La technique d’apprentissage en profondeur optimise la disposition des capteurs sur le corps d’un robot pour assurer un fonctionnement efficace. –

  • FrançaisFrançais



  • Il y a certaines tâches pour lesquelles les robots traditionnels – du type rigide et métallique – ne sont tout simplement pas faits. Les robots à corps mou, en revanche, peuvent être capables d’interagir avec les gens de manière plus sûre ou de se glisser facilement dans des espaces restreints. Mais pour que les robots accomplissent de manière fiable leurs tâches programmées, ils doivent savoir où se trouvent toutes les parties de leur corps. C’est une tâche ardue pour un robot doux qui peut se déformer d’un nombre pratiquement infini de façons.

    Les chercheurs du MIT ont développé un algorithme pour aider les ingénieurs à concevoir des robots logiciels qui collectent des informations plus utiles sur leur environnement. L’algorithme d’apprentissage en profondeur suggère un placement optimisé des capteurs dans le corps du robot, lui permettant de mieux interagir avec son environnement et d’effectuer les tâches assignées. L’avancée est une étape vers l’automatisation de la conception des robots. «Le système apprend non seulement une tâche donnée, mais aussi la meilleure façon de concevoir le robot pour résoudre cette tâche», explique Alexander Amini. “Le placement des capteurs est un problème très difficile à résoudre. Donc, avoir cette solution est extrêmement excitant.”

    La recherche sera présentée lors de la conférence internationale IEEE sur la robotique douce en avril et sera publiée dans la revue Lettres de robotique et d’automatisation IEEE. Les co-auteurs principaux sont Amini et Andrew Spielberg, tous deux doctorants au laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL). Parmi les autres co-auteurs figurent Lillian Chin, étudiante au doctorat du MIT, et les professeurs Wojciech Matusik et Daniela Rus.

    La création de robots souples qui accomplissent des tâches du monde réel a été un défi de longue date en robotique. Leurs homologues rigides ont un avantage intrinsèque: une amplitude de mouvement limitée. Le réseau fini d’articulations et de membres des robots rigides permet généralement des calculs gérables par les algorithmes qui contrôlent la cartographie et la planification des mouvements. Les robots mous ne sont pas aussi faciles à gérer.

    Les robots à corps souple sont flexibles et souples – ils ressemblent généralement plus à une balle rebondissante qu’à une boule de bowling. «Le principal problème des robots souples est qu’ils sont infiniment dimensionnels», explique Spielberg. “Tout point d’un robot à corps mou peut, en théorie, se déformer de toutes les manières possibles.” Cela rend difficile la conception d’un robot souple capable de cartographier l’emplacement de ses parties du corps. Les efforts passés ont utilisé une caméra externe pour cartographier la position du robot et réintroduire ces informations dans le programme de contrôle du robot. Mais les chercheurs voulaient créer un robot doux indépendant de l’aide extérieure.

    «Vous ne pouvez pas installer un nombre infini de capteurs sur le robot lui-même», explique Spielberg. “Alors, la question est: combien de capteurs avez-vous, et où les placez-vous pour en tirer le meilleur parti?” L’équipe s’est tournée vers l’apprentissage profond pour obtenir une réponse.

    Les chercheurs ont développé une nouvelle architecture de réseau neuronal qui optimise à la fois le placement des capteurs et apprend à effectuer efficacement des tâches. Premièrement, les chercheurs ont divisé le corps du robot en régions appelées «particules». Le taux de déformation de chaque particule a été fourni en tant qu’entrée du réseau neuronal. Grâce à un processus d’essais et d’erreurs, le réseau «apprend» la séquence de mouvements la plus efficace pour accomplir des tâches, comme saisir des objets de différentes tailles. Dans le même temps, le réseau garde une trace des particules les plus souvent utilisées, et il élimine les particules les moins utilisées de l’ensemble d’entrées pour les essais ultérieurs des réseaux.

    En optimisant les particules les plus importantes, le réseau suggère également où les capteurs doivent être placés sur le robot pour garantir des performances efficaces. Par exemple, dans un robot simulé avec une main agrippante, l’algorithme pourrait suggérer que les capteurs soient concentrés dans et autour des doigts, où des interactions contrôlées avec précision avec l’environnement sont vitales pour la capacité du robot à manipuler des objets. Bien que cela puisse sembler évident, il s’avère que l’algorithme a largement surpassé l’intuition humaine sur l’emplacement des capteurs.

    Les chercheurs ont opposé leur algorithme à une série de prédictions d’experts. Pour trois configurations de robot logiciel différentes, l’équipe a demandé aux roboticiens de sélectionner manuellement où les capteurs devraient être placés pour permettre l’exécution efficace de tâches telles que la saisie de divers objets. Ensuite, ils ont effectué des simulations comparant les robots à capteur humain aux robots à capteur d’algorithme. Et les résultats n’étaient pas proches. «Notre modèle a largement surpassé les humains pour chaque tâche, même si j’ai regardé certains des corps du robot et que je me sentais très confiant sur la destination des capteurs», explique Amini. “Il s’avère qu’il y a beaucoup plus de subtilités dans ce problème que ce à quoi nous nous attendions au départ.”

    Spielberg dit que leur travail pourrait aider à automatiser le processus de conception de robot. En plus de développer des algorithmes pour contrôler les mouvements d’un robot, «nous devons également réfléchir à la façon dont nous allons sensoriser ces robots et comment cela interagira avec d’autres composants de ce système», dit-il. Et un meilleur placement des capteurs pourrait avoir des applications industrielles, en particulier lorsque des robots sont utilisés pour des tâches fines telles que la préhension. «C’est quelque chose où vous avez besoin d’un sens du toucher très robuste et bien optimisé», déclare Spielberg. “Donc, il y a un potentiel d’impact immédiat.”

    «L’automatisation de la conception de robots souples sensoriels est une étape importante vers la création rapide d’outils intelligents qui aident les personnes à accomplir des tâches physiques», déclare Rus. “Les capteurs sont un aspect important du processus, car ils permettent au robot logiciel de” voir “et de comprendre le monde et sa relation avec le monde.”

    Cette recherche a été financée en partie par la National Science Foundation et la Fannie and John Hertz Foundation.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Houssen Moshinaly

    Rédacteur web depuis 2009 et webmestre depuis 2011.

    Je m'intéresse à tous les sujets comme la politique, la culture, la géopolitique, l'économie ou la technologie. Toute information permettant d'éclairer mon esprit et donc, le vôtre, dans un monde obscur et à la dérive.

    Je suis l'auteur de plusieurs livre

    Pour me contacter personnellement :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.