Illustration générée par IARePlan-VLA : replanification guidée par la progression pour les modèles vision-langage-action (VLA) à long horizon
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
Des chercheurs publient sur arXiv (v1, novembre 2026) RePlan-VLA, un cadre logiciel conçu pour fiabiliser l'exécution de tâches longues par des modèles vision-langage-action (VLA), ces politiques de manipulation robotique qui convertissent images et instructions en commandes moteur. Le système est indépendant du VLA utilisé : il laisse la politique sous-jacente intacte, sans aucun réglage fin supplémentaire. Il surveille explicitement le mouvement du robot pour évaluer la progression de la tâche en cours, puis révise le plan à venir en fonction des résultats observés. Sur les benchmarks de simulation RoboCasa365 et CALVIN, il améliore le taux de réussite de 21,9 % et de 10,4 % par rapport à la meilleure base de comparaison. Une validation en conditions réelles a été menée sur un bras Franka Research 3. Le résumé ne précise ni les VLA testés, ni le nombre d'essais réels, ni les durées de cycle.
L'intérêt tient au choix d'architecture. Plutôt que de demander à un VLA unique de raisonner sur l'horizon long, de garder une mémoire, de suivre sa progression et de se rattraper après une erreur, les auteurs cantonnent la politique à ce qu'elle fait de mieux, les gestes courts, et déportent le suivi d'exécution dans une couche externe. Pour un intégrateur, cela signifie qu'une brique de supervision pourrait s'ajouter à un modèle existant sans recollecte de données ni réentraînement, ce qui réduit le coût d'adaptation. Le résultat appuie aussi l'hypothèse selon laquelle la fiabilité sur des enchaînements de tâches interdépendantes ne viendra pas uniquement de modèles toujours plus gros, mais d'une boucle de contrôle explicite. Il faut toutefois rester prudent : des gains en simulation, mesurés en taux de réussite, ne disent rien de la robustesse en environnement industriel, de la latence ajoutée par la supervision, ni de la sensibilité aux échecs mal détectés. Un seul bras de laboratoire en démonstration réelle reste loin d'un déploiement.
Ces travaux s'inscrivent dans une tendance déjà nette : la dégradation des VLA sur les tâches longues, due à l'accumulation d'erreurs et à l'absence de mémoire, est un problème reconnu. Les approches hiérarchiques, où un modèle de haut niveau planifie et un modèle de bas niveau exécute, se sont multipliées, y compris dans les architectures à double système de certains acteurs de l'humanoïde. RoboCasa365, benchmark de tâches domestiques en cuisine, et CALVIN, référence des enchaînements d'instructions en langage naturel, servent de terrain commun pour comparer ces méthodes. La suite logique serait de tester RePlan-VLA avec plusieurs familles de VLA, sur des plateformes variées et des cadences réalistes. Il s'agit pour l'instant d'une prépublication, sans relecture par les pairs ni produit associé annoncé.
Dans nos dossiers




