Ce robot d'usine apprend un nouveau travail du jour au lendemain

À l'intérieur d'un immeuble de bureaux d'apparence modeste à Tokyo vit un robot industriel exceptionnellement intelligent fabriqué par la société japonaise Fanuc . Donnez au robot une tâche, comme choisir des widgets dans une boîte et les mettre dans un autre conteneur, et il passera la nuit à comprendre comment le faire. Le matin venu, la machine aurait dû maîtriser le travail aussi bien que si elle avait été programmée par un expert.

Fanuc fait la démonstration d'un robot formé par apprentissage par renforcement à l'exposition internationale de robots à Tokyo en décembre.

Les robots industriels sont capables d'une précision et d'une vitesse extrêmes, mais ils doivent normalement être programmés très soigneusement pour faire quelque chose comme saisir un objet. Ceci est difficile et prend du temps, et cela signifie que ces robots ne peuvent généralement fonctionner que dans des environnements étroitement contrôlés.

Le robot de Fanuc utilise une technique connue sous le nom d'apprentissage par renforcement profond pour s'entraîner, au fil du temps, à apprendre une nouvelle tâche. Il essaie de ramasser des objets tout en capturant des séquences vidéo du processus. Chaque fois qu'il réussit ou échoue, il se souvient de l'apparence de l'objet, des connaissances qui sont utilisées pour affiner un modèle d'apprentissage en profondeur, ou un grand réseau de neurones, qui contrôle son action. L'apprentissage en profondeur s'est avéré être une approche puissante dans la reconnaissance de formes au cours des dernières années.

Après environ huit heures, il atteint une précision de 90 % ou plus, ce qui est presque la même chose que si un expert devait le programmer, explique Shohei Hido, directeur de la recherche chez Réseaux préférés , une entreprise basée à Tokyo spécialisée dans l'apprentissage automatique. Cela fonctionne du jour au lendemain; le lendemain matin, il est réglé.

Les chercheurs en robotique testent l'apprentissage par renforcement comme moyen de simplifier et d'accélérer la programmation des robots qui travaillent en usine. Plus tôt ce mois-ci, Google a publié les détails de ses propres recherches sur l'utilisation de l'apprentissage par renforcement pour apprendre aux robots à saisir des objets.

Le robot Fanuc a été programmé par Preferred Networks. Fanuc, le plus grand fabricant mondial de robots industriels, a investi 7,3 millions de dollars dans Preferred Networks en août de l'année dernière. Les entreprises ont présenté le robot d'apprentissage à l'exposition internationale de robots à Tokyo en décembre dernier.

L'un des grands avantages potentiels de l'approche d'apprentissage, dit Hido, est qu'elle peut être accélérée si plusieurs robots travaillent en parallèle et partagent ensuite ce qu'ils ont appris. Ainsi, huit robots travaillant ensemble pendant une heure peuvent effectuer le même apprentissage qu'une seule machine pendant huit heures. Notre projet est orienté vers l'apprentissage distribué, dit Hido. Vous pouvez imaginer des centaines de robots d'usine partageant des informations.

Cette forme d'apprentissage distribué, parfois appelée robotique en nuage, s'annonce comme une grande tendance à la fois dans la recherche et dans l'industrie (voir 10 Breakthrough Technologies 2016 : Robots That Teach Each Other ).

Fanuc est bien placé pour y réfléchir, dit Ken Goldberg , professeur de robotique à l'Université de Californie à Berkeley, car il installe de nombreuses machines dans des usines du monde entier. Il ajoute que la robotique cloud va très probablement remodeler la façon dont les robots sont utilisés dans les années à venir.

Goldberg et ses collègues (dont plusieurs chercheurs de Google) vont en fait un peu plus loin en apprenant aux robots comment certains mouvements peuvent être utilisés pour saisir non seulement des objets spécifiques, mais certaines formes. Un article sur ce travail paraîtra à la Conférence internationale de l'IEEE sur la robotique et l'automatisation en mai.

Cependant, note Goldberg, l'application de l'apprentissage automatique à la robotique est un défi car le contrôle du comportement est plus complexe que, par exemple, la reconnaissance d'objets dans des images. L'apprentissage en profondeur a fait d'énormes progrès dans la reconnaissance des formes, dit Goldberg. Le défi avec la robotique est que vous faites quelque chose au-delà de cela. Vous devez être capable de générer les actions appropriées pour une vaste gamme d'entrées.

Fanuc n'est peut-être pas la seule entreprise à développer des robots utilisant l'apprentissage automatique. En 2014, le fabricant suisse de robots ABB a investi dans une autre startup d'IA appelée Vicarious. Cependant, les fruits de cet investissement ne sont pas encore apparus.

cacher