Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
DR-MPC : commande prédictive rapide et réalisable à dynamique relâchée pour la locomotion des robots à pattes
RecherchearXiv cs.RO 

DR-MPC : commande prédictive rapide et réalisable à dynamique relâchée pour la locomotion des robots à pattes

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

Des chercheurs ont publié le 18 septembre 2026 sur arXiv (arXiv:2609.20035v1) un article présentant DR-MPC (dynamics-relaxed model prédictive control), une nouvelle formulation de commande prédictive pour la locomotion des robots à pattes, accompagnée d'un solveur de points intérieurs (IPM) conçu sur mesure. La méthode déplace les contraintes d'égalité de dynamique et les contraintes d'entrée affines dans des pénalités quadratiques, ne conservant que les contraintes de type boîte non vides, ce qui garantit la faisabilité de l'optimisation par construction. Le programme quadratique résultant présente une matrice hessienne en forme de bloc-flèche, permettant d'éliminer les directions d'état et de sortie affine via un complément de Schur ; le solveur ne factorise que le système de commande réduit, après élimination des forces de contact aux pattes en appui et un séquencement des mouvements aligné sur les contacts. Sur les implémentations testées avec la même formulation DR-MPC, la méthode affiche une accélération médiane de bout en bout de 16,0 fois par rapport au solveur HPIPM et de 4,4 fois par rapport à OSQP, pour des performances de locomotion comparables en simulation. Le temps de cycle médian embarqué atteint 4,4 millisecondes, validé sur un quadrupède Unitree Go1. Le code doit être publié en open source après parution de l'article.

Pour l'industrie des robots à pattes, la vitesse d'exécution de la commande prédictive embarquée reste un goulot d'étranglement direct : un cycle de 4,4 ms permet des fréquences de contrôle plus élevées, des allures plus dynamiques et potentiellement du calcul embarqué moins coûteux. La comparaison n'est pas faite contre une démonstration marketing mais contre deux solveurs déjà largement utilisés dans la communauté robotique, HPIPM et OSQP, ce qui donne à ce gain de vitesse une valeur d'ingénierie concrète plutôt qu'une simple annonce. La validation reste toutefois limitée à la simulation et à un seul quadrupède de recherche, sans généralisation démontrée à des plateformes plus lourdes ni à des humanoïdes.

Le travail s'inscrit dans la lignée des recherches en commande prédictive pour la locomotion à pattes, domaine où HPIPM et OSQP servent de références académiques établies depuis plusieurs années. Aucune entreprise n'est associée à cette publication, qui reste un travail de recherche académique sans calendrier de commercialisation annoncé. Le choix du Unitree Go1, plateforme quadrupède abordable très répandue en laboratoire, facilite la reproductibilité mais limite la portée immédiate des résultats à ce segment de robots légers.

Dans nos dossiers

UnitreearXiv cs.RO

À lire aussi

SKooP : prédictions Koopman symétriques pour une locomotion plus rapide et généralisable des robots à pattes, via apprentissage par renforcement
1arXiv cs.RO 

SKooP : prédictions Koopman symétriques pour une locomotion plus rapide et généralisable des robots à pattes, via apprentissage par renforcement

Des chercheurs présentent SKooP (Symmetric Koopman Predictions), une méthode d'apprentissage par renforcement (RL) pour la locomotion de robots à pattes, détaillée dans un article récemment mis en ligne sur arXiv (2607.11624v1). L'approche combine deux leviers : les symétries morphologiques du robot et un modèle de Koopman appris via un autoencodeur, qui capture la dynamique du système sous une forme linéarisée. Ce modèle de Koopman génère des prédictions utilisées comme observations privilégiées pour le critique de l'algorithme acteur-critique, ce qui lui permet d'apprendre à partir de représentations plus lisses et informatives que les observations brutes. Les auteurs intègrent aussi des symétries de groupe dans les quatre réseaux du système (acteur, critique, encodeur, décodeur), produisant une politique fortement équivariante. Testée sur un robot quadrupède confronté à plusieurs tâches de locomotion bipède complexes, SKooP réduit systématiquement le temps de convergence et améliore la récompense obtenue par rapport aux approches de référence. Les politiques apprises se transfèrent en outre à différents environnements de simulation sans réentraînement complet. Ce résultat s'attaque à un point de friction connu du RL appliqué à la robotique : les méthodes qui encodent des a priori physiques dans l'apprentissage sont généralement validées sur des systèmes de faible dimension, bien définis, rarement sur des robots réels à dynamique non linéaire complexe comme les quadrupèdes ou de futurs humanoïdes. En démontrant un gain d'efficacité d'échantillonnage sur un système à haute dimension, SKooP apporte une preuve que ces techniques passent à l'échelle, un enjeu direct pour réduire le coût de calcul et le temps d'entraînement avant transfert sim-to-real, un goulot d'étranglement critique pour les intégrateurs qui doivent adapter des politiques à de nouvelles morphologies ou tâches sans repartir de zéro. La méthode s'inscrit dans une lignée de travaux récents cherchant à injecter des a priori physiques dans le RL pour compenser sa faible efficacité d'échantillonnage, en s'appuyant sur la théorie de l'opérateur de Koopman, déjà explorée en robotique pour linéariser des dynamiques non linéaires, ainsi que sur les travaux existants sur les symétries morphologiques en apprentissage de politiques. Les auteurs fournissent une analyse détaillée des modèles de Koopman appris et des politiques symétriques pour isoler la contribution de chaque composant. Le code et les résultats complémentaires sont accessibles via la page de projet dédiée.

RecherchePaper
1 source
ReCo : locomotion cohérente avec la réponse de la politique grâce à une MPC adaptée, pour la manipulation par robots à pattes
2arXiv cs.RO 

ReCo : locomotion cohérente avec la réponse de la politique grâce à une MPC adaptée, pour la manipulation par robots à pattes

Des chercheurs publient sur arXiv ReCo (Response-Consistent Locomotion), un cadre logiciel pour la manipulation continue sur robots à pattes, c'est-à-dire la tâche qui consiste à suivre précisément une trajectoire avec l'effecteur d'un bras pendant que la base continue de marcher. L'approche combine apprentissage par renforcement (RL) et commande prédictive (MPC). La politique apprise assure une locomotion robuste, tandis que le MPC coordonne la base et le bras pour compenser les erreurs de suivi. La contribution tient en deux briques. Un « response shaping » entraîne la politique à répondre aux commandes de façon cohérente et répétable malgré des dynamiques randomisées. Un modèle de réponse en boucle fermée, identifié ensuite, permet au MPC de planifier conjointement les commandes de locomotion et le mouvement du bras. Sur un benchmark en simulation, ReCo réduit l'erreur quadratique moyenne (RMSE) de position de 28,7 % et celle d'orientation de 27,4 % par rapport au meilleur point de comparaison pour chaque métrique. Des essais sur robot réel démontrent une manipulation continue embarquée, base et bras coordonnés. Le résumé ne précise ni la plateforme, ni la charge utile, ni les temps de cycle. L'enjeu est un problème que connaissent bien les intégrateurs de robots mobiles manipulateurs. Le MPC ne peut compenser que le mouvement de base qu'il sait prédire. Or la réponse d'une politique RL à une commande de vitesse varie avec la phase de marche, les contacts et la charge portée. Cette variabilité rend la compensation imprécise précisément quand le robot transporte quelque chose ou marche sur un sol irrégulier. Rendre la réponse de la politique prévisible plutôt que la corriger après coup est une voie pragmatique pour rapprocher les politiques apprises des contrôleurs à modèle, sans renoncer à la robustesse du RL. Pour un décideur industriel, cela concerne la précision en conditions réelles, souvent le point faible des démonstrations de manipulation sur quadrupèdes. Les gains annoncés restent toutefois mesurés en simulation, face à des références choisies par les auteurs, et la validation matérielle semble qualitative. Il s'agit d'un résultat de recherche, sans produit ni déploiement associé. Ces travaux s'inscrivent dans la lignée de la manipulation « loco-manipulation » sur quadrupèdes équipés d'un bras, où deux écoles s'opposent. L'une repose sur des politiques RL de bout en bout pour l'ensemble du corps. L'autre est hybride, avec un RL pour la marche et une optimisation pour le bras. ReCo se range dans la seconde. Elle vise à combler l'écart entre une politique de marche opaque et un planificateur qui a besoin d'un modèle fiable. La suite logique serait des essais sur d'autres plateformes, avec des charges variées et des tâches plus longues, ainsi qu'une comparaison avec des politiques de corps entier entraînées de bout en bout. Le texte n'annonce aucun calendrier de ce type.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
CacheMPC : commande prédictive par modèle certifiée avec cache pour la locomotion quadrupède
3arXiv cs.RO 

CacheMPC : commande prédictive par modèle certifiée avec cache pour la locomotion quadrupède

Une équipe de recherche propose CacheMPC, un mécanisme de mise en cache certifiée pour le Model Predictive Control (MPC) appliqué à la locomotion de robots quadrupèdes, publié sur arXiv (2606.28300). Le MPC constitue la couche prédictive standard dans les contrôleurs hiérarchiques de quadrupèdes, mais son solveur QP (programmation quadratique) recalculé à chaque cycle constitue un goulot d'étranglement sur processeur embarqué. Certified CacheMPC adresse ce problème via un cache indexé par Locality-Sensitive Hashing (LSH) de trajectoires de forces de contact, partitionné par mode de contact. Chaque entrée récupérée est acceptée uniquement si un certificat a posteriori confirme la faisabilité primale et une borne supérieure sur la sous-optimalité via le dual gap lagrangien. Le contrôleur combine récupération certifiée top-K, solveur QP à deadline bornée, et fallback sur la dernière solution certifiée. Validé sur un Unitree Go2, le système a été évalué sur 2 038 essais MuJoCo en froid contrôleur, dont une campagne de 600 essais à n=50 sur trois cellules à la frontière d'échec, puis déployé physiquement sur le NVIDIA Orin NX embarqué du robot. Le cache sans filtrage atteint un gain médian de 25x en temps de calcul en simulation, et 18,7x sur hardware réel. L'enjeu industriel est direct : MPC haute fréquence sur SoC embarqué standard (Orin NX, environ 10-15W) sans recourir à un ASIC dédié ou à une approximation neuronale. Un facteur 18,7x de réduction du temps de solve ouvre la porte à des boucles de contrôle plus rapides sur des plateformes commerciales comme le Go2, utilisé massivement dans la recherche académique et les pilotes industriels légers. La certification formelle distingue cette approche des méthodes d'apprentissage du MPC (neural MPC, learning-based warm-starting) qui offrent des speedups similaires mais sans garantie exploitable. Nuance importante : la contribution du certificat à la stabilité en boucle fermée n'est pas statistiquement résolvable à la taille d'échantillon actuelle (n=50). Aucune différence significative n'a été détectée entre les variantes avec et sans cache, ce qui est honnête scientifiquement mais laisse la question de sécurité formelle ouverte. Le MPC pour locomotion quadrupède s'est imposé depuis les travaux d'ETH Zurich (ANYmal) et du MIT (Cheetah), avec des implémentations ouvertes comme ACADOS ou OSQP qui restent les références en solve embarqué. CacheMPC s'inscrit dans un courant distinct : plutôt qu'accélérer le solveur ou substituer le MPC par un réseau de neurones, il exploite la répétabilité des gaits locomoteurs pour réutiliser des solutions passées. Les concurrents directs incluent les approches de warm-starting par apprentissage (DeepMPC, L4DC 2024) et les approximateurs explicites de MPC. Le Unitree Go2 est devenu le benchmark de facto à petit budget pour ce type de validation hardware. Les prochaines étapes naturelles seraient une campagne avec n significativement plus grand pour trancher sur la sécurité certifiée, et une extension aux bipèdes ou aux transitions de mode de contact plus complexes.

RecherchePaper
1 source
Curricula de sécurité prédictifs pour une locomotion à pattes robuste
4arXiv cs.RO 

Curricula de sécurité prédictifs pour une locomotion à pattes robuste

Des chercheurs proposent les Predictive Safety Curricula (PSC), un cadre d'entraînement pour les politiques de locomotion de robots à pattes, décrit dans un preprint arXiv (2609.37070v1) qui n'a pas encore été évalué par des pairs. Le système entraîne un critique de sécurité distributionnel à partir des rollouts de la politique. Ce critique prédit le coût de sécurité futur. Ces prédictions servent à prioriser deux éléments : les contextes de terrain et les événements aléatoires déjà rencontrés pendant l'entraînement. La récompense de la tâche et la fonction de perte d'optimisation de la politique restent inchangées, et seule la distribution des données d'entraînement est modifiée. Les auteurs comparent PSC à la progression standard de terrain, au replay basé sur l'avantage et aux curricula fondés sur le learning progress. Les tests couvrent de la locomotion en terrain accidenté contrôlé et deux piles de locomotion de production. Sur le robot ANYmal-D, PSC réduit de 63 % l'incidence des collisions de tibia par rapport au curriculum learning-progress, sur trois seeds d'entraînement appariées, avec une baisse dans chacune. Sur une plateforme de montée d'escaliers de production, non nommée dans le résumé, les auteurs n'observent aucune collision de tibia lors des essais matériels évalués. Le résultat s'attaque à un écart bien connu des intégrateurs : une politique apprise peut afficher de bonnes performances moyennes tout en gardant des défaillances rares mais coûteuses, comme un choc ou une chute. Les curricula usuels ajustent la difficulté de la tâche, sans cibler la distribution des expériences critiques pour la sécurité. Un allocateur d'expérience qui n'exige ni nouvelle récompense ni modification de l'algorithme d'optimisation est facile à intégrer dans une chaîne d'entraînement existante. C'est un argument pour les équipes qui visent la fiabilité en exploitation plutôt que la démonstration. Le transfert vers deux piles de production distinctes suggère que le principe n'est pas lié à un seul contrôleur. Les gains sont les plus marqués sur terrain difficile et avec des observations dégradées, ce qui correspond aux conditions de chantier ou d'inspection industrielle. Il faut toutefois relativiser. Le résumé ne donne ni taux absolus de collision, ni nombre d'essais matériels, ni intervalles de confiance. Trois seeds et des essais matériels en nombre non précisé donnent une puissance statistique limitée. La mention « aucune collision observée » sur la plateforme d'escaliers ne prouve pas l'absence de risque. Le travail s'inscrit dans la lignée de l'apprentissage par renforcement sim-to-real sur ANYmal, du ccadre de l'apprentissage sûr par critique distributionnel et des curricula automatiques. Il reste à voir si les résultats se reproduisent sur d'autres morphologies, dont les humanoïdes, et si le coût de calcul du critique reste raisonnable à grande échelle.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source