RecherchearXiv cs.RO 7 septembre 2026

Contrôle couplé et modèles du monde sans fil pour un pilotage robotique à distance résilient

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un article publié sur arXiv (référence 2609.04851v1) décrit un cadre de contrôle robotique à distance conçu pour rester fiable sur des réseaux sans fil aux conditions changeantes. Le système couple un contrôleur classique à des modèles du monde de type JEPA (Joint Embedding Predictive Architecture), qui apprennent conjointement la dynamique du robot et l'évolution du canal radio à partir d'images caméra et de représentations RF combinant spectrogrammes bruts et images de persistance, une technique issue de l'analyse topologique des données. Ces représentations latentes permettent de prédire l'état futur du robot et du réseau pour limiter les transmissions montantes inutiles, tandis qu'un mécanisme de résilience adaptatif corrige la perception dès qu'un écart de prédiction apparaît, sans réentraîner toute la politique de contrôle. Testé dans un environnement de simulation synchronisé Gazebo, ROS et Sionna (le simulateur radio open source de NVIDIA) sous diverses perturbations de propagation et de perception, le système dépasse un contrôleur PID classique, un agent DQN et des approches prédictives à base de Vision Transformers en efficacité de communication et en robustesse, tout en préservant la performance de navigation.

Pour les intégrateurs de flottes de robots mobiles et les opérateurs de téléopération industrielle, le problème adressé est concret : transmettre en continu des flux vidéo haute définition sur un réseau sans fil coûte de la bande passante et de l'énergie, et devient fragile dès que la connectivité se dégrade en usine ou en entrepôt. En modélisant conjointement perception et état du canal radio dans un même espace latent, ce travail propose une piste pour réduire le trafic réseau sans sacrifier la performance, un compromis que les architectures de contrôle classiques peinent à tenir. Il faut toutefois noter que ces résultats reposent uniquement sur une simulation, sans robot physique ni liaison radio réelle, ce qui limite pour l'instant la portée des chiffres annoncés.

Ce travail s'inscrit dans deux tendances convergentes : la généralisation des modèles du monde appris, dont l'architecture JEPA a été popularisée pour la prédiction vidéo et physique, et la montée des réseaux sans fil privés, 5G ou futur 6G, pour piloter des robots sans câblage en environnement industriel. En comparant sa méthode à un contrôleur PID, un agent DQN et des approches Vision Transformer, l'équipe se positionne face au contrôle classique comme face au deep learning générique qui ignore l'état du canal de communication. La suite logique, non détaillée dans l'article, consisterait à valider l'approche sur un robot physique relié par une liaison sans fil réelle, puis à l'éprouver à l'échelle de flottes multi-robots partageant un même spectre.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

MotuBrain : un modèle du monde avancé pour le contrôle robotique

MotuBrain est un modèle génératif multimodal unifié pour le contrôle robotique, présenté dans un preprint arXiv (identifiant 2604.27792) publié en avril 2026. Le modèle adopte une formulation UniDiffuser couplée à une architecture Mixture-of-Transformers à trois flux, lui permettant de modéliser conjointement les séquences vidéo et les actions motrices au sein d'un même réseau. Un seul modèle supporte cinq modes d'inférence distincts : apprentissage de politique, modélisation du monde, génération vidéo, dynamique inverse, et prédiction conjointe vidéo-action. Il est conçu pour s'adapter à des données hétérogènes, incluant des vidéos sans annotations d'action et des données issues de plateformes robotiques différentes (cross-embodiment). Sur le plan de l'inférence, les auteurs annoncent un gain de vitesse supérieur à 50x par rapport à des architectures comparables, ouvrant la voie à un déploiement temps réel. L'approche s'attaque à une limitation structurelle bien documentée des VLA purs comme RT-2 ou OpenVLA : leur forte généralisation sémantique masque souvent une modélisation insuffisante des dynamiques physiques fines, ce qui génère des erreurs sur des tâches de manipulation précises. En intégrant la génération vidéo comme supervision implicite des dynamiques du monde, MotuBrain s'inscrit dans la tendance des World Action Models (WAMs), dont l'hypothèse centrale est que prédire ce qui va se passer visuellement améliore la qualité des actions produites. Le support cross-embodiment est particulièrement structurant pour les intégrateurs industriels, car il réduit le coût de réentraînement lors d'un changement de plateforme matérielle. Le speedup annoncé de 50x reste à confirmer sur des benchmarks publics, le preprint ne précisant pas les configurations matérielles de référence utilisées pour cette mesure. Ce travail s'inscrit dans une compétition dense autour des modèles fondationnels pour la robotique généraliste. Physical Intelligence a mis en production Pi-0 début 2025, NVIDIA a présenté GR00T N2 avec support multi-embodiment, et Google DeepMind avance sur ses modèles RT-X et GROOT. L'affiliation institutionnelle des auteurs de MotuBrain n'est pas précisée dans l'abstract du preprint. Comme pour tout travail soumis à arXiv sans revue par les pairs, l'absence d'expériences robotiques réelles documentées en détail invite à la prudence avant d'extrapoler les performances annoncées à un contexte de déploiement industriel.

RechercheOpinion

1 source

2arXiv cs.RO

JailWAM : pirater les modèles d'action du monde dans le contrôle robotique

Des chercheurs ont publié JailWAM, premier framework d'évaluation de jailbreak conçu spécifiquement pour les World Action Models (WAM), ces modèles qui pilotent directement des robots manipulateurs à partir d'instructions en langage naturel. Décrit dans un article déposé sur arXiv (identifiant 2604.05498, version 2), le système repose sur trois composants. Le premier, Visual-Trajectory Mapping, convertit les sorties d'action hétérogènes de différentes architectures de WAM en une représentation de trajectoire visuelle commune, ce qui permet de comparer des modèles différents sur une même base. Le deuxième, un Risk Discriminator, classe les résultats selon trois niveaux de gravité physique croissante : conformité de sécurité, échec de mouvement, et risque catastrophique. Le troisième, une Dual-Path Verification Strategy, combine un tri rapide des candidats d'attaque avec une simulation physique en boucle fermée réservée aux cas jugés dangereux, afin de réduire le coût de calcul. Testé dans l'environnement de simulation RoboTwin, JailWAM atteint un taux de réussite d'attaque de 84,2 % contre le modèle LingBot-VA. Ce résultat illustre concrètement que les WAM, censés traduire fidèlement des consignes en gestes physiques sûrs, restent vulnérables à des instructions adversariales capables de provoquer des comportements dangereux du bras ou du robot. Pour les intégrateurs industriels et les décideurs qui envisagent de déployer ces modèles vision-langage-action en usine ou en entrepôt, l'étude rappelle qu'aucun garde-fou standardisé n'existe encore contre ce type d'attaque, contrairement au red-teaming déjà bien établi pour les grands modèles de langage textuels. Le chiffre de 84,2 % a toutefois été obtenu en simulation, pas sur du matériel physique réel, ce qui laisse ouverte la question d'un éventuel écart sim-to-real ; la tendance qu'il révèle sur la fragilité de l'alignement sécuritaire des WAM reste néanmoins significative. Ce travail s'inscrit dans la vague de recherche sur les modèles vision-langage-action qui équipent la nouvelle génération de robots humanoïdes et de bras manipulateurs, dans la lignée de modèles comme Pi-0, GR00T N2 ou Helix. JailWAM transpose au monde physique des méthodologies de jailbreak déjà développées pour les modèles de langage textuels. Les auteurs appellent explicitement à davantage de recherche sur l'évaluation de sécurité et l'alignement des systèmes robotiques embarqués, signe d'un besoin encore naissant de standards de certification avant tout déploiement industriel à grande échelle. Aucun acteur français ou européen du secteur n'apparaît dans cette étude.

RechercheActu

1 source

3arXiv cs.RO

Modèles de tiges pour le contrôle des robots continus et souples : une revue

Une équipe de chercheurs a publié sur arXiv (référence 2407.05886, troisième révision) une revue exhaustive des modèles de tiges (rod models) appliqués à la modélisation et au contrôle des robots continus et souples. Le travail couvre les fondements mathématiques des théories de tiges, leur application à la modélisation de structures déformables, et les stratégies de contrôle dérivées, tant model-based que learning-based. Les auteurs proposent une classification des modèles selon le type de déformation pris en compte, contribution qui fait défaut dans la littérature existante. Les domaines applicatifs ciblés incluent la santé, l'agriculture, le milieu marin et l'espace, où les robots rigides conventionnels montrent leurs limites face à des environnements non structurés et à des interactions mécaniques en contact permanent. L'intérêt principal de ce survey est de structurer un sous-champ marqué par une forte fragmentation de la littérature. Les modèles de type Cosserat ou Kirchhoff proposent une approximation dimensionnellement réduite du comportement de corps élancés et déformables, offrant un meilleur équilibre que les méthodes éléments finis (FEM) entre précision et coût computationnel temps-réel. Pour les équipes R&D travaillant sur des bras flexibles endoscopiques, des cathéters guidés ou des manipulateurs agricoles, ce panorama unifié permet d'arbitrer entre approche physique et apprentissage, et de cibler les lacunes identifiées : robustesse au contact incertain, calibration en conditions réelles, et fermeture du fossé sim-to-real. Les modèles de tiges appliqués à la robotique souple se sont imposés comme cadre de référence depuis le milieu des années 2010, portés par l'essor des actionneurs à câbles, pneumatiques et à base d'élastomères. Plusieurs groupes académiques restent moteurs sur le sujet : INRIA, MIT CSAIL, IIT Gênes, Universität Stuttgart. Dans l'écosystème industriel, les applications en chirurgie mini-invasive et en manipulation agricole sont directement confrontées à ces problèmes de modélisation. Le papier identifie trois directions ouvertes : gestion du contact multi-points, intégration avec les architectures VLA (vision-langage-action), et généralisation à des morphologies hybrides rigides-souples. Ces fronts devraient alimenter le champ dans les deux à trois prochaines années.

UEINRIA figure parmi les groupes académiques moteurs du domaine ; les applications ciblées (chirurgie mini-invasive, manipulation agricole) concernent directement des acteurs industriels et projets de recherche européens.

RecherchePaper

1 source

4arXiv cs.RO

DreamTrue : un modèle du monde robotique fidèle aux actions, grâce à un post-entraînement contrefactuel

DreamTrue, un modèle du monde pour robots publié sur arXiv (2610.12468), vise à prédire des vidéos fidèles aux actions commandées et physiquement plausibles. Il est multi-vues et inter-embodiments, c'est-à-dire entraîné pour fonctionner sur plusieurs types de robots. Les auteurs, regroupés derrière la page projet brave-eai, partent de deux obstacles des jeux de données robotiques existants. Une calibration imprécise dégrade le suivi des actions. Une couverture limitée des interactions ratées biaise les prédictions vers des issues réussies. Pour y répondre, l'équipe projette les trajectoires d'actions en conditions dans l'espace image, puis applique une calibration géométrique hors ligne qui les aligne sur les vidéos cibles. Elle ajoute un post-entraînement contrefactuel, qui modifie les trajectoires enregistrées et génère les vidéos futures sous un éventail plus large d'actions et de configurations de contact. Faute de vérité terrain appariée pour ces futurs, elle a construit un jeu de vidéos annotées par des humains, couvrant les défauts du robot, des objets et de l'interaction. Il sert à entraîner un modèle de récompense vidéo incarné, dont les scores guident un post-entraînement par apprentissage par renforcement. Sur la plateforme AgiBot, DreamTrue annonce l'état de l'art en suivi d'actions et fait passer le taux de défauts d'interaction, évalué par des humains, de 48,12 % à 6,25 %. Il se classe premier de la piste « world model » de l'AgiBot World Challenge 2026. L'enjeu dépasse le classement. Les modèles du monde servent de plus en plus de simulateurs appris pour évaluer des politiques, générer des données synthétiques ou planifier, et leur défaut majeur est l'optimisme : un modèle entraîné surtout sur des démonstrations réussies « hallucine » des saisies qui aboutissent, même quand l'action commandée devrait échouer. Un tel biais rend le modèle inutile pour tester une politique, puisqu'il ne reproduit pas les échecs. L'approche contrefactuelle, couplée à une récompense apprise sur des défauts annotés, s'attaque directement à ce problème. La baisse de 48 % à 6 % est spectaculaire, mais elle repose sur une évaluation humaine dont le protocole, la taille d'échantillon et la définition des défauts restent à examiner. Elle est mesurée sur un seul robot, ce qui laisse ouverte la généralisation inter-embodiments revendiquée. Il s'agit par ailleurs d'un préprint, sans déploiement réel ni usage en boucle fermée démontré. Le travail s'inscrit dans la course aux modèles du monde robotiques, où se côtoient des systèmes de type Cosmos de NVIDIA, Genie de Google DeepMind et les efforts autour des jeux de données AgiBot World. AgiBot, le constructeur chinois, utilise son challenge pour fédérer la recherche autour de sa plateforme et de ses données, ce qui oriente aussi les résultats vers son matériel. Les suites logiques sont la publication du code et des poids, une validation sur d'autres robots, et surtout la preuve qu'un modèle du monde ainsi calibré classe correctement des politiques réelles, ce qui reste le test décisif pour les intégrateurs et les équipes de recherche.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source