Une équipe dirigée par Guangyuan Wang décrit une méthode appliquée au moment de l’inférence, qui permet d’adapter des politiques robotiques préentraînées aux obstacles sans recueillir de nouvelles démonstrations ni procéder à un nouvel entraînement. La méthode évalue la trajectoire prévue du robot et répartit les corrections liées aux obstacles sur l’ensemble de la séquence d’actions, au lieu de corriger chaque étape séparément.
Dans des tests menés sur sept scénarios avec obstacles et quatre tâches de manipulation, les chercheurs rapportent 105 tâches réussies sans collision sur 140, contre 8 sur 140 avec le guidage ponctuel par actions absolues. Il s’agit de résultats expérimentaux rapportés ; le résumé ne précise pas les performances de la méthode en dehors de ces scénarios.
Pourquoi c'est important
Pour les chercheurs en robotique qui cherchent à adapter des politiques préentraînées à de nouveaux obstacles, ces résultats suggèrent que coordonner les corrections sur toute une séquence d’actions peut être utile sans nouvel entraînement, même si les performances au-delà des scénarios testés restent inconnues.
