L’Introspection de même que l’adaptation et l’implication sont de vastes champs d’exploration dans la robotique.
Nathan Michael, Professeur et Directeur du Laboratoire dédié aux systèmes résilients à l’Université de Carnegie Mellon explique ainsi sur Robohub qu’un Robot introspectif est capable de comprendre ce qu’il doit faire et aussi comment il agit par rapport à ce qu’il doit réaliser dans un environnement donné. Il saura par exemple dans certaines circonstances réparer, changer ses capteurs dégradés et mémoriser ses actions pour une future situation.
« A l’heure actuelle ces capacités introspectives sont encore loin d’avoir un taux de réussite acceptable et donc loin d’être déployées industriellement mais il s’agit de l’avenir, ce qui ouvrira un champ d’applications extrêmement vaste. En attendant l’approche reste globalement de focaliser ces robots sur des tâches et environnements maîtrisés en gardant l’inconnu à un strict minimum explique Pierre Lebeau d’Exceenis.
Des robots à l’aise avec l’incertitude
L’intelligence contextuelle et la capacité de décisions de robots présentent de véritables défis algorithmiques, de calcul, de masse de data et de capteurs particulièrement dans des situations où les robots sont utilisés dans des environnements où l’erreur n’est pas acceptable, comme pour la surveillance de réacteurs nucléaires par exemple.
Un bon robot introspectif sera par exemple capable de discriminer de nombreux signaux d’erreurs et messages contextuels contradictoires pour changer de stratégie. Un robot “Quadcopter” évolué lancé à toute vitesse dans un environnement comme une forêt doit être capable de choisir le capteur le plus utile pour évoluer à grande vitesse dans un environnement qu’il ne connaît pas.
Un enfant évolutif
« Pour arriver à cette introspection et plus globalement à l’apprentissage autonome souvent nous comparons le robot à l’humain dans son évolution (du stade d’enfant à l’âge adulte), lui aussi devra être capable d’apprendre, de faire des erreurs et de mieux réagir les fois suivantes. Dans certains cas ce “trial and error” est acceptable, dans d’autres non, mais le mécanisme d’apprentissage reste le même que pour nous humains, l’expérience est clé car tout ne peut être prédéfini ajoute Pierre Lebeau.
C’est l’acuité de la perception de l’environnement combinée à l’acuité de l’évaluation de leurs propres états qui fait la qualité des robots introspectifs. Une complexité qui s’intensifie en terme de perception distribuée avec les réseaux de robots opérant en maillage (Mesh/Swarm).
« Au delà de créer des difficultés, le maillage est une force et un atout fondamental. Apprendre individuellement mais en faire bénéficier le réseau : l’avantage qu’a le robot sur l’humain c’est qu’il peut apprendre en maillage en apprenant des expériences, erreurs et réussites des autres machines en temps réel (ce que nous ne pouvons pas faire et qui nous limite fondamentalement). Cette capacité d’apprentissage étant quasi exponentielle, les opportunités à venir sont vertigineuses, mais le chemin pour y arriver reste encore long » complète Pierre Lebeau.
L’un des plus grands challenges pour les robots introspectifs est le “perceptual aliasing” qui entraîne la confusion d’environnements faussement similaires causés par une simplification d’informations et qui, souvent, mènent à de mauvaises décisions. La qualité de l’expérience historique des robots est donc un challenge particulièrement passionnant.
« Le cerveau humain (ou animal) et son inconscient reste encore de loin la machine la plus efficace à l’heure actuelle pour gérer ces multitudes d’informations et pour pouvoir prendre le plus souvent les bonnes décisions, car nous, à la différence du robot, avons un instinct de survie. » Conclut Pierre Lebeau d’Exceenis.
In fine, chez les Robots, comme chez les êtres pensants, le choix de l’information que l’on choisit de garder et de privilégier est donc crucial.
A propos de Pierre Lebeau : Pierre est Co-fondateur et Président d’Exceenis, une entreprise de développement hardware, IA et logiciel embarqué. Il était précédemment le fondateur de Keecker, une startup de robotique grand public après avoir passé 7 ans chez Google en tant que Product Manager.