Le géant japonais de la robotique donne du cerveau à ses bras

Les gros robots industriels stupides et monotones que l'on trouve dans de nombreuses usines pourraient bientôt être un peu plus intelligents, grâce à l'introduction de compétences en apprentissage automatique qui sortent rapidement des laboratoires de recherche. Fanuc, l'un des plus grands fabricants mondiaux de robots industriels, a annoncé qu'il travaillerait avec Nvidia, un fabricant de puces de la Silicon Valley spécialisé dans l'intelligence artificielle, pour ajouter des capacités d'apprentissage à ses produits.

L'accord est important car il montre à quel point les progrès récents de l'IA sont sur le point de remanier l'industrie manufacturière. Les robots industriels d'aujourd'hui sont généralement programmés pour effectuer un seul travail de manière très précise et précise. Mais chaque fois qu'un cycle de production change, les robots doivent alors être reprogrammés à partir de zéro, ce qui prend du temps et de l'expertise technique.

L'apprentissage automatique offre un moyen de faire en sorte qu'un robot se reprogramme en apprenant à faire quelque chose par la pratique. La technique impliquée, appelée apprentissage par renforcement, utilise un réseau neuronal large ou profond qui contrôle le mouvement d'un bras robotique et fait varier son comportement, renforçant les actions qui le rapprochent d'un objectif final, comme ramasser un objet particulier. Et le processus peut également être accéléré en faisant travailler de nombreux robots de concert, puis en partageant ce qu'ils ont appris. Bien que les robots soient devenus plus faciles à programmer ces dernières années, leurs capacités d'apprentissage n'ont pas beaucoup évolué.

Les unités de traitement graphique fabriquées par Nvidia, qui permettent un calcul parallèle à grande vitesse, sont particulièrement bien adaptées à l'apprentissage en profondeur. Fanuc utilisera des processeurs Nvidia à l'intérieur de robots individuels et également dans un système central qui contrôle tous les robots d'une usine. La formation alimentera le système central, que Nvidia appelle un supercalculateur GPU, et les modèles formés seront ensuite transférés à des robots pour exécuter des actions, en utilisant la vision par ordinateur et l'apprentissage en profondeur.

Les robots complexes avec des niveaux élevés d'articulation peuvent effectuer une tâche de plusieurs façons, ils génèrent donc beaucoup de données et nécessitent d'énormes quantités de puissance de calcul, explique Masataka Osaki, vice-président des opérations mondiales chez Nvidia.

Fanuc fabrique une large gamme de robots industriels, qui sont utilisés dans toutes sortes d'environnements, des usines automobiles aux installations de production électronique et alimentaire. L'entreprise a été progressive dans la connexion de ses robots au cloud et dans l'exploration des moyens d'utiliser les avancées de l'apprentissage automatique (voir 50 Smartest Companies : Fanuc).

L'apprentissage par renforcement est un domaine de recherche particulièrement en vogue en robotique. La technique a été utilisée par Google pour créer un programme qui a appris à jouer au jeu de société incroyablement complexe et subtil Aller à un niveau surhumain. Comme avec Go, les compétences requises pour qu'un robot manipule des objets ou effectuent d'autres tâches peuvent être complexes à programmer à la main.

Ashutosh Saxena , le fondateur d'une société appelée Brain of Things et un expert de l'apprentissage des robots, affirme que permettre aux robots industriels de partager des données est une idée importante. Auparavant, ces robots n'étaient pas conçus avec le partage de données à l'esprit, dit-il. L'apprentissage en profondeur est particulièrement bien adapté pour gérer de telles variations sans nécessiter beaucoup de programmation manuelle.

Nous pouvons voir une chance pour une énorme synergie entre la communauté d'apprentissage de l'IA et les constructeurs de robots d'usine traditionnels, dit Yezhou Yang , professeur adjoint qui dirige un laboratoire d'apprentissage de robots à l'Arizona State University. Mais Yang dit que parce que personne n'est impliqué dans la programmation d'un robot, il sera difficile pour les opérateurs humains de comprendre comment le système fonctionne réellement.

Ils le traiteront comme une boîte noire, dit Yang. Et si quelque chose ne va pas ? Nous avons besoin d'une sorte d'interface. Je crois qu'il reste encore beaucoup de travail à faire dans le sens de l'explicabilité.

Fanuc étudie l'utilisation de l'apprentissage par renforcement depuis un certain temps, travaillant auparavant avec une société japonaise appelée Preferred Networks (voir Factory Robot Learns a New Job Overnight ). D'autres ont clairement espionné une opportunité de développer l'intelligence artificielle requise pour une nouvelle génération de robots, à la fois industriels et ceux qui pourraient fonctionner dans d'autres lieux de travail ou même à la maison (voir Google Builds a Robotic Hive-Mind Kindergarten).

cacher