Vela : un VLA qui prédit des trajectoires lisses plutôt que des blocs d'actions
Le modèle Vela d'une équipe de Fudan et de CUHK produit des courbes spline à horizon temporel adaptatif et surpasse π0.5 sur LIBERO-X, EBench et sur des tâches réelles de cuisson de galette aux œufs et de râpage de pommes de terre.
En bref : La plupart des modèles vision-langage-action (VLA) produisent un nombre fixe d'actions futures à pas de temps fixe, ce qu'on appelle un « bloc d'actions » (action chunk). Vela prédit plutôt les points de contrôle d'une courbe lisse et la durée de cette courbe. Le même budget de sortie couvre alors un long geste fluide ou un mouvement de contact court et précis.
Le problème résolu
Dans un bloc d'actions, les actions voisines sont presque identiques, ce qui gaspille de la capacité, et il faut arbitrer : un horizon plus long implique des pas plus grossiers, au détriment de la manipulation fine avec contact.
Comment fonctionne Vela
- Il prédit 12 points de contrôle de B-spline cubique et un horizon dépendant du mouvement (16 à 40 pas).
- À l'entraînement, chaque démonstration reçoit l'horizon le plus long que la spline peut représenter dans une tolérance tenant compte du bruit.
- Un espace d'action partagé de 26 dimensions permet d'entraîner sur de nombreux types de robots.
- Basé sur l'architecture π0.5 (backbone PaliGemma de 3 Md de paramètres + expert d'action de 300 M), préentraîné sur environ 20 000 heures de données robotiques publiques issues de 60 jeux de données et environ 20 000 heures de données privées.
Résultats annoncés par les auteurs
| Banc d'essai | π0.5 | Vela |
|---|---|---|
| Réussite moyenne LIBERO-X | 39,3 % | 45,3 % |
| Réussite globale EBench | 41,4 % | 49,7 % |
| Galette aux œufs réelle (réussite moyenne par sous-tâche) | 37,5 % | 67,5 % |
| Râpage de pommes de terre réel (réussite moyenne par sous-tâche) | 62,5 % | 87,5 % |
Sur LIBERO-X, les gains sont les plus nets aux niveaux à fort décalage de distribution. Ajuster après coup une spline sur la sortie d'un modèle classique ne suffit pas à retrouver ces gains.
Pourquoi c'est important
La façon dont un modèle représente les actions compte autant que sa taille. Vela suggère que les trajectoires continues pourraient devenir le format de sortie par défaut des futurs modèles de fondation robotiques. Ces chiffres sont ceux des auteurs, dans une prépublication pas encore reproduite de façon indépendante.
Sources Sources vérifiées
Décryptages associés
Plus dans IA incarnée et modèles de fondation →Neuron AI de NEURA ajoute le toucher, le son et la mémoire au modèle de fondation robotique
NEURA Robotics a lancé Neuron AI, un modèle « perception-langage-action » qui fusionne vision 3D, toucher, force, audio, état du robot et langage avec une mémoire, et fera la démonstration d'une tâche de lessive de 11 minutes sur son humanoïde 4NE1.
Physical Intelligence ouvre ses modèles robotiques π0 via une API
La bêta de la Pi API permet d'envoyer ses données, d'affiner π0/π0.5 sur l'infrastructure de Pi et d'exécuter le résultat en inférence hébergée.
Le S1 de Skild apprend le foot en s'entraînant contre lui-même pendant 140 ans simulés
Après S1 — modèle de fondation qui copie une seule vidéo sans fine-tuning — Skild montre Physical Self-Play : la même politique s'entraîne contre elle-même dans Isaac Sim puis passe sur un humanoïde.
Newsletter
Robrief Weekly
Un e-mail par semaine avec l'actualité robotique qui compte. Gratuit, désinscription à tout moment.