Les chercheurs ont créé un système d’intelligence artificielle (IA) qui permet à un robot quadrupède d’ajuster sa démarche à divers terrains inconnus, semblables à un animal authentique, marquant ce qui est considéré comme un monde en premier.
La technologie innovante permet au robot de modifier automatiquement son mouvement, plutôt que de nécessiter des instructions sur quand et comment ajuster sa foulée, comme c’est le cas avec les robots de génération actuelle. Cette progression est considérée comme une progression significative vers le déploiement potentiel de robots à pattes dans des environnements périlleux où la sécurité humaine peut être compromise, comme le déclassement nucléaire ou les opérations de recherche et de sauvetage, où le non-s’adapter à des circonstances imprévues pourrait entraîner des décès.
Le projet, entrepris par l’Université de Leeds et l’University College de Londres (UCL), s’est inspiré du royaume des animaux pour instruire le robot pour naviguer dans un terrain inconnu. Cela englobe les quadrupèdes tels que les canines, les félines et les équidés, qui compétent pour s’adapter à divers terrains. Ces créatures modifient leur locomotion pour conserver l’énergie, maintenir l’équilibre ou réagir rapidement aux dangers.
Les chercheurs ont développé un cadre qui instruit les robots sur la façon de passer entre le trot, la course à pied, la délimitation et d’autres allures, imitant le comportement des mammifères dans la nature.
Modification des gaits si nécessaire
En incorporant les tactiques utilisées par les animaux pour traverser un environnement incertain, le robot adapte rapidement ses gaits en réponse à un terrain variable. En raison des capacités de traitement des données de l’IA, le robot, appelé «Clarence», a acquis les techniques requises en environ neuf heures, considérablement plus rapidement que les jours ou les semaines généralement requis par la plupart des animaux juvéniles pour traverser diverses surfaces en toute confiance.
Dans un article publié le 11 juillet dans Nature Machine Intelligence, l’auteur principal Joseph Humphreys, un chercheur de troisième cycle de la School of Mechanical Engineering de Leeds, explique comment le cadre permet au robot d’ajuster sa foulée en réponse à son environnement, en naviguant sur divers terrains tels que le bois inégal, le système lui-même.
Il a déclaré: «Nos résultats pourraient avoir un impact significatif sur l’avenir du contrôle du mouvement des robots à la patte en réduisant bon nombre des limites précédentes concernant l’adaptabilité.» »
Il a déclaré: «Ce cadre d’apprentissage en renforcement profond enseigne les stratégies de démarche et le comportement inspiré par de vrais animaux – ou« bio-inspirés »- tels que la sauvegarde de l’énergie, l’ajustement des mouvements au besoin et la mémoire de la marche, pour obtenir un mouvement très adaptable et optimal, même dans les environnements que jamais auparavant.
«Toute la formation se produit dans la simulation. Vous formez la politique sur un ordinateur, puis le prenez et le mettez sur le robot et il est tout aussi compétent que dans la formation. Il est similaire à la matrice, lorsque les compétences de Neo dans les arts martiaux sont téléchargées dans son cerveau, mais il ne subit aucune formation physique dans le monde réel.
«Nous avons ensuite testé le robot dans le monde réel, sur des surfaces qu’il n’avait jamais connues auparavant, et il a réussi à tous les naviguer.
Les agents d’apprentissage en renforcement profond excellent généralement dans la maîtrise d’une tâche particulière mais rencontrent des difficultés à s’adapter aux changements environnementaux. Les cerveaux animaux possèdent des structures et des informations inhérentes qui facilitent l’apprentissage. Certains agents peuvent reproduire cette forme d’apprentissage; Mais, leurs systèmes artificiels n’ont généralement pas la sophistication et la complexité des modèles plus avancés. Les chercheurs affirment qu’ils ont surmonté ce problème en incorporant des tactiques de locomotion animale naturelle dans leur système.
Ils prétendent posséder le cadre inaugural qui intègre simultanément les trois éléments essentiels de la locomotion animale dans un système d’apprentissage de renforcement – en particulier: les stratégies de transition de la démarche, la mémoire procédurale de la démarche et l’ajustement de mouvement adaptatif – ne nécessitent pas une véritable polyvalence sur le robot physique.
Le robot acquiert non seulement la capacité de se déplacer, mais apprend également à choisir la démarche à utiliser, quand la transition et comment l’adapter en temps réel, même sur un terrain inconnu.
Le professeur Zhou, l’auteur principal de l’étude de l’UCL Computer Science, a déclaré: «Cette recherche était motivée par une question fondamentale: que se passe-t-il si les robots à pattes pouvaient déplacer instinctivement la façon dont les animaux? Au lieu de former des robots pour des tâches spécifiques, nous voulions leur donner l’intelligence stratégique que les animaux utilisent pour adapter leurs gaits – en utilisant des principes tels que l’équilibre, la coordonnée et l’efficacité énergétique.
«En intégrant ces principes dans un système d’IA, nous avons permis aux robots de choisir comment se déplacer en fonction des conditions en temps réel, et non des règles préprogrammées.
«Notre vision à long terme est de développer des systèmes d’IA incarnés – y compris des robots humanoïdes – qui se déplacent, s’adaptent et interagissent avec la même fluidité et la même résilience que les animaux et les humains.»
Applications pratiques
Les ingénieurs imitent progressivement la nature, appelée biomimétisme, pour résoudre les difficultés de mobilité complexes. L’équipage affirme que leur réalisation signifie une progression importante dans l’amélioration de l’adaptabilité et de la compétence des robots à pattes pour naviguer dans les défis du monde réel, en particulier dans les emplacements dangereux ou les zones ayant un accès restreint. Un robot compétent pour traverser un terrain inconnu et complexe présente de nouvelles opportunités pour les applications en réponse aux catastrophes, à l’exploration planétaire, à l’agriculture et à l’inspection des infrastructures.
Il propose une approche viable pour incorporer l’intelligence biologique dans les systèmes robotiques et faciliter des examens plus éthiques des hypothèses de biomécanique; Plutôt que de soumettre des animaux à des capteurs invasifs ou de compromettre leur sécurité pour analyser leur réponse de récupération de stabilité, les robots peuvent être utilisés à la place.
En s’inspirant des éléments qui facilitent la locomotion efficace des animaux, les chercheurs ont conçu un cadre adepte pour naviguer dans un terrain complexe et dangereux, même en l’absence de capteurs exteroceptifs – tels que la vision, l’olfaction et la perception auditive – qui aident les humains dans leur mobilité.
Pratique concomitante sur de nombreux terrains
Utilisant un apprentissage en renforcement profond – une forme améliorée d’essais et d’erreurs – le robot formé simultanément dans de nombreux environnements, abordant initialement le défi de la locomotion avec diverses gaits, sélectionnant par la suite la démarche optimale pour le terrain, développant ainsi la capacité de mouvement très adaptable.
Pour évaluer cette flexibilité a gagné dans des environnements pratiques, le robot a été libéré sur diverses surfaces telles que la coque en bois, les roches, les racines envahi par la végétation et le bois lâche, tout en soumettant ses jambes à des impacts répétés à partir d’un pinceau balayant pour évaluer sa récupération des voyages. Les chercheurs ont utilisé une voie prédéfinie ou un joystick, à la grande partie de ceux employés dans des jeux vidéo, pour manœuvrer le robot.
Étonnamment, le robot n’a été soumis à aucun terrain difficile pendant la formation, soulignant l’adaptabilité du système et indiquant que ces compétences sont devenues instinctives pour le robot.
La recherche, partiellement financée par la Royal Society et l’Advanced Research and Invention Agency (ARIA), se sont concentrées sur la facilitation de la mobilité quotidienne résiliente. Dans les efforts futurs, l’équipe aspire à intégrer d’autres compétences dynamiques, comme le saut à longue distance, l’escalade et la traversée des terrains raides ou verticaux.
Bien que la méthodologie ait jusqu’à présent été évaluée uniquement sur un seul robot quadrupède de la taille d’un chien, les principes fondamentaux ont une étendue applicabilité. Des mesures bio-inspirées identiques peuvent être utilisées pour une gamme diversifiée de robots quadrupèdes, indépendamment de leurs dimensions ou de leur masse, à condition qu’ils présentent une morphologie analogue.
