# LANGUAGE-FORCING améliore la réussite des tâches des robots humanoïdes

> Cette nouvelle méthode d’entraînement fait passer le taux de réussite des robots à corps entier de 53 % à 71 % sur des tâches réelles, sans coût supplémentaire à l’exécution.

Oossa · 2026-10-20 · https://oossa.com/fr/language-forcing-boosts-humanoid-robot-task-success

Des chercheurs dirigés par Yanjun Li ont présenté LANGUAGE-FORCING, une méthode d’entraînement des modèles robotisés de prédiction du monde et des actions à partir de descriptions textuelles de la progression des tâches. Elle aligne les représentations textuelles d’un modèle vision-langage figé sur les images futures prédites par le robot. Elle n’ajoute de surcoût qu’à l’entraînement : le robot fonctionne donc aussi vite qu’avant. Sur le benchmark HumanoidArena, son taux de réussite a atteint 79.17 %, soit 9.46 points de plus que celui de la meilleure politique suivante. Pour cinq tâches en conditions réelles, le taux de réussite est passé de 53.33 % à 71.33 %.

## Les faits

- Article publié le 2026-10-20 (« Tue Oct 20 2026 »).
- Taux de réussite sur HumanoidArena : 79.17 %, soit 9.46 points de plus que le concurrent le plus performant.

## Pourquoi c'est important

Pour les développeurs de robots humanoïdes, cette technique améliore la fiabilité d’exécution des tâches sans ralentir le robot en fonctionnement.

## Sources et références

1. [Language-Forcing: Advancing Humanoid Loco-Manipulation via Semantic Alignment of Whole-Body World Action Models](https://arxiv.org/abs/2610.23894) – arXiv cs.RO, 2026-10-20

Dernière mise à jour: 2026-10-20