Co^2Gen : génération collaborative de plans de tâches pour la collaboration décentralisée entre plusieurs robots et humains

Des chercheurs proposent Co^2Gen, un cadre logiciel qui automatise la production de données de collaboration multi-robots destinées à l'entraînement décentralisé de modèles VLA (Visual Language Action), ces modèles généralistes censés fonctionner sur plusieurs morphologies, tâches et environnements. Le principe tient en deux étapes. Un planificateur collaboratif décentralisé génère d'abord des plans multi-robots sous forme de fonctions exécutables. Ces plans servent ensuite à produire des démonstrations collaboratives, utilisées pour affiner (fine-tuning) des VLA de façon décentralisée, chaque robot disposant de sa propre politique. Selon les auteurs, les modèles entraînés sur ces données synthétiques atteignent des performances comparables à celles de modèles entraînés sur des démonstrations collaboratives téléopérées par des humains. Il s'agit d'un travail académique publié sur arXiv (préprint, non relu par les pairs), sans produit, déploiement industriel ni calendrier de commercialisation annoncés. Le résumé ne précise ni le nombre de robots, ni les tâches, ni les volumes de données, ni les taux de réussite.

L'enjeu est celui du goulot d'étranglement de la donnée. La téléopération coûte cher et se complique fortement dès que plusieurs robots, voire des humains, doivent coordonner leurs actions : il faut plusieurs opérateurs synchronisés, ce qui limite le passage à l'échelle. Si la parité avec la téléopération se confirme sur des tâches variées, les intégrateurs et les équipes R&D pourraient générer des corpus de coordination à moindre coût, un atout pour les flottes mixtes en entrepôt ou en usine. Le travail s'attaque aussi à une limite connue des VLA actuels, surtout évalués en mono-robot. L'approche décentralisée évite en outre de dépendre d'un contrôleur central, ce qui correspond mieux à des sites où les robots viennent de fournisseurs différents. Il faut toutefois rester prudent : une parité mesurée en simulation ou sur quelques tâches de laboratoire ne prouve ni la robustesse en conditions réelles, ni la résistance aux imprévus, ni l'écart entre démonstration et production.

Ce travail s'inscrit dans la montée des VLA généralistes (Pi-0, GR00T, Helix), dont les démonstrations de collaboration restent surtout centralisées ou limitées à un seul robot. Il rejoint aussi la tendance à utiliser des modèles de langage pour écrire des plans sous forme de code, puis à distiller ces plans en politiques apprises. Les prochaines étapes à surveiller sont la publication du code et des benchmarks, la validation sur matériel physique et l'extension aux collaborations avec des humains, que le titre annonce mais que le résumé ne chiffre pas.