RecherchearXiv cs.RO 15 octobre 2026

Au-delà du suivi cinématique : préserver les caractéristiques expressives dans le contrôle du corps entier des humanoïdes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs publient sur arXiv (2610.19393) un cadre d'apprentissage résiduel destiné à préserver le caractère expressif des mouvements d'un humanoïde, au-delà de la seule précision de suivi cinématique. Le dispositif se greffe sur des trackers de contrôle du corps entier déjà entraînés et laissés gelés. Cinq objectifs de compensation y sont ajoutés: amplitude, énergie, expansion du corps, inclinaison du buste et hauteur du bassin. Un mécanisme de «gating» sensible au mouvement répartit la capacité de correction selon l'activité de chaque partie du corps: les zones les plus actives disposent d'une marge de correction plus large, les autres sont bridées pour ne pas perturber le suivi sous-jacent. Pour chaque tracker, une politique résiduelle est entraînée par catégorie de mouvement, puis ces politiques sont distillées en une politique unique partagée entre catégories. Les tests, en simulation et sur robot physique, utilisent le Unitree G1 et couvrent huit catégories de mouvements. Les auteurs annoncent une meilleure préservation des caractéristiques dynamiques et posturales que les références correspondantes.

L'apport principal est un constat de méthode: une erreur de position moyenne plus faible ne garantit pas un meilleur rendu de la dynamique ni de la posture. Un tracker peut donc afficher d'excellents scores sur les benchmarks usuels tout en livrant un geste «aplati», moins ample, moins énergique, avec un buste plus raide ou un bassin trop haut. Pour les intégrateurs et les équipes qui visent des usages de divertissement, d'accueil, de téléopération ou de retargeting depuis la capture de mouvement, la métrique de suivi ne suffit plus comme critère de qualité. Le fait que la correction soit un résiduel posé sur des trackers gelés est un atout pratique: elle peut s'ajouter à des contrôleurs existants sans les réentraîner. Les résultats restent toutefois limités à une seule plateforme, un robot de gamme accessible, et aucun chiffre précis n'apparaît dans le résumé. Il s'agit d'un préprint non évalué par des pairs, sans produit ni déploiement associé.

Ce travail s'inscrit dans la vague des contrôleurs du corps entier appris par renforcement et imitation de mouvements humains, qui a fait du G1 de Unitree la plateforme de référence de la recherche académique grâce à son coût réduit. Ces contrôleurs ont surtout été optimisés pour la robustesse, la stabilité et la couverture d'un large répertoire de mouvements. L'expressivité, elle, est restée un critère secondaire. Des acteurs industriels comme Figure, Tesla, Agility ou Boston Dynamics explorent aussi des contrôleurs généralistes, mais l'expressivité y reste peu mesurée publiquement. La suite logique est une validation sur d'autres morphologies, avec des métriques standardisées d'expressivité et des comparaisons directes entre trackers, ce que le préprint ne fournit pas encore.

Dans nos dossiers

Boston Dynamics Unitree arXiv cs.RO

À lire aussi

1arXiv cs.RO

Suivi précis de l'effecteur final en SE(3) dans le contrôle du corps entier des humanoïdes

Des chercheurs ont présenté ResGAC, un contrôleur de corps entier pour humanoïde conçu pour suivre avec précision la pose d'un effecteur terminal dans SE(3), c'est-à-dire en position et en orientation. Décrit dans un préprint arXiv (2610.09479), le système associe un contrôle d'admittance géométrique (GAC) à de l'apprentissage par renforcement résiduel. Le GAC fournit un retour d'information structuré dans l'espace de la tâche et produit les consignes nominales de position articulaire des bras. Le réseau résiduel compense les dynamiques non modélisées et coordonne la locomotion et l'équilibre dans le même espace d'action, celui des positions articulaires. La validation a eu lieu sur un Unitree G1 réel, sur quatre bancs d'essai de suivi en position debout. ResGAC y obtient des erreurs de translation et de rotation inférieures à celles de plusieurs références, dont SONIC. Dans une tâche d'insertion de cheville dans un trou (peg-in-hole) en position debout, il atteint 90 % de réussite, contre 50 % pour SONIC. Il assure aussi un suivi précis de la pose de l'effecteur dans le repère monde pendant des mouvements du bas du corps. Le résultat touche un point faible connu de la manipulation humanoïde. Les politiques apprises de bout en bout, de type VLA ou suivi de mouvement, savent produire des comportements variés, mais elles tiennent mal la précision centimétrique ou millimétrique, car les oscillations de la base flottante, la gravité, le couplage dynamique et les perturbations de la marche se transmettent à la main. La tâche de peg-in-hole a ici valeur de test, puisqu'elle exige cette précision. Un taux de 90 % contre 50 % suggère qu'une structure géométrique explicite, combinée à un résiduel appris, peut combler une partie de l'écart entre démonstration et fiabilité industrielle. Une réserve s'impose : la validation porte sur un seul robot, le G1, plateforme de recherche peu coûteuse, et sur des essais statiques en position debout. Le nombre d'essais et la dispersion des résultats ne figurent pas dans le résumé, et les vidéos fournies sont par nature sélectionnées. La marche avec manipulation de précision n'est démontrée que pour le suivi en repère monde, pas pour des tâches d'assemblage. L'idée centrale est une formulation géométrique invariante à gauche, qui permet d'appliquer la même loi GAC dans différents repères de manipulation. Les auteurs l'exploitent avec un repère de cap attaché au sol : il conserve la locomotion planaire mais retire le roulis, le tangage et le pompage du bassin de la référence de manipulation. Les mouvements du bassin se propagent alors moins vers l'effecteur désiré. SONIC, la référence principale, représente l'approche de suivi de mouvement généraliste pour humanoïdes, que ce travail cherche à dépasser sur la précision. La suite logique serait de passer à des plateformes plus grandes, à des charges utiles réelles et à des tâches d'assemblage en marchant, ce que l'article ne démontre pas. Les vidéos et le code sont annoncés sur le site du projet resgac.github.io.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Observer et contrôler les caractéristiques dans les modèles vision-langage-action

Des chercheurs publient une étude (arXiv:2603.05487, version révisée) intitulée "Observing and Controlling Features in Vision-Language-Action Models", consacrée à l'interprétabilité mécaniste des modèles vision-langage-action (VLA) utilisés en robotique, ces systèmes qui traduisent une consigne en langage naturel et une image en commandes motrices. L'équipe teste sa méthode sur quatre modèles VLA de pointe, couvrant à la fois des architectures autorégressives et des architectures hybrides transformer/flow-matching à diffusion. Elle introduit des "observateurs" linéaires capables d'extraire, depuis les représentations internes du modèle, des informations sur l'état du robot et sur l'action à venir, ainsi qu'un "contrôleur" qui modifie légèrement ces représentations pour forcer les prédictions dans un intervalle cible, sans réentraînement ni fine-tuning. La méthode est validée en boucle fermée sur le modèle π0.5 de Physical Intelligence, dans le simulateur LIBERO et sur du matériel réel DROID. Résultat annoncé: un meilleur respect des contraintes imposées, une performance de tâche globalement préservée, et un surcoût de calcul à l'inférence d'environ 1% seulement. Pour l'industrie robotique, ce travail s'attaque à un problème concret: contrairement aux grands modèles de langage, les VLA combinent entrées multimodales et têtes de diffusion, ce qui rend leurs représentations internes plus opaques et empêche de transposer directement les outils d'interprétabilité conçus pour les LLM. Montrer qu'une intervention linéaire légère, quasi gratuite en calcul, suffit à orienter le comportement d'un VLA en cours d'exécution ouvre une piste pour ajuster des robots déployés à des préférences utilisateur ou des contraintes de sécurité sans repasser par un cycle d'entraînement coûteux. Pour les intégrateurs et décideurs B2B, c'est un argument en faveur d'un contrôle plus fin et plus rapide des politiques robotiques en production. Le résultat reste toutefois validé sur un seul modèle en conditions réelles et en simulateur, pas sur un produit déployé à grande échelle. Ce travail s'inscrit dans la lignée de l'interprétabilité mécaniste développée sur les LLM (sondes linéaires, vecteurs de pilotage d'activations), que les auteurs cherchent à étendre aux VLA, un champ encore peu exploré du fait de leur complexité multimodale. Le choix de π0.5 comme banc d'essai principal ancre l'étude dans l'écosystème actuel des VLA génératifs à têtes de diffusion, dont l'essor rapide a fait de l'opacité des représentations internes un point de blocage identifié par la communauté recherche. La mention "replace" sur arXiv indique une itération en cours plutôt qu'un résultat figé. Les auteurs ne fournissent aucun calendrier de transfert vers des systèmes commerciaux: la contribution reste, à ce stade, méthodologique et validée en laboratoire, sans annonce de pilote industriel ni de partenaire de déploiement.

RecherchePaper

1 source

3arXiv cs.RO

BAT : concilier agilité et stabilité par commutation de politiques en ligne pour le contrôle du corps entier d'un robot humanoïde sur de longs horizons

Des chercheurs proposent BAT, un cadre de commutation de politiques en ligne pour le contrôle du corps entier d'humanoïdes sur de longs enchaînements de mouvements. Le travail, publié sur arXiv (2604.01064, version 2), part d'un constat : les approches existantes suivent deux paradigmes. Les politiques couplées coordonnent tout le corps de façon globale, tandis que les politiques découplées traitent chaque module séparément pour gagner en précision. BAT choisit dynamiquement entre deux contrôleurs généralistes entraînés par apprentissage par renforcement, l'un couplé et l'autre découplé, selon le contexte du mouvement en cours. Deux prédicteurs de commutation travaillent en parallèle. OpVQ-VAE s'appuie sur des « tokens » de mouvement et généralise bien. OpHRL est un prédicteur en boucle fermée qui tient compte de l'état du robot. Un routeur de familiarité des tokens (Token-Familiarity Router) arbitre lorsque les deux divergent : il privilégie OpHRL pour les séquences de tokens connues et OpVQ-VAE pour les séquences inédites. Les auteurs annoncent 85,2 % de réussite sur des combinaisons de mouvements longues déjà vues à l'entraînement, et 71,3 % sur des mouvements jamais rencontrés. Ils rapportent aussi de meilleurs résultats que les contrôleurs corps entier existants sur les mouvements pris isolément, ainsi qu'un déploiement zéro-shot sur le Unitree G1. L'intérêt pratique tient au compromis que les équipes rencontrent sans cesse. Une politique couplée donne des gestes dynamiques et agiles, comme des sauts ou des mouvements amples, mais elle perd en précision. Une politique découplée manipule ou positionne mieux, mais elle devient moins robuste quand le mouvement exige une coordination globale. Plutôt que de chercher un contrôleur unique qui concilie tout, BAT montre qu'on peut combiner des spécialistes et basculer entre eux à l'exécution. Le point à surveiller est l'écart entre mouvements vus et inédits : 85,2 % contre 71,3 %, soit près de 14 points perdus, ce qui reste loin de la fiabilité attendue en production. Ces chiffres viennent de benchmarks de recherche, sans durée de tâche, nombre d'essais ni conditions détaillés dans le résumé. Le transfert zéro-shot sur G1 est encourageant, mais rien ne dit qu'il couvre toute la distribution de mouvements testée en simulation. Ce travail s'inscrit dans la vague des contrôleurs généralistes corps entier pour humanoïdes, nourrie par l'apprentissage par renforcement en simulation et l'imitation de mouvements humains. Le Unitree G1, peu coûteux et très répandu dans les laboratoires, sert désormais de plateforme de référence pour valider ces méthodes. Les auteurs ne se positionnent pas ici face aux modèles VLA commerciaux (Figure, Tesla, NVIDIA), car BAT agit à la couche basse de contrôle, pas au niveau du raisonnement ou de la planification. Cette couche reste pourtant un goulot d'étranglement pour passer des démonstrations à des tâches longues et enchaînées. La version 2 laisse penser que l'article a été révisé après relecture. Les suites logiques seraient des tests sur d'autres plateformes, des tâches de manipulation plus longues et une mesure de la robustesse hors laboratoire. Aucun calendrier de déploiement industriel n'est annoncé.

RecherchePaper

1 source

4arXiv cs.RO

WristMimic : contrôle corps entier de l'humanoïde par manipulation guidée au poignet

Publié en juillet 2026 sur arXiv, WristMimic est un framework de contrôle corps entier pour robots humanoïdes qui transfère des démonstrations humaines de manipulation vers une simulation physique. Plutôt que de suivre intégralement la pose de la main, la méthode sépare le corps et le poignet, guidés cinématiquement, des doigts, qui apprennent leurs gestes de préhension à partir du suivi de l'objet et du résultat des contacts. Le poignet sert de charnière entre les deux régimes : peu soumis aux forces de contact, il reste suivable fidèlement tout en plaçant la main dans une configuration de prise atteignable. Des contraintes de réinitialisation et une priorisation des récompenses au poignet fiabilisent ce positionnement ; les auteurs annoncent des performances égales ou supérieures aux méthodes à supervision complète des doigts, avec un retargeting indépendant de la morphologie de la main. Le problème ciblé est connu en contrôle humanoïde : une trajectoire de main en position seule ne renseigne pas les forces de contact nécessaires à une prise réussie, et imposer un suivi complet des doigts tend à surcontraindre des comportements qui doivent rester riches en contacts, ce qui fragilise la manipulation fine. En découplant mouvement libre et manipulation, WristMimic s'inscrit dans la recherche sur l'imitation à grande échelle pour l'IA incarnée, sans dépendre d'une capture de main parfaite. Pour l'industrie, l'argument concret est qu'une approche agnostique à la morphologie de la main pourrait réduire le travail d'adaptation quand un intégrateur change de main dextérisée, un problème récurrent tant les architectures varient d'un fabricant humanoïde à l'autre. Ce travail s'inscrit dans la lignée des méthodes de contrôle guidé par la cinématique humaine pour humanoïdes, qui cherchent depuis deux ans à rapprocher téléopération et apprentissage par renforcement. L'abstract ne mentionne aucun déploiement sur robot réel ni partenariat industriel : il s'agit pour l'instant d'une validation en simulation, une contribution de recherche plutôt qu'un produit. Les suites logiques seraient une validation sur plateforme humanoïde physique et une comparaison avec les pipelines de téléopération des acteurs du secteur, qu'il s'agisse des humanoïdes commerciaux ou des modèles VLA généralistes comme Pi-0 ou GR00T N2.

RecherchePaper

1 source