Illustration générée par IAWAM-Policy : des modèles d'action du monde avec distillation sur la politique pour la loco-manipulation de robots quadrupèdes
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
WAM-Policy, un travail publié sur arXiv (2611.24011), propose de transformer un World Action Model (WAM) préentraîné pour des bras robotiques en politique de loco-manipulation pour quadrupèdes sans bras. Le principe : le robot marche sur trois pattes et manipule avec la patte avant, un mode que, selon les auteurs, aucune politique existante ne pilote par instructions en langage naturel. La méthode procède en deux étapes. La première, Cross-Morphology Policy Adaptation and Acceleration, adapte le WAM à la morphologie quadrupède puis distille la politique transférée, par auto-distillation on-policy (OPSD), dans un modèle élève réduit à une étape vidéo et deux étapes d'action. La seconde, Task-Specific Improvement and Merging, affine le modèle enseignant par apprentissage par renforcement (RL) tâche par tâche, puis fusionne ces spécialistes lents en un seul élève à peu d'étapes par distillation on-policy multi-enseignants (M-OPD). Sur QLM-Bench, un banc de dix tâches simulées avec 1 000 démonstrations synthétisées sans téléopération, la politique transférée atteint 77,0 % de réussite. L'élève OPSD conserve 76,7 % tout en échantillonnant 14 fois plus vite, et le RL spécifique aux tâches associé à M-OPD porte le score à 85,0 %. L'élève OPSD a aussi été déployé sur un Unitree Go2 Air réel.
L'intérêt tient d'abord au coût d'inférence, principal frein à l'usage des WAM en boucle de contrôle : un facteur 14 sur l'échantillonnage rapproche ces modèles, jusqu'ici lents, de contraintes embarquées sur une plateforme à bas coût. Le résultat suggère aussi qu'un modèle conçu pour des bras peut être transféré à une autre morphologie sans repartir de zéro, ce qui nuance l'idée que chaque corps robotique exige son propre modèle de fondation. Enfin, la distillation montre une limite structurelle : l'élève est borné par un enseignant qui ne fait qu'imiter des démonstrations, d'où le recours au RL pour dépasser ce plafond, avec un gain de 77,0 % à 85,0 %. Il faut toutefois relativiser : les chiffres viennent surtout de la simulation, sur un benchmark créé par les auteurs avec des démonstrations synthétiques, et la validation sur robot réel ne porte que sur l'élève OPSD, sans taux de réussite détaillé dans le résumé. L'écart entre simulation et réalité reste donc la question ouverte, de même que la robustesse hors des dix tâches.
Ce travail s'inscrit dans la montée des modèles vision-langage-action (VLA) et des modèles du monde appliqués au contrôle, où la génération vidéo sert de représentation prédictive pour produire des actions. La loco-manipulation sur quadrupèdes sans bras, qui réutilise une patte comme effecteur, intéresse la robotique de service à faible coût, notamment avec le Go2 Air d'Unitree, très répandu en recherche. Les approches concurrentes reposent plutôt sur des quadrupèdes équipés d'un bras ou sur des politiques de locomotion sans conditionnement par le langage. La suite logique serait d'élargir QLM-Bench, de tester la méthode sur davantage de tâches réelles et d'appliquer la même recette de distillation et de fusion à d'autres morphologies. Il s'agit à ce stade d'une publication de recherche, sans produit ni déploiement commercial annoncé.
Dans nos dossiers




