fr.wedoany.com Rapport : L’entreprise britannique de robotique et d’intelligence artificielle Humanoid a dévoilé KinetIQ Ascend, une solution technique basée sur l’apprentissage par renforcement, conçue pour atteindre une fiabilité opérationnelle de 99,9 % à une vitesse humaine, voire supérieure.
KinetIQ Ascend s’appuie sur la plateforme KinetIQ précédemment publiée et améliore directement les performances des robots dans les tâches industrielles grâce à un apprentissage par essais et erreurs. Ce système a été testé sur plusieurs tâches, notamment la préhension de pièces dans des bacs, la remise d’objets à des humains, ainsi que le levage et le déplacement de conteneurs à deux bras, et s’est avéré efficace dans différents scénarios opérationnels.
Dans une application d’alimentation de machine, où le robot saisit des bagues en acier dans un bac et les place sur un tapis roulant, KinetIQ Ascend a augmenté le débit de 42 %, permettant au robot de fonctionner à 1,5 fois la vitesse de démonstration humaine initialement apprise. Dans une autre tâche consistant à saisir des objets dans une valise en désordre et à les remettre à un humain, cette méthode a amélioré le débit de 85 %, faisant passer le taux de réussite de 80 % à 98 %.
Dans une troisième tâche de manipulation de valise à deux bras, où le robot soulève une valise d’une table avec ses deux bras, le débit a plus que doublé, le taux de réussite est passé de 78 % à 99 %, et le taux de défaillance a été réduit d’environ 20 fois, tous ces résultats étant obtenus après seulement quelques jours d’entraînement.
Ces résultats montrent une nouvelle manière de développer les capacités des robots avec KinetIQ Ascend, qui s’est avérée efficace dans une série de tâches opérationnelles réelles, allant de la préhension rapide à un seul bras à la manipulation complexe à deux bras. La technologie démontre également que les performances des robots s’améliorent de manière prévisible avec l’augmentation du temps d’entraînement, à l’instar des grands modèles de langage qui s’améliorent avec davantage de calculs et de données disponibles. Les tendances d’extension observées, soutenues par des simulations, indiquent que cette approche peut être étendue jusqu’à une fiabilité de 100 %.
La nouvelle méthode révèle également deux autres découvertes : l’amélioration de la partie la plus difficile du flux de travail peut améliorer l’ensemble de la tâche, et le robot est capable de généraliser à des objets non vus lors de l’entraînement.
Jarad Cannon, directeur technique de Humanoid, a déclaré que la course aux robots humanoïdes devient une question d’échelle, et que l’apprentissage par renforcement dans le monde réel peut constituer une partie centrale de la solution. Les robots qui nécessitaient autrefois des mois de réglage manuel dépassent désormais les performances des démonstrations humaines en quelques jours. KinetIQ Ascend offre une nouvelle voie pour développer les capacités des robots, sans avoir à passer des mois à collecter des données et à régler manuellement chaque nouvelle compétence. En partant de comportements de base, l’apprentissage par renforcement les affine en capacités déployables, un processus appelé « usine de capacités », marquant la transition des robots humanoïdes de la démonstration à des outils industriels fiables.
Humanoid a présenté ces découvertes dans un nouveau rapport technique couvrant la méthodologie complète de KinetIQ Ascend, y compris l’infrastructure d’entraînement, les solutions algorithmiques et une analyse plus approfondie des résultats.
