Tweeter

Cela peut prendre des heures pour un robot de comprendre comment appréhender un nouvel objet. Mais la « collaboration » des centaines de robots pourraient accélérer le processus d’apprentissage en partageant leurs connaissances.

Les robots vont être utiles dans de nombreuses situations quotidiennes où ils devront être en mesure de manipuler toutes sortes d'objets.

Le Baxter dans le laboratoire de Stefanie Tellex tente de saisir deux objets à la fois.

Saisir un stylo ou des lunettes est une tâche facile pour le commun des mortels, mais elle apparaît diablement difficile pour un robot. Saisir toutes sortes d'objets nécessite des heures de « répétition ».

Le robot utilise différentes caméras et de capteurs infrarouges pour fixer un objet familier sous différents angles avant de tenter de le ramasser.

Puis il le fait après plusieurs essais différents, en  manipulant l'objet pour s’assurer qu'il est bien maintenu.

Cela peut se traduire par des dizaines d'essais pour le robot pour trouver le  bon mode opératoire et des dizaines d'autres pour s’assurer que l’ objet est bien tenu.

Cela peut sembler un processus fastidieux, mais une fois que le robot a appris à ramasser quelque chose, il peut partager ces connaissances avec d'autres robots qui ont les mêmes capteurs et préhenseurs.

Le but des chercheurs : les robots pourront apprendre  collectivement à  appréhender des milliers  d’objets différents.

Le travail a été réalisé par Stefanie Tellex, professeur adjoint à l'Université Brown, avec un de ses étudiants diplômés, John Oberlin.

Ils ont utilisé un robot industriel à deux bras appelé Baxter, fabriqué par la société Rethink Robotics basée à Boston.

Au «Robotics Colloque », un événement qui se tient au Worcester Polytechnic Institute, Oberlin vient de présenter aux participants les capacités de préhension du robot.

Programmer des robots pour manipuler des objets plus facilement est l'un des grands défis de la robotique aujourd'hui, et cela pourrait avoir une importance industrielle considérable.

Stephanie Tellex indique que les chercheurs en robotique sont de plus en plus à la recherche de moyens plus efficaces pour « former » des robots pouvant effectuer des tâches comme la manipulation.

«Nous avons maintenant des algorithmes puissants permettant un apprentissage en profondeur qui permet de traiter de grandes masses de données, mais ces algorithmes nécessitent initialement d’être approvisionnés en données » dit-elle.

Stephanie Tellex  annonce également qu'il y a environ 300 robots Baxter dans divers laboratoires de recherche à travers le monde d'aujourd'hui.

Si chacun de ces robots étaient programmés pour utiliser leurs  deux bras afin d'examiner de nouveaux objets, il serait possible pour eux d'apprendre à saisir un million d'objets en 11 jours.

« Avec des robots qui partagent ce qu'ils ont appris, il est possible d'augmenter considérablement la vitesse de collecte de données», dit-elle.

Pour permettre au robot de saisir chaque objet, les chercheurs de Brown scannent sous différents angles à l'aide de l'une des caméras installées dans ses bras et les capteurs infrarouges fixés sur son corps.

Cela lui permet d'identifier les emplacements possibles où saisir.

Les chercheurs ont utilisé une technique mathématique pour optimiser le processus permettant de pratiquer les différentes prises.

L'information étant acquise pour la préhension de chaque objet avec les images, les scans 3-D, la prise correcte est encodée dans un format qui lui permet d'être partagé en ligne.

D'autres groupes développent des méthodes permettant à des robots d’apprendre à effectuer diverses tâches, y compris la saisie.

Une des façons les plus prometteuses pour atteindre cet apprentissage en profondeur est d’utiliser des réseaux dits « de neurones », qui simulent plus ou moins la façon dont les nerfs agissent dans les mécanismes fonctionnant dans le cerveau en vue de l’acquisition des connaissances.

Pour un enfant, l’apprentissage  pour le développement de la capacité à saisir un objet ne nécessite pas de passer autant de temps de manipulation des objets différents :  l’enfant peut utiliser l'expérience précédente pour comprendre très rapidement la façon de saisir un nouvel objet.

Stephanie Tellex précise que l'objectif ultime de son projet est de donner aux robots des capacités similaires.