RecherchearXiv cs.RO 12 octobre 2026

BayesFP : estimation a posteriori pour les politiques à base de flux via l'échantillonnage de Feynman-Kac

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

BayesFP est une méthode d'échantillonnage présentée sur arXiv (2606.21014, version 2) qui permet de contraindre des politiques robotiques génératives préentraînées, sans les réentraîner. Les auteurs traitent la génération de trajectoires sous contraintes comme un problème d'inférence bayésienne. La distribution apprise à partir des démonstrations d'experts joue le rôle d'a priori. Une vraisemblance dérivée d'une fonction de coût, définie uniquement au moment de l'inférence, la déforme vers des trajectoires faisables et optimales. Pour échantillonner cette loi a posteriori, l'équipe reprend le cadre des correcteurs de Feynman-Kac, conçu à l'origine pour les modèles de diffusion, et l'étend aux politiques de flow matching déterministes. Le résultat est un échantillonneur unique, valable pour les politiques de diffusion comme de flow. Il a été validé sur des checkpoints préentraînés de Diffusion Policy, de GR00T-N1.6 et de π0.5, en simulation et sur des tâches de manipulation réelles. Parmi ces tâches figure la planification autour d'obstacles non convexes introduits seulement à l'inférence. Les auteurs annoncent aussi des gains par rapport à π0.5 de base sur des tâches en zéro-shot. Le résumé ne donne ni taux de réussite, ni nombre d'essais, ni coût de calcul.

L'enjeu est très concret pour les intégrateurs. Les politiques VLA (vision-langage-action) et de diffusion imitent bien les démonstrations, mais elles n'offrent aucun moyen propre d'imposer une règle de sécurité ou un nouvel obstacle absent des données d'entraînement. Aujourd'hui, on réentraîne, on ajuste finement, ou on ajoute un filtre de sécurité qui peut sortir la trajectoire de la distribution apprise. Une approche qui injecte un coût à l'exécution, sans toucher aux poids, ouvre la voie à des cellules reconfigurables sans nouvelle collecte de données. Le fait qu'elle fonctionne sur trois familles de modèles différentes est un argument en faveur de sa généralité. Il faut toutefois rester prudent. Le texte ne chiffre pas la latence ajoutée par l'échantillonnage, un point critique pour le contrôle temps réel. Il ne dit pas non plus si les expériences réelles couvrent des tâches variées ou quelques scénarios choisis.

Ce travail s'inscrit dans un courant de recherche sur le guidage à l'inférence des modèles génératifs, déjà actif en génération d'images et de molécules, dont les correcteurs de Feynman-Kac sont issus. Les politiques de flow comme π0.5 (Physical Intelligence) et GR00T-N1.6 (NVIDIA) sont devenues des bases courantes, mais leur contrôle reste limité à la consigne en langage naturel. D'autres approches de guidage par gradient ou par classifieur existent, et la comparaison directe avec elles sera à surveiller dans la version complète. Les prochaines étapes probables sont un code public, des mesures de temps de cycle et un essai sur des tâches longues avec contraintes de sécurité réelles, par exemple en collaboration homme-robot.

Dans nos dossiers

IA physique & VLA Physical Intelligence — π0 arXiv cs.RO

À lire aussi

1arXiv cs.RO

Adaptive-MHE : un MPC adaptatif basé échantillonnage pour la loco-manipulation des robots à pattes via estimation à horizon glissant

Un article publié sur arXiv sous la référence 2609.17832, signalé comme nouvelle soumission ce qui situe sa parution en septembre 2026, présente Adaptive-MHE, un framework de contrôle pour robots à pattes effectuant des tâches de loco-manipulation, c'est-à-dire combinant déplacement et manipulation d'objets. Le système associe une estimation à horizon glissant (moving horizon estimation, MHE) à un contrôleur prédictif basé sur l'échantillonnage (sampling-based model predictive control, MPC), qui compare en parallèle des milliers de trajectoires simulées aux trajectoires réellement mesurées. Il estime ainsi en continu, pendant l'exécution, des paramètres physiques inconnus comme la masse d'un objet manipulé ou le coefficient de friction du terrain. Les auteurs rapportent des tests menés à la fois en simulation et sur du matériel réel, où Adaptive-MHE dépasse systématiquement des méthodes de référence et atteint des performances comparables à celles d'un contrôleur disposant directement des paramètres réels du terrain et des objets. L'article ne précise ni le nombre de degrés de liberté du robot testé, ni la charge utile, ni de temps de cycle chiffré, ce qui limite la comparaison avec des plateformes commerciales. Cette approche s'attaque à un problème central de la robotique à pattes: l'écart entre simulation et réalité, qui dégrade le contrôle dès que les paramètres physiques réels diffèrent de ceux du modèle simulé. Les méthodes classiques d'identification de système supposent une dynamique différentiable, hypothèse qui ne tient pas pour des systèmes riches en contacts comme un robot à pattes manipulant un objet sur un sol variable. Les techniques d'identification par échantillonnage contournaient déjà cette limite mais restaient cantonnées à un traitement hors ligne, incapables de suivre des conditions changeantes en temps réel. En rendant cette estimation adaptative et embarquée, ce travail répond directement à un besoin des intégrateurs qui déploient des robots à pattes dans des environnements logistiques ou industriels non contrôlés, où la nature du sol et le poids des charges varient d'un cycle à l'autre sans qu'aucun capteur ne les mesure directement. Cette contribution s'inscrit dans la lignée des recherches sur le contrôle prédictif basé échantillonnage, une famille de méthodes qui gagne du terrain face aux approches par apprentissage par renforcement ou aux modèles vision-language-action pour piloter des robots à pattes dans des tâches de contact riche. Contrairement aux plateformes humanoïdes commerciales déjà présentées en usine par certains acteurs du secteur, Adaptive-MHE reste à ce stade une contribution académique, validée par des expériences de simulation et un prototype matériel, sans partenaire industriel ni calendrier de transfert produit annoncés. Les auteurs présentent leur méthode comme un pas vers une identification de système en ligne plus généralisable, ouvrant la voie à des essais sur des tâches de loco-manipulation plus complexes et sur davantage de plateformes robotiques dans de futurs travaux.

RecherchePaper

1 source

2arXiv cs.RO

FASA : adaptation de l'échantillonnage sensible au retour pour des modèles VLA à diffusion efficaces

Un article publié le 18 septembre 2026 sur arXiv (référence 2609.19475v1) présente FASA (Feedback-Aware Sampling Adaptation), une méthode d'accélération pour les modèles Vision-Language-Action (VLA) fondés sur la diffusion. Ces modèles, utilisés pour piloter des robots à partir d'images et de langage naturel, souffrent d'un défaut connu : leur processus de génération d'action repose sur un échantillonnage itératif coûteux en calcul et en accès mémoire, ce qui empêche leur exécution en temps réel sur du matériel embarqué limité. FASA fonctionne sans entraînement supplémentaire et agit directement au moment de l'inférence : un premier module, l'adaptateur de plage piloté par l'interaction, ajuste dynamiquement le nombre global d'étapes de débruitage en fonction du retour visuel et de la force mesurée par la pince du robot ; un second module, l'adaptateur d'étape sensible à la proprioception, choisit précisément l'étape optimale à l'intérieur de cette plage. Les auteurs annoncent des gains de vitesse d'inférence allant jusqu'à 1,45 fois par rapport aux méthodes existantes, avec des taux de réussite jugés comparables sur plusieurs bancs d'essai (benchmarks) non détaillés dans le résumé. Cette approche cible un point de friction central pour l'industrialisation des VLA : les méthodes d'accélération existantes imposent soit un réentraînement coûteux (distillation, flow matching), soit un élagage ou un système de cache programmé de façon statique, qui dégrade la perception en ignorant la variabilité réelle de la charge de travail robotique. En traitant le retour multimodal comme signal de contrôle du pipeline de débruitage, FASA propose une troisième voie, sans coût d'entraînement, potentiellement pertinente pour les intégrateurs cherchant à déployer des modèles génératifs lourds sur des plateformes de calcul contraintes, comme les contrôleurs embarqués de robots manipulateurs. Il s'agit toutefois d'un prépublication arXiv, non encore validée par relecture par les pairs, sans identification des auteurs ni de laboratoire dans le résumé disponible, et sans précision sur le matériel de test ni sur les modèles VLA de référence utilisés pour la comparaison. Le gain de 1,45x reste à situer par rapport aux architectures concurrentes d'accélération de l'inférence robotique, un axe de recherche actif à mesure que les modèles VLA gagnent en taille et en ambition d'usage industriel.

RechercheActu

1 source

3arXiv cs.RO

Distillation pour des politiques de manipulation multitâche efficaces via appariement de flux conditionnel

Publié le 24 septembre 2026 sur arXiv sous la référence 2609.28107, cet article de recherche propose une méthode de distillation pour des politiques de manipulation robotique multi-tâches basées sur le Conditional Flow Matching (CFM), technique générative d'apprentissage par imitation jusqu'ici validée surtout tâche par tâche. Entraîner un modèle CFM par tâche fonctionne bien mais devient coûteux en calcul quand le nombre de tâches augmente, alors qu'un entraînement naïf sur des données fusionnées oblige à agrandir le modèle ou dégrade les performances. La méthode proposée distille les champs de vitesse de plusieurs experts CFM mono-tâche vers une politique unique partagée, en combinant ce signal avec l'objectif CFM d'origine pour garder la fidélité aux démonstrations. Testée sur le benchmark de simulation RLBench, elle améliore les performances multi-tâches par rapport à un entraînement naïf, à taille de modèle fixe. L'enjeu dépasse la prouesse académique : il touche au coût réel des politiques génératives multi-tâches, de plus en plus centrales dans la robotique dite généraliste, où le flow matching sert déjà de brique à des modèles de production comme Pi-0 de Physical Intelligence. Pour un intégrateur, l'obstacle n'est pas seulement la donnée mais l'infrastructure : maintenir un modèle par tâche multiplie les coûts, tandis que mutualiser dans un seul réseau dégrade souvent la performance individuelle. En rapprochant un modèle multi-tâches unique des performances d'experts spécialisés sans augmenter sa taille, ce travail apporte un argument concret dans le débat sur la viabilité économique des politiques partagées, plutôt qu'une nouvelle démonstration isolée. Ce travail s'inscrit dans la vague d'adoption des modèles génératifs, diffusion et flow matching, en apprentissage de politiques robotiques, portée depuis 2023-2024 par Diffusion Policy puis par des VLA comme Pi-0 ou GR00T N2 de NVIDIA. Il ne s'agit pas d'un produit livré ni d'un déploiement réel : c'est une contribution académique testée uniquement en simulation sur RLBench, sans robot physique ni acteur français ou européen mentionné. La suite logique reste la validation sur des ensembles de tâches plus larges puis, à terme, le transfert vers du matériel réel, étape où se joue habituellement l'écart entre simulation et performance industrielle.

RecherchePaper

1 source

4arXiv cs.RO

RACER : estimation adaptative en boucle fermée des résidus pour la planification par échantillonnage de robots quadrupèdes à roues en course

Des chercheurs publient RACER, un cadre de contrôle hiérarchique pour la course de quadrupèdes à roues (wheeled-quadruped). L'architecture combine trois briques : un planificateur MPPI (Model Predictive Path Integral, planification par échantillonnage de trajectoires), un modèle de dynamique résiduelle appris, et un suiveur de vitesse de bas niveau entraîné par apprentissage par renforcement (RL). Le planificateur part d'un modèle cinématique nominal de type monocycle et lui ajoute un terme résiduel neuronal, chargé de capturer le comportement en boucle fermée de la politique RL. Pour entraîner ce résiduel avec peu de données réelles, l'équipe propose LoRRA (Low-Rank Residual Adaptation). La méthode procède en deux temps : un pré-entraînement sur un large volume de données de simulation, puis un ajustement fin sur un petit jeu de données réelles, sous contrainte de bas rang. Le résumé ne fournit ni vitesses, ni temps au tour, ni plateforme matérielle précise, ni volume de données. Les résultats annoncés sont obtenus uniquement en simulation, selon trois constats. Premièrement, la dynamique résiduelle améliore la performance globale du pipeline, car elle corrige l'erreur de suivi du contrôleur RL dans les virages pris à haute vitesse. Deuxièmement, un résiduel entraîné sur données source (simulation) et cible (réel) donne de bien meilleures performances de course qu'un résiduel entraîné sur la seule cible. Troisièmement, la contrainte de bas rang à l'adaptation produit de meilleurs taux de réussite et de meilleures performances que l'ajustement complet ou l'entraînement from scratch, lorsque l'écart de domaine grandit, qu'il s'agisse du coefficient de sol ou des gains articulaires. L'intérêt tient à un problème récurrent de la locomotion apprise : le planificateur raisonne sur un modèle simplifié, alors que la politique RL qui l'exécute s'en écarte précisément aux limites d'adhérence. Modéliser cet écart plutôt que de réentraîner toute la pile est une piste pragmatique pour les intégrateurs. L'usage de l'adaptation à bas rang, empruntée aux grands modèles de langage, suggère aussi une voie pour limiter le coût de collecte de données réelles lors d'un transfert sim-to-real. Une réserve s'impose toutefois : les validations citées sont simulées, et la robustesse du gain en conditions réelles reste à démontrer. Le résumé ne cite aucune comparaison avec des méthodes concurrentes de planification ni aucun essai sur robot physique. Ce travail s'inscrit dans la lignée des quadrupèdes à roues, qui combinent la vitesse du roulage et la franchissabilité des pattes, et du contrôle prédictif par échantillonnage, déjà utilisé en conduite autonome agressive. Il s'agit d'une prépublication arXiv (v1), non évaluée par les pairs. Les suites naturelles seraient des essais sur circuit réel et une comparaison à des contrôleurs de bout en bout. Aucun acteur industriel ni calendrier de déploiement n'est mentionné.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source