RecherchearXiv cs.RO 18 septembre 2026

Planification de fabrication additive robotisée par IA à base d'agents fondée sur la cinématique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche présente dans un preprint publié sur arXiv (2609.19347v1) un système baptisé A-RAM, pour "agentic robotic additive manufacturing", conçu pour planifier automatiquement les processus de fabrication additive exécutés par un bras robotique plutôt que par une imprimante 3D classique à portique cartésien. Le système combine un grand modèle de langage, chargé d'interpréter les objectifs et contraintes de fabrication exprimés par l'utilisateur et de les traduire dans un schéma structuré, avec un agent de planification déterministe qui construit le plan de recherche correspondant, et des outils spécialisés qui calculent des preuves quantitatives sur le découpage (slicing), le placement de la pièce, la cinématique inverse, le minutage de la trajectoire, le jerk de l'axe 6 et l'extrusion. Le framework a été testé sur une cellule robotisée équipée d'un bras six axes, à travers quatre scénarios : planification spécifiée par un expert, planification à partir du seul objectif, criblage du remplissage (infill) selon l'objectif visé, et sélection de l'orientation et du placement selon la géométrie de la pièce. Les plans retenus par le système réduisent jusqu'à 53,5% le jerk maximal sur l'axe 6 et jusqu'à 48,3% le jerk moyen absolu par rapport aux candidats valides les moins favorables, tandis que le criblage d'infill orienté objectif raccourcit les temps de complétion du plan de mouvement jusqu'à 40,1% et les trajectoires d'extrusion jusqu'à 12,7%.

L'enjeu pointé par les auteurs est concret pour les intégrateurs industriels : un plan de découpage jugé bon dans le référentiel de la pièce peut devenir irréalisable ou mécaniquement défavorable une fois transposé sur un manipulateur robotique, car l'orientation de la pièce et son placement dans l'espace de travail influencent directement la faisabilité cinématique. Les outils existants, qu'il s'agisse des slicers classiques, des systèmes d'aide à la décision basés sur des LLM ou des jumeaux numériques, n'évaluent pas ces décisions couplées avant l'exécution. A-RAM illustre une tendance plus large où le LLM sert de couche de raisonnement et de traduction d'intention plutôt que de générateur direct de trajectoires, la validation restant confiée à des outils déterministes.

Il s'agit d'un travail de recherche académique évalué en laboratoire sur une cellule unique, sans annonce de déploiement industriel, de partenariat commercial ni de calendrier de mise sur le marché. Le papier se positionne explicitement face à trois catégories d'outils jugées insuffisantes : les chaînes de slicing traditionnelles, les assistants de décision fondés sur des LLM, et les systèmes de jumeau numérique, aucun ne proposant selon les auteurs une évaluation pré-exécution intégrée des décisions de découpage, de placement et de cinématique.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

OntoPlan : une représentation de scène fondée sur une ontologie et un cadre à base d'agents pour la planification de tâches robotiques à grande échelle

Des chercheurs publient OntoPlan, un cadre de planification de tâches robotiques fondé sur une représentation ontologique de la scène, accompagné d'un code ouvert sur GitHub (dépôt namhyeongwoo/OntoPlan). Le système cible un défaut connu de la planification par grands modèles de langage (LLM) : sur les tâches à long horizon dans de vastes environnements, la performance se dégrade. Quand la géométrie de la scène est transmise sous forme de texte, le modèle saisit mal le contexte spatial, et le coût en tokens croît avec la taille de l'environnement. OntoPlan aligne objets, espaces, relations et états dans un vocabulaire symbolique commun. Un cadre agentique interprète l'instruction, récupère de façon sélective les informations utiles, formalise buts et contraintes, puis produit un plan exécutable. Sur 150 tâches générales réparties dans cinq environnements intérieurs et trois échelles de scène, il atteint un taux de réussite moyen de 0,89, contre 0,27 pour la meilleure méthode de référence. Il consomme en moyenne 18,1 k tokens par tâche, soit environ 5,6 fois moins que la référence la plus économe. L'enjeu est double pour les intégrateurs et les équipes qui déploient des robots pilotés par LLM. D'abord, l'écart de 0,89 contre 0,27 suggère que le goulot d'étranglement tient moins à la capacité de raisonnement du modèle qu'à la manière de lui présenter le monde : un LLM qui génère directement des séquences d'actions peine à respecter l'état courant et les préconditions, alors qu'une formalisation symbolique les rend vérifiables. Ensuite, le coût en tokens, rarement discuté dans les démonstrations, détermine la viabilité économique et la latence en exploitation. Les auteurs indiquent que l'avantage persiste quand l'échelle de la scène augmente, alors que les méthodes concurrentes perdent davantage en réussite et restent beaucoup plus coûteuses. Le système demande aussi des précisions face à une instruction ambiguë, ou signale un manque d'information face à une instruction infaisable, au lieu de s'engager dans un plan invalide. C'est un comportement de sécurité utile pour tout déploiement industriel. Plusieurs réserves s'imposent. Il s'agit d'un préprint arXiv (v1), non évalué par les pairs. Les résultats viennent d'un banc d'essai de 150 tâches, sans précision dans le résumé sur la nature des environnements (simulés ou réels) ni sur les méthodes de référence. Les chiffres ne disent donc rien de la robustesse en conditions réelles, où perception bruitée et échecs d'exécution compliquent la construction de l'ontologie. Ce travail s'inscrit dans le courant de la planification neuro-symbolique, qui combine LLM et planificateurs formels (type PDDL) pour pallier les limites des approches où le modèle génère directement les actions. Il se distingue des modèles vision-langage-action de bout en bout, qui traitent le bas niveau. La publication du code permettra une reproduction indépendante, étape décisive pour juger si l'écart de performance tient hors du banc d'essai des auteurs.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Retour sur la tâche de manipulation « Push-T » avec la robotique à base d'agents

Un article publié le 20 août 2026 sur arXiv (référence 2608.18227v1) revisite Push-T, benchmark de référence pour l'apprentissage de politiques de manipulation par démonstration humaine, dans lequel un robot doit pousser un bloc en forme de T jusqu'à une pose cible en n'utilisant qu'un seul point de contact. Les auteurs ont chargé un agent de codage LLM, Claude Code associé au modèle Fable 5, de produire une solution algorithmique sans aucune donnée de démonstration. L'agent a retrouvé de lui-même la simulation 2D Gym du benchmark en ligne, mené des expériences simulées pour apprendre la mécanique de poussée, puis optimisé itérativement son code jusqu'à atteindre 100% de réussite avec 46% d'étapes en moins que la meilleure politique de diffusion entraînée sur 200 démonstrations humaines. Il a ensuite étendu la tâche à tout l'alphabet, de Push-A à Push-Z, via un curriculum auto-généré, et produit des simulations 3D avec retour visuel pour les bras robotiques Franka et UR5. Vidéos, politiques et détails complets doivent encore être publiés en ligne. Ce résultat interroge une hypothèse centrale du secteur, selon laquelle la manipulation robotique fine passe nécessairement par l'apprentissage par imitation ou par des modèles vision-langage-action entraînés sur de vastes jeux de démonstrations, à l'image de Pi-0, GR00T N2 ou Helix. Ici, un agent de codage génère un contrôle explicite et interprétable qui surpasse une politique de diffusion apprise, sans collecte de données préalable, ce qui intéresse directement les intégrateurs et équipes de R&D cherchant à réduire le coût et le délai de déploiement sur des tâches bien spécifiées. Le succès reste toutefois circonscrit à un benchmark 2D très étudié : l'extension à des simulations 3D avec Franka et UR5 constitue un pas vers la généralisation, mais aucune validation sur robot physique réel n'est rapportée, ce qui limite la portée immédiate pour la production. Push-T tire son origine des travaux sur la Diffusion Policy, qui en avaient fait un banc d'essai standard pour comparer les politiques de manipulation apprises. Ce court article se positionne dans le champ émergent de la « robotique agentique », où des agents de codage basés sur des LLM, comme Claude Code, sont testés comme alternative aux pipelines d'apprentissage par imitation qui dominent aujourd'hui la robotique humanoïde et les bras manipulateurs. Aucun laboratoire ni entreprise autre qu'Anthropic, via son modèle Fable 5, n'est cité dans le résumé, et aucune date de publication des vidéos et politiques associées n'est encore précisée. L'étude reste à ce stade une preuve de concept en simulation, sans pilote industriel ni déploiement matériel confirmé.

RecherchePaper

1 source

3arXiv cs.RO

Planification séquentielle par points d'ancrage pour la robotique

Des chercheurs de la Case Western Reserve University ont publié SPARK (Sequential Planning via Anchored Robotic Keypoints), un système neurosymbolique de manipulation robotique sans entraînement supplémentaire. Sur LIBERO-PRO, benchmark évaluant la robustesse face aux changements de position et de tâche, SPARK atteint 43,7 % sur six configurations, soit plus du double de CaP-Agent0 (18,2 %) et des baselines Vision-Language-Action. L'architecture repose sur deux appels Gemini : le premier génère un arbre de comportement (behavior tree) typé composé de primitives précodées intégrant le contrôle bas niveau (mouvement, préhension, géométrie de profondeur) ; le second propose trois formulations textuelles alternatives par objet, que SAM3 évalue pour retenir la détection la plus confiante. Un mécanisme de récupération relance toute primitive échouée sur des objets re-détectés, sans nouvel appel LLM. Le système a été validé sur trois familles de robots (UR10e, Franka FR3, Franka bimanuels) pour neuf tâches à vingt essais chacune, avec une moyenne de 68 %. Le résultat central est architectural : SPARK identifie la perception comme le principal point de rupture des pipelines de manipulation, non la planification. Les formulations alternatives par objet apportent +27,7 points sur les tâches spatiales et +10,0 sur la suite objet ; la boucle de récupération ajoute +5,0 points globalement. Là où CaP-Agent0 re-interroge un LLM en repartant de zéro à chaque échec, SPARK ne replanifie que la détection, réduisant significativement le coût computationnel. Point stratégique : chaque essai produit automatiquement une trajectoire vérifiée et étiquetée, permettant à un planificateur training-free de générer les données dont les VLAs ont besoin sans téleopération humaine. SPARK s'inscrit dans le débat entre architectures VLA end-to-end (pi-0 de Physical Intelligence, RT-2 de Google DeepMind, OpenVLA de Berkeley) et approches hybrides symboliques. Les VLAs misent sur la généralisation apprise de données massives mais restent fragiles aux distributions non vues à l'entraînement, précisément ce que LIBERO-PRO mesure. SPARK démontre qu'une conception neurosymbolique rigoureuse peut surpasser des modèles foundation sur des configurations difficiles. La validation reste limitée à neuf tâches sur trois plateformes, sans timeline de déploiement industriel annoncée. La modularité du système -- détecteur, planificateur et contrôleur remplaçables indépendamment -- ouvre la voie à des intégrations sur de nouvelles plateformes sans réentraînement.

RecherchePaper

1 source

4arXiv cs.RO

EFLUX : navigation adaptative de formation multi-robots élastique pilotée par des LLM à base d'agents

Une équipe de recherche publie EFLUX, un framework qui combine raisonnement par LLM agentique et représentation géométrique structurée pour piloter la navigation de flottes de robots en formation dans des environnements confinés ou encombrés. Le système gère deux comportements complémentaires : la déformation, où la formation change continuellement de géométrie (mise à l'échelle, cisaillement) tout en restant connectée, et la reconfiguration, où les robots se scindent en sous-groupes ou fusionnent à nouveau. Contrairement aux approches existantes qui traitent ces deux comportements séparément ou via des règles écrites à la main, EFLUX extrait une représentation structurée de la scène et laisse un LLM raisonner conjointement sur les deux types d'actions. Ces décisions sont ensuite traduites en trajectoires par robot via un pipeline en boucle fermée de génération, vérification et correction. Les auteurs rapportent des expériences en simulation et sur robots physiques montrant une réduction des blocages (deadlocks) et des échecs de navigation par rapport aux méthodes de référence. L'apport est méthodologique plutôt que produit : il répond à un problème concret de la robotique multi-agents, à savoir que les méthodes découplées ou basées sur des règles manquent de critères géométriques explicites pour décider quand déformer ou reconfigurer une formation, ce qui mène à des trajectoires sous-optimales dans des environnements complexes. Pour les intégrateurs travaillant sur des flottes de robots mobiles autonomes (AMR) en entrepôt, en logistique ou en intervention, ce travail illustre une tendance émergente : utiliser le raisonnement de haut niveau d'un LLM couplé à des contraintes géométriques strictes plutôt que des règles figées, afin de gérer la coordination collective en temps réel. Il s'agit toutefois d'un article de recherche déposé sur arXiv (2607.12050), sans acteur industriel ni produit commercial associé, et l'ampleur exacte des essais matériels n'est pas précisée dans le résumé. EFLUX s'inscrit dans la lignée des travaux récents sur le raisonnement agentique appliqué à la robotique, après des avancées côté modèles vision-langage-action pour robots individuels comme Pi-0 ou GR00T N2. La suite logique serait une soumission à relecture par les pairs et une extension à des flottes plus larges, mais aucune feuille de route n'est annoncée à ce stade.

RecherchePaper

1 source