Améliorer la conscience de soi d’un robot en lui donnant la proprioception
Deux roboticiens de l’Institut de robotique et d’intelligence artificielle de Munich (MIRMI), de l’Université technique de Munich, en Allemagne, ont découvert qu’il était possible de donner aux robots un certain degré de proprioception à l’aide de techniques d’apprentissage automatique. Dans leur étude rapportée dans la revue Robotique scientifiqueFernando Díaz Ledezma et Sami Haddadin ont développé une nouvelle approche d’apprentissage automatique pour permettre à un robot d’apprendre les spécificités de son corps.
Donner aux robots la capacité de se déplacer dans le monde réel implique de les équiper de technologies telles que des caméras et des capteurs de pression. Les données de ces appareils sont ensuite traitées et utilisées pour diriger les jambes et/ou les pieds afin d’effectuer les actions appropriées. Ceci est très différent de la façon dont les animaux, y compris les humains, accomplissent leur travail.
Chez les animaux, le cerveau est conscient de l’état de son corps : il sait où se trouvent les mains et les jambes, comment elles fonctionnent et comment elles peuvent être utilisées pour se déplacer ou interagir avec l’environnement. Une telle connaissance est connue sous le nom de proprioception. Dans ce nouvel effort, les chercheurs ont conféré des capacités similaires aux robots en utilisant des techniques d’apprentissage automatique.
L’idée derrière leur système est d’ajouter des capteurs au corps qui donnent des informations sur chaque partie du corps. Par exemple, les capteurs savent où se trouve le genou, dans quelle direction il se plie et le degré de flexion à un moment donné. Les chercheurs ont découvert que le chevauchement entre les capteurs et les données qu’ils envoient à un processeur central permet une meilleure conscience globale de l’état du corps.
Ils ont également découvert qu’un robot pouvait, dans une certaine mesure, apprendre à comprendre son corps sans données pré-appris. Au lieu de cela, ils provoquent simplement ce qu’ils décrivent comme un « babillage moteur » où tous les servomoteurs utilisés pour alimenter un robot sont tirés sur aléatoire en même temps. Cela permet au robot de commencer à construire une base d’informations qui peut être utilisée pour apprendre le fonctionnement de ses pièces.
Les chercheurs ont ensuite testé leur approche sur plusieurs types de robots, notamment un robot araignée à six pattes, un humanoïde et un bras. Ils ont constaté que leur approche permettait à tous les types de robots testés de développer une certaine perception de leur propre corps, de leurs parties et de la façon dont ils travaillaient ensemble.