Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
CLIFT : transformer Gemini Robotics On-Device en spécialistes humanoïdes via un réglage fin itératif en boucle fermée non invasif
RecherchearXiv cs.RO 

CLIFT : transformer Gemini Robotics On-Device en spécialistes humanoïdes via un réglage fin itératif en boucle fermée non invasif

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

Des chercheurs viennent de publier une étude (arXiv:2607.29172v1) testant les limites de Gemini Robotics On-Device (GROD), le modèle fondation robotique de Google DeepMind, dans son mode d'accès le plus restreint : l'API de fine-tuning supervisé managé, où l'utilisateur envoie des données d'entraînement et récupère une politique ajustée sans jamais toucher aux poids, aux gradients ni aux mécanismes internes du modèle. Sur un humanoïde réel confronté à des tâches de manipulation agiles et riches en contacts, les auteurs montrent qu'un simple fine-tuning supervisé via cette API surpasse nettement un VLA open-weight de référence entraîné sur les mêmes démonstrations, mais reste en deçà du niveau de fiabilité attendu en déploiement. Pour combler cet écart, l'équipe introduit CLIFT (Closed-Loop Iterative Fine-Tuning), une méthode qui transforme les signaux de récompense observés au moment du déploiement en données d'entraînement compatibles avec l'API, permettant une amélioration en boucle fermée sans accès aux poids, gradients, vraisemblances ni fonctions de perte. Résultat annoncé : un taux de succès quasi parfait après seulement deux cycles de ce "flywheel".

L'enjeu dépasse le cas GROD. Les fournisseurs de modèles fondation robotiques les plus performants suivent le même chemin que les grands labos de LLM : garder les poids fermés et ne proposer qu'une API de fine-tuning. Cela prive les intégrateurs et équipes robotique de l'apprentissage par renforcement classique, pourtant jugé nécessaire pour les tâches de contact fin où l'écart entre sortie de politique et comportement réel reste large. CLIFT propose une voie pour retrouver une partie de ce bénéfice sans que le fournisseur du modèle n'ouvre sa boîte noire, ce qui intéresse directement les acteurs qui devront un jour adapter des modèles propriétaires à leurs propres robots et environnements de production.

Le travail s'inscrit dans la lignée de Gemini Robotics, la famille de modèles annoncée par Google DeepMind en 2025, et fait écho aux pratiques déjà en place chez OpenAI ou Anthropic pour le fine-tuning managé des LLM. Il se positionne en creux face aux modèles ouverts comme Pi-0 ou GR00T, qui autorisent un réglage plus profond mais restent en retrait de GROD en performance brute selon cette étude, ouvrant la question de la généralisation de CLIFT à d'autres embodiments et tâches.

Dans nos dossiers

NVIDIA GR00TGemini RoboticsarXiv cs.RO

À lire aussi

Cinématique inverse en boucle fermée de dimension infinie pour les robots souples via des opérateurs neuronaux
1arXiv cs.RO 

Cinématique inverse en boucle fermée de dimension infinie pour les robots souples via des opérateurs neuronaux

Des chercheurs proposent une cinématique inverse en boucle fermée (CLIK) formulée directement en dimension infinie pour les robots souples, dans un article arXiv (2602.18655, version 3). Pour un robot rigide entièrement actionné, l'inversion cinématique est un problème purement géométrique, que les schémas CLIK résolvent efficacement en calculant des vitesses articulaires. Les robots souples sous-actionnés rendent le problème très mal posé, car toutes les configurations ne sont pas atteignables par la commande. Les extensions existantes passent par des correspondances de bout en bout entre actionnement et espace de la tâche, mais elles supposent un espace de configuration virtuel de dimension finie. Les auteurs composent ici une application actionnement-vers-forme avec une application forme-vers-tâche. Ils obtiennent la cinématique différentielle de bout en bout grâce à une règle de dérivation en chaîne en dimension infinie, ce qui donne un algorithme CLIK fondé sur la jacobienne. Le raisonnement porte sur la forme entière du robot et évite les étapes d'approximation intermédiaires. Comme les modèles de robots souples complexes existent rarement sous forme fermée, ni l'application actionnement-forme ni sa jacobienne ne s'obtiennent en général analytiquement. Les auteurs proposent donc de les apprendre avec des opérateurs neuronaux différentiables, des réseaux qui apprennent des correspondances entre espaces de fonctions plutôt qu'entre vecteurs de taille fixe. La validation se fait en deux temps. Une étude analytique porte d'abord sur un segment à courbure constante. La version neuronale est ensuite appliquée à un bras souple à trois fibres, dont le modèle sous-jacent repose sur la morphoélasticité et la théorie des filaments actifs. Le résumé ne donne aucun chiffre sur la précision de suivi, les temps de calcul ou la robustesse. Il ne dit pas non plus si les essais ont eu lieu en simulation ou sur matériel physique. Le bras à trois fibres semble être évalué sur un modèle physique, ce qui laisse ouverte la question du transfert simulation-réalité. Pour l'industrie, il s'agit de recherche fondamentale sans produit ni déploiement, mais elle touche un verrou réel. Les robots souples promettent la sécurité et l'adaptabilité en manipulation délicate, en alimentaire, en médical ou en inspection, mais leur commande reste le principal frein à l'industrialisation. Une approche qui évite de réduire la forme à quelques paramètres, comme la courbure constante par morceaux, pourrait améliorer la précision sur des structures très déformables. Elle dépend toutefois de la qualité de l'opérateur appris, donc des données d'entraînement et de la généralisation hors distribution, des points que le résumé ne traite pas. Cette voie s'inscrit dans la tendance plus large de l'apprentissage de modèles différentiables pour la commande. Elle reste très éloignée des politiques VLA (vision-langage-action) des humanoïdes, et son horizon est celui du laboratoire. La suite logique est une validation sur matériel, une évaluation en temps réel et une comparaison chiffrée avec les méthodes CLIK à dimension finie.

RecherchePaper
1 source
Apprentissage et transfert de logiciels robotiques en boucle fermée
2arXiv cs.RO 

Apprentissage et transfert de logiciels robotiques en boucle fermée

Un article de recherche mis en ligne sur arXiv sous la référence 2609.19906v1, intitulé « Learning and Transferring Closed-Loop Robot Software », étudie si du code de politique robotique amélioré sur une tâche peut être réutilisé pour en apprendre de nouvelles. La méthode : pour chaque tâche source, un agent de codage génère une politique de contrôle en boucle fermée à partir de quelques démonstrations réussies, l'améliore de façon itérative via un retour de simulation, puis conserve les versions validées dans une archive logicielle ; pour une tâche cible nouvelle, l'agent réutilise ces implémentations archivées avec des démonstrations cibles et un retour d'exécution pour produire une politique finale, figée, qui tourne ensuite sans plus aucun appel à un modèle. Testée dans l'environnement de simulation RoboCasa, l'optimisation itérative fait passer le taux de réussite moyen de 28,3% à 64,2% sur quatre tâches sources. Sur neuf tâches cibles et trois exécutions indépendantes, le taux de réussite moyen atteint 45,2% sans code de référence, 41,5% avec le code source initial non optimisé, et 57,0% avec le code source optimisé, soit un gain moyen de 15,6 points de pourcentage en faveur des versions optimisées sur les trois runs. Ce résultat apporte un argument concret dans le débat sur l'utilité réelle des agents de codage en robotique : du code de contrôle amélioré sur une tâche transfère effectivement à de nouvelles tâches, et pas seulement de façon locale et sur-ajustée à son contexte d'origine. Pour les équipes R&D et les intégrateurs, cela suggère la possibilité de bibliothèques logicielles capitalisables d'une tâche à l'autre, une alternative au réentraînement ou au fine-tuning généralement requis par les politiques neuronales vision-langage-action (VLA) de bout en bout à chaque nouveau contexte d'usage. Les auteurs tempèrent toutefois eux-mêmes la portée de leur démonstration : sur deux des neuf tâches cibles, le code initial non optimisé reste en moyenne meilleur que le code optimisé, signe que le transfert n'est ni garanti ni uniforme selon les tâches. L'étude s'inscrit dans un courant de recherche qui explore les agents de codage assistés par IA comme alternative ou complément aux politiques neuronales entraînées de bout en bout, un terrain aujourd'hui dominé dans les annonces industrielles par les grands modèles VLA. Elle repose entièrement sur RoboCasa, un environnement de simulation de tâches domestiques et de manipulation, sans mention de déploiement sur robot physique ni de partenariat industriel. Le résumé ne précise ni l'agent de codage ni le modèle de langage sous-jacent utilisé pour générer les politiques, ni le coût de calcul de l'optimisation itérative par tâche, des éléments qui resteront à documenter pour juger de la viabilité de l'approche au-delà de la simulation.

RecherchePaper
1 source
Un cadre en boucle réel-simulation-réel (RSR) pour le transfert de politiques robotiques généralisables
3arXiv cs.RO 

Un cadre en boucle réel-simulation-réel (RSR) pour le transfert de politiques robotiques généralisables

Des chercheurs proposent un cadre « Real-to-Sim-to-Real » (RSR), publié sur arXiv dans sa troisième version (2503.10118v3), qui vise à réduire l'écart entre simulation et monde réel lors du transfert de politiques de contrôle robotique. Sa contribution centrale est une fonction de coût d'inspiration théorique de l'information. Elle pèse deux objectifs : accomplir la tâche, et orienter la politique vers la collecte d'échantillons réels les plus informatifs possible pour améliorer le transfert. Cette fonction s'intègre dans des algorithmes d'apprentissage par renforcement existants, comme PPO ou SAC, et vise une exploration équilibrée des zones critiques du domaine réel. Le cadre a été implémenté avec la plateforme MuJoCo MJX et testé sur deux familles de tâches : de la manipulation avec un bras robotique à 6 DOF, et de la locomotion avec un robot à pattes. Les auteurs annoncent une acquisition de données plus efficace et une nette amélioration des performances en conditions réelles. Le résumé ne chiffre ni les gains ni le nombre d'essais, et ne nomme ni robots ni laboratoires. L'intérêt est de traiter le sim-to-real comme un problème de choix des données réelles à collecter, et non seulement de réglage de la simulation. Les échantillons réels coûtent cher, surtout sur des robots à pattes ou des bras industriels où chaque essai use le matériel et mobilise des opérateurs. Une politique qui cherche activement l'information manquante sur l'écart de dynamique pourrait réduire le nombre d'itérations réel-simulation nécessaires avant déploiement. Le simulateur différentiable est facultatif. Quand il existe, les données servent aussi à calibrer ses paramètres. Sinon, le cadre reste utilisable, ce qui élargit son champ d'application aux équipes sans pipeline différentiable. Il faut toutefois rester prudent : il s'agit d'un travail académique évalué sur deux plateformes, sans comparaison chiffrée visible dans le résumé, et loin d'une validation à l'échelle industrielle ou sur des tâches longues et variées. Ce travail s'inscrit dans l'effort général pour fermer l'écart sim-to-real, qui freine le passage de l'entraînement massif en simulation aux robots déployés. La randomisation de domaine, l'identification de paramètres et les simulateurs différentiables en sont les approches classiques. Le choix de MuJoCo MJX, version accélérée sur GPU via JAX, reflète la place de ces outils dans la recherche actuelle. Les grands acteurs de l'humanoïde et des modèles de fondation robotiques s'appuient eux aussi fortement sur la simulation, ce qui rend ces méthodes d'exploration guidée potentiellement pertinentes pour eux. La suite dépendra de la publication du code, de l'évaluation sur des systèmes plus complexes et de comparaisons directes avec les méthodes existantes.

RecherchePaper
1 source
TrySee : ancrage modulaire d'un VLM enrichi par la perception pour la planification de tâches robotiques en boucle fermée dans des domaines spécialisés
4arXiv cs.RO 

TrySee : ancrage modulaire d'un VLM enrichi par la perception pour la planification de tâches robotiques en boucle fermée dans des domaines spécialisés

TrySee, un pipeline de planification de tâches robotiques en boucle fermée, vient d'être décrit sur arXiv (2610.35687). Il associe le raisonnement d'un modèle vision-langage (VLM) généraliste à des modules de perception propres à chaque domaine et à des briques robotiques classiques, notamment la planification de mouvement. Le système repose sur un cycle de planification réactif, enrichi par un prétraitement visuel modulaire qui assure un ancrage (grounding) en ligne de ce que voit le modèle. Un mécanisme de sélection dynamique du prétraitement permet d'étendre le pipeline à de nouveaux cas d'usage. Aucun fine-tuning du VLM ni démonstration de bout en bout n'est requis : l'adaptation passe par le remplacement des modules de perception et de planification de mouvement. L'évaluation couvre cinq domaines très différents, dont une tâche réelle de désassemblage robotisé, testée en environnement brownfield, c'est-à-dire un site existant non conçu pour la robotique. Le résumé ne donne ni taux de réussite, ni temps de cycle, ni nom de VLM ou de robot, ni détail sur les quatre autres domaines. L'intérêt tient au problème visé. Les VLM raisonnent bien sur des scènes courantes, mais leur interprétation d'images et leur localisation d'objets se dégradent dans les contextes spécialisés, comme l'industrie, la maintenance ou le recyclage. Plutôt que de recourir à des modèles vision-langage-action (VLA) entraînés sur de grandes quantités de démonstrations, TrySee en conserve la partie « raisonnement » et confie la perception fine à des modules interchangeables. Pour un intégrateur, c'est une voie plus économe en données, qui rend le système plus auditable et permet de changer un composant sans réentraîner l'ensemble. Cela suggère aussi que, dans les domaines pauvres en données, une architecture modulaire reste une alternative crédible aux approches de bout en bout. Il faut toutefois rester prudent : il s'agit d'un préprint non évalué par les pairs. Sans chiffres publiés, la robustesse, la latence d'une boucle qui interroge un VLM à chaque cycle et la sensibilité au choix des modules restent inconnues. Un seul test réel, celui du désassemblage, ne prouve pas la généralité du système. Ce travail s'inscrit dans la lignée des approches qui pilotent des robots par un modèle de langage, telles que SayCan ou Code as Policies. Il s'oppose à la tendance actuelle des VLA entraînés de bout en bout, comme Pi-0, Helix ou GR00T, qui demandent beaucoup de données de téléopération. Le désassemblage, utile à l'économie circulaire et au recyclage de batteries ou d'électronique, est un terrain où les variations d'objets sont importantes et les données rares. L'étape suivante consistera à publier des métriques détaillées, à comparer TrySee à des VLA et à tester le système sur davantage de sites industriels réels.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source