Apprentissage d'une politique modulaire pour la navigation vers des objets sur plusieurs étages : un cadre factorisé pour une étude diagnostique

Des chercheurs proposent une étude diagnostique de la navigation par objectif (ObjectNav) dans des bâtiments à plusieurs étages, publiée sur arXiv sous le titre « Learning Modular Policy for Multi-Floor Object Navigation ». Le cadre repose sur une politique hiérarchique factorisée, qui remplace une politique globale unique par deux composants : une politique d'exploration intra-étage et une politique de changement d'étage. L'intra-étage, volontairement légère, est initialisée par distillation de la logique d'exploration de modèles vision-langage (VLM), avant un affinage par apprentissage par renforcement (RL). Les auteurs avancent aussi, sous hypothèses idéalisées, que cette factorisation est théoriquement équivalente à une politique globale unique au niveau de la représentation de la politique. Le résumé publié ne donne ni taux de réussite, ni jeux de données, ni noms de robots ou de simulateurs, et aucun test sur robot réel n'y est mentionné. Le résultat central est qualitatif : la qualité de la perception et la stabilité de la montée d'escaliers sont les principaux goulots d'étranglement.

L'intérêt tient moins à la politique elle-même qu'à ce qu'elle sert à mesurer. En navigation multi-étages, la récompense est très rare, car l'agent doit enchaîner de longues séquences de décisions avant d'atteindre l'objet. Il est donc difficile de savoir si un échec vient de la stratégie, de la reconnaissance d'objets ou de la locomotion. En isolant ces facteurs, l'étude oriente les efforts : améliorer le « cerveau » de haut niveau a probablement moins d'effet que fiabiliser la perception et le franchissement des escaliers. Pour les intégrateurs qui visent des bâtiments à étages (logistique, hôpitaux, bureaux, inspection), cela rappelle que le passage à l'échelle dépend autant de la locomotion et de la vision que du planificateur, ce qui nuance l'idée selon laquelle les VLM et VLA suffiraient à résoudre la navigation longue portée. La distillation d'un VLM dans une politique légère répond aussi à une contrainte réelle : l'inférence embarquée, coûteuse en calcul et en latence.

Ce travail s'inscrit dans la lignée des benchmarks ObjectNav sur environnements simulés de type Habitat, presque toujours limités à un seul étage, et des approches modulaires qui combinent cartographie sémantique, exploration guidée par des modèles de langage et politiques apprises. Les approches de bout en bout tentent de fusionner ces briques, tandis que les systèmes modulaires, comme celui-ci, restent plus faciles à diagnostiquer. Il s'agit d'une prépublication v1, non évaluée par les pairs, sans produit ni déploiement annoncé. La suite logique serait une validation sur robot réel, notamment bipède ou quadrupède, là où la stabilité dans les escaliers se joue réellement.