Les membres peuvent parfois être utilisés pour la manipulation, pas seulement pour la locomotion
Nous nous sommes habitués à considérer les robots quadrupèdes comme des versions robotiques des chiens. Et, pour être juste, c’est juste là dans le mot « quadrupède ». Mais si nous pouvons simplement dépasser le latin, il n’y a absolument aucune raison pour que les robots quadrupèdes doivent se limiter à utiliser leurs quatre membres comme jambes tout le temps. Et en fait, la plupart des autres quadrupèdes sont polyvalents comme ceci : les animaux à quatre pattes utilisent fréquemment leurs membres antérieurs pour interagir avec le monde qui les entoure à des fins non locomotrices.
Des roboticiens de l’Université Carnegie Mellon et de l’Université de Californie à Berkeley entraînent des chiens robots à utiliser leurs jambes pour la manipulation , pas seulement pour la locomotion, démontrant des compétences telles que grimper aux murs, appuyer sur des boutons et même taper dans un ballon de football.
Entraîner un robot à faire à la fois de la locomotion et de la manipulation avec les mêmes membres peut être délicat en utilisant des techniques d’apprentissage par renforcement, car vous pouvez rester coincé dans des minima locaux tout en essayant d’optimiser des compétences très différentes et (je suppose) parfois en opposition les uns avec les autres. Ainsi, les chercheurs ont divisé la formation en politiques de manipulation et de locomotion distinctes, et ont formé chacune à la simulation, bien que cela signifiait une étape supplémentaire pour rassembler ces compétences distinctes dans le monde réel pour effectuer des tâches utiles.
L’exécution réussie d’une tâche combinée de locomotion et de manipulation nécessite une démonstration d’expert de haute qualité. Le robot se souvient des commandes que l’humain a données pendant la démonstration, puis crée un arbre de comportement qu’il peut suivre et qui décompose les tâches en un ensemble de sous-tâches de locomotion et de manipulation connectées qu’il peut effectuer dans l’ordre. Cela ajoute également de la robustesse au système, car si le robot échoue à une sous-tâche, il peut « rembobiner » son chemin dans l’arbre de comportement jusqu’à ce qu’il revienne à un point de réussite, puis recommencer à partir de là.
Ce robot particulier (un Unitree Go1 avec un Intel RealSense pour la perception) parvient à s’équilibrer contre un mur pour appuyer sur un bouton d’accès aux fauteuils roulants de près d’un mètre de haut, puis à sortir par la porte ouverte, ce qui est assez impressionnant. Plus largement, il s’agit d’une étape utile pour aider les robots non humanoïdes à fonctionner dans des environnements optimisés pour l’homme, ce qui pourrait être plus important qu’il n’y paraît.
Il est certainement possible de modifier nos environnements pour qu’ils soient plus conviviaux pour les robots, et nous le voyons dans des endroits comme les hôpitaux (et certains hôtels) où les robots sont capables de contrôler directement les ascenseurs. Cela permet aux robots de se déplacer beaucoup plus facilement, mais c’est assez ennuyeux de devoir le faire dans certains cas. Il est plus pratique (sinon nécessairement plus simple) de simplement construire un robot poussant des boutons à la place. Il y a peut-être un argument à faire valoir que le meilleur terrain d’entente ici est simplement de construire une infrastructure largement accessible en premier lieu, en s’assurant que ni les robots ni les humains ne doivent s’appuyer sur une technique de manipulation spécifique pour faire fonctionner quoi que ce soit. Mais jusqu’à ce que cela se produise, des compétences comme celles-ci seront essentielles pour les robots à pattes utiles.
Legs as Manipulator: Pushing Quadrupedal Agility Beyond Locomotion , de Xuxin Cheng, Ashish Kumar et Deepak Pathak de l’Université Carnegie Mellon et de l’Université de Californie à Berkeley, sera présenté le mois prochain à l’ ICRA 2023 à Londres.
