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

Fly-by-Code : des agents de code incarnés pour la manipulation aérienne, avec retour visuel actif et retour physique
1arXiv 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
Vers une intelligence incarnée générale : intégrer modèles de langage, bases de connaissances et raisonnement pour les agents IA de nouvelle génération
2arXiv 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
Auditer avant de s'engager : localiser les défaillances de croyance dans l'identification active pour la manipulation en un seul essai
3arXiv cs.RO 

Auditer avant de s'engager : localiser les défaillances de croyance dans l'identification active pour la manipulation en un seul essai

Un article de recherche publié le 28 septembre 2026 sur arXiv (référence 2609.30608) détaille une méthode d'audit pour les robots qui explorent une surface avant de commettre un geste irréversible, comme tapoter avant d'insérer une pièce. Les auteurs testent leur pipeline « sonder puis commettre » (croyance par particules, score d'échec par scénario, décision unique) sur une tâche d'insertion simulée : multiplier les tapotements affine la croyance, mais la vérité terrain sort du support de cette croyance dans 16,9 % des épisodes, et le score d'échec devient optimiste de 0,31 point. La calibration conforme restaure la couverture statistique mais pas la qualité de la décision : des cas confiants et pourtant faux continuent de franchir le seuil de confiance. Le diagnostic pointe vers le modèle d'observation : un scan de la main révèle une erreur de 2,1 mm dans l'estimation de la limite de contact. Corriger cette seule valeur fait chuter le taux d'échec de 0,354 à 0,112 sur des instances non vues, et le correctif se transfère sans réajustement à un second moteur physique, tandis que sur un troisième moteur l'audit désigne plutôt une erreur dans le modèle d'exécution. L'évaluation couvre sept familles de tâches et trois moteurs de simulation, et se reproduit sur un bras robotique physique insérant un outil dans une cavité rigide par le toucher, avec rejeu des tapotements enregistrés sous erreur de modèle injectée. Ce travail s'attaque à un problème de fiabilité central pour les robots à décision unique et irréversible : savoir quand l'évidence collectée suffit avant un geste qu'on ne peut pas annuler, un enjeu direct pour l'assemblage industriel, l'insertion de connecteurs ou toute manipulation guidée par le toucher. Le résultat clé pour les intégrateurs est que les remèdes habituels, plus de sondes ou une calibration statistique plus rigoureuse, ne suffisent pas : un modèle peut être parfaitement calibré en couverture et rester dangereusement confiant sur les mauvais cas. L'apport pratique tient dans une méthode de diagnostic qui localise la source de l'échec, perception ou exécution, plutôt qu'un simple indicateur global de risque, ce qui permet une correction ciblée et vérifiable plutôt qu'un réentraînement complet du pipeline. Il s'agit d'un preprint académique, sans entreprise identifiée dans le résumé, qui s'inscrit dans le débat plus large sur l'écart entre simulation et réel et sur les limites de la calibration probabiliste en robotique de manipulation. L'outil proposé n'est pas un nouvel algorithme de manipulation mais une couche d'audit destinée à se greffer sur des pipelines existants de type « sonder puis commettre ». Aucun déploiement industriel ni partenariat n'est annoncé : la validation reste circonscrite à des simulations sur trois moteurs physiques et sept familles de tâches, complétées par une seule expérience sur bras robotique réel. Les auteurs mettent à disposition des matériaux complémentaires sur un site dédié, sans calendrier de suite précisé.

RecherchePaper
1 source
OceanGym : un environnement de référence pour les agents incarnés sous-marins
4arXiv cs.RO 

OceanGym : un environnement de référence pour les agents incarnés sous-marins

Des chercheurs du projet OceanGPT ont publié en septembre 2025 sur arXiv (article 2509.26536, version 3) OceanGym, présenté comme le premier benchmark complet pour les agents incarnés évoluant en environnement océanique sous-marin. La plateforme couvre huit domaines de tâches réalistes et repose sur un framework d'agent unifié piloté par des modèles de langage multimodaux de grande taille (MLLM), combinant perception, mémoire et prise de décision séquentielle. Les agents testés doivent interpréter à la fois des données optiques et sonar, explorer de façon autonome des environnements complexes et mener à bien des objectifs à long horizon, dans des conditions marquées par une faible visibilité et des courants océaniques dynamiques. Le code et les données du benchmark sont mis à disposition sur GitHub, sous l'organisation OceanGPT. Les expériences menées par les auteurs montrent un écart substantiel entre les agents MLLM les plus avancés et des experts humains sur les tâches de perception, de planification et d'adaptation en milieu sous-marin, un constat qui tranche avec le discours ambiant sur la maturité des agents vision-langage-action. Pour l'industrie des véhicules sous-marins autonomes (AUV) et des ROV, ce résultat confirme que l'environnement océanique reste nettement plus exigeant que les domaines terrestre ou aérien, où des benchmarks d'agents incarnés existent déjà depuis plusieurs années. OceanGym fournit ainsi aux équipes de recherche et aux intégrateurs un outil d'évaluation standardisé pour mesurer les progrès réels des agents avant tout déploiement physique, plutôt que de se fier à des démonstrations isolées. Le milieu sous-marin figure, selon les auteurs, parmi les dernières frontières inexplorées de la Terre. Jusqu'ici, l'essentiel des benchmarks d'IA incarnée portait sur des environnements terrestres ou aériens, structurés et bien cartographiés, laissant un vide pour les usages océaniques. OceanGym s'inscrit dans la continuité du projet OceanGPT, dont l'équipe avait déjà développé des modèles de langage dédiés aux sciences océaniques, et prolonge cette démarche vers l'évaluation d'agents capables d'agir physiquement sous l'eau. Les auteurs présentent ce travail comme une étape vers le transfert de ces capacités à de véritables véhicules sous-marins autonomes déployés en conditions réelles, sans toutefois communiquer de calendrier de pilote ni de partenariat industriel à ce stade: le projet reste pour l'instant au niveau de la recherche académique en accès ouvert plutôt que du produit commercial.

RecherchePaper
1 source