Robot anti-trébuchement s'adapte en temps réel aux terrains complexes
Les robots ont du mal à improviser, et une collision avec une surface inhabituelle ou un obstacle signifie généralement un arrêt brutal ou une chute violente. Mais des chercheurs ont créé un nouveau modèle de locomotion pour robot, qui s'adapte en temps réel à tout terrain rencontré, en modifiant sa démarche en cours de route pour continuer à avancer face au sable, aux pierres, aux escaliers et à d'autres changements soudains.
Bien que le mouvement d'un robot puisse être polyvalent et précis, et qu'il puisse apprendre à monter des marches et à traverser des terrains accidentés, ce comportement ressemble davantage à des compétences individuelles entraînées entre lesquelles le robot bascule. Des robots connus, comme Spot, peuvent se remettre des poussées ou des coups de pied.
En réalité, le système fonctionne simplement pour corriger une anomalie physique tout en conservant une politique de marche inchangée. Il existe plusieurs modèles de mouvements adaptatifs, mais certains sont très spécifiques et d'autres nécessitent suffisamment de temps pour fonctionner, si bien que le robot tombera forcément avant qu'ils ne prennent effet.
L'équipe de Facebook AI, de l'Université de Californie à Berkeley et de l'Université Carnegie-Mellon a nommé ce système Rapid Motor Adaptation. Il a été conçu parce que les humains et les animaux peuvent changer rapidement, efficacement et inconsciemment leur démarche selon les circonstances.
« Imaginez que vous apprenez à marcher et que vous allez pour la première fois à la plage. Votre pied s'enfonce, et pour le dégager, vous devez fournir plus d'effort. Cela semble étrange, mais après quelques pas, vous marchez naturellement, comme sur un sol dur. Quel est le secret ? »
Bien sûr, si vous n'avez jamais été confronté à une plage auparavant, vous n'entrez pas à ce moment-là dans un « mode sable » spécial qui vous permet de marcher sur des surfaces molles. La façon dont vous modifiez votre mouvement se fait automatiquement, sans aucune réelle compréhension de l'environnement extérieur.
Le corps humain réagit à différentes conditions physiques en ressentant les différentes conséquences de ces conditions sur le corps lui-même. Le système RMA fonctionne de manière similaire : pendant le déplacement dans de nouvelles conditions, les règles de marche changent en très peu de temps (une demi-seconde ou moins).
Le système a été entièrement entraîné par simulation dans une version virtuelle du monde réel, où le petit cerveau du robot (tout fonctionne localement sur une unité de calcul embarquée limitée) a appris à maximiser l'avancée avec une énergie minimale et à éviter les chutes, en observant et en réagissant immédiatement aux données provenant de ses accéléromètres et autres capteurs physiques.
Pour souligner l'essence interne de l'approche RMA, Malik a affirmé que le robot n'utilise aucune entrée visuelle. Si les humains et les animaux privés de vue peuvent marcher normalement, pourquoi un robot ne le pourrait-il pas ? Il est impossible d'évaluer les « effets externes », comme le coefficient de friction exact du sable ou des pierres sur lesquels il marche, donc il se contente de surveiller attentivement son propre état.
Au final, le système se compose de deux parties : un algorithme principal, toujours actif, qui contrôle réellement la démarche du robot, et un algorithme adaptatif, fonctionnant en parallèle, qui surveille les variations des indicateurs internes du robot. Lorsque des changements significatifs sont détectés, ce dernier les analyse — « les pattes devraient faire ceci, mais elles font cela, donc la situation est telle » — et indique au modèle principal comment s'adapter.
Dès lors, le robot ne pense qu'à la manière d'avancer dans ces nouvelles conditions, improvisant efficacement une démarche particulière. Après l'entraînement en simulation, le robot a déjà réussi dans le monde réel.
Le communiqué de presse indique : « Le robot a pu marcher sur le sable, la boue, les sentiers piétonniers et les hautes herbes sans aucun échec lors de tous nos essais. Le robot a descendu avec succès un escalier sur un sentier piétonnier dans 70 % des essais. Il a franchi avec succès un tas de ciment et un tas de gravier dans 80 % des essais, bien qu'il n'ait jamais vu pendant l'entraînement un sol instable ou affaissé, une végétation gênante ou un escalier. Il a également maintenu sa hauteur avec un haut degré de réussite lors du déplacement avec une charge utile de 12 kg, soit 100 % de son poids ».
Malik a salué une étude de la professeure de l'Université de New York Karen Adolph, dont les travaux ont montré à quel point le processus d'apprentissage de la marche chez l'humain est facilement adaptable et libre. L'objectif de l'équipe est que, si vous avez besoin d'un robot capable de faire face à n'importe quelle situation, il doit apprendre à s'adapter à partir de zéro, plutôt que de disposer de nombreux modes au choix.
De même qu'il est impossible de créer un système de vision par ordinateur plus intelligent en étiquetant et en documentant exhaustivement chaque objet et chaque interaction, on ne peut pas préparer un robot à un monde physique varié et complexe avec 10, 100 et même des milliers de paramètres de marche spéciaux pour le gravier, la boue, les éboulis et le bois mouillé.
Le principe du système pourrait potentiellement être appliqué non seulement aux robots à pattes, mais aussi à des domaines entièrement différents de l'IA et de la robotique.
De plus, la combinaison des algorithmes de base et adaptatif pourrait fonctionner pour d'autres systèmes intelligents. Les maisons intelligentes et les systèmes municipaux s'appuient généralement sur des politiques déjà existantes, mais que se passerait-il s'ils pouvaient s'adapter en cours de route ?
