L’apprentissage par transfert, c’est-à-dire la capacité d’utiliser des connaissances acquises antérieurement d’un contexte à un autre, pourrait enseigner à des robots bon marché comment fonctionner aussi bien que des robots coûteux.
Le contexte : L’un des défis les plus difficiles auxquels la robotique est actuellement confrontée est d’assurer le bon fonctionnement du robot à l’extérieur du laboratoire. Dans un contexte de recherche, il est possible d’équiper le robot de capteurs coûteux et de lui fournir un environnement idéal pour apprendre la navigation. Mais dans le monde réel, l’utilisation des mêmes capteurs s’avérerait coûteuse et peu conviviale pour le grand public. De plus, c’est salissant et imparfait.
La proposition : Les chercheurs de la Vrije Universiteit se sont tournés vers un type d’apprentissage machine baptisé apprentissage par transfert (Transfert Learning) pour voir s’ils pouvaient résoudre le problème. L’apprentissage par transfert est le processus qui consiste à prendre ce qu’un algorithme a appris dans un contexte et à l’appliquer dans un autre.
Il pourrait être utilisé pour adapter un algorithme qui contrôle un robot en laboratoire afin qu’il puisse contrôler un robot dans le monde réel. Cela signifie que le robot pourrait d’abord s’entraîner avec l’avantage de meilleurs capteurs et d’un meilleur environnement, puis exploiter ce qu’il a appris même s’il n’a que des capteurs bon marché et un mauvais environnement.
Les résultats : Pour tester cette idée, les chercheurs ont créé un robot dans un environnement simulé qu’ils ont d’abord piloté à l’aide de huit capteurs de proximité, puis avec une seule caméra. Ils ont constaté que lorsque l’algorithme de commande du robot utilisait l’apprentissage par transfert pour prendre des décisions – avec accès par caméra uniquement – il apprenait à naviguer dans la pièce beaucoup plus rapidement que lorsqu’il n’utilisait pas du tout l’apprentissage par transfert. Il était également beaucoup plus rapide que lorsqu’il utilisait l’apprentissage par transfert pendant la formation plutôt que la prise de décision.
