# GUARD écarte les robots des actions risquées

> Un nouveau cadre s’appuie sur des scores d’anomalie issus des données d’entraînement d’une politique pour guider les actions du robot. Les auteurs font état de progrès dans des tâches de manipulation simulées et réelles.

Oossa · 2026-11-10 · https://oossa.com/fr/guard-steers-robot-policies-away-from-risky-actions

Des chercheurs ont présenté GUARD, une méthode qui oriente des politiques génératives pour robots pendant leur exécution, sans modifier la politique préentraînée. Elle combine les récompenses liées à la tâche avec des scores d’anomalie — des signaux indiquant qu’une action s’écarte des schémas étayés par les données d’entraînement — et utilise une fonction Q apprise pour guider la génération des actions par la politique.

Dans quatre tâches simulées de manipulation avec dextérité, les auteurs font état de taux de réussite moyens de 96 % dans des conditions normales et de 80 % lorsque la dynamique est perturbée, soit 21 et 20 points de pourcentage de plus que la meilleure méthode de référence. Ils rapportent également des hausses du taux de réussite de 40 points pour la rotation d’un tournevis dans la main et de 25 points pour le réorienter, lors de tests directs du simulateur au monde réel.

## Les faits

- L’article présente des tests portant sur quatre tâches de manipulation avec dextérité de la suite Adroit.
- L’historique des versions sur arXiv indique que la première version date du 7 novembre 2026.

## Pourquoi c'est important

Pour les équipes de robotique qui adaptent des politiques génératives à des conditions changeantes, GUARD propose d’utiliser les anomalies détectées dans les données d’entraînement comme signal d’alerte lors du choix des actions. Les résultats présentés dans l’article sont prometteurs, mais ne permettent pas d’établir l’efficacité de la méthode au-delà des tâches évaluées.

## Sources et références

1. [GUARD: Anomaly-Informed Q-Steering for Generative Robot Policies in Dexterous Manipulation](https://arxiv.org/abs/2611.10343) – arXiv cs.RO, 2026-11-10

Dernière mise à jour: 2026-11-10