Aller au contenu principal
MORN : régulation métacognitive des objectifs pour une navigation à long horizon économe en ressourcesIllustration générée par IA
RecherchearXiv cs.RO 

MORN : régulation métacognitive des objectifs pour une navigation à long horizon économe en ressources

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Des chercheurs ont publié MORN (Metacognitive Object-goal Regulation Navigation) sur arXiv (2605.16932), une architecture de contrôle exécutif conçue pour les robots autonomes chargés de missions longues et séquentielles dans des environnements non structurés. Le scénario typique visé : un robot doit localiser successivement une tasse, une chaise, puis une imprimante dans un bâtiment inconnu, avec des contraintes strictes de temps et d'énergie. Évalué sur le dataset HM3D (Habitat-Matterport 3D), MORN améliore le taux de complétion des objectifs (Goal Completion Rate) de 0,23 à 0,30, soit une progression de 30 %, tout en réduisant la fraction de pas gaspillés (Wasted Step Fraction) de 0,90 à 0,70. L'architecture s'intègre sans modification des backbones de navigation existants, ce qu'elle augmente via un meta-contrôleur plug-in.

Le problème adressé est concret et sous-estimé dans la littérature robotique : les agents ObjectNav modernes basés sur des VLMs (Vision-Language Models) sont purement réactifs. Ils localisent des cibles sémantiques efficacement, mais ignorent totalement l'état global de la mission. Résultat : ils s'acharnent sur des sous-objectifs devenus inatteignables, épuisant batterie et temps sur ce que les auteurs appellent des "zombie goals". Pour les intégrateurs et COOs qui évaluent des flottes de robots mobiles en entrepôt ou en milieu hospitalier, c'est un vrai point de friction opérationnel. MORN propose d'y remédier via trois états neuro-cognitifs formalisés : le Potentiality Index (estimation de la faisabilité d'un sous-objectif), le Persistence Gating (décision d'abandon anticipé), et l'Evidence Accumulation (agrégation perceptuelle pour réduire l'incertitude). Ce mécanisme est présenté comme une neutralisation du biais du coût irrécupérable ("Sunk Cost Fallacy"), appliqué à la planification robotique.

L'inspiration théorique est explicitement la Dual-Process Theory issue des sciences cognitives, popularisée par Kahneman : System 1 (locomotion réactive, rapide) supervisé par un System 2 (méta-raisonnement, lent et global). Ce cadre conceptuel est mobilisé dans la robotique depuis quelques années, notamment dans les travaux sur les agents LLM incarnés, mais son application formalisée à la gestion de ressources en ObjectNav reste peu explorée. Le champ concurrent direct inclut les architectures VLM-as-planner (SQA3D, EmbodiedScan, ESC) et les méthodes end-to-end de navigation zéro-shot. Aucun déploiement industriel n'est annoncé à ce stade : il s'agit d'une contribution de recherche académique, avec des résultats sur simulateur uniquement. La question du transfert sim-to-real sur hardware physique reste ouverte, ce qui est le principal écart à surveiller avant toute considération d'intégration.

Dans nos dossiers

À lire aussi

VL-LN Bench : vers une navigation orientée objectifs à long horizon avec dialogues actifs
Illustration générée par IA
1arXiv cs.RO 

VL-LN Bench : vers une navigation orientée objectifs à long horizon avec dialogues actifs

Une équipe de recherche propose Interactive Instance Goal Navigation (IIGN), une nouvelle tâche de navigation robotique où l'agent peut librement interroger un oracle en langage naturel pendant sa recherche d'un objet spécifique, plutôt que de recevoir une instruction figée et non ambiguë comme c'est le cas dans la navigation par instruction classique. Pour évaluer cette capacité, les chercheurs publient VL-LN Bench, un benchmark construit autour d'un pipeline de collecte de données automatisé ayant généré plus de 41 000 trajectoires de dialogue longues et augmentées, destinées à l'entraînement des modèles. Le benchmark inclut aussi un protocole d'évaluation automatique couplé à un oracle dédié capable de répondre aux questions de l'agent en cours de mission. Les expériences menées identifient deux verrous techniques majeurs : l'exploration sur de longs horizons temporels et la capacité à relier finement une information textuelle à la bonne instance parmi des distracteurs de même catégorie visuelle. Ce travail éclaire un point sensible pour l'industrie de la robotique embarquée : la plupart des agents de navigation actuels, y compris les modèles vision-langage-action (VLA) les plus avancés, fonctionnent bien sur des instructions bien formées mais s'effondrent dès que la consigne devient ambiguë, ce qui est pourtant la norme dans un usage réel en entrepôt, en intérieur domestique ou en environnement industriel non structuré. Les résultats montrent que le dialogue actif atténue partiellement ces limites, mais que l'écart avec la performance humaine reste important, ce qui tempère les annonces de robots capables de "comprendre" des instructions naturelles complexes sans supervision. IIGN s'inscrit dans la continuité de l'Instance Goal Navigation (IGN), une tâche déjà établie dans la littérature d'IA embarquée, en y ajoutant la dimension conversationnelle qui manquait pour rapprocher les benchmarks académiques des conditions réelles de déploiement. Les auteurs valident également, via des ablations, l'intérêt de leur pipeline de génération de données et montrent que leur oracle automatisé peut se substituer à une supervision humaine à moindre coût, ouvrant la voie à un entraînement à plus grande échelle de ces agents dialogiques.

RecherchePaper
1 source
Metro-WM : planification latente à long horizon avec des sous-objectifs réalisables
Illustration générée par IA
2arXiv cs.RO 

Metro-WM : planification latente à long horizon avec des sous-objectifs réalisables

Metro-WM, décrit dans l'article arXiv 2609.31868 (version 2), est un cadre de planification hiérarchique pour les modèles du monde de type JEPA (Joint-Embedding Predictive Architecture). Au lieu de faire prédire par un planificateur macro des sous-objectifs sous forme de vecteurs latents, il construit un graphe dont les sommets sont des images réellement observées, issues de démonstrations expertes hors ligne ou de trajectoires à actions aléatoires. Des images provenant d'épisodes différents peuvent être reliées entre elles, ce qui permet de composer des routes vers l'objectif. Les auteurs annoncent un taux de réussite supérieur de jusqu'à 37,33 points de pourcentage à celui de la meilleure approche hiérarchique concurrente. Ils annoncent aussi une exécution jusqu'à 10,9 fois plus rapide, un calcul hors ligne 13 à 56 fois moindre et moins d'hyperparamètres à régler. Ces résultats viennent d'un travail académique, sans déploiement matériel annoncé. La démarche part d'un constat : la commande prédictive (MPC) avec un JEPA donne un bon planificateur « zero-shot » pour atteindre un objectif, mais seulement sur de courts horizons. Les approches hiérarchiques existantes entraînent un planificateur macro à prédire des sous-objectifs latents pour guider le planificateur micro. Les auteurs montrent que le planificateur macro de référence émet régulièrement des sous-objectifs physiquement irréalisables. En ne proposant que des états déjà vus, Metro-WM garantit des cibles atteignables. La planification sur tout le graphe apporte aussi une tolérance aux erreurs d'exécution : si le planificateur micro dérive, le système recalcule immédiatement le meilleur chemin depuis l'état courant. Pour la robotique, cela concerne les tâches longues et multi-étapes, où les erreurs s'accumulent. Les auteurs affirment que les chemins trouvés sont plus courts que ceux des démonstrations, qu'ils dépassent un oracle utilisant la démonstration propre à la requête, et que la méthode résiste à des jeux de données très épars. Ces chiffres restent à prendre avec prudence : l'abstract ne précise ni les benchmarks ni les environnements, et on ignore si la méthode passe à l'échelle de scènes réelles complexes ou à des observations visuelles bruitées. Ce travail s'inscrit dans la montée des modèles du monde latents, dont les JEPA popularisés par l'équipe de Yann LeCun, comme alternative aux politiques entraînées de bout en bout. Il rejoint l'idée plus ancienne de planifier sur des graphes de souvenirs, qui retrouve ici une pertinence avec les représentations apprises. Les concurrents directs sont les méthodes hiérarchiques à sous-objectifs générés, que l'article critique sans les nommer dans son résumé. Les suites probables sont des tests sur des benchmarks de manipulation et de navigation plus riches, puis des essais sur robot réel. Aucune date, aucun partenaire industriel ni aucun calendrier de transfert n'est annoncé à ce stade.

RecherchePaper
1 source
Apprentissage auto-régressif forcé : vers un modèle du monde pour la navigation robotique à long horizon
Illustration générée par IA
3arXiv cs.RO 

Apprentissage auto-régressif forcé : vers un modèle du monde pour la navigation robotique à long horizon

Une équipe de chercheurs (arXiv:2605.31314, mai 2026) propose AR Forcing, une stratégie d'entraînement autorégressive pour les world models de navigation robotique basés sur la diffusion. Le problème adressé est un écart de distribution persistant : ces modèles sont entraînés avec une supervision parallèle, mais exécutent une inférence autorégressive au moment du planning de trajectoire. Cette asymétrie déstabilise les prédictions sur des horizons longs. AR Forcing l'attaque à la source en intégrant la fonction de perte diffusion standard dans la boucle autorégressive : à chaque étape, le modèle utilise ses propres prédictions pour mettre à jour le contexte et optimiser l'objectif de prédiction de bruit pas à pas. Les expériences ont été menées sur quatre jeux de données multi-domaines couvrant des environnements variés : RECON et SCAND (navigation urbaine et extérieure), HuRoN (interactions humain-robot) et TartanDrive (tout-terrain). L'intérêt pratique de cette approche tient à sa sobriété architecturale : AR Forcing ne requiert ni discriminateur supplémentaire, ni fonction de distribution-matching, et conserve le framework diffusion d'origine ainsi que son sampler. Pour les équipes développant des robots mobiles autonomes (AMR) ou des systèmes de navigation vision-only, cela signifie une intégration sans refonte de pipeline. Les résultats déclarés montrent une meilleure cohérence des images générées sur de longs horizons temporels et une amélioration de la précision des trajectoires prédites, y compris dans des environnements inconnus. Le bémol habituel s'applique ici : les métriques sont évaluées sur des datasets publics en conditions contrôlées, et le gap sim-to-real sur du hardware réel reste à démontrer. Les world models pour la navigation robotique constituent un axe de recherche actif, en lien direct avec les VLA (Vision-Language-Action models) et des travaux comme DreamerV3 ou UniSim. La dérive cumulative sur les horizons longs est précisément le verrou historique que AR Forcing tente de lever, là où les approches concurrentes recourent souvent à des mécanismes d'ancrage externes plus lourds. Le code source doit être publié prochainement selon les auteurs, ce qui permettra à la communauté de valider les résultats sur ses propres domaines applicatifs. Ce papier est un preprint arXiv non encore évalué par les pairs, sans financement industriel déclaré ni déploiement annoncé.

RecherchePaper
1 source
UAV-ON : un référentiel pour la navigation aérienne autonome vers des objets en monde ouvert
Illustration générée par IA
4arXiv cs.RO 

UAV-ON : un référentiel pour la navigation aérienne autonome vers des objets en monde ouvert

Un nouveau benchmark baptisé UAV-ON vise à évaluer la capacité de drones autonomes à localiser des objets dans de vastes environnements ouverts, sans dépendre d'instructions linguistiques détaillées. Publié sur arXiv (2508.00288v5), le jeu de données couvre 14 environnements haute fidélité construits sous Unreal Engine, mêlant zones urbaines, milieux naturels et espaces mixtes, avec des agencements spatiaux complexes. Il définit 1270 objets cibles annotés individuellement, chacun décrit par une instruction de niveau instance précisant la catégorie, l'emprise physique et des descripteurs visuels, permettant un raisonnement ancré dans la scène. Les chercheurs ont aussi implémenté plusieurs méthodes de référence, dont Aerial ObjectNav Agent (AOA), une politique modulaire combinant sémantique de l'instruction et observations égocentriques pour une exploration orientée objectif sur de longs horizons. Résultat: tous les modèles testés peinent à accomplir la tâche, ce qui souligne la difficulté cumulée de la navigation aérienne et de l'ancrage sémantique des objectifs. Ce benchmark marque une rupture avec le paradigme dominant de la navigation vision-langage (VLN), qui repose sur des séquences d'instructions pas à pas et limite de fait l'autonomie et le passage à l'échelle des agents. En proposant une tâche d'Object Goal Navigation où l'agent ne reçoit qu'un objectif sémantique de haut niveau, UAV-ON teste une compétence plus proche des besoins réels d'inspection, de surveillance ou de cartographie par drone. L'échec généralisé des baselines confirme que le passage d'instructions détaillées à des objectifs sémantiques abstraits reste un verrou majeur, loin d'être résolu malgré les progrès des modèles vision-langage-action sur d'autres plateformes robotiques. La navigation aérienne embarquée demeure sous-explorée comparée à la navigation terrestre, où les benchmarks VLN se sont multipliés ces dernières années. UAV-ON s'inscrit dans cette lignée en l'adaptant aux contraintes spécifiques du vol: grande échelle, environnements non structurés, absence de repères au sol. Les auteurs positionnent ce travail comme une fondation pour de futures recherches sur l'autonomie UAV pilotée par des descriptions sémantiques, ouvrant la voie à des méthodes capables de généraliser au-delà des scénarios scriptés actuels.

RecherchePaper
1 source