Voir plus grand : cartographie latente 3D pour…

1arXiv cs.RO

Modélisation de représentations volumétriques pour l'apprentissage de politiques de manipulation : VolumeDP

Une équipe de recherche présente VolumeDP, une nouvelle architecture pour l'apprentissage par imitation en robotique manipulatrice, décrite dans une version révisée d'un article arXiv (2603.17720v2). Le problème visé est concret : la plupart des méthodes actuelles font correspondre directement des observations d'images 2D à des sorties d'action 3D, un décalage géométrique qui nuit au raisonnement spatial et fragilise la robustesse des politiques apprises. VolumeDP corrige ce défaut en raisonnant explicitement en trois dimensions : les features issues des images sont d'abord projetées dans une représentation volumétrique via un mécanisme d'attention croisée, puis un module apprenable sélectionne les voxels pertinents pour la tâche et les convertit en un ensemble compact de tokens spatiaux, ce qui réduit fortement le calcul sans perdre la géométrie utile à l'action. Un décodeur multi-tokens exploite ensuite l'ensemble de ces tokens pour prédire les actions, évitant l'agrégation destructrice qui réduit plusieurs indices spatiaux à un seul descripteur. Résultat chiffré : 88,8% de taux de réussite moyen sur le benchmark de simulation LIBERO, soit 14,8 points de mieux que la meilleure méthode concurrente, avec des gains également marqués sur ManiSkill et LIBERO-Plus. Des essais en conditions réelles confirment la généralisation à de nouvelles dispositions spatiales, de nouveaux points de vue caméra et de nouveaux environnements. Pour les équipes qui développent des politiques de manipulation robotique, ce travail illustre une limite structurelle des architectures VLA qui traitent la 3D comme un simple sous-produit d'un flux d'images : sans représentation spatiale explicite, la robustesse aux changements de caméra ou de décor s'effondre, un problème récurrent dès qu'on sort du laboratoire. VolumeDP montre qu'ajouter un raisonnement volumétrique explicite, plutôt que de compter uniquement sur l'échelle des données ou du modèle, améliore sensiblement la généralisation, ce qui nuance l'idée reçue selon laquelle scaler les VLA suffirait à résoudre le problème spatial. Le travail s'inscrit dans la lignée des méthodes d'apprentissage par imitation ayant précédemment tenté d'intégrer une composante 3D, comme les approches de type Diffusion Policy en 3D, mais en visant une représentation volumétrique plus efficiente en calcul. Il s'agit à ce stade d'une contribution académique, publiée sur arXiv avec code et vidéos disponibles sur une page projet dédiée, et non d'un produit ou d'un système déployé commercialement. Les benchmarks utilisés (LIBERO, ManiSkill) restent des environnements de recherche standard, ce qui laissera aux prochaines étapes le soin de confirmer la tenue de ces résultats sur des tâches industrielles plus complexes.

RecherchePaper

1 source

2arXiv cs.RO

MAVP : politiques visuomotrices tenant compte de la carte pour la manipulation mobile

Un travail de recherche en robotique publié sur arXiv le 23 septembre 2026 sous la référence 2609.26378v1 présente MAVP (Map-Aware Visuomotor Policies), un framework destiné à fiabiliser l'exécution des robots à manipulation mobile, c'est-à-dire combinant base roulante et bras articulé. Le constat de départ : les politiques entraînées par démonstration peinent souvent à reproduire fidèlement le déplacement de la base, ce qui provoque un désalignement spatial et fait échouer la manipulation qui suit. MAVP reconstruit une carte statique à partir de démonstrations téléopérées, exprime les trajectoires de base démontrées dans ce référentiel cartographique commun, puis, à l'exécution, prédit conjointement des poses cibles de base, des actions du bras et de la pince à partir d'images RGB, de l'état des articulations et de la pose courante du robot sur la carte. Un contrôleur de bas niveau suit ensuite ces cibles par anticipation de mouvement et retour d'erreur de pose, avec un bruit ajouté sur la pose pendant l'entraînement pour renforcer la robustesse. Sur six tâches de manipulation réelles et trois familles de politiques testées, MAVP obtient un taux de succès supérieur au contrôle de vitesse "non ancré" dans l'ensemble des cas, sans que le résumé ne publie de chiffres agrégés précis. Le résultat cible un point de friction bien identifié dans l'apprentissage par imitation appliqué à la manipulation mobile : le contrôle de vitesse pur de la base dérive avec le temps et casse la coordination entre déplacement et geste de préhension, un problème qui freine aujourd'hui le passage des démonstrations de laboratoire à des déploiements fiables en usine ou en entrepôt. En ancrant explicitement chaque politique à une carte et à une pose absolue plutôt qu'à une commande de vitesse relative, MAVP s'attaque directement à l'écart documenté entre démonstrations réussies et exécution robuste en conditions réelles, un enjeu central pour les intégrateurs qui évaluent des politiques génératives type VLA pour des robots mobiles manipulateurs ou des humanoïdes à base roulante. Pour les décideurs B2B, l'apport n'est pas un nouveau modèle de fondation mais une brique de contrôle complémentaire, validée sur trois familles de politiques différentes, ce qui suggère une méthode transposable plutôt qu'une solution propriétaire liée à un seul modèle. Le travail s'inscrit dans la lignée des recherches académiques cherchant à corriger les limites du contrôle de vitesse non ancré, pratique héritée de la robotique mobile classique et transposée telle quelle aux politiques d'apprentissage par imitation. Le site dédié au projet, hébergé sous une adresse GitHub Pages anonymisée, suggère un papier soumis en évaluation en double aveugle à une conférence de robotique ou d'apprentissage automatique, sans que les auteurs ni leur affiliation ne soient révélés à ce stade : il s'agit donc d'une contribution de recherche et non d'un produit commercial. Aucun acteur français ou européen n'apparaît dans ces travaux. Les auteurs annoncent la mise à disposition de vidéos et de résultats complémentaires en ligne, mais ne communiquent ni feuille de route produit ni partenariat industriel ; la suite logique, en cas d'acceptation, sera l'extension de la méthode à davantage de tâches et de plateformes pour confirmer sa généralité au-delà des six cas testés.

RecherchePaper

1 source

3arXiv cs.RO

Politique de carte d'action : apprentissage de la manipulation 3D en boucle fermée par classification de pixels

Des chercheurs viennent de publier sur arXiv (2607.10706, 14 juillet 2026) un nouveau cadre baptisé Action Map Policy (AMP), qui reformule l'apprentissage de politiques de manipulation robotique en boucle fermée comme un problème de classification dans l'espace image plutôt que comme une régression continue. L'idée centrale consiste à projeter les actions 3D du bras robotique sur le plan de la caméra et à traiter chaque pixel comme une classe discrète à prédire, ce qui limite l'explosion combinatoire du vocabulaire tout en conservant une précision de l'ordre du millimètre. Contrairement aux approches par diffusion, qui nécessitent un débruitage itératif coûteux en temps de calcul, AMP prédit l'intégralité d'un segment d'actions en une seule passe avant, ce qui accélère nettement l'inférence. Les auteurs rapportent des taux de réussite supérieurs à plusieurs méthodes de référence sur diverses tâches de manipulation, ainsi qu'un raisonnement spatial amélioré. Le choix de la représentation d'action reste l'un des obstacles majeurs des politiques robotiques modernes, notamment pour les modèles vision-langage-action (VLA) qui cherchent à généraliser au-delà des tâches d'entraînement. La classification par pixels s'inspire du succès des modèles génératifs de langage, où la prédiction du prochain token a supplanté les approches par régression directe. En robotique, cette analogie est plus délicate car l'espace d'action est continu et de haute dimension, avec des solutions optimales souvent multimodales. En résolvant le compromis entre discrétisation fine et vocabulaire gérable, AMP répond directement à une limite pratique des politiques par diffusion, jugées précises mais lentes, un frein pour les applications nécessitant un contrôle réactif en temps réel. Il s'agit pour l'instant d'un travail de recherche académique, sans lien annoncé avec un produit commercial ou un déploiement industriel. AMP s'inscrit dans une lignée d'alternatives aux politiques par diffusion (popularisées par Diffusion Policy) et aux approches autorégressives de type VLA (Pi-0, GR00T N2, OpenVLA). Les prochaines étapes attendues incluent une validation sur robots physiques au-delà des expériences en simulation ou banc de test décrites dans l'article, ainsi qu'un examen par les pairs.

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage hiérarchique de politiques résiduelles pour la manipulation mobile en conditions réelles, avec peu de guidage humain

HiRe-MoMa (Hierarchical Residual Mobile Manipulation) est un cadre d'apprentissage proposé dans un preprint arXiv (2610.20607) pour affiner, directement sur robot réel, des systèmes de manipulation mobile (MoMa). Il gèle une politique de base et apprend par-dessus des corrections additives, dites résiduelles, indépendantes de l'architecture de cette politique. Ce résiduel est scindé en deux têtes, l'une pour la base mobile et l'autre pour le bras manipulateur, avec un conditionnement unidirectionnel censé limiter les interférences de gradients et refléter la hiérarchie physique de la plateforme. Un second mécanisme, l'Expert-Guided Value Alignment, exploite de rares interventions humaines, couvrant moins de 20 % de l'entraînement, pour remodeler la fonction de valeur du critique et orienter l'exploration autonome. Les expériences ont été menées sur le robot TIAGo++, avec environ 30 minutes d'interaction en ligne, et les auteurs rapportent une amélioration constante des performances quelle que soit la politique de base. Le résumé ne donne ni taux de réussite ni liste de tâches. L'intérêt pour l'industrie tient au goulot d'étranglement que ce travail vise : l'affinage en conditions réelles de systèmes mobiles, où l'espace d'action est de grande dimension et où la base et le bras sont fortement couplés. Les politiques généralistes de type VLA (vision-langage-action) restent souvent fragiles une fois sorties de leurs conditions d'entraînement, et l'apprentissage par renforcement sur robot réel est coûteux en données et risqué. Une adaptation en une demi-heure, avec un superviseur humain intervenant ponctuellement, correspondrait à un coût de mise en service compatible avec un pilote chez un intégrateur. Le caractère agnostique vis-à-vis de la politique de base est un atout, car il permettrait de greffer la méthode sur des modèles existants sans les réentraîner. Les auteurs affirment toutefois être « parmi les premiers » à y parvenir, ce qui reste à situer, et l'absence de chiffres dans le résumé impose de lire les tableaux : nombre de tâches, de séries d'essais, robustesse hors configuration d'entraînement et fréquence des échecs ou des collisions. Ce travail s'inscrit dans la montée de l'apprentissage résiduel et de l'affinage par RL de politiques pré-entraînées par imitation, une voie explorée pour combler l'écart entre démonstration et fiabilité. Le choix de TIAGo++, plateforme de recherche bimanuelle développée par PAL Robotics, société barcelonaise, donne en outre une visibilité à l'écosystème européen. Il s'agit d'un résultat académique et non d'un produit : aucun déploiement commercial ni calendrier n'est annoncé. Les suites naturelles sont la validation sur d'autres plateformes, des tâches plus longues et des environnements plus dynamiques, ainsi qu'une comparaison avec les approches d'affinage de grands modèles généralistes. Le site du projet, hire-moma.github.io, doit détailler les expériences.

UELe choix du robot TIAGo++ de PAL Robotics (Barcelone) donne une visibilité à l'écosystème européen, sans déploiement ni impact direct en France.

RecherchePaper

1 source

Voir plus grand : cartographie latente 3D pour l'apprentissage de politiques de manipulation mobile

À lire aussi

Modélisation de représentations volumétriques pour l'apprentissage de politiques de manipulation : VolumeDP

MAVP : politiques visuomotrices tenant compte de la carte pour la manipulation mobile

Politique de carte d'action : apprentissage de la manipulation 3D en boucle fermée par classification de pixels

Apprentissage hiérarchique de politiques résiduelles pour la manipulation mobile en conditions réelles, avec peu de guidage humain