Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RegenHarness : un harnais d'agent robotique à auto-amélioration récursive validée par preuves
RecherchearXiv cs.RO 

RegenHarness : un harnais d'agent robotique à auto-amélioration récursive validée par preuves

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

Un preprint arXiv (2609.27612v1, non relu par des pairs) présente RegenHarness, une couche d'orchestration pour agents robotiques qui distingue proposition du modèle, fin d'exécution du contrôleur et vérification réelle de la tache. Son architecture combine une boucle modèle générant des propositions conditionnées au contexte et une boucle agent organisée en quatre contextes isoles par rôle (planification, supervision, vérification, récupération), avec une mémoire versionnée et une porte de validation liée a l'identité et a la version de la tache, vérifiant l'objectif utilisateur avant toute déclaration de succès. Les auteurs documentent un déploiement réel sur un robot quadrupède en entrepôt: navigation déclenchée a la voix, inspection panoramique, analyse visuelle, livraison de message, retour et compte-rendu vocal, traces par audio, images, trajectoires et reçus. Un second circuit distinct montre que l'achèvement d'une tache dépend de l'historique d'exécution et non de la seule proximité au point final.

Les auteurs revendiquent le premier protocole d'auto-amélioration récursive "évidence-gated" pour des agents robotiques incarnes, une affirmation non encore validée par des pairs. A partir des journaux d'exécution, le système peut proposer des modifications de ses propres règles de contexte, gabarits de tache, routage ou politiques de récupération, mais leur adoption reste soumise a des tests de régression fixes et une autorisation explicite, avec déploiement et retour arrière versionnes; il ne touche jamais aux poids du modèle ni a la porte de validation elle-même. Pour les intégrateurs, l'intérêt tient moins a un nouveau modèle qu'a cette couche de gouvernance qui sépare ce qu'un modèle propose de ce qui est vérifie comme réellement accompli.

RegenHarness s'inscrit dans une recherche plus large visant a combler l'écart entre les modèles généralistes vision-langage-action et une exécution fiable sur le terrain, en ajoutant une couche de vérification autour des politiques existantes plutôt qu'en modifiant les modèles eux-mêmes. L'abstract ne nomme ni laboratoire, ni entreprise, ni plateforme quadrupède précise, empêchant toute comparaison avec les piles commerciales du secteur. Aucun volume de déploiement, calendrier de pilote ni prix n'est communique: il s'agit a ce stade d'une preuve de concept sur un site d'entrepôt et un circuit de test complémentaire, sans extension annoncée a d'autres plateformes.

Dans nos dossiers

IA physique & VLAarXiv cs.RO

À lire aussi

InstAgent : un système d'exploitation à base d'agents, à auto-amélioration récursive, pour la collaboration de robots hétérogènes
1arXiv cs.RO 

InstAgent : un système d'exploitation à base d'agents, à auto-amélioration récursive, pour la collaboration de robots hétérogènes

InstAgent est un système d'exploitation d'agents, présenté sur arXiv (2610.23098), qui vise à faire collaborer des équipes de robots hétérogènes, c'est-à-dire des machines aux capacités complémentaires en perception, mobilité et manipulation. Le système organise le comportement de l'équipe sous forme d'arbres de comportement (behavior trees, BT) dits agentiques. Ces arbres décrivent explicitement l'attribution des capacités, les dépendances entre robots et les contrôles de passation de tâche (handoff). Un mécanisme d'auto-amélioration récursive (RSI) met à jour ces programmes de collaboration à partir des retours d'exécution et conserve les révisions réussies pour les tâches suivantes. Une mémoire spatio-temporelle multimodale partagée fournit le contexte nécessaire à la planification et à la validation des passations. Les auteurs ont testé l'ensemble sur 20 tâches multi-robots réelles, avec trois modèles de haut niveau, et rapportent des gains constants en taux de réussite, en achèvement dès la première tentative et en efficacité d'exécution. Le résumé ne donne ni chiffres précis, ni liste des robots utilisés, ni identité des trois modèles. L'intérêt tient à trois verrous que les auteurs jugent mal traités par les systèmes existants : conserver les corrections faites pendant l'exécution comme expérience réutilisable, maintenir une mémoire de contexte fiable dans l'espace et le temps, et modéliser explicitement les dépendances entre robots. Pour un intégrateur, ce dernier point compte beaucoup. Dans un site mêlant AMR, bras fixes et robots mobiles manipulateurs, les échecs surviennent souvent aux interfaces, au moment où un robot remet un objet ou un état du monde à un autre. Traiter ces handoffs comme des conditions vérifiables dans un arbre de comportement, plutôt que comme des enchaînements implicites générés par un LLM, va dans le sens de la fiabilité exigée en production. Il faut toutefois rester prudent : 20 tâches de laboratoire restent un échantillon étroit, et sans taux absolus, sans détail sur les baselines ni sur la variété des plateformes, la portée industrielle reste à démontrer. Le choix de tester avec trois modèles suggère néanmoins que l'approche ne dépend pas d'un seul fournisseur. Ce travail s'inscrit dans la montée des architectures où des modèles de fondation servent de planificateur de haut niveau au-dessus de compétences de bas niveau, par opposition aux politiques VLA de bout en bout. Les arbres de comportement, standards de la robotique mobile et du jeu vidéo, offrent ici un cadre lisible et auditable, ce qui les distingue de la planification purement textuelle. L'idée d'amélioration récursive, où le système réécrit ses propres programmes à partir de l'expérience, rejoint les agents à bibliothèques de compétences apparus en environnement virtuel. À ce stade, il s'agit d'une préprint de recherche, sans produit, sans déploiement client ni calendrier annoncé. La suite logique sera la publication du code, de métriques détaillées et d'essais sur des flottes plus grandes et plus longues.

RecherchePaper
1 source
Vers l'auto-amélioration récursive de l'IA physique
2arXiv cs.RO 

Vers l'auto-amélioration récursive de l'IA physique

Un article de position publié sur arXiv (v1, référence 2610.29677) transpose à la robotique physique le concept d'auto-amélioration récursive (RSI). Il désigne un système qui améliore non seulement son comportement, mais aussi le processus par lequel il s'améliore. Les auteurs partent des agents numériques récents, qui réécrivent leur propre code et valident chaque version par des tests exécutables. Ils examinent ensuite ce qu'exige le passage au monde réel: apprendre à partir d'observations partielles, par des essais coûteux, dans des conditions d'exploitation changeantes et avec des conséquences parfois irréversibles. Selon la revue de littérature, les travaux existants, concentrés sur la manipulation, démontrent une amélioration du comportement, des bénéfices pour l'apprentissage ultérieur et une amélioration des procédures. Certains systèmes modifient aussi les connaissances ou les outils de l'« améliorateur ». Aucune étude physique recensée n'isole pourtant un gain attribuable à la récursion elle-même. Le texte ne rapporte ni nouveau robot, ni déploiement, ni métrique de performance. Le texte pose quatre conditions pour qu'un gain se transmette d'un cycle à l'autre. Le retour d'information doit répondre aux besoins d'apprentissage restants. Le composant récepteur doit pouvoir exploiter le changement. La valeur du gain doit survivre à un changement de tâche ou de matériel. La pratique continue doit rester sûre et abordable. Pour les intégrateurs et les décideurs industriels, ce cadre tempère les récits de robots qui « s'améliorent seuls » en production: les preuves actuelles montrent de l'apprentissage incrémental classique, pas une boucle récursive démontrée. Il fournit aussi une grille de lecture pour juger les annonces de flottes apprenantes, en demandant si le gain vient bien de l'amélioration du processus d'amélioration, ou simplement de davantage de données. Les principes d'évaluation proposés visent à rendre ces affirmations vérifiables par des ablations. Ce travail s'inscrit dans un mouvement où les agents de code autonomes ont popularisé l'idée de boucles d'auto-modification validées par des tests, un luxe que le monde physique n'offre pas: pas de test unitaire peu coûteux, pas de retour arrière gratuit. Le papier se place dans la continuité de l'apprentissage de politiques robotiques, des modèles vision-langage-action et de l'apprentissage en flotte, sans désigner d'acteur industriel précis ni d'entreprise européenne. Il s'agit d'une feuille de route de recherche, pas d'un produit: les suites annoncées sont des protocoles d'évaluation et des directions de recherche pour des machines qui améliorent, essai après essai et en sécurité, leur manière de s'améliorer. Aucun calendrier de pilote ou de validation industrielle n'est avancé.

RecherchePaper
1 source
RoboDoctor : l'auto-amélioration récursive des politiques de robots, sans entraînement
3arXiv cs.RO 

RoboDoctor : l'auto-amélioration récursive des politiques de robots, sans entraînement

RoboDoctor est un cadre logiciel décrit dans une prépublication arXiv, qui cherche à améliorer le comportement d'une politique robotique pendant l'exécution, sans réentraînement et avec des poids de modèle figés. Il associe une politique généraliste de manipulation à un agent fondé sur un modèle de langage. Un « harnais » répartit le contrôle entre les deux. Un module d'intervention décide quand l'agent doit aider, en conservant les comportements utiles de la politique. Un module d'opération affine les méthodes physiques, par exemple la saisie, d'après les effets observés. Des fiches d'expérience liées enregistrent la raison d'une décision, la méthode tentée, son résultat et les conditions de réutilisation. L'évaluation porte sur une archive sélectionnée de 54 entrées de tâches du benchmark RoboDojo-Sim, donc en simulation. Le système obtient un score moyen de 57,10 sur cinq dimensions et un taux de réussite natif de 49,44 %. Les auteurs illustrent le résultat par des interactions enregistrées, qui montrent des changements de stratégie, des corrections sélectives et des révisions de prise. Le travail déplace l'adaptation du moment de l'entraînement vers celui de l'exécution. Pour un intégrateur, l'idée est séduisante: corriger une politique VLA (vision-langage-action) à partir des conséquences physiques réelles, sans collecte de données ni fine-tuning, réduirait le coût de mise au point sur site. Les chiffres imposent toutefois de la prudence. Un taux de réussite proche de 50 % sur une archive curatée, uniquement en simulation, ne dit rien de la fiabilité exigée en production. Les auteurs reconnaissent eux-mêmes que des essais contrôlés restent nécessaires pour isoler l'apport de l'expérience accumulée d'un épisode à l'autre, ce qui est précisément la promesse centrale. Les exemples qualitatifs montrent des mécanismes plausibles, pas une preuve de gain. Le contexte est celui de politiques généralistes comme Pi-0, GR00T ou Helix, performantes en démonstration mais fragiles face aux écarts du monde réel, et d'agents LLM capables de planifier mais mal ancrés dans la physique. RoboDoctor se place entre les deux, dans la lignée des approches d'auto-amélioration par mémoire et réflexion. Aucun pilote industriel ni calendrier n'est annoncé, et le travail relève de la recherche, pas d'un produit. La suite logique sera des ablations contrôlées sur la mémoire inter-épisodes, puis un transfert sur robot physique, seul test capable de confirmer l'intérêt du cadre.

RecherchePaper
1 source
AdaRSI : auto-amélioration récursive à la demande pour les agents incarnés
4arXiv cs.RO 

AdaRSI : auto-amélioration récursive à la demande pour les agents incarnés

Des chercheurs proposent AdaRSI, un cadre d'auto-amélioration récursive (RSI) « à la demande » pour agents incarnés, décrit dans un preprint arXiv (2610.20474). Le point de départ est connu: les modèles vision-langage-action (VLA) préentraînés échouent souvent en cours de route sur des tâches longues et inédites. Un agent de codage commence par améliorer les compétences et le « harnais » (le code qui orchestre l'exécuteur). Il attribue ensuite les échecs persistants en rejouant les sous-étapes défaillantes depuis des états sauvegardés. Il n'affine alors que les sous-étapes qui restent peu fiables, avec des démonstrations qu'il collecte lui-même et l'expérience accumulée sur les tâches précédentes. Testé sur les 50 tâches cibles de RoboCasa365, avec GR00T N1.5 comme exécuteur et sans aucune démonstration humaine, AdaRSI améliore le VLA sur les trois suites. Le taux de réussite sur les tâches composites inédites passe de 4,6 % à 13,8 %. Face à un affinage systématique de toutes les sous-étapes, il obtient un succès légèrement supérieur avec 28 % du temps GPU et 22 % des démonstrations auto-collectées. L'affinage sans harnais utilise davantage de données pour un gain bien moindre. L'intérêt tient à la question posée: à quel moment un système qui s'améliore seul doit-il toucher aux poids de son exécuteur? Les méthodes existantes tranchent par principe. Soit elles ne retouchent que le harnais et ne peuvent donc pas ajouter un mouvement manquant. Soit elles entraînent sur chaque échec sans distinguer un mauvais appel d'une vraie limite de capacité. Séparer ces deux causes réduit nettement le coût d'adaptation, ce qui compte pour tout intégrateur qui devrait spécialiser un VLA sur un site sans équipe de téléopération. Il faut toutefois relativiser. 13,8 % de réussite reste très bas pour un usage industriel. Le résultat est obtenu en simulation, sur un benchmark de cuisines domestiques, et rien n'indique encore un transfert vers le monde réel. Le gain en efficacité (28 % du GPU, 22 % des données) est en revanche le résultat le plus solide, car il est mesuré face à une base de comparaison directe. Le texte ne précise pas la variance entre tâches ni le coût de l'agent de codage lui-même. Ce travail s'inscrit dans la vague de l'auto-amélioration récursive appliquée à la robotique, qui transpose aux corps physiques ce que les agents de codage font déjà pour le logiciel. Il s'appuie sur GR00T N1.5, le modèle de fondation de NVIDIA pour humanoïdes, et sur RoboCasa, benchmark de manipulation domestique en simulation. Les approches concurrentes cherchent à réduire la dépendance aux démonstrations humaines, que ce soit par données synthétiques, apprentissage par renforcement ou boucles de correction autonomes. Il s'agit d'un preprint, sans revue par les pairs, et aucun code ni déploiement physique n'est annoncé dans le résumé. La suite logique serait une validation sur robot réel et sur des exécuteurs plus récents, comme GR00T N2 ou Pi-0, pour vérifier que l'attribution des échecs tient hors simulation.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source