Blog

May 12, 2024

Cet entraîneur d'IA a obtenu des résultats étonnants avec le double

Crédits : Yijiong Lin/Université de Bristol En vous abonnant, vous acceptez nos conditions d'utilisation et nos politiques. Vous pouvez vous désinscrire à tout moment. Des scientifiques de l'Université de Bristol ont développé un nouveau

Crédits : Yijiong Lin/Université de Bristol

En vous abonnant, vous acceptez nos conditions d'utilisation et nos politiques. Vous pouvez vous désinscrire à tout moment.

Des scientifiques de l'Université de Bristol ont développé un nouveau système qui permet aux robots d'apprendre des tâches bimanuelles en touchant un assistant virtuel. Le système Bi-Touch pourrait avoir des applications dans des secteurs tels que la cueillette des fruits, les services domestiques et les membres artificiels.

La manipulation bimanuelle en robotique est un type de manipulation robotique qui consiste à utiliser deux bras ou deux mains pour effectuer des tâches nécessitant précision, coordination et feedback. La manipulation bimanuelle peut aider à manipuler des objets volumineux, encombrants ou couplés, comme ouvrir un gobelet à condiments ou insérer une batterie. Grâce à du matériel peu coûteux et à des algorithmes d’apprentissage par imitation, la manipulation bimanuelle peut également être apprise à partir de démonstrations humaines.

Le système Bi-Touch permet aux robots d'effectuer des tâches manuelles en interprétant les commandes d'un assistant numérique. Les découvertes récentes, divulguées dans IEEE Robotics and Automation Letters, présentent un agent d'IA utilisant un retour tactile et proprioceptif pour contrôler le comportement robotique. Cette maîtrise permet une détection précise, une interaction douce et une manipulation efficace des objets.

Le système robotique tactile à double bras a été conçu en utilisant les dernières avancées en matière d’IA et de détection tactile robotique. Les chercheurs ont construit un monde virtuel avec des bras robotiques, des capteurs tactiles et une fonction de récompense pour encourager l'apprentissage.

Les chercheurs ont utilisé l’apprentissage par renforcement profond (Deep-RL), une technique de pointe en matière d’apprentissage robotique, similaire au dressage d’un chien avec des récompenses et des punitions. Ce système permet aux robots de prendre des décisions, d’apprendre par essais et erreurs et, au fil du temps, de découvrir les moyens les plus efficaces d’effectuer des tâches.

Une réalisation remarquable ? Le robot peut soulever en toute sécurité des objets aussi délicats qu’un seul croustillant Pringle.

Dans un communiqué de presse, l'auteur principal Yijiong Lin, de la Faculté d'ingénierie, a expliqué avec éloquence la puissance et l'efficacité du système Bi-Touch. "Nous pouvons facilement former des agents IA dans un monde virtuel en quelques heures pour réaliser des tâches bimanuelles adaptées au toucher", a déclaré Lin, ajoutant que ces agents formés virtuellement pourraient être appliqués directement au monde réel sans formation supplémentaire.

La manipulation bimanuelle est essentielle pour la dextérité des robots au niveau humain. Cependant, ce domaine est resté sous-exploré en raison de la complexité et de la disponibilité du matériel adapté. Le système Bi-Touch transcende ces barrières et annonce une nouvelle ère dans la technologie robotique.

Le professeur Nathan Lepora, co-auteur, a déclaré avec fierté : « Notre système Bi-Touch présente une approche prometteuse avec des logiciels et du matériel abordables pour l'apprentissage des comportements bimanuels avec toucher en simulation, qui peuvent être directement appliqués au monde réel. »

La nature open source de la simulation de robot tactile à double bras développée promet de faciliter la poursuite de la recherche et du développement dans divers domaines.

Le système Bi-Touch représente une étape monumentale pour combler le fossé entre le monde virtuel et les applications du monde réel. Sa capacité à apprendre, à s'adapter et à manipuler des objets avec un toucher doux offre des possibilités illimitées, remodelant notre vision de ce que les robots peuvent réaliser.

Avec l'avènement du système Bi-Touch, l'horizon de l'innovation technologique s'est élargi, promettant un avenir passionnant pour les industries et la recherche.

L'étude a été publiée dans IEEE Robotics and Automation Letters.

La manipulation bimanuelle avec retour tactile sera la clé de la dextérité des robots au niveau humain. Cependant, ce sujet est moins exploré que les paramètres à un seul bras, en partie à cause de la disponibilité d'un matériel approprié ainsi que de la complexité de concevoir des contrôleurs efficaces pour des tâches avec des espaces d'état-action relativement grands. Nous présentons ici un système robotique tactile à deux bras (Bi-Touch) basé sur la configuration Tactile Gym 2.0 qui intègre deux bras robotiques abordables de niveau industriel avec des capteurs tactiles haute résolution (TacTips) à faible coût. Nous présentons une suite de tâches de manipulation bimanuelle adaptées au retour tactile : bi-poussée, bi-réorientation et bi-rassemblement. Pour apprendre des politiques efficaces, nous introduisons des fonctions de récompense appropriées pour ces tâches et proposons un nouveau mécanisme de mise à jour des objectifs avec un apprentissage par renforcement profond. Nous appliquons également ces politiques à des contextes du monde réel avec une approche tactile de la simulation au réel. Notre analyse met en évidence et aborde certains défis rencontrés lors de l'application de la simulation au réel, par exemple la politique apprise avait tendance à écraser un objet dans la tâche de bi-réorientation en raison de l'écart entre la simulation et le réel. Enfin, nous démontrons la généralisabilité et la robustesse de ce système en expérimentant différents objets invisibles avec des perturbations appliquées dans le monde réel.