RecherchearXiv cs.RO 15 octobre 2026

PolyMorph : apprentissage d'une politique de locomotion pour l'adaptation à plusieurs morphologies

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

PolyMorph est un cadre d'apprentissage par renforcement décrit dans un preprint arXiv (2610.19615v1) qui vise à entraîner une seule politique de locomotion pour des robots à pattes de morphologies différentes. Le système convertit le fichier URDF de chaque robot en modules articulation-segment. Il enchaîne ensuite un encodeur récurrent, un Transformer à structure de graphe et un décodeur par articulation, ce qui lui permet de produire des actions pour un nombre de pattes et une configuration d'articulations variables. Pour stabiliser l'entraînement, les auteurs ajoutent trois mécanismes: des récompenses normalisées selon la morphologie, un échantillonnage adaptatif des robots et une initialisation des gains PD (proportionnel-dérivé) déduite de l'URDF. L'évaluation en simulation couvre des bipèdes, des tripèdes et des quadrupèdes, y compris des variantes et des plateformes absentes de l'entraînement. La politique est aussi déployée sur des quadrupèdes réels utilisés dans plusieurs configurations. Le résumé ne donne ni taux de réussite, ni nombre de robots, ni vitesses, ni temps d'entraînement, et il ne précise pas combien de plateformes physiques ont été testées.

L'enjeu est d'abord économique pour les constructeurs et les intégrateurs. Aujourd'hui, une politique de locomotion apprise reste liée à un corps précis. Changer le nombre de pattes, les actionneurs ou les propriétés mécaniques oblige à refaire de l'ingénierie: récompenses, gains, réentraînement. Une politique unique qui généralise à des morphologies inédites réduirait ce coût pour les gammes de robots à variantes multiples, les prototypes dont la mécanique évolue souvent ou les flottes hétérogènes. Elle irait aussi dans le sens des modèles généralistes déjà visibles en manipulation, ici appliqués à la locomotion. Il faut toutefois rester prudent. Le déploiement réel semble limité à des quadrupèdes, donc à la famille la plus proche de celles vues en simulation. Les bipèdes et tripèdes ne sont évalués qu'en simulation, ce qui laisse ouverte la question de l'écart sim-to-real sur les morphologies les plus instables. Les performances face à des politiques spécialisées ne sont pas chiffrées dans le résumé.

Ce travail s'inscrit dans la recherche sur l'apprentissage cross-embodiment, où des approches par graphes ou Transformers traitent un robot comme un ensemble de nœuds articulés, une idée connue depuis plusieurs années en simulation. PolyMorph se distingue par l'usage direct de l'URDF comme entrée et par la prise en charge d'un nombre variable de pattes. Il se positionne face aux politiques spécialisées par robot, aujourd'hui la norme pour les quadrupèdes du commerce, et face aux modèles généralistes de type VLA, plus centrés sur la manipulation. Aucun partenaire industriel, calendrier de publication de code ni projet pilote n'est annoncé. La suite logique serait une validation sur davantage de robots physiques, notamment des bipèdes, ainsi qu'une comparaison publique avec des politiques dédiées. Il s'agit d'un preprint, pas encore évalué par des pairs.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage de priors d'action pour la manipulation robotique multi-morphologies

Des chercheurs ont soumis le 25 juin 2026 sur arXiv (réf. 2606.26095) un cadre d'entraînement en deux étapes pour les modèles Vision-Language-Action (VLA) appliqués à la manipulation robotique cross-embodiment. Le problème est structurel : dans l'architecture dominante, le module d'action est greffé sur un backbone Vision-Language Model (VLM) et co-optimisé dès le départ, ce qui contraint le modèle à découvrir simultanément la dynamique physique du mouvement et l'alignement visuo-linguistique. Les auteurs proposent de préentraîner d'abord le module d'action sur des trajectoires brutes via un encodeur-décodeur léger basé sur le flow-matching, sans aucune entrée visuelle ni linguistique, puis de transférer ce prior moteur à l'entraînement VLA par réutilisation du décodeur et distillation latente en début d'entraînement. La méthode est évaluée sur 13 tâches cross-embodiment en simulation et sur plateformes réelles. Le bénéfice principal est de découpler deux apprentissages que les VLA actuels co-optimisent de front : la structure temporelle du mouvement et la sémantique visuo-linguistique. Selon les résultats présentés, la méthode accélère la convergence, améliore les taux de succès globaux et génère des gains particulièrement nets sur les tâches à faible volume de données réelles, là où les pipelines existants décrochent. Le module encodeur joue par ailleurs le rôle de compresseur d'historique, résumant l'historique état-action en un unique token de contexte temporel à coût négligeable. Fait notable : augmenter le volume de données d'action en étape 1 améliore directement les performances downstream, sans requérir de nouvelles démonstrations robotiques coûteuses à collecter. Ce travail s'inscrit dans la compétition autour des politiques robotiques généralistes capables d'opérer sur des morphologies hétérogènes : Pi-0 (Physical Intelligence), OpenVLA, Octo (UC Berkeley) et RT-2 (Google DeepMind) constituent les références directes. La rareté des données réelles annotées et le sim-to-real gap restent les freins communs à l'ensemble du secteur, et une meilleure initialisation du prior moteur en offre une réponse partielle. Il s'agit d'un preprint non évalué par les pairs, sans déploiement industriel annoncé ; les suites naturelles seraient une intégration dans des frameworks open-source comme LeRobot (Hugging Face) ou une adoption par des équipes développant des humanoïdes généralistes.

UELa méthode pourrait être intégrée à LeRobot (Hugging Face, Paris), ce qui bénéficierait directement à l'écosystème de robotique open-source français.

RechercheOpinion

1 source

2arXiv cs.RO

Apprentissage par renforcement sur graphe adapté à la morphologie pour la locomotion de robots tenségrité

Des chercheurs ont publié sur arXiv (référence 2510.26067, version 2, octobre 2025) un framework d'apprentissage par renforcement intégrant un réseau de neurones à graphes (GNN) dans l'algorithme Soft Actor-Critic (SAC) pour contrôler la locomotion de robots tenségrité. Le système représente la topologie physique du robot sous forme de graphe, où chaque nœud correspond à un composant structurel (tige rigide ou câble élastique) et chaque arête encode les couplages mécaniques. Validé sur un robot tenségrité à 3 barres, le framework maîtrise trois primitives de déplacement : suivi de trajectoire en ligne droite et virage bidirectionnel. Aucun réglage supplémentaire n'a été nécessaire pour le passage simulation-vers-matériel, et les politiques apprises s'exécutent directement sur le robot physique avec une locomotion stable. Le résultat le plus significatif pour les intégrateurs et concepteurs de robots est le transfert sim-to-real sans fine-tuning : c'est précisément le point d'échec habituel des méthodes RL appliquées aux structures à dynamique fortement couplée. Les robots tenségrité combinent tiges rigides et câbles élastiques en tension permanente, ce qui rend leur dynamique sous-actionnée et difficile à modéliser fidèlement, un écart classique entre simulation et réalité. Le fait que le GNN encode explicitement les contraintes topologiques du robot explique en partie cette robustesse : la politique apprend la physique structurelle, pas seulement une carte entrée-sortie. Les résultats montrent également une meilleure efficacité d'échantillonnage et une tolérance accrue aux variations de bruit et de raideur des câbles, deux paramètres qui fluctuent inévitablement sur matériel réel. Les robots tenségrité ont émergé comme plateforme de recherche sérieuse notamment via les travaux de la NASA (robot SUPERball) et des universités comme UC Berkeley, en raison de leur légèreté et de leur résilience aux chocs, des atouts pour l'exploration spatiale ou la recherche et le sauvetage. Jusqu'ici, leur contrôle reposait essentiellement sur des politiques MLP standard ou des méthodes de contrôle classique, peu adaptées à la complexité des couplages internes. Ce travail s'inscrit dans une tendance plus large d'architectures GNN pour robots morphologiquement complexes, en compétition avec des approches comme les transformers de morphologie ou le contrôle basé modèle avec apprentissage des paramètres. Les prochaines étapes naturelles incluent l'extension à des structures plus complexes (6 barres, tenségrités sphériques) et des environnements non structurés, domaines où aucun déploiement industriel n'est encore annoncé à ce stade.

RecherchePaper

1 source

3arXiv cs.RO

Apprentissage d'une locomotion adaptative à la pente pour robots humanoïdes sur chantiers de couverture

Un article publié sur arXiv (référence 2609.20558v1) présente un cadre logiciel permettant à un robot humanoïde Unitree G1 d'exécuter des tâches de couvreur sur toitures en pente : marche en montée, utilisation d'une cloueuse pneumatique, martelage et mouvements de flexion. La méthode capture des démonstrations humaines par un système de suivi de mouvement, les retranscrit sur le robot, puis s'appuie sur un modèle métrique 3D du toit pour ancrer précisément les points de contact des pieds et des mains ainsi que les relations de travail (distance à l'outil, zones de dégagement) à la surface réelle. Une optimisation au niveau de la trajectoire fixe ces contraintes, tandis qu'un apprentissage par renforcement sensible à l'exécution maintient ces relations malgré les erreurs de suivi en conditions dynamiques. Les auteurs évaluent l'approche via une étude de suivi multi-mouvements, une matrice couvrant différentes pentes de toit, une ablation à cinq configurations sur la tâche de cloueuse, des tests croisés sur le martelage et la poussée latérale, ainsi que des comparaisons avec un apprentissage par renforcement pur et une téléopération sans apprentissage préalable. Résultats obtenus : des erreurs de dégagement de travail comprises entre 0,256 et 0,531 cm, un taux de réussite de 3 sur 3 pour chaque tâche testée, et des erreurs moyennes de position du tronc inférieures à 80 mm lors des expériences physiques. L'intérêt de ces travaux tient au problème qu'ils ciblent : les surfaces inclinées et irrégulières du bâtiment restent l'un des terrains les plus difficiles pour les humanoïdes, bien plus exigeants que les sols plats des entrepôts où la plupart des démonstrations commerciales sont tournées. L'étude illustre aussi un écueil classique de l'apprentissage par imitation : retranscrire fidèlement un geste humain capturé ne garantit pas un placement correct des appuis par rapport à l'environnement réel, d'où l'ajout d'un ancrage explicite à un modèle de scène. Pour les intégrateurs et décideurs du BTP, ce résultat reste un signal de recherche amont plutôt qu'une preuve de déploiement : il indique une piste méthodologique crédible pour doter les humanoïdes de compétences de chantier extérieur, sans annoncer de produit ni de pilote commercial. Le travail s'appuie sur le Unitree G1, plateforme humanoïde chinoise largement utilisée par les laboratoires de recherche en robotique incarnée pour son coût réduit face à des concurrents comme Boston Dynamics ou Tesla Optimus. Il s'inscrit dans une vague plus large de recherches combinant apprentissage par imitation et renforcement pour le contrôle corps entier des humanoïdes, dans la lignée conceptuelle de projets industriels comme Helix de Figure AI ou GR00T N2 de NVIDIA, sans toutefois émaner d'un acteur commercial identifié : il s'agit d'une prépublication arXiv non encore validée par relecture par les pairs. Les auteurs présentent leur approche comme une base pour de futures primitives de mouvement humanoïde dédiées au bâtiment, sans calendrier de pilote ni partenariat annoncé à ce stade.

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage d'une politique modulaire pour la navigation vers des objets sur plusieurs étages : un cadre factorisé pour une étude diagnostique

Des chercheurs proposent une étude diagnostique de la navigation par objectif (ObjectNav) dans des bâtiments à plusieurs étages, publiée sur arXiv sous le titre « Learning Modular Policy for Multi-Floor Object Navigation ». Le cadre repose sur une politique hiérarchique factorisée, qui remplace une politique globale unique par deux composants : une politique d'exploration intra-étage et une politique de changement d'étage. L'intra-étage, volontairement légère, est initialisée par distillation de la logique d'exploration de modèles vision-langage (VLM), avant un affinage par apprentissage par renforcement (RL). Les auteurs avancent aussi, sous hypothèses idéalisées, que cette factorisation est théoriquement équivalente à une politique globale unique au niveau de la représentation de la politique. Le résumé publié ne donne ni taux de réussite, ni jeux de données, ni noms de robots ou de simulateurs, et aucun test sur robot réel n'y est mentionné. Le résultat central est qualitatif : la qualité de la perception et la stabilité de la montée d'escaliers sont les principaux goulots d'étranglement. L'intérêt tient moins à la politique elle-même qu'à ce qu'elle sert à mesurer. En navigation multi-étages, la récompense est très rare, car l'agent doit enchaîner de longues séquences de décisions avant d'atteindre l'objet. Il est donc difficile de savoir si un échec vient de la stratégie, de la reconnaissance d'objets ou de la locomotion. En isolant ces facteurs, l'étude oriente les efforts : améliorer le « cerveau » de haut niveau a probablement moins d'effet que fiabiliser la perception et le franchissement des escaliers. Pour les intégrateurs qui visent des bâtiments à étages (logistique, hôpitaux, bureaux, inspection), cela rappelle que le passage à l'échelle dépend autant de la locomotion et de la vision que du planificateur, ce qui nuance l'idée selon laquelle les VLM et VLA suffiraient à résoudre la navigation longue portée. La distillation d'un VLM dans une politique légère répond aussi à une contrainte réelle : l'inférence embarquée, coûteuse en calcul et en latence. Ce travail s'inscrit dans la lignée des benchmarks ObjectNav sur environnements simulés de type Habitat, presque toujours limités à un seul étage, et des approches modulaires qui combinent cartographie sémantique, exploration guidée par des modèles de langage et politiques apprises. Les approches de bout en bout tentent de fusionner ces briques, tandis que les systèmes modulaires, comme celui-ci, restent plus faciles à diagnostiquer. Il s'agit d'une prépublication v1, non évaluée par les pairs, sans produit ni déploiement annoncé. La suite logique serait une validation sur robot réel, notamment bipède ou quadrupède, là où la stabilité dans les escaliers se joue réellement.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source