Un robuste, Un robot adaptable qui réagit à son environnement à la volée et surmonte des obstacles tels qu'une jambe cassée sans intervention humaine pourrait être utilisé pour sauver des personnes d'une zone sismique ou nettoyer des sites trop dangereux pour l'homme.

Cela fait partie d'un domaine de travail qui construit des machines qui peuvent fournir une aide en temps réel en utilisant uniquement des données limitées en entrée. Les algorithmes d'apprentissage automatique standard doivent souvent traiter des milliers de possibilités avant de décider d'une solution, ce qui peut être impraticable dans des scénarios sous pression où une adaptation rapide est critique.

Après la catastrophe nucléaire de Fukushima au Japon en 2011, par exemple, des robots ont été envoyés dans la centrale pour nettoyer les débris radioactifs dans des conditions beaucoup trop dangereuses pour l'homme. Le problème, Selon le chercheur en robotique, le professeur Jean-Baptiste Mouret, les robots n'arrêtaient pas de tomber en panne ou de rencontrer des dangers qui les ont arrêtés net.

Dans le cadre de l'initiative ResiBots, il conçoit un robot à moindre coût qui peut durer de longues périodes sans avoir besoin d'une maintenance humaine constante pour les casses et est mieux à même de surmonter les obstacles inattendus.

L'équipe ResiBots utilise ce qu'elle appelle des algorithmes d'apprentissage de micro-données, qui peut aider les robots à s'adapter devant les yeux de la même manière que les animaux réagissent aux problèmes. Un animal va, par exemple, trouvent souvent un moyen de continuer à bouger s'ils se blessent, même s'ils ne savent pas exactement quel est le problème.

En revanche, la plupart des robots actuels diagnostiquent eux-mêmes un problème avant de trouver un moyen de le surmonter, dit le Pr Mouret, chercheur principal chez ResiBots et chercheur senior au centre de recherche Inria en France.

"Nous essayons de raccourcir cela en trouvant un moyen pour eux de réagir sans nécessairement avoir développé une compréhension de ce qui ne va pas, " il a dit.

Plutôt que de s'auto-diagnostiquer, l'objectif de ces robots est d'apprendre de manière proactive par essais et erreurs quelles actions alternatives ils peuvent entreprendre. Cela pourrait les aider à surmonter les difficultés et les empêcher de fermer dans des situations telles que des scénarios de catastrophe comme Fukushima, dit le Pr Mouret.

Ce n'est peut-être pas une intelligence artificielle complète, mais le Pr Mouret précise que la connaissance de tout n'est pas indispensable pour faire fonctionner un robot.

"Nous n'essayons pas de tout résoudre, " at-il dit. " Je suis plus intéressé par la façon dont ils peuvent s'adapter - et, En réalité, s'adapter à ce qui se passe est une partie de ce qui rend les animaux intelligents."

Enfance simulée

Dans l'une des approches les plus prometteuses développées dans le projet ResiBots, les robots ont une enfance simulée, dans lequel ils apprennent différentes manières de bouger leur corps à l'aide d'un algorithme qui recherche à l'avance des exemples de comportements utiles.

Cela signifie que lorsque vous cherchez un moyen de vous déplacer, les robots doivent choisir parmi environ 13, 000 comportements plutôt qu'environ 10 ⁴⁷ options parmi lesquelles les algorithmes standard pourraient sélectionner. Et le but est qu'ils n'en essaient qu'une poignée avant d'en trouver un qui fonctionne.

La plupart des tests de ResiBot sont actuellement effectués sur un robot à six pattes qui cherche à trouver de nouvelles façons de se déplacer après avoir retiré une ou plusieurs pattes. Dans les derniers essais, Le professeur Mouret a déclaré que les robots ont appris à marcher en une à deux minutes après qu'une de leurs jambes leur ait été retirée, ce qui signifie qu'ils doivent généralement tester moins de 10 comportements avant d'en trouver un qui fonctionne.

Au total, les chercheurs travaillent sur une demi-douzaine de robots à différents niveaux de complexité, y compris un robot humanoïde ressemblant à un enfant connu sous le nom d'iCub. Bien que l'iCub, beaucoup plus complexe, ne soit pas encore utilisé dans de nombreux essais, l'équipe espère en faire plus avec le temps.

"Les humanoïdes ont le potentiel d'être très polyvalents et de bien s'adapter aux environnements conçus pour les humains, " dit le Pr Mouret. " Par exemple, les centrales nucléaires ont des portes, leviers et échelles qui ont été conçus pour les gens.

Il y a, cependant, quelques grands défis encore à surmonter, y compris le fait qu'un robot doit être ramené à sa position de départ une fois qu'un membre est retiré, plutôt que de pouvoir continuer du site de la blessure vers la cible.

Sécurité

Il existe également des problèmes de sécurité plus larges impliquant de tels robots - par exemple, en veillant à ce qu'ils ne nuisent pas aux survivants du tremblement de terre tout en les secourant, en particulier si le robot apprend par essais et erreurs, dit le Pr Mouret.

Il pense qu'il faudra au moins quatre ou cinq ans avant qu'un tel robot puisse être utilisé sur le terrain, mais espère que les techniques pourront éventuellement être utilisées dans tous les types de robots - pas seulement ceux pour les situations de catastrophe, mais dans la maison et d'autres scénarios.

Mais il n'y a pas que la mécanique qui peut aider les robots à naviguer dans le monde réel. Les robots peuvent également mieux s'adapter s'ils peuvent relier plus fortement le langage à la réalité.

Professeur Gemma Boleda à l'Universitat Pompeu Fabra en Espagne, a une formation en linguistique et son équipe essaie de lier la recherche dans ce domaine à l'intelligence artificielle pour aider les machines à mieux comprendre le monde qui les entoure, dans le cadre d'un projet appelé AMORE.

C'est quelque chose qui pourrait être utile pour rendre la technologie comme le GPS plus intelligente. Par exemple, lors de la conduite en voiture, le système GPS pourrait spécifier que vous tournez à droite là où se trouve "le grand arbre", le distinguant de plusieurs autres arbres.

Le professeur Boleda dit que cela a été difficile à faire dans le passé en raison de la difficulté de modéliser la façon dont les humains relient le langage à la réalité.

"Autrefois, la langue avait été largement représentée hors contexte, " a déclaré le professeur Boleda.

L'objectif d'AMORE est d'amener les ordinateurs à comprendre les mots et les concepts dans un contexte réel plutôt que comme des mots isolés, elle dit. Par exemple, un robot apprendrait à relier l'expression « ce chien » avec un vrai chien dans la pièce, représentant à la fois les mots et les entités du monde réel.

"L'essentiel de ces modèles est qu'ils sont capables d'apprendre leurs propres représentations à partir de données, " ajouta-t-elle. " Avant, les chercheurs devaient dire à la machine à quoi ressemblait le monde."

Donner aux machines une meilleure compréhension du monde qui les entoure les aidera à faire « plus avec moins » en termes de quantité de données dont elles ont besoin et à mieux prédire les résultats, a déclaré le professeur Boleda.

Cela pourrait également aider à résoudre le problème d'avoir suffisamment d'espace physique sur des appareils comme les téléphones portables pour la prochaine vague d'applications intelligentes.

"Je travaille avec la langue, mais ce problème d'avoir besoin de beaucoup de données est un problème qui afflige de nombreux autres domaines de l'intelligence artificielle, " a déclaré le professeur Boleda. " Donc, si je développe des méthodes qui peuvent faire plus avec moins, alors ceux-ci peuvent également être appliqués ailleurs."