au sommaire
Qu'il s'agisse de l'exploration spatiale, de l'industrie, des transports, de la médecine, de l'aide à la personne, de l’agriculture, du secours ou de la Défense, les robots sont de plus en plus présents dans la vie des Hommes et parfois même indispensables. Cependant, ils ont tous le même défaut : leur vulnérabilité en cas de panne ou d'accidentaccident venant altérer leur mobilité. L'année dernière, par exemple, les ingénieurs du Jet Propulsion LaboratoryJet Propulsion Laboratory de la NasaNasa, qui supervisent la mission du rover Curiosity, ont ainsi été obligés de faire avancer l'engin à reculons afin de préserver ses roues, endommagées plus vite que prévu.
Dans un avenir proche, les robots autonomes sauront peut-être faire preuve de résiliencerésilience et être capables de trouver eux-mêmes le moyen de s'adapter pour continuer à se mouvoir en cas de dégâts matériels. Cette prouesse sera rendue possible par un algorithme d'apprentissage par renforcement que viennent de présenter trois chercheurs français de l'université Pierre et Marie CurieMarie Curie (UPMC) associés à un autre scientifique de l'université du Wyoming (États-Unis). « Alors que les animaux savent s'adapter rapidement en cas de blessure, les robots actuels ne savent pas par défaut trouver un comportement compensatoire lorsqu'ils sont endommagés », peut-on lire en préambule de l'article scientifique qui vient de paraître dans la revue Nature.
Intitulé « Robots that can adapt like animals » (Des robots qui peuvent s'adapter comme les animaux), le texte détaille comment un robot autonome endommagé parvient à trouver lui-même le moyen de poursuivre sa progression en moins de deux minutes en adaptant son fonctionnement. Dans la vidéo ci-dessous, on voit comment un robot-araignéearaignée hexapodehexapode, dont l'une des pattes a été coupée, teste différentes méthodes de déplacement jusqu'à trouver celle qui lui permet de reprendre sa progression en retrouvant 96 % de sa vitessevitesse originelle. Tout cela se déroule en une quarantaine de secondes.
Dans cette vidéo, on découvre comment le robot va bâtir une base de données des différentes méthodes de déplacement qu’il peut adopter et dont il se servira ensuite pour tester la configuration la plus performante suite au dommage qu’il a subi. La vidéo est en anglais, pour obtenir une traduction en français assez fidèle, cliquez sur le rectangle blanc avec deux traits horizontaux en bas à droite de l'image pour obtenir les sous-titres. Cliquez ensuite sur « anglais », puis sur le bouton « Paramètres », et déroulez le menu « Sous-titres » et cliquez sur « Traduire les sous-titres ». Choisissez la langue puis cliquez sur « OK ». © Antoine Cully, université Pierre et Marie Curie
Dans un autre cas pratique, c'est un bras robotisé dont l'un des moteurs est hors d'usage qui, en moins d'une minute, trouve le moyen de continuer à placer des balles à l'intérieur d'un récipient. « L'approche actuelle pour la tolérance aux pannes est pour beaucoup héritée des systèmes critiques comme les vaisseaux spatiaux ou les centrales nucléairescentrales nucléaires. Elle est difficile à mettre en œuvre sur des robots autonomes plus "grand public" car elle repose sur des diagnosticsdiagnostics automatiques qui nécessitent de nombreux capteurscapteurs internes, et rendent donc les robots chers et complexes, et sur des plans d'urgence dont le choix dépend de la qualité du diagnostic et qui ne peuvent répondre à toutes les situations », explique Jean-Baptiste Mouret, l'un des trois chercheurs français impliqués dans ce projet et qui travaille désormais pour l'Inria.
Le robot ne cherche pas la panne, il y remédie
L'algorithme d'apprentissage par essai-erreur s'inspire de ce que les humains et les animaux font lorsqu'ils se blessent. Si, par exemple, une personne se foule la chevillecheville, elle va utiliser sa mémoire et l'expérimentation pour trouver comment boitiller de la manière la moins douloureuse et la plus efficace pour pouvoir marcher. « Il n'est pas nécessaire de comprendre la source du problème pour pouvoir trouver un comportement permettant de continuer la mission », souligne le chercheur de l'Inria. En effet, le robot ne cherche pas à déterminer la cause de sa panne, il trouve le moyen d'y remédier.
Pour cela, il va au préalable créer une simulation de lui-même afin d'élaborer une cartographie des comportements les plus performants. Cette cartographie va fournir au robot des « intuitions » sur les différentes attitudes qu'il peut adopter et leur efficacité. Il va s'en servir pour trouver le comportement compensatoire le plus performant possible. Dans le cas du robot hexapode, une caméra 3D type Kinect couplée à un algorithme d'odométrie visuelle lui sert à évaluer sa vitesse de déplacement et d'en déduire sa performance. « Une fois endommagé, le robot devient comme un scientifique », souligne Antoine Cully qui travaille à l'institut des Systèmes intelligents et de robotique de l'UPMC. « Il a l'antécédent des différents comportements qui pourraient fonctionner et il commence à les tester. »
Très prometteuse, cette innovation a désormais besoin d'être confrontée à des conditions réelles et testée sur différents robots. Il faut notamment découvrir jusqu'à quel niveau de dommages un robot sera capable de s'adapter pour continuer à avancer. Les inventeurs de cet algorithme évolutionniste pensent en tout cas qu'il pourrait bénéficier aux robots autonomes utilisés pour les missions de secours suite à des catastrophes, à ceux qui interviennent à la place des humains dans des environnements hostiles, aux robots d'assistance ou encore à ceux utilisés dans l'agricultureagriculture.
