Robots autonomes avec navigation socialement consciente utilisant l’apprentissage par renforcement profond assisté par mémoire

Des robots capables de se déplacer poliment dans les foules

Imaginez des robots de livraison se faufilant dans un centre commercial ou un couloir d’hôpital bondé sans heurter personne, sans ralentir les gens ni adopter des comportements étranges. Cet article présente une nouvelle méthode permettant aux robots de se déplacer dans les foules qui non seulement évite les collisions, mais agit aussi d’une manière qui paraît naturelle et confortable pour les personnes autour d’eux.

Pourquoi se déplacer parmi les personnes est si difficile

Pour un robot, traverser une foule est bien plus compliqué que suivre une ligne peinte au sol. Les personnes changent soudainement de vitesse, se déplacent en groupe ou s’arrêtent pour regarder leur téléphone. Les méthodes de navigation traditionnelles traitent souvent les personnes comme de simples obstacles mobiles et réagissent seulement à ce que le robot voit à l’instant t. Cela peut rendre le robot excessivement prudent — le poussant à s’immobiliser lorsque la scène devient trop complexe — ou trop audacieux, en traversant des groupes d’une manière qui paraît dangereuse ou impolie. Les auteurs soutiennent qu’un robot de service performant doit combiner conscience de son environnement, sensibilité à l’espace personnel des gens et prise de décision rapide et intelligente.

Un robot qui se souvient des mouvements récents des personnes

L’équipe de recherche présente ARSA, une nouvelle approche de navigation qui permet au robot d’utiliser de courtes « mémoires » des déplacements récents des personnes à proximité. Plutôt que de ne considérer que les positions actuelles, ARSA prend en compte un court historique de leurs positions et de leurs mouvements. Cet historique est traité par un type spécial de réseau de neurones performant pour gérer des séquences, permettant au robot de construire une représentation interne du mouvement de la foule au fil du temps. En termes simples, le robot apprend à repérer des motifs, comme quelqu’un commençant à dévier vers la gauche ou un groupe qui se met à se regrouper, et ajuste sa trajectoire avant que des problèmes n’apparaissent.

Donner de l’espace aux personnes avec des bulles de sécurité mobiles

Pour préserver le confort des personnes, ARSA entoure chaque individu d’une « zone d’alerte » — une bulle de sécurité mobile qui change de taille en fonction de la vitesse de déplacement et de la corpulence. Quand le robot s’approche trop d’une de ces zones, il reçoit une pénalisation douce dans son processus d’apprentissage, ce qui lui apprend à contourner les gens plutôt qu’à traverser des espaces trop étroits. Le système utilise également un mécanisme d’attention, qui fonctionne comme un projecteur, pour concentrer la prise de décision du robot sur les quelques personnes les plus pertinentes à un instant donné — par exemple la personne se trouvant directement sur sa trajectoire plutôt qu’une personne éloignée. Ensemble, ces idées aident le robot à choisir des trajectoires plus fluides et plus respectueuses des usagers.

Mettre la nouvelle méthode à l’épreuve

Les auteurs ont testé ARSA dans des milliers de situations simulées de foule, avec jusqu’à vingt personnes en mouvement et des obstacles supplémentaires. Ils l’ont comparé à plusieurs méthodes de navigation de pointe utilisant elles aussi des techniques d’apprentissage modernes. ARSA a atteint ses objectifs plus souvent, a moins fréquemment collisionné et a terminé ses parcours plus rapidement, surtout dans des scènes étroites et achalandées où d’autres méthodes hésitaient ou se bloquaient. L’équipe a ensuite réalisé des tests en conditions réelles avec un robot mobile équipé d’un scanner laser dans des environnements intérieurs avec plusieurs personnes et même un autre robot. Sans nouvel entraînement, ARSA a guidé le robot en toute sécurité à travers des mouvements humains irréguliers et des blocages délibérés occasionnels, accomplissant toutes les missions sans la moindre collision.

Ce que cela signifie pour les robots du quotidien

Pour un non‑spécialiste, le message clé est que ce travail nous rapproche de robots capables de partager nos voies sans gêner. En se souvenant des déplacements passés des personnes, en prédisant leurs prochains pas et en respectant des zones d’espace personnel flexibles, ARSA aide les robots à se déplacer davantage comme des piétons attentionnés que comme des machines rigides. Si les auteurs notent que des travaux futurs devront mieux gérer des capteurs limités et des bâtiments plus complexes, leurs résultats suggèrent que la navigation basée sur la mémoire et l’attention pourrait devenir un élément central de robots de service sûrs et dignes de confiance dans les centres commerciaux, les hôpitaux, les campus et au‑delà.

Citation: Montero, E., Pico, N., Alvarez-Alvarado, M.S. et al. Autonomous robots with socially-aware navigation using memory-assisted deep reinforcement learning. Sci Rep 16, 13214 (2026). https://doi.org/10.1038/s41598-026-42026-9

Mots-clés: navigation de robot social, robots conscients de la foule, apprentissage par renforcement profond, interaction humain–robot, robots mobiles autonomes