RecherchearXiv cs.RO 7 octobre 2026

RMRRT : RRT à métrique de barrière riemannienne pour un pilotage tenant compte des inégalités sur variétés d'égalité

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent RMRRT (Riemannian Barrier Metric RRT), un planificateur de mouvement par échantillonnage qui traite dans une même formulation géométrique les contraintes d'égalité et d'inégalité pour des systèmes robotiques de grande dimension. Dans les planificateurs classiques de type RRT, les contraintes d'égalité (par exemple garder un objet à l'horizontale pendant son transport) sont imposées par projection sur la variété admissible, tandis que les contraintes d'inégalité, dont l'évitement de collision, sont gérées à part par de simples tests de validité binaires. RMRRT construit d'abord une métrique de barrière ambiante à partir de termes sensibles aux inégalités, puis en déduit une métrique sur l'espace tangent via une projection G-orthogonale associée aux contraintes d'égalité. Cette métrique sert à la fois pour l'extension de l'arbre (steering) et pour le choix du plus proche voisin, ce qui éloigne l'exploration des frontières proches tout en conservant la cohérence au premier ordre avec les contraintes d'égalité. Les auteurs annoncent un taux de succès de 100 % sur diverses tâches de manipulation contrainte, en simulation et en conditions réelles, avec un temps de planification réduit par rapport à des références de planification contrainte. Une étude d'ablation indique que la métrique diminue le nombre d'échantillons rejetés et raccourcit les trajectoires.

L'intérêt pratique tient à la manipulation sous contraintes, qui reste un point dur dans les cellules robotisées encombrées : tenir un récipient sans le pencher, insérer une pièce, évoluer près d'obstacles. Le temps de planification y pèse directement sur le temps de cycle et sur la facilité de reprogrammation, donc sur la rentabilité pour un intégrateur. Un planificateur qui gaspille moins d'échantillons en collision réduit la latence et la variabilité des calculs, ce qui compte pour des robots censés replanifier en ligne. Le résultat est toutefois à lire avec prudence. Les chiffres sont des mesures d'auteurs sur des tâches choisies par eux, le gain en temps n'est pas chiffré dans le résumé, et les baselines ne sont pas nommées. Autre limite explicite : la métrique repose sur des inégalités « proxy » issues de distances signées, qui orientent seulement les directions dans l'espace tangent. La faisabilité stricte reste garantie par les tests de validité habituels, donc la collision n'est pas traitée de façon formelle.

Ces travaux s'inscrivent dans la lignée des planificateurs contraints par projection ou par atlas, qui ont popularisé la gestion des variétés d'égalité dans les RRT, et des méthodes à fonctions barrière issues de l'optimisation et de la commande, ici transposées à la géométrie de l'échantillonnage. Ils se positionnent face à l'optimisation de trajectoire (type CHOMP ou TrajOpt) et aux approches apprises, qui visent le même objectif de planification rapide en environnement contraint. L'article, publié sur arXiv (2610.06863), est une prépublication non évaluée par les pairs. Le site compagnon, aux ressources anonymisées, annonce la mise à disposition de vidéos et du code, ce qui permettra de vérifier les résultats sur d'autres plateformes. Aucun déploiement industriel ni partenaire n'est mentionné à ce stade.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Boston Dynamics arXiv cs.RO

À lire aussi

1arXiv cs.RO

geodex : une bibliothèque pour la planification de mouvement sur les variétés riemanniennes

geodex, une bibliothèque open source en C++20 dotée de bindings Python, vient d'être publiée sur arXiv (2610.09165). Elle permet de planifier des mouvements sur des variétés riemanniennes, c'est-à-dire en tenant compte de la géométrie intrinsèque de l'espace de configuration d'un robot : sa courbure et une notion de coût qui dépend de la configuration. Les auteurs exposent quatre briques indépendantes et interchangeables derrière une interface unique de planification par échantillonnage : la variété, sa métrique riemannienne, la rétraction et l'échantillonneur. Le même planificateur tourne donc sans modification sur R^n, les tores T^n, les sphères S^n, les groupes de Lie matriciels (SO(2), SE(2), SO(3), SE(3)), leurs produits et les espaces de configuration de robots articulés. Chacun peut recevoir une métrique définie par l'utilisateur. Le code est publié avec documentation, tests et une suite de benchmarks reproductibles. Le résumé ne donne aucun chiffre de performance, ni gain de longueur de trajectoire ou d'énergie, ni temps de calcul. L'enjeu est surtout d'infrastructure. Les bibliothèques d'optimisation sur variétés offrent des primitives géométriques riches, mais ne contournent pas les obstacles. Les bibliothèques de planification généralistes, qui gèrent de nombreux espaces d'états et des fonctions de distance personnalisées, ne font pas de la métrique riemannienne dépendante de la configuration le moteur de la distance, de l'interpolation et des géodésiques. geodex vise ce vide. L'argument avancé est que planifier avec la géométrie propre du robot donne des trajectoires plus courtes, moins coûteuses en énergie et plus naturelles qu'avec la métrique euclidienne ambiante. Cette affirmation reste à vérifier : le résumé ne la chiffre pas, et c'est la suite de benchmarks qui permettra de juger si le gain justifie la complexité. Pour un intégrateur ou une équipe de recherche, l'intérêt pratique serait de pouvoir comparer des métriques (inertie, énergie cinétique, coût de manipulation) sans réécrire le planificateur. Cette publication prolonge deux familles d'outils qui s'ignoraient en partie. D'un côté, les boîtes à outils d'optimisation sur variétés, utilisées en estimation et en contrôle. De l'autre, les planificateurs par échantillonnage de type OMPL, qui acceptent des espaces d'états variés mais traitent la métrique comme un simple réglage de distance. Il s'agit d'une première version (v1) et d'une bibliothèque de recherche : aucun déploiement industriel ni partenaire n'est annoncé. La suite dépendra de l'adoption par la communauté, de l'intégration avec des moteurs de collision et de simulation, et de la démonstration sur des robots articulés réels.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Ancrage sémantique tenant compte des risques pour une planification robotique fiable basée sur les LLM

Des chercheurs proposent un cadre de « Risk-Aware Semantic Grounding » (ancrage sémantique sensible au risque) pour fiabiliser les robots de navigation pilotés par un grand modèle de langage (LLM), et publient sur arXiv (2609.37554v1) un banc d'essai associé, TRUST-NAV. Le problème visé est connu : lorsqu'un LLM sert de planificateur de haut niveau, ses sorties deviennent peu fiables si l'instruction est ambiguë, sans support dans l'environnement ou incohérente sur le plan sémantique. L'architecture estime donc, avant toute planification, trois risques distincts : l'ambiguïté, l'hallucination et le conflit sémantique. Selon ce score, le système choisit entre trois issues : exécuter l'instruction, demander une clarification ou la rejeter. TRUST-NAV réunit des tâches de navigation standard et des scénarios d'instructions volontairement piégées. Les résultats rapportés indiquent que les planificateurs LLM classiques performent bien sur les tâches valides, alors que le cadre proposé améliore nettement la détection d'ambiguïté et le rejet des conflits sémantiques. Le résumé ne fournit ni chiffres, ni modèles testés, ni robot réel : il s'agit d'un travail académique évalué sur benchmark, sans déploiement ni produit. L'intérêt tient au déplacement de la métrique. Jusqu'ici, la plupart des travaux sur les planificateurs LLM et les modèles vision-langage-action (VLA) optimisent la génération de plans et se jugent sur le taux de réussite des tâches. Les auteurs soutiennent qu'un robot fiable se mesure aussi à sa capacité à reconnaître qu'il ne doit pas agir. Pour un intégrateur ou un responsable d'exploitation, c'est un critère de sécurité concret : un AMR ou un humanoïde qui exécute avec assurance une consigne ambiguë ou impossible est un risque opérationnel, pas seulement une erreur de performance. L'approche est aussi modulaire, puisque le filtrage précède la planification et pourrait en principe se greffer sur des planificateurs existants. Il faut toutefois rester prudent : l'absence de chiffres publiés, l'évaluation sur un benchmark créé par les mêmes auteurs et l'écart habituel entre simulation et terrain limitent la portée des conclusions, en particulier sur le coût en fausses alertes, c'est-à-dire les refus ou demandes de clarification inutiles qui ralentissent une exploitation. Ce travail s'inscrit dans la vague des LLM employés comme planificateurs de haut niveau en navigation et en manipulation, où les hallucinations et l'ancrage dans l'environnement restent des points faibles reconnus. Les approches concurrentes reposent sur l'estimation d'incertitude, la prédiction conforme pour déclencher des demandes d'aide, ou des couches de vérification et de garde-fous, tandis que les grands modèles fondation robotiques cherchent surtout à augmenter le taux de réussite. La suite dépendra de la disponibilité de TRUST-NAV pour la communauté, de la reproduction des résultats par des tiers et d'un test sur robot physique, étape que la version 1 du préprint ne mentionne pas.

RecherchePaper

1 source

3arXiv cs.RO

Planification de mouvements par échantillonnage sur variétés riemanniennes avec conscience géométrique

Des chercheurs ont publié sur arXiv (arXiv:2602.00992) un cadre de planification de mouvement par échantillonnage opérant directement sur des variétés riemanniennes, adressant une limitation fondamentale des planificateurs classiques : l'usage de distances euclidiennes dans des espaces de configuration à géométrie non euclidienne. La contribution centrale est une approximation par point médian de la distance géodésique riemannienne, dont les auteurs prouvent la convergence au troisième ordre vers la distance réelle. Un planificateur local complète le système en traçant la variété via des rétractions du premier ordre guidées par des gradients naturels riemanniens. Les validations portent sur un bras plan à deux degrés de liberté, un manipulateur Franka à 7-DoF sous métrique d'énergie cinétique, et la planification de corps rigides dans SE(2) avec contraintes non holonomes. Dans chaque cas, l'approche produit des trajectoires de coût inférieur aux planificateurs euclidiens et aux solveurs géodésiques numériques de référence. L'enjeu industriel est direct : pour les bras manipulateurs redondants (6-DoF et plus), les métriques d'énergie cinétique ou de manipulabilité définissent une géométrie non euclidienne que les RRT et RRT standards ignorent, produisant des trajectoires sous-optimales en énergie et en usure des actionneurs. Ce travail comble le fossé entre deux familles de méthodes : les solveurs géodésiques numériques, fidèles géométriquement mais peu scalables en haute dimension, et les planificateurs par échantillonnage, efficaces mais géométriquement naïfs. La preuve de convergence au troisième ordre est un apport théorique solide ; les expériences restent cependant limitées à 2 et 7-DoF, et la tenue à l'échelle sur des systèmes corps entier (20-DoF et plus) n'est pas encore démontrée. La planification géodésique n'est pas une idée nouvelle : CHOMP et les méthodes de Gaussian Process Motion Planning avaient déjà exploité des métriques tâche-espace, mais dans des cadres d'optimisation sans garanties de complétude probabiliste. Ce travail se distingue en intégrant la géométrie riemannienne dans le paradigme par échantillonnage (famille RRT/PRM), ce qui offre des garanties de complétude asymptotique. Les concurrents directs incluent les variantes RRT à métriques personnalisées et les planificateurs sur graphes de visibilité riemanniens. La suite logique serait une validation sur des manipulateurs industriels courants (Universal Robots, KUKA iiwa) et une intégration dans MoveIt 2 ou NVIDIA Isaac/Lula, deux prérequis pour une adoption réelle en production.

RecherchePaper

1 source

4arXiv cs.RO

Arbitrage tenant compte des capacités pour le contrôle partagé basé sur l'intention sémantique

Un article déposé sur arXiv (2609.25369v1) présente un cadre de contrôle partagé homme-robot conscient des capacités. Un modèle vision-langage (VLM) infère l'intention humaine et produit une confiance sémantique, tandis qu'une politique vision-langage-action (VLA) génère les actions autonomes du robot ; la fiabilité de cette dernière est estimée en ligne à partir de la dispersion et de l'instabilité locale des trajectoires stochastiques qu'elle produit. Un arbitrage non linéaire combine ces deux signaux, filtrés par une approche bayésienne, via une fonction sigmoïde, pour ajuster dynamiquement le niveau d'autorité laissé au robot. Le système a été testé auprès de 12 participants sur des tâches de préhension-dépôt et d'empilement bidirectionnel, en conditions connues et en conditions inédites (hors distribution d'entraînement). La méthode proposée atteint un taux de réussite de 92%, contre 83% en téléopération manuelle pure, 44% pour un arbitrage basé sur la seule intention, et seulement 10% pour un mélange à poids fixes et égaux entre humain et robot. Ce travail cible un défaut connu des systèmes de contrôle partagé actuels : allouer l'autorité au robot sur la seule confiance dans l'intention détectée suppose implicitement que l'exécution autonome sera fiable, ce qui pousse le système à trop aider quand ce n'est pas le cas. En ajoutant une estimation indépendante et continue de la fiabilité réelle de la politique VLA, l'étude s'attaque à un problème central du déploiement de ces modèles en conditions réelles : une confiance élevée affichée par un modèle n'implique pas une exécution correcte, en particulier hors distribution. Pour les intégrateurs qui déploient des architectures VLA en téléopération assistée ou en cobotique industrielle, cette approche fournit une piste concrète pour réduire les échecs silencieux, sans dépendre uniquement de la compréhension du langage par le robot. Cette publication s'inscrit dans la lignée des recherches récentes sur le contrôle partagé appuyé sur des politiques VLA génériques, dans l'esprit de Pi-0, GR00T N2 ou Helix, déployées en téléopération comme en autonomie complète. Contrairement à ces architectures orientées produit, il s'agit ici d'une contribution académique déposée sur arXiv, sans fabricant de robots, partenaire industriel ni acteur français ou européen cité dans le texte, et reposant sur un échantillon modeste de 12 participants, typique de ce stade de recherche en robotique interactive. L'article ne mentionne ni robot cible ni calendrier de transfert vers un produit commercial ; les suites logiques attendues seraient une validation à plus grande échelle et des tests sur des tâches de manipulation plus complexes ou des plateformes robotiques réelles.

RecherchePaper

1 source