Une équipe de recherche de KAIST a mis au point une technologie de robot quadrupède capable non seulement de se déplacer en estimant le terrain sans information visuelle, mais aussi de percevoir son environnement grâce à des caméras et des capteurs LiDAR et de prendre des décisions en marchant, à l’instar des animaux qui analysent visuellement le terrain et adaptent leur démarche. Cette technologie devrait également être étendue à diverses plateformes robotiques, telles que les robots à roues et les robots humanoïdes.
KAIST (Président Kwang Hyung Lee) a annoncé qu’une équipe de recherche dirigée par le professeur Hyun Myung de l’École de génie électrique, en collaboration avec la start-up du laboratoire EuRoboTics Co., Ltd., a développé « DreamWaQ++ », une technologie de contrôle de robot quadrupède qui reconnaît le terrain à partir d’informations visuelles et ajuste les stratégies de locomotion en temps réel.
De la marche à l’aveugle au contrôle visuel
Le système « DreamWaQ », développé précédemment par cette équipe de recherche, est une technologie de locomotion « aveugle » qui évalue le terrain uniquement grâce à la proprioception (capteurs d’encodeurs articulaires et capteurs inertiels), permettant ainsi des mouvements robustes même sans information visuelle. Il assure une marche stable même dans des environnements où la visibilité est difficile à obtenir, comme lors de catastrophes, mais présente la limitation que le robot ne peut ajuster ses mouvements qu’après un contact direct de ses pattes avec un obstacle.
Le nouveau robot DreamWaQ++ surmonte cette limitation en combinant la perception proprioceptive et la perception extéroceptive grâce à des caméras et un LiDAR. Son principal atout réside dans sa capacité à permettre une « locomotion basée sur la perception », où le robot anticipe les obstacles et ajuste sa stratégie de marche en conséquence, dépassant ainsi le simple contrôle réactif pour comprendre son environnement et prendre des décisions en conséquence.
Pour ce faire, l’équipe de recherche a conçu une architecture d’apprentissage par renforcement multimodale et l’a mise en œuvre afin de permettre un contrôle en temps réel basé sur des calculs légers. De plus, elle a simultanément assuré la stabilité en basculant automatiquement vers une locomotion basée sur d’autres modalités sensorielles en cas d’erreurs de capteurs, et une évolutivité permettant son application à diverses plateformes robotiques.
Tests en conditions réelles sur des terrains difficiles
Les performances ont également été démontrées par des expériences. Le robot équipé de DreamWaQ++ a affiché des performances supérieures aux technologies existantes dans divers environnements complexes.
Lors d’expériences de locomotion dans les escaliers, il a parcouru un trajet de 50 marches (30,03 m horizontalement, 7,38 m verticalement) en seulement 35 secondes, surpassant à la fois les contrôleurs de locomotion aveugles et les contrôleurs commerciaux basés sur la perception.
Dans des environnements à forte pente, il a gravi de manière stable une pente de 35°, soit 3,5 fois plus raide que la condition d’entraînement (10°), et a activement ajusté sa posture pour réduire le couple moteur de la jambe arrière d’environ 1,5 fois par rapport aux méthodes existantes.
De plus, dans divers scénarios d’obstacles, il a démontré une capacité de perception basée sur l’apprentissage en sélectionnant de manière autonome des chemins plus efficaces sans planification de chemin séparée, et sur des terrains accidentés, il a fait preuve d’un « comportement d’exploration », où il s’arrête volontairement pour inspecter le sol avant de se déplacer.
Par ailleurs, il a démontré une grande agilité en franchissant des obstacles de 41 cm, soit plus de sa propre hauteur, même avec une charge utile de 2,5 kg. En simulation, il a été montré qu’il pouvait franchir des obstacles jusqu’à 1,0 m avec ANYmal-C (un robot quadrupède représentatif développé à l’ETH Zurich) et jusqu’à 1,5 m avec KAIST HOUND (un robot quadrupède développé par l’équipe du professeur Hae-Won Park au KAIST).
En particulier, bien qu’entraîné uniquement sur des obstacles relativement bas (27 cm), il a atteint un taux de réussite d’environ 80 % sur des escaliers plus hauts (42 cm). Cela signifie que le robot ne se contente pas de répéter des situations apprises, mais qu’il est capable de s’adapter de manière autonome à de nouveaux environnements.
L’équipe de recherche prévoit que cette technologie pourra être appliquée dans des environnements difficiles d’accès pour les robots à roues classiques, tels que les interventions en cas de catastrophe, l’inspection des installations industrielles, la foresterie et l’agriculture.
Le professeur Hyun Myung a déclaré : « Ces recherches montrent que les robots ont progressé au-delà du simple déplacement pour atteindre un niveau où ils comprennent l’environnement et prennent des décisions par eux-mêmes », ajoutant : « Nous allons étendre cela aux technologies de mobilité intelligente applicables dans divers environnements réels. »
