RecherchearXiv cs.RO 1 octobre 2026

Exploration systématique des capacités de GPT-6 Astra comme politiques incarnées

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de chercheurs publie sur arXiv (2609.38537) une évaluation systématique de GPT-6 Astra utilisé non plus seulement comme planificateur de haut niveau, mais comme politique embarquée générant directement des actions robotiques numériques. Six domaines sont testés, en contrôle direct, en coopération avec des politiques apprises et en adaptation par retour d'information. En manipulation à pince, le contrôle hybride avec π0.5 atteint 48 % de réussite sur un sous-ensemble de RoboDojo. En manipulation dextre, il atteint 50 % sur dix essais DexJoCo guidés par l'expérience, tandis que le contrôle direct des doigts peine à coordonner les contacts. En manipulation mobile, il atteint 38,7 % sur RoboCasa365. En navigation, Astra mène les comparaisons locales avec 92 % sur RxR et 82 % sur la recherche d'objets HM3D, au prix de détours importants. En locomotion, aucune des cinq tentatives successives sur un parcours d'obstacles n'atteint l'arrivée. En loco-manipulation humanoïde, Astra dépasse les méthodes de référence sur 13 des 30 tâches HumanoidBench, avec des contrôleurs corps entier pré-entraînés.

L'intérêt tient à la mesure d'un écart que les démonstrations masquent souvent : un modèle généraliste prend de bonnes décisions de tâche, mais n'en fait pas pour autant un contrôleur physique fiable. Le résultat plaide pour des architectures hiérarchiques, où le grand modèle corrige les cibles, prépare les contacts et délègue l'exécution fine à une politique spécialisée. Pour un intégrateur ou un COO industriel, le coût est un frein concret : 624,8 millions de tokens pour le mode assisté contre 1,132 milliard en contrôle direct, sur 50 instances par condition. Une course de locomotion de 30 secondes exige 250 appels, d'environ 39,86 secondes chacun, avec la physique mise en pause pendant l'inférence. Le temps réel reste donc hors de portée.

Ces travaux s'inscrivent dans la tendance des modèles de fondation « cerveau » associés à des contrôleurs bas niveau, déjà visible dans les architectures à deux systèmes de type Helix ou GR00T et dans les politiques VLA comme π0.5 de Physical Intelligence, ici utilisée comme partenaire. Il s'agit d'une étude académique, avec des sous-ensembles de benchmarks et des comparaisons locales, et non d'un produit livré ni d'un déploiement réel. Les taux de succès modestes en manipulation dextre et mobile en témoignent. Les prochaines étapes probables concernent la réduction de la latence, des modèles plus légers pour la boucle de contrôle et une meilleure génération de références de mouvement.

Impact France/UE

Pas d\'impact direct sur la France/UE

Dans nos dossiers

NVIDIA GR00T Physical Intelligence — π0 arXiv cs.RO

À lire aussi

1arXiv cs.RO

PhysCaP : ancrer un agent de code-comme-politique par exploration guidée par la physique

Des chercheurs ont présenté PhysCaP, un agent « code-as-policy » pour la manipulation robotique, dans un article publié sur arXiv (2608.21031) accompagné d'une page projet à physcap.github.io. Contrairement aux politiques vision-langage-action qui imitent des démonstrations par observation passive, PhysCaP ajoute une couche d'exploration physique permettant au robot de chercher activement l'information par l'interaction, grâce à des modules d'extraction sans capteur additionnel qui estiment la masse et la rigidité des objets à partir de la seule proprioception du bras. Son architecture combine un Planner, qui décide quand explorer et quand s'arrêter, et un Prioritizer, qui filtre les interactions peu plausibles et classe les autres selon un score de priorité heuristique. Les auteurs l'ont testé sur des tâches réelles de manipulation sur table (recherche d'objets cachés, détection de canettes vides, repérage d'avocats mûrs) ainsi que sur une tâche simulée dans l'environnement LIBERO. Les approches passives échouent dès que la propriété physique déterminante reste invisible à la caméra, tandis que les méthodes interactives naïves multiplient les manipulations inutiles: PhysCaP obtient des performances comparables avec moins d'interactions et un temps d'exécution réduit. Pour les intégrateurs qui travaillent avec des modèles VLA comme Pi-0 (Physical Intelligence), GR00T N2 (NVIDIA) ou Helix (Figure AI), ce résultat pointe une limite connue de l'imitation pure: elle ne suffit pas quand la tâche dépend de propriétés cachées comme le poids ou la texture d'un objet, ce qui nuance l'idée que le sim-to-real ou l'apprentissage par démonstration seuls résolvent la perception robotique générale. Une couche d'exploration physique ciblée, plutôt qu'une exploration exhaustive coûteuse en temps de cycle, pourrait ainsi devenir un composant utile des piles de perception active pour le tri, le contrôle qualité ou la préhension en environnement non structuré. Ce travail s'inscrit dans la lignée des approches combinant grands modèles et génération de code de politique robotique, un axe distinct des politiques VLA de bout en bout qui dominent la communication du secteur. Il s'agit d'une contribution de recherche académique et non d'un produit commercial ou d'un déploiement industriel: les auteurs valident leurs modules par des études d'ablation et mettent code et démonstrations à disposition sur la page projet, sans partenaire industriel, pilote annoncé ni calendrier de commercialisation à ce stade.

RecherchePaper

1 source

2arXiv cs.RO

La pratique fait la politique : construire et consolider des capacités robotiques sans démonstration humaine

HERO (Heuristic-Exemplar-Reflexive Orchestration) est un cadre robotique proposé dans un article arXiv publié fin juillet 2026, conçu pour permettre à un bras ou un robot manipulateur d'apprendre des tâches de manipulation sans aucune démonstration humaine préalable. Le système combine trois mécanismes dans une architecture hiérarchique unifiée : un raisonnement heuristique pour explorer et amorcer de nouvelles tâches, une réutilisation d'exemplaires pour transférer rapidement des comportements déjà appris à des situations similaires, et une exécution réflexive qui corrige les erreurs en temps réel pendant l'interaction physique. L'idée centrale est que le robot collecte lui-même ses données d'entraînement en agissant dans l'environnement, puis consolide progressivement les interactions récurrentes en politiques visuomotrices en boucle fermée, c'est-à-dire des comportements appris directement à partir des flux caméra et capteurs, sans supervision humaine continue. Les auteurs rapportent, via des expériences étendues, une réduction substantielle de l'intervention humaine lors de la collecte de données, avec une manipulation jugée robuste sur des tâches variées. L'intérêt pour l'industrie tient au problème que HERO cherche à résoudre : la plupart des systèmes de manipulation robotique actuels apprennent des compétences figées, calibrées pour une tâche ou un environnement précis, et ne s'améliorent pas de façon autonome au fil de l'usage réel. Un mécanisme qui transforme l'expérience accumulée en capacités réutilisables, sans démonstrations humaines coûteuses à collecter, s'attaque directement au goulot d'étranglement des données qui freine le déploiement à grande échelle des politiques de type VLA (vision-language-action) chez les intégrateurs et fabricants de robots généralistes. Ce travail s'inscrit dans une lignée de recherche plus large sur l'auto-amélioration des agents incarnés, où plusieurs laboratoires explorent des boucles fermées entre collecte de données, entraînement de politiques et exécution. Il s'agit ici d'une publication de recherche, pas d'un produit commercialisé ni d'un déploiement industriel documenté : les résultats proviennent d'expériences en laboratoire, et l'article ne précise ni le matériel utilisé ni de comparaison chiffrée avec des systèmes concurrents nommés.

RecherchePaper

1 source

3arXiv cs.RO

Ce qui compte dans l'orchestration des politiques robotiques : étude systématique des agents VLA hiérarchiques

Une équipe de chercheurs a publié en juin 2026 sur arXiv (réf. 2606.10267) une étude systématique des architectures hiérarchiques VLA, désignées Hi-VLA, pour la manipulation robotique. Ces systèmes couplent un planificateur de haut niveau basé sur un grand modèle vision-langage (VLM) avec un contrôleur bas niveau de type VLA (vision-language-action) : le planificateur décompose une tâche complexe en sous-objectifs formulés en langage naturel, que le contrôleur exécute séquentiellement. Les auteurs unifient plusieurs architectures Hi-VLA existantes sous un cadre commun dit « options-style » et les évaluent sur trois familles de tâches : courte horizon, longue horizon et à forte charge de raisonnement. Les expériences combinent simulation et validation physique sur un robot ALOHA, le manipulateur bimanuel développé initialement par Stanford et repris par Google DeepMind. Ce travail comble un manque réel dans la littérature : jusqu'ici, les systèmes Hi-VLA divergeaient dans leurs choix de planificateurs, de contrôleurs, de mécanismes de transition et de représentation mémoire, sans base de comparaison commune. Les résultats montrent qu'une hiérarchie bien conçue surpasse clairement le contrôle VLA plat (non-hiérarchique) ainsi qu'une hiérarchie naïve, ce qui valide empiriquement l'approche mais souligne que les gains dépendent fortement des interfaces entre niveaux et du choix des modèles. Pour les intégrateurs industriels qui explorent les VLA comme Pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA), ces principes de conception fournissent un cadre d'arbitrage concret entre flexibilité de planification et précision de contrôle. L'article s'inscrit dans une dynamique de consolidation méthodologique qui suit une période d'expérimentation empirique rapide. Depuis 2023-2024, des systèmes comme SayCan (Google), RoboCat (DeepMind) ou les architectures de Physical Intelligence ont démontré la faisabilité des VLA à grande échelle, mais les recettes de design restaient opaques. Les concurrents directs sur le segment de la planification hiérarchique incluent des travaux comme Code-as-Policies ou Voyager. La prochaine étape naturelle sera l'extension de ces principes à des environnements non structurés hors laboratoire ; le site du projet (jiahenghu.github.io/hi-vla) propose des vidéos de démonstration, mais aucun déploiement industriel n'est annoncé à ce stade.

RechercheOpinion

1 source

4arXiv cs.RO

CAPABLE : adaptation de politique selon les capacités par encodage latent comportemental

Des chercheurs proposent CAPABLE (Capability-Aware Policy Adaptation via Behavioral Latent Encoding), un cadre d'adaptation destiné aux politiques vision-langage-action (VLA) gelées confrontées à une panne d'articulation. Une VLA suppose l'embodiment sur lequel elle a été entraînée, et peut échouer quand un défaut modifie la manière dont les commandes sont exécutées physiquement. CAPABLE infère en ligne la « capacité » de chaque joint, c'est-à-dire la part du mouvement commandé réellement réalisée et sa contribution au comportement de l'effecteur. Il s'appuie sur l'historique commande-réponse et la cinématique, avec un encodeur temporel partagé entre les joints, un ancrage par la jacobienne, une attention inter-joints et une prédiction physique auto-supervisée. Cette représentation conditionne une politique résiduelle, entraînée par apprentissage par renforcement, qui ajoute des corrections bornées à l'action du bras produite par la VLA, sans étiquette de panne ni identifiant du joint défaillant. Sur 28 tâches LIBERO, le taux de réussite avec un actionneur exclu de l'entraînement aux pannes passe de 24,8 % à 59,3 %. Le gain est de 17,4 points face à une base de référence à historique global de même nombre de paramètres, sans dégrader les performances à l'état sain. Des expériences « leave-one-actuator-out » sur six joints montrent que le transfert ne dépend pas d'un actionneur particulier. Des évaluations complémentaires portent sur des familles de pannes inédites, ainsi qu'une démonstration de récupération sur un Franka Panda réel. L'intérêt tient à la méthode. La plupart des approches de récupération sur panne exigent un réentraînement par tâche, des étiquettes de défaut, un diagnostic explicite ou des informations privilégiées sur l'embodiment, ce qui les rend peu praticables en exploitation. Ici, la VLA reste figée et seule une couche résiduelle légère s'adapte, ce qui préserve l'investissement dans un modèle de fondation. Pour un intégrateur ou un exploitant de flotte, la dégradation d'un actionneur (usure, jeu, couple réduit) est un cas courant, et une robustesse sans maintenance du modèle serait précieuse. Les résultats appellent toutefois à la prudence. Un taux de 59,3 % reste loin d'une fiabilité industrielle, et le gain est mesuré en simulation sur LIBERO, un banc d'essai de manipulation sur table. La validation physique se limite à une démonstration sur un seul bras, sans statistiques annoncées. Le résultat montre surtout que l'inférence de capacité à partir de l'historique de mouvement généralise entre articulations, pas que le problème est résolu. Ce travail s'inscrit dans le constat que les VLA actuelles sont entraînées sur un embodiment supposé intact. Elles ont progressé en généralisation sémantique et en tâches, mais restent fragiles face à un changement de dynamique du robot lui-même. Les approches voisines relèvent de l'adaptation en ligne, de l'identification de système et de la randomisation de domaine, souvent avec des étiquettes ou un réentraînement. CAPABLE se positionne comme un adaptateur modulaire, compatible avec une VLA gelée. La suite logique serait de tester d'autres plateformes, des pannes combinées et des tâches longues, avec davantage d'essais réels. Le code et les démonstrations sont annoncés sur la page du projet, capable-vla.github.io. Il s'agit d'un preprint arXiv (v1), non encore évalué par les pairs.

UEPas d\'impact direct sur la France/UE

RecherchePaper

1 source