Robotique & Autonomie

RobotKraft, apprentissage par imitation sur bras SO-ARM101

LeRobot
SmolVLA
SO-ARM101
Apprentissage par imitation
Python
Docker

Challenge IA et robotique de trois jours à Illkirch. Fine-tuning de SmolVLA sur un bras SO-ARM101, une 3e place, et un retour honnête sur des modèles qui n'ont pas tenu sur le robot.

place du challenge
3e
cycles enregistrés par mission
~50
ContexteChallenge de 3 jours, bras SO-ARM101
Approche~50 démonstrations, SmolVLA
Résultat3e place, modèle non retenu

Contexte

RobotKraft est un challenge IA et robotique, à Illkirch du 2 au 4 octobre 2026. Chaque équipe avait un kit SO-ARM101 (bras leader et follower), le framework LeRobot, une caméra poignet et une caméra de profondeur. Dans mon équipe, « les Bras cassés », je m'occupais des données et du modèle.

Ce que j'ai fait

  • Chaîne complète en commandes LeRobot officielles, de la téléopération à l'évaluation, pilotée par un Makefile.
  • Environ 50 cycles enregistrés par mission en téléopération, sur des missions à plusieurs actions.
  • Contrôle automatique de chaque dataset avant l'envoi sur le Hub.
  • Fine-tuning de SmolVLA, avec un modèle ACT en secours.

Ce que j'ai remarqué et appris

  • Une cinquantaine de démonstrations ne suffit pas pour que SmolVLA généralise sur des tâches enchaînées.
  • L'inférence compte autant que l'entraînement. Sur notre CPU, SmolVLA mettait 5 s pour produire 1,7 s de mouvement.

Mes erreurs

  • Les modèles SmolVLA entraînés n'ont pas fonctionné en conditions réelles, faute de données suffisantes.
  • Comme les autres équipes, nous nous sommes rabattus sur de l'algorithmique et du replay de téléopération.

Résultats

  • 3e place du challenge.
  • Un dépôt public qui documente toute la chaîne, de l'installation à l'essai sur le robot.
  • Suite prévue, acquérir le même kit pour continuer chez moi.

Stack technique

LeRobot 0.5.1
SmolVLA (smolvla_base)
ACT
SO-ARM101 leader + follower
OAK-D Lite
Caméra poignet
Hugging Face Hub
Docker
Python
OpenCV
RapidOCR

Galerie