RecherchearXiv cs.RO 21 août 2026

OrthoSkillVLA : apprentissage continu de compétences par adaptation de sous-espace guidée par gradient

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Un article publie sur arXiv (référence 2608.19589v1) présente OrthoSkillVLA, une méthode qui permet a un modèle Vision-Language-Action (VLA) déjà preentraine d'apprendre de nouvelles compétences robotiques les unes après les autres sans effacer celles déjà acquises. Le problème cible est l'oubli catastrophique : chaque nouvelle adaptation perturbe les représentations et les cartographies de vitesse (velocity mappings) construites pour les compétences antérieures. Les auteurs distinguent deux fragilités propres a l'architecture VLA. D'un cote, le module vision-langage (VLM) porte des représentations sémantiques larges et sature vite sa capacité ; de l'autre, l'ActionHead traduit cette sémantique en commandes de vitesse localisées, beaucoup plus sensibles aux perturbations. Le décodeur de vitesse final pose un dilemme supplémentaire, puisque le geler bride l'expressivité du modèle alors que le mettre a jour risque d'écraser les compétences déjà apprises. OrthoSkillVLA répond en imposant des contraintes de sous-espace orthogonal séparées au VLM et a l'ActionHead, plutôt qu'une contrainte unique sur tout le modèle, et en remplaçant le décodeur par un routeur mixture-of-experts (MoE) léger, sans entrainement, qui alloue un expert compact par compétence selon l'affinité dans l'espace des features. La méthode fonctionne sans rejouer de démonstrations passées et a été validée en simulation ainsi que sur des essais réels, avec des études d'ablation.

Pour l'industrie robotique, ce travail s'attaque a un verrou concret de la mise en production des VLA : faire évoluer un robot déjà déployé avec une nouvelle compétence oblige aujourd'hui soit a reentrainer sur l'ensemble des données passées, soit a ajouter des modules dédiés par compétence, ce qui alourdit l'inférence embarquée. Une méthode préservant les compétences existantes sans stocker ni rejouer d'anciennes démonstrations, et sans faire gonfler les paramètres actifs a l'inférence, intéressé directement les intégrateurs qui veulent faire évoluer une flotte par mises a jour incrémentales plutôt que par reentrainement complet. Cela nourrit aussi le débat sur la solidité réelle des VLA a grande échelle, la plupart des démonstrations publiques montrant des compétences figées au moment du déploiement plutôt qu'un robot qui accumule des savoir-faire sur le terrain sans régression. Les résultats restent toutefois ceux d'un article de recherche, avec ses propres benchmarks, sans validation indépendante ni déploiement industriel confirme a ce jour.

Ce travail s'inscrit dans la lignée des modèles VLA généralistes, entraines une fois pour toutes et généralement dépourvus de mécanisme natif d'apprentissage continu après déploiement. Les approches existantes contre l'oubli catastrophique se repartissent en deux familles : les méthodes a base d'architecture, qui isolent chaque compétence dans des modules distincts au prix d'une empreinte croissante a l'inférence, et les méthodes a contrainte de sous-espace, qui limitent les mises a jour de gradient dans une direction orthogonale mais l'appliquent uniformément a tout le modèle. OrthoSkillVLA se positionne comme une alternative plus fine en traitant différemment le VLM et l'ActionHead selon leur rôle réel. L'article ne mentionne ni partenaire industriel, ni plateforme robotique spécifique, ni calendrier de déploiement : il s'agit a ce stade d'une contribution méthodologique publiée en preprint, dont l'adoption dépendra de sa reproduction et de son intégration dans des piles VLA existantes.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprentissage de séquences d'actions continues haute fréquence dans l'espace latent

Des chercheurs de TARS Robotics ont publié sur arXiv (2605.24931) une méthode de contrôle robotique haute fréquence baptisée RTR (Reuse-then-Refine), visant à résoudre un problème identifié dans les politiques d'action chunking actuelles. À 60 Hz, les systèmes qui exécutent des séquences pré-calculées de commandes motrices génèrent des mouvements saccadés et spatialement incohérents, ce que les politiques standard ne parviennent pas à corriger. L'approche RTR déplace l'apprentissage depuis l'espace d'action direct vers un espace latent encodé par un auto-encodeur variationnel (VAE), ce qui améliore significativement la consistance temporelle et spatiale. Elle intègre également une stratégie de raffinement par chunk permettant une transition fluide entre séquences adjacentes lors d'une inférence asynchrone. Les auteurs valident la méthode sur trois tâches réelles à contact riche, avec une exécution continue et moins de pauses involontaires. Le code et les données sont publiés en open source sur GitHub (tars-robotics/RTR). Le passage de 10-30 Hz à 60 Hz représente une frontière critique pour la manipulation robotique : à basse fréquence, le robot doit compenser sa lenteur par des pauses de recalcul, limitant son utilité en production industrielle. Les politiques de type VLA (Vision-Language-Action) ou diffusion policy, actuellement dominantes en imitation learning, fonctionnent généralement en dessous de 30 Hz. En montrant qu'un encodage latent peut absorber la variance temporelle sans sacrifier la précision spatiale, RTR apporte une réponse concrète au problème de "jerkiness" qui freine le déploiement des robots manipulateurs en conditions réelles. Pour un intégrateur ou un décideur B2B, c'est une voie vers des systèmes capables d'assurer une cadence de travail continue sans interruption de flux de production. L'action chunking a été popularisé par ACT (Action Chunking with Transformers, Zhao et al., 2023) et les travaux sur Diffusion Policy, tous deux conçus pour des fréquences modérées. TARS Robotics se positionne dans un espace concurrentiel qui inclut Physical Intelligence avec pi0-FAST (ciblant 50-200 Hz via flow-matching) et les efforts de Figure AI, Agility Robotics et Boston Dynamics sur le contrôle haute cadence. RTR se distingue de pi0-FAST en proposant un raffinement incrémental du chunk existant plutôt qu'une régénération complète, ce qui réduit la charge computationnelle par inférence. Il s'agit pour l'instant d'une contribution de recherche validée en laboratoire sur robot réel, sans timeline de déploiement industriel ni partenariat annoncé.

RechercheOpinion

1 source

2arXiv cs.RO

Adaptation des politiques génériques de robots par apprentissage par renforcement sémantique

Les auteurs de ce nouvel article arXiv (2606.31958v1) présentent SARL, pour Semantic Action Reinforcement Learning, une méthode d'apprentissage par renforcement pour adapter des politiques robotiques généralistes déjà pré-entraînées, c'est-à-dire des modèles vision-langage-action (VLA) capables d'un large répertoire de comportements. Au lieu d'optimiser directement l'espace des actions du robot, comme le font les approches RL classiques, SARL agit sur l'espace des prompts en langage naturel envoyés au modèle. Concrètement, l'algorithme apprend en ligne, par interaction avec l'environnement, à moduler les instructions textuelles données à la politique pour faire émerger et combiner des compétences déjà présentes dans son répertoire, plutôt que d'apprendre de nouveaux comportements depuis zéro. Les auteurs rapportent des validations à la fois en conditions réelles et sur des bancs d'essai simulés, avec des performances supérieures aux méthodes existantes d'amélioration de comportement en déploiement. L'intérêt de cette approche tient au problème qu'elle cherche à résoudre : les méthodes RL usuelles appliquées à un modèle généraliste supposent que sa distribution d'actions de départ est déjà proche d'une politique performante, une hypothèse qui s'effondre dès que la tâche est longue, complexe ou sort de la distribution d'entraînement initiale. En déplaçant l'optimisation vers l'espace sémantique des prompts, SARL rend l'exploration plus structurée et l'apprentissage en ligne beaucoup plus efficace en données, un enjeu central pour l'industrie robotique où le fine-tuning par interaction réelle reste coûteux et lent. Si les résultats se confirment à plus grande échelle, cela ouvrirait la voie à une adaptation rapide de robots généralistes à des tâches spécifiques d'un site industriel sans réentraînement lourd. Ce travail s'inscrit dans la lignée des politiques robotiques généralistes de type VLA, entraînées sur de larges corpus de démonstrations, dont l'adaptation post-déploiement est devenue un axe de recherche actif face aux limites du simple zéro-shot. Il rejoint d'autres tentatives d'affinage par renforcement de ces modèles, en proposant une alternative à l'optimisation directe des actions. Les auteurs annoncent vouloir approfondir les validations sur des tâches réelles à horizon plus long, sans toutefois préciser de calendrier de déploiement industriel.

RechercheActu

1 source

3arXiv cs.RO

Apprentissage de transitions de compétences hautement dynamiques pour le saut de quadrupèdes en espace contraint

Un pipeline d'apprentissage par renforcement hiérarchique, décrit dans un article publié sur arXiv (référence 2608.19977), permet à un robot quadrupède de franchir dynamiquement un espace contraint, en l'occurrence une porte étroite, en reproduisant les mouvements explosifs observés chez les animaux à quatre pattes. Le système combine deux niveaux : une politique bas niveau, entraînée par apprentissage par imitation à partir de comportements animaux réels, qui constitue un répertoire varié de compétences motrices, et un contrôleur haut niveau qui détecte l'ouverture par vision et sélectionne la manœuvre ainsi que la trajectoire sans collision adaptées pour la traverser en mouvement dynamique. Les auteurs indiquent avoir aussi vérifié que ce cadre se généralise à d'autres tâches hautement dynamiques au-delà du franchissement de porte. L'enjeu dépasse la simple démonstration acrobatique. Les quadrupèdes commerciaux savent aujourd'hui marcher, courir ou monter des escaliers, mais peinent encore à associer perception en temps réel et locomotion agile pour franchir des ouvertures étroites ou des obstacles dynamiques, une capacité pourtant utile pour des interventions en usines, sites sinistrés ou chantiers encombrés. En couplant une bibliothèque de compétences apprises par imitation à un planificateur piloté par la vision, les auteurs proposent une alternative à la trajectoire programmée à la main pour un obstacle unique, une piste vers une composition de compétences plus généralisable. Il s'agit néanmoins d'un travail de recherche fraîchement publié, sans partenaire industriel ni plateforme commerciale citée : la validation reste celle d'un prototype de laboratoire. Ce travail s'inscrit dans un courant de recherche actif sur l'agilité dynamique des robots à pattes, porté ces dernières années par des laboratoires comme l'ETH Zurich et le MIT ou par des fabricants comme Unitree et Boston Dynamics, déjà connus pour leurs démonstrations de sauts et de déplacements sur terrains accidentés. La spécificité revendiquée ici est de cibler le franchissement aérien et autonome d'une ouverture précise, présenté par les auteurs comme l'une des premières démonstrations de ce type sur un robot marchant au sol. L'article ne précise ni prochaine étape de validation ni calendrier vers une plateforme commerciale : il s'agit pour l'instant d'une preuve de concept destinée à la communauté de recherche en robotique.

RecherchePaper

1 source

4arXiv cs.RO

SIL : apprentissage interactif symbiotique pour la co-adaptation humain-agent guidée par le langage

Des chercheurs ont publié sur arXiv (2511.05203v3) SIL (Symbiotic Interactive Learning), un framework de co-adaptation bidirectionnelle pour l'interaction humain-agent. Contrairement aux systèmes actuels où l'agent exécute passivement des commandes en langage naturel, SIL maintient un espace latent partagé dans lequel humain et agent font évoluer conjointement leurs états de croyance (belief states) au fil des échanges. L'architecture repose sur des foundation models pour la perception spatiale et le raisonnement, un encodeur neuronal entraîné par triplet-loss qui ancre ces sorties dans des représentations spécifiques à la tâche, et des mémoires épisodique et sémantique régularisées via Elastic Weight Consolidation (EWC) pour prévenir l'oubli catastrophique. Sur des tâches simulées et réelles, suivi d'instructions, recherche d'information, raisonnement orienté requêtes et dialogue interactif, SIL atteint un taux de complétion de 90,4% et un score d'alignement de croyances ρ ≈ 0,83, soit un gain absolu d'environ 20 points de pourcentage sur les meilleures ablations. L'enjeu est conceptuellement notable : presque tous les systèmes HRI (human-robot interaction) actuels fonctionnent en mode maître-apprenti unidirectionnel, l'agent n'apprenant rien de l'opérateur en cours d'interaction. SIL propose à l'inverse une co-adaptation mutuelle permettant des clarifications proactives, des suggestions de plan adaptées et un affinement continu de la compréhension de la tâche. Pour les intégrateurs de cobots ou les décideurs industriels, cela adresse un point de friction concret : gérer l'ambiguïté opérationnelle sans sollicitations humaines répétées. La régularisation EWC répond aussi à un problème récurrent des VLA (Vision-Language-Action models) : la dégradation des performances lors du fine-tuning continu sur des tâches évolutives. Ce travail s'inscrit dans le courant d'intégration des foundation models dans la couche de contrôle robotique, aux côtés de RT-2 (Google DeepMind) et OpenVLA. La particularité de SIL réside dans sa boucle interactive bidirectionnelle plutôt que dans la seule généralisation task-to-task. Il s'agit à ce stade d'une preprint arXiv, sans revue par les pairs confirmée ni déploiement industriel annoncé ; les résultats sur tâches "réelles" méritent un examen attentif des protocoles expérimentaux, absents du résumé disponible. Les prochaines étapes naturelles sont une soumission en conférence (CoRL, ICRA) et une éventuelle intégration dans des plateformes d'agents embarqués pilotés par LLM.

RechercheOpinion

1 source