Comment le robot Cheetah du MIT a pris de la vitesse

Le laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL) propose une nouvelle version d’un robot quadrupède, ultra rapide. Alors que les robots à quatre pattes attirent l’attention ces deux dernières années, une compétence étonnamment quotidienne leur a échappé : la course.

La raison en est que la course dans un environnement réel est d’une complexité phénoménale. Le rythme rapide laisse peu de place aux robots s’adapter aux défis (par exemple, des surfaces glissantes, des obstacles physiques ou un terrain accidenté). De plus, les contraintes de la course poussent le matériel à ses limites de couple et de contrainte. Gabriel Margolis, doctorant au MIT CSAIL, et Ge Yang, postdoc à l’Institute of AI and Fundamental Interactions (IAIFI), ont récemment déclaré à MIT News :

Dans de telles conditions, la dynamique du robot est difficile à modéliser. Le robot doit réagir rapidement aux changements de l’environnement, par exemple au moment où il rencontre de la glace alors qu’il court sur l’herbe. Si le robot marche, il se déplace lentement et la présence de neige n’est généralement pas un problème. Imaginez que vous marchiez lentement, mais prudemment. Vous pouvez traverser presque tous les terrains. Les robots d’aujourd’hui sont confrontés à un problème analogue. Le problème est que se déplacer sur tous les terrains comme si vous marchiez sur la glace est très inefficace, mais est courant chez les robots d’aujourd’hui. Les humains courent vite sur l’herbe et ralentissent sur la glace – nous nous adaptons. Donner aux robots une capacité d’adaptation similaire nécessite une identification rapide des changements de terrain et une adaptation rapide pour éviter que le robot ne tombe. En résumé, étant donné qu’il est impossible de construire à l’avance des modèles analytiques (conçus par l’homme) de tous les terrains possibles et que la dynamique du robot devient plus complexe à des vitesses élevées, la course à grande vitesse est plus difficile que la marche.

Ce qui distingue le dernier Mini Cheetah du MIT, c’est la façon dont il fait face à cette situation. Auparavant, le MIT Cheetah 3 et le Mini Cheetah utilisaient des contrôleurs de course conçus par des ingénieurs humains qui analysaient la physique de la locomotion, formulaient des abstractions déficientes et mettaient en œuvre une hiérarchie spécialisée de contrôleurs pour que le robot s’équilibre et court. C’est de la même manière que fonctionne le robot Spot de Boston Dynamics.

Ce nouveau système s’appuie sur un modèle d’expérience pour apprendre en temps réel. En fait, en entraînant son réseau neuronal dans un simulateur, le robot du MIT peut acquérir 100 jours d’expérience sur divers terrains en seulement trois heures.

“Nous avons mis au point une approche qui permet d’améliorer le comportement du robot à partir de l’expérience simulée, et notre approche permet aussi, de manière critique, de déployer avec succès ces comportements appris dans le monde réel”, expliquent Margolis et Yang.

“L’intuition qui sous-tend la raison pour laquelle les compétences de course du robot fonctionnent bien dans le monde réel est la suivante : parmi tous les environnements qu’il voit dans ce simulateur, certains vont enseigner au robot des compétences utiles dans le monde réel. Lorsqu’il opère dans le monde réel, notre contrôleur identifie et exécute les compétences pertinentes en temps réel”, ont-ils ajouté.

Bien sûr, comme tout bon projet de recherche universitaire, le Mini Cheetah est plus une preuve de concept et de développement qu’un produit, et l’important ici est de savoir avec quelle efficacité un robot peut être adapté au monde réel. Margolis et Yang soulignent que les paradigmes de développement et de déploiement de la robotique qui nécessitent une surveillance et une contribution humaines pour un fonctionnement efficace ne sont pas évolutifs.

En d’autres termes, la programmation manuelle est une activité à forte intensité de main-d’œuvre, et nous arrivons à un point où les simulations et les réseaux neuronaux peuvent faire un travail étonnamment plus rapide. Le matériel et les capteurs des décennies précédentes commencent à atteindre leur plein potentiel, ce qui annonce un nouveau jour où les robots marcheront parmi nous.

En fait, ils pourraient même courir.

Source : “ZDNet.com”