LEBIGDATA.FR I.A, Cloud & Cybersécurité
Savez-vous que les robots du modèle Figure 02 adoptent désormais des mouvements humanoïdes ? Ils peuvent effectuer des frappes du talon, des décollages des orteils et un balancement synchronisé des bras.
Les robots humanoïdes développent de plus en plus d’agilité et de fluidité. Néanmoins, ils avaient toujours du mal à effectuer un mouvement de marche naturel. Aujourd’hui, c’est sur le point de changer, car le robot de la société américaine de robotique Figure vient de réaliser des progrès significatifs dans le domaine.
Un mouvement de marche naturel pour les robots humanoïdes ?
Une nouvelle vidéo montre ces robots humanoïdes se déplacer avec une fluidité inédite. Au moment de visionner la vidéo, on constate tout de suite la grande différence avec la démarche mécanique rigide habituelle.
D’après l’entreprise, le modèle Figure 02 exploite l’apprentissage par renforcement (RL) dans un simulateur physique. C’est qui permet d’ailleurs de compresser plusieurs années de données en quelques heures.
Par ailleurs, la randomisation des domaines assure une transition fluide et efficace entre la simulation et la marche en conditions réelles.
« Nous avons développé un contrôleur de marche naturelle, entièrement appris en simulation via l’apprentissage par renforcement. Cela permet à la flotte de robots Figure d’acquérir rapidement des stratégies de locomotion proprioceptives robustes et d’accélérer les cycles d’ingénierie », a déclaré l’entreprise.
Rappelons qu’en février, Figure a également dévoilé Helix, un modèle Vision-Langage-Action (VLA). Ce modèle intègre perception, compréhension du langage et contrôle, afin d’adresser les principaux défis de la robotique.
Quel est le rôle de l’apprentissage automatique dans ce progrès ?
L’apprentissage par renforcement joue un rôle clé dans ce processus. En effet, Figure a exploité la RL pour développer une démarche humanoïde naturelle.
Il s’agit d’une approche d’IA, où un contrôleur apprend par essais et erreurs à l’aide d’un signal de récompense. Cette approche a ainsi permis au robot Figure 02 de marcher avec un mouvement proche de celui d’un humain.
L’entreprise a formé son contrôleur RL dans une simulation physique haute-fidélité, accélérée par GPU.
Des milliers d’humanoïdes virtuels, chacun doté de paramètres physiques variés, ont été entraînés en parallèle.
Cette simulation a exposé les robots à une large gamme de situations du monde réel. Il peut s’adapter à des terrains variés et des contraintes mécaniques. Il peut également surmonter des défis tels que glissades, trébuchements et poussées.
Quelles sont les progressions des robots constatés ?
Grâce à cet environnement d’apprentissage étendu, Figure a développé une politique de réseau neuronal unique pour gérer les mouvements des robots.
L’un des atouts majeurs de cette approche est le « transfert sans intervention ». La politique entraînée en simulation peut être appliquée directement aux robots physiques sans ajustement supplémentaire.
C’est cette transition fluide qui garantit une marche robuste et réaliste dans divers environnements. Selon Figure, l’utilisation du RL a significativement réduit les cycles de développement et a permis d’améliorer l’adaptabilité et la fiabilité de ses robots.
Les robots Figure 02 sont désormais capables de reproduire des mouvements humains, incluant l’appui sur le talon, le décollage des orteils et le balancement synchronisé des bras.
Je trouve que c’est un progrès qui pourrait être exploité pour améliorer la manière dont ces robots travaillent ! Et vous, quel est votre avis ?
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
