Qu'on le veuille ou non, nous sommes entourés de robots. Des milliers d'Américains se rendent actuellement au travail à bord de voitures conduisant elles-mêmes. Les aspirateurs parcourent seuls nos salons. Les drones quadricoptères parcourent automatiquement les champs, effectuant des relevés aériens qui aident les agriculteurs à faire pousser leurs cultures. Même des robots humanoïdes d'apparence effrayante, capables de sauter et de courir comme nous, pourraient être disponibles dans le commerce dans un proche avenir.
Les dispositifs robotiques se déplacent très bien dans notre monde sans aucune intervention de notre part. Malgré ces nouvelles compétences, ils présentent néanmoins une faiblesse majeure: les plus talentueux du groupe peuvent encore être stoppés par une simple poignée de porte.
Le problème, explique Matt Mason, un robotiste de la Carnegie Mellon University, est que, malgré toutes les capacités existantes des robots pour se déplacer de manière autonome dans le monde, ils ne peuvent pas encore physiquement interagir physiquement avec des objets une fois qu'ils y sont arrivés.
«Qu'avons-nous appris de la robotique? La leçon numéro un est que la manipulation est difficile. Ceci est contraire à notre expérience individuelle, car presque chaque être humain est un manipulateur qualifié », écrit Mason dans un article de revue récent.
C'est un point juste. Nous, les humains, manipulons le monde qui nous entoure sans réfléchir. Nous saisissons, poussons, tordons, hachons et poussons les objets presque inconsciemment, en partie grâce à nos mains incroyablement adroits. En conséquence, nous avons construit nos mondes en gardant à l'esprit ces appendices. Tous les téléphones portables, claviers, radios et autres outils que nous avons manipulés au cours de notre vie ont été conçus explicitement pour s’intégrer à nos doigts et à nos paumes.
Ce n'est pas le cas pour les robots existants. À l’heure actuelle, l’un des modèles de mains robotiques les plus utilisés, appelé «pince», est plus ou moins identique à celui imaginé à la télévision dans les années 1960: un appareil composé de deux doigts métalliques rigides qui pincent les objets entre eux.
Dans un environnement contrôlé, tel qu'une chaîne de montage, des appareils tels que ceux-ci fonctionnent parfaitement. Si un robot sait que chaque fois qu'il atteint une pièce spécifique, il se trouve au même endroit et dans la même orientation, il est alors trivial de la saisir. «Le type de pièce qui va descendre dans le convoyeur est clair, ce qui facilite la détection et la perception pour un robot», note Jeannette Bohg, une robotiste de l'université de Stanford.
Le monde réel, en revanche, est désordonné et plein d’inconnues. Pensez simplement à votre cuisine: il peut y avoir des tas de vaisselle en train de sécher à côté de l’évier, des légumes mous et fragiles tapissant le réfrigérateur, et de nombreux ustensiles fourrés dans des tiroirs étroits. Selon Bohg du point de vue d'un robot, l'identification et la manipulation de cette vaste gamme d'objets constitueraient un chaos total.
“C'est en quelque sorte le Saint Graal, non? Très souvent, vous souhaitez manipuler un large éventail d'objets que les gens manipulent couramment et qui ont été conçus pour être manipulés par des personnes », explique Matei Ciocarlie, chercheur en robotique et ingénieur en mécanique à l'Université Columbia. «Nous pouvons construire des manipulateurs pour des objets spécifiques dans des situations spécifiques. Ce n'est pas un problème. C'est la polyvalence qui est la difficulté. "
Pour traiter le grand nombre de formes uniques et de propriétés physiques uniques de ces matériaux - qu'ils soient solides comme un couteau ou déformables, comme un morceau de film plastique - un appendice robotique idéal serait nécessairement quelque chose qui ressemble à ce qui se trouve à la fin de nos bras. Même avec des os rigides, nos mains se plient et plient lorsque nous saisissons des objets. Ainsi, si la main d'un robot peut faire de même, il peut «mettre en cage» des objets à l'intérieur de son emprise et les déplacer sur une surface en les ratissant comme un bébé ses jouets.
L'ingénierie pour laquelle la polyvalence n'est pas un mince exploit. Lorsque les ingénieurs d'iRobot - la même société qui vous a apporté l'aspirateur Roomba - ont développé une «main» flexible à trois doigts il y a plusieurs années, cela a été salué comme un exploit majeur. Aujourd'hui, les robotistes continuent à se détourner d'une réplique fidèle de la main humaine, à la recherche de matériaux visqueux et de meilleurs outils de calcul, tels que l'apprentissage automatique pour les contrôler.
La quête de «mains» douces et souples
«Les préhenseurs humains ont tendance à être beaucoup plus délicats et beaucoup plus chers, car vous avez beaucoup plus de moteurs et ils sont emballés dans un espace réduit», explique Dmitry Berenson, qui étudie la manipulation robotique autonome à l'Université du Michigan. "Vraiment, vous devez avoir beaucoup d'ingénierie pour le faire fonctionner, et beaucoup de maintenance, habituellement." En raison de ces limitations, dit-il, les mains ressemblant à des humains existants ne sont pas largement utilisées par l'industrie.
Pour qu'une main robotique soit pratique et même proche de la capacité d'un être humain, elle devrait être ferme mais flexible. être capable de détecter le froid, la chaleur et le toucher à haute résolution; et être assez doux pour ramasser des objets fragiles mais suffisamment robuste pour résister aux coups. Oh, et en plus de tout ça, ça devrait être bon marché.
Pour résoudre ce problème, certains chercheurs cherchent à créer un juste milieu. Ils testent des mains qui imitent certaines de nos caractéristiques, mais sont beaucoup plus simples à concevoir et à construire. Chacune utilise des «doigts» en latex souple entraînés par des câbles tendineux qui les tirent pour les ouvrir et les fermer. L'avantage de ces types de conceptions est leur flexibilité littérale: lorsqu'elles rencontrent un objet, elles peuvent l'écraser autour de lui, lui donner sa forme complexe et la ramasser parfaitement.
Au lieu de mains qui imitent les nôtres, certains chercheurs travaillent sur des mains souples et souples en silicone. Dans cette image, des doigts de silicone creux se courbent au fur et à mesure qu'ils sont remplis d'air, en les comprimant autour d'objets de formes inhabituelles. (J. MORROW ET AL / CONFÉRENCE INTERNATIONALE DE L'IEEE SUR LA ROBOTIQUE ET L'AUTOMATISATION (ICRA) 2016) Ces "mains" visqueuses offrent une amélioration majeure par rapport à une pince en métal dur. Mais ils commencent seulement à résoudre le problème. Bien qu'un doigt caoutchouté soit idéal pour ramasser toutes sortes d'objets, il aura du mal à motiver avec précision pour effectuer des tâches simples comme placer une pièce de monnaie dans une fente, ce qui implique non seulement de tenir la pièce, mais également de la sentir, en évitant ses bords et en glissant la pièce à l’intérieur. Pour cette raison, explique Ciocarlie, la création de capteurs permettant aux robots de mieux connaître les objets qu’ils touchent constitue une partie tout aussi importante du puzzle.
Nos propres doigts ont des milliers de récepteurs tactiles individuels intégrés dans la peau. «Nous ne savons pas vraiment comment construire ce type de capteurs, et même si nous le faisions, nous aurions beaucoup de mal à les câbler et à récupérer ces informations», explique Ciocarlie.
Le nombre de capteurs requis soulèverait un deuxième problème encore plus complexe: que faire de toutes ces informations une fois que vous les avez? Les méthodes de calcul qui permettent à un robot d'utiliser d'énormes quantités de données sensorielles pour planifier son prochain déménagement commencent à émerger, explique Berenson. Toutefois, le fait de pouvoir utiliser ces compétences là où elles doivent être peut avoir l'avantage de permettre aux chercheurs de faire face aux autres défis de la manipulation autonome. Construire un robot capable d'utiliser ses «mains» rapidement et de manière transparente - même dans des situations totalement nouvelles - risque de ne pas être possible à moins que les ingénieurs ne puissent le doter d'une forme d'intelligence complexe.
Ce pouvoir intellectuel est quelque chose que beaucoup d’entre nous considèrent comme acquis. Pour prendre un crayon sur notre bureau, nous tendons la main et le saisissons. Lorsque nous dînons, nous utilisons des pinces, des fourchettes et des baguettes pour saisir notre nourriture avec grâce et précision. Même les personnes amputées qui ont perdu un membre supérieur peuvent apprendre à utiliser les crochets prothétiques pour les tâches nécessitant une motricité fine.
«Ils peuvent attacher leurs chaussures, faire un sandwich, s'habiller, le tout avec le mécanisme le plus simple. Nous savons donc que c'est possible si vous disposez des renseignements appropriés », déclare Berenson.
Enseigner la machine
Atteindre ce niveau d'intelligence dans un robot peut nécessiter un saut dans les méthodes actuelles utilisées par les chercheurs pour les contrôler, dit Bohg. Jusqu'à récemment, la plupart des logiciels de manipulation consistaient à construire des modèles mathématiques détaillés de situations réelles, puis à laisser le robot utiliser ces modèles pour planifier son mouvement. Un robot récemment construit chargé d'assembler une chaise Ikea, par exemple, utilise un modèle logiciel qui peut reconnaître chaque pièce, comprendre comment elle s'accorde avec ses voisins et la comparer à ce à quoi le produit final ressemble. Il peut terminer le travail d’assemblage en 20 minutes environ. Demandez-lui d'assembler un autre produit Ikea, cependant, et il sera complètement déconcerté.
Les humains développent des compétences très différemment. Au lieu d'avoir des connaissances approfondies sur un sujet restreint, nous absorbons les connaissances à la volée à partir d'exemples et de pratiques, renforçant ainsi les tentatives qui fonctionnent et rejetant celles qui ne fonctionnent pas. Repensez à la première fois que vous avez appris à hacher un oignon - une fois que vous avez compris comment tenir le couteau et trancher plusieurs fois, vous n'avez probablement pas à repartir à zéro lorsque vous avez rencontré une pomme de terre. Alors, comment peut-on obtenir un robot pour le faire?
Bohg pense que la solution réside peut-être dans «l'apprentissage automatique», une sorte de processus itératif qui permet à un robot de comprendre quelles tentatives de manipulation réussissent et lesquelles échouent - et qui lui permet d'utiliser ces informations pour manœuvrer dans des situations jamais rencontrées.
«Avant que l'apprentissage de la machine ne soit entré dans le domaine de la robotique, il s'agissait avant tout de modéliser la physique de la manipulation - de proposer des descriptions mathématiques d'un objet et de son environnement», explique-t-elle. "L'apprentissage automatique nous permet de donner à un robot une foule d'exemples d'objets annotés par une personne, en lui montrant:" Voici un bon endroit pour saisir "." Un robot pourrait utiliser ces données passées pour examiner un nouvel objet et comprendre comment saisir.
Cette méthode représente un changement majeur par rapport aux techniques de modélisation précédentes, mais il faudra peut-être un certain temps avant qu’elle soit suffisamment sophistiquée pour permettre aux robots d’apprendre entièrement par eux-mêmes, explique Berenson. De nombreux algorithmes d’apprentissage automatique existants doivent recevoir de grandes quantités de données sur les résultats possibles - comme tous les mouvements potentiels dans un jeu d’échecs - avant de pouvoir élaborer le meilleur plan d’attaque possible. Dans d'autres cas, ils peuvent avoir besoin de centaines, voire de milliers, de tentatives de manipulation d'un objet donné avant de tomber sur une stratégie efficace.
Cela devra changer si un robot doit se déplacer et interagir avec le monde aussi rapidement que possible. Selon M. Berenson, au lieu de cela, un robot idéal devrait être capable de développer de nouvelles compétences en quelques étapes à l'aide d'essais et d'erreurs, ou d'extrapoler de nouvelles actions à partir d'un seul exemple.
Apollo, un robot construit par l'ingénieur Jeannette Bohg, tente de déplacer un cylindre sur une table alors qu'une boîte en carton bloque son chemin. Dans cette expérience, un chercheur a déplacé la boîte vers de nouveaux emplacements sur la table à mesure que le bras bougeait, obligeant Apollo à recalculer sa trajectoire à la volée. L'image brouillée dans le coin inférieur droit montre une vue du point de vue d'Apollo, soulignant à quel point il est difficile pour un robot de reconnaître et d'interagir avec les objets qui l'entourent. (COURTOISIE JEANNETTE BOHG) «La grande question à résoudre est de savoir comment mettre à jour les modèles d'un robot, non pas avec 10 millions d'exemples, mais un seul », explique-t-il. «Pour en arriver au point où il est dit:" OK, cela n'a pas fonctionné, alors que dois-je faire ensuite? " C'est la vraie question d'apprentissage que je vois.
Mason, le robotiste de Carnegie Mellon, accepte. Le défi de programmer des robots pour faire ce que nous faisons aveuglément, résume-t-il, est résumé par le paradoxe de Moravec (du nom du pionnier de la robotique Hans Moravec, qui enseigne également à Carnegie Mellon). En bref, il est écrit que ce qui est difficile à faire pour les humains est souvent géré facilement par des robots, mais que la seconde nature pour nous est incroyablement difficile à programmer. Un ordinateur peut jouer aux échecs mieux que quiconque, par exemple - mais le faire reconnaître et prendre lui-même une pièce d’échecs s’est révélé être extrêmement difficile.
Pour Mason, cela sonne toujours vrai. Malgré les progrès graduels réalisés par les chercheurs en matière de systèmes de commande robotiques, le concept de base de la manipulation autonome est peut-être l’un des plus difficiles à résoudre.
«La pensée rationnelle et consciente est un développement relativement récent dans l'évolution», dit-il. «Nous avons toute cette machinerie mentale qui, au cours de centaines de millions d'années, a développé la capacité de faire des choses étonnantes, comme la locomotion, la manipulation, la perception. Pourtant, toutes ces choses se passent en dessous du niveau conscient.
"Peut-être que les choses que nous considérons comme une fonction cognitive supérieure, comme être capable de jouer aux échecs ou de faire de l'algèbre - peut-être que ces choses sont sans importance comparées aux mécanismes de manipulation."
Knowable Magazine est une entreprise journalistique indépendante issue de Annual Reviews. 
