Diminution des retours de l'intelligence : la…

1arXiv cs.RO

Repenser la lisibilité de l'intention des robots sociaux dans les couloirs : effets de sa représentation et de la distraction humaine

Une équipe de recherche du Fluent Robotics Lab publie sur arXiv (2609.40158) une étude sur la « lisibilité » du mouvement des robots mobiles dans les couloirs. Le travail compare plusieurs façons de représenter l'intention du robot, toutes implémentées dans un même cadre de commande prédictive (MPC, en pratique une variante MPPI), afin d'isoler l'effet de la représentation elle-même. Deux expériences contrôlées, chacune avec 45 participants, ont été menées. La première compare une lisibilité fondée sur le côté de passage, soit fixe, soit mise à jour de façon adaptative, à une lisibilité fondée sur la destination et à une base de référence non lisible. La seconde fait varier le niveau d'attention du piéton, dont la distraction. Les résultats indiquent que la lisibilité par côté de passage, surtout lorsqu'elle est actualisée en continu, produit des trajectoires humaines plus fluides. Elle est aussi jugée plus compétente et moins exigeante mentalement et physiquement. En cas de distraction, la fluidité du mouvement humain se maintient, mais les évaluations subjectives ne suivent pas toujours. Le code est publié en open source sur GitHub (Legible_MPPI). L'intérêt dépasse la recherche académique. Les AMR, robots de livraison et futurs humanoïdes qui évoluent dans des espaces partagés (hôpitaux, entrepôts, bureaux) rencontrent le même problème dans les couloirs étroits : deux agents doivent se croiser sans se bloquer ni se heurter. L'étude suggère qu'indiquer à l'humain de quel côté le robot va passer coordonne mieux l'interaction que lui signaler la destination finale, information peu exploitable à quelques mètres. Elle montre aussi que la lisibilité conserve une partie de son effet quand le piéton regarde son téléphone, ce qui compte pour la sécurité en conditions réelles. Le décalage entre mesures objectives et ressenti rappelle toutefois que la perception de confiance et la performance de coordination ne se confondent pas. Pour un intégrateur, cela plaide pour évaluer la navigation sociale sur des mesures de mouvement et pas seulement sur des questionnaires. Il faut relativiser la portée des résultats. Il s'agit d'une étude préliminaire sur arXiv, avec un échantillon modeste et un scénario unique, le couloir. Aucun produit commercial, déploiement ni chiffre de performance industrielle n'est annoncé. Les travaux sur la lisibilité remontent aux cadres posés pour des observateurs statiques, notamment en manipulation. Leur transposition à la navigation dynamique restait peu explorée. Cette étude s'inscrit dans un courant plus large de navigation sociale où se croisent apprentissage par renforcement, modèles VLA et commande prédictive. La suite logique serait d'étendre les tests à des environnements plus denses, à des groupes de piétons et à des robots non holonomes ou à pattes, puis de les valider sur des sites réels comme des hôpitaux ou des entrepôts.

RecherchePaper

1 source

2arXiv cs.RO

SocialVLA : une passerelle de perception sociale pour détecter et corriger les échecs de manipulation VLA à partir des réactions humaines

Des chercheurs publient SocialVLA, une passerelle de perception sociale locale et indépendante de la politique de contrôle, qui transforme les réactions spontanées d'un humain en signaux d'interruption pour les politiques vision-langage-action (VLA) de manipulation. Le système combine quatre briques : détection paralinguistique causale dans l'audio (cris, soupirs, exclamations), reconnaissance de réactions visuelles, détection de phrases d'arrêt explicites et estimation de la pertinence robot, qui vérifie que la réaction concerne bien le robot. Une fusion asynchrone « premier événement » déclenche une pause du VLA dès le premier signal assez fiable. Un canal vocal distinct recueille les corrections verbales pour reprendre, relancer ou réviser l'instruction. L'évaluation a eu lieu sur un Unitree G1 physique avec 15 participants : 238 épisodes annotés justifiant une intervention et 1,038 heure de comportement sans intervention. En rejeu hors ligne figé, le système atteint 54,6 % de rappel et 69,5 % de précision, la fusion audio-vidéo non filtrée montant à 64,3 % de rappel. Sur un 16e participant inédit, en déploiement prospectif, il obtient 59,5 % de rappel et 91,7 % de précision. La latence médiane détecteur-fusion est de 47,9 ms, celle entre la porte VLA et l'arrêt physique de 336 ms, et celle entre le début de la réaction et l'arrêt de 1,021 s. L'intérêt est de traiter un angle mort des VLA : ces politiques échouent souvent sans reconnaître leurs propres erreurs, et les détecteurs d'échec internes restent peu fiables hors distribution. Utiliser l'humain présent comme capteur d'anomalie, sans micro-gestes ni interface dédiée, ouvre une voie de supervision peu coûteuse pour les cellules collaboratives et les robots de service. Le filtre de pertinence est le résultat le plus concret : il fait passer les épisodes de faux arrêts de 100 à 57 et la précision de 60,5 % à 69,8 %. Pour un exploitant, c'est ce qui sépare un robot qui s'arrête au moindre éclat de voix d'un robot utilisable. Les limites sont nettes. Avec un rappel d'environ 55 à 60 %, plus de 40 % des épisodes à risque échappent au système. Une latence d'environ une seconde entre la réaction et l'arrêt reste longue pour des objets lourds ou tranchants. Les 91,7 % de précision reposent sur un seul participant, ce qui n'a pas de valeur statistique. Ce n'est donc pas une fonction de sécurité, mais une couche de supervision complémentaire. Le travail s'inscrit dans l'essor des politiques VLA généralistes (Pi-0, GR00T, Helix) et de leurs variantes de détection d'échec et de récupération. Il se place aussi dans la lignée de l'interaction humain-robot, qui exploite depuis longtemps les signaux sociaux implicites. Le choix d'un fonctionnement entièrement local, sans cloud, répond aux contraintes de latence et de confidentialité des déploiements en milieu humain. La plateforme G1 d'Unitree, peu coûteuse, en fait un banc d'essai reproductible. Le système est indépendant de la politique, donc testable en principe sur d'autres VLA. L'étape suivante serait de le valider sur plus de participants, des tâches plus variées et des environnements bruyants, puis de mesurer s'il améliore réellement le taux de réussite des tâches, point que les résultats annoncés ne tranchent pas.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

Robots humanoïdes : une étude utilisateur compare perception et métriques techniques en interaction homme-robot multimodale

Une étude universitaire portant sur 24 participants montre qu'un gain de 15 points de pourcentage en taux de réussite d'une tâche de préhension d'objets, de 75% à 90%, est perceptible par les utilisateurs lors d'une interaction directe avec un robot. Le système de référence combine Whisper pour la reconnaissance vocale, Florence-2 pour la détection d'objets en vocabulaire ouvert, LLaMA 3.1 pour l'extraction d'actions, et un contrôleur logique flou de type 2 intervalle pour l'exécution des mouvements. La configuration améliorée conserve le même contrôleur mais remplace les modules de perception et de langage par Grounding DINO couplé à SAM et par Qwen 3.5 9B. Dans une étude en sujets répétés, où chaque participant a testé les deux configurations sur la même tâche de saisie d'objets sur table, 17 personnes sur 24 (70,83%) ont préféré le système amélioré, un résultat statistiquement significatif (test binomial exact, p = 0,043). Les trois critères perceptuels évalués sur une échelle de Likert à 7 points, la vitesse ressentie, la fiabilité et la compétence globale, ont tous été notés significativement plus haut pour la version améliorée, avec des tailles d'effet allant de grandes à très grandes après correction de Holm (p < 0,001). L'intérêt de ces travaux dépasse le simple constat qu'un meilleur système est mieux perçu. Ils répondent à une question moins triviale qu'il n'y paraît pour l'industrie robotique: un gain mesuré sur des benchmarks techniques se traduit-il réellement en une différence que l'utilisateur final ressent au contact du robot? Pour les intégrateurs et décideurs qui arbitrent entre plusieurs piles perception-langage-contrôle, souvent sur la seule foi de métriques de laboratoire, cette étude fournit une preuve empirique que l'amélioration des modules de vision et de compréhension du langage a un effet direct sur la confiance et l'acceptabilité perçues, indépendamment du contrôleur moteur qui reste inchangé. Le travail s'inscrit dans une lignée de recherches en interaction homme-robot qui cherche à combler l'écart entre évaluation par benchmark et évaluation centrée utilisateur, un point de friction classique entre recherche en robotique et déploiement réel. L'architecture testée illustre aussi l'évolution rapide des briques génériques mobilisées dans les pipelines de manipulation, passant de Florence-2 et LLaMA 3.1 à des modules plus récents comme Grounding DINO, SAM et Qwen 3.5 9B, sans toucher à la couche de contrôle bas niveau. Les auteurs appellent à systématiser ce type d'évaluation utilisateur en complément des ablations techniques classiques pour tout futur pipeline de manipulation robotique.

RecherchePaper

1 source

4arXiv cs.RO

IA incarnée guidée par les exigences : conception d'une détection tactile sociale du corps entier via interaction humain-robot virtuelle

Article traduit et résumé en français, prêt à publier : Une équipe de recherche propose une méthodologie inédite pour concevoir la peau tactile des robots humanoïdes destinés à l'interaction physique et sociale avec l'humain (spHRI), en partant des données d'usage plutôt que des contraintes matérielles. Publiée sur arXiv (2607.11690v1), l'étude s'appuie sur une plateforme de réalité virtuelle à retour haptique pour collecter des cartes de contact haute résolution sur l'ensemble du corps d'un robot, à travers plusieurs scénarios sociaux (accolade, tape sur l'épaule, poignée de main, etc.). Neuf gestes tactiles sociaux récurrents ont été identifiés, dont huit ont ensuite fait l'objet d'une collecte contrôlée avec 18 participants, produisant un jeu de données ouvert de 5 520 essais. L'analyse des distributions de contact et de simulations d'encodage tactile fournit des repères quantitatifs sur la couverture cutanée nécessaire et la densité de capteurs à installer sur une plateforme humanoïde donnée. L'enjeu dépasse la simple curiosité académique : jusqu'ici, la conception des capteurs tactiles pour l'interaction sociale suivait une logique matérielle d'abord, où l'emplacement et la résolution des capteurs étaient fixés en amont, limitant de fait la palette de gestes reconnaissables. Cette approche inverse la démarche en dérivant les exigences de capteurs directement des données d'interaction réelles, ce qui pourrait éviter aux fabricants de robots sociaux ou compagnons un surdimensionnement coûteux de la peau tactile, ou au contraire une couverture insuffisante qui dégraderait la reconnaissance des gestes. Pour les intégrateurs et décideurs qui évaluent des robots destinés au contact physique humain (assistance, santé, accueil), disposer de seuils quantitatifs de densité et de placement avant la fabrication du hardware représente un gain de temps et de coûts d'ingénierie concret, plutôt qu'une promesse marketing. Le travail s'inscrit dans une limite bien identifiée de la recherche en robotique tactile : la plupart des peaux artificielles actuelles sont conçues sans données préalables sur la façon dont les humains touchent réellement un robot dans un contexte social, ce qui explique des écarts entre capacités annoncées et usage terrain. Bien que la démonstration ait été menée sur une seule plateforme robotique, les auteurs présentent la méthode comme transférable à d'autres morphologies de robots, ouvrant la voie à des exigences de capteurs spécifiques à chaque design avant même le prototypage physique. Les prochaines étapes attendues concernent la validation de cette méthodologie sur d'autres architectures de robots et son intégration dans des cycles de conception industriels, mais aucun calendrier ni partenariat industriel n'est mentionné à ce stade.

RecherchePaper

1 source

Diminution des retours de l'intelligence : la relation non linéaire entre l'échelle des LLM et la perception utilisateur dans les interactions sociales humain-robot ouvertes de courte durée

À lire aussi

Repenser la lisibilité de l'intention des robots sociaux dans les couloirs : effets de sa représentation et de la distraction humaine

SocialVLA : une passerelle de perception sociale pour détecter et corriger les échecs de manipulation VLA à partir des réactions humaines

Robots humanoïdes : une étude utilisateur compare perception et métriques techniques en interaction homme-robot multimodale

IA incarnée guidée par les exigences : conception d'une détection tactile sociale du corps entier via interaction humain-robot virtuelle