La plupart des robots quadrupèdes sont programmés pour retrouver leur équilibre s'ils trébuchent sur des obstacles. Dans le but de développer un robot nettoyeur domestique, Joanne Truong, doctorante américano-vietnamienne à l'École d'informatique interactive (GIT) du Georgia Institute of Technology, et ses deux collègues Naoki Yokoyama et Simar Kareer, entraînent leur robot à se déplacer dans les zones encombrées qu'il pourrait rencontrer dans une maison, comme l'a récemment rapporté Tech Xplore.
(De gauche à droite) Naoki Yokoyama, Joanne Truong et Simar Kareer travaillent avec le robot quadrupède.
Selon l'équipe de recherche, les robots quadrupèdes équipés d'un système de contrôle des mouvements « aveugles » ont tendance à réagir plus agressivement pour éviter de tomber lorsqu'ils marchent sur un objet.
Parallèlement, l'équipe de recherche a adopté une approche novatrice : fournir des images en direct pour aider le robot à se repérer parmi les obstacles, en combinant navigation et perception visuelle. Cette approche a permis au robot de franchir avec succès les obstacles d'un environnement encombré simulé, avec un taux de réussite de 72,6 %.
Le robot est auto-apprenant et ne reproduit aucun comportement préexistant. Les chercheurs affirment qu'il s'agit d'un modèle évolutif, immédiatement opérationnel sans réglages complexes. Ces règles guident le robot dans ses déplacements, lui indiquant comment éviter les obstacles et comment utiliser ses pattes pour les franchir, notamment en les levant à la hauteur appropriée.
Le « chien robot » parcourt des terrains longs et accidentés sans tomber.
Selon l'équipe de recherche, les robots quadrupèdes classiques ne perçoivent le monde réel que grâce à une caméra placée devant eux et ne peuvent pas voir les objets situés à proximité de leurs pieds. L'équipe a donc combiné mémoire et perception spatiale au sein d'un système de réseau afin d'apprendre au robot précisément quand et où franchir les obstacles. Si l'objet est trop haut, le robot peut le contourner. « Nous avons constaté que cette méthode de navigation est très performante, et même si le robot se trompe de chemin, il sait qu'il peut faire marche arrière et revenir à sa position initiale », explique Truong. L'équipe a également appris au robot quels objets franchir, comme les jouets, et quels objets contourner, comme les tables et les chaises.
Les résultats de cette étude pourraient également aider les robots à naviguer dans des environnements extérieurs réels, en choisissant des itinéraires en fonction des préférences de leur propriétaire afin d'éviter les zones boueuses ou les terrains rocailleux.
Ces travaux de recherche ont remporté le premier prix d'un atelier de robotique organisé dans le cadre de la Conférence sur l'apprentissage de la robotique 2022 en Nouvelle-Zélande. Ils seront présentés à la Conférence internationale sur la robotique et l'automatisation de l'IEEE (Institute of Electrical and Electronics Engineers – États-Unis) à Londres, au Royaume-Uni, du 29 mai au 2 juin.
Lien source
Comment (0)