Le contrôle moteur humain a toujours été efficace pour exécuter naturellement des mouvements complexes, efficacement, et sans trop y réfléchir. Ceci est dû à l'existence d'une synergie motrice dans le système nerveux central (SNC). La synergie motrice permet au SNC d'utiliser un plus petit ensemble de variables pour contrôler un grand groupe de muscles; simplifiant ainsi le contrôle des mouvements coordonnés et complexes.

Maintenant, des chercheurs de l'Université de Tohoku ont observé un concept similaire chez des agents robotiques utilisant des algorithmes d'apprentissage par renforcement en profondeur (DRL).

DRL permet aux agents robotiques d'apprendre la meilleure action possible dans leur environnement virtuel. Il permet de résoudre des tâches robotiques complexes tout en minimisant les opérations manuelles et en atteignant des performances optimales. Algorithmes classiques, d'autre part, nécessitent une intervention manuelle pour trouver des solutions spécifiques pour chaque nouvelle tâche qui apparaît.

Cependant, appliquer la synergie motrice du monde humain au monde robotique n'est pas une mince affaire. Même si de nombreuses études soutiennent l'utilisation de la synergie motrice dans le contrôle moteur humain et animal, le processus de fond est encore largement inconnu.

Dans l'étude actuelle, des chercheurs de l'Université de Tohoku ont utilisé deux algorithmes DRL sur des agents robotiques ambulants appelés HalfCheetah et FullCheetah. Les deux algorithmes étaient TD3, un DRL classique, et SAC, un DRL performant.

Les deux agents robotiques ont été chargés de courir aussi loin que possible dans un temps donné. Au total, les agents robotiques ont effectué 3 millions d'étapes. Les informations de synergie n'ont pas été utilisées vis-à-vis des DRL mais les agents robotiques ont démontré l'émergence d'une synergie motrice tout au long de leurs mouvements.

Mitsuhiro Hayashibe, Professeur à l'Université de Tohoku et co-auteur de l'étude, Remarques, "Nous avons d'abord confirmé de manière quantitative que la synergie motrice peut émerger même dans l'apprentissage en profondeur comme le font les humains." Le professeur Hayashibe ajoute, "Après avoir utilisé l'apprentissage en profondeur, les agents robotiques ont amélioré leurs performances motrices tout en limitant la consommation d'énergie en utilisant la synergie motrice."

Aller de l'avant, les chercheurs visent à explorer davantage de tâches avec différents modèles corporels pour confirmer davantage leurs découvertes.