RecherchearXiv cs.RO 9 novembre 2026

ODEAction : des prédictions par blocs à l'évolution continue des actions

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

ODEAction est un nouveau paradigme de génération d'actions pour les modèles vision-langage-action (VLA), proposé dans un article déposé sur arXiv (2611.09672). Il vise à supprimer les « chunks » d'actions, ces segments de trajectoire prédits séparément que la plupart des VLA actuels produisent pour organiser l'exécution continue d'un robot. Ce découpage crée des discontinuités potentielles aux points de transition entre deux chunks. À la place, ODEAction introduit une « évolution continue d'actions » : à partir des images, de l'instruction en langage naturel et de la proprioception du robot, le modèle apprend un champ de transition défini dans l'espace des actions. Un vecteur de transition y décrit la vitesse d'évolution de l'action courante en fonction d'un temps d'évolution. À l'exécution, l'action courante sert de condition initiale et le modèle intègre ce champ par une équation différentielle ordinaire (ODE), générant récursivement les actions suivantes avec des dépendances explicites entre elles. Le système est implémenté comme une tête d'action, indépendante de l'architecture du backbone vision-langage. Les auteurs rapportent des gains en performance de tâche et en qualité de trajectoire face à des baselines à chunking équivalentes, sur LIBERO, EBench, RoboTwin et sur robots réels, avec des progrès plus marqués en manipulation fine. Le résumé ne donne ni chiffres de taux de succès, ni précisions sur les robots réels utilisés.

L'intérêt tient à un point faible bien connu des VLA : les politiques à chunking (ACT, Pi-0 ou Diffusion Policy) prédisent des séquences de plusieurs dizaines de pas, avec un compromis délicat entre réactivité et fluidité. Des chunks longs lissent le mouvement mais retardent la correction ; des chunks courts réagissent mieux mais accentuent les ruptures aux jonctions. Une génération continue, où chaque action dépend explicitement de la précédente, s'attaque à cette tension, ce qui compte surtout pour l'insertion, le serrage ou la manipulation d'objets déformables, là où les saccades dégradent la précision. Le fait que la tête soit agnostique du backbone la rend en principe greffable sur des modèles existants, ce qui réduirait le coût d'adoption pour des équipes de recherche et des intégrateurs. Il faut toutefois rester prudent : il s'agit d'un préprint sans relecture par les pairs, les benchmarks en simulation ne garantissent pas le transfert au réel, et l'on ignore le coût d'inférence de l'intégration d'ODE à fréquence de contrôle élevée, un critère décisif pour un déploiement industriel.

Ce travail s'inscrit dans la tendance qui a fait passer les VLA de la tokenisation discrète des actions à des têtes génératives continues, par diffusion puis par flow matching, popularisé par des modèles comme Pi-0. ODEAction prolonge cette logique en gardant le formalisme des champs continus tout en abandonnant le chunking, là où les approches concurrentes cherchent plutôt à adoucir les transitions par agrégation temporelle ou chunking glissant. La suite dépendra de la publication du code et des poids, d'évaluations indépendantes et de comparaisons directes avec les grands VLA du moment, notamment sur des tâches longues et dynamiques en conditions réelles.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

IA physique & VLA arXiv cs.RO

À lire aussi

1arXiv cs.RO

De la prédiction à la décision : sélection d'action guidée par modèle du monde pour l'excavation continue de tas

Une équipe de recherche présente dans un article publie en preprint sur arXiv (2609.15382) le World-Action Model (WAM), un système de décision pour l'excavation autonome par chargeuse sur pneus. Comme chaque scoop modifie le relief disponible pour l'action suivante, WAM génère plusieurs trajectoires de godet candidates, éliminé celles géométriquement impossibles, prédit conjointement pour chacune le changement de terrain et le volume charge, puis exécuté celle au chargement prédit le plus élevé avant de replanifier depuis le nouveau relief observe. Sur 32 épisodes de test MinSlope a géométries distinctes, ce classement par modèle du monde applique a des propositions générées par diffusion fait chuter le nombre moyen de passes de godet de 651,8 a 540,6 (-17,1%), préservé un taux de réussite de 32/32 et améliore chaque épisode teste individuellement. En comparaison système complet, WAM termine ses 32 épisodes contre 29 sur 32 pour une politique "soft actor-critic" entraînée séparément. L'équipe a aussi valide l'interface sur des données de chargeuse grandeur réelle et déployé la boucle complète perception-proposition-prédiction-sélection-exécution en conditions physiques, via une implémentation ROS2/TensorRT traitant cinq candidats en 72,4 millisecondes sur un module Jetson AGX Orin. Le résultat vise un problème central du terrassement autonome: chaque action transforme l'environnement de la décision suivante, ce qui rend l'anticipation des conséquences plus déterminante que la seule qualité du mouvement exécuté. En montrant qu'une couche de décision fondée sur un modèle du monde améliore a la fois l'efficacité, moins de passes pour un même résultat, et la fiabilité, taux de complétion supérieur a une politique de renforcement entraînée de bout en bout, l'étude indique que le gain vient du choix explicite entre plusieurs actions possibles plutôt que de la seule politique de mouvement. Pour les intégrateurs et fabricants d'équipements de chantier et de mines, une baisse de 17% du nombre de passes se traduit directement en gains de temps de cycle a l'échelle d'une flotte, même si ces chiffres restent issus de la simulation, l'expérience physique ne démontrant pour l'instant que la faisabilité de la boucle fermée en conditions réelles. Le travail s'inscrit dans l'automatisation des engins de terrassement, ou les approches existantes reposent soit sur des politiques de mouvement générées par diffusion sans raisonnement explicite sur les conséquences terrain, soit sur de l'apprentissage par renforcement comme le soft actor-critic utilise ici en comparaison. Les auteurs testent également plusieurs représentations d'entrée, étendues spatiales et cinq architectures de réseau afin d'identifier un prédicteur "structure par la physique" a la fois précis et rapide, une contribution méthodologique distincte du résultat applicatif. A ce stade, il s'agit d'un article de recherche en preprint, valide sur chargeuse grandeur réelle en boucle expérimentale mais sans déploiement en flotte ni acteur industriel nomme, ce qui le situe cote recherche amont dans un domaine ou l'automatisation des chargeuses et pelles intéressé autant les laboratoires que les fabricants d'équipements de chantier et de mines.

RecherchePaper

1 source

2arXiv cs.RO

Vérification prédictive alignée sur la politique pour l'exécution adaptative de blocs d'actions VLA

Des chercheurs proposent un vérificateur prédictif aligné sur la politique, baptisé PAV (policy-aligned prédictive vérifier), pour décider combien d'une séquence d'actions générée par un modèle vision-langage-action (VLA) doit être exécuté avant de relancer l'inférence. Ces modèles produisent des « action chunks », des blocs d'actions qui évitent d'appeler le réseau à chaque pas de contrôle, mais la longueur du segment exécuté pèse directement sur le taux de réussite. Le PAV anticipe les conséquences de chaque préfixe d'actions candidat et estime, avant exécution, s'il reste compatible avec une poursuite réussie de la tâche. Il travaille dans l'espace de représentation interne du VLA, conditionné par la tâche, et n'utilise pas la prédiction du futur pour générer des actions mais pour évaluer celles déjà proposées. L'entraînement combine une supervision de « survie » au niveau de la trajectoire, déduite des seuls résultats terminaux, et un a priori de localisation qui préserve les comportements utiles au sein des essais échoués. Les scores de validité obtenus pilotent le choix de l'horizon d'exécution. Les tests portent sur pi0 et pi0.5 de Physical Intelligence, sur les benchmarks LIBERO et RoboTwin 2.0 ainsi que sur des tâches de manipulation réelles. Le résumé annonce de meilleurs compromis entre taux de succès et nombre de requêtes au modèle, mais ne donne aucun chiffre. L'enjeu est très concret pour les intégrateurs et les équipes qui déploient des VLA. Chaque inférence d'un grand modèle coûte du temps de calcul, de la latence et de l'énergie, surtout en embarqué. Exécuter de longs segments sans revérifier réduit ces coûts, mais augmente le risque de dérive quand la scène change. Les méthodes adaptatives actuelles s'appuient sur la stabilité de la génération ou sur l'accord entre prédictions, des signaux qui ne disent pas si l'exécution d'un préfixe laisse la tâche réalisable. Le travail soutient qu'il faut juger la validité d'une action plutôt que la confiance du modèle. Il suggère aussi un autre usage de la prédiction du futur : calibrer la confiance accordée à une politique plutôt que produire de nouvelles actions. Si cela tient à l'échelle, on peut espérer plus de robustesse à coût de calcul constant, sans réentraîner le VLA de base. Le contexte est celui d'une course à l'efficacité des VLA, où le découpage en action chunks, popularisé par ACT puis par les modèles pi0 et pi0.5, est devenu standard. Il laisse ouverte la question de l'horizon optimal, que la plupart des systèmes fixent encore à la main. Ce travail s'ajoute aux approches d'exécution adaptative et de vérification, au moment où les acteurs du secteur cherchent à fiabiliser leurs modèles hors démonstration. Il s'agit d'une prépublication arXiv sans relecture par les pairs, et les benchmarks de simulation pèsent peu face aux conditions d'usine. L'évaluation réelle n'est décrite que brièvement, sans détail sur les tâches ou le nombre d'essais, ce qui invite à la prudence tant que le code, les chiffres complets et des validations indépendantes ne sont pas disponibles.

RecherchePaper

1 source

3arXiv cs.RO

Renforcement des politiques d'action par la prédiction

Des chercheurs présentent Prophet, un modèle du monde robotique de type action-vers-vidéo, associé à FlowScale, une méthode d'apprentissage par renforcement conçue pour les politiques Vision-Language-Action (VLA) à tête d'action par flux. Publiés sur arXiv (2511.20633, version 2), ces travaux s'attaquent au talon d'Achille des VLA actuelles : entraînées presque exclusivement par imitation, elles mémorisent les démonstrations et se dégradent dès que la situation réelle s'écarte des exemples vus à l'entraînement. Prophet est pré-entraîné sur des données robotiques hétérogènes à grande échelle pour capturer une dynamique action-conséquence réutilisable, puis adapté en few-shot (avec très peu d'exemples) à de nouveaux robots, objets et environnements, ce qui en fait un simulateur prêt à générer des rollouts pour l'entraînement par renforcement. FlowScale combine l'algorithme Flow-GRPO à une repondération intrinsèque par étape qui stabilise les gradients durant l'optimisation. Résultat : un gain de taux de succès de 5 à 17 points sur des benchmarks publics, et de 24 à 30 points sur des robots réels, mesuré sur plusieurs architectures VLA différentes. L'enjeu dépasse la seule performance chiffrée. Le vrai verrou du RL en robotique a toujours été le coût et la lenteur de l'interaction physique réelle, combinés à la difficulté de construire des simulateurs qui transfèrent effectivement vers le monde réel, le fameux écart simulation-réalité. En remplaçant l'environnement d'entraînement par un modèle du monde appris directement à partir de données robotiques et adaptable à un nouveau setup avec peu d'exemples, Prophet ouvre une voie pour faire du post-entraînement par renforcement sans multiplier les heures de manipulation physique ni réingénierer un simulateur pour chaque nouveau robot. C'est un signal notable pour les équipes qui développent des politiques VLA, en laboratoire comme dans l'industrie : la RL post-imitation devient praticable à un coût de données et de calcul raisonnable, ce qui pourrait accélérer le passage de démonstrations de laboratoire à des politiques réellement robustes en conditions réelles, une distinction que le secteur peine encore souvent à établir clairement. Ce travail s'inscrit dans une lignée de recherche qui cherche à combler l'écart entre l'apprentissage par imitation, dominant dans les VLA ces dernières années, et l'apprentissage par renforcement, longtemps jugé trop coûteux à appliquer sur des robots physiques. Flow-GRPO, sur lequel s'appuie FlowScale, est un algorithme récent de RL adapté aux modèles à appariement de flux, une technique de plus en plus utilisée pour les têtes d'action des politiques robotiques modernes. La mention « replace » sur l'identifiant arXiv indique une nouvelle version d'un article déjà annoncé, signe que les auteurs ont retravaillé leur méthode ou leurs résultats. L'article ne précise pas les backbones VLA testés ni les tâches réelles utilisées pour obtenir les gains de 24 à 30%, une limite à garder en tête avant de généraliser ces chiffres.

RecherchePaper

1 source

4arXiv cs.RO

Politique en escalier : inférence en flux continu pour les modèles monde-action à grands blocs d'actions

Des chercheurs proposent Staircase Policy, un cadre d'inférence et d'entraînement en flux continu (streaming) qui transforme une politique VLA (vision-langage-action) à flow matching en un « World-Action Model » (WAM) de type JEPA. L'article, publié sur arXiv (2609.36471v1), découpe un grand bloc d'actions (action chunk) en sous-blocs placés à des stades de débruitage décalés. Les actions les plus proches sont exécutées dès qu'elles sont disponibles, pendant que les suivantes continuent d'être affinées. À chaque frontière de sous-bloc, l'état latent futur est re-prédit à partir de la dernière observation et sert à mettre à jour toutes les actions non exécutées, sans relancer une inférence complète. Le modèle, nommé S-WAM, atteint 97,7 % sur LIBERO et 87,9 % sur LIBERO-Plus. Il produit 292,7 actions exécutées par seconde, soit 3,62 fois le débit d'une exécution conventionnelle à précision comparable, et ramène le délai avant la première action de 123,6 à 73,3 ms. Avec des optimisations d'inférence supplémentaires, le débit monte à 642,9 actions par seconde. Les auteurs revendiquent aussi des gains sur plusieurs architectures de politiques et sur des tâches en robot réel, sans que le résumé en précise le nombre, la nature ni les taux de réussite. L'enjeu est d'abord économique. Les WAM, qui conditionnent la génération d'actions sur des observations futures prédites, améliorent la manipulation, mais ajoutent un coût de calcul à une génération d'actions déjà itérative et coûteuse. L'action chunking amortit ce coût, au prix d'une dégradation sur les longs horizons, car les dernières actions du bloc reposent sur des observations périmées. Staircase Policy vise à lever ce compromis entre latence et réactivité, ce qui compte pour les intégrateurs qui veulent embarquer de gros modèles sur des robots à budget de calcul limité. L'erreur de prédiction du futur peut en outre servir de signal pour un chunking adaptatif, c'est-à-dire une confiance mesurable dans le plan en cours. Ces résultats restent toutefois des benchmarks en simulation. LIBERO est proche de la saturation, et un débit en actions par seconde ne dit rien de la robustesse en production. Les mesures en robot réel devront être détaillées pour juger du transfert. Ce travail s'inscrit dans la montée des modèles fondations de robotique fondés sur des VLA à flow matching, dans la lignée de Pi-0, et dans l'intérêt croissant pour les architectures prédictives de type JEPA, qui prédisent dans un espace latent plutôt qu'en pixels. Les WAM concurrencent les VLA purs en injectant une anticipation du monde, mais leur latence freine leur déploiement. D'autres approches d'exécution asynchrone ou de chunking en temps réel traitent le même problème, sans forcément coupler prédiction du futur et débruitage échelonné. La suite dépendra de la publication du code, de validations indépendantes et de tests sur des plateformes industrielles, aucun pilote n'étant annoncé.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source