Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
ADM-Planner : planification à long horizon guidée par LLM pour manipulateurs mobiles avec mémoire dynamique à attention renforcée
RecherchearXiv cs.RO 

ADM-Planner : planification à long horizon guidée par LLM pour manipulateurs mobiles avec mémoire dynamique à attention renforcée

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

Des chercheurs présentent ADM-Planner, un système de planification pour robots mobiles manipulateurs qui combine un grand modèle de langage avec une mémoire dynamique à attention renforcée (ADM, Attention-enhanced Dynamic Memory). L'idée centrale consiste à séparer la connaissance persistante de l'espace de travail de l'état centré sur les objets, mis à jour de façon asynchrone par les observations et les résultats d'action, tout en ne présentant au LLM qu'un sous-ensemble borné d'informations pertinentes pour la prochaine décision, avec replanification automatique dès qu'une mise à jour invalide le plan en cours. Sur 1 500 épisodes de simulation en environnement bruité à 14 conteneurs, ADM atteint 100% de tâches réussies intégralement, contre 62% pour une mémoire statique figée et 97% pour une mémoire dynamique sans filtrage, tout en réduisant de 95,8% la taille du contexte transmis au modèle. Un test en conditions réelles sur six épisodes avec un planificateur GPT-5 Mini montre que les deux variantes de mémoire dynamique complètent toutes les missions, ADM réduisant de 14,4% les tokens d'entrée facturés et le nombre moyen d'appels au planificateur de 7,0 à 6,0. Une étude séparée de 60 essais sous PyBullet confirme 100% de succès pour ADM contre 50% pour la mémoire statique, et le robot manipulateur mobile équipé d'ADM-Planner a mené à bien diverses missions en intérieur et extérieur, y compris avec des cibles révélées après le début de l'exécution.

Ce travail s'attaque à un problème concret pour tout intégrateur déployant des robots en environnement changeant, entrepôt, site logistique ou espace partagé avec des humains: un contexte figé devient obsolète dès qu'un objet est déplacé, tandis qu'un historique complet accumule des informations redondantes ou contradictoires qui dégradent la fiabilité du LLM. En démontrant qu'une gestion sélective de l'état bat à la fois la mémoire statique et l'historique brut, tout en réduisant nettement le coût en tokens et la latence liée aux appels API, l'étude apporte un argument concret en faveur d'architectures de mémoire structurée plutôt que du simple empilement de prompts, une question centrale pour la viabilité économique des LLM appliqués à la planification robotique long-horizon.

Le travail reste à ce stade un preprint arXiv, sans affiliation institutionnelle précisée dans le résumé, et ses résultats les plus solides proviennent de simulation à grande échelle, les essais physiques réels en intérieur et extérieur n'étant décrits que qualitativement sans chiffres de réussite détaillés. ADM-Planner se positionne sur la planification de tâches pilotée par LLM plutôt que sur le contrôle continu de bas niveau, un axe distinct des modèles vision-langage-action end-to-end qui dominent actuellement les annonces du secteur humanoïde. Les auteurs mettent à disposition une page projet dédiée pour suivre d'éventuelles publications complémentaires ou du code associé.

Dans nos dossiers

IA physique & VLAarXiv cs.RO

À lire aussi

AtomicRL : apprentissage par renforcement atomique pour la manipulation robotique à long horizon
1arXiv cs.RO 

AtomicRL : apprentissage par renforcement atomique pour la manipulation robotique à long horizon

AtomicRL, un framework de post-entraînement par apprentissage par renforcement (RL) pour modèles vision-langage-action (VLA), est présenté dans une prépublication arXiv (2610.30097v1). Les auteurs partent d'un constat : l'apprentissage par imitation seul peine à maîtriser les compétences de manipulation longues, et les méthodes VLA-RL existantes souffrent d'une attribution du crédit tardive et biaisée, car elles reposent sur des récompenses éparses calculées à l'échelle de la trajectoire entière. AtomicRL exploite la structure en sous-tâches atomiques avec deux briques. La première, SAPO (Semantic-Aware Policy Optimization), utilise un filtrage sémantique pour empêcher les résidus TD d'une sous-tâche échouée de se propager aux suivantes, tout en conservant l'attribution du crédit au sein de chaque sous-tâche. La seconde, BATE (Bottleneck-Adaptive Target Exploration), ajuste l'échantillonnage des tâches et les incitations à l'exploration locale selon le niveau de maîtrise de chaque sous-tâche. Un pipeline Real2Sim2Real relie l'entraînement RL en simulation au déploiement sur robot physique. Sur LIBERO-LONG, le gain absolu atteint 3,6 % et 4,0 % face à PPO sur deux architectures VLA. Sur CALVIN ABC-D, la performance sur la tâche complète progresse jusqu'à 9,5 %. Avec Real2Sim2Real, les tâches réelles gagnent en moyenne 21,3 %. L'intérêt tient moins aux gains en simulation, modestes, qu'à la méthode. Le goulot d'étranglement de la manipulation longue est souvent une sous-tâche faible dont l'échec invalide toute la séquence. Un signal de crédit plus fin et un échantillonnage qui cible ces faiblesses répondent à un problème que rencontrent les intégrateurs dès qu'ils enchaînent des étapes d'assemblage ou de kitting. Le gain réel moyen de 21,3 % est le chiffre le plus parlant, mais il appelle de la prudence. Le résumé ne donne ni le nombre de tâches, ni le robot, ni le nombre d'essais, ni la référence de comparaison, ce qui empêche d'en juger la portée. LIBERO et CALVIN restent des benchmarks académiques en simulation, loin des variabilités d'une ligne de production. Il s'agit d'un résultat de recherche, sans produit ni déploiement industriel. Ce travail s'inscrit dans la tendance du RL appliqué aux VLA après un pré-entraînement par imitation. Il suit des approches comme les variantes de PPO pour VLA, dont AtomicRL fait sa référence principale. Les acteurs industriels qui misent sur des VLA généralistes, tels que Physical Intelligence avec Pi-0, NVIDIA avec GR00T ou Figure avec Helix, restent confrontés au même écart entre imitation et robustesse en conditions réelles. La décomposition en compétences atomiques rejoint aussi les architectures hiérarchiques utilisées par plusieurs acteurs européens pour fiabiliser des enchaînements de tâches. Les prochaines étapes à surveiller sont la publication du code, des résultats sur des plateformes variées et des validations sur des tâches industrielles à plus long horizon, avec des statistiques détaillées de réussite et de temps de cycle.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Mem4Act : apprendre une mémoire latente efficace pour la manipulation robotique à long horizon
2arXiv cs.RO 

Mem4Act : apprendre une mémoire latente efficace pour la manipulation robotique à long horizon

Des chercheurs proposent Mem4Act, un cadre d'apprentissage d'une mémoire latente de taille fixe, optimisée pour la manipulation robotique à long horizon. Le travail, publié sur arXiv (2610.22323v1), part d'un constat : les approches existantes conservent soit les observations brutes, soit des tokens visuels compressés, soit des résumés en langage naturel. Les premières exposent la politique d'action à des historiques de plus en plus longs. Les autres risquent de perdre des informations temporelles, sémantiques ou perceptives utiles. Mem4Act s'appuie sur trois mécanismes. Une agrégation temporelle multi-granularité couvre efficacement l'historique. Deux supervisions complémentaires fixent le contenu de la mémoire : des questions-réponses pour l'état de la tâche, et la reconstruction de features DINO sur des images clés pour le détail perceptif. Enfin, un entraînement en deux étapes « mémoire d'abord » pousse la politique à s'appuyer réellement sur cette mémoire. Les taux de succès annoncés sont de 49,88 % sur RoboMME, 61,0 % sur RMBench et 81,5 % sur quatre tâches réelles, des résultats que les auteurs présentent comme l'état de l'art sur le contrôle dépendant de la mémoire. L'enjeu est concret pour les intégrateurs. Les politiques VLA actuelles décident surtout à partir de l'observation courante ou d'une courte fenêtre. Elles échouent donc dès qu'une tâche exige de se souvenir de ce qui a été fait ou vu plusieurs étapes plus tôt, comme un objet déplacé, un compteur d'actions ou un élément désormais caché. Une mémoire de taille bornée garde le coût d'inférence constant quelle que soit la durée de l'épisode, une contrainte décisive pour un déploiement embarqué. Les chiffres appellent toutefois de la prudence. Un score de 49,88 % sur RoboMME montre que ces benchmarks restent loin d'être résolus. Les 81,5 % sur quatre tâches réelles reposent sur un échantillon étroit, sans précision publique sur le matériel, le nombre d'essais ou la variabilité des scènes. L'écart entre benchmark et atelier reste donc à documenter. Les ablations indiquent que l'agrégation temporelle, la supervision complémentaire et l'entraînement mémoire d'abord contribuent chacun aux gains, ce qui suggère que le simple allongement du contexte ne suffit pas. Ce travail s'inscrit dans un champ de recherche qui s'est structuré autour de la mémoire pour les politiques robotiques. Il y a d'abord la conservation d'images passées ou de tokens compressés, puis les résumés en langage utilisés par des agents à base de modèles de langage. Les benchmarks dédiés comme RoboMME et RMBench servent désormais à comparer ces approches. Mem4Act se positionne face à ces deux familles en proposant une représentation apprise de bout en bout. L'article ne fournit pas de calendrier de déploiement ni de partenaire industriel. Il s'agit d'une préversion de recherche, sans produit ni pilote annoncé. La suite à surveiller : une validation sur davantage de plateformes et de tâches longues, une évaluation face aux grands modèles VLA du marché, et la publication éventuelle du code et des poids, qui permettrait une reproduction indépendante.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
2AM : ancrer la mémoire de l'agent pour guider des modèles d'action pilotables en manipulation à long horizon
3arXiv cs.RO 

2AM : ancrer la mémoire de l'agent pour guider des modèles d'action pilotables en manipulation à long horizon

Publiée le 11 septembre 2026 sur arXiv sous la référence 2609.11308, une nouvelle architecture baptisée 2AM propose une autre méthode pour la manipulation robotique à long horizon, ces tâches multi-étapes qui exigent de se souvenir de ce qui a déjà été fait. Le système sépare strictement deux rôles : un agent multimodal conserve seul la mémoire de la tâche et traduit l'historique des interactions en instructions de sous-tâches en langage naturel, complétées par des indices optionnels en 2D (points de préhension, de dépose et de déplacement) ; un modèle d'action unique, basé uniquement sur des images RGB et sans état interne entre les épisodes, exécute le mouvement. Pour le rendre pilotable, les auteurs ont enrichi les démonstrations d'étiquettes d'indices structurées et entraîné le modèle avec abandon aléatoire de conditions, bruit spatial et décalage temporel, afin qu'il tolère des instructions imparfaites. Testé sur le benchmark LIBERO-Mem, sans profondeur, sans géométrie calculée en ligne ni déplacement d'objets planifié, 2AM atteint un taux de complétion moyen de 76,3 %, contre 14,8 % pour la meilleure référence publiée à ce jour, soit un gain de 61,5 points, avec 63,0 % de réussite au sens large et 11,8 % au sens strict. Ce résultat vise un problème méthodologique récurrent des systèmes agentiques actuels, qui combinent souvent des modèles vision-langage-action (VLA) avec planificateurs et outils géométriques, parfois appuyés par de la profondeur ou une géométrie calibrée : il devient difficile de savoir si les gains viennent d'observations plus riches, d'outils moteurs alternatifs ou de la politique elle-même, et si les échecs viennent de la politique ou d'une interface langagière mal spécifiée. En réduisant volontairement la panoplie d'outils au profit d'une interface à plus haute bande passante entre agent et modèle d'action, 2AM isole la variable de précision du pilotage. Le résultat suggère que la mémoire de tâche peut rester entièrement côté agent, sans être intégrée dans la politique d'action, un choix opposé à la tendance qui consiste à faire porter mémoire et raisonnement par un seul grand modèle entraîné de bout en bout. Pour les équipes qui développent des modèles d'action génératifs comme Pi-0 de Physical Intelligence, GR00T N2 de Nvidia ou Helix de Figure AI, ce travail introduit une hypothèse alternative : la capacité effective d'un modèle dépendrait autant de la précision avec laquelle il est piloté que de ce qu'il a appris à l'entraînement, ce qui interroge la course actuelle aux VLA toujours plus massifs. Le travail s'inscrit dans la lignée des benchmarks LIBERO, largement utilisés en apprentissage de politiques robotiques, dont LIBERO-Mem constitue une extension dédiée aux tâches à mémoire longue. Il se positionne en creux face aux architectures dominantes du secteur, qui empilent VLA, planificateurs symboliques et perception 3D pour gérer des séquences de manipulation complexes, une approche que la publication critique implicitement pour son opacité dans l'attribution des performances. Aucun déploiement matériel réel n'est mentionné : les résultats restent circonscrits à la simulation et au benchmark, sans validation sur robot physique ni pilote industriel annoncé. L'affiliation institutionnelle des auteurs et un calendrier de suite ne sont pas précisés, ce qui situe cette publication au stade de la recherche amont plutôt que d'un produit ou d'un partenariat commercial.

RechercheActu
1 source
DynaForge : apprentissage résiduel guidé par la planification pour la génération de démonstrations de manipulation dynamique
4arXiv cs.RO 

DynaForge : apprentissage résiduel guidé par la planification pour la génération de démonstrations de manipulation dynamique

Des chercheurs ont publié le 23 septembre 2026 sur arXiv (2609.25631v1) DynaForge, un framework destiné à générer automatiquement des démonstrations de manipulation dynamique d'objets pour l'entraînement de politiques robotiques par apprentissage par imitation. Le système combine une planification globale à basse fréquence avec une cinématique inverse centrée sur l'objet à haute fréquence, puis applique une politique résiduelle pour corriger les actions au moment critique du contact. Un curriculum implicite regroupe les tentatives par conditions similaires et privilégie les lots à succès mixte, concentrant l'apprentissage par renforcement résiduel sur la frontière de compétence en évolution. Sur les tâches Can et Bottle, DynaForge nécessite 0,73 fois moins d'étapes d'optimisation que l'algorithme GRPO standard pour un budget d'étapes d'environnement identique, avec un taux de succès final supérieur. Sur neuf tâches de simulation, le taux moyen de génération de démonstrations réussies passe de 41,30% avec la seule planification a priori à 78,37% avec DynaForge. Avec 800 démonstrations par tâche, des politiques DP3 entraînées sur ces données atteignent 49,11% de succès moyen, contre 7,07% pour des données générées par la méthode concurrente DOMINO. Sur trois tâches dynamiques réelles, les politiques entraînées avec DynaForge obtiennent entre 30% et 60% de succès, contre 0% à 10% pour celles issues de DOMINO. La manipulation dynamique, lancer, attraper au vol, gestes exigeant une réaction rapide au contact, reste un point faible des pipelines d'apprentissage par imitation, car les démonstrations générées automatiquement échouent souvent près du contact ou simplifient excessivement l'interaction physique, comme le fait le rejeu à la DOMINO. En améliorant nettement le taux de génération de démonstrations exploitables tout en réduisant le coût de calcul par rapport à des méthodes de renforcement classiques comme GRPO, DynaForge s'attaque directement au goulot d'étranglement des données qui freine l'entraînement de politiques à grande échelle, qu'il s'agisse de politiques de diffusion comme DP3 ou de modèles vision-langage-action plus larges. L'écart de 20 à 50 points de succès observé en conditions réelles suggère que ces démonstrations reflètent mieux la dynamique physique que les méthodes précédentes, un enjeu central pour les intégrateurs qui cherchent à transférer des politiques entraînées en simulation vers du matériel réel sans réentraînement coûteux. DynaForge se positionne explicitement face à deux familles de méthodes existantes: les approches purement basées sur la planification, sujettes à l'échec au moment du contact, et DOMINO, qui simplifie les interactions dynamiques au prix du réalisme. Le recours à GRPO, algorithme d'optimisation de politique par groupe popularisé dans l'entraînement de modèles de langage, illustre la porosité croissante entre techniques de renforcement issues du traitement du langage et robotique. Le résumé ne précise ni affiliation institutionnelle ni disponibilité du code, et la validation réelle reste limitée à trois tâches sans détail sur le nombre d'essais, ce qui invite à la prudence avant toute extrapolation à un déploiement industriel.

RecherchePaper
1 source