RecherchearXiv cs.RO 19 octobre 2026

AnyRank : classement fiable de politiques à tout instant grâce aux tests séquentiels

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent AnyRank, une méthode séquentielle de classement de plusieurs politiques robotiques, décrite dans un preprint arXiv (version 2 révisée). Le point de départ est un constat pratique : les essais sur matériel coûtent cher, si bien que les politiques sont le plus souvent comparées sur un nombre limité de tentatives réelles, avec un lot de données fixé à l'avance. AnyRank alloue les essais de façon adaptative aux politiques les plus difficiles à départager, et peut fournir un classement, éventuellement partiel, à tout instant d'arrêt, tout en bornant la probabilité d'un classement erroné. Il peut aussi exploiter un a priori facultatif, issu de l'intuition d'experts, d'un petit jeu d'évaluations matérielles mises de côté, de simulations ou d'un modèle du monde vidéo conditionné par les actions. Les auteurs annoncent, sur des benchmarks en simulation et en conditions réelles, jusqu'à 50 % d'évaluations matérielles en moins que les approches statistiquement rigoureuses existantes.

Pour les équipes qui développent ou intègrent des politiques de manipulation, par exemple des VLA (modèles vision-langage-action), l'enjeu est très concret. Un écart de quelques points de taux de réussite sur quelques dizaines d'essais peut n'être que du bruit, et classer ainsi deux checkpoints ou deux fournisseurs peut conduire à une mauvaise décision d'achat ou de déploiement. L'intérêt de la méthode est de permettre l'arrêt anticipé d'une campagne de tests avec une garantie formelle, donc de réduire le coût de la validation avant un pilote. Autre point notable : l'a priori peut être faux sans invalider les garanties. Un simulateur imparfait ou un modèle du monde approximatif ne fait alors que modifier l'efficacité, pas la validité statistique. À noter toutefois que le chiffre de 50 % est un maximum (« jusqu'à ») mesuré sur les benchmarks choisis par les auteurs. Le gain réel dépendra de la qualité de l'a priori et de l'écart entre les politiques comparées. Il s'agit d'une contribution méthodologique, pas d'un produit livré ni d'un déploiement industriel.

Ce travail s'inscrit dans la montée en puissance de l'évaluation des politiques généralistes, où les benchmarks de référence s'appuient souvent sur des heuristiques de classement qui ne contrôlent pas l'erreur, ce que les auteurs critiquent explicitement. Il combine les tests séquentiels, qui permettent de regarder les résultats en continu sans fausser les statistiques, avec les tests d'hypothèses multiples par graphe, qui gèrent la comparaison simultanée de nombreuses politiques. Il répond aussi à l'essor des modèles du monde vidéo et des simulateurs comme substituts d'évaluation, dont la fidélité reste discutée. La suite logique serait une adoption par les organisateurs de benchmarks et les laboratoires qui évaluent des politiques sur robots réels. Le résumé ne précise toutefois ni les noms des politiques testées, ni le nombre d'essais, ni les plateformes matérielles utilisées.

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

Co-évolution d'orchestrateurs de robots et de politiques grâce au déploiement

Des chercheurs proposent Robo-COP, un cadre où un orchestrateur de robot (un modèle vision-langage, ou VLM, qui décide quand appeler la politique, comment la guider par instructions et quand lui préférer des compétences scriptées) et la politique VLA (vision-language-action) qu'il pilote évoluent ensemble pendant le déploiement. Le système extrait des démonstrations de compétences à partir de ses propres exécutions, affine la politique lorsque ces données répondent à des échecs récurrents, et n'adopte la nouvelle version qu'après avoir vérifié qu'elle améliore les compétences pour lesquelles elle a été entraînée. Sur dix tâches simulées RoboLab, le succès moyen sur tâches tenues à l'écart passe de 64,8 % à 73,8 % par rapport au même dispositif avec une politique figée. Un affinage à calendrier fixe, sans vérification, plafonne à 65,8 %. Sur trois tâches réelles, le succès grimpe de 38,3 % à 50,0 %. Les vidéos et le code sont publiés sur robo-cop.pages.dev (travail de recherche, arXiv 2610.09228). L'intérêt tient à un goulot d'étranglement connu des systèmes robotiques « agentiques ». Quand l'orchestrateur est bâti autour d'une politique figée, peu pilotable par le langage, il apprend à contourner ses échecs sans jamais les corriger : la politique plafonne les performances de l'ensemble. Affiner la politique seule ne règle rien, car elle se désaccorde alors d'un orchestrateur calibré sur son ancien comportement. Les résultats donnent un ordre de grandeur utile : la vérification avant adoption pèse autant que l'affinage lui-même, puisque l'affinage aveugle n'apporte qu'un point (65,8 % contre 64,8 %), alors que la version contrôlée en apporte neuf. Pour un intégrateur, cela plaide pour traiter les données de production comme un actif d'apprentissage, à condition de disposer d'un garde-fou de non-régression avant toute mise à jour sur le terrain. Il faut toutefois lire ces chiffres avec prudence. Le gain réel (+11,7 points) repose sur seulement trois tâches, et un taux de 50 % reste très éloigné d'un seuil industriel. Les auteurs ne précisent pas, dans le résumé, le nombre d'essais, la nature des robots ni le coût en données et en calcul. Ce travail s'inscrit dans la montée des architectures où un VLM supervise une politique VLA généraliste, après la vague de modèles comme Pi-0 ou GR00T, dont la généralisation hors domaine d'entraînement reste le point faible en déploiement. La suite logique serait un test sur des flottes réelles, sur la durée, et face à d'autres approches d'apprentissage continu. Aucun pilote commercial ni calendrier n'est annoncé : il s'agit à ce stade d'une démonstration académique.

RecherchePaper

1 source

2arXiv cs.RO

Robots collaborants : imitation séquentielle asymétrique pour l'apprentissage de politiques couplées

Des chercheurs ont présenté Sequential Asymmetric Imitation (SAI), une méthode d'apprentissage par imitation pour entraîner deux robots manipulateurs mobiles bimanuels à collaborer physiquement sur des tâches conjointes impliquant des objets rigides ou déformables. Publiée en pré-impression sur arXiv (2606.16490v1), l'étude part d'un constat précis : les échecs en manipulation collaborative ne proviennent pas d'un manque de compétence individuelle, mais de problèmes de synchronisation, notamment les attentes mal timées, le cédage insuffisant et les conflits lors du saisissement ou du relâchement d'objets. SAI propose un curriculum en trois étapes piloté par un seul téléopérateur : Robot A est d'abord entraîné à partir de démonstrations unilatérales avec un partenaire humain compliant ; Robot B est ensuite entraîné contre la politique déployée de Robot A ; enfin, Robot A est affiné par des interventions ponctuelles ciblées sur les zones de défaillance de coordination. Les expériences en conditions réelles montrent des gains mesurés sur la réussite des tâches, la synchronisation de phase et le comportement de cédage adaptatif, par rapport à des baselines d'imitation indépendante. L'apport principal de SAI réside dans l'élimination de la contrainte des démonstrations synchronisées à deux opérateurs, un frein logistique majeur pour la collecte de données dans les systèmes multi-robots. En structurant le curriculum de manière asymétrique, la méthode expose progressivement chaque robot à des comportements partenaires de plus en plus réalistes, incluant délais, décalages de phase et résistance insuffisante, sans nécessiter de canal de communication explicite entre les robots. Pour les intégrateurs industriels, l'argument est concret : un seul opérateur qualifié suffit à générer un dataset multi-agent viable. L'étude suggère que la coordination physique peut émerger de la structure du curriculum d'imitation elle-même, plutôt que d'un mécanisme de coordination dédié, ce qui contredit l'hypothèse dominante selon laquelle la collaboration multi-robot nécessite obligatoirement une communication inter-agents ou des démonstrations co-téléopérées. Ce travail s'inscrit dans un corpus croissant sur la manipulation multi-robot en milieu non structuré, où les approches dominantes reposaient jusqu'ici soit sur des communications inter-robots explicites, soit sur des démonstrations co-téléopérées coûteuses. En n'utilisant aucun des deux, SAI propose une troisième voie potentiellement plus scalable pour les déploiements industriels impliquant des paires de bras robotiques. Il convient toutefois de souligner que la méthode n'est validée que sur un ensemble limité de tâches réelles, sans benchmark standardisé face à des méthodes récentes comme ACT ou Diffusion Policy en contexte multi-agent, et que ce document reste un pré-print non révisé par les pairs. La page projet est disponible sur GitHub (cyc0429.github.io/sai-project-page) ; les prochaines étapes naturelles incluront la généralisation à des topologies de tâches plus complexes et l'évaluation sur des horizons temporels plus longs.

RecherchePaper

1 source

3arXiv cs.RO

Unifier l'apprentissage de politiques et la prédiction d'états grâce à la modélisation spatiale du langage

Des chercheurs proposent, dans un preprint arXiv (2610.12172), le « Spatial Language Modeling », une approche qui fait apprendre à un seul Transformer autorégressif à la fois la génération d'actions et la prédiction des états futurs d'une scène. Le principe consiste à représenter les contours de la scène, les objectifs, les cibles d'action et les états futurs avec un vocabulaire commun de coordonnées discrètes et de tokens sémantiques. Une grammaire propre à chaque tâche organise ces éléments en séquences spatiales, de sorte qu'un même objectif de prédiction du token suivant couvre le contrôle et la modélisation de l'état. Le modèle est entraîné de zéro en deux temps : un pré-entraînement sur des transitions issues de jeu aléatoire, puis un entraînement conjoint actions et états sur des démonstrations expertes. Pendant le pré-entraînement, les coordonnées d'action enregistrées servent de condition aux prédictions d'état suivantes, mais sont exclues de la perte. En phase de contrôle, le modèle ne décode que les cibles d'action exécutables et met à jour son historique avec les états réellement observés. L'évaluation porte sur la tâche Push-T, en simulation et sur un robot réel. Les auteurs annoncent des performances compétitives en simulation, et un taux de réussite ainsi qu'une couverture de la cible supérieurs à ceux des politiques de référence testées sur robot réel. Pour les équipes qui travaillent sur les politiques de manipulation, l'intérêt tient à la supervision complémentaire apportée par l'apprentissage des effets géométriques des actions. Les ablations indiquent que l'entraînement sur des séquences conjointes action-état améliore le contrôle, et que le pré-entraînement sur du jeu aléatoire apporte un gain supplémentaire. Ce dernier point est pertinent en pratique : ces données sont bon marché à collecter, sans téléopérateur expert. Le même modèle, alimenté avec des trajectoires d'actions fournies, prédit aussi les états successifs de la scène et reproduit les effets du poussage. Il joue donc à la fois le rôle de politique et de modèle du monde léger. Il faut toutefois rester prudent sur la portée de ces résultats. Push-T est un benchmark de poussage planaire d'un objet en forme de T, relativement simple, et le texte ne chiffre pas, dans son résumé, l'écart avec les baselines ni la taille de l'échantillon d'essais réels. La généralisation à des tâches à contacts riches, à de la 3D ou à des préhenseurs multi-doigts reste à démontrer, de même que le passage à l'échelle d'un vocabulaire de coordonnées discrètes. Ce travail s'inscrit dans un mouvement plus large visant à unifier perception, action et prédiction dans des architectures de type langage. Il se distingue des approches VLA (vision-langage-action) dominantes, qui reposent sur de grands modèles pré-entraînés, par un entraînement de zéro, sans pré-entraînement web, et par une représentation entièrement spatiale. Parmi les références habituelles de Push-T figurent les politiques de diffusion, qui servent souvent de base de comparaison, ainsi que les modèles du monde appris pour la planification. Le résumé ne précise ni l'équipe, ni le code, ni d'éventuelles extensions annoncées. Il s'agit à ce stade d'un preprint non évalué par des pairs, sans déploiement industriel associé. La suite logique sera de tester la méthode sur des tâches plus longues, sur des scènes 3D et sur des manipulations avec contacts complexes.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Veo-Act : améliorer les politiques VLA grâce aux modèles vidéo de pointe

Des chercheurs présentent Veo-Act, un système hiérarchique associant le modèle de génération vidéo Veo-3.1 de Google DeepMind à une politique vision-language-action (VLA) pour la manipulation robotique, décrit dans un article déposé sur arXiv (identifiant 2604.04502, version révisée). Veo-3.1 y joue le rôle de planificateur de haut niveau : il génère des séquences vidéo montrant le mouvement attendu de la main et des objets pour réaliser une instruction. Un modèle de dynamique inverse à têtes multiples convertit ces paires d'images générées en commandes motrices, tandis qu'une «porte d'interaction» décide du moment où basculer vers la politique VLA pour l'exécution réactive et précise au niveau bas. Les auteurs ont testé le système en simulation et sur un robot réel, sans préciser charge utile, degrés de liberté ni temps de cycle, ce qui relève de la recherche méthodologique plutôt que de l'annonce produit. L'enjeu visé est bien connu du secteur : l'adaptation orientée action des politiques VLA à partir de modèles vision-langage pré-entraînés dégrade souvent leur généralisation sémantique, fragilisant leur robustesse face à des scènes ambiguës ou hors distribution. Les modèles vidéo généralisent mieux sur des scènes complexes et encodent des a priori sur les mouvements de la main, mais manquent de précision et de réactivité pour une manipulation dextre bas niveau. Veo-Act cherche à combiner ces deux forces : selon les auteurs, l'approche améliore le suivi d'instructions et le taux de réussite par rapport à une politique VLA seule, notamment dans des situations nouvelles et sémantiquement complexes, un résultat qui alimente le débat sur le rôle des modèles vidéo comme planificateurs visuels pour la robotique généraliste, aux côtés d'approches comme pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) ou Helix (Figure). Ce travail s'inscrit dans la montée en puissance des politiques VLA comme paradigme dominant de l'apprentissage robotique généraliste, et dans celle des modèles de génération vidéo dont les progrès en cohérence temporelle poussent plusieurs équipes à les détourner en planificateurs pour la robotique. Aucune entreprise, aucun laboratoire ni acteur français ou européen n'est cité, et le travail reste une contribution académique publiée en version révisée sur arXiv, sans calendrier de déploiement industriel annoncé.

RechercheActu

1 source