État du monde traçable : une représentation d'état tenant compte de la provenance et un cadre de rejeu déterministe pour les systèmes robotiques

Des chercheurs proposent Traceable World State (TWS), une représentation sémantique et un runtime de référence, indépendants du middleware, destinés à rendre l'état du monde d'un robot traçable. Un instantané TWS contient les entités, les relations, les observations, les niveaux de confiance et les métadonnées de révision. Les mises à jour sont validées et produisent chacune un nouvel instantané immuable. Leur ordre permet un rejeu déterministe. Une chaîne de hachage SHA-256 canonique rend les journaux infalsifiables, au sens où toute modification est détectable. L'évaluation couvre la conformité au schéma, les cycles de vie complets d'état, le rejeu et l'injection de fautes. Le cadre passe 38 tests sous Python 3.10 à 3.14 et détecte les enregistrements corrompus, les liens de hachage rompus, les ruptures de séquence et les incohérences de monde. Sur dix définitions de tâches publiques de BEHAVIOR-1K, TWS a importé 153 entités et 146 relations avec validation réussie. Sur 103 trajectoires simulées d'un Unitree G1 dans l'environnement NVIDIA, soit 78 369 images, le rejeu a restitué exactement l'état terminal dans tous les épisodes. Les 412 corruptions injectées sur 412 ont été détectées, pour un surcoût de stockage de 1,72 % par rapport à un simple journal JSONL.

L'enjeu touche un angle mort de la robotique de service et d'usine. Un robot qui travaille sur de longues tâches agrège des observations arrivées à des instants différents, avec des confiances variables, et parfois révisées. La plupart des architectures ne gardent que la dernière estimation, ce qui empêche de savoir pourquoi le robot a décidé ce qu'il a décidé. Pour un intégrateur ou un responsable qualité, cette lacune bloque l'analyse d'incidents, l'audit d'exécution et la reproduction d'un comportement défaillant. Un journal infalsifiable avec rejeu exact répond à ces besoins, et peut intéresser les exigences de conformité qui montent autour des systèmes pilotés par des modèles d'IA. Un surcoût de 1,72 % rend l'approche économiquement plausible. Il faut toutefois relativiser. Toute la validation est faite en simulation ou sur des définitions de tâches, sans robot physique, sans perception bruitée réelle et sans mesure de latence en boucle de contrôle. Les 412 corruptions sont synthétiques, donc le taux de détection de 100 % reflète surtout la nature d'une chaîne de hachage face à des fautes que les auteurs ont eux-mêmes conçues.

Ce travail s'inscrit dans un mouvement plus large pour auditer les agents incarnés, à mesure que les politiques VLA (vision-langage-action) et les modèles de fondation remplacent les piles logicielles déterministes. Les représentations existantes, comme les graphes de scène sémantiques, les bases de connaissances ou les journaux de middleware de type rosbag dans ROS 2, enregistrent des données brutes ou le dernier état sans modèle commun de provenance ni de révision. TWS se positionne en couche neutre au-dessus de ces outils. Le choix de BEHAVIOR-1K et du G1 simulé s'appuie sur des bancs d'essai publics, ce qui facilite la reproduction par d'autres équipes. Les prochaines étapes logiques sont un test sur matériel réel, une intégration avec des politiques apprenantes et une mesure du coût en production. Aucun partenaire industriel ni calendrier de déploiement n'est annoncé, et il s'agit d'un préprint arXiv en première version, non évalué par des pairs.