RecherchearXiv cs.RO 18 septembre 2026

GLAMDRING : apprentissage de la démarche et co-conception de la morphologie par renforcement de CPG

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un article publié le 18 septembre 2026 sur arXiv sous la référence 2609.19452 présente GLAMDRING (Gait Learning And Morphology co-Design via Reinforcement Learning of CPGs), un framework de recherche qui conçoit simultanément la morphologie d'un robot quadrupède et le contrôleur qui le pilote. À partir de quatre contraintes d'entrée (plage de vitesse d'avancement visée, budget de puissance par actionneur, bibliothèque d'actionneurs disponibles et charge utile cible), le système produit une géométrie de liaisons, un choix d'actionneur par articulation, et une politique de démarche fondée sur des générateurs de patrons centraux (CPG) à oscillateurs de Hopf. Les conceptions candidates sont classées selon un objectif choisi: vitesse maximale, coût de transport (CoT) minimal, ou marge de charge utile maximale. Plutôt que d'entraîner une politique par apprentissage par renforcement pour chaque morphologie candidate, approche jugée trop coûteuse, les auteurs en entraînent un petit nombre fixe sur l'ensemble de l'espace des morphologies, puis déduisent a posteriori longueurs de liaisons et actionneurs à partir de l'enveloppe opérationnelle enregistrée par la politique. Une démonstration en conditions réelles est mentionnée, sans détail sur le robot utilisé ni le nombre d'essais dans le résumé.

Le travail s'attaque à un problème central de la locomotion à pattes: corps et démarche sont couplés, la morphologie optimale dictant la façon de piloter le robot, tandis que la démarche optimale dépend de la structure physique. La plupart des méthodes existantes séparent les deux étapes, figeant d'abord le châssis avant d'apprendre le contrôleur, ce qui plafonne les performances. Les auteurs rapportent trois résultats: la co-conception corps-démarche est nécessaire pour satisfaire les contraintes de locomotion; c'est la faisabilité de l'enveloppe des actionneurs, et non le seul succès de la marche, qui détermine la charge utile réellement atteignable; et des démarches animales canoniques émergent naturellement dans la plupart des conceptions à partir de la seule morphologie et des contraintes, sans être imposées. Pour des robots destinés à des terrains non structurés (sites de catastrophe, surfaces planétaires, champs agricoles) où la plateforme idéale n'existe pas encore, la méthode promet de remplacer une recherche exhaustive coûteuse par un nombre réduit et fixe d'entraînements.

GLAMDRING s'inscrit dans le courant plus large du co-design corps-contrôleur en robotique, qui cherche à dépasser les pipelines où le châssis est fixé manuellement avant que l'apprentissage n'intervienne seulement sur le contrôle. Classé comme nouvelle soumission sur arXiv, le résumé ne mentionne ni entreprise, ni laboratoire, ni acteur FR/EU associé au projet: il s'agit d'une contribution académique validée en simulation et par une unique démonstration matérielle, non d'un produit commercialisé. Les suites attendues, extension au-delà du quadrupède, validation sur davantage de plateformes physiques, comparaison chiffrée aux méthodes de co-conception existantes, restent absentes de ce résumé.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage par renforcement sur graphe adapté à la morphologie pour la locomotion de robots tenségrité

Des chercheurs ont publié sur arXiv (référence 2510.26067, version 2, octobre 2025) un framework d'apprentissage par renforcement intégrant un réseau de neurones à graphes (GNN) dans l'algorithme Soft Actor-Critic (SAC) pour contrôler la locomotion de robots tenségrité. Le système représente la topologie physique du robot sous forme de graphe, où chaque nœud correspond à un composant structurel (tige rigide ou câble élastique) et chaque arête encode les couplages mécaniques. Validé sur un robot tenségrité à 3 barres, le framework maîtrise trois primitives de déplacement : suivi de trajectoire en ligne droite et virage bidirectionnel. Aucun réglage supplémentaire n'a été nécessaire pour le passage simulation-vers-matériel, et les politiques apprises s'exécutent directement sur le robot physique avec une locomotion stable. Le résultat le plus significatif pour les intégrateurs et concepteurs de robots est le transfert sim-to-real sans fine-tuning : c'est précisément le point d'échec habituel des méthodes RL appliquées aux structures à dynamique fortement couplée. Les robots tenségrité combinent tiges rigides et câbles élastiques en tension permanente, ce qui rend leur dynamique sous-actionnée et difficile à modéliser fidèlement, un écart classique entre simulation et réalité. Le fait que le GNN encode explicitement les contraintes topologiques du robot explique en partie cette robustesse : la politique apprend la physique structurelle, pas seulement une carte entrée-sortie. Les résultats montrent également une meilleure efficacité d'échantillonnage et une tolérance accrue aux variations de bruit et de raideur des câbles, deux paramètres qui fluctuent inévitablement sur matériel réel. Les robots tenségrité ont émergé comme plateforme de recherche sérieuse notamment via les travaux de la NASA (robot SUPERball) et des universités comme UC Berkeley, en raison de leur légèreté et de leur résilience aux chocs, des atouts pour l'exploration spatiale ou la recherche et le sauvetage. Jusqu'ici, leur contrôle reposait essentiellement sur des politiques MLP standard ou des méthodes de contrôle classique, peu adaptées à la complexité des couplages internes. Ce travail s'inscrit dans une tendance plus large d'architectures GNN pour robots morphologiquement complexes, en compétition avec des approches comme les transformers de morphologie ou le contrôle basé modèle avec apprentissage des paramètres. Les prochaines étapes naturelles incluent l'extension à des structures plus complexes (6 barres, tenségrités sphériques) et des environnements non structurés, domaines où aucun déploiement industriel n'est encore annoncé à ce stade.

RecherchePaper

1 source

2arXiv cs.RO

Composition de compétences pour l'apprentissage par renforcement des robots à pattes

Un article de recherche publié sur arXiv (référence 2609.14647v1, soumission de type "new") intitulé "Skill Composition for Legged Robot Reinforcement Learning" pose un constat simple sur l'état de l'art en robotique humanoïde : les robots à pattes, et les humanoïdes en particulier, maîtrisent de mieux en mieux des comportements isolés, chacun obtenu par l'entraînement d'un contrôleur spécialisé par apprentissage par renforcement. Ces politiques spécialisées s'entraînent vite, convergent de façon fiable puisqu'elles ne traitent qu'un problème restreint, et peuvent être validées indépendamment les unes des autres, trois propriétés qu'une politique unique de bout en bout censée tout couvrir ne possède pas. Le point faible identifié par les auteurs n'est pas l'acquisition des compétences elles-mêmes, mais la transition entre elles : le passage de contrôle d'une politique à une autre reste fragile et mal maîtrisé. L'argument central du papier est que la composition de sous-politiques indépendantes mérite d'être traitée comme un problème de recherche à part entière, et non comme un détail d'implémentation confié au premier mécanisme disponible. Une composition fiable est ce qui transforme une collection de compétences isolées en un répertoire réellement exploitable, extensible et partageable, un enjeu direct pour les intégrateurs qui cherchent à assembler des bibliothèques de comportements réutilisables plutôt que de réentraîner un modèle monolithique à chaque nouvelle tâche. Plus fondamentalement, si le contrôle peut être transféré entre politiques spécialisées de façon sûre et à tout moment, le choix de l'action suivante peut être délégué à un composant de nature différente, comme un planificateur, un automate ou un contrôleur symbolique, dont le comportement est inspectable à l'avance. Les politiques n'auraient alors plus qu'à agir, tandis que ce que le robot est autorisé à faire deviendrait vérifiable, un argument qui va à contre-courant de la course actuelle aux politiques VLA de bout en bout, à l'image de Pi-0, GR00T N2 ou Helix, et qui remet en avant l'intérêt de l'architecture modulaire pour la certification et la sécurité en environnement industriel. Il s'agit d'un article de position et de méthode, sans résultats chiffrés, démonstration matérielle ni annonce de déploiement dans le résumé disponible : aucun robot, aucune entreprise ni aucun site de test n'y sont cités, ce qui le distingue nettement des communiqués produits du secteur. Il s'inscrit dans un débat plus large qui oppose, d'un côté, les laboratoires misant sur des politiques vision-langage-action entraînées de bout en bout pour couvrir un maximum de tâches avec un seul réseau, et de l'autre, une tradition de robotique plus classique fondée sur la planification hiérarchique et les automates symboliques. En proposant de faire de la composition de compétences un objet de recherche autonome, les auteurs ouvrent une voie intermédiaire entre ces deux approches, sans préciser dans l'abstract de calendrier, de prototype ou de partenariat industriel concret pour la suite des travaux.

RecherchePaper

1 source

3arXiv cs.RO

Priors de morphologie d'ordre supérieur pour l'apprentissage par renforcement de quadrupèdes face à la dégradation des actionneurs

Des chercheurs proposent de modéliser le quadrupède Unitree Go1 non plus comme un simple graphe de nœuds (articulations) et d'arêtes (segments), mais comme un complexe cellulaire. Celui-ci ajoute des cellules de rang 2, des « faces » qui représentent les membres et le corps entier. Une politique de commande par apprentissage par renforcement traite cette structure avec un passage de messages fondé sur la théorie de Hodge. Le travail, publié sur arXiv (2610.10934v1), cible la dégradation d'actionneurs, c'est-à-dire la perte partielle de couple sur certaines articulations. Selon les auteurs, l'acteur Hodge « nœud-arête-face » obtient le meilleur retour (return) sur des dégradations jamais vues à l'entraînement, avec un taux de survie plus élevé et une erreur de suivi de vitesse plus faible que les références. Le résumé ne donne aucun chiffre, ni l'ampleur des écarts, ni le nombre de graines d'entraînement, ni le détail des pannes testées. Rien n'indique non plus une validation sur un robot physique. L'intérêt tient à la question posée, plus qu'au résultat. Quand un moteur faiblit, la marche devient un problème de coordination : les autres articulations, voire d'autres pattes, doivent compenser. Un biais inductif qui encode explicitement cette structure mécanique d'ordre supérieur pourrait rendre les politiques plus robustes sans multiplier les données d'entraînement. Pour les intégrateurs de robots d'inspection ou de logistique, la tolérance aux pannes dégradées, qui évite un arrêt complet en cas d'usure ou de surchauffe, vaut autant que la performance nominale. Reste à prouver que ce gain survit au transfert vers le réel (sim-to-real) et qu'il justifie un coût de calcul supérieur à celui d'un perceptron classique. Ce travail prolonge les politiques à graphes sensibles à la morphologie, apparues avec des approches de type NerveNet, qui avaient montré de meilleurs résultats en apprentissage et en généralisation face à des perturbations du corps. Les auteurs testent ici si l'ajout de structure d'ordre supérieur renforce ces bénéfices. Le Go1 est la plateforme de référence de nombreux laboratoires. La suite logique serait de comparer la méthode à des politiques entraînées par randomisation de domaine, d'élargir à d'autres morphologies (bipèdes, humanoïdes) et de réaliser des essais matériels avec des pannes injectées.

RecherchePaper

1 source

4arXiv cs.RO

Manipulation robuste en main via des a priori en apprentissage par renforcement et conception mécanique

Article envoyé en direct par un utilisateur (pas de contexte projet lié) : je traduis et résume le papier de recherche demandé. L'équipe présente une méthode pour améliorer la manipulation intra-main (in-hand manipulation) sans capteurs externes, un problème classique en robotique car les contacts doigt-objet et la gravité introduisent des incertitudes difficiles à modéliser. Les chercheurs combinent l'apprentissage par renforcement avec deux "priors" physiques complémentaires : un prior global de qualité de prise, issu de l'analyse classique de grasping, utilisé comme terme de récompense qui favorise des contacts bien répartis et une meilleure résistance aux forces perturbatrices dans le pire cas ; et un prior local de géométrie de contact, basé sur la courbure du bout des doigts, qui façonne mécaniquement l'interface de contact pour orienter le roulement de l'objet selon la tâche et réduire les dérives hors axe. La méthode est testée sur une main robotique multi-doigts manipulant trois objets différents selon quatre orientations de paume, avec des gains mesurés en efficacité de rotation, stabilité de la prise et rejet de perturbations. L'intérêt pour le secteur tient au fait que les approches RL existantes pour le "finger gaiting" (repositionnement séquentiel des doigts) privilégient souvent la réussite de la tâche sans se soucier de maintenir une prise mécaniquement saine pendant la manipulation, ce qui les rend fragiles face aux perturbations et difficiles à transférer du simulateur au monde réel. En intégrant des critères de qualité de prise directement dans la fonction de récompense, et en couplant cela à un design mécanique du bout des doigts pensé pour la tâche, les auteurs proposent une piste concrète pour des mains robotiques plus robustes en usage industriel, où la manipulation fine sans capteurs tactiles dédiés reste un goulot d'étranglement coûteux. Ce travail s'inscrit dans la lignée des recherches en RL pour la dextérité robotique, où le sim-to-real reste l'obstacle principal malgré des démonstrations impressionnantes en simulation. L'originalité ici est de ne pas traiter le problème uniquement comme une question d'algorithme, mais d'articuler apprentissage et morphologie mécanique. Une vidéo de démonstration accompagne la publication, mais aucun élément sur un déploiement réel ou une validation matérielle à grande échelle n'est mentionné à ce stade.

RecherchePaper

1 source