Des agents de programmation planifient tâches et mouvements

OOndine

Une équipe de recherche présente sur arXiv une étude qui demande si des agents de programmation peuvent créer des programmes capables de planifier des tâches et des mouvements dans des situations nouvelles. Le défi est de choisir une suite d’actions tout en tenant compte des objets et de leurs déplacements. Une méthode généralisée doit rester utile d’une situation à l’autre. Imaginez une recette qui fonctionne même si les ingrédients ne sont pas disposés de la même façon : le programme cherche une stratégie réutilisable, plutôt qu’une solution valable pour un seul cas. Pour y parvenir, les agents reçoivent une description de la tâche et peuvent interagir avec un simulateur, autrement dit un environnement virtuel. Ils y mettent leurs idées à l’épreuve, puis produisent un programme de planification. Celui-ci est ensuite figé et testé sur des situations inédites. Cela permet de vérifier si la méthode se généralise à des cas que l’agent n’a pas rencontrés pendant sa préparation. L’étude porte sur 28 environnements simulés issus de KinDER et de PDDLStream. Les chercheurs ont évalué 980 programmes générés, chacun sur 100 situations nouvelles. Cela représente 98 000 épisodes de test au total. Le résultat principal concerne les 16 environnements où un planificateur de référence était disponible. Les 3 configurations d’agents atteignent un taux moyen de réussite compris entre 56 % et 95 %. Les planificateurs de référence obtiennent 47 % en moyenne. Ces chiffres montrent un avantage dans les tests menés, pas une supériorité dans toutes les situations possibles. La limite est importante : l’évaluation repose sur des simulations. Elle ne démontre donc pas que les mêmes résultats seraient obtenus avec des robots dans le monde réel. Il faut retenir un résultat prometteur dans des environnements simulés, mais encore à confirmer au-delà de ce cadre.