Ce robot se transforme pour naviguer dans une course à obstacles

Robot modulable autonome

Un système de perception central permet à un robot de changer ses propres configurations pour chaque nouveau défi.

Quand vous avez un marteau, tout ressemble à un clou, mais le monde devient plus intéressant si votre marteau peut changer de forme.

Pour les constructeurs d'une classe de robots appelés robots modulaires auto-réconfigurables (MSRR), le changement de forme est la première étape pour doter les robots d'une adaptabilité maximale à toutes les situations inconnues. "La question de l'autonomie devient plus compliquée, plus intéressante lorsque les robots peuvent se transformer pour s'adapter à des circonstances changeantes, a déclaré le roboticien Hadas Kress-Gazit de l'Université Cornell.

La clé de l'adaptabilité des robots réside dans le traitement sensoriel centralisé, la perception de l'environnement et les logiciels de prise de décision, rapportent cette semaine Kress-Gazit et ses collègues dans un nouvel article publié dans Science Robotics. Les auteurs affirment que c'est la première fois qu'un robot modulaire résout de façon autonome des problèmes en se reconfigurant en fonction d'un environnement changeant. Pour ce faire, ils ont imposé des limites strictes tant à l'environnement qu'au comportement du robot.

Depuis quand s'intéressent-ont à ces robots modulables ?

Les robots auto-réconfigurables remontent à une trentaine d'années, à l'époque des Transformers, a déclaré Mark Yim de l'Université de Pennsylvanie, autre auteur de l'étude, lors d'une conférence de presse avec Kress-Gazit. "La communauté robotique a fait beaucoup de progrès dans la compréhension de l'environnement, dit-il. "Ce que nous faisons de nouveau ici, c'est de comprendre les capacités du robot."

En d'autres termes : Robot, connais-toi toi-même. Le robot qu'ils ont utilisé pour leurs expériences est connu sous le nom de SMORES-EP, et est composé d'un nombre quelconque de modules cubiques qui se clipsent les uns aux autres de différentes manières en utilisant des aimants. La plupart des MSRR sont décentralisés, chaque module contribuant de manière égale à la planification (grâce à son logiciel) et à l'exécution (grâce à son matériel). Ils ont également la capacité de se séparer en un essaim ou de se joindre en un seul objet. L'équipe a présenté une version décentralisée de SMORES-EP plus tôt cette année dans Autonomous Robots.

Mais dans la nouvelle étude, les chercheurs ont fixé une webcam sur un petit mât à l'un des modules du robot, ce qui lui a donné un œil Sauron avec lequel se voir et un processeur central avec lequel commander tous les modules connectés.

La bibliothèque logicielle

Pour préparer le robot au test, l'équipe a construit une bibliothèque logicielle d'actions possibles, telles que la conduite ou la collecte d'un objet, et la forme que le robot devrait adopter pour réaliser l'action.

Ensuite, l'équipe a conçu trois défis de laboratoire pour le robot qui consistaient à identifier les objets colorés et étiquetés dans une zone de test parsemée d'obstacles et à déplacer les objets. Dans un cas, le robot a dû atteindre un tunnel. Dans un autre, il a dû coller un timbre haut sur une boîte.

Pour simplifier les choses, l'équipe a également stocké dans la bibliothèque logicielle du robot des classifications prédéfinies des environnements de test. Le robot devait donc reconnaître et catégoriser les objets et les obstacles qu'il rencontrait à partir d'un ensemble limité de possibilités (tunnel, escalier, etc.), et non d'un ensemble infini, comme il le ferait dans le monde réel. Cette configuration rendait plus probable le succès du robot aux tests rapportés dans l'étude.

Place aux essais du robot

Pendant les essais, le logiciel de planification du robot a pris les informations de la caméra sur l'environnement d'essai et a utilisé sa bibliothèque pour décider de la configuration à utiliser pour tenter chaque tâche. L'équipe a montré que le robot équipé de Sauron pouvait accomplir chaque tâche au cours de plusieurs essais, et bien qu'elle ne l'ait pas comparée directement à une version décentralisée d'elle-même, elle a pris note des points de défaillance du système.

L'équipe a calculé que la plupart des erreurs (un peu plus de 40 %) qui se sont produites pendant les essais étaient des problèmes matériels de bas niveau, comme des défaillances de vérins. Le deuxième domaine le plus problématique était celui de la perception, qui représentait environ un quart des échecs, suivi par les erreurs humaines.

Dans des travaux antérieurs de ce groupe, les robots se sont concentrés sur la modification de leur environnement en déplaçant des objets et en construisant des rampes (voir "Des robots simples exécutent des tâches complexes avec des modifications environnementales").

La capacité du système robotique à intégrer la perception, la planification de haut niveau et le matériel modulaire est le principal pas en avant dans cette recherche, déclare le roboticien Pinhas Ben-Tzvi de Virginia Tech, à Blacksburg : "Avec une spécification de tâche de haut niveau, un robot modulaire explore de façon autonome un environnement inconnu, décide quand et comment reconfigurer, et manipule les objets pour accomplir sa tâche."

Les auteurs écrivent qu'ils pourraient rendre les futurs systèmes plus robustes en incorporant dans le logiciel de planification davantage d'informations de capteurs provenant de composants de bas niveau (comme une roue qui détecte des marches plus hautes que prévu sur un escalier).

Un environnement ouvert tel qu'un robot de recherche et de sauvetage pourrait être plus délicat et nécessiter un calcul plus sophistiqué, explique Mauro Dragone de l'Université Heriot-Watt d'Edimbourg (Royaume-Uni) : "Je pense que la prochaine étape de ce système devrait être de tester dans un environnement réellement stimulant, et non structuré et précédemment conçu, pour montrer la valeur réelle du système."

Retour aux articles de Blog