R2BC : apprentissage par imitation multi-agents à…

1arXiv cs.RO

ReGIL : apprentissage par imitation guidé par récupération à partir d'une seule démonstration

Des chercheurs présentent ReGIL (Retrieval-Guided Imitation Learning), un framework d'apprentissage par imitation capable d'entraîner un robot manipulateur à partir d'une seule démonstration. La méthode traite cette démonstration unique comme une mémoire externe statique, interrogée en continu durant l'entraînement pour guider simultanément l'exploration, générer un buffer de régularisation et construire les récompenses. Le calcul de récompense repose sur un alignement temporel local entre la trajectoire courante et le segment récupéré, fournissant un feedback pas-à-pas plutôt qu'un signal binaire succès/échec. Évalué sur les benchmarks LIBERO et Meta-World, ReGIL surpasse les baselines antérieures en taux de réussite et en efficacité d'entraînement. Sur robot réel, avec une seule démonstration et moins d'une heure d'entraînement en ligne, le système atteint plus de 75 % de taux de réussite sur trois tâches de manipulation avec randomisation à la fois de la pose initiale du robot et de la position cible. Ces résultats sont issus d'un preprint arXiv (2606.09381) et n'ont pas encore été soumis à revue par les pairs. Le principal défi que ReGIL cherche à résoudre est connu sous le nom de "compounding error" : en imitation learning classique (behavior cloning), les petites déviations par rapport à la trajectoire démontrée s'accumulent et mènent rapidement à l'échec, ce qui oblige généralement à collecter des centaines, voire des milliers de démonstrations. Ramener ce seuil à une seule démonstration plus moins d'une heure d'interaction en ligne représente un gain opérationnel significatif pour le déploiement industriel, où la collecte de données est coûteuse. Le taux de 75 % obtenu avec randomisation de pose et de cible est un indicateur de robustesse plus solide qu'une démonstration en conditions fixes, même si l'absence de détails sur les tâches spécifiques et la complexité des scènes limite l'interprétation. L'apprentissage par imitation à faible nombre de démonstrations est un axe de recherche très actif, concurrencé notamment par les modèles VLA (Vision-Language-Action) comme pi-0 de Physical Intelligence ou les politiques de diffusion (Diffusion Policy, ACT). Ces approches misent sur des grandes quantités de données préentraînées pour compenser la rareté des démos spécifiques à une tâche, là où ReGIL propose une alternative radicalement data-light. Le benchmark LIBERO est devenu un standard de fait pour comparer ces méthodes en simulation, et Meta-World permet d'évaluer la généralisation multi-tâches. La prochaine étape logique serait une validation sur des tâches de manipulation plus complexes et une publication dans une conférence de robotique (ICRA, CoRL, RSS) pour valider les claims de manière indépendante.

RecherchePaper

1 source

2arXiv cs.RO

RoboTalk : apprentissage de la communication et de la coordination multi-robots à partir de démonstrations multimodales

Une équipe de recherche a publié sur arXiv un travail intitulé RoboTalk, qui présente un pipeline de génération de données synthétiques et un dataset de 7 950 trajectoires multimodales couvrant 53 tâches de manipulation mobile en cuisine. Ce corpus est conçu pour entraîner de petits modèles vision-langage (VLM), destinés à un déploiement embarqué (on-device), à communiquer entre eux et à se coordonner. Il comprend un protocole de planification de type leader-follower, des appels d'outils couvrant perception, manipulation, navigation et communication, des traces de raisonnement et des échanges en langage naturel diversifiés. Après fine-tuning de modèles open source sur ce jeu de données, les auteurs rapportent un taux de réussite de 77% sur des tâches inédites non vues à l'entraînement, contre environ 2% seulement pour les mêmes modèles non affinés. Ce résultat met en évidence un écart important entre les capacités natives des VLM génériques et ce qu'exige la coordination multi-robot sous observabilité partielle, un scénario courant dans les entrepôts, les cuisines commerciales ou les lignes de production où plusieurs bras ou robots mobiles doivent se répartir des sous-tâches sans supervision centralisée continue. Cibler des VLM compacts et embarqués plutôt que des modèles cloud volumineux répond à une contrainte concrète pour les intégrateurs : latence et dépendance réseau sont difficilement compatibles avec des tâches de manipulation synchronisées en temps réel. Le travail suggère qu'un modèle vision-langage-action entraîné pour un robot isolé ne transfère pas automatiquement vers un contexte multi-agent nécessitant une communication explicite, ce qui nuance l'hypothèse selon laquelle la seule mise à l'échelle des VLA suffirait à résoudre la coordination distribuée. Ces résultats reposent toutefois sur des données synthétiques générées par le pipeline même des auteurs et sur un domaine de tâches limité à la cuisine, ce qui invite à la prudence avant toute généralisation à des environnements industriels réels. Les auteurs situent leur travail dans un manque qu'ils jugent encore peu couvert : l'apprentissage de compétences de manipulation à partir de démonstrations multimodales progresse rapidement pour un robot unique, mais l'apprentissage conjoint de la communication inter-robots explicite et de la sélection d'actions reste peu exploré, en particulier pour des VLM légers compatibles avec un déploiement embarqué plutôt que dans le cloud. RoboTalk se positionne donc comme une ressource de recherche, dataset et méthodologie de génération de données, plutôt que comme un système ou un robot commercial prêt à l'emploi. Les suites naturelles attendues incluent l'extension à d'autres domaines que la cuisine, le passage de trajectoires synthétiques à des déploiements physiques réels, et des comparaisons avec les approches concurrentes de modèles vision-langage-action à grande échelle conçues pour un robot unique.

RecherchePaper

1 source

3arXiv 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

4arXiv cs.RO

Apprentissage de la navigation à partir de démonstrations multimodales avec des modes candidats géométriques

Des chercheurs proposent une politique de navigation hiérarchique qui apprend à partir de démonstrations hors ligne multimodales, c'est-à-dire des situations où une même observation admet plusieurs actions valides, comme contourner un obstacle par la gauche ou par la droite. L'article, publié sur arXiv (2610.20241), part d'un constat connu: le clonage comportemental moyenne ces actions et peut produire une trajectoire qui percute l'obstacle. L'approche calcule des modes candidats à partir de la géométrie locale d'une seule observation. Un module de haut niveau choisit un mode selon le but et son choix précédent, puis un module de bas niveau le convertit en action. En simulation, la politique réussit dans plus de 95 % des cas, vus ou non vus à l'entraînement. Quatre méthodes d'apprentissage hors ligne de référence plafonnent à 43 % (cas vus) et 20 % (cas non vus). Une heuristique qui utilise les mêmes modes sans apprentissage atteint 79 % et 67 %. La politique, entraînée uniquement en simulation, a aussi été transférée sur le robot bipède LimX Tron 1. L'intérêt tient à la manière de traiter la multimodalité. Les méthodes génératives plus lourdes, comme les politiques de diffusion, doivent découvrir les alternatives à partir des données. Elles y parviennent mal quand des états proches mènent à des routes différentes dont les actions se recouvrent. Ici, les alternatives sont calculées directement, parce qu'en navigation elles ont une cause géométrique. L'apprentissage se limite alors à choisir quel mode suivre et comment l'exécuter. Les chiffres montrent aussi que l'apprentissage apporte un gain réel par rapport à l'heuristique seule, surtout en généralisation (plus de 95 % contre 67 %). Pour un intégrateur ou un responsable de flotte mobile, cela suggère qu'injecter un a priori géométrique dans la politique peut rendre le clonage de comportement plus sûr et plus économe en données. Quelques réserves: les résultats viennent surtout de simulation, le nombre d'essais sur robot réel n'est pas détaillé dans le résumé, et la hiérarchie suppose que la géométrie locale suffit à énumérer les options pertinentes. Cela peut ne pas tenir dans des scènes dynamiques ou encombrées. Le travail s'inscrit dans l'effort pour amener la navigation apprise vers les robots à pattes. Il s'oppose à deux voies dominantes: les planificateurs classiques, fiables mais conçus à la main, et les politiques de bout en bout entraînées par imitation ou diffusion, plus générales mais fragiles sur les décisions discrètes. Le choix du LimX Tron 1, un bipède de recherche de la start-up chinoise LimX Dynamics, montre que ces plateformes servent de plus en plus de bancs d'essai accessibles. Il s'agit d'un résultat académique et non d'un produit ou d'un déploiement industriel. Les suites logiques seraient des tests dans des environnements dynamiques, la combinaison avec des modèles vision-langage pour spécifier les buts, et des évaluations plus étendues sur robot réel.

RecherchePaper

1 source

R2BC : apprentissage par imitation multi-agents à partir de démonstrations d'un agent unique

À lire aussi

ReGIL : apprentissage par imitation guidé par récupération à partir d'une seule démonstration

RoboTalk : apprentissage de la communication et de la coordination multi-robots à partir de démonstrations multimodales

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

Apprentissage de la navigation à partir de démonstrations multimodales avec des modes candidats géométriques