RecherchearXiv cs.RO 11 septembre 2026

Effets de la démarche sur la locomotion des quadrupèdes en charge, avec mécanisme passif

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une étude publiée sur arXiv (référence 2609.11059, soumise début septembre 2026) analyse comment un bras passif, simple interface mécanique sans actionneur ni moteur propre, transmet la dynamique d'une charge portée jusqu'à la démarche d'un robot quadrupède. Réglé uniquement par sa raideur (stiffness) et son amortissement (damping), ce type de bras couple directement le comportement de la charge à l'allure adoptée par le robot. Les auteurs comparent en simulation, sur sol plat, deux réglages d'impédance du bras, amorti et sous-amorti, pour deux allures : le pas croisé (crawl), où le polygone de sustentation reste bien défini à tout instant, et le trot, retenu uniquement comme cas d'excitation dynamique du bras et non comme base de comparaison directe de stabilité. Pour l'allure crawl, le réglage sous-amorti augmente les oscillations de l'articulation passive et peut réduire la marge de ZMP (zero moment point, la mesure d'équilibre dynamique par rapport au polygone d'appui) ; l'ensemble des résultats est résumé sous forme de cartes croisant allure, charge, raideur et amortissement.

Pour les intégrateurs et fabricants de plateformes quadrupèdes, l'enjeu est concret : un bras passif promet un ajout de charge utile plus léger, moins coûteux et sans boucle de commande supplémentaire qu'un manipulateur actionné, une piste déjà envisagée sur des robots comme Spot de Boston Dynamics ou les quadrupèdes d'ANYbotics et Unitree pour des tâches d'inspection ou de transport d'outils. L'étude montre toutefois qu'un réglage de raideur-amortissement ne peut pas être choisi indépendamment de l'allure retenue, un compromis stable en crawl pouvant dégrader la marge d'équilibre si l'allure ou la charge changent. Cela contredit l'idée d'un bras passif universel, monté sans réglage spécifique, et suggère que raideur, amortissement et contrôleur de marche doivent être co-conçus dès l'ingénierie plutôt que traités comme des briques indépendantes.

Ce travail s'inscrit dans une tendance plus large visant à doter les robots quadrupèdes, déjà déployés pour l'inspection industrielle, de capacités de transport de charge, en cherchant des alternatives mécaniquement simples aux bras robotiques entièrement actionnés. Il s'agit ici d'une étude de simulation uniquement : aucun prototype physique ni essai de terrain n'est mentionné, et les auteurs ni leur institution ne sont précisés dans le résumé, ce qui est typique d'une soumission arXiv méthodologique récente en robotique locomotrice, en amont de toute intégration produit. Les prochaines étapes attendues, bien que non détaillées dans cette version, porteraient logiquement sur la validation expérimentale sur matériel réel du couplage allure-impédance identifié en simulation, ainsi que sur son extension à d'autres allures et à des terrains irréguliers.

Dans nos dossiers

Boston Dynamics Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

Sentir la charge : locomotion compliante de quadrupèdes face aux interactions avec une charge utile

Des chercheurs proposent un cadre de locomotion sensible aux forces pour robot quadrupède, décrit dans un preprint arXiv (2610.08637v1), qui traite les interactions humaines avec une charge utile non fixée comme des commandes de pilotage. Le scénario visé est celui où une personne pousse ou tire l'objet transporté plutôt que le robot lui-même. Le contrôleur doit alors distinguer une intervention volontaire des mouvements ordinaires de la charge, tout en la gardant en équilibre et en conservant une marche stable. L'approche sépare l'apprentissage de la locomotion tenant compte des forces de celui de l'estimation des forces. Une politique de portage « compliante » est associée à un estimateur de force causal, entraîné par agrégation de données avec l'estimateur dans la boucle puis affiné (finetuning). L'estimateur prédit les interactions uniquement à partir des mesures embarquées du robot, sans capteur d'effort dédié sur la charge. Les auteurs rapportent des résultats en simulation et en conditions réelles : locomotion stable avec charge, cession compliante face aux forces extérieures, et réutilisation de la force inférée pour dévier la trajectoire sous guidage humain. L'intérêt tient au déplacement du problème. La plupart des travaux sur les quadrupèdes porteurs considèrent la charge comme une perturbation à rejeter, ou la fixent rigidement au châssis. Ici, la charge devient un canal d'interaction : l'opérateur peut guider le robot en saisissant l'objet, sans télécommande ni interface. Pour un intégrateur, cela ouvre des usages de logistique de site, de transport en inspection ou de cobotique mobile, où un opérateur doit corriger le robot dans un environnement partagé. Le choix de se passer de capteurs supplémentaires réduit aussi le coût et la fragilité matérielle. Il faut toutefois rester prudent : c'est un résultat de laboratoire, sans chiffres de charge maximale, de précision d'estimation ni de robustesse à des charges variées dans l'extrait disponible. La séparation entre politique et estimateur suggère une modularité utile, mais sa tenue hors du cadre expérimental reste à démontrer. Ce travail s'inscrit dans la lignée de l'apprentissage par renforcement pour la locomotion quadrupède, devenu standard pour la marche robuste, et des politiques « conscientes » de leur contexte qui estiment des grandeurs cachées (friction, masse, poussées) à partir de l'historique proprioceptif. Il prolonge aussi les recherches sur la compliance et l'interaction physique humain-robot, jusqu'ici surtout traitées avec des bras manipulateurs ou des robots à base fixe. Aucun produit, partenaire industriel ni calendrier de pilote n'est annoncé : il s'agit d'un preprint de recherche, non d'un système commercialisé ou déployé. Les suites probables concernent l'extension à des charges plus lourdes et plus variées, le passage à des plateformes industrielles et l'intégration avec des modèles de plus haut niveau, comme les VLA, pour combiner guidage physique et instructions de tâche.

RecherchePaper

1 source

2arXiv cs.RO

Apprendre à marcher avec moins de données : une approche Dyna pour la locomotion quadrupède

Une équipe de recherche a publié une version révisée sur arXiv (2509.06296v2) d'une méthode de renforcement pour accélérer l'entraînement de robots quadrupèdes en simulation. Les algorithmes on-policy classiques comme PPO exigent des dizaines de millions d'interactions simulées avant de converger. La méthode proposée injecte des données synthétiques dans les rollouts PPO via une architecture Dyna : un modèle de transition appris génère de courtes trajectoires additionnelles ancrées à la simulation physique, introduites progressivement pour éviter les erreurs de début d'entraînement. Sur le quadrupède Unitree Go1, elle converge en 19,64 millions de pas de simulation contre 27,53 millions pour PPO seul, soit 12,24% de temps d'entraînement en moins, sans perte de performance. Des essais croisés sur ANYmal, du suisse ANYbotics (spin-off de l'ETH Zurich), et sur le Unitree Go2 confirment le gain, avec des compromis sur la récompense pour les morphologies les plus complexes. Pour l'industrie robotique, l'efficacité d'échantillonnage reste le principal goulot d'étranglement : chaque nouvelle démarche ou terrain appris par un quadrupède consomme des semaines de calcul avant le transfert du simulateur vers le robot réel. Une réduction d'environ 29% des pas de simulation nécessaires, si elle se confirme au-delà des trois plateformes testées, réduirait les coûts et délais pour les intégrateurs qui personnalisent des contrôleurs pour Unitree, ANYbotics ou d'autres fabricants. Le résultat renforce aussi une tendance de fond en RL : utiliser des modèles du monde appris en complément, et non en remplacement, de la simulation physique. Le bémol : le gain se réduit sur les morphologies complexes, signe que ces architectures hybrides restent à calibrer robot par robot plutôt qu'universelles. Le papier s'inscrit dans la lignée du RL model-based initié par l'architecture Dyna de Richard Sutton dans les années 1990, revenue au premier plan pour réduire le coût du RL model-free sur des tâches de contrôle continu à haute dimension comme la locomotion. Il prolonge des travaux appliquant PPO à des quadrupèdes commerciaux (Unitree Go1/Go2, ANYmal) pour la marche ou le franchissement d'obstacles, où l'entraînement massif en simulation précède le déploiement réel. Les résultats restent cantonnés à la simulation : aucun essai sur robot physique ni calendrier de transfert sim-to-real n'est mentionné, les auteurs présentant leurs travaux comme un cadre méthodologique plutôt qu'un produit prêt à déployer.

UELa validation croisée sur ANYmal, quadrupède du suisse ANYbotics (spin-off de l'ETH Zurich), suggère un intérêt potentiel pour les intégrateurs européens, mais aucun essai réel ni déploiement n'est mentionné.

RecherchePaper

1 source

3arXiv cs.RO

Adaptation de la démarche économe en énergie par apprentissage par renforcement hiérarchique pour la locomotion quadrupède sur terrains variés

Des chercheurs proposent un cadre d'apprentissage par renforcement hiérarchique (HRL) qui sépare deux niveaux de contrôle pour la locomotion des robots quadrupèdes. Une politique haute fréquence assure l'exécution stable et robuste du mouvement au niveau des articulations. Une politique basse fréquence adapte la démarche en minimisant explicitement le coût de transport (CoT), c'est-à-dire l'énergie dépensée par unité de poids et de distance parcourue. L'entraînement se fait en trois étapes sous Isaac, le simulateur de NVIDIA. Il permet un transfert direct de la simulation au réel (zero-shot, sans réglage supplémentaire). Les auteurs le valident sur un quadrupède Unitree AlienGo. En simulation, ils le comparent à des politiques monolithiques et à des architectures hiérarchiques de référence. Ils annoncent un CoT réduit sur une large plage de vitesses commandées, avec une locomotion qui reste robuste sur sol plat, sol irrégulier et pentes. Le résumé publié ne donne aucun chiffre précis, ni pourcentage de réduction, ni valeur de CoT, ni vitesse maximale. L'intérêt principal est de s'attaquer à un défaut connu des politiques entièrement apprises de bout en bout. Dans ces systèmes, la génération de la démarche, l'exécution du mouvement et l'optimisation énergétique sont étroitement imbriquées. Le résultat dépend alors fortement de la pondération des termes de récompense, ce qui rend les politiques fragiles et difficiles à ajuster. En isolant la minimisation du CoT dans un niveau dédié, l'approche rend l'efficacité énergétique plus contrôlable, sans dégrader le suivi de vitesse. La hiérarchie fait aussi émerger une adaptation automatique de la démarche : le robot passe de l'amble (pacing) à basse vitesse au trot à vitesse plus élevée. Cela rappelle les transitions de allures observées chez les animaux, sans qu'elles aient été programmées. Pour les intégrateurs, l'autonomie est un facteur limitant des quadrupèdes d'inspection industrielle. Un gain énergétique obtenu par la politique seule, sans changement matériel, serait donc précieux. Il faudra toutefois le confirmer par des mesures d'autonomie réelles. Cette publication s'inscrit dans une série de travaux sur la locomotion apprise, qui ont largement utilisé Isaac Gym et Isaac Lab pour entraîner des politiques déployées sur des plateformes Unitree. Les approches hiérarchiques existent déjà. Elles séparent en général un planificateur de démarche ou de pas d'un contrôleur bas niveau. Ici, la particularité tient à l'optimisation explicite du CoT au niveau supérieur. Les limites sont claires. Il s'agit d'un preprint arXiv (2610.10297v1) non évalué par les pairs. Le test matériel porte sur un seul robot, l'AlienGo, plateforme plus ancienne que les Go2 ou B2 actuels de Unitree. Les terrains testés restent relativement simples. La suite logique serait de valider sur des plateformes plus récentes, avec des mesures de consommation en conditions réelles. Il faudrait aussi tester des terrains plus difficiles comme les escaliers, et comparer avec les contrôleurs commerciaux.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

LoComposition : locomotion quadrupède économe en énergie et adaptée au terrain, sans a priori de démarche

Une équipe de chercheurs publie LoComposition (arXiv:2606.15896, juin 2026), une méthode d'apprentissage par renforcement pour la locomotion quadrupède qui décompose les objectifs en mécanismes distincts plutôt que de les fusionner dans une fonction de récompense monolithique. Le système confie à des composants séparés ce que les approches classiques entremêlent : les récompenses gèrent la spécification de tâche, des contraintes encadrent les limites opérationnelles, la minimisation d'énergie pilote les préférences de démarche, et la perception extéroceptive (cartographie d'élévation LiDAR) adapte la consommation énergétique à la difficulté du terrain. Par rapport à une baseline conventionnelle à récompense complexe, LoComposition atteint des performances comparables de franchissement de terrain tout en réduisant le coût de transport de 56 % et les violations de limites opérationnelles de 96 %. La politique entraînée en simulation se transfère ensuite en zero-shot sur un robot quadrupède Unitree Go2 physique sans recalibration manuelle. L'apport central est la suppression des gait priors explicites, c'est-à-dire les cibles de temps de vol, de nombre de contacts au sol et de clairance des pieds, au profit de comportements de démarche émergents. Pour les équipes d'intégration, cela signifie moins d'ingénierie manuelle des récompenses et une meilleure généralisation à des terrains non vus en entraînement. La réduction de 56 % du coût de transport est directement pertinente pour les déploiements sur batteries à autonomie prolongée, scénario typique de l'inspection industrielle ou de la surveillance de site. L'analyse par ablation des chercheurs, montrant que retirer chaque composant expose un mode d'échec distinct, valide la cohérence de l'architecture et confirme que les gains ne sont pas le résultat d'un ajustement opportuniste des hyperparamètres. Cette contribution s'inscrit dans la dynamique de locomotion quadrupède par renforcement dominée depuis 2020 par le Robotics Systems Lab de l'ETH Zurich (ANYmal, séries RMA et Parkour) et Carnegie Mellon University. Le Unitree Go2, plateforme commerciale accessible, est devenu un banc d'essai standard pour la recherche académique, ce qui facilite la reproductibilité des résultats. Du côté industriel, ANYbotics et Boston Dynamics (Spot) développent des solutions propriétaires sur des trajectoires similaires mais ne publient pas leurs méthodes. LoComposition reste à ce stade une contribution de recherche fondamentale : aucun pilote industriel ni timeline de commercialisation n'est annoncé dans le preprint.

RecherchePaper

1 source