Africa-Press – Comores. On appelle cette discipline sportive le “parkour”, en référence au parcours du combattant. Les athlètes doivent franchir toutes sortes d’obstacles, faisant appel à quantité d’aptitudes physiques. Course, reptation, roulade, réception, divers techniques de saut et de franchissement de murs, barrières, fossés et autres zones de vides entre deux éléments.
C’est exactement ce qu’une équipe composée de chercheurs en robotique des universités de Stanford et de Carnegie Mellon aux Etats-Unis et de l’Université de Technologie de Shanghai et celle de Tsinghua en Chine, parvient à faire faire à un robot quadrupède, avec une fluidité de mouvement confondante.
En l’occurrence, la machine passe sous du mobilier de bureau, saute à quarante centimètres de haut sur une estrade, passe sous un canapé, bondit d’une table à l’autre, franchit un muret ou se glisse dans un passage étroit entre un meuble et une pile de cartons.
Une diversité d’exercices
Le projet sera présenté lors d’une conférence sur l’apprentissage des robots début novembre à Atlanta (Etats-Unis) mais fait déjà l’objet d’une vidéo de démonstration publiée le 4 octobre 2023.
Ce n’est évidemment pas la première fois qu’un robot parvient à exécuter des mouvements complexes avec autant d’agilité. Il suffit de penser aux démonstrations régulièrement publiées par Boston Dynamics. Mais ici, la nouveauté réside dans la diversité des exercices et leur enchaînement mais aussi dans la méthode d’entraînement du robot, plus simple et moins coûteuse que celles utilisées jusque-là pour ce genre de projet.
L’équipe a eu recours à de l’apprentissage par renforcement, qui est un processus par essai-erreur. Dans cette approche, chaque réussite déclenche un signal de récompense qui permet d’apprendre à l’algorithme qu’il a fait le bon choix. Mais elle est généralement très laborieuse et dans le cas de tâches complexes, nécessite d’appliquer le mécanisme de la récompense à quantité de variables.
Une quarantaine de parcours en simulation
L’équipe s’est employée à condenser ce processus en donnant un sens de proprioception au robot. Doté d’une caméra de profondeur, uniquement guidé par un système de vision par ordinateur, il collecte des informations sur la distance qui le sépare de l’obstacle à passer, la hauteur et la largeur de cet obstacle.
Mais l’algorithme a d’abord appris séparément, et en simulation, à exécuter cinq actions de base : grimper, sauter, ramper, courir et basculer. Les essais se comptent là en milliers. Puis, toujours en environnement simulé basé sur la plateforme de Nvidia IsaacGym restituant des contraintes physiques réalistes, il a été lancé sur une quarantaine de parcours différents avec vingt obstacles.
Une fois sur le terrain (en intérieur comme en extérieur), embarquant l’algorithme relié à la caméra, le robot adapte alors cet apprentissage à la configuration des lieux. Il s’est par exemple avéré capable de passer avec un taux de réussite de 80% des barrières mesurant une fois et demie sa propre hauteur, de franchir un vide équivalent à une fois et demie sa longueur. Il a aussi réussi, avec un taux de réussite de 90%, à se glisser dans un espace de 20 cm de haut ou à gravir des marches.
Et les chercheurs se sont rendu compte que la machine, lorsqu’elle échouait, s’y reprenait parfois d’elle-même plusieurs fois avant de réussir à franchir l’obstacle. Ce à quoi elle n’avait pas été entraînée…
Pour plus d’informations et d’analyses sur la Comores, suivez Africa-Press
