RecherchePandaily 8 octobre 2026

Galbot et Tsinghua : LATENT remporte un prix à l'IROS pour un coup droit de tennis humanoïde

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe réunissant Galbot, l'université Tsinghua, l'université de Pékin et le Shanghai AI Laboratory a remporté le prix du meilleur article « Entertainment and Amusement » à l'IROS 2026, dont la conférence principale s'est achevée à Pittsburgh le 30 septembre. Le travail, intitulé « Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data » et surnommé LATENT, entraîne un humanoïde à renvoyer des balles de tennis à partir de données volontairement lacunaires : cinq joueurs amateurs ont passé environ cinq heures dans une zone de capture de 3 par 5 mètres, enregistrant des fragments de coups droits, de revers et de déplacements, sans match ni information sur la cible de la balle. Le système entraîne d'abord un tracker de mouvement, puis le compresse en un espace d'actions latent continu, sorte de dictionnaire de mouvements corporels. L'équipe a réduit la confiance accordée au poignet droit, trop bruité après retargeting, et ajouté une contrainte, la Latent Action Barrier, fondée sur la distance de Mahalanobis, qui empêche la politique de sauter entre mouvements sans rapport. En simulation, la politique de coup droit réussit 96,52 % des retours, avec une erreur moyenne d'atterrissage de 1,32 m, contre 41,32 % pour AMP, 63,47 % pour ASE et 71,85 % pour PULSE. Sans la barrière, le succès ne baisse qu'à 93,12 %, mais l'indice de lissage passe de 25,61 à 37,64 et le couple articulaire de 7,40 à 12,53, signe de mouvements plus saccadés. Sur un Unitree G1 réel, sur 20 échanges consécutifs, le coup droit atteint 90,90 % de réussite, le revers 77,78 %, le jeu depuis l'avant-court 88,89 % et depuis le fond 81,82 %, le succès signifiant que la balle retombe dans le camp adverse.

Pour les intégrateurs et les décideurs, l'intérêt tient moins au tennis qu'à la méthode : obtenir un comportement dynamique et précis à partir de peu de données humaines, imparfaites et non étiquetées par la tactique, sans script de mouvement à rejouer. L'espace latent traite les clips comme un a priori plutôt qu'une consigne, et l'ablation montre que la contrainte de régularité pèse surtout sur la qualité du geste (couple, fluidité), donc sur l'usure mécanique et la faisabilité sur matériel réel, davantage que sur le seul taux de succès. Il faut toutefois lire ces chiffres avec prudence. Le test réel dépend encore de la capture de mouvement : selon Leiphone, citant les documents du projet, le dispositif compte plus de 50 caméras sur 19 par 15 mètres, et non les caméras embarquées du robot. L'échantillon de 20 échanges est modeste, et l'échange simulé de 25 coups entre deux robots ne provient pas d'un court réel. Le résultat est un retour de balle en laboratoire, pas un match de tennis, et il n'a pas d'application commerciale directe.

Le prix s'inscrit dans une série de démonstrations sportives sur le Unitree G1, plateforme de recherche devenue standard, dont un panier de basket présenté par HKUST. Galbot, fabricant chinois, multiplie par ailleurs les annonces : l'ET1, humanoïde bipède dont le prix démarre à 79 000 yuans, avec des compétences par observation sur les gammes supérieures, et le modèle monde-action LDA-1B, dont le framework est ouvert. Les auteurs listent la capture de mouvement comme limite principale et désignent la vision active, c'est-à-dire la perception par les caméras du robot, comme prochaine étape, condition nécessaire pour sortir du laboratoire. Aucun calendrier de déploiement ni pilote industriel n'est annoncé à ce stade.

Dans nos dossiers

Unitree ICRA / IROS / CoRL

À lire aussi

1arXiv 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

2arXiv cs.RO

Vers un style de tennis professionnel pour robots humanoïdes grâce à une planification et un suivi de mouvement adaptatifs

Des chercheurs ont publié le 21 août 2026 sur arXiv (référence 2608.20087v1) AdaPT, un système de planification et de suivi de mouvement adaptatif qui apprend à des robots humanoïdes à servir et échanger au tennis avec un style proche de celui des joueurs professionnels, directement à partir de vidéos de retransmissions télévisées. L'architecture est hiérarchique : un planificateur génère la trajectoire cinématique stylisée, tandis qu'un module de suivi (tracker) l'exécute en interférant le moins possible avec le plan initial. Validée en simulation, l'approche a ensuite révélé un écart important entre simulation et réel sur le robot Unitree G1, la précision du suivi se dégradant à cause de la planification autorégressive et du bruit de perception ; pour corriger cela, les auteurs ont entraîné le tracker à suivre des vitesses d'exécution randomisées et conditionné le planificateur via un adaptateur de vitesse appris. Les politiques AdaPT ont ensuite été déployées sur le robot humanoïde grand format Dobot Atom (1,7 mètre), capable de servir en conditions réelles sans capture de mouvement, avec vidéos et code publiés sur le site du projet. Ce résultat illustre concrètement la possibilité de transférer un mouvement stylisé et physiquement exigeant, appris depuis de simples vidéos, vers un robot humanoïde grande taille opérant sans motion capture ni environnement contrôlé, un enjeu central pour l'industrie face au fossé habituel entre démonstrations et performance réelle. Il faut toutefois le lire comme un résultat de recherche académique et non comme un produit commercialisé : aucune annonce de volumes, de prix ni de partenariat industriel n'accompagne la publication, et les essais restent limités en nombre. La méthode elle-même dépasse le seul tennis, puisqu'elle traite un problème plus général, générer des mouvements stylistiques complexes sans sacrifier la performance de la tâche, pertinent pour toute application humanoïde exigeant dextérité et fluidité. Ce travail s'inscrit dans une vague récente de recherches sur des humanoïdes jouant à des sports de balle, un domaine où plusieurs laboratoires ont récemment montré des frappes ou services au tennis, badminton ou ping-pong, souvent via des architectures de type VLA ou du renforcement pur. AdaPT se distingue par la combinaison d'une imitation de style issue de vidéos de diffusion et d'une architecture planificateur/tracker pensée spécifiquement pour limiter la dégradation lors du transfert simulation-réel. Les tests ont porté sur deux plateformes, le Unitree G1, standard courant en recherche sur la locomotion, et le Dobot Atom, humanoïde grand format du fabricant chinois Dobot. Les auteurs n'annoncent aucun calendrier de pilote commercial, se limitant à publier code et vidéos et à souligner des enseignements algorithmiques et d'ingénierie pour de futurs systèmes humanoïdes sportifs.

RecherchePaper

1 source

3arXiv cs.RO

Affinage tenant compte du filtre pour un suivi sûr du corps entier d'un robot humanoïde

Des chercheurs publient sur arXiv (2610.02341) CoFiT, pour Constrained Filter-aware Tuning, une méthode de fine-tuning qui adapte un tracker de mouvement humanoïde pré-entraîné à la présence d'un filtre de sécurité. Le tracker est une politique d'apprentissage par renforcement qui suit une référence fournie par un planificateur, un téléopérateur ou un générateur de mouvement. Le filtre, de type control barrier function (CBF), corrige les sorties de la politique à l'exécution pour respecter de nouvelles contraintes. Les auteurs testent la méthode sur deux trackers existants, TWIST2 et SONIC, dans diverses scènes de contraintes. Par rapport à un entraînement limité au filtre seul, CoFiT réduit le temps de violation de 91 % sur TWIST2 et de 21 % sur SONIC, avec des corrections du filtre moins importantes. Sur un Unitree G1 réel, la réduction atteint 83 % pour TWIST2. Tous les essais se terminent sans intervention de l'opérateur, contre 50 % d'essais de référence qui ont exigé un arrêt manuel. Le nombre d'essais n'est pas précisé dans le résumé. L'intérêt tient au constat que tracker et filtre de sécurité ne peuvent pas être conçus séparément. Le filtre modifie les actions exécutées, donc aussi la distribution des états que la politique rencontre, ce qui crée des écarts de dynamique, d'objectif et d'information entre ce que le tracker a appris et ce qu'il subit. Pour un intégrateur, l'architecture « référence, tracker RL, filtre CBF » ne garantit donc pas la sécurité par simple empilement. Le fine-tuning d'un tracker existant, sans réentraînement complet, offre une voie pragmatique vers le déploiement en environnement non structuré. L'écart de gain entre TWIST2 (91 %) et SONIC (21 %) signale toutefois que le bénéfice dépend fortement du tracker de départ. La validation matérielle repose sur un seul robot, le G1, un humanoïde de recherche à faible coût, et sur des scénarios de contraintes dont la complexité reste à examiner dans l'article complet. Ce travail s'inscrit dans la généralisation des contrôleurs de suivi de mouvement du corps entier, devenus la couche d'exécution standard de la téléopération et des politiques pilotées par des modèles génératifs. Les CBF fournissent depuis longtemps des garanties de sécurité en robotique, mais surtout sur des systèmes plus simples. Il s'agit d'une prépublication v1, non évaluée par des pairs, sans déploiement industriel ni produit annoncé. Les suites probables sont des essais sur d'autres plateformes, des contraintes plus riches comme le contact ou l'évitement de personnes, et une extension à d'autres trackers. Les auteurs revendiquent des principes de conception, ce qui sera utile à tout acteur combinant politique apprise et couche de sécurité certifiable, y compris en Europe, où les exigences de sécurité machine pèsent sur les humanoïdes.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Fiatlux : un banc d'essai à long horizon pour l'escalade d'échelle et le remplacement d'ampoule par un robot humanoïde

Des chercheurs publient sur arXiv (2609.38216) Fiatlux, un benchmark de simulation bâti sur NVIDIA Isaac Lab, où un humanoïde Unitree G1 doit remplacer une ampoule en un seul épisode. Le robot place un escabeau sous un plafonnier ou une applique murale, grimpe dessus, retire l'ampoule usagée de sa douille, en visse une neuve, puis dépose l'ancienne dans une caisse de rebut. L'épisode est découpé en douze environnements de sous-tâches, notés par des « portes » pondérées selon leur difficulté. Le succès exige que la nouvelle ampoule soit bien vissée, que l'ancienne soit jetée, qu'aucune ne tombe et qu'un seuil de fragilité ne soit pas dépassé. Un crédit partiel est accordé aux essais incomplets. Deux modes d'observation coexistent : un mode standard, limité aux signaux qu'un robot réel pourrait mesurer ou estimer, et un mode privilégié qui expose l'état exact du simulateur. Les auteurs fournissent des références : RSL-RL PPO, des modèles VLA (vision-langage-action) NVIDIA GR00T N1.7 en zero-shot, et des contrôleurs corps entier. Ils publient aussi les enregistrements téléopérés ayant servi à définir et vérifier les critères de réussite. Code et données sont disponibles sur fiatlux-bench.github.io. L'intérêt tient à ce que les benchmarks actuels séparent la manipulation sur table, les tâches domestiques à plat et la locomotion ou manipulation humanoïde. Aucun ne combine mobilité verticale et travail dextre sur une charge fragile dans un même épisode long. C'est pourtant le profil de nombreuses tâches de maintenance en bâtiment ou en site industriel : accéder en hauteur, stabiliser le corps, manipuler un objet délicat. La séparation entre modes standard et privilégié permet de mesurer l'écart entre ce qu'un robot réel perçoit et ce que le simulateur sait, donc une partie du fossé sim-to-real. Il faut toutefois rester prudent. L'article annonce des implémentations de référence, mais l'extrait ne fournit aucun taux de réussite. On ignore donc si les modèles VLA en zero-shot franchissent ne serait-ce que les premières portes. Il s'agit d'un banc d'essai en simulation, sans validation sur matériel réel ni déploiement. Le G1 de Unitree, humanoïde compact et relativement abordable, est devenu une plateforme courante de recherche, ce qui explique ce choix. GR00T N1.7 s'inscrit dans la famille de modèles fondation de NVIDIA pour humanoïdes, face à des approches concurrentes comme Pi-0 de Physical Intelligence ou Helix de Figure. Isaac Lab, de son côté, sert de socle standard pour l'apprentissage par renforcement en simulation. La suite logique consiste à voir si des équipes soumettent des résultats sur Fiatlux, et si des politiques entraînées sur ces douze sous-tâches se transfèrent sur un robot physique. Cela dépendra aussi de la fidélité de la simulation des contacts avec l'ampoule et la douille.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source