Les robots humanoïdes seront bientôt nos meilleurs amis, promettent les visionnaires, en nous remplaçant pour des tâches difficiles ou rébarbatives dans les usines ou comme compagnons à tout faire du quotidien.
Il reste encore à réaliser la synthèse entre robotique et intelligence artificielle pour les rendre moins mécaniques et plus agiles. Les dernières annonces de Nvidia sur le renforcement d'apprentissage sont prometteuses et préparent l'arrivée de robots aux mouvements plus précis et fins.
Apprendre à marcher, entre virtuel et réel
La firme Figure travaille déjà à améliorer la démarche de ses robots humanoïdes. Du pas hésitant et très mécanique des débuts, les robots commencent à prendre de l'assurance et à avoir une démarche se rapprochant de celle des humains.
Say goodbye to the Biden Walk!
— Brett Adcock (@adcock_brett) March 25, 2025
Figure can now walk naturally like a human
Today we're introducing learned natural walkingpic.twitter.com/cVIh4LFO5I
Cela est rendu possible par le renforcement d'apprentissage et le principe d'essai-erreur. Les robots Figure 02 (les plus récents de la firme) apprennent à améliorer leur démarche à partir d'un simulateur reproduisant les principes physiques puis ils sont confrontés au monde réel dans les mêmes conditions et perfectionnent leurs mouvements et leur équilibre sans avoir besoin d'informations ou de réglages supplémentaires.
Sim-to-Real Transfer
— Figure (@Figure_robot) March 25, 2025
By combining domain randomization in simulation with high-frequency torque feedback on the robot, policies trained in sim transfer zero-shot to real hardware without additional tuning pic.twitter.com/QihAWYmHfl
Cela permet de confronter les robots à une multitude de situations en simulateur qu'ils apprennent à gérer grâce à un système de récompense à mesure qu'ils se rapprochent des paramètres d'une démarche humaine, avant une transposition de ces connaissances dans un automate bien réel qui saura alors se débrouiller.
Un apprentissage commun qui fait fi des variations de chacun
La méthode affine la démarche mais reste tributaire des caractéristiques techniques des moteurs, actuateurs et autres éléments du robot. Il se déplace de façon plus fluide mais pas forcément beaucoup plus rapidement qu'avant.
La méthode est cependant particulièrement efficace pour entraîner des robots qui n'ont pas exactement les mêmes paramètres de départ mais arrivent tous au même résultat d'apprentissage à l'arrivée sans nécessiter d'innombrables réglages individuels et se transformer en casse-tête d'ingénierie.
Apprendre à marcher comme un humain n'est qu'une première étape, l'objectif gobal étant d'apprendre aux robots à pouvoir répondre à tous les scénarios qu'ils rencontreront dans le monde réel, que ce soit la marche ou les gestes du haut du corps.
