Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
X-NavDP : généralisation d'une politique de diffusion de navigation à de nouveaux comportements et corps grâce à un appariement repondéré par Q-score de groupe
RecherchearXiv cs.RO 

X-NavDP : généralisation d'une politique de diffusion de navigation à de nouveaux comportements et corps grâce à un appariement repondéré par Q-score de groupe

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

Wandercraft, Exotec, Pollen et Enchanted Tools n'apparaissent pas dans cette étude, qui reste un travail de recherche en robotique mobile publié sur arXiv (2607.28560v1). Voici l'article :

Une équipe de recherche a publié X-NavDP, une politique de navigation par diffusion entraînée pour généraliser à des robots de morphologies différentes, accompagnée d'un nouveau cadre de post-entraînement par renforcement baptisé GQRM (Group Q-score Reweighted Matching). Le papier, disponible sur arXiv sous la référence 2607.28560v1, rapporte des gains de performance substantiels : le taux de réussite en navigation passe de 61,20 % à 84,28 % en simulation, et de seulement 10 % à 65 % sur des cas difficiles en conditions réelles. Le code et les modèles sont mis à disposition publiquement sur une page de projet dédiée (yty-sky.github.io/x-navdp-project-page).

Cette avancée s'attaque à un problème central pour l'industrie robotique : les politiques de navigation par diffusion sont aujourd'hui pré-entraînées sur des démonstrations générées par un planificateur oracle disposant d'une connaissance complète de l'environnement, calibré pour un seul robot type. Cela limite fortement leur capacité à s'adapter à d'autres morphologies ou à des scénarios exigeants comme sortir d'une impasse ou contourner un obstacle long, situations qui demandent des comportements réactifs locaux à partir des seules observations embarquées. Pour les intégrateurs travaillant avec des flottes hétérogènes d'AMR ou de robots mobiles, disposer d'une politique unique capable de généraliser sans démonstrations spécifiques à chaque plateforme réduirait significativement les coûts d'ingénierie et de collecte de données.

Les tentatives précédentes de post-entraînement par renforcement des politiques de diffusion n'apportaient que des améliorations marginales, freinées par la vraisemblance intraitable de ces modèles, qui rend les gradients de politique instables et l'exploration inefficace. GQRM contourne ce verrou grâce à deux mécanismes complémentaires : une stratégie d'exploration auto-amorcée avec perturbation comportementale qui préserve les acquis du pré-entraînement, et une normalisation de groupe des scores Q calculant des valeurs par trajectoire à chaque état pour un appariement de scores pondéré plus efficace. L'entraînement s'est fait en ligne et de façon distribuée sur des robots aux morphologies variées, une méthodologie qui pourrait inspirer d'autres équipes travaillant sur le transfert cross-embodiment.

Dans nos dossiers

WandercraftEnchanted Tools — MirokaïExotecarXiv cs.RO

À lire aussi

Découverte guidée de nouveaux comportements par politiques de diffusion
1arXiv cs.RO 

Découverte guidée de nouveaux comportements par politiques de diffusion

Une équipe de chercheurs a publié sur arXiv (arXiv:2606.08743v1, juin 2026) un cadre algorithmique pour diversifier les comportements générés par les diffusion policies en robotique. Ces politiques basées sur des modèles de diffusion modélisent efficacement des distributions multimodales de trajectoires d'action, mais souffrent d'un biais documenté : avec peu de démonstrations, l'échantillonnage standard reproduit les comportements dominants et ignore les modes rares mais valides. Les auteurs combinent des correcteurs de Feynman-Kac, outil issu des processus stochastiques, avec un potentiel de guidage orientant l'échantillonnage vers des trajectoires prometteuses mais sous-représentées. Ces trajectoires candidates sont ensuite affinées par optimisation par échantillonnage, puis réintégrées dans le jeu d'entraînement pour réentraîner la politique. Les expériences portent sur plusieurs environnements de manipulation en simulation, où la méthode découvre systématiquement de nouveaux comportements exécutables. L'enjeu est concret pour les équipes travaillant sur l'apprentissage par imitation en robotique industrielle ou de service. Un robot entraîné sur peu de données converge vers une seule stratégie même lorsque plusieurs solutions existent : ce cadre propose d'explorer l'espace des comportements sans collecter davantage de démonstrations humaines, ce qui touche directement à l'efficacité des données dans les pipelines de robot learning. Les auteurs positionnent leur approche contre les méthodes de guidage classiques, qui poussent les échantillons vers des régions infaisables, et contre le couplage RL+diffusion, qui peine à sortir des minima locaux. Les résultats restent cependant limités à la simulation de manipulation; aucune validation sur robot réel n'est rapportée dans ce préprint. Les diffusion policies ont connu une adoption rapide depuis les travaux de Chi et al. en 2023, supplantant progressivement les politiques comportementales classiques sur des tâches de manipulation complexes. Le domaine est aujourd'hui concurrentiel, avec Physical Intelligence (pi0), Google DeepMind et plusieurs laboratoires universitaires poussant les limites de ces modèles génératifs. L'approche Feynman-Kac s'inscrit dans une tendance plus large de réutilisation d'outils de la physique statistique pour le contrôle robotique. Les prochaines étapes naturelles seraient une validation sur hardware réel et une extension à des tâches à horizon long, où la diversité des trajectoires est encore plus critique.

UELes laboratoires européens travaillant sur l'apprentissage par imitation (INRIA, CEA-List) pourraient exploiter ce cadre pour réduire leur dépendance aux données de démonstration, mais aucun acteur ou déploiement européen n'est impliqué dans ce préprint.

RecherchePaper
1 source
Des échecs aux mondes apprenables : génération d'environnements conditionnée par la politique pour les agents de navigation
2arXiv cs.RO 

Des échecs aux mondes apprenables : génération d'environnements conditionnée par la politique pour les agents de navigation

Des chercheurs présentent WEDGE, un cadre de génération d'environnements de simulation pour agents de navigation, qui part des échecs d'une politique préentraînée pour décider quoi lui faire apprendre. À chaque cycle d'adaptation, un LLM compare les trajectoires réussies et ratées de la politique et propose des « caractéristiques de faiblesse » sous forme de code exécutable. Ces hypothèses sont validées automatiquement sur un jeu diagnostique, et la plus forte est retenue selon son écart de taux de réussite. Elle est ensuite reliée aux facteurs d'environnement qui la commandent. WEDGE fait varier ces facteurs pour construire des scènes dans les régimes de difficulté où l'agent échoue. L'évaluation porte sur trois agents de navigation aux mécanismes d'adaptation différents, dont Uni-NaVid et Gemini, sur ProcTHOR, avec un transfert testé sur HM3D. Le résumé publié ne donne aucun chiffre de gain, ce qui empêche d'en juger l'ampleur. L'intérêt tient à ce que le travail contredit l'idée qu'il suffit de produire davantage de données simulées, réalistes et variées. Les auteurs observent que chaque politique présente un profil de faiblesses propre et profite d'environnements différents. L'adaptation guidée par les faiblesses bat des références à budget équivalent, un tirage aléatoire et une sélection d'exemples difficiles. Pour un intégrateur ou une équipe qui affine un modèle de navigation avant un déploiement sur site, cela revient à diagnostiquer avant de générer, plutôt que de multiplier les scènes. Les gains obtenus sur ProcTHOR se retrouvent sur HM3D pour Uni-NaVid et Gemini, signe d'un transfert partiel entre jeux de scènes. Les deux jeux restent des environnements simulés d'intérieur. Rien ne prouve donc encore un transfert sim-to-real sur un robot physique. Le travail s'inscrit dans la lignée des pipelines de génération procédurale d'environnements comme ProcTHOR, de la curation de données synthétiques et de l'entraînement par curriculum, jusqu'ici surtout pilotés par des critères génériques. L'usage d'un LLM comme outil de diagnostic rapproche WEDGE des approches d'évaluation automatisée des politiques. Les auteurs montrent aussi que la faiblesse dominante peut persister ou se déplacer à mesure que l'agent progresse, ce qui justifie un ré-diagnostic itératif. Cette boucle reste à tester sur des modèles vision-langage-action plus larges et sur du matériel réel. Il s'agit d'une prépublication arXiv, sans produit ni pilote industriel annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Apprendre à être différent : spécialisation des composants pour les politiques de diffusion compositionnelles
3arXiv cs.RO 

Apprendre à être différent : spécialisation des composants pour les politiques de diffusion compositionnelles

Des chercheurs publient sur arXiv (identifiant 2610.27194, première version) une méthode destinée à corriger un défaut des politiques de diffusion à scores composés linéairement, une approche de plus en plus utilisée pour l'apprentissage robotique multitâche. Le principe consiste à combiner plusieurs facteurs, chacun prédisant une composante du bruit, afin de permettre une adaptation tâche par tâche, une généralisation compositionnelle et une décomposition fonctionnelle lisible. Les auteurs constatent que les objectifs d'entraînement actuels n'incitent pas ces facteurs à se spécialiser. Les débruiteurs obtenus sont souvent illisibles, et leur prédiction composée revient à une moyenne de copies quasi identiques. Pour y remédier, l'équipe propose une perte auxiliaire de décorrélation des scores, qui s'ajoute à l'existant. Elle pénalise directement le recouvrement entre les prédictions de bruit des composantes, avec peu de modifications d'architecture et un surcoût de calcul limité. Sur plusieurs benchmarks, elle réduit le « double comptage » mesurable entre composantes, améliore la décomposition des tâches et produit une spécialisation cohérente sur le plan comportemental, sans dégrader la performance multitâche. Le résumé ne donne aucun chiffre précis, ni nom de benchmark, ni taux de réussite. L'enjeu est surtout méthodologique, mais il touche une promesse centrale de la robotique modulaire. Si les composantes d'une politique composée font en réalité toutes la même chose, l'argument de la modularité tombe. On ne peut alors ni remplacer un module, ni ajouter une compétence sans réentraîner l'ensemble, ni auditer ce que chaque facteur contribue. Pour un intégrateur ou un décideur B2B, l'interprétabilité n'est pas un luxe académique : elle conditionne le débogage, la certification et la réutilisation de compétences d'un site à l'autre. Ce travail suggère que la composition « gratuite » de politiques ne tient pas par défaut et qu'il faut l'imposer par l'entraînement. En revanche, il reste à démontrer sur des tâches réelles, avec des robots physiques et des volumes de données industriels. Aucune validation de ce type n'est mentionnée, et « sans compromis sur la performance » demande à être vérifié dans l'article complet. Ce résultat s'inscrit dans la montée des politiques génératives de type diffusion, popularisées par Diffusion Policy puis intégrées aux modèles vision-langage-action (VLA) comme Pi-0 ou GR00T. Il rejoint aussi les travaux sur la composition de modèles de diffusion, issus de la génération d'images, que la théorie de la composition projective cherche à fonder. Le travail reste au stade de la recherche préliminaire : il n'y a ni produit ni pilote, et la valeur pratique dépendra de la reproduction des résultats par d'autres laboratoires. Les auteurs renvoient à un site de projet, hébergé sur GitHub Pages, pour le code et les démonstrations. La suite logique serait un passage à l'échelle sur des modèles fondation multitâche et un test sur des manipulateurs réels.

RecherchePaper
1 source
Modélisation et compréhension des poids neuronaux des politiques humanoïdes par diffusion
4arXiv cs.RO 

Modélisation et compréhension des poids neuronaux des politiques humanoïdes par diffusion

Des chercheurs proposent une méthode pour générer directement les poids de réseaux de contrôle humanoïdes, plutôt que de les obtenir par un entraînement classique. Décrit dans l'article arXiv 2610.20606, le système repose sur un cadre de diffusion latente qui associe un autoencodeur linéaire à un Diffusion Transformer. L'autoencodeur compresse les paramètres du réseau acteur dans un espace latent compact, et le Diffusion Transformer modélise la distribution de ces latents. Les réseaux d'entraînement proviennent d'apprentissage par renforcement (RL) sur le robot Unitree G1. Les auteurs affirment que les réseaux générés sont déployables sur le robot réel et exécutent plusieurs mouvements, dont la marche, la danse et un coup de pied tournant (spin kick). L'article ne fournit pas, dans son résumé, de taux de réussite, de nombre de réseaux générés ni de comparaison chiffrée avec un entraînement standard. Des résultats complémentaires sont annoncés sur le site du projet. L'intérêt est double. D'un côté, l'étude montre qu'il est faisable de modéliser l'espace des poids de politiques humanoïdes agiles, ce qui pourrait à terme servir à produire rapidement des contrôleurs variés sans relancer un entraînement complet pour chaque comportement. Pour un intégrateur, cela évoquerait une bibliothèque de politiques générée à la demande, mais on reste au stade de la recherche : rien n'indique encore une robustesse comparable à celle de politiques entraînées, ni un gain de temps mesuré. De l'autre, l'analyse de l'espace des poids révèle, dans les poids de la première couche, une structure qui reflète le prior cinématique du robot. Cette structure apparaît aussi bien avec le RL qu'avec l'apprentissage par imitation (IL), ce qui suggère qu'elle tient à l'embodiment humanoïde plutôt qu'à la méthode d'optimisation. Cette piste d'interprétabilité pourrait aider à comprendre ce que les contrôleurs apprennent réellement, et peut-être à faciliter leur transfert d'un robot à un autre. Ce travail s'inscrit dans la progression rapide du contrôle humanoïde par apprentissage, où le G1 d'Unitree est devenu une plateforme de référence académique grâce à son coût relativement accessible et à son adoption large. La plupart des travaux se concentrent sur l'entraînement de politiques, en simulation puis par transfert vers le réel, ou sur des modèles généralistes de type VLA, tels que ceux développés par Figure, NVIDIA ou Physical Intelligence. La génération de poids par diffusion, déjà explorée dans d'autres domaines, est ici appliquée aux humanoïdes, et l'article se présente comme une première étude de faisabilité. Les suites logiques seraient d'élargir la diversité des comportements, de tester d'autres morphologies et de quantifier les performances face aux méthodes classiques. Aucun partenaire industriel ni calendrier de déploiement n'est mentionné.

RecherchePaper
1 source