Regardez le chien robot partir.
Ça trotte. Puis ça bondit. Aucun humain ne lui dit quoi faire. Cela change simplement.
C’est le KAIST HOUND. Il pèse environ 45 kilogrammes (100 livres) et se déplace avec une fluidité qui était auparavant impossible pour des machines de ce type. Il utilise des caméras et un lidar pour observer le sol devant lui. Ensuite, il choisit une allure. Un trot soutenu pour les parties plates. Une course rapide et bondissante pour les écarts. Il fait tout cela en temps réel, en ajustant ses pattes sans demander la permission.
Les chercheurs l’ont prouvé à l’extérieur. Ils ont emmené le robot à travers un campus universitaire, sur environ 0,7 miles de trottoir. Puis ils l’ont envoyé dans les bois. Un sentier de 0,2 mile couvert de racines, de bûches et de feuilles glissantes. Il a tout géré. Les détails sont apparus dans Science Robotics le 15 juillet.
Pourquoi c’est difficile
Les animaux changent tout le temps de démarche. Vous savez comment un chien ralentit pour trotter sur de la terre rugueuse, puis saute par-dessus un bâton lorsque le chemin est dégagé ? Cela semble naturel.
Le faire dans un robot n’est pas du tout naturel. C’est délicat.
Habituellement, un trot et un bond sont codés par des systèmes totalement distincts. Basculer entre eux crée un décalage. Le décalage signifie trébucher. Trébucher signifie que le robot tombe en panne ou tombe en panne. C’est dans l’écart entre deux styles de codage que les robots meurent.
L’équipe avait besoin d’un pont.
Le cerveau derrière les muscles
Ils ont construit quelque chose appelé APT-RL.
Il signifie apprentissage par renforcement basé sur un transformateur pré-entraîné à l’action. Le nom est une bouchée. Le concept est plus simple.
Tout d’abord, l’IA a étudié un certain nombre d’actions. Un modèle de transformateur a examiné les modèles dans chacun d’eux. Puis l’apprentissage par renforcement est entré en jeu. Essais et erreurs. Récompenses pour les bons coups, pénalités pour les mauvais.
Mais d’où viennent les données ?
Ils n’ont pas encore construit de vrai robot. Ils ont commencé en 2D. Un modèle informatique simple. Ils ont utilisé l’optimisation de trajectoire pour déterminer ce qui fonctionne physiquement pour les jambes. Ils ont généré 180,0 millions de séquences. Courtes poussées de trot et de bondissement. Ils ont calculé les forces conjointes nécessaires. Il a fallu huit minutes pour créer cet ensemble de données. Quinze heures de données de mouvement. Prêt dans le temps nécessaire pour faire bouillir l’eau.
Ensuite, l’IA a dû apprendre quand utiliser quoi.
La simulation lui a jeté des obstacles. Escaliers. Tremplins. Des obstacles. Lacunes. Terrain accidenté. Le robot devait trouver comment sélectionner la bonne compétence et la modifier à la volée.
Et voici le kicker. La simulation a ajouté des caméras de profondeur et des scanners lidar. Il devait « voir » comme le ferait le vrai robot.
“Le système sélectionne les allures appropriées et ajuste les mouvements en temps réel en fonction de l’entrée visuelle.”
Lors d’un test en intérieur, la chose a franchi un obstacle de deux pieds de haut. Il a atteint 15 kilomètres à l’heure (environ 9 mph) en le faisant. Il a même sauté trois marches.
Remarquez comment il choisit ses mouvements. Des vitesses plus faibles ? Il trottait. Un sol inégal ? Il est resté bas et prudent. Des vitesses élevées ? De grands pas ? Il a lié.
Il a pris la bonne décision à chaque fois. Une version du logiciel restreinte au seul trot échouait souvent. Il en a été de même pour la version contrainte à uniquement la liaison. L’hybride ? Cohérent.
Est-ce juste une astuce ?
Non. Le robot a appris des comportements qui ne lui ont jamais été explicitement enseignés. C’est comme sauter par-dessus une bûche. Les données d’entraînement d’origine étaient plates. Le journal n’était pas dans le plan. Mais l’IA l’a compris parce que la formation ne consistait pas seulement à copier : elle consistait à comprendre le terrain en trois dimensions.
Il se corrige.
Il s’adapte.
C’est le genre de chose qui change ce que ces machines peuvent réellement faire en dehors d’un laboratoire. Plus besoin de sols plats.
En verrez-vous un livrer des colis ensuite ? Peut être.
Ou peut-être qu’il reste sur le campus pendant un certain temps.
