Apprendre à Survivre aux Dégâts
L'une des limitations les plus persistantes des robots déployés dans des environnements réels est leur fragilité. Un unique actionneur défaillant, un membre endommagé ou un capteur cassé peut rendre une machine autrement fonctionnelle complètement inopérante. Les conceptions rigides et spécialisées qui rendent les robots efficaces dans les usines contrôlées deviennent des handicaps dès lors que ces machines rencontrent l'imprévisibilité des opérations de recherche et sauvetage, du déploiement militaire ou de l'exploration planétaire. Une nouvelle étude d'un institut de robotique leader a démontré une solution potentielle : des robots dont la forme physique et le logiciel de commande sont co-évolués en utilisant l'intelligence artificielle, produisant des conceptions qu'il est presque impossible de désactiver complètement.
Les travaux, publiés dans Science Robotics, ont utilisé une variante des algorithmes évolutifs — des processus computationnels inspirés par la sélection naturelle — pour optimiser simultanément à la fois la morphologie physique du robot et le réseau neural qui le contrôle. Le résultat est une machine qui ne tolère pas seulement les dégâts ; elle a été conçue dès le départ en supposant que les dégâts se produiront. Lorsque les chercheurs ont retiré des membres, percé des actionneurs pneumatiques et désactivé des capteurs, le robot a continué à se déplacer et à accomplir des tâches de navigation avec un taux de réussite bien supérieur à celui de ses homologues conçus conventuels.
Comment Fonctionne la Conception Évolutive
Le processus commence par une population de conceptions de robots générées aléatoirement — des corps virtuels avec différents nombres de membres, configurations d'articulations, propriétés matérielles et emplacements de capteurs — chacun appairé avec un réseau de commande initialisé aléatoirement. Ces robots virtuels sont soumis à un environnement physique simulé et évalués sur leur capacité à accomplir une tâche : naviguer un parcours d'obstacles, porter une charge utile ou maintenir un mouvement vers l'avant après être frappé.
Les conceptions ayant les meilleures performances sont sélectionnées, recombinées et mutées pour former la génération suivante — tout comme la sélection naturelle amplifie les traits qui confèrent des avantages de survie. Au cours de milliers de générations simulées, ce processus converge vers des conceptions véritablement surprenantes pour les ingénieurs humains : des plans de corps asymétriques, des arrangements d'actionneurs redondants qui semblent gaspillants jusqu'à ce qu'un membre soit retiré, et des réseaux de commande qui ont appris à acheminer les commandes motrices autour des composants défaillants en temps réel.
Ce qui rend la nouvelle étude distinctive est son inclusion explicite de scénarios de dégâts pendant le processus évolutif. Plutôt que d'optimiser purement pour les performances en conditions non endommagées, les chercheurs ont introduit périodiquement des événements de dégâts aléatoires pendant la simulation — retirant des membres, dégradant des capteurs, inversant des actionneurs — et ont évalué comment bien les robots ont maintenu les performances dans les états normaux et endommagés. Cette pression d'optimisation double a produit une classe qualitativement différente de robot que l'évolution basée uniquement sur les performances.
Le Robot Physique
Les meilleures conceptions évoluées ont été fabriquées en utilisant des techniques de robotique molle — des combinaisons de structures polymères flexibles, d'alliages à mémoire de forme et de chambres pneumatiques qui peuvent se déformer et récupérer de manières que les robots rigides ne peuvent pas. Quand une partie du corps du robot est retirée, la structure restante redistribue les charges mécaniques sur ses éléments restants d'une manière impossible pour un châssis métallique rigide. Le réseau de commande, s'exécutant sur un processeur embarqué, surveille continuellement les forces et positions détectées dans tout le corps et ajuste les commandes motrices pour compenser toute structure qui subsiste.
Dans les tests physiques, les chercheurs ont retiré jusqu'à 40 pour cent de la masse corporelle totale du robot — en coupant des membres, en retirant des segments actionnés, en perçant des chambres d'air — et ont observé que la machine a continué à se déplacer et naviguer. Sa démarche a changé radicalement, passant parfois d'une marche normale à un mouvement rampant ou roulant, mais elle ne s'est pas arrêtée. Le comportement n'était pas programmé ; il a émergé de la capacité du réseau neural entraîné à généraliser sur de nouvelles configurations de corps.
Applications dans les Environnements à Haut Risque
Les implications pour le déploiement dans le monde réel sont importantes. Les robots de recherche et sauvetage opérant dans des environnements d'immeubles effondrés rencontrent régulièrement des impacts de débris, des arêtes acérées et du stress mécanique qui endommagent les plates-formes conventionnelles. Les robots militaires déployés dans des zones de combat font face à des scénarios de dégâts encore plus extrêmes. Les véhicules d'exploration planétaire doivent maintenir la fonction pendant des mois ou des années sans aucune possibilité de maintenance ou de réparation.
Les approches actuelles pour la résilience des robots impliquent généralement des composants mécaniques redondants — ajoutant du poids, des coûts et de la complexité — ou des conceptions modulaires qui peuvent se reconfigurer après endommagement, ce qui nécessite des mécanismes d'amarrage sophistiqués et ajoute des points de défaillance. L'approche évolutive contourne ces compromis en incorporant la résilience au cœur de la conception plutôt que de la superposer.
Vers une Intelligence Morphologique
La recherche avance également un changement philosophique plus large en robotique appelé calcul morphologique — l'idée que l'intelligence n'est pas seulement une propriété du système de commande mais est distribuée dans la forme physique du robot lui-même. Une forme de corps qui redirige naturellement les forces, absorbe les impacts et maintient l'intégrité structurelle sous stress effectue un travail computationnel qui autrement devrait être traité par le cerveau. Les robots évolués ne sont pas seulement bien contrôlés ; ils ont une forme bien adaptée aux problèmes qu'ils rencontrent.
Les travaux futurs se concentreront sur l'extension de l'approche évolutive aux tâches plus complexes et aux plans de corps plus grands, ainsi que sur l'investigation de savoir si les robots peuvent apprendre à s'adapter en temps réel à mesure que les dégâts s'accumulent pendant un déploiement — non seulement en survivant aux dégâts anticipés pendant l'évolution, mais aussi en découvrant de nouvelles stratégies compensatoires à la volée. Associé à une IA embarquée de plus en plus capable, la perspective de robots véritablement difficiles à arrêter représente une avancée importante dans l'utilité pratique des machines autonomes dans les environnements difficiles.
Cet article est basé sur des reportages du New Atlas. Lire l'article original.
