RecherchearXiv cs.RO 15 septembre 2026

EMoG : génération de démarche modulée par l'émotion pour une locomotion humanoïde expressive

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un article de recherche publié sur arXiv sous la référence 2609.14432 (septembre 2026) présente EMoG, un framework de génération de démarche modulée par l'émotion pour la locomotion expressive de robots humanoïdes, construit autour d'un « code de style émotionnel » dont l'intensité est ajustable en continu. Combiné à des commandes physiques classiques (vitesse, direction), ce code alimente un réseau MLP léger qui génère en temps réel des trajectoires de démarche périodiques, expressives et cohérentes avec la commande demandée, ensuite exécutées par une politique unique d'apprentissage par renforcement. Pour l'entraînement, les auteurs ont constitué un jeu de données de démarches annotées par émotion auprès de performeurs professionnels, avec un pipeline automatisé extrayant des cycles de marche périodiques physiquement cohérents. EMoG intègre également un parseur basé sur un LLM convertissant des instructions en langage naturel libre en paramètres de style émotionnel et de mouvement, pour un contrôle interactif. Les expériences rapportées montrent une modulation continue du style de marche avec des signaux expressifs perceptibles, sans dégradation du suivi des commandes physiques.

La plupart des systèmes de locomotion humanoïde se concentrent sur la stabilité et l'exécution de tâches, laissant l'expressivité émotionnelle de côté ou reléguée aux gestes du haut du corps plutôt qu'intégrée au contrôle de la marche lui même. En traitant l'émotion comme un paramètre continu du contrôleur de bas niveau plutôt que comme une couche cosmétique ajoutée après coup, EMoG ouvre la voie à des robots capables de signaler un état (prudent, enjoué, fatigué) par leur simple façon de marcher, sans sacrifier la précision de navigation attendue par les intégrateurs. C'est aussi un signal de plus que les interfaces en langage naturel pilotées par LLM s'imposent comme couche de contrôle au dessus des politiques d'apprentissage par renforcement de bas niveau, une tendance déjà visible dans les architectures vision langage action du secteur.

Ce travail s'inscrit dans un champ encore jeune : la quasi totalité des efforts commerciaux sur les humanoïdes, stabilité de marche, manipulation, téléopération, ignore largement la dimension expressive, jugée secondaire face aux enjeux de fiabilité et de rentabilité industrielle. EMoG reste à ce stade un travail académique publié en preprint, sans plateforme robotique ni partenaire industriel nommés dans le résumé, et sans annonce de déploiement réel : les résultats proviennent d'expériences contrôlées, pas d'un déploiement en usine ou en environnement public. Il rejoint néanmoins un intérêt croissant pour l'expressivité robotique comme levier d'acceptabilité sociale, un axe que laboratoires et startups d'interaction humain robot devraient suivre de près pour des usages d'accueil, de service ou de robotique sociale, où la perception émotionnelle du geste compte autant que la performance motrice.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Avez-vous du freestyle ? La locomotion humanoïde expressive pilotée par l'audio

Des chercheurs ont publié sur arXiv (2512.23650, troisième révision) RoboPerform, présenté comme le premier framework unifiant génération audio-vers-locomotion pour robots humanoïdes, capable de produire à la fois de la danse pilotée par la musique et des gestes de co-parole déclenchés par la voix, directement depuis le signal audio. L'approche suit le principe "mouvement = contenu + style" : l'audio est traité comme un signal de style implicite, sans reconstruction explicite préalable du mouvement. L'architecture combine une politique enseignante ResMoE, un mélange d'experts adapté à des répertoires de mouvements variés, et une politique étudiante par diffusion qui injecte le style audio directement dans la trajectoire, un design "sans retargeting" censé réduire latence et erreurs en cascade. Les auteurs revendiquent des résultats "prometteurs" en plausibilité physique et en alignement audio-mouvement, mais le résumé ne donne aucun chiffre précis : ni degrés de liberté, ni temps de cycle, ni score de benchmark, ni nom de robot testé. Le travail cible un manque réel du secteur : la plupart des humanoïdes actuels restent cantonnés à des bibliothèques de mouvements prédéfinis ou à des commandes distantes ponctuelles, sans capacité d'improvisation réactive en temps réel. Un pipeline générant chorégraphie ou gestes de communication directement depuis l'audio, sans reconstruction puis retargeting séparés, intéresserait les concepteurs de robots destinés à l'interaction humaine, à l'événementiel ou au service client, où la réactivité perçue pèse autant que la précision du geste. La portée reste toutefois à relativiser : il s'agit d'un article de recherche sans produit commercialisé ni déploiement annoncé, et la formule "résultats prometteurs" sans métriques chiffrées relève d'une validation académique préliminaire, pas d'une preuve à l'échelle industrielle. RoboPerform s'inscrit dans la lignée des travaux sur la génération de mouvement à partir de l'audio, un champ jusqu'ici dominé par des pipelines en cascade : un modèle de diffusion génère un mouvement depuis l'audio, ensuite retargeté vers la morphologie du robot par cinématique inverse, une chaîne connue pour accumuler erreurs et latence à chaque étape. La contribution revendiquée est de fusionner ces étapes en une seule paire de politiques entraînées conjointement, plutôt qu'un pipeline séquentiel classique. L'article ne mentionne ni partenariat industriel, ni pilote, ni calendrier de déploiement : à ce stade, RoboPerform reste un résultat de laboratoire dont la validation sur une plateforme humanoïde réelle et à grande échelle reste à démontrer.

RecherchePaper

1 source

2arXiv cs.RO

Guidage dynamique inspiré de la marche passive pour une locomotion humanoïde économe en énergie

Des chercheurs proposent un cadre d'apprentissage par renforcement inspiré de la marche dynamique passive (PDW) pour réduire le coût énergétique de la locomotion humanoïde. Pendant les premières phases d'entraînement, un champ de gravité incliné crée des conditions équivalentes à une pente et facilite la progression sagittale sur un sol pourtant plat, avec des termes de récompense couplés à un curriculum. Toute aide spécifique à la PDW est ensuite retirée avant l'optimisation sous dynamique nominale. Le cœur de la méthode n'exige ni trajectoire de référence, ni phases de marche, ni calendrier de contacts. Testé sur un Unitree G1 à 29 DOF, avec cinq graines d'entraînement en marche avant, le cadre réduit le coût de transport mécanique de 6,8 à 15,2 % pour des vitesses commandées de 0,5 à 2,0 m/s, sans dégrader le suivi de vitesse. La décomposition du travail mécanique attribue ce gain au travail positif des actionneurs. Sur le matériel réel, le coût de transport en marche avant baisse de 16,3 % avec un a priori de mouvement dédié à la marche, et de 4,5 % sans lui. Ce résultat déplace la question de l'efficacité énergétique, qui n'est plus seulement une affaire de pénalités d'effort dans la récompense. Ces pénalités n'orientent que indirectement la mécanique pas à pas, alors que le guidage par la dynamique agit sur la coordination de la démarche elle-même. Pour les intégrateurs et les décideurs B2B, l'autonomie est un facteur limitant du déploiement des humanoïdes : un coût de transport plus bas prolonge le temps de service par charge et allège les contraintes thermiques. Le gain est aussi obtenu sans données de mouvement propriétaires. Les auteurs distinguent l'accélération de l'apprentissage de la marche, apportée par le régime guidé, du bénéfice supplémentaire de l'inclinaison sur l'économie finale. Il faut toutefois nuancer : sur robot réel, le gain de 4,5 % sans a priori de mouvement reste dans la dispersion d'un essai à l'autre, donc statistiquement fragile. Le travail s'inscrit dans le courant dominant de la locomotion humanoïde par apprentissage par renforcement en simulation, où la marche est généralement obtenue par mise en forme de la récompense, imitation de références ou contraintes de contacts. Le G1 d'Unitree sert de plateforme de recherche répandue, ce qui facilite la reproduction. Le cadre s'étend à la locomotion omnidirectionnelle sans assistance : le bénéfice persiste lorsqu'un a priori de mouvement spécifique à la marche fournit la coordination cinématique, et l'association réduit alors le coût de transport à vitesse égale de 18,7 %. Aucun pilote industriel ni calendrier de déploiement n'est annoncé, et les résultats matériels portent sur un seul type de robot, en marche avant. La suite logique consiste à valider ces gains sur d'autres morphologies, en charge utile et sur terrains variés, avant tout transfert vers des produits commerciaux.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

GaitSpan : de la marche à la course, l'évolution progressive de la locomotion humanoïde

GaitSpan est un nouveau framework d'apprentissage présente dans un preprint arXiv (2607.12114v1, publie en juillet 2026) qui permet a une politique de contrôle humanoïde pretrainee sur la marche de s'étendre vers des allures plus rapides, jogging et course, sans réapprentissage complet. Le système traite la marche comme une "compétence germe" (seed skill), c'est a dire une structure motrice réutilisable pour l'équilibre, le support, la coordination du corps et les transitions de contact, qui est ensuite régénérée a de nouveaux rythmes, étendue en foulées plus longues et plus hautes, puis corrigée par une adaptation résiduelle. La méthode combine trois mécanismes: une génération de rythme qui module la politique de marche figée via plusieurs horloges internes et apprend des combinaisons conditionnées par des commandes de vitesse; un façonnage de foulée qui récompense des schémas de locomotion dynamique adaptes aux vitesses élevées, inspire de la dynamique du pendule inverse a ressort (spring-loaded inverted pendulum); et une adaptation résiduelle qui capture les détails de mouvement non couverts par les deux premiers mécanismes. Selon les auteurs, GaitSpan est la première politique humanoïde unique, conditionnée par commande, a couvrir un spectre continu allant de la marche au jogging jusqu'a des régimes proches de la course, tout en se transférant a différentes morphologies de robots et en se déployant en zero-shot sur des terrains simules inédits comme sur des terrains réels. Pour l'industrie de la robotique humanoïde, cela répond a une limite récurrente des approches actuelles: les stratégies existantes de diversification des allures, qu'elles reposent sur des calendriers de démarche prédéfinis, l'imitation de clips de mouvement humain, l'entrainement d'experts spécialisés ou la distillation de plusieurs compétences en une seule politique, restent rigides face a des commandes de vitesse continues, des terrains varies et des changements de morphologie. Une politique capable de généraliser la course a partir d'une base de marche déjà maîtrisée réduirait le cout d'ingénierie et accélèrerait le déploiement sur des plateformes variées. Comparee aux approches de référence utilisant plusieurs experts ou l'imitation de démonstrations humaines, GaitSpan apprend plus vite et obtient de meilleures performances de démarche, selon les tests rapportes par les auteurs. Le papier s'inscrit dans la lignée des travaux récents sur les politiques VLA et d'apprentissage par renforcement pour la locomotion humanoïde, ou la question du transfert sim-to-real et de la généralisation entre vitesses et terrains reste un enjeu central de robustesse avant déploiement industriel a grande échelle.

RecherchePaper

1 source

4arXiv cs.RO

EmoPose : génération de gestes sensibles aux émotions guidée par un modèle vision-langage pour robots humanoïdes

Un article publié sur arXiv (2609.23414v1) présente EmoPose, un système associant un modèle vision-langage (VLM) et un contrôleur robotique déterministe pour générer des gestes porteurs d'émotion chez les robots humanoïdes : à partir d'un texte, d'un historique de dialogue et d'un contexte visuel optionnel, le VLM choisit un plan de gestes ordonné (classe communicative, variante, intensité, point d'ancrage vocal), puisé dans une bibliothèque de mouvements propre au robot qui fournit des cibles articulaires à 14 degrés de liberté (DoF). L'outil Pose Studio génère automatiquement les trajectoires, les prévisualise sous le simulateur MuJoCo et synchronise les nouvelles entrées avec le guide du VLM, tandis que des modules déterministes côté robot valident les plans, construisent les trajectoires et gèrent l'ordonnancement, la mise en file et l'interruption des gestes. Sur le banc d'essai EmoPose-Bench, une planification structurée avec GPT-5.5 atteint 98,25 % (± 0,52) sur le niveau facile et 76,50 % (± 0,54) au global, un score supérieur à un prompting à étiquette directe avec le même modèle. Le système exécute la suite nominale sous MuJoCo et reproduit les 29 variantes de la bibliothèque sur un robot Unitree G1 physique, démontré lors d'une visite de laboratoire en quatre étapes mêlant narration expressive avec interruption, dialogue ancré sur la caméra et navigation. Cette architecture répond à un problème concret pour les intégrateurs : confier le contrôle articulaire brut à un modèle de fondation reste imprévisible, tandis qu'un robot purement scripté manque de flexibilité sociale. En cantonnant le VLM à un rôle de sélection sémantique dans une bibliothèque de mouvements pré-validée et en laissant le contrôle bas niveau à des modules déterministes, EmoPose permet d'étendre le répertoire expressif à de nouveaux contextes sociaux sans modifier l'interface de contrôle ni recertifier la sécurité du mouvement. C'est un argument dans le débat sur le passage à l'échelle des modèles vision-langage-action (VLA) : plutôt que de démontrer qu'un VLA génère directement des trajectoires fiables de bout en bout, les auteurs montrent qu'un VLM peut piloter une bibliothèque de gestes pré-validés, approche plus proche de ce qu'un intégrateur industriel peut auditer et déployer en sécurité. Les chiffres de précision restent néanmoins issus d'un benchmark maison et d'une démonstration en laboratoire contrôlé, pas d'un déploiement en conditions réelles à grande échelle. EmoPose s'inscrit dans la vague de travaux cherchant à combler l'écart entre les modèles vision-langage-action généralistes, tels Pi-0 ou GR00T N2, et le besoin d'un contrôle fiable et spécifique à chaque corps physique ; contrairement à ces approches de génération de mouvement de bout en bout, EmoPose sépare explicitement raisonnement social et exécution motrice. Le choix du Unitree G1, plateforme humanoïde largement utilisée par les laboratoires de recherche pour son coût accessible, souligne la nature académique de la démonstration plutôt qu'un déploiement commercial. Les auteurs ne mentionnent ni partenaire industriel ni calendrier de commercialisation : à ce stade, la publication reste une validation de méthode sur banc d'essai et lors d'une visite de laboratoire, sans pilote client ni déploiement annoncé en environnement réel.

RecherchePaper

1 source