Large Language Models and Agentic AI Architectures for Aerial and Ground Robots: A Systematic Review, Taxonomy, and Design Guidelines
Cette revue systématique analyse 124 études pour établir une taxonomie de six modèles architecturaux pour l'intégration des grands modèles de langage et de l'IA agentielle dans les robots aériens et terrestres, offrant des directives de conception qui privilégient la dynamique des tâches, la sécurité et les contraintes de déploiement plutôt que les scores de référence, tout en soulignant les limitations actuelles en matière d'inférence embarquée et de validation physique.
Article original sous licence CC BY 4.0 (https://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 capable de comprendre une phrase simple comme « trouve le chien perdu dans le parc » et de pouvoir ensuite déterminer les étapes pour y parvenir de lui-même. Pendant des décennies, les robots ont excellé dans l'exécution d'instructions strictes et préécrites, mais ils peinent lorsque le monde change ou lorsqu'on leur demande de faire quelque chose pour lequel ils n'ont pas été explicitement programmés. Récemment, un nouveau type de cerveau informatique, connu sous le nom de modèle de langage étendu, est apparu. Ce sont les mêmes systèmes puissants qui peuvent écrire des histoires, répondre à des questions et tenir des conversations. Les scientifiques ont commencé à connecter ces cerveaux linguistiques à des robots physiques, espérant donner aux machines la capacité de raisonner, de planifier et de s'adapter comme le ferait un humain. Cette fusion de la compréhension du langage et du mouvement physique est la frontière de la robotique moderne, promettant des machines capables de travailler dans des environnements imprévisibles, des zones de catastrophe aux rues animées des villes.
Un chercheur de l'Université de l'Est de Londres, Abdelrahman Mahmoud, a récemment examiné de près la manière dont cela se produit réellement. Il n'a pas construit un nouveau robot lui-même ; il a plutôt agi comme un cartographe pour un paysage en pleine expansion et quelque peu chaotique. Il a rassemblé et analysé 124 études scientifiques différentes publiées entre janvier 2020 et avril 2026, couvrant à la fois les robots volants, appelés drones, et les véhicules terrestres. Son objectif était de cartographier les différentes manières dont les ingénieurs connectent actuellement ces cerveaux de langage aux corps de robots et de comprendre quelles méthodes fonctionnent le mieux pour quels types de tâches. Le résultat est une image claire d'un domaine qui s'éloigne de l'idée d'un cerveau de robot unique et tout-puissant pour tendre vers une approche plus pratique, basée sur des équipes.
L'étude a révélé que les robots les plus performants d'aujourd'hui ne reposent pas sur un seul modèle géant pour tout faire. Au lieu de cela, ils utilisent un système hybride où différentes parties du robot gèrent différentes tâches. Le modèle de langage agit comme le commandant de haut niveau. Il écoute la requête d'un humain, la décompose en étapes plus petites et décide de ce qui doit être fait ensuite. Cependant, lorsqu'il s'agit du travail physique proprement dit, le robot s'appuie sur des outils plus anciens et plus spécialisés. Par exemple, alors que le modèle de langage peut décider que le robot doit « chercher une porte rouge », c'est un programme de vision par ordinateur distinct et hautement spécialisé qui identifie réellement la porte rouge dans le flux de la caméra. De même, tandis que le modèle de langage peut planifier un itinéraire, un contrôleur de vol ou de roues traditionnel est ce qui empêche le robot de s'écraser contre un mur ou de tomber d'une falaise. La recherche montre que l'utilisation du modèle de langage pour effectuer les calculs précis et instantanés requis pour le mouvement est actuellement trop lente et trop sujette aux erreurs.
Mahmoud a identifié six manières principales dont ces systèmes sont construits, allant du plus simple au plus complexe. La conception la plus simple est une rue à sens unique : le robot voit quelque chose, le modèle de langage établit un plan, et le robot l'exécute sans regarder en arrière. Cela fonctionne bien pour des tâches faciles dans des pièces calmes, mais si le robot heurte quelque chose d'inattendu, il reste bloqué. Les conceptions plus avancées ajoutent une boucle de rétroaction, permettant au robot de vérifier son travail et de modifier son plan si les choses tournent mal. Les systèmes les plus sophistiqués utilisent une hiérarchie, où un modèle de langage central agit comme un gestionnaire, déléguant des tâches spécifiques comme « regarde ici » ou « déplace-toi là » à des sous-équipes spécialisées. Certains chercheurs testent même des systèmes où plusieurs robots communiquent entre eux, chacun possédant son propre cerveau basé sur le langage, pour résoudre des problèmes ensemble. Malgré l'enthousiasme suscité par les nouveaux modèles « tout-en-un » qui tentent de voir, penser et bouger tout à la fois, l'examen a conclu que ceux-ci sont encore rares et souvent moins fiables que l'approche hybride.
L'analyse a également mis en évidence un écart important entre ce que les robots peuvent faire dans une simulation informatique et ce qu'ils peuvent faire dans le monde réel. Sur les 124 études examinées, seules 44 ont réellement testé leurs systèmes sur des robots physiques. Les autres reposaient sur des simulations, qui sont utiles pour tester des idées mais cachent souvent les problèmes désordonnés et imprévisibles du monde réel. De plus, l'étude a noté que bien que ces robots deviennent plus intelligents, ils luttent encore avec des choses que les humains trouvent faciles, comme comprendre exactement où se trouve un objet dans l'espace tridimensionnel ou planifier une longue séquence d'actions sans commettre d'erreur. Ils peuvent parfois « halluciner », inventant des objets ou des étapes qui n'existent pas, c'est pourquoi les contrôles de sécurité et la supervision humaine restent essentiels.
En fin de compte, cette revue suggère que l'avenir des robots intelligents ne réside pas dans le remplacement des ingénieurs humains par un cerveau magique unique, mais dans la construction de meilleures équipes. Les robots les plus efficaces semblent être ceux qui combinent le raisonnement flexible et créatif des modèles de langage avec la vitesse précise et fiable des logiciels de robotique traditionnels. Les robots volants de l'étude se sont concentrés principalement sur l'observation de vastes zones depuis le haut, tandis que les robots terrestres se sont concentrés sur l'interaction avec les objets et les personnes à proximité, mais tous suivent la même règle de base : laisser le modèle de langage décider du « quoi » et du « pourquoi », mais laisser les systèmes spécialisés et éprouvés gérer le « comment ». À mesure que cette technologie mûrira, le défi sera de rendre ces systèmes plus rapides, plus sûrs et plus capables de travailler dans le monde complexe et chaotique dans lequel nous vivons, sans perdre la fiabilité qui les empêche de causer des dommages.
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.