Comment les robots apprennent à suspendre des T-shirts : Le rôle crucial des données

Motion Design INSIDER

La chercheuse Jasmine Li au laboratoire d'interaction robotique et soins humains de Carnegie Mellon. (Image : Les chercheurs)

Fort de son expérience de bénévolat dans des maisons de retraite, la chercheuse de Carnegie Mellon Jasmine Li a décidé de concentrer ses recherches sur la robotique d'assistance qui aide les gens dans les tâches quotidiennes. « Je m'intéressais au côté de la robotique qui aide les personnes qui pourraient ne pas être familières avec la technologie », a-t-elle déclaré. « Je pensais au côté matériel de la robotique, mais j'ai fini par faire beaucoup plus avec la collecte de données et le logiciel — le côté algorithmique. »

Pour son projet, elle a travaillé avec l'étudiant en doctorat Zheyuan Hu au laboratoire d'interaction robotique et soins humains dirigé par le professeur adjoint Zackory Erickson.

Li a travaillé avec une configuration de bras robotique bimanuel — deux bras multi-articulés fixés sur une table — qui peut être contrôlé par un humain à distance, à l'aide d'une paire de manettes VR, ou fonctionner de manière entièrement autonome via un réseau de neurones. Elle a analysé les comportements du robot dans des simulations et des tâches réelles afin d'étudier comment les robots échouent lorsqu'ils imitent des activités humaines complexes, comme suspendre des chemises.

« Nous avons constaté que lorsqu'un humain essaie d'insérer un cintre, la personne fait parfois des corrections minuscules, mais nous avions la théorie que le robot pourrait mieux apprendre si nous corrigions la tâche à une plus grande échelle », a-t-elle dit. Ainsi, au lieu d'une petite torsion ou ajustement, ils ont guidé les bras robotiques pour revenir à leur position initiale avant de tenter à nouveau de suspendre la chemise plus précisément.

En utilisant cette nouvelle méthode de collecte de données, l'entraînement du robot est devenu plus efficace, collectant plus de données et améliorant les performances avec moins d'itérations d'enseignement humain, a déclaré Li.

L'équipe a également expérimenté la méthode avec d'autres essais chargeant le robot d'emballer un burger dans une boîte à emporter et de sceller un couvercle de conteneur hermétique.

« Il est difficile d'entraîner un robot à accomplir plusieurs tâches différentes, ce qu'on appelle la généralisation », a dit Li. « La recherche en robotique, pour l'instant, se concentre sur l'entraînement de robots pour des tâches spécifiques, mais, éventuellement, tous ceux qui contribuent à la recherche nous y aideront. »

Source