Pour apprendre, ces robots n'ont plus besoin de regarder d'autres robots : ils observent les humains pendant un million d'heure
Former une machine à saisir, plier ou visser exige habituellement de longues démonstrations réalisées avec le matériel visé. Une nouvelle méthode veut faire changer d’échelle l’apprentissage des robots en exploitant des gestes humains filmés.
Des chercheurs ont développé une méthode d'apprentissage pour les robots où ceux-ci n'ont plus besoin d'observer d'autres robots en action pour apprendre des tâches. À la place, ils analysent les mouvements et les comportements des humains pendant une durée colossale : un million d'heures. Cette approche repose sur l'idée que les humains, avec leurs gestes variés et souvent imprévisibles, offrent une source d'informations plus riche et diversifiée que les démonstrations robotiques, souvent répétitives. Les robots utilisent des algorithmes d'apprentissage automatique (machine learning) pour décrypter ces données et reproduire des actions. Cette méthode pourrait accélérer l'autonomie des robots dans des environnements complexes, comme les foyers ou les lieux de travail.
L'observation des humains présente plusieurs avantages par rapport à l'apprentissage traditionnel entre robots. D'abord, les humains effectuent des mouvements naturels, avec des variations subtiles qui permettent aux robots d'apprendre des nuances difficiles à reproduire en laboratoire. Ensuite, cette méthode réduit le besoin de programmer manuellement chaque tâche, ce qui est chronophage et limité. Enfin, elle permet aux robots de s'adapter à des situations réelles, où les interactions humaines sont omniprésentes. Par exemple, un robot pourrait apprendre à manipuler des objets fragiles ou à réagir à des imprévus en observant comment une personne les gère.
Les robots utilisent des algorithmes d'apprentissage automatique, une branche de l'intelligence artificielle (IA), pour analyser les vidéos et les données collectées lors de l'observation des humains. Ces algorithmes, inspirés du fonctionnement du cerveau humain, permettent aux robots de reconnaître des motifs, de prédire des actions et d'adapter leurs comportements en conséquence. Par exemple, un algorithme pourrait identifier qu'un humain utilise une cuillère pour mélanger du café, puis reproduire ce geste avec un bras robotique. L'apprentissage automatique repose sur des réseaux de neurones artificiels, des structures informatiques qui s'inspirent des connexions neuronales du cerveau.
Cette méthode ouvre la voie à des applications concrètes dans plusieurs domaines. Dans les foyers, des robots pourraient apprendre à accomplir des tâches ménagères en observant les humains, comme plier du linge ou préparer un repas. Dans l'industrie, ils pourraient s'adapter à des postes nécessitant une grande précision ou une interaction avec des outils humains. Les chercheurs envisagent aussi des applications dans le domaine médical, où des robots pourraient assister des chirurgiens en apprenant des gestes techniques par observation. Enfin, cette approche pourrait être utilisée pour développer des robots sociaux, capables d'interagir naturellement avec les humains.
Malgré son potentiel, cette méthode présente des défis majeurs. D'abord, le volume de données nécessaire est colossal : un million d'heures de vidéos représente une quantité astronomique d'informations à traiter, nécessitant des ressources informatiques importantes. Ensuite, les robots doivent être capables de distinguer les actions pertinentes des mouvements inutiles, ce qui demande des algorithmes très sophistiqués. Enfin, des questions éthiques se posent, notamment sur la vie privée des humains filmés sans leur consentement explicite. Les chercheurs devront aussi s'assurer que les robots n'apprennent pas des comportements indésirables ou dangereux en observant des humains.
