Vous aimerez peut-être chercher des maisons airbnb avec de grandes pièces, des appartements très lumineux ou des salles de bains avec deux lavabos. Mais si vous êtes un robot, vous avez juste besoin de cette petite variété. Le tapis est là, le parquet est là. Parce que vous êtes un pionnier, pas seulement un touriste.
C'est du moins le cas pour les robots spéciaux développés par une équipe de l'Université Carnegie Mellon. Pour former des machines à manipuler des objets dans le monde réel, ils avaient besoin d'accéder à de nombreuses maisons différentes - d'abord, c'était leurs propres maisons, puis celles d'amis et enfin les maisons abordables. Par conséquent, après avoir formé leurs robots à une certaine limite, ils sont allés avec eux pour tester dans des endroits inexplorés d'Airbnb.
Et, oui, jusqu'à ce que vous demandiez - les propriétaires des maisons savaient pourquoi ils louaient les locaux. Et, oui, les robots - ressemblant essentiellement à des aspirateurs robotiques avec une main - se sont avérés être de grands invités. (Ils sont restés environ un jour et demi, et avec eux plusieurs scientifiques qui ont effectué les tests). «Je me souviens à quel point les propriétaires étaient très intéressés par ce travail, et ils étaient intéressés de voir comment les robots se comportent dans différents endroits de la maison», explique la robotique Lerrel Pinto. "Ils ont dit que nous pouvons utiliser des robots en toute sécurité dans d'autres parties de la maison." Et les chercheurs l'ont fait. "Certains d'entre eux étaient très curieux, ils ont regardé comment le robot est agencé, comment il se déplace et ont demandé s'il pouvait ramasser les ordures sur le sol."
Ils ne savaient pas comment. Ce qu'ils savaient faire, c'était démontrer la capacité acquise à manipuler les nouveaux objets que les chercheurs apportaient avec eux, des agrafeuses aux peluches et aux vaporisateurs. Les chercheurs les ont placés sur différentes surfaces, tapis et sols, ce qui a permis au robot de s'exercer à travailler avec un arrière-plan différent.
En fait, les machines peuvent apprendre à saisir des objets de deux manières: dans une simulation ou dans le monde réel. Les simulations sont bonnes à leur vitesse; vous pouvez faire en sorte que le modèle de robot numérique éloigne des centaines de collisions pendant le temps où une vraie machine peut bouger légèrement son coude et son poignet. Malheureusement, dans le monde numérique, on ne peut pas simuler complètement le vrai: les expériences physiques restent le seul moyen de vérifier que la formation est vraiment capable de faire face à la physique réelle. Vous pouvez également utiliser la formation par simulation - lorsqu'une personne contrôle un robot et que le robot apprend à le faire, mais cela demande beaucoup d'efforts.
Le test physique final consiste à emmener le robot hors de l'environnement stérile, spécialement préparé pour les tests de laboratoire, dans le monde désordonné et chaotique des gens. «Nous devons ramener nos robots à la maison», a déclaré Abhinav Gupta, un ingénieur robot qui a aidé à développer le nouveau système. «Nous devons collecter de nombreuses données sur les manipulations dans un environnement réel dans lequel les sols peuvent différer - il peut s'agir d'un tapis, d'une tuile ou d'un panneau.»
Lorsque les chercheurs ont formé des robots à la maison, ils avaient déjà des connaissances préalables. Par exemple, pour capturer, il est nécessaire de voir l'objet à l'aide de la vision industrielle, de s'y rendre et de le prendre. La question est de savoir où. "Le robot a choisi un endroit au hasard et a essayé de lui serrer les doigts pour voir si l'adhérence était réussie", explique Gupta. "En fait, avez-vous réussi à soulever l'objet du sol ou non." Le robot peut déterminer le succès de la capture grâce aux capteurs de puissance intégrés, ainsi que distinguer l'objet dans la main.
«Au début, tout se passe par hasard, mais après plusieurs milliers de répétitions, il commence à apprendre où il a réussi et où non», ajoute Gupta. Ainsi, le robot peut apprendre à travailler avec des objets réels, puis utiliser ces données, en essayant de capturer tout ce qui se présente à lui dans la maison. Contrairement au laboratoire, tout se passe dans différentes conditions d'éclairage et à différents étages, de sorte que les robots collectent un ensemble de données plus riche qui représente plus précisément les vrais lieux de travail des robots à l'avenir - par exemple, s'ils nettoient les appartements des personnes âgées. Par conséquent, une fois dans un appartement loué - dans un environnement inconnu - il peut s'adapter et ne pas paniquer. En conséquence, le robot a pu capturer des objets qui lui étaient inconnus dans 62% des cas, alors que le modèle formé en laboratoire ne gérait que dans 18,5% des cas.
Cela ne signifie pas que la formation en laboratoire est obsolète; des robots complexes capables d'exécuter la tâche avec une tolérance de plusieurs millimètres sont essentiels pour l'étude des poignées robotiques - et ce domaine reste problématique pour les robots. Mais ces robots sont trop gros et trop chers - jusqu'à des dizaines de milliers de dollars - pour que vous puissiez les expérimenter chez vous. Les chercheurs ont mis au point un robot plus mobile pour seulement 3 000 $.
Il y avait quelques compromis, par exemple, l'utilisation de moteurs avec une tolérance de centimètres et non de millimètres. Ce n'est pas très bon - imaginez que vous vous trompez d'un centimètre en essayant de saisir une canette de soda. «Mais nous avons essayé de simuler le hasard», explique Gupta. «Nous essayons non seulement d'apprendre à saisir, mais aussi d'apprendre quelles erreurs les contrôleurs peuvent avoir.» Quand ils ont réussi à simuler cela, ils ont pu corriger les mouvements légèrement capricieux du robot.
«Le travail montre comment vous pouvez prendre en compte les accidents dans un environnement aussi incontrôlé et travailler avec des équipements peu coûteux, tout en prenant le processus de collecte de données en dehors du laboratoire. Cela peut vous aider à obtenir un ensemble complet de données hautement évolutives, diverses et agrégées », a déclaré Xavier Puy, qui travaille dans le domaine de la formation de robots en simulation au MIT.
C'est idéal pour les robots et pour les propriétaires d'appartements en location. En effet, les robots n'oseront jamais laisser de gâchis dans un appartement.