Des chercheurs présentent VioLA, une politique de contrôle généraliste pour robots humanoïdes qui s'attaque à deux limites bien connues du domaine : la complexité de l'espace d'actions articulaires, où jambes, bras et doigts doivent se coordonner en permanence pour maintenir l'équilibre, et la rareté des démonstrations réalisées par téléopération, qui obligent habituellement à ré-entraîner chaque tâche avant déploiement.
L'idée centrale consiste à changer ce que la politique prédit : au lieu de générer directement des commandes articulaires, VioLA produit des représentations latentes du mouvement du corps et des mains. Des contrôleurs pré-entraînés se chargent ensuite de traduire ces latents en commandes concrètes sur le robot. Des encodeurs de mouvement projettent à la fois les démonstrations humaines et robotiques dans ce même espace latent, ce qui permet d'étiqueter automatiquement un enregistrement d'humain dans l'espace d'actions du robot, sans passer par la téléopération.
Cette approche ouvre l'accès à un bassin de données bien plus vaste : le jeu d'entraînement comprend 140,6 millions d'images, dont 93,2% proviennent de mouvements humains et non de démonstrations robotiques. Les résultats rapportés sont nets : sur des tâches de locomotion exécutées en zéro-shot sur un robot réel, VioLA atteint 100% de réussite, contre 16,7% pour GR00T N1.7 et 0% pour Ψ0. Sur des tâches de manipulation, toujours sans ajustement spécifique, le taux de réussite atteint 88,6%.
Les auteurs indiquent que la méthode fonctionne avec deux architectures de type vision-langage-action ainsi qu'avec un modèle monde-action, ce qui suggère une certaine généralité de l'approche au-delà d'une seule architecture. Le code et les poids du modèle doivent être publiés, ce qui permettra à la communauté de vérifier ces résultats et d'évaluer leur robustesse sur d'autres plateformes humanoïdes. Si ces performances se confirment à plus grande échelle, l'exploitation de données humaines non téléopérées pourrait réduire significativement le coût de collecte de données qui freine aujourd'hui le déploiement de robots généralistes.