Alors que les films de science-fiction dépeignent des robots se déplaçant librement de leur propre chef, parfois courant pour éviter des explosions périlleuses ou des bâtiments en train de s’effondrer, la technologie actuelle n’a pas encore cette capacité.
Ying-Cheng Lai, professeur de génie électrique à l’Université d’État de l’Arizona, ses étudiants doctorants et deux collaborateurs du DEVCOM Army Research Laboratory de l’armée américaine ont toutefois rapproché la réalité de la fiction avec leur nouvelle méthode pour programmer les mouvements des robots.
Les points clés de la recherche
Les chercheurs ont utilisé le calcul réservoir, un type d’apprentissage machine, pour programmer les mouvements d’un bras robotique dans une simulation. Cela permet des changements de trajectoire avec seulement une connaissance partielle.
La programmation traditionnelle nécessite une connaissance complète du robot et de l’environnement, nécessitant une re-calibration fréquente. La nouvelle méthode est plus flexible.
Le calcul réservoir fonctionne en analysant les expériences précédentes pour corréler les entrées aux sorties optimales pour un objectif. C’est comme analyser les ondulations dans un étang. La méthode a réussi à contrôler des bras robotiques simulés le long de n’importe quelle trajectoire et à changer de voie si nécessaire.
Les chercheurs prévoient d’appliquer les résultats à des mouvements en 3D et d’intégrer un contrôle prédictif de modèle pour des systèmes efficaces avec des contraintes. L’apprentissage machine est essentiel pour les systèmes robotiques de nouvelle génération.
La recherche en détail
Lai a dirigé une équipe de recherche dans l’utilisation du calcul réservoir, un type d’apprentissage machine, pour programmer un robot pour déplacer deux bras sur un plan 2D dans une simulation informatique. Cette méthode permet au robot de changer de trajectoire entre des chemins prédéfinis avec seulement une connaissance partielle de l’environnement environnant.
« L’aspect innovant de cette approche réside dans sa capacité à fonctionner efficacement avec seulement une observation partielle de l’état du système, contrairement à l’exigence traditionnelle d’une connaissance complète du robot et de son environnement », indique Ying-Cheng Lai. « C’est comme essayer de résoudre un puzzle en se concentrant uniquement sur quelques pièces plutôt que sur l’image complète. »
En synthèse
La recherche des chercheurs a permis de faire un pas de plus vers la réalisation de mouvements de robots plus flexibles et adaptatifs. En utilisant le calcul réservoir, ils ont réussi à programmer des bras robotiques pour changer de trajectoire avec une connaissance partielle de l’environnement.
Cette avancée pourrait avoir des implications significatives pour le développement de systèmes robotiques de nouvelle génération, notamment dans des domaines comme les drones autonomes et les navires, les dispositifs d’aide aux humains pour accomplir certaines tâches, et les outils de découpe laser pour créer des formes complexes.
Pour une meilleure compréhension
Qu’est-ce que le calcul réservoir ?
Le calcul réservoir est un type d’apprentissage machine qui analyse les expériences précédentes pour corréler les entrées aux sorties optimales pour un objectif. Il est souvent comparé à l’analyse des ondulations dans un étang.
Comment cette méthode améliore la programmation des mouvements des robots ?
La nouvelle méthode permet des changements de trajectoire avec seulement une connaissance partielle de l’environnement. La programmation traditionnelle nécessite une connaissance complète du robot et de l’environnement, nécessitant une recalibration fréquente. La nouvelle méthode est donc plus flexible.
Quels avantages de cette méthode par rapport à la programmation traditionnelle ?
La nouvelle méthode permet au robot de changer de trajectoire entre des chemins prédéfinis avec seulement une connaissance partielle de l’environnement environnant. Cela rend la programmation des mouvements plus efficace et moins sujette à des recalibrations fréquentes.
Quelles sont les applications potentielles de cette recherche ?
Les chercheurs prévoient d’appliquer les résultats à des mouvements en 3D et d’intégrer un contrôle prédictif de modèle pour des systèmes efficaces avec des contraintes. Cela pourrait avoir des implications significatives pour le développement de systèmes robotiques de nouvelle génération, notamment dans des domaines tels que les drones autonomes et les navires, les dispositifs d’aide aux humains pour accomplir certaines tâches, et les outils de découpe laser pour créer des formes complexes.
Quelle est la prochaine étape pour cette recherche ?
Les chercheurs prévoient d’appliquer leurs résultats à des mouvements en 3D et d’intégrer un contrôle prédictif de modèle pour des systèmes efficaces avec des contraintes. Ils envisagent également d’explorer l’utilisation de l’apprentissage machine pour développer des contrôleurs plus robustes, adaptables et efficaces que les contrôleurs traditionnels.
Les résultats ont été publiés dans Nature Communications “Model-free tracking control of complex dynamical trajectories with machine learning“.
Légende illustration principale : Les chercheurs utilisent un type d’apprentissage automatique appelé “informatique de réservoir” pour contrôler le mouvement de deux bras robotisés selon des trajectoires complexes dans une simulation. (Graphique : Erika Gronek/ASU, Midjourney)
[ Rédaction ]
