Une percée du MIT permet aux robots d'utiliser tout leur corps pour la manipulation d'objets
- La nouvelle technique d’IA du MIT permet aux robots d’utiliser l’intégralité de leur corps pour des tâches complexes, imitant ainsi les capacités de manipulation humaines.
- La méthode d’IA dite « lissage » simplifie des milliards de points de contact potentiels, réduisant considérablement le temps de calcul et augmentant l’efficacité.
- Cette avancée pourrait révolutionner les industries et l’exploration spatiale en permettant des systèmes robotiques plus polyvalents et économes en énergie.
Les chercheurs du Massachusetts Institute of Technology (MIT) ont considérablement amélioré les capacités de manipulation robotique. En utilisant une nouvelle technique d'IA appelée « lissage », les robots peuvent désormais effectuer des tâches en utilisant tout leur corps, plutôt que simplement leurs doigts. Cette innovation pourrait potentiellement révolutionner l'utilisation des robots dans les usines, l'exploration spatiale et d'autres domaines.
Le défi de la planification de la manipulation riche en contacts
Manipuler des objets avec tout le corps présente un défi monumental pour les robots. Ils doivent prendre en compte des milliards de points de contact potentiels sur un objet pour chaque toucher avec leurs doigts, mains, bras et torse. Ce processus, connu sous le nom de « planification de la manipulation riche en contacts », est coûteux en calcul et a été un goulot d'étranglement pour les applications pratiques. Les humains gèrent ces tâches intuitivement, mais elles deviennent écrasantes pour les robots.
La solution
Pour simplifier le problème, les chercheurs du MIT ont développé une nouvelle technique d'IA basée sur le « lissage », qui condense les nombreux événements de contact en un ensemble plus petit et plus gérable de décisions. Cette innovation permet même aux algorithmes basiques de concevoir efficacement un plan de manipulation efficace pour un robot.
« Lissage moyen élimine beaucoup de ces décisions intermédiaires sans importance, ne laissant que quelques décisions importantes », a déclaré H.J. Terry Suh, étudiant diplômé du MIT et co-auteur principal de l'article publié dans IEEE Transactions on Robotics.
Apprentissage par renforcement vs lissage
Bien que l'apprentissage par renforcement ait été efficace pour aider les robots à effectuer des tâches complexes, il nécessite une puissance de calcul et du temps considérables. Selon Suh, il apprend par un système de « boîte noire » d'essais et d'erreurs, prenant souvent « des millions d'années en temps de simulation » pour devenir efficace.
Le lissage, en revanche, offre une alternative. En comprenant soigneusement le modèle et le problème, les chercheurs ont pu apporter de l'efficacité au processus. Le lissage permet au robot de se concentrer sur les interactions fondamentales avec les objets, permettant une planification de tâches plus rapide et plus efficace.
Atteindre l'efficacité et une approche combinée
Malgré les avancées grâce au lissage, la recherche parmi même le nombre réduit de décisions restait un défi. Les chercheurs ont ensuite combiné le modèle de lissage avec un algorithme de recherche, réduisant le temps de calcul à environ une minute sur un ordinateur portable standard.
L'équipe a testé leur approche à la fois dans des simulations et sur de véritables bras robotiques, atteignant des performances comparables à celles de l'apprentissage par renforcement mais en une fraction du temps.
Applications et perspectives
Les implications de cette recherche sont immenses. Dans les environnements industriels, les usines pourraient remplacer de grands bras robotiques par des robots plus petits et plus mobiles qui utilisent tout leur corps pour des tâches de manipulation, réduisant ainsi la consommation d'énergie et les coûts.
De plus, la technique pourrait s'avérer inestimable pour les robots d'exploration envoyés sur Mars ou d'autres corps célestes, où une adaptation rapide à de nouveaux environnements est cruciale.
Cependant, les chercheurs reconnaissent des limites dans la gestion des tâches dynamiques, telles que la capacité d'un robot à lancer un objet dans un bac. L'équipe prévoit d'affiner davantage son approche pour relever ces défis.
Suh a souligné que, plutôt que de considérer cela comme un système de « boîte noire », si nous pouvons exploiter la structure de ces types de systèmes robotiques à l'aide de modèles, il existe une opportunité d'accélérer l'ensemble de la procédure.
Amazon, le laboratoire Lincoln du MIT, la National Science Foundation et Ocado Group ont partiellement financé ce travail. Alors que les techniques de manipulation robotique du MIT continuent d'évoluer, elles ouvrent de nouvelles possibilités pour la robotique dans divers secteurs, prouvant qu'une compréhension approfondie du problème peut conduire à des solutions innovantes.
Avec des avancées comme celles-ci, les robots qui manipulent des objets aussi intuitivement que les humains ne sont peut-être pas loin de la réalité.
Si vous lisez ceci, vous êtes déjà en avance. Restez ainsi grâce à notre newsletter.
Avis de non-responsabilité. Les informations fournies ne constituent pas des conseils en matière de trading. Cryptopolitan.com décline toute responsabilité pour les investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement d'effectuer des recherches indépendantes et/ou de consulter un professionnel qualifié avant de prendre toute décision d'investissement.
Glory Kaburu
Glory est une journaliste extrêmement compétente, maîtrisant les outils d'intelligence artificielle et la recherche. Passionnée par l'IA, elle a rédigé plusieurs articles sur le sujet. Elle se tient informée des dernières avancées en intelligence artificielle, en apprentissage automatique et en apprentissage profond, et écrit régulièrement à ce propos.
