Une pièce de meubles Ikea en constante évolution pourrait aider l'IA à naviguer dans le monde

Une illustration d'un robot face à une pièce remplie de meubles. AI2

Dans un immeuble en face de son bureau principal à Seattle, l'Allen Institute for Artificial Intelligence (AI2) dispose de suffisamment de meubles Ikea pour configurer 14 appartements différents. Le laboratoire ne se lance pas dans le design d'intérieur, pas exactement. Les ressources sont destinées à former des algorithmes plus intelligents pour contrôler les robots.

Les robots domestiques comme le Roomba ne fonctionnent bien que parce que leurs tâches sont relativement simples. Flâner, revenir en arrière et revenir aux mêmes endroits encore et encore n'ont pas vraiment d'importance lorsque l'objectif est de nettoyer sans relâche le même sol.

Mais tout ce qui nécessite une navigation plus efficace ou plus complexe déclenche toujours de nombreux robots à la pointe de la technologie. La recherche nécessaire pour améliorer ce statu quo est également coûteuse, limitant la plupart des progrès de pointe aux laboratoires commerciaux bien financés .

Maintenant AI2 veut faire d'une pierre deux coups. Mardi, il a annoncé un nouveau défi appelé RoboTHOR (THOR pour The House Of inteRactions—oui, vraiment). Cela servira également de moyen de crowdsourcer de meilleurs algorithmes de navigation et de réduire les barrières financières pour les chercheurs qui ne disposent peut-être pas de ressources robotiques propres.

Le but ultime est de faire progresser plus rapidement l'IA en impliquant davantage de groupes de recherche. Différentes communautés devraient apporter des perspectives et des cas d'utilisation différents qui élargiront le répertoire des capacités des robots, rapprochant le domaine d'une intelligence plus généralisable.

Une comparaison côte à côte des salles à manger réelles et simulées dans l'une des configurations d'appartement.

Le laboratoire a conçu une pièce facilement reconfigurable, de la taille d'un studio exigu, qui servira de base aux 14 variantes d'appartements. Il a aussi recréé des répliques virtuelles identiques dans Unity, un moteur de jeu vidéo populaire, ainsi que 75 autres configurations, qui ont toutes été open source en ligne. Ensemble, ces 89 configurations au total offriront des environnements de simulation réalistes aux équipes du monde entier pour former et tester leurs algorithmes de navigation. Les environnements sont également préchargés avec des modèles de robots d'AI2 et reflètent le plus fidèlement possible la physique du monde réel, comme la gravité et les réflexions lumineuses.

Le défi demande spécifiquement aux équipes de développer des algorithmes qui peuvent faire passer un robot d'un emplacement de départ aléatoire dans une pièce à un objet dans cette pièce simplement en lui disant le nom de l'objet. Ce sera plus difficile qu'une simple navigation car il faudra que le robot comprenne la commande et reconnaisse également l'objet dans son champ visuel.

Les équipes s'affronteront en trois phases. Dans la première phase, ils disposeront des 75 environnements de simulation entièrement numériques pour former et valider leurs algorithmes. Dans la deuxième phase, les plus performants recevront ensuite quatre nouveaux environnements de simulation avec des sosies physiques correspondants. Les équipes pourront affiner leurs algorithmes à distance en les chargeant dans les vrais robots d'AI2.

Dans la phase finale, les plus performants devront démontrer la généralisabilité de leurs algorithmes dans les 10 derniers appartements physiques numériques et correspondants. Quelle que soit l'équipe qui réussit le mieux dans cette phase finale, elle remportera le droit de se vanter et une invitation à faire la démonstration de ses modèles à la Conférence sur la vision par ordinateur et la reconnaissance de formes, une conférence de recherche de premier plan sur l'IA pour les systèmes basés sur la vision.

Divers objets réels et simulés. AI2

Une fois le défi terminé, AI2 prévoit de garder la configuration disponible, permettant à quiconque d'accéder à l'environnement pour continuer à mener des recherches en robotique. Les chercheurs qui franchissent un certain seuil de précision dans les environnements simulés - prouvant qu'ils ne planteront pas les robots - seront autorisés à déployer à distance leurs algorithmes dans les environnements physiques. La pièce tournera entre les différentes configurations de mobilier.

Nous allons maintenir cet environnement, et nous allons maintenir ces robots, explique Ani Kembhavi, chercheur à l'AI2 qui dirige le projet. Son équipe prévoit de développer un système de temps partagé pour permettre à différents chercheurs de tester à distance leurs algorithmes dans le monde réel.

AI2 espère que la stratégie rendra la recherche en robotique plus accessible en éliminant autant que possible les coûts matériels associés. Il espère également que le programme incitera d'autres organisations bien financées à ouvrir leurs ressources de la même manière. De plus, il a délibérément conçu sa salle reconfigurable avec de faibles coûts de matériaux et des meubles Ikea disponibles dans le monde entier ; l'installation a coûté environ 10 000 $. Si d'autres chercheurs souhaitent construire leurs propres espaces d'entraînement physique, ils peuvent facilement les reproduire localement et toujours correspondre aux environnements de simulation virtuelle.

Kembhavi, dont le père est astronome, compare l'idée au partage mondial des télescopes. Des communautés comme l'astronomie ont compris comment prendre des ressources coûteuses et les mettre à la disposition des chercheurs du monde entier, dit-il.

C'est notre vision de cet environnement, ajoute-t-il. L'IA incarnée pour tous.

cacher