Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Une approche de machine à états finis partiellement spécifiée pour la planification de comportements complexes
RecherchearXiv cs.RO 

Une approche de machine à états finis partiellement spécifiée pour la planification de comportements complexes

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

Des chercheurs proposent une nouvelle architecture neurosymbolique baptisée GPSFSM (Generative Partially Specified Finite State Machine), destinée à la planification de comportements pour robots autonomes évoluant en environnement dynamique. Contrairement aux approches existantes qui couplent des grands modèles de langage (LLM) à des Behavior Trees (BT), cette équipe mobilise les machines à états finis (FSM), un formalisme largement adopté pour son efficacité de calcul mais jusqu'ici jamais exploité dans un cadre génératif. Le système repose sur trois briques logicielles publiées en open source : Fabric, un moteur FSM capable d'analyser, valider et exécuter des plans de comportement incluant des structures de contrôle séquentielles, de récupération d'erreur, et parallèles (Parallel-Any, Parallel-All) ; une extension du package Capabilities2 pour ROS2, dotée d'un système d'événements asynchrones pour l'enchaînement de comportements et l'injection de paramètres en temps réel ; et PromptTools, une interface ROS2 unifiée vers des LLM locaux ou cloud. L'ensemble a été testé sur des tâches de navigation robotique et comparé au système de référence BTGenBot.

Ce travail s'attaque à un problème connu du secteur : la capacité des plans générés par LLM à réellement s'exécuter de façon fiable, en particulier en zero-shot, un scénario où les Behavior Trees peinent traditionnellement. Les auteurs rapportent des taux de réussite de génération de plans systématiquement supérieurs à BTGenBot, avec une latence de planification comparable ou inférieure à celle de LLM frontière. Pour les intégrateurs et développeurs ROS2, l'intérêt réside surtout dans la standardisation : des descriptions sémantiques de capacités communes permettent un développement agnostique du robot cible, un enjeu concret pour qui déploie des flottes hétérogènes de machines.

L'essor des Behavior Trees couplés aux LLM a déjà produit plusieurs systèmes de planification générative, mais les FSM, malgré leur ancienneté et leur robustesse dans l'industrie, restaient absentes de cette dynamique. En comblant ce vide et en publiant l'intégralité de la pile logicielle sous licence ouverte, les auteurs cherchent à rendre la planification FSM générative reproductible et directement testable par la communauté robotique, sans toutefois annoncer de déploiement en conditions réelles au-delà des bancs d'essai de navigation présentés dans l'article.

À lire aussi

Arbres de fibration : une approche unifiée pour la planification de mouvement multi-robots
1arXiv cs.RO 

Arbres de fibration : une approche unifiée pour la planification de mouvement multi-robots

Une équipe de chercheurs a publié le 11 juin 2026 sur arXiv (2606.12070) un framework mathématique baptisé "fibration trees" visant à unifier les méthodes de planification de mouvement pour des équipes de robots multiples. Le système repose sur une structure en arbre où chaque noeud représente un espace d'états et chaque arête une fibration, c'est-à-dire une projection d'un espace de haute dimension vers un espace simplifié de dimension inférieure. Sur cette base formelle, les chercheurs ont développé un planificateur d'échantillonnage appelé Fibration-RRT (Rapidly-Exploring Random Fibration Trees), validé sur 32 scénarios impliquant des équipes de robots atteignant jusqu'à 96 degrés de liberté (DOF). L'implémentation est publiée en open source, et le planificateur est prouvé probabilistiquement complet. L'enjeu est la fameuse "malédiction de la dimensionnalité" : dès que l'on coordonne plusieurs robots, l'espace de configuration combiné explose exponentiellement, rendant la planification classique intractable. Les approches existantes répondaient à ce problème soit par la priorisation séquentielle (planifier les robots un par un), soit par la décomposition parallèle (sous-espaces indépendants), soit par des projections dans l'espace des tâches, mais sans framework commun capable de combiner ces stratégies. Fibration-RRT généralise à la fois le quotient-space RRT et le discrete RRT sous un formalisme unique, ce qui permet en théorie à un intégrateur de définir sa propre structure d'arbre selon la topologie du problème plutôt que de choisir entre des outils incompatibles. La robustesse sur 96 DOF est un signal technique solide, même si l'article ne fournit pas de comparaison de temps de cycle sur des benchmarks standardisés industrie. La planification de mouvement multi-robot est un domaine mature sur le plan académique, porté depuis la fin des années 1990 par les algorithmes RRT de Steven LaValle et leurs variantes (RRT*, BiRRT, quotient-space RRT de Orthey et al.). Le besoin d'unification se fait sentir à mesure que les déploiements AMR (autonomous mobile robots) et les cellules robotisées industrielles complexifient les interdépendances entre agents. Aucun acteur industriel n'est mentionné dans ce préprint, qui reste pour l'instant une contribution théorique. Les prochaines étapes naturelles seraient une validation sur des plateformes physiques et une intégration dans des middlewares standards comme ROS 2 MoveIt, qui constitue aujourd'hui la référence dans les projets d'intégration multi-bras.

RecherchePaper
1 source
Apprentissage de comportements réflexes pour la manipulation riche en contacts
2arXiv cs.RO 

Apprentissage de comportements réflexes pour la manipulation riche en contacts

Des chercheurs publient sur arXiv (2610.02811) une politique « réflexe » proprioceptive pour la manipulation riche en contacts. Elle est entraînée uniquement en simulation, sur trois primitives d'interaction très simples : un ressort, un plan et un rail. Elle convertit des commandes exprimées dans l'espace tâche en consignes de position articulaire, à partir de l'historique d'état du robot. Elle n'utilise aucune mesure directe de force ni de géométrie. Une fois entraînée, elle est figée et placée sous des contrôleurs de plus haut niveau, comme une couche d'exécution. Les tests couvrent le levage de caisse à deux bras, l'insertion de pion et le suivi de surface. Pour la caisse, la force reste sous le seuil fixé, alors que la référence échoue. Sur surface rugueuse, elle reste sous la référence de 10 N, au niveau d'un contrôle hybride force-position réglé à la main. Pour l'insertion de pion avec un jeu de 0,02 mm, la force de contact moyenne estimée est divisée par plus de deux, et le taux de réussite sur matériel passe d'au plus 22 % à 36-58 %. L'intérêt tient à la séparation entre génération de commande et réponse au contact. Les approches courantes, contrôle en position, hybride force-position ou impédance cartésienne, imposent une raideur, un objectif de suivi ou des directions de force qui ne correspondent pas toujours à la géométrie locale. Ici, une même couche réflexe peut servir sous un planificateur de mouvement, une politique apprise (type VLA) ou un opérateur en téléopération, sans réglage propre à chaque tâche. Si le résultat se confirme, il va dans le sens d'un transfert sim-to-real réussi pour le contact avec des primitives minimales. Il permet aussi un contrôle sans capteur de force, donc moins coûteux, ce qui intéresse les intégrateurs de cellules d'assemblage. Les limites sont nettes : les taux d'insertion de 36-58 % restent loin des exigences industrielles, la force de contact est estimée et non mesurée, et le résumé ne précise ni la plateforme ni le nombre d'essais. Ce travail s'inscrit dans le débat entre contrôle classique du contact (impédance, admittance, hybride force-position) et apprentissage par renforcement en simulation, jusqu'ici surtout appliqué à la locomotion. Il ne s'agit pas d'un produit mais d'une prépublication v1, non évaluée par les pairs, sans calendrier de déploiement. Les suites logiques sont une validation sur davantage de tâches et de robots, une comparaison avec des politiques de manipulation de bout en bout, et une intégration sous des modèles VLA, qui produisent des commandes de haut niveau peu sensibles aux contraintes de contact.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Système de tâches et de planification min-max regret pour un robot multi-hétérogène en environnement partiellement connu
3arXiv cs.RO 

Système de tâches et de planification min-max regret pour un robot multi-hétérogène en environnement partiellement connu

Une nouvelle étude publiée sur arXiv (2607.13403) propose un cadre de planification pour l'allocation de tâches dans des systèmes multi-robots hétérogènes (HMRS) évoluant en environnement partiellement connu. Le problème est formulé comme une optimisation min-max regret, avec une nouvelle représentation appelée Region-Binding Atomic Proposition (RbAP), qui encode directement l'incertitude sur les ressources dans la structure de l'automate utilisé pour exprimer les contraintes logiques temporelles des tâches. Pour résoudre ce problème, les auteurs introduisent un Extended Planning Decision Tree (E-PDT), couplé à une stratégie de Branch-and-Bound basée sur le regret (Regret-based BnB) qui élague dynamiquement les politiques sous-optimales. Contrairement aux approches classiques qui s'appuient sur des probabilités a priori ou une analyse de pire cas, cette méthode ajuste en continu l'arbitrage entre exploration des zones incertaines et exploitation des ressources déjà connues. L'équipe affirme une scalabilité quasi linéaire par rapport au nombre de robots et de types de robots, avec des gains significatifs en qualité de solution et en temps de calcul face à des méthodes de référence basées sur la programmation linéaire en nombres entiers mixtes (MILP), validés par des expériences numériques et des essais physiques. L'enjeu principal est la complexité exponentielle qui bloque aujourd'hui le déploiement de flottes de robots hétérogènes à grande échelle dès que les tâches impliquent des contraintes logiques complexes en environnement mal cartographié, un scénario courant en logistique, entrepôt ou intervention en zone partiellement explorée. Si les résultats se confirment au-delà du cadre académique, cela réduirait le compromis habituel entre robustesse théorique et coût de calcul, un frein connu pour les intégrateurs qui cherchent à faire monter en charge des flottes AMR mixtes sans tout recalculer à chaque mise à jour de la carte. Il faut toutefois noter que l'article reste un preprint arXiv de type recherche, sans indication du nombre de robots testés en conditions physiques réelles ni de partenaire industriel identifié, donc la portée pratique du gain de scalabilité annoncé reste à confirmer en dehors du banc d'essai des auteurs. Ce travail s'inscrit dans la lignée des recherches sur la planification multi-robots sous logique temporelle linéaire (LTL), un domaine où les méthodes MILP servent traditionnellement de référence malgré leur coût de calcul croissant avec la taille de la flotte. L'apport revendiqué ici est de sortir du dilemme entre méthodes probabilistes, qui nécessitent des priors souvent invérifiables sur le terrain, et méthodes pire-cas, jugées trop conservatrices. Les auteurs annoncent une preuve théorique de faisabilité et de complétude de leur approche, mais l'article ne précise pas de calendrier de suivi, de code source public ou de collaboration industrielle pour une validation à plus grande échelle.

RecherchePaper
1 source
UniConFlow : un cadre unifié d'appariement de flux sous contraintes pour une planification de mouvement certifiée
4arXiv 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