RecherchearXiv cs.RO 1 juillet 2026

Plan bien pensé, puis plan précis : RL symbolique pour un raisonnement incarné efficace

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un article de recherche publié sur arXiv (n°2606.31260) présente une nouvelle méthode d'apprentissage par renforcement symbolique pour la planification de tâches robotiques incarnées, c'est-à-dire la conversion d'instructions en langage naturel en séquences d'actions exécutables dans un environnement physique. Le système repose sur une spécification unique au format BDDL, générée automatiquement soit à partir de vidéos capturées en conditions réelles, soit à partir de tâches curées, qui sert simultanément à construire les données d'entraînement, vérifier la validité des plans et calculer la récompense du modèle. Trois composants la mettent en œuvre : un analyseur vidéo-vers-BDDL, un vérificateur basé sur un LLM, et un moteur symbolique léger capable de fournir un retour en quelques millisecondes. Les chercheurs introduisent également GroupAdapt, un mécanisme qui ajuste dynamiquement la tolérance de longueur des réponses selon le taux de réussite du groupe de prompts, resserrant la contrainte au fur et à mesure que le modèle progresse. Résultat : un modèle de 8 milliards de paramètres atteint un score Strict-Pass de 97,3 sur le benchmark BEHAVIOR-1000, soit une amélioration relative de 25,9% par rapport à la base Qwen3-8B, et dépasse de 3,5% le meilleur modèle de grande taille testé, tout en réduisant de 79% la longueur des réponses générées (207 tokens en moyenne).

L'apport principal tient à la vérification déterministe et peu coûteuse des plans, un maillon manquant chez les approches actuelles qui s'appuient soit sur du prompting produisant du texte fluide mais non vérifié, soit sur une simulation haute-fidélité trop lente pour servir de signal d'entraînement en boucle interne. Pour l'industrie de la robotique de service et d'assistance, ce travail illustre qu'un modèle relativement petit, correctement supervisé et vérifié, peut surpasser des modèles plus volumineux tout en étant nettement plus économe en tokens, donc en latence et en coût d'inférence, un critère décisif pour du déploiement embarqué.

Le choix de BEHAVIOR-1000 comme banc d'essai ancre cette étude dans la lignée des benchmarks de planification domestique à grande échelle, et l'usage de Qwen3-8B comme référence de base confirme que les progrès s'appuient sur des modèles ouverts plutôt que propriétaires. L'article ne précise pas d'affiliation industrielle ni de calendrier de déploiement : il s'agit à ce stade d'une contribution méthodologique en phase de recherche, dont la prochaine étape logique serait une validation sur robots physiques plutôt qu'en simulation pure.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

ERQA-Plus : un benchmark de diagnostic pour le raisonnement en IA incarnée

Des chercheurs du LUNAProject22 ont publié le 17 juin 2026 ERQA-Plus, un benchmark de diagnostic conçu pour évaluer les capacités de raisonnement des agents robotiques incarnés (embodied AI). Le jeu de données comprend 1 766 paires question-réponse ancrées dans 711 images prises depuis le point de vue d'un robot, organisées selon une taxonomie en cinq catégories : raisonnement perceptuel, centré sur l'action, interaction sociale, navigation environnementale, et inférence de sens commun contextuel. La construction du dataset repose sur un pipeline en plusieurs étapes combinant génération guidée par la taxonomie, validation automatique par juge LLM, révision itérative et évaluation humaine. Six modèles vision-langage ont été benchmarkés : LLaVA-NeXT-8B, Prismatic-7B, MiniCPM-V-4.5-8B, Qwen3-VL (7B et 32B), RoboRefer-8B et RoboBrain2.5-8B. Le meilleur score global est atteint par Qwen3-VL-32B avec 83,4 % de précision et un score SBERT de 61,4, ce dernier mesurant la similarité sémantique des réponses générées. Le chiffre de 83,4 % masque des déficiences structurelles que l'analyse par catégorie révèle clairement : les modèles testés échouent de manière persistante sur le raisonnement spatial, le raisonnement procédural, la prédiction d'événements et l'inférence d'intentions. C'est précisément le problème que ce benchmark cherche à exposer : les évaluations globales permettent à des modèles d'obtenir des scores élevés en exploitant des raccourcis statistiques visuels ou linguistiques, sans raisonnement incarné réel. Pour les équipes qui développent des VLA (vision-language-action models) destinés à des robots industriels ou de service, ERQA-Plus fournit un outil de diagnostic granulaire qui distingue ce qu'un modèle sait réellement faire dans un environnement situé de ce qu'il devine correctement par coïncidence de distribution. Les benchmarks existants pour l'embodied AI comme ScanQA, EQA ou OpenEQA souffrent d'un contrôle insuffisant sur les dépendances de raisonnement testées, ce qui rend difficile l'attribution des performances à des capacités spécifiques. ERQA-Plus s'inscrit dans un effort de structuration plus rigoureux de l'évaluation, comparable à ce que BIG-Bench a représenté pour les LLM textuels. Dans le paysage concurrentiel, les modèles spécialisés robotique comme RoboRefer et RoboBrain2.5 n'ont pas surpassé les modèles généralistes comme Qwen3-VL, ce qui soulève des questions sur la valeur ajoutée du fine-tuning robotique pour le raisonnement de haut niveau. Le dataset est disponible sur HuggingFace (huggingdas/erqa-plus) et le projet sur GitHub ; aucun déploiement industriel n'est annoncé, il s'agit d'une contribution de recherche sous forme de preprint arXiv.

RecherchePaper

1 source

2arXiv cs.RO

Vers un raisonnement procédural neuro-symbolique pour la manipulation VLA à long horizon

Un article publié sur arXiv (référence 2609.05369) début septembre 2026 présente un cadre neuro-symbolique destiné à corriger la fragilité des modèles vision-langage-action (VLA) sur les manipulations longues. Ces modèles exécutent bien des compétences courtes et isolées, mais peinent à maintenir un état de tâche persistant, à raisonner sur les dépendances entre actions et à gérer des décisions conditionnelles sur des séquences étendues. La méthode associe un contrôle VLA appris à des graphes de tâches explicites, qui encodent dépendances d'actions, transitions valides et conditions de branchement, ainsi qu'une mémoire procédurale multimodale qui suit l'étape active, les actions déjà accomplies, le contexte textuel et les preuves visuelles pertinentes. Des indices de regard humain, annotés en pseudo-regard sur des vidéos de téléopération vue robot, guident ensuite le fine-tuning et l'inférence du VLA. Deux domaines de test sont retenus: le débarrassage d'un espace de travail et la manipulation d'instruments chirurgicaux, évalués sur la sélection correcte d'objet et de destination, la complétion des sous-tâches et le taux de réussite complet de la procédure. Ce travail s'attaque à un angle mort du secteur: les modèles VLA de bout en bout, à l'image de Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure, généralisent bien sur des tâches courtes grâce au volume de données d'entraînement, mais leur fiabilité chute nettement sur des procédures longues et structurées, un écart entre démonstration et usage réel rarement exposé publiquement. En réintroduisant une couche symbolique explicite plutôt qu'en misant uniquement sur davantage de données et de paramètres, l'étude suggère que la fiabilité recherchée par l'industrie et la chirurgie assistée passera par des architectures hybrides, pas seulement par le scaling des réseaux de neurones. C'est un signal utile pour les intégrateurs qui évaluent la maturité réelle des VLA au-delà des vidéos de démonstration soigneusement sélectionnées. Il s'agit d'une étude de recherche exploratoire, pas d'un produit déployé. Pour isoler l'effet du guidage visuel sur l'apprentissage de la politique, les auteurs contournent volontairement, dans cette première phase, le transfert de regard entre vue humaine et vue robot, une simplification méthodologique qu'ils assument eux-mêmes. Aucun partenaire industriel, site pilote ni calendrier de commercialisation n'est mentionné dans le document. Les auteurs indiquent vouloir étendre l'approche au transfert de regard inter-vues comme prochaine étape, afin de généraliser ce guidage à des démonstrations non téléopérées et de renforcer la robustesse du raisonnement procédural sur des tâches encore plus longues.

RecherchePaper

1 source

3arXiv cs.RO

Zetta ζ : un harnais incarné en boucle fermée efficace pour une intelligence physique auto-évolutive

Une équipe de recherche publie sur arXiv (référence 2608.16590v1) un système baptisé Zetta, présenté comme un harnais agentique en boucle fermée pour l'intelligence physique incarnée. Contrairement aux approches agentiques existantes qui suivent des compétences fixes pendant l'exécution et ne réfléchissent qu'après la fin d'un épisode, Zetta garde le modèle de politique de base figé mais fait évoluer en ligne, pendant l'exécution, des critiques codées et des compétences de récupération. Le système repose sur trois boucles séparées par échelle de temps : une gouvernance au rythme de l'action, une proposition de critique et de récupération au niveau du rollout, et des mises à jour de compétences validées avant intégration. Associé à Z-Infra, une infrastructure qui découple la logique de l'agent des ressources d'exécution matérielles hétérogènes, Zetta atteint 90,8% de réussite sur le benchmark de simulation LIBERO-Pro et 93,6% sur RoboCasa, avec une accélération d'inférence de 11,1 fois par rapport aux méthodes comparées, dans le budget de rollout testé par les auteurs. L'enjeu dépasse le simple score de benchmark : la plupart des harnais agentiques actuels échouent à boucler l'apprentissage pendant l'exécution physique elle-même, car les décisions doivent suivre des états robot-environnement qui évoluent trop vite pour les grands modèles agentiques actuels. Si les résultats se confirment au-delà de la simulation, cela offrirait une voie pour combler l'écart entre modèles de bout en bout figés et agents capables de s'auto-corriger en conditions réelles, un enjeu central pour les intégrateurs cherchant des politiques robotiques fiables à grande échelle plutôt que des démonstrations isolées. Il faut toutefois noter que LIBERO-Pro et RoboCasa restent des environnements simulés, non des déploiements sur robots physiques. Le papier s'inscrit dans la lignée des travaux sur les modèles vision-langage-action (VLA), en cherchant à dépasser leur principale limite : l'incapacité à s'adapter dynamiquement pendant l'exécution. Les auteurs rapportent que la performance continue de progresser avec l'expérience d'auto-exploration accumulée, que les compétences apprises se transfèrent en zero-shot à de nouvelles tâches, et que des comportements de résolution soudaine ("Aha Moments") émergent au fil de l'entraînement, sans préciser à ce stade de calendrier de validation sur robot réel.

RechercheActu

1 source

4arXiv cs.RO

PACE : allocation adaptative de budget pour une planification incarnée efficace en temps

Des chercheurs présentent PACE (Planning with Adaptive Cognitive Effort), un nouveau framework destiné à accélérer la planification des systèmes robotiques pilotés par des grands modèles de langage à raisonnement renforcé. Publié le 5 août 2026 sur arXiv (identifiant 2608.03034v1), le papier s'attaque au principal frein empêchant ces modèles d'équiper des systèmes embarqués: des délais d'inférence qui dépassent parfois la minute par instance de planification, le modèle devant achever tout son raisonnement avant d'exécuter la moindre action. PACE repose sur deux mécanismes. Une architecture "Interleaved Think-Act" entrelace le raisonnement cognitif et l'exécution des actions au lieu de les séquencer strictement. Un "Dynamic Budget Allocator" ajuste ensuite le budget de tokens de raisonnement à la fenêtre de temps d'exécution réellement disponible. Testé sur le benchmark Robotouille avec le modèle Qwen3-8B-AWQ, PACE atteint un taux de réussite de 10%, soit une amélioration relative de 67% par rapport à la référence ReAct+Think, tout en accélérant le temps de réflexion d'un facteur 6,9 comparé à un raisonnement non contraint. Le framework parvient à masquer 66,8% du temps de réflexion dans les fenêtres d'exécution. Cette approche répond à un goulot d'étranglement bien identifié: les modèles de raisonnement type "thinking" améliorent la qualité des plans générés mais restent inutilisables en temps réel, un robot ne pouvant rester immobile plusieurs dizaines de secondes entre chaque décision. En interrompant le raisonnement pour agir puis en le reprenant pendant l'exécution, PACE ouvre une piste concrète pour rendre les architectures LLM-planificateur compatibles avec des domaines sensibles à la latence, du pick-and-place industriel à la navigation d'AMR. Il faut toutefois relativiser l'ampleur du résultat: un taux de réussite absolu de 10% reste faible en tant que tel, même si le gain relatif et l'accélération démontrent la validité du principe. Il s'agit d'une preuve de concept en simulation, pas d'un système prêt pour un déploiement industriel. Classé "Announce Type: new" sur arXiv, ce travail s'inscrit dans la vague de recherches qui tentent d'adapter les modèles de raisonnement récents, conçus pour du texte, à des contextes physiques et temporisés. La comparaison retenue par les auteurs, ReAct+Think, reflète l'approche dominante actuelle où planification et action restent strictement séquentielles. Robotouille, le benchmark utilisé, simule des tâches de cuisine multi-étapes nécessitant coordination et replanification, un terrain de test courant pour évaluer les agents LLM en environnement embarqué. Les auteurs ne donnent ni calendrier de suite ni validation sur robot physique; l'extension à d'autres benchmarks et, à terme, des tests sur plateformes réelles constituent les prochaines étapes attendues pour ce type de travaux académiques.

RecherchePaper

1 source