L’IA inspire une nouvelle approche des systèmes de contrôle adaptatifs
Les véhicules sous-marins sans pilote (UUV) sont utilisés partout dans le monde pour mener des missions difficiles environnementales, lointaines, océaniques, de défense et de sauvetage dans des conditions souvent imprévisibles et difficiles.
Une nouvelle étude menée par l’Université de Flinders et des chercheurs français a utilisé une nouvelle solution d’intelligence artificielle informatique bio-inspirée pour améliorer le potentiel des UUV et d’autres systèmes de contrôle adaptatifs afin de fonctionner avec plus de fiabilité dans des mers agitées et d’autres conditions imprévisibles.
Cette approche innovante, utilisant la méthode Biologically-Inspired Experience Replay (BIER), a été publiée dans la revue Accès IEEE.
Contrairement aux méthodes conventionnelles, BIER vise à surmonter l’inefficacité des données et la dégradation des performances en tirant parti d’expériences récentes incomplètes mais précieuses, explique le premier auteur, le Dr Thomas Chaffre.
« Les résultats de l’étude ont démontré que BIER a surpassé les méthodes standards Experience Replay, atteignant des performances optimales deux fois plus rapidement que ces dernières dans le domaine UUV supposé.
« La méthode a fait preuve d’une adaptabilité et d’une efficacité exceptionnelles, démontrant sa capacité à stabiliser l’UUV dans des conditions variées et difficiles. »
La méthode intègre deux tampons mémoire, l’un se concentrant sur les paires état-action récentes et l’autre mettant l’accent sur les récompenses positives.
Pour tester l’efficacité de la méthode proposée, les chercheurs ont réalisé des scénarios simulés à l’aide d’un simulateur UUV basé sur un système d’exploitation de robot (ROS) et en augmentant progressivement la complexité des scénarios.
Ces scénarios variaient en termes de valeurs de vitesse cible et d’intensité des perturbations actuelles.
Paulo Santos, professeur agrégé d’IA et de robotique de l’Université Flinders, affirme que le succès de la méthode BIER est prometteur pour améliorer l’adaptabilité et les performances dans divers domaines nécessitant des systèmes de contrôle dynamiques et adaptatifs.
Les capacités des UUV en matière de cartographie, d’imagerie et de contrôle des capteurs s’améliorent rapidement, notamment grâce à l’apprentissage par renforcement profond (DRL), qui fait progresser rapidement les réponses de contrôle adaptatif aux perturbations sous-marines que les UUV peuvent rencontrer.
Cependant, l’efficacité de ces méthodes est remise en question lorsqu’elles sont confrontées à des variations imprévues des applications réelles.
La dynamique complexe de l’environnement sous-marin limite l’observabilité des tâches de manœuvre des UUV, ce qui rend difficile le fonctionnement optimal des méthodes DRL existantes.
L’introduction de BIER marque une avancée significative dans l’amélioration de l’efficacité de la méthode d’apprentissage par renforcement profond en général.
Sa capacité à naviguer efficacement dans des environnements incertains et dynamiques représente une avancée prometteuse dans le domaine des systèmes de contrôle adaptatifs, concluent les chercheurs.
