RecherchearXiv cs.RO 2 novembre 2026

I3L : apprentissage par imitation itératif et interactif pour la manipulation mobile du corps entier

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

I3L (Iterative Interactive Imitation Learning) est un système intégré matériel et logiciel présenté sur arXiv (2610.17748, version 2) pour combler l'écart de fiabilité de « dernier kilomètre » des politiques de manipulation mobile corps entier. Il repose sur JoyLo+, une interface open source à bas coût dotée de bras maîtres qui suivent la politique en cours d'exécution et d'une prise de contrôle déclenchée au toucher. L'opérateur peut ainsi corriger de façon coordonnée bras, torse et base. Le système a été évalué sur trois morphologies de robots et huit tâches, simulées et réelles, dont quatre tâches longues de manipulation mobile corps entier. Avec quatre tours de HG-DAgger (apprentissage par imitation où l'humain reprend la main lors des échecs), le taux de réussite autonome progresse en moyenne de 68,3 points de pourcentage par rapport aux politiques de base et atteint au moins 90 % sur chaque tâche. À nombre de trajectoires d'entraînement identique, I3L dépasse de 35,6 points l'entraînement par démonstrations seules. La durée de reprise en main par épisode baisse de 72 % en moyenne sur les quatre tours.

Ce travail s'attaque à un point dur du déploiement : les politiques entraînées hors ligne sur des démonstrations téléopérées se dégradent dès qu'elles sortent de leur distribution d'entraînement. Sur des tâches longues, les erreurs se cumulent. Le mouvement coordonné du bras, du torse et de la base rend en outre impossible une couverture exhaustive par démonstrations. Les résultats suggèrent que, pour une même quantité de données, collecter des corrections ciblées sur les échecs de la politique courante est plus rentable que multiplier les démonstrations initiales. Le coût de supervision humaine décroît à chaque tour, ce qui compte pour les intégrateurs qui doivent chiffrer le temps opérateur nécessaire pour passer d'une démo à une fiabilité exploitable. Les chiffres les plus nets viennent toutefois de simulations contrôlées, et les auteurs ne détaillent pas dans le résumé les taux de réussite des tâches réelles, ni la taille des jeux de données ou les temps de cycle. La généralisation hors de ces tâches reste donc à démontrer.

Le travail s'inscrit dans la lignée de DAgger et de HG-DAgger, méthodes de correction interactive éprouvées sur des bras fixes mais plus rares en manipulation mobile corps entier, où elles exigent une interface capable de piloter simultanément de nombreux degrés de liberté. JoyLo+ prolonge l'interface de téléopération JoyLo, déjà utilisée dans la communauté de la manipulation mobile, avec un suivi actif de la politique par les bras maîtres. Les auteurs mettent à disposition vidéos, visualisations et annexes sur i-3l.github.io. Il s'agit d'un travail de recherche, sans produit commercialisé ni déploiement industriel annoncé. L'approche concurrence les pipelines qui misent surtout sur l'échelle des démonstrations ou sur des modèles généralistes de type VLA (vision-langage-action) pré-entraînés, et pourrait les compléter comme étape finale de mise au point sur site.

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

Weave : apprentissage de la loco-manipulation dextérique du corps entier par interactions humain-objet

Une équipe de recherche publie sur arXiv, le 16 septembre 2026 (arXiv:2609.16683), Weave, un framework pour apprendre à des robots humanoïdes la loco-manipulation dextre en corps entier à partir de démonstrations humaines capturées. Ces interactions humain-objet sont converties en références exécutables par le robot via un retargeting sensible aux contacts et une complétion du mouvement d'approche. Une politique consciente des contacts et de la géométrie commande ensuite simultanément 29 articulations corporelles et 12 articulations de doigts actionnées, sur plusieurs objets et séquences d'interaction. Sur neuf objets testés, le taux de réussite atteint 92,5 % pour les interactions entraînées et 65,0 % pour des séquences totalement inédites, sans entraînement supplémentaire. Les auteurs publient aussi environ 9 000 exécutions physiques réelles, soit près de 23 heures de trajectoires robot-objet annotées en contacts. Coordonner équilibre, locomotion et contact dextre des doigts reste l'un des obstacles majeurs pour faire passer les humanoïdes de la démonstration scriptée à la manipulation réelle d'objets variés, un enjeu direct pour les intégrateurs visant l'entrepôt ou l'usine. En retargetant des captures de mouvement humain vers l'embodiment du robot, Weave s'attaque frontalement au fossé entre démonstration et contrôle réel. Le score de 65 % sur des séquences jamais vues, même limité à neuf objets, suggère que la politique apprend des primitives de contact réutilisables plutôt que de simples trajectoires mémorisées, une distinction clé face aux démonstrations vidéo soigneusement sélectionnées courantes dans le secteur. Le jeu de données publié constitue par ailleurs une ressource comparable, dans son esprit, aux corpus servant à entraîner des modèles vision-langage-action comme Pi-0 ou GR00T N2. Il s'agit d'un travail de recherche en preprint, sans partenaire industriel ni plateforme robotique nommée dans le résumé, pas encore relu par les pairs : une démonstration de laboratoire, non un produit déployé ni un pilote commercial. Weave s'inscrit dans la vague de recherches sur l'apprentissage par imitation à partir de capture de mouvement humain, aux côtés d'initiatives comme Helix chez Figure ou les politiques de Physical Intelligence, qui visent toutes à résoudre le transfert humain-vers-robot pour la manipulation dextre. Aucun calendrier de déploiement n'est annoncé ; la suite logique, ouverte par la publication du jeu de données, est son adoption par d'autres équipes pour entraîner ou évaluer leurs propres politiques d'interaction, plutôt qu'un lancement produit à court terme.

RecherchePaper

1 source

2arXiv cs.RO

Apprentissage de la loco-manipulation globale du corps entier avec un manipulateur mobile bipède

Des chercheurs publient sur arXiv (référence 2609.18930v1, septembre 2026) un contrôleur unifié de corps entier pour un robot bipède manipulateur mobile, entraîné par apprentissage par renforcement. Le système prend en entrée une seule cible d'effecteur terminal en 6 degrés de liberté (position et orientation) et produit directement les actions coordonnées de la base bipède et du bras, sans qu'aucune commande explicite de vitesse de base ou de placement de pas ne soit fournie séparément. L'entraînement repose sur une stratégie de "reward-gating" qui arbitre dynamiquement entre suivi de trajectoire de l'effecteur, locomotion et maintien de l'équilibre. Un module d'estimation de contexte temporel, combinant un encodeur Transformer à fenêtre glissante, une mémoire récurrente GRU et une prédiction auxiliaire de dynamique, extrait des informations pertinentes de l'historique d'observation pour affiner le contrôle. Sur robot réel, les auteurs montrent que ce même contrôleur exécute des tâches d'atteinte, d'adaptation posturale et de pas sous trois types de commandes différentes : téléopération en réalité virtuelle, une politique de diffusion apprise, et des trajectoires scriptées. L'intérêt pour l'industrie robotique tient à la simplification de l'architecture de contrôle: au lieu de piloter séparément la locomotion et la manipulation, ou de dépendre de commandes de pas explicites, une seule interface d'effecteur terminal suffit à coordonner l'ensemble du corps. Cela facilite en théorie le branchement de politiques de haut niveau (VLA, diffusion, téléopération) sur un même contrôleur bas niveau, sans réentraînement spécifique à chaque source de commande. C'est un signal pertinent pour les équipes qui travaillent sur l'intégration de piles de manipulation sur plateformes humanoïdes ou bipèdes mobiles, dans la lignée des efforts sectoriels pour découpler la couche de décision de la couche de contrôle moteur. Le travail s'inscrit dans la recherche académique sur la loco-manipulation bipède, un problème identifié de longue date car il étend la portée effective des bras au-delà de leur espace de travail nominal en mobilisant les jambes. L'abstract ne précise ni l'identité des auteurs, ni la plateforme robotique utilisée, ni un calendrier de déploiement commercial: il s'agit d'un preprint de recherche avec validation expérimentale en laboratoire, pas d'un produit ou d'un pilote industriel annoncé.

RecherchePaper

1 source

3arXiv cs.RO

RoboSpan : apprentissage de politiques de coordination modulaires pour la manipulation mobile du corps entier à nombreux DOF par téléopération

RoboSpan, présenté dans l'article arXiv 2610.19594 (version 1), est à la fois une plateforme de téléopération et de collecte de démonstrations pour la manipulation mobile du corps entier, et un cadre d'apprentissage baptisé Hierarchical Modular Framework (HMF). Le robot physique utilisé compte 29 degrés de liberté (DOF). HMF découpe cet espace d'action en trois branches fonctionnelles : manipulation fine de la main, ajustement de la pose du bras et configuration spatiale de la base mobile. Une architecture de type transformeur, le Coordinated Modular Embodied Transformer (COMET), les relie par attention croisée intermodulaire afin que les modules échangent de l'information et coordonnent leurs actions. Un modèle vision-langage (VLM) décompose hiérarchiquement les tâches longues. Une représentation tactile 2D couvrant toute la paume encode les contacts distribués. Les auteurs annoncent, sur robot réel, un taux de réussite supérieur de plus de 20 % à celui de « références courantes » sur plusieurs tâches longues impliquant le corps entier. Ces travaux visent deux verrous que les intégrateurs connaissent bien. Le premier est l'hétérogénéité des mouvements : la locomotion, le bras et la main n'ont ni les mêmes dynamiques ni les mêmes fréquences, et une politique monolithique de type VLA (vision-langage-action) les gère mal à 29 DOF. Le second est l'accumulation d'erreurs sur les séquences multi-étapes, que la décomposition par VLM cherche à contenir. L'intérêt industriel tient à la combinaison de la modularité et du tactile intégré à la téléopération, rarement présent sur les plateformes de collecte de données, alors que les tâches riches en contacts restent le point faible des démonstrations actuelles. Il faut toutefois relativiser. Il s'agit d'un préprint sans relecture par les pairs. Le résumé ne précise ni les baselines, ni le nombre d'essais, ni les tâches, ni les temps de cycle, ni la charge utile. Le « plus de 20 % » ne dit pas si l'écart est relatif ou en points de pourcentage. Aucun déploiement industriel n'est mentionné. Le travail relève de la recherche en laboratoire, loin d'un produit livré. Cette publication s'inscrit dans la course à l'apprentissage par imitation pour humanoïdes et manipulateurs mobiles. Les modèles généralistes comme Pi-0, GR00T ou Helix poursuivent une approche plus monolithique ou en deux systèmes, tandis que RoboSpan défend une coordination explicitement modulaire. La suite logique serait la publication du code et des jeux de données, des comparaisons directes avec ces modèles sur des benchmarks communs, et des essais hors laboratoire. Rien de tel n'est annoncé à ce stade, et aucun acteur français ou européen n'est cité.

RecherchePaper

1 source

4arXiv cs.RO

BlenDAgger : contrôle partagé par mélange pour l'apprentissage par imitation interactif

Des chercheurs proposent Blended DAgger (BlenDAgger), une méthode de collecte de données pour l'apprentissage par imitation, décrite dans un preprint arXiv. Lors des interventions humaines, le système ne laisse pas l'opérateur prendre le contrôle total du robot. Il mélange en continu les actions de la politique et celles du démonstrateur, selon un principe de contrôle partagé. La méthode a été testée sur cinq tâches de manipulation, deux en conditions réelles et trois en simulation. Sur les deux tâches réelles, la politique finale atteint une performance autonome supérieure d'au moins 30 points de pourcentage à celle obtenue avec HG-DAgger, la référence où l'humain reprend la main de façon binaire. Les transitions entre politique et intervention humaine sont 57 % plus fluides, et les trajectoires corrigées sont 14 % plus proches des données d'entraînement. Une étude utilisateur (n=14) sur les deux tâches réelles montre une collecte plus rapide (facteur de Bayes de 13,32), sans différence perçue subjectivement par les opérateurs. L'enjeu est le coût de la donnée corrective, principal goulot d'étranglement des politiques de manipulation entraînées par imitation. La téléopération complète pour corriger un robot est fatigante, et les démonstrations humaines sont rarement optimales. Un opérateur qui ne fait que guider la politique produit des données plus cohérentes avec sa distribution. Cela réduit le décalage entre ce que le robot sait faire et ce qu'on lui enseigne, et pourrait diminuer le temps opérateur nécessaire pour affiner une politique, un poste de coût réel pour les intégrateurs. Les résultats restent toutefois ceux d'un laboratoire. Le résumé ne précise ni les tâches, ni le robot, ni les taux de réussite absolus, ni le nombre de démonstrations. Un écart de 30 points peut donc partir d'une base basse. L'échantillon de 14 participants reste modeste. Cette approche s'inscrit dans la lignée de DAgger (2011) et de HG-DAgger (2019), qui ont popularisé l'apprentissage par imitation interactif. Elle rejoint la vague actuelle du fine-tuning de politiques généralistes à partir de corrections humaines, comme les VLA de type Pi-0 ou GR00T. Le preprint n'annonce ni code, ni déploiement industriel, ni calendrier. Aucun acteur français ou européen n'est cité dans le résumé. La suite dépendra d'une validation sur d'autres robots, d'autres tâches et de plus gros modèles.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source