Ce robot peut probablement vous battre à Jenga grâce à sa compréhension du monde

ROBOTIQUE SCIENTIFIQUE / IMAGE DE COUVERTURE : UNIVERSITÉ JOHN HOPKINS, WILL KIRK / HOMEWOOD PHOTOGRAPHY Robotique scientifique / Image de couverture : Université John Hopkins, WILL KIRK / HOMEWOOD PHOTOGRAPHY

Malgré les progrès fulgurants de l'IA, les robots sont toujours horriblement maladroits.

De plus en plus, les chercheurs et les entreprises se tournent vers l'apprentissage automatique pour les rendre plus adaptatifs et plus habiles. Cela signifie généralement fournir au robot une vidéo de ce qui se trouve devant lui et lui demander de déterminer comment il doit se déplacer pour manipuler cet objet. Par exemple, des chercheurs d'OpenAI, une organisation à but non lucratif de San Francisco, a appris à une main robotique à manipuler le bloc d'un enfant de cette façon.

Mais les humains, bien sûr, utilisent plus que leurs yeux pour apprendre à manipuler des objets. La vision est associée au sens du toucher et nous apprenons très tôt que les objets positionnés de manière instable tomberont probablement.

C'est ce qui a inspiré un nouveau robot, développé par Nima Fazeli et ses collègues du MIT, qui a reçu une compréhension fondamentale de la physique du monde réel et un sens du toucher utilisable.

Il a prouvé à quel point il est agile en maîtrisant Jenga , un jeu qui consiste à retirer des blocs d'une tour précairement assemblée, idéalement sans la faire basculer. Le robot a également fait preuve d'une sorte d'ingéniosité qui est cruciale pour les joueurs humains : juger quel bloc il peut supprimer sans faire tomber la tour.

La recherche s'appuie sur plusieurs idées clés développées par Josh Tenenbaum , au Département des sciences cérébrales et cognitives du MIT, et ses recherches sur la cognition humaine. Cela inclut l'idée que les humains développent une compréhension intuitive de la physique dès leur plus jeune âge et que la probabilité est la clé du raisonnement sur le monde. Cela diffère de beaucoup de recherches sur l'IA aujourd'hui, qui consistent à fournir autant de données que possible à des réseaux de neurones très vastes ou profonds.

Le robot, équipé de capteurs de force ainsi que de caméras, apprend à jouer à Jenga en poussant et en poussant des blocs et en utilisant des retours visuels et tactiles pour former un modèle physique du monde.

Ensuite, face à une nouvelle tour de blocs, il a utilisé le modèle pour déduire, de manière probabiliste, quel bloc il devrait essayer de sortir de la tour ensuite. Vous pouvez voir à quel point c'était bon dans la vidéo ci-dessus.

Robotique scientifique

En combinant la vision, le toucher et ce modèle de physique du monde réel, le robot peut apprendre à jouer à Jenga plus efficacement qu'il ne serait possible autrement. Le modèle physique intuitif permet également au robot de comprendre rapidement qu'un bloc suspendu au-dessus d'un bord tombera très probablement. Lors des tests, l'approche a surpassé les méthodes conventionnelles d'apprentissage automatique. La recherche est publié aujourd'hui dans la revue Science Robotics .

Cette technique d'apprentissage plus humaine pourrait aider à rendre les robots d'usine et d'entrepôt beaucoup plus performants. Si cela échoue, ils pourraient au moins vous défier à un jeu de fête amusant.

cacher