Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
MorphAct : des politiques robotiques qui s'adaptent aux mondes dans lesquels elles agissent
RecherchearXiv cs.RO 

MorphAct : des politiques robotiques qui s'adaptent aux mondes dans lesquels elles agissent

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

MorphAct, décrit dans un preprint arXiv (2610.20019), est un cadre de paramétrisation contextuelle pour les politiques robotiques de type VLA (vision-langage-action). Ses auteurs partent d'un constat: les politiques actuelles utilisent des paramètres partagés et figés quel que soit le contexte d'interaction. Leurs diagnostics sur des tâches atomiques montrent que les directions de mise à jour s'opposent, aussi bien dans les paramètres vision-langage que dans ceux d'action. Une mise à jour qui améliore une tâche source augmente alors la perte sur d'autres tâches. MorphAct répond avec deux générateurs couplés qui produisent, selon le contexte, des mises à jour de bas rang (de type LoRA) pour le module vision-langage et pour le module d'action. Les mises à jour vision-langage façonnent les représentations qui conditionnent la génération des paramètres côté action. L'entraînement est conjoint, via l'objectif d'action natif, sans étiquettes d'opération ni adaptateurs experts pré-entraînés. Les auteurs annoncent des gains allant jusqu'à 16,30 % sur trois backbones VLA, évalués sur LIBERO et Meta-World. En conditions réelles, le gain atteint 14 % par rapport à π0.5.

L'intérêt porte sur un problème bien identifié: l'interférence entre tâches quand une seule politique généraliste doit absorber des comportements hétérogènes. Si les résultats se confirment, une partie de l'écart entre démonstration et fiabilité en production viendrait de cette rigidité des poids, et pas seulement du volume de données. L'approche évite aussi d'annoter les opérations ou de maintenir une bibliothèque d'adaptateurs par tâche, ce qui simplifierait le passage à l'échelle pour les intégrateurs. Il faut toutefois rester prudent. LIBERO et Meta-World sont des benchmarks de simulation largement saturés, et le chiffre « jusqu'à » 16,30 % est un maximum, pas une moyenne. L'évaluation réelle n'est décrite que par un gain de 14 % sur π0.5, sans précision, dans le résumé, sur le nombre de tâches, d'essais ou de robots. Le surcoût en calcul et en latence de la génération de paramètres n'est pas non plus chiffré.

Ce travail s'inscrit dans la lignée des hyperréseaux et des adaptateurs LoRA, et dans celle des politiques généralistes comme π0.5 de Physical Intelligence. La question de la spécialisation dynamique face à un modèle unique figé reste ouverte dans le secteur. Il s'agit d'un preprint académique, sans annonce de déploiement ni de produit. Les prochaines étapes seront une réplication indépendante, des tests sur des tâches longues et un chiffrage du coût d'inférence.

Dans nos dossiers

IA physique & VLAPhysical Intelligence — π0arXiv cs.RO

À lire aussi

LIBERO-MAX : les politiques robotiques s'adaptent-elles quand le monde change ?
1arXiv cs.RO 

LIBERO-MAX : les politiques robotiques s'adaptent-elles quand le monde change ?

LIBERO-MAX est un nouveau benchmark de simulation, présenté sur arXiv, qui teste ce que les politiques robotiques font lorsque la scène change en plein milieu d'une tâche. Il comprend 8 000 cas appariés couvrant huit types de changements: géométrie, observations, apparence, encombrement et trajectoires. Chaque paire compare l'exécution d'une même tâche avec et sans événement en cours de route, en gardant identiques la tâche, l'état initial, la graine de la politique et la séquence d'actions précédant l'événement. Quatorze politiques récentes ont été évaluées, de type VLA (vision-langage-action), hybrides et « world-action ». L'événement fait chuter leur taux de succès de 11,0 à 25,7 points de pourcentage. Les auteurs testent aussi des contrôles de caméra et une variation de la cadence de requête à la politique, et aucun des deux ne supprime l'écart. Le protocole apparié isole les régressions réellement causées par l'événement des échecs qui existeraient de toute façon sans changement. Pour un intégrateur ou un responsable industriel, c'est un point de méthode important. Beaucoup de benchmarks de robustesse en simulation fixent les conditions externes au moment du reset, alors qu'en atelier une cible se déplace, une caméra est décalée ou un obstacle apparaît pendant l'exécution. Les résultats montrent des vulnérabilités communes face aux changements de géométrie et d'observation, tandis que les classements par famille de politiques s'entremêlent. Aucune architecture ne domine donc clairement. Les contrôles de caméra indiquent que la robustesse dépend à la fois de la compétence dans les nouvelles conditions et de la trajectoire suivie jusque-là, puisque les actions déjà engagées reflètent l'ancienne scène. Réduire l'intervalle entre les requêtes ne règle pas le problème. Il s'agit d'un résultat en simulation uniquement, sans validation sur robot réel, et les valeurs par modèle ne figurent pas dans le résumé. LIBERO-MAX prolonge la famille de benchmarks LIBERO, devenue une référence pour comparer les VLA en manipulation. Ces benchmarks évaluent le plus souvent des scènes statiques après le reset, et les scores élevés qui en résultent peuvent masquer une fragilité temporelle. Le travail s'inscrit dans un mouvement plus large de mesure de la robustesse des modèles de type Pi-0, GR00T ou Helix, dont les démonstrations sont rarement accompagnées de perturbations en cours de tâche. Les auteurs le présentent comme un banc d'essai reproductible pour diagnostiquer ces échecs et mesurer les progrès. La suite logique sera son adoption par d'autres laboratoires, puis des versions physiques ou des entraînements ciblés sur ces perturbations, mais aucune échéance n'est annoncée.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Au-delà de la reconstruction : qu'est-ce qui compte dans la tokenisation d'actions pour les politiques robotiques ?
2arXiv cs.RO 

Au-delà de la reconstruction : qu'est-ce qui compte dans la tokenisation d'actions pour les politiques robotiques ?

Les politiques robotiques autorégressives, dont les modèles vision-langage-action (VLA), convertissent des séquences de tokens discrets en commandes continues grâce à un « tokenizer » d'actions. Une équipe de chercheurs publie sur arXiv (2610.09170) ProAct, pour Predictable and Robust Action Tokenization, une méthode d'entraînement de ces tokenizers. Elle ne dépend d'aucune politique particulière et n'utilise que des jeux de données d'actions. Testée sur les benchmarks Robomimic, LIBERO et RoboTwin, avec plusieurs architectures de tokenizers, elle améliore le taux de réussite en rollout de 11,3 points de pourcentage en moyenne. Le gain atteint 21,8 points sur des VLA et 36,7 points en manipulation robotique réelle. Les résumés de ce type ne précisent pas toujours les tâches, les robots ou le nombre d'essais physiques. Il faudra donc lire l'article complet pour juger de la robustesse de ces chiffres. La plupart des tokenizers apprennent la correspondance entre tokens et actions par un objectif de reconstruction. Les auteurs montrent qu'une reconstruction suffisamment fidèle ne garantit pas une bonne politique. Deux autres propriétés comptent. La politique doit prédire les bons tokens face à des observations nouvelles. Et les tokens qu'elle prédit sans les avoir vus à l'entraînement doivent quand même se décoder en actions plausibles. Ni l'une ni l'autre n'est favorisée par la seule reconstruction. ProAct complète donc celle-ci pour améliorer la prévisibilité et la robustesse. Pour les équipes qui construisent des VLA, le message est concret : le tokenizer n'est pas un simple module de compression. C'est une interface de conception à part entière, qui doit équilibrer fidélité, prévisibilité et robustesse. Le gain le plus marqué en conditions réelles suggère aussi qu'une partie de l'écart entre démonstration et déploiement pourrait venir de ce maillon, et pas seulement de la taille des modèles ou du volume de données. Ce travail s'inscrit dans le courant des politiques qui discrétisent les actions pour réutiliser les architectures de modèles de langage, comme l'approche de tokenisation par compression popularisée avec les modèles de type Pi-0-FAST. Il rejoint les critiques sur les méthodes qui jugent un tokenizer à sa seule erreur de reconstruction. Le fait que ProAct soit indépendant de la politique et n'utilise que des données d'actions facilite son intégration dans des pipelines existants, sans réentraîner l'ensemble de la pile. Les concurrents sont les approches continues, notamment par diffusion ou flow matching, qui évitent la tokenisation. Aucun pilote industriel ni calendrier de publication de code n'est mentionné dans le résumé. Il s'agit pour l'instant d'une preuve de concept académique, dont l'adoption dépendra de la reproductibilité des résultats par d'autres laboratoires.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
3arXiv cs.RO 

Adaptation efficace au moment du test pour les politiques de robots

Des chercheurs proposent TEMPO, une méthode d'adaptation au moment du test (test-time adaptation, TTA) pour les politiques de locomotion issues de l'apprentissage par renforcement. Le principe est d'ajuster une politique déjà entraînée pendant son exécution, de manière auto-supervisée et sans accès à la récompense. Le point de départ est une base légère qui ne met à jour que l'acteur et utilise un critique gelé comme indicateur de performance. TEMPO ajoute deux mécanismes. Un régularisateur d'entropie sur la distribution prédictive du critique limite les extrapolations trop confiantes. Une mémoire à score, inspirée du prioritized replay, retient en priorité les observations de faible valeur, jugées difficiles, et les rééchantillonne par importance pour concentrer le calcul limité sur les conditions les plus informatives. Les tests portent sur trois robots (Go1, Go2 et l'humanoïde G1) dans MuJoCo Playground, avec quatre types de décalage et plusieurs architectures. Les gains sont constants et vont jusqu'à 80 % dans un cadre mono-appareil. Une validation physique a été faite sur un Unitree Go2 muni d'une charge au mollet, avec une adaptation entièrement embarquée. Les politiques de locomotion apprises échouent souvent quand le terrain devient glissant ou accidenté, quand la charge change ou que les capteurs se dégradent. Réentraîner ou recalibrer à la main n'est guère possible sur site, et les contraintes de latence et de mémoire embarquée sont réelles. Ces travaux visent donc un manque pratique : corriger une politique sans récompense ni retour en simulation. Il faut toutefois tempérer. Le chiffre de 80 % est un maximum, et l'article ne donne ni la valeur de la charge ni le nombre d'épisodes réels. Le résultat reste un résultat de laboratoire, pas un déploiement. L'adaptation en ligne est un sujet ancien en robotique, entre randomisation de domaine, identification de système en ligne et méta-apprentissage. TEMPO s'en distingue par son coût réduit et son absence de signal de récompense. Les prochaines étapes naturelles seraient des charges plus lourdes, des terrains variés, des mesures de consommation et de latence sur matériel réel, et l'extension aux humanoïdes, que l'étude n'a validée qu'en simulation.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
Les politiques robotiques compactes exigent des représentations visuelles fines
4arXiv cs.RO 

Les politiques robotiques compactes exigent des représentations visuelles fines

Des chercheurs proposent CoRP (Compressed Representation Policy), une politique de manipulation multi-tâches volontairement compacte: 48,9 millions de paramètres, sans modèle vision-langage ni prior génératif vidéo. Elle sépare un extracteur de représentation d'un générateur d'actions par flow matching. Elle atteint 97,0 % de réussite sur LIBERO et 75,78 % (Clean) et 73,36 % (Randomized) sur RoboTwin 2.0, soit des scores comparables à ceux de systèmes 40,9 à 163,6 fois plus gros. Il s'agit de résultats de benchmarks en simulation, publiés sous forme de préprint arXiv, sans déploiement réel annoncé. Les auteurs fixent ensuite le générateur d'actions et font varier une seule propriété de l'extracteur à la fois. Un ViT-S/14 initialisé aléatoirement tombe à 78,1 % sur LIBERO, un ResNet-34 pré-entraîné sur ImageNet à 74,5 %, et geler l'encodeur coûte 19,8 points. Rééchantillonner chaque vue à 48 tokens bat le passage de tous les tokens de patchs (97,0 % contre 83,2 %). Le résultat remet en cause une lecture courante du secteur: les gains des VLA (vision-language-action) viendraient surtout de l'échelle ou des priors génératifs. Faute de comparaisons contrôlées, les publications mélangent architecture, taille et pré-entraînement, et ne permettent pas d'isoler ce qui compte. Ici, la représentation visuelle serait le facteur dominant: pré-entraînée, adaptée à la tâche et compressée. Pour un intégrateur ou un décideur, la portée est pratique: une politique de moins de 50 M de paramètres peut tourner sur du matériel embarqué modeste, avec une latence et un coût d'inférence bien plus faibles que des modèles de plusieurs milliards de paramètres. Deux résultats nuancent toutefois cette idée. Un goulot d'information variationnel est pire qu'un budget dur de tokens: il fait chuter LIBERO-Goal de 95,8 % à 33,0 %, car il supprime la sélection de tokens dépendante de l'instruction. Le langage n'aide que si l'observation laisse le but ambigu (LIBERO-Goal passe de 9,2 % à 95,8 %), alors que sur RoboTwin 2.0 sa suppression améliore légèrement le succès. Ce travail s'inscrit dans la course aux grands VLA (Pi-0, GR00T, Helix, entre autres), qui misent sur des backbones vision-langage massifs ou des priors vidéo. CoRP défend la voie inverse, celle de la politique frugale, et ajoute un argument d'ablation à un débat encore ouvert. Les limites sont claires: LIBERO est déjà proche de la saturation, RoboTwin 2.0 reste simulé, et rien ne dit que ces conclusions tiennent sur des tâches longues, du matériel varié ou des environnements industriels non structurés. La suite logique est une validation sur robots réels et la comparaison avec des modèles de grande taille dans les mêmes conditions. Une page projet est disponible à l'adresse corp-policy.github.io.

UEUne politique de manipulation de moins de 50 M de paramètres, validée uniquement en simulation, pourrait à terme permettre aux intégrateurs européens de robots industriels (KUKA, ABB, Universal Robots, Festo) d'embarquer l'IA sur du matériel modeste avec un coût d'inférence réduit, mais sans déploiement réel annoncé l'impact reste prospectif.

RecherchePaper
1 source