Google apprend aux robots à apprendre grâce au Deep Learning

Deep-Learning-for-Robots

Pourquoi les êtres vivants ont-ils des mouvements aussi vifs et efficace, là où les robots sont si lents dès lors qu’ils doivent réaliser des mouvements qui ne sont pas pré-programmés. Un cerveau biologique est capable d’analyser en temps réel une situation complexe et ajuster le geste pour attraper au vol une balle. C’est ce type d’interaction que les chercheurs cherchent à apprendre au robot, non pas par programmation, mais par apprentissage.

14 robots ont alimenté une IA pour lui apprendre à ramasser des objets

Les chercheurs de Google ne sont pas les premiers à placer un robot sous le contrôle d’un réseau de neurones. Les universitaires de Carnegie Mellon avaient publié les résultats de leurs travaux. Doté d’une cervelle de silicon, il avait fallu 50.000 essais à un robot Baxter pour apprendre à se saisir un objet quelconque. Soulignant qu’il faut un an à un bébé pour apprendre à saisir un objet et quatre pour être capable de manipuler un objet avec précision. Par rapport à leur collègues, les chercheurs de Google se sont attaqué au même problème avec des moyens propres à Google. Ce n’est pas un, mais 14 robots qui ont tous été connectés à cette intelligence artificielle ou plutôt un algorithme CNN (deep convolutional neural network). Par essai-erreur, ces robots ont tenté de saisir des objets de couleurs et de formes diverses, guidé par l’IA au moyen d’une camera. Une boucle d’apprentissage comparable à la coordination oeil/main d’un être humaine, selon les chercheurs. Chaque essai est venu enrichir le classifieur de l’algorithme et donc apporter un peu plus de dextérité à cette intelligence aux 14 bras. Les chercheurs ont laissé l’IA réaliser 800.000 essais, soit 3.000 heures d’entrainement par robot.

A partir d’une seule image pour choisir le geste à adopter, l’algorithme échoue dans 34% de ses tentatives pour attraper un objet pris au hasard. Avec un retour temps réel de la camera, l’algorithme peut affiner son geste et le taux d’échec chute à 18%. Un résultat encore imparfait mais encourageants qui considère que, couplés à de larges réseaux de neurones, c’est une nouvelle ère qui s’ouvre à la robotique.

Le réseau de neurones mis en oeuvre par les chercheurs de Google pour apprendre aux robots à ramasser un objet.

Le réseau de neurones mis en oeuvre par les chercheurs de Google pour apprendre aux robots à ramasser un objet.

 

Sources :
« Deep Learning for Robots: Learning from Large-Scale Interaction »
, Google Research Blog, 8 mars 2016

« Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection », Cornell University Library, 7 mars 2016

 

 

Commentaires Facebook
Twitter Facebook Plusone Pinterest Linkedin
Ce contenu a été publié dans Robotique, avec comme mot(s)-clé(s) , . Vous pouvez le mettre en favoris avec ce permalien.