Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Imitation ergodique pour une exploration adaptative autour des démonstrations
RecherchearXiv cs.RO 

Imitation ergodique pour une exploration adaptative autour des démonstrations

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Une équipe de recherche vient de publier sur arXiv (référence 2605.13996) une méthode intitulée "Ergodic Imitation", conçue pour rendre les robots capables de s'adapter lorsqu'ils échouent à reproduire fidèlement une démonstration. Le problème ciblé est classique en apprentissage par imitation : une trajectoire apprise sur des démonstrations peut devenir inopérante dès que les conditions de déploiement diffèrent légèrement, qu'il s'agisse d'un changement d'environnement, d'une imprécision de capteur, ou d'une erreur de contrôle. Plutôt que de se bloquer sur la trajectoire nominale, le système proposé construit une distribution cible à partir de la géométrie des démonstrations récupérées, puis génère des trajectoires qui interpolent de façon adaptative entre suivi strict et exploration locale.

Le coeur de la contribution est l'extension du contrôle ergodique, une technique jusqu'ici utilisée principalement pour la couverture de zones et la recherche en environnements inconnus, à un cadre de recalage par horizon glissant ancré dans les démonstrations. Le contrôle ergodique garantit que le robot passe du temps dans les régions proportionnellement à leur "importance" selon la distribution cible, ce qui permet d'explorer autour de la démonstration sans s'en éloigner trop. Pour les intégrateurs et les équipes d'automatisation industrielle, cela représente un levier concret contre le "demo-to-deployment gap" : une politique apprise n'a plus besoin d'être réapprise ou ré-annotée chaque fois que les conditions dérivent légèrement par rapport au setup de collecte des données.

Le contrôle ergodique en robotique mobile remonte à des travaux des années 2010 (en particulier ceux du groupe de Todd Murphey à Northwestern), mais son application à l'imitation reste rare. Les approches concurrentes dans ce segment incluent DAgger et ses variantes (correction en ligne via un expert), ainsi que les méthodes de diffusion conditionnelle comme Diffusion Policy ou Pi-0 (Physical Intelligence), qui gèrent aussi l'incertitude par exploration stochastique mais nécessitent en général des volumes de données bien supérieurs. Cette publication est un preprint non encore évalué par des pairs, sans benchmark comparatif publié ni déploiement hardware annoncé ; les résultats expérimentaux mentionnés dans l'abstract restent à évaluer dans la version complète du papier.

Dans nos dossiers

Physical Intelligence — π0arXiv cs.RO

À lire aussi

DREAM : génération de démonstrations au déploiement via transfert réel-vers-simulation pour une adaptation évolutive des politiques
1arXiv cs.RO 

DREAM : génération de démonstrations au déploiement via transfert réel-vers-simulation pour une adaptation évolutive des politiques

Publié fin août 2026 sur arXiv (2608.29078), l'article présente DREAM (Deployment-Time Demonstration Generation via Real-to-Sim), qui génère automatiquement des données d'entraînement pour un modèle vision-langage-action (VLA) déjà pré-entraîné, sans démonstration humaine spécifique au poste de travail. À partir d'une capture de la scène et d'une instruction en langage naturel, le système reconstruit l'environnement, traduit l'instruction en objectifs symboliques et critères de réussite via un grand modèle de langage, puis planifie des trajectoires par planification tâche-et-mouvement (TAMP). Ces trajectoires sont dupliquées sur des configurations d'objets aléatoires, validées par les critères générés, puis converties en paires image-action pour affiner le VLA. Sur robot réel, les auteurs mesurent le gain de réussite apporté par cet affinage face à un déploiement direct, et comparent le coût de collecte à la téléopération humaine. L'enjeu concerne directement les intégrateurs en robotique de manipulation : déployer un VLA généraliste dans un nouvel entrepôt, une nouvelle cellule ou un nouvel arrangement d'objets exige aujourd'hui de nouvelles démonstrations téléopérées, une opération coûteuse qui freine le passage à l'échelle des politiques généralistes du secteur. En remplaçant cette collecte par de la simulation, de la planification symbolique et du rendu synthétique, DREAM teste l'hypothèse selon laquelle l'écart entre démonstration et déploiement réel peut être comblé sans intervention humaine répétée à chaque site. Si l'approche se confirme, elle intéresse les acteurs qui envisagent de déployer des VLA de type Pi-0 ou GR00T chez plusieurs clients sans constituer une équipe de téléopérateurs pour chaque nouvelle configuration, un frein réel à la commercialisation des politiques généralistes. DREAM s'inscrit dans une lignée de travaux combinant reconstruction real-to-sim, grands modèles de langage et planification robotique pour réduire la dépendance à la téléopération, en parallèle des efforts de plusieurs laboratoires de manipulation depuis l'essor des VLA. Le résumé ne précise ni la plateforme robotique, ni le nombre de degrés de liberté, ni de taux de réussite ou de ratio de coût, des éléments à vérifier dans le texte complet avant toute extrapolation industrielle. Il s'agit pour l'instant d'un résultat de recherche à l'état de prépublication, non d'un produit déployé commercialement, dont la portée dépendra de sa capacité à généraliser au-delà des tâches testées sur robot réel.

RechercheOpinion
1 source
Repenser le désapprentissage des démonstrations dans l'apprentissage par imitation pour la robotique
2arXiv cs.RO 

Repenser le désapprentissage des démonstrations dans l'apprentissage par imitation pour la robotique

Un article publié sur arXiv (2608.20784v1) propose un cadre d'audit pour l'oubli de démonstrations en apprentissage par imitation robotique, quand des contributeurs demandent le retrait de leurs démonstrations d'une politique déjà entraînée. Plutôt qu'un réentraînement complet, coûteux à mesure que grandissent modèle et données, les auteurs évaluent des opérateurs d'édition appliqués directement à la politique existante. Leur audit croise deux axes: le comportement, mesuré par la divergence d'action face à des réentraînements de référence, et la preuve, mesurée par une attaque d'appartenance rapportant rang et niveau absolu de perte. Sur cinq conditions préenregistrées, trois politiques robotiques réelles et deux suites de simulation, un édit de type redirection sur l'architecture ACT restaure un taux de succès de 18 essais sur 20 en évaluation en aveugle. Ce travail répond à un problème concret pour l'industrie robotique: à mesure que les politiques génératives de type VLA s'entraînent sur des volumes croissants de démonstrations téléopérées, les demandes de retrait de données individuelles se heurteront au coût du réentraînement complet. Les métriques héritées du machine unlearning classique, comme la perte d'oubli ou une simple attaque d'appartenance, ne suffisent pas à garantir qu'une édition a réellement supprimé l'influence d'une démonstration en boucle fermée: un édit peut réparer le comportement sans effacer la trace détectable, ou au contraire réduire cette détectabilité tout en éloignant le comportement du réentraînement réel. Pour des intégrateurs tentés par l'édition post-hoc plutôt que le réentraînement complet, un simple test de réussite de tâche ne suffit donc pas à certifier qu'une démonstration a été effectivement oubliée. Cette recherche prolonge les travaux de machine unlearning menés sur les grands modèles de langage et de vision, transposés ici au contrôle robotique en boucle fermée, où c'est l'action, non la seule prédiction, qui doit être auditée. Elle survient alors que l'apprentissage par imitation à partir de démonstrations téléopérées s'impose comme méthode dominante pour entraîner des politiques robotiques générales, dans la lignée d'architectures comme ACT, popularisée par les plateformes de téléopération de type ALOHA. La question du retrait de données gagne en importance à mesure que ces jeux de données reposent sur des opérateurs identifiables, avec des implications de consentement et de conformité. Les auteurs ont préenregistré leurs cinq conditions expérimentales, une rigueur rare dans la littérature robotique, sans annoncer de calendrier de déploiement industriel.

UELes enjeux de retrait de données et de conformité soulevés touchent directement les industriels européens de la téléopération robotique soumis aux exigences de consentement et de suppression de données (type RGPD).

RecherchePaper
1 source
SPACE : champs de phéromones pour l'exploration adaptative d'essaims sans collision
3arXiv cs.RO 

SPACE : champs de phéromones pour l'exploration adaptative d'essaims sans collision

Des chercheurs ont présenté SPACE (Swarm Pheromone Fields for Adaptive Collision-Aware Exploration), un algorithme de coordination décentralisée pour essaims robotiques à grande échelle, publié en juin 2026 sur arXiv. Inspiré des phéromones de fourmis, le système guide des groupes allant jusqu'à 256 robots dans des environnements intérieurs inconnus via un champ environnemental partagé à trois couches : phéromones attractives vers les zones frontières inexplorées, phéromones répulsives marquant les zones déjà visitées, et champ de densité robotique calculé en temps réel. Les évaluations portent sur des données de bâtiments réels : seize plans de maisons issus du dataset HouseExpo et huit étages de campus du dataset KTH de Stockholm. Résultat central : SPACE réduit les contacts inter-robots de 4 à 17 fois par rapport à un planificateur glouton de type nearest-frontier classique, tout en maintenant le temps de couverture à moins de 2 % du planificateur quasi-optimal en temps. Le résultat le plus instructif n'est pas la performance brute, mais la conclusion qui l'accompagne : à grande échelle, la coordination améliore avant tout la sécurité, pas la vitesse d'exploration. Ce constat remet en question l'hypothèse répandue selon laquelle ajouter des robots accélère proportionnellement la couverture. Au-delà d'un certain seuil, les goulets d'étranglement, couloirs, portes, créent de la congestion, et chaque robot supplémentaire génère davantage de risques de collision qu'il n'apporte de gain de vitesse. SPACE se positionne sur la frontière de Pareto empirique : meilleure sécurité à chaque taille d'essaim congestionnée, sans sacrifier significativement la rapidité. Pour les intégrateurs de flottes AMR (robots mobiles autonomes) en entrepôt ou en logistique, ce travail fournit une base algorithmique solide pour arbitrer entre densité de déploiement et sécurité opérationnelle lors du passage à l'échelle industrielle. La navigation en essaim s'appuie sur la stigmergie, principe emprunté à l'entomologie : les individus se coordonnent non par communication directe, mais en modifiant un environnement partagé. Les approches nearest-frontier classiques sont efficaces pour de petits groupes mais génèrent des embouteillages à haute densité. Face aux méthodes centralisées, coûteuses en calcul à 256 unités, et aux systèmes à communication directe, fragiles sans réseau fiable, SPACE reste purement décentralisé via le champ partagé. Ce préprint arXiv n'a pas encore été évalué par les pairs et les expériences sont conduites en simulation sur floorplans réels : une validation sur robots physiques reste à établir. Les suites logiques incluent des tests sur hardware réel et l'intégration dans des middlewares standards comme ROS 2.

UELes intégrateurs européens de flottes AMR en logistique pourraient exploiter cette base algorithmique pour arbitrer densité de déploiement et sécurité à l'échelle, mais aucun acteur ou institution européen n'est directement impliqué dans ces travaux.

RecherchePaper
1 source
EmbodiRSI : l'auto-amélioration récursive pour une adaptation des robots économe en données
4arXiv cs.RO 

EmbodiRSI : l'auto-amélioration récursive pour une adaptation des robots économe en données

Des chercheurs publient sur arXiv EmbodiRSI, un système « agentique » d'auto-amélioration récursive (RSI) pour adapter des politiques de manipulation robotique à de nouvelles tâches et environnements. Le principe repose sur une boucle « real-to-sim-to-real » : une simulation spécifique à la tâche est construite à partir du scénario de déploiement cible, puis sert d'environnement peu coûteux pour améliorer la politique par itérations avant son retour sur le robot physique. Deux mécanismes ferment la boucle. La Collaborative Error Correction génère, avec l'aide d'un agent, des trajectoires correctives à partir des états que la politique a réellement atteints. L'Adaptive Data Collection oriente la génération de démonstrations expertes vers les faiblesses actuelles de la politique. Sur trois environnements de table et 14 sous-tâches, le taux de réussite autonome en simulation, équilibré par scène, passe de 50,4 % à 83,5 % en deux mises à jour RSI. Avec 400 trajectoires simulées adaptatives et seulement dix trajectoires réelles de raffinement par sous-tâche, le système atteint 83,1 % de réussite réelle, contre 75,0 % pour une adaptation à partir de 200 démonstrations réelles par sous-tâche. L'enjeu est le coût de la donnée, principal goulot d'étranglement du déploiement de politiques de type VLA ou d'imitation chez les intégrateurs. Ici, le volume de données réelles est divisé par vingt (10 contre 200 démonstrations par sous-tâche) pour un résultat supérieur de plus de huit points. Si ce résultat se confirme, la simulation spécifique au site cesse d'être un simple banc d'essai et devient un espace de travail réutilisable pour le préchauffage, l'évaluation répétable, le diagnostic des échecs et la génération ciblée de données. Cela réduit la dépendance à la téléopération, coûteuse en main-d'œuvre. Le résultat nuance aussi l'idée que le sim-to-real exige une simulation généraliste : une simulation étroite, construite pour un seul déploiement, peut suffire. Des réserves s'imposent toutefois. Les tâches sont de la manipulation sur table, le nombre de sous-tâches est limité, la fidélité de la reconstruction de scène n'est pas détaillée dans le résumé, et aucun temps de cycle, taux de panne ni coût de construction de la simulation n'est donné. Le travail reste une prépublication, sans pilote industriel annoncé. Ce travail s'inscrit dans la poussée actuelle vers l'adaptation efficace en données des politiques généralistes, alors que le fine-tuning post-entraînement par démonstrations réelles reste la pratique dominante. Il rejoint les approches de reconstruction de scènes pour la simulation (real-to-sim), de génération de données synthétiques et de boucles d'amélioration pilotées par des agents, explorées par les grands laboratoires et les équipes derrière des modèles comme Pi-0 ou GR00T. L'originalité tient au pilotage de la collecte par les échecs observés de la politique, plutôt qu'à une génération de données uniforme. Les prochaines étapes à surveiller sont la validation sur des tâches plus longues et sur des objets déformables ou en contact riche, la réplication par des tiers, la publication du code et des benchmarks, et surtout un test en conditions industrielles, où la variabilité des scènes dépasse largement celle d'un plateau de laboratoire.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source