La NSF américaine investit 30 millions de dollars pour créer un centre de recherche sur la co-adaptation homme-robot

fr.wedoany.com Rapport : L'Université du Texas à Austin (University of Texas at Austin, UT Austin) dirigera la création d'un centre de recherche de la National Science Foundation (NSF) américaine, doté d'un budget de 30 millions de dollars sur cinq ans, dont l'objectif principal est de résoudre un défi auquel les robots doivent faire face au-delà des usines et des entrepôts : le comportement humain est imprévisible et évolue constamment dans le temps.

Ce projet de recherche, nommé « Centre pour la co-adaptation homme-robot » (Center for Human and Robot Co-Adaptation), rassemble 39 chercheurs issus de six universités, qui s'intéressent à la manière dont les humains et les machines apprennent mutuellement et ajustent leurs comportements respectifs lors d'interactions à long terme. Le centre n'examine pas si un robot réussit une tâche lors d'une démonstration, mais ce qui se passe lorsque le même groupe de personnes et de robots interagissent pendant des mois, voire des années.

Des entreprises telles qu'Amazon, Apptronik, Diligent Robotics, Google DeepMind, Hello Robot, MassRobotics, NVIDIA et Robust AI participent en tant que partenaires industriels, couvrant des domaines variés comme les robots humanoïdes, la manipulation mobile, l'intelligence artificielle et la robotique commerciale. Joydeep Biswas, directeur du centre et professeur associé d'informatique à l'UT Austin, a déclaré : « Le prochain bond en avant de la robotique ne consiste pas seulement à faire exécuter davantage de tâches aux robots, mais à leur permettre de comprendre les personnes qui les entourent, leurs besoins, leurs préférences, leurs valeurs et leurs contraintes, tout en reconnaissant que les gens ajustent également leur comportement lorsqu'ils intègrent des robots dans leur environnement. »

Depuis longtemps, la robotique s'appuie sur la réduction au minimum des variables environnementales pour garantir un fonctionnement stable. Les robots industriels travaillent dans des postes soigneusement conçus, les pièces arrivent aux emplacements prévus, et des barrières et capteurs séparent les humains des dangers potentiels. Les robots collaboratifs et les robots mobiles autonomes de nouvelle génération, bien qu'ils puissent s'adapter aux variations de conditions, restent contraints par des flux de travail et des limites environnementales clairement définis. L'IA physique pousse les robots à dépasser ces hypothèses. Les robots développés pour les soins médicaux, les soins aux personnes âgées, l'hôtellerie, la construction et même la maison devront à l'avenir travailler dans des espaces qui ne peuvent pas être reconçus pour les machines, et le défi n'est pas seulement que l'environnement change, mais aussi que les personnes qui s'y trouvent évoluent — les capacités physiques d'un patient peuvent varier d'une semaine à l'autre, les besoins d'une personne âgée peuvent changer en quelques années, et les travailleurs développent de nouvelles façons de collaborer en apprenant les forces et les faiblesses des robots.

Le centre appelle cet ajustement bidirectionnel « co-adaptation homme-robot ». L'UT Austin illustre ce concept par un exemple simple : apprendre à un robot à dresser une table n'est pas difficile, mais qu'il remarque que quelqu'un prépare du chili et place spontanément une cuillère à soupe, sans instruction explicite, exige une compréhension plus profonde du contexte, des comportements et des préférences. Le scénario médical est encore plus critique : un robot d'assistance peut apprendre à ajuster sa portée en fonction des limitations physiques d'une personne pour l'aider à attraper un verre d'eau ; la personne apprendra également progressivement ce que le robot peut faire et comment lui demander de l'aide, créant ainsi une boucle de rétroaction d'ajustement mutuel.

Cette évolution introduit une nouvelle dimension d'évaluation pour les entreprises de robotique. Le système doit non seulement accomplir de manière fiable les tâches actuelles, mais aussi déterminer si les comportements réussis hier sont encore appropriés aujourd'hui. Des modèles durables des utilisateurs et de l'environnement, une compréhension contextuelle renforcée et la capacité d'apprendre à partir de comportements imprévisibles sont des éléments nécessaires, tout en soulevant une série de questions sur la vie privée, la sécurité et le consentement : quel degré d'autonomie faut-il réellement accorder à un robot qui s'adapte continuellement aux humains ? À mesure que les robots passent des ateliers contrôlés aux foyers, aux hôpitaux et aux établissements de vie assistée, la complexité de ces questions ne fera qu'augmenter.

Le centre prévoit de mener ses recherches en s'appuyant sur un réseau de déploiement dans le monde réel, appelé « Réseau d'installations Environnement humain avec robots » (Human Environment with Robots, HERO). Les sites seront installés à l'UT Austin et dans ses institutions partenaires — le Massachusetts Institute of Technology (MIT), l'Université Yale (Yale University), l'Université de l'Indiana à Bloomington (Indiana University Bloomington), l'Université de l'Utah (University of Utah) et l'Université Tufts (Tufts University) — dans des maisons, des résidences universitaires, des cafés, des musées publics, des hôpitaux de réadaptation ainsi que des résidences de soins aux personnes âgées et de vie assistée. Les déploiements à long terme aideront les chercheurs à observer ce qui se passe une fois la nouveauté dissipée : les résidents pourraient découvrir des raccourcis, modifier leur façon de communiquer avec les machines, ou trouver des usages que les développeurs n'avaient jamais anticipés ; les membres de la communauté pourront également donner leur avis sur le moment, le lieu et la manière des déploiements.

Le centre est également en phase avec plusieurs technologies qui stimulent actuellement les investissements dans l'IA physique. Le Texas Advanced Computing Center (TACC) de l'UT Austin fournira la puissance de calcul nécessaire pour la simulation, l'apprentissage automatique, le stockage de données et les jumeaux numériques des sites HERO, permettant aux chercheurs de tester d'abord leurs méthodes dans des environnements virtuels avant de les déployer dans des résidences universitaires ou des maisons de retraite. NVIDIA fournira des plateformes de calcul accéléré, de simulation et de robotique pour la formation et l'évaluation à grande échelle, tout en examinant les modèles de fondation qui soutiennent la collaboration homme-robot. Deepu Talla, vice-président de la robotique et de l'IA de périphérie chez NVIDIA, a déclaré que pour que les robots fassent partie de la vie quotidienne, ils doivent rester utiles à mesure que les besoins, les tâches et les environnements des personnes évoluent.

L'entreprise de robots humanoïdes Apptronik entretient des liens plus profonds avec l'UT Austin : cette société basée à Austin a été fondée en 2016 à partir du laboratoire de robotique centrée sur l'humain (Human Centered Robotics Lab) de l'université, et les chercheurs prévoient d'intégrer ses conceptions de robots et ses modèles informatiques dans l'exploration du déploiement sécurisé de machines humanoïdes dans des environnements humains. Diligent Robotics, Hello Robot et Robust AI apportent respectivement leur expérience en manipulation mobile et en conception de robots conçus pour travailler aux côtés des humains, tandis qu'Amazon et Google DeepMind offrent une perspective sur l'automatisation et l'intelligence artificielle à grande échelle. La participation de ces partenaires industriels fait du centre non seulement un projet académique, mais aussi un pont entre la recherche fondamentale sur le comportement humain et les plateformes commerciales qui tentent d'introduire l'IA physique dans les environnements quotidiens.

La valeur commerciale de la co-adaptation repose en fin de compte sur les taux d'utilisation et le retour sur investissement. Un robot conçu pour une tâche unique peut créer de la valeur tant que la fréquence de cette tâche est suffisamment élevée pour amortir l'investissement, un modèle déjà validé dans des secteurs hautement répétitifs comme la fabrication automobile. De nombreux marchés visés par les entreprises d'IA physique ne fonctionnent pas ainsi : les tâches sont diverses, les environnements changent constamment, et les clients peuvent s'attendre à ce qu'un même robot assume davantage de fonctions au fil du temps. Un robot capable d'apprendre les préférences des utilisateurs, de s'adapter aux changements de processus et d'acquérir de nouvelles capacités sans nécessiter de reprogrammation intensive aura un champ d'application plus large et atteindra plus facilement les taux d'utilisation nécessaires pour justifier l'investissement ; à l'inverse, un système qui exige une intervention manuelle à chaque changement d'environnement ou de processus, même techniquement impressionnant, pourrait avoir du mal à réussir commercialement.

En regardant la majeure partie de l'histoire de l'industrie robotique, la façon dont le secteur a traité la variabilité a été de l'éliminer par l'ingénierie : les usines sont construites autour des robots parce que les machines sont extrêmement efficaces lorsque le monde environnant reste prévisible. La nouvelle génération de technologies robotiques tente quelque chose de plus difficile : l'IA physique vise à créer des machines capables de percevoir, de raisonner et d'agir dans des environnements conçus pour les humains et non pour les machines. Les modèles de fondation, la simulation, une manipulation plus habile et un matériel plus performant font tous partie de cette équation. Mais placer des robots dans des environnements humains introduit également une variable que l'ingénierie ne peut pas éliminer : l'humain. Les gens se familiariseront avec le comportement des machines, modifieront leurs processus autour d'elles, ou dépendront d'elles de manières que les développeurs n'avaient pas anticipées. En investissant ces 30 millions de dollars dans la co-adaptation homme-robot, la NSF cherche précisément à comprendre comment cette relation se déroulera ; pour une industrie qui a déjà investi des milliards de dollars pour faire passer les robots des environnements contrôlés au monde humain, la réponse pourrait déterminer quels systèmes survivront réellement.