En vidéo : des chiens robots font du parkour dans un but propre aux humains

L'Université de Stanford et l' Institut Qi Zhi de Shanghai ont collaboré pour développer une nouvelle génération de chiens robotiques. Il ne s’agit pas de simples jouets, mais de robots autonomes dotés d’algorithmes avancés qui leur permettent d’effectuer des tâches complexes.

Selon l’université américaine, le robot chien est capable de sauter, grimper, ramper et franchir les barrières physiques comme jamais auparavant. Le but de cette invention est qu'à l'avenir, ils fonctionnent comme des chiens de sauvetage. "Les quadrupèdes alimentés par batterie utiliseraient la vision par ordinateur pour évaluer les obstacles et utiliseraient l'agilité d'un chien pour les surmonter", a expliqué Stanford .

À cette fin, les chercheurs en intelligence artificielle des deux institutions ont développé un nouvel algorithme basé sur la vision qui aide les chiens robots à grimper sur des objets de grande taille, à sauter par-dessus les interstices, à ramper sous les seuils et à traverser les fissures, puis à s'enfuir. Fondamentalement, l’algorithme représente le cerveau du chien robot.

"L'autonomie et la variété des compétences complexes acquises par notre robot quadrupède sont assez impressionnantes", a déclaré Chelsea Finn , professeur adjoint d'informatique et auteur principal de l'article Learning Parkour with Robots . "Et nous l'avons créé à l'aide de robots disponibles dans le commerce à faible coût", a-t-il ajouté.

Selon les chercheurs, l'avancée fondamentale réside dans le fait que le chien robotique est autonome, c'est-à-dire qu'il peut évaluer les défis physiques, imaginer des solutions puis exécuter une grande variété de compétences d'agilité basées uniquement sur les obstacles qu'il détecte dans votre environnement.

Le parkour autonome nécessite que les robots acquièrent des compétences généralisables basées sur la vision, diverses dans la perception et la réaction à divers scénarios.

"Ce que nous faisons, c'est combiner la perception et le contrôle, en utilisant les images d'une caméra de profondeur montée sur le robot et l'apprentissage automatique pour traiter toutes ces entrées et déplacer les jambes pour passer au-dessus, au-dessous et autour des obstacles", a déclaré Zipeng Fu . , doctorant dans le laboratoire de Finn et premier auteur de l'étude, avec Ziwen Zhuang de l'Institut Qi Zhi de Shanghai.

"Nos robots ont une vision et une autonomie : l'intelligence athlétique nécessaire pour évaluer un défi et auto-sélectionner et exécuter des compétences de parkour en fonction des exigences du moment", a déclaré Fu.

Les approches d'apprentissage actuelles reposent souvent sur des systèmes de récompense complexes qui doivent être adaptés à des situations physiques particulières. Ils ont donc du mal à s’adapter efficacement à des environnements nouveaux ou inconnus. D'autres méthodologies connexes sont basées sur l'apprentissage en utilisant des données du monde réel pour imiter les compétences d'agilité observées chez d'autres animaux.

De ce fait, ces robots n’ont pas les capacités nécessaires pour faire face à des environnements difficiles, et leur vision est limitée tout comme leur algorithme.

Les chiens robots de l'Université de Stanford et de l' Institut Qi Zhi de Shanghai sont la première application open source qui atteint ses objectifs avec un système de récompense simple qui n'utilise pas de données de référence du monde réel, selon les auteurs de l'étude.

Ils ont d’abord développé et affiné l’algorithme à l’aide d’un modèle informatique. Ensuite, ils l’ont transféré à deux chiens robots dans le monde réel. Ils ont ensuite utilisé un processus connu sous le nom d’apprentissage par renforcement, dans lequel les robots tentaient d’avancer de la manière qu’ils jugeaient appropriée et recevaient des récompenses en fonction de leurs performances. De cette façon, l’algorithme a finalement appris la meilleure façon d’aborder de nouveaux défis.

En pratique, la plupart des systèmes de récompense en apprentissage par renforcement impliquent trop de variables, ce qui peut ralentir considérablement les performances informatiques. Cela rend l'approche simplifiée des récompenses pour l'agilité des chiens robots en parkour exceptionnelle, mais étonnamment simple.

"C'est assez simple, en fait", a déclaré Finn . « Nous comptons principalement sur la distance parcourue par le robot et sur l'effort qu'il a déployé pour y parvenir. Au fil du temps, le robot acquiert des habiletés motrices plus complexes qui lui permettent d’avancer.

Les chiens robots ont réussi à surmonter des obstacles qui faisaient plus d'une fois et demie leur propre hauteur, à sauter des distances supérieures à une fois et demie leur longueur, à se déplacer sous des barrières qui avaient une hauteur de trois quarts de leur propre longueur et, en outre, , se penchant pour passer à travers des ouvertures plus étroites que sa propre largeur.