Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
IA à mélange d'experts : des VLA développent des compétences combinatoires émergentes
RecherchearXiv cs.RO 

IA à mélange d'experts : des VLA développent des compétences combinatoires émergentes

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

Des chercheurs publient sur arXiv (référence 2607.20771, soumission du 24 juillet 2026) une étude sur l'apprentissage de politiques robotiques compositionnelles entraînées de bout en bout à partir de démonstrations expertes, sans décomposition de tâche ni hiérarchie prédéfinie. L'équipe teste une architecture VLA (Vision-Language-Action) dotée d'une tête d'action en Mixture-of-Experts (MoE) simplifiée, où un routeur apprend à sélectionner dynamiquement parmi plusieurs sous-réseaux experts. Résultat central: les experts appris sont massivement réutilisés d'une tâche à l'autre et correspondent systématiquement à des comportements de bas niveau qualitativement distincts, ce qui suggère que le routeur apprend implicitement à séquencer des primitives, sans supervision explicite sur leur découpage. Sur les métriques de performance, le modèle MoE égale une baseline monolithique classique tout en montrant une spécialisation nette des experts.

Cette découverte compte pour l'industrie robotique parce qu'elle attaque un problème central des politiques VLA actuelles: leur opacité. Les modèles comme GR00T N2, Pi-0 ou Helix fonctionnent aujourd'hui largement en boîte noire, ce qui complique le débogage, la certification et la réutilisation de compétences entre robots ou tâches. Si des primitives interprétables et réutilisables émergent naturellement de l'entraînement, cela ouvre la voie à des politiques plus modulaires, où un intégrateur pourrait diagnostiquer ou recombiner des comportements sans réentraîner un modèle monolithique complet. C'est aussi une validation empirique, à échelle encore modeste, de l'hypothèse selon laquelle les architectures MoE, déjà dominantes en NLP, peuvent transférer leurs bénéfices de spécialisation au contrôle robotique sans sacrifier la performance brute.

Le travail s'inscrit dans la vague plus large d'adoption des architectures Mixture-of-Experts dans les grands modèles de langage, désormais transposée aux politiques d'action robotique face à la multiplication des VLA généralistes (Figure AI, NVIDIA GR00T, Physical Intelligence, Figure/Helix). L'étude reste à un stade de recherche fondamentale, sans déploiement industriel annoncé, mais pose une brique méthodologique que les laboratoires travaillant sur l'interprétabilité et la modularité des politiques robotiques, dont des équipes académiques et industrielles concurrentes sur ce terrain, devraient suivre de près.

Dans nos dossiers

FigureNVIDIA GR00TPhysical Intelligence — π0arXiv cs.RO

À lire aussi

Développer des compétences combinées de manipulation et de locomotion via une représentation d'interaction et une composition de compétences
1arXiv cs.RO 

Développer des compétences combinées de manipulation et de locomotion via une représentation d'interaction et une composition de compétences

Des chercheurs présentent une méthode pour apprendre à un robot humanoïde à combiner préhension et locomotion à partir de principes développementaux, dans un article déposé sur arXiv (2608.00208v1). La première brique est une politique de saisie corps entier inspirée de l'analyse harmonique : des harmoniques cubiques servent de poids pour représenter la relation spatiale main objet via une convolution spatiale, et un curriculum de découplage des articulations des doigts, appliqué au sein même de chaque épisode d'apprentissage, permet au robot d'apprendre à saisir sans dataset externe ni modèle pré-entraîné. La seconde brique combine cette politique de saisie avec une politique de lever et de marche apprise séparément, en s'appuyant sur des scores d'interaction main objet pour décider, à chaque instant, quelle politique pilote quelles articulations. Résultat : 93% de réussite en zero shot sur des objets jamais vus, et entre 96 et 100% de réussite pour se relever tout en tenant l'objet saisi. L'intérêt pratique dépasse la simple prouesse technique : la plupart des démonstrations de manipulation mobile chez les humanoïdes empilent des compétences apprises isolément, avec un risque élevé d'interférence entre politiques au moment de les enchaîner. Ici, la généralisation zero shot à des objets inconnus, sans recourir à un modèle vision langage action massif comme Pi-0, GR00T N2 ou Helix, tranche avec la tendance dominante du secteur, qui mise sur l'échelle des données plutôt que sur des curricula développementaux. L'enseignement le plus transférable pour des ingénieurs robotique ou des intégrateurs concerne la composition de compétences : elle ne fonctionne de façon fiable que si chaque politique est entraînée sur le corps entier du robot, y compris des parties a priori inutiles à la tâche, comme garder les doigts actifs pendant l'apprentissage de la marche. Le travail s'inscrit dans la course plus large à la manipulation mobile chez les humanoïdes, un problème que des acteurs commerciaux comme Figure, Agility ou plusieurs plateformes chinoises tentent aussi de résoudre, le plus souvent via des modèles VLA pré-entraînés à grande échelle plutôt que par apprentissage développemental from scratch. L'abstract ne mentionne ni déploiement réel ni acteur français ou européen, et les résultats restent issus d'environnements contrôlés de simulation ou de laboratoire ; reste à voir si l'approche passe l'échelle vers des comportements plus complexes ou vers d'autres plateformes matérielles.

RecherchePaper
1 source
AlphaNIST : des compétences d'assemblage émergent de simples récompenses binaires de réussite
2arXiv cs.RO 

AlphaNIST : des compétences d'assemblage émergent de simples récompenses binaires de réussite

AlphaNIST, un travail publié sur arXiv (2610.13354) en octobre 2026, montre qu'une politique unique, entraînée par apprentissage par renforcement (RL) à partir de zéro en simulation, parvient à résoudre les 20 tâches d'assemblage de la NIST Assembly Task Board #1, avec 98,2 % de succès global à l'entraînement. Aucune démonstration humaine, aucun façonnage de la récompense par la progression (progress shaping), aucune primitive scriptée ni réglage par tâche n'ont été utilisés: la seule supervision est une récompense binaire, accordée quand la tâche est accomplie. Les auteurs entraînent aussi des politiques capables d'assembler dix paires de pièces dans un même épisode, sans ordre imposé, la réussite n'étant récompensée que lorsque les dix paires sont simultanément assemblées. Ils décrivent des comportements émergents: choix d'une prise en anticipation de l'assemblage ultérieur, exploitation de la géométrie environnante pour réorienter une pièce, et séquences du type préparer une pièce, en assembler une autre, puis revenir terminer la première, sans planificateur explicite. L'intérêt tient à ce que le résultat remet en question l'idée selon laquelle l'assemblage de précision exige une forte part de connaissance injectée par l'humain. Jusqu'ici, les progrès sur ce banc d'essai reposaient sur des démonstrations, la décomposition des tâches et des récompenses denses. Montrer qu'une récompense éparse suffit, à condition de disposer de diversité de tâches et d'échelle de calcul, suggère que l'ingénierie de récompense et la collecte de données de téléopération ne sont pas des passages obligés. Pour les intégrateurs, cela laisse entrevoir un déploiement moins coûteux de cellules d'assemblage, puisqu'il suffirait de spécifier le résultat attendu plutôt que le geste. Les réserves sont toutefois nettes: les résultats portent sur la simulation uniquement, le chiffre de 98,2 % est un taux d'entraînement et non une évaluation sur tâches inédites, et rien n'est démontré sur le transfert sim-to-real, qui reste le point dur des tolérances serrées et du contact riche. Les vidéos sont publiées sur le site du projet, sans que l'on sache quelle part des essais elles représentent. Les auteurs se placent explicitement dans la lignée d'AlphaGo puis AlphaGo Zero, où l'apprentissage par renforcement à grande échelle avait découvert des stratégies sans qu'on lui prescrive comment gagner. La NIST Assembly Task Board #1, référence de l'évaluation en manipulation, combine insertions fines de petites pièces à faible jeu et enchaînements longs nécessitant des récupérations sur erreur. Les approches concurrentes s'appuient plutôt sur l'imitation et les modèles vision-langage-action (VLA), qui misent sur les données réelles et la généralisation, là où AlphaNIST parie sur la simulation massive et une supervision minimale. La suite logique serait un test sur matériel réel, avec randomisation de domaine et gestion des erreurs de perception, avant de juger de la portée industrielle de l'approche.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
HiMoE-VLA : mélange hiérarchique d'experts pour des politiques VLA généralistes
3arXiv cs.RO 

HiMoE-VLA : mélange hiérarchique d'experts pour des politiques VLA généralistes

Des chercheurs ont publié début décembre 2025 sur arXiv une nouvelle architecture baptisée HiMoE-VLA (Hierarchical Mixture-of-Experts for generalist Vision-Language-Action policies), avec code et modèles en accès libre sur GitHub (ZhiyingDu/HiMoE-VLA). Le problème visé : les politiques VLA généralistes sont entraînées sur des mélanges hétérogènes de démonstrations robotiques couvrant des embodiments, espaces d'action et configurations de capteurs différents, ce qui provoque un "transfert négatif" quand un module d'action dense unique doit absorber cette diversité. HiMoE-VLA répond avec un module d'action hiérarchique à mélange d'experts : des couches Action-Space MoE en entrée/sortie spécialisent le calcul par espace d'action, des couches Heterogeneity-Balancing MoE dans les couches voisines absorbent les variations résiduelles de scènes et d'embodiments, et des blocs Transformer denses au centre intègrent les représentations partagées. Deux objectifs auxiliaires guident l'entraînement : une régularisation contrastive par espace d'action pour la spécialisation aux frontières, et un objectif d'équilibrage de charge entre experts. Sur les bancs d'essai, le modèle atteint un score de 3,98 sur CALVIN, 98,0 % de réussite sur LIBERO, et respectivement 75,0 % et 63,7 % de succès moyen sur des tâches réelles avec un bras xArm7 et une plateforme ALOHA. Le résultat le plus significatif tient moins aux scores bruts qu'à la démonstration, en co-entraînement hétérogène contrôlé, que HiMoE-VLA transforme en transfert positif ce qui reste un transfert négatif chez des bases de référence pourtant robustes. C'est un signal notable pour le secteur : l'un des obstacles récurrents à l'entraînement de politiques VLA "généralistes" est justement la difficulté à mélanger des jeux de données robotiques disparates, bras différents, capteurs différents, espaces d'action différents, sans dégrader les performances par rapport à des modèles spécialisés par plateforme. Pour les équipes qui construisent des fondations robotiques multi-embodiment, à l'image de ce que visent Physical Intelligence avec pi-0, NVIDIA avec GR00T N2 ou Figure avec Helix, la capacité à absorber l'hétérogénéité des données sans coût de performance est un enjeu direct de scalabilité : moins de collecte de données spécifiques par plateforme pour chaque nouveau déploiement industriel. HiMoE-VLA s'inscrit dans la lignée des architectures Vision-Language-Action apparues ces deux dernières années pour doter les robots de politiques de contrôle génériques, entraînées comme des modèles de fondation plutôt que comme des contrôleurs tâche par tâche. Le recours aux mélanges d'experts, déjà répandu dans les grands modèles de langage pour augmenter la capacité sans exploser le coût de calcul, est ici adapté spécifiquement au problème de l'hétérogénéité des données robotiques, via une hiérarchie à trois niveaux plutôt qu'un simple routage plat. Le papier, référencé arXiv:2512.05693, est une version révisée d'un travail antérieur, et les auteurs s'appuient sur CALVIN, LIBERO ainsi que des essais réels sur xArm7 et ALOHA comme bancs de test. Code et modèles étant publiés en open source, la validation indépendante par la communauté robotique déterminera si les gains observés se généralisent au-delà des bancs d'essai contrôlés vers des déploiements industriels réels.

RechercheActu
1 source
Évolution continue des compétences dans un modèle vision-langage-action (VLA)
4arXiv cs.RO 

Évolution continue des compétences dans un modèle vision-langage-action (VLA)

Des chercheurs ont publié Stellar VLA (arXiv:2511.18085v3), un cadre d'apprentissage continu par imitation (continual imitation learning, CIL) pour les modèles Vision-Langage-Action (VLA). La méthode propose deux variantes progressives : T-Stellar, fondée sur une modélisation plate centrée sur les tâches, et TS-Stellar, organisée en structure hiérarchique tâche-compétence. Les expériences menées sur le benchmark LIBERO, référence standard pour les tâches de manipulation robotique, montrent que les deux variantes surpassent les baselines VLA et CIL actuelles, avec seulement 1 % de rejeu de données. Une validation en conditions réelles sur une plateforme bi-bras, avec des configurations de scènes et d'embodiments distincts, confirme que le transfert de connaissances entre tâches reste effectif au-delà du simulateur. Le principal apport de Stellar VLA est d'adresser un frein structurel au déploiement des grands modèles VLA : les méthodes CIL existantes nécessitent des paramètres additionnels ou des modules externes, ce qui les rend difficilement scalables lorsque le modèle de base est déjà massif. En optimisant conjointement des représentations de tâches et un espace de connaissances partagé, Stellar VLA introduit un mécanisme de routage expert guidé par la sémantique, sélectionnant les K embeddings les plus proches pour orienter le modèle vers la compétence pertinente, sans alourdir l'architecture. Pour les équipes qui déploient des robots polyvalents en production, cela ouvre la voie à l'apprentissage incrémental de nouvelles tâches avec un coût de fine-tuning réduit. TS-Stellar se distingue notamment sur les manipulations hiérarchiques complexes, et les visualisations publiées illustrent une rétention robuste des compétences acquises ainsi qu'une capacité de découverte automatique de nouvelles tâches. Les VLA constituent un axe de recherche en accélération depuis 2023, portés par Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA), OpenVLA (UC Berkeley) ou encore RT-2 (Google DeepMind), qui cherchent à généraliser la manipulation robotique via un préentraînement multimodal massif. La question du catastrophic forgetting, c'est-à-dire la perte des compétences antérieures lors de l'apprentissage d'une nouvelle tâche, reste un verrou non résolu à l'échelle industrielle. Stellar VLA se positionne comme une surcouche légère applicable à des VLA existants, sans retraining complet. Le projet est documenté sur stellarvla.github.io ; aucun partenariat industriel ni calendrier de déploiement n'est mentionné dans la publication, qui reste à ce stade un travail de recherche académique.

RechercheOpinion
1 source