L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-22
SLoSa : des modèles de fondation compacts, peu énergivores et sûrs pour la planification de tâches robotiques
Titre original: SLoSa: Small, Low-Power, and Safe Foundation Models for Robotic Task Planning
SLoSa aborde la planification sûre de tâches robotiques avec des planificateurs fondés sur des modèles de fondation, compacts, peu énergivores et attentifs à la sécurité, combinant l'interface de tâches flexible des LLM avec les garanties formelles des planificateurs classiques. Le cadre construit un jeu de données tenant compte de la sécurité à partir de planificateurs classiques, d'un LLM enseignant avancé et de vérificateurs formels, puis applique un affinage supervisé suivi d'un affinage par apprentissage par renforcement guidé par une machine à récompenses fondée sur la vérification. Sur quatre domaines PDDL, le post-entraînement guidé par la vérification porte le taux de réussite des planificateurs compacts 4B-14B à 70.5-76.0%, et le déploiement INT4 sur un Jetson Orin nécessite une puissance moyenne de 17.85-26.41 W.