Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
VASO : des compétences formellement vérifiables et auto-évolutives pour agents d'IA physique
RecherchearXiv cs.RO 

VASO : des compétences formellement vérifiables et auto-évolutives pour agents d'IA physique

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

Des chercheurs ont publié sur arXiv (identifiant 2606.05395) un framework nommé VASO, pour "Verification-guided Self-evolution of LLM-generated robot skill contracts", qui vise à rendre les compétences robotiques générées par des grands modèles de langage à la fois réutilisables et formellement vérifiables. L'idée centrale : chaque compétence n'est plus un simple script exécutable mais un contrat sémantique à double interface, une interface formelle qui aligne états du robot, observations et commandes de contrôle avec des propositions logiques pour le model checking, et une interface orientée planificateur qui guide la génération de comportements exécutables. Lorsqu'un plan généré échoue à la vérification, VASO traduit la trace de contre-exemple en un gradient textuel qui met à jour le contrat de compétence réutilisable, sans toucher aux poids du modèle de fondation. Sur des plateformes Clearpath Jackal et PX4 (quadrocoptère), le framework atteint 97,2 % de conformité aux spécifications temporelles formelles en moins de 100 échantillons d'optimisation, surpassant les baselines de feedback d'exécution, d'optimisation de prompt et de fine-tuning.

Le problème adressé est précis et rarement traité : les boucles d'évolution de compétences existantes, retour d'exécution, tests unitaires, récompenses d'environnement, auto-critique LLM, ne fournissent que des preuves au niveau de la trace. Elles montrent qu'une compétence a fonctionné sur des exécutions échantillonnées, pas qu'elle satisfait des contrats de sécurité temporelle dans des conditions non testées. Pour un intégrateur ou un COO industriel, c'est la différence entre une démo convaincante en lab et un déploiement certifiable en production. Le fait que VASO maintienne les poids du modèle gelés est également notable sur le plan économique : pas de fine-tuning, pas de GPU dédié à la mise à jour du modèle.

Ce travail s'inscrit dans la tendance des "physical AI agents" où les LLM orchestrent des comportements robotiques à long horizon depuis des instructions en langage naturel. Les compétences réutilisables sont devenues les unités de base de ces architectures, mais leur fiabilité formelle reste un angle mort notable. Des approches concurrentes comme les VLA (Vision-Language-Action models) ou les frameworks d'optimisation de prompts comme OPRO ne ferment pas cette boucle vérification-évolution. VASO affirme être le premier à le faire explicitement. Il s'agit néanmoins d'un preprint sans validation industrielle publiée, et les résultats obtenus sur deux plateformes relativement simples devront être confirmés sur des environnements plus complexes et des chaînes de compétences plus longues avant d'envisager un déploiement en conditions réelles.

Dans nos dossiers

IA physique & VLAarXiv cs.RO

À lire aussi

EmbodiedEvo : un agent de code auto-évolutif pour l'IA physique
1arXiv cs.RO 

EmbodiedEvo : un agent de code auto-évolutif pour l'IA physique

Des chercheurs proposent EmbodiedEvo, un agent de code auto-évolutif pour le contrôle robotique, décrit dans une prépublication arXiv (v2). Le principe: un agent de code observe la scène via une interface programmatique du robot, exécute des programmes de contrôle et les corrige selon l'état physique obtenu, ce qui en fait une politique en boucle fermée sans fine-tuning sur la tâche cible. Les auteurs constatent que cette adaptation intra-épisode ne se conserve pas d'une scène à l'autre: les agents dépensent leurs budgets d'interaction et d'inférence à établir des opérations efficaces et leurs préconditions, et un nouvel agent ne peut pas réutiliser ces découvertes. EmbodiedEvo distille donc le retour physique en « Skills » (code réutilisable) et en « Lessons » (diagnostics). L'expérience est acquise sur une seule scène « Playground » par tâche, puis figée pour des agents indépendants dans des scènes inédites, sans mise à jour des poids. Sur RoboDojo-Sim, le système atteint un score moyen de 44,48 et un taux de succès de 37,82 %, au-dessus de tous les résultats officiellement vérifiés. Pour les intégrateurs et les équipes R&D, l'intérêt tient à la voie proposée: capitaliser l'expérience sous forme de code et de notes lisibles plutôt que de réentraîner un modèle. Ce savoir est inspectable, transférable et peu coûteux à stocker, ce qui contraste avec les politiques VLA (vision-langage-action) dont les acquis sont enfouis dans les poids. Des tests appariés montrent les gains les plus nets sur les tâches dépendant de la mémoire et une bonne réutilisation de procédures coordonnées. L'expérience d'un modèle plus fort profite aussi à des exécutants plus faibles: celle d'Astra relève les taux de succès de Sol et Luna de 8,86 et 5,50 points de pourcentage par rapport à l'absence d'expérience. Comparés à l'historique brut d'interaction, Skills et Lessons offrent des performances comparables pour un coût d'exécution inférieur de 53,0 %. Les auteurs reconnaissent toutefois que le contrôle fin des contacts reste difficile. Ces résultats sont obtenus en simulation, sur un seul benchmark: un taux de succès de 37,82 % reste modeste, et rien n'indique encore un transfert vers du matériel réel, où la fiabilité des contacts, la perception et la latence pèsent davantage. Le travail s'inscrit dans la tendance des agents de code comme couche de contrôle, en concurrence avec les VLA entraînés de bout en bout (Pi-0, GR00T, Helix), qui exigent données de téléopération et réentraînement. Le « score le plus élevé » vaut uniquement face aux résultats officiellement vérifiés de RoboDojo-Sim. Les suites logiques seraient une validation sur robots physiques, des tests sur d'autres benchmarks et la mesure de la robustesse des compétences figées face à des scènes plus éloignées de celle d'apprentissage.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Auto-évolution d'agents incarnés par évolution de compétences en environnement d'entraînement
2arXiv cs.RO 

Auto-évolution d'agents incarnés par évolution de compétences en environnement d'entraînement

Un article publié sur arXiv (2608.11350v1, catégorie "cross-listing", 13 août 2026) présente SHAPER, un cadre pour l'adaptation sans entraînement d'agents incarnés (embodied agents) construits autour de modèles de fondation. Le principe : les poids du modèle restent figés, et c'est la couche non paramétrique autour de lui, compétences réutilisables et "harnais" de contexte-code, qui évolue via des essais répétés (rollouts) dans l'environnement cible. Le même modèle figé joue à la fois le rôle de planificateur et d'optimiseur, affinant ses compétences externes sans aucune mise à jour de paramètres. Les auteurs évaluent SHAPER sur deux bancs d'essai, VLABench et ESI-Bench, qui couvrent des agents disposant d'interfaces d'action bas niveau différentes, et comparent les résultats à l'exécution pure, au fine-tuning supervisé (SFT) et à des méthodes de mise à l'échelle au moment du test comme la sélection sans vérificateur et le vote. L'enjeu pour l'industrie robotique est concret. Le fine-tuning supervisé et l'apprentissage par renforcement exigent des données, des fonctions de récompense et des cycles d'entraînement coûteux ; à l'inverse, les approches sans entraînement centrées sur le code s'appuient d'ordinaire sur des API robotiques programmables, souvent absentes des systèmes à interface fixe. SHAPER propose une troisième voie, faire évoluer les compétences et le harnais logiciel plutôt que le modèle lui-même, ce qui intéresserait particulièrement les intégrateurs qui ne peuvent pas se permettre de réentraîner un modèle à chaque nouvel environnement de déploiement. Les résultats restent toutefois issus de bancs d'essai simulés, pas de déploiements sur robots physiques : c'est une preuve de concept méthodologique, pas encore une validation terrain. Ce travail s'inscrit dans une tendance plus large où la performance des agents incarnés dépend autant du harnais d'exécution, compétences, contexte, interfaces d'action, que des poids du modèle sous-jacent. Il se positionne explicitement entre deux familles d'approches existantes : le fine-tuning et le RL d'un côté, gourmands en données et en calcul, et les approches code-centric sans entraînement de l'autre, limitées par leur dépendance à des API robotiques programmables. L'article ne mentionne ni partenariat industriel ni plateforme robotique commerciale associée ; la suite logique serait une validation sur robots réels pour vérifier si les gains observés sur VLABench et ESI-Bench se transposent hors simulation.

RecherchePaper
1 source
DynaHarness : un cadre physique dynamique pour des agents robotiques auto-évolutifs
3arXiv cs.RO 

DynaHarness : un cadre physique dynamique pour des agents robotiques auto-évolutifs

DynaHarness, un travail publié sur arXiv (2609.40306), propose une couche de supervision dite « harnais physique dynamique » qui encadre l'exécution de politiques robotiques pré-entraînées sur des tâches de manipulation longues. L'architecture sépare un « cerveau lent », chargé du raisonnement sémantique (il propose des capacités et leurs arguments symboliques), et un « cerveau rapide », qui ancre les commandes dans le monde physique, les surveille, refuse les actions non résolues, substitue une capacité à une autre et demande un nouveau plan si nécessaire. Un contrat d'exécution partagé borne chaque commande acceptée et consigne les traces d'exécution à travers trois familles de composants : des compétences analytiques, des compétences de récupération et un VLA (modèle vision-langage-action) gelé. Sur le benchmark LIBERO-Pro, le système atteint 75,2 % de réussite sur 800 états initiaux nouvellement tirés, contre 17,5 % pour la politique gelée seule. À bibliothèque de capacités identique, l'exécution dynamique complète obtient 74,0 %, contre 63,9 % pour un replanning nominal en une étape. Pour les intégrateurs et les équipes R&D, l'intérêt est moins le score que le déplacement du problème. Les auteurs soutiennent qu'une politique VLA, même performante, ne suffit pas sur les tâches longues : la valeur se joue dans la manière dont les capacités existantes sont ancrées, surveillées et coordonnées à l'exécution, sans réentraîner le modèle de base. L'écart entre 17,5 % et 75,2 % illustre la fragilité d'un VLA gelé face à des conditions initiales perturbées, ce qui rejoint le constat de nombreux déploiements : la robustesse vient de l'orchestration autour du modèle. Le gain plus modeste de 10 points face au replanning simple indique toutefois que l'essentiel de l'amélioration provient de la bibliothèque de capacités elle-même, et que la gouvernance dynamique apporte un complément mesurable mais pas décisif. Il faut aussi noter que les résultats sont obtenus uniquement en simulation, sans validation sur robot physique mentionnée dans le résumé. Ce travail s'inscrit dans la tendance des architectures à double système, où un module lent planifie et un module rapide exécute, popularisée côté industrie par des approches comme Helix de Figure ou GR00T de NVIDIA, et dans la montée des agents capables de se réviser eux-mêmes. La particularité de DynaHarness est sa boucle d'auto-évolution : l'attribution des échecs localise la faute dans les traces, déclenche une révision ciblée d'une capacité ou d'un mécanisme d'exécution, puis des tests de régression appariés décident de l'admission ou du rejet de la modification. LIBERO-Pro, variante plus exigeante du benchmark LIBERO conçue pour mettre à nu la sur-adaptation des politiques, reste un banc d'essai simulé. Une page projet est disponible, mais aucune date de transfert vers du matériel réel n'est annoncée.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Système d'exploitation auto-évolutif pour agents incarnés : planification cognitive et exécution physique découplées
4arXiv cs.RO 

Système d'exploitation auto-évolutif pour agents incarnés : planification cognitive et exécution physique découplées

Des chercheurs présentent PhyAgentOS, un système d'exploitation pensé spécifiquement pour les agents robotiques incarnés (embodied agents), décrit dans un preprint arXiv (2607.16636v1) publié fin juillet 2026. Le système introduit un "Session-Centered Runtime" qui traite une session complète, et non une action isolée, comme unité minimale d'ordonnancement, de vérification de compatibilité et de collecte de preuves d'exécution. La couche cognitive (planification) est séparée de la couche physique (exécution) via un protocole appelé State-as-a-File, qui matérialise l'état du système sous forme de fichiers Markdown/YAML lisibles et versionnables, sans dépendance de code entre les deux couches. Un module SessionVerifier distingue la fin d'exécution d'une tâche de sa réussite sémantique réelle, avec trois verdicts possibles : succès, échec ou replanification. Les résultats vérifiés alimentent une mémoire épistémique qui capitalise l'expérience sous forme de leçons réutilisables, sans réentraînement du modèle. PhyAgentOS a été testé sur les bancs d'essai Optimus-67, StarDojo et DST-Dojo, validé sur plus de 19 corps robotiques simulés et physiques, et montre des gains de performance sur les benchmarks LIBERO, Calvin et RoboCasa365 avec plusieurs modèles VLA (vision-language-action) différents. L'enjeu dépasse la prouesse technique isolée : les modèles VLA, les modèles du monde et les planificateurs agentiques progressent chacun de leur côté, mais sans abstraction d'exécution commune ni état partagé, ce qui rend leur composition fragile dès qu'on sort du laboratoire. En distinguant explicitement la terminaison d'une action de sa réussite réelle, PhyAgentOS s'attaque directement à l'écart bien documenté entre démonstration et fiabilité en conditions réelles, un problème central pour les intégrateurs qui déploient des flottes de robots en usine ou en entrepôt. Pour un décideur B2B, la promesse n'est pas un nouveau modèle plus performant mais une couche d'infrastructure capable de faire cohabiter différents modèles VLA, de vérifier objectivement leurs sorties et de capitaliser les échecs sans réentraînement coûteux, un point clé pour la maintenabilité à long terme de déploiements robotiques hétérogènes. Cette proposition s'inscrit dans la vague actuelle de modèles VLA généralistes tels que Figure 03, Optimus Gen 3, Pi-0 ou GR00T N2, qui ont démontré des capacités de manipulation impressionnantes en démo mais restent difficiles à orchestrer, vérifier et faire évoluer une fois déployés sur du matériel réel. PhyAgentOS se positionne comme une couche d'infrastructure sous ces modèles plutôt que comme un concurrent direct, avec une architecture de sécurité en couches (préflight, ponts d'action, SafetyGuard, surveillance par heartbeat) et une validation progressive allant des jeux virtuels à la simulation puis au robot physique, en gardant la couche cognitive constante pour isoler les variables. Publié comme preprint arXiv avec le statut "Announce Type: new", ce travail reste à ce stade une contribution de recherche académique plutôt qu'un produit commercial ; les auteurs ne précisent ni calendrier de mise en production ni partenariat industriel à ce jour.

RecherchePaper
1 source