Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RoamFlow : une politique de navigation par image-objectif alignée par renforcement en une seule étape
RecherchearXiv cs.RO 

RoamFlow : une politique de navigation par image-objectif alignée par renforcement en une seule étape

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

Des chercheurs ont publié en juin 2026 sur arXiv (2606.29934) RoamFlow, un framework de navigation robotique ciblant l'image-goal navigation : un robot mobile doit rejoindre une destination définie uniquement par une image de la cible, sans carte préétablie ni coordonnées GPS. Le système repose sur MeanFlow, une approche générative qui prédit le champ de vitesse moyen d'une trajectoire, réduisant le nombre d'étapes d'inférence par rapport à une diffusion itérative classique et abaissant ainsi la latence en conditions temps réel. L'entraînement se déroule en deux phases : une imitation d'expert pour initialiser la politique de manière stable, suivie d'un affinage par apprentissage par renforcement (RL) pour optimiser la performance sur la tâche cible. Les expériences sont conduites dans le simulateur Habitat de Meta et sur des plateformes robotiques physiques.

L'intérêt de l'approche réside dans la combinaison d'une inférence rapide avec un modèle génératif, là où les politiques RL classiques peinent à modéliser des dépendances long-horizon et produisent des trajectoires sous-optimales. MeanFlow contourne le débruitage itératif des modèles de diffusion standards, un verrou réel pour les applications embarquées sous contraintes temps réel. La stratégie imitation-puis-RL adresse un problème bien documenté : le behavioral cloning seul ne généralise pas hors distribution, tandis que le RL pur est instable à l'initialisation. Toutefois, l'abstract ne fournit aucune métrique précise : ni taux de succès, ni temps de cycle, ni comparaison quantitative avec l'état de l'art, ce qui limite l'évaluation indépendante à ce stade de publication.

Ce travail s'inscrit dans le champ de la navigation incarnée (embodied navigation), organisé autour des benchmarks Habitat de Meta, dont PointNav, ObjectNav et ImageNav. Les approches concurrentes combinent des transformers visuels avec du RL proximal (PPO), ou exploitent des modèles VLA comme pi0 de Physical Intelligence ou GR00T N2 de NVIDIA pour la généralisation inter-tâches. MeanFlow s'apparente aux travaux récents sur le flow matching appliqué à la robotique (Diffusion Policy, π0-flow), avec une reformulation par champ de vitesse moyen qui reste à valider à grande échelle et sur des benchmarks standardisés. Ce papier est un preprint arXiv, non encore évalué par les pairs, sans date de soumission à une conférence ni annonce de déploiement industriel.

Dans nos dossiers

NVIDIA GR00TPhysical Intelligence — π0arXiv cs.RO

À lire aussi

OMP : politique Meanflow en une étape avec alignement directionnel
1arXiv cs.RO 

OMP : politique Meanflow en une étape avec alignement directionnel

Une équipe de chercheurs publie OMP (One-step MeanFlow Policy), un framework de contrôle de manipulation robotique capable de générer des trajectoires d'action en une seule passe d'inférence, contre plusieurs dizaines pour les approches par diffusion actuellement dominantes. Présenté sur arXiv (2512.19347, version 3), OMP adapte le paradigme MeanFlow, conçu à l'origine pour la génération d'images, au domaine du contrôle robotique. L'architecture introduit deux contributions techniques principales : un mécanisme d'alignement directionnel (directional alignment) qui synchronise explicitement les vitesses prédites avec les vitesses moyennes réelles, et une Équation de Dérivation Différentielle (DDE) qui approxime l'opérateur Jacobien-Vecteur (JVP) pour découpler les passes avant et arrière, réduisant significativement la complexité mémoire. Évalué sur les benchmarks Adroit et Meta-World, OMP surpasse les méthodes état de l'art en taux de succès et précision de trajectoire, notamment sur les tâches haute précision. L'enjeu est direct pour les intégrateurs et équipes R&D : la latence d'inférence est aujourd'hui le principal goulot d'étranglement des politiques génératives en manipulation temps-réel. Les Diffusion Policies nécessitent typiquement 10 à 100 passes de débruitage par décision, rendant leur déploiement sur hardware embarqué ou dans des boucles de contrôle à haute fréquence difficile. Une politique single-step qui conserve ou dépasse la précision des diffusion models représenterait un saut d'utilisabilité industrielle significatif. La réduction de la complexité mémoire via DDE est également pertinente pour des cibles de déploiement à ressources contraintes. Les résultats sur Adroit et Meta-World sont encourageants, bien que ces benchmarks simulés restent éloignés des conditions de déploiement réel et que la generalisation sim-to-real demeure non démontrée. Le contexte académique dans lequel s'inscrit OMP est dense : les politiques par diffusion (Diffusion Policy, ACT) ont dominé le benchmark de manipulation ces deux dernières années, et l'émergence des VLA (Vision-Language-Action models) comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA a encore densifié le champ. Les approches par flow matching (dont MeanFlow est une variante) cherchent à concurrencer la diffusion en offrant une trajectoire d'inférence plus directe, inspirées des succès en génération d'images avec des modèles comme Stable Diffusion 3. OMP se positionne dans cette lignée avec une correction théorique spécifique aux pathologies robotiques (biais spectral, starvation de gradient en régime basse vitesse) absentes en vision. Aucun déploiement industriel ni partenariat commercial n'est annoncé à ce stade ; il s'agit d'une contribution de recherche fondamentale avec résultats sur simulateurs.

RecherchePaper
1 source
Une seule démonstration suffit pour l'apprentissage par renforcement robotique en conditions réelles
2arXiv cs.RO 

Une seule démonstration suffit pour l'apprentissage par renforcement robotique en conditions réelles

Des chercheurs présentent AutoSERL, un framework d'apprentissage par renforcement (RL) pour robots qui n'a besoin que d'une seule démonstration humaine pour apprendre des tâches de manipulation complexes en conditions réelles, sans intervention humaine continue pendant l'entraînement. Le système repose sur trois mécanismes complémentaires : une fenêtre glissante d'intervention qui guide l'exploration pour éviter les minima locaux et les mouvements dangereux, un mécanisme de récupération de sécurité qui détecte les échecs et corrige la trajectoire via des points de reprise prédéfinis, et un critère d'arrêt automatique qui coupe le guidage dès que la politique apprise devient autonome. Les auteurs ont testé AutoSERL sur six tâches de manipulation à contact intensif (insertion, accrochage, tâches à charnière) réparties sur deux plateformes robotiques différentes. Le framework atteint 100% de réussite sur les tâches d'insertion et dépasse systématiquement SERL entraîné avec 20 démonstrations, l'apprentissage par imitation classique (behavior cloning) et MILES, une méthode dédiée à l'apprentissage en un coup, tout en égalant les performances de HIL-SERL qui nécessite lui une supervision humaine continue. L'intérêt pour l'industrie tient à la réduction drastique du coût de collecte de données, généralement le principal frein au déploiement de RL sur du matériel physique. La plupart des approches existantes exigent soit des dizaines de démonstrations, soit un opérateur qui intervient en permanence pendant l'entraînement, ce qui limite le passage à l'échelle en usine ou en intégration industrielle. En automatisant l'intervention à partir d'un seul exemple tout en conservant une robustesse aux variations de position des pièces, AutoSERL rapproche le RL réel de tâches d'assemblage fin, un terrain où les approches purement basées sur l'imitation ou les politiques VLA préentraînées peinent encore à garantir une fiabilité industrielle. Ce travail s'inscrit dans la lignée de SERL et HIL-SERL, frameworks de référence pour le RL avec intervention humaine sur robots physiques, en cherchant à supprimer leur principale contrainte opérationnelle. Le code et les vidéos de démonstration sont publiés par les auteurs sur un site dédié, mais le papier, déposé sur arXiv le 1er juillet 2026, reste à ce stade une contribution de recherche académique évaluée en laboratoire sur deux plateformes robotiques, sans indication de déploiement industriel ni de partenariat commercial annoncé.

RecherchePaper
1 source
Kinematic MeanFlow : une politique de génération d'actions en une seule étape pour les modèles fondation en robotique
3arXiv cs.RO 

Kinematic MeanFlow : une politique de génération d'actions en une seule étape pour les modèles fondation en robotique

Des chercheurs affiliés à Intel Chine proposent Kinematic MeanFlow (K-MF), une politique de génération d'actions en une seule étape pour les modèles de fondation robotiques (RFM), publiée sur arXiv (2610.00864v1). L'objectif est de supprimer la latence d'inférence du flow matching multi-étapes, qui impose plusieurs passes de débruitage dans la tête d'action. Les auteurs constatent d'abord qu'une application directe de MeanFlow, cadre censé permettre la génération en un pas, fait s'effondrer les performances. Ils l'attribuent à deux dynamiques propres au champ de vitesse des RFM : l'« accélération locale » reste stable au début du débruitage puis grimpe brutalement vers la fin, et la dispersion des amplitudes entre échantillons s'élargit à mesure que le débruitage avance. K-MF repose sur une identité cinématique. Il scinde le terme de dérivée temporelle de MeanFlow en deux termes sur des sous-intervalles, séparés par un point intermédiaire. Chaque terme capte la dynamique du début ou de la fin du débruitage, ce qui limite l'amplification des erreurs. Sur GR00T-N1.6, la latence de la tête d'action baisse de 67,5 % à 74,4 % selon les configurations (GPU L40 et Jetson Orin, modes eager et compilé). La latence de bout en bout baisse de 30,3 % à 54,9 %. Le code sera publié sur GitHub (IntelChina-AI/K-MF). L'enjeu est très concret pour les intégrateurs et les équipes embarquées. Les politiques VLA basées sur la diffusion ou le flow matching, comme GR00T ou Pi-0, paient un coût d'inférence multiplié par le nombre d'étapes, ce qui limite la fréquence de contrôle, surtout sur du matériel embarqué de classe Jetson Orin. Le gain de bout en bout reste nettement inférieur au gain sur la tête d'action : le reste du modèle (encodeur visuel, backbone langage) devient alors le goulot d'étranglement. Les auteurs affirment aussi que K-MF fonctionne en entraînement from scratch comme en fine-tuning, et dépasse le flow matching multi-étapes « dans la plupart des cas ». Cette formulation appelle à la prudence. Il s'agit d'une préimpression non relue par des pairs, et le résumé ne donne ni taux de réussite précis, ni liste de tâches, ni validation sur robot physique. Aucun déploiement industriel n'est annoncé. Le travail s'inscrit dans une course à la réduction de la latence des politiques génératives. MeanFlow a émergé comme alternative aux approches par distillation ou par consistance, et la distillation en une étape ou les têtes d'action plus légères restent les principales pistes concurrentes. Le choix de GR00T-N1.6 de NVIDIA comme banc d'essai et des plateformes L40 et Jetson Orin reflète la réalité du déploiement actuel des humanoïdes, où la puissance de calcul embarquée est contrainte. L'implication d'Intel Chine laisse penser que l'optimisation de l'inférence en périphérie est un axe stratégique pour le fabricant. La suite dépendra de la publication du code, qui permettra à la communauté de reproduire les résultats, de les tester sur d'autres architectures VLA et de vérifier si l'accélération se maintient sur des tâches réelles de manipulation fine.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
GS-PRM : une feuille de route visuelle gaussienne pour la navigation guidée par image-objectif
4arXiv cs.RO 

GS-PRM : une feuille de route visuelle gaussienne pour la navigation guidée par image-objectif

Des chercheurs proposent GS-PRM, une « feuille de route visuelle gaussienne » destinée à la navigation par image-but, c'est-à-dire la tâche où un robot doit rejoindre un point défini uniquement par une image. La méthode s'appuie sur le 3D Gaussian Splatting (3DGS), qui fournit des rendus RGB, d'opacité et de profondeur recalés sur la carte, mais n'encode pas la topologie navigable. GS-PRM construit donc, directement par rendu 3DGS, des jalons, des connexions locales et des images de référence, sans passer par une grille d'occupation ni par un champ de distance signée. La profondeur panoramique donne une marge de dégagement prudente pour valider les jalons et adapter la couverture. Un rendu orthographique aligné sur chaque arête teste le volume balayé par le robot. Les auteurs définissent des configurations et des chemins « RC-free » (sans collision au sens du rendu) et démontrent une correction conditionnelle, ainsi que des conditions suffisantes de complétude déterministe des requêtes et de complétude probabiliste de la construction. Les tests, en simulation et en environnement réel, portent sur de la navigation longue portée pilotée par des politiques conditionnées par le but. Face à un système de navigation 3DGS de référence, GS-PRM atteint jusqu'à deux fois le taux de succès moyen et réduit le temps de trajet jusqu'à 57,2 % lorsque les deux systèmes mènent la tâche à terme. Il s'agit d'une prépublication arXiv (v1), sans relecture par les pairs. L'intérêt tient à la jonction entre cartographie photoréaliste et planification globale. Le 3DGS est surtout utilisé pour la reconstruction et le rendu, rarement comme représentation directement exploitable par un planificateur. Un planificateur qui n'a besoin ni de grille d'occupation ni de SDF évite une étape de conversion, source d'erreurs et de coûts, et les mêmes rendus servent à la fois à valider la géométrie et à fournir des observations que la politique locale peut suivre. Pour les intégrateurs et les équipes qui déploient des robots mobiles, c'est une piste vers des cartes plus simples à produire à partir de captures vidéo, avec des garanties formelles rares dans ce domaine. Le gain de 57,2 % sur le temps de trajet est toutefois conditionnel : il ne vaut que lorsque les deux systèmes réussissent, et le résumé ne précise ni le nom du système comparé, ni la taille des scènes, ni le nombre d'essais réels. La portée des garanties dépend aussi des hypothèses de la théorie, notamment la qualité du rendu 3DGS. Ce travail s'inscrit dans la lignée des PRM (probabilistic roadmaps), classiques de la planification de mouvement, et dans l'essor de la navigation image-but et des politiques conditionnées par le but, qui ont besoin d'un planificateur global fournissant des points de passage visuels. Il concurrence d'autres systèmes de navigation fondés sur le 3DGS et les approches à cartes topologiques ou à grilles d'occupation. Aucune échéance de déploiement ni partenaire industriel n'est mentionné : on reste au stade de la recherche. Les prochaines étapes à surveiller sont la mise à disposition du code, la validation sur de plus grands environnements, notamment dynamiques, et la robustesse des rendus lorsque la scène change.

RecherchePaper
1 source