Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
AquaMend : re-sondage minimal et retour en arrière conditionnel pour les défaillances de croyance latente chez les agents incarnés
RecherchearXiv cs.RO 

AquaMend : re-sondage minimal et retour en arrière conditionnel pour les défaillances de croyance latente chez les agents incarnés

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

Un article déposé sur arXiv fin septembre 2026 sous la référence 2609.28973v1 présente AquaMend, un algorithme destiné aux agents robotiques incarnés dont les croyances internes sont invalidées par un changement physique ou une erreur de capteur. Plutôt qu'imposer un redémarrage complet, le système arbitre sur un graphe sonde-croyance-action entre trois options : re-sonder l'environnement, revenir à un état antérieur (rollback), ou poursuivre la tâche avec un support de correction, sous un objectif de perte espérée couvrant sondage, récupération physique et échecs non corrigés. Sur 32 scénarios appariés d'un benchmark de simulation maison, AquaMend récupère la tâche dans 28 cas sur 32 et réduit la perte totale moyenne de 21,6 % face à un simple redémarrage. Face à la méthode de référence DTT (décision-theoretic troubleshooting), l'écart de perte n'est pas statistiquement significatif après correction de Holm, et le temps de décision en ligne baisse de 12,3 % en moyenne face à une ablation testant tous les candidats, mais augmente de 3,4 % en phase tardive non couverte.

Pour les intégrateurs et roboticiens, la gestion des échecs de croyance, ce moment où la perception ne reflète plus l'état physique réel, reste un angle mort des agents déployés en environnement dynamique : la réponse par défaut, un redémarrage complet, coûte cher en temps de cycle et en disponibilité machine. AquaMend illustre l'intérêt d'une réponse graduée et sélective. Les auteurs restent toutefois prudents : l'optimum par croyance n'est garanti que sous des hypothèses fortes rarement réunies en conditions réelles (indépendance, séparabilité, sondes pleinement résolutives), et la politique générale n'offre aucune garantie d'optimalité globale. L'absence de différence significative avec DTT tempère toute revendication de supériorité, et l'évaluation reste cantonnée à un benchmark de simulation maison, sans validation sur robot physique.

AquaMend se positionne comme une évolution des méthodes de dépannage décisionnel telles que DTT, utilisée ici comme point de comparaison direct. L'abstract ne précise ni laboratoire ni affiliation des auteurs, et son statut de dépôt tout juste soumis signale qu'il n'a pas encore été validé par relecture par les pairs. La suite logique, non annoncée explicitement, serait un élargissement du benchmark et une validation sur plateformes robotiques réelles, pour vérifier si les gains mesurés en simulation résistent au bruit de capteurs rencontré sur le terrain.

Dans nos dossiers

arXiv cs.RO

À lire aussi

MIND : ancrage incrémental conditionné par l'instruction pour les robots
1arXiv cs.RO 

MIND : ancrage incrémental conditionné par l'instruction pour les robots

Des chercheurs proposent MIND (Maintenance via INstruction-conditioned Dependencies), un cadre logiciel destiné aux robots qui exécutent des instructions persistantes en langage naturel, du type « trouve la pièce la plus proche contenant un objet X ». Un modèle de langage compile chaque instruction en dépendances de deux types : celles de qualification sémantique (la pièce satisfait-elle le critère ?) et celles de sélection de la cible. Lorsqu'un événement survient, le contrôleur croise ces dépendances avec l'« empreinte » de l'événement, rafraîchit uniquement les jugements concernés, puis met à jour séparément l'accessibilité et la sélection. Sur 240 séquences ProcTHOR de cinq événements, avec un prédicat exact, les évaluations sémantiques moyennes passent de 30,6 à 11,2, et les 1 200 décisions post-événement restent identiques à celles d'un recalcul complet. Avec les évaluateurs figés Phi-4 et Qwen3-14B, les 1 200 décisions sont aussi préservées, sans que la précision propre de ces modèles progresse. En boucle fermée, sur 32 épisodes AI2-THOR, MIND retrouve la décision finale du recalcul complet dans chaque cas. Sur un Unitree G1, le robot réutilise ou resélectionne sa cible lors de changements de pièce sans évaluation sémantique supplémentaire. Après une barrière et le retrait d'un objet, il s'abstient avec 4 évaluations, contre 15 à 18 sans MIND. L'intérêt est d'abord économique et énergétique. Dans les architectures où un modèle de langage ou un VLM juge l'état de chaque pièce, le coût d'inférence croît avec chaque changement d'environnement. Réduire ces appels d'environ 63 % sur le benchmark, sans modifier les décisions, rend plus réaliste une exécution embarquée, avec moins de latence et de consommation. Pour les intégrateurs, cela concerne les tâches longues et persistantes, comme la surveillance, la logistique intérieure ou l'assistance, où l'environnement évolue en continu. Il faut toutefois relativiser. La garantie de préservation des décisions suppose une évaluation, une planification et une sélection déterministes, ainsi qu'une couverture conservatrice des dépendances et des empreintes. Elle ne corrige pas les erreurs de l'évaluateur, comme le montrent les tests avec Phi-4 et Qwen3-14B. Les résultats reposent aussi sur des prédicats exacts et des empreintes tirées des métadonnées du simulateur, donc plus propres que la perception réelle. Le test sur G1 reste une démonstration limitée à quelques scénarios. Ce travail s'inscrit dans la lignée des systèmes qui ancrent le langage dans des cartes sémantiques ou des graphes de scène, et des approches de planification par modèles de langage, qui recalculent le plus souvent tout après chaque observation. MIND emprunte plutôt au calcul incrémental et à la maintenance de vues en bases de données. L'article, de type préimpression arXiv (sans relecture par les pairs à ce stade), renvoie à un site de matériel complémentaire dont le nom évoque ICRA 2027. Les prochaines étapes à surveiller sont la validation avec une perception bruitée, la gestion d'évaluateurs non déterministes et le passage à des environnements plus grands et plus dynamiques que les cinq événements testés ici.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Fly-by-Code : des agents de code incarnés pour la manipulation aérienne, avec retour visuel actif et retour physique
2arXiv cs.RO 

Fly-by-Code : des agents de code incarnés pour la manipulation aérienne, avec retour visuel actif et retour physique

Des chercheurs proposent Fly-by-Code, un cadre où des agents de codage incarnés pilotent un manipulateur aérien (un drone équipé d'un bras) en générant des programmes exécutables à partir d'instructions en langage naturel, puis en les corrigeant à partir du retour d'exécution. Le travail, publié sur arXiv (2610.12549), introduit un mécanisme appelé Active Feedback (AF), fondé sur le principe « View and Probe ». Quand le retour d'exécution laisse des questions ouvertes, l'agent synthétise un programme de diagnostic distinct, exécuté en simulation. Ce programme peut soit inspecter depuis des points de vue informatifs des résultats que le robot n'a pas vus (View), soit tester des hypothèses sur les causes d'un échec par des interactions physiques ciblées (Probe). Sur six tâches de manipulation aérienne simulées, avec 60 essais par condition, AF fait passer les fausses déclarations de réussite de 25 à 5 et le taux de succès final de 31,7 % à 75 %. La comparaison se fait avec un retour terminal simple, à configuration d'agent et limite d'exécution identiques. Les programmes affinés en simulation tournent ensuite sur un manipulateur aérien physique, via des API robot partagées et sans modification du code source. Ils accomplissent des tâches de manipulation en plusieurs étapes en conditions réelles. L'intérêt tient à l'hypothèse que le travail remet en cause. Les boucles d'agents de codage supposent que le retour d'exécution dit si la tâche a réussi et, en cas d'échec, indique comment corriger le programme. En aérien, cette hypothèse ne tient pas. Les contraintes de charge utile limitent les caméras embarquées, si bien que des résultats décisifs restent hors champ (observabilité partielle). Le fort couplage dynamique et les faibles marges de contrôle rendent les interactions fragiles, et plusieurs causes d'échec produisent les mêmes symptômes. Relire le même retour ne récupère donc ni des observations jamais capturées, ni une distinction entre causes. Le point le plus parlant est la réduction des fausses déclarations de réussite : un agent qui annonce avoir fini sans l'avoir fait est le principal danger d'un déploiement autonome. Pour les intégrateurs, le message est que la fiabilité vient moins d'un meilleur modèle de langage que d'une instrumentation active du diagnostic. Il faut toutefois nuancer : les chiffres viennent de simulation, six tâches seulement, et la démonstration réelle reste qualitative, sans taux de succès publié sur matériel. Le transfert sans modification du code est encourageant, mais ne vaut pas validation en production. Ce travail s'inscrit dans la montée des agents de codage embarqués, qui génèrent des politiques sous forme de programmes plutôt que d'entraîner des politiques neuronales de bout en bout, comme le font les approches VLA. L'aérien est un cas limite, car la charge utile impose des capteurs réduits et la physique pardonne peu. Le résumé ne cite ni modèle de langage, ni plateforme précise, ni calendrier de pilotes. Il s'agit d'une préversion de recherche (v1), sans produit ni déploiement industriel annoncé. La suite logique est une évaluation plus large sur matériel, avec des mesures chiffrées en conditions réelles, et l'application de la même logique de diagnostic exécutable à d'autres robots à capteurs contraints.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
CAPSafe : un benchmark pour le raisonnement contextuel sur la sécurité des actions et des plans des agents incarnés
3arXiv cs.RO 

CAPSafe : un benchmark pour le raisonnement contextuel sur la sécurité des actions et des plans des agents incarnés

CAPSafe, un nouveau benchmark publié sur arXiv (2610.28381), évalue la capacité des agents incarnés pilotés par des grands modèles de langage à raisonner sur la sécurité, à deux niveaux. Le premier est un jeu de données au niveau de l'action, qui teste si une action isolée est sûre compte tenu de son contexte environnemental. Le second, au niveau du plan, vérifie si un agent sait produire des plans à long horizon sûrs pour des tâches domestiques dangereuses et complexes. Les auteurs ont testé neuf LLM, propriétaires et open source. Plusieurs d'entre eux dépassent 90 % de précision pour reconnaître une action dangereuse dans les meilleurs cas. Pourtant, le meilleur taux de réussite en toute sécurité sur les plans longs revient à Gemini-3-pro avec 78,19 %, tandis que tous les autres restent sous 65 %. Cet écart entre détection et planification est le résultat à retenir pour l'industrie. Un modèle qui identifie correctement un danger quand on le lui présente ne le prend pas pour autant en compte quand il enchaîne des dizaines d'actions. Pour les intégrateurs et les décideurs qui envisagent de confier à un LLM ou à un modèle vision-langage-action (VLA) la planification de tâches en environnement réel, la précision sur des questions isolées ne garantit donc pas la sécurité d'exécution. Les garde-fous devront probablement être placés au niveau de la séquence, par exemple avec une vérification formelle du plan, un filtre indépendant ou une supervision en boucle fermée, plutôt que de s'en remettre au seul raisonnement du modèle. Les chiffres sont en outre obtenus sur des tâches textuelles ou simulées. Ils ne disent rien de la perception, des erreurs de capteurs ni de la dynamique physique, qui aggravent le problème sur un robot réel. Le benchmark répond à des limites des évaluations précédentes. CAPSafe modélise des dangers situationnels, déduits des propriétés des objets plutôt que listés à l'avance. Il prévoit aussi plusieurs dangers simultanés dans un même environnement, chacun annoté d'un niveau de gravité relatif, ce qui permet une analyse plus fine que le simple verdict sûr ou non sûr. Il s'inscrit dans la série des évaluations de sécurité pour agents incarnés, sur un terrain où les laboratoires de modèles généralistes et les développeurs de robots humanoïdes et domestiques convergent. Le travail est un préprint, non évalué par les pairs, et l'article ne mentionne ni pilote industriel ni calendrier. Les suites logiques seraient l'adoption du benchmark par d'autres équipes, le test de modèles plus récents et son extension à des environnements physiques ou à des politiques VLA.

RecherchePaper
1 source
Vers une intelligence incarnée générale : intégrer modèles de langage, bases de connaissances et raisonnement pour les agents IA de nouvelle génération
4arXiv cs.RO 

Vers une intelligence incarnée générale : intégrer modèles de langage, bases de connaissances et raisonnement pour les agents IA de nouvelle génération

Une équipe de chercheurs publie sur arXiv (référence 2608.19794v1, article de type "cross-listing") un travail de synthèse intitulé "Towards general embodied intelligence: integrating large language models, knowledge bases, and reasoning capabilities to build the next generation of AI agents". Il ne s'agit pas d'un produit ou d'un robot testé en conditions réelles, mais d'une revue conceptuelle qui analyse la convergence entre grands modèles de langage (LLM), bases de connaissances structurées (KB) et capacités de raisonnement (RA), envisagée comme trajectoire vers une intelligence incarnée générale (général embodied intelligence, GEI). Les auteurs passent en revue les architectures de LLM, leurs méthodes de pré-entraînement et leurs mécanismes d'inférence, ainsi que leur articulation avec des sources de connaissances externes et des cadres de raisonnement logique structuré. Ils examinent également les paradigmes d'intelligence incarnée dans lesquels un agent apprend et agit directement dans un environnement physique. Le papier propose un cadre conceptuel censé illustrer la synergie entre LLM, bases de connaissances, raisonnement et incarnation physique, présenté explicitement comme un modèle directeur pour la perception, le raisonnement et l'action, et non comme une architecture d'ingénierie implémentée ou testée. L'intérêt de ce travail pour l'industrie robotique tient moins à une avancée technique démontrée qu'à la mise en évidence de l'écart persistant entre les promesses des modèles vision-langage-action (VLA) déjà déployés commercialement et les briques encore manquantes pour une véritable autonomie incarnée. En identifiant cinq verrous précis, déploiement efficace des LLM en embarqué, intégration en boucle fermée avec les bases de connaissances, raisonnement hybride symbolique-neuronal, ancrage perception-action, et apprentissage continu, les auteurs formalisent ce que les intégrateurs et décideurs B2B pressentent déjà empiriquement sur le terrain. Ce type de synthèse s'inscrit dans un mouvement plus large de la recherche académique cherchant à consolider, après plusieurs années de publications éparses sur les agents LLM et la robotique fondée sur les modèles de fondation, une feuille de route commune. Le document ne mentionne ni acteur industriel spécifique ni calendrier de déploiement, et se positionne comme une contribution de cadrage théorique destinée à orienter les travaux futurs plutôt qu'à annoncer un système opérationnel.

RecherchePaper
1 source