EN DIRECT
OpenAI avance vers une définition rigoureuse du Modèle Standard sur réseau15/11/26 · OpenAI|Un modèle open-weight apprend à piloter des robots réels grâce à l'entraînement en simulation13/11/26|Une analyse forensique détecte des traces de GPU sous embargo dans des modèles chinois12/11/26|Google DeepMind dévoile Gemini 4 Hydrogen12/11/26 · Google DeepMind|AlphaGenome 2 : DeepMind affine son modèle pour décrypter l'ADN non-codant11/11/26 · Google DeepMind|Google DeepMind lance Gemini 4 Carbon10/11/26 · Google DeepMind|Google DeepMind dévoile AlphaProof Code pour la vérification formelle de logiciels10/11/26 · Google DeepMind|OpenAI lance un espace dédié aux entreprises dans ChatGPT10/11/26 · OpenAI|Anthropic lance la tournée de présentation pour son entrée en bourse10/11/26 · Anthropic|Une pétition réclame le retour de Jensen Huang à la tête de Nvidia16/11/26 · Nvidia|OpenAI renforce ses dispositifs contre l'exploitation sexuelle des enfants en ligne16/11/26 · OpenAI|OpenAI élargit l'accès gratuit à ChatGPT pour 200 000 chercheurs16/11/26 · OpenAI|OpenAI avance vers une définition rigoureuse du Modèle Standard sur réseau15/11/26 · OpenAI|Un modèle open-weight apprend à piloter des robots réels grâce à l'entraînement en simulation13/11/26|Une analyse forensique détecte des traces de GPU sous embargo dans des modèles chinois12/11/26|Google DeepMind dévoile Gemini 4 Hydrogen12/11/26 · Google DeepMind|AlphaGenome 2 : DeepMind affine son modèle pour décrypter l'ADN non-codant11/11/26 · Google DeepMind|Google DeepMind lance Gemini 4 Carbon10/11/26 · Google DeepMind|Google DeepMind dévoile AlphaProof Code pour la vérification formelle de logiciels10/11/26 · Google DeepMind|OpenAI lance un espace dédié aux entreprises dans ChatGPT10/11/26 · OpenAI|Anthropic lance la tournée de présentation pour son entrée en bourse10/11/26 · Anthropic|Une pétition réclame le retour de Jensen Huang à la tête de Nvidia16/11/26 · Nvidia|OpenAI renforce ses dispositifs contre l'exploitation sexuelle des enfants en ligne16/11/26 · OpenAI|OpenAI élargit l'accès gratuit à ChatGPT pour 200 000 chercheurs16/11/26 · OpenAI|
Recherche

Un modèle open-weight apprend à piloter des robots réels grâce à l'entraînement en simulation

Des chercheurs ont entraîné un modèle de raisonnement open-weight de 27 milliards de paramètres, uniquement en simulation et sans démonstrations, pour contrôler directement des robots réels, réduisant l'écart avec les modèles propriétaires de pointe.

13 novembre 20264 min de lecturePublié pararXiv

Le contrôle de robots par des agents généralistes (robot-use agents) reste aujourd'hui dominé par des modèles propriétaires de pointe, tandis que les modèles à poids ouverts accusent un retard sensible en matière de performance. Une nouvelle étude s'attaque à cet écart en montrant qu'un modèle de raisonnement open-weight de 27 milliards de paramètres peut acquérir, par apprentissage par renforcement, la capacité d'opérer des robots réels sans jamais avoir vu de démonstration humaine.

Les auteurs ont développé un moteur de post-entraînement baptisé PEAR (Post-training Engine for Agentic Robotics), utilisé pour appliquer ce qu'ils nomment le robot-use reinforcement learning (RURL). Le modèle observe son environnement, raisonne via une chaîne de pensée, puis génère directement la prochaine position de l'effecteur terminal, sans recourir à un harnais logiciel spécialisé — une approche qui reprend la logique des agents capables d'utiliser un ordinateur. L'entraînement a été mené intégralement sur les environnements simulés LIBERO et RoboDojo.

Les résultats montrent une généralisation notable au-delà du cadre d'entraînement : les compétences acquises se transfèrent à un robot jamais vu, à des environnements réels et à des instructions inédites. Sur un robot bibras réel, le modèle entraîné réussit 60 % des essais, contre 0 % pour le modèle de base. Sur LIBERO, le taux de réussite passe de 1,6 % à 74,4 %, un niveau proche de celui des modèles propriétaires cités en référence. Face à π0.5, un modèle vision-langage-action affiné sur des démonstrations, l'approche se montre nettement plus robuste aux variations de tâches : sur LIBERO-Pro, elle réussit 57,4 % des épisodes contre seulement 0,75 % pour π0.5 lorsqu'une tâche nouvelle est assignée dans un décor familier.

Point notable, cette spécialisation ne dégrade pas les capacités générales du modèle : aucun recul mesurable n'a été observé sur neuf benchmarks de raisonnement, de code et de vision. Ces travaux suggèrent que l'apprentissage par renforcement orienté robotique pourrait devenir une brique standard du post-entraînement des modèles de fondation, au même titre que l'usage d'ordinateurs ou la navigation web — avec, à la clé, une possible réduction de la dépendance aux modèles propriétaires fermés pour le contrôle robotique.

Tags
roboticsreinforcement-learningopen-weightreasoning-modelssimulationagents

À lire aussi