RecherchearXiv cs.RO 27 octobre 2026

Vers l'auto-amélioration récursive physique : plaidoyer pour la co-conception corps-contrôle des robots humanoïdes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs proposent, dans une version révisée (v2) d'un article de position publié sur arXiv, de faire de la co-conception corps-contrôle le socle d'une « auto-amélioration récursive physique » (physical Recursive Self-Improvement, RSI) pour les robots humanoïdes. Le principe consiste à utiliser l'expérience accumulée par un humanoïde, avec son corps et sa politique de contrôle actuels, pour guider des améliorations successives des deux à la fois. Il s'agit d'un texte conceptuel et non d'un produit ou d'un prototype : il ne contient ni robot testé, ni résultat chiffré, ni site de déploiement. Les auteurs esquissent trois pistes méthodologiques : l'exploration stratégique de l'espace des morphologies, le transfert Sim2Real (de la simulation au robot réel) et l'apprentissage de méta-politiques, c'est-à-dire de politiques qui apprennent à rendre le processus d'amélioration lui-même plus efficace. Ils défendent la co-conception selon trois angles (méthodologique, applicatif et communautaire) et dressent une liste de questions ouvertes, du court au long terme.

L'enjeu est de remettre en cause un biais du domaine. La quasi-totalité des efforts actuels, qu'il s'agisse de VLA (modèles vision-langage-action), d'apprentissage par renforcement ou de téléopération à grande échelle, optimise des politiques pour une morphologie figée. Or un humanoïde industriel reste contraint par des choix matériels (nombre de degrés de liberté, répartition des actionneurs, charge utile, autonomie) qui plafonnent ce que le logiciel peut obtenir. Les auteurs soulignent eux-mêmes que la co-conception reste peu explorée sur les humanoïdes, et ils posent la question de sa faisabilité et de sa nécessité. L'article ne la tranche pas. Pour un intégrateur ou un décideur B2B, il n'y a donc aucune conséquence opérationnelle à court terme : c'est une grille de lecture, et le vocabulaire « RSI » relève davantage du positionnement que d'une capacité démontrée. Les principaux verrous, tels que le coût de fabrication de nouvelles morphologies, la fidélité de la simulation et la validation sur matériel réel, restent entiers.

Ce texte s'inscrit dans le courant de l'IA incarnée qui a donné les modèles généralistes (Pi-0, GR00T, Helix) et les plateformes comme Figure 03 ou Optimus, tous conçus autour d'un corps fixé en amont, puis adapté par itérations industrielles lentes d'une génération à l'autre. La co-conception de formes et de contrôleurs existe depuis longtemps en robotique évolutionnaire et sur des systèmes plus simples, mais elle n'a pas encore été appliquée de façon convaincante aux humanoïdes complets. Les suites possibles sont académiques : benchmarks communs, pipelines de conception différentiable et validations Sim2Real sur des sous-systèmes comme la main ou la jambe. Aucun calendrier ni partenaire industriel n'est annoncé.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

Figure IA physique & VLA NVIDIA GR00T arXiv cs.RO

À lire aussi

1arXiv cs.RO

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

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.

RecherchePaper

1 source

2arXiv cs.RO

RoboDoctor : l'auto-amélioration récursive des politiques de robots, sans entraînement

RoboDoctor est un cadre logiciel décrit dans une prépublication arXiv, qui cherche à améliorer le comportement d'une politique robotique pendant l'exécution, sans réentraînement et avec des poids de modèle figés. Il associe une politique généraliste de manipulation à un agent fondé sur un modèle de langage. Un « harnais » répartit le contrôle entre les deux. Un module d'intervention décide quand l'agent doit aider, en conservant les comportements utiles de la politique. Un module d'opération affine les méthodes physiques, par exemple la saisie, d'après les effets observés. Des fiches d'expérience liées enregistrent la raison d'une décision, la méthode tentée, son résultat et les conditions de réutilisation. L'évaluation porte sur une archive sélectionnée de 54 entrées de tâches du benchmark RoboDojo-Sim, donc en simulation. Le système obtient un score moyen de 57,10 sur cinq dimensions et un taux de réussite natif de 49,44 %. Les auteurs illustrent le résultat par des interactions enregistrées, qui montrent des changements de stratégie, des corrections sélectives et des révisions de prise. Le travail déplace l'adaptation du moment de l'entraînement vers celui de l'exécution. Pour un intégrateur, l'idée est séduisante: corriger une politique VLA (vision-langage-action) à partir des conséquences physiques réelles, sans collecte de données ni fine-tuning, réduirait le coût de mise au point sur site. Les chiffres imposent toutefois de la prudence. Un taux de réussite proche de 50 % sur une archive curatée, uniquement en simulation, ne dit rien de la fiabilité exigée en production. Les auteurs reconnaissent eux-mêmes que des essais contrôlés restent nécessaires pour isoler l'apport de l'expérience accumulée d'un épisode à l'autre, ce qui est précisément la promesse centrale. Les exemples qualitatifs montrent des mécanismes plausibles, pas une preuve de gain. Le contexte est celui de politiques généralistes comme Pi-0, GR00T ou Helix, performantes en démonstration mais fragiles face aux écarts du monde réel, et d'agents LLM capables de planifier mais mal ancrés dans la physique. RoboDoctor se place entre les deux, dans la lignée des approches d'auto-amélioration par mémoire et réflexion. Aucun pilote industriel ni calendrier n'est annoncé, et le travail relève de la recherche, pas d'un produit. La suite logique sera des ablations contrôlées sur la mémoire inter-épisodes, puis un transfert sur robot physique, seul test capable de confirmer l'intérêt du cadre.

RecherchePaper

1 source

3arXiv cs.RO

EmbodiRSI : l'auto-amélioration récursive pour une adaptation des robots économe en données

Des chercheurs publient sur arXiv EmbodiRSI, un système « agentique » d'auto-amélioration récursive (RSI) pour adapter des politiques de manipulation robotique à de nouvelles tâches et environnements. Le principe repose sur une boucle « real-to-sim-to-real » : une simulation spécifique à la tâche est construite à partir du scénario de déploiement cible, puis sert d'environnement peu coûteux pour améliorer la politique par itérations avant son retour sur le robot physique. Deux mécanismes ferment la boucle. La Collaborative Error Correction génère, avec l'aide d'un agent, des trajectoires correctives à partir des états que la politique a réellement atteints. L'Adaptive Data Collection oriente la génération de démonstrations expertes vers les faiblesses actuelles de la politique. Sur trois environnements de table et 14 sous-tâches, le taux de réussite autonome en simulation, équilibré par scène, passe de 50,4 % à 83,5 % en deux mises à jour RSI. Avec 400 trajectoires simulées adaptatives et seulement dix trajectoires réelles de raffinement par sous-tâche, le système atteint 83,1 % de réussite réelle, contre 75,0 % pour une adaptation à partir de 200 démonstrations réelles par sous-tâche. L'enjeu est le coût de la donnée, principal goulot d'étranglement du déploiement de politiques de type VLA ou d'imitation chez les intégrateurs. Ici, le volume de données réelles est divisé par vingt (10 contre 200 démonstrations par sous-tâche) pour un résultat supérieur de plus de huit points. Si ce résultat se confirme, la simulation spécifique au site cesse d'être un simple banc d'essai et devient un espace de travail réutilisable pour le préchauffage, l'évaluation répétable, le diagnostic des échecs et la génération ciblée de données. Cela réduit la dépendance à la téléopération, coûteuse en main-d'œuvre. Le résultat nuance aussi l'idée que le sim-to-real exige une simulation généraliste : une simulation étroite, construite pour un seul déploiement, peut suffire. Des réserves s'imposent toutefois. Les tâches sont de la manipulation sur table, le nombre de sous-tâches est limité, la fidélité de la reconstruction de scène n'est pas détaillée dans le résumé, et aucun temps de cycle, taux de panne ni coût de construction de la simulation n'est donné. Le travail reste une prépublication, sans pilote industriel annoncé. Ce travail s'inscrit dans la poussée actuelle vers l'adaptation efficace en données des politiques généralistes, alors que le fine-tuning post-entraînement par démonstrations réelles reste la pratique dominante. Il rejoint les approches de reconstruction de scènes pour la simulation (real-to-sim), de génération de données synthétiques et de boucles d'amélioration pilotées par des agents, explorées par les grands laboratoires et les équipes derrière des modèles comme Pi-0 ou GR00T. L'originalité tient au pilotage de la collecte par les échecs observés de la politique, plutôt qu'à une génération de données uniforme. Les prochaines étapes à surveiller sont la validation sur des tâches plus longues et sur des objets déformables ou en contact riche, la réplication par des tiers, la publication du code et des benchmarks, et surtout un test en conditions industrielles, où la variabilité des scènes dépasse largement celle d'un plateau de laboratoire.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv 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