RecherchearXiv cs.RO 2 septembre 2026

Exploration des oscillations non linéaires du corps pour des démarches naturelles chez les quadrupèdes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié le 2 septembre 2026 sur arXiv (référence 2609.00539v1) une étude intitulée « Exploring Nonlinear Body Oscillations for Natural Quadruped Gaits », qui présente un cadre théorique permettant de rendre prévisible la dynamique non linéaire d'un robot dès sa conception. L'équipe l'a appliqué à eBert, un robot quadrupède hautement compliant (souple), sur lequel elle a identifié six modes normaux non linéaires (NNM, nonlinear normal modes) grâce à de nouveaux outils théoriques, validés à la fois en simulation et sur le matériel physique. Une optimisation en boîte noire a ensuite servi à déterminer la longueur de pas optimale pour chaque mode. Résultat : chacun des six NNM donne naissance à une démarche distincte, correspondant à une vitesse différente, et ces comportements se transfèrent en grande partie de la simulation au robot réel.

L'enjeu dépasse la simple démonstration académique. La majorité des robots quadrupèdes actuels, conçus sans exploiter la résonance mécanique en raison de la complexité des dynamiques non linéaires, s'appuient sur des contrôleurs de locomotion dédiés, gourmands en calcul et en réglages manuels. En s'inspirant des animaux, qui ajustent posture et raideur musculaire pour tirer parti de la résonance et réduire le contrôle actif nécessaire, ce travail propose une alternative où la démarche émerge naturellement de la mécanique du robot (gravité, inertie, élasticité) plutôt que d'être imposée par un algorithme. Pour les concepteurs, cela suggère qu'une conception mécanique bien pensée peut remplacer une partie du calcul embarqué, avec à la clé des robots potentiellement plus légers, plus économes en énergie et plus agiles. Il s'agit néanmoins d'une preuve de concept limitée à une seule plateforme, dont le transfert simulation vers matériel n'est que partiel.

Ce travail s'inscrit dans le courant de l'intelligence incarnée (embodied intelligence) et de la robotique compliante, héritier des marcheurs passifs dynamiques qui, depuis les années 1990, cherchent à exploiter la mécanique du corps plutôt que le seul logiciel, à l'inverse des approches par apprentissage par renforcement ou commande prédictive dominantes chez la plupart des quadrupèdes commerciaux actuels. En formalisant les modes normaux non linéaires d'un robot compliant comme eBert, les auteurs posent une méthode reproductible pour d'autres plateformes. L'article se présente explicitement comme une preuve de concept, sans annonce de commercialisation ni de partenaire industriel : les chercheurs évoquent une future génération de robots agiles et efficaces s'appuyant sur ce principe, sans calendrier ni étape de déploiement précisée.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Déformation cinématique non linéaire spatio-temporelle de trajectoires pour les démonstrations de manipulation dextérique riche en contacts

Des chercheurs proposent une méthode de « trajectory warping » cinématique et non linéaire pour réutiliser des démonstrations existantes de manipulation dextre riche en contacts, publiée sur arXiv (2609.36676v1). À partir de simples trajectoires de la main et de l'objet, l'algorithme produit des déformations spatio-temporelles non linéaires de haute qualité. Celles-ci intègrent des points de passage intermédiaires, des obstacles dans l'environnement, des décalages temporels et des configurations de départ et d'arrivée différentes. Le principe central repose sur les distributions de contact : elles permettent de calculer de façon fiable des trajectoires de main dextre à haute dimension, à partir d'une spécification de déformation exprimée uniquement au niveau de l'objet. L'évaluation porte sur 12 variations issues de 4 démonstrations d'un jeu de données public de mouvements de main humaine. Elle inclut des comparaisons avec des méthodes de référence et un test de transfert vers d'autres manipulateurs. Les auteurs annoncent la publication des résultats et du code lors de l'acceptation de l'article. Il s'agit donc, à ce stade, d'un préprint de recherche, sans produit ni déploiement. L'enjeu est celui de la donnée. La manipulation dextre est l'un des domaines où la collecte de démonstrations coûte le plus cher : téléopération avec gants ou capture de mouvement, mains à nombreux degrés de liberté, contacts difficiles à simuler. Pouvoir démultiplier chaque démonstration en variantes qui respectent les contacts revient à augmenter les données sans recollecter, ce qui intéresse directement les équipes qui entraînent des politiques d'imitation ou des modèles vision-langage-action (VLA) pour mains humanoïdes. La spécification centrée sur l'objet est un atout pratique : un opérateur décrit ce que l'objet doit faire, pas ce que chaque doigt doit faire. Les limites sont nettes. Quatre démonstrations sources et douze variations forment un échantillon très réduit. Rien n'indique non plus, dans le résumé, que les trajectoires générées aient été exécutées sur un robot physique ni que des politiques entraînées dessus s'en trouvent améliorées. L'écart entre une trajectoire cinématiquement plausible et une exécution robuste reste entier. Ce travail s'inscrit dans un courant plus large d'augmentation de données pour l'imitation, qui va des méthodes de génération de démonstrations synthétiques à partir de quelques exemples humains jusqu'à l'apprentissage par renforcement en simulation pour les mains dextres. Les acteurs de l'humanoïde, dont Figure, Tesla avec Optimus, ou les équipes derrière Pi-0 et GR00T, dépendent de volumes de démonstrations toujours plus grands pour leurs mains. Une méthode légère, sans entraînement lourd, pourrait s'ajouter à ces chaînes de données. La suite dépendra de la publication du code, promise mais non datée, et d'une validation sur matériel réel, seule capable de départager cette approche des alternatives.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Régulateur quadratique linéaire latent pour les tâches de contrôle robotique

Des chercheurs présentent LaLQR (Latent Linear Quadratic Regulator), une méthode de contrôle robotique qui projette l'espace d'états d'un système non-linéaire vers un espace latent dans lequel la dynamique est linéaire et la fonction de coût est quadratique. Cette reformulation permet d'appliquer un LQR classique, résolu analytiquement et peu coûteux en calcul, là où un MPC non-linéaire standard serait requis. Le modèle de projection est appris conjointement par imitation d'un contrôleur MPC de référence. Les expériences sur des tâches de contrôle robotique montrent une meilleure efficacité computationnelle et une meilleure généralisation face aux baselines comparées. L'enjeu est direct pour les équipes de contrôle embarqué : le MPC (Model Predictive Control) reste une référence pour la qualité de trajectoire et la gestion de contraintes, mais son coût computationnel constitue un frein réel sur des plateformes à ressources limitées exigeant des fréquences de boucle élevées. LaLQR propose une alternative apprise qui conserve la structure d'un problème d'optimisation optimal tout en le rendant analytiquement soluble à chaque pas de temps. Si cette approche se confirme à plus grande échelle, elle pourrait réduire la dépendance à des processeurs haute performance dans les applications de manipulation et de locomotion. Cette recherche s'inscrit dans un courant actif combinant apprentissage par imitation et contrôle optimal classique pour contourner le mur computationnel du MPC non-linéaire. Des approches concurrentes incluent les neural MPC avec différentiation automatique et les architectures récurrentes pour la modélisation de dynamiques complexes. LaLQR introduit une piste distincte fondée sur la linéarisation dans l'espace latent, dont l'applicabilité à des systèmes à haute dimensionnalité, comme les manipulateurs multi-DOF ou les humanoïdes, reste à démontrer hors contexte académique. L'article est disponible en version 3 sur arXiv (2407.11107), ce qui suggère des révisions successives mais aucun déploiement industriel annoncé à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

MorFiC : corriger la mauvaise calibration des valeurs pour le transfert zéro-shot chez les quadrupèdes

Une nouvelle version de l'article MorFiC vient d'être publiée sur arXiv (2603.14554), présentant une méthode d'apprentissage par renforcement qui transfère une politique de marche quadrupède vers des robots de morphologie différente sans réentraînement, un transfert dit zero-shot. Entraînée sur un seul robot source en simulation avec randomisation morphologique, elle atteint ce transfert vers sept robots au total, dont les Unitree Go1 et Go2 déployés sans fine-tuning, et affiche sur AlienGo une vitesse de 1,98 m/s contre moins de 0,65 m/s pour les références PPO à conditionnement additif. L'entraînement complet prend deux heures sur un seul robot, contre des dizaines voire des centaines d'heures pour les méthodes de référence entraînées sur plusieurs corps simultanément. Trois métriques de diagnostic du critique (variance expliquée, taux d'inversion du signe de l'avantage, cosinus du gradient de politique) confirment le rôle déterminant du conditionnement proposé dans la direction des mises à jour de politique. L'enjeu dépasse la performance brute : dans l'apprentissage acteur-critique classique, une fonction de valeur partagée entre morphologies tend à moyenner des cibles incompatibles, ce qui fausse les avantages calculés et dégrade la politique transférée vers un nouveau robot. MorFiC corrige ce biais par un conditionnement multiplicatif du critique sur un latent de morphologie, là où les méthodes existantes utilisent un conditionnement additif. Pour l'industrie robotique, cela ouvre la voie à des politiques de marche déployables sur des flottes hétérogènes sans entraînement massif multi-corps ni architectures généralistes coûteuses, et contredit l'idée reçue selon laquelle seule l'échelle, plus de robots, plus de données, permet la généralisation entre morphologies. Les approches précédentes reposaient soit sur un entraînement à grande échelle multipliant les corps réels ou générés, soit sur de larges architectures transférables mais gourmandes en calcul et en stockage, deux familles que l'étude prend comme références directes de comparaison. La démonstration reste de nature académique, limitée à sept robots dont les références commerciales Unitree Go1, Go2 et AlienGo, sans partenaire industriel ni calendrier de déploiement réel mentionnés dans l'article. La réduction du temps d'entraînement à deux heures avec un seul robot source suggère toutefois une piste pour rendre ce type de généralisation inter-robots accessible à des équipes sans accès à de grandes fermes de simulation multi-embodiment.

RecherchePaper

1 source

4arXiv cs.RO

TAC-LOCO : contrôle unifié du corps entier pour la loco-manipulation quadrupède guidée par le tact

Cette étude, publiée sur arXiv en juillet 2026, présente TAC-LOCO, un cadre d'apprentissage par renforcement qui unifie pour la première fois le contrôle corporel complet d'un robot quadrupède doté d'un bras manipulateur en intégrant un retour tactile dans la boucle de commande. Le système encode les données d'un réseau de capteurs tactiles montés sur une pince compliante en une représentation latente compacte, fusionnée avec la proprioception du robot pour piloter simultanément les pattes, le bras et la pince. Les chercheurs ont déployé la politique sans réentraînement supplémentaire (zero-shot) sur un quadrupède Unitree Go2 équipé d'un bras Interbotix WidowX 250 et d'une pince tactile. Les résultats chiffrés sont précis : une réduction de 47% de la force de préhension appliquée et un taux de chute d'objet inférieur à 1%, y compris lors de changements de charge progressifs et de relâchements brusques. L'apport principal tient à ce que le système régule activement la force de préhension en fonction de l'interaction physique réelle, plutôt que de simplement serrer fermement l'objet comme le font la plupart des approches existantes en loco-manipulation dynamique. Pour l'industrie robotique, cela répond à une limite concrète des robots à pattes actuels : la capacité à transporter des charges tout en se déplaçant dynamiquement sans les endommager ni les laisser tomber, un enjeu direct pour la logistique, l'inspection industrielle ou les interventions en environnement non structuré. Ce résultat illustre aussi que l'intégration tactile n'est plus cantonnée aux tâches de manipulation statique en laboratoire, mais devient exploitable dans des scénarios de contrôle corporel complet à haute dynamique, un signal notable pour les intégrateurs qui évaluent la maturité des architectures VLA et RL appliquées à la robotique mobile. Le travail s'inscrit dans la continuité des recherches sur la loco-manipulation, un domaine où la coordination entre stabilité locomotrice et précision de manipulation reste un défi ouvert, généralement traité sans capteurs tactiles faute de méthodes robustes pour exploiter ce signal en temps réel. TAC-LOCO se positionne ainsi face aux approches de contrôle corporel complet sans tactile, en démontrant un gain mesurable sur la robustesse aux perturbations externes. La validation reste toutefois limitée à une plateforme de recherche (Go2 plus bras WidowX), sans indication de calendrier vers un déploiement industriel ou une plateforme commerciale.

RecherchePaper

1 source