FIDeL est un cadre de détection de défaillances pour les politiques d'apprentissage par imitation en robotique. Il combine des techniques de vision par ordinateur, d'alignement par transport optimal et de prédiction conforme pour identifier, localiser et filtrer sémantiquement les échecs en temps réel. Le système fonctionne sans interférer avec l'exécution des politiques robotiques et s'appuie sur des modèles de langage visuel pour enrichir l'analyse des anomalies.

VP-GO est un algorithme de prédiction visuelle conditionnée par l'action, conçu pour améliorer les capacités de préhension des robots dans des environnements complexes comme des tas d'objets. Il permet de modéliser des mouvements robotisés en décomposant des actions sémantiques en mouvements élémentaires, facilitant ainsi l'entraînement de modèles de vision par intelligence artificielle. Le projet s'appuie sur des jeux de données existants pour optimiser les tâches de manipulation et de préhension.