Les robots se rapprochent de plus en plus de jugements semblables à ceux des humains, répondant ainsi à un défi majeur de l'IA physique.

infohightech ·

Schéma général du VOTP. Crédit : Institut supérieur coréen des sciences et technologies (KAIST)

Des chercheurs de KAIST ont résolu un défi majeur dans la commercialisation de l'IA physique en développant une nouvelle technologie qui permet à l'IA d'apprendre par elle-même les critères de jugement humain à partir de quelques vidéos seulement.

Le professeur Chang D. Yoo de l'École de génie électrique a développé VOTP (Video-based Optimal Transport Preference), une nouvelle technologie qui permet à l'IA d'apprendre les intentions humaines et les critères de jugement en utilisant seulement quelques vidéos de préférence au lieu de milliers, voire de dizaines de milliers, de points de données d'évaluation humaine.

L'intelligence artificielle évolue rapidement, passant de l'IA générative (qui écrit du texte et dessine des images) à l'ère de l'IA physique , où les machines se déplacent et agissent dans le monde réel. Parmi les exemples représentatifs, citons les robots qui effectuent des tâches dangereuses en usine à la place des humains, les véhicules autonomes qui évaluent seuls les conditions de circulation et les robots médicaux qui réalisent des interventions chirurgicales délicates.

Cependant, un obstacle restait à surmonter pour l'application pratique de l'IA physique : l'apprentissage de critères d'évaluation comparables à ceux des humains afin de déterminer si les actions d'une machine correspondent aux intentions humaines et quelles actions sont les plus appropriées. Par exemple, lorsqu'un robot chirurgical effectue une suture ou qu'un véhicule autonome traverse un carrefour complexe, l'IA doit choisir l'action la plus pertinente parmi de nombreuses options.

Pourquoi l'IA physique a besoin de cela

Pour ce faire, il est nécessaire de disposer d'une fonction de récompense qui reflète les préférences et les critères de jugement humains. Or, jusqu'à présent, la construction d'une telle fonction exigeait l'évaluation directe par des humains de milliers, voire de dizaines de milliers, de données d'actions, une opération extrêmement chronophage et coûteuse.

(De gauche à droite) Le professeur Chang D. Yoo, Tung M. Luu (doctorant, premier auteur) au centre à l'arrière, et Hwanhee Kim (candidat à la maîtrise, deuxième auteur) à l'avant droite 

L'équipe de recherche s'est intéressée à la manière dont les humains apprennent de nouvelles tâches après avoir observé seulement quelques démonstrations. VOTP, développé par cette équipe, permet à l'IA de comprendre de manière autonome les schémas d'action privilégiés par les humains, à partir de quelques vidéos illustrant des exemples positifs et négatifs. Même sans intervention humaine pour évaluer individuellement d'importantes quantités de données, l'IA peut comprendre les critères de jugement humains et étendre son apprentissage à diverses situations.

L'idée centrale de cette recherche est que les machines intelligentes, telles que les robots ou les véhicules autonomes, peuvent rapidement comprendre les intentions humaines à partir d'un nombre restreint de vidéos contenant des préférences humaines. L'algorithme développé à cette fin a démontré son efficacité et sa capacité de généralisation grâce à de nombreuses expériences menées dans divers environnements et pour diverses tâches.

Réduction des coûts et large utilisation

Cette méthode peut réduire considérablement les coûts liés au retour d'information humain et à la construction des données nécessaires au développement de l'IA physique. Les robots, les véhicules autonomes et les machines industrielles étant capables d'apprendre des actions conformes aux attentes humaines à partir d'un nombre restreint d'exemples, cette technologie devrait raccourcir drastiquement les délais de développement et réduire les coûts.

Cette technologie peut être largement appliquée non seulement au contrôle des bras robotisés, aux robots humanoïdes, aux véhicules autonomes, aux usines intelligentes, aux drones et aux robots chirurgicaux, mais aussi aux agents d'IA qui pilotent directement des ordinateurs. Elle devrait notamment constituer une technologie fondamentale pour tous les systèmes d'IA physique nécessitant l'apprentissage des intentions et des besoins humains.

Le professeur Chang D. Yoo a déclaré : « L'essence de l'IA physique réside dans la capacité des machines à comprendre les intentions humaines et à choisir les actions appropriées », et a ajouté : « Étant donné que la VOTP peut apprendre les critères de jugement humain avec seulement un petit nombre de vidéos, il s'agit d'une technologie fondamentale qui accélérera l'avènement des robots capables de porter des jugements semblables à ceux des humains. »

https://news.kaist.ac.kr/newsen/html/news/?mode=V&mng_no=62850

https://openreview.net/pdf?id=wWvrC9oajI

Cet article vous a été utile ? Partagez-le.