Prédiction d'horizon d'exécution dynamique pour…

1arXiv cs.RO

ATLAS : un outil d'annotation pour la segmentation d'actions robotiques à long horizon

Des chercheurs ont publié le 30 avril 2026 sur arXiv (référence 2604.26637) ATLAS, un outil d'annotation dédié à la segmentation d'actions robotiques sur des horizons temporels longs. L'outil propose une visualisation synchronisée de données multimodales : flux vidéo multi-vues et signaux proprioceptifs comme l'état de la pince ou les capteurs force/couple. ATLAS prend en charge nativement les formats les plus répandus dans la communauté robotique, à savoir les ROS bags et le format RLDS (Reinforcement Learning Dataset), avec un support direct pour des jeux de données spécifiques tels que REASSEMBLE. Son interface centrée sur le clavier vise à réduire la charge cognitive de l'annotateur. Sur une tâche d'assemblage riche en contacts, ATLAS réduit le temps moyen d'annotation par action d'au moins 6 % par rapport à ELAN, améliore l'alignement temporel avec les annotations expertes de plus de 2,8 %, et divise par cinq l'erreur aux frontières d'actions par rapport aux outils purement visuels. Ce résultat pointe vers un goulot d'étranglement souvent sous-estimé dans le développement des politiques de manipulation : la qualité des annotations temporelles conditionne directement la performance des modèles d'imitation et de segmentation d'actions. Les approches VLA (Vision-Language-Action) et les méthodes de policy learning par démonstration nécessitent des frontières d'actions précises pour généraliser correctement. L'absence de synchronisation entre vidéo et signaux robot dans les outils existants introduit des biais systématiques dans les datasets, qui se répercutent ensuite sur le sim-to-real gap. ATLAS adresse ce problème structurel pour les équipes qui construisent des pipelines de données à grande échelle. ELAN, l'outil de référence historique pour l'annotation multimodale issu de la linguistique computationnelle, était jusqu'ici la solution la plus utilisée dans les labos robotique faute d'alternative spécialisée. ATLAS se positionne explicitement comme son successeur pour les usages robotiques, avec une couche d'abstraction modulaire qui facilite l'intégration de nouveaux formats. Le format RLDS, popularisé notamment par les travaux de Google DeepMind sur RT-2 et Open X-Embodiment, est devenu un standard de facto pour les datasets de manipulation à large échelle, rendant la compatibilité native d'ATLAS particulièrement pertinente. Aucun déploiement industriel ni partenariat commercial n'est mentionné à ce stade : il s'agit d'un outil de recherche open source, dont la prochaine étape naturelle serait une adoption par les équipes construisant des benchmarks de manipulation standardisés.

RecherchePaper

1 source

2arXiv cs.RO

Politique de dérive d'horloge d'exécution partagée pour la manipulation dynamique de précision

Une équipe de chercheurs, dont l'identité reste masquée le temps d'une évaluation en double aveugle, publie le 22 septembre 2026 sur arXiv (référence 2609.23305) une méthode baptisée SECD, pour Shared Execution-Clock Drifting, destinée à la manipulation robotique sous contrainte de temps. Le principe consiste à faire prédire par une politique en une seule étape de génération, à la fois une courbe d'action indexée sur la progression de la tâche et une horloge monotone partagée qui associe les instants de contrôle fixes à des positions sur cette courbe, l'ensemble étant calé sur des démonstrations puis affiné par un processus de "drifting" sur les actions décodées. Testée sur quatre tâches robotiques réelles avec inférence embarquée sur un module NVIDIA Thor, la méthode atteint un taux de réussite moyen de 77,00 % sur 300 essais, avec 91 % de réussite pour récupérer une tasse sur un convoyeur roulant à 16 mètres par minute, et 54 % pour redéplier et plier un vêtement froissé en moins de 90 secondes ; une variante à horloge fixe monte à 79 % sur le même protocole de convoyeur. L'enjeu dépasse la simple performance chiffrée : les politiques génératives en une seule étape, plus rapides à calculer que les approches par diffusion multi-étapes, laissaient jusqu'ici le rythme d'exécution implicite dans la séquence d'actions prédite, ce qui les pénalise dès qu'un objet bouge ou qu'une échéance s'impose. En rendant ce rythme explicite sans sacrifier la cadence de contrôle fixe ni ajouter d'évaluation réseau supplémentaire, SECD s'attaque directement à un angle mort de la course actuelle aux modèles vision-langage-action rapides. Le score de 54 % sur le pliage de tissu, nettement inférieur aux 91 % du convoyeur, rappelle toutefois que la manipulation déformable dynamique reste un problème largement non résolu, loin des démonstrations soignées habituellement mises en avant. Le travail s'inscrit dans la lignée des politiques dites "one-step", comparées ici à plusieurs bases de référence du même type, et complète ses essais réels par des expériences sur le simulateur RoboMimic, incluant des ablations multi-graines sur les tâches Transport et Square. Aucune affiliation industrielle, aucun partenaire ni calendrier de déploiement n'est mentionné : il s'agit à ce stade d'une contribution de recherche accompagnée d'une page de projet dédiée, sans indication de suite commerciale annoncée.

RecherchePaper

1 source

3arXiv 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.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source

4arXiv cs.RO

Renforcement des politiques d'action par la prédiction

Des chercheurs présentent Prophet, un modèle du monde robotique de type action-vers-vidéo, associé à FlowScale, une méthode d'apprentissage par renforcement conçue pour les politiques Vision-Language-Action (VLA) à tête d'action par flux. Publiés sur arXiv (2511.20633, version 2), ces travaux s'attaquent au talon d'Achille des VLA actuelles : entraînées presque exclusivement par imitation, elles mémorisent les démonstrations et se dégradent dès que la situation réelle s'écarte des exemples vus à l'entraînement. Prophet est pré-entraîné sur des données robotiques hétérogènes à grande échelle pour capturer une dynamique action-conséquence réutilisable, puis adapté en few-shot (avec très peu d'exemples) à de nouveaux robots, objets et environnements, ce qui en fait un simulateur prêt à générer des rollouts pour l'entraînement par renforcement. FlowScale combine l'algorithme Flow-GRPO à une repondération intrinsèque par étape qui stabilise les gradients durant l'optimisation. Résultat : un gain de taux de succès de 5 à 17 points sur des benchmarks publics, et de 24 à 30 points sur des robots réels, mesuré sur plusieurs architectures VLA différentes. L'enjeu dépasse la seule performance chiffrée. Le vrai verrou du RL en robotique a toujours été le coût et la lenteur de l'interaction physique réelle, combinés à la difficulté de construire des simulateurs qui transfèrent effectivement vers le monde réel, le fameux écart simulation-réalité. En remplaçant l'environnement d'entraînement par un modèle du monde appris directement à partir de données robotiques et adaptable à un nouveau setup avec peu d'exemples, Prophet ouvre une voie pour faire du post-entraînement par renforcement sans multiplier les heures de manipulation physique ni réingénierer un simulateur pour chaque nouveau robot. C'est un signal notable pour les équipes qui développent des politiques VLA, en laboratoire comme dans l'industrie : la RL post-imitation devient praticable à un coût de données et de calcul raisonnable, ce qui pourrait accélérer le passage de démonstrations de laboratoire à des politiques réellement robustes en conditions réelles, une distinction que le secteur peine encore souvent à établir clairement. Ce travail s'inscrit dans une lignée de recherche qui cherche à combler l'écart entre l'apprentissage par imitation, dominant dans les VLA ces dernières années, et l'apprentissage par renforcement, longtemps jugé trop coûteux à appliquer sur des robots physiques. Flow-GRPO, sur lequel s'appuie FlowScale, est un algorithme récent de RL adapté aux modèles à appariement de flux, une technique de plus en plus utilisée pour les têtes d'action des politiques robotiques modernes. La mention « replace » sur l'identifiant arXiv indique une nouvelle version d'un article déjà annoncé, signe que les auteurs ont retravaillé leur méthode ou leurs résultats. L'article ne précise pas les backbones VLA testés ni les tâches réelles utilisées pour obtenir les gains de 24 à 30%, une limite à garder en tête avant de généraliser ces chiffres.

RecherchePaper

1 source

Prédiction d'horizon d'exécution dynamique pour les politiques robotiques par segments

À lire aussi

ATLAS : un outil d'annotation pour la segmentation d'actions robotiques à long horizon

Politique de dérive d'horloge d'exécution partagée pour la manipulation dynamique de précision

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

Renforcement des politiques d'action par la prédiction