Tsinghua apprend aux robots à répéter leurs actions : ParallelWorld fait passer le taux de réussite de 56% à 83%

Une équipe de l'Université Tsinghua a présenté ParallelWorld, une approche dans laquelle un agent d'IA incarné simule, dans un « monde parallèle », plusieurs scénarios sur plusieurs étapes avant d'agir. Cette simulation préalable multi-étapes est intégrée à la planification de haut niveau. Le taux moyen de réussite des tâches est passé de 56% à 83% : +27 points de pourcentage, soit environ 1,5 fois plus.

Deux cafetières moka pour tester la capacité d'anticipation

L'exemple choisi par les auteurs pour expliquer l'idée est très quotidien : poser deux cafetières moka du plan de travail sur la plaque de cuisson. Un humain ne réfléchit pas à la manière de s'y prendre. Pour un robot, c'est une succession de choix. Il faut décider quelle cafetière prendre en premier. Il faut choisir par quelle partie la saisir. Il faut aussi anticiper sa position une fois posée, car cela détermine si le manipulateur pourra atteindre la seconde et si la première ne bloquera pas l'accès au brûleur.

Chacune de ces décisions modifie les conditions de l'étape suivante. Les planificateurs butent ici sur un point faible : ils choisissent une action sans en voir les conséquences au-delà du coup immédiat. Une erreur à la première étape entraîne l'échec de toute la tâche, alors que chaque action prise isolément semblait raisonnable.

Répéter plutôt que tirer une seule fois

ParallelWorld change l'ordre des opérations. Avant d'envoyer une commande, l'agent déploie plusieurs variantes possibles et fait tourner chacune sur plusieurs étapes. Il observe l'état du monde auquel aboutit chaque enchaînement d'actions, et ne choisit qu'ensuite celui qui mène à l'objectif. C'est comparable à un joueur d'échecs qui calcule ses variantes avant de toucher une pièce. Le nom de la méthode reflète cette idée : les variantes existent comme des mondes parallèles, et seule la meilleure devient réelle.

Le niveau auquel cela se joue est important. La méthode intervient dans la planification de haut niveau : l'agent choisit quoi faire et dans quel ordre. La motricité fine reste un problème distinct. Vérifier les conséquences au niveau du plan coûte moins cher et se lit plus facilement qu'au niveau de chaque articulation.

• Développeur : Université Tsinghua
• Méthode : ParallelWorld, simulation préalable multi-étapes pour le planificateur d'un agent incarné
• Niveau d'application : planification de haut niveau des tâches
• Métrique : taux de réussite des tâches, 56% → 83%
• Gain : +27 points de pourcentage, environ 1,48 fois plus
• Tâche de démonstration : transfert de deux cafetières moka du plan de travail à la plaque de cuisson
• Source de l'information : Jiqizhixin (机器之心)

Les limites sur le terrain

Passer de 56% à 83% est un bond sérieux pour des tâches où l'enchaînement des actions compte. Pour l'industrie, le message est concret : une part notable des échecs des robots assistants ne vient ni de mains peu performantes ni d'une mauvaise vision, mais d'un mauvais ordre d'exécution. Si le planificateur voit à l'avance que le premier pas choisi mène à une impasse, une partie de ces erreurs disparaît sans nouveaux capteurs et sans réentraîner la motricité.

L'approche a aussi un coût évident. Chaque répétition demande du calcul : le temps de décision augmente donc avec le nombre de variantes et la profondeur de l'anticipation. Pour un robot d'entrepôt ou de cuisine, qui doit réagir vite, il faudra trouver un compromis entre profondeur d'anticipation et rapidité. La qualité du résultat dépend également de la fidélité avec laquelle le « monde parallèle » reproduit les conséquences des actions : si la prévision s'écarte de la réalité, l'agent choisira avec assurance la mauvaise variante.

Pour les équipes qui construisent des agents à partir de grands modèles, la conclusion est pratique. Un planificateur qui produit son plan en une seule passe gagnerait à être complété par une vérification des conséquences, en particulier pour les tâches à étapes dépendantes : assemblage, tri, opérations de cuisine, déplacement d'objets. ParallelWorld apporte un argument de plus pour concevoir ensemble les modèles du monde et la planification, plutôt que de les raccorder l'un à l'autre après l'entraînement.