- Un nouveau système développé par des informaticiens du MIT aide les robots à fonctionner beaucoup plus rapidement.
- La méthode a doublé la vitesse des robots effectuant des tâches de préhension et de placement, tout en réduisant considérablement le temps de latence entre les mouvements.
- Le système pourrait être particulièrement utile pour les robots qui effectuent des manœuvres rapides et agiles dans des environnements réels difficiles, comme les interventions d’urgence ou les opérations de recherche et de sauvetage. Il pourrait également permettre aux robots de réagir plus rapidement lors de la récupération après des erreurs.
Une nouvelle méthode développée par des chercheurs du MIT permet aux robots de mieux anticiper tout en agissant, ce qui se traduit par des mouvements plus fluides et des réactions plus rapides.
Cette technique permet au modèle d’intelligence artificielle qui planifie les mouvements d’un robot de prévoir sa position future. Le modèle utilise cette prédiction pour passer sans heurt des mouvements actuels aux actions suivantes.
De nombreuses méthodes existantes obligent un robot à s’arrêter pour réfléchir à ce qu’il doit faire ensuite, ce qui entraîne des mouvements lents et saccadés. En basant ses calculs sur l’état futur du robot, plutôt que sur sa position actuelle, la méthode du MIT aide les robots à fonctionner beaucoup plus rapidement.
Fait important, la technique n’ajoute aucune surcharge de calcul au processus de planification et peut être appliquée à divers matériels robotiques.
Cette nouvelle méthode a doublé la vitesse des robots effectuant des activités comme les tâches de préhension et de placement, tout en réduisant considérablement le temps de latence entre les mouvements. Elle a également amélioré les performances des bras robotiques dans des activités très dynamiques, comme jouer au tennis de table et à Whack-a-Mole.
Le système pourrait être particulièrement utile pour les robots qui effectuent des manœuvres rapides et agiles dans des environnements réels difficiles, comme les interventions d’urgence ou les opérations de recherche et de sauvetage. Il pourrait également permettre aux robots de réagir plus rapidement lors de la récupération après des erreurs.
« Ce travail établit une bonne base pour des applications robotiques efficaces, rapides, accélérées et à faible coût. Nous nous réjouissons d’étendre nos travaux aux derniers modèles d’action mondiaux, afin qu’ils aient des capacités encore plus fortes alors que nous continuons à pousser pour rendre l’IA physique plus rapide », affirme Song Han, professeur associé au département de génie électrique et d’informatique (EECS) du MIT, membre du laboratoire de recherche en électronique, et auteur principal d’un article sur cette méthode.
Han est accompagné sur l’article par les co-auteurs principaux Jiaming Tang, étudiant diplômé en EECS au MIT, et Yufei Sun, étudiant à l’Université Tsinghua ; ainsi que d’autres chercheurs chez Nvidia, à l’Université de Californie à Berkeley, à l’Université de Californie à San Diego et au Caltech. Les recherches seront présentées à la conférence Intelligent Robots and Systems.
Prévoir l’avenir
Dans les applications robotiques de pointe, les systèmes d’IA générative appelés modèles vision-langage-action (VLA) agissent comme le cerveau d’un robot, planifiant ses prochains mouvements et exécutant ces actions.
Un modèle VLA prend les observations environnementales de la caméra du robot et les instructions concernant sa tâche, produit les prochains mouvements sous forme d’un bloc d’actions, puis exécute ces actions sur le matériel robotique.
Mais l’inférence VLA — la procédure en temps réel pendant laquelle le modèle traite les entrées visuelles, raisonne sur la tâche et produit des actions — est exigeante en calcul, de sorte que le robot peut subir des pauses importantes lors de la planification de ses prochaines actions. Ces pauses perturbent la fluidité de ses mouvements et le rendent plus lent à réagir aux changements de l’environnement.
« Notre motivation était de superposer le processus de réflexion avec le processus d’exécution pour accélérer la vitesse de réaction », explique Tang.
Les chercheurs du MIT ont développé un nouveau système appelé VLASH qui permet à un VLA de prédire l’état futur du robot et de son environnement. Il utilise ces informations pour planifier le prochain ensemble de mouvements pendant que le robot termine le bloc d’actions en cours.
Cela résout un obstacle majeur rencontré par de nombreuses autres méthodes, qui utilisent l’état actuel du robot pour prédire ses prochains mouvements.
« Puisque l’environnement changera après le déplacement du robot, si nous planifions sur la base d’observations obsolètes de l’environnement actuel, il y aura un décalage qui provoque un contrôle très instable », explique Tang.
VLASH évite ce décalage grâce à une idée clé des chercheurs. Bien que le modèle ne sache pas exactement à quoi ressemblera l’environnement à l’avenir, il connaît la position actuelle du robot et comment il se déplacera pour effectuer les actions qu’il s’apprête à entreprendre.
Le cadre utilise ces informations pour prédire l’état du robot après avoir terminé son bloc d’actions en cours. Il utilise cette estimation pour planifier les prochains mouvements.
« De cette façon, nous donnons au robot une conscience de son état futur », déclare Tang.
Accélération augmentée
À elle seule, cette technique accélère les mouvements du robot en éliminant le temps de latence qui se produit généralement entre les blocs d’actions, accélérant les vitesses de réaction de plus de 30 fois.
Mais pour rendre leur approche encore plus rapide, les chercheurs du MIT génèrent des blocs d’actions plus grossiers, de sorte que le robot exécute quelques étapes plus grandes qui suivent la même trajectoire. Cette technique s’appelle la quantification d’actions.
Bien que la quantification d’actions ait entraîné une légère baisse de précision, elle permet à un robot de terminer la tâche globale deux à trois fois plus rapidement.
Cependant, les chercheurs ont constaté que le simple fait de fournir les états futurs du robot au VLA pendant le déploiement ne suffit pas à permettre un contrôle précis et stable du robot.
Ils ont développé une méthode d’augmentation de l’entraînement qui regroupe les données d’entraînement de manière à ce que le VLA apprenne à utiliser les informations sur l’état futur plutôt que les observations actuelles.
En réutilisant certaines données d’entraînement, cette méthode de réglage fin a accéléré l’entraînement de cinq fois sans surcharge de calcul supplémentaire.
« Même s’il y a un très grand modèle qui travaille en arrière-plan, VLASH permet au robot de réagir et d’exécuter ses actions très rapidement, bien plus comme le ferait un humain. Cela pourrait aider à rendre les robots plus efficaces pour toutes sortes de tâches dynamiques », déclare Tang.
Comparé aux méthodes de base en simulation, VLASH a constamment été plus rapide tout en maintenant la précision des manœuvres robotiques. Le système a également surpassé ces méthodes sur du matériel réel dans des tâches de préhension, d’empilage et de tri.
Par exemple, VLASH a placé des cubes dans une boîte tout en les triant par couleur deux fois plus vite que ces méthodes, tout en atteignant la même précision de 90 pour cent que la meilleure référence. Le système peut également effectuer des tâches très dynamiques comme jouer au ping-pong et au whack-a-mole.
À l’avenir, les chercheurs souhaitent combiner VLASH avec des systèmes d’IA générative plus puissants appelés modèles du monde, capables de prédire les observations environnementales réelles du robot, afin d’améliorer les performances et d’ouvrir de nouvelles applications.
Ce travail est soutenu, en partie, par le MIT-IBM Computing Research Lab, Amazon, la National Science Foundation et Nvidia.
Article : « VLASH: Real-Time VLAs via Future-State-Aware Asynchronous Inference »
https://arxiv.org/pdf/2512.01031
Source : MIT
