RecherchearXiv cs.RO 5 juin 2026

VASO : des compétences formellement vérifiables et auto-évolutives pour agents d'IA physique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs ont publié sur arXiv (identifiant 2606.05395) un framework nommé VASO, pour "Verification-guided Self-evolution of LLM-generated robot skill contracts", qui vise à rendre les compétences robotiques générées par des grands modèles de langage à la fois réutilisables et formellement vérifiables. L'idée centrale : chaque compétence n'est plus un simple script exécutable mais un contrat sémantique à double interface, une interface formelle qui aligne états du robot, observations et commandes de contrôle avec des propositions logiques pour le model checking, et une interface orientée planificateur qui guide la génération de comportements exécutables. Lorsqu'un plan généré échoue à la vérification, VASO traduit la trace de contre-exemple en un gradient textuel qui met à jour le contrat de compétence réutilisable, sans toucher aux poids du modèle de fondation. Sur des plateformes Clearpath Jackal et PX4 (quadrocoptère), le framework atteint 97,2 % de conformité aux spécifications temporelles formelles en moins de 100 échantillons d'optimisation, surpassant les baselines de feedback d'exécution, d'optimisation de prompt et de fine-tuning.

Le problème adressé est précis et rarement traité : les boucles d'évolution de compétences existantes, retour d'exécution, tests unitaires, récompenses d'environnement, auto-critique LLM, ne fournissent que des preuves au niveau de la trace. Elles montrent qu'une compétence a fonctionné sur des exécutions échantillonnées, pas qu'elle satisfait des contrats de sécurité temporelle dans des conditions non testées. Pour un intégrateur ou un COO industriel, c'est la différence entre une démo convaincante en lab et un déploiement certifiable en production. Le fait que VASO maintienne les poids du modèle gelés est également notable sur le plan économique : pas de fine-tuning, pas de GPU dédié à la mise à jour du modèle.

Ce travail s'inscrit dans la tendance des "physical AI agents" où les LLM orchestrent des comportements robotiques à long horizon depuis des instructions en langage naturel. Les compétences réutilisables sont devenues les unités de base de ces architectures, mais leur fiabilité formelle reste un angle mort notable. Des approches concurrentes comme les VLA (Vision-Language-Action models) ou les frameworks d'optimisation de prompts comme OPRO ne ferment pas cette boucle vérification-évolution. VASO affirme être le premier à le faire explicitement. Il s'agit néanmoins d'un preprint sans validation industrielle publiée, et les résultats obtenus sur deux plateformes relativement simples devront être confirmés sur des environnements plus complexes et des chaînes de compétences plus longues avant d'envisager un déploiement en conditions réelles.

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

EmbodiedEvo : un agent de code auto-évolutif pour l'IA physique

Des chercheurs proposent EmbodiedEvo, un agent de code auto-évolutif pour le contrôle robotique, décrit dans une prépublication arXiv (v2). Le principe: un agent de code observe la scène via une interface programmatique du robot, exécute des programmes de contrôle et les corrige selon l'état physique obtenu, ce qui en fait une politique en boucle fermée sans fine-tuning sur la tâche cible. Les auteurs constatent que cette adaptation intra-épisode ne se conserve pas d'une scène à l'autre: les agents dépensent leurs budgets d'interaction et d'inférence à établir des opérations efficaces et leurs préconditions, et un nouvel agent ne peut pas réutiliser ces découvertes. EmbodiedEvo distille donc le retour physique en « Skills » (code réutilisable) et en « Lessons » (diagnostics). L'expérience est acquise sur une seule scène « Playground » par tâche, puis figée pour des agents indépendants dans des scènes inédites, sans mise à jour des poids. Sur RoboDojo-Sim, le système atteint un score moyen de 44,48 et un taux de succès de 37,82 %, au-dessus de tous les résultats officiellement vérifiés. Pour les intégrateurs et les équipes R&D, l'intérêt tient à la voie proposée: capitaliser l'expérience sous forme de code et de notes lisibles plutôt que de réentraîner un modèle. Ce savoir est inspectable, transférable et peu coûteux à stocker, ce qui contraste avec les politiques VLA (vision-langage-action) dont les acquis sont enfouis dans les poids. Des tests appariés montrent les gains les plus nets sur les tâches dépendant de la mémoire et une bonne réutilisation de procédures coordonnées. L'expérience d'un modèle plus fort profite aussi à des exécutants plus faibles: celle d'Astra relève les taux de succès de Sol et Luna de 8,86 et 5,50 points de pourcentage par rapport à l'absence d'expérience. Comparés à l'historique brut d'interaction, Skills et Lessons offrent des performances comparables pour un coût d'exécution inférieur de 53,0 %. Les auteurs reconnaissent toutefois que le contrôle fin des contacts reste difficile. Ces résultats sont obtenus en simulation, sur un seul benchmark: un taux de succès de 37,82 % reste modeste, et rien n'indique encore un transfert vers du matériel réel, où la fiabilité des contacts, la perception et la latence pèsent davantage. Le travail s'inscrit dans la tendance des agents de code comme couche de contrôle, en concurrence avec les VLA entraînés de bout en bout (Pi-0, GR00T, Helix), qui exigent données de téléopération et réentraînement. Le « score le plus élevé » vaut uniquement face aux résultats officiellement vérifiés de RoboDojo-Sim. Les suites logiques seraient une validation sur robots physiques, des tests sur d'autres benchmarks et la mesure de la robustesse des compétences figées face à des scènes plus éloignées de celle d'apprentissage.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

2arXiv cs.RO

Auto-évolution d'agents incarnés par évolution de compétences en environnement d'entraînement

Un article publié sur arXiv (2608.11350v1, catégorie "cross-listing", 13 août 2026) présente SHAPER, un cadre pour l'adaptation sans entraînement d'agents incarnés (embodied agents) construits autour de modèles de fondation. Le principe : les poids du modèle restent figés, et c'est la couche non paramétrique autour de lui, compétences réutilisables et "harnais" de contexte-code, qui évolue via des essais répétés (rollouts) dans l'environnement cible. Le même modèle figé joue à la fois le rôle de planificateur et d'optimiseur, affinant ses compétences externes sans aucune mise à jour de paramètres. Les auteurs évaluent SHAPER sur deux bancs d'essai, VLABench et ESI-Bench, qui couvrent des agents disposant d'interfaces d'action bas niveau différentes, et comparent les résultats à l'exécution pure, au fine-tuning supervisé (SFT) et à des méthodes de mise à l'échelle au moment du test comme la sélection sans vérificateur et le vote. L'enjeu pour l'industrie robotique est concret. Le fine-tuning supervisé et l'apprentissage par renforcement exigent des données, des fonctions de récompense et des cycles d'entraînement coûteux ; à l'inverse, les approches sans entraînement centrées sur le code s'appuient d'ordinaire sur des API robotiques programmables, souvent absentes des systèmes à interface fixe. SHAPER propose une troisième voie, faire évoluer les compétences et le harnais logiciel plutôt que le modèle lui-même, ce qui intéresserait particulièrement les intégrateurs qui ne peuvent pas se permettre de réentraîner un modèle à chaque nouvel environnement de déploiement. Les résultats restent toutefois issus de bancs d'essai simulés, pas de déploiements sur robots physiques : c'est une preuve de concept méthodologique, pas encore une validation terrain. Ce travail s'inscrit dans une tendance plus large où la performance des agents incarnés dépend autant du harnais d'exécution, compétences, contexte, interfaces d'action, que des poids du modèle sous-jacent. Il se positionne explicitement entre deux familles d'approches existantes : le fine-tuning et le RL d'un côté, gourmands en données et en calcul, et les approches code-centric sans entraînement de l'autre, limitées par leur dépendance à des API robotiques programmables. L'article ne mentionne ni partenariat industriel ni plateforme robotique commerciale associée ; la suite logique serait une validation sur robots réels pour vérifier si les gains observés sur VLABench et ESI-Bench se transposent hors simulation.

RecherchePaper

1 source

3arXiv cs.RO

DynaHarness : un cadre physique dynamique pour des agents robotiques auto-évolutifs

DynaHarness, un travail publié sur arXiv (2609.40306), propose une couche de supervision dite « harnais physique dynamique » qui encadre l'exécution de politiques robotiques pré-entraînées sur des tâches de manipulation longues. L'architecture sépare un « cerveau lent », chargé du raisonnement sémantique (il propose des capacités et leurs arguments symboliques), et un « cerveau rapide », qui ancre les commandes dans le monde physique, les surveille, refuse les actions non résolues, substitue une capacité à une autre et demande un nouveau plan si nécessaire. Un contrat d'exécution partagé borne chaque commande acceptée et consigne les traces d'exécution à travers trois familles de composants : des compétences analytiques, des compétences de récupération et un VLA (modèle vision-langage-action) gelé. Sur le benchmark LIBERO-Pro, le système atteint 75,2 % de réussite sur 800 états initiaux nouvellement tirés, contre 17,5 % pour la politique gelée seule. À bibliothèque de capacités identique, l'exécution dynamique complète obtient 74,0 %, contre 63,9 % pour un replanning nominal en une étape. Pour les intégrateurs et les équipes R&D, l'intérêt est moins le score que le déplacement du problème. Les auteurs soutiennent qu'une politique VLA, même performante, ne suffit pas sur les tâches longues : la valeur se joue dans la manière dont les capacités existantes sont ancrées, surveillées et coordonnées à l'exécution, sans réentraîner le modèle de base. L'écart entre 17,5 % et 75,2 % illustre la fragilité d'un VLA gelé face à des conditions initiales perturbées, ce qui rejoint le constat de nombreux déploiements : la robustesse vient de l'orchestration autour du modèle. Le gain plus modeste de 10 points face au replanning simple indique toutefois que l'essentiel de l'amélioration provient de la bibliothèque de capacités elle-même, et que la gouvernance dynamique apporte un complément mesurable mais pas décisif. Il faut aussi noter que les résultats sont obtenus uniquement en simulation, sans validation sur robot physique mentionnée dans le résumé. Ce travail s'inscrit dans la tendance des architectures à double système, où un module lent planifie et un module rapide exécute, popularisée côté industrie par des approches comme Helix de Figure ou GR00T de NVIDIA, et dans la montée des agents capables de se réviser eux-mêmes. La particularité de DynaHarness est sa boucle d'auto-évolution : l'attribution des échecs localise la faute dans les traces, déclenche une révision ciblée d'une capacité ou d'un mécanisme d'exécution, puis des tests de régression appariés décident de l'admission ou du rejet de la modification. LIBERO-Pro, variante plus exigeante du benchmark LIBERO conçue pour mettre à nu la sur-adaptation des politiques, reste un banc d'essai simulé. Une page projet est disponible, mais aucune date de transfert vers du matériel réel n'est annoncée.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

CoEvolve : des politiques de code auto-évolutives, des compétences aux stratégies, pour robots humanoïdes

Des chercheurs publient sur arXiv (2610.23288) CoEvolve, un cadre logiciel qui représente la coordination d'une équipe de robots sous forme de code exécutable posé sur des compétences motrices fixes. Un modèle de fondation multimodal instancie les stratégies de coordination à partir de primitives de mouvement, d'objectifs sémantiques, de rôles temporaires attribués à chaque robot et de paramètres d'exécution bornés. Chaque transition exécutée est évaluée par une vérification physique. Un comportement rejeté déclenche une révision structurée de la coordination à partir du dernier point de contrôle accepté, et l'expérience validée est conservée pour guider les décisions suivantes. Le test porte sur deux humanoïdes Unitree G1 simulés, chargés de transporter ensemble une charge rigide librement supportée dans des couloirs contraints. Sur 15 exécutions de base avec trois familles de modèles multimodaux, CoEvolve achève 8 tâches, et chaque famille obtient au moins une réussite de bout en bout. Des essais complémentaires valident le placement de la charge sur deux autres configurations de couloir, ainsi qu'après initialisation avec l'expérience d'un même modèle ou d'un modèle différent. L'intérêt tient au point d'application. Les modèles VLA (vision-langage-action) et les World Action Models élargissent les capacités d'un robot isolé, mais les cadres multi-robots existants se concentrent sur la décomposition, l'allocation et la replanification des tâches. Ils aident peu quand l'exécution physique s'écarte du comportement prévu. CoEvolve propose d'adapter la coordination elle-même, en traitant le code comme interface entre le raisonnement du modèle et des compétences de bas niveau figées. Pour un intégrateur, l'idée est séduisante, car elle laisse la couche motrice éprouvée intacte et rend la logique d'équipe lisible et auditable. Les chiffres appellent toutefois à la prudence. Un taux de 8 réussites sur 15 reste modeste, tout se passe en simulation, avec deux robots et un seul type de scénario. Les auteurs reconnaissent des limites persistantes de précision du mouvement et de stabilité des contacts, ce qui signale que l'écart entre simulation et monde réel n'est pas abordé ici. Le travail s'inscrit dans la montée des approches où les modèles de fondation génèrent du code de politique, après les cadres de planification par langage naturel et les VLA généralistes. La collaboration entre plusieurs humanoïdes, par exemple pour porter un objet encombrant, est un cas d'usage logistique et industriel récurrent que peu d'acteurs ont démontré sur matériel réel. Unitree, dont le G1 sert de plateforme de référence académique grâce à son prix relativement bas, en fournit ici la base. Les suites logiques seraient un transfert sur robots physiques, davantage d'agents, des charges et environnements plus variés, et une comparaison directe avec les méthodes de coordination fondées sur des VLA entraînés de bout en bout. Aucun calendrier ni partenaire industriel n'est annoncé, et il s'agit d'une prépublication non évaluée par les pairs.

RecherchePaper

1 source