RechercheInteresting Engineering 22 juillet 2026

Robot apprend comme un enfant, puis maîtrise seul le bowling, le pliage et le pressage de jus

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs dirigés par la Shanghai Jiao Tong University ont présenté RL-100, un cadre d'entraînement qui combine apprentissage par imitation et apprentissage par renforcement pour permettre à des robots manipulateurs de réaliser des tâches réelles avec une fiabilité proche de 100%. Le système repose sur un pipeline en trois étapes : d'abord l'imitation à partir de démonstrations téléopérées par des experts humains, qui entraîne une politique visuomotrice basée sur un modèle de diffusion et exploite des flux RGB ou des nuages de points 3D ; puis un apprentissage par renforcement hors ligne itératif, où le robot rejoue ses propres tentatives réussies pour affiner sa politique via un objectif unifié de type PPO, sans dégrader les comportements déjà appris ; enfin une phase d'apprentissage en ligne directement sur le robot physique, ciblée sur les cas d'échec rares, qui fait passer le taux de réussite d'environ 90% à un niveau quasi parfait. Les chercheurs ont aussi développé une technique de distillation par modèle de cohérence qui compresse la politique de diffusion multi-étapes en un contrôleur à une seule étape, réduisant la latence d'inférence d'environ 100 à 10 millisecondes. Sur huit tâches de manipulation testées, bowling, pliage de serviettes, versage de liquide, dévissage de bouchons, pliage de boîtes et préparation de jus d'orange en deux étapes, le robot a atteint 100% de réussite après l'entraînement complet, et a fonctionné en continu pendant sept heures dans un centre commercial pour servir du jus frais sans le moindre échec.

Ce résultat s'attaque directement à ce que le secteur robotique appelle le "plafond de l'imitation" : un robot qui se contente de copier des démonstrations humaines reste borné par la qualité et l'efficacité de ces démonstrations, sans jamais dépasser la performance de son professeur. En combinant imitation, renforcement hors ligne et un correctif ciblé en ligne, RL-100 illustre une voie concrète pour que les politiques d'apprentissage par diffusion, jugées jusqu'ici trop lentes pour un contrôle robotique à haute fréquence, deviennent utilisables en production. La démonstration en environnement public, sur sept heures sans interruption, est le type de test qui compte pour les intégrateurs et décideurs B2B : elle rapproche l'apprentissage par renforcement appliqué à la robotique d'un déploiement réel plutôt que d'une démonstration en laboratoire soigneusement choisie, un écart que le secteur peine encore à combler pour la plupart des systèmes de type VLA.

RL-100 s'inscrit dans une lignée de recherches visant à rendre les politiques de diffusion exploitables en temps réel, un problème également abordé par des approches comme Pi-0 ou GR00T N2 dans l'écosystème de la robotique généraliste. Le cadre revendique une conception agnostique à la tâche, au robot et à la représentation sensorielle, compatible avec des bras simples ou doubles. Les auteurs ne précisent pas de calendrier de commercialisation ni de partenaire industriel identifié ; il s'agit pour l'instant d'un résultat de recherche académique, dont la reproductibilité à plus grande échelle et hors conditions contrôlées reste à démontrer.

Dans nos dossiers

NVIDIA GR00T

À lire aussi

1arXiv cs.RO

Comment instruire un robot : les annotations linguistiques denses améliorent l'apprentissage de politiques

Des chercheurs publient DeMiAn (Dense Multi-aspect Annotation), une méthode en deux étapes pour améliorer l'apprentissage de politiques robotiques sans collecter de nouvelles démonstrations. Elle ré-annote automatiquement des segments existants via un modèle vision-langage selon quatre axes complémentaires : mouvement physique, composition de la scène, posture du bras et raisonnement. Un module « instructeur » traduit ensuite, à chaque déploiement, une description de tâche et un instantané de scène initiale vers l'annotation la plus adaptée, de façon asynchrone afin de masquer la latence de génération derrière l'exécution de la politique. Évaluée sur plus d'un million de clips de manipulation robotique et 50 000 vidéos égocentrées humaines issues d'EgoVerse, la méthode améliore à la fois une politique vision-langage-action (VLA) classique et un world-action model vidéo. Sur le benchmark RoboCasa, l'instructeur gagne cinq points de taux de succès sur une baseline limitée à la description de tâche seule, et reste à trois points d'un oracle disposant d'annotations parfaites par tâche. Le principal frein au scaling en robotique manipulatrice n'est pas le compute mais le coût de collecte de démonstrations physiques. DeMiAn inverse la contrainte : ré-annoter un corpus existant avec du langage dense revient nettement moins cher que rejouer des trajectoires en environnement réel. La méthode améliore également les performances sur les tâches composites et en distribution de test hors domaine, là précisément où les politiques VLA échouent le plus fréquemment en déploiement. Résultat non trivial : aucun des quatre axes d'annotation ne domine systématiquement l'ensemble des tâches, ce qui fait du choix de la description dense un problème de recherche à part entière. Les gains sont de surcroît calculés en intégrant le coût de génération des annotations en FLOPs, garantissant des comparaisons compute-performance honnêtes, une rigueur peu fréquente dans ce segment. Ce travail s'inscrit dans la valorisation croissante des datasets égocentrés humains (EgoVerse, EPIC-Kitchens) comme ressources pour pré-entraîner des politiques de manipulation, en alternative aux pipelines de simulation massive de type IsaacLab. Du côté compétitif, Physical Intelligence avec Pi-0 et Google DeepMind avec RT-X misent également sur la supervision langage-action à grande échelle. DeMiAn se distingue par son caractère post-hoc : aucune modification du protocole de collecte n'est requise, ce qui le rend directement applicable à des corpus robotiques institutionnels existants. Le papier (arXiv 2605.17077, mai 2025) reste un preprint sans validation hardware end-to-end au-delà des benchmarks simulés, laissant ouverte la question du sim-to-real gap sur les gains annoncés.

RechercheOpinion

1 source

2Interesting Engineering

Un robot quadrupède apprend seul à sauter dans des espaces étroits

Des chercheurs de l'université de Hong Kong (HKU) et du Oxford Robotics Institute ont mis au point un système d'apprentissage par renforcement hiérarchique baptisé ConsJump, qui permet à un robot quadrupède de franchir des ouvertures étroites en sautant, sans séquence de saut préprogrammée. La démonstration a été réalisée sur un Unitree Aliengo de 22 kilogrammes, capable de traverser de façon autonome des portiques de taille comparable à son propre gabarit. Le système repose sur deux niveaux de contrôle : un contrôleur bas niveau, entraîné par apprentissage par imitation à reproduire des allures animales (trot, canter, saut, virage) via cinématique inverse, et un contrôleur haut niveau qui décide en temps réel quand et comment transitionner entre ces mouvements, en générant des commandes de vitesse et de rotation plutôt qu'en pilotant directement chaque articulation. Le robot perçoit son environnement grâce à une caméra RGB-D Intel D435i embarquée, qui détecte l'ouverture rectangulaire, calcule son centre et estime sa géométrie pour ajuster l'approche. Lors des essais, le robot a accéléré jusqu'à 2,5 mètres par seconde avant de décélérer brutalement pour préparer l'atterrissage, avec une phase aérienne d'environ 0,44 seconde. L'entraînement du contrôleur bas niveau s'est fait en simulation avec 5 480 agents en parallèle, puis a été transféré au robot physique en faisant varier la force des moteurs, la latence, les décalages et la masse ajoutée pour réduire l'écart simulation-réel. Cette démonstration illustre une approche différente des méthodes de contrôle conventionnelles pour la locomotion agile des quadrupèdes, où les manœuvres complexes comme le saut à travers un espace confiné restent difficiles à obtenir avec des contrôleurs classiques. Pour les intégrateurs et chercheurs en robotique mobile, l'intérêt principal réside dans la séparation entre une bibliothèque de mouvements appris et une couche décisionnelle capable de combiner ces mouvements de façon continue en fonction de la perception, plutôt que de basculer entre trajectoires figées. Cela pourrait, à terme, améliorer la capacité des robots à quatre pattes à opérer dans des environnements non structurés, comme des sites industriels ou des zones sinistrées comportant des passages étroits, sans dépendre d'un balisage ou d'une cartographie préalable. Il reste toutefois à établir dans quelle mesure les performances démontrées en conditions de test se généralisent hors des configurations de portiques utilisées durant l'expérimentation, un point que l'article source ne détaille pas. Le projet s'inscrit dans un courant de recherche plus large sur l'apprentissage par renforcement appliqué à la locomotion des robots à pattes, où plusieurs laboratoires cherchent à dépasser les limites du contrôle basé sur des modèles physiques explicites pour des tâches très dynamiques. L'utilisation du robot Unitree Aliengo, plateforme de recherche largement répandue dans les laboratoires académiques, situe ces travaux dans la continuité d'expérimentations déjà menées sur d'autres plateformes similaires pour des tâches comme la course, l'escalade ou le franchissement d'obstacles. L'article ne précise pas de calendrier de transfert vers des applications industrielles ni de partenariat commercial associé, ce qui indique qu'il s'agit à ce stade d'une démonstration de recherche plutôt que d'un produit destiné au déploiement.

RecherchePaper

1 source

3Interesting Engineering

Des scientifiques montrent qu'un entraînement structuré surpasse les données d'apprentissage complexes en robotique

Des chercheurs de la NYU Tandon School of Engineering et du Robotics and AI Institute ont publié dans IEEE Robotics and Automation Letters une étude montrant qu'un robot apprend à manipuler des objets complexes plus efficacement lorsqu'on lui fournit des démonstrations cohérentes plutôt que variées. L'équipe a évalué cette hypothèse sur deux tâches de manipulation à haute dextérité : deux bras robotiques devant faire pivoter un cylindre de 180 degrés en repositionnant leurs prises, et une main robotique devant réorienter un cube dans sa paume vers des positions cibles. Plutôt que de recourir à la téléopération humaine, les chercheurs ont généré des exemples d'entraînement via des algorithmes de planification de mouvement dans des simulateurs physiques. La méthode classique, les arbres aléatoires à exploration rapide (RRT), produisait des trajectoires très disparates d'une démonstration à l'autre. En développant deux alternatives, l'une optimisant la progression vers l'objectif et l'autre s'appuyant sur une bibliothèque de mouvements prédéfinis, l'équipe a obtenu des données à faible entropie. Avec seulement 100 démonstrations consistantes, le système dual-bras a atteint une performance quasi parfaite en simulation. Le transfert sim-to-real, sans ré-entraînement sur matériel physique, s'est soldé par 90 % de succès pour les deux bras et 62 % pour la main dextre. Ces résultats remettent en question une intuition dominante dans le machine learning : plus de données égale meilleure performance. Ici, la qualité structurelle des exemples prime sur la quantité. Pour les équipes qui développent des systèmes d'apprentissage par imitation (imitation learning), cela change le problème de collecte de données : il ne s'agit plus d'accumuler des démonstrations humaines coûteuses et difficiles à standardiser, mais de concevoir des générateurs de données synthétiques pilotés par des planificateurs déterministes. Le taux de 90 % en déploiement réel sans fine-tuning est un résultat concret sur le sim-to-real gap, souvent présenté comme le verrou majeur de la robotique de manipulation, bien que les conditions de laboratoire ne constituent pas un environnement industriel, et que ces chiffres restent à valider en conditions non contrôlées. Cette recherche s'inscrit dans une tendance de fond qui voit planification classique et apprentissage automatique converger, plutôt que s'opposer. Les approches de type VLA (vision-language-action) et les pipelines basés sur la diffusion de politiques, portés par des acteurs comme Physical Intelligence (pi0) ou des équipes académiques liées à Berkeley et Stanford, affrontent le même défi : générer des données d'entraînement fiables pour des tâches contact-rich. L'angle exploré ici, contrôler l'entropie des démonstrations synthétiques plutôt que leur diversité, pourrait influencer les pipelines de génération de données pour la prochaine génération de manipulateurs, notamment dans les contextes industriels où la répétabilité prime sur la généralisation.

UELes équipes européennes en apprentissage par imitation (manipulation industrielle, main robotique) peuvent directement adopter cette approche de génération de données synthétiques à faible entropie pour réduire leur dépendance à la téléopération humaine coûteuse.

RecherchePaper

1 source

4arXiv cs.RO

Apprentissage rapide sur robot pour compétences de manipulation dynamique : le jonglage robotique

Un article publié sur arXiv (2608.26800v1) présente un cadre d'apprentissage en ligne permettant à un robot bimanuel d'apprendre à jongler directement sur du matériel physique, en moins de cinq minutes d'interaction réelle. Équipé de deux bras, de mains multi-doigts et d'une vision embarquée, le robot maîtrise cinq figures classiques de jonglage à trois balles : cascade, tennis, demi-douche, douche et boîte. La méthode, dite d'apprentissage régularisé par mémoire, combine un modèle local construit à partir de l'expérience accumulée sur le robot avec un modèle global préalable qui sert à extrapoler là où les données manquent. Un mécanisme de sécurité, appelé ensemble mutuellement atteignable, garantit que chaque transition entre lancer et rattrapage reste dans les limites articulaires et d'actionneurs des deux bras. Ce résultat s'attaque à l'écart persistant entre simulation et réalité en robotique : plutôt que de chercher à améliorer la fidélité du simulateur, les auteurs montrent qu'un modèle imparfait suffit comme socle à un apprentissage rapide directement sur le robot. Cela contredit l'hypothèse répandue selon laquelle un pré-entraînement massif ou une collecte de données prolongée est nécessaire pour des tâches de manipulation dynamique exigeant une coordination fine entre perception et action en temps réel. Pour les intégrateurs et décideurs industriels, l'approche suggère des robots capables de s'adapter en quelques minutes à une nouvelle tâche sur site plutôt qu'après des semaines de réentraînement hors ligne, ce qui réduirait le coût et les délais de déploiement de systèmes manipulateurs dextres. Le jonglage sert ici de banc d'essai à des compétences de manipulation dynamique et rapide, un registre distinct des tâches quasi statiques comme la préhension ou le tri qui dominent les démonstrations commerciales actuelles. L'abstract ne précise ni l'affiliation des auteurs ni la plateforme robotique utilisée, au-delà de sa description fonctionnelle. Ce travail s'inscrit dans une tendance de recherche visant à dépasser les politiques figées apprises hors ligne, au profit de robots capables d'affiner en continu leur comportement au contact du monde réel. Les auteurs présentent ce résultat comme une preuve de concept, une étape vers des systèmes qui exploitent des connaissances préalables imparfaites tout en s'améliorant continuellement par leur propre expérience physique.

RecherchePaper

1 source