Vers l'ère de l'intelligence incarnée à base d'agents
Des chercheurs publient sur arXiv (2611.09124) A2-MEAS, un framework multi-agents pour la robotique où le code sert d'interface de passage à l'échelle. Des « codes de correction » appris combinent consigne corrective en langage naturel, indices spatiaux, historique d'exécution et propositions d'actions. Le module MetaBrain fournit la supervision à l'entraînement et le guidage à l'exécution. Un encodeur et un adaptateur intègrent ces corrections dans les poids de la politique, et de nouveaux codes peuvent ensuite modifier le comportement à poids gelés au déploiement. Le modèle d'action A2-WLA ajoute à une politique vision-langage-action (VLA) un historique sensible au mouvement et un modèle du monde latent. Il obtient un Q-score de 0,5755 sur 50 tâches publiques de BEHAVIOR 2026 avant correction en ligne, contre 0,2605 pour le vainqueur 2025. Sur les 100 tâches, A2-MEAS atteint 0,6411 et 45,40 % de succès. Sur RoboTwin 2.0, il affiche 93,98 % de succès moyen, puis 95,05 % avec le système complet. Sur 12 tâches réelles dans cinq cadres domestiques, A2-WLA réussit 57,92 % du temps contre 26,67 % pour pi0.5. Sur un café filtre en longue séquence, la reprise après échec passe de 14 % à 94 % et de 8 % à 82 % à deux étapes de manipulation du filtre.
L'intérêt tient moins au score brut qu'au traitement de la récupération sur erreur, principal obstacle à l'autonomie prolongée des VLA hors laboratoire. Un adaptateur conditionné par l'historique redresse nettement des échecs en cascade, ce qui suggère que la mémoire d'exécution compte autant que la taille du modèle. Le débit d'entraînement de 427,1 échantillons par seconde, soit 4,03 fois une implémentation de référence de pi0.5 sur matériel équivalent, abaisse le coût d'itération. Il faut toutefois relativiser. Le facteur 2,21 compare des éditions différentes du benchmark et des configurations d'entraînement différentes. Les 45,40 % de succès sur 100 tâches restent modestes. Les 12 tâches réelles sont peu nombreuses et ne disent rien d'une fiabilité de niveau industriel.
Ce travail s'inscrit dans la course aux politiques généralistes ouvertes dérivées de pi0 et pi0.5 de Physical Intelligence, face à des modèles comme GR00T ou Helix. Le défi BEHAVIOR, centré sur des tâches ménagères longues en simulation, sert de banc d'essai commun. Il s'agit d'un preprint, sans produit ni déploiement commercial. Les auteurs promettent de publier le système, les modèles, les scripts d'entraînement et l'infrastructure, ce qui permettra une reproduction indépendante, seul vrai test de ces résultats.
Dans nos dossiers
