Sujet
Tous les articles d’Actu.ai consacrés à Apprentissage par renforcement : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 31 articles
Pour apprendre à saisir, déplacer ou contourner des objets, les robots ont besoin de multiplier les situations d’entraînement. Des chercheurs du MIT et de l’institut de recherche Toyota proposent d’utiliser l’IA générative pour fabriquer des scènes virtuelles plus diverses, pilotées par des objectifs précis et adaptées aux tâches à apprendre.
Au MIT, le laboratoire CSAIL explore une manière d’entraîner les robots dans des environnements virtuels bien plus diversifiés. Baptisée Steerable Scene Generation, cette approche combine IA générative et recherche algorithmique pour composer des scènes 3D adaptées à des tâches concrètes, de la cuisine au restaurant.
Le KAIST dévoile une plateforme humanoïde dont les jambes peuvent courir, danser et franchir des obstacles. Capable d’atteindre 3,25 m/s sur sol plat, ce robot entraîné par apprentissage par renforcement illustre les progrès nécessaires pour faire évoluer des machines dans des espaces conçus pour les humains.
En apprenant à agir ensemble pour obtenir une récompense, des souris et des agents d’intelligence artificielle ont développé des stratégies étonnamment proches. L’étude menée à l’UCLA relie ces comportements à des circuits neuronaux précis et ouvre une voie de dialogue entre neurosciences et apprentissage automatique.
Des chercheurs de la Florida Atlantic University proposent un cadre d’IA pour mieux coordonner des décideurs qui n’ont ni le même rôle ni le même pouvoir. Fondée sur l’apprentissage par renforcement et la théorie des jeux, leur méthode vise notamment les réseaux électriques, le trafic urbain et les véhicules autonomes.
Pour rendre les agents d’IA capables d’agir dans des logiciels, les laboratoires misent sur des simulations interactives. Des jeunes pousses veulent leur fournir ces environnements d’apprentissage par renforcement, plus riches que les jeux de données classiques mais difficiles et coûteux à bâtir.
Pour rendre les agents d’IA plus fiables dans les logiciels, les laboratoires ont besoin de terrains d’entraînement interactifs. Startups, spécialistes des données et grands groupes investissent donc dans des environnements d’apprentissage par renforcement, capables de simuler des tâches complexes. Mais ces mondes virtuels posent aussi un défi majeur : récompenser les bonnes actions sans laisser l’IA contourner les règles.
Des chercheurs de l’UCL, de Google DeepMind et d’Intrinsic ont conçu RoboBallet, une IA qui organise les mouvements de plusieurs bras robotiques dans un même espace. Après entraînement, le système produit en quelques secondes des plans pour des configurations inédites, avec jusqu’à huit robots et 40 tâches simultanées.
À l’Université de Californie à Berkeley, des chercheurs ont mis au point HiL-SERL, un protocole qui laisse un humain corriger un robot pendant son apprentissage. Cette coopération permet aux machines de progresser plus vite sur des manipulations délicates, du Jenga à l’assemblage de composants électroniques.
Des équipes de SUPSI, IDSIA et du Politecnico di Milano ont entraîné un robot humanoïde à jouer de la batterie. Baptisé Robot Drummer, le projet s’appuie sur l’apprentissage par renforcement pour faire émerger des gestes proches de ceux d’un musicien, du coup croisé au réajustement des baguettes.
À l’approche d’un feu rouge, ralentir au bon moment plutôt que freiner puis accélérer pourrait alléger le bilan carbone des trajets urbains. Une vaste étude menée par le MIT estime que l’éco-conduite, optimisée par intelligence artificielle, peut réduire sensiblement les émissions aux intersections sans nuire à la circulation ni à la sécurité.
À l’ETH Zurich, le robot quadrupède ANYmal-D parvient à renvoyer un volant de badminton face à un joueur humain. Son exploit repose sur l’association d’une caméra stéréo, d’un bras articulé et d’un contrôle appris par renforcement. Au-delà du jeu, l’expérience teste la capacité des robots à agir dans un environnement imprévisible.
Les agents d’apprentissage par renforcement paraissent souvent efficaces dans les conditions précises où ils ont été entraînés. IntersectionZoo, un outil piloté au MIT par Cathy Wu, veut mesurer leur robustesse face à la diversité concrète du trafic urbain. Sa base d’un million de scénarios pourrait accélérer les recherches sur l’éco-conduite automatisée.
Des chercheurs de l’UCLA et de Meta AI proposent d1, un cadre qui associe modèle de langage à diffusion et apprentissage par renforcement. Testé sur des problèmes mathématiques et logiques, il vise à combler l’un des principaux retards de cette architecture face aux LLM classiques.
Une équipe de ValeroLab montre, en simulation, qu’une main robotique peut apprendre à saisir et tourner des objets sans toucher. Le facteur décisif est l’ordre des expériences et des récompenses reçues pendant l’entraînement, le curriculum, selon les résultats rapportés dans Science Advances.
En apprenant seul à rechercher des diamants dans Minecraft, DreamerV3 a atteint un niveau d’expertise en neuf jours. Le système de Google DeepMind et de l’Université de Toronto s’appuie sur un modèle du monde pour tester mentalement les conséquences de ses choix. Une piste majeure, mais encore éloignée des robots autonomes.
Dans Minecraft, obtenir un diamant impose de planifier une longue chaîne d’actions, de fabriquer les bons outils et d’éviter de nombreux pièges. Dreamer, un système de Google DeepMind, apprend cette tâche à partir de zéro en neuf jours. Au-delà du jeu, l’expérience éclaire la façon dont une IA peut anticiper les effets de ses choix.
Les grands modèles de langage ne servent plus seulement à rédiger ou résumer. Des chercheurs cherchent à leur apprendre à construire, tester et ajuster des plans face à des contraintes changeantes. Cette évolution pourrait aider à organiser des ressources, des itinéraires ou des projets, à condition de conserver une supervision humaine solide.
Faire évoluer un robot à pattes sur une planche à roulettes relève moins du spectacle que d’un défi de contrôle très exigeant. En s’appuyant sur l’apprentissage par renforcement, les machines peuvent améliorer leur équilibre et leurs mouvements par essais répétés. Ces travaux éclairent les progrès attendus de la robotique mobile.
Dans une vidéo publiée en mars 2025, Atlas impressionne par ses sauts, ses pirouettes et ses enchaînements inspirés du parkour. Derrière le spectacle, Boston Dynamics et le RAI Institute explorent surtout une question concrète : comment donner à un robot humanoïde la mobilité et l’adaptation nécessaires au travail industriel ?
Avec QwQ-32B, Alibaba met en avant un modèle de 32 milliards de paramètres conçu pour mieux raisonner, notamment en mathématiques et en programmation. Publié sous licence Apache 2.0, il illustre l’intérêt croissant de l’apprentissage par renforcement pour obtenir de solides performances sans multiplier la taille des modèles.
Et si un robot pouvait enrichir progressivement son répertoire de gestes et s’adapter à son environnement ? Un cadre d’apprentissage continu, inspiré de la façon dont les humains accumulent l’expérience, ouvre cette perspective. Il promet davantage de flexibilité, mais soulève aussi des questions concrètes de sécurité, de données et de contrôle.
Faut-il reproduire tous les aléas du monde réel pour entraîner une intelligence artificielle robuste ? Des travaux menés par des chercheurs du MIT suggèrent le contraire dans certains cas : des agents formés dans un environnement plus prévisible ont mieux réussi ensuite face à des situations incertaines.
Faut-il exposer une intelligence artificielle à toutes les perturbations dès son entraînement pour la rendre robuste ? Des travaux menés au MIT suggèrent parfois l’inverse : dans des jeux Atari modifiés, des agents entraînés dans un environnement contrôlé ont mieux résisté ensuite à l’incertitude.
