Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Kine2Go : jeu de données cinématiques pour le robot Unitree Go2, avec allures et mouvements variés
RecherchearXiv cs.RO 

Kine2Go : jeu de données cinématiques pour le robot Unitree Go2, avec allures et mouvements variés

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

Une équipe de chercheurs a publié en juin 2026 Kine2Go, un jeu de données cinématiques open-source destiné au robot quadrupède Unitree Go2. Le dataset contient 800 trajectoires de marche couvrant une large variété de gaits, issues de 40 politiques de contrôle distinctes. Le pipeline développé accepte des données de locomotion provenant de morphologies quadrupèdes variées et les retraduit dans un format compatible Go2. Ces politiques sont entraînées par renforcement (RL) pour reproduire fidèlement les trajectoires cibles, puis les données collectées en simulation incluent des perturbations, ce qui produit des séquences cinématiques robustes accompagnées des commandes moteur correspondantes, niveau actionneur.

Le problème que Kine2Go cherche à résoudre est concret : les approches modernes d'apprentissage sur robots, qu'il s'agisse d'imitation learning, de behavioral cloning ou de RL, nécessitent des données de démonstration incluant l'état cinématique complet du robot et les actions appliquées aux moteurs. Construire le pipeline d'acquisition de ces données est coûteux en temps et en ingénierie, ce qui constitue un frein réel pour les équipes de recherche à ressources limitées. En prépackageant 800 trajectoires prêtes à l'emploi avec leurs labels moteur, le dataset réduit significativement ce coût d'entrée pour les travaux en navigation, contrôle de locomotion et transfert sim-to-real. La présence de perturbations dans les données est un choix pertinent : elle expose les modèles apprenants à de la variabilité, ce qui améliore la robustesse des politiques résultantes en condition réelle.

Le Unitree Go2 s'est imposé ces deux dernières années comme plateforme de référence accessible dans la recherche en locomotion quadrupède, notamment face au Boston Dynamics Spot, beaucoup plus onéreux. Sa démocratisation tient au rapport coût-performance : moins de 2 000 dollars en version grand public, contre plusieurs dizaines de milliers pour ses concurrents institutionnels. Ce contexte de coût hardware décroissant est précisément la motivation affichée par les auteurs. La prochaine étape logique serait l'extension du pipeline à d'autres plateformes quadrupèdes populaires comme l'ANYmal de ANYbotics ou le Spot de Boston Dynamics, voire aux robots bipèdes, que le pipeline générique semble en principe permettre. Le preprint est disponible sur arXiv (2606.14433).

Dans nos dossiers

Boston DynamicsUnitreearXiv cs.RO

À lire aussi

R2RI : un jeu de données multi-vues d'événements et RGB pour l'interaction robot-robot
1arXiv cs.RO 

R2RI : un jeu de données multi-vues d'événements et RGB pour l'interaction robot-robot

Des chercheurs publient R2RI (Robot-to-Robot Interaction), un jeu de données présenté comme le premier conçu spécifiquement pour la tâche d'interaction robot-robot (RRI). Il réunit plusieurs robots humanoïdes de modèles différents, mis en scène dans des interactions calquées sur des comportements sociaux humains réels. Chaque scène est filmée selon deux points de vue complémentaires : une vue égocentrique, issue des capteurs embarqués de chaque robot, et une vue exocentrique, captée par des caméras fixes extérieures. Le corpus compte plus de 6,5 millions d'images et environ 5 000 vidéos à 120 images par seconde, dans deux domaines : RGB classique et caméra événementielle, qui ne transmet que les changements de luminosité pixel par pixel, avec une latence très faible et une bonne tenue aux mouvements rapides. Les auteurs comparent les avantages et limites de chaque domaine en confrontant des approches de l'état de l'art sur plusieurs tâches clés de perception et d'interaction. Données et annotations sont publiées sur GitHub (MagriniGabriele/R2RI), pour toutes les tâches et toutes les modalités. L'enjeu est d'abord méthodologique. La modélisation des interactions entre agents autonomes pèse sur les systèmes collaboratifs, la robotique sociale et la coexistence homme-robot. Elle manquait pourtant de référence à grande échelle, ce qui empêchait de comparer les méthodes entre elles. Pour un intégrateur ou un responsable d'exploitation, l'intérêt est concret : à mesure que des flottes de robots hétérogènes partagent un même espace (entrepôt, usine, site logistique), la capacité d'un robot à interpréter les gestes et intentions d'un autre devient un sujet d'ingénierie, au-delà de la simple détection d'obstacles. L'ajout du flux événementiel est notable, car ce type de capteur est précisément pertinent pour des mouvements rapides ou des éclairages difficiles, où le RGB souffre de flou et de latence. Une réserve s'impose toutefois : il s'agit d'un jeu de données, sans démonstration de déploiement. Les interactions sont scénarisées et enregistrées en environnement contrôlé, et le résumé ne précise ni les modèles de robots utilisés, ni les tâches évaluées, ni les scores obtenus. L'écart entre benchmark et comportement autonome en conditions réelles reste donc entier. Ce travail s'inscrit dans une tendance visible de la vision et de la robotique : les jeux de données d'interaction se sont d'abord concentrés sur l'humain, avec des corpus d'interactions homme-homme ou homme-robot, alors que l'interaction entre machines restait quasi absente. Avec la multiplication des humanoïdes en phase pilote chez plusieurs acteurs américains et chinois, la question de la coordination entre robots de marques différentes va gagner en importance. Les suites probables sont l'adoption du jeu de données comme banc d'essai par d'autres laboratoires, puis l'entraînement de modèles de perception sociale ou de politiques multi-agents. Aucun calendrier industriel n'est annoncé et aucun acteur européen n'est cité dans le résumé. La valeur réelle de R2RI se jugera à son adoption par la communauté et à la diversité des plateformes qu'il couvre effectivement.

RecherchePaper
1 source
Analyse de la régularisation par a priori de mouvement pour l'insertion robotique avec peu de données
2arXiv cs.RO 

Analyse de la régularisation par a priori de mouvement pour l'insertion robotique avec peu de données

Une étude diffusée sur arXiv (2609.17484) teste si des contraintes de mouvement ajoutées pendant l'entraînement améliorent la réussite d'une tâche d'insertion robotique apprise par une politique de diffusion à partir de seulement 15 démonstrations. Deux a priori sont comparés : le jerk minimal, qui pénalise les changements brusques d'accélération translationnelle prédite, et un couplage vitesse-courbure, qui lie la vitesse du geste à la géométrie de la trajectoire. Cinq configurations sont évaluées sur 80 essais réels chacune, regroupés sur quatre classes de conditions, soit 400 essais au total : jerk minimal seul et combinaison des deux a priori obtiennent chacun 70 succès sur 80 (87,5%), le couplage vitesse-courbure seul 69/80 (86,3%), le lissage générique 67/80 (83,8%), et l'absence de tout a priori 66/80 (82,5%), avec des intervalles de confiance de Wilson à 95% pour comparer ces taux. L'écart mesuré reste modeste : la régularisation combinée ne fait que 5 points de mieux que l'absence de contrainte, sans gain mesurable par rapport au jerk minimal utilisé seul. Pour les intégrateurs et chercheurs en manipulation robotique, ce résultat désigne le jerk minimal, le plus simple et le moins coûteux à implémenter, comme candidat prioritaire à répliquer plutôt qu'une combinaison plus lourde. L'insertion reste une tâche de référence difficile pour l'apprentissage par imitation quand les démonstrations sont rares, un enjeu direct pour l'industrialisation des politiques de diffusion appliquées à l'assemblage. Les auteurs soulignent eux-mêmes les limites du travail : intervalles de confiance qui se chevauchent, aucune synergie démontrée entre les deux a priori, aucune spécificité biomécanique établie, et rien ne garantit une sécurité accrue ni une robustesse face à un changement de distribution des données. Il s'agit d'une étude d'ablation prudente, pas d'une preuve de percée. Ce travail s'inscrit dans l'effort plus large pour réduire le nombre de démonstrations nécessaires à l'apprentissage par imitation, alors que les approches vision-langage-action comme Pi-0, GR00T N2 ou Helix cherchent aussi à généraliser à partir de peu de données. Le jerk minimal, emprunté aux modèles biomécaniques du mouvement humain, sert ici de biais inductif pendant l'entraînement, non de garantie de sécurité. L'étude ne cite aucune plateforme robotique commerciale ni entreprise partenaire et reste une contribution académique isolée : la suite annoncée par les auteurs est une réplication indépendante centrée sur le jerk minimal seul, sans calendrier de déploiement industriel évoqué.

RecherchePaper
1 source
KING : réseau neuronal de graphe cinématique tenant compte de l'incarnation pour une représentation unifiée du mouvement des robots à pattes et à roues
3arXiv cs.RO 

KING : réseau neuronal de graphe cinématique tenant compte de l'incarnation pour une représentation unifiée du mouvement des robots à pattes et à roues

Des chercheurs de l'AIST (National Institute of Advanced Industrial Science and Technology, Japon) publient KING, un modèle cinématique basé sur un réseau de neurones à graphes (GNN) capable d'estimer l'odométrie de robots à roues comme à pattes avec un seul et même réseau. Le système, décrit dans un preprint arXiv publié début août 2026, représente l'embodiment du robot (nombre d'articulations, points de contact au sol, roues ou pieds) sous forme de graphe commun, unifiant ainsi des cinématiques jusqu'ici traitées séparément. KING s'appuie uniquement sur une description du robot au format URDF et sur la proprioception embarquée (encodeurs et IMU), sans capteurs extéroceptifs. Entraîné sur des jeux de données couvrant plusieurs types de robots, il peut ensuite s'adapter à un nouvel embodiment via un apprentissage few-shot ne nécessitant qu'une minute de données, plutôt qu'un réentraînement complet. Les auteurs mettent en avant une précision d'odométrie supérieure aux méthodes cinématiques classiques dans des environnements réels. L'enjeu dépasse la seule performance technique. L'odométrie par capteurs extéroceptifs (caméras, lidars) se dégrade dans les environnements sans repères visuels, et l'intégration IMU seule dérive rapidement ; les modèles cinématiques restent donc une brique essentielle de la localisation robotique. Jusqu'ici, chaque nouvel embodiment imposait de réentraîner un modèle dédié, un frein concret pour les intégrateurs opérant des flottes hétérogènes mêlant AMR à roues et robots à pattes. Un modèle généraliste adaptable en quelques minutes de données réduirait significativement ce coût d'ingénierie, un argument qui parlera aux fabricants de robots quadrupèdes ou humanoïdes cherchant à mutualiser leur stack logicielle avec des plateformes à roues. Le travail s'inscrit dans une tendance plus large de représentations unifiées pour la robotique, portée notamment par les modèles vision-langage-action (VLA) qui cherchent eux aussi à généraliser au-delà d'un seul robot. KING reste à ce stade une publication de recherche, sans déploiement industriel annoncé ; une page projet est disponible en ligne, mais aucun partenaire matériel ni calendrier de commercialisation n'est mentionné.

RecherchePaper
1 source
FineART : jeu de données de trajectoires robotiques annotées finement et modèle vision-langage-action (VLA) pour la manipulation bimanuelle
4arXiv cs.RO 

FineART : jeu de données de trajectoires robotiques annotées finement et modèle vision-langage-action (VLA) pour la manipulation bimanuelle

FineART est un jeu de données de manipulation bimanuelle annotée finement, présenté sur arXiv (2609.36416v1) avec un modèle associé, FineART-VLA. Le corpus compte 40 543 épisodes, soit 1 718 heures de démonstrations, couvrant 151 tâches et 533 913 sous-tâches annotées individuellement. FineART-VLA est une politique vision-langage-action (VLA) qui prédit elle-même sa prochaine sous-tâche avant d'agir. Selon les auteurs, ce pré-entraînement intermédiaire (mid-training) fait passer le taux de réussite d'une tâche de désambiguïsation spatiale de 32,0 % à 100,0 %. Avec un guidage humain sous-tâche par sous-tâche, une tâche longue jamais vue passe de 16,0 % à 76,0 %. Après un fine-tuning minimal sur un nouveau robot, la politique demande dix fois moins de données que des références sans mid-training et généralise en zéro-shot à des tâches inédites sur ce matériel. Le jeu de données, les poids du modèle et le code d'entraînement sont publiés en open source. L'enjeu tient à la granularité des annotations plus qu'au volume. Les grands corpus mono-bras atteignent des centaines de milliers de trajectoires, mais n'associent en général qu'une instruction de haut niveau à chaque épisode. Les rares efforts bimanuels qui annotent des sous-tâches n'en couvrent qu'une fraction des heures. Or les tâches d'assemblage, de logistique ou de préparation, qui intéressent intégrateurs et industriels, sont longues, à plusieurs étapes et exigent la coordination de deux bras. Si les résultats se confirment, l'apprentissage d'un raisonnement explicite sur les sous-tâches améliore la robustesse sur les longs horizons, point faible connu des VLA. Le gain d'un facteur dix en efficacité de données lors du transfert vers un nouveau robot compte aussi pour un intégrateur : il réduit le coût de collecte de démonstrations par site ou par plateforme. Il faut toutefois rester prudent. Les chiffres viennent d'un préprint non évalué par des pairs, les 100 % portent sur une seule tâche, et les tests d'inédit reposent sur des protocoles propres aux auteurs. La part du succès due au guidage humain, sur la tâche à 76 %, est significative. Ce travail s'inscrit dans la lignée des grands jeux de données de démonstrations et des politiques généralistes de type Pi-0 ou GR00T, qui ont surtout misé sur l'échelle et les instructions globales. La tendance actuelle va vers des architectures hiérarchiques, comme Helix chez Figure, où un niveau planifie et un autre exécute. FineART propose ici un équivalent ouvert, entraînable et reproductible, ce qui le distingue des systèmes propriétaires. La suite dépendra de la reprise du jeu de données par d'autres laboratoires, de validations sur davantage de plateformes et de tâches industrielles réelles, et d'une évaluation indépendante des résultats en zéro-shot.

RechercheActu
1 source