Le système, appelé Dex-Net 2.0, a été développé par des chercheurs de l’Université de Californie à Berkeley. Il utilise un algorithme d’apprentissage en profondeur pour apprendre de ses erreurs et améliorer ses capacités de compréhension au fil du temps.
Lors des tests, Dex-Net 2.0 a réussi à saisir des objets de différentes formes et tailles, notamment une brosse à dents, une petite voiture et une tasse de café. Le système a également pu s'adapter à différents types de surfaces, comme une table, un comptoir et un siège d'auto.
"Dex-Net 2.0 constitue une amélioration significative par rapport à notre système précédent", a déclaré le co-auteur Pieter Abbeel de l'Université de Californie à Berkeley. "Il est capable d'apprendre de ses erreurs beaucoup plus rapidement et efficacement, et il peut désormais saisir des objets très différents les uns des autres en termes de forme et de taille."
Les chercheurs pensent que Dex-Net 2.0 pourrait être utilisé pour développer de nouveaux systèmes robotiques capables d'effectuer diverses tâches, telles que ramasser des objets, nettoyer une maison ou assembler des meubles.
Un article décrivant le nouveau système a été publié dans la revue Science Robotics.
Comment Dex-Net 2.0 apprend
Dex-Net 2.0 utilise un algorithme d'apprentissage en profondeur appelé apprentissage par renforcement pour apprendre à saisir des objets. L'apprentissage par renforcement est un type d'apprentissage automatique qui permet à un système d'apprendre de ses erreurs en le récompensant pour son bon comportement et en le punissant pour son mauvais comportement.
Dans le cas de Dex-Net 2.0, le système est récompensé lorsqu’il réussit à saisir un objet et puni lorsqu’il échoue. Le système utilise ces informations pour ajuster son comportement au fil du temps, jusqu'à ce qu'il soit capable de saisir les objets de manière cohérente.
Applications de Dex-Net 2.0
Les chercheurs pensent que Dex-Net 2.0 pourrait être utilisé pour développer de nouveaux systèmes robotiques capables d’effectuer diverses tâches, telles que :
* Récupérer des objets : Dex-Net 2.0 pourrait être utilisé pour développer des systèmes robotiques capables de ramasser des objets de différentes formes et tailles, tels que des produits d'épicerie, des outils ou des jouets.
* Nettoyer une maison : Dex-Net 2.0 pourrait être utilisé pour développer des systèmes robotiques capables de nettoyer une maison, par exemple en aspirant, en époussetant et en nettoyant.
* Assemblage de meubles : Dex-Net 2.0 pourrait être utilisé pour développer des systèmes robotiques capables d'assembler des meubles, par exemple en fixant des vis, des écrous et des boulons.
Les chercheurs explorent actuellement ces applications et d’autres de Dex-Net 2.0. Ils pensent que le système a le potentiel de révolutionner la façon dont les robots interagissent avec le monde physique.
