institution ni de revue par les pairs à ce stade, le travail reste à un stade de recherche, non de produit ou de déploiement industriel. La suite logique pour ce type de travail académique est généralement une soumission à une conférence de robotique comme ICRA, IROS ou CoRL, suivie d'une extension à d'autres plateformes bras-main au-delà des six tâches testées en simulation et de la validation limitée sur robot réel.

RecherchePaper
1 source
2arXiv cs.RO 

UniConFlow : un cadre unifié d'appariement de flux sous contraintes pour une planification de mouvement certifiée

UniConFlow est un cadre de génération de trajectoires fondé sur le flow matching, une famille de modèles génératifs, qui intègre de manière unifiée des contraintes d'égalité et d'inégalité. Il vise à couvrir en une seule architecture l'évitement de collisions, les limites d'actionnement et la cohérence dynamique, que les approches existantes traitent le plus souvent séparément ou par des heuristiques. Les auteurs ajoutent une « fonction d'annulation à temps prescrit » (prescribed-time zeroing function), qui façonne un champ de guidage variable dans le temps pendant l'inférence, de sorte que la génération s'adapte à différents modèles de système et exigences de tâche. Deux stratégies pratiques ciblent les trajectoires longues et de grande dimension : un protocole d'extraction des segments en violation, qui localise puis corrige uniquement les portions fautives, et une compression de trajectoire qui accélère l'optimisation dans un espace réduit tout en préservant une reconstruction fidèle après décodage. Le travail est validé sur trois expériences : un double pendule inversé, une course de voitures « real-to-sim » et une tâche de manipulation « sim-to-real ». Il s'agit de la version 3 d'un preprint arXiv (2506.02955), avec une page projet publique. L'intérêt tient au problème visé : les planificateurs génératifs (diffusion, flow matching) produisent des trajectoires multimodales flexibles, mais n'offrent pas de garanties de sécurité. Pour un intégrateur ou un responsable industriel, c'est l'obstacle principal au déploiement de politiques apprises près d'humains ou d'équipements coûteux. Un cadre qui impose les contraintes pendant l'inférence plutôt qu'au moyen de filtres de sécurité ajoutés après coup irait dans le sens d'une planification apprise « certifiable ». Les auteurs affirment que UniConFlow surpasse les planificateurs génératifs de l'état de l'art et les méthodes d'optimisation classiques sur la sécurité, la cohérence cinématique et dynamique et la faisabilité des actions. Ces affirmations restent à nuancer : le résumé ne fournit ni chiffres, ni taux de succès, ni temps de calcul. Les trois bancs d'essai sont de portée limitée, et le passage réel ne concerne qu'une tâche de manipulation, sans déploiement industriel ni mesure de latence en boucle fermée. Le terme « certifié » désigne ici des métriques de respect des contraintes, pas une certification au sens normatif (par exemple ISO 10218). Le contexte est celui d'une littérature très active sur la contrainte des modèles de diffusion et de flow matching, qui passe par des projections, du guidage par gradient ou des couches d'optimisation, souvent au prix d'un coût de calcul élevé sur de longs horizons. La compression de trajectoire et la correction localisée des segments répondent précisément à cette limite. Les alternatives restent l'optimisation de trajectoire classique (MPC, optimisation par contraintes) et les politiques VLA généralistes, qui privilégient la généralisation sur la garantie. La suite logique serait une validation sur des plateformes plus complexes, avec des contraintes de contact et des bras ou humanoïdes réels, et des comparaisons de temps d'inférence à l'échelle. Aucun partenaire industriel ni calendrier de déploiement n'est annoncé, et aucun acteur français ou européen n'est mentionné.

RecherchePaper
1 source
Métriques riemanniennes induites pour la planification de mouvement sous contraintes
3arXiv cs.RO 

Métriques riemanniennes induites pour la planification de mouvement sous contraintes

Publié le 23 septembre 2026 sur arXiv sous la référence 2609.25695v1, un article de recherche en planification de mouvement robotique s'attaque à un problème classique : quand des contraintes de tâche ou de fermeture de boucle cinématique réduisent l'espace de configuration d'un robot à une sous-variété courbe de dimension inférieure, la métrique utilisée pour mesurer la longueur d'un chemin, euclidienne, à coût uniforme dans toutes les directions, ou riemannienne, comme l'énergie cinétique, à coût variable selon la direction et la configuration, donnait jusqu'ici des résultats différents selon que la contrainte était représentée implicitement (comme un ensemble de niveau, associé à la métrique euclidienne) ou explicitement (via une paramétrisation, associée à la métrique du domaine des paramètres). Les auteurs proposent une métrique dite induite, héritée directement de la métrique riemannienne de l'espace de configuration complet, et démontrent que les deux représentations produisent alors exactement la même géométrie, quelle que soit la métrique riemannienne retenue. Ils l'intègrent dans un planificateur par échantillonnage et dans un optimiseur de trajectoire, puis testent l'approche sur un montage de manipulation bimanuelle avec deux bras robotiques Franka (Franka Robotics, entreprise allemande) soumis à des contraintes sur l'effecteur, en comparant métrique euclidienne et métrique d'énergie cinétique. Ce découplage compte pour quiconque conçoit des planificateurs de manipulation contrainte, assemblage bimanuel, tâches à chaîne cinématique fermée, coordination multi-bras, où le choix jusqu'ici arbitraire entre représentation implicite et explicite biaisait silencieusement les trajectoires calculées, indépendamment du comportement physique réel du robot. La garantie théorique de cohérence géométrique permet désormais d'utiliser des métriques physiquement significatives, comme l'énergie cinétique, plutôt que la seule distance euclidienne par défaut, souvent mal adaptée aux robots à forte inertie ou à géométrie complexe, sans changer d'architecture logicielle puisque la méthode s'insère aussi bien dans un planificateur par échantillonnage que dans un optimiseur de trajectoire existant. Il s'agit d'une contribution méthodologique, sans vidéo ni chiffre de taux de succès ou de temps de cycle à l'appui, ce qui limite pour l'instant l'évaluation de son impact pratique concret. Ce travail s'inscrit dans la lignée des recherches sur la planification sur variétés contraintes, un champ où les méthodes d'atlas tangents et les planificateurs de type CBiRRT gèrent depuis longtemps la géométrie de la contrainte mais laissaient jusqu'ici la question de la métrique de côté. Il fait aussi écho aux travaux sur les politiques de mouvement riemanniennes, qui exploitent déjà des métriques non euclidiennes mais dans des espaces non contraints. La validation reste limitée à un seul banc d'essai, deux bras Franka en manipulation bimanuelle, sans portage annoncé vers une bibliothèque de planification largement utilisée comme MoveIt ou OMPL, ni calendrier de suivi précisé par les auteurs.

UELe montage expérimental repose sur des bras robotiques Franka Robotics, fabricant allemand largement utilisé dans les laboratoires de recherche européens en robotique.

RecherchePaper
1 source
Optimisation des arbres de trajectoires dans l'espace des croyances : de la commande prédictive à la planification de tâches et de mouvements
4arXiv cs.RO 

Optimisation des arbres de trajectoires dans l'espace des croyances : de la commande prédictive à la planification de tâches et de mouvements

Des chercheurs proposent, dans un preprint arXiv soumis début mai 2026 (arXiv:2605.01860), de planifier des trajectoires arborescentes (trajectory-trees) dans l'espace des croyances (belief space) plutôt que les trajectoires séquentielles classiques. Quand un robot évolue en environnement partiellement observable, la trajectoire optimale dépend d'observations futures encore inconnues: les trajectory-trees branchent à chaque point où l'état de croyance est susceptible de diverger en scénarios distincts. Le papier présente deux contributions: un contrôleur prédictif partiellement observable (PO-MPC) à branchement unique, optimisé par un algorithme parallélisé baptisé D-AuLa (Distributed Augmented Lagrangian) conçu pour satisfaire les contraintes temps-réel du MPC; et un planificateur tâche-et-mouvement (PO-LGP) combinant arbres de décision symboliques et trajectory-trees cinématiques, en étendant le cadre Logic-Geometric-Programming (LGP) aux problèmes partiellement observables. Les validations expérimentales portent sur la conduite autonome pour le MPC et des scénarios de manipulation robotique pour le TAMP. L'enjeu industriel est direct: les environnements réels sont rarement entièrement observables. Un bras triant des pièces dont l'orientation n'est connue qu'après préhension, ou un AGV naviguant en zone d'incertitude sensorielle, nécessitent précisément ce type de planification contingente. Les trajectoires séquentielles obligent le robot à choisir un plan unique à l'avance, ce qui se traduit par des comportements sous-optimaux ou des replanifications coûteuses. L'approche PO-MPC réduit les coûts de contrôle en anticipant les branches d'observation possibles; PO-LGP génère des politiques d'exploration utilisables comme macro-actions dans un plan global. D-AuLa répond à l'objection classique contre la planification en espace de croyance: sa complexité computationnelle prohibitive pour le temps-réel, en exploitant la décomposabilité du problème pour paralléliser l'optimisation. Le cadre LGP étendu par ces travaux a été développé par le groupe de Marc Toussaint (TU Berlin), et constitue l'une des approches TAMP les plus rigoureuses pour la manipulation multi-étapes. La planification en POMDP (Partially Observable Markov Decision Processes) est un domaine actif depuis les années 1990, mais son couplage avec le contrôle continu et la planification symbolique reste un défi ouvert. Des approches concurrentes basées sur l'apprentissage par renforcement (notamment les méthodes VLA et politiques diffusion) ou sur des planificateurs sampling-based adressent des problèmes voisins avec des compromis différents en matière de généralisation et de garanties formelles. Les auteurs reconnaissent eux-mêmes que la méthode est validée sur des belief states de taille restreinte et exclusivement en simulation; la prochaine étape naturelle est une validation hardware sur robots réels avec perception embarquée et latences de capteurs.

UELes travaux étendent le cadre LGP développé par le groupe de Marc Toussaint à TU Berlin, consolidant le leadership académique européen en planification tâche-et-mouvement rigoureuse pour la manipulation robotique multi-étapes.

RecherchePaper
1 source