Étude suisse : les robots pourraient apprendre la même compétence sans reprogrammation complète

SadaNews - Des chercheurs du laboratoire « CREATE » à l'École polytechnique fédérale de Lausanne (EPFL) en Suisse ont développé un nouveau cadre visant à traiter l'une des questions les plus déroutantes dans les robots industriels, à savoir comment enseigner une seule compétence à des robots de structures différentes sans devoir reprogrammer à zéro à chaque fois.

L'étude, publiée dans la revue « Science Robotics », présente ce que les chercheurs appellent « intelligence motrice », une approche qui transforme la tâche présentée par l'homme en une stratégie de mouvement générale, puis l'adapte automatiquement au design mécanique de chaque robot individuellement.

Le problème réside dans le fait que les robots, même lorsqu'ils sont utilisés pour des tâches similaires, ne se déplacent pas de la même manière. Les différences dans l'agencement des articulations, les limites de mouvement et les exigences d'équilibre rendent la compétence apprise par un robot non transférable directement à un autre robot. Ainsi, mettre à jour une flotte de robots dans une usine ne signifie souvent pas seulement remplacer le matériel, mais implique également redéfinir les tâches, ajuster les limites de sécurité et re-vérifier le comportement moteur de chaque nouvelle plateforme. La nouvelle étude tente de dissocier la « notion de compétence » des caractéristiques individuelles du robot, de sorte qu'elle puisse être transférée entre différentes plateformes à moindre coût et dans un délai plus court.

Transférer la compétence en toute sécurité

Pour construire ce cadre, les chercheurs ont commencé à partir de tâches de manipulation d'objets montrées par un humain, telles que le placement, la poussée et le lancer. L'équipe a utilisé des techniques de capture de mouvement pour enregistrer ces tâches, puis les a transformées mathématiquement en stratégies de mouvement générales n'étant pas liées à un robot en particulier. Ensuite, ils ont établi une classification organisée des contraintes physiques spécifiques à chaque design robotique, telles que l'amplitude de mouvement des articulations et les positions à éviter pour maintenir la stabilité. De ce fait, le robot ne copie plus le mouvement humain ou d'un autre robot tel quel, mais « interprète » la compétence dans ses propres limites mécaniques.

Dans l'expérience fondamentale, un humain a présenté une tâche complexe sur une ligne d'assemblage, consistant à pousser un bloc en bois d'un tapis roulant à une plateforme de travail, puis à le placer sur une table, puis à le lancer dans une corbeille. Selon le rapport, trois robots commerciaux totalement différents ont réussi à réexécuter la séquence de manière sûre et fiable en utilisant le cadre d'intelligence motrice. Fait important, le système a continué à fonctionner même lorsque la distribution des étapes entre les robots a été modifiée ; ce qui indique que le cadre ne sauve pas seulement un chemin unique, mais transmet également la logique de la tâche elle-même à des corps différents.

Automatisation plus rapide et plus simple

Les chercheurs affirment que la valeur principale ici ne réside pas seulement dans l'achèvement de la tâche, mais dans l'assurance que chaque robot l'exécute dans ses limites de sécurité. La cheffe du laboratoire, Od Bilar, a décrit cela comme une réponse à un ancien défi dans la robotique concernant le transfert de compétence apprise entre des robots ayant des structures mécaniques différentes tout en maintenant un comportement sûr et prévisible. Un des chercheurs participants a précisé que chaque robot « interprète la même compétence à sa manière, mais toujours dans des limites sûres et réalisables ». Ce point est crucial car de nombreux systèmes d'apprentissage robotique montrent de bonnes performances en laboratoire, mais deviennent moins fiables lorsqu'ils sont transférés à d'autres plateformes ou à des environnements opérationnels réels.

L'importance de cette approche se manifeste clairement dans le secteur manufacturier, où le remplacement ou la mise à jour des robots peut entraîner des interruptions longues et coûteuses. Si les compétences pouvaient être transférées entre différents robots grâce à une représentation générale de la tâche au lieu d'une reprogrammation détaillée, le déploiement de nouveaux robots pourrait devenir plus rapide et plus durable. Le rapport indique également que cela pourrait réduire la quantité d'expertise technique nécessaire pour faire fonctionner les systèmes dans des environnements réels, un point qui pourrait être important pour les entreprises cherchant à étendre l'automatisation sans dépendre entièrement d'équipes de programmation spécialisées pour chaque plateforme.

Les ambitions des chercheurs ne s'arrêtent pas aux chaînes de production. Ils estiment que le cadre pourrait s'étendre à la collaboration entre l'homme et le robot, ou à l'interaction basée sur le langage naturel, où l'utilisateur pourrait diriger le robot par des commandes simples sans entrer dans une programmation technique complexe. L'approche semble également adaptée aux plateformes robotiques émergentes, où le matériel évolue rapidement et où les modèles actuels pourraient être remplacés par des modèles plus récents en peu de temps. Dans ces environnements, le défi n'est pas seulement d'apprendre au robot à exécuter une tâche unique, mais de maintenir cette compétence transférable avec chaque nouvelle génération de machines.