Aller au contenu principal
Certifier puis sélectionner : pilotage à l'exécution, sensible à la viabilité, de politiques de diffusion figéesIllustration générée par IA
RecherchearXiv cs.RO 

Certifier puis sélectionner : pilotage à l'exécution, sensible à la viabilité, de politiques de diffusion figées

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 proposent CAST (Certified Action Selection at Test time), une méthode de pilotage à l'exécution pour les politiques de diffusion, ces modèles qui génèrent de courtes séquences d'actions en débruitant un bruit aléatoire et qui comptent parmi les approches dominantes pour apprendre des compétences robotiques à partir de démonstrations. Le principe : tirer quelques séquences d'actions (« chunks ») de la politique gelée, certifier chacune par une condition de barrière, puis exécuter parmi les chunks certifiés celui qu'un ensemble de fonctions de valeur apprises classe en tête. Une variante, CAST-V, ajoute une notion de viabilité conditionnée par la politique, estimée soit avec un modèle sous garantie à échantillon fini, soit apprise à partir des journaux du contrôleur (CAST-VL). Les tests couvrent la manipulation robomimic, un quadrirotor planaire, un humanoïde MuJoCo et un monocycle, toujours avec des politiques gelées. CAST améliore le taux de réussite conjoint tâche et contraintes par rapport au filtre appliqué en sortie dans presque tous les cas, et la viabilité élimine l'essentiel des impasses que la certification à un pas ne détecte pas.

L'enjeu est très concret pour qui déploie des politiques apprises : une fois en production, elles rencontrent des contraintes absentes des démonstrations (zones interdites, limites de vitesse, obstacles), et réentraîner pour chacune est impraticable. Le filtre de sécurité classique corrige l'action sans tenir compte de la tâche, et une correction importante peut laisser le robot dans un état d'où la politique ne sait plus poursuivre. CAST déplace la sécurité de la correction vers la sélection : on ne modifie plus l'action, on choisit parmi des actions que la politique aurait elle-même pu produire. Les auteurs démontrent qu'un pas certifié reste sûr quel que soit le critique, et que le chunk exécuté reste à moins de log N nats de la politique conditionnée à la faisabilité, alors qu'une projection peut en être singulièrement éloignée. Pour un intégrateur, cela suggère une couche de sécurité ajoutable après coup, sans réentraînement. Les réserves sont claires : les garanties portent sur des conditions de barrière que l'utilisateur doit savoir spécifier, et les validations restent en simulation, sur des systèmes de petite dimension ou des benchmarks académiques, sans essai sur robot réel mentionné.

Le travail s'inscrit dans la montée des politiques de diffusion et des modèles vision-langage-action, dont la fiabilité hors distribution demeure le principal frein industriel. Il s'oppose aux filtres de sécurité à base de fonctions de barrière de contrôle, qui projettent l'action, et complète les approches de sélection au moment du test. Les auteurs identifient aussi une limite structurelle : certifier le prochain chunk ne suffit pas, car un contrôleur génératif peut disposer d'actions sûres maintenant et plus aucune plus tard, d'où la caractérisation de l'autorité de contrôle sûre d'une politique gelée sous échantillonnage fini. Les prochaines étapes naturelles seraient le passage à des plateformes physiques, des dimensions d'état plus élevées et des politiques de plus grande taille, où le coût de l'échantillonnage de plusieurs chunks et de leur certification en temps réel sera déterminant. Une page de projet accompagne la publication.

Dans nos dossiers

À lire aussi

Attention spatiale : adapter les horizons d'exécution des politiques de diffusion via la sensibilité à l'observation
Illustration générée par IA
1arXiv cs.RO 

Attention spatiale : adapter les horizons d'exécution des politiques de diffusion via la sensibilité à l'observation

Les chercheurs à l'origine de ce papier arXiv (2607.04739v1) s'attaquent à un problème central des politiques robotiques par imitation basées sur des modèles génératifs : l'échantillonnage de blocs d'actions ("action chunks") via diffusion. Ces méthodes, aujourd'hui largement utilisées pour l'apprentissage par démonstration, exécutent généralement chaque bloc d'actions pendant un horizon fixe, ce qui oblige à choisir entre réactivité et coût de calcul. Les auteurs proposent une métrique baptisée "Spatial Attention", définie comme la norme carrée attendue du gradient de la log-vraisemblance de l'action par rapport à l'observation. Elle mesure la sensibilité de la distribution d'actions de la politique aux variations de l'observation. Leur résultat théorique montre que, à budget d'échantillonnage fixe, l'horizon d'exécution qui minimise la perte de vraisemblance cumulée causée par des perturbations diminue quand la Spatial Attention augmente. En prévoyant les valeurs futures de cette métrique en parallèle du bloc d'actions, le système ajuste dynamiquement l'horizon : plus court dans les phases sensibles, plus long dans les phases stables. Des tests en simulation et sur robot réel, sur tâches standards et perturbées, montrent une amélioration significative des taux de succès par rapport aux méthodes à horizon fixe, à horizon moyen d'exécution comparable. Pour l'industrie robotique, ce travail cible un compromis très concret rencontré par les architectures VLA et de type Diffusion Policy (ACT, Pi-0, RT-2 et consorts) : plus un bloc d'actions est long, moins le système coûte cher en inférence, mais plus il devient vulnérable aux imprévus entre deux replanifications. Une adaptation automatique de cet horizon, sans capteur supplémentaire ni coût de calcul additionnel notable, pourrait rendre les politiques de diffusion plus robustes en environnement réel, un enjeu clé pour tout déploiement en usine ou en logistique où les perturbations sont fréquentes. Ce papier s'inscrit dans la lignée des travaux sur les Diffusion Policies et l'apprentissage par imitation à base de modèles génératifs, un courant de recherche en forte expansion depuis l'introduction de l'action chunking comme alternative aux politiques réactives image-par-image. L'abstract ne précise ni l'institution ni la plateforme robotique utilisée pour les essais réels, et reste pour l'instant au stade de contribution méthodologique validée expérimentalement, sans annonce de déploiement industriel.

RecherchePaper
1 source
Sélection de candidats adaptée à l'exécuteur via un certificat de faisabilité
Illustration générée par IA
2arXiv cs.RO 

Sélection de candidats adaptée à l'exécuteur via un certificat de faisabilité

Une équipe de chercheurs propose, dans un preprint arXiv (2609.36597), un cadre de sélection de candidats fondé sur un « certificat de faisabilité » pour les architectures robotiques modulaires. Dans ces systèmes, le planificateur de mouvement est séparé d'un exécuteur en aval, qui applique des contraintes dures dépendant de l'état. Un candidat géométriquement valide peut donc se révéler incompatible avec l'ensemble de commandes réellement disponible pour l'exécuteur. La méthode construit un « témoin de commande » à partir de l'ensemble de contraintes dures de l'exécuteur, aux états prédits le long de la trajectoire simulée, puis le vérifie face aux contraintes d'origine. La génération des candidats, leur classement et l'exécuteur restent inchangés. Sur 5 085 évaluations numériques à géométrie valide, réparties sur deux modèles de robots, 795 n'admettaient aucune commande faisable par l'exécuteur. Aucune de ces 795 n'a été certifiée, mais 7,09 % des cas faisables de référence restent non certifiés. Le résultat est utile pour les intégrateurs, car il chiffre un écart que les piles logicielles masquent souvent : environ 16 % des candidats validés par la géométrie (795 sur 5 085) ne pouvaient de fait pas être exécutés. Le certificat est suffisant mais conservateur : il ne produit aucun faux positif sur cet échantillon, au prix d'un rejet de certains candidats pourtant exécutables. Les simulations contrôlées sur bras FR3 et sur RB-Y1 à base fixe montrent que l'admission par certificat modifie fréquemment le candidat retenu. Une base de comparaison par programmation linéaire (LP) exacte, calculée a posteriori, révèle un conservatisme dépendant de la plateforme. Le compromis n'est pas gratuit : par rapport à la sélection purement géométrique, l'admission par certificat s'accompagne d'une couverture plus faible des commandes du planificateur et d'une erreur de suivi nominale plus élevée, sans avantage constant en réserve d'interaction à l'état atteint. Il s'agit donc d'un garde-fou de faisabilité, pas d'un gain de performance. Ces résultats proviennent uniquement de simulation, sans validation sur matériel. Le travail s'inscrit dans le découpage classique entre planification (MoveIt, OMPL) et exécution, où les contraintes de l'exécuteur ne remontent pas jusqu'au planificateur. Plutôt que de réécrire l'un ou l'autre, les auteurs ajoutent une couche d'admission, ce qui la rend compatible avec des chaînes existantes. Une étude complémentaire avec MoveIt/OMPL applique la même règle à des ensembles de candidats produits par un planificateur externe. Le FR3 est le bras de Franka Robotics et le RB-Y1 est une plateforme de Rainbow Robotics, mais le préprint ne mentionne aucun acteur européen ni aucun pilote industriel. La suite logique passe par des essais sur robots réels, par une réduction du conservatisme du certificat et par une évaluation sur des exécuteurs de production.

RecherchePaper
1 source
Diffusion de politique multimodale asynchrone via fusion de guidage sensible à la latence
Illustration générée par IA
3arXiv cs.RO 

Diffusion de politique multimodale asynchrone via fusion de guidage sensible à la latence

Des chercheurs ont publié le 24 juillet un article arXiv (2607.17257v1) présentant LAG-Fusion, un framework de fusion multimodale pour les politiques de diffusion utilisées en apprentissage par imitation robotique. Le problème visé : les architectures multimodales actuelles combinent vision, force et autres capteurs via une fusion synchrone ou des architectures multi-fréquences conçues manuellement, ce qui ralentit le retour haute fréquence ou limite l'ajout de nouvelles modalités. LAG-Fusion permet à chaque politique spécifique à une modalité de tourner à sa propre cadence d'inférence et d'injecter sa guidance de débruitage dès qu'elle est disponible, sans attendre les autres flux. L'innovation technique centrale est une règle de recalage du référentiel pour les variables de diffusion exprimées en représentations d'action relatives, ce qui permet d'aligner une guidance arrivée en retard avant de la fusionner avec le reste. Les chercheurs ont testé l'approche sur une tâche de manipulation à contact riche, en combinant une politique vision basse fréquence avec une politique force haute fréquence. Sous des latences hétérogènes entre modalités, LAG-Fusion améliore la réactivité de la politique et la performance de la tâche par rapport à une fusion synchrone classique et à des bases de référence spécifiquement conçues pour intégrer la force. Pour l'industrie robotique, ce travail touche un point de friction bien réel dans le déploiement de politiques génératives type diffusion ou VLA sur des bras manipulateurs : dès qu'on ajoute un capteur de force ou tactile pour des tâches d'assemblage ou d'insertion, la cadence de la caméra (souvent 10 à 30 Hz) et celle du capteur de force (potentiellement 100 Hz et plus) imposent des compromis douloureux, soit en bridant le capteur rapide au rythme du plus lent, soit en construisant une architecture ad hoc peu réutilisable. Une méthode générique qui laisse chaque modalité tourner à sa vitesse native, sans repenser l'architecture à chaque nouvelle combinaison de capteurs, s'attaque directement à un frein à l'extensibilité que rencontrent les intégrateurs travaillant sur la manipulation fine (assemblage électronique, insertion de connecteurs, tri fragile). Cela reste toutefois un résultat validé sur une seule paire de modalités et une tâche contrôlée en laboratoire, loin d'une brique prête à industrialiser. Les politiques de diffusion se sont imposées ces deux dernières années comme l'une des approches dominantes de l'apprentissage par imitation en robotique, aux côtés de modèles vision-langage-action comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Figure AI, qui fusionnent eux aussi plusieurs signaux capteurs mais généralement à une cadence unique et synchronisée. La fusion asynchrone multi-fréquence reste peu explorée dans la littérature, la plupart des travaux traitant chaque capteur additionnel comme un module séparé nécessitant un réglage manuel. Le résumé ne précise ni publication de code ou de poids, ni application industrielle prévue à court terme ; l'article, encore non révisé par les pairs, ouvre surtout une piste pour de futurs travaux combinant tactile, force et vision sur des tâches à contact riche, un axe stratégique pour les humanoïdes et bras collaboratifs visant l'assemblage fin.

RecherchePaper
1 source
TMT : détection de portes dérobées à l'exécution pour les politiques vision-langage-action (VLA) sur des tâches inédites
Illustration générée par IA
4arXiv cs.RO 

TMT : détection de portes dérobées à l'exécution pour les politiques vision-langage-action (VLA) sur des tâches inédites

Des chercheurs présentent sur arXiv (2610.09462) TMT, un détecteur de backdoors fonctionnant à l'exécution pour les politiques vision-langage-action (VLA). Une politique VLA compromise conserve des performances normales sur ses tâches habituelles, mais produit des actions malveillantes dès qu'un déclencheur apparaît dans l'observation. TMT (Token Manifold and latent Transition modeling) est entraîné uniquement sur des rollouts bénins. Une première branche évalue la structure des tokens d'entrée. Une seconde mesure les erreurs de prédiction dans la dynamique latente entre couches adjacentes. Un rollout jugé suspect par la première branche est confirmé par des déviations latentes, ce qui guide le choix des transitions à surveiller ensuite. Les auteurs testent aussi une purification par auto-distillation: une copie gelée de la politique infectée fournit les actions de référence sur entrées bénignes pour superviser un modèle étudiant, sur des paires d'observations bénignes et déclenchées, sans politique saine séparée. Face à dix baselines (détecteurs de backdoors classiques adaptés, méthodes de détection d'anomalies et d'échecs réutilisées), TMT revendique le meilleur résultat sur des tâches inédites, pour trois attaques. Le résumé ne donne aucun chiffre, et la comparaison est menée a posteriori par les auteurs eux-mêmes. Le point difficile est que chaque action malveillante peut être plausible isolément, et qu'une tâche nouvelle modifie légitimement observations et comportements. Un détecteur calibré sur les tâches d'entraînement risque donc de multiplier les fausses alertes en production. Viser la généralisation à des tâches inédites correspond au besoin réel des intégrateurs, qui déploient des VLA génériques sur des cellules changeantes. L'absence de politique de référence saine pour la purification est aussi un atout pratique, puisque ces modèles sont rarement disponibles en double. Il s'agit toutefois d'un résultat académique, sans validation sur robot réel annoncée, et le gain reste à confirmer hors des benchmarks choisis. Les VLA se diffusent via des poids ouverts et du fine-tuning tiers, ce qui expose la chaîne d'approvisionnement logicielle: un modèle téléchargé ou ajusté par un prestataire peut embarquer un déclencheur dormant. La sécurité des politiques robotiques reste bien moins outillée que celle des modèles de langage. TMT s'inscrit dans cette lacune, au moment où les VLA entrent dans des pilotes industriels. Les prochaines étapes à surveiller sont la publication du code via la page projet des auteurs, des tests sur matériel physique et une évaluation face à des attaques adaptatives conçues pour contourner la détection.

RecherchePaper
1 source