Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
BRIDGE : une plateforme humanoïde open source par co-conception morphologie-contrôle pour l'IA physique
RecherchearXiv cs.RO 

BRIDGE : une plateforme humanoïde open source par co-conception morphologie-contrôle pour l'IA physique

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Bridge rejoint une catégorie de plateformes humanoïdes compactes et open source aux cotes de Toddlerbot, K1 et Bumi, conçues comme des bancs d'essai de recherche a bas cout plutôt que des produits commerciaux, a l'oppose des humanoïdes adultes fermes vises pour l'usine ou l'entrepôt par les grands acteurs prives du secteur.

Publiee sur arXiv sous la référence 2609.03497, l'étude présente Bridge, un humanoïde open source de 88 centimètres conçu via un cadre de co-design reliant morphologie et contrôle moteur complet du corps. Plutot que de dessiner d'abord le squelette puis d'y greffer une politique de contrôle, comme le fait l'approche classique, les chercheurs optimisent conjointement la structure physique et la capacité du robot a reproduire des mouvements humains. Ils introduisent aussi une métrique inédite combinant fidélité de retargeting cinématique et performance de suivi dynamique. Face a trois références, Bumi, K1 et Toddlerbot, Bridge obtient les meilleurs scores sur toutes les métriques, avec une locomotion stable, un équilibre robuste et des mouvements dynamiques avances. Le robot, sa politique de contrôle et les vidéos de démonstration sont publies en accès libre.

Cette publication pointe un problème structurel de la robotique humanoïde actuelle : la séparation entre conception mécanique et développement du contrôle produit des machines dont les mouvements restent rigides face a ceux d'un humain. En dimensionnant le corps du robot a partir des données de mouvement humain a reproduire, Bridge vise a améliorer la qualité des données capturées par téléopération, un enjeu direct pour l'entrainement des modèles vision-langage-action (VLA) dont les performances dépendent de la fidélité geste-machine. Pour les laboratoires et intégrateurs travaillant sur l'apprentissage par imitation, ce travail suggère que le goulot d'étranglement se situe autant dans la conception matérielle que dans les algorithmes, un facteur souvent éclipse par la course aux annonces de modèles de fondation.

En publiant intégralement design, politique de contrôle et outils associes, les auteurs misent sur une adoption académique plutôt que sur une mise sur le marche. Le papier ne mentionne aucun partenariat industriel ni calendrier de déploiement au-delà de cette mise a disposition en open source, laissant présager une diffusion progressive du cadre de co-design vers d'autres équipes de recherche cherchant a améliorer la fidélité de mouvement de leurs propres plateformes.

Dans nos dossiers

IA physique & VLAarXiv cs.RO

À lire aussi

Co-design Gym : un benchmark unifié pour la co-optimisation de la morphologie et de la politique de contrôle
1arXiv cs.RO 

Co-design Gym : un benchmark unifié pour la co-optimisation de la morphologie et de la politique de contrôle

Une équipe de chercheurs publie sur arXiv (identifiant 2610.02366) Co-Design Gym, une suite de benchmarks dédiée à l'optimisation conjointe de la morphologie d'un agent et de sa politique de contrôle. L'ensemble couvre 20 familles d'environnements, avec plus de 85 configurations de co-conception prédéfinies. Les domaines vont de la manipulation robotique et de la locomotion à la coopération multi-robots, en passant par les dynamiques déformables et molles, les jeux vidéo, les réseaux électriques, les réseaux sans fil, la course de F1, les entrepôts multi-agents et le contrôle optimal. Les auteurs y ajoutent une évaluation systématique d'algorithmes de co-conception représentatifs, pour dresser l'état de l'art actuel. Il s'agit d'un travail de recherche académique : aucun produit, déploiement industriel ni donnée de performance matérielle n'est annoncé, et le résumé ne chiffre pas les résultats de cette comparaison. L'intérêt tient à une hypothèse implicite de la plupart des benchmarks d'apprentissage par renforcement et de robotique : l'agent est figé, seule la politique s'apprend. Or la morphologie conditionne les politiques que l'on peut découvrir, et la meilleure morphologie dépend elle-même des politiques qu'elle autorise. Optimiser les deux séparément donne donc des résultats sous-optimaux. Pour les roboticiens et les intégrateurs, la question est concrète : choix du nombre de degrés de liberté, de la géométrie des membres, de l'emplacement des actionneurs ou de la préhension. Ces décisions se prennent aujourd'hui surtout par ingénierie et itération manuelle, et la co-conception reste peu comparable d'une étude à l'autre. Un banc d'essai commun permettrait de mesurer sur une base homogène ce que ces méthodes apportent réellement, et de vérifier si les gains observés sur des cas isolés se généralisent. L'élargissement à des domaines hors robotique (réseaux, énergie) suggère aussi que la méthode vise un usage plus large que les seuls humanoïdes. Ce travail s'inscrit dans une littérature sur la co-optimisation forme-contrôle qui existe depuis des années, mais dont les résultats sont dispersés entre des environnements ad hoc, ce qui freine les comparaisons. Co-Design Gym adopte le format des suites de type Gym, devenues le standard pour l'apprentissage de politiques, afin de favoriser un progrès cumulatif. Le résumé ne précise ni les algorithmes testés, ni les scores, ni la disponibilité du code, des points à vérifier dans le texte complet. Il reste aussi à voir si ces environnements, simulés, transféreront vers du matériel réel, où l'écart simulation-réalité pèse encore sur la fabrication de morphologies optimisées.

RecherchePaper
1 source
LUCID : contrôle unifié des compétences latentes via une dynamique imaginée pour la loco-manipulation humanoïde à long terme
2arXiv cs.RO 

LUCID : contrôle unifié des compétences latentes via une dynamique imaginée pour la loco-manipulation humanoïde à long terme

Le laboratoire de recherche à l'origine du papier arXiv:2608.07746v1 (soumis en catégorie cross-listing, daté d'août 2026) présente LUCID, acronyme de "Latent-Skill Unified Control via Imagined Dynamics", un framework d'apprentissage par renforcement hiérarchique et basé sur un modèle du monde, destiné aux tâches de loco-manipulation humanoïde longue durée. La méthode se déroule en deux temps : une politique bas niveau, conditionnée par des codes latents structurés, est d'abord entraînée par imitation adversariale puis gelée ; un modèle de dynamique de haut niveau ("macro-dynamics world model") est ensuite appris conjointement avec une politique de décision, ce modèle prédisant les transitions d'état à horizon étendu induites par chaque décision latente, ce qui permet d'optimiser la politique haut niveau via des simulations imaginées plutôt que par essais réels. Les auteurs évaluent LUCID sur des scénarios simulés de réarrangement multi-objets et rapportent une amélioration du taux de réussite complète des tâches ainsi que des taux de complétion partielle, comparés à des méthodes de référence combinant planificateurs scriptés, automates à états finis ou politiques model-free spécifiques à une tâche. Le problème visé est celui de la coordination longue durée chez les robots humanoïdes : enchaîner marche, atteinte et préhension sur des séquences complexes sans dépendre d'automates codés à la main, un goulot d'étranglement que les démonstrations courtes de nombreux acteurs du secteur (modèles VLA type Pi-0, GR00T N2 ou Helix) laissent souvent dans l'ombre. En remplaçant la planification scriptée par un modèle du monde appris, capable de projeter les conséquences de décisions latentes avant de les exécuter, LUCID propose une alternative architecturale aux pipelines VLA end-to-end dominants, ce qui intéresse directement les intégrateurs cherchant à fiabiliser des tâches multi-étapes en logistique ou en usine plutôt qu'à empiler des démonstrations isolées. Il s'agit toutefois d'une contribution strictement académique et simulée : aucun robot physique, aucune entreprise ni aucun site de déploiement n'est mentionné dans l'abstract, et les gains rapportés portent uniquement sur des environnements de simulation de réarrangement d'objets, sans chiffres de charge utile, de degrés de liberté ou de temps de cycle réels. LUCID s'inscrit dans la lignée des travaux sur les modèles du monde appliqués à la robotique (dans l'esprit de Dreamer ou TD-MPC), en offrant une voie hiérarchique et modulaire face à l'approche monolithique des modèles VLA. Aucun essai matériel, partenariat industriel ou calendrier de transfert vers un robot réel n'est annoncé à ce stade.

RecherchePaper
1 source
Évaluation de l'inférence d'affordance sémantique par VLM pour des morphologies robotiques non humanoïdes
3arXiv cs.RO 

Évaluation de l'inférence d'affordance sémantique par VLM pour des morphologies robotiques non humanoïdes

Une équipe de chercheurs publie sur arXiv (2604.19509) une évaluation empirique des modèles vision-langage (VLM) pour l'inférence d'affordances sur des robots à morphologie non humanoïde. L'"affordance" désigne ici la capacité d'un modèle à déterminer quelles actions sont physiquement réalisables par un robot donné face à un objet spécifique. Les auteurs ont constitué un jeu de données hybride combinant des annotations réelles de relations affordance-objet et des scénarios synthétiques générés par VLM, couvrant plusieurs catégories d'objets et plusieurs types de morphologies robotiques. Les résultats montrent une généralisation prometteuse aux formes non humanoïdes, mais des performances très variables selon les domaines d'objets. Le constat central est un schéma systématique de faible taux de faux positifs associé à un fort taux de faux négatifs, révélant que les VLM adoptent des prédictions trop conservatrices. Ce biais est particulièrement prononcé pour les outils inédits et les manipulations non conventionnelles. Pour les intégrateurs qui envisagent d'utiliser les VLM comme couche de planification sémantique, ce résultat est structurellement important. Le biais conservateur offre un avantage de sécurité intrinsèque, les robots n'entreprenant pas d'actions impossibles ou dangereuses, mais le taux élevé de faux négatifs freine l'exploitation réelle : le système refuse des tâches qu'il pourrait pourtant accomplir. Pour un architecte de système ou un COO industriel, cela confirme qu'un VLM seul ne peut pas servir de module d'affordance universel pour des cobots ou des AMR (robots mobiles autonomes) aux morphologies spécifiques. Des couches complémentaires, simulation physique ou vérification cinématique, restent nécessaires pour corriger ce défaut sans sacrifier la sécurité. La recherche sur les affordances VLM s'est construite massivement sur des corpus centrés sur l'interaction humain-objet, laissant les robots non humanoïdes structurellement sous-représentés. Des architectures VLA (Vision-Language-Action) comme pi-zero de Physical Intelligence ou GR00T N2 de NVIDIA ont été évaluées principalement sur des tâches de manipulation humain-like. Cette étude pointe un enjeu distinct pour des plateformes comme Spot de Boston Dynamics ou ANYmal d'ANYbotics, dont les effecteurs et degrés de liberté (DOF) diffèrent fondamentalement de la main humaine. Les auteurs proposent des architectures hybrides et des jeux de données morpho-spécifiques comme prochaines étapes pour réduire le biais conservateur tout en préservant les faibles taux de faux positifs, seul acquis de sécurité clairement démontré.

UELes intégrateurs européens déployant des AMR ou cobots non humanoïdes (ANYmal d'ANYbotics, Spot) doivent anticiper des couches de vérification cinématique complémentaires aux VLM avant tout déploiement autonome en planification sémantique.

RechercheOpinion
1 source
KINO : une interface à images-clés pour la planification par VLM et le contrôle du corps entier en loco-manipulation humanoïde
4arXiv cs.RO 

KINO : une interface à images-clés pour la planification par VLM et le contrôle du corps entier en loco-manipulation humanoïde

Des chercheurs présentent KINO (arXiv:2609.18869v1), un framework hiérarchique pour la loco-manipulation de robots humanoïdes qui insère des « keyframes » de mouvement comme représentation intermédiaire entre un modèle vision-langage (VLM) chargé de la planification et un contrôleur par renforcement (RL) chargé de l'exécution corps entier. Chaque keyframe encode une pose cible pour l'ensemble du corps du robot et, si nécessaire, la pose de l'objet manipulé. À partir d'une instruction en langage naturel, d'observations de la scène et d'un retour d'exécution, le VLM sélectionne successivement des keyframes pertinentes dans une bibliothèque prédéfinie ; ces keyframes sont ensuite réajustées à la scène courante pour tenir compte de la position et des dimensions des objets, avant qu'une politique conditionnée par keyframe ne génère les actions articulaires. Les auteurs introduisent une stratégie d'échantillonnage de keyframes basée sur la saillance pour l'entraînement de la politique bas niveau, qui fait passer le taux de réussite de bout en bout de 44 % à 92 % lorsque le VLM ne fournit que des keyframes éparses. Le système a été évalué sur des tâches de prise, transport et dépose d'objets, en simulation et sur un humanoïde Unitree G1, avec manipulation à une et deux mains. Ce résultat s'inscrit dans un débat central du secteur robotique : comment relier des modèles vision-langage capables de raisonner sur des instructions abstraites à des contrôleurs bas niveau capables de produire des mouvements corps entier stables. Plutôt que de miser sur une architecture VLA (vision-language-action) de bout en bout, à l'image de Pi-0, GR00T N2 ou Helix, KINO mise sur une représentation intermédiaire discrète et interprétable, ce qui pourrait faciliter le débogage et le contrôle qualité pour des intégrateurs industriels tout en limitant la fréquence des appels au VLM, coûteux en calcul. Le saut de 44 % à 92 % de succès reste toutefois une mesure obtenue en conditions contrôlées de recherche, pas un chiffre de déploiement industriel, et mériterait d'être confirmé sur des tâches plus variées. Le travail s'inscrit dans la vague de recherches académiques cherchant à rendre les humanoïdes capables de manipulation généraliste sans réentraînement massif pour chaque nouvelle scène, un axe exploré en parallèle par les architectures VLA de Physical Intelligence, NVIDIA ou Figure. Le choix du Unitree G1, plateforme humanoïde accessible et déjà utilisée dans de nombreux laboratoires, en fait un banc d'essai plutôt qu'un produit fini : aucun partenariat industriel ni calendrier de commercialisation n'est mentionné dans l'article. Les auteurs indiquent que le système généralise à des emplacements de dépose non vus pendant l'entraînement, un point clé pour juger de sa robustesse au-delà des démonstrations sélectionnées, mais le nombre d'essais et les conditions exactes de ces tests de généralisation ne sont pas précisés.

RecherchePaper
1 source