Une pomme d’acier tombe. Le robot croit encore l’image.

NOTE DE RECHERCHE QUOTIDIENNE · PRÉPUBLICATION

Une pomme peut sembler inoffensive et être en acier. Une enclume peut sembler menaçante et être en mousse. ReactHuman place ce décalage devant un modèle multimodal, demande une action immédiate de robot puis exécute le plan dans un simulateur de corps rigides à 240 Hz. J'aime la partie inconfortable : la réponse doit arriver quelque part, pas seulement sonner juste.

Le résultat qui compte

Les auteurs ont testé sept modèles multimodaux et rapportent un danger mal géré sur trois environ. Les modèles répétaient des actions fixes, croyaient l'apparence plus que le mouvement et rataient l'interception de plusieurs mètres même avec le bon type d'action. La taille n'apporte pas d'amélioration cohérente. Ce sont des résultats de prépublication, pas une validation indépendante sur le terrain.

Pourquoi le texte ne suffit pas

Attraper l'assiette est un verbe, pas une trajectoire. Une réaction utile exige temps, portée, masse, vitesse, géométrie du choc et coût de l'erreur. Exécuter le plan expose ces choix. Les objets trompeurs demandent si le modèle suit les indices physiques ou le raccourci enclume égale lourd.

Un contrôle minimal

Le code original montre une limite : le point de contact doit être atteignable avant l'impact. C'est une explication, pas l'implémentation ReactHuman, une reproduction ou un contrôleur.

def reachable_before_impact(hand, target, t_impact, max_speed):
    distance = ((target.x-hand.x)**2 + (target.y-hand.y)**2 +
                (target.z-hand.z)**2) ** 0.5
    arrival = distance / max_speed
    return {"reachable": arrival < t_impact,
            "arrival_s": arrival, "impact_s": t_impact}

Ce code sur ReactHuman explique une frontière ; ce n'est ni une preuve mesurée, ni l'implémentation citée, ni un logiciel prêt pour la production.

Test concret

Pour le test proposé, gardez géométrie et mouvement fixes. Comparez pomme ordinaire, pomme d'acier, enclume de mousse et vraie enclume dans des séquences répétées. Notez action, point de contact, arrivée, collision et indicateur de blessure. La masse doit changer le plan ; la texture seule ne doit pas le guider. Ce sont des critères de test, pas de nouveaux résultats.

Analyse de Jack

Le plus intéressant est l'engagement : une réponse devient un événement. Ensuite, je testerais incertitude et abstention. Un robot domestique doit parfois reculer, avertir ou s'arrêter plutôt que tenter une prise fragile. Comptez perception, inférence, contrôle et délai des actionneurs. Un plan qui réussit seulement quand la scène l'attend n'est pas encore un réflexe sûr.

Limites et incertitudes

Le papier est une prépublication arXiv déposée le 9 septembre 2026. La simulation est reproductible, mais contact, bruit, moteurs et humains sont plus complexes chez soi. Les documents disponibles ne prouvent pas une reproduction indépendante de tout le code et des scènes. « Un sur trois » résume l'ensemble testé, pas un taux universel.

À retenir

Ne demandez pas seulement si le robot a choisi le bon verbe. Exécutez la trajectoire. Mesurez où la main arrive, quand et ce qu'elle heurte. Puis changez l'apparence sans la physique, et la physique sans l'apparence. Un modèle qui échoue ne doit pas approcher un couteau qui tombe.

arXiv abstract · Full preprint · Author-linked summary