Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

Apprentissage par l'expérience physique : adaptation dans l'espace de contexte pour la manipulation robotique

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Des chercheurs proposent LEXP, un cadre logiciel qui permet à un modèle de fondation généraliste de s'améliorer en manipulation robotique à partir de l'expérience physique, sans toucher à ses poids ni à son interface d'action. L'étude, publiée sur arXiv, part d'un constat obtenu sur plusieurs tâches réelles de manipulation: ChatGPT-6-Astra, un modèle de raisonnement généraliste, peut servir de politique de manipulation directement exploitable, avec une manipulation fine et un raisonnement spatial corrects. LEXP associe une planification au niveau de la tâche à un module d'expérience. Celui-ci interprète les traces d'exécution, en tire des leçons assorties de conditions d'applicabilité, les conserve, puis les réinjecte sous forme de retours contextuels pour les actions suivantes. Sur 12 tâches réelles, avec 36 essais évalués, LEXP réussit 23 essais (63,9 %), contre 19 (52,8 %) pour une simple mémoire et 2 (5,6 %) pour Astra brut. Sur trois tâches (transfert de pain, tri de déchets et produits de toilette, récupération dans un tiroir), retirer la planification fait passer le succès de 7/9 à 4/9, et retirer l'expérience retenue le ramène à 3/9.

L'intérêt tient à la méthode: l'adaptation se fait dans l'espace du contexte, pas dans celui des poids. Pour un intégrateur, cela évite le réentraînement ou le fine-tuning d'une politique VLA (vision-langage-action) pour chaque cellule ou variante de tâche. Le robot accumule des consignes réutilisables d'un épisode à l'autre, par exemple une stratégie d'inspection que les traces montrent réemployée. L'écart entre 5,6 % et 63,9 % suggère qu'un modèle généraliste capable sur le papier échoue souvent faute de retours structurés, et pas seulement faute de capacité brute. Les ablations indiquent aussi que la planification et la mémoire d'expérience contribuent chacune.

Les limites sont nettes. Les échantillons sont petits: 36 essais sur 12 tâches, soit trois par tâche, et 9 essais par tâche pour les ablations, ce qui rend les écarts fragiles statistiquement. Un taux de 63,9 % reste loin du seuil industriel, et le papier ne donne pas, dans ce résumé, de temps de cycle, de plateforme matérielle ni de comparaison avec des politiques entraînées comme Pi-0 ou GR00T. Il s'agit d'un résultat de recherche, sans produit ni déploiement. Ce travail s'inscrit dans la tendance des agents à mémoire et des harnais autour de grands modèles, en concurrence avec l'approche dominante des VLA affinés sur données de téléopération. La suite logique sera de valider LEXP sur davantage d'essais, d'autres modèles et des tâches plus longues.

Dans nos dossiers

IA physique & VLANVIDIA GR00TManipulation robotiquearXiv cs.RO

À lire aussi

Apprentissage collectif pour une manipulation robotique unifiée par adaptation prédictive de la dynamique
1arXiv cs.RO 

Apprentissage collectif pour une manipulation robotique unifiée par adaptation prédictive de la dynamique

Des chercheurs proposent PACE, un cadre d'apprentissage collectif en deux étapes pour entraîner une politique unique de manipulation cartésienne, pilotée par l'état (et non par la vision), sur des robots aux morphologies différentes. Dans la première étape, une couche de représentation est pré-entraînée sur des trajectoires hors ligne pour extraire le contexte de la tâche à partir des données agrégées de plusieurs robots. Dans la seconde, une couche de décision est dotée d'un adaptateur de dynamique prédictive: on force l'état latent à prédire les transitions futures, ce qui ancre la politique dans le comportement réel du robot qui exécute l'action. L'inférence reste en temps réel, sans planification en ligne. En simulation, PACE atteint plus de 93 % de succès global et 89 % sur des robots simulés hors distribution dynamique, évalués en zero-shot. Les références restent nettement derrière: 82 % pour un Transformer en clonage comportemental et 66 % pour une politique de diffusion. Un déploiement sur un robot KUKA physique valide la faisabilité de la chaîne complète en transfert sim-to-real zero-shot. Le problème visé est concret pour quiconque veut mutualiser des données entre plusieurs bras robotiques. Une même commande cartésienne se traduit par des comportements de transition différents selon l'embodiment (cinématique, inerties, limites d'actionneurs). Une agrégation naïve moyenne alors des modes d'action incompatibles, d'où une ambiguïté de stratégie et un effondrement des performances sur les robots dont la dynamique s'écarte de la norme. Les résultats suggèrent que séparer l'intention dans l'espace de la tâche de la dynamique propre au robot peut limiter ce phénomène, ce qui intéresserait les intégrateurs gérant des parcs hétérogènes et voulant éviter un réentraînement par machine. Il faut toutefois rester prudent: les chiffres viennent essentiellement de simulation, la validation physique se limite à un seul robot KUKA, et le résumé ne donne ni nombre de tâches, ni cadence, ni taux de réussite en conditions réelles. Ce travail s'inscrit dans la course aux politiques généralistes multi-embodiments, portée par les modèles vision-langage-action comme Pi-0 ou GR00T, et par les approches de diffusion et de Transformers utilisées ici comme références. PACE prend un angle différent: une politique légère, basée sur l'état, centrée sur la robustesse face aux dynamiques atypiques plutôt que sur la généralité sémantique. Il s'agit d'une prépublication arXiv (v1), non évaluée par des pairs, sans produit ni pilote industriel annoncé. Les suites logiques seraient des tests sur davantage de robots physiques, l'intégration de la perception et une comparaison directe avec les grands modèles de fondation robotiques.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Zeva-Ego : pré-entraînement égocentrique par apprentissage causal en contexte pour la manipulation robotique
2arXiv cs.RO 

Zeva-Ego : pré-entraînement égocentrique par apprentissage causal en contexte pour la manipulation robotique

Des chercheurs présentent Zeva-Ego, un framework qui transforme la vidéo égocentrique humaine en données exploitables pour l'entraînement de modèles vision-langage-action (VLA) dédiés à la manipulation robotique. Le système combine deux composants : un Action-Centric Encoder (ACE), qui convertit les transitions visuelles de vidéos à la première personne en supervision centrée sur l'action pour le mid-training des VLA, et un module d'In-Context Causal Learning (ICCL), qui permet une adaptation sans mise à jour de paramètres à partir du retour action-effet observé au moment du déploiement. Sur le benchmark de manipulation bimanuelle RoboTwin, faire passer le volume de vidéo égocentrique à 10 000 heures fait grimper le taux de succès de 63,8% à 75,3%, un niveau comparable aux 74,7% obtenus avec 2 000 heures de démonstrations robotiques réelles, soit un ratio empirique d'environ 4 à 5 heures de vidéo humaine pour une heure de démonstration robot. Avec l'ICCL, le taux de succès progresse par ailleurs de 58% à 89% en seulement quatre tentatives, sans aucun réentraînement du modèle. Le travail est publié en preprint sur arXiv (2609.24411). Ces résultats ciblent un goulot d'étranglement connu de l'apprentissage robotique : le coût et la rareté des démonstrations téléopérées, mode dominant de collecte de données pour les VLA. En chiffrant un ratio de substitution entre heures de vidéo humaine et heures de démonstration robot, Zeva-Ego donne aux équipes R&D un argument concret pour réorienter leurs budgets de collecte vers des sources bien plus abondantes que la téléopération. La capacité de l'ICCL à améliorer les performances sans réentraînement ouvre aussi une piste pour le déploiement en usine ou en logistique, où un robot affinerait son comportement au fil de ses propres tentatives sans cycle d'ingénierie dédié. Si ces résultats se confirment au-delà de la simulation, ils nourrissent le débat sur la possibilité de faire monter en échelle les VLA grâce à des données non robotiques. Il faut toutefois noter que les chiffres proviennent d'un seul benchmark simulé et n'ont pas été validés sur matériel physique en conditions industrielles. Zeva-Ego s'inscrit dans une lignée de recherche qui cherche à exploiter la vidéo humaine comme substitut aux démonstrations robotiques coûteuses, un axe suivi par plusieurs laboratoires travaillant sur les modèles vision-langage-action. L'abstract ne mentionne aucune affiliation industrielle ni partenaire de déploiement, ce qui situe ce travail au stade de la recherche académique plutôt que du produit commercialisé. Aucune date de conférence, aucun code source public ni feuille de route ne sont précisés dans le résumé disponible. Les auteurs présentent leur approche comme complémentaire aux méthodes existantes de pré-entraînement sur données robotiques, avec pour horizon une intelligence incarnée apprenant en continu de sa propre expérience d'interaction. Les prochaines étapes attendues pour ce type de travaux passent généralement par une validation sur robot physique hors simulation, puis par une comparaison directe avec les VLA propriétaires déjà déployés par les acteurs commerciaux du secteur.

RechercheOpinion
1 source
Apprentissage dans l'espace de bruit pour l'adaptation des modèles VLA
3arXiv cs.RO 

Apprentissage dans l'espace de bruit pour l'adaptation des modèles VLA

Des chercheurs proposent le « Noise Space Learning » (NSL), une méthode d'adaptation des modèles vision-langage-action (VLA) fondés sur le flow matching, décrite dans un preprint arXiv (2610.13943v1). Le principe est de laisser le VLA préentraîné entièrement figé et d'apprendre à la place une distribution conditionnelle sur le bruit initial qui alimente le processus génératif. Cette distribution dépend du contexte, c'est-à-dire de l'observation et de la tâche. Les auteurs formalisent NSL comme une interface générique d'adaptation, compatible avec plusieurs algorithmes d'apprentissage. Ils l'instancient avec trois d'entre eux: PPO et SAC (apprentissage par renforcement) et AWR (régression pondérée par l'avantage). L'évaluation porte sur les benchmarks de simulation LIBERO et RoboTwin, ainsi que sur quatre tâches de manipulation sur robot réel. Le résumé ne chiffre ni gains de succès, ni nombre d'interactions, ni nom de robot. L'intérêt pratique tient à la contrainte que la méthode cherche à lever. Les VLA préentraînés encodent de larges priors de manipulation, mais les spécialiser à une tâche ou un site exige d'arbitrer entre interactions robot limitées, budget de calcul et contraintes de sécurité. Un fine-tuning complet de modèles de plusieurs milliards de paramètres est coûteux, et l'exploration en ligne sur matériel réel est risquée. Agir sur l'espace de bruit réduit l'espace de recherche et laisse le modèle de base intact. Cela facilite le déploiement, car une même base peut servir plusieurs politiques d'adaptation légères. Les auteurs revendiquent aussi une analyse théorique, fondée sur la théorie de l'information, qui explique pourquoi cette adaptation est efficace. Sa portée reste à vérifier dans le texte complet. Surtout, le travail ne se limite pas à un algorithme: il compare des variantes et en tire des recommandations selon les régimes de ressources et de déploiement. Cette comparaison est utile aux intégrateurs, qui doivent choisir entre efficacité en données, coût de calcul et sûreté d'exécution. Il s'agit d'un résultat de recherche, sans produit ni déploiement industriel annoncé. Ce travail prolonge les méthodes de « noise steering » existantes, qui exploitent le fait que les politiques de diffusion et de flow matching transforment un bruit gaussien en actions. Piloter ce bruit permet d'orienter le comportement sans toucher aux poids, une idée déjà explorée pour des politiques de diffusion. Elle gagne en pertinence avec la généralisation des VLA à base de flow matching, comme la famille Pi-0 de Physical Intelligence. D'autres approches d'adaptation concurrentes passent par le fine-tuning supervisé, l'apprentissage par renforcement des poids ou les adaptateurs de type LoRA. LIBERO et RoboTwin sont des benchmarks établis, mais la simulation ne garantit pas la robustesse en production, et quatre tâches réelles restent un échantillon modeste. La suite dépendra de la publication du code, de la validation par relecture, et de résultats sur des tâches plus longues ou plus variées.

RecherchePaper
1 source
Apprentissage en une démonstration pour la manipulation robotique à contacts riches, par identification des interactions physiques
4arXiv cs.RO 

Apprentissage en une démonstration pour la manipulation robotique à contacts riches, par identification des interactions physiques

Un preprint publié sur arXiv (arXiv:2608.24741v1, août 2026) présente une méthode de Learning from Demonstration (LfD) qui modélise explicitement les interactions physiques entre un robot et son environnement, notamment la création et la rupture de contact pendant une manipulation. Un contrôleur hybride position-force suit la trajectoire démontrée par un humain jusqu'à ce que les conditions de transition liées au contact, identifiées durant cette démonstration, soient atteintes. La méthode a été validée sur un robot réel via quatre tâches riches en contacts, ouverture de portes et de serrures, prise et vissage de boulons, dégagement d'objets coincés et suivi de contour de surface, chacune apprise à partir d'une seule démonstration et sans connaissance préalable de la tâche. Cette approche tranche avec la tendance dominante de la manipulation robotique, où les modèles vision-langage-action (VLA) à grande échelle exigent des milliers de démonstrations pour généraliser. En rendant explicite la physique du contact plutôt que de la confier à un réseau de neurones opaque, les auteurs visent une interprétabilité rare dans la littérature du LfD, où l'on sait précisément pourquoi et quand le robot change de comportement. Pour des intégrateurs industriels confrontés à des tâches d'assemblage ou de maintenance à forte variabilité géométrique, comme le boulonnage ou le verrouillage, l'intérêt tient à une programmation par démonstration unique, robuste aux variations imprévues et généralisable quand ces variations sont connues à l'avance, ce qui contredit l'idée que seule l'échelle des données garantit une manipulation fiable. Le travail s'inscrit dans un courant du LfD qui, selon les auteurs, néglige généralement la modélisation explicite du contact physique, alors que celui-ci est central dans la plupart des tâches de manipulation réelles. Ils présentent leur contribution comme un moyen de combler cette lacune d'interprétabilité en apprentissage à partir de très peu d'exemples, en détaillant comment robustesse, généralisation et adaptabilité peuvent être implémentées explicitement plutôt que laissées à l'apprentissage statistique. Publié comme preprint non encore évalué par les pairs, sans indication d'institution ni de calendrier de valorisation industrielle, il se positionne comme une contribution méthodologique plutôt qu'un produit, dans un paysage de la manipulation robotique dominé par des modèles fondationnels de type VLA entraînés sur de vastes corpus de démonstrations.

RecherchePaper
1 source