Aller au contenu principal
AquaBEV : occupation BEV sous-marine monoculaire supervisée par sonar 3D
RecherchearXiv cs.RO 

AquaBEV : occupation BEV sous-marine monoculaire supervisée par sonar 3D

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

Des chercheurs ont présenté AquaBEV, un modèle de perception pour robots sous-marins autonomes capable de prédire une carte d'occupation en vue aérienne (bird's eye view, BEV) à partir d'une seule image RGB, publié sur arXiv en septembre 2026 (arXiv:2609.04411v1). Le système transforme les caractéristiques visuelles extraites de l'image en une représentation polaire sans calibration préalable, applique un décodage causal le long de la dimension de portée, puis reconstruit la prédiction finale en coordonnées cartésiennes BEV. Pendant l'entraînement uniquement, le modèle est supervisé par des données de sonar imageur 3D appariées à l'image RGB, qui servent de vérité terrain géométrique. Les auteurs ont construit un benchmark dédié à cette tâche RGB-vers-sonar, en adaptant plusieurs méthodes d'occupation existantes au même protocole pour permettre une comparaison directe. AquaBEV atteint un score de 31,4 en Visible IoU et 38,6 en Observed IoU, soit des gains relatifs de 4,0% et 4,3% par rapport à la meilleure méthode de référence transférée depuis d'autres domaines.

L'enjeu pratique est net pour les intégrateurs de robotique sous-marine: la navigation sûre d'un véhicule autonome (AUV ou ROV) exige de savoir en temps réel quel espace est libre ou occupé, mais l'image RGB seule fournit des indices géométriques peu fiables sous l'eau, à cause de la turbidité, de l'absorption lumineuse et du faible contraste. Le sonar imageur 3D offre une mesure géométrique plus robuste mais reste un capteur coûteux et gourmand en calcul à embarquer en continu. En cantonnant le sonar au seul rôle de supervision à l'entraînement, et en ne nécessitant qu'une caméra RGB en inférence, AquaBEV pointe vers des architectures de perception moins chères à déployer en flotte, un enjeu concret pour l'inspection d'infrastructures immergées, la surveillance environnementale ou les missions d'exploration à budget limité.

Le travail s'inscrit dans la continuité des méthodes d'occupation BEV développées pour les véhicules terrestres autonomes, que les auteurs ont explicitement adaptées et re-testées dans un environnement sous-marin pour établir des baselines de comparaison, faute d'équivalent direct dans ce domaine encore peu couvert. Aucun acteur industriel ni date de déploiement n'est mentionné dans la publication: il s'agit à ce stade d'un résultat de recherche académique validé sur un benchmark contrôlé, sans indication de passage à un produit commercial ou à des essais en conditions réelles.

Dans nos dossiers

À lire aussi

CAVE-NAV : navigation autonome 3D en grotte sous-marine par modèle vision-langage
1arXiv cs.RO 

CAVE-NAV : navigation autonome 3D en grotte sous-marine par modèle vision-langage

Des chercheurs proposent CAVE-NAV, un système de navigation autonome en 3D pour environnements de grottes sous-marines, décrit dans un article publié sur arXiv (référence 2608.27793v1). Le framework s'appuie sur un modèle vision-langage (VLM) doté d'un raisonnement en chaîne de pensée (Chain-of-Thought) pour déduire les directions praticables à partir d'indices environnementaux tels que les gradients d'intensité lumineuse, la morphologie des passages et la complexité géométrique des galeries. Le système combine plusieurs entrées multimodales : imagerie RGB, cartes de profondeur et mesures de dégagement vertical obtenues par sonar. Les auteurs rapportent que des simulations haute fidélité menées sur plusieurs topologies de grottes différentes montrent que le framework a complété l'intégralité des traversées de bout en bout évaluées sans collision, tout en maintenant une marge de sécurité par rapport aux parois. Il s'agit à ce stade d'une validation en simulation, sans déploiement physique rapporté sur un véhicule sous-marin réel. L'enjeu dépasse la simple exploration spéléologique : la navigation en grotte sous-marine constitue un cas d'usage extrême pour les opérations de recherche et sauvetage, l'exploration scientifique et les procédures d'évacuation d'urgence, des contextes où les méthodes classiques de localisation par caractéristiques visuelles échouent à cause de la dégradation de l'image sous l'eau, et où le sonar produit des cartes d'obstacles trop conservatrices pour permettre un passage sûr dans des tunnels étroits. L'absence de communication en temps réel avec un opérateur humain exclut aussi tout téléguidage. En démontrant qu'un VLM avec raisonnement explicite peut interpréter des indices environnementaux ambigus pour guider un véhicule dans un espace confiné en 3D, ces travaux illustrent une tendance plus large : l'extension des modèles vision-langage, initialement conçus pour la robotique terrestre et manipulatrice, vers des domaines où les capteurs traditionnels montrent leurs limites, comme le sous-marin. Ce travail s'inscrit dans le prolongement des recherches en robotique sous-marine autonome (AUV), un domaine longtemps dominé par des approches basées sur le sonar et le SLAM visuel classique, peu adaptées aux grottes noyées à faible visibilité. Aucun acteur français ou européen n'est mentionné dans cette publication. Les auteurs ne précisent ni les prochaines étapes vers des essais en conditions réelles, ni de partenariat industriel ou institutionnel identifié, ce qui place ces résultats au stade de la preuve de concept académique plutôt que d'une solution prête à déployer sur le terrain.

RecherchePaper
1 source
Perception 3D monoculaire pour robots piétons par apprentissage hybride 2D-3D
2arXiv cs.RO 

Perception 3D monoculaire pour robots piétons par apprentissage hybride 2D-3D

Une équipe de chercheurs a publié en juin 2026 sur arXiv (référence 2606.19122) WalkOCC, un framework de perception 3D de l'espace occupé conçu spécifiquement pour les robots circulant sur les trottoirs, notamment les robots de livraison du dernier kilomètre et les fauteuils roulants autonomes. Contrairement aux systèmes existants qui requièrent plusieurs caméras et des nuages de points LiDAR densément annotés en 3D, WalkOCC repose sur une seule caméra monoculaire. L'architecture hybride combine du ray-marching géométrique calibré sur des séquences LiDAR-RGB avec un apprentissage à grande échelle sur des images monoculaires non appariées, sans nécessiter d'annotations 3D coûteuses sur ces données supplémentaires. Les auteurs publient également Sidewalk3D, un dataset collecté sur plusieurs sites et périodes, incluant des séquences LiDAR-caméra synchronisées et des annotations sémantiques d'occupancy 3D pour l'évaluation comparative. L'enjeu est directement opérationnel pour les intégrateurs de robots mobiles en milieu urbain. Les trottoirs présentent des structures fines et hétérogènes, bordures (curbs), caniveaux (gutters), mobilier urbain, piétons proches, que les pipelines de prédiction d'occupancy conçus pour l'automobile autonome capturent mal. WalkOCC améliore la segmentation fine de ces éléments et maintient de bonnes performances lors de changements environnementaux (conditions lumineuses, météo) et de changements de plateforme robotique (cross-embodiment), un point critique pour les opérateurs qui déploient plusieurs modèles de robots sur une même infrastructure logicielle. La réduction de dépendance au LiDAR multi-faisceau, dont le coût reste prohibitif pour les robots de faible valeur unitaire, constitue un argument industriel concret pour le déploiement à échelle. Ce travail s'inscrit dans une dynamique de transfert des méthodes de perception automobile vers la robotique de service en environnement non structuré. Les approches dominantes en véhicule autonome ont largement établi la prédiction d'occupancy comme primitive centrale, mais elles présupposent des infrastructures de collecte et des densités de capteurs inaccessibles pour les flottes de robots de trottoir. WalkOCC concurrence directement les baselines auto-supervisées sur image seule en apportant un gain de précision sans alourdir le pipeline de collecte de données. Il n'existe aujourd'hui aucun standard commun pour l'évaluation de la perception piétonne robotique; si le code et le dataset Sidewalk3D sont effectivement publiés comme annoncé, ce travail pourrait s'imposer comme référence de benchmarking dans ce segment encore peu structuré.

RecherchePaper
1 source
MarineCraft : prototypage rapide de robots sous-marins par construction modulaire
3arXiv cs.RO 

MarineCraft : prototypage rapide de robots sous-marins par construction modulaire

Le toolkit MarineCraft, présenté dans un article publié sur arXiv (référence 2609.21396v1, catégorie "new"), propose une architecture modulaire pour accélérer le prototypage de robots sous-marins. Le système repose sur des modules de propulsion autonomes et étanches, intégrant chacun l'alimentation électrique, la communication sans fil et l'actionnement, ce qui supprime le besoin d'un câblage centralisé et d'opérations d'étanchéification répétées à chaque modification du robot. Selon les auteurs, cette approche permet d'assembler et de tester des géométries de robots variées en quelques minutes, contre plusieurs jours avec les méthodes conventionnelles. Les essais expérimentaux montrent un fonctionnement fiable et sans fuite jusqu'à 2,5 mètres de profondeur, une valeur qui reste modeste comparée aux exigences de déploiements océaniques réels, mais cohérente avec un objectif de prototypage rapide plutôt que d'opération en mer profonde. L'enjeu principal pour l'industrie robotique tient au goulot d'étranglement que représentent traditionnellement l'étanchéité et le câblage dans le développement de véhicules sous-marins autonomes (AUV) ou téléopérés (ROV) : chaque itération de conception impose souvent de rouvrir, recâbler puis ressceller la coque, ce qui ralentit fortement les cycles de recherche. En rendant chaque module de propulsion indépendant et directement réutilisable, MarineCraft déplace la complexité du câblage vers une architecture distribuée, ce qui pourrait intéresser les laboratoires universitaires et les équipes d'ingénierie cherchant à tester rapidement plusieurs configurations mécaniques sans repartir d'une coque neuve à chaque essai. Cela reste toutefois un résultat de recherche académique, pas un produit commercialisé ni un système validé pour des missions opérationnelles. Le projet s'inscrit dans une tendance plus large de robotique modulaire, déjà explorée pour les robots terrestres et aériens, mais peu appliquée jusqu'ici au milieu sous-marin en raison des contraintes physiques de l'eau. Aucun industriel ni laboratoire commercial n'est cité dans l'abstract, l'article ayant l'apparence d'une contribution de recherche universitaire. Les auteurs ne précisent ni les suites prévues (essais à plus grande profondeur, publication du matériel en open source) ni de calendrier de déploiement, l'article se limitant pour l'instant à la démonstration du concept et des tests en laboratoire.

RecherchePaper
1 source
Skytopia : navigation de drone monoculaire par modèles du monde latents conditionnés par l'action
4arXiv cs.RO 

Skytopia : navigation de drone monoculaire par modèles du monde latents conditionnés par l'action

Une équipe de recherche publie Skytopia, une politique de navigation pour drones équipés d'une seule caméra orientée vers l'avant, dans un preprint arXiv (identifiant 2609.26007) mis en ligne fin septembre 2026. Le système repose sur un modèle du monde latent conditionné par l'action, entraîné sur une plateforme de simulation par 3D Gaussian Splatting conçue pour l'occasion. Deux objectifs d'entraînement sont combinés : un objectif direct qui prédit la représentation de la prochaine observation à partir du mouvement prévu, et un objectif inverse qui retrouve ce mouvement à partir de la transition prédite. Particularité du système, le module de prédiction est écarté après l'entraînement, seule la représentation qu'il produit sert au déploiement, ce qui permet à une politique unique de gérer trois modes de navigation : point-goal, image-goal et sans objectif explicite (goal-free). En simulation, Skytopia atteint des taux de réussite de 57,8%, 66,0% et 49,0% selon ces trois configurations, devant toutes les références testées, et l'abandon du prédicteur réduit le coût de calcul à l'inférence de 59,4%. La même politique, sans aucun réglage fin supplémentaire, a ensuite été déployée sur un drone physique et a atteint ses objectifs en intérieur, en extérieur dégagé et en forêt. La navigation monoculaire, sans lidar ni caméra stéréo, reste un problème difficile pour les drones car une image unique fournit peu d'indices sur la profondeur et l'échelle des objets, ce qui complique le transfert simulation-vers-réel sur des plateformes légères. L'argument central des auteurs est que ce dont une politique a besoin d'un modèle du monde n'est pas la prédiction elle-même mais la représentation qui permet de la produire, puisqu'en vol l'action exécutée explique presque tout le changement observé entre deux images. Se débarrasser du prédicteur au moment du déploiement fait chuter le coût d'inférence de près de 60%, un enjeu direct pour l'embarqué sur des drones aux budgets de calcul et d'énergie limités. Le transfert réussi, sans réentraînement, vers trois environnements très différents constitue un signal utile pour les équipes qui parient sur des politiques de navigation entraînées entièrement en simulation. Il faut toutefois relativiser : des taux de réussite entre 49% et 66% restent modestes, et les tests ont été menés à l'échelle d'un laboratoire de recherche, loin d'un déploiement en flotte ou d'une validation industrielle. Ce travail s'inscrit dans une tendance plus large à utiliser des modèles du monde pour la prise de décision d'agents embarqués, déjà explorée côté manipulation et locomotion robotique, mais appliquée ici à la navigation aérienne avec une seule caméra, une configuration de perception plus contrainte que les plateformes multi-caméras ou équipées de lidar. Le choix d'entraîner la politique dans un environnement de 3D Gaussian Splatting plutôt que dans un simulateur photoréaliste classique reflète un mouvement plus général vers le rendu neuronal pour accélérer les pipelines d'entraînement. À la différence des architectures où le prédicteur reste actif à l'inférence et réinjecte sa sortie dans la génération d'action à chaque pas de contrôle, la norme pour la plupart des politiques fondées sur un modèle du monde, Skytopia traite ce module comme un outil auxiliaire réservé à l'entraînement. Publié comme simple preprint, l'article n'annonce ni partenaire industriel ni déploiement pilote ; la suite logique serait une validation sur un plus grand nombre d'environnements et une intégration dans des piles logicielles commerciales de drones autonomes.

RecherchePaper
1 source