EmbodiedEvo : un agent de code auto-évolutif pour l'IA physique

Des chercheurs proposent EmbodiedEvo, un agent de code auto-évolutif pour le contrôle robotique, décrit dans une prépublication arXiv (v2). Le principe: un agent de code observe la scène via une interface programmatique du robot, exécute des programmes de contrôle et les corrige selon l'état physique obtenu, ce qui en fait une politique en boucle fermée sans fine-tuning sur la tâche cible. Les auteurs constatent que cette adaptation intra-épisode ne se conserve pas d'une scène à l'autre: les agents dépensent leurs budgets d'interaction et d'inférence à établir des opérations efficaces et leurs préconditions, et un nouvel agent ne peut pas réutiliser ces découvertes. EmbodiedEvo distille donc le retour physique en « Skills » (code réutilisable) et en « Lessons » (diagnostics). L'expérience est acquise sur une seule scène « Playground » par tâche, puis figée pour des agents indépendants dans des scènes inédites, sans mise à jour des poids. Sur RoboDojo-Sim, le système atteint un score moyen de 44,48 et un taux de succès de 37,82 %, au-dessus de tous les résultats officiellement vérifiés.

Pour les intégrateurs et les équipes R&D, l'intérêt tient à la voie proposée: capitaliser l'expérience sous forme de code et de notes lisibles plutôt que de réentraîner un modèle. Ce savoir est inspectable, transférable et peu coûteux à stocker, ce qui contraste avec les politiques VLA (vision-langage-action) dont les acquis sont enfouis dans les poids. Des tests appariés montrent les gains les plus nets sur les tâches dépendant de la mémoire et une bonne réutilisation de procédures coordonnées. L'expérience d'un modèle plus fort profite aussi à des exécutants plus faibles: celle d'Astra relève les taux de succès de Sol et Luna de 8,86 et 5,50 points de pourcentage par rapport à l'absence d'expérience. Comparés à l'historique brut d'interaction, Skills et Lessons offrent des performances comparables pour un coût d'exécution inférieur de 53,0 %. Les auteurs reconnaissent toutefois que le contrôle fin des contacts reste difficile.

Ces résultats sont obtenus en simulation, sur un seul benchmark: un taux de succès de 37,82 % reste modeste, et rien n'indique encore un transfert vers du matériel réel, où la fiabilité des contacts, la perception et la latence pèsent davantage. Le travail s'inscrit dans la tendance des agents de code comme couche de contrôle, en concurrence avec les VLA entraînés de bout en bout (Pi-0, GR00T, Helix), qui exigent données de téléopération et réentraînement. Le « score le plus élevé » vaut uniquement face aux résultats officiellement vérifiés de RoboDojo-Sim. Les suites logiques seraient une validation sur robots physiques, des tests sur d'autres benchmarks et la mesure de la robustesse des compétences figées face à des scènes plus éloignées de celle d'apprentissage.