Les robots à corps mou plus efficaces avec un nouveau réseau neuronal d’apprentissage profond

Les robots à corps mou sont un outil extrêmement important dans le domaine plus large de la robotique, car les robots traditionnels et rigides ne sont pas en mesure de réaliser les mêmes types de tâches. Les premiers interagissent avec les humains de manière plus sûre, et ils peuvent faire des choses comme s’adapter à des espaces étroits.

L’un des principaux défis liés aux robots mous est qu’ils doivent connaître la position de toutes leurs parties du corps pour réaliser des tâches programmées, et cela devient plus difficile à mesure que les robots mous peuvent se déformer de manière presque infinie.

Maintenant, des chercheurs du MIT ont développé un nouvel algorithme d’apprentissage profond qui aide les ingénieurs à concevoir des robots mous de manière à ce qu’ils puissent collecter plus de données sur leur environnement. L’algorithme fonctionne en suggérant une placement optimisé des capteurs à l’intérieur du corps du robot. Cela lui permet de réaliser des tâches assignées tout en interagissant avec l’environnement.

Alexander Amini est co-auteur principal de la recherche, aux côtés d’Andrew Spielberg, tous deux étudiants en doctorat au laboratoire d’informatique et d’intelligence artificielle du MIT. La recherche a été publiée dans IIEEE Letters on Robotics and Automation avec d’autres co-auteurs, notamment Lillian Chin, étudiante en doctorat, et Wojciech Matusik et Daniela Rus, professeurs à l’université.

« Le système n’apprend pas seulement une tâche donnée, mais également comment concevoir au mieux le robot pour résoudre cette tâche », déclare Amini. « Le placement des capteurs est un problème très difficile à résoudre. Avoir la solution est extrêmement excitant. »

https://www.youtube.com/watch?v=MSa7D0FvxqY

Robots rigides vs robots mous

L’un des principaux avantages des robots rigides est qu’ils ont une gamme de mouvement limitée, et même si cela semble être un inconvénient, cela signifie que le nombre fini de joints et de membres conduit à des calculs plus gérables.

Ces calculs sont plus faciles à travailler lorsqu’il s’agit d’algorithmes de contrôle de la cartographie et de la planification du mouvement. Les robots mous ne peuvent pas faire de même car ils sont flexibles.

« Le principal problème avec les robots mous est qu’ils sont infiniment dimensionnels », déclare Spielberg. « Tout point sur un robot à corps mou peut, en théorie, se déformer de n’importe quelle manière possible. »

Dans le passé, les chercheurs ont utilisé une caméra externe pour cartographier la position du robot, qui est ensuite renvoyée dans le programme de contrôle du robot. La nouvelle équipe a cherché à créer un robot mou sans aide externe.

« Vous ne pouvez pas mettre un nombre infini de capteurs sur le robot lui-même », poursuit Spielberg. « La question est donc : Combien de capteurs avez-vous, et où placez-vous ces capteurs pour obtenir le meilleur rapport qualité-prix ? »

Les chercheurs ont développé une nouvelle architecture de réseau neuronal capable d’optimiser le placement des capteurs et d’apprendre à réaliser efficacement des tâches. Ils ont d’abord divisé le corps du robot en différentes régions appelées « particules ».

Le réseau neuronal utilise le taux de déformation de chaque particule comme entrée, et par essais et erreurs, le réseau peut apprendre la séquence de mouvements la plus efficace pour une tâche donnée. Le réseau garde également une trace des particules les plus utilisées pour ajuster les entrées du réseau.

Surpasser les humains dans le placement des capteurs

Le réseau suggère le placement des capteurs sur le robot en optimisant les particules les plus importantes. Dans les tests, l’algorithme a surpassé les humains lorsqu’il s’agissait de localiser les endroits les plus efficaces pour placer les capteurs.

L’algorithme a ensuite été testé contre une série de prédictions d’experts.

« Notre modèle a largement surpassé les humains pour chaque tâche, même si j’ai regardé certains des corps de robot et que j’étais très confiant sur l’endroit où les capteurs devaient aller », déclare Amini. « Il s’avère qu’il y a beaucoup plus de subtilités dans ce problème que nous ne l’avions initialement prévu. »

Selon Spielberg, la nouvelle avancée pourrait aider à automatiser le processus de conception de robots et à développer de nouveaux algorithmes pour contrôler les mouvements de robots.

« …nous devons également réfléchir à la façon dont nous allons équiper ces robots de capteurs, et à la façon dont cela interagira avec d’autres composants du système », déclare-t-il. « C’est quelque chose pour lequel vous avez besoin d’un sens du toucher très robuste et bien optimisé. Il y a donc un potentiel d’impact immédiat. »

« L’automatisation de la conception de robots mous équipés de capteurs est une étape importante pour créer rapidement des outils intelligents qui aident les gens à accomplir des tâches physiques », déclare Rus. « Les capteurs sont un aspect important du processus, car ils permettent au robot mou de « voir » et de comprendre le monde et sa relation avec le monde. »