Les robots apprennent presque comme les humains
Une équipe du MIT (Massachussetts Institute of Technologies) vient d’élaborer une nouvelle technique pour enseigner aux robots. Pour ce faire, les chercheurs ont combiné des techniques de démonstration avec des techniques de planification de mouvements. Désormais, les clients peuvent enseigner à leurs robots comment effectuer une série de tâches. Par ailleurs, cette nouvelle méthode permet également aux robots de former leurs semblables.
La nouvelle technique a été baptisée C-Learn. Le « C » correspond à « constraint » qui signifie contrainte. Elle permet à la machine de construire la base de ses connaissances en se référant aux différentes contraintes indiquées. Les scientifiques du MIT ont éliminé les inconvénients des techniques classiques en combinant leurs avantages.
La machine sera ainsi capable de s’adapter à des situations variées et de prendre en compte les différents paramètres. Il suffit que l’utilisateur lui apprenne ce qu’il faut faire.
Deux méthodes qui comportent des failles
L’une des techniques habituelles est la démonstration. Elle consiste à exposer aux machines la manière dont une tâche s’effectue afin qu’elles puissent refaire les mêmes mouvements. L’inconvénient de cette méthode réside dans le fait que les robots ne peuvent pas appliquer les connaissances acquises à d’autres situations.
L’autre technique est la planification des mouvements. Celle-ci doit se faire à travers l’optimisation ou l’échantillonnage. Elle requiert l’établissement préalable et précis des objectifs ainsi que des contraintes d’une tâche par des programmeurs. C’est un procédé qui permet une meilleure adaptation des robots au changement. Néanmoins, les experts doivent les coder à la main.
Une économie de temps et d’argent
Le C-Learn, par contre, permet aux particuliers d’indiquer aux machines les missions à accomplir. Il leur suffit de mettre les indications nécessaires, notamment concernant les contraintes, à la disposition des robots. Ces derniers peuvent ensuite transmettre leurs savoirs à d’autres robots qui n’effectuent pas les mêmes gestes.
D’après Pérez-D’Arpino, une doctorante liée au projet, « Cette nouvelle approche est en réalité très proche de la façon dont les humains apprennent dans la mesure où ils observent comme une chose se fait, puis ils relient l’information à ce qu’ils savent déjà sur le monde. Il est impossible d’apprendre à partir d’une démonstration unique, donc nous prenons une nouvelle information et la faisons correspondre à nos connaissances antérieures sur notre environnement. »
