FastHarness : ordonnancement de révisions guidé par l'expérience pour les politiques vision-langage-action (VLA)

FastHarness, un framework décrit dans un preprint arXiv (2610.31427v1), vise à réduire le coût de supervision des systèmes robotiques dits agentiques, qui associent le raisonnement d'un modèle de langage à une politique de contrôle robotique. Ici, GPT-6 Astra supervise une politique VLA (vision-langage-action) π0.5, dont les poids restent gelés et qui génère de nouvelles actions à partir des observations courantes. Le système cible un défaut courant de ces architectures: la relecture de chaque segment d'actions (action chunk) par le modèle superviseur coûte cher, y compris dans des situations familières. Le chemin rapide s'appuie sur une mémoire des étapes et sur les résultats déjà relus pour espacer les revues à mesure que l'expérience s'accumule. Un chemin de récupération concentre la supervision sur la correction des erreurs, puis l'exécution routinière reprend une fois la correction vérifiée, l'expérience d'échec étant conservée pour guider les interventions futures. Sur quatre tâches de manipulation simulées, la consommation de tokens du relecteur baisse en moyenne de 57,2 % par tâche entre le premier épisode évalué et la moyenne des cinq derniers. Le temps moyen par épisode passe de 85,5 à 52,0 minutes, et le taux de réussite moyen de 80 % pour la baseline GPT-as-Policy (π0.5 plus GPT-6 Astra) à 97,19 %.

Pour les intégrateurs et les responsables d'exploitation, l'enseignement porte sur le coût d'exploitation de la supervision par LLM, souvent l'obstacle économique à ces architectures. Les auteurs montrent qu'une planification adaptative des revues peut améliorer à la fois l'efficacité et la fiabilité, sans réentraîner ni ajuster la politique sous-jacente. Cela plaide pour une couche logicielle de supervision modulaire, compatible avec des VLA existants. Les chiffres appellent toutefois de la prudence: les résultats viennent uniquement de simulation, sur seulement quatre tâches, et rien ne documente le transfert au monde réel, où la latence, le bruit de perception et la variabilité des scènes pèsent davantage. Des épisodes de 52 à 85 minutes restent aussi très longs pour des cadences industrielles, ce qui indique que le travail relève d'une démonstration de méthode et non d'une performance de production. Le gain dépend en outre d'une répétition de situations similaires, hypothèse à vérifier en environnement moins structuré.

Le travail s'inscrit dans la montée des architectures hiérarchiques, où un modèle de raisonnement généraliste pilote une politique d'actions de bas niveau, une approche proche de celles explorées par Physical Intelligence avec la famille π, ou par d'autres acteurs combinant planification par LLM et contrôle réactif. La baseline GPT-as-Policy illustre le coût de la supervision systématique que FastHarness cherche à réduire. Il s'agit d'un preprint, sans mention de relecture par les pairs, de code publié, de partenaire industriel ni de pilote. Les prochaines étapes naturelles seraient une validation sur robots physiques, des tâches plus nombreuses et variées, et une comparaison avec d'autres stratégies de supervision. Aucun acteur français ou européen n'est cité dans l'abstract.