SPAR : un classeur d'actions de poussée entraîné par recherche pour une navigation efficace parmi des obstacles mobiles

Des chercheurs proposent SPAR (Search-trained Push Action Ranker), une méthode d'apprentissage qui accélère la navigation parmi des obstacles déplaçables (NAMO), c'est-à-dire la tâche où un robot doit réarranger des objets bloquant l'accès à son but. Le cas étudié est celui d'un robot qui pousse : certaines poussées dites « de préparation » n'ouvrent aucun passage elles-mêmes, mais rendent possible une ouverture ultérieure. Le nombre de séquences candidates croît de façon exponentielle avec leur longueur, ce qui rend coûteuse la recherche fondée sur la simulation physique. SPAR apprend donc à hiérarchiser les primitives de poussée à partir de résultats de recherche simulés, avec des séquences allant jusqu'à deux poussées par objet. Un transformer, entraîné avec des pertes de régression et de classement, évalue chaque primitive à partir de jetons de contact conditionnés par la géométrie de la scène et les zones d'accessibilité. Le même modèle sert deux modes : SPAR Search, qui guide les appels au simulateur, et SPAR Policy, qui choisit directement les actions à exécuter.

Sur 300 problèmes simulés de « trou de serrure » nécessitant deux poussées, SPAR Search divise par 7,0 le nombre médian d'appels au simulateur et par 3,8 le temps de planification par rapport à une recherche aléatoire. Sans réentraînement, sur 600 problèmes sans solution en deux poussées et avec une profondeur maximale de cinq poussées, il atteint 50,7 % de réussite en 100 appels, contre 20,2 %. Dans des scènes NAMO difficiles, le taux passe à 47 % contre 21 %. Sur robot réel, SPAR Policy réussit 37 essais sur 40 sans jumeau numérique physique, contre 33 sur 40 pour SPAR Search et 27 sur 40 pour la recherche aléatoire.

L'intérêt pour l'industrie tient à ce dernier résultat : une politique apprise issue de la recherche peut surpasser la recherche elle-même tout en se passant d'un simulateur au déploiement, ce qui allège l'infrastructure pour les intégrateurs. La généralisation à des problèmes plus profonds que ceux d'entraînement est aussi un signal favorable. Les réserves sont nettes : le banc d'essai reste restreint (40 essais, pas de précision sur les scènes, objets ou robot), la référence est une recherche aléatoire plutôt qu'un planificateur NAMO de pointe, et même 47 % de réussite en scènes difficiles reste loin d'une fiabilité industrielle.

Ces travaux, publiés sur arXiv (v1), s'inscrivent dans la lignée de la planification NAMO classique, longtemps limitée par l'explosion combinatoire, et dans celle des approches qui utilisent la recherche comme source de supervision. Ils relèvent de la recherche académique, sans produit ni calendrier de déploiement annoncé. La suite logique serait de les étendre à des manipulations plus riches que la poussée et à des environnements d'entrepôt ou de logistique plus encombrés.