RecherchearXiv cs.RO 5 novembre 2026

VABAR : un banc d'essai d'automatisation variationnelle pour la robotique à base d'agents

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

VABAR est un nouveau benchmark open source publié sur arXiv (2611.06881) pour évaluer les systèmes de robotique agentique, c'est-à-dire des robots pilotés par des agents de code LLM/VLM qui combinent programmation robotique interprétable et politiques sans modèle explicite capables de s'adapter à un environnement ouvert. Le benchmark s'appuie sur six classes de tâches de manipulation couvrant l'industrie, le médical et les infrastructures: tri d'outils, accrochage d'outils, engrènement d'engrenages, conditionnement de seringues, insertion de câbles et routage de câbles. Il repose entièrement sur des outils open source, dont le moteur physique Newton, et fournit des variations de tâches standardisées, des niveaux de difficulté, des métriques de succès, ainsi qu'une bibliothèque de 33 compétences généralisables accompagnées de solutions de référence programmatiques écrites par des humains. Les auteurs publient des évaluations de base avec le harnais agentique ouvert Graph-as-Policy (GaP) et Isaac Lab Arena. Il s'agit d'un travail de recherche en simulation: aucun déploiement physique ni chiffre de performance n'est mentionné dans le résumé.

L'intérêt tient à la notion d'automatisation variationnelle (Variational Automation, VA), que les auteurs opposent à l'automatisation fixe: dans les usines, les hôpitaux ou la maintenance d'infrastructures, le robot répète la même tâche, mais avec des variations connues de forme et de pose des objets. C'est précisément le créneau où les politiques VLA end-to-end restent difficiles à fiabiliser et où la programmation classique manque de souplesse. En proposant des critères de conception explicites (accessibilité, répétabilité, diversité, réalisabilité physique, résistance à la saturation du benchmark, efficacité de calcul), VABAR cherche à combler un vide: les évaluations actuelles de la robotique agentique sont peu standardisées, ce qui rend les comparaisons entre approches peu fiables. Pour un intégrateur, un benchmark axé sur des tâches proches de la production, comme l'insertion de câbles ou le conditionnement de seringues, est plus parlant que des démonstrations de pick-and-place génériques. Reste la limite classique du tout-simulation: l'écart entre simulation et réel n'est pas mesuré ici.

Le travail s'inscrit dans la vague récente de la robotique agentique, où des modèles de code pré-entraînés génèrent des programmes robotiques plutôt que de produire directement des actions, en réaction aux limites de généralisation et d'interprétabilité des politiques de type Pi-0 ou GR00T. L'usage de Newton et d'Isaac Lab Arena place VABAR dans l'écosystème de simulation lié à NVIDIA, ce qui favorise l'adoption mais oriente aussi les choix techniques. La suite logique serait une adoption par d'autres équipes pour comparer des harnais concurrents à GaP, puis une validation sur robots physiques, étape indispensable pour savoir si les classements obtenus en simulation se transfèrent aux cellules industrielles réelles. Aucun calendrier n'est annoncé dans le résumé.

Dans nos dossiers

NVIDIA GR00T NVIDIA Isaac & Cosmos arXiv cs.RO

À lire aussi

1arXiv cs.RO

GaP : un système multi-agents auto-apprenant à graphe-politique pour l'automatisation variationnelle

Une équipe de recherche publie sur arXiv (référence 2607.05369, version 1) un système baptisé GaP, pour Graph-as-Policy, destiné à un type de tâches qu'elle définit sous le terme d'"automatisation variationnelle" (VA) : des opérations industrielles où la géométrie et la position des objets varient davantage que dans l'automatisation fixe classique, mais sans atteindre la complexité totale d'un environnement ouvert. Concrètement, GaP est un harnais multi-agents qui génère automatiquement des graphes de calcul dirigés combinant des nœuds de perception, de planification et de contrôle, puisés dans une bibliothèque modulable de compétences robotiques ouverte baptisée MORSL. Le système crée ensuite un environnement de simulation interne pour rejouer en parallèle différentes variantes de graphes sur une même tâche, affinant progressivement leur structure et leurs paramètres afin d'améliorer le taux de réussite et le débit. Les auteurs annoncent des résultats sur huit nouveaux bancs d'essai qu'ils ont eux-mêmes conçus, quatre en simulation et quatre en conditions réelles, avec des performances qui surpasseraient nettement les méthodes de référence, sans toutefois préciser lesquelles ni détailler l'écart chiffré, un point qui mérite prudence tant que les données ne sont pas vérifiées indépendamment. L'intérêt de l'approche tient à sa tentative de réconcilier deux écoles longtemps opposées dans la robotique industrielle : la programmation interprétable héritée du Task and Motion Planning et de ROS, et l'adaptabilité des politiques apprises sans modèle, du type de celles qui alimentent les modèles VLA récents. Pour les intégrateurs et décideurs industriels, la promesse est celle d'une fiabilité d'exécution proche de l'automatisation fixe, tout en gérant les variations de pose et de géométrie que les lignes rigides ne tolèrent pas, sans dépendre entièrement d'une politique de bout en bout dont le comportement reste difficile à auditer. Le travail s'inscrit dans la continuité des recherches sur le TAMP et l'écosystème ROS, en réponse implicite aux limites de fiabilité observées chez les politiques génératives pures. Code, données et bancs d'essai sont publiés en accès libre sur graph-robots.github.io/gap, ce qui ouvre la voie à des comparaisons indépendantes avec d'autres architectures avant toute adoption industrielle.

RecherchePaper

1 source

2arXiv cs.RO

LIBERO-PeRM : un banc d'essai pour la manipulation robotique personnalisée

LIBERO-PeRM, publié sur arXiv (2610.22372), est un benchmark en simulation consacré à la manipulation robotique personnalisée (PeRM). Il vise à séparer l'accomplissement de la tâche de la satisfaction des préférences de l'utilisateur, ce que les benchmarks de manipulation généralistes ne font pas. Construit sur LIBERO, il utilise un pipeline procédural qui génère des démonstrations appariées, avec et sans préférence. Il comprend cinq suites de tâches, soit 312 tâches, avec des démonstrations de haute qualité, des métadonnées riches et des métriques dédiées de satisfaction des préférences. Les préférences couvertes sont observables et exprimables en langage naturel: style de mouvement, choix de compétence (skill) et profil d'utilisateur. Elles sont instanciables sans modifier l'objectif de la tâche, et leur évaluation est automatique. Le benchmark pose cinq questions: le suivi de préférences en zero-shot, l'apprentissage d'une préférence unique à partir de démonstrations, l'efficacité en fonction du nombre de démonstrations, la généralisation à d'autres agencements et tâches, et enfin la composition de préférences et la gestion des conflits entre elles. Le code, les jeux de données et des démos sont publiés sur la page du projet. Les résultats sont nuancés. Les politiques VLA (vision-language-action) actuelles échouent à se personnaliser en zero-shot: un simple prompt en langage naturel ne suffit pas à infléchir leur comportement. Le fine-tuning supervisé (SFT) rend en revanche les préférences apprenables. L'entraînement mixte, qui combine données avec et sans préférence, conserve mieux les comportements sans préférence que l'adaptation séquentielle. Il améliore aussi les performances avec des prompts contextuels par rapport à un entraînement limité aux préférences, mais peut affaiblir l'apprentissage des préférences de mouvement. La généralisation des préférences, leur décomposition et la résolution des conflits restent difficiles. Pour les intégrateurs et les décideurs qui visent le domestique ou les environnements de services, le message est net: la personnalisation ne vient pas gratuitement avec la généralisation des VLA. Elle demande des données et des protocoles d'adaptation spécifiques. Les résultats sont obtenus en simulation uniquement, et l'écart avec le monde réel n'est pas mesuré. Ce travail s'inscrit dans la lignée de LIBERO, benchmark de simulation très utilisé pour évaluer les politiques d'apprentissage tout au long de la vie et les VLA. Il en déplace l'attention de la réussite de la tâche vers la manière de l'exécuter. Les acteurs qui poussent les modèles généralistes, comme Physical Intelligence avec Pi-0, Figure avec Helix ou Nvidia avec GR00T, mettent surtout en avant l'étendue des compétences et peu la personnalisation à l'échelle d'un utilisateur. L'article ne nomme aucun modèle précis dans son résumé, et les chiffres détaillés ne sont pas disponibles ici. La suite logique est une validation sur robots réels et l'intégration de mémoire ou d'adaptation en ligne, indispensables pour une adoption domestique.

RecherchePaper

1 source

3arXiv cs.RO

RACaP : raisonnement, action et codage à base d'agents pour un apprentissage robotique évolutif

Des chercheurs ont publié sur arXiv, le 25 septembre 2026 (référence 2609.29394), un article décrivant RACaP (Reasoning, Acting, and Coding as Policies), un framework agentique pour l'apprentissage robotique évolutif. Contrairement aux méthodes Code as Policies (CaP) classiques, qui génèrent et réparent du code au moment de l'exécution au prix d'une latence et d'un mélange entre mécanismes réutilisables et décisions spécifiques à la tâche, RACaP déplace la génération de code vers une phase d'évolution en amont et s'appuie, au déploiement, sur une boucle ReAct qui appelle des API de politiques figées et typées, combinant curriculum d'apprentissage et auto-évolution autonome. Sur les bancs d'essai en simulation LIBERO, RACaP atteint 54,4% de réussite sur LIBERO-90, 45,0% en zero-shot sur LIBERO-PRO et 46,0% sur LIBERO-Long, contre au maximum 4,0% pour les baselines CaP sur les tâches à long horizon, soit 2,5 fois leur taux de réussite sur LIBERO-PRO et un temps de décision médian 1,9 fois plus rapide. Un fine-tuning par échantillonnage par rejet distille ensuite les décisions ReAct de GPT-5.6 dans un modèle compact Qwen3-VL-8B-Instruct, accélérant l'inférence par décision d'un facteur 13,2 et réduisant les appels physiques répétés de 16 à 4. Ce travail cible un problème concret pour les intégrateurs: la latence et la fragilité des approches où un modèle de langage génère et corrige du code de contrôle en direct, ce qui complique la maintenance et le passage à l'échelle sur des tâches longues. En séparant le code réutilisable, figé après évolution, des décisions prises en temps réel via mémoire de travail, mémoire d'expérience et retour visuel, RACaP illustre une piste pour rendre les agents VLA (vision-language-action) plus robustes et plus rapides sans sacrifier l'adaptabilité. La distillation vers un modèle compact comme Qwen3-VL-8B-Instruct répond directement à une contrainte industrielle: les grands modèles comme GPT-5.6 restent trop lents et coûteux pour tourner en boucle fermée sur un robot physique. Ces résultats demeurent toutefois obtenus en simulation sur les bancs académiques LIBERO, et non lors d'un déploiement réel en usine ou en entrepôt, laissant ouvert l'écart classique entre performance simulée et performance en conditions réelles. RACaP s'inscrit dans la lignée des méthodes Code as Policies, qui font piloter des robots par des grands modèles de langage générant directement du code exécutable, une approche dont les limites sur les tâches longues et complexes sont confirmées ici par les scores plafonnés à 4,0% des baselines CaP citées dans l'article. En comparant son architecture à ces méthodes de référence sur les mêmes bancs LIBERO-90, LIBERO-PRO et LIBERO-Long, l'équipe cherche à démontrer qu'une architecture combinant code figé et raisonnement au moment de l'action offre une meilleure transférabilité zero-shot, un critère que surveillent les décideurs avant tout investissement en robotique VLA. L'article, disponible en prépublication sous la référence 2609.29394v1, ne mentionne ni calendrier de déploiement sur robot physique ni partenariat industriel; les prochaines étapes attendues pour ce type de travaux académiques restent une validation sur plateforme réelle et une revue par les pairs.

RechercheActu

1 source

4arXiv cs.RO

ContactBench 1.0 : un banc d'essai pour la manipulation robotique quotidienne riche en contacts

ContactBench 1.0, présenté sur arXiv (2610.24512v2) par une équipe académique, est un banc d'essai ouvert destiné à évaluer la manipulation robotique riche en contacts, c'est-à-dire les tâches du quotidien où le robot doit insérer, pousser, glisser, visser ou réagir à des forces. À partir d'observations de la manipulation humaine, les auteurs définissent huit compétences élémentaires, qu'ils déclinent en 36 tâches de référence et plus de 40 objets. Ces derniers reproduisent la géométrie et le comportement de contact utiles à chaque tâche. Ils s'impriment sur des imprimantes 3D grand public et chacun a un modèle de simulation jumeau. Des variations contrôlées, dans le monde réel comme en simulation, permettent de mesurer la généralisation. Les auteurs ont testé des méthodes représentatives d'apprentissage de politiques, uniquement visuelles ou visuo-tactiles, sur six tâches seulement. Le code et les ressources seront publiés en open source sur le site du projet. Le résultat est plutôt sobre. Les politiques uniquement visuelles peinent à percevoir les événements de contact ou à y réagir. Les politiques visuo-tactiles, censées combler cette lacune, n'améliorent pas sensiblement les performances. Cela tempère l'idée répandue selon laquelle ajouter un capteur tactile à une politique apprise suffirait à résoudre la manipulation fine. Pour un intégrateur ou un responsable industriel, c'est un rappel que les démonstrations spectaculaires de VLA (modèles vision-langage-action) ne disent presque rien de la robustesse sur des tâches d'assemblage ou de contact, où l'écart entre démo et déploiement reste large. L'intérêt pratique est aussi méthodologique : des tâches et des pièces reproductibles permettraient enfin de comparer des systèmes entre laboratoires, ce qui manque aujourd'hui. Le résumé ne donne cependant ni taux de réussite chiffrés, ni noms des méthodes testées, et six tâches sur 36 constituent une évaluation initiale limitée. Ce travail s'inscrit dans une tendance : la montée en puissance de bancs d'essai standardisés pour la manipulation, après des références comme les benchmarks de simulation (RLBench, LIBERO) qui privilégient surtout des tâches de saisie et de placement, peu exigeantes en contact. La difficulté de reproduire les expériences d'un laboratoire à l'autre, notamment pour les capteurs tactiles, a freiné les comparaisons rigoureuses. Les acteurs industriels qui misent sur la dextérité, des développeurs de mains tactiles aux fabricants d'humanoïdes, n'ont pas publié de métriques comparables, et ce benchmark pourrait servir de terrain neutre. Il s'agit ici de la version 2 d'une prépublication, donc d'un travail non encore validé par les pairs. La prochaine étape est la publication effective des ressources, puis l'évaluation d'un plus grand nombre de politiques sur l'ensemble des 36 tâches.

RecherchePaper

1 source