Exclusif : C'est le robot le plus habile jamais créé

DEMI AGRUMES Milieu Agrumes

Cela n'a peut-être pas l'air si spécial, mais le robot ci-dessus est, selon une nouvelle mesure, le plus habile jamais créé. Entre autres astuces, il pourrait trier votre tiroir à bric-à-brac avec une rapidité et une habileté inégalées.

La clé de sa dextérité n'est pas dans ses pinces mécaniques mais dans son cerveau. Le robot utilise un logiciel appelé Dex-Net pour déterminer comment ramasser même des objets étranges avec une efficacité incroyable.

Dex-Net a été développé par Ken Goldberg , professeur à UC Berkeley, et l'un de ses étudiants diplômés, Jeff Mahler. Le logiciel fonctionne sur une machine industrielle prête à l'emploi fabriquée par ABB, une entreprise suisse de robotique. Goldberg a présenté la dernière version de son système à EmTech Digital, un événement à San Francisco organisé par Examen de la technologie MIT et dédié à l'intelligence artificielle.

Le système de Goldberg est beaucoup plus proche de l'habileté d'un humain que tout ce qui a été développé auparavant. Les robots industriels avec une meilleure dextérité pourraient trouver une application dans les entrepôts et les usines ainsi que dans les hôpitaux et les maisons.

Ce qui est particulièrement intelligent avec Dex-Net, c'est la façon dont il apprend à saisir. Le logiciel essaie de récupérer des objets dans un environnement virtuel, formant un réseau neuronal profond par essais et erreurs. Même en simulation, c'est une tâche laborieuse. Mais surtout, Dex-Net peut généraliser d'un objet qu'il a déjà vu à un nouveau. Le robot poussera même un objet pour mieux le voir s'il ne sait pas comment il doit être saisi. La dernière version du système comprend un capteur 3D haute résolution et deux bras, chacun contrôlé par un réseau neuronal différent. Un bras est équipé d'un préhenseur robot classique et un autre d'un système d'aspiration. Le logiciel du robot scanne un objet, puis examine les deux réseaux de neurones pour décider, à la volée, s'il est plus logique de saisir ou d'aspirer cet objet particulier.

Les chercheurs de l'UC Berkeley ont également développé une meilleure façon de mesurer les performances d'un robot de prélèvement : une métrique appelée prélèvements moyens par heure, qui est calculée en multipliant le temps moyen par prélèvement et la probabilité moyenne de succès pour un ensemble cohérent d'objets.

La nouvelle métrique aidera les laboratoires de recherche travaillant sur les robots de sélection à partager leurs résultats. Nous avons discuté de la façon d'aligner nos résultats afin de voir des progrès, dit Goldberg. Tout dépend du robot que vous utilisez, du capteur que vous utilisez et, ce qui est très important, des objets que vous utilisez.

Jérémy Portje

Les humains sont capables de faire entre 400 et 600 prélèvements moyens par heure. Lors d'un concours organisé par Amazon récemment, les meilleurs robots étaient capables d'entre 70 et 95. La nouvelle machine atteint 200 à 300 sélections moyennes par heure, explique Goldberg. Les résultats seront présentés lors d'une conférence en Australie plus tard cette année.

Au cours de sa présentation, Goldberg a ajouté que d'ici cinq ans, il s'attend à ce que les robots atteignent 'des choix moyens humains ou même surhumains par heure'.

Saisir et manipuler des objets encombrants et inconnus est un défi fondamental en robotique, et qui a freiné la technologie. Les robots trouvés dans les usines automobiles, par exemple, sont rapides et précis mais n'ont pas la capacité de s'adapter à un environnement changeant ou inconnu. Outre le travail en usine ou en entrepôt, des manipulations plus sophistiquées pourraient conduire aux premiers robots utiles pour aider les personnes dans des endroits tels que les hôpitaux et les établissements de soins aux personnes âgées.

Les progrès récents de cet aspect de la robotique sont le résultat de plusieurs tendances simultanées. Des robots plus petits et plus sûrs ont proliféré, de nouveaux types de préhenseurs d'extrémité sont apparus et, ce qui est le plus important, de grands progrès ont été réalisés dans l'apprentissage automatique.

Jeff Mahler, étudiant diplômé à UC Berkeley, configure le système de robot Dex-Net. Adriel Olmo

En plus des travaux et des recherches de Goldberg dans plusieurs autres laboratoires universitaires, des chercheurs dans des endroits comme DeepMind et OpenAI ont commencé à explorer comment l'apprentissage automatique pourrait être utilisé pour rendre les robots plus intelligents et plus adaptables. Les progrès de la robotique pourraient bien se répercuter sur d'autres domaines de l'IA, comme la perception.

L'apprentissage automatique a un impact sans précédent sur la robotique, déclare Russ Tedrake, professeur au MIT qui a vu le robot de l'UC Berkeley en démonstration. Il y a une valeur incroyable à faire proliférer les robots au point que nous avons enfin des mégadonnées pour la robotique.

cacher