💻 computer science

SURE: Safe Uncertainty-Aware Robot-Environment Interaction using Trajectory Optimization

SURE est un cadre d'optimisation de trajectoire robuste qui modélise explicitement l'incertitude du temps de contact en faisant bifurquer et rejoindre les trajectoires, améliorant ainsi considérablement les taux de réussite dans les tâches robotiques à dynamique discontinue par rapport aux approches déterministes conventionnelles.

Auteurs originaux : Zhuocheng Zhang, Haizhou Zhao, Xudong Sun, Aaron M. Johnson, Majid Khadiv

Publié 2026-06-23

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Zhuocheng Zhang, Haizhou Zhao, Xudong Sun, Aaron M. Johnson, Majid Khadiv

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez d'attraper un œuf qui tombe avec une main robotique. Le problème est que vous ne savez pas exactement quand l'œuf touchera votre main. Peut-être tombera-t-il une fraction de seconde plus vite, ou peut-être un tout petit peu plus lentement.

Si vous programmez le robot pour qu'il se déplace en se basant sur une « supposition parfaite » (en supposant que l'œuf touchera la main à exactement 2,00 secondes), et que l'œuf touche la main à 2,01 secondes, le robot pourrait être dans la mauvaise position, lâcher l'œuf ou l'écraser. C'est le problème de la plupart des planifications robotiques actuelles : elles supposent que le monde est prévisible, alors qu'en réalité, il est désordonné et incertain.

Ce document présente une nouvelle méthode appelée SURE (Safe Uncertainty-Aware Robot-Environment Interaction) qui aide les robots à planifier pour les « et si ».

L'idée centrale : L'analogie du « chemin embranché »

Pensez à la planification du mouvement d'un robot comme à la planification d'un voyage en voiture où vous ne savez pas exactement quand vous rencontrerez un embouteillage.

L'ancienne méthode (Planification nominale) : Vous planifiez un itinéraire unique en supposant que l'embouteillage se produit exactement à 14h00. Si l'embouteillage survient à 14h05, vous êtes coincé dans une impasse car votre plan n'a pas tenu compte du retard.
La méthode « Force brute » (Recherche en arbre) : Vous planifiez chaque itinéraire possible pour chaque heure de trafic possible. Si l'embouteillage peut survenir à 14h00, 14h01, 14h02, etc., vous calculez un itinéraire unique pour chacun. C'est extrêmement sûr, mais cela demande tellement de puissance de calcul que le robot pourrait se figer avant même de commencer à bouger.
La méthode SURE : C'est l'innovation de ce document. Imaginez que vous conduisez sur une route principale (le chemin commun) jusqu'à ce que vous atteigniez une bifurcation où l'embouteillage pourrait se produire.
- Si l'embouteillage arrive tôt, vous prenez la Branche A.
- Si l'embouteillage arrive tard, vous prenez la Branche B.
- Le tour de magie : Peu importe la branche que vous empruntez, elles se rejoignent toutes sur la même route principale quelques kilomètres plus loin, menant à votre destination finale.

SURE calcule ce plan de « branchement et de fusion » en une seule fois. Il ne planifie pas seulement un scénario ; il planifie une gamme de possibilités, mais force toutes ces possibilités à converger vers un point sûr. Cela rend le plan robuste (il fonctionne même si les choses tournent légèrement mal) mais garde le travail informatique gérable (le robot n'a pas besoin de calculer un itinéraire unique pour chaque seconde de la journée).

Comment ils l'ont testé

Les chercheurs ont testé cette idée avec deux scénarios du monde réel :

1. Le balancement du Cart-Pole (Le gymnaste)
Imaginez un robot chariot avec un poteau sur le dessus. Le robot doit faire balancer le poteau et le projeter contre un mur pour l'empêcher de tomber. Le problème ? Le robot ne sait pas exactement où se trouve le mur ; il pourrait être à quelques centimètres plus près ou plus loin.

Résultat : Lorsqu'ils ont utilisé l'ancienne méthode de la « supposition parfaite », le robot échouait environ la moitié du temps car il évaluait mal la position du mur. Lorsqu'ils ont utilisé SURE, le robot a élaboré une stratégie qui fonctionnait même si le mur n'était pas au bon endroit. Cela a amélioré le taux de réussite de 21,6 %.

2. L'attrape-œuf (La tâche délicate)
Un bras robotique tente d'attraper un œuf qui tombe. L'œuf peut être lâché une fraction de seconde plus tôt ou plus tard que prévu.

Résultat : L'ancienne méthode échouait souvent en écrasant l'œuf parce que la main du robot se déplaçait trop vite ou avec un mauvais angle lors de l'arrivée de l'œuf. La méthode SURE a appris au robot à se déplacer de manière plus fluide et à attendre dans une position « plus sûre », prêt à attraper l'œuf qu'il arrive tôt ou tard. Dans les tests en conditions réelles, cela a augmenté le taux de réussite de 40 %.

Pourquoi cela importe

Le document montre qu'en permettant au plan du robot de « se ramifier » pour gérer l'incertitude et de « fusionner à nouveau » vers un objectif commun, nous pouvons rendre les robots beaucoup plus fiables.

Ce n'est pas seulement une question de sécurité : C'est aussi une question d'efficacité. La méthode SURE est assez intelligente pour gérer l'incertitude sans avoir besoin d'un supercalculateur pour calculer des millions de chemins distincts.
Cela change la stratégie : Le robot ne se contente pas de réagir à l'incertitude ; il change tout son style de mouvement pour être plus indulgent. Par exemple, dans la tâche de l'attrape-œuf, le robot utilisant SURE se déplaçait différemment avant même de toucher l'œuf, se donnant ainsi une marge de sécurité plus grande.

En résumé, SURE apprend aux robots à cesser de supposer que le monde se comportera parfaitement et à plutôt planifier un itinéraire flexible qui fonctionne quelle que soit la variation de synchronisation, tout en maintenant les calculs informatiques assez rapides pour une utilisation en temps réel.

Résumé Technique : SURE – Interaction Robot-Environnement Sécurisée et Sensible à l'Incertitude via l'Optimisation de Trajectoire

1. Énoncé du Problème

Les tâches robotiques impliquant un contact intermittent avec l'environnement (par exemple, la locomotion, la manipulation) entraînent des systèmes dynamiques hybrides aux dynamiques discontinues. L'optimisation de trajectoire (TO - Trajectory Optimization) standard pour ces systèmes suppose généralement des événements de contact déterministes (par exemple, le moment exact de l'impact). Cependant, dans des scénarios réels, la perception environnementale est incertaine, et les erreurs de modélisation ou les imprécisions de suivi entraînent souvent des écarts entre le contact prévu et le contact réel.

Les méthodes de contrôle robuste existantes traitent cette incertitude principalement au niveau de la rétroaction (feedback) sans adapter la trajectoire nominale, ce qui limite les performances dans des scénarios tels qu'un contact retardé. D'autres approches, telles que la Diffusion de Référence (Reference Spreading) ou les Problèmes d'Optimisation de Contrôle Arborescents (Tree OCP), manquent soit d'optimalité à long terme, soit souffrent d'une complexité computationnelle prohibitive due à l'énumération par force brute de toutes les trajectoires de branchement possibles. Le défi central consiste à développer un cadre de TO qui tient explicitement compte de l'incertitude du moment de contact afin d'améliorer la robustesse tout en maintenant l'efficacité computationnelle.

2. Méthodologie

A. Formulation Nominale

L'article établit d'abord une base de référence en utilisant une formulation de TO par tir multiple (multiple-shooting). Celle-ci suppose que le contact se produit à un nœud $c$ spécifique et déterministe. L'optimisation minimise une fonction de coût sous contraintes de dynamique du système, de contraintes d'état/entrée et d'une fonction de garde $g(x)$ qui déclenche l'événement de contact (transition de la motion libre vers la dynamique d'impact).

B. Le Cadre SURE

SURE (Safe Uncertainty-Aware Robot-Environment Interaction) introduit une formulation novatrice qui modélise explicitement l'incertitude du moment de contact sans le coût exponentiel d'une énumération complète basée sur un arbre.

Topologie de Branchement et de Rejoignement :
Au lieu de planifier des trajectoires séparées pour chaque état post-impact potentiel vers l'état terminal, SURE construit une phase de branchement ( $K$ ) couvrant la plage des états pré-impact possibles. De chaque nœud de cette phase, une trajectoire bifurque. Crucialement, toutes ces branches sont contraintes de rejoindre une trajectoire finale unique et partagée à un nœud spécifique ( $K_e + 1$ ).
- Trajectoire Commune : Le chemin pré-contact et le chemin post-rejoignement sont partagés.
- Phase de Branchement : Représente la fenêtre d'incertitude où le contact pourrait se produire.
- Phase de Rejoignement : Courtes trajectoires reliant l'état post-impact de chaque branche vers la trajectoire finale commune.
Formulation d'Optimisation :
La fonction objectif minimise le coût courant sur la trajectoire commune, les coûts sur toutes les branches de rejoignement et le coût terminal.
- Modélisation de l'Incertitude : Une variable $d$ représente la moitié de la largeur de la plage d'incertitude. Les contraintes imposent que la fonction de garde $g(x)$ soit égale à $d$ au nœud de contact le plus précoce ( $K_0$ ) et à $-d$ au plus tard ( $K_e$ ).
- Contraintes : Chaque branche doit satisfaire la dynamique et les contraintes à partir de son état post-impact spécifique jusqu'à sa fusion avec la trajectoire commune.
Stratégies d'Exécution du Contrôle :
- Planification de Trajectoire (Trajectory Scheduling) : Si une détection de contact est disponible, le contrôleur bascule vers la trajectoire de la branche spécifique correspondant au temps de contact détecté.
- Trajectoire Nominale Robuste : Si la détection est indisponible, le système suit une trajectoire "nominale robuste" unique. Il s'agit généralement de la branche médiane (équidistante des extrêmes d'incertitude), qui est optimisée pour être performante sur toute la plage d'incertitude, même si elle n'est pas le chemin optimal pour une réalisation spécifique donnée.

3. Contributions Clés

Cadre de TO Robuste Unifié : SURE prend explicitement en compte l'incertitude du moment de contact en permettant aux trajectoires de bifurquer et de rejoindre, équilibrant robustesse et efficacité computationnelle.
Efficacité Computationnelle : En forçant les branches à rejoindre une trajectoire commune, SURE évite le "fléau de la dimensionnalité" associé aux formulations Tree OCP complètes, réduisant ainsi considérablement le nombre de variables de décision et le temps de calcul.
Validation Expérimentale : L'article fournit la première validation expérimentale d'une telle formulation robuste dans un environnement réel (attraper un œuf), allant au-delà des simples affirmations théoriques ou de simulation.

4. Résultats

Étude de Cas I : Système Cart-Pole

Tâche : Stabiliser un système cart-pole (chariot-pendule) utilisant un impact avec un mur à un emplacement incertain ( $\pm d$ ).
Simulation : Comparaison avec une TO nominale et une approche Tree OCP.
- Taux de Succès : SURE avec planification de trajectoire a atteint un taux de succès de 66,4 % sur quatre conditions initiales, contre 44,8 % pour l'approche nominale.
- Nominal Robuste : Même sans planification (en utilisant uniquement la branche médiane), SURE améliore le taux de succès à 55,3 %, démontrant que le processus d'optimisation reforme elle-même le mouvement pré- et post-contact pour le rendre plus robuste.
- Efficacité : Comparé au Tree OCP, SURE réduit le temps de calcul total de 39,78 % et le temps de post-warm-start de 76,05 %, avec seulement une augmentation de 4,85 % du coût optimal théorique.

Étude de Cas II : Attraper un Œuf (Expérience Réelle)

Tâche : Un manipulateur robotique Unitree Z1 attrapant un œuf en chute libre avec un temps de relâchement incertain (simulé par la variation du délai $t_{wait}$ ).
Expérience : Essais physiques comparant la trajectoire nominale à la trajectoire nominale robuste de SURE.
- Taux de Succès : SURE a obtenu un taux de succès global de 85 %, contre 45 % pour la trajectoire nominale. Cela représente une amélioration de 40 % du taux de succès sous incertitude de synchronisation.
- Analyse d'Impact : La trajectoire nominale robuste a maintenu une vitesse d'impact relative maximale plus faible (2,67 m/s contre 3,93 m/s pour la nominale) à travers diverses hauteurs de chute, atténuant efficacement le risque de casse.

5. Signification et Revendications

L'article affirme que SURE améliore substantiellement la robustesse par rapport aux formulations nominales conventionnelles sans encourir les coûts computationnels élevés des méthodes exhaustives basées sur les arbres.

Adaptation Stratégique : Les résultats démontrent que SURE ne se contente pas d'ajuster le mouvement local près de l'événement de contact ; il reforme la stratégie de mouvement globale (par exemple, en modifiant les angles d'approche et les distances de tampon) pour accommoder l'incertitude.
Viabilité Pratique : L'expérience réussie de capture d'œuf en monde réel valide que le cadre théorique se traduit efficacement pour les systèmes physiques présentant des délais intrinsèques d'actionnement et de détection.
Directions Futures : Les auteurs notent que le cadre est actuellement limité aux événements de contact unique et prévoient de l'étendre aux contacts multiples séquentiels et aux systèmes à base flottante (loco-manipulation) dans leurs futurs travaux. Ils visent également à apprendre des politiques conditionnées par l'incertitude basées sur la formulation robuste.