Utiliser des modèles génératifs hiérarchiques pour améliorer le contrôle moteur des robots autonomes

Utiliser des modèles génératifs hiérarchiques pour améliorer le contrôle moteur des robots autonomes

Pour se déplacer au mieux dans leur environnement et accomplir les tâches quotidiennes, les robots doivent être capables d’effectuer des mouvements complexes, coordonnant efficacement le mouvement de chaque membre. Les roboticiens et les informaticiens ont donc tenté de développer des techniques informatiques capables de reproduire artificiellement le processus par lequel les humains planifient, exécutent et coordonnent les mouvements de différentes parties du corps.

Un groupe de recherche basé aux Intel Labs (Allemagne), à ​​l’University College London (UCL, Royaume-Uni) et au VERSES Research Lab (États-Unis) a récemment entrepris d’explorer le contrôle moteur des robots autonomes à l’aide de modèles génératifs hiérarchiques, des techniques informatiques qui organisent les variables dans les données. en différents niveaux ou hiérarchies, pour ensuite imiter des processus spécifiques.

Leur article, publié dans Intelligence des machines naturellesdémontre l’efficacité de ces modèles pour permettre un contrôle moteur inspiré par l’homme dans les robots autonomes.

« Notre récent article explore comment nous pouvons nous inspirer de l’intelligence biologique pour formaliser l’apprentissage et le contrôle des robots », a déclaré Zhibin (Alex) Li, auteur correspondant de l’article, à Tech Xplore.

« Cela permet une planification naturelle des mouvements et un contrôle précis des mouvements d’un robot dans un cadre cohérent. Nous pensons que l’évolution de l’intelligence motrice n’est pas une combinaison aléatoire de différentes capacités. La structure de notre cortex visuel, de notre cortex du langage, de notre cortex moteur et ainsi de suite, a une raison plus profonde et structurelle pour laquelle un tel mécanisme permettant de connecter différents chemins neuronaux peut fonctionner de manière efficace et efficiente.

L’étude récente du professeur Assoc Zhibin (Alex) Li et du professeur Karl Friston FMedSci FRSB FRS, neuroscientifique distingué, s’inspire de la recherche en neurosciences, en particulier de ce que l’on sait actuellement sur l’intelligence biologique et le contrôle moteur chez l’homme. En utilisant le cerveau humain comme référence, l’équipe a développé des logiciels, des algorithmes d’apprentissage automatique et de contrôle qui pourraient améliorer la capacité des robots intelligents autonomes à accomplir de manière fiable des tâches quotidiennes complexes.

« Dans cet article, nous l’avons démontré avec notre simulation approfondie, dans laquelle un robot humanoïde au corps entier est capable de transporter des boîtes, d’ouvrir des portes, de faire fonctionner des installations (par exemple, des bandes transporteuses) dans un entrepôt, de jouer au football et même de poursuivre ses opérations. soumis à des dommages physiques au corps du robot », a déclaré Li. « Notre étude démontre le pouvoir de la nature, où l’inspiration de la façon dont les différents cortex travaillent ensemble dans notre cerveau peut aider à concevoir des cerveaux de robots intelligents. »

Comme d’autres modèles génératifs hiérarchiques, la technique développée par Li et ses collègues fonctionne en organisant une tâche en différents niveaux ou hiérarchies. Plus précisément, le modèle de l’équipe mappe l’objectif excessif d’une tâche sur l’exécution de mouvements de membres individuels à différentes échelles de temps.

« Les modèles génératifs prédisent les conséquences de différentes actions, aidant ainsi à résoudre différents types/niveaux de planification et à cartographier correctement différentes actions du robot, ce qui est assez difficile et fastidieux à réaliser », a expliqué Li.

« Par exemple, transporter une boîte d’un endroit à un autre correspondra naturellement à un plan global et grossier de marche vers la destination, accompagné d’une surveillance plus étroite et d’un contrôle plus fin de l’équilibre, ainsi que du transport et du placement des boîtes – tout cela ». ces coordinations complexes se feront naturellement en même temps grâce à notre logiciel. »

Les chercheurs ont évalué leur approche dans une série de simulations et ont découvert qu’elle permettait à un robot humanoïde d’accomplir de manière autonome une tâche complexe impliquant une combinaison d’actions, notamment marcher, saisir des objets et les manipuler. Plus précisément, le robot pourrait récupérer et transporter une boîte tout en ouvrant et en franchissant une porte et en lançant un ballon de football.

« L’une des découvertes les plus remarquables de nos travaux récents est que s’inspirer de la nature peut être un très bon point de départ », a déclaré Li.

« Nous pouvons nous inspirer du niveau organisationnel de ressemblance de notre cerveau et guider notre conception du cerveau du robot, plutôt que de commencer une conception technique à partir de zéro. Il existe une bonne quantité de travaux d’ingénierie qui ont été inventés indépendamment des méthodes bio-inspirées. approches, et pourtant, nous n’avons pas encore de robots intelligents capables d’effectuer des tâches intelligemment comme nous, en utilisant seulement peu d’énergie, comme consommer du pain et de l’eau. Au lieu de cela, de nos jours, les robots utilisent énormément d’énergie et d’informatique pour faire des choses simples.

Les premiers résultats recueillis par Li et ses collègues sont très prometteurs, mettant en évidence le potentiel des modèles génératifs hiérarchiques pour transférer les capacités humaines aux robots. De futures expériences sur un large éventail de robots physiques pourraient contribuer à valider davantage ces résultats.

« À ce stade de l’histoire de l’humanité, nous avons accompli collectivement un énorme travail pour reproduire séparément différents types d’intelligence humaine, équivalents à différentes parties du cerveau humain », a ajouté Li. « Maintenant, nous pouvons nous inspirer du cerveau biologique en termes de structure et de niveau organisationnel de fonctionnalités concernant la façon dont les différents cortex se coordonnent les uns avec les autres. Nous pouvons ensuite concevoir un cerveau artificiel basé sur la façon dont le cerveau humain fonctionne au niveau fonctionnel. »

Les travaux récents de cette équipe de chercheurs contribuent aux efforts continus de l’IA incorporée visant à rapprocher les capacités des robots de celles des humains. Li et ses collègues prévoient de continuer à mettre en œuvre leur approche proposée pour obtenir de véritables capacités motrices de robot pour des tâches complexes et maximiser son potentiel sociétal.

« Cette étude nous mène vers une voie viable vers le développement de l’AGI (intelligence artificielle générale) avec des robots et des capacités physiques incarnés en tant que nouvelle forme de forces productives qui peuvent amener notre civilisation vers un avenir meilleur, sous une bonne et positive gouvernance de la société et communautés scientifiques », a ajouté Li. « Dans nos prochaines études, nous continuerons à travailler pour réaliser cette ambition. »