Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)
Cet article présente un système de pliage de vêtements bimanuel primé pour le LeHome Challenge 2026 qui atteint les premiers rangs en améliorant une politique vision-langage-action par une boucle d'apprentissage par renforcement auto-supervisé, où les propres prédictions de succès et de progression de la politique pilotent l'estimation de l'avantage et la détection d'échecs, appuyées par une suite complète d'optimisations d'ingénierie incluant le flow-matching, l'entraînement distribué et un transfert sim-to-real robuste.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un robot essayant de plier un t-shirt froissé ou un pantalon. Cela semble simple pour nous, mais pour un robot, un morceau de tissu est comme un serpent chaotique et glissant qui change de forme à chaque fois qu'on le touche. Ce document décrit comment l'auteur, Ilia Larchenko, a construit un cerveau de robot qui a remporté la première place dans un concours de simulation et la deuxième place dans un concours en conditions réelles pour cette tâche précise.
Voici l'histoire de la façon dont il y est parvenu, décomposée en concepts simples.
1. Le Problème : Le « Fantôme » dans la Machine
Le robot devait plier quatre types de vêtements (manches longues/courtes, pantalons longs/courts) en utilisant deux bras.
- Le Piège : Le robot ne savait pas ce qu'il tenait. Il devait regarder le t-shirt et se demander : « Est-ce un t-shirt ou un pantalon ? » avant de pouvoir commencer à plier.
- La Récompense : Le robot ne recevait une « Étoile d'Or » (une récompense) que si le t-shirt était parfaitement plié à la toute fin. S'il se trompait à mi-chemin, il n'obtenait rien. C'est comme essayer d'apprendre à faire du vélo mais ne recevoir un biscuit que si l'on atteint la ligne d'arrivée sans jamais tomber.
2. La Solution : Une Boucle d'« Auto-Apprentissage »
Au lieu de simplement copier des démonstrations humaines (ce qui revient à essayer d'apprendre à nager en regardant une vidéo), l'auteur a construit un système qui apprend en faisant, en échouant et en essayant à nouveau. Il appelle cela un « Flywheel » (un volant d'inertie).
Pensez à une équipe de trois personnes travaillant dans une usine :
- L'Entraîneur : Le professeur qui étudie les données et met à jour le cerveau du robot.
- Les Coureurs : Une flotte de robots dans un jeu vidéo (simulation) qui essaient de plier des vêtements des milliers de fois par jour.
- L'Aide Humaine : Une personne qui intervient uniquement quand le robot est bloqué, réajuste le vêtement et laisse le robot réessayer.
Ces trois entités ne se parlent pas directement ; elles déposent simplement des notes dans une boîte aux lettres numérique partagée (HuggingFace Hub). L'Entraîneur lit les notes, apprend, et dépose une nouvelle « mise à jour du cerveau » dans la boîte. Les Coureurs ramassent cette mise à jour et essaient à nouveau.
3. La Recette Secrète : Le Robot est son Propre Arbitre
Habituellement, en robotique, on a besoin d'un cerveau pour décider quoi faire et d'un cerveau distinct pour deviner si l'on réussit bien. Cet auteur a fusionné les deux.
- Le Tour de Magie : Le même réseau neuronal qui décide de « saisir la manche » prédit également « j'ai 80 % de chances de réussir » et « je suis à 40 % du chemin ».
- Pourquoi cela aide : Parce que le robot connaît son propre score en temps réel, il peut apprendre plus vite. S'il prédit qu'il va échouer, il sait qu'il doit tenter un autre mouvement. C'est comme un élève qui non seulement passe l'examen, mais corrige aussi ses propres réponses immédiatement pour voir où il s'est trompé.
4. Apprendre de ses Erreurs (La Stratégie de « Replay »)
L'auteur a réalisé que se contenter de pratiquer est ennuyeux. Il faut pratiquer les parties difficiles.
- Le Minage de Difficulté (Hard Mining) : Quand le robot échoue, le système sauvegarde ce moment précis (comme une « sauvegarde d'état » dans un jeu vidéo). Il recharge ensuite cet état d'échec et essaie à nouveau, mais cette fois avec un « bruit » supplémentaire (changements aléatoires de lumière ou de texture du tissu) pour rendre l'exercice plus difficile.
- La Touche Humaine : Quand le robot est vraiment coincé, l'humain prend le contrôle pendant seulement quelques secondes pour corriger le vêtement, puis redonne le contrôle au robot. Le robot apprend de cette petite correction. C'est ce qu'on appelle le DAgger (un nom sophistiqué pour « l'apprentissage par les corrections humaines »).
5. Les « Lunettes Magiques » (Optimisation de l'Inférence)
Même avec un cerveau intelligent, un robot peut être maladroit s'il bouge trop vite ou trop lentement. L'auteur a découvert qu'en ajustant la façon dont le robot « pense » à la toute dernière seconde, les performances grimpaient en flèche.
- L'Analogie : Imaginez que vous passiez un examen à choix multiples. Au lieu de choisir la première réponse qui vous vient à l'esprit, vous générez rapidement trois réponses différentes dans votre esprit, vérifiez laquelle semble la « meilleure » selon votre intuition (le score), puis choisissez celle-là.
- L'Échantillonnage de Thompson (Thompson Sampling) : L'auteur a utilisé un jeu mathématique (comme une machine à sous) pour calculer automatiquement les réglages parfaits pour chaque type de vêtement (ex : « Pour un short, bouge plus lentement ; pour un pantalon long, attrape plus fermement ») sans avoir besoin de tester manuellement chaque combinaison.
6. Le Défi du Monde Réel : Du Jeu Vidéo à la Réalité
La partie la plus difficile a été de passer de la simulation informatique à un vrai robot dans une vraie pièce.
- La « Vallée de l'Étrange » de la Physique : Dans la simulation, les vêtements avaient l'air parfaits. Dans la réalité, la lumière était différente, la caméra était légèrement de travers, et les bras du robot avaient un peu de « jeu » (backlash).
- La Solution : L'auteur n'a pas essayé de rendre le robot parfait. Au lieu de cela, il a rendu les données d'entraînement chaotiques. Il a appris au robot à plier des vêtements dans l'obscurité, sous un soleil éclatant, avec une caméra inclinée et avec le robot se déplaçant à des vitesses différentes.
- Le Résultat : En apprenant au robot à être à l'aise avec le chaos, il ne panique pas lorsqu'il voit le monde réel. C'est comme entraîner un surfeur dans un océan de tempête pour qu'une plage calme lui semble facile.
7. Le Résultat
- Simulation : Le robot a plié les vêtements avec succès 79,6 % du temps, battant 61 autres équipes.
- Monde Réel : Il a terminé 2ème lors de la compétition finale, pliant avec succès de vrais vêtements sur un vrai robot.
La Grande Leçon
L'auteur admet que ce n'était pas une expérience scientifique parfaite avec des variables contrôlées. C'était une approche « cuisine tout comprendre » — jeter tous les outils utiles (apprentissage par renforcement, retour humain, forte augmentation de données et intuition intelligente) dans la marmite jusqu'à ce que cela fonctionne.
L'idée principale est que pour que les robots puissent manipuler des choses désordonnées et imprévisibles comme des vêtements, ils doivent être capables de prédire leur propre succès, apprendre des corrections humaines et être entraînés dans des environnements chaotiques et variés afin de ne pas être déroutés lorsque la réalité ne ressemble pas au jeu vidéo.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.