Café des Sciences, 21 mars, Ludovic Righetti

Le second Café des Sciences de l’année 2011 s’est tenu le 21 mars dernier à l’University of Southern California (USC). Il a été animé par le Dr. Ludovic Righetti.

Ludovic Righetti est chercheur post-doctorant au Computational Learning and Motor Control Lab (CLMCL) à l’University of Southern California (Los Angeles) depuis mars 2009. Il a fait ses études à l’Ecole Polytechnique Fédérale de Lausanne où il a reçu un diplôme d’ingénieur en 2004 ainsi qu’un doctorat ès Sciences en 2008. Sa thèse de doctorat reçu le 2010 Georges Giralt PhD Award décerné par le European Robotics Research Network pour la meilleure thèse de robotique en Europe. Sa recherche est dédiée au développement de méthodes de contrôle pour créer des robots agiles capables de se déplacer dans des environnements difficiles et de manipuler des objets.

Il a tout d’abord présenté les rôles principaux que des robots personnels pourraient jouer dans le futur. La création de robots doté de formes spécifiques, humanoïdes ou non, permettrait en effet de leur faire accomplir un grand nombre de tâches. Ils pourraient par exemple aider les personnes âgées et/ou à mobilité réduite dans leur vie quotidienne ou gérer les tâches ménagères. Ils pourraient également servir d’agents dans des situations difficiles ou dangereuses comme les missions de sauvetage à la suite de catastrophes. Enfin, les progrès de la robotique pourraient permettre de créer des prothèses intelligentes, qui miment au mieux le fonctionnement du membre qu’elles remplacent. Le champ des applications est très vaste et on peut s’attendre à ce que les robots personnels soient un jour aussi largement répandus que les téléphones portables le sont aujourd’hui.

Des progrès sont néanmoins nécessaires pour atteindre ce niveau de perfectionnement : bien que les robots soient déjà très présents dans nos industries, ils ne sont généralement pas autonomes et ne sont capables de réaliser qu’une seule tâche pour laquelle ils ont été programmés. Bien qu’ils soient extrêmement précis dans cette tâche et capables de la réaliser sans interruption, ils sont incapables de réagir à un changement dans leur environnement. Les recherches actuellement en cours au CLMCL visent à développer l’autonomie et la flexibilité des robots, en les rendant capables de se déplacer, de manipuler des objets inconnus, d’apprendre de nouvelles compétences, de percevoir et comprendre leur environnement et d’interagir en toute sécurité avec les êtres humains. Pour ce faire, les chercheurs se basent notamment sur l’étude du système moteur et des phénomènes d’apprentissage chez les êtres vivants car ils constituent l’exemple parfait de « robots » perfectionnés et autonomes.

Ludovic Righetti a présenté plusieurs projets sur lesquels travaille son laboratoire, visant à développer des mécanismes d’apprentissage dans plusieurs types de robots. Deux méthodes d’apprentissage sont développées au sein du laboratoire : l’apprentissage par démonstration et l’apprentissage par renforcement. Dans le premier cas, un opérateur « montre » au robot comment réaliser une action dans un contexte idéal (ramasser un objet, par exemple) et le processus d’apprentissage se concentre sur le fait de réaliser cette action dans un environnement perturbé (l’objet se déplace ou un obstacle vient gêner le robot, par exemple). Dans le second cas, le robot est programmé pour essayer de réaliser une tâche et modifie ses mouvements à chaque tentative jusqu’à trouver la combinaison qui lui permet de réaliser la tâche. Il est ainsi possible à un bras robotisé d’apprendre une tâche en une centaine d’essais.

Le CLMCL travaille par exemple sur la locomotion en milieu accidenté avec le robot Little Dog. Le robot quadrupède doit se déplacer sur une surface inégale, qu’il perçoit notamment à l’aide de caméras. Une centaine de paramètres visuels sont inclus dans l’algorithme de locomotion du robot, qui est ainsi capable de visualiser le parcours, de l’analyser et de choisir le meilleur chemin pour le traverser, le tout de façon autonome. L’apprentissage se fait à travers un processus d’expérimentation : le robot est tout d’abord livré à lui-même et un opérateur lui indique, à chaque fois qu’il pose une de ses pattes mécaniques à un endroit, si la décision était bonne ou mauvaise. L’algorithme de contrôle créé alors un lien entre les paramètres visuels de l’endroit où la patte a été posée et le caractère bon ou mauvais de cette décision. Comme pour un être vivant, c’est ainsi l’expérience qui apprend au robot à reconnaître les endroits sûrs et ceux qui ne le sont pas. Le CLMCL travaille également sur la flexibilité des algorithmes de locomotion, en introduisant la notion de contrôle par dynamique inverse, qui permet au robot d’adapter son parcours et ses mouvements à des obstacles inattendus.

Les discussions qui ont suivi cette présentation ont été l’occasion de discuter de certains points clés dans le développement des robots autonomes. Le lien entre hardware (le robot) et software (les programmes qui le contrôlent) reste un point critique et il est difficile de les découpler : un programme doit être écrit à destination d’un robot particulier et inversement. La gestion des données et le temps de réponse sont également des points importants dans le développement de robots autonomes : ces derniers restent très lents par rapport à leur contrepartie monotâche car les programmes d’analyse de l’environnement et de prise de décision restent complexes. Cependant, la coopération internationale est bien développée : les échanges sont nombreux et facilités par la mise en accès libre de certains algorithmes développés (notamment ceux de USC), ce qui constitue un aspect très positif et encourageant pour la réalisation de progrès dans ce domaine.
Des vidéos et des informations complémentaires sur les travaux realisés au CLMCL sont disponibles sur le site du CLMCL.

Dernière modification : 09/07/2015

Haut de page