Prenez un moment et pensez à toutes les choses que vous avez prises aujourd’hui: une tasse à café, vos clés, une brosse à dents, une cuillère ou une fourchette. Maintenant, pensez à la quantité d’énergie mentale que vous mettez dans chacune de ces activités. Très peu, non? Pour les robots cependant, choisir une variété de formes pose un défi important. Grâce au travail effectué à l’Université de Californie à Berkeley (UBC), au moins un robot réussit à surmonter ce défi.
Bien que vous puissiez savoir instinctivement la bonne place pour saisir votre chaussure afin qu’elle ne tombe pas, les robots ne le font pas. Ainsi, les chercheurs de l’UCB se sont tournés vers de l’apprentissage profond pour aider deux bras robotisés à réussir la saisie d’objets de forme étrange avec une précision de 99 %. L’apprentissage profond est un type de progression automatisée dans lequel un ordinateur reçoit une grande quantité de données afin qu’il puisse prendre des décisions concernant les nouvelles données.
Dans ce cas, les chercheurs ont construit une base de données de points de contact de 10000 objets 3D qui contiennent 6,7 millions de points au total. Ils ont ensuite utilisé ces données pour créer un réseau neuronal, un système dans lequel un ordinateur prend des décisions de la même manière que nos cerveaux traitent les informations. Ce réseau a ensuite été connecté à une paire de bras robotisés équipés d’un capteur 3D. Ils ont appelé l’ensemble du système DexNet 2.0, qui représente la prochaine génération d’un système robotique qu’ils ont déjà construit.
Le capteur examine chaque objet placé en face de celui-ci et le réseau neuronal choisit le meilleur endroit pour que l’objet soit saisi. Non seulement le système était presque impeccable dans son exécution pour chaque prise, mais il était aussi trois fois plus rapide que la version précédente.
A mesure les robots interagissent de plus en plus dans notre vie quotidienne, leur capacité à manipuler une large gamme d’objets est essentielle. DexNet 2.0 rejoint d’autres avancées en termes de dextérité robotique, y compris la main robotique à apprentissage autonome développée par des chercheurs de l’Université de Washington l’année dernière, la pince robotique de chercheurs de l’institut de recherche suisse EPFL qui s’appuie sur « l’électroadhésion » pour saisir des objets délicats et les pinces robotiques gonflables inventées par Disney.
http://news.berkeley.edu/story_jump/meet-the-most-nimble-robot-ever-built/
https://arxiv.org/abs/1703.09312
