Skip to main content

13 Nov, 2019

Bienvenue à l’université de robotique (seuls les robots doivent postuler)

Bienvenue à l’université de robotique (seuls les robots doivent postuler)

Vous voulez que votre robot apprenne une nouvelle tâche ? Envoyez-le à RoboNet, une vaste base de données vidéo qui pourrait un jour lui apprendre n’importe quoi.

L’un des héros méconnus de la révolution de l’IA est une base de données peu connue baptisée ImageNet. Créé par des chercheurs de l’Université de Princeton, ImageNet contient quelque 14 millions d’images, chacune d’entre elles étant annotée par un texte provenant de la foule (crowdsourced) qui explique ce que l’image montre.

ImageNet est importante parce qu’il s’agit de la base de données sur laquelle de nombreux puissants réseaux neuronaux d’aujourd’hui se sont taillés une place de choix. Les réseaux neuronaux apprennent en regardant les images et le texte qui les accompagne – et plus la base de données est grande, mieux ils apprennent. Sans ImageNet et d’autres ensembles de données visuelles comme celui-ci, même les réseaux neuronaux les plus puissants ne pourraient rien reconnaître.

Maintenant, les roboticiens disent qu’ils veulent essayer une approche similaire avec la vidéo pour enseigner comment interagir avec l’environnement. Sudeep Dasari de l’Université de Californie, Berkeley, et ses collègues créent une base de données dénommée RoboNet, constituée de données vidéo annotées de robots en action. Par exemple, les données peuvent inclure de nombreuses instances d’un robot déplaçant une tasse sur une table. L’idée est que n’importe qui peut télécharger ces données et les utiliser pour entraîner le réseau neuronal d’un robot à déplacer une tasse, même si elle n’a jamais interagi avec une tasse auparavant.

Sudeep Dasari et ses collègues espèrent faire de leur base de données une ressource capable de préformer presque n’importe quel robot à presque n’importe quelle tâche – une sorte d’université robotique, que l’équipe appelle RoboNet.

Jusqu’à présent, les roboticiens n’ont eu qu’un succès limité dans l’enseignement sur la manière de naviguer et d’interagir avec l’environnement. Leur approche est la technique d’apprentissage machine standard que ImageNet a contribué à populariser.

Ils commencent par enregistrer la façon dont un robot interagit avec, disons, une brosse pour la déplacer sur une surface. Ensuite, ils prennent beaucoup plus de vidéos de son mouvement et utilisent les données pour former un réseau neuronal sur la meilleure façon d’effectuer l’action.

Le truc, bien sûr, c’est d’avoir beaucoup de données – en d’autres termes, d’innombrables heures de vidéo pour apprendre. Et une fois qu’un robot a maîtrisé le mouvement du pinceau, il doit passer par la même procédure d’apprentissage pour déplacer les autres presque n’importe quoi d’autre, que ce soit une cuillère ou une paire de lunettes. Si l’environnement change, ces systèmes d’apprentissage doivent généralement tout recommencer à zéro.

« La pratique courante qui consiste à recueillir de nouveau des données à partir de zéro pour chaque nouvel environnement signifie essentiellement qu’il faut réapprendre les connaissances de base sur le monde – un effort inutile « , disent Sudeep Dasari and co.

RoboNet contourne ce problème. « Nous proposons RoboNet, une base de données ouverte pour partager l’expérience robotique. Ainsi, n’importe quel robot peut apprendre de l’expérience d’un autre.

Pour lancer la base de données, l’équipe a déjà enregistré quelque 15 millions de trames vidéo de tâches à l’aide de sept types différents de robots avec des pinces différentes dans des environnements variés.

Sudeep Dasari et ses collègues montrent ensuite comment utiliser cette base de données pour former des robots à des tâches qu’ils n’ont jamais effectuées auparavant. Et ils disent que les robots formés avec cette approche sont plus performants que ceux qui ont été formés de façon conventionnelle sur encore plus de données.

Les données de RoboNet sont accessibles à tous. Et bien sûr, Sudeep Dasari et ses collègues espèrent que d’autres équipes de recherche commenceront à apporter leur propre contribution pour faire de RoboNet une vaste ressource en robo-learning.

C’est un travail impressionnant qui a un potentiel considérable. « Ce travail constitue un premier pas vers la création d’agents robotiques capables de fonctionner dans un large éventail d’environnements et sur différents matériels « , explique l’équipe.

Bien sûr, d’importants défis devront être levés. Par exemple, les chercheurs doivent trouver la meilleure façon d’utiliser les données – le jury n’a pas encore déterminé les régimes de formation les plus efficaces. « Nous espérons que RoboNet inspirera les communautés plus larges de la robotique et de l’apprentissage du renforcement à étudier comment adapter les algorithmes d’apprentissage du renforcement à la complexité du monde réel « , disent-ils.

Le résultat est à la fois impressionnant et stimulant : une sorte d’université robotique qui peut donner à tout robot les compétences dont il a besoin pour apprendre.

ImageNet a été un facteur clé pour rendre la vision industrielle aussi efficace que les humains dans la reconnaissance des objets. Si RoboNet n’a que la moitié du succès, ce sera un gain impressionnant.

https://www.technologyreview.com/s/614668/welcome-to-robot-university-only-robots-need-apply/

https://arxiv.org/abs/1910.11215

http://www.image-net.org/

https://www.robonet.wiki/