Adéquation robot-tâche dans l'allocation de tâches multi-robots hétérogènes

Une étude publiée sur arXiv (référence 2610.27504) compare douze façons d'estimer l'adéquation entre un robot et une tâche dans l'allocation de tâches multi-robots hétérogènes. Dix méthodes sont déterministes (à base de règles, de similarité, d'exigences, de logique floue ou d'approches sémantiques), et deux variantes reposent sur des grands modèles de langage (LLM). Toutes sont appliquées aux mêmes profils de robots et de tâches. Les auteurs comparent leurs scores, leurs classements de robots candidats, leur détection de faisabilité et le choix du meilleur robot. Ils font varier la composition de l'équipe, l'échelle, le contexte spatial, l'incertitude sur les capacités et la représentation de la tâche. Le résultat principal est que les méthodes divergent souvent sur des scénarios pourtant identiques. Les mesures de similarité génériques peuvent violer des propriétés attendues d'une adéquation lue comme la satisfaction d'exigences à sens unique. Le scoring par LLM ajoute une sensibilité stochastique et linguistique. Le résumé ne donne aucun chiffre de performance, et rien n'indique de test sur robots physiques ou de déploiement.

Pour les intégrateurs qui orchestrent des flottes mixtes (AMR, bras, plateformes mobiles, voire humanoïdes), le score d'adéquation est souvent traité comme une donnée d'entrée, alors qu'il détermine en amont qui fait quoi. Ce travail montre que ce choix de modélisation change à lui seul le résultat de l'allocation. Il appelle à auditer cette couche avant d'optimiser les algorithmes d'ordonnancement. L'usage d'un LLM comme juge d'adéquation pose en outre un problème de reproductibilité et de traçabilité, puisque la reformulation d'une tâche peut modifier la décision. Cela compte pour tout décideur qui doit valider ou certifier un système de dispatch.

L'allocation multi-robots est un champ ancien, aujourd'hui poussé vers l'hétérogénéité par la coexistence de robots spécialisés et de plateformes généralistes, et par l'arrivée de planificateurs à base de LLM. Cette étude s'inscrit dans cette tendance en jouant le rôle de garde-fou méthodologique plutôt que d'annoncer un nouveau système. Les auteurs plaident pour que l'adéquation soit explicitée comme un choix de conception, avec ses hypothèses et sa robustesse. La suite logique serait des benchmarks partagés et des validations sur flottes réelles, que l'étude ne présente pas.