Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Robot humanoïde de vente au détail : combler l'écart labo-magasin avec un cadre VLA post-entraînement efficace en données
RecherchearXiv cs.RO 

Robot humanoïde de vente au détail : combler l'écart labo-magasin avec un cadre VLA post-entraînement efficace en données

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Une équipe de recherche présente DEED (Data-Efficient Post-Training and Experience-Driven Learning), un système de post-entraînement conçu pour combler l'écart entre les performances en laboratoire et le fonctionnement fiable en conditions réelles des robots humanoïdes pilotés par modèles vision-langage-action (VLA). Le framework a été testé sur une tâche concrète de réapprovisionnement de paquets de chips en supermarché, avec un robot humanoïde Unitree G1-Edu piloté par le modèle fondation GR00T N1.6. DEED repose sur trois composants : un pipeline de post-entraînement économe en données, combinant alignement de la fréquence de contrôle, curation des données, mise en évidence visuelle des zones pertinentes pour la tâche et réduction de la dépendance au VLA ; une méthode d'affinage par l'expérience en conditions réelles, adaptée du système RECAP via un préfixe d'avantage textuel et une fonction de valeur vision-langage ; et un outil d'analyse dans l'espace latent permettant d'étudier les comportements en et hors distribution. Le tout fonctionne avec un seul GPU.

L'apport principal de ces travaux est de démontrer que combler l'écart entre démonstration en labo et déploiement en magasin relève avant tout d'un problème d'intégration système, et non d'un problème d'architecture de modèle. Une politique qui échoue avec un simple fine-tuning naïf devient opérationnelle grâce à une conception soignée des données et un post-entraînement ciblé, sans changer de modèle de base. Pour les intégrateurs et décideurs du secteur robotique, ce résultat pèse dans le débat sur la maturité réelle des VLA à grande échelle : il suggère que la robustesse face aux erreurs d'exécution et aux variations d'environnement s'obtient par ingénierie de données plutôt que par des architectures toujours plus lourdes.

Le travail s'inscrit dans la vague actuelle des modèles fondation pour humanoïdes commerciaux, dans la lignée de GR00T N2 ou Pi-0, déployés par des acteurs comme Figure ou Tesla avec Optimus. En s'appuyant sur RECAP pour l'apprentissage par l'expérience, DEED propose une méthode reproductible avec des ressources de calcul limitées, potentiellement transposable à d'autres tâches de manutention en environnement commercial ou logistique.

Dans nos dossiers

UnitreeIA physique & VLANVIDIA GR00T

À lire aussi

Démonstrations humaines comme données de post-entraînement pour tout robot : transférer l'objet, pas la main
1arXiv cs.RO 

Démonstrations humaines comme données de post-entraînement pour tout robot : transférer l'objet, pas la main

Des chercheurs proposent une méthode pour transformer une démonstration humaine, filmée par exemple avec un simple téléphone mobile, en données de post-entraînement utilisables par n'importe quel robot, quelle que soit sa morphologie. Plutôt que de transposer le mouvement de la main (retargeting), le système transpose celui de l'objet. Chaque capture produit un enregistrement indépendant du corps : la pose de l'objet au cours du temps, ses intervalles de contact et un objet 3D reconstruit avec sa provenance. Tout robot, décrit par un fichier URDF et un court descripteur, est ensuite résolu contre cet enregistrement et évalué en simulation, avec le mouvement démontré de l'objet comme vérité terrain. Chaque paire (robot, épisode) reçoit un verdict unique : réussite, échec avec un mode nommé, ou refus motivé avant tout mouvement. Sur un échantillon de 42 captures résolues sur 8 robots, soit 157 paires, 31,2 % réussissent, 52,2 % échouent, 14,0 % sont refusées et 2,5 % sont inauditables. Le critère est la faisabilité cinématique en simulation, avec une tolérance de ±50 mm et ±15°. Pour les intégrateurs et les décideurs industriels, l'enjeu est de savoir quelles données humaines un robot donné peut réellement exploiter. Aujourd'hui, ces démonstrations servent surtout au pré-entraînement des modèles vision-langage-action (VLA), mais peu au post-entraînement ciblé sur une plateforme ou une tâche, dont dépend pourtant le déploiement à grande échelle. Les résultats donnent un premier ordre de grandeur : moins d'un tiers des paires passent, ce qui rappelle que la transposition d'une démonstration humaine vers un corps différent reste loin d'être automatique. Le point le plus solide concerne les refus : les 13 paires que les contrôles écartent sur preuves stockées mais qui ont été lancées malgré tout ont toutes échoué, dont 5 sur un robot dont le modèle public soude la main. À l'inverse, un simple fichier de description ne permet pas de présélectionner les robots, ses résultats étant à peine plus prévisibles que le hasard. Il faut toutefois rester prudent. Les auteurs précisent qu'aucune politique n'a encore été entraînée sur cet enregistrement, et la validation reste purement simulée. L'enregistrement décide de ce sur quoi un robot peut se post-entraîner, mais la question de savoir si la politique fonctionne sur le robot réel, le passage de la simulation au robot, est renvoyée à des travaux ultérieurs. Le système fonctionne sur une collection en croissance, dont l'étude n'analyse qu'un échantillon. Cette approche s'inscrit dans le mouvement des données de démonstration humaine à bas coût, face à la téléopération, plus coûteuse et liée à une plateforme. La suite logique sera d'entraîner des politiques sur ces enregistrements et de mesurer l'écart avec le matériel réel.

RecherchePaper
1 source
Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide
2Interesting Engineering 

Robot humanoïde marche sur sable, gravier et pentes grâce à un cadre d'entraînement plus rapide

Des chercheurs du Georgia Institute of Technology ont mis au point un nouveau cadre d'apprentissage automatique baptisé « Learn to Teach » (L2T), qui permet à un robot humanoïde bipède de marcher sur du sable, du gravier, de l'herbe détrempée, des pentes, des escaliers et des surfaces glissantes, tout en réduisant nettement le temps et la puissance de calcul nécessaires à l'entraînement du contrôleur. Contrairement à l'apprentissage classique par renforcement de type enseignant-élève, où un modèle « professeur » est d'abord entraîné en simulation avant de transmettre ses connaissances à un modèle « élève » qui pilote le robot réel, la méthode de Georgia Tech entraîne les deux agents simultanément. Selon Feiyang Wu, chercheur principal du projet, l'approche séquentielle classique pose deux problèmes : elle prend trop de temps et gaspille une partie des informations collectées par le professeur en cours d'apprentissage. Le contrôleur a été testé sur un robot humanoïde grandeur nature dans le laboratoire du professeur associé Ye Zhao, où l'équipe a aussi poussé et tiré la machine pendant les essais pour observer sa capacité à ajuster sa démarche et rester stable. Les travaux ont été présentés à l'ICRA (IEEE International Conference on Robotics and Automation). Cette avancée s'attaque à un goulot d'étranglement bien identifié dans la robotique humanoïde : l'entraînement de contrôleurs en simulation nécessite souvent des heures de calcul sur du matériel GPU coûteux, un frein direct à l'itération rapide et au déploiement à grande échelle. En faisant apprendre le professeur et l'élève en parallèle, et en permettant au professeur de tirer des enseignements de l'expérience de l'élève, l'équipe réduit ce que les roboticiens appellent le « fossé d'imitation » entre les conditions idéalisées de la simulation et la réalité du terrain, un problème central dans le débat sur le fameux « sim-to-real gap ». Fait notable, le même contrôleur généraliste a surpassé le logiciel fourni par le fabricant du robot sur plusieurs types de terrains, sans nécessiter de contrôleurs distincts par environnement, ce qui illustre la valeur d'une recherche en apprentissage automatique directement confrontée au monde réel plutôt qu'à des démonstrations scénarisées. Wu reconnaît que l'équipe ne s'attendait pas elle-même à une telle polyvalence pour un robot humanoïde aussi volumineux, la locomotion agile sur terrain accidenté n'ayant jusqu'ici jamais été véritablement démontrée pour ce type de machine. Au-delà de la marche, les chercheurs estiment que le cadre « Learn to Teach » pourrait s'appliquer à d'autres architectures de robots et à des tâches variées exigeant un déplacement fiable en environnement imprévisible, ouvrant une piste de recherche transférable bien au-delà du seul cas d'usage testé à Atlanta.

RecherchePaper
1 source
Co-entraînement simulation-humain pour une manipulation bimanuelle efficace en données et généralisable aux scènes
3arXiv cs.RO 

Co-entraînement simulation-humain pour une manipulation bimanuelle efficace en données et généralisable aux scènes

Une équipe de recherche présente SimHum, une méthode d'entraînement combinant simulation et démonstrations humaines pour la manipulation bimanuelle par robots, décrite dans une version mise à jour d'un article publié sur arXiv (2601.19406v2). Le constat de départ : les démonstrations réelles sur robot sont coûteuses à collecter, tandis que la simulation offre des actions valides pour le robot mais souffre d'un écart visuel avec le réel, et les vidéos de démonstrations humaines offrent des observations réalistes mais souffrent d'un écart d'incarnation entre humain et robot. SimHum extrait des priors cinématiques depuis la simulation et des priors visuels depuis les observations humaines, puis affine le modèle sur un petit jeu de données réel. Avec seulement 80 épisodes réels par tâche, la méthode atteint 62,5% de réussite sur des scènes inédites (hors distribution) sur quatre tâches bimanuelles de manipulation sur table, soit 53,7 points de pourcentage de plus qu'un entraînement uniquement sur données réelles. Dans une étude à temps de collecte égal, SimHum dépasse de 35 points de pourcentage la meilleure méthode de pré-entraînement mono-source. Ce résultat s'attaque à l'un des principaux goulots d'étranglement de l'apprentissage robotique : le coût de la collecte de démonstrations réelles, souvent cité comme le facteur limitant de la généralisation des modèles vision-langage-action (VLA). Plutôt que d'opposer simulation et données humaines comme des substituts concurrents aux démonstrations réelles, l'étude les traite comme complémentaires, chacune comblant une lacune spécifique de l'autre. Pour les intégrateurs et les équipes de recherche en robotique, cela suggère qu'une stratégie hybride de données peut réduire fortement le volume de collecte réelle nécessaire pour atteindre une généralisation à de nouvelles scènes, un enjeu central pour tout déploiement hors laboratoire. Il faut toutefois noter que les résultats portent sur quatre tâches de manipulation sur table en environnement contrôlé, et non sur un déploiement en conditions réelles ou en usine, ce qui limite pour l'instant la portée des conclusions. Ce travail s'inscrit dans un champ de recherche très actif où plusieurs approches rivalisent pour réduire la dépendance aux démonstrations réelles, entre pré-entraînement sur données vidéo humaines à grande échelle et apprentissage par simulation massive, des stratégies déjà explorées par des modèles VLA comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure. SimHum se distingue en combinant explicitement les deux sources plutôt qu'en misant sur une seule. Il s'agit ici d'un article de recherche académique, sans produit ni robot commercial associé : aucune entreprise ni plateforme matérielle spécifique n'est mise en avant, et le travail est accompagné d'une page projet dédiée. Les prochaines étapes, non précisées dans cette version de l'article, porteraient logiquement sur l'extension à davantage de tâches, de robots et de scénarios au-delà de la manipulation sur table.

RecherchePaper
1 source
Entraînement en déploiement : post-entraînement en ligne avec humain dans la boucle pour la manipulation robotique
4arXiv cs.RO 

Entraînement en déploiement : post-entraînement en ligne avec humain dans la boucle pour la manipulation robotique

TIDE (Training In DEployment) est un système de post-entraînement en ligne avec humain dans la boucle, décrit dans un preprint arXiv (2610.29264v1) pour adapter de grands modèles de fondation robotiques à des tâches de manipulation cibles. Son principe : mettre à jour la politique pendant le déploiement, à partir des interventions d'un opérateur humain et des trajectoires générées par la politique elle-même, via un cadre d'apprentissage supervisé « conditionné par la provenance » (on indique au modèle si une action vient de l'humain ou de la politique). Il n'utilise ni critique appris, ni modèle de récompense, ni évaluateur d'actions. Les auteurs l'ont testé sur quatre tâches réelles de manipulation bimanuelle. TIDE améliore la progression normalisée par jalons et le taux de réussite complète par rapport à la politique de départ et à une politique entraînée avec un volume équivalent de démonstrations hors ligne supplémentaires. Il fait jeu égal avec la collecte à politique fixe, tout en rendant des checkpoints à jour disponibles en cours de déploiement. Chaque session, du début des essais jusqu'au dernier checkpoint, dure moins d'une heure, l'apprentissage et la gestion des checkpoints tournant en asynchrone. L'enjeu est un goulot d'étranglement bien connu : les démonstrations téléopérées hors ligne couvrent mal les états qui comptent au déploiement, à savoir les contacts riches, les récupérations après erreur et les gestes de précision. Le post-entraînement hors ligne s'adapte lentement, faute d'absorber immédiatement l'expérience du terrain. L'apprentissage par renforcement en ligne, lui, suppose en général des fonctions de valeur ou des architectures acteur-critique, qui alourdissent et fragilisent l'entraînement. Si l'approche tient à plus grande échelle, un intégrateur pourrait spécialiser un modèle généraliste sur un poste précis en moins d'une heure, avec un simple opérateur qui corrige, sans équipe de RL. Il faut toutefois relativiser : le résumé ne chiffre ni les gains ni les modèles de base, la performance n'est qu'équivalente à la collecte à politique fixe, et quatre tâches en laboratoire ne disent rien de la robustesse sur des mois de production. Ce travail s'inscrit dans la montée des modèles vision-langage-action (VLA) préentraînés de type Pi-0 ou GR00T, dont l'adaptation à la tâche reste le point faible. Il prolonge deux lignées : les méthodes avec humain dans la boucle, qui enrichissent les démonstrations par des corrections, et le RL en ligne sur robot réel. TIDE tente de garder la réactivité de la seconde sans sa complexité. Les prochaines étapes à surveiller sont la publication des chiffres détaillés, d'éventuelles réplications indépendantes et un test sur des tâches industrielles plus longues avec plusieurs opérateurs.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source