Ce contenu est réservé aux abonnés La Tribune
Au centre Inria de Paris, des chercheurs tentent de faire réaliser à ce robot des mouvements de danse sans passer par l’écoystème Nvidia
MP
Derrière les vidéos de robots humanoïdes qui plient du linge, font du kung-fu ou dansent avec une synchronisation parfaite, se cachent généralement des heures et des heures de préparation où un téléopérateur guide le robot à exécuter des gestes précis. À partir de cela, le robot a en quelque sorte appris la chorégraphie par cœur, et la reproduit. Le problème, c’est que ce mode d’apprentissage ne généralise pas au-delà de ce que le robot a déjà vu, et qu’il faut, pour chaque nouveau geste, recommencer à collecter des heures et des heures de démonstrations. « Si vous mettez le robot devant un linge plus grand que celui qu’il est en train de plier dans la vidéo, il n’y parviendra pas », précise Justin Carpentier, chercheur à l’Institut national de recherche en sciences et technologies du numérique (Inria) et directeur du laboratoire Willow.
C’est précisément ce que ses équipes, installées au centre Inria du 13ᵉ arrondissement de Paris, cherchent à contourner. Une soixantaine de chercheurs et étudiants en robotique ont accès à divers robots (bras et mains robotisés, quadrupèdes et humanoïdes), qu’ils peuvent bidouiller et programmer pour leurs expérimentations. Un vivier d’experts d’où est notamment sorti le chef roboticien de Mistral, Olivier Duchenne.
Démonstration à l’appui : au premier étage du centre parisien de l’institut, un robot quadrupède s’avance vers un obstacle de bois, monte dessus, puis redescend maladroitement de l’autre côté. Le tout sans avoir été guidé. Le chercheur lui donne simplement l’impulsion d’avancer à l’aide d’une manette, mais ensuite le robot-chien se débrouille seul. « Il perçoit l’environnement grâce à une caméra qui lui indique les distances et décide de la meilleure méthode pour franchir l’obstacle », précise l’étudiant en charge de la démonstration. Le résultat est certes moins léché que les vidéos qui tournent en boucle sur les réseaux sociaux. Mais la méthode utilisée, elle, est un peu plus élégante : le robot a appris de lui-même (une technique appelée self-supervised learning) grâce à des données de réussite et d’échec de la tâche, issues essentiellement de la simulation.
