Faire marcher un robot : un défi permanent

Partagez l'article

Maths・Ingénierie

Faire marcher un robot : un défi permanent

robot marche exploreur
© Jason Yuen, by Unsplash

Pourrons-nous un jour nous exclamer « quelle démarche élégante ! » à la vue d’un robot humanoïde en mouvement ? Le roboticien Nicolas Mansard s’efforce de perfectionner les mouvements des robots grâce à l’intelligence artificielle… sans pour autant chercher à reproduire la marche humaine à l’identique. Démonstration.

Pyrene est un robot humanoïde d’1,75 mètre pour une centaine de kilo. Autonome en énergie et en puissance de calcul, il fonctionne à l’électricité et est équipé de capteurs de force qui lui permettent de ressentir les efforts sur chacune de ses articulations. Développé en partenariat avec la société espagnole Pal Robotics, ce robot d’une valeur d’un million d’euros fait l’objet de toutes les attentions de l’équipe Gepetto du Laboratoire d’analyse et d’architecture des systèmes, LAAS-CNRS.

pyrene robot
© DR.

 

« Notre objectif est de faire fonctionner le robot, en comprendre les méthodes mathématiques, algorithmiques et informatiques pour qu’il se déplace de manière autonome dans son environnement »

indique Nicolas Mansard, chercheur médaillé de bronze CNRS en 2015.

 

Au sein de l’équipe mixte Gepetto, composée de chercheurs en biologie, biomécanique et robotique, c’est lui qui coordonne les activités de planification d’une action anthropomorphe : la marche.

 

Marcher, un acte très humain

« On ne s’en rend pas compte, mais tenir debout et marcher c’est vraiment très difficile », avance le chercheur, déjà récompensé en 2016 du Grand prix du numérique de l'Agence nationale de la recherche (ANR) pour le projet ENTRACTE, qui vise justement à planifier les mouvements.

« Notre cerveau a évolué depuis très longtemps. On marche sans réfléchir, les processus de décisions sont naturels, mais cela ne signifie pas que le mouvement est facile.  Il est même très complexe à reproduire artificiellement, les algorithmes doivent gérer énormément de décisions en même temps ».

Le jonglage apparait comme une bonne analogie de la marche : on lance son centre de gravité vers l’avant, en se faisant confiance sur le fait que l’autre pied va suivre le mouvement pour se rattraper, comme la main rattrape la balle. Mais un robot est doté d’une centaine de moteurs qui fonctionnent très différemment de nos moteurs biologiques, c’est-à-dire nos muscles, et n’ont pas le même niveau d’efficacité : la dynamique et la distribution des masses sont sensiblement différentes de celle des humains, le robot étant beaucoup plus lourd et plus rigide que l’homme.

 « Nous ne cherchons pas à répliquer la nature, mais à construire le robot le plus efficace possible », souligne Nicolas Mansard. « Mes collègues biologistes et nous, roboticiens, utilisons les mêmes outils pour étudier le vivant et le robot. Nous mettons en lumière les défauts de l’un ou de l’autre ; les analyses permettent de remettre en question nos modèles et bénéficient aux deux domaines. Mais les recherches bio inspirées ne sont pas matures pour être transposées à la robotique ».

Modéliser le mouvement

Le travail de Nicolas Mansard se situe en amont de cette réflexion. Son objectif : comprendre comment on peut amener des objets complexes, qui ont des bras et des jambes, à prendre des décisions complexes. La marche est une tâche représentative, en ce sens qu’elle comporte des contacts et de l’instabilité. Les recherches pour apprendre l’équilibre et la marche aux robots se poursuivent ; la marche sur deux pattes n’est pas encore acquise.

« Lorsque le robot saura marcher, d’autres tâches délicates pourront être gérées »

observe le chercheur.

Parmi ses tâches, celle de s’intéresser à tous les contextes où l’on génère des mouvements -attraper un objet, ouvrir une porte, reconnaitre une marche d’escalier…-, pour développer des outils de gestion automatique. « Automatique signifie que le robot prend des décisions algorithmiques, c’est-à-dire que l’algorithme décide de manière autonome, sans supervision humaine ».

Pour la marche, l’autonomie est nécessaire car la prise de décision est trop rapide et trop complexe pour qu’un humain puisse la prendre pour le robot. Pour coordonner le mouvement, le temps de calcul est extrêmement court, de l’ordre de 10 décisions toutes les millisecondes. « Un robot met deux à cinq secondes à tomber : s’il ne tombe pas dans les deux prochaines secondes, c’est gagné ! », assure le chercheur. Il s’agit donc de mettre au point un modèle capable de prédire une action optimisée pour que le robot choisisse le « meilleur mouvement », selon les critères sélectionnés par l’utilisateur. « Ces fonctions quantifient la qualité des mouvements que le robot imagine », poursuit Nicolas Mansard.

Captures de mesures de force succèdent aux prises de décisions optimales, ce qui correspond à « trouver l’équilibre ». C’est la même méthode utilisée de façon permanente : on mesure, on prédit, on mesure à nouveau, on reprédit…

Les promesses de progrès grâce à l’intelligence artificielle

Le chercheur, titulaire de la chaire « mouvements artificiels » au sein de l’Institut interdisciplinaire d’intelligence artificielle de Toulouse, ANITI, espère disposer prochainement d’algorithmes capables d’aider le robot à calculer les mouvements précis à réaliser, en fonction des critères sélectionnés par l’utilisateur.

« La particularité du contrôle en robotique par rapport à d’autres domaines de l’IA, c’est que le robot va immédiatement exécuter toutes les décisions, sans vérification, puisqu’on n’a pas le temps de vérifier à la milliseconde ce qui se passe. Si une décision est mauvaise, le robot tombe et se casse. Compte tenu du coût qu’il représente, on n’a pas le droit à l’erreur. Or, en IA, les algorithmes sont à l’heure actuelle plutôt qualitatifs : le taux d’erreur s’évalue entre 2 à 5%, c’est trop lorsqu’il s’agit de prendre des décisions parfaites ».

Les décisions sont pour l’instant recalculées en permanence sur le robot. À chaque fois qu’il fait un pas, il réinvente le concept de marche. Aujourd’hui le travail consiste à précalculer les mouvements dans tous les contextes imaginables -toutes les formes d’obstacles, toutes les vitesses, toutes les perturbations auxquelles il peut être confrontées, pour chaque situation. Ces tâches sont réalisées hors ligne pour programmer la mémoire du robot qui, au moment où elle s’active, ira chercher la meilleure décision à prendre, dans un contexte donné, en fonction des capteurs qui l’informent en permanence sur son environnement.

La marche, mais aussi la nage, le vol, et l’action de ramper …

Ce que Nicolas Mansard développe dans son laboratoire peut s’appliquer à quantité d’objets : des drones ou des sous-marins avec des bras, des robots serpents… « Le fait d’avoir des pattes permet d’aller à des endroits où les robots sur roues ne peuvent pas aller : des endroits qui ne sont pas plats, des espaces trop exigus. Aujourd’hui, les industriels ont davantage besoin de robots à roues mais on peut imaginer des applications où les pattes sont nécessaires : dans les très grandes usines aéronautiques où les robots ne sont pas encore imaginés utiles, ou dans le domaine de la santé, « un domaine émergent où les recherches sur le mouvement sur deux pattes sont utiles », estime le chercheur. Déjà apparaissent des robots quadrupèdes aptes à se rendre dans les tunnels, ou à opérer sur des plateformes pétrolières en mer du nord. 

« Les essais en laboratoire sont concluants, même si l’humanoïde capable de tâches universelles n’est pas mature. Une fois le problème de coût résolu, il faudra aussi développer le tissu économique, encore embryonnaire ».

Le robot humanoïde est un défi pour Nicolas Mansart, qui espère, d’ici cinq ans, être en capacité de lui apprendre à gérer un environnement en trois dimensions de manière autonome.

 

La robotique hybride, selon Nicolas Mansard

L’IA aujourd’hui est essentiellement orientée autour des techniques d’apprentissage automatique, des statistiques sur des bases de données. En robotique, on ne parvient pas encore à avoir une collection de millions de marche, il y a trop d’erreurs. L’interprétation pour moi de l’hybride, c’est fusionner la capacité de diminuer le nombre de solutions candidates à la décision et l’adosser à un modèle, pour améliorer la fiabilité des décisions.