Pour une girafe ou un gnou nouveau-né, naître peut être une introduction périlleuse au monde – les prédateurs guettent l'occasion de préparer un repas du membre le plus faible du troupeau. C'est pourquoi de nombreuses espèces ont développé des moyens pour que leurs juvéniles trouvent leur place dans les minutes qui suivent la naissance.

C'est un exploit évolutif étonnant qui a longtemps inspiré les biologistes et les roboticiens - et maintenant une équipe de chercheurs de l'USC à l'USC Viterbi School of Engineering pense qu'ils sont devenus les premiers à créer un membre robotique contrôlé par l'IA et entraîné par des tendons d'animaux qui peuvent même être trébuché puis récupérer dans le temps du prochain pas, une tâche pour laquelle le robot n'a jamais été explicitement programmé pour faire.

Francisco J. Valero-Cuevas, professeur de génie biomédical, professeur de biokinésiologie et de physiothérapie à l'USC dans le cadre d'un projet avec le doctorant de l'USC Viterbi School of Engineering, Ali Marjaninejad, et deux autres doctorants, Dario Urbina-Melendez et Brian Cohn, ont développé un algorithme bio-inspiré qui peut apprendre une nouvelle tâche de marche par lui-même après seulement 5 minutes de jeu non structuré, puis s'adapter à d'autres tâches sans aucune programmation supplémentaire.

Leur article, décrit dans l'article de couverture de mars de Nature Machine Intelligence , ouvre des possibilités passionnantes pour comprendre le mouvement humain et le handicap, créer des prothèses réactives, et des robots qui peuvent interagir avec des environnements complexes et changeants comme l'exploration spatiale et la recherche et le sauvetage.

"De nos jours, il faut l'équivalent de mois ou d'années d'entraînement pour qu'un robot soit prêt à interagir avec le monde, mais nous voulons réaliser l'apprentissage rapide et les adaptations vues dans la nature, " a déclaré l'auteur principal Valero-Cuevas, qui a aussi des rendez-vous en informatique, génie électrique et informatique, génie mécanique et aérospatial et neurosciences à l'USC.

Marjaninejad, un doctorant au département de génie biomédical de l'USC, et l'auteur principal de l'article, a déclaré que cette percée s'apparente à l'apprentissage naturel qui se produit chez les bébés. Marjaninejad explique, le robot a d'abord été autorisé à comprendre son environnement dans un processus de jeu libre (ou ce qu'on appelle le « babillage moteur »).

"Ces mouvements aléatoires de la jambe permettent au robot de construire une carte interne de son membre et de ses interactions avec l'environnement, " a déclaré Marjaninejad.

Les auteurs de l'article disent que, contrairement à la plupart des travaux actuels, leurs robots apprennent par la pratique, et sans aucune simulation informatique préalable ou parallèle pour guider l'apprentissage.

Marjaninejad a également ajouté que cela est particulièrement important car les programmeurs peuvent prédire et coder pour plusieurs scénarios, mais pas pour tous les scénarios possibles - les robots préprogrammés sont donc inévitablement sujets à l'échec.

"Toutefois, si vous laissez ces [nouveaux] robots apprendre d'une expérience pertinente, alors ils finiront par trouver une solution qui, une fois trouvé, seront exploités et adaptés au besoin. La solution n'est peut-être pas parfaite, mais sera adopté s'il est assez bon pour la situation. Tout le monde n'a pas besoin ou ne veut pas - ou n'est capable de consacrer du temps et des efforts - à gagner une médaille olympique, " dit Marjaninejad.

A travers ce processus de découverte de leur corps et de leur environnement, les membres du robot conçus au laboratoire de Valero Cuevas à l'USC utilisent leur expérience unique pour développer le modèle de démarche qui leur convient assez bien, produire des robots aux mouvements personnalisés. "Vous pouvez reconnaître quelqu'un qui descend le couloir parce qu'il a un pas particulier, n'est-ce pas ?" demande Valero-Cuevas. "Notre robot utilise son expérience limitée pour trouver une solution à un problème qui devient alors son habitude personnalisée, ou « personnalité » - Nous obtenons le marcheur délicat, le marcheur paresseux, le champion... nommez-le."

Les applications potentielles de la technologie sont nombreuses, en particulier dans les technologies d'assistance, où des membres robotiques et des exosquelettes intuitifs et réactifs aux besoins personnels d'un utilisateur seraient d'une valeur inestimable pour ceux qui ont perdu l'usage de leurs membres. "Les exosquelettes ou les appareils fonctionnels devront interpréter naturellement vos mouvements pour s'adapter à ce dont vous avez besoin, ", a déclaré Valero-Cuevas.

"Parce que nos robots peuvent apprendre des habitudes, ils peuvent apprendre vos habitudes, et imitez votre style de mouvement pour les tâches dont vous avez besoin dans la vie quotidienne, même lorsque vous apprenez une nouvelle tâche, ou devenir plus fort ou plus faible."

Selon les auteurs, la recherche aura également de fortes applications dans les domaines de l'exploration spatiale et des missions de sauvetage, permettant aux robots de faire ce qui doit être fait sans être escortés ou supervisés alors qu'ils s'aventurent sur une nouvelle planète, ou un terrain incertain et dangereux à la suite de catastrophes naturelles. Ces robots seraient capables de s'adapter à une gravité faible ou élevée, des roches lâches un jour et de la boue après la pluie, par exemple.

Les deux auteurs supplémentaires de l'article, les doctorants Brian Cohn et Dario Urbina-Melendez ont pesé sur la recherche :

"La capacité d'une espèce à apprendre et à adapter ses mouvements à mesure que son corps et son environnement changent a été un puissant moteur d'évolution depuis le début, " dit Cohn, doctorant en informatique à l'USC Viterbi School of Engineering. "Notre travail constitue une étape vers l'autonomisation des robots à apprendre et à s'adapter à partir de chaque expérience, comme le font les animaux."

"J'imagine des robots à commande musculaire, capable de maîtriser ce qu'un animal met des mois à apprendre, en quelques minutes, " dit Urbina-Melendez, un doctorant en génie biomédical qui croit en la capacité de la robotique à s'inspirer audacieusement de la vie. « Notre travail alliant ingénierie, IA, l'anatomie et les neurosciences sont une indication forte que cela est possible."