Illustration générée par IAEntraîner en simulation des modèles de raisonnement à utiliser nativement de vrais robots
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
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.




