HoloBoxing : une recette simple pour la boxe humanoïde, avec 7 minutes d'entraînement sur un seul GPU

HoloBoxing, publié sur arXiv (2610.32909), propose une méthode pour apprendre la boxe à un robot humanoïde en environ sept minutes d'entraînement supplémentaire sur un seul GPU, en partant d'un contrôleur corps entier déjà pré-entraîné. L'approche sépare les compétences motrices réutilisables des décisions propres à la tâche. Un planificateur compact demande des cibles futures pour des points du corps, tandis que le contrôleur, laissé gelé, assure l'exécution au niveau des articulations. Un décodeur appris traduit des actions de dimension 32 en fenêtres de cibles structurées. Le planificateur est d'abord initialisé par imitation d'états mesurés, puis affiné par apprentissage par renforcement, qui ajuste les comportements d'interaction en réutilisant le décodeur et le contrôleur. Les sept minutes incluent l'ajustement de la représentation réutilisée et un entraînement de la tâche sur un GPU. Elles excluent le pré-entraînement du contrôleur, la préparation des données, l'évaluation et la recherche d'hyperparamètres. Les résultats reposent sur des expériences de boxe en simulation, complétées par des contrôles de composants qui isolent le rôle de l'initialisation par imitation et celui de la représentation des cibles.

L'intérêt tient à la manière dont l'effort est réparti. Le coût de l'apprentissage du contrôle corps entier est payé une fois, puis amorti sur les tâches suivantes, et l'optimisation par récompense ne porte plus que sur une politique supérieure légère. Si cette architecture tient hors du papier, elle réduit le coût marginal de chaque nouvelle compétence d'un humanoïde, ce qui compte pour les intégrateurs qui devraient sinon relancer de longs entraînements pour chaque tâche. Il faut toutefois lire le chiffre de sept minutes avec prudence. Il est mesuré à partir d'un contrôleur déjà disponible, et il omet les étapes les plus coûteuses. Surtout, les résultats sont uniquement en simulation. Rien n'indique de transfert vers un robot réel, ni de comparaison chiffrée avec des méthodes concurrentes dans le résumé, ce qui laisse entière la question du fossé simulation-réel.

Ce travail s'inscrit dans la tendance des architectures hiérarchiques, où un contrôleur de bas niveau généraliste est piloté par une couche de décision plus légère. Cette logique se retrouve dans les modèles fondation pour humanoïdes et dans les contrôleurs de suivi de mouvement. La boxe, avec ses contacts et ses interactions rapides, sert ici de banc d'essai exigeant pour ce découpage. Aucun partenaire industriel, calendrier de déploiement ou matériel cible n'est annoncé. La suite logique serait une validation sur robot physique et une démonstration de la réutilisation du même contrôleur sur d'autres tâches.