Perception-and-action system for humanoid robot task execution in construction
Cet article propose un nouveau système de perception et d'action comprenant Humanoid-PoseNet et Humanoid-ActionNet qui permet aux robots humanoïdes d'apprendre et d'exécuter de manière fiable des tâches de construction à partir de démonstrations humaines, atteignant une erreur moyenne de suivi de mouvement de 82,45 mm.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un monde où les robots ne sont pas seulement des machines massives sur roues ou des bras fixés à un mur, mais des partenaires qui nous ressemblent et bougent comme nous. C'est le domaine de la robotique humanoïde, un champ qui tente de construire des machines capables de marcher dans nos espaces créés par l'homme — comme les chantiers, les cuisines ou les bureaux — et d'effectuer le gros travail sans avoir besoin d'un manuel pour chaque étape. Le grand défi ? Les humains sont désordonnés, flexibles et uniques ; les robots sont précis, rigides et construits selon des plans spécifiques. Si vous essayez de copier directement le mouvement d'un humain sur un robot, le robot pourrait trébucher, tomber ou casser une articulation parce que ses jambes sont plus courtes ou que ses hanches pivotent différemment. Pour résoudre cela, les scientifiques utilisent le retargeting de mouvement (une façon sophistiquée de dire « traduire les mouvements humains en mouvements de robot ») et l'apprentissage par renforcement (une méthode où le robot apprend par essais et erreurs, recevant des « récompenses » pour rester debout et des « punitions » pour tomber). L'objectif est de permettre aux robots d'apprendre en nous regardant, afin qu'ils puissent éventuellement nous aider à construire notre monde, en portant des briques ou en grimpant à des échelles comme le ferait un travailleur humain.
Entrez dans cette nouvelle étude, qui agit comme un traducteur expert et un entraîneur exigeant pour un robot nommé Unitree G1. Les chercheurs ont voulu voir si un robot humanoïde pouvait regarder un ouvrier du bâtiment accomplir une tâche, comprendre ce qu'il fait, puis le faire lui-même sans tomber. Ils ont construit un système en deux parties pour permettre cela. D'abord, ils ont créé un « traducteur » appelé Humanoid-PoseNet. Voyez cela comme un cerveau-caméra super intelligent qui regarde une vidéo d'un travailleur humain. Il ne se contente pas de voir une personne ; il calcule exactement où se trouve chaque articulation dans l'espace 3D. Mais voici la partie délicate : le corps d'un humain est façonné différemment de celui d'un robot. Ainsi, ce cerveau réécrit instantanément les mouvements de l'humain en une version qui s'adapte à la forme spécifique du corps du robot, garantissant que le robot n'essaie pas de tordre ses articulations de manière impossible.
Une fois que le robot sait quoi bouger, il doit découvrir comment bouger sans s'écraser. C'est là qu'intervient la seconde partie, Humanoid-ActionNet. C'est l'entraîneur interne du robot, formé selon une méthode « enseignant-élève ». L'« enseignant » est une version ultra-puissante du robot qui vit dans une simulation informatique et qui connaît tout de la physique (comme le poids d'une brique ou la glissance du sol). L'enseignant apprend la manière parfaite de bouger pour rester équilibré. Ensuite, il enseigne à une version « élève » du robot. L'élève est celui qui ira réellement dans le monde réel, mais il n'est pas autorisé à compter sur les secrets de la physique ; il doit apprendre simplement en ressentant ses propres articulations et en observant les mouvements cibles, tout comme un vrai robot le ferait. Cela garantit que lorsque le robot quittera l'ordinateur pour fouler un véritable chantier de construction, il ne sera pas confus par la différence entre la simulation et la réalité.
L'équipe a testé ce système avec 30 tâches de construction différentes, allant du transport de tuyaux lourds et l'empilement de matériaux au signalement avec des drapeaux et la marche sur un terrain accidenté. Ils ont commencé par enregistrer cinq volontaires humains effectuant ces tâches dans un studio de capture de mouvement. Ensuite, ils ont laissé leur système de robot apprendre de ces enregistrements. Les résultats sont prometteurs : le robot a réussi à apprendre huit de ces actions de construction complexes. Dans les simulations informatiques, le robot a suivi les mouvements humains avec une erreur moyenne d'environ 82,45 mm (Erreur Moyenne de Position Articulaire) à travers ses articulations. Lorsqu'ils ont mis le robot à l'épreuve dans le monde réel, il a réussi à transporter des tuyaux, à tenir des blocs de béton et même à agiter un drapeau tout en maintenant son équilibre, prouvant que la « traduction » et l'« entraînement » ont fonctionné.
Cependant, l'article prend soin de ne pas présenter cela comme une solution parfaite. Les chercheurs ont noté que bien que le robot puisse accomplir ces tâches, il n'est pas irréprochable. Dans les simulations, certaines tentatives ont échoué, le robot perdant son équilibre ou trébuchant, surtout lorsque la physique du monde réel (comme la friction ou le poids) ne correspondait pas parfaitement au modèle informatique. Ils ont également souligné que les mains du robot ne sont pas aussi dextres que celles d'un humain, de sorte que s'il peut tenir un bloc, il ne peut pas nécessairement l' agripper avec la même finesse qu'un travailleur humain. L'étude suggère que cette approche est une première étape solide vers l'obtention de robots capables de travailler à nos côtés sur des chantiers, mais qu'il reste encore beaucoup de travail pour les rendre aussi fiables et adaptables que les humains qu'ils tentent d'imiter. Le système a montré qu'il est possible d'apprendre à un robot à bouger comme un travailleur, mais le voyage de « l'apprentissage de la marche » à la « construction d'un gratte-ciel » ne fait que commencer.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.