Des chercheurs de l’Université Aston ont développé une nouvelle approche de formation de robots basée sur l’IA visant à réduire les problèmes de longue date « sim-vers-réel » lacune en robotique. Le travail se concentre sur l’amélioration de la manière dont les robots transfèrent les compétences acquises en simulation dans des environnements réels imprévisibles, où les différences dans les propriétés des matériaux, le bruit des capteurs et l’interaction physique entraînent souvent la défaillance des systèmes malgré de bonnes performances lors des tests virtuels.
La méthode proposée combine l’efficacité de la simulation avec des données limitées du monde réel en utilisant des variations générées par l’IA pendant la formation. Au lieu de s’appuyer sur des ensembles de données massifs collectés auprès de robots physiques, ce qui peut s’avérer coûteux, long ou dangereux, le système expose les robots à un plus large éventail de conditions simulées avant leur déploiement. Cela permet aux systèmes robotiques de s’adapter plus efficacement lorsqu’ils rencontrent des environnements inconnus ou changeants. La recherche cible spécifiquement les tâches nécessitant beaucoup de manipulation, telles que la découpe, l’assemblage et la manipulation des matériaux, où de petites variations environnementales peuvent affecter considérablement les performances.
Ce qui rend ce travail intéressant est son déploiement pratique plutôt que la recherche sur l’IA purement basée sur des références. L’équipe met l’accent sur la minimisation du recyclage supplémentaire une fois que les robots passent de la simulation au fonctionnement physique, ce qui est essentiel pour une robotique industrielle évolutive. Les applications potentielles incluent les systèmes de recyclage, le démontage des batteries, la fabrication flexible et les environnements industriels dangereux. Bien que le « transfert de la simulation au réel » soit un domaine de recherche actif depuis des années, ces travaux semblent axés sur l’amélioration de la robustesse avec une dépendance réduite à un étalonnage physique approfondi, ce qui pourrait contribuer à accélérer les délais de déploiement des systèmes robotiques adaptatifs.
Retrouvez l’histoire de Raspberry Pi dans cette vidéo :
