ENGINEERINGNET.BE - Dans les environnements de production actuels, moderniser un parc de robots demandesouvent de repartir de zéro.
Il faut non seulement remplacer le matériel, mais aussi reprogrammer les tâches. Même lorsque deux robots sont conçus pour effectuer des tâches similaires, des différences dans l’agencement des articulations ou des limites de mouvement font qu’une tâche programmée pour l’un ne peut souvent pas être utilisée sur l’autre.
Transférer directement les compétences entre robots pourrait rendre ces systèmes plus durables et plus rentables.
Pour relever ce défi, des chercheuses et chercheurs du Laboratoire des algorithmes et systèmes d’apprentissage (LASA) de la Faculté des sciences et techniques de l’ingénieur de l’EPFL ont développé un nouveau cadre de contrôle robotique appelé Kinematic Intelligence.
Cette méthode prend une tâche montrée par un humain et la convertit mathématiquement en une stratégie de mouvement générale, puis l’adapte afin que différents robots puissent l’exécuter en fonction de leur conception physique. Ces travaux ont été publiés dans Science Robotics.
Pour construire leur cadre, les scientifiques ont d’abord sélectionné des tâches de manipulation d’objets montrées par des humains – telles que poser, pousser ou lancer – et les ont enregistrées à l’aide d’une technologie de capture de mouvement.
Ils ont ensuite converti mathématiquement ces tâches enregistrées en stratégies de mouvement générales. Ils ont aussidéveloppé une classification systématique des limites physiques de différents types de robots, notamment l’amplitude de mouvement de leurs articulations et les positions qu’ils doivent éviter afin de rester stables.
Le cadre utilise ensuite cette classification pour adapter automatiquement les stratégies de mouvement générales aux différentes morphologies de robots, garantissant qu’ils effectuent les tâches de manière sûre et dans les limites de leurs capacités mécaniques.
Lors d’une expérience sur une chaîne de montage, un humain a montré une tâche consistant àpousser un bloc de bois d’un tapis roulant vers un établi, le placer sur une table, puis le lancerdans un panier. Grâce à Kinematic Intelligence, trois robots commerciaux totalement différents ont pu reproduire cette même séquence de manière sûre et fiable.
Les scientifiques souhaitent étendre ce cadre à des contextes tels que la collaboration homme-robot et les interactions basées sur le langage naturel. Par exemple, Kinematic Intelligence pourrait permettre à une personne de donner des instructions à un robot à l’aide de commandes simples, chez elle, sans nécessiter de compétences techniques en programmation.
Cette approche est aussi pertinente pour les plateformes robotiques émergentes, où l’évolution rapide du matériel exige que les machines actuelles soient remplacées par des versions plus récentes. Permettre un transfert fluide des compétences entre ces plateformes pourrait jouer un rôle clé dans leur adoption à grande échelle. (Auteur: Celia Luterbacher - Source: EPFL)
