Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models

Pendant des décennies, le rêve de construire des robots a été freiné par la difficulté extrême de la tâche. Concevoir une machine capable de bouger, de saisir ou de presser sans se briser elle-même exige une compréhension profonde de la physique, reposant souvent sur l'intuition d'experts humains qui passent des années à ajuster des pièces et à les tester par essais et erreurs. Ce processus est lent et coûteux, en particulier pour les robots « mous » faits de matériaux flexibles qui se courbent et se tordent comme des tissus vivants plutôt que comme du métal rigide. Récemment, un nouvel outil est entré dans le laboratoire : les grands modèles de langage. Ce sont de puissants programmes informatiques entraînés sur de vastes quantités de texte qui peuvent écrire du code et décrire des idées complexes en langage naturel. Les scientifiques espéraient que ces modèles pourraient agir comme des concepteurs automatiques, prenant une instruction simple telle que « fabriquer un robot capable de monter des escaliers » et produisant instantanément un plan fonctionnel. Cependant, un obstacle majeur persistait : bien que ces modèles soient brillants avec les mots, ils échouent souvent à comprendre la réalité physique de leurs propres créations. Ils peuvent décrire un robot qui semble parfait sur le papier, mais qui s'effondrerait ou s'emmêlerait immédiatement dès qu'il serait construit.

Une équipe de chercheurs a maintenant développé une nouvelle méthode pour combler ce fossé entre le langage et la physique, créant un système qui permet à l'intelligence artificielle de concevoir des robots mous qui fonctionnent réellement. Les chercheurs se sont concentrés sur un type spécifique de machine flexible appelé robot continu à commande par tendons. Imaginez une longue colonne vertébrale flexible composée de nombreux petits segments, semblable à un serpent ou à un bras de pieuvre. Au lieu de moteurs rigides, ces robots se déplacent en tirant sur de fins câbles, appelés tendons, qui passent à travers le corps pour le faire courber et pivoter. Cette conception est incroyablement polyvalente mais aussi notoirement difficile à concevoir car la façon dont le robot se courbe dépend d'un mélange complexe de sa forme, de la tension des câbles et de la manière dont il touche le monde environnant. Les chercheurs voulaient voir si une IA pouvait concevoir ces machines à partir de zéro, mais ils savaient que simplement demander à l'IA de « rédiger un design » ne serait pas suffisant.

Pour résoudre cela, l'équipe a construit un système multicouche appelé AID-SR, qui agit comme un atelier collaboratif entre un concepteur informatique et une série d'inspecteurs automatisés. Le processus commence lorsqu'un humain donne un objectif de haut niveau, tel que « concevoir un robot capable de pousser un bouton sur un mur ». Un agent d'IA propose ensuite plusieurs idées différentes de ce à quoi le robot pourrait ressembler. Au lieu d'accepter ces idées immédiatement, le système les soumet à une série rigoureuse de vérifications. D'abord, un simulateur numérique teste le design pour voir s'il tient physiquement. Si le modèle de robot s'effondre, explose ou reste coincé dans le moteur physique de l'ordinateur, le système détecte l'erreur immédiatement et renvoie le design à l'IA avec une note spécifique sur ce qui n'a pas fonctionné, telle que « les câbles sont connectés aux mauvais endroits ».

Ce cycle de conception, de test et de correction se répète en une boucle. Si un design passe le test physique, il est ensuite vérifié par un second juge d'IA qui examine la logique de la conception, demandant par exemple si elle est réellement adaptée à la tâche proposée. Par exemple, le robot possède-t-il assez de pièces pour atteindre le bouton ? Enfin, un ingénieur humain peut intervenir pour offrir des conseils de haut niveau, bien que le système soit conçu pour fonctionner largement de manière autonome. Cette boucle de rétroaction constante force l'IA à apprendre de ses erreurs, affinant progressivement ses idées jusqu'à produire un design qui n'est pas seulement une description intelligente, mais une machine physiquement stable. Les chercheurs ont testé ce système sur quatorze tâches différentes, allant de l'atteinte et de la marche simples à des mouvements complexes de saisie et de nettoyage.

Les résultats ont montré que cette approche fonctionne remarquablement bien. Dans les simulations informatiques, le système a généré avec succès des designs physiquement valides pour 96,2 pour cent des tentatives. Cela signifie que presque chaque robot conçu par l'IA pouvait réellement se tenir debout et bouger sans tomber en morceaux dans le monde numérique. Lorsque les chercheurs ont entraîné ces robots à accomplir leurs tâches spécifiques à l'aide d'une méthode d'apprentissage standard, environ 26,7 pour cent d'entre eux ont réussi la tâche. C'est une réussite significative car elle prouve que l'IA peut générer des designs qui sont non seulement structurellement sains, mais aussi fonctionnellement utiles. L'équipe ne s'est pas arrêtée aux simulations informatiques ; elle a construit dans le monde réel trois des meilleurs designs produits par le système en utilisant l'impression 3D et des matériaux standards. Ces robots physiques, créés entièrement selon les instructions de l'IA, ont été capables d'accomplir leurs tâches tout comme ils l'avaient fait en simulation, saisissant des objets et se déplaçant sur des surfaces.

Cette étude souligne que, bien que l'intelligence artificielle s'améliore dans sa compréhension du monde physique, elle a encore besoin de guidage pour être véritablement efficace. L'IA ne peut pas simplement deviner une solution ; elle a besoin d'un processus structuré où elle peut voir les conséquences de ses idées et les corriger. En combinant la puissance créative des modèles de langage avec les règles strictes de la physique et la supervision humaine, les chercheurs ont créé une nouvelle voie pour automatiser la conception de robots. Ce travail suggère que, dans un avenir proche, nous pourrons demander à un ordinateur de concevoir un robot pour un travail spécifique et difficile, et obtenir en retour un plan prêt à être construit et utilisé dans le monde réel, nous rapprochant d'un futur où les machines pourront être adaptées à nos besoins avec une rapidité et une précision sans précédent.