robot_2018

Regarder l’apprentissage de la machine se dérouler en temps réel peut être une expérience assez étonnante. C’est comme regarder un enfant grandir, seulement compressé dans un laps de temps plus court. Vous pouvez assister à des tentatives échouées, puis céder progressivement à la compétence de la marche comme un nouveau-né.

Un système basé sur des essais et erreurs

C’est grâce à la façon dont ces systèmes apprennent, basés sur des essais et des erreurs, qu’ils tentent d’atteindre un objectif spécifique. Pour le dernier exemple de cela, ne cherchez pas plus loin que DyRET (Dynamic Robot for Embodied Testing) le robot. Créé par des chercheurs de l’Université d’Oslo en Norvège, il s’agit d’un robot quadrupède – qui rappelle les robots à quatre pattes de Boston Dynamics – qui utilise des algorithmes évolutifs pour trouver une locomotion efficace. En d’autres termes, contrairement aux robots de Boston Dynamics, DyRET apprend à marcher seul.

DyRET est un robot qui s’adapte à son environnement

«DyRET est une plate-forme de robot à quatre pattes inspirée des mammifères que j’ai créée dans le cadre de mon doctorat», a déclaré à Tonnes Nygaard, un chercheur en robotique travaillant sur le projet « Engineering Predictability With Embodied Cognition ». « Ce qui rend ce robot différent des autres robots, c’est qu’il peut lui-même modifier la longueur de ses jambes lorsqu’il apprend à marcher. « Les robots sont utilisés dans des environnements de plus en plus complexes et changeants, et pouvoir créer un robot pouvant s’adapter est devenu indispensable. »

La démarche du robot est contrôlée par huit paramètres différents. Ceux-ci dictent des aspects de son mouvement tel que la longueur de chaque pas ou la hauteur à laquelle le robot doit soulever ses jambes. Les algorithmes évolutifs permettent d’optimiser ces paramètres et de déterminer la meilleure façon de se déplacer, tout en étant aussi stable et rapide que possible.

Un algorithme évolutionniste

Comme la sélection naturelle dans le monde réel, l’algorithme évolutionniste signifie que les solutions les plus adaptées sont transmises à la génération suivante – résultant en un processus darwinien qui se déroule beaucoup plus rapidement que ne le ferait l’évolution. Par exemple une espèce animale s’adapte à un nouveau climat ou terrain lorsqu’il vient au monde et doucement, il devient plus performant.

Une morphologie « auto-changeante »

« DyRET est une première tentative d’un robot complexe avec une morphologie auto-changeante et servira de plate-forme de recherche », a poursuivi Nygaard. « Une grande partie de la recherche en robotique évolutive se fait aujourd’hui en simulation, en raison de la facilité et de la rapidité de la mise en œuvre des tests. Les environnements du monde réel ont une richesse qui est impossible à reproduire parfaitement en simulation par ordinateur, et je crois que la voie à suivre dans ce domaine est de commencer à mettre plus d’efforts de recherche dans des expériences matérielles. »

Source : Wired