Crédit : Université de Tohoku
Vous est-il déjà arrivé de voir une fourmi filer sur le plan de travail de votre cuisine et de vous demander comment ce petit insecte a pu franchir tous les obstacles de votre maison pour y parvenir ? Les insectes utilisent leur minuscule système nerveux pour se déplacer avec une dextérité surprenante — une compétence qui pourrait être transférée aux robots souhaitant accomplir des tâches plus productives que de simplement retrouver des miettes de pain dans votre cuisine.
Une équipe internationale de chercheurs, dirigée par l’Université de Tohoku au Japon et l’Institut des sciences et technologies Vidyasirimedhi (VISTEC) en Thaïlande, a entraîné une intelligence artificielle sur le cycle de marche d’un phasme afin de déterminer la stratégie optimale pour se déplacer sur différentes surfaces. Cette stratégie a ensuite été implémentée avec succès dans un robot hexapode qui a appris à marcher en seulement une heure.
De plus, le robot était capable de se déplacer sur des terrains accidentés et de s’adapter à l’absence d’un membre. Sur les sites sinistrés les plus dangereux, inaccessibles aux robots à roues, ces robots hexapodes adaptatifs pourraient véritablement sauver des vies.
L’article est publié dans la revue Bioinspiration & Biomimetics .
Les phasmes, ainsi nommés en raison de leur ressemblance frappante avec de petits bâtons, constituent un modèle classique pour l’étude de la marche. L’équipe a utilisé une base de données ouverte contenant seulement trois ou quatre étapes de l’insecte. À partir de ces données, l’IA a déterminé simultanément deux choses : premièrement, l’objectif que l’insecte semble poursuivre en marchant (appelé « récompense ») ; deuxièmement, le mouvement de ses pattes pour l’atteindre.
Crédit : Université de Tohoku
La plupart des travaux portent sur la manière de faire marcher un robot. Cette étude s’interroge sur la finalité de la marche.
« Nous n’avons jamais dit au robot comment marcher », explique Dai Owaki, professeur associé à l’université de Tohoku. « Nous lui avons demandé ce que l’insecte cherchait à accomplir, et nous avons laissé le robot poursuivre le même objectif de lui-même. »
Le robot a appris à marcher trois fois plus vite qu’avec une récompense standard. Donner au robot des instructions précises sur le mouvement de chaque patte est un processus de conception long et fastidieux qui doit être répété pour chaque nouveau robot. À l’inverse, cette approche supprime cette étape en fournissant au robot un animal comme modèle.
Le robot apprend selon deux axes : d’une part, il recueille des informations générales ; d’autre part, il contient des informations spécifiques à une machine. Cette séparation permet de transférer les résultats à d’autres robots. Ainsi, chaque nouvelle machine n’a pas à repartir de zéro, ce qui pourrait engendrer une production plus rapide et moins coûteuse.
« Il est remarquable que quelques étapes à partir d’un simple phasme aient suffi pour trouver un principe qui fonctionne sur une machine cinq fois plus grande », déclare Owaki.
L’étude a examiné une méthode d’apprentissage par renforcement inverse où l’IA ne reçoit pas d’instructions explicites sur la manière de se déplacer ; elle apprend en tentant de comprendre l’objectif d’un exemple idéal. Dans cette étude, l’exemple est un phasme, mais d’autres animaux dotés d’une grande dextérité pourraient également servir de modèles.
Les chercheurs indiquent que l’ajout de mémoire pour permettre au robot d’apprendre et d’acquérir de l’expérience au fil du temps constituera leur prochaine étape vers le développement de robots hautement mobiles qui pourraient un jour contribuer aux efforts de réponse aux catastrophes.
https://www.tohoku.ac.jp/en/press/%20six_legged_robot_learns_to_walk_from_insect.html
