Il y a certaines tâches pour lesquelles les robots traditionnels – du type rigide et métallique – ne sont tout simplement pas faits. Les robots à corps mou, en revanche, peuvent être capables d’interagir avec les gens de manière plus sûre ou de se glisser facilement dans des espaces restreints. Mais pour que les robots accomplissent de manière fiable leurs tâches programmées, ils doivent savoir où se trouvent toutes les parties de leur corps. C’est une tâche ardue pour un robot doux qui peut se déformer d’un nombre pratiquement infini de façons.

Les chercheurs du MIT ont développé un algorithme pour aider les ingénieurs à concevoir des robots logiciels souples qui collectent des informations plus utiles sur leur environnement. L’algorithme d’apprentissage en profondeur suggère un placement optimisé des capteurs dans le corps du robot, lui permettant de mieux interagir avec son environnement et d’effectuer les tâches assignées. L’avancée est une étape vers l’automatisation de la conception des robots.

La recherche sera présentée lors de la conférence internationale IEEE sur la robotique douce en avril et sera publiée dans la revue IEEE Robotics and Automation Letters. Les co-auteurs principaux sont Amini et Andrew Spielberg, tous deux doctorants au laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL). Parmi les autres co-auteurs figurent Lillian Chin, étudiante au doctorat du MIT, et les professeurs Wojciech Matusik et Daniela Rus.

La création de robots souples qui accomplissent des tâches du monde réel a été un défi de longue date en robotique. Leurs homologues rigides ont un avantage intrinsèque: une amplitude de mouvement limitée. Le réseau fini d’articulations et de membres des robots rigides permet généralement des calculs gérables par les algorithmes qui contrôlent la cartographie et la planification des mouvements. Les robots mous ne sont pas aussi faciles à gérer.

Les robots à corps souple sont flexibles et souples – ils ressemblent généralement plus à une balle rebondissante qu’à une boule de bowling. « Le principal problème des robots souples est qu’ils sont infiniment dimensionnels . Tout point d’un robot à corps mou peut, en théorie, se déformer de toutes les manières possibles », explique Spielberg. Cela rend difficile la conception d’un robot souple capable de cartographier l’emplacement de ses parties du corps. Les efforts passés ont utilisé une caméra externe pour cartographier la position du robot et réintroduire ces informations dans le programme de contrôle du robot. Mais les chercheurs voulaient créer un robot doux indépendant de l’aide extérieure.

Spielberg déclare : « Vous ne pouvez pas installer un nombre infini de capteurs sur le robot lui-même Alors, la question est: combien de capteurs avez-vous, et où les placez-vous pour en tirer le meilleur parti? L’équipe s’est tournée vers l’apprentissage profond pour obtenir une réponse. »

Les chercheurs ont développé une nouvelle architecture de réseau neuronal qui optimise à la fois le placement des capteurs et apprend à effectuer efficacement des tâches. Premièrement, les chercheurs ont divisé le corps du robot en régions appelées «particules». Le taux de déformation de chaque particule a été fourni en tant qu’entrée du réseau neuronal. Grâce à un processus d’essais et d’erreurs, le réseau «apprend» la séquence de mouvements la plus efficace pour accomplir des tâches, comme saisir des objets de différentes tailles. Dans le même temps, le réseau garde une trace des particules les plus souvent utilisées et élimine les particules les moins utilisées de l’ensemble des entrées pour les essais ultérieurs des réseaux.

En optimisant les particules les plus importantes, le réseau suggère également où les capteurs doivent être placés sur le robot pour garantir des performances efficaces. Par exemple, dans un robot simulé avec une main agrippante, l’algorithme pourrait suggérer que les capteurs soient concentrés dans et autour des doigts, où des interactions contrôlées avec précision avec l’environnement sont vitales pour la capacité du robot à manipuler des objets. Bien que cela puisse sembler évident, il s’avère que l’algorithme a largement surpassé l’intuition humaine sur l’emplacement des capteurs.

Les chercheurs ont opposé leur algorithme à une série de prédictions d’experts. Pour trois configurations de robot logiciel différentes, l’équipe a demandé aux roboticiens de sélectionner manuellement où les capteurs devraient être placés pour permettre l’exécution efficace de tâches telles que la saisie de divers objets. Ensuite, ils ont effectué des simulations comparant les robots à capteur humain aux robots à capteur d’algorithme. Et les résultats n’étaient pas proches.

Spielberg dit que leur travail pourrait aider à automatiser le processus de conception de robot. En plus de développer des algorithmes pour contrôler les mouvements d’un robot, « nous devons également réfléchir à la façon dont nous allons sensoriser ces robots et comment cela interagira avec d’autres composants de ce système », dit-il. Et un meilleur placement des capteurs pourrait avoir des applications industrielles, en particulier lorsque des robots sont utilisés pour des tâches fines comme la préhension. « C’est quelque chose où vous avez besoin d’un sens du toucher très robuste et bien optimisé. Donc, il y a un potentiel d’impact immédiat, déclare Spielberg.

Rus déclare : « L’automatisation de la conception de robots souples sensoriels est une étape importante vers la création rapide d’outils intelligents qui aident les personnes à accomplir des tâches physiques. Les capteurs sont un aspect important du processus, car ils permettent au robot logiciel de voir et de comprendre le monde et sa relation avec le monde. »

Cette recherche a été financée en partie par la National Science Foundation et la Fannie and John Hertz Foundation.