Aller au contenu principal
Entraîner en simulation des modèles de raisonnement à utiliser nativement de vrais robotsIllustration générée par IA
RecherchearXiv cs.RO 

Entraîner en simulation des modèles de raisonnement à utiliser nativement de vrais 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

Une équipe de chercheurs publie sur arXiv (2611.18562) une méthode permettant à un modèle de raisonnement open-weight de 27 milliards de paramètres de piloter directement un robot réel, après un entraînement mené entièrement en simulation, par apprentissage par renforcement et sans aucune démonstration. Le modèle fonctionne comme un agent d'usage d'ordinateur (CUA) : il observe la scène, raisonne en chaîne de pensée, puis génère la prochaine pose de l'effecteur, sans harnais logiciel intermédiaire. Les auteurs ont développé PEAR (Post-training Engine for Agentic Robotics) et une procédure appelée robot-use reinforcement learning (RURL). Après entraînement sur LIBERO et RoboDojo, le modèle réussit 60 % des essais sur un robot réel à deux bras, contre 0 % pour le modèle de base. Sur LIBERO, le taux de succès passe de 1,6 % à 74,4 %, un niveau proche de GPT-6 Astra et GPT-6.1 Sol à effort de raisonnement maximal. Sur LIBERO-Pro, lorsqu'une nouvelle tâche est assignée dans une scène familière, le modèle atteint 57,4 % de succès, contre 0,75 % pour π0.5, un modèle vision-langage-action (VLA) affiné sur démonstrations. Aucune dégradation mesurable n'apparaît sur neuf benchmarks de raisonnement, de code et de vision.

L'enjeu principal est que les agents d'usage de robots (RUAs) n'étaient performants jusqu'ici qu'avec des modèles propriétaires de pointe comme GPT-6 Astra ou Claude Fable 5.2. Montrer qu'un modèle ouvert peut s'en approcher réduit la dépendance à des API fermées, ce qui compte pour les intégrateurs soucieux de souveraineté, de latence et de coûts. Le résultat suggère aussi que le transfert sim-to-real peut passer par les compétences de raisonnement plutôt que par la seule imitation : la robustesse face à un changement de tâche, là où les VLA entraînés sur démonstrations s'effondrent, est le point le plus frappant. Il faut toutefois rester prudent. Le chiffre de 60 % repose sur un nombre d'essais que le résumé ne précise pas, sur un seul robot et des tâches de manipulation de type benchmark. LIBERO est un banc d'essai de simulation et non un environnement industriel, et rien n'est dit sur les temps de cycle, la précision ou la sécurité, des critères décisifs en production. Il s'agit donc d'un résultat de recherche, ni d'un produit ni d'un déploiement.

Ce travail s'inscrit dans la tendance qui applique aux robots la recette des agents d'usage d'ordinateur : apprentissage par renforcement à grande échelle sur des environnements simulés vérifiables, après un pré-entraînement généraliste. Il se positionne face aux VLA de type π0.5 de Physical Intelligence, qui dominent la manipulation généraliste mais dépendent de données de téléopération coûteuses à collecter. Les modèles propriétaires restent la référence, et l'écart se resserre sans être comblé. Les prochaines étapes probables sont l'évaluation sur davantage de robots et de tâches longues, la mesure de la latence d'un modèle de 27 milliards de paramètres en boucle de contrôle, et la combinaison éventuelle de ce raisonnement de haut niveau avec des politiques bas niveau plus rapides. Le résumé ne mentionne pas d'acteur européen ni d'annonce de pilote industriel.

À lire aussi

ARC : une méthode de raisonnement pour les modèles fondation en robotique
Illustration générée par IA
1arXiv cs.RO 

ARC : une méthode de raisonnement pour les modèles fondation en robotique

Des chercheurs proposent ARC, une méthode de raisonnement qui améliore sensiblement les performances « zero-shot » de modèles de fondation robotiques (RFM) existants, sans nouvelles démonstrations robot ni entraînement à grande échelle. Elle repose sur trois éléments. Le premier est une trace de raisonnement ancrée dans la prochaine action du robot, qui explique pourquoi l'action est appropriée et quel effet elle doit produire. Le deuxième est un pipeline d'étiquetage automatique, qui a permis de construire ARC-Trace-DROID à partir du jeu de données DROID existant, sans collecte de données robot supplémentaire. Le troisième est une stratégie d'adaptation propre à chaque architecture.

RecherchePaper
1 source
R³ : entraîner des robots à raisonner en langage naturel par apprentissage par renforcement
Illustration générée par IA
2arXiv cs.RO 

R³ : entraîner des robots à raisonner en langage naturel par apprentissage par renforcement

Des chercheurs présentent R³ (R-cubed), une méthode de post-entraînement qui transforme des modèles vision-langage (VLM) génériques en « raisonneurs robotiques » capables de guider des politiques de manipulation bas niveau. La recette se déroule en deux temps : un VLM est d'abord entraîné (mid-training) sur des traces de raisonnement générées par des experts pour installer un style de raisonnement adapté, puis affiné par apprentissage par renforcement à un pas, fondé sur des grilles d'évaluation (rubric-based RL), à partir de données d'action hors ligne. L'équipe a testé R³ sur deux bancs d'essai contrôlés : Language Table et une tâche simulée d'emballage de courses à deux bras (bimanual grocery packing).

RecherchePaper
1 source
Des essaims de robots entraînés par apprentissage par renforcement en simulation restent efficaces sur de vrais robots
Illustration générée par IA
3Robohub 

Des essaims de robots entraînés par apprentissage par renforcement en simulation restent efficaces sur de vrais robots

Des chercheurs d'IRIDIA, le laboratoire d'intelligence artificielle de l'Université libre de Bruxelles (ULB), ont publié dans Science Robotics (2026) une méthode qui permet à des essaims de robots entraînés par apprentissage par renforcement en simulation de conserver leurs performances une fois transférés sur des machines physiques. Ilyes Gharbi, Mauro Birattari et leurs collègues ont testé l'approche sur un essaim de 20 robots e-puck, des petites plateformes à roues très répandues en recherche, à travers cinq missions collectives différentes et 250 expériences sur robots réels.

UEDes chercheurs de l'ULB (Belgique), financés en partie par le FNRS belge, renforcent la visibilité de la recherche européenne en robotique en essaim, sans application industrielle immédiate.

RecherchePaper
1 source
De l'raisonnement à l'action : évaluation des modèles d'IA de pointe sur les tâches de manipulation robotique LIBERO-10
Illustration générée par IA
4arXiv cs.RO 

De l'raisonnement à l'action : évaluation des modèles d'IA de pointe sur les tâches de manipulation robotique LIBERO-10

Une équipe de chercheurs publie sur arXiv un cadre unifié de manipulation robotique en boucle fermée, destiné à évaluer des modèles d'IA généralistes sur le benchmark LIBERO-10, sans entraînement spécifique à la tâche. Les modèles pilotent le robot à partir d'observations visuelles, de la proprioception (l'état interne des articulations) et d'appels d'outils structurés, en spécifiant surtout des poses cibles de l'effecteur terminal et des commandes de pince. Aucun réglage fin ni compétence de manipulation préentraînée n'intervient. Six modèles sont testés : GPT-6 Astra, GPT-6.1 Sol, GPT-6 Luna, Claude Opus 5, Claude Opus 5.5 et Gemini-4 Argon, chacun à trois niveaux d'effort de raisonnement. Cela représente 18 configurations et 1 800 épisodes d'évaluation.

RecherchePaper
1 source