DeViGrasp : préhension mobile visuelle robuste pour manipulateurs quadrupèdes en cas de perception dégradée

Un article publié sur arXiv (2609.22278v1) présente DeViGrasp-Bench et DeViGrasp-Net, un banc d'essai et une méthode pour la préhension mobile des manipulateurs quadrupèdes en cas de perception visuelle dégradée. Le benchmark applique des dégradations contrôlées, occlusions, décrochage du masque de segmentation, bruit de profondeur, instabilité de localisation de la cible, sur des objets connus et inconnus, plusieurs niveaux de difficulté et des terrains complexes. DeViGrasp-Net combine un enseignant privilégié, qui raisonne hors ligne sur des candidats de préhension conditionnés par l'état de l'objet, du robot et de la tâche, et un élève déployable qui fusionne une perception de profondeur segmentée en double vue avec des hypothèses de cible actuelles, mémorisées et de secours, via deux modules nommés Target Hold Memory et Temporal Memory Attention. En configuration Difficult, le taux de réussite atteint 62,3%, soit 16,1 points de plus que VBC et 4,3 de plus qu'une version adaptée de DQ-Net, écart qui grimpe à 10,5 points face à DQ-Net en configuration Hard.

Le travail cible un angle mort de la manipulation mobile : les politiques de contrôle corps entier sont généralement validées sous perception quasi idéale, alors que les déploiements réels exposent caméras et capteurs de profondeur embarqués à des occlusions et du bruit. En formalisant ces dégradations dans un benchmark reproductible plutôt qu'en anecdotes, les auteurs objectivent l'écart entre démonstrations contrôlées et robustesse opérationnelle, un point sensible pour les intégrateurs évaluant des quadrupèdes à bras pour la logistique ou l'inspection industrielle. Le gain provient moins d'une perception brute améliorée que d'une gestion de la mémoire temporelle et de la fiabilité des estimations de cible, ce qui suggère que la robustesse peut s'obtenir par architecture logicielle plutôt que par des capteurs plus coûteux.

L'approche s'inscrit dans la recherche sur les manipulateurs quadrupèdes, robots à pattes équipés d'un bras combinant mobilité tout-terrain et dextérité de préhension, et se positionne explicitement contre deux méthodes de référence, VBC et une adaptation de DQ-Net, qu'elle surpasse sur tous les niveaux de dégradation testés. Il s'agit pour l'instant d'une publication de recherche accompagnée d'un benchmark ouvert, non d'un produit commercialisé : aucun partenaire industriel ni déploiement sur robot physique au-delà de la simulation n'est mentionné, les gains étant confirmés par des études d'ablation. Le benchmark ouvre la voie à des comparaisons futures, alors que les quadrupèdes à bras commencent tout juste à sortir des laboratoires pour des essais pilotes en conditions réelles.