Aller au contenu principal
RoboCoEvo : étendre les capacités des robots par la co-évolution entre agent et politiqueIllustration générée par IA
RecherchearXiv cs.RO 

RoboCoEvo : étendre les capacités des robots par la co-évolution entre agent et politique

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 (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.

À lire aussi

CAPABLE : adaptation de politique selon les capacités par encodage latent comportemental
Illustration générée par IA
1arXiv cs.RO 

CAPABLE : adaptation de politique selon les capacités par encodage latent comportemental

Des chercheurs proposent CAPABLE (Capability-Aware Policy Adaptation via Behavioral Latent Encoding), un cadre d'adaptation destiné aux politiques vision-langage-action (VLA) gelées confrontées à une panne d'articulation. Une VLA suppose l'embodiment sur lequel elle a été entraînée, et peut échouer quand un défaut modifie la manière dont les commandes sont exécutées physiquement. CAPABLE infère en ligne la « capacité » de chaque joint, c'est-à-dire la part du mouvement commandé réellement réalisée et sa contribution au comportement de l'effecteur. Il s'appuie sur l'historique commande-réponse et la cinématique, avec un encodeur temporel partagé entre les joints, un ancrage par la jacobienne, une attention inter-joints et une prédiction physique auto-supervisée.

RecherchePaper
1 source
Co-évolution d'orchestrateurs de robots et de politiques grâce au déploiement
Illustration générée par IA
2arXiv cs.RO 

Co-évolution d'orchestrateurs de robots et de politiques grâce au déploiement

Des chercheurs proposent Robo-COP, un cadre où un orchestrateur de robot (un modèle vision-langage, ou VLM, qui décide quand appeler la politique, comment la guider par instructions et quand lui préférer des compétences scriptées) et la politique VLA (vision-language-action) qu'il pilote évoluent ensemble pendant le déploiement. Le système extrait des démonstrations de compétences à partir de ses propres exécutions, affine la politique lorsque ces données répondent à des échecs récurrents, et n'adopte la nouvelle version qu'après avoir vérifié qu'elle améliore les compétences pour lesquelles elle a été entraînée. Sur dix tâches simulées RoboLab, le succès moyen sur tâches tenues à l'écart passe de 64,8 % à 73,8 % par rapport au même dispositif avec une politique figée.

RecherchePaper
1 source
META-Robot : auto-cognition et passage à l'échelle des capacités chez les robots à base d'agents
Illustration générée par IA
3arXiv cs.RO 

META-Robot : auto-cognition et passage à l'échelle des capacités chez les robots à base d'agents

Des chercheurs ont déposé sur arXiv (identifiant 2610.41868, version 1, non évaluée par les pairs) META-Robot, un cadre logiciel pour agents robotiques pilotés par des grands modèles de langage (LLM) qui génèrent du code de contrôle. L'idée est de coupler « auto-cognition » et montée en compétences. Des prédicats au niveau de l'action rendent explicites les résultats d'exécution et les mettent à disposition du raisonnement du LLM. L'agent s'en sert pour repérer ses propres limites, étendre ses critères d'évaluation, puis enrichir de façon structurée son répertoire de compétences. Un retour proprioceptif, c'est-à-dire l'état physique du robot et donc des signaux non visuels, complète les indices disponibles.

RecherchePaper
1 source
La pratique fait la politique : construire et consolider des capacités robotiques sans démonstration humaine
Illustration générée par IA
4arXiv cs.RO 

La pratique fait la politique : construire et consolider des capacités robotiques sans démonstration humaine

HERO (Heuristic-Exemplar-Reflexive Orchestration) est un cadre robotique proposé dans un article arXiv publié fin juillet 2026, conçu pour permettre à un bras ou un robot manipulateur d'apprendre des tâches de manipulation sans aucune démonstration humaine préalable. Le système combine trois mécanismes dans une architecture hiérarchique unifiée : un raisonnement heuristique pour explorer et amorcer de nouvelles tâches, une réutilisation d'exemplaires pour transférer rapidement des comportements déjà appris à des situations similaires, et une exécution réflexive qui corrige les erreurs en temps réel pendant l'interaction physique.

RecherchePaper
1 source