Les agents de code programment des robots d'usine à cinq points d'un humain, selon un benchmark de Berkeley et NVIDIA

Des agents de code IA qui écrivent les programmes d'un robot, au lieu de lui apprendre un comportement à partir de données collectées, sont arrivés à cinq points d'un programmeur humain sur une nouvelle série de tâches d'usine conçue par l'UC Berkeley et NVIDIA. Sur VABAR, un benchmark dont les équipes ont publié le code le 9 novembre, huit modèles ont écrit des programmes pour cinq tâches, dont accrocher des outils, emballer des seringues et insérer des câbles USB-C. Tous disposaient de la même bibliothèque de 33 compétences et de deux tours de retour d'un simulateur physique. Claude Opus 5.5 a réussi 77 % du temps au total ; le programme de référence écrit par un humain, 82 %. Le groupe de Ken Goldberg et NVIDIA ont présenté ces travaux cette semaine à CoRL 2026, à Austin, a rapporté The Robot Report le 11 novembre.

Pour des tâches où les pièces varient mais où la cellule de travail est connue, le code devient une voie plus praticable que les modèles robotiques de bout en bout. Et le levier, c'est le choix du modèle de code. « Des modèles qui partent à quelques points les uns des autres finissent à 30 points d'écart après deux tours de retour », indique la page de VABAR. Après ces deux tours, les huit s'étalaient de 77 % à 44 % pour DeepSeek V4.

Il suffit de déplacer les pièces pour que les VLA décrochent

Le cadre derrière VABAR, Graph-as-Policy (GaP), découpe une tâche en nœuds de perception, de préhension et de planification de mouvement. Les agents les écrivent et les relient, puis répètent les variantes en simulation avant que le programme tourne sur un vrai robot. Le résultat est du code Python qui appelle les modules existants d'un fabricant, comme ceux de KUKA, pour la commande de bas niveau. Dans les tests simulés de l'article sur GaP, les modèles vision-langage-action s'en sortent bien quand les objets bougent à peine : π0.5 obtient 0,96 et MolmoAct2 0,97 sur LIBERO, contre 0,95 pour GaP. Quand les auteurs permutent la position des objets, π0.5 tombe à 0,15 et MolmoAct2 à 0,26, tandis que GaP reste à 0,97. Sur une vraie tâche de lavage de caisses à deux bras, GaP réussit 143 essais sur 150, contre 148 pour un programme réglé à la main par un expert, et enchaîne 18,33 cycles réussis par heure contre 19,33.

L'industrie teste déjà l'idée. Bosch l'évalue pour l'automatisation industrielle, selon The Robot Report. Jeff Mahler, cofondateur d'Ambi Robotics, que Goldberg conseille, affirme que la méthode « a converti des données de production en mises à jour du comportement des robots, augmentant le débit de toute notre flotte aux États-Unis ».

L'argument contraire tient à qui a corrigé la copie. Les mêmes laboratoires ont construit le cadre, la bibliothèque de compétences, les tâches et la référence humaine. L'humain bat tous les modèles pour accrocher des outils, 87 % contre 60 % au mieux, mais n'obtient que 47 % pour le routage de câbles, où les huit modèles se situent entre 72 % et 83 %. Les auteurs de VABAR annoncent un jeu de test plus difficile. Quand des équipes extérieures le feront tourner sur leurs propres cellules, on saura si l'écart de cinq points tient.