Il existe certaines tâches pour lesquelles les robots traditionnels (rigides et métalliques) ne sont tout simplement pas adaptés. AVEC
Chercheurs du MITL'institut a développé un algorithme spécial pour résoudre ce problème. Cela aidera les ingénieurs à développer des robots logiciels qui collecteront des informations plus utiles sur l'environnement. L'algorithme d'apprentissage profond suggère un placement optimisé des capteurs dans le corps du robot. Cela lui permet à son tour de mieux interagir avec l’environnement et d’effectuer les tâches qui lui sont assignées. "Le système apprend non seulement un problème spécifique, mais aussi la meilleure façon de concevoir un robot pour résoudre ce problème", explique Alexander Amini du MIT.
La recherche sera présentée au mois d'avrilConférence internationale de l'IEEE sur la robotique douce. Les co-auteurs principaux sont Alexander Amini et Andrew Spielberg, étudiants diplômés du Laboratoire d'informatique et d'intelligence artificielle (CSAIL) du MIT. Parmi les autres co-auteurs figurent Lilian Chin, étudiante diplômée du MIT, et les professeurs Wojciech Matusik et Daniela Rus.
Les robots à corps mou sont flexibles et malléables - ilsressemble plus à une balle rebondissante qu'à une boule de bowling. Leur principal problème est qu'ils sont infiniment dimensionnels. Tout point d'un robot avec un corps mou peut théoriquement se déformer de toutes les manières possibles. Cela rend difficile la création d'un robot doux capable d'afficher l'emplacement de ses parties du corps. Des tentatives antérieures ont utilisé une caméra externe pour déterminer la position du robot et renvoyer ces informations au programme de contrôle du robot. Mais les chercheurs voulaient créer un robot logiciel qui ne dépendait pas d’une aide extérieure.
"Vous ne pouvez pas accueillir un nombre infini decapteurs sur le robot lui-même, - souligne Spielberg. "La question est donc de savoir combien de capteurs disposez-vous et où les placez-vous pour tirer le meilleur parti de votre investissement?"
L’équipe s’est tournée vers l’apprentissage profond pour trouver la réponse.
Les chercheurs ont développé une nouvelle architectureun réseau neuronal qui optimise le placement des capteurs et apprend à effectuer des tâches efficacement. Premièrement, les chercheurs ont divisé le corps du robot en régions appelées « parties du corps ». Le taux de déformation de chaque particule a été entré dans le réseau neuronal. Par essais et erreurs, le réseau apprend la séquence de mouvements la plus efficace pour effectuer des tâches, telles que saisir des objets de différentes tailles. Dans le même temps, le réseau garde une trace des pièces les plus souvent utilisées et sélectionne les pièces les moins utilisées dans l'ensemble de données d'entrée pour des tests de réseau ultérieurs.
En optimisant les parties les plus importantes du corps du robot,le réseau suggère également où placer les capteurs sur le robot pour assurer un fonctionnement efficace. Par exemple, dans un robot simulé avec un bras de préhension, un 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'est avéré que l'algorithme dépassait de loin l'intuition humaine quant à l'endroit où placer les capteurs.
Les chercheurs ont comparé leur algorithmeavec un certain nombre de prévisions d'experts. Pour trois conceptions différentes de robots mous, l'équipe a demandé aux roboticiens de sélectionner manuellement l'emplacement des capteurs pour garantir que des tâches telles que la saisie de divers objets puissent être effectuées efficacement. Ils ont ensuite effectué des simulations comparant des robots à écran tactile à des robots à écran tactile. Et les résultats n’étaient pas serrés. « Notre modèle a largement surpassé les humains dans chaque tâche. Même si j’étais sûr de savoir où placer les capteurs… - conclut Amini. "Il s'avère que ce problème comporte beaucoup plus de subtilités que ce à quoi nous nous attendions initialement."
Lire la suite
Les physiciens ont créé un analogue d'un trou noir et confirmé la théorie de Hawking. Où ça mène?
Les scientifiques ont découvert la particule mythique d'Odderon
Le phénomène naturel le plus mystérieux. D'où vient la foudre en boule et en quoi est-ce dangereux?