Les robots apprennent à travailler ensemble comme une danse bien chorégraphiée

Des scientifiques de l'UCL, de Google DeepMind et d'Intrinsic ont développé un nouvel algorithme d'IA puissant qui permet à de grands ensembles de bras robotisés de travailler ensemble plus rapidement et plus intelligemment dans des environnements industriels très fréquentés, permettant ainsi aux fabricants d'économiser potentiellement des centaines d'heures de planification et d'atteindre de nouveaux niveaux de flexibilité et d'efficacité.

Le système, appelé RoboBallet, a été conçu pour aider les équipes de robots automatisés qui travaillent dans des espaces partagés et remplis d'obstacles comme les chaînes de montage et les usines, à planifier leurs mouvements et leurs tâches automatiquement - sans entrer en collision les uns avec les autres ou avec l'environnement environnant.

Il s'agit d'un défi qui préoccupe depuis longtemps les fabricants ; le travail est actuellement effectué manuellement par des programmeurs spécialement formés. C'est un processus très fastidieux et sujet aux erreurs, qui prend des centaines d'heures pour chaque série de tâches.

Comme décrit dans un article de recherche paru dans Science Robotics, RoboBallet entraîne un cerveau robotique basé sur un réseau de neurones graphiques grâce à l'apprentissage par renforcement (RL). Dans un cadre RL, le cerveau robotique apprend par essais et erreurs et reçoit une « récompense » lorsque les tâches sont accomplies, avec des récompenses plus élevées pour les avoir accomplies plus rapidement.  

Le réseau neuronal graphique est une  architecture de réseau neuronal  qui fonctionne nativement avec des données sous forme de graphes. Son utilisation permet aux robots de comprendre et d'analyser leur environnement (en traitant chaque obstacle comme un point d'un réseau, de manière organisée) afin de déterminer la manière la plus efficace de collaborer. Les réseaux neuronaux graphiques et l'apprentissage par renforcement sont tous deux des techniques d'IA. 

Au cours de cette recherche, après seulement quelques jours de formation, RoboBallet a pu générer des plans de haute qualité en quelques secondes seulement – ​​même pour des configurations complexes qu'il n'avait jamais vues auparavant, résolvant jusqu'à 40 tâches avec huit bras robotiques – bien au-delà des capacités des systèmes précédents.

L'auteur principal, Matthew Lai, chercheur en doctorat à l'UCL Computer Science et à Google DeepMind, a déclaré : « RoboBallet transforme la robotique industrielle en une danse chorégraphiée, où chaque bras bouge avec précision, détermination et conscience de ses coéquipiers. Il ne s'agit pas seulement d'éviter les accidents ; il s'agit d'atteindre l'harmonie à grande échelle. »

« Pour la première fois, nous pouvons automatiser la planification complexe de plusieurs robots avec la grâce et la vitesse d'une danse, rendant les usines plus adaptatives, plus efficaces et plus intelligentes. »

RoboBallet est capable de planifier les mouvements des robots des centaines de fois plus rapidement qu'en temps réel. Les chercheurs affirment que cela pourrait permettre aux usines de s'adapter instantanément en cas de panne d'un robot ou de modification de l'agencement. RobotBallet permet également d'optimiser l'agencement, aidant ainsi les fabricants à décider où placer les robots pour une efficacité et un rendement optimaux.

Les chercheurs affirment que l'évolutivité du système constitue une avancée majeure. Les algorithmes de planification traditionnels peinent à gérer plus de quelques robots en raison de la croissance exponentielle de leur complexité. L'architecture graphique de RoboBallet lui permet d'apprendre les principes généraux de coordination, plutôt que de mémoriser des scénarios spécifiques, ce qui le rend adapté à une utilisation industrielle à grande échelle.

Alex Li, professeur associé et co-auteur de l'étude en informatique à l'UCL, a déclaré : « Dans les usines d'aujourd'hui, coordonner plusieurs bras robotisés s'apparente à résoudre un puzzle 3D en mouvement. Chaque action doit être parfaitement synchronisée et placée pour éviter les collisions. À l'heure actuelle, cette planification prend des centaines d'heures aux spécialistes et sa conception manuelle est coûteuse. »

Le nom, RoboBallet, reflète l'élégance et les possibilités offertes par tant de robots. Tout comme les danseurs de ballet évoluent en parfaite harmonie, nos robots peuvent désormais coordonner leurs mouvements avec une précision et une grâce surhumaines. RoboBallet pourrait générer instantanément des plans pour des configurations inédites, à grande échelle et à des vitesses impossibles à réaliser manuellement par des spécialistes.

À quoi cela peut-il servir ?

Alors que l'industrie manufacturière continue d'évoluer vers une production plus flexible et adaptative, cette technologie pourrait être utilisée dans la construction automobile, l'assemblage électronique ou même la construction de maisons robotisées. Elle est particulièrement utile là où les robots doivent collaborer étroitement sans se gêner.

Quelle est la prochaine étape ?

Si la version actuelle de RoboBallet se concentre sur les tâches d'atteinte, où un robot déplace son bras vers un point précis pour des tâches telles que le soudage, les chercheurs affirment qu'elle pourrait être étendue à des opérations plus complexes comme le pick-and-place ou la peinture. Les chercheurs envisagent également de futures versions capables de gérer les dépendances entre les tâches , les équipes de robots hétérogènes et les géométries d'obstacles plus sophistiquées.

Limites

L'équipe reconnaît que RoboBallet ne gère pas encore tous les scénarios d'usine possibles. Par exemple, il ne prend pas encore en compte les tâches devant être effectuées dans un ordre précis, ni les robots dotés de capacités différentes. Cependant, elle estime que ces fonctionnalités pourront être ajoutées dans les versions futures, et l'architecture flexible du système le rend parfaitement adapté à de telles améliorations.

Le travail a été financé par Google DeepMind et Intrinsic, et la base de code a été ouverte, permettant à d'autres chercheurs de continuer à s'appuyer dessus et d'accélérer l'ensemble du domaine.

https://www.ucl.ac.uk/news/2025/sep/robots-learn-work-together-well-choreographed-dance