Rencontrez Jaco et Baxter, robots à d’apprentissage machine qui cuisinent des hot-dogs parfaits. Les ingénieurs de la BU (Boston University) ont construit des robots culinaires pour tester un cadre qui pourrait améliorer les voitures à conduite autonome et d’autres formes d’intelligence artificielle

Vous avez envie d’une bouchée d’une saucisse fraîchement grillée, franchement ? Deux robots baptisés Jaco et Baxter peuvent vous en servir une. Les ingénieurs de l’université de Boston ont fait un bond en avant en utilisant l’apprentissage machine pour apprendre aux robots à effectuer des tâches complexes, un cadre qui pourrait être appliqué à une foule de tâches, comme l’identification des taches cancéreuses sur les mammographies ou une meilleure compréhension des commandes vocales pour jouer de la musique. Mais d’abord, comme preuve de concept, ils ont appris à préparer le hot-dog parfait.

Dans cette vidéo, Guang Yang, chercheur diplômé en ingénierie des systèmes, et Zachary Serlin, chercheur diplômé en ingénierie mécanique, apprennent aux robots Jaco et Baxter à travailler ensemble pour cuisiner, assembler et servir un hot-dog à un humain en toute sécurité.

Les chercheurs ne comprennent pas encore parfaitement comment les algorithmes d’apprentissage mécanique – eh bien, apprennent. Cet angle mort rend difficile l’application de la technique à des tâches complexes et à haut risque, comme la conduite autonome, où la sécurité est une préoccupation. Dans un article publié dans Science Robotics, Calin Belta, un professeur de la BU College of Engineering, et les chercheurs de son laboratoire ont appris à deux robots à cuisiner, assembler et servir des hot-dogs ensemble.

Leur méthode combine les techniques de l’apprentissage machine et les méthodes formelles, un domaine de l’informatique qui est généralement utilisé pour garantir la sécurité, notamment dans l’avionique ou les logiciels de cybersécurité. Ces techniques disparates sont difficiles à combiner mathématiquement et à rassembler dans un langage qu’un robot comprendra.

Câlin Belta, professeur de génie mécanique, de systèmes, électrique et informatique, et son équipe ont utilisé une branche de l’apprentissage machine appelée apprentissage par renforcement. Lorsqu’un ordinateur accomplit correctement une tâche, il reçoit une récompense qui guide son processus d’apprentissage. Bien que les étapes de la tâche soient décrites dans un algorithme de « connaissances préalables », la manière exacte d’exécuter ces étapes ne l’est pas. Lorsque le robot s’améliore dans l’exécution d’une étape, sa récompense augmente, créant un mécanisme de rétroaction qui pousse le robot à apprendre la meilleure façon, par exemple, de placer un hot-dog sur un petit pain.

L’intégration des connaissances préalables avec l’apprentissage par renforcement et les méthodes formelles est ce qui rend cette technique nouvelle. En combinant ces trois techniques, l’équipe peut réduire le nombre de possibilités que les robots doivent parcourir pour apprendre à cuisiner, assembler et servir un hot-dog en toute sécurité. Calin Belta considère ce travail comme une démonstration de leur cadre général, et il espère qu’en allant de l’avant, il pourra être appliqué à d’autres tâches complexes, comme la conduite autonome.

https://www.bu.edu/articles/2020/machine-learning-robots-who-cook-hot-dogs/