RecherchearXiv cs.RO 2 novembre 2026

LOGIV : exécution vérifiée par graphe avec réparation locale causale pour les tâches robotiques à long horizon

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

LOGIV est un framework publié sur arXiv (2610.40016v2) qui vise à fiabiliser l'exécution de tâches robotiques longues pilotées par des agents. Il s'appuie sur un graphe de tâches explicite qui relie planification symbolique, vérification par observation et action physique. Le plan validé est compilé en arêtes de « support de condition » et d'ordonnancement de ressources. Pendant l'exécution, le système contrôle la validité physique de ces dépendances. Après un échec, un traçage des dépendances identifie ce qu'il faut restaurer. La réparation est contrainte par les actions non terminées conservées, et la suite combinée est validée symboliquement avant la reprise. Le framework se place au-dessus de politiques VLA (Vision-Language-Action) et WAM (World Action Model) existantes, sans composant entraînable supplémentaire. Les évaluations portent sur 20 tâches bimanuelles issues de RoboTwin V2 et BiCoord, avec trois backbones d'exécution. Sans perturbation injectée, le taux de succès moyen progresse de 10,67 points sur RoboTwin V2 et de 15,33 points sur BiCoord. Sous perturbations prédéfinies, LOGIV obtient un meilleur taux d'achèvement et de restauration des conditions que trois méthodes de récupération adaptées, pour chaque backbone sur les deux benchmarks. Sur trois tâches réelles, les essais réussis passent de 12 sur 30 à 17 sur 30.

L'intérêt tient au problème ciblé, souvent masqué dans les démos : une action terminée ne garantit pas que ses effets durent. Un objet déplacé, un support retiré ou une ressource libérée peuvent invalider une étape que la suite du plan suppose acquise. Les politiques VLA actuelles exécutent des segments courts, mais ne maintiennent pas de modèle explicite de ces dépendances. LOGIV suggère qu'une couche de vérification continue, sans réentraînement, peut apporter un gain mesurable de fiabilité. Il faut toutefois relativiser. Le gain réel (12/30 à 17/30, soit 40 % à environ 57 %) reste modeste, sur trois tâches seulement, et laisse plus de 40 % d'échecs. Les perturbations sont prédéfinies, et les baselines de récupération ont été adaptées par les auteurs, ce qui limite la portée de la comparaison. Pour un intégrateur, le message est que la fiabilité en production dépendra autant de l'architecture de supervision que de la qualité du modèle d'action.

Ce travail s'inscrit dans la tendance des systèmes agentiques en robotique, où des planificateurs à base de LLM génèrent des plans symboliques exécutés par des politiques VLA, avec des mécanismes de rattrapage encore peu standardisés. RoboTwin V2 et BiCoord, benchmarks de manipulation bimanuelle en simulation, servent de terrain d'essai pour la coordination entre bras. Les concurrents directs sont les approches de replanification et de récupération après échec, ainsi que les politiques de bout en bout qui cherchent à intégrer la correction d'erreur dans le modèle lui-même. Il s'agit d'une publication académique, sans produit ni déploiement industriel annoncé. Les prochaines étapes à surveiller sont des validations sur davantage de tâches réelles, des perturbations non scriptées et une mesure du coût en latence de la vérification et de la réparation.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

GAVEL : modèles du monde en graphe pour une planification de tâches LLM vérifiée et efficace à long horizon

Des chercheurs présentent GAVEL (Graph World Models for Verified and Efficient Long-Horizon LLM Task Planning), décrit dans un preprint arXiv publié en septembre 2026 (arXiv:2609.19315v1). Le système ajoute une couche de vérification aux plans générés par un LLM pour des robots : un graphe modélisant les relations entre objets, les préconditions et effets des actions, et des croyances probabilistes sur la position d'objets non observés, simule chaque action avant exécution et répare directement les violations, sans repasser par le LLM sauf en cas d'erreur sémantique. Sur le benchmark de simulation BEHAVIOR-1K, avec le modèle Qwen3-8B, GAVEL fait passer le taux de réussite de 41,2% à 91,8% sur 100 tâches longues isolées et de 19,9% à 92,6% sur 500 instructions multi-tâches, tout en réduisant d'environ 5,4% la distance de déplacement grâce au raisonnement probabiliste sur la localisation des objets. Le résultat pointe un écart connu de la robotique embarquée : un LLM seul reste fragile dès qu'il doit exécuter un plan long dans un monde partiellement observable, ce qui nourrit le fossé entre démonstrations et déploiements fiables. En déportant la vérification vers un modèle symbolique explicite plutôt que vers des appels répétés au LLM, GAVEL réduit le coût et la latence du replanning, un enjeu concret pour les intégrateurs qui déploient des agents robotiques à grande échelle. L'approche suggère aussi que la seule montée en échelle des LLM ou des architectures vision-langage-action ne suffira pas à garantir la fiabilité du raisonnement long-horizon, et plaide pour des architectures hybrides combinant raisonnement symbolique vérifiable et modèles généralistes. GAVEL s'inscrit dans la lignée des travaux utilisant les LLM comme planificateurs de haut niveau, une approche distincte des modèles vision-langage-action bout-en-bout comme Pi-0, GR00T N2 ou Helix, qui apprennent une politique directe sans couche symbolique séparée. Il reprend des principes de planification classique, préconditions et effets à la manière de PDDL, combinés à la flexibilité d'instruction en langage naturel des LLM modernes. Le travail reste, à ce stade, un résultat validé uniquement en simulation sur BEHAVIOR-1K, sans déploiement sur robot physique ni pilote industriel annoncé ; les auteurs indiquent que la méthode fonctionne aussi bien avec des modèles compacts qu'avec des LLM hébergés de pointe, ouvrant la voie à des tests sur des tâches et plateformes plus variées.

RecherchePaper

1 source

2arXiv cs.RO

Récompense dense généralisable pour les tâches robotiques à long horizon

Des chercheurs proposent VLLR, un cadre de récompense dense destiné à affiner par apprentissage par renforcement (RL) des politiques robotiques pré-entraînées par imitation, sans écrire de fonction de récompense à la main pour chaque tâche. Il combine deux signaux. Le premier est une récompense extrinsèque. Un grand modèle de langage (LLM) découpe la tâche en sous-tâches vérifiables, puis un modèle vision-langage (VLM) estime l'avancement. Cette estimation initialise la fonction de valeur pendant une courte phase de préchauffage. Le VLM n'est donc pas appelé à chaque pas, ce qui évite un coût d'inférence prohibitif. Le second signal est intrinsèque : l'auto-certitude de la politique (self-certainty) guide chaque pas pendant tout l'affinage par PPO. Sur le benchmark CHORES (manipulation mobile et navigation), VLLR gagne jusqu'à 56 points de taux de succès absolu sur la politique de départ. Il gagne jusqu'à 5 points face aux méthodes d'affinage RL de l'état de l'art sur les tâches connues, et jusqu'à 10 points sur les tâches hors distribution. Le travail s'attaque à un point faible connu des modèles de fondation robotiques, l'imitation à grande échelle. Face à une dérive de distribution, les erreurs s'accumulent sur les tâches longues. Le RL peut corriger cela, mais il bute sur l'ingénierie manuelle des récompenses, qui ne passe pas à l'échelle sur des tâches variées. Les ablations montrent des effets complémentaires. L'initialisation par VLM améliore surtout l'efficacité d'exécution, tandis que l'auto-certitude améliore surtout le taux de succès, notamment hors distribution. L'écart de 5 points sur les tâches connues reste modeste. L'apport principal est la suppression de l'ingénierie de récompense, pas un gain de performance spectaculaire. Les résultats portent sur un benchmark académique. Le résumé ne mentionne ni robot réel, ni temps de cycle, ni déploiement, et les visualisations sont publiées sur une page de projet. Les gains « jusqu'à » sont des maxima, sans détail par tâche ici. Le travail s'inscrit dans la tendance des politiques vision-langage-action (VLA) affinées après un pré-entraînement par imitation. Il se compare aux approches RL qui exigent encore des récompenses spécifiques, ou des signaux de VLM trop coûteux pour être appelés tout au long de l'entraînement. La suite logique serait une validation sur matériel réel et sur des tâches plus longues. C'est ce qui dira si le préchauffage par VLM suffit hors simulation.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

3arXiv cs.RO

MUCO : un cadre de manipulation structuré par unités pour les tâches robotiques compositionnelles à long horizon

MUCO, un cadre de manipulation robotique décrit dans un preprint arXiv (2610.19913), s'attaque à un problème bien connu des tâches longues : les apprendre et les exécuter comme des trajectoires complètes fait grimper le coût de collecte de données, empêche de réutiliser les compétences acquises et laisse une erreur locale se propager à toutes les étapes suivantes. Les auteurs proposent de découper la tâche en « manipulation units » (MU), des opérations réutilisables définies chacune par un but local, une condition de déclenchement et des critères de succès et d'échec observables. Chaque MU est apprise et vérifiée séparément. Le cadre formel, appelé MUSM, est mis en œuvre par MUCO (MU-Centric Orchestration). À partir d'une consigne en langage naturel et d'une image, le système construit une séquence de MU. Il associe chacune à des modèles de politique compatibles listés dans un registre de capacités figé, puis choisit celui dont le taux de succès calibré est le plus élevé. L'évaluation couvre les benchmarks RLBench et RoboTwin 2.0 ainsi que cinq tâches sur robot réel. Les auteurs annoncent un meilleur taux de réussite sur la tâche complète, une meilleure progression vérifiée, un confinement des échecs plus net et moins de propagation d'erreurs que les méthodes de référence. Le résumé ne donne aucun chiffre précis, ni les noms des baselines. L'intérêt tient à la manière de composer des politiques hétérogènes sans réentraînement conjoint, sans backbone partagé ni représentation d'action commune. Pour un intégrateur, cela revient à traiter les politiques apprises comme des briques interchangeables, avec des garde-fous explicites, plutôt que comme un modèle monolithique de bout en bout dont on ne maîtrise pas les défaillances. La vérification visuelle de chaque MU pilote les transitions. Elle permet de relancer l'opération ou de basculer vers un autre modèle depuis l'état courant, sans rejouer les étapes déjà validées. Les clés canoniques permettent par ailleurs de réutiliser un checkpoint pour des MU équivalentes d'une tâche à l'autre, sans nouvelles démonstrations ni mise à jour, ce qui réduit le coût marginal d'une nouvelle tâche. Quelques réserves : le registre est figé, donc la couverture dépend des politiques déjà disponibles. Le verdict reste aussi tributaire de la fiabilité du vérificateur visuel, et cinq tâches réelles ne suffisent pas à conclure sur un déploiement industriel. Le travail s'inscrit dans le débat entre modèles vision-langage-action (VLA) monolithiques, du type Pi-0 ou Helix, et architectures modulaires de type planificateur, bibliothèque de compétences et vérificateur, dans la lignée des approches qui exploitent des modèles de langage pour décomposer les tâches. Il s'agit d'une première version de preprint, sans relecture par les pairs, et rien n'indique de code publié, de pilote industriel ou de calendrier de transfert. Les suites logiques seraient des évaluations sur des séquences plus longues, des chiffres détaillés face à des baselines identifiées, puis des tests en conditions de production, là où la robustesse du vérificateur et la gestion des retours en arrière seront réellement éprouvées.

RecherchePaper

1 source

4arXiv cs.RO

GraphThink : une planification robotique guidée par un graphe de raisonnement pour les tâches longues

Des chercheurs présentent GraphThink, un nouveau framework de planification pour agents robotiques pilotés par des grands modèles de langage (LLM), détaillé dans un article publié le 7 août 2026 sur arXiv (2608.07905v1). Le système combine deux structures de données : un graphe de tâches (task graph), qui guide le raisonnement du LLM via un prompting contextuel et un raffinement itératif pour limiter les hallucinations de planification, et un graphe de scène (scene graph), qui sert de mémoire environnementale pour déclencher une replanification en boucle fermée dès qu'un événement imprévu survient. L'entraînement du planificateur s'appuie sur GRPO (Group Relative Policy Optimization), avec une conception de récompense calquée sur le graphe de tâches. Sur le benchmark ALFRED, référence standard pour l'exécution de tâches ménagères instruites en langage naturel par un agent virtuel, GraphThink atteint l'état de l'art : son module de haut niveau dépasse les LLM propriétaires accessibles par API, aussi bien sur l'ensemble de validation que sur des tâches longues inédites (held-out long-horizon tasks), avec une bonne généralisation zero-shot et few-shot à des environnements et tâches jamais vus. Ce résultat cible un problème central pour l'industrie de la robotique humanoïde et des agents incarnés : les planificateurs fondés sur des LLM génériques hallucinent souvent des actions physiquement impossibles et perdent en cohérence sur des séquences de tâches longues, un écart classique entre démonstration et usage réel. En ancrant le raisonnement dans une représentation structurée de l'environnement plutôt que dans le seul texte, GraphThink illustre une piste concrète pour fiabiliser les architectures de type VLA (vision-language-action) utilisées par des systèmes comme GR00T N2 ou Helix, sans dépendre uniquement de modèles propriétaires massifs. Il s'agit toutefois d'un résultat de recherche évalué en simulation sur ALFRED, non d'un déploiement sur robot physique. Le champ des planificateurs LLM pour la robotique s'est développé depuis des approches comme SayCan ou Code as Policies, et la comparaison de GraphThink aux LLM API démontre surtout un gain méthodologique en environnement contrôlé ; sa validation sur du matériel réel reste l'étape suivante attendue.

RecherchePaper

1 source