Vidéo : une IA aide cette main robotique à s’améliorer sans cesse

Au menu : apprentissage par renforcement et "domain randomization".

À 13 reprises sur 50, cette créature robotisée a remporté son défi haut la main : triturer un cube dans tous les sens pour le faire parvenir dans la position qu’on lui demandait, le tout avec une étonnante dextérité.

Publicité

Une prouesse relayée par la MIT Technology Review, que nous devons à des chercheurs d’OpenAI, une organisation de recherche à but non lucratif visant notamment à rendre l’intelligence artificielle (IA) plus "safe" (mais rien à voir avec ce qui nous occupe aujourd’hui).

Trois éléments principaux composent notre robot : une main articulée sophistiquée (développée par Shadow, une entreprise anglaise), une caméra classique et des algorithmes pointus dont il va bien falloir dire deux ou trois mots.

La machine carbure au "reinforcement learning" ("apprentissage par renforcement"), l’une des principales méthodes utilisées aujourd’hui pour qu’une intelligence artificielle apprenne "toute seule" – le fameux "machine learning" dont tout le monde parle.

Publicité

Récemment, on avait d’ailleurs déjà croisé ce reinforcement learning dans l’algorithme qui avait formé des bots à battre des humains à Quake III. Mais l’exemple le plus connu à ce jour reste celui d’AlphaGO, l’IA championne au jeu de go.

Ceci dit, le reinforcement learning ne suffisait pas. L’équipe d’OpenAI a ajouté à la recette un peu de "domain randomization". La technique consiste à créer un très grand nombre d’images virtuelles déformant la réalité pour améliorer les capacités de reconnaissance visuelle de l’algorithme. C’est du chinois pour vous ? L’image ci-dessous vous aidera à mieux comprendre :

L’IA va faire exprès de déformer des photos prises avec la caméra du robot, notamment en changeant les couleurs. Cette technique l’aidera à mieux percevoir la réalité. (© Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World)

Publicité

Last but not least : parce que l’IA apprend toute seule, sa dextérité peut, sans problème, s’exercer sur un autre objet. Il lui faudra juste beaucoup d’entraînement et plein de nouvelles et belles images issues de la domain randomization.

Par Pierre Schneidermann, publié le 03/08/2018

Pour vous :