RecherchePandaily 30 octobre 2026

Tsinghua, Infinigence AI et AgiBot entraînent 96 robots réels à apprendre de l'expérience des uns et des autres

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Des chercheurs de l'université Tsinghua, d'Infinigence AI et d'AgiBot ont présenté le Collective Experience Learning (CEL), une méthode d'entraînement dans laquelle les robots apprennent des réussites des autres robots plutôt que, principalement, de démonstrations humaines. L'approche a été validée sur un cluster de 96 robots réels, selon un communiqué relayé par QbitAI le 30 octobre, et l'article associé figure sur arXiv sous la référence 2610.25736. Cinq tâches domestiques et industrielles ont été testées : composition florale, pliage de vêtements, recharge d'un téléphone, assemblage d'un tabouret et emballage d'un téléphone. Deux robots n'ayant pas participé à l'entraînement ont réalisé 600 essais pour 15 échecs, soit 97,5 % de réussite globale, avec des taux supérieurs à la moyenne de six opérateurs humains sur chacune des cinq tâches. Sur l'emballage de téléphone, tâche industrielle à étapes multiples, la réussite passe de 79,2 % à 98,3 % après apprentissage collectif, avec deux échecs sur 120 exécutions consécutives. À temps d'entraînement réel identique, passer de 16 à 96 robots fait monter le taux de 86,7 % à 98,3 %. L'ensemble repose sur FATS, un système d'entraînement asynchrone tolérant aux pannes bâti sur le framework open source d'apprentissage par renforcement RLinf, et sur FERT, un algorithme de réglage fin guidé par les échecs. Le cluster a collecté 9 834 épisodes ; 22 robots ont subi 30 pannes, mais le temps robot perdu n'a représenté que 1,3 % du temps total de fonctionnement.

L'enjeu est celui du goulot d'étranglement humain. Aujourd'hui, améliorer une politique robotique en conditions réelles suppose qu'un opérateur démontre le geste à répétition ou corrige les erreurs, et on peut déployer des centaines de robots sans pouvoir multiplier les opérateurs expérimentés au même rythme. Si l'approche se confirme, la valeur d'une flotte ne tient plus seulement à ce qu'elle exécute, mais à ce qu'elle apprend : chaque unité supplémentaire contribue au corpus d'expérience au lieu de réclamer davantage de supervision. La courbe de passage à l'échelle de 16 à 96 robots va dans ce sens, et le chiffre de 1,3 % de temps perdu répond à une objection d'ingénierie très concrète, celle de la fiabilité d'un parc matériel hétérogène en entraînement continu. Le résultat sur l'emballage de téléphone, plus proche d'un poste d'usine que d'une démonstration de laboratoire, intéresse directement les intégrateurs.

Quelques réserves s'imposent. Les résultats sont ceux de l'équipe de recherche, le communiqué est fourni par Infinigence AI, et rien n'a été répliqué de façon indépendante. Cinq tâches, dont deux seulement sont industrielles, ne disent rien de la robustesse face à des variations d'environnement, de pièces ou de cadence, et la comparaison avec six opérateurs humains dépend de leur niveau et de la métrique retenue. Il s'agit d'un résultat de recherche, pas d'un produit livré ni d'un déploiement client. Le travail s'inscrit dans la montée en puissance d'AgiBot, qui a récemment présenté un aperçu de son modèle GO-3 en visant l'open source, face à des acteurs comme Figure, Tesla ou Physical Intelligence qui misent aussi sur l'apprentissage à partir de flottes de robots. La suite logique serait un test sur des sites de production réels, avec davantage de tâches et un code accessible, ce que l'équipe n'a pas annoncé à ce stade.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

AgiBot Physical Intelligence — π0 arXiv cs.RO

À lire aussi

1arXiv cs.RO

Apprendre de l'expérience de la flotte : un apprentissage collectif à partir de 96 robots

Des chercheurs proposent un cadre baptisé Collective Experience Learning (CEL), qui exploite directement les exécutions d'une flotte de robots déployés pour améliorer une politique partagée, sans recourir à de nouvelles démonstrations d'experts ni à des actions correctives. Après une initialisation supervisée par des experts, la méthode FERT (failure-guided expérience retrieval fine-tuning) utilise les contextes d'échec pour retrouver des segments pertinents dans les trajectoires réussies, puis privilégie leurs actions enregistrées lors de mises à jour supervisées. Les opérateurs se limitent à fournir une étiquette binaire de réussite ou d'échec par épisode et à remettre l'environnement en état. Un système d'entraînement asynchrone tolérant aux pannes, FATS, coordonne l'exécution des robots, l'inférence dans le cloud et l'optimisation de la politique malgré les interruptions locales. Sur cinq tâches de manipulation réelles, les politiques atteignent 93,3 à 99,2 % de réussite, mesurées sur 120 essais par tâche avec des robots exclus de la collecte de données d'entraînement. Sur l'emballage multi-étapes d'un téléphone, le passage à 96 robots fait grimper le taux de succès de 79,2 % à 98,3 %. L'enjeu est celui du coût de la supervision humaine à mesure que les parcs de robots grossissent. Aujourd'hui, l'amélioration d'une politique en production repose largement sur des correctifs fournis par des téléopérateurs, ce qui ne passe pas à l'échelle quand on multiplie les machines. Ici, le signal vient de l'activité normale du parc, avec un effort humain réduit à un jugement binaire et à des remises à zéro. À temps de collecte fixé par robot, les résultats indiquent que plus de robots apporte généralement plus d'expérience et de meilleures performances sur les tailles testées, ce qui plaide pour un effet d'échelle exploitable par les intégrateurs et exploitants de flottes. Il faut toutefois rester prudent: il s'agit d'un travail académique, sur cinq tâches choisies par les auteurs, sans chiffres de cadence, de coût ni de durée d'entraînement. Le gain de 79,2 % à 98,3 % est mesuré sur une tâche précise, et le texte indique une amélioration « généralement » monotone, pas systématique. La fiabilité de 99 % en conditions de production, avec variété d'objets et d'environnements, reste à démontrer. Ce travail s'inscrit dans la montée des approches d'apprentissage à partir de données de déploiement, après les politiques généralistes de type VLA (vision-langage-action) entraînées sur des démonstrations, et les méthodes d'apprentissage par renforcement ou de correction humaine en ligne, qui demandent un expert dans la boucle. Des acteurs comme Physical Intelligence (Pi-0), Nvidia (GR00T) ou Figure (Helix) misent sur des données massives et des flottes pour affiner leurs modèles, sans toujours détailler leurs boucles d'amélioration en production. L'article, publié sur arXiv en version 2 (2610.25736), ne mentionne aucun pilote industriel ni calendrier de commercialisation. Les prochaines étapes à surveiller sont la reproduction sur d'autres tâches et morphologies, la robustesse face aux échecs rares, et surtout un test en exploitation réelle avec des flottes clientes.

RecherchePaper

1 source

2Robohub

IA agents créent des terrains de jeu virtuels pour entraîner les robots

Des chercheurs du MIT CSAIL et du Toyota Research Institute ont conçu SceneSmith, un système qui génère des scènes 3D réalistes pour entraîner des robots en simulation. Trois agents IA, tous pilotés par le même modèle vision-langage GPT-5.2, se répartissent le travail : un agent "designer" place les objets et l'agencement de la pièce, un agent "critique" évalue le réalisme du résultat, et un "orchestrateur" décide quand la scène est terminée avant de la charger dans un moteur physique. L'équipe, menée par le doctorant Nicholas Pfaff sous la direction de Russ Tedrake (chaire Toyota, CSAIL), a produit plus de 1300 scènes de restaurants, chambres, hôtels et garages, avec jusqu'à six fois plus d'objets par pièce que les méthodes précédentes. Cent espaces additionnels ont servi à tester automatiquement, via un agent VLM juge, la fiabilité de politiques de contrôle de robots pour des tâches comme poser un verre dans un évier ou déplacer une canette d'une étagère à une table. Le principal frein de la robotique généraliste reste la donnée : entraîner un robot physique à de nouvelles tâches en conditions réelles coûte cher en temps et en supervision. SceneSmith automatise la création de mondes virtuels assez variés pour que les compétences apprises en simulation se transfèrent au réel, un défi connu sous le nom de sim-to-real. Pour les intégrateurs, l'intérêt est direct : tester des politiques de contrôle dans des scènes générées automatiquement plutôt que construites pièce par pièce à la main, avant tout essai physique. Le résultat illustre aussi une tendance plus large : des modèles vision-langage entraînés sur des corpus internet encodent assez de connaissance spatiale pour composer des environnements crédibles sans règles d'agencement écrites à la main, signe que les VLM à grande échelle deviennent des briques réutilisables au-delà de la perception ou du langage. À nuancer : il s'agit d'un système testé en simulation, sans robot physique déployé, et la créativité des arrangements, saluée par les auteurs, reste une appréciation qualitative plutôt qu'une métrique chiffrée. Ces travaux prolongent les recherches du laboratoire de Russ Tedrake au CSAIL sur la génération procédurale de scènes, un axe où les moteurs physiques ont progressé plus vite que le contenu réaliste à y faire tourner. Le partenariat avec le Toyota Research Institute s'inscrit dans les efforts du constructeur pour accélérer l'apprentissage de robots domestiques et industriels sans multiplier les essais physiques coûteux. SceneSmith rejoint la vague d'outils de génération de données synthétiques et de jumeaux numériques que les laboratoires de robotique développent pour combler l'écart entre simulation et réalité. Aucun calendrier de déploiement sur un robot commercial n'est annoncé : l'outil reste un système de recherche en simulation, dont la prochaine étape logique serait de vérifier que les politiques entraînées sur ces scènes se transfèrent bien à des robots physiques.

RecherchePaper

1 source

3arXiv cs.RO

Apprentissage de l'affectation des tâches multi-agents et de la navigation en usine : de la simulation aux robots réels

Une équipe de recherche a publié le 15 septembre 2026 sur arXiv (2609.14567) une étude anonyme sur FMAPPO (Feature-fusion Multi-Agent Proximal Policy Optimization), un algorithme de renforcement multi-agent décentralisé pour le "machine tending", le ravitaillement automatisé de plusieurs machines-outils par une flotte de robots mobiles en usine. FMAPPO fusionne des mesures LiDAR 2D avec l'état de la tâche pour attribuer les missions et naviguer en sécurité sans coordination centrale. Une chaîne simulation-vers-réel complète, bâtie avec un simulateur robotique haute fidélité et ROS2, a été déployée sur des plateformes mobile-manipulatrices physiques, bras robotiques désactivés durant les essais réels. En simulation, FMAPPO devance les références MAPPO et SMAPPO de 106% et 21% en livraison de pièces, 48% et 11% en collecte, avec 31 et 10 points de pourcentage d'utilisation machine en plus, 18% et 15% de collisions en moins et un score de sécurité supérieur de 14 et 6 points respectivement. Sur robots réels, les politiques décentralisées ont coordonné plusieurs robots au service de plusieurs machines sous contraintes réelles de perception et de contrôle, vidéos à l'appui en ligne. Pour les intégrateurs et décideurs industriels, ce travail cible un angle mort classique du RL multi-agent : la plupart des démonstrations restent cantonnées à la simulation, alors que le passage au réel révèle souvent un écart de robustesse important. Tester la sensibilité de la politique à la fréquence de mise à jour des commandes documente une contrainte concrète de déploiement, la latence de contrôle, rarement traitée dans la littérature académique. Le choix de désactiver les bras manipulateurs limite toutefois la portée de la preuve à la coordination et à la navigation multi-robots, pas à la manipulation effective des pièces, ce qui distingue une preuve de concept académique d'un système prêt pour la production. Sans entreprise ni site de déploiement nommés, l'article, un prétirage en cours d'évaluation par les pairs, relève de la recherche plutôt que d'une annonce produit. Le machine tending, chargement et déchargement de pièces sur des machines-outils, reste un cas d'usage disputé de la robotique mobile industrielle, où des fournisseurs d'AMR et de mobile-manipulateurs croisent désormais des modèles vision-langage-action génériques comme Pi-0 ou GR00T N2. FMAPPO se positionne en alternative décentralisée à MAPPO et à sa variante sécurisée SMAPPO, misant sur la fusion de capteurs LiDAR plutôt que sur des VLA lourds en calcul. La suite logique, non engagée dans ce papier, consisterait à réactiver la manipulation des bras robotiques pour valider un cycle complet de service machine en conditions réelles, puis à annoncer un pilote nommé chez un intégrateur ou sur un site industriel identifié.

RecherchePaper

1 source

4arXiv cs.RO

Apprendre à agir en attendant : réglage par renforcement de politiques robotiques généralistes sous latence d'inférence

Des chercheurs ont publié le 26 août 2026 sur arXiv (2608.23831) un article décrivant ARLI (Asynchronous RL with Intermediate Information), un cadre d'apprentissage par renforcement destiné à continuer d'améliorer les politiques robotiques généralistes de type VLA (vision-language-action) pendant leur déploiement, malgré leur latence d'inférence. Le problème identifié: les modèles VLA modernes sont volumineux et lents à inférer, ce qui provoque des pauses ou des mouvements saccadés à l'exécution, modifie la dynamique effective de l'environnement et brise l'hypothèse markovienne sur laquelle repose le RL classique, faisant échouer les algorithmes standards. ARLI s'appuie sur l'inférence asynchrone, qui entrelace génération et exécution des actions pour masquer la latence, et y ajoute une politique RL à faible latence conçue pour maximiser la réactivité pendant la fenêtre d'inférence, via deux mécanismes: une augmentation d'état intégrant les actions déjà engagées, et une observation prise à mi-inférence, ce qui rétablit une structure quasi markovienne. La méthode est évaluée sur des tâches de manipulation, en simulation et en conditions réelles. L'enjeu dépasse le cadre académique. Les politiques généralistes de type VLA, dans la lignée de modèles comme Pi-0, GR00T N2 ou Helix, sont de plus en plus présentées comme la voie vers des robots capables d'apprendre en continu sur le terrain, mais leur taille impose des temps d'inférence qui, en pratique, cassent les hypothèses du RL standard, un angle mort rarement discuté dans les annonces commerciales centrées sur des démonstrations. En montrant qu'ARLI permet un finetuning RL efficace là où les approches classiques échouent totalement, et qu'il égale voire dépasse les performances d'un RL sans latence en conditions idéalisées, l'article répond à une hypothèse implicite du secteur, celle d'une transposition directe de l'amélioration continue par renforcement des petits modèles rapides vers les grands VLA déployés en usine. Pour les intégrateurs envisageant du RL en ligne sur des flottes équipées de VLA volumineux, ce travail offre une piste concrète contre les artefacts de latence, plutôt qu'un simple constat du problème. Ce travail s'inscrit dans la vague récente de politiques robotiques généralistes entraînées par imitation puis affinées, une lignée qui inclut Pi-0, GR00T N2 ou Helix, ainsi que des humanoïdes comme Optimus ou Figure 03 qui reposent sur ces architectures VLA pour leur autonomie. Le RL post-déploiement reste néanmoins un chantier de recherche plus qu'une pratique industrielle établie, freiné justement par les contraintes de latence que cet article cherche à lever. Aucun partenariat industriel, pilote commercial ni déploiement en usine n'est mentionné: il s'agit d'un travail évalué en simulation et sur banc réel, sans calendrier annoncé vers une intégration en production. Les suites logiques, non précisées dans l'article, porteraient vraisemblablement sur le passage à l'échelle de la méthode à des flottes de robots et à des tâches de manipulation plus complexes.

RecherchePaper

1 source