Première déployable à centre de masse dynamique : un référentiel unifié pour l'équilibre monopode humanoïde

Une équipe de recherche en robotique humanoïde publie un constat sévère sur arXiv (2608.00500v1) : sur un benchmark dédié à l'équilibre monopode, huit politiques de contrôle unifiées considérées comme état de l'art échouent intégralement, ne tenant une position stable sur une seule jambe pour aucun des 90 mouvements testés. Ces systèmes ne préviennent pas la perte d'équilibre, ils la subissent et compensent en sautillant ou en reposant le pied au sol. Les chercheurs identifient la cause : aucune politique matérielle n'exploite le point de capture (xCoM), une variable dérivée de la vitesse du centre de masse, car son calcul classique nécessite une vitesse linéaire du bassin qu'aucun capteur embarqué ne fournit directement. Leur solution consiste à exprimer cette vitesse par rapport au pied d'appui plutôt qu'à un référentiel absolu, ce qui fait disparaître le terme problématique et rend l'observation reconstructible à partir des seuls encodeurs et de la centrale inertielle. Entraînée avec la méthode FastSAC en configuration asymétrique, avec un critique privilégié et sans distillation, la politique résultante (baptisée FDDC) tient un équilibre monopode propre sur 86 des 90 mouvements de test répartis en neuf classes de postures, et le résultat se transfère à un robot Unitree G1 réel.

Pour l'industrie humanoïde, ce travail documente un angle mort rarement chiffré : la capacité à rester stable est traitée comme acquise dans les démonstrations, alors qu'elle échoue de façon quasi systématique dès qu'on la teste rigoureusement hors des trajectoires d'entraînement habituelles. Cela relativise les vidéos de marche ou de manipulation dynamique diffusées par les fabricants, dont la robustesse posturale reste largement invérifiée en dehors du script filmé. L'étude d'ablation renforce ce point : retirer la seule observation de centre de masse dynamique fait chuter le score de 40 points, ce qui en fait le facteur dominant, davantage qu'un ajustement de récompense ou d'architecture.

Les auteurs situent leur approche dans la lignée du contrôle postural humain, dont ils traduisent terme à terme la logique de récompense, et publient l'ensemble du code ainsi qu'un benchmark sim-à-sim agnostique à la méthode, évalué dans un simulateur différent de celui de l'entraînement pour limiter le biais. L'objectif affiché est de transformer l'équilibre d'une astuce ponctuelle par tâche en une capacité mesurable et comparable à l'échelle du secteur.