La recherche Google permet un trot de chien robotisé sans effort

Aussi capables que soient les robots, les animaux originaux après lesquels ils ont tendance à être conçus sont toujours beaucoup, beaucoup mieux. C’est en partie parce qu’il est difficile d’apprendre à marcher directement comme un chien de un chien – mais cette recherche des laboratoires d’IA de Google facilite considérablement les choses.

Le but de cette recherche, une collaboration avec UC Berkeley, était de trouver un moyen de transférer efficacement et automatiquement des «comportements agiles» comme un trot léger ou une rotation de leur source (un bon chien) à un robot quadrupède. Ce genre de chose a déjà été fait auparavant, mais comme le souligne le blog des chercheurs, le processus de formation établi peut souvent « nécessiter beaucoup de connaissances d’experts, et implique souvent un long processus de réglage des récompenses pour chaque compétence souhaitée ».

Naturellement, cela n’est pas bien à l’échelle, mais cet ajustement manuel est nécessaire pour s’assurer que les mouvements de l’animal sont bien approximés par le robot. Même un robot très ressemblant à un chien n’est pas réellement un chien, et la façon dont un chien se déplace peut ne pas être exactement la façon dont le robot devrait le faire tomber, se verrouiller ou échouer.

Le projet Google AI résout ce problème en ajoutant un peu de chaos contrôlé à l’ordre normal des choses. Normalement, les mouvements du chien seraient capturés et les points clés comme les pieds et les articulations seraient soigneusement suivis. Ces points seraient rapprochés du robot dans une simulation numérique où une version virtuelle du robot tente d’imiter les mouvements du chien avec les siens, apprenant au fur et à mesure.

Jusqu’à présent, tout va bien, mais le vrai problème survient lorsque vous essayez d’utiliser les résultats de cette simulation pour contrôler un robot réel. Le monde réel n’est pas un avion 2D avec des règles de friction idéalisées et tout ça. Malheureusement, cela signifie que les allures basées sur la simulation non corrigées ont tendance à faire marcher un robot dans le sol.

Pour éviter cela, les chercheurs ont introduit un élément de hasard dans les paramètres physiques utilisés dans la simulation, ce qui fait que le robot virtuel pèse plus, ou a des moteurs plus faibles, ou éprouve une plus grande friction avec le sol. Cela a obligé le modèle d’apprentissage automatique décrivant comment marcher à tenir compte de toutes sortes de petites variations et des complications qu’elles créent en fin de compte – et comment les contrer.

Apprendre à s’adapter à ce caractère aléatoire a rendu la méthode de marche apprise beaucoup plus robuste dans le monde réel, conduisant à une imitation passable de la promenade du chien cible, et à des mouvements encore plus compliqués comme les virages et les rotations, sans aucune intervention manuelle et seulement peu de formation virtuelle supplémentaire .

Naturellement, des ajustements manuels pourraient toujours être ajoutés au mix si vous le souhaitez, mais en l’état, c’est une grande amélioration par rapport à ce qui pouvait être fait auparavant de manière totalement automatique.

Dans un autre projet de recherche décrit dans le même article, un autre groupe de chercheurs décrit un robot lui-même apprenant à marcher seul, mais imprégné d’intelligence pour éviter de marcher en dehors de sa zone désignée et de se relever lorsqu’il tombe. Avec ces compétences de base intégrées, le robot a pu se déplacer dans sa zone d’entraînement en continu sans intervention humaine, apprenant des compétences de locomotion tout à fait respectables.

L’article sur l’apprentissage des comportements agiles à partir d’animaux peut être lu ici, tandis que celui sur les robots apprenant à marcher seuls (une collaboration avec Berkeley et le Georgia Institute of Technology) est ici.

Traduit de l’anglais de https://techcrunch.com/2020/04/03/google-research-makes-for-an-effortless-robotic-dog-trot/

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.