Découvrez le robot aux doigts les plus agiles à ce jour

Dans un laboratoire décoré de couleurs vives de l'Université de Californie à Berkeley, un robot d'apparence ordinaire a développé un talent exceptionnel pour ramasser des objets gênants et inhabituels. Ce qui est étonnant, cependant, c'est que le robot est devenu si doué pour saisir en travaillant avec des objets virtuels.

Le robot a appris quel type de prise devrait fonctionner pour différents objets en étudiant un vaste ensemble de données de formes 3D et de prises appropriées. Les chercheurs de l'UC Berkeley ont transmis des images à un vaste réseau neuronal d'apprentissage en profondeur connecté à un capteur 3D standard et à un bras de robot standard. Lorsqu'un nouvel objet est placé devant lui, le système d'apprentissage en profondeur du robot détermine rapidement quelle prise le bras doit utiliser.

Le bot est nettement meilleur que tout ce qui a été développé précédemment. Lors des tests, lorsqu'il était sûr à plus de 50 % qu'il pouvait saisir un objet, il a réussi à soulever l'objet et à le secouer sans faire tomber l'objet 98 % du temps. Lorsque le robot n'était pas sûr, il poussait l'objet afin de trouver une meilleure prise. Après cela, il a réussi à le soulever 99% du temps. Il s'agit d'une avancée significative par rapport aux méthodes précédentes, selon les chercheurs.

Histoire connexe

Doit lire

Les travaux montrent comment de nouvelles approches de l'apprentissage des robots, combinées à la capacité des robots à accéder aux informations via le cloud, pourraient faire progresser les capacités des robots dans les usines et les entrepôts, et pourraient même permettre à ces machines de faire un travail utile dans de nouveaux environnements comme les hôpitaux et maisons (voir 10 technologies révolutionnaires 2017 : des robots qui s'apprennent les uns les autres). Il est décrit dans un papier à publier lors d'une grande conférence sur la robotique tenue en juillet.

De nombreux chercheurs travaillent sur des moyens permettant aux robots d'apprendre à saisir et à manipuler des objets en s'entraînant encore et encore, mais le processus prend beaucoup de temps. Le nouveau robot apprend sans avoir besoin de s'entraîner, et il est nettement meilleur que n'importe quel système précédent. Nous produisons de meilleurs résultats, mais sans ce genre d'expérimentation, dit Ken Goldberg , professeur à l'UC Berkeley qui a dirigé les travaux. Nous sommes très excités à ce sujet.

Université de Californie, Berkeley, professeur Ken Goldberg (à gauche) et chef du groupe de recherche Siemens, Juan Aparicio.

Au lieu de pratiquer dans le monde réel, le robot a appris en se nourrissant d'un ensemble de données de plus d'un millier d'objets qui comprend leur forme 3D, leur apparence visuelle et la physique de leur saisie. Cet ensemble de données a été utilisé pour former le système d'apprentissage en profondeur du robot. Nous pouvons générer suffisamment de données de formation pour les réseaux de neurones profonds en un jour ou deux au lieu d'effectuer des mois d'essais physiques sur un vrai robot, explique Jeff Mahler, un chercheur postdoctoral qui a travaillé sur le projet.

Goldberg et ses collègues prévoient de publier l'ensemble de données qu'ils ont créé. Les ensembles de données publics ont été importants pour faire progresser l'état de l'art en matière de vision par ordinateur, et maintenant de nouveaux ensembles de données 3D promettent d'aider les robots à progresser.

Stéphanie Tellex , professeur adjoint à l'Université Brown spécialisé dans l'apprentissage des robots, décrit la recherche comme un gros problème, notant qu'elle pourrait accélérer les approches laborieuses d'apprentissage automatique.

Il est difficile de collecter de grands ensembles de données robotiques, explique Tellex. Cet article est passionnant car il montre qu'un ensemble de données simulées peut être utilisé pour entraîner un modèle de saisie. Et ce modèle se traduit par de vrais succès sur un robot physique.

Les progrès des algorithmes de contrôle et des approches d'apprentissage automatique, ainsi que le nouveau matériel, constituent progressivement une base sur laquelle une nouvelle génération de robots fonctionnera. Ces systèmes pourront effectuer un éventail beaucoup plus large de tâches quotidiennes. En fait, des machines plus agiles prennent déjà en charge un travail manuel longtemps resté hors de portée (voir A Robot with Its Head in the Cloud Tackles Warehouse Picking ).

Russ Tedrake , un professeur du MIT qui travaille sur les robots, affirme qu'un certain nombre de groupes de recherche font des progrès sur des robots beaucoup plus habiles. Il ajoute que le travail de l'UC Berkeley est impressionnant car il combine de nouvelles méthodes d'apprentissage automatique avec des approches plus traditionnelles qui impliquent de raisonner sur la forme d'un objet.

L'émergence de robots plus habiles pourrait également avoir des implications économiques importantes. Les robots que l'on trouve aujourd'hui dans les usines sont remarquablement précis et déterminés, mais incroyablement maladroits face à un objet inconnu. Un certain nombre d'entreprises, dont Amazon, utilisent des robots dans les entrepôts, mais jusqu'à présent uniquement pour déplacer les produits, et non pour sélectionner des objets pour les commandes.

Les chercheurs de l'UC Berkeley ont collaboré avec Juan Aparicio, chef de groupe de recherche chez Siemens. L'entreprise allemande s'intéresse à la commercialisation de la robotique en nuage, entre autres technologies de fabrication connectées.

Histoire connexe

Lire la suite Une nouvelle pince robotique adroite peut manipuler des objets inconnus et partage ce qu'elle apprend avec un esprit de ruche dans le cloud.

Aparicio dit que la recherche est passionnante car la fiabilité du bras ouvre une voie claire vers la commercialisation.

Les développements de la dextérité des machines peuvent également être importants pour l'avancement de l'intelligence artificielle. La dextérité manuelle a joué un rôle essentiel dans l'évolution de l'intelligence humaine, formant une boucle de rétroaction vertueuse avec une vision plus nette et une puissance cérébrale accrue. La capacité à manipuler plus efficacement des objets réels semble également jouer un rôle dans l'évolution de l'intelligence artificielle.

cacher