Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Vers l'auto-amélioration récursive de l'IA physique
RecherchearXiv cs.RO 

Vers l'auto-amélioration récursive de l'IA physique

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Un article de position publié sur arXiv (v1, référence 2610.29677) transpose à la robotique physique le concept d'auto-amélioration récursive (RSI). Il désigne un système qui améliore non seulement son comportement, mais aussi le processus par lequel il s'améliore. Les auteurs partent des agents numériques récents, qui réécrivent leur propre code et valident chaque version par des tests exécutables. Ils examinent ensuite ce qu'exige le passage au monde réel: apprendre à partir d'observations partielles, par des essais coûteux, dans des conditions d'exploitation changeantes et avec des conséquences parfois irréversibles. Selon la revue de littérature, les travaux existants, concentrés sur la manipulation, démontrent une amélioration du comportement, des bénéfices pour l'apprentissage ultérieur et une amélioration des procédures. Certains systèmes modifient aussi les connaissances ou les outils de l'« améliorateur ». Aucune étude physique recensée n'isole pourtant un gain attribuable à la récursion elle-même. Le texte ne rapporte ni nouveau robot, ni déploiement, ni métrique de performance.

Le texte pose quatre conditions pour qu'un gain se transmette d'un cycle à l'autre. Le retour d'information doit répondre aux besoins d'apprentissage restants. Le composant récepteur doit pouvoir exploiter le changement. La valeur du gain doit survivre à un changement de tâche ou de matériel. La pratique continue doit rester sûre et abordable. Pour les intégrateurs et les décideurs industriels, ce cadre tempère les récits de robots qui « s'améliorent seuls » en production: les preuves actuelles montrent de l'apprentissage incrémental classique, pas une boucle récursive démontrée. Il fournit aussi une grille de lecture pour juger les annonces de flottes apprenantes, en demandant si le gain vient bien de l'amélioration du processus d'amélioration, ou simplement de davantage de données. Les principes d'évaluation proposés visent à rendre ces affirmations vérifiables par des ablations.

Ce travail s'inscrit dans un mouvement où les agents de code autonomes ont popularisé l'idée de boucles d'auto-modification validées par des tests, un luxe que le monde physique n'offre pas: pas de test unitaire peu coûteux, pas de retour arrière gratuit. Le papier se place dans la continuité de l'apprentissage de politiques robotiques, des modèles vision-langage-action et de l'apprentissage en flotte, sans désigner d'acteur industriel précis ni d'entreprise européenne. Il s'agit d'une feuille de route de recherche, pas d'un produit: les suites annoncées sont des protocoles d'évaluation et des directions de recherche pour des machines qui améliorent, essai après essai et en sécurité, leur manière de s'améliorer. Aucun calendrier de pilote ou de validation industrielle n'est avancé.

Dans nos dossiers

IA physique & VLAarXiv cs.RO

À lire aussi

AdaRSI : auto-amélioration récursive à la demande pour les agents incarnés
1arXiv cs.RO 

AdaRSI : auto-amélioration récursive à la demande pour les agents incarnés

Des chercheurs proposent AdaRSI, un cadre d'auto-amélioration récursive (RSI) « à la demande » pour agents incarnés, décrit dans un preprint arXiv (2610.20474). Le point de départ est connu: les modèles vision-langage-action (VLA) préentraînés échouent souvent en cours de route sur des tâches longues et inédites. Un agent de codage commence par améliorer les compétences et le « harnais » (le code qui orchestre l'exécuteur). Il attribue ensuite les échecs persistants en rejouant les sous-étapes défaillantes depuis des états sauvegardés. Il n'affine alors que les sous-étapes qui restent peu fiables, avec des démonstrations qu'il collecte lui-même et l'expérience accumulée sur les tâches précédentes. Testé sur les 50 tâches cibles de RoboCasa365, avec GR00T N1.5 comme exécuteur et sans aucune démonstration humaine, AdaRSI améliore le VLA sur les trois suites. Le taux de réussite sur les tâches composites inédites passe de 4,6 % à 13,8 %. Face à un affinage systématique de toutes les sous-étapes, il obtient un succès légèrement supérieur avec 28 % du temps GPU et 22 % des démonstrations auto-collectées. L'affinage sans harnais utilise davantage de données pour un gain bien moindre. L'intérêt tient à la question posée: à quel moment un système qui s'améliore seul doit-il toucher aux poids de son exécuteur? Les méthodes existantes tranchent par principe. Soit elles ne retouchent que le harnais et ne peuvent donc pas ajouter un mouvement manquant. Soit elles entraînent sur chaque échec sans distinguer un mauvais appel d'une vraie limite de capacité. Séparer ces deux causes réduit nettement le coût d'adaptation, ce qui compte pour tout intégrateur qui devrait spécialiser un VLA sur un site sans équipe de téléopération. Il faut toutefois relativiser. 13,8 % de réussite reste très bas pour un usage industriel. Le résultat est obtenu en simulation, sur un benchmark de cuisines domestiques, et rien n'indique encore un transfert vers le monde réel. Le gain en efficacité (28 % du GPU, 22 % des données) est en revanche le résultat le plus solide, car il est mesuré face à une base de comparaison directe. Le texte ne précise pas la variance entre tâches ni le coût de l'agent de codage lui-même. Ce travail s'inscrit dans la vague de l'auto-amélioration récursive appliquée à la robotique, qui transpose aux corps physiques ce que les agents de codage font déjà pour le logiciel. Il s'appuie sur GR00T N1.5, le modèle de fondation de NVIDIA pour humanoïdes, et sur RoboCasa, benchmark de manipulation domestique en simulation. Les approches concurrentes cherchent à réduire la dépendance aux démonstrations humaines, que ce soit par données synthétiques, apprentissage par renforcement ou boucles de correction autonomes. Il s'agit d'un preprint, sans revue par les pairs, et aucun code ni déploiement physique n'est annoncé dans le résumé. La suite logique serait une validation sur robot réel et sur des exécuteurs plus récents, comme GR00T N2 ou Pi-0, pour vérifier que l'attribution des échecs tient hors simulation.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Machines de Turing incarnées : du code avec état pour l'auto-amélioration récursive des robots
2arXiv cs.RO 

Machines de Turing incarnées : du code avec état pour l'auto-amélioration récursive des robots

Des chercheurs proposent de retirer tout modèle de la boucle de contrôle d'un robot et de confier chaque décision à du code classique. Leur papier, publié sur arXiv (2610.12369), introduit le paradigme Code-Only-as-Policy (COAP). Le code mesure et suit en continu l'état du robot, de l'environnement et de la tâche à partir des images caméra et de la proprioception, puis prend chaque décision à partir de cet état. La même bibliothèque s'applique d'un épisode à l'autre, et plusieurs tâches la partagent, sans VLA (modèle vision-langage-action) ni VLM interrogé à l'exécution. Sur RoboDojo, un banc de 42 tâches bimanuelles, la bibliothèque produite atteint 70,24 % de réussite sans aucun modèle au moment du test. Le papier ne détaille pas, dans son résumé, le matériel, les temps de cycle ni les conditions de test, et il s'agit pour l'instant d'un résultat de recherche et non d'un produit. Le cadre théorique est celui d'une « machine de Turing incarnée » : le ruban correspond à l'état du robot et de son environnement, et les règles correspondent à la politique. Si cet état est représenté avec précision, la décision peut s'écrire entièrement en code. Les auteurs mettent en avant trois avantages face aux VLA et aux « Agent Harness » (Agent-as-Policy, Harness VLA), où un VLM est sollicité en ligne. Premièrement, l'état est explicite et stockable dans le code. Deuxièmement, l'exécution est contrôlable, récupère les échecs de façon flexible et tourne vite et à bas coût. Troisièmement, les nouvelles tâches réutilisent, héritent ou étendent la bibliothèque commune, ce qui permet de cumuler les capacités. L'intérêt pour l'industrie est double. Pour un intégrateur ou un COO, une politique déterministe, auditable et sans appel à un modèle distant répond à des exigences de latence, de coût d'inférence et de traçabilité que les VLA remplissent mal. Chaque modification du code est explicite et vérifiable, à l'inverse d'un réentraînement opaque. Ensuite, le papier propose ce qu'il appelle l'auto-amélioration récursive : des agents de code développent la bibliothèque en boucle fermée. Reste à nuancer : 70,24 % signifie près de 30 % d'échecs, ce qui reste loin des seuils de production, et les auteurs admettent que le plafond dépend de la précision de l'estimation d'état et de la robustesse de la logique. La perception reste donc le goulot d'étranglement, et la généralisation hors benchmark n'est pas démontrée. Ce travail s'inscrit dans le débat entre politiques apprises de bout en bout (famille Pi-0, GR00T, Helix) et architectures d'agents où un VLM planifie à l'exécution. COAP revient à une approche proche de la robotique classique, mais avec des agents de code qui écrivent et font évoluer la bibliothèque. Les auteurs suggèrent aussi d'utiliser COAP comme moteur de génération de données pour entraîner des VLA et alimenter des Agent Harness, ce qui en ferait un complément plutôt qu'un concurrent. Aucun calendrier de déploiement ni partenaire industriel n'est annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
MobiAgent : auto-amélioration récursive de la politique à double boucle pour la manipulation mobile à long horizon
3arXiv cs.RO 

MobiAgent : auto-amélioration récursive de la politique à double boucle pour la manipulation mobile à long horizon

Des chercheurs publient MobiAgent, un framework agentique à double boucle pour la manipulation mobile longue durée, c'est-à-dire des tâches en plusieurs étapes où un robot doit combiner déplacement et usage du bras. La boucle interne, active au déploiement, sépare le raisonnement de haut niveau du contrôle bas niveau grâce à des compétences atomiques composables. Des modèles vision-langage assurent une planification à horizon glissant et une « réflexion visuelle » sur l'état de la scène, afin de recomposer les compétences et de rattraper les erreurs. Ces compétences sont exécutées par des experts à flow-matching qui partagent un même backbone VLM. La boucle externe segmente et vérifie automatiquement les rollouts de déploiement, les regroupe par clustering pour découvrir de nouvelles compétences atomiques, puis affine la bibliothèque sans annotation humaine. Sur BEHAVIOR-1K, MobiAgent dépasse de 22,5 points de pourcentage la baseline π0.5-TA. Par recyclage autonome des données, le taux de succès passe de 7,5 % à 27,5 % sur RoboCasa, et de 32,5 % à 57,5 % sur le robot Astribot S1 en conditions réelles. L'intérêt tient à deux verrous que les modèles VLA actuels n'ont pas levés. Ces modèles sont performants sur des tâches courtes, mais les erreurs d'exécution s'accumulent sur les séquences longues. La locomotion et le contrôle du bras entrent aussi en interférence de capacité lorsqu'une même politique doit tout apprendre. Les experts spécialisés sur backbone commun répondent à cette seconde difficulté tout en conservant la réutilisabilité. Le résultat le plus parlant pour un intégrateur est la boucle d'amélioration sans annotation : un système qui exploite ses propres échecs et succès de terrain réduit le coût de la collecte de démonstrations, premier poste de dépense des déploiements de manipulation. Les chiffres appellent toutefois à la prudence. Un passage à 27,5 % sur RoboCasa signifie que trois tâches sur quatre échouent encore. Les 57,5 % sur Astribot S1 viennent d'un seul robot et d'un jeu de tâches limité, dont la taille n'est pas précisée dans le résumé. On est donc face à un résultat de recherche, pas à un produit ni à un déploiement industriel. Ce travail s'inscrit dans la montée des architectures hiérarchiques qui tentent de pallier les limites des VLA monolithiques comme π0.5 de Physical Intelligence. Il rejoint les approches à double système popularisées par Helix de Figure ou GR00T de NVIDIA, avec une différence : l'accent mis sur l'apprentissage continu en boucle fermée plutôt que sur une architecture figée. Les benchmarks choisis, RoboCasa et BEHAVIOR-1K, restent des environnements de simulation de tâches domestiques, et la transposition à des cadences industrielles reste à démontrer. La suite logique est une validation sur plus de robots, de tâches et d'environnements, avec des mesures de robustesse sur de longues périodes. Aucun pilote commercial ni calendrier n'est annoncé. L'article, publié sur arXiv sous la référence 2610.03476, est une préimpression qui n'a pas encore été évaluée par des pairs.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
RegenHarness : un harnais d'agent robotique à auto-amélioration récursive validée par preuves
4arXiv cs.RO 

RegenHarness : un harnais d'agent robotique à auto-amélioration récursive validée par preuves

Un preprint arXiv (2609.27612v1, non relu par des pairs) présente RegenHarness, une couche d'orchestration pour agents robotiques qui distingue proposition du modèle, fin d'exécution du contrôleur et vérification réelle de la tache. Son architecture combine une boucle modèle générant des propositions conditionnées au contexte et une boucle agent organisée en quatre contextes isoles par rôle (planification, supervision, vérification, récupération), avec une mémoire versionnée et une porte de validation liée a l'identité et a la version de la tache, vérifiant l'objectif utilisateur avant toute déclaration de succès. Les auteurs documentent un déploiement réel sur un robot quadrupède en entrepôt: navigation déclenchée a la voix, inspection panoramique, analyse visuelle, livraison de message, retour et compte-rendu vocal, traces par audio, images, trajectoires et reçus. Un second circuit distinct montre que l'achèvement d'une tache dépend de l'historique d'exécution et non de la seule proximité au point final. Les auteurs revendiquent le premier protocole d'auto-amélioration récursive "évidence-gated" pour des agents robotiques incarnes, une affirmation non encore validée par des pairs. A partir des journaux d'exécution, le système peut proposer des modifications de ses propres règles de contexte, gabarits de tache, routage ou politiques de récupération, mais leur adoption reste soumise a des tests de régression fixes et une autorisation explicite, avec déploiement et retour arrière versionnes; il ne touche jamais aux poids du modèle ni a la porte de validation elle-même. Pour les intégrateurs, l'intérêt tient moins a un nouveau modèle qu'a cette couche de gouvernance qui sépare ce qu'un modèle propose de ce qui est vérifie comme réellement accompli. RegenHarness s'inscrit dans une recherche plus large visant a combler l'écart entre les modèles généralistes vision-langage-action et une exécution fiable sur le terrain, en ajoutant une couche de vérification autour des politiques existantes plutôt qu'en modifiant les modèles eux-mêmes. L'abstract ne nomme ni laboratoire, ni entreprise, ni plateforme quadrupède précise, empêchant toute comparaison avec les piles commerciales du secteur. Aucun volume de déploiement, calendrier de pilote ni prix n'est communique: il s'agit a ce stade d'une preuve de concept sur un site d'entrepôt et un circuit de test complémentaire, sans extension annoncée a d'autres plateformes.

RecherchePaper
1 source