Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
EMERGE-Policy : un esprit robotique qui dépasse la politique unique
RecherchearXiv cs.RO 

EMERGE-Policy : un esprit robotique qui dépasse la politique unique

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

Publié fin août 2026 sur arXiv (2608.29896v1), EMERGE-Policy propose un cadre agentique structuré en graphe pour piloter un robot, en rupture avec l'idée d'une politique unique. Un Agent Principal conserve l'état de la tâche dans sa fenêtre de contexte, pendant que des Sous-Agents dédiés à la perception, à la surveillance de l'exécution, à la vérification et à la mémoire travaillent dans des contextes isolés et ne remontent que des preuves pertinentes. Une interface de "Skills" unifie des modules hétérogènes en trois familles, Opérationnelle, Imagination et Évaluation, avec vérification par critères, diagnostic textuel des échecs et récupération par "Branch Stack", le tout appuyé par une mémoire externe économe en tokens. Sans fine-tuning additionnel, les auteurs annoncent des résultats supérieurs sur plusieurs benchmarks publics et des essais sur robot réel, sans toutefois préciser dans l'abstract les benchmarks, scores ou matériel utilisés.

La démarche rompt avec le paradigme dominant du modèle vision-langage-action (VLA) unique entraîné de bout en bout, popularisé par des familles comme Pi-0, GR00T ou Helix, en traitant ces modèles comme de simples "skills" appelables par un orchestrateur multi-agent plutôt que comme la politique elle-même. Elle transpose au contrôle robotique des techniques déjà courantes chez les agents LLM: agent principal, sous-agents spécialisés, mémoire externe, vérification par critères. Pour les intégrateurs, l'enjeu est la fiabilité en conditions réelles: si la robustesse vient de l'orchestration et de l'auto-vérification plutôt que d'un modèle toujours plus gros, cela offrirait une voie pour corriger les échecs sans réentraîner le modèle de base, une réponse directe à l'écart persistant entre démonstrations et déploiement reproché aux VLA.

Le travail s'inscrit dans une tendance plus large de transfert des architectures d'agents LLM, orchestration multi-agents, appel d'outils, mémoire persistante, vers la robotique, alors que les modèles de fondation VLA (RT, OpenVLA, GR00T N2, Pi-0, Helix) sont devenus la recette par défaut pour la manipulation chez les humanoïdes. L'article ne mentionne aucune institution ni entreprise porteuse du projet et reste une prépublication non revue par les pairs. EMERGE-Policy est donc pour l'instant une proposition de recherche, pas un système déployé ou commercialisé, dont les résultats appellent une évaluation indépendante avant toute extrapolation industrielle.

Dans nos dossiers

IA physique & VLANVIDIA GR00TOpenVLA / RT-XarXiv cs.RO

À lire aussi

Vision-Langage-Politique : un modèle pour la planification dynamique des tâches robotiques
1arXiv cs.RO 

Vision-Langage-Politique : un modèle pour la planification dynamique des tâches robotiques

Une équipe de recherche propose un nouveau modèle baptisé Vision-Language-Policy, ou VLP, destiné à la planification dynamique de tâches robotiques à partir de commandes en langage naturel. Décrit dans un article déposé sur arXiv (2512.19178, version révisée), le système s'appuie sur un modèle vision-langage affiné sur des données réelles, capable d'interpréter des instructions sémantiques et de raisonner sur la scène de travail observée pour générer directement des politiques de comportement pilotant le robot. Les auteurs ont testé leur approche sur plusieurs robots différents et sur une variété de tâches en conditions réelles, démontrant que le modèle peut ajuster sa stratégie en cours d'exécution lorsque les instructions changent, sans nécessiter de replanification complète. Des vidéos de démonstration sont disponibles sur robovlp.github.io. L'article ne précise pas de métriques chiffrées de type charge utile, degrés de liberté ou temps de cycle, ni de nom de robot commercial identifiable, ce qui limite l'évaluation de la performance réelle du système face aux standards du secteur. L'intérêt de ce travail réside dans la promesse de généralisation inter-incarnations, c'est-à-dire la capacité d'un même modèle à fonctionner sur des morphologies de robots différentes sans réentraînement spécifique à chaque plateforme. C'est l'un des points durs actuels de l'IA robotique, où les modèles VLA (vision-language-action) peinent souvent à transférer d'un bras ou d'un humanoïde à un autre. Si l'adaptabilité dynamique aux changements de consigne se confirme à plus grande échelle, cela répondrait à une limite classique des architectures de planification traditionnelles, qui séparent rigidement le raisonnement de haut niveau de l'exécution bas niveau et s'adaptent mal aux imprévus. Ce travail s'inscrit dans la lignée des modèles VLA récents comme Pi-0 ou GR00T N2, qui cherchent tous à unifier perception, langage et action dans un même modèle entraîné de bout en bout. Il s'agit ici d'une contribution académique, sans annonce de partenaire industriel ni de déploiement commercial, et la prudence reste de mise tant qu'une validation indépendante sur des benchmarks standardisés n'a pas été publiée.

RechercheActu
1 source
VLA auto-adaptatif pour un déploiement robotique robuste
2arXiv cs.RO 

VLA auto-adaptatif pour un déploiement robotique robuste

Une équipe de recherche a publié en septembre 2026 sur arXiv (2609.30092) Self-Adaptive VLA, un protocole de post-entraînement qui permet à un modèle Vision-Language-Action de s'adapter en cours de déploiement aux dérives matérielles telles que l'usure des actionneurs ou un mauvais calibrage des capteurs. Un encodeur de contexte léger compresse l'image, la proprioception et les actions récentes en un jeton latent qui module la politique via une normalisation de couche adaptative (AdaLN), ces jetons pouvant s'enchaîner pour une autocorrection progressive au fil des essais. Sur quatre tâches de manipulation bi-manuelle et dextre à haute précision, la méthode récupère plus de 80% de la performance nominale malgré un biais d'actionnement ou un décalage des encodeurs articulaires, et se montre plus robuste lors du transfert vers de nouveaux postes de travail. Des vidéos de démonstration sont publiées en ligne sur une page de projet dédiée. Le sujet touche un verrou concret pour l'industrialisation des VLA : leur absence de mémoire les rend fragiles à la variabilité matérielle qui s'accumule sur un robot en service, imposant aujourd'hui des recalibrages fréquents sur site, coûteux en temps d'arrêt pour les intégrateurs et exploitants de flottes. En montrant qu'une politique peut retrouver l'essentiel de ses performances sans recalibrage manuel, ces travaux nuancent l'idée que les VLA entraînés à grande échelle seraient d'emblée robustes en conditions réelles : l'écart entre démonstration et déploiement industriel reste réel et appelle des mécanismes d'adaptation dédiés, pas seulement davantage de données. Pour les décideurs B2B, l'enjeu principal est la réduction du coût de maintenance des flottes de bras et d'humanoïdes équipés de VLA. Ces travaux s'inscrivent dans une vague de recherche sur les modèles de fondation Vision-Language-Action, famille qui compte des systèmes médiatisés comme Pi-0, GR00T N2 ou Helix, déjà testés ou déployés par plusieurs acteurs de la robotique humanoïde. Contrairement à ces annonces produits, Self-Adaptive VLA reste à ce stade un preprint académique, sans affiliation industrielle ni partenaire de déploiement cités, validé sur seulement quatre tâches de laboratoire et non sur une flotte réelle, une distinction importante entre preuve de concept et produit prêt à l'emploi. Les auteurs présentent l'approche comme une brique générique adaptable à d'autres architectures VLA, sans calendrier de transfert industriel annoncé.

RechercheOpinion
1 source
Chronos Policy : apprendre les politiques de robots en temps physique
3arXiv cs.RO 

Chronos Policy : apprendre les politiques de robots en temps physique

Des chercheurs publient sur arXiv (2610.13929) Chronos Policy, une politique robotique qui rend le temps physique explicite au lieu de le laisser implicite dans la position des éléments d'une séquence. Les politiques actuelles transforment capteurs et commandes en séquences observation-action à fréquence fixe. Chronos Policy conditionne au contraire un diffusion transformer sur les instants de capture des observations et sur les instants d'exécution souhaités des actions. Deux mécanismes sont comparés: l'ajout d'embeddings d'horodatage aux features des tokens, ou l'encodage du temps dans le positionnement via des rotary positional encodings sensibles au temps (time-aware RoPE). Cette seconde voie s'avère plus robuste, car l'attention dépend directement du temps physique sans modifier le contenu des tokens. À l'entraînement, les auteurs randomisent temporellement les observations échantillonnées et le début du chunk d'actions, ce qui expose la politique à des calendriers de perception et d'exécution variés. Cela permet aussi d'apprendre à partir de données asynchrones et multi-fréquences, sans les forcer sur une grille temporelle fixe. Les tests couvrent la simulation et le monde réel. Pour les intégrateurs, l'enjeu est très concret: sur un robot déployé, les caméras, capteurs de force ou tactiles tournent rarement à la même cadence, les délais de transmission fluctuent et la latence d'inférence varie avec la charge de calcul. Une politique entraînée à pas fixe suppose que ces paramètres ne bougent pas, et cette hypothèse se brise justement au passage du laboratoire à la production. Les auteurs rapportent des gains sur les tâches dynamiques, où le délai entre observation et action est critique, et sur les tâches multisensorielles, où le décalage relatif entre capteurs compte. Sur les tâches quasi statiques, la performance nominale est conservée, avec une meilleure robustesse aux changements de timing. Le résultat suggère qu'une partie de l'écart entre démonstration et déploiement tient à la gestion du temps plutôt qu'à la seule capacité du modèle. Il faut toutefois rester prudent: il s'agit d'un préprint, l'extrait disponible ne donne ni taux de réussite, ni fréquences, ni noms de plateformes, et l'ampleur des gains reste donc à vérifier dans le papier complet. Ce travail s'inscrit dans la lignée des politiques par diffusion et des VLA à action chunking, qui prédisent des blocs d'actions à fréquence fixe, et des méthodes de chunking temps réel visant à masquer la latence d'inférence. Ces approches traitent en général le délai comme une perturbation à compenser, alors que Chronos Policy l'intègre comme variable d'entrée du modèle. L'extension de RoPE au temps continu prolonge l'usage de cet encodage, devenu standard dans les transformers, vers la robotique. La question de la compatibilité avec des modèles de fondation plus gros, comme Pi-0 ou GR00T, reste ouverte, de même que la validation hors laboratoire, sur des cellules industrielles avec des capteurs hétérogènes. Aucun calendrier de code ou de déploiement n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
MARS Policy : la multimodalité uniquement quand c'est pertinent
4arXiv cs.RO 

MARS Policy : la multimodalité uniquement quand c'est pertinent

Une équipe de recherche a déposé le 29 mai 2026 sur arXiv (ref. 2605.29766) une nouvelle politique d'apprentissage par imitation pour la manipulation robotique, baptisée MARS (Modality-Adaptive Robot Sampling). La méthode s'attaque à un compromis central dans les politiques génératives modernes : les modèles multi-modaux comme les politiques de diffusion capturent la diversité comportementale nécessaire à la manipulation complexe, mais au prix d'une latence d'inférence élevée et d'une complexité d'entraînement importante. MARS propose d'injecter de la stochasticité uniquement lors des phases où la diversité comportementale est réellement utile, et de basculer vers un mode déterministe pendant les phases à comportement unique. Sur 8 tâches en simulation et 4 tâches en conditions réelles, la politique affiche une amélioration du taux de succès de 16,67 % et une réduction de la latence d'inférence de 83,20 % par rapport aux baselines génératives classiques. L'enjeu est concret pour les intégrateurs et les équipes de déploiement terrain : les politiques de diffusion, malgré leurs performances, imposent des délais d'inférence de l'ordre de la centaine de millisecondes par pas de temps, ce qui limite leur applicabilité sur des robots à haute cadence ou des plateformes embarquées à ressources contraintes. MARS adresse ce goulet d'étranglement sans sacrifier la capacité multi-modale. Plus contre-intuitif encore : même sur des tâches quasi-déterministes, MARS surpasse les politiques purement déterministes, ce qui suggère que le diagnostic adaptatif de la modalité requise améliore également la modélisation des nuances comportementales, pas seulement la vitesse. Ce travail s'inscrit dans le courant post-Diffusion Policy (Chi et al., 2023, Columbia/MIT) et ACT (Zhao et al., 2023, Stanford), qui ont établi les politiques génératives comme paradigme dominant de l'apprentissage robot. Des approches concurrentes comme VQ-BeT ou BESO tentent également de réduire la complexité inférentielle des modèles génératifs ; MARS se distingue par son caractère adaptatif en ligne plutôt que par une architecture alternative fixe. En tant que preprint non encore évalué par les pairs, ces résultats restent à confirmer sur un spectre de tâches plus large et sur des plateformes hardware diversifiées. Les auteurs ne mentionnent ni feuille de route commerciale ni partenariat industriel à ce stade.

RecherchePaper
1 source