L’Institut Allen veut se procurer des algorithmes de navigation en laissant les chercheurs lâcher leurs robots dans ses appartements physiques et virtuels.

Dans un bâtiment situé en face de son bureau principal à Seattle, l’Institut Allen d’intelligence artificielle (AI2) dispose de suffisamment de meubles Ikea pour configurer 14 appartements différents. Le laboratoire ne se lance pas dans la décoration intérieure, pas exactement. Les ressources sont destinées à former des algorithmes plus intelligents pour contrôler les robots.

Les robots ménagers comme le Roomba fonctionnent bien uniquement parce que leurs tâches sont relativement simples. Se promener, faire demi-tour et revenir sans cesse aux mêmes endroits n’a pas vraiment d’importance lorsque l’objectif est de nettoyer sans relâche le même sol.

Mais tout ce qui exige une navigation plus efficace ou plus complexe fait quand même trébucher de nombreux robots à la pointe de la technologie. La recherche nécessaire pour améliorer ce statu quo est également coûteuse, ce qui limite la plupart des progrès de pointe à des laboratoires commerciaux bien financés.

Aujourd’hui, AI2 veut faire d’une pierre deux coups. Mardi, elle a annoncé un nouveau défi baptisé RoboTHOR (THOR pour The House of inteRactions). Ce défi permettra d’améliorer les algorithmes de navigation et de réduire les obstacles financiers pour les chercheurs qui ne disposent pas de ressources robotiques propres.

Le but ultime est de faire progresser plus rapidement l’IA en impliquant davantage de groupes de recherche. Les différentes communautés devraient apporter des perspectives et des cas d’utilisation différents qui élargiront le répertoire des capacités robotiques, rapprochant le domaine d’une intelligence plus généralisable.

Comparaison de salles à manger réelles et simulées dans l’une des configurations d’appartement.

Le laboratoire a conçu une pièce facilement reconfigurable, de la taille d’un studio exigu, pour servir de scène aux 14 variations d’appartements. Il a également recréé des répliques virtuelles identiques dans Unity, un moteur de jeu vidéo très populaire, ainsi que 75 autres configurations, qui ont toutes été créées en ligne. Ensemble, ces 89 configurations offriront aux équipes du monde entier des environnements de simulation réalistes pour s’entraîner et tester leurs algorithmes de navigation. Les environnements sont également préchargés avec des modèles de robots AI2 et reflètent le plus fidèlement possible la physique du monde réel, comme la gravité et les réflexions de la lumière.

Le défi demande spécifiquement aux équipes de développer des algorithmes qui peuvent faire passer un robot d’un endroit de départ aléatoire dans une pièce à un objet dans cette pièce simplement en lui disant le nom de l’objet. Cela sera plus difficile que la simple navigation car le robot devra comprendre la commande et reconnaître l’objet dans son champ visuel également.

Les équipes s’affronteront en trois phases. Au cours de la première phase, elles disposeront des 75 environnements de simulation exclusivement numériques pour s’entraîner et valider leurs algorithmes. Au cours de la deuxième phase, les équipes les plus performantes se verront attribuer quatre nouveaux environnements de simulation avec les doubles physiques correspondants. Les équipes pourront affiner leurs algorithmes à distance en les chargeant dans les véritables robots d’AI2.

Dans la phase finale, les plus performants devront démontrer la généralisabilité de leurs algorithmes dans les dix derniers appartements numériques et physiques correspondants. Les équipes les plus performantes lors de cette phase finale se verront décerner des droits de vantardise et une invitation à faire une démonstration de leurs modèles lors de la conférence sur la vision par ordinateur et la reconnaissance des formes, une conférence de recherche de pointe sur l’IA pour les systèmes basés sur la vision.

Divers objets réels et simulés.

Une fois le défi relevé, AI2 prévoit de maintenir l’installation disponible, en donnant à quiconque l’accès à l’environnement pour continuer à mener des recherches en robotique. Les chercheurs qui franchiront un certain seuil de précision dans les environnements simulés – prouvant qu’ils ne feront pas tomber les robots – pourront déployer à distance leurs algorithmes dans les environnements physiques. La salle tournera entre les différentes configurations de mobilier.

« Nous allons maintenir cet environnement, et nous allons maintenir ces robots », déclare Ani Kembhavi, chercheur à AI2 qui dirige le projet. Son équipe prévoit de développer un système de partage du temps pour permettre à différents chercheurs de se relayer pour tester à distance leurs algorithmes dans le monde réel.

AI2 espère que cette stratégie rendra la recherche en robotique plus accessible en éliminant autant que possible les coûts matériels associés. Elle espère également que ce système inspirera d’autres organisations bien financées à ouvrir leurs ressources de la même manière. En outre, elle a conçu à dessein sa salle reconfigurable avec des matériaux peu coûteux et des meubles Ikea disponibles dans le monde entier ; l’installation a coûté environ 10 000 dollars. Si d’autres chercheurs souhaitent construire leurs propres espaces d’entraînement physique, ils peuvent facilement les reproduire localement tout en les adaptant aux environnements de simulation virtuelle.

Ani Kembhavi, dont le père est astronome, compare l’idée au partage mondial des télescopes. « Des communautés comme celle de l’astronomie ont trouvé le moyen d’utiliser des ressources coûteuses et de les mettre à la disposition des chercheurs du monde entier », dit-il.

« C’est notre vision pour cet environnement », ajoute-t-il. « L’intelligence artificielle pour tous ».

https://www.technologyreview.com/s/615186/ai-ai2-robots-navigate-world-train-algorithms-challenge/