RecherchearXiv cs.RO 12 octobre 2026

Chronos Policy : apprendre les politiques de robots en temps physique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs publient sur arXiv (2610.13929) Chronos Policy, une politique robotique qui rend le temps physique explicite au lieu de le laisser implicite dans la position des éléments d'une séquence. Les politiques actuelles transforment capteurs et commandes en séquences observation-action à fréquence fixe. Chronos Policy conditionne au contraire un diffusion transformer sur les instants de capture des observations et sur les instants d'exécution souhaités des actions. Deux mécanismes sont comparés: l'ajout d'embeddings d'horodatage aux features des tokens, ou l'encodage du temps dans le positionnement via des rotary positional encodings sensibles au temps (time-aware RoPE). Cette seconde voie s'avère plus robuste, car l'attention dépend directement du temps physique sans modifier le contenu des tokens. À l'entraînement, les auteurs randomisent temporellement les observations échantillonnées et le début du chunk d'actions, ce qui expose la politique à des calendriers de perception et d'exécution variés. Cela permet aussi d'apprendre à partir de données asynchrones et multi-fréquences, sans les forcer sur une grille temporelle fixe. Les tests couvrent la simulation et le monde réel.

Pour les intégrateurs, l'enjeu est très concret: sur un robot déployé, les caméras, capteurs de force ou tactiles tournent rarement à la même cadence, les délais de transmission fluctuent et la latence d'inférence varie avec la charge de calcul. Une politique entraînée à pas fixe suppose que ces paramètres ne bougent pas, et cette hypothèse se brise justement au passage du laboratoire à la production. Les auteurs rapportent des gains sur les tâches dynamiques, où le délai entre observation et action est critique, et sur les tâches multisensorielles, où le décalage relatif entre capteurs compte. Sur les tâches quasi statiques, la performance nominale est conservée, avec une meilleure robustesse aux changements de timing. Le résultat suggère qu'une partie de l'écart entre démonstration et déploiement tient à la gestion du temps plutôt qu'à la seule capacité du modèle. Il faut toutefois rester prudent: il s'agit d'un préprint, l'extrait disponible ne donne ni taux de réussite, ni fréquences, ni noms de plateformes, et l'ampleur des gains reste donc à vérifier dans le papier complet.

Ce travail s'inscrit dans la lignée des politiques par diffusion et des VLA à action chunking, qui prédisent des blocs d'actions à fréquence fixe, et des méthodes de chunking temps réel visant à masquer la latence d'inférence. Ces approches traitent en général le délai comme une perturbation à compenser, alors que Chronos Policy l'intègre comme variable d'entrée du modèle. L'extension de RoPE au temps continu prolonge l'usage de cet encodage, devenu standard dans les transformers, vers la robotique. La question de la compatibilité avec des modèles de fondation plus gros, comme Pi-0 ou GR00T, reste ouverte, de même que la validation hors laboratoire, sur des cellules industrielles avec des capteurs hétérogènes. Aucun calendrier de code ou de déploiement n'est annoncé.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

NVIDIA GR00T arXiv cs.RO

À lire aussi

1arXiv cs.RO

MonoDuo : apprendre des politiques bimanuelles avec un seul bras robotique

Des chercheurs proposent avec MonoDuo (arXiv:2505.29298) une méthode pour entraîner des politiques de manipulation bimanuelles sans disposer de robots à deux bras. La collecte de données est hybride: un opérateur téléopère un bras unique pour exécuter un côté d'une tâche bimanuelles, un humain réalisant l'autre côté, puis les rôles sont inversés pour couvrir les deux membres. Les séquences RGB-D, capturées par une caméra de poignet et une caméra fixe, sont transformées en démonstrations synthétiques calibrées sur la cinématique du robot bimanuel cible, via estimation de pose des mains, segmentation de nuage de points et inpainting. Testé sur cinq tâches (soulèvement d'une boîte, remplissage d'un sac à dos, pliage d'un vêtement, fermeture d'une veste à glissière, passage d'une assiette), MonoDuo atteint jusqu'à 70% de taux de réussite en déploiement zero-shot sur des configurations bimanuelles non vues à l'entraînement. Avec seulement 25 démonstrations supplémentaires sur le robot cible, un fine-tuning few-shot améliore ces résultats de 65 à 70% par rapport à un entraînement depuis zéro. Le verrou adressé est structurel: les robots à deux bras coordonnés restent rares et onéreux dans les laboratoires de recherche, alors que les bras uniques sont omniprésents. Cette asymétrie crée un goulot d'étranglement dans la constitution de datasets pour les tâches bimanuelles, freinant le développement de politiques viables aussi bien pour les humanoïdes commerciaux que pour les cellules industrielles bimanuelles. MonoDuo montre qu'il est possible de bootstrapper ces politiques sans matériel dédié, réduisant considérablement le coût d'entrée. La réussite du déploiement zero-shot sur des configurations non vues est notable dans un domaine où le sim-to-real gap reste un obstacle structurel, et le gain de 65 à 70% obtenu avec seulement 25 démonstrations de fine-tuning constitue un signal positif pour les intégrateurs ne pouvant se permettre des milliers de cycles de collecte. Ce travail s'inscrit dans la lignée d'ALOHA, de UMI (Universal Manipulation Interface) et de Diffusion Policy, qui cherchent à décorréler la plateforme de collecte de la plateforme cible. L'essor des humanoïdes commerciaux (Figure 03, Tesla Optimus Gen 3, Unitree G1, 1X Eve) relance l'intérêt pour la manipulation bimanuelles à grande échelle. En Europe, Pollen Robotics avec son robot open-source Reachy et Enchanted Tools avec Miroki travaillent sur des problématiques similaires d'efficacité des démonstrations. MonoDuo reste à ce stade un preprint académique sans déploiement industriel annoncé; ses résultats devront être confirmés hors conditions de laboratoire pour valider leur transposabilité opérationnelle.

UEPollen Robotics et Enchanted Tools, qui développent des robots bimanuels en Europe, pourraient exploiter cette méthode pour constituer des datasets bimanuels à moindre coût sans dupliquer leur parc matériel.

RecherchePaper

1 source

2arXiv cs.RO

Prise de contrôle adversariale en temps réel des politiques de diffusion robotique

Une équipe de chercheurs a publié le 10 juin 2026 sur arXiv (réf. 2606.10371) une attaque baptisée TAKO (Test-time Adversarial Takeover), qui permet de prendre le contrôle en temps réel d'un robot opérant sous une politique de diffusion visuomotrice, sans modifier le modèle cible. La méthode repose sur un vocabulaire restreint de patches adversariaux universels et réutilisables, appris hors ligne via inférence de diffusion différentiable. À l'exécution, un opérateur humain injecte ces patches dans le flux caméra du robot et les commute dynamiquement pour composer des trajectoires de son choix. Sur quatre tâches évaluées (manipulation 2D, livraison aérienne simulée, navigation sol simulée et navigation sol en environnement physique réel), deux encodeurs visuels (ResNet-18 et EfficientNet-B0 + Transformer) et trois familles d'inférence générative (DDPM, DDIM et flow matching), les opérateurs attaquants ont atteint 100 % de succès de détournement dans l'ensemble des scénarios testés. Ce résultat interpelle directement les intégrateurs robotiques et les équipes de sécurité industrielle qui déploient des systèmes pilotés par des politiques de diffusion ou des VLA (Vision-Language-Action models). Jusqu'ici, la quasi-totalité des attaques adversariales sur robots visaient la dégradation des performances, induire un échec de tâche ou un comportement erratique. TAKO introduit une menace qualitativement différente : le robot ne s'arrête pas, il obéit à un attaquant distant. La perturbation agit sur le chemin de conditionnement visuel de la politique, et le biais introduit se propage à travers le processus de génération itératif propre aux modèles de diffusion, ce qui le rend difficile à détecter par supervision classique. Les auteurs démontrent aussi que la baseline naturelle "target-policy matching" échoue, car la politique victime ne peut pas se superviser fiablement sur des shifts hors distribution, invalidant une hypothèse de défense couramment avancée. Les politiques de diffusion pour la robotique se sont imposées comme paradigme dominant depuis 2023, portées par Diffusion Policy (Chi et al.) et intégrées dans des systèmes tels que pi0 de Physical Intelligence, les pipelines de Figure AI ou les robots de 1X Technologies. Ces architectures conditionnent l'action sur une observation visuelle, ce qui les rend structurellement vulnérables aux perturbations du flux caméra. Les pistes de défense habituelles, détection d'anomalies ou purification adversariale, restent largement expérimentales à cette échelle. L'évaluation demeure dans un cadre académique contrôlé, sans partenaire industriel ni calendrier de déploiement annoncé. Pour les équipes préparant des déploiements en logistique, livraison autonome ou manipulation industrielle, TAKO pose une question de sécurité concrète à laquelle le secteur n'a pas encore de réponse standardisée.

UELes intégrateurs robotiques européens déployant des systèmes à politiques de diffusion en logistique ou industrie doivent intégrer ce vecteur d'attaque dans leur modèle de menace, en l'absence de défense standardisée disponible.

RechercheActu

1 source

3arXiv cs.RO

Micro-politiques neuronales pour un contrôle robotique sûr en temps réel

Des chercheurs publient sur arXiv (2610.08541v1) une méthode de synthèse de « Micro Neural Policies » (MNP), des politiques de contrôle neuronales minuscules, conçues pour piloter des robots en temps réel sur des microcontrôleurs aux ressources très limitées. La recherche d'une politique combine une stratégie d'évolution (Evolution Strategy, ES) et une vérification par model checking statistique (SMC). Selon les auteurs, cette combinaison réduit fortement la taille du réseau sans dégrader la sécurité ni la robustesse. L'entraînement et l'évaluation ont été menés à grande échelle sur deux tâches, le pendule inversé sur chariot (Cartpole) et le contrôle d'un quadrirotor. Les fréquences de contrôle et les architectures de réseau variaient. Après validation en simulation, les politiques ont été transférées en « zero-shot » sur des systèmes physiques, c'est-à-dire sans réentraînement ni ajustement. Leur empreinte mémoire va de 0,5 à 7,5 ko. Sur microcontrôleur, la latence d'inférence est déterministe, avec moins de 25 ns de gigue, et la puce reste inactive plus de 97 % du temps. Cela laisse de la marge pour d'autres charges de travail. L'intérêt tient à ce que ce travail va à contre-courant de la tendance dominante. Les modèles VLA (vision-langage-action) et les politiques de fondation grossissent et exigent des GPU embarqués. Ici, la contrainte s'inverse : un contrôleur de quelques kilo-octets, avec une exécution prévisible et une vérification formelle de la sécurité. Pour un intégrateur, c'est la couche basse qui compte, celle des boucles rapides de stabilisation, de la commande de moteurs et des drones légers. Le temps réel dur et la certifiabilité y pèsent davantage que la capacité de généralisation. Le résultat de sim-to-real sans perte de performance est encourageant. Il faut cependant le relativiser : Cartpole et un quadrirotor sont des bancs d'essai classiques, de faible dimension, loin de la manipulation dextre ou de la locomotion d'un humanoïde. Le résumé ne donne ni les marges de sécurité mesurées ni les comparaisons chiffrées avec d'autres méthodes. Ces points restent donc à vérifier dans l'article complet. Ces travaux s'inscrivent dans un courant plus large qui cherche à réduire les politiques neuronales (distillation, quantification, TinyML) et à les doter de garanties formelles. Ils répondent à un frein bien connu, la difficulté de certifier un réseau opaque dans un système critique. Ils se démarquent aussi des approches par apprentissage par renforcement profond, plus gourmandes en calcul et plus difficiles à vérifier. Le résumé ne cite ni partenaire industriel ni calendrier de déploiement. Il s'agit donc d'une publication de recherche, pas d'un produit. La suite logique serait de tester l'approche sur des systèmes plus complexes, avec davantage de degrés de liberté, et de l'intégrer dans des chaînes de contrôle hiérarchiques. Un modèle de haut niveau y fixerait les objectifs, et une micro-politique vérifiée assurerait la stabilité en temps réel.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

OGPO : optimisation de politique générative en une étape pour le contrôle de robots en temps réel

Des chercheurs publient OGPO (One-Step Generative Policy Optimization), un cadre d'apprentissage pour le contrôle robotique en temps réel, dont la version 2 vient d'être diffusée sur arXiv (2601.20701). Il vise un problème précis : les politiques de contrôle fondées sur la diffusion ou le flow matching génèrent les actions en plusieurs étapes d'échantillonnage, ce qui limite leur usage dès que la latence compte. Réduire ce nombre d'étapes à un seul dégrade d'ordinaire la qualité de représentation et la performance sur la tâche. Les auteurs décrivent un compromis à trois pôles entre vitesse, fidélité et performance. OGPO associe une architecture légère au principe d'« interval velocity » pour une inférence en une étape sans distillation, tandis qu'une technique de « représentation spreading » évite la dégradation des représentations. Une phase d'apprentissage par renforcement (RL) on-policy affine ensuite cette politique rapide et stable. Sur les benchmarks RoboMimic et OpenAI Gym, la méthode égale ou dépasse des références multi-étapes, avec une inférence 5 à 20 fois plus rapide et une fréquence de contrôle supérieure à 120 Hz. Un déploiement physique sur un bras Franka Emika Panda est présenté comme validation. L'intérêt tient à la place des politiques génératives dans la robotique actuelle. Diffusion et flow matching sont devenus des choix courants pour représenter des comportements multimodaux, y compris dans plusieurs architectures VLA (vision-langage-action). Leur coût d'inférence impose pourtant des compromis : fréquences de contrôle basses, découpage des actions en blocs (chunking), ou matériel de calcul embarqué plus lourd. Une politique à plus de 120 Hz sans distillation, si les résultats tiennent, rapprocherait ces méthodes des boucles de contrôle réactives, utiles pour la manipulation fine ou le contact. L'ajout du RL on-policy répond à une limite connue de l'apprentissage par imitation, dont la performance reste bornée par la qualité des démonstrations. Les réserves sont claires : RoboMimic et Gym sont des benchmarks académiques, la validation réelle se limite à un seul bras et le résumé ne détaille ni les tâches physiques, ni le taux de réussite, ni le matériel de calcul. Le gain de 5 à 20 fois dépend des références choisies. Ce travail s'inscrit dans une course à l'accélération des politiques génératives. Diffusion Policy a imposé le paradigme, les approches de flow matching comme Pi-0 l'ont repris à plus grande échelle, et plusieurs équipes explorent la distillation en peu d'étapes ou le fine-tuning par RL de ces politiques. OGPO prend une voie sans distillation, en combinant vitesse et amélioration par renforcement. Il s'agit ici d'une publication de recherche, sans produit ni déploiement industriel annoncé. La suite dépendra des preuves sur des tâches plus variées, sur des robots différents et, surtout, de son intégration dans de grands modèles VLA. Une page de projet accompagne l'article.

RecherchePaper

1 source