Le nouveau système des chercheurs du MIT optimise la forme des robots pour traverser différents types de terrain.
Donc, vous avez besoin d’un robot qui monte les escaliers. Quelle forme ce robot devrait-il avoir? Doit-il avoir deux jambes, comme une personne? Ou six, comme une fourmi? Le choix de la bonne forme sera vital pour la capacité de votre robot à traverser un terrain particulier. Et il est impossible de créer et de tester toutes les formes potentielles. Mais maintenant, un système développé par le MIT permet de les simuler et de déterminer quelle conception fonctionne le mieux.
Vous commencez par indiquer au système, appelé RoboGrammar, quelles pièces du robot se trouvent dans votre atelier – roues, articulations, etc. Vous lui indiquez également le terrain dont votre robot aura besoin pour naviguer. Et RoboGrammar fait le reste, générant une structure et un programme de contrôle optimisés pour votre robot.
Cette avancée pourrait injecter une dose de créativité assistée par ordinateur dans le domaine. «La conception de robots est encore un processus très manuel», déclare Allan Zhao, auteur principal de l’article et doctorant au laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL). Il décrit RoboGrammar comme «un moyen de proposer de nouvelles conceptions de robots plus inventives qui pourraient être potentiellement plus efficaces.»
Allan Zhao est l’auteur principal de l’article, qu’il présentera à la conférence SIGGRAPH Asia de ce mois. Les co-auteurs comprennent l’étudiant au doctorat Jie Xu, le post-doctorant Mina Konaković-Luković, le post-doctorant Josephine Hughes, l’étudiant au doctorat Andrew Spielberg et les professeurs Daniela Rus et Wojciech Matusik, tous du MIT.
Règles de base
Les robots sont conçus pour une variété presque infinie de tâches, mais «ils ont tous tendance à être très similaires dans leur forme et leur conception globales», explique Allan Zhao. Par exemple, «lorsque vous pensez à construire un robot qui a besoin de traverser différents terrains, vous sautez immédiatement vers un quadrupède», ajoute-t-il, faisant référence à un animal à quatre pattes comme un chien. «Nous nous demandions si c’était vraiment la conception optimale.»
L’équipe d’Allan Zhao a émis l’hypothèse qu’une conception plus innovante pourrait améliorer la fonctionnalité. Ils ont donc construit un modèle informatique pour la tâche – un système qui n’a pas été indûment influencé par les conventions antérieures. Et tandis que l’inventivité était l’objectif, Zhao a dû définir des règles de base.
L’univers des formes de robot possibles est «principalement composé de conceptions absurdes», écrit Zhao dans l’article. «Si vous pouvez simplement connecter les pièces de manière arbitraire, vous vous retrouvez avec un fouillis», dit-il. Pour éviter cela, son équipe a développé une «grammaire des graphes» – un ensemble de contraintes sur l’agencement des composants d’un robot. Par exemple, les segments de jambe adjacents doivent être connectés avec une articulation et non avec un autre segment de jambe. Ces règles garantissent que chaque conception générée par ordinateur fonctionne, au moins à un niveau rudimentaire.
Allan Zhao dit que les règles de sa grammaire graphique n’ont pas été inspirées par d’autres robots mais par des animaux – les arthropodes en particulier. Ces invertébrés comprennent les insectes, les araignées et les homards. En tant que groupe, les arthropodes sont une réussite évolutive, représentant plus de 80% des espèces animales connues. «Ils se caractérisent par un corps central avec un nombre variable de segments. Certains segments peuvent avoir des jambes attachées », explique Zhao. «Et nous avons remarqué que cela suffit pour décrire non seulement les arthropodes, mais aussi des formes plus familières», y compris les quadrupèdes. Zhao a adopté les règles inspirées des arthropodes grâce en partie à cette flexibilité, bien qu’il ait ajouté quelques fioritures mécaniques. Par exemple, il a autorisé l’ordinateur à invoquer des roues au lieu de jambes.
Une phalange de robots
En utilisant la grammaire des graphes d’allan Zhao, RoboGrammar fonctionne en trois étapes séquentielles: définir le problème, élaborer les solutions robotiques possibles, puis sélectionner les optimales. La définition du problème incombe en grande partie à l’utilisateur humain, qui saisit l’ensemble des composants robotiques disponibles, tels que les moteurs, les jambes et les segments de connexion. «C’est la clé pour s’assurer que les robots finaux peuvent réellement être construits dans le monde réel», déclare Zhao. L’utilisateur spécifie également la variété de terrain à traverser, qui peut inclure des combinaisons d’éléments tels que des marches, des zones plates ou des surfaces glissantes.
Avec ces entrées, RoboGrammar utilise ensuite les règles de la grammaire des graphes pour concevoir des centaines de milliers de structures robotiques potentielles. Certains ressemblent vaguement à une voiture de course. D’autres ressemblent à une araignée ou à une personne faisant des pompes. «C’était assez inspirant pour nous de voir la variété des designs», assure Allan Zhao. «Cela montre clairement l’expressivité de la grammaire.» Mais si la grammaire peut générer de la quantité, ses conceptions ne sont pas toujours de qualité optimale.
Choisir la meilleure conception de robot nécessite de contrôler les mouvements de chaque robot et d’évaluer sa fonction. «Jusqu’à présent, ces robots ne sont que des structures», explique Allan Zhao. Le contrôleur est l’ensemble d’instructions qui donne vie à ces structures, régissant la séquence de mouvement des différents moteurs du robot. L’équipe a développé un contrôleur pour chaque robot avec un algorithme appelé Model Predictive Control, qui donne la priorité aux mouvements rapides vers l’avant.
«La forme et le contrôleur du robot sont étroitement liés», souligne Allan Zhao, «c’est pourquoi nous devons optimiser individuellement un contrôleur pour chaque robot donné.» Une fois que chaque robot simulé est libre de se déplacer, les chercheurs recherchent des robots performants avec une «recherche heuristique graphique». Cet algorithme de réseau de neurones échantillonne et évalue de manière itérative des ensembles de robots, et il apprend quelles conceptions ont tendance à mieux fonctionner pour une tâche donnée. «La fonction heuristique s’améliore avec le temps», explique Zhao, «et la recherche converge vers le robot optimal.»
Tout cela se produit avant que le concepteur humain ne prenne jamais une vis.
«Ce travail est le couronnement d’une quête de 25 ans pour concevoir automatiquement la morphologie et le contrôle des robots», déclare Hod Lipson, ingénieur en mécanique et informaticien à l’Université de Columbia, qui n’a pas participé au projet. «L’idée d’utiliser des grammaires de formes existe depuis un certain temps, mais nulle part cette idée n’a été exécutée aussi magnifiquement que dans ce travail. Une fois que nous pouvons obtenir des machines pour concevoir, fabriquer et programmer automatiquement des robots, tous les paris sont ouverts. »
Allan Zhao conçoit le système comme une étincelle pour la créativité humaine. Il décrit RoboGrammar comme un «outil permettant aux concepteurs de robots d’élargir l’espace des structures robotiques sur lesquelles ils s’appuient». Pour montrer sa faisabilité, son équipe prévoit de construire et de tester certains des robots optimaux de RoboGrammar dans le monde réel. Zhao ajoute que le système pourrait être adapté pour poursuivre des objectifs robotiques au-delà de la traversée de terrain. Et il dit que RoboGrammar pourrait aider à peupler les mondes virtuels. «Disons que dans un jeu vidéo, vous vouliez générer de nombreux types de robots, sans qu’un artiste ait à créer chacun d’eux», lance Allan Zhao. «RoboGrammar travaillerait pour cela presque immédiatement.»
Un résultat surprenant du projet? «La plupart des modèles finissent par être à quatre pattes», explique Allan Zhao. Peut-être que les concepteurs de robots manuels avaient raison de se tourner vers les quadrupèdes depuis le début. «Peut-être qu’il y a vraiment quelque chose là-dedans.»
