Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
DAVIS : un cadre actif de bout en bout basé uniquement sur la profondeur pour le football humanoïde
RecherchearXiv cs.RO 

DAVIS : un cadre actif de bout en bout basé uniquement sur la profondeur pour le football humanoïde

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

Un article publié le 24 septembre 2026 sur arXiv (2609.28175) présente DAVIS, un framework qui apprend à des robots humanoïdes des gestes de contact au football à partir d'une seule caméra de profondeur montée sur la tête, sans module de perception ni de planification supplémentaire à l'exécution. Ce flux vidéo est combiné à un historique proprioceptif et à une commande de tâche optionnelle de faible dimension pour produire directement des cibles PD sur les 25 degrés de liberté du robot. Pour compenser les pertes fréquentes de vue du ballon dues aux mouvements du robot lui-même, DAVIS apprend une géométrie auxiliaire sensible à la visibilité et combine un recuit progressif de la vérité terrain vers la prédiction, des curricula de tâches et des a priori de mouvement de type AMP pour passer de la simulation au réel. Deux compétences, le tir cadré et le dribble directionnel, sont validées en simulation puis testées sur un robot réel, le Noetix E1, avec des études d'ablation à l'appui.

L'intérêt du travail tient à la contrainte qu'il s'impose : prouver qu'une seule caméra de profondeur, sans suivi externe ni pile de perception dédiée, suffit à des gestes dynamiques de contact en corps entier, ce qui réduirait le matériel et le calcul embarqué nécessaires à un déploiement réel. Cela nourrit le débat sur l'écart entre démonstrations simulées et comportement réel des humanoïdes, mais la validation reste limitée à deux gestes isolés sur un seul robot, pas à un match complet, ce qui appelle à la prudence sur la portée réellement démontrée. Pour les équipes de recherche en robotique, DAVIS propose surtout une méthode, pas un produit : une alternative plus frugale aux architectures VLA généralistes entraînées sur de vastes corpus multimodaux.

Ce travail s'inscrit dans l'essor du football comme banc d'essai pour les humanoïdes, terrain occupé depuis des années par la RoboCup Humanoid League et plus récemment par des démonstrations d'entreprises chinoises comme Unitree ou Booster Robotics. Noetix Robotics, dont le E1 sert ici de plateforme d'expérimentation réelle, reste un acteur peu connu hors de ce créneau académique. Contrairement aux modèles VLA généralistes comme Pi-0, GR00T N2 ou Helix, entraînés sur image RGB et langage pour la manipulation, DAVIS se limite volontairement à la profondeur, sans langage ni RGB, au service de gestes sportifs précis. Les auteurs annoncent des ablations complémentaires mais aucun calendrier de déploiement pilote, signe d'un travail encore au stade de la recherche académique plutôt que de la préparation commerciale.

Dans nos dossiers

UnitreeNVIDIA GR00TarXiv cs.RO

À lire aussi

SkillX : apprentissage unifié de politiques multi-compétences pour le football humanoïde
1arXiv cs.RO 

SkillX : apprentissage unifié de politiques multi-compétences pour le football humanoïde

Une version révisée de l'article SkillX (arXiv 2609.06718v2) décrit un framework d'apprentissage par renforcement pour le football joué par des robots humanoïdes. Plutôt que d'empiler des pipelines spécifiques à chaque tâche, SkillX apprend et combine plusieurs compétences atomiques, dribble, contrôle de balle, tir, dans une seule politique conditionnée par des commandes. Le système combine des priors de mouvement adversariaux propres à chaque compétence, des critiques dédiés, et un encodeur temporel sensible aux objets pour suivre le ballon. Testé en simulation puis sur un robot humanoïde réel, le Noetix E1, il enchaîne les compétences de façon robuste sur des séquences longues, avec un transfert sim-to-real réussi, sans métriques chiffrées communiquées. Le travail cible un problème concret pour l'industrie humanoïde : la plupart des démonstrations d'interaction avec des objets reposent sur des architectures découpées par tâche, compliquant déploiement et transitions. En montrant qu'une politique unique peut apprendre et enchaîner plusieurs compétences interactives sur un robot physique, ce résultat renforce l'hypothèse que des politiques génératives unifiées peuvent remplacer les architectures modulaires historiques du contrôle robotique. Le football humanoïde sert ici de banc d'essai pour le contrôle dynamique du corps entier (équilibre, locomotion, manipulation combinés), pertinent pour les intégrateurs cherchant des architectures généralisables ; mais l'article reste académique, sans métriques de robustesse en conditions variées ni comparaison chiffrée avec les pipelines critiqués, ce qui situe la contribution au stade de preuve de concept. Le football humanoïde s'est imposé comme terrain d'évaluation pour la recherche en contrôle robotique, dans la lignée de compétitions type RoboCup, imposant équilibre dynamique, locomotion rapide et interaction précise avec un objet mobile. Les approches précédentes séparaient l'apprentissage de chaque compétence avant de l'enchaîner via des règles de commutation manuelles, fragiles face aux transitions imprévues. SkillX unifie cet apprentissage dans une seule politique, une direction cohérente avec la tendance vers des politiques génératives conditionnées par le langage ou les commandes en robotique humanoïde. Le choix du Noetix E1, humanoïde du fabricant chinois Noetix Robotics, comme plateforme de test illustre la diversification des plateformes de recherche ; sans partenariat industriel ni feuille de route commerciale annoncés, la suite logique serait l'extension à des scénarios multi-robots ou à des environnements moins contrôlés qu'un laboratoire.

RecherchePaper
1 source
Being-M0.7 : un modèle du monde et de l'action latent pour robots humanoïdes
2arXiv cs.RO 

Being-M0.7 : un modèle du monde et de l'action latent pour robots humanoïdes

Being-M0.7 est un modèle monde-action latent pour robots humanoïdes, présenté dans un preprint arXiv (2610.11283v1). Il vise la loco-manipulation, c'est-à-dire la coordination de la marche et de la manipulation en anticipant l'évolution de la scène et les mouvements du corps entier. Ses auteurs s'appuient sur un corpus constitué à partir de plus de 10 000 heures de données brutes centrées sur l'humain. Ce corpus mêle trois types de flux: vidéo seule, mouvement seul, et paires vidéo-mouvement. L'entraînement se fait en trois temps. Un pré-entraînement apprend la dynamique visuelle et la structure cinématique du corps entier. Un « mid-training » robot adapte ensuite ce prior aux points de vue et à la dynamique corporelle des robots. Enfin, un post-entraînement d'action greffe un « action expert » qui combine les représentations prédictives du prior figé avec les images courantes et la proprioception, par attention croisée à portes (gated cross-attention), pour produire des commandes corps entier exécutables. Les auteurs annoncent le meilleur taux de succès agrégé parmi les baselines comparées sur le benchmark SIMPLE. Sur des tâches réelles de loco-manipulation avec un Unitree G1, le modèle égale la meilleure baseline sans la dépasser. Le résumé ne donne ni chiffres de succès, ni liste des tâches, ni nombre d'essais. L'intérêt tient à l'attaque d'un goulot d'étranglement connu: les démonstrations robot sont rares et coûteuses, alors que la vidéo et la capture de mouvement humaines abondent. Leur exploitation se heurte à deux obstacles. Beaucoup de jeux de données n'ont qu'une modalité, et le mouvement humain ne se traduit pas directement en actions robot. Prédire conjointement les états visuels latents futurs et le mouvement pousse les représentations visuelles à encoder la cinématique à venir. L'étape intermédiaire robot et l'action expert servent de pont vers l'exécution. Le résultat réel reste nuancé. L'avantage est net en simulation, mais il disparaît sur le matériel: la parité avec la meilleure baseline sur G1 suggère que l'écart simulation-réel n'est pas résolu et que le gain du pré-entraînement sur données humaines reste à démontrer au-delà de benchmarks maîtrisés. Les intégrateurs doivent y voir une piste de recherche prometteuse pour réduire la dépendance à la téléopération, et non une capacité prête pour le déploiement. Il s'agit d'une publication académique, sans produit, sans pilote industriel ni calendrier de commercialisation. Ce travail s'inscrit dans la vague des modèles monde-action et des VLA (vision-langage-action) appliqués aux humanoïdes, où plusieurs acteurs cherchent à exploiter la vidéo humaine à grande échelle. On y trouve des modèles généralistes de type Pi-0, GR00T ou Helix, et des approches qui prédisent le futur visuel pour guider l'action. Le Unitree G1, humanoïde abordable très répandu dans les laboratoires, sert de plateforme de validation commune, ce qui facilite la comparaison entre équipes. La version «0.7» laisse penser à une série de modèles Being, dont les itérations précédentes ne sont pas détaillées ici. Les suites à surveiller sont la publication du code, des poids et des protocoles d'évaluation, ainsi que des tests sur des plateformes plus variées et des tâches plus longues. Une confirmation indépendante sur matériel réel dira si l'avantage observé en simulation se maintient.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Identification d'un modèle de consommation électrique basé sur la physique pour le bras humanoïde Unitree G1
3arXiv cs.RO 

Identification d'un modèle de consommation électrique basé sur la physique pour le bras humanoïde Unitree G1

Des chercheurs ont publié sur arXiv (référence 2606.15915) un modèle physique linéaire-en-paramètres permettant de prédire avec précision la consommation électrique du bras gauche à sept degrés de liberté (7-DOF) du robot humanoïde Unitree G1. Le modèle intègre des termes de pertes actuateur, une correction de couple de base capturant les variations de charge en compensation gravitationnelle, et des termes d'interaction par paires pour modéliser le couplage de puissance lors de mouvements multi-articulaires simultanés. Les paramètres ont été identifiés à partir de données expérimentales collectées sur un G1 physique, en utilisant les mesures de puissance embarquées comme cible de régression. Sur 897 trajectoires couvrant des mouvements mono-articulaires et coordonnés à plusieurs vitesses, le modèle atteint un R² de 0,933 avec un RMSE de 1,07 W. La validation sur 46 trajectoires à des vitesses non vues lors de l'entraînement donne un R² de 0,965, confirmant une bonne capacité de généralisation. Ces résultats sont directement utiles pour les équipes qui intègrent des humanoïdes dans des contextes industriels ou logistiques. Un modèle de consommation précis et léger à l'inférence constitue un prérequis pour la planification de mouvement énergétiquement consciente, la gestion de batterie en temps réel et la surveillance thermique des actionneurs, trois points critiques pour tout déploiement prolongé hors laboratoire. La performance du modèle sur des vitesses non vues suggère qu'il est exploitable sans recalibration systématique, ce qui réduit le coût d'intégration. L'analyse des paramètres identifiés révèle par ailleurs des signatures distinctes selon les articulations : les pertes par frottement visqueux dominent l'épaule en tangage et les trois articulations du poignet, les pertes cuivre dominent l'abduction d'épaule et le coude, tandis que le roulis d'épaule présente un profil atypique dominé par le frottement de Coulomb. Unitree, constructeur chinois connu pour ses robots quadrupèdes à prix agressifs, a élargi sa gamme aux humanoïdes avec le G1, positionné comme une plateforme de recherche abordable face au Spot de Boston Dynamics ou aux robots de Figure et Apptronik. Ce travail s'inscrit dans un effort croissant de la communauté académique pour produire des modèles physiques fiables sur du matériel commercial accessible, en complément des approches par apprentissage (comme les VLA ou les politiques neuronales). La prochaine étape logique serait d'étendre le modèle au bras droit et aux membres inférieurs, puis de l'intégrer dans une boucle de planification de trajectoire en ligne. Aucun partenariat industriel ni calendrier de déploiement n'est mentionné dans le preprint.

UELes équipes de recherche européennes utilisant le Unitree G1 comme plateforme académique abordable peuvent réutiliser directement ce modèle sans recalibration pour réduire le coût d'intégration dans leurs pipelines de planification de mouvement.

RecherchePaper
1 source
DiffusionVS : un cadre génératif pour l'asservissement visuel robuste basé sur la politique de diffusion
4arXiv cs.RO 

DiffusionVS : un cadre génératif pour l'asservissement visuel robuste basé sur la politique de diffusion

DiffusionVS, déposé sur arXiv (2506.19397) en juin 2026, propose un cadre génératif pour le visual servoing robotique fondé sur la Diffusion Policy. Le système prend en entrée les coordonnées normalisées des coins de marqueurs visuels observés par la caméra embarquée, et génère des commandes de vitesse caméra via un processus de débruitage conditionnel. Pour contourner les limitations de généralisation propres aux modèles entraînés sur jeux de données statiques, les auteurs adoptent un paradigme d'entraînement en ligne : le modèle collecte continuellement de nouvelles expériences interactives pour diversifier sa distribution d'apprentissage. Les résultats rapportés atteignent un taux de succès de quasi 100% en simulation et 93% en expériences physiques réelles. Le visual servoing par régression classique souffre de deux problèmes structurels : le jitter de trajectoire causé par des mappings mono-étape sensibles au bruit, et l'accumulation d'erreurs lors de distribution shifts en cours de trajectoire. La Diffusion Policy adresse ces deux points simultanément. En prédisant des séquences d'actions plutôt que des commandes isolées, elle maintient la cohérence temporelle. L'augmentation implicite de données inhérente au processus de débruitage renforce par ailleurs la robustesse aux perturbations. Ce qui est notable, au-delà des performances brutes, c'est la généricité démontrée du module : intégré à des architectures de visual servoing existantes, il améliore systématiquement leurs résultats, sans modification de leur pipeline de base. Cela valide le mécanisme diffusion comme composant réutilisable, pas seulement comme architecture ad hoc. La Diffusion Policy, popularisée par Chi et al. en 2023 (Columbia/MIT), s'est imposée en apprentissage par imitation pour la manipulation, puis adoptée par Physical Intelligence dans pi-0 et d'autres systèmes VLA. Son application au visual servoing, problème classique de robotique de précision, était moins explorée. Les approches concurrentes restent dominées par la régression directe ou les contrôleurs IBVS/PBVS à base de features géométriques. La contribution principale ici est l'entraînement en ligne, qui contourne le problème de covariate shift sans nécessiter un dataset exhaustif pré-collecté, contrainte majeure en déploiement industriel. Les limites actuelles sont notables : le système repose sur des marqueurs visuels structurés (AprilTags), et les expériences physiques ne précisent pas le type de robot ni les conditions d'environnement, ce qui rend difficile l'évaluation de la maturité pour un déploiement réel.

RecherchePaper
1 source