Un robot humanoïde qui saute par-dessus des obstacles, escalade des murs et enchaîne les figures sans s’arrêter : ce n’est plus de la science-fiction. Des chercheurs d’Amazon Frontier AI et de l’Université de Californie Berkeley viennent de présenter PHP, un framework qui entraîne un Unitree G1 à faire du parkour en autonome.
Apprendre le parkour en regardant des humains
L’idée de PHP (Perceptive Humanoid Parkour) est simple sur le papier. Les chercheurs ont collecté des vidéos d’humains pratiquant le parkour : sauts, roulades, escalades, vaults. Ils ont découpé ces mouvements en briques réutilisables, puis appris au robot à les combiner selon ce qu’il perçoit devant lui.
Le résultat est un modèle visuomoteur multi-compétences : une seule politique neuronale capable de choisir la bonne technique selon l’obstacle détecté par les caméras embarquées du robot. Pas de script préprogrammé, pas de rail de guidage.
Ce que le G1 sait désormais faire
Sur le terrain de test, le Unitree G1 a démontré plusieurs capacités concrètes. Il peut sauter par-dessus un petit obstacle avec un cat-vault, puis enchaîner immédiatement avec un dash-vault par-dessus une structure plus haute, le tout à environ 3 m/s. Il peut aussi grimper sur un mur de 1,25 mètre de haut (96 % de sa propre taille), rouler pour amortir la réception, et traverser de suite vers l’obstacle suivant.
Le test le plus parlant : une traversée continue de 60 secondes d’un parcours de parkour complet, avec sélection autonome des compétences et transitions fluides entre chaque figure. Le robot choisit comment aborder chaque obstacle en temps réel, selon son angle d’approche et sa vitesse.
Un pipeline teacher-student pour passer du simulateur au monde réel
L’entraînement repose sur un pipeline enseignant-élève. Un modèle « enseignant » apprend d’abord en simulation avec des informations complètes sur l’environnement. Un modèle « élève » apprend ensuite à reproduire les mêmes comportements en ne s’appuyant que sur la perception visuelle réelle du robot. Ce transfert sim-to-real est l’une des étapes les plus délicates en robotique, et PHP y apporte des résultats convaincants.
Le papier est signé Zhen Wu, Xiaoyu Huang et leurs collègues d’Amazon Frontier AI et UC Berkeley. Il est disponible sur arXiv (2602.15827).
Pourquoi c’est important
Jusqu’ici, les robots humanoïdes avançaient prudemment : terrain plat, obstacles connus, vitesse limitée. PHP montre qu’il est possible d’aller bien plus loin avec une approche par apprentissage sur données humaines.
Concrètement, un robot capable de parkour peut aussi naviguer dans un entrepôt endommagé, accéder à une zone de catastrophe naturelle, ou traverser un chantier encombré. L’agilité n’est pas une fin en soi : c’est la clé des environnements non-structurés où aucun script ne peut tout prévoir.
Source : TechXplore / arXiv 2602.15827
