Aller au contenu principal
Système Anti-Complémentarité et Fonctions Barrières de Contrôle pour un Contrôle Corporel Complet et Sûr du Robot
RecherchearXiv cs.RO 

Système Anti-Complémentarité et Fonctions Barrières de Contrôle pour un Contrôle Corporel Complet et Sûr du Robot

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

Une équipe de chercheurs publie une version révisée sur arXiv (2504.17647v2) d'un travail théorique qui établit, pour la première fois de façon formelle, l'équivalence mathématique entre deux outils utilisés séparément pour garantir la sécurité des robots en temps réel : les contraintes de complémentarité et les fonctions barrières de contrôle, plus connues sous l'acronyme CBF. La démonstration porte sur des systèmes du premier ordre à données échantillonnées, c'est à dire le cadre typique du contrôle numérique embarqué sur un robot réel, et couvre à la fois le cas d'une seule contrainte de sécurité et celui de contraintes multiples simultanées, comme lorsqu'un bras ou un robot à corps entier doit éviter plusieurs obstacles ou respecter plusieurs limites articulaires en même temps.

Cette unification théorique a une portée pratique directe pour le contrôle dit "whole body", c'est à dire la coordination de l'ensemble des degrés de liberté d'un robot humanoïde ou d'un bras manipulateur pour garantir l'évitement de collision en réactif, sans replanification lourde. Les deux communautés, celle de l'optimisation sous contraintes de complémentarité et celle des CBF popularisées ces dernières années en robotique et en conduite autonome, avaient développé des garanties de robustesse et des méthodes algorithmiques largement indépendantes. Prouver leur équivalence permet désormais de transférer directement les avancées de l'un vers l'autre : un résultat de robustesse démontré côté complémentarité devient exploitable côté CBF, et inversement, sans repartir de zéro. Pour les équipes qui développent des contrôleurs de sécurité pour robots industriels ou humanoïdes, cela signifie un choix d'implémentation moins contraint par la littérature disponible dans chaque sous domaine.

Les CBF se sont imposées depuis une dizaine d'années comme un cadre de référence pour encoder des contraintes de sécurité dans des lois de commande temps réel, tandis que les contraintes de complémentarité viennent de la tradition de l'optimisation et du contrôle optimal sous contraintes d'inégalité. Le fait que ces deux approches, nées dans des communautés distinctes, se révèlent mathématiquement équivalentes dans ce cadre précis ouvre la voie à des travaux de comparaison plus larges, notamment pour des systèmes du second ordre et des scénarios de contraintes plus complexes, que les auteurs identifient explicitement comme prochaine étape de recherche.

Dans nos dossiers

À lire aussi

Contrôle de sécurité d'un robot hyper-redondant via des fonctions barrières de contrôle pondérées adaptatives
1arXiv cs.RO 

Contrôle de sécurité d'un robot hyper-redondant via des fonctions barrières de contrôle pondérées adaptatives

Une équipe de recherche a publié en septembre 2026 sur arXiv (référence 2609.24062) un nouveau cadre de contrôle pour les robots hyper-redondants, ces structures articulées à très grand nombre de degrés de liberté utilisées pour la manipulation en espaces confinés. La méthode proposée, des fonctions de barrière de contrôle pondérées (weighted control barrier functions, W-CBF), vise à garantir l'évitement d'obstacles tout en corrigeant les erreurs de suivi de trajectoire causées par une charge répartie de façon inégale le long du corps du robot. Sur un test de suivi de trajectoire circulaire avec plusieurs configurations d'obstacles, la version à poids fixes réduit l'erreur RMS de suivi jusqu'à 59,6% en simulation et 87,7% en expérience physique, comparée à une méthode non pondérée. Une variante à pondération adaptative, calibrée sur l'écart mesuré entre simulation et réalité, gagne encore 21,9% en simulation et 8,5% en expérience physique, mais perd en précision lorsque les obstacles se rapprochent du corps du robot. Sur une tâche finale de nettoyage d'une surface rectangulaire, comparée à une téléopération manuelle, le contrôleur autonome, non optimisé pour la couverture de zone, obtient une couverture équivalente ou supérieure sans aucune collision avec le cadre environnant, alors que des collisions surviennent en pilotage manuel. Pour les intégrateurs qui déploient des robots serpents ou continuum en inspection industrielle, maintenance de réacteurs ou chirurgie mini-invasive, ce travail répond à un problème concret: sécurité géométrique et précision de trajectoire sont habituellement traitées séparément, alors qu'elles s'influencent fortement sur des structures longues et flexibles soumises à des charges non uniformes. Montrer qu'une pondération intelligente des contraintes de sécurité réduit simultanément le risque de collision et l'erreur de suivi ouvre une piste exploitable pour des applications exigeant une fiabilité proche du zéro collision en espace clos. Le résultat le plus parlant pour des décideurs B2B reste que la stratégie autonome dépasse la téléopération humaine en sécurité, un signal favorable à l'automatisation de tâches aujourd'hui confiées à des opérateurs formés, notamment en environnement dangereux ou difficile d'accès. Cette étude s'inscrit dans le champ des control barrier functions, un outil mathématique de plus en plus employé en robotique pour formaliser des garanties de sécurité, déjà répandu sur les bras robotiques et les véhicules autonomes mais encore peu exploré sur des structures hyper-redondantes dont la flexibilité complique le calcul de contraintes uniformes. Publié comme nouvelle soumission arXiv et non encore relu par les pairs, le papier ne précise ni l'institution ni le robot physique utilisé pour les essais, ce qui invite à la prudence sur la portée des chiffres, obtenus sur un nombre restreint de configurations. Les auteurs pointent eux-mêmes une limite critique, la dégradation des performances à proximité immédiate des obstacles, sensible pour tout déploiement en espace réellement encombré. Aucune feuille de route de commercialisation n'est évoquée, l'article relevant pour l'instant de la recherche méthodologique en amont d'une éventuelle intégration sur des plateformes existantes de robots serpents ou continuum.

RecherchePaper
1 source
LIMBO : apprentissage et intégration d'objectifs de barrière sans modèle pour un contrôle corporel agile et sûr
2arXiv cs.RO 

LIMBO : apprentissage et intégration d'objectifs de barrière sans modèle pour un contrôle corporel agile et sûr

Des chercheurs ont publié en septembre 2026 sur arXiv (2609.22075) LIMBO, un framework qui apprend une fonction barrière de contrôle état-action puis distille cette structure de sécurité directement dans la politique de tâche d'un robot. Le système apprend son certificat de sécurité à partir de transitions en boîte noire et d'une spécification d'échec exprimée sur les actions résiduelles autour d'un contrôleur de base figé, ce qui rend la synthèse Q-CBF praticable sur toute la dimension de contrôle du robot plutôt que sur un sous-espace réduit. Pendant l'apprentissage, la valeur de sécurité guide un échantillonnage orienté vers le risque, proche de la frontière estimée de récupérabilité, puis sert d'enseignant qui corrige action par action la politique de tâche. Les auteurs démontrent l'approche sur un humanoïde à 29 degrés de liberté effectuant deux exercices : esquiver des balles lancées façon dodgeball, et se déplacer sous des obstacles bas façon limbo. Les politiques entraînées transfèrent sur le matériel réel sans filtre de sécurité en ligne au moment du déploiement. L'enjeu dépasse la simple démonstration technique : le contrôle corps entier d'un humanoïde combine évitement de collision et équilibre sous une dynamique non linéaire de très haute dimension, ce qui rend les certificats de sécurité classiques difficiles à concevoir et à réutiliser d'un comportement à l'autre. En montrant qu'un certificat appris peut être internalisé dans la politique elle-même plutôt que vérifié en temps réel par un filtre externe, LIMBO s'attaque à un goulot d'étranglement concret pour les intégrateurs cherchant à déployer des humanoïdes agiles sans dépendre d'une couche de sécurité coûteuse en calcul à l'exécution. Le résultat le plus notable pour le secteur est peut-être que faire varier la concentration de l'échantillonnage sous la même spécification de sécurité fait émerger des stratégies différentes, de l'accroupissement classique jusqu'à une manœuvre inédite de limbo en appui arrière, preuve que la marge de sécurité peut façonner un répertoire de mouvements plutôt que le brider uniformément. Le travail s'inscrit dans la lignée des fonctions barrières de contrôle (CBF), historiquement conçues manuellement et difficiles à faire passer à l'échelle sur des systèmes à haute dimension comme un corps entier robotique ; les filtres de sécurité en ligne restent la norme dans une partie de la recherche en apprentissage par renforcement sûr. Il s'agit ici d'une préimpression arXiv non encore validée par les pairs, testée sur deux scénarios et une seule plateforme matérielle ; les auteurs ne précisent ni calendrier de suite ni extension annoncée à d'autres robots ou tâches.

RecherchePaper
1 source
Commande corpo-entière sûreté-critique pour robots humanoïdes via les barrières de contrôle entrée-état
3arXiv cs.RO 

Commande corpo-entière sûreté-critique pour robots humanoïdes via les barrières de contrôle entrée-état

Des chercheurs ont publié sur arXiv (référence 2605.25546) un framework hiérarchique de contrôle sécurisé corps entier pour robots humanoïdes, fondé sur les fonctions barrières robustes aux perturbations (ISSf-CBF, Input-to-State Safe Control Barrier Functions). L'architecture s'articule en trois couches : un contrôleur whole-body cinématique (KinWBC) qui génère des références articulaires à partir de tâches priorisées, un filtre ISSf-CBF qui les ajuste au minimum pour satisfaire les contraintes de sécurité sous perturbations bornées, et un contrôleur whole-body dynamique (DynWBC) qui garantit la faisabilité corps entier et la stabilité des contacts. Les contraintes couvertes incluent les limites articulaires, l'évitement d'auto-collision, l'évitement d'obstacles et les frontières du workspace. Validé en simulation et sur robot réel, le système a été testé dans trois scénarios : locomotion, téleopération et équilibre monopode avec contrôle simultané des mains. L'intérêt de l'approche tient à un problème fondamental en robotique humanoïde : les garanties de sécurité formelles s'effondrent dès qu'apparaît un écart entre le modèle de simulation et le comportement physique réel. Les CBFs classiques supposent un système parfaitement connu et deviennent fragiles face aux incertitudes de modèle, aux erreurs de suivi de trajectoire ou aux perturbations externes, précisément les conditions d'un environnement industriel. Les ISSf-CBFs étendent ce formalisme en admettant des perturbations bornées tout en maintenant des garanties formelles transférables du niveau cinématique vers la dynamique complète. Le filtre intervient de façon minimalement invasive, ne corrigeant les références nominales que lorsque nécessaire, ce qui préserve la performance globale. C'est une réponse directe au "demo-to-reality gap" structurellement reproché aux humanoïdes actuels, et un prérequis pour toute certification de robot collaboratif en environnement humain. Les Control Barrier Functions sont un outil bien établi en automatique, popularisé dans les années 2010 pour les véhicules autonomes et les bras robotiques. Leur extension aux ISSf-CBFs pour la robustesse aux perturbations est plus récente, et leur application à un humanoïde corps entier avec des dizaines de degrés de liberté, des contacts multiples et des dynamiques non linéaires représente un saut de complexité notable. Dans la course actuelle aux humanoïdes, les acteurs comme Figure, Boston Dynamics, Tesla (Optimus), Agility Robotics, Apptronik ou Unitree publient peu sur les garanties de sécurité formelles corps entier, un domaine resté majoritairement académique. Ce travail n'annonce pas de déploiement industriel, mais fournit une brique méthodologique directement applicable aux pipelines de validation et de certification des futurs robots collaboratifs.

UELes garanties de sécurité formelles apportées par ce framework sont directement pertinentes pour la certification des robots collaboratifs humanoïdes dans le cadre du Machinery Regulation et de l'AI Act européens.

RecherchePaper
1 source
Risque et contrôle de croyance sous contraintes : fonctions barrières pour ensembles finis aléatoires
4arXiv cs.RO 

Risque et contrôle de croyance sous contraintes : fonctions barrières pour ensembles finis aléatoires

Des chercheurs publient sur arXiv (2607.15016v1) un cadre baptisé "risk-aware belief control barrier function" (BCBF) pour sécuriser le contrôle de robots évoluant dans des environnements inconnus et dynamiques, où le nombre d'objets mobiles à éviter varie dans le temps et n'est connu qu'à travers des mesures bruitées et incomplètes. L'incertitude sur cet état multi-objets est modélisée par une croyance au format random finite set (RFS), estimée par un filtre SMC-PHD (sequential Monte Carlo probability hypothesis density) qui la représente sous forme d'un nuage de particules. À partir de ces particules, les auteurs construisent directement une fonction barrière de contrôle non lisse, démontrent l'invariance de l'ensemble de sécurité sous prédiction continue, et établissent une condition explicite garantissant que les mises à jour discrètes du filtre ne compromettent pas cette sécurité. La méthode est validée en simulation puis lors d'expériences réelles en environnement sous-marin. Ce travail s'attaque à un point de friction connu entre théorie du contrôle et déploiement réel: la plupart des control barrier functions classiques supposent un nombre d'obstacles fixe et connu, hypothèse rarement vraie hors laboratoire. En couplant directement le filtre PHD, qui gère nativement apparitions, disparitions et bruit de détection, à la barrière de sécurité, l'approche évite l'étape fragile de "suivi puis contrôle" où des erreurs d'association de données peuvent silencieusement casser les garanties de sécurité. Pour les intégrateurs de robots mobiles ou sous-marins opérant en environnement encombré et faiblement instrumenté, cela ouvre la voie à des garanties formelles même quand la perception reste imparfaite, un cas de figure encore mal couvert par les CBF probabilistes existantes, souvent limitées à la simulation. Les control barrier functions se sont imposées depuis une dizaine d'années comme outil de référence du contrôle sûr en robotique, notamment via les travaux d'Aaron Ames à Caltech, mais leur extension à l'incertitude multi-objets reste un champ actif. Les filtres PHD, eux, dérivent des travaux de Ronald Mahler sur les ensembles finis aléatoires appliqués au suivi multi-cibles, formalisme né en défense et surveillance radar avant sa percée en robotique mobile. Aucun partenariat industriel ni calendrier de transfert n'est mentionné: il s'agit pour l'instant d'une preuve de concept en environnement sous-marin contrôlé, sa généralisation à d'autres domaines restant une piste ouverte.

RecherchePaper
1 source