Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
DWMP : exploiter deux modèles du monde pour le franchissement d'obstacles par un robot humanoïde
RecherchearXiv cs.RO 

DWMP : exploiter deux modèles du monde pour le franchissement d'obstacles par un robot humanoïde

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

Un preprint publié sur arXiv (2609.12347v1) présente DWMP (Dual World Model Policy), un système permettant à un robot humanoïde de franchir des champs d'obstacles grâce à deux modèles du monde distincts plutôt qu'une fusion unique des capteurs. Un module fondé sur la théorie de Koopman transforme les signaux proprioceptifs (articulations, capteurs internes) en un espace où leur évolution devient quasi linéaire malgré la dynamique non linéaire du robot. Un second module, de type RSSM, compresse les images de profondeur de la caméra embarquée en états compacts qui conservent la géométrie des obstacles. Une politique fusionne les deux pour générer les commandes. L'approche a été testée en simulation puis sur un Unitree G1 réel, avec obstacles disposés aléatoirement, sans qu'aucun chiffre de performance (taux de réussite, temps de cycle) ne soit donné dans le résumé.

Cette séparation vise une limite connue des politiques de locomotion actuelles, qui traitent souvent de façon indifférenciée des flux aux propriétés opposées: la proprioception, bas-dimensionnelle mais très non linéaire, et la vision, haut-dimensionnelle, bruitée et redondante. Pour les chercheurs et intégrateurs en humanoïdes, l'intérêt tient surtout à la démonstration d'un fonctionnement sur matériel physique réel et non en simulation seule, un point sensible tant l'écart simulation-réel freine encore la commercialisation. Il s'agit néanmoins d'un résultat académique limité à une plateforme unique, le Unitree G1, sans partenaire industriel annoncé, et sans acteur français ou européen impliqué.

Le travail s'inscrit dans la lignée des "world models" de l'apprentissage par renforcement: l'opérateur de Koopman sert depuis plusieurs années à linéariser la dynamique de robots complexes, tandis que l'architecture RSSM, popularisée par la famille Dreamer, a d'abord servi à l'apprentissage à partir d'images en environnement virtuel avant d'être adaptée ici à une caméra de profondeur embarquée. Le choix du Unitree G1 confirme son rôle de plateforme de référence pour la recherche en locomotion humanoïde, face à des acteurs commerciaux comme Figure, Boston Dynamics ou Agility Robotics qui explorent des approches d'apprentissage comparables. Classé comme nouvelle soumission, l'article ne mentionne ni conférence de publication, ni code ouvert, ni essai hors laboratoire: une contribution méthodologique, pas encore une étape de déploiement industriel.

Dans nos dossiers

Boston DynamicsUnitreeAgility Robotics — DigitWorld models

À lire aussi

Being-M0.7 : un modèle du monde et de l'action latent pour robots humanoïdes
1arXiv cs.RO 

Being-M0.7 : un modèle du monde et de l'action latent pour robots humanoïdes

Being-M0.7 est un modèle monde-action latent pour robots humanoïdes, présenté dans un preprint arXiv (2610.11283v1). Il vise la loco-manipulation, c'est-à-dire la coordination de la marche et de la manipulation en anticipant l'évolution de la scène et les mouvements du corps entier. Ses auteurs s'appuient sur un corpus constitué à partir de plus de 10 000 heures de données brutes centrées sur l'humain. Ce corpus mêle trois types de flux: vidéo seule, mouvement seul, et paires vidéo-mouvement. L'entraînement se fait en trois temps. Un pré-entraînement apprend la dynamique visuelle et la structure cinématique du corps entier. Un « mid-training » robot adapte ensuite ce prior aux points de vue et à la dynamique corporelle des robots. Enfin, un post-entraînement d'action greffe un « action expert » qui combine les représentations prédictives du prior figé avec les images courantes et la proprioception, par attention croisée à portes (gated cross-attention), pour produire des commandes corps entier exécutables. Les auteurs annoncent le meilleur taux de succès agrégé parmi les baselines comparées sur le benchmark SIMPLE. Sur des tâches réelles de loco-manipulation avec un Unitree G1, le modèle égale la meilleure baseline sans la dépasser. Le résumé ne donne ni chiffres de succès, ni liste des tâches, ni nombre d'essais. L'intérêt tient à l'attaque d'un goulot d'étranglement connu: les démonstrations robot sont rares et coûteuses, alors que la vidéo et la capture de mouvement humaines abondent. Leur exploitation se heurte à deux obstacles. Beaucoup de jeux de données n'ont qu'une modalité, et le mouvement humain ne se traduit pas directement en actions robot. Prédire conjointement les états visuels latents futurs et le mouvement pousse les représentations visuelles à encoder la cinématique à venir. L'étape intermédiaire robot et l'action expert servent de pont vers l'exécution. Le résultat réel reste nuancé. L'avantage est net en simulation, mais il disparaît sur le matériel: la parité avec la meilleure baseline sur G1 suggère que l'écart simulation-réel n'est pas résolu et que le gain du pré-entraînement sur données humaines reste à démontrer au-delà de benchmarks maîtrisés. Les intégrateurs doivent y voir une piste de recherche prometteuse pour réduire la dépendance à la téléopération, et non une capacité prête pour le déploiement. Il s'agit d'une publication académique, sans produit, sans pilote industriel ni calendrier de commercialisation. Ce travail s'inscrit dans la vague des modèles monde-action et des VLA (vision-langage-action) appliqués aux humanoïdes, où plusieurs acteurs cherchent à exploiter la vidéo humaine à grande échelle. On y trouve des modèles généralistes de type Pi-0, GR00T ou Helix, et des approches qui prédisent le futur visuel pour guider l'action. Le Unitree G1, humanoïde abordable très répandu dans les laboratoires, sert de plateforme de validation commune, ce qui facilite la comparaison entre équipes. La version «0.7» laisse penser à une série de modèles Being, dont les itérations précédentes ne sont pas détaillées ici. Les suites à surveiller sont la publication du code, des poids et des protocoles d'évaluation, ainsi que des tests sur des plateformes plus variées et des tâches plus longues. Une confirmation indépendante sur matériel réel dira si l'avantage observé en simulation se maintient.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Frottement clé pour améliorer les modèles du monde des robots
2Robotics Business Review 

Frottement clé pour améliorer les modèles du monde des robots

Un nouveau papier technique propose une architecture appelée VμA pour corriger un angle mort des modèles du monde en robotique : l'absence du coefficient de frottement statique (μ) parmi les signaux de conditionnement. Aujourd'hui, la quasi-totalité des systèmes conditionnent leurs prédictions sur deux sources seulement, les images de caméras et la position des effecteurs mesurée par les encodeurs articulaires, ce qui suffit pour des tâches en espace libre mais devient insuffisant dès qu'un robot entre en contact avec un objet. Dans de nombreuses implémentations, le contact n'est même pas mesuré directement : il est déduit du courant moteur, un signal proxy éloigné de la physique réelle qui se joue au bout du doigt du gripper. Certains systèmes ajoutent des capteurs tactiles, comme ceux commercialisés par l'entreprise australienne Contactile pour équiper mains et pinces robotiques, avec des gains mesurables sur la préhension adaptative en temps réel et la correction de glissement. Mais ces capteurs restent limités à des cartes de pression, des images de déformation ou, au mieux, une distribution de force sur trois axes : ils disent qu'un contact a lieu et avec quelle intensité, pas si ce contact va tenir. C'est précisément cette lacune que VμA cherche à combler en injectant μ comme entrée de premier ordre. Le coefficient de frottement statique est la grandeur physique qui détermine si un objet saisi reste saisi, en fonction du couple de matériaux, de l'état de surface, de la température ou de la contamination. Il ne peut être ni vu par une caméra, ni déduit du courant moteur, ni reconstruit à partir d'une carte de pression. Pour l'industrie de la manipulation robotique, l'enjeu dépasse la subtilité académique : sans μ, un modèle du monde n'apprend que des corrélations statistiques entre motifs de contact et résultats observés dans ses données d'entraînement, ce qui explique pourquoi ces systèmes échouent souvent à généraliser sur des surfaces ou des objets inédits. Un modèle conditionné sur la friction change de nature, puisqu'il manipule directement la cause physique du glissement plutôt qu'un proxy appris, ce qui intéresse au premier chef les intégrateurs travaillant sur la manipulation en environnement non structuré, de la logistique à l'assemblage fin. Cette proposition s'inscrit dans la course plus large aux modèles du monde généralistes, présentés par une partie du secteur comme la prochaine étape après les architectures vision-langage-action de type Pi-0 ou GR00T N2, censées permettre à un robot de raisonner sur des situations jamais rencontrées plutôt que de mémoriser des tâches. L'argument du papier est en réalité une critique de cette trajectoire : tant que le conditionnement tactile reste incomplet, la promesse de généralisation reste largement théorique pour toute manipulation en contact riche. Les suites concrètes, à savoir une intégration de VμA sur du matériel comme les capteurs Contactile ou des essais chez des intégrateurs industriels, ne sont pas précisées dans le document source.

RecherchePaper
1 source
IA humanoïde : PFM-HR, un modèle de flow matching pour la posture des robots
3arXiv cs.RO 

IA humanoïde : PFM-HR, un modèle de flow matching pour la posture des robots

Des chercheurs publient sur arXiv (arXiv:2608.03227, 3 août 2026) PFM-HR, Pose Flow Matching for Humanoid Robots, un nouveau prior de mouvement pour l'apprentissage par renforcement appliqué au suivi de mouvement de robots humanoïdes basé sur la physique. Contrairement aux priors temporels classiques, qui exigent des clips de mouvement ordonnés, PFM-HR entraîne un flow matching réutilisable directement sur de grands volumes de données de poses non ordonnées. Les auteurs introduisent le Pose Geometry Score (PGS), une métrique qui vérifie si les changements de coordonnées articulaires observés pendant l'entraînement suivent la géométrie locale de variation de pose apprise par le prior, et l'utilisent pour moduler la récompense de suivi tout en gardant le prior figé. Résultat : des gains sur le suivi d'un mouvement isolé comme sur le suivi général, plus marqués sur les mouvements très dynamiques. Pour la recherche en robotique humanoïde, ce travail cible un vrai goulot d'étranglement de l'apprentissage par renforcement : le choix actuel entre un guidage temporel rigide, peu adapté aux imprévus, et un guidage de pose statique qui ne dit rien sur la façon de passer d'une posture à l'autre. Un prior réutilisable, découplé des clips séquencés et des tâches d'entraînement, faciliterait la conception de contrôleurs plus robustes pour des mouvements rapides (course, sauts, réactions à un déséquilibre), un point faible récurrent des démonstrations de robots humanoïdes, où l'écart entre vidéo soignée et comportement stable en conditions réelles reste important. Il s'agit ici d'une contribution méthodologique destinée aux équipes qui développent des politiques de contrôle bas niveau, pas d'un produit ou d'un déploiement commercial. PFM-HR s'inscrit dans une lignée de recherches sur les priors de mouvement pour le contrôle physique de personnages et de robots, un champ qui s'appuie largement sur des données de capture de mouvement humain pour guider l'apprentissage de politiques réalistes. Le recours au flow matching, technique de génération continue déjà adoptée par plusieurs modèles de politiques robotiques généralistes de type VLA (Pi-0, GR00T N2), traduit un rapprochement entre les outils de génération d'images et vidéo et le contrôle de robots humanoïdes. Le papier ne fournit ni comparaison chiffrée à des méthodes nommées ni calendrier de test sur robot physique : à ce stade, PFM-HR reste validé en simulation, et son intérêt pour l'industrie dépendra de sa reproduction sur du matériel réel et de son intégration dans des pipelines d'entraînement existants.

RecherchePaper
1 source
Calcul au moment du test pour les modèles fondation de comportement des robots humanoïdes
4arXiv cs.RO 

Calcul au moment du test pour les modèles fondation de comportement des robots humanoïdes

Des chercheurs proposent une méthode, baptisée Test-Time Command Optimization (TTCO), pour réduire l'écart entre les mouvements demandés à un humanoïde et ceux qu'il exécute réellement. Elle s'applique aux Behavior Foundation Models (BFMs), des contrôleurs généralistes de corps entier capables de suivre un large répertoire de mouvements. Ces modèles souffrent d'un « command-exécution gap » systématique : la trajectoire exécutée dévie de la trajectoire commandée. TTCO ne réentraîne pas le BFM. Elle modifie la commande d'entrée par optimisation par échantillonnage, en simulant en boucle fermée le BFM couplé à la dynamique du robot, jusqu'à ce que le mouvement exécuté colle au mouvement visé. Sur trois BFMs et le jeu de données de capture de mouvement AMASS, l'erreur moyenne de position globale du corps baisse de 79 à 84 % en simulation. Les auteurs dérivent aussi une stratégie approximativement optimale pour répartir le calcul, qui continue d'améliorer les résultats quand le budget augmente. Enfin, TTCO peut produire des étiquettes d'action propres à chaque BFM à partir de trajectoires robot enregistrées, sans les commandes de téléopération d'origine. Ces étiquettes servent à entraîner des politiques de loco-manipulation de haut niveau, validées en simulation et sur robot réel, et à réutiliser des démonstrations existantes d'un BFM à l'autre. L'enjeu est la précision. Les démonstrations de mouvements spectaculaires masquent souvent des erreurs de plusieurs centimètres, rédhibitoires dès qu'il faut saisir, porter ou poser un objet. Ici, le gain vient du calcul au moment du test plutôt que d'un nouvel entraînement, ce qui permet d'améliorer des contrôleurs déjà déployés. La génération d'étiquettes d'action rend aussi les jeux de démonstrations portables entre modèles, un point utile pour les intégrateurs qui changent de plateforme. Il faut toutefois relativiser : le chiffre de 79-84 % porte sur la simulation, le calcul d'optimisation par commande a un coût, et le résumé ne donne ni temps de calcul ni taux de réussite en tâches réelles. Ce travail s'inscrit dans la montée des modèles de fondation pour humanoïdes, où l'on cherche à transposer aux robots les gains du calcul à l'inférence observés en langage. Il vient compléter les BFMs et les politiques vision-langage-action, qui produisent des commandes de haut niveau sans garantir leur exécution fidèle. La suite logique est la réduction du coût de TTCO, voire son exécution en ligne, et sa démonstration sur des tâches industrielles de manipulation.

RecherchePaper
1 source