Un modèle neuronal pour une intelligence de type humain chez les robots souples

infohightech ·

Légende: Un nouveau bras robotique souple peut opérer en toute sécurité à proximité du corps humain sans provoquer d'inconfort ni de blessure. Son système de contrôle par intelligence artificielle est parfaitement adapté aux situations d'assistance comme la douche, où le bras peut aider à s'essuyer le dos, facilitant ainsi le travail des personnes à mobilité réduite et soulageant les aidants. Crédits: Photo reproduite avec l'aimable autorisation de l'Université nationale de Singapour.

Un système de contrôle par IA co-développé par des chercheurs de SMART permet aux bras robotiques souples d'apprendre une large gamme de mouvements une seule fois et de s'adapter instantanément aux conditions changeantes sans réentraînement.

Un nouveau système de contrôle par intelligence artificielle permet aux bras robotiques souples d'apprendre une seule fois un large répertoire de mouvements et de tâches, puis de s'adapter instantanément à de nouveaux scénarios, sans nécessiter de réentraînement ni sacrifier leurs fonctionnalités. 

Cette avancée majeure rapproche la robotique souple d'une adaptabilité comparable à celle de l'humain pour des applications concrètes, telles que la robotique d'assistance, les robots de réadaptation et les robots souples portables ou médicaux, en la rendant plus intelligente, polyvalente et sûre.

Ces travaux ont été menés par le groupe de recherche interdisciplinaire Mens, Manus and Machina (M3S) – un jeu de mots avec la devise latine du MIT « mens et manus », ou « esprit et main », auquel on ajoute « machina » pour « machine » – au sein de l’ Alliance Singapour-MIT pour la recherche et la technologie . Des chercheurs de l’Université nationale de Singapour (NUS) et des collaborateurs du MIT et de l’Université technologique de Nanyang (NTU) de Singapour ont codirigé le projet.

Contrairement aux robots classiques qui se déplacent grâce à des moteurs et des articulations rigides, les robots souples sont fabriqués à partir de matériaux flexibles comme le caoutchouc souple et se meuvent grâce à des actionneurs spéciaux – des composants qui agissent comme des muscles artificiels pour produire un mouvement physique. Si leur flexibilité les rend idéaux pour des tâches délicates ou adaptatives, le contrôle des robots souples a toujours représenté un défi, car leur forme évolue de manière imprévisible. Les environnements réels sont souvent complexes et sujets à des perturbations inattendues, et même de petits changements de conditions – comme un déplacement de poids, une rafale de vent ou un dysfonctionnement matériel mineur – peuvent perturber leurs mouvements. 

Malgré des progrès considérables en robotique souple, les approches actuelles ne permettent souvent d'atteindre qu'une ou deux des trois capacités nécessaires au fonctionnement intelligent des robots souples dans des environnements réels : utiliser les connaissances acquises lors d'une tâche pour en réaliser une autre, s'adapter rapidement aux changements de situation et garantir la stabilité et la sécurité du robot pendant ses mouvements. Ce manque d'adaptabilité et de fiabilité a constitué jusqu'à présent un obstacle majeur au déploiement des robots souples dans des applications concrètes.

Dans une étude en libre accès intitulée « A general soft robotic controller inspired by neuronal structural and plastic synapses that adapts to diverse arms, tasks, and perturbations ou Un contrôleur robotique souple général inspiré des synapses neuronales structurelles et plastiques qui s'adapte à divers bras, tâches et perturbations », publiée le 6 janvier dans  Science Advances , les chercheurs décrivent comment ils ont développé un nouveau système de contrôle par intelligence artificielle permettant aux robots souples de s'adapter à diverses tâches et perturbations. L'étude s'inspire du fonctionnement du cerveau humain en matière d'apprentissage et d'adaptation, et repose sur des recherches approfondies en contrôle robotique basé sur l'apprentissage, en intelligence incarnée, en robotique souple et en méta-apprentissage.

Le système utilise deux ensembles complémentaires de « synapses » — des connexions qui ajustent les mouvements du robot — fonctionnant de concert. Le premier ensemble, appelé « synapses structurelles », est entraîné hors ligne sur divers mouvements fondamentaux, comme la flexion ou l'extension fluide d'un bras souple. Ces mouvements constituent les compétences innées du robot et lui confèrent une base solide et stable. Le second ensemble, appelé « synapses plastiques », s'actualise en continu pendant le fonctionnement du robot, affinant le comportement du bras pour qu'il réagisse instantanément aux événements. Un mécanisme de stabilisation intégré agit comme une sécurité, garantissant ainsi que, même pendant les ajustements en ligne, le comportement du robot reste fluide et contrôlé.

« Les robots souples recèlent un immense potentiel pour accomplir des tâches que les machines conventionnelles ne peuvent tout simplement pas réaliser, mais leur adoption à grande échelle exige des systèmes de contrôle à la fois très performants et d'une sécurité absolue. En combinant l'apprentissage structurel et l'adaptabilité en temps réel, nous avons créé un système capable de gérer la complexité des matériaux souples dans des environnements imprévisibles », explique Daniela Rus, professeure au MIT, co-responsable du projet M3S, directrice du Laboratoire d'informatique et d'intelligence artificielle (CSAIL) du MIT et co-auteure de l'article. « C'est un pas de plus vers un avenir où des robots souples polyvalents pourront opérer en toute sécurité et intelligemment aux côtés des humains, dans les cliniques, les usines ou au quotidien. »

« Ce nouveau système de contrôle par IA est l'un des premiers contrôleurs de robots souples à répondre aux trois critères essentiels à l'utilisation de ces robots dans la société et divers secteurs industriels. Il peut appliquer ses connaissances acquises hors ligne à différentes tâches, s'adapter instantanément à de nouvelles conditions et rester stable en toutes circonstances, le tout au sein d'un cadre de contrôle unique », explique Zhiqiang Tang, professeur associé, premier auteur et co-auteur correspondant de l'article. Il a mené ces recherches lors d'un postdoctorat au M3S et à l'Université nationale de Singapour (NUS) et est actuellement professeur associé à l'Université du Sud-Est de Chine (SEU Chine).

Le système prend en charge plusieurs types de tâches, permettant aux bras robotiques souples d'effectuer le suivi de trajectoire, le positionnement d'objets et la régulation de la forme globale du corps selon une approche unifiée. La méthode est également applicable à différentes plateformes de bras souples, démontrant ainsi sa compatibilité multiplateforme. 

Légende: Ce bras robotique souple de 160 grammes, doté d'une pince souple de 37,2 grammes, effectue une tâche de préhension et de déplacement d'un objet de 56,4 grammes. Il se plie avec fluidité pour saisir, soulever et repositionner l'objet de manière contrôlée. La charge utile totale représente 58,5 % de la masse du bras, ce qui témoigne d'une manipulation stable même avec une charge relativement élevée, tout en conservant une grande précision et une parfaite souplesse d'utilisation. Crédits: Image courtoisie de SMART M3S.

Le système a été testé et validé sur deux plateformes physiques — un bras souple actionné par câble et un bras souple actionné par un alliage à mémoire de forme — et a donné des résultats impressionnants. Il a permis une réduction de 44 à 55 % de l'erreur de suivi en présence de fortes perturbations ; une précision de forme supérieure à 92 % malgré les variations de charge utile, les perturbations du flux d'air et les défaillances d'actionneurs ; et des performances stables même lorsque jusqu'à la moitié des actionneurs étaient défaillants. 

« Ces travaux redéfinissent les possibilités de la robotique souple. Nous avons fait évoluer le paradigme, passant d'un réglage et de capacités spécifiques à une tâche à un cadre véritablement généralisable doté d'une intelligence quasi humaine. Il s'agit d'une avancée majeure qui ouvre la voie à des machines souples intelligentes et évolutives, capables d'opérer dans des environnements réels », déclare la professeure Cecilia Laschi, co-auteure principale et chercheuse principale au M3S, titulaire de la chaire du doyen au département de génie mécanique de l'Université nationale de Singapour (NUS), au sein du Collège de design et d'ingénierie, et directrice du Centre de robotique avancée de la NUS.

Cette avancée majeure ouvre la voie à des systèmes robotiques souples plus performants pour le développement de la robotique industrielle, logistique, d'inspection et médicale, sans nécessiter de reprogrammation constante, ce qui réduit les temps d'arrêt et les coûts. Dans le domaine de la santé, les dispositifs d'assistance et de réadaptation peuvent adapter automatiquement leurs mouvements à l'évolution de la force ou de la posture du patient, tandis que les robots souples portables ou médicaux peuvent répondre avec une plus grande précision aux besoins individuels, améliorant ainsi la sécurité et les résultats pour les patients.

Un système de contrôle par intelligence artificielle permet au bras robotique souple d'apprendre et d'effectuer des mouvements précis, comme se plier en forme de « C », à l'instar d'un bras humain. Lors d'un test de résistance aux perturbations, le bras a été soumis à des vitesses de ventilation fixes et variables, et a tout de même atteint la forme cible avec une précision de 93,8 %, même dans les conditions les plus difficiles. Crédits: Image courtoisie de SMART M3S.

Les chercheurs prévoient d'étendre cette technologie à des systèmes ou composants robotiques capables de fonctionner à des vitesses plus élevées et dans des environnements plus complexes, avec des applications potentielles dans la robotique d'assistance, les dispositifs médicaux et les manipulateurs souples industriels, ainsi que dans l'intégration dans des systèmes autonomes du monde réel.

https://news.mit.edu/2026/neural-blueprint-human-intelligence-in-soft-robots-0219

Cet article vous a été utile ? Partagez-le.