Illustration générée par IARoboCoEvo : étendre les capacités des robots par la co-évolution entre agent et politique
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
Des chercheurs publient sur arXiv (référence 2611.19081v1) RoboCoEvo, un cadre de co-évolution entre un agent fondé sur un modèle de langage multimodal (MLLM) et un modèle de fondation robotique de type vision-langage-action (VLA). Le principe repose sur une boucle guidée par les échecs. Dans une formulation « code-as-policy », l'agent écrit et affine des programmes exécutables de détection de pannes et de récupération. Ces programmes produisent des données d'expérience corrective ciblées. Une phase de post-entraînement intègre ensuite ces comportements correctifs dans la politique de bout en bout du VLA. La distribution des échecs de la politique mise à jour sert alors à réviser les programmes de l'agent, et le cycle recommence. Les auteurs testent l'approche sur trois benchmarks de simulation, BEHAVIOR-1K, RoboCasa et RoboTwin, et rapportent des gains soutenus de performance autonome du VLA au fil des tours de co-évolution. L'extrait fourni ne détaille ni les modèles de base utilisés, ni l'ampleur chiffrée des améliorations, ni le nombre de tours.
L'intérêt tient à un problème récurrent des architectures hybrides. Associer un agent de haut niveau à un VLA donne souvent deux composants qui progressent séparément : un meilleur planificateur ne corrige pas les erreurs motrices de la politique, et un VLA réentraîné n'enrichit pas les connaissances de l'agent. RoboCoEvo propose de transformer la supervision de l'agent en signal d'apprentissage pour le modèle, tout en conservant un savoir explicite, lisible et réutilisable sous forme de code. Pour un intégrateur, c'est une piste vers l'amélioration continue d'un système déployé à partir de ses propres échecs, sans recourir uniquement à de la téléopération coûteuse. Les résultats restent toutefois obtenus en simulation. Ils ne disent rien de l'écart simulation-réel, de la robustesse face à des échecs non anticipés par l'agent, ni du coût en calcul et en appels de MLLM de chaque tour. Il s'agit d'une preuve de concept académique, sans produit ni déploiement associé.
Ce travail s'inscrit dans la montée en puissance des VLA généralistes (famille Pi de Physical Intelligence, GR00T de NVIDIA, Helix de Figure) et dans la multiplication des approches où un LLM génère du code ou des plans pour piloter un robot. Les benchmarks choisis sont devenus des références : BEHAVIOR-1K pour les tâches domestiques longues, RoboCasa pour la manipulation en cuisine simulée, RoboTwin pour les tâches bimanuelles. D'autres équipes explorent l'auto-amélioration des VLA par apprentissage par renforcement ou collecte de données de récupération, souvent sans composante de connaissance explicite. Les prochaines étapes à surveiller sont la validation sur robots physiques, la mesure du gain par tour et par coût, et l'éventuelle reprise de la méthode par les acteurs industriels qui disposent déjà de flottes générant des données d'échec à grande échelle.
Dans nos dossiers




