Pendant plusieurs années, les experts en robotique ont cherché à concevoir des robots capables d’accomplir une variété de tâches domestiques quotidiennes, telles que le lavage de la vaisselle ou le rangement. Malgré ces efforts, aucun des robots développés n’a encore atteint le stade de commercialisation et d’adoption à grande échelle. C’est là qu’intervient Dobb-E, un cadre nouvellement créé dans le but de former les robots à effectuer des tâches domestiques.
Récemment, des chercheurs de l’Université de New York ont dévoilé Dobb-E, un nouveau cadre spécifiquement élaboré pour entraîner de manière efficace les robots mobiles à exécuter des tâches domestiques. Cette avancée prometteuse vise à favoriser l’adoption généralisée de robots dans les foyers. Décrit dans un article pré-publié sur le serveur arXiv, ce cadre pourrait être appliqué à divers robots destinés à aider les individus dans leur environnement domestique.
Une approche en trois étape
Lerrel Pinto, co-auteur de l’article, a exprimé la genèse de cette recherche. « Cette initiative découle de notre vision visant à intégrer des robots dans le quotidien de la famille américaine. Actuellement, nos foyers disposent de dispositifs spécialisés tels que des lave-vaisselle ou des machines à laver. Cependant, l’idée d’un robot généraliste capable d’apprendre à accomplir chaque tâche et de déterminer la manière la plus efficace de contribuer dans différentes situations reste un objectif éloigné depuis trop longtemps ».
Les récents travaux de Pinto et de son équipe avaient plusieurs objectifs clés, tous devant être atteints pour une intégration réussie des robots dans les milieux domestiques. Tout d’abord, l’équipe visait à élaborer une approche efficiente permettant aux utilisateurs d’enseigner rapidement de nouvelles compétences aux robots.
En second lieu, Dobb-E devait assurer la sécurité des robots en veillant à ce qu’ils n’occasionnent aucun dommage pendant leur processus d’apprentissage de nouvelles tâches.
Finalement, il ne devait pas être trop contraignant pour les utilisateurs finaux. C’est ainsi que l’on pourrait garantir sa capacité à simplifier plutôt qu’à compliquer leur quotidien.
Lerrel Pinto a expliqué que pour parvenir à cette efficacité, ils ont fait appel à des systèmes d’apprentissage basés sur les données. « En ce qui concerne la sécurité, nous avons formulé notre système en mettant l’accent sur l’apprentissage supervisé par l’utilisateur plutôt que sur la méthode d’essais et d’erreurs. Nous avons donc mis au point un outil de collecte de démonstrations ergonomique. Ce qui nous a permis de recueillir des démonstrations spécifiques à des tâches dans des environnements domestiques inconnus. Cela sans nécessiter l’utilisation directe du robot », a-t-il ajouté.
Encore des défis à relever dans le cadre de la formation des robots domestiques via Dobb-E
Le projet Dobb-E représente une avancée majeure dans la recherche. Il offre un potentiel considérable en tant que premier pas vers la création d’un assistant domestique généralisé capable d’assister les personnes âgées, les personnes handicapées et les parents occupés. Mais pour atteindre cet objectif, des efforts substantiels sont nécessaires pour améliorer les capacités et l’accessibilité de Dobb-E.
Dans un avenir proche, ces travaux pourraient influencer la création de robots domestiques sophistiqués. L’équipe de Pinto a d’ailleurs rendu public son outil de collecte de données, son ensemble de données et son modèle pré-entraîné. Ce qui permet aux autres équipes de recherche d’utiliser ou d’adapter ces ressources dans leurs propres études.
Toutefois, même si Dobb-E s’apparente à l’apprentissage de compétences de bas niveau dans divers scénarios, il n’a pas encore résolu le besoin d’un planificateur ou d’une politique de niveau supérieur. Il ne peut donc pas coordonner ces compétences et accomplir des tâches complexes à domicile. Du moins pour le moment.
Les orientations futures du projet incluent alors l’enchaînement des compétences pour réaliser des tâches à long terme dans les foyers. Ainsi que l’amélioration des capteurs du Stick et du robot. À savoir une réévaluation de la détection de profondeur. Et donc l’ajout de modalités sensorielles telles que le toucher et les sons.
- Partager l'article :
