RobotiqueHuggingFace Blog32sem

Smol2Operator : Agents post-entraînement pour une utilisation informatique via interface graphique

Résumé IASource uniqueImpact UE

Bien sûr, voici un résumé en français :

Smol2Operator introduit des agents post-formation utilitaires pour l'interface graphique, conçus pour améliorer l'interaction homme-machine sur les systèmes informatiques. Ces agents, nommés "Smol2Ops", ont été entraînés à comprendre et à répondre à des instructions spécifiques, montrant une efficacité de 90% dans la réalisation de tâches comme le lancement d'applications et la navigation dans le système de fichiers.

Impact France/UE

Smol2Operator, via ses agents post-entraînement "Smol2Ops", promeut une meilleure interaction homme-machine pour les systèmes informatiques, affectant potentiellement des entreprises françaises/européennes en améliorant l'efficacité des tâches utilisateur, en concordance avec les directives de l'AI Act sur l'IA éthique et conforme au RGPD pour la gestion des données utilisateur.

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1HuggingFace Blog

En Pratique: Évaluation des Agents Utilisant des Outils dans des Environnements du Monde Réel avec OpenEnv

OpenEnv, un cadre de simulation, a été utilisé pour évaluer l'efficacité des agents utilisateurs d'outils dans des environnements réels. Les chercheurs ont testé diverses stratégies d'agents dans des scénarios inspirés de la vie réelle, montrant une amélioration significative des performances grâce à l'adaptation et à l'apprentissage. Des exemples concrets incluent la navigation dans des espaces complexes et la manipulation d'objets pour résoudre des tâches, avec des agents démontrant une capacité à s'adapter à des changements imprévus.

UEL'utilisation d'OpenEnv pour évaluer les agents utilisateurs d'outils renforce l'efficacité des entreprises européennes dans le développement de robots autonomes et d'IA, en améliorant les capacités d'adaptation et d'apprentissage dans des environnements réels, en conformité potentielle avec l'AI Act et le RGPD pour les applications industrielles et domestiques.

RobotiqueOutil

1 source

2arXiv cs.RO

Fonctions de barrière de contrôle résolues par programmation quadratique hiérarchique pour une interaction physique sûre entre humains et robots

Des chercheurs ont publié sur arXiv (réf. 2604.23039) une nouvelle approche pour sécuriser l'interaction physique entre humains et robots, en combinant les Fonctions de Barrière de Contrôle (CBF) avec un cadre de Programmation Quadratique Hiérarchique (HQP). L'objectif est de permettre à un robot de maintenir des comportements souhaités au point de contact avec l'humain, tout en respectant simultanément un ensemble de contraintes de sécurité parfois conflictuelles. Les expériences ont été menées sur un vrai robot redondant, c'est-à-dire un bras articulé disposant de plus de degrés de liberté que nécessaire, ce qui lui confère une flexibilité supplémentaire pour résoudre ces compromis en temps réel. L'intérêt de cette approche réside dans sa capacité à gérer un grand nombre de tâches de sécurité sans sacrifier les performances du robot. Jusqu'ici, quand plusieurs contraintes de sécurité entraient en conflit, les systèmes existants peinaient à trouver une solution réalisable. La hiérarchisation permet de relâcher certaines contraintes de moindre priorité de façon contrôlée, évitant ainsi les blocages tout en préservant les garanties essentielles. Pour des applications comme les robots de rééducation médicale ou les cobots industriels travaillant aux côtés d'opérateurs humains, cette flexibilité représente une avancée concrète en termes de fiabilité et de déploiement dans des environnements réels. Les Fonctions de Barrière de Contrôle sont devenues ces dernières années un outil théorique de référence pour la sécurité des systèmes autonomes, déjà appliquées au régulateur de vitesse adaptatif dans l'automobile ou à la navigation des robots quadrupèdes. Le défi persistant restait leur passage à l'échelle lorsque les tâches se multiplient et se contredisent. Ce travail s'inscrit dans un effort plus large de l'industrie robotique pour certifier formellement la sécurité des robots collaboratifs, un prérequis imposé par les régulateurs européens et les assureurs avant tout déploiement clinique ou industriel à grande échelle. Les prochaines étapes pourraient porter sur l'adaptation dynamique de la hiérarchie en fonction du contexte de l'interaction.

UELes régulateurs européens imposent une certification formelle de sécurité pour les cobots médicaux et industriels avant déploiement ; cette approche CBF-HQP fournit une base théorique et expérimentale pour répondre à ces exigences de conformité.

RobotiqueOpinion

1 source

3Pandaily

UniX AI renforce sa stratégie en robotique domestique et gagne en visibilité internationale

UniX AI, une entreprise chinoise de robotique fondée en 2024, attire une attention internationale croissante pour ses développements dans le domaine des robots humanoïdes. Son produit phare, le Wanda 2.0, est commercialisé à partir de 88 000 yuans (environ 12 000 dollars), et se distingue par ses deux bras robotiques et sa base mobile omnidirectionnelle, conçus pour accomplir des tâches concrètes dans des environnements domestiques et commerciaux. En l'espace de quelques mois seulement, la société a enchaîné les itérations produit et atteint une production ainsi qu'une livraison à petite échelle. Cette trajectoire s'inscrit dans un marché mondial en pleine explosion : selon les données sectorielles, les expéditions mondiales de robots humanoïdes ont atteint environ 18 600 unités en 2025, soit une croissance de plus de 500 % en un an. UniX AI se distingue d'une grande partie de ses concurrents en ciblant délibérément le segment des services domestiques, alors que la majorité des acteurs du secteur se concentrent sur les applications industrielles et logistiques. Ce positionnement est stratégique : les robots de service à domicile représentent encore un marché émergent, avec un potentiel de masse considérable si les obstacles à l'adoption sont levés. La Chine joue un rôle central dans cette dynamique, représentant une part significative de la demande mondiale et de la capacité des chaînes d'approvisionnement, certains fabricants étrangers sourçant jusqu'à 70 % de leurs composants auprès de fournisseurs chinois. La montée en puissance d'UniX AI reflète une transformation plus large du secteur robotique chinois, qui passe d'une position de sous-traitant à celle d'innovateur de premier plan. La société a été citée dans plusieurs médias internationaux et intégrée à des analyses globales du secteur, signe d'une reconnaissance croissante au-delà des frontières. Reste que l'adoption à grande échelle des robots domestiques demeure à valider : le passage du prototype livré en petite série à un déploiement de masse dans les foyers constitue le véritable défi des prochaines années pour l'ensemble de l'industrie.

RobotiqueOpinion

1 source

4arXiv cs.RO

CubeDAgger : apprentissage par imitation interactif pour systèmes dynamiques, avec une interaction efficace et à faible risque

Des chercheurs ont publié CubeDAgger, une nouvelle méthode d'apprentissage par imitation interactive conçue pour les systèmes robotiques dynamiques. Présentée dans un article soumis à arXiv (identifiant 2505.04897), elle s'appuie sur un cadre existant appelé EnsembleDAgger et y apporte trois améliorations distinctes : une régularisation explicite du seuil de déclenchement des corrections humaines, un mécanisme de consensus entre plusieurs candidats d'action en lieu et place du simple basculement entre expert et agent, et enfin l'injection d'un bruit coloré autorégressif dans les actions du robot pour garantir une exploration cohérente dans le temps. Les expériences réelles ont été conduites sur une tâche de ramassage avec une cuillère, un robot apprenant à exécuter ce geste correctement à partir de zéro en seulement 30 minutes d'interaction avec un expert humain. L'enjeu central que CubeDAgger cherche à résoudre est la stabilité dynamique, un problème négligé par la majorité des méthodes actuelles. Les algorithmes d'apprentissage par imitation interactive existants fonctionnent bien pour des tâches statiques, où l'expert peut intervenir ponctuellement sans perturber le comportement du robot. Mais dès que la tâche implique du mouvement continu, ramasser un objet, stabiliser une trajectoire, un basculement brutal entre le mode expert et le mode autonome provoque des à-coups mécaniques qui compromettent la sécurité et la fiabilité. CubeDAgger réduit ces discontinuités, ce qui le rend pertinent pour des applications industrielles ou médicales où la précision du geste est critique. L'apprentissage par imitation interactive, dont DAgger est le pionnier depuis 2011, reste une approche de référence pour entraîner des politiques robotiques robustes sans nécessiter des millions d'exemples. Le défi a toujours été de minimiser la charge imposée à l'expert humain tout en conservant la qualité de l'apprentissage. Les variantes récentes comme EnsembleDAgger avaient progressé sur ce point, mais butaient sur les tâches dynamiques. CubeDAgger s'inscrit dans une tendance plus large visant à rendre la robotique apprenante opérationnelle en dehors des environnements contrôlés de laboratoire, avec des horizons d'application dans la logistique, la chirurgie assistée, ou encore les robots d'assistance domestique.

RobotiqueOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour