Modélisation et compréhension des poids neuronaux des politiques humanoïdes par diffusion

Des chercheurs proposent une méthode pour générer directement les poids de réseaux de contrôle humanoïdes, plutôt que de les obtenir par un entraînement classique. Décrit dans l'article arXiv 2610.20606, le système repose sur un cadre de diffusion latente qui associe un autoencodeur linéaire à un Diffusion Transformer. L'autoencodeur compresse les paramètres du réseau acteur dans un espace latent compact, et le Diffusion Transformer modélise la distribution de ces latents. Les réseaux d'entraînement proviennent d'apprentissage par renforcement (RL) sur le robot Unitree G1. Les auteurs affirment que les réseaux générés sont déployables sur le robot réel et exécutent plusieurs mouvements, dont la marche, la danse et un coup de pied tournant (spin kick). L'article ne fournit pas, dans son résumé, de taux de réussite, de nombre de réseaux générés ni de comparaison chiffrée avec un entraînement standard. Des résultats complémentaires sont annoncés sur le site du projet.

L'intérêt est double. D'un côté, l'étude montre qu'il est faisable de modéliser l'espace des poids de politiques humanoïdes agiles, ce qui pourrait à terme servir à produire rapidement des contrôleurs variés sans relancer un entraînement complet pour chaque comportement. Pour un intégrateur, cela évoquerait une bibliothèque de politiques générée à la demande, mais on reste au stade de la recherche : rien n'indique encore une robustesse comparable à celle de politiques entraînées, ni un gain de temps mesuré. De l'autre, l'analyse de l'espace des poids révèle, dans les poids de la première couche, une structure qui reflète le prior cinématique du robot. Cette structure apparaît aussi bien avec le RL qu'avec l'apprentissage par imitation (IL), ce qui suggère qu'elle tient à l'embodiment humanoïde plutôt qu'à la méthode d'optimisation. Cette piste d'interprétabilité pourrait aider à comprendre ce que les contrôleurs apprennent réellement, et peut-être à faciliter leur transfert d'un robot à un autre.

Ce travail s'inscrit dans la progression rapide du contrôle humanoïde par apprentissage, où le G1 d'Unitree est devenu une plateforme de référence académique grâce à son coût relativement accessible et à son adoption large. La plupart des travaux se concentrent sur l'entraînement de politiques, en simulation puis par transfert vers le réel, ou sur des modèles généralistes de type VLA, tels que ceux développés par Figure, NVIDIA ou Physical Intelligence. La génération de poids par diffusion, déjà explorée dans d'autres domaines, est ici appliquée aux humanoïdes, et l'article se présente comme une première étude de faisabilité. Les suites logiques seraient d'élargir la diversité des comportements, de tester d'autres morphologies et de quantifier les performances face aux méthodes classiques. Aucun partenaire industriel ni calendrier de déploiement n'est mentionné.