Une nouvelle génération de robots d'essaimage qui peuvent apprendre et évoluer de manière indépendante de nouveaux comportements dans la nature est un pas de plus, grâce aux recherches de l'Université de Bristol et de l'Université de l'Ouest de l'Angleterre (UWE).

L'équipe a utilisé l'évolution artificielle pour permettre aux robots d'apprendre automatiquement des comportements d'essaim compréhensibles pour les humains. Cette nouvelle avancée publiée aujourd'hui dans Systèmes intelligents avancés , pourrait créer de nouvelles possibilités robotiques pour la surveillance environnementale, reprise après sinistre, entretien des infrastructures, logistique et agricole.

Jusqu'à maintenant, l'évolution artificielle a généralement été exécutée sur un ordinateur externe à l'essaim, avec la meilleure stratégie puis copié dans les robots. Cependant, cette approche est limitative car elle nécessite une infrastructure externe et un environnement de laboratoire.

En utilisant un essaim de robots sur mesure avec une puissance de traitement élevée intégrée dans l'essaim, l'équipe de Bristol a pu découvrir quelles règles donnent lieu aux comportements d'essaim souhaités. Cela pourrait conduire à des essaims robotiques capables de s'adapter de manière continue et indépendante dans la nature, pour répondre aux environnements et aux tâches à accomplir. En rendant les contrôleurs évolués compréhensibles pour les humains, les contrôleurs peuvent également être interrogés, expliqué et amélioré.

Auteur principal, Simon Jones, du laboratoire de robotique de l'Université de Bristol a déclaré :« Les contrôleurs compréhensibles par l'homme nous permettent d'analyser et de vérifier les conceptions automatiques, pour garantir la sécurité du déploiement dans les applications du monde réel."

Co-dirigé par le Dr Sabine Hauert, les ingénieurs ont profité des avancées récentes de l'informatique mobile haute performance, pour construire un essaim de robots inspirés de ceux de la nature. Leur "Teraflop Swarm" a la capacité d'exécuter le processus de conception automatique à forte intensité de calcul entièrement au sein de l'essaim, le libérant de la contrainte des ressources hors ligne. L'essaim atteint un haut niveau de performance en seulement 15 minutes, beaucoup plus rapide que les méthodes d'évolution incorporées précédentes, et sans dépendre d'infrastructures externes.

Dr Hauert, Maître de Conférences en Robotique au Département de Mathématiques de l'Ingénieur et au Laboratoire de Robotique de Bristol (BRL), a déclaré:"C'est la première étape vers des essaims de robots qui découvrent automatiquement des stratégies d'essaim appropriées dans la nature."

"La prochaine étape sera de sortir ces essaims de robots du laboratoire et de démontrer notre approche proposée dans des applications réelles."

En libérant l'essaim d'infrastructures externes, et en montrant qu'il est possible d'analyser, comprendre et expliquer les contrôleurs générés, les chercheurs s'orienteront vers la conception automatique de contrôleurs d'essaim dans des applications réelles.

À l'avenir, repartir de zéro, un essaim de robots pourrait découvrir une stratégie adaptée directement in situ, et changer la stratégie lorsque la tâche essaim, ou des changements d'environnement.

Professeur Alan Winfield, Unité BRL et Communication Scientifique, UWE, a déclaré :« Dans de nombreux systèmes d'IA modernes, en particulier ceux qui utilisent le Deep Learning, il est presque impossible de comprendre pourquoi le système a pris une décision particulière. Ce manque de transparence peut être un réel problème si le système prend une mauvaise décision et cause des dommages. Un avantage important du système décrit dans cet article est qu'il est transparent :son processus de prise de décision est compréhensible par les humains. »