Aller au contenu principal
Sélection adaptative de l'horizon d'action grâce à l'incertitude du champ de fluxIllustration générée par IA
RecherchearXiv cs.RO 

Sélection adaptative de l'horizon d'action grâce à l'incertitude du champ de flux

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

Une équipe de chercheurs publie sur arXiv (2611.24178) une méthode baptisée DUAC, pour Divergence-based Uncertainty-aware Adaptive Action Chunking, qui vise à ajuster dynamiquement le nombre d'actions exécutées par un modèle vision-langage-action (VLA) avant de replanifier. Le principe est « post-hoc » : DUAC s'applique à un VLA préentraîné à flow matching, sans réentraînement. Il extrait l'incertitude directement du champ de vecteurs du modèle, à partir d'une formulation en forme close de la covariance a posteriori du flow, et calcule des scores d'incertitude par action grâce à des produits Jacobien-vecteur. Un seul chunk d'actions généré suffit, là où l'approche de référence, l'Adaptive Action Chunking (AAC), estime l'entropie des actions à partir de plusieurs chunks échantillonnés. Les auteurs l'évaluent sur LIBERO, LIBERO-Pro, LIBERO-Plus et RoboCasa, et affirment que la sélection d'horizon fondée sur DUAC se compare favorablement aux méthodes testées, avec un bon taux de réussite et une latence d'estimation faible. Le résumé ne chiffre toutefois ni gains ni temps de calcul.

L'enjeu est très concret pour qui déploie des VLA sur des robots réels : le chunking d'actions, c'est-à-dire l'exécution en boucle ouverte de séquences prédites, est un levier central de fluidité, mais un chunk trop long dégrade la réactivité et un chunk trop court multiplie les appels au modèle, coûteux en calcul embarqué. Remplacer un échantillonnage multiple par une seule passe avec produits Jacobien-vecteur réduit le surcoût d'inférence de l'estimation d'incertitude, ce qui compte pour les budgets de latence sur robot. Autre point notable : DUAC et AAC sont fortement corrélés mais ne mesurent pas la même chose. AAC capte la dispersion globale entre stratégies possibles, alors que DUAC mesure l'incertitude locale autour de la trajectoire effectivement retenue. Un robot n'a donc pas à ralentir ou à replanifier simplement parce qu'il existe plusieurs façons valides de saisir un objet, ce qui évite une prudence excessive. Il faut cependant garder la prudence côté lecture : ces benchmarks sont en simulation, et rien ne prouve encore que le gain se transpose à des tâches réelles bruitées.

Ce travail s'inscrit dans la montée des politiques génératives à flow matching et à diffusion, popularisées par des modèles comme Pi-0, et dans la recherche de mécanismes d'exécution adaptative pour les remplacer par des horizons fixes. AAC constituait jusqu'ici la référence côté estimation d'incertitude par entropie, et DUAC se positionne comme une alternative plus légère. Les benchmarks LIBERO-Pro et LIBERO-Plus, qui testent la robustesse à des perturbations, indiquent que la communauté cherche à dépasser les scores saturés du LIBERO d'origine. La suite logique serait une validation sur matériel réel, avec des VLA de grande taille et des contraintes de temps réel strictes, ainsi qu'une comparaison chiffrée de la latence face à AAC. À ce stade, il s'agit d'une prépublication non évaluée par les pairs, sans produit ni déploiement associé.

À lire aussi

SplineWAM : des horizons d'action adaptatifs pour les modèles du monde et d'action grâce aux B-splines
Illustration générée par IA
1arXiv cs.RO 

SplineWAM : des horizons d'action adaptatifs pour les modèles du monde et d'action grâce aux B-splines

Des chercheurs publient SplineWAM (arXiv 2609.39873), une méthode qui change la façon dont les « world action models » (WAM) découpent leurs actions dans le temps. Un WAM est une grande politique robotique qui prédit conjointement la vidéo future et les actions à exécuter, et renvoie à chaque appel d'inférence un segment d'actions de longueur fixe (action chunk). SplineWAM compresse au contraire la trajectoire dans une fenêtre de taille fixe de paramètres de B-splines cubiques, dont les instants de nœuds s'ajustent aux caractéristiques du mouvement. Un même budget de paramètres peut ainsi se décoder en segments de résolution et de durée variables, et la durée exécutée comme l'intervalle avant le prochain appel découlent de la prédiction elle-même. La supervision vidéo est alignée sur les nœuds ajustés de la démonstration plutôt que sur une grille uniforme, ce qui concentre les images supervisées là où la trajectoire est complexe. Pour l'exécution asynchrone, les auteurs introduisent JP-RTC (Jacobian-Pullback Real-Time Chunking), qui impose la continuité sur les actions brutes exécutées par le robot, et non sur les paramètres de la spline. Les paramètres sont corrigés via le décodeur pour que le début du segment coïncide avec les actions déjà engagées. Sur LIBERO-Plus et RoboCasa, le taux de réussite gagne 8,2 et 4,4 points face à un WAM à action chunking classique, avec 22 % et 26 % d'appels de politique en moins par épisode. Sur trois tâches bimanuelles réelles en mode asynchrone, SplineWAM fait mieux ou égale la référence tout en décodant 1,2 à 1,6 fois plus de mouvement exécuté par appel. L'enjeu est surtout économique et opérationnel. Un WAM uniforme dépense autant de calcul sur un déplacement en espace libre que sur une insertion riche en contacts, ce qui plafonne le débit lorsque la politique tourne dans le cloud, où chaque appel coûte de la latence et du GPU. Moins d'appels pour un succès égal ou supérieur laisse envisager de servir davantage de robots par accélérateur, ou de tolérer des liaisons plus lentes. Le résultat nuance aussi l'idée qu'un horizon d'action fixe est un détail d'implémentation neutre : le choisir de façon adaptative semble améliorer à la fois la qualité et l'efficacité. Des réserves s'imposent toutefois. Les gains en simulation sont modestes, et les résultats réels, limités à trois tâches, indiquent « mène ou égale » la référence, ce qui n'est pas une victoire nette. Le papier ne donne pas, dans son résumé, de mesure de latence de bout en bout ni de coût par tâche. Le contexte est celui de la montée des WAM, qui prolongent les VLA (vision-langage-action) en ajoutant la prédiction vidéo pour mieux ancrer la physique des tâches. Le problème de la continuité entre segments successifs a été traité jusqu'ici par le real-time chunking, que JP-RTC reprend en l'adaptant à une représentation paramétrique. Les B-splines, courantes en planification de trajectoire, entrent ainsi dans la conception des politiques apprises. Les benchmarks utilisés, LIBERO-Plus et RoboCasa, sont des environnements de simulation de référence, mais leur transfert à des cellules industrielles reste à démontrer. Aucun partenaire industriel ni calendrier de déploiement n'est annoncé : il s'agit d'une préversion de recherche, dont la validité dépendra d'une réplication sur d'autres plateformes et d'une mesure du gain réel en coût de service cloud.

RecherchePaper
1 source
ChunkTrust : adapter les horizons d'exécution des politiques robotiques grâce aux indices de l'expert en actions
Illustration générée par IA
2arXiv cs.RO 

ChunkTrust : adapter les horizons d'exécution des politiques robotiques grâce aux indices de l'expert en actions

Les politiques robotiques de type « foundation model » prédisent des séquences d'actions (action chunks), mais le nombre d'actions à exécuter avant de replanifier reste généralement un hyperparamètre fixe. Une équipe académique, dont le projet est hébergé sur Hugging Face, publie sur arXiv ChunkTrust, un cadre qui traite cet horizon d'exécution comme une variable latente, inférée à partir des signaux internes de l'action expert. Son composant central, l'Action-aware Horizon Selector (AHS), ne demande aucun entraînement. Il combine la stabilité spectrale intra-chunk des traces de génération avec la continuité inter-chunk entre l'historique exécuté et les actions prédites. Un posterior Beta en ligne, avec oubli par noyau, suit les préférences d'horizon d'une replanification à l'autre. Un module optionnel léger, le Query-based Horizon Adapter (QHA), apprend un a priori dense conditionné par le contexte, tandis que la politique de base reste gelée. Sur RoboTwin2.0 (50 tâches), l'AHS gagne 6,80 points de succès sur π0.5. Sur RoboCasa GR1 Tabletop, il gagne 9,67 points sur Qwen3GR00T. Avec QHA, le gain monte à 9,44 points sur un sous-ensemble de huit tâches avec π0.5. Sur quatre tâches domestiques réelles, le score de processus normalisé moyen passe de 50,4 % à 57,5 %. L'intérêt pratique tient à ce que le réglage de l'horizon d'exécution est souvent traité comme un détail de déploiement, alors qu'il pèse directement sur la réussite. Un horizon long donne des mouvements fluides, mais il réagit mal aux perturbations. Un horizon court est plus réactif, mais plus saccadé et plus coûteux en calcul. Obtenir un gain sans réentraîner ni modifier le modèle de base est précieux pour les intégrateurs, qui peuvent amender des politiques existantes sans repasser par la collecte de données. Le gain mesuré en conditions réelles est plus modeste que celui des simulateurs, avec +7,1 points sur un score de processus. Cet écart rappelle que les benchmarks simulés surestiment souvent les progrès transférables. Seules quatre tâches réelles sont évaluées, et l'article ne détaille ni la taille des essais ni la variance. Ces résultats restent donc des indications, pas une validation à l'échelle. Ce travail s'inscrit dans la lignée des méthodes de découpage d'actions (action chunking) et de commande à horizon glissant, popularisées par ACT et les politiques de diffusion, puis reprises par les modèles VLA comme π0.5 de Physical Intelligence et la famille GR00T de NVIDIA. Il rejoint d'autres travaux sur l'exécution asynchrone et le lissage des transitions entre chunks, qui visent à réduire les à-coups lors de la replanification. Aucun déploiement industriel ni calendrier de pilote n'est annoncé, il s'agit d'une prépublication v1 non évaluée par les pairs. La suite logique consisterait à valider l'approche sur davantage de plateformes, de tâches longues et de politiques à architectures variées, ainsi qu'à mesurer le surcoût de latence de l'AHS et du QHA en boucle fermée.

RecherchePaper
1 source
SUREFlow : appariement de flux résiduel adapté à l'incertitude dans l'espace d'états pour une manipulation robotique robuste
Illustration générée par IA
3arXiv cs.RO 

SUREFlow : appariement de flux résiduel adapté à l'incertitude dans l'espace d'états pour une manipulation robotique robuste

Des chercheurs publient sur arXiv (2607.10504v1) SUREFlow, une nouvelle politique de manipulation robotique fondée sur le state-space model Mamba plutôt que sur les architectures Transformer habituelles. Le nom complet, State-space Uncertainty-aware REsidual Flow matching, résume l'idée centrale: le modèle prédit conjointement les vitesses d'action et une incertitude résiduelle dépendant de l'entrée, ce qui lui permet de raffiner sélectivement les dimensions d'action jugées peu fiables, sans retour de l'environnement, tout en gardant un coût de calcul contenu. Sur le benchmark de simulation LIBERO, SUREFlow atteint un taux de réussite moyen de 92,5%, contre un score inférieur de 34,2 points pour MaIL, l'autre politique bâtie sur Mamba. Sur la variante plus difficile LIBERO-PRO, il obtient environ 49% de réussite avec seulement 179 millions de paramètres, un résultat que les auteurs présentent comme comparable à celui de grands modèles VLA (vision-langage-action) pesant entre 3 et 7 milliards de paramètres. Le code source est publié sur GitHub. L'enjeu dépassé le simple gain de score: les politiques génératives par diffusion ou flow matching, aujourd'hui dominantes pour piloter des bras robotiques à partir d'images et de langage, souffrent d'instabilité lors de rollouts longs, où de petites erreurs de vitesse s'accumulent et dégradent l'exécution. La plupart des approches existantes supposent une incertitude homogène et ne la modélisent pas explicitement pendant la génération d'action. En ciblant ce point précis, SUREFlow s'attaque directement au fossé entre démonstration en simulation et fiabilité en conditions réelles, un problème central pour les intégrateurs qui cherchent des politiques VLA robustes sans devoir recourir à des modèles massifs coûteux à faire tourner en embarqué. Le travail s'inscrit dans la lignée des politiques de manipulation compactes inspirées de Mamba, alternative aux Transformers pour réduire la complexité de calcul sur des séquences longues, après des tentatives comme MaIL. Il se positionne aussi face aux grands VLA généralistes tels que Pi-0 ou GR00T N2, en misant sur l'efficacité paramétrique plutôt que sur l'échelle. À ce stade, il s'agit d'une publication de recherche évaluée uniquement en simulation sur LIBERO et LIBERO-PRO, sans validation annoncée sur robot physique ni partenariat industriel identifié.

RechercheActu
1 source
Apprentissage continu pour la prédiction de franchissabilité avec adaptation sensible à l'incertitude
Illustration générée par IA
4arXiv cs.RO 

Apprentissage continu pour la prédiction de franchissabilité avec adaptation sensible à l'incertitude

Des chercheurs présentent, dans un preprint publié sur arXiv (arXiv:2609.17141v1), un nouveau cadre d'apprentissage continu pour la prédiction de traversabilité des robots mobiles en environnement non structuré, c'est-à-dire la capacité à estimer si un terrain donné peut être franchi sans perte de traction ni instabilité dynamique. Le système combine un modèle génératif de rappel d'expérience, qui permet au robot de conserver la connaissance des terrains déjà rencontrés sans stocker de données brutes, à une estimation de l'incertitude des échantillons générés, utilisée pour guider l'adaptation à de nouveaux environnements. La méthode a été validée en conditions réelles sur un robot à direction par glissement (skid-steering), testé sur une série d'environnements variés, avec des résultats montrant une adaptation progressive aux nouveaux terrains tout en limitant l'oubli catastrophique des terrains précédemment appris. Ce travail cible un verrou concret pour l'autonomie robotique en extérieur : les modèles de traversabilité appris par apprentissage automatique s'ajustent en général mal à un terrain inédit, et lorsqu'ils y parviennent, ils tendent à oublier ce qu'ils savaient des terrains précédents, l'oubli catastrophique. Ce défaut est rédhibitoire pour tout robot destiné à opérer en continu sur des sites hétérogènes (carrières, chantiers, zones agricoles ou d'intervention), où le stockage exhaustif de données de navigation pour du réentraînement périodique est coûteux, voire impossible en embarqué. Une approche capable d'apprendre en ligne, sans rejouer un historique complet, tout en quantifiant sa propre incertitude, intéresse directement les intégrateurs de robots à roues ou chenilles tout-terrain (UGV) confrontés à la variabilité des sols. La prédiction de traversabilité s'appuie traditionnellement sur des capteurs visuels ou proprioceptifs couplés à des réseaux appris hors ligne, une approche qui bute sur la généralisation aux terrains non vus pendant l'entraînement. Le recours à un modèle génératif pour le rejeu d'expérience s'inscrit dans une famille de méthodes de replay génératif étudiées en apprentissage continu, alternative aux approches classiques par mémoire tampon de données brutes. L'article ne mentionne ni partenariat industriel ni calendrier de déploiement : il s'agit à ce stade d'une contribution de recherche validée en laboratoire sur un seul type de plateforme, sans indication de transfert vers un produit commercial.

RecherchePaper
1 source