RecherchearXiv cs.RO 5 août 2026

Robot mobile autonome, une approche hiérarchique pour l'apprentissage par imitation appliqué aux tâches de manipulation à forces variables dans le temps

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche en robotique présente DPA-FTG (Diffusion Policy Augmented by Fast Trajectory Generation), une architecture hiérarchique pour les tâches de manipulation contact-riche nécessitant des forces variables dans le temps, comme le désassemblage. La méthode sépare une planification lente d'une régulation de force rapide. À 5 Hz, un modèle de diffusion conditionnel choisit une stratégie dans un vocabulaire appris de primitives de tâche. À 60 Hz, une politique légère conditionnée par la force agit comme un contrôleur d'impédance neuronal, ajustant l'exécution en temps réel pour garder le contact stable. Testée sur une tâche bimanuelle de désassemblage de batterie, avec séparation d'une feuille souple, DPA-FTG surpasse les références existantes, dont Reactive Diffusion Policy (RDP).

Le problème ciblé est connu : le débruitage itératif des politiques de diffusion crée une latence incompatible avec le contrôle haute fréquence qu'exigent des gestes dynamiques comme buriner ou faire levier. Les méthodes d'action-chunking récentes réduisent cette latence mais restent en boucle ouverte, donc aveugles aux à-coups de force provoqués par une fracture soudaine. Pour l'industrie, l'enjeu est concret : le désassemblage de batteries est central pour le recyclage des véhicules électriques, où la manipulation de matériaux déformables exige une réaction immédiate à la rupture. L'étude s'inscrit dans un débat plus large du secteur, celui du passage à l'échelle des politiques VLA généralistes face à des architectures hiérarchiques plus spécialisées, mieux adaptées aux tâches de contact fin.

Les politiques de diffusion se sont imposées pour leur capacité à apprendre des comportements multimodaux complexes, mais leur coût d'inférence limite les applications dynamiques. Les approches visuo-tactiles récentes corrigent surtout la position ; DPA-FTG s'en distingue en séparant explicitement planification et régulation de force, avec RDP comme comparaison directe. Il s'agit pour l'instant d'une étude publiée sur arXiv en août 2026, validée en laboratoire sur un montage bimanuel et non déployée industriellement. L'article ne donne pas de calendrier de transfert vers la production, mais trace une piste pour des cellules de désassemblage automatisées plus robustes aux variations de force lors d'événements de fracture.

Impact France/UE

Le désassemblage automatisé de batteries intéresse les filières de recyclage européennes soumises au règlement UE sur les batteries, mais l'étude n'implique aucun acteur ni déploiement français ou européen identifié.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

L'apprentissage par robot en contexte simplifié : une recette accessible pour les tâches de manipulation

Des chercheurs proposent SimpleICL, un cadre minimaliste et reproductible pour l'apprentissage en contexte (ICL, in-context learning) en robotique. Le principe est de laisser un robot déduire puis exécuter une tâche à partir de démonstrations visuelles, sans réentraînement. L'étude, publiée sur arXiv (2609.38173v1), commence par corriger un défaut de formulation. Une démonstration visuelle mélange trajectoires d'actions, sémantique des objets, affordances de manipulation, relations spatiales et but de la tâche. On ne sait donc pas ce que le robot doit réellement imiter. Les auteurs définissent explicitement la cible d'apprentissage pour lever cette ambiguïté du prompt visuel. Sur cette base, ils construisent SimpleICL, qui associe un encodeur de prompt visuel à un protocole de collecte de données à faible coût. Selon eux, il n'exige ni pré-entraînement massif ni infrastructure de données spécialisée. Ils annoncent de bonnes performances en simulation et en environnement réel. Le résumé ne donne ni score, ni taux de réussite, ni plateforme robotique, ni volume de données, et ces points restent à vérifier dans l'article complet. Les expériences mettent en évidence quatre propriétés de l'ICL robotique : la discrimination des actions, de la sémantique, de la composition et des affordances. Les données et le pipeline d'entraînement doivent être publiés en open source. L'intérêt tient moins à un résultat chiffré qu'à la remise à plat du problème. Une grande partie des travaux sur les VLA (vision-language-action, modèles qui transforment images et instructions en actions) repose sur des instructions textuelles et des volumes de pré-entraînement très élevés. L'ICL par démonstration visuelle promet une autre logique : montrer une fois la tâche plutôt que reprogrammer ou affiner un modèle. Pour un intégrateur, cela pourrait réduire le coût de changement de série ou de poste. Si l'approche se confirme sans données massives, elle abaisse la barrière d'entrée pour les laboratoires et les PME, et fournit une base de comparaison reproductible dans un domaine où les protocoles divergent. La définition de la cible d'apprentissage donne aussi un cadre pour évaluer ce que le robot a compris d'une démonstration, ce qui manque souvent aux démos spectaculaires. Ce texte reste un travail de recherche. Il ne décrit ni produit livré ni déploiement industriel, et l'écart entre laboratoire et atelier reste entier. Ces travaux s'inscrivent dans la suite de l'ICL apparu avec les grands modèles de langage, puis transposé à la manipulation robotique par imitation à un ou peu de coups. Les grands acteurs des modèles fondation, comme Physical Intelligence avec Pi-0, NVIDIA avec GR00T ou Figure avec Helix, misent sur des volumes de données et de calcul importants. SimpleICL vise une voie plus légère et ouverte, dont la pertinence dépendra de la généralisation à des tâches longues, à d'autres robots et à des scènes non vues. La suite dépend de la publication effective du code et des données, promise mais pas encore vérifiable. Une réplication indépendante, notamment par des laboratoires européens, serait le vrai test.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Apprentissage par imitation régularisé par l'énergie pour une manipulation robotique sensible à la force et au travail

Un article publié sous la référence arXiv:2609.18164v1, intitulé « Energy-Regularized Imitation Learning for Force- and Work-Aware Robotic Manipulation », décrit une méthode pour réduire la dépense énergétique des politiques de manipulation robotique. Les auteurs définissent un indicateur de travail mécanique dans l'espace articulaire, calculé à partir du couple moteur et du déplacement angulaire, puis entraînent un prédicteur différentiable estimant ce travail à partir des états et actions du robot. Ce prédicteur sert de régularisateur pour affiner par imitation la politique RVT-2, testée sur le simulateur RLBench sur douze tâches de manipulation : contact avec des objets, mécanismes articulés, placement, poussée et balayage. Le travail mécanique moyen recule de 208,8 à 204,4 joules, soit -2,1%, tandis que le taux de réussite moyen progresse de 86,2% à 86,9%. La baisse d'énergie est modeste, mais le principe est exploitable industriellement : pénaliser les mouvements physiquement coûteux, accélérations inutiles ou efforts excessifs, sans construire de modèle de dynamique différentiable complet ni recourir à des simulateurs physiques lourds. Pour les intégrateurs de bras industriels ou de robots mobiles manipulateurs, l'intérêt porte sur l'autonomie en usage réel : moins d'usure mécanique, moins de consommation batterie et de chaleur dissipée sur des cycles répétitifs, sans perte de performance ni surcoût de calcul à l'entraînement. Le fait que le taux de succès progresse en même temps que l'énergie baisse contredit l'idée que l'efficacité énergétique se paierait en performance, un point que les fournisseurs de modèles VLA devront démontrer plutôt que supposer. Le travail s'inscrit dans la lignée des politiques de manipulation apprises par imitation à partir de modèles pré-entraînés, dont RVT-2 (Robotic View Transformer 2) est une itération récente, évaluée sur RLBench, le benchmark de manipulation développé à l'Imperial College de Londres. Contrairement aux approches qui intègrent un modèle de dynamique différentiable complet, coûteuses et fragiles sur les tâches à contact riche, les auteurs le contournent par une approximation différentiable apprise à partir des seules données de simulation. L'étude reste cantonnée à un environnement simulé et à une seule architecture ; sa transposition à des robots réels, à d'autres modèles VLA comme Pi-0, GR00T N2 ou Helix, ou à des tâches industrielles à cycle long, reste à démontrer.

RecherchePaper

1 source

3arXiv cs.RO

Deux par deux : apprentissage multi-tâches de l'assemblage d'objets appariés pour une manipulation robotique généralisable

Des chercheurs publient 2BY2, un jeu de données annoté à grande échelle pour l'assemblage d'objets appariés du quotidien, décrit dans une version révisée d'un article arXiv (2504.06961v2). Il couvre 18 tâches fines inspirées de gestes réels comme brancher une prise, disposer des fleurs dans un vase ou insérer du pain dans un grille-pain, avec 1034 instances et 517 paires d'objets annotées en pose et en symétrie. Les auteurs proposent une méthode d'estimation de pose SE(3) en deux étapes, basée sur des caractéristiques équivariantes, qui atteint des performances état de l'art sur les 18 tâches du benchmark. Des expériences robotiques réelles confirment la fiabilité et la capacité de généralisation de cette méthode sur des tâches d'assemblage 3D complexes. Ce travail comble un vide méthodologique pour la robotique domestique : la plupart des benchmarks d'assemblage existants portent sur des fragments géométriques abstraits ou des pièces industrielles standardisées, loin des interactions fonctionnelles et asymétriques des objets du quotidien. En ciblant explicitement les futurs robots d'assistance à domicile, 2BY2 offre un terrain d'évaluation plus représentatif que les jeux de données orientés usine. Le transfert réussi de la méthode du benchmark simulé vers des essais robotiques physiques est un signal notable, suggérant que les approches de pose SE(3) équivariante peuvent réduire l'écart simulation-réel sur des tâches de manipulation fine, un problème persistant pour les politiques de manipulation généralistes. Les résultats « état de l'art » restent toutefois mesurés sur le benchmark propre des auteurs, une limite à garder en tête avant toute extrapolation. L'article, référencé 2504.06961 sur arXiv et republié en version 2, s'inscrit dans la lignée des travaux de « shape assembly » qui se concentraient jusqu'ici sur des fragments cassés ou des composants industriels aux formes régulières. 2BY2 étend le problème à des objets paires à forte composante fonctionnelle, des gestes triviaux pour un humain mais qui exigent une compréhension conjointe de la géométrie et de l'usage. Les auteurs comparent leur méthode aux approches antérieures de shape assembly sur l'ensemble des 18 tâches et revendiquent une supériorité systématique. La publication de ce dataset annoté pose une base de comparaison pour de futurs travaux, sans qu'un calendrier de mise à disposition du code ou de partenariat industriel ne soit précisé à ce stade.

RecherchePaper

1 source

4arXiv cs.RO

ReMoBot : apprentissage par imitation en quelques exemples pour la manipulation mobile avec des modèles fondation visuels

Des chercheurs ont publié ReMoBot (arXiv:2408.15919v4), un framework d'apprentissage par imitation à peu d'exemples conçu pour la manipulation mobile sur robots à vision égocentrique. Évalué sur un Boston Dynamics Spot, le système atteint des taux de succès de 70 % sur la tâche "Table Uncover" et 80 % sur "Gap Cover" en environnement réel, avec seulement 20 démonstrations par tâche. Plutôt que de distiller les démonstrations dans une politique paramétrique classique, ReMoBot adopte une stratégie de récupération : à l'inférence, il identifie dans une base de démonstrations d'experts les séquences les plus pertinentes via une combinaison de similarité d'état, d'alignement temporel des trajectoires et de cohérence des séquences d'actions, puis sélectionne directement les commandes motrices sans aucun entraînement supplémentaire. L'ensemble s'appuie sur des vision foundation models pour extraire des représentations robustes depuis la caméra embarquée du robot, en fonctionnement totalement training-free à l'exécution. L'approche retrieval-based présente deux avantages concrets pour les intégrateurs industriels. D'abord, le coût de collecte de données est drastiquement réduit : 20 démonstrations contre plusieurs centaines requises par les méthodes IL standard (ACT, Diffusion Policy), ce qui accélère le déploiement sur de nouvelles tâches ou variantes. Ensuite, l'absence d'entraînement à l'inférence supprime le risque de surapprentissage sur données insuffisantes, problème récurrent avec les objets déformables où la variabilité des états est élevée. ReMoBot surpasse deux baselines entraînées directement sur données réelles sans transfert sim-to-réel sur deux tâches sur trois. La tâche "Curtain Open" reste problématique, signalant que la manipulation d'objets hautement déformables sous occultations partielles constitue encore un verrou non résolu, y compris pour les approches retrieval. ReMoBot s'inscrit dans la tendance à exploiter les vision foundation models (de la famille DINOv2, CLIP, SAM) pour réduire la dépendance aux données propriétaires et améliorer la généralisation. Sur le Spot de Boston Dynamics, plateforme quadrupède commerciale, la manipulation mobile reste un défi structurel : le robot se déplace en même temps qu'il manipule, rendant l'observation égocentrique partielle et bruitée. Face aux VLA de grande taille comme pi-0 (Physical Intelligence) ou RT-2 (Google DeepMind), qui exigent des volumes de données considérables et une infrastructure d'entraînement lourde, ReMoBot se positionne dans le segment "data-efficient, training-free" particulièrement pertinent pour les intégrateurs ou PME industrielles sans capacité de collecte à grande échelle. La prochaine étape logique serait d'enrichir dynamiquement la base de démonstrations et de valider l'approche dans des environnements industriels hors laboratoire contrôlé.

UELes PME et intégrateurs robotiques européens sans capacité de collecte de données à grande échelle pourraient bénéficier directement de cette approche data-efficient (20 démos vs plusieurs centaines), réduisant la barrière d'entrée au déploiement de manipulation mobile intelligente.

RecherchePaper

1 source