RecherchearXiv cs.RO 1 octobre 2026

La curiosité tactile stimule l'interaction des robots avec leur environnement

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs publient sur arXiv (2609.40134) TacEx, un cadre d'apprentissage par renforcement (RL) qui utilise le toucher comme moteur de curiosité pour l'exploration robotique. Le principe : décomposer l'incertitude épistémique d'un modèle du monde par modalité sensorielle, puis orienter la récompense intrinsèque vers le canal tactile. Le robot est ainsi incité à chercher les transitions de contact plutôt que les mouvements dans le vide. Selon les auteurs, l'agent apprend à saisir et manipuler des objets sans récompense de tâche ni démonstration experte pendant l'exploration. Le jeu de données ainsi collecté, dense en interactions, sert ensuite à entraîner hors ligne des politiques de pick-and-place, sans nouvelle interaction avec l'environnement. L'équipe applique aussi la méthode au post-entraînement de modèles vision-langage-action (VLA) pré-entraînés sans retour tactile. Elle annonce une amélioration substantielle des performances, avec une grande efficacité en échantillons. Le résumé ne fournit ni taux de réussite, ni nombre d'étapes d'entraînement, ni modèles VLA précis, ni capteurs tactiles utilisés. On ignore aussi si les résultats viennent de la simulation ou de robots physiques.

Le problème visé est un goulot d'étranglement connu : la plupart des algorithmes de RL explorent par échantillonnage aléatoire d'actions et dépensent l'essentiel de leur budget en mouvements dans l'espace libre, loin des contacts d'où naissent les compétences de manipulation. Les méthodes de motivation intrinsèque fondées sur le désaccord entre modèles ou l'incertitude épistémique font mieux que le bruit isotrope, mais elles peuvent récompenser des transitions sans intérêt fonctionnel, comme des gestes erratiques. Pour un intégrateur, l'enjeu est la réduction du coût de collecte de données et de mise au point d'une cellule de manipulation. L'intérêt pratique est aussi de pouvoir enrichir des VLA existants avec le toucher sans repartir d'un pré-entraînement complet. Cela irait dans le sens d'un constat croissant : la vision seule plafonne sur les tâches riches en contacts. Les gains restent toutefois à vérifier sur du matériel réel, face à des bases de référence solides.

Le travail s'inscrit dans la montée des modèles VLA (Pi-0, GR00T, Helix) qui dominent la manipulation généraliste, mais restent peu sensibles au toucher. Il s'inscrit aussi dans un courant de recherche sur l'exploration par curiosité et les modèles du monde. À ce stade, il s'agit d'un préprint non évalué par des pairs (v1), sans produit ni déploiement associé. La suite logique est une validation sur robots physiques, sur davantage de tâches, et une comparaison avec les autres approches de post-entraînement de VLA, notamment par RL.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

IA physique & VLA NVIDIA GR00T arXiv cs.RO

À lire aussi

1Robohub

Simulateur de monde interactif pour l'entraînement et l'évaluation des politiques de robots

Une équipe de recherche présente un simulateur de monde interactif destiné à l'entraînement et à l'évaluation de politiques robotiques, conçu pour remplacer une partie du travail réalisé aujourd'hui sur robot réel. Il s'agit d'un modèle de prédiction vidéo conditionné par l'action, entraîné sans aucun moteur physique intégré : à partir d'une image et d'une séquence d'actions robotiques, le système prédit les frames suivantes directement en pixels. Concrètement, un opérateur peut brancher un dispositif de téléopération et piloter un bras robotique à travers ce modèle appris pendant plus de dix minutes, à 15 images par seconde, sur une seule carte graphique RTX 4090, tout en conservant une vidéo stable et physiquement plausible. Le modèle a été entraîné sur quatre tâches de manipulation aux régimes physiques très différents : le poussage d'un objet en T (contact rigide), le routage d'une corde dans un clip (interaction déformable-rigide), la préhension d'une tasse (dynamique fine de la pince) et le balayage de tas d'objets. L'architecture repose sur deux étapes : un autoencodeur compresse d'abord les images RGB en représentations latentes compactes, puis un modèle de dynamique conditionné par l'action, entraîné dans cet espace latent gelé, prédit les états latents futurs qui sont ensuite décodés en images, de manière autorégressive. L'enjeu dépasse la simple démonstration technique. La collecte de démonstrations et l'évaluation de politiques sur robot réel restent les deux goulots d'étranglement classiques de l'apprentissage robotique : matériel qui casse, éclairage qui varie, objets qui dérivent, chaque nouvelle tâche exigeant des heures de manipulation en laboratoire. Si un simulateur appris atteint un niveau de fidélité suffisant, il devient possible de générer des données d'entraînement à moindre coût directement dans le simulateur, et surtout d'évaluer plusieurs politiques dans des conditions rigoureusement identiques et reproductibles, ce qu'un banc de test physique ne permet pas. Les exemples montrés, comme la distinction correcte entre une corde effectivement insérée dans un clip et une corde qui le frôle sans contact, ou la simulation d'une tasse qui glisse hors de la pince, suggèrent que le modèle capture des dynamiques fines sans recourir à des a priori physiques codés en dur, un point que le secteur observe de près depuis l'essor des modèles VLA (vision-language-action). Cette approche s'inscrit dans une lignée de travaux sur les "world models" appliqués à la robotique, où l'ambition est de remplacer les simulateurs physiques classiques, coûteux à construire et souvent imparfaitement fidèles à la réalité, par des modèles vidéo appris directement à partir de données d'interaction. Le projet met à disposition une démonstration interactive en ligne, jouable au clavier depuis un navigateur, ce qui permet une vérification indépendante des affirmations avancées. Les prochaines étapes attendues par le secteur portent sur le passage à l'échelle vers davantage de tâches et de configurations matérielles, ainsi que sur la démonstration effective que des politiques entraînées dans ce simulateur transfèrent avec succès vers des robots réels, condition encore non confirmée à ce stade par l'article.

RecherchePaper

1 source

$Co${}^{2}$Skill : contrôle du corps entier par composition de compétences pour l'interaction humain-environnement à long horizon$

2arXiv cs.RO

Co${}^{2}$Skill : contrôle du corps entier par composition de compétences pour l'interaction humain-environnement à long horizon

Des chercheurs publient sur arXiv (2610.09291) Co²Skill, un contrôleur « whole-body » en simulation physique qui unifie deux capacités traitées jusqu'ici séparément : l'interaction avec la scène (s'asseoir, se lever, grimper, franchir des escaliers) et la manipulation dextre d'objets. Le système repose sur une politique unique, construite sur un a priori de mouvement préentraîné (motion prior). Des masques d'observation, dépendants de la tâche et de la phase en cours, sélectionnent l'information utile à chaque objectif. L'entraînement combine deux curriculums. Le premier, de loco-manipulation conditionnée par un but, associe un guidage partiel par trajectoires de référence, pour la précision, à une exploration depuis des états initiaux variés, ce qui autorise une exécution au-delà des démonstrations. Le second, inter-tâches, entraîne conjointement des compétences isolées et des séquences de tâches sélectionnées. Il préserve l'état physique d'une tâche à l'autre, par exemple en maintenant une prise pendant une interaction avec la scène. Les tests couvrent chaque compétence, leur enchaînement et des conditions aléatoires. Une démonstration de composition de compétences est aussi présentée dans des environnements intérieurs. Le résumé ne donne ni taux de réussite, ni nombre de degrés de liberté, ni durée de cycle. L'intérêt tient à la jonction entre deux sous-domaines qui avancent en parallèle. D'un côté, les contrôleurs de personnages physiques savent produire des mouvements plausibles pour l'interaction avec la scène. De l'autre, la manipulation dextre est traitée à part, avec ses propres politiques. Un humanoïde utile en usine, en entrepôt ou à domicile doit pourtant porter un objet tout en montant une marche ou en s'asseyant, sans lâcher sa prise. La préservation de l'état physique entre les tâches vise précisément ce point, qui fait souvent échouer les enchaînements de compétences appris séparément. Pour un intégrateur, le résultat ne prouve rien sur le transfert vers un robot réel : il s'agit d'une évaluation en simulation, sans validation matérielle annoncée, donc l'écart sim-to-real reste entier. Les décideurs B2B doivent le lire comme une brique de recherche et non comme un produit ou un déploiement. Le travail s'inscrit dans la lignée des contrôleurs physiques fondés sur des a priori de mouvement, nés de l'animation et de l'imitation de capture de mouvement, que la robotique humanoïde réutilise pour la locomotion et la manipulation. Il se situe en amont des modèles fondation pour humanoïdes, comme GR00T N2 de NVIDIA ou Helix de Figure, qui visent l'échelle par la donnée et le langage plutôt que par la composition explicite de compétences. Aucun partenaire industriel, calendrier de pilote ni code publié n'est mentionné dans le résumé. La suite logique serait une validation sur matériel, puis une comparaison avec les approches VLA sur des tâches longues, à vérifier dans le texte complet.

RecherchePaper

1 source

3arXiv cs.RO

PRISM : représentation prédictive du style d'interaction et du mouvement pour la navigation sociale des robots

La recherche présentée dans l'article arXiv:2609.18125v1 (déposé fin septembre 2026) porte sur un système baptisé PRISM, pour Predictive Representation of Interaction Style and Motion, conçu pour améliorer la navigation des robots dans les foules humaines. Concrètement, PRISM utilise un encodeur transformer entraîné avec une fonction de perte dite Rank-N-Contrast pour transformer les trajectoires observées de piétons en un espace latent continu et ordonné, qui capture le style d'interaction de chaque personne plutôt que sa seule position géométrique. Le système associe à chaque trait inféré un score de stabilité temporelle, transmis ensuite à la politique de navigation du robot. Les auteurs rapportent des résultats obtenus dans des simulations de foules randomisées : une réduction du taux de collisions par rapport à une référence qui ne modélise que l'état géométrique des piétons, ainsi que des gains marginaux sur le temps de trajet et la longueur du chemin parcouru. L'enjeu dépasse la seule performance chiffrée. La plupart des politiques de navigation sociale actuelles traitent les piétons comme de simples obstacles mobiles décrits par leur position et leur vitesse, ignorant que deux personnes se comportent différemment face à un robot selon leur style d'interaction propre. En inférant ce style de façon passive, sans capteurs additionnels ni interaction explicite, PRISM ouvre une piste pour des robots de livraison, des AMR ou des plateformes d'assistance appelés à circuler dans des environnements humains denses, où la sécurité perçue dépend autant du comportement social du robot que de sa seule évitement de collision. Le travail s'inscrit dans la lignée des recherches en navigation sociale robotique qui cherchent à dépasser les modèles purement géométriques hérités de la planification de trajectoire classique. Il reste toutefois à un stade de validation en simulation uniquement : aucun essai sur robot physique ni déploiement réel n'est mentionné, et les gains rapportés sur le temps de trajet et la distance parcourue sont qualifiés eux-mêmes de modestes par les auteurs. La suite logique, non annoncée à ce stade, serait un transfert vers des plateformes réelles pour vérifier si l'amélioration observée en simulation résiste au bruit des capteurs et à la variabilité humaine réelle.

RecherchePaper

1 source

4arXiv cs.RO

Stabilité et confort dans les interactions entre robots mobiles et piétons

Voici l'article rédigé selon les consignes. Des chercheurs ont développé et validé expérimentalement des algorithmes de navigation socialement adaptés pour robots mobiles non-holonomes (NMR), une catégorie de robots majoritaire dans les applications industrielles et de service mais historiquement sous-étudiée par rapport aux plateformes holonomes. Le cadre proposé s'appuie sur le Social Force Model (SFM) et sur une variante appelée TSFM (projected Time-to-collision Social Force Model), qui modélise explicitement les interactions entre le robot, les piétons et les obstacles statiques. Les auteurs démontrent mathématiquement la stabilité du système sous l'hypothèse de piétons "boundedly nonpassive" (dont le comportement reste dans des limites prévisibles), puis calibrent leurs modèles en simulation via une fonction de coût hybride combinant confort et vitesse de déplacement. Des expérimentations réelles impliquant des interactions robot-piéton comparent SFM et TSFM à deux références télécommandées manuellement, avec recueil du confort perçu par les marcheurs via questionnaires, analysés statistiquement. Cette étude comble un vide méthodologique important pour l'industrie robotique: la plupart des algorithmes de navigation classiques traitent les piétons comme de simples obstacles dynamiques, sans modéliser les facteurs humains subjectifs qui déterminent l'acceptabilité sociale d'un robot en espace partagé. Pour les intégrateurs déployant des AMR (robots mobiles autonomes) en entrepôt, hôpital ou espace public, ce résultat est directement actionnable puisque la majorité des plateformes commerciales sont non-holonomes et non les robots holonomes omnidirectionnels généralement privilégiés dans la littérature académique sur la navigation sociale. La preuve de stabilité formelle, plutôt qu'une simple validation empirique, renforce la crédibilité du système pour un déploiement en conditions réelles où la sécurité et la prévisibilité du comportement robotique sont critiques. Le travail s'inscrit dans le champ de la navigation socialement consciente ("social navigation"), qui cherche depuis plusieurs années à dépasser les approches purement géométriques d'évitement d'obstacles. Le Social Force Model, initialement conçu pour modéliser les dynamiques de foules humaines, sert ici de brique de base étendue avec une composante de temps avant collision (time-to-collision) pour mieux anticiper les trajectoires. Les auteurs comparent leurs résultats à des études antérieures pour établir un avantage sur les métriques de confort et de performance, sans toutefois préciser de partenaire industriel ni de calendrier de déploiement commercial concret, ce travail relevant à ce stade de la recherche académique plutôt que d'un produit prêt à être industrialisé.

RecherchePaper

1 source