Robotique
Fellow suit ce sujet depuis juillet 2026 : 148 articles résumés en français, dont 41 jugés majeurs ou notables.
Toute l'actualité · 148 articles
Utiliser des agents IA pour apprendre à marcher en simulation à des robots comme Microduck
NVIDIA détaille comment des agents IA peuvent aider à enseigner la marche à un robot en simulation, de la création des assets à l'entraînement et à l'évaluation, pour franchir un parcours d'obstacles.
Alignement sensorimoteur : un proxy platonicien pour prédire le succès des politiques incarnées
Une métrique hors ligne sans entraînement, S², mesure l'alignement entre représentations sensorielles et géométrie du mouvement physique, et corrèle avec le succès des robots.
Agents incarnés multimodaux : une perspective unifiée centrée sur les capacités, du computer-use au robot-use
Un papier propose PAPAV, un cadre en cinq fonctions pour comparer agents multimodaux et systèmes robotiques, et note que peu de benchmarks évaluent Anticipate et Verify.
AtomicRL : apprentissage par renforcement atomique pour la manipulation robotique à long horizon
Un framework de post-entraînement RL exploite la structure de tâches atomiques pour améliorer l'attribution du crédit et l'exploration des politiques VLA, avec un pipeline Real2Sim2Real vers les robots physiques.
SimReady Central : une bibliothèque ouverte d'assets 3D prêts pour la simulation en robotique et AI factories
NVIDIA publie sur Hugging Face plus de 2 000 assets OpenUSD SimReady, gratuits et sans accès restreint, pour l'entraînement en physical AI et les jumeaux numériques d'AI factories.
Apprendre des compétences dextres adaptables par imitation hybride (Hybrid Dexterous Mimicking)
AdaDex transforme une seule trajectoire main-objet de quelques secondes en compétence dextre adaptable, en combinant suivi de mouvement et généralisation par reinforcement learning.
UniWALM : un modèle unifié monde-action-langage pour le contrôle de robots incarnés
UniWALM apprend vidéo, action et langage dans une représentation partagée unique, et utilise le langage généré comme mémoire pour améliorer la manipulation robotique, sans planificateur externe.
Industrial ReMEmbR : étendre la mémoire spatiotemporelle aux flottes de robots
Des chercheurs proposent IndustrialRemembr, une mémoire spatiotemporelle partagée pour flottes de robots d'entrepôt, qui ne génère les descriptions de scène qu'à la demande pour réduire la charge serveur.
CoopUQ : navigation sociale multi-robots robuste par prévision coopérative sensible à l'incertitude
Un framework couple prévision coopérative d'occupation et apprentissage par renforcement multi-agents sous contraintes pour fiabiliser la navigation de robots parmi les humains, y compris hors distribution.
D'où vient la capacité de RSI physique ? Une loi d'échelle observationnelle des LLM utilisés comme politiques
Des chercheurs introduisent PhysRSI-eval, une métrique à cinq axes pour mesurer l'auto-amélioration récursive physique de VLM agents sur 18 tâches de manipulation, et proposent l'hypothèse du « Physical Barrel ».
Un labo d'IA propose gratuitement plomberie et chauffage-climatisation pour entraîner des robots
Dans trois villes, un laboratoire d'IA offre des réparations gratuites. Des capteurs portés par les techniciens filment les interventions afin de constituer des données d'entraînement pour la robotique.
REKI : enregistrer la connaissance dans les VLA avec une mémoire à tokens de registre
Kyutai et l'Inria présentent REKI, un VLA de 2,4B de paramètres entraîné sur données publiques, doté d'une mémoire peu coûteuse, avec code et poids publiés.
Self-Building Labs : des laboratoires qui conçoivent et configurent eux-mêmes leur installation
Des chercheurs présentent le self-building laboratory (SBL), un laboratoire qui conçoit, configure et exploite son propre dispositif à partir d'un objectif scientifique de haut niveau.
LIBERO-PeRM : un benchmark pour la manipulation robotique personnalisée
Un nouveau benchmark dissocie la réussite de la tâche et le respect des préférences utilisateur chez les robots, avec 312 tâches en simulation construites sur LIBERO.
T2-z : optimisation à l'inférence de latents d'environnement pour les world models robotiques
T2-Z ajoute à un world model robotique un latent d'environnement optimisé au moment du test, ce qui réduit l'erreur de prédiction d'objets de 15,20 à 7,00 et porte le succès des actions de 33,73 % à 72,96 %.
CoDA : co-évolution des moteurs de données et des politiques d'action en robotique
Un framework fait co-évoluer un moteur de simulation générative et une politique d'action via une mémoire partagée, avec des gains marqués en généralisation hors distribution.
Dextérité par le jeu supervisé : apprendre la manipulation fine à partir de play humain
DSP apprend une politique de jeu à partir de quelques minutes de play humain, collecte seule des heures de données et entraîne un world model pour la manipulation dextre.
Modéliser et comprendre les poids des politiques de robots humanoïdes par diffusion
Des chercheurs génèrent directement dans l'espace des poids des réseaux de contrôle déployables pour le robot Unitree G1, grâce à un modèle de diffusion latente.
Apprentissage de politiques résiduelles hiérarchiques pour la manipulation mobile réelle avec guidage humain parcimonieux
HiRe-MoMa affine une politique de base figée pour la manipulation mobile : environ 30 minutes d'interaction en ligne sur le robot TIAGo++ suffisent à améliorer les performances.
PhySGA : un framework agentique ancré dans l'espace physique pour la composition 3D généralisable et interactive
Des chercheurs proposent PhySGA, un framework d'agents couplé à la simulation physique pour assembler des objets rigides, articulés et déformables, y compris accrochage et confinement caché.
Dyna-2 : des agents physiques généralistes à l'autonomie d'une heure — Jason Ma, Dyna Robotics
Dyna Robotics présente Dyna-2, un world-action model entraîné sur un million d'heures de vidéo humaine, et Dyna-2.1, un robot qui plie des serviettes 24 heures d'affilée avec 99,4 % de réussite.
ChunkAct : l'action chunking appliqué à la robotique agentique
ChunkAct regroupe des primitives enchaînées en blocs exécutés sans appel LLM intermédiaire : +5,0 points de réussite sur LIBERO-Pro avec 2,9x moins d'appels LLM.
Cepheid : dissocier l'échelle et la structure pour la complétion de mouvement inter-familles
Un modèle unifié reconstruit le mouvement dense d'un maillage à partir de déplacements épars de sommets et surpasse l'extension harmonique sur toutes les familles de géométries évaluées.
Préentraînement VLA sensible à la qualité : un benchmark et une étude empirique
Une étude compare pondération, filtrage et conditionnement selon la qualité des démonstrations pour le préentraînement VLA, et introduit AXIS-Bench, un benchmark de démonstrations simulées.
LIBERO-RIG : un benchmark de robustesse au matériel pour les modèles vision-langage-action
Un nouveau benchmark perturbe uniquement le matériel et la configuration du robot : le taux de succès moyen de neuf modèles VLA chute de 0,932 à 0,509 à sévérité maximale.
Qui améliore le robot ? Vers l'auto-amélioration récursive physique
Une étude définit l'auto-amélioration récursive physique des robots, propose un cadre L0-L5 et constate que la littérature existante n'en apporte pas encore de démonstration.
RoboSimStudio : un toolkit interactif pour le Real2Sim rapide des tâches de manipulation robotique
Ce toolkit rend explicites et modifiables le solveur, le modèle de contact et les paramètres physiques, afin que humains et agents de code affinent itérativement les simulations de manipulation.
DishwasherBench : les modèles de pointe savent-ils remplir un lave-vaisselle ?
Composo publie en version 0.1.0 un benchmark de chargement de lave-vaisselle sur simulation physique d'une machine Bosch réelle, jouable dans le navigateur et par des modèles via MCP.
5 étapes pour créer des assets SimReady pour la robotique avec des modèles d'IA de pointe
NVIDIA détaille un workflow structuré pour convertir et valider des assets CAD en OpenUSD, via les bibliothèques Omniverse, les spécifications SimReady Foundation et des skills agentiques.
Un régime de données équilibré : lever le goulot d'exploration du RL à très grande échelle pour le contrôle de robots
Success Guided Sampling (SGS) concentre l'entraînement RL sur la frontière des capacités de la politique et rend exploitable le scaling jusqu'à plus d'un million d'environnements parallèles.
CSF : filtrage de sécurité contextuel pour les générateurs de mouvement
Un filtre sans entraînement ancre des règles de sécurité en langage naturel dans des trajectoires de référence et réduit jusqu'à 90 % les événements dangereux, validé sur un robot Unitree G1.
VioLA : apprendre des politiques de contrôle humanoïde généralistes à partir de données humaines
En prédisant des latents de mouvement plutôt que des commandes articulaires, VioLA exploite 140,6 M de frames dont 93,2 % humaines et suit des instructions de locomotion en zero-shot sur un robot réel.
FAITH : RL filtré pour la sécurité et conscient de la faisabilité, pour systèmes à haute dimension
Un framework model-free sépare sécurité et performance via un filtre d'actions appris, et atteint 99,95 % de sécurité sur un humanoïde à 29 DoF, testé sur un Unitree G1 réel.
RoboRSI : auto-évolution stable, efficace et réutilisable des robots en environnements réels complexes
Un système d'auto-amélioration pour robots structure l'expérience par compétences hiérarchiques et valide chaque révision avant réutilisation, avec des gains sur LIBERO et RoboTwin.
Les percées de l'IA en robotique ne changeront pas votre vie de sitôt
Malgré les promesses spectaculaires de Tesla, Nvidia et les géants de la tech, les robots humanoïdes restent loin de l'adoption grand public. Analyse des écarts entre démonstrations virales et réalité industrielle.
NVIDIA forme des robots pour assembler ses superchips GB300
Comment NVIDIA a enseigné à des robots l'assemblage de plateaux de test pour ses puces Grace Blackwell, et ce que cela révèle sur l'apprentissage robotique et l'intelligence mécanique.
Ledger : une mémoire 3D persistante d'objets pour les assistants incarnés à partir de vidéos égocentriques
Des chercheurs proposent Ledger, un système de mémoire d'objets en 3D qui retient les emplacements et l'historique des objets dans des vidéos à la première personne, même après qu'ils ont quitté le champ de vision.
Long-WAM : étendre le contexte des modèles monde-action pour le contrôle robotique en temps réel
Un framework qui démontre que la pré-entraînement autorégressif permet d'exploiter efficacement de longues historiques visuelles pour la manipulation robotique, avec des gains de 15 points de succès sur RoboCasa GR-1.
Reformuler avant d'agir : caractériser et atténuer la sensibilité linguistique des modèles vision-langage-action
Les modèles VLA perdent la robustesse linguistique de leurs fondations VLM. Une simple reformulation d'instruction peut faire varier le taux de succès de plusieurs dizaines de points. Les auteurs proposent une méthode de réécriture zero-shot sans réentraînement.
RoboJEPA : des lois d'échelle pour les modèles de monde robotiques multi-embodiments
Des chercheurs établissent les premières lois d'échelle pour les modèles de monde robotiques entraînés sur données réelles, avec un modèle à 8 milliards de paramètres déployé zero-shot sur du matériel physique.
EmbodiedRSI : apprentissage continu robotique actif par co-évolution guidée par hypothèses
Un harness agentique auto-évolutif qui optimise l'exploration physique des robots via une architecture dual-système, atteignant 77% de réussite sur RoboCasa365 et transfert zero-shot vers le monde réel.
QF3 : un RL rapide pour politiques de flow avec gradients Q filtrés
Un nouvel algorithme off-policy accélère l'apprentissage par renforcement des politiques de flow, avec transfert zero-shot vers des robots humanoïdes réels.
DepthWorld : un modèle du monde en 3D pour la manipulation robotique
Un pipeline de calibration et un modèle de diffusion vidéo permettent de générer des rollouts RGB et profondeur géométriquement cohérents.
VeriFine : une vérification évolutive pour l'auto-amélioration en raisonnement incarné
Un framework où politique, curriculum et juge co-évoluent pour permettre l'auto-amélioration continue d'agents en robotique et conduite autonome.
EgoLAP : apprendre à partir de données humaines égocentriques via un raisonnement langage-action
Un nouveau framework VLA transforme les trajectoires humaines en langage d'action structuré pour mieux transférer les compétences aux robots.
RV-ICL : apprentissage vidéo en contexte récursif pour robots agentiques
Une méthode sans entraînement structure une vidéo de démonstration en hiérarchie navigable pour améliorer la précision des gestes robotiques.
Désentrelacement par blocs en CRL : relier identifiabilité et estimation visuelle d'état
Un cadre théorique allège les hypothèses nécessaires au causal representation learning et l'applique à l'estimation d'état robotique à partir d'images.
H-JEPA : apprentissage de bout en bout de modèles du monde hiérarchiques pour la planification visuelle
Une architecture JEPA hiérarchique améliore fortement la planification long-terme, avec un gain spectaculaire sur Visual AntMaze (18% → 73%).
EyeRobot 2.0 : regard actif pour une manipulation précise sans caméras au poignet
Un robot bimanuel fixe des points 3D comme un œil humain pour manipuler finement sans caméra de poignet, via RL hiérarchique.
Reconstruct, Practice, Go Real : auto-amélioration guidée pour agents incarnés
Un framework fait progresser des robots manipulateurs de 28,6% à 95% de réussite sans retoucher les poids du modèle, via simulation et skills symboliques.