Aller au contenu principal
RoboACE : la coévolution adversariale pour l'auto-amélioration des robotsIllustration générée par IA
RecherchearXiv cs.RO 

RoboACE : la coévolution adversariale pour l'auto-amélioration des robots

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Des chercheurs publient sur arXiv (2611.13034) RoboACE, pour Robot Adversarial Co-Evolution, un cadre logiciel qui fait évoluer conjointement deux composants autour de modèles de fondation laissés gelés : un « harnais » de curriculum et un « harnais » d'exécution. Le premier exploite les preuves de capacité accumulées pour proposer des défis informatifs. Le second répond par des révisions réutilisables (compétences, procédures de planification, stratégies de récupération) qui élargissent ce que le robot sait exécuter. Les mises à jour alternent, l'un des côtés restant fixe pendant que l'autre change, et les défis admis sont figés en instantanés pour comparer les révisions d'exécution entre elles. Le point de départ est un jeu restreint de conditions d'entraînement LIBERO. Sur LIBERO-PRO, le déploiement final, lui aussi figé, atteint 74,0 % de réussite, soit 15,0 points de plus que le déploiement initial et 13,5 points de plus que l'exécution directe par son contrôleur VLA. Il devance aussi les contrôleurs et systèmes d'agents évalués sur quatre panels de la famille LIBERO. Il s'agit d'un résultat de recherche en simulation, sans robot physique, sans payload, sans site de déploiement ni produit annoncé.

L'intérêt tient moins au score qu'au déplacement du problème. La plupart des approches d'auto-amélioration partent d'une source de pratique fixe : l'agent progresse, mais la recherche de nouvelles faiblesses reste inchangée. RoboACE traite le choix de ce qu'il faut pratiquer comme une variable à optimiser, au même titre que la politique. Pour un intégrateur, la promesse est d'améliorer un système sans réentraîner le modèle sous-jacent, en agissant uniquement sur des couches de compétences et de supervision, donc plus auditables et plus faciles à versionner qu'un jeu de poids. Les études de cas mentionnent des changements dans la sélection de la pratique guidée par les preuves, l'ancrage de la compétence « tiroir » et l'intervention sur le contrôleur. Il faut toutefois rester prudent : LIBERO et ses variantes sont des bancs d'essai de manipulation sur tâches de table, connus pour être sensibles aux perturbations, et un gain de 13,5 points sur un panel ne dit rien de la robustesse en atelier ni du fossé entre simulation et réel. L'écart avec le déploiement initial, déjà à 59 %, montre aussi que la marge reste modeste.

Ce travail s'inscrit dans la vague des agents robotiques construits autour de modèles de fondation figés, qui accumulent des compétences réutilisables à la manière des bibliothèques de skills en programmation par LLM, et dans la lignée des méthodes d'auto-jeu et de curriculum adverse issues de l'apprentissage par renforcement. Il se positionne face aux contrôleurs VLA directs, de type Pi-0 ou GR00T, que les auteurs utilisent comme référence d'exécution, et face aux autres systèmes d'agents évalués. La suite logique serait un transfert vers des robots physiques et des tâches de manipulation industrielle, avec la question centrale de savoir si les défis générés en simulation exposent les mêmes faiblesses que celles rencontrées en production. Aucun pilote ni calendrier n'est annoncé à ce stade.

Dans nos dossiers

À lire aussi

Tir dans l'espace des compétences pour l'amélioration autonome des politiques robotiques
Illustration générée par IA
1arXiv cs.RO 

Tir dans l'espace des compétences pour l'amélioration autonome des politiques robotiques

Une équipe de chercheurs publie sur arXiv (v1, septembre 2026) une méthode baptisée « skill-space shooting », conçue pour permettre à un robot déployé de corriger seul les échecs de sa politique de contrôle, sans que l'humain ait à démontrer chaque correction. Le principe repose sur un modèle de fondation, qui guide l'exploration de corrections à travers des compétences courtes et réutilisables (les « skills »). Ces comportements récurrents d'une tâche à l'autre, comme saisir, pousser ou repositionner un objet, sont choisis par le modèle à partir de la scène observée. Les essais réussis sont ensuite convertis en supervision corrective pour réentraîner la politique. Les auteurs affirment que des expériences en conditions réelles montrent une amélioration répétée de politiques agissant de manière autonome, et que les skills peuvent être partagés entre tâches pour réduire l'effort d'enseignement sur de nouvelles tâches. Le résumé ne donne ni taux de réussite, ni nombre d'essais, ni plateforme robotique, ni gain chiffré. Ces éléments devront être vérifiés dans le papier complet et sur la page de résultats vidéo associée. L'enjeu est un goulot d'étranglement bien connu du déploiement de robots : l'amélioration après mise en service dépend encore largement de téléopérateurs qui produisent des démonstrations correctives. Les systèmes dits agentiques, où un modèle de fondation compose des comportements appris pour finir une tâche, contournent l'humain, mais ne rendent pas la politique elle-même meilleure. Elle échouera de nouveau au même endroit. Le travail cherche à combler cet écart en transformant les succès obtenus par composition de skills en données d'apprentissage. Si le résultat tient à l'échelle, il réduirait le coût marginal de chaque correction, un poste critique pour les intégrateurs qui exploitent des flottes de robots. Il faut toutefois rester prudent : il s'agit d'un préprint non évalué par des pairs, et les vidéos publiées par les auteurs sont généralement sélectionnées. La généralisation entre tâches reste à démontrer sur des cas plus variés que ceux d'un laboratoire. Ce travail s'inscrit dans la course aux politiques vision-langage-action (VLA), comme Pi-0 ou GR00T, qui sont pré-entraînées sur de grands volumes de démonstrations, puis affinées, souvent avec de la téléopération humaine. Il rejoint aussi les recherches sur l'apprentissage par renforcement et l'auto-amélioration en conditions réelles, qui butent sur le coût des essais physiques et sur la conception des récompenses. L'usage de skills comme espace de recherche restreint l'exploration et la rend plus sûre et plus efficace que des actions brutes. La suite dépendra de la publication du code, des comparaisons avec les approches d'amélioration existantes et d'éventuels tests sur des robots industriels. Aucun pilote commercial n'est annoncé à ce stade.

RecherchePaper
1 source
Vers l'auto-amélioration récursive physique : plaidoyer pour la co-conception corps-contrôle des robots humanoïdes
Illustration générée par IA
2arXiv cs.RO 

Vers l'auto-amélioration récursive physique : plaidoyer pour la co-conception corps-contrôle des robots humanoïdes

Des chercheurs proposent, dans une version révisée (v2) d'un article de position publié sur arXiv, de faire de la co-conception corps-contrôle le socle d'une « auto-amélioration récursive physique » (physical Recursive Self-Improvement, RSI) pour les robots humanoïdes. Le principe consiste à utiliser l'expérience accumulée par un humanoïde, avec son corps et sa politique de contrôle actuels, pour guider des améliorations successives des deux à la fois. Il s'agit d'un texte conceptuel et non d'un produit ou d'un prototype : il ne contient ni robot testé, ni résultat chiffré, ni site de déploiement. Les auteurs esquissent trois pistes méthodologiques : l'exploration stratégique de l'espace des morphologies, le transfert Sim2Real (de la simulation au robot réel) et l'apprentissage de méta-politiques, c'est-à-dire de politiques qui apprennent à rendre le processus d'amélioration lui-même plus efficace. Ils défendent la co-conception selon trois angles (méthodologique, applicatif et communautaire) et dressent une liste de questions ouvertes, du court au long terme. L'enjeu est de remettre en cause un biais du domaine. La quasi-totalité des efforts actuels, qu'il s'agisse de VLA (modèles vision-langage-action), d'apprentissage par renforcement ou de téléopération à grande échelle, optimise des politiques pour une morphologie figée. Or un humanoïde industriel reste contraint par des choix matériels (nombre de degrés de liberté, répartition des actionneurs, charge utile, autonomie) qui plafonnent ce que le logiciel peut obtenir. Les auteurs soulignent eux-mêmes que la co-conception reste peu explorée sur les humanoïdes, et ils posent la question de sa faisabilité et de sa nécessité. L'article ne la tranche pas. Pour un intégrateur ou un décideur B2B, il n'y a donc aucune conséquence opérationnelle à court terme : c'est une grille de lecture, et le vocabulaire « RSI » relève davantage du positionnement que d'une capacité démontrée. Les principaux verrous, tels que le coût de fabrication de nouvelles morphologies, la fidélité de la simulation et la validation sur matériel réel, restent entiers. Ce texte s'inscrit dans le courant de l'IA incarnée qui a donné les modèles généralistes (Pi-0, GR00T, Helix) et les plateformes comme Figure 03 ou Optimus, tous conçus autour d'un corps fixé en amont, puis adapté par itérations industrielles lentes d'une génération à l'autre. La co-conception de formes et de contrôleurs existe depuis longtemps en robotique évolutionnaire et sur des systèmes plus simples, mais elle n'a pas encore été appliquée de façon convaincante aux humanoïdes complets. Les suites possibles sont académiques : benchmarks communs, pipelines de conception différentiable et validations Sim2Real sur des sous-systèmes comme la main ou la jambe. Aucun calendrier ni partenaire industriel n'est annoncé.

RecherchePaper
1 source
Auto-adaptation adversariale au niveau du programme par auto-jeu pour la sécurité robotique
Illustration générée par IA
3arXiv cs.RO 

Auto-adaptation adversariale au niveau du programme par auto-jeu pour la sécurité robotique

Des chercheurs proposent, dans un preprint arXiv (2610.36143v1), un cadre d'auto-jeu adversarial co-adaptatif au niveau du programme pour la sécurité robotique. Des agents de code génèrent à la fois des attaques et des défenses à partir du code d'adversaires déjà testé et des retours de mission, sans aucun affinage (fine-tuning) de modèle. Le cadre expose des interfaces propres à chaque environnement: des programmes externes pour la conduite autonome, et des défenses au niveau du SDK pour la locomotion d'un humanoïde. Deux études de cas de huit générations chacune ont été menées. Dans la première, le défenseur du véhicule introduit une logique de récupération par actuation directe. Dans la seconde, le défenseur de l'humanoïde révise la validation des états entrants. Le résumé ne donne ni modèle de robot, ni simulateur, ni taux de réussite, ni nombre d'essais. L'intérêt tient à la méthode. Jusqu'ici, la plupart des travaux sur la robustesse adversariale des robots opèrent sur les poids d'une politique apprise, par exemple une perturbation des capteurs ou un réentraînement. Ici, l'adaptation passe par du code exécutable, que des ingénieurs peuvent lire, versionner, auditer et rejouer. Cette traçabilité compte pour les intégrateurs et les responsables sécurité, car les agents de code commencent à modifier du logiciel robotique en production. Les auteurs sont surtout honnêtes sur les limites: les réponses du défenseur assurent une récupération locale de la tâche, mais ne démontrent pas de robustesse durable. Une parade efficace contre un attaquant donné peut cesser de l'être quand l'attaquant évolue. Ce résultat tempère l'idée qu'un agent de code suffirait à durcir un robot en boucle fermée. Il reste toutefois préliminaire: deux cas, huit générations, sans validation sur matériel réel d'après le résumé. Ce travail s'inscrit dans la montée en puissance des agents de code appliqués à la robotique, et dans l'essor des approches d'auto-jeu, déjà connues en jeux et en cybersécurité offensive. Le choix de l'humanoïde, avec une validation des états au niveau du SDK, reflète la dépendance croissante des plateformes bipèdes commerciales à des couches logicielles propriétaires, donc à une surface d'attaque logicielle. Les suites logiques seraient des évaluations sur davantage de générations, contre des attaquants plus variés, avec des métriques de robustesse comparables et, à terme, des essais sur robots physiques. Aucun partenaire industriel ni calendrier de déploiement n'est mentionné.

RecherchePaper
1 source
Machines de Turing incarnées : du code avec état pour l'auto-amélioration récursive des robots
Illustration générée par IA
4arXiv cs.RO 

Machines de Turing incarnées : du code avec état pour l'auto-amélioration récursive des robots

Des chercheurs proposent de retirer tout modèle de la boucle de contrôle d'un robot et de confier chaque décision à du code classique. Leur papier, publié sur arXiv (2610.12369), introduit le paradigme Code-Only-as-Policy (COAP). Le code mesure et suit en continu l'état du robot, de l'environnement et de la tâche à partir des images caméra et de la proprioception, puis prend chaque décision à partir de cet état. La même bibliothèque s'applique d'un épisode à l'autre, et plusieurs tâches la partagent, sans VLA (modèle vision-langage-action) ni VLM interrogé à l'exécution. Sur RoboDojo, un banc de 42 tâches bimanuelles, la bibliothèque produite atteint 70,24 % de réussite sans aucun modèle au moment du test. Le papier ne détaille pas, dans son résumé, le matériel, les temps de cycle ni les conditions de test, et il s'agit pour l'instant d'un résultat de recherche et non d'un produit. Le cadre théorique est celui d'une « machine de Turing incarnée » : le ruban correspond à l'état du robot et de son environnement, et les règles correspondent à la politique. Si cet état est représenté avec précision, la décision peut s'écrire entièrement en code. Les auteurs mettent en avant trois avantages face aux VLA et aux « Agent Harness » (Agent-as-Policy, Harness VLA), où un VLM est sollicité en ligne. Premièrement, l'état est explicite et stockable dans le code. Deuxièmement, l'exécution est contrôlable, récupère les échecs de façon flexible et tourne vite et à bas coût. Troisièmement, les nouvelles tâches réutilisent, héritent ou étendent la bibliothèque commune, ce qui permet de cumuler les capacités. L'intérêt pour l'industrie est double. Pour un intégrateur ou un COO, une politique déterministe, auditable et sans appel à un modèle distant répond à des exigences de latence, de coût d'inférence et de traçabilité que les VLA remplissent mal. Chaque modification du code est explicite et vérifiable, à l'inverse d'un réentraînement opaque. Ensuite, le papier propose ce qu'il appelle l'auto-amélioration récursive : des agents de code développent la bibliothèque en boucle fermée. Reste à nuancer : 70,24 % signifie près de 30 % d'échecs, ce qui reste loin des seuils de production, et les auteurs admettent que le plafond dépend de la précision de l'estimation d'état et de la robustesse de la logique. La perception reste donc le goulot d'étranglement, et la généralisation hors benchmark n'est pas démontrée. Ce travail s'inscrit dans le débat entre politiques apprises de bout en bout (famille Pi-0, GR00T, Helix) et architectures d'agents où un VLM planifie à l'exécution. COAP revient à une approche proche de la robotique classique, mais avec des agents de code qui écrivent et font évoluer la bibliothèque. Les auteurs suggèrent aussi d'utiliser COAP comme moteur de génération de données pour entraîner des VLA et alimenter des Agent Harness, ce qui en ferait un complément plutôt qu'un concurrent. Aucun calendrier de déploiement ni partenaire industriel n'est annoncé.

RecherchePaper
1 source