Vla
Fellow suit ce sujet depuis juillet 2026 : 18 articles résumés en français, dont 5 jugés majeurs ou notables.
Toute l'actualité · 18 articles
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.
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.
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.
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.
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.
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.
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.
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.
DynaHarness : un harnais physique dynamique pour des agents robotiques auto-évolutifs
Un système couplant raisonnement sémantique et exécution physique permet à des robots de corriger leurs échecs et d'améliorer leurs capacités en continu.
GeoAAC : action chunking adaptatif par géométrie pour VLA
Une méthode ajuste dynamiquement l'horizon d'action des politiques VLA via la géométrie des trajectoires de débruitage.
rMuscle : mémoire motrice pour l'inférence VLA efficiente
Un framework exploitant les similarités des tâches robotiques pour accélérer l'inférence des modèles Vision-Language-Action.
BATON : exploration agentique par sous-tâches et mémoire de transitions pour la manipulation robotique longue durée
Un cadre qui combine agent LLM et modèles VLA pour décomposer les tâches robotiques complexes et éviter la propagation d'erreurs entre étapes.
HAF : adapter des VLA généralistes aux humanoïdes via flux d'action hiérarchique et RL latent spectral
Un nouveau framework découpe la génération d'actions en étapes séquentielles pour permettre aux robots humanoïdes de coordonner locomotion et manipulation.
WCM : un World Critic Model pour le RL Vision-Language-Action
Le WCM corrige l'estimation de valeur dans le RL robotique en modélisant explicitement la dynamique temporelle.
DLAM : actions latentes distributionnelles avec contraintes temporelles pour les modèles VLA
Une nouvelle méthode modélise les transitions latentes comme des gaussiennes pour améliorer l'apprentissage à partir de vidéos sans étiquettes d'action.
Combler l'écart labo-magasin : un framework VLA pour robots humanoïdes en distribution
DEED optimise le post-entraînement de robots humanoïdes VLA pour un réapprovisionnement fiable en supermarché, avec un seul GPU.