Ce robot peut probablement vous battre à Jenga, grâce à sa compréhension du monde

Les machines industrielles pourraient être entraînées à être moins maladroites si nous leur donnions un sens du toucher et un meilleur sens de la physique du monde réel.

De plus en plus, les chercheurs et les entreprises se tournent vers l’apprentissage automatique pour les rendre plus adaptables et plus habiles. Cela signifie généralement qu’il doit fournir au robot une vidéo de ce qui se trouve devant lui et lui demander de déterminer comment il doit se déplacer pour manipuler l’objet. Par exemple, des chercheurs d’OpenAI, une organisation à but non lucratif de San Francisco, ont enseigné à un robot à manipuler le bloc d’un enfant de cette façon.

Mais les humains, bien sûr, utilisent plus que leurs yeux pour apprendre à manipuler les objets. La vision est combinée à un sens du toucher – et nous apprenons très tôt que les objets placés de façon instable tomberont probablement.

C’est ce qui a inspiré un nouveau robot, développé par Nima Fazeli et ses collègues du MIT, qui a reçu une compréhension fondamentale de la physique du monde réel – et un sens du toucher utilisable.

Il a prouvé à quel point il est agile en maîtrisant Jenga, un jeu qui consiste à retirer des blocs d’une tour assemblée de façon précaire, idéalement sans la faire basculer. Le robot a également fait preuve d’une ingéniosité cruciale pour les joueurs humains : juger quel bloc peut être retiré sans faire tomber la tour.

La recherche s’inspire de plusieurs idées clés développées par Josh Tenenbaum, au Département des sciences du cerveau et des sciences cognitives du MIT, et de ses recherches sur la cognition humaine. Cela inclut l’idée que les humains développent une compréhension intuitive de la physique dès leur plus jeune âge, et que la probabilité est la clé du raisonnement sur le monde. Cela diffère d’une grande partie de la recherche actuelle sur l’IA, qui consiste à fournir autant de données que possible à de très grands réseaux neuronaux, ou « profonds ».

Le robot, équipé de capteurs de force ainsi que de caméras, apprend à jouer à Jenga en appuyant sur des blocs et en utilisant un retour visuel et tactile pour former un modèle physique du monde.

Puis, face à une nouvelle tour de blocs, il a utilisé le modèle pour déduire, de façon probabiliste, quel bloc il devrait ensuite essayer de sortir de la tour. Vous pouvez voir à quel point c’était bon dans la vidéo ci-dessus et ci-dessous.

ROBOTIQUE SCIENTIFIQUE

En combinant la vision, le toucher et ce modèle de physique du monde réel, le robot peut apprendre à jouer Jenga plus efficacement qu’il ne le serait autrement. Le modèle physique intuitif permet également au robot de comprendre rapidement qu’un bloc suspendu au-dessus d’un bord tombera très probablement. Lors des essais, l’approche a surpassé les méthodes conventionnelles d’apprentissage machine. La recherche a été publiée le 30 janvier dans la revue Science Robotics.

Cette technique d’apprentissage plus humaine pourrait aider à rendre les robots d’usine et d’entrepôt beaucoup plus performants. Si ça échoue, ils pourraient au moins vous défier à un jeu amusant.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.