Une équipe du MIT a développé un protocole d'acquisition et de transmission des connaissances pour des robots. Il permet à des personnes n'ayant aucune expérience en programmation informatique d'enseigner une tâche à un robot, lequel sera ensuite capable de l'apprendre à l'un de ses congénères.

au sommaire

    Certains salueront une avancée capitale, d'autres y trouveront une source d'inquiétude plus orwellienne. Des robots sont capables d'apprendre à accomplir une tâche et de transmettre ce savoir à un autre robot. C'est le résultat d'un travail accompli par une équipe du Computer Science and Artificial IntelligenceIntelligence Laboratory (CSAIL) du Massachusetts Institute of Technology (MIT).

    Ils ont mis au point un système baptisé C-Learn qui réunit le meilleur des deux principales techniques de programmation en robotique. La première consiste à utiliser la démonstration qui montre l'accomplissement d'une tâche à répliquer. La seconde repose sur la planification de mouvementsmouvements dans laquelle un informaticien doit programmer une tâche avec ses contraintes et ses objectifs. Ces deux méthodes ont chacune leurs défauts. L'apprentissage par la démonstration ne permet pas au robot d'appliquer ce savoir à d'autres situations tandis que la planification de mouvements est chronophage et réclame des compétences poussées.

    L'Homme sait puiser dans son expérience pour déterminer de quelle manière il pourra accomplir une action inédite. Le but de C-Learn est de parvenir à entraîner les robots comme le font les humains, en combinant le côté intuitif de la démonstration avec la précision de la planification de mouvements. L'idée maîtresse de C-Learn est de s'affranchir d'un apprentissage par l'imitation du mouvement pour aller vers une déduction des principes qui le sous-tendent. Cela permet d'introduire une flexibilité et une capacité d'adaptation plus grande pour les machines.


    Dans cette démonstration du système C-Learn, on observe comment un opérateur apprend au robot Optimus à accomplir une tâche en se servant d’une interface 3D. Ce dernier saura ensuite combiner ces informations aux connaissances de base qu’on lui a fournies pour accomplir sa mission en s’adaptant aux circonstances. © MIT CSAIL

    Comment ça marche ?

    Concrètement, l'opérateur commence par dispenser au robot des connaissances de base sur la manière de saisir des objets ayant différentes contraintes de manipulation. Par exemple, bien qu'une roue de voiturevoiture et un volant partagent la même forme, les deux ne sont pas fixés pas de la même manière. Il faut donc que le robot sache adapter la configuration de son bras à ces tâches.

    Une fois ces informations acquises, l'opérateur, qui n'a pas besoin de maîtriser la programmation informatique, utilise une interface 3D pour montrer au robot la démonstration de la tâche à accomplir. Celle-ci contient une série d'étapes clés que la machine va ensuite corréler aux différents cas de figure enregistrés dans sa base de connaissances. Ainsi, le robot peut suggérer un plan d'action que l'opérateur humain approuvera ou amendera.

    Optimus transmet son savoir au robot Atlas

    L'équipe du CSAIL a testé son système avec OptimusOptimus, un robot à deux bras conçu pour le désamorçage des engins explosifs. On lui a appris à ouvrir des portesportes, extraire et transporter des objets placés dans des conteneurs. Optimus a ensuite transmis ses connaissances au robot Atlas, un géant mesurant 1,80 m et pesant 180 kgkg dont la configuration physiquephysique diffère beaucoup de celle de son professeur. Au final, Atlas est parvenu à accomplir les mêmes tâches qu'Optimus sans qu'un humain ne soit intervenu dans sa formation.

    Durant les essais, le robot Optimus a su exécuter la tâche demandée sans intervention dans plus de 87 % des cas. Il atteignait même une réussite de 100 % lorsqu'un opérateur intervenait pour corriger quelques menues erreurs. Pour le moment, C-Learn ne fonctionne que pour des tâches assez simples. Il ne sait pas encore éviter les collisions ni gérer la planification de plusieurs étapes intermédiaires dans une mission donnée. Mais les roboticiens du CSAIL disent vouloir continuer à s'inspirer de l'apprentissage humain pour faire progresser leur plateforme.

    Au final, un tel système pourrait jouer un rôle crucial dans la robotisation des usines, en permettant de recourir à des robots différents sans avoir à les programmer individuellement. C-Learn pourrait également servir dans des situations d'urgence, pour aider des robots de sauvetage, ou de désamorçage de bombe, à apprendre rapidement une nouvelle tâche.