RecherchearXiv cs.RO 16 septembre 2026

Machine Zygote : hérédité biparentale causale avant apprentissage dans un agent artificiel à lignée germinale-soma

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs décrivent Machine Zygote, une architecture germinale-somatique testant si un agent artificiel nouveau-né hérite mesurablement de deux parents avant tout apprentissage, et si ce lien est isolable causalement plutôt que simplement déduit d'une ressemblance parent-enfant. Deux lignées germinales, mutées indépendamment puis recombinées en un zygote, pilotent le développement d'un corps virtuel générique à huit modules, ensuite figé et évalué sans apprentissage. Un plan préenregistré en diallèle 4x4 portant sur 640 descendants montre, après correction de Holm, une dépendance significative au père et à la mère pour cinq des six traits comportementaux, les effets parentaux et d'interaction expliquant 36 à 53% de la variance sur les cinq traits principaux. Dans des interventions à fond contrôlé (n=60), remplacer une seule lignée parentale en fixant recombinaison et bruit stochastique modifie le phénotype au-delà d'un contrôle de ré-mutation du même parent, pour cinq traits sur six et les deux canaux parentaux, tandis que la recombinaison produit un excès de descendants transgressifs en vitesse et fréquence de démarche.

Cette démonstration établit, pour la vie artificielle et la robotique évolutive, un lien de causalité, et non une simple corrélation, entre origine parentale et comportement d'un agent avant tout apprentissage. Elle contredit toutefois l'hypothèse, elle aussi préenregistrée, qu'une dynamique développementale récurrente serait nécessaire : une ablation quasi-statique sans dynamique préserve la distribution moyenne des phénotypes mais modifie la structure de variance parentale. Pour la robotique développementale, l'apport principal est un protocole reproductible séparant hérédité, développement, variation stochastique et apprentissage postnatal, une distinction rarement isolée aussi proprement dans les travaux existants sur les contrôleurs hérités.

L'étude s'inscrit dans la lignée des travaux sur l'ontogenèse artificielle, les encodages développementaux et la reproduction robotique, où des contrôleurs hérités existent déjà sans isolation causale claire du signal parental. Publié sur arXiv (2609.17300v1), l'article précise explicitement ses limites : le travail reste confiné à la simulation et n'établit ni hérédité physique, ni génétique biologique, ni évolution autonome. Les auteurs présentent leur contribution comme un cadre et un benchmark reproductibles, destinés à être testés sur d'autres architectures germe-soma et, à terme, transposés à des plateformes robotiques physiques.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Plasticité neuronale à seuil d'énergie libre pour l'apprentissage moteur en ligne dans l'interaction physique humain-robot

Un article publié sur arXiv (identifiant 2608.23000v1) présente Free-Energy-Gated Plasticity (FEGP), un mécanisme de plasticité synaptique appliqué au réseau Predictive-Coding-inspired Variational Recurrent Neural Network (PV-RNN), un modèle récurrent variationnel inspiré du codage prédictif. FEGP ajuste en continu le taux d'apprentissage effectif du réseau en fonction de l'énergie libre variationnelle, c'est-à-dire de l'écart entre les prédictions internes du modèle et les observations réelles. Lors d'une interaction physique homme-robot en temps réel, un réseau initialisé aléatoirement, sans pré-entraînement hors ligne, sans mécanisme de rejeu (replay) et sans signal explicite de changement de tâche, a appris trois motifs moteurs cycliques distincts, les trois réapparaissant ensuite de façon autonome lors de restitutions (rollouts) sans intervention humaine. Les auteurs ont conduit des expériences contrôlées sur dix séquences d'enseignement générées aléatoirement, chacune testée avec cinq initialisations différentes du réseau, montrant que FEGP améliore nettement la couverture du répertoire de mouvements appris ainsi que la rétention des motifs acquis après leur sortie de la fenêtre d'observation récente. Ce résultat s'attaque à un problème central pour la robotique collaborative et l'apprentissage embarqué en continu: comment un robot peut-il acquérir de nouveaux comportements moteurs pendant une interaction en direct sans effacer ce qu'il a déjà appris, un phénomène connu sous le nom d'oubli catastrophique. Pour les intégrateurs travaillant sur des cobots ou des interfaces d'enseignement par démonstration, cette approche évite le recours coûteux au pré-entraînement hors ligne ou à des bases de rejeu volumineuses, et suggère qu'un simple signal d'erreur de prédiction, correctement synchronisé dans le temps, suffit à arbitrer entre stabilité et plasticité en ligne. Le travail s'inscrit dans la lignée des réseaux PV-RNN et du cadre théorique de l'énergie libre issu des neurosciences computationnelles. Les auteurs ont testé deux hypothèses alternatives, un taux d'apprentissage constant calibré sur la moyenne temporelle du gâté, et un rejeu des mêmes valeurs de gain mais désynchronisé, aucune ne reproduisant les gains observés. Cela indique que c'est l'allocation temporelle précise de la plasticité, et non sa seule magnitude moyenne, qui conditionne la rétention. L'article ne précise pas d'institution ni de calendrier de suite, mais ouvre la voie à des tests sur des répertoires moteurs plus larges et des interactions humaines plus complexes.

RecherchePaper

1 source

2arXiv cs.RO

Perception artificielle fovéale pour réduire l'apprentissage par raccourcis dans les modèles fondation robotiques

Le laboratoire de recherche présente Artificial Foveated Perception (AFP), un module léger et agnostique à l'architecture destiné à corriger un défaut structurel des modèles fondamentaux robotiques actuels. Le problème identifié est le "shortcut learning" : les politiques de contrôle apprennent à exploiter des corrélations statistiques présentes dans les données d'entraînement (couleur du fond, position d'un objet non pertinent) plutôt que les indices visuels réellement déterminants pour réussir la tâche. AFP prend en entrée les mêmes flux vision et langage que les pipelines Vision-Language-Action (VLA) et World Action Model, et génère des masques conditionnés par la tâche qui isolent les objets pertinents, le robot lui-même, et les zones critiques pour l'action. Ces masques servent de signal de supervision auxiliaire pendant le fine-tuning, sans modifier l'architecture du modèle. Une fois l'entraînement terminé, la politique fonctionne directement sur le flux d'observation brut, sans qu'AFP intervienne dans la boucle de contrôle en production. Cette approche s'attaque à un angle mort largement documenté en vision par ordinateur mais peu exploré jusqu'ici dans la robotique fondationnelle : la différence entre une performance en démonstration et une robustesse réelle en déploiement. Les résultats rapportés montrent que le foveated perception réduit le temps de fine-tuning, limite le surapprentissage, et améliore la généralisation face aux perturbations environnementales, un problème récurrent quand des VLA entraînés sur des scènes contrôlées se retrouvent face à des variations d'éclairage, de fond ou d'agencement en conditions réelles. Pour les intégrateurs et équipes robotique qui déploient des modèles génératifs de contrôle à l'échelle industrielle, ce type de méthode répond directement à une inquiétude concrète : un modèle qui semble fonctionner en vidéo de démonstration peut échouer dès que le contexte visuel change légèrement, précisément parce qu'il a appris les mauvais indices plutôt que la logique causale de la tâche. Le travail s'inscrit dans la lignée des efforts récents autour des VLA généralistes (dans la famille de Pi-0, GR00T N2 ou Helix), où la question du passage à l'échelle et de la robustesse reste ouverte malgré les progrès en transfert cross-embodiment et en contrôle conditionné par le langage. Les auteurs testent AFP sur plusieurs modèles fondamentaux robotiques de référence et mènent des ablations sur la qualité des masques et la conception de la fonction de perte de grounding, montrant que les gains proviennent bien de la redirection de l'attention du modèle vers les preuves visuelles pertinentes, et non d'un effet secondaire indirect. La méthode reste pour l'instant au stade de la recherche publiée sur arXiv, sans indication de déploiement industriel ni de partenariat annoncé, mais elle propose une piste concrète et peu coûteuse en calcul pour rendre les futurs modèles VLA plus fiables avant leur mise en production.

RecherchePaper

1 source

3arXiv cs.RO

Apprentissage par renforcement sur du matériel quadrupède à coût limité

Des chercheurs démontrent qu'il est possible d'obtenir une locomotion robotique robuste sur du matériel quadrupède bas coût, malgré des latences matérielles qui compromettent habituellement les politiques de contrôle apprises par renforcement. Sur la plateforme Mini Pupper 2, l'équipe mesure un délai de transport de plus de 50 millisecondes entre la commande envoyée à l'actionneur et son exécution réelle, un délai qui transforme la tâche de marche d'un processus de décision markovien classique en un problème partiellement observable, bien plus difficile à résoudre par apprentissage. Pour combler cet écart entre simulation et déploiement réel, les auteurs combinent un modèle prédictif du délai moyen des actionneurs avec un réseau de neurones "conscient du temps" (time-aware), c'est-à-dire capable d'intégrer explicitement la dimension temporelle dans ses décisions. Résultat marquant : ce réseau apprend spontanément un générateur de motif central (CPG), un patron de marche rythmique auto-entretenu qui reste stable même face à des perturbations de latence allant jusqu'à 320 millisecondes. L'enjeu dépasse le simple exercice académique. La plupart des progrès en locomotion apprise par renforcement s'appuient sur du matériel haut de gamme, aux actionneurs précis et peu sujets au bruit, ce qui limite la portée pratique de ces recherches pour des robots réellement abordables. Ici, l'équipe montre qu'un défaut matériel structurel, le délai de transport, peut être compensé non pas en améliorant l'actionneur mais en changeant l'architecture de contrôle elle-même. C'est un signal utile pour les intégrateurs et fabricants visant des plateformes robotiques low-cost : le goulot d'étranglement du sim-to-real n'est pas uniquement une question de fidélité de simulation, mais aussi de représentation temporelle dans le réseau de contrôle. L'approche s'inspire directement de la biologie : les générateurs de motifs centraux existent naturellement dans la moelle épinière des vertébrés, où ils produisent des rythmes moteurs autonomes indépendants du retour sensoriel direct, précisément pour gérer les délais de transmission nerveuse. En retrouvant ce même mécanisme de manière émergente dans un réseau artificiel confronté à un problème analogue, les auteurs suggèrent que l'auto-organisation temporelle pourrait constituer une stratégie générale, et non un simple artifice, pour la locomotion sur matériel contraint en coût. Les auteurs positionnent ce travail comme une piste à creuser plutôt qu'une solution définitive, ouvrant la voie à des tests sur d'autres plateformes bas coût et d'autres profils de délai.

RecherchePaper

1 source

4arXiv cs.RO

DistAL : un apprentissage de l'avantage basé sur la distance pour affiner les modèles VLA

Un article publié sur arXiv (référence 2609.18392v1, catégorie "new", donc non encore relu par les pairs) présente DistAL, pour Distance-based Advantage Learning, une nouvelle méthode d'entraînement pour les modèles vision-langage-action (VLA) utilisés en manipulation robotique. Ces modèles combinent la compréhension sémantique des grands modèles de langage avec le contrôle précis de politiques par flow-matching. La méthode s'appuie sur le principe du "advantage conditioning", une technique récente qui entraîne une fonction de valeur à partir de données de déploiement puis conditionne la politique de contrôle sur cette fonction pour l'améliorer de façon itérative. Jusqu'ici, ces approches reposaient sur de simples récompenses binaires de succès ou d'échec, incapables de distinguer la qualité réelle d'un état au-delà de sa progression apparente dans la tâche. DistAL introduit à la place une récompense fondée sur la distance dans un espace d'embedding, une idée inspirée des méthodes de détection hors distribution (OOD), pour construire une fonction de valeur plus informative. Les auteurs testent leur méthode sur plusieurs bancs d'essai en simulation ainsi que sur des tâches de manipulation bi-manuelle dextre exécutées sur du matériel robotique réel, avec un taux de succès en aval supérieur aux approches précédentes. L'enjeu dépasse le cadre académique: le secteur des VLA cherche depuis des mois à combler l'écart entre démonstrations scénarisées et fiabilité en conditions réelles, un point de friction majeur pour les intégrateurs qui affinent des politiques de manipulation sur leurs propres flottes. En améliorant la granularité du signal d'apprentissage sans changer l'architecture du modèle ni exiger davantage de données, ce travail suggère que le goulot d'étranglement actuel des VLA se situe moins dans le volume de données de pré-entraînement que dans la qualité du signal de récompense utilisé lors du fine-tuning post-déploiement, une nuance qui intéresse directement les équipes de recherche appliquée en robotique. Le "advantage conditioning" s'inscrit dans une lignée de méthodes visant à corriger les VLA après coup, plutôt qu'à tout réentraîner depuis zéro, une approche jugée plus économique à l'échelle industrielle. DistAL en constitue une extension technique plutôt qu'une rupture: elle remplace un signal de récompense pauvre par un signal géométrique plus riche, emprunté aux techniques de détection d'anomalies. À ce stade, il s'agit d'un résultat de recherche validé en simulation et sur du matériel réel en laboratoire, sans indication de partenariat industriel, de calendrier de transfert commercial ni d'identité des plateformes robotiques utilisées pour les essais bi-manuels.

RechercheOpinion

1 source