Transférer les compétences entre robots pour une intelligence artificielle plus sobre

Réutiliser les compétences acquises par les robots

Les méthodes actuelles d'intelligence artificielle permettent aujourd'hui de résoudre des problèmes particulièrement complexes en robotique. Cependant, elles nécessitent généralement un très grand nombre d'expérimentations, réalisées sur des robots réels ou en simulation. Ces phases d'apprentissage entraînent une consommation importante de temps de calcul et d'énergie.
  
Les travaux de Sébastien Lengagne ont pour objectif de capitaliser les compétences acquises par un robot afin qu'elles puissent être réutilisées par un autre robot, même s'il est différent. Cette capacité de transfert permettrait de réduire, voire de supprimer, les longues phases d'apprentissage nécessaires au déploiement de nouveaux robots.
  
Pour y parvenir, les chercheurs développent des méthodes permettant à un robot de projeter ses perceptions dans un espace abstrait partagé avec d'autres robots. Ces recherches mobilisent plusieurs domaines complémentaires : la robotique, l'intelligence artificielle, l'apprentissage automatique et l'optimisation.

Réduire les besoins énergétiques de l'intelligence artificielle

Au-delà des performances robotiques, ces recherches répondent également à un enjeu environnemental. Les méthodes actuelles d'intelligence artificielle sont particulièrement consommatrices de ressources et nécessitent souvent des architectures de calcul puissantes et déportées.
  
À moyen terme, l'énergie mobilisée autour de l'intelligence artificielle pourrait devenir équivalente à celle consommée par un pays industrialisé. L'objectif de ces travaux est donc de proposer de nouvelles méthodes permettant de réduire ces besoins énergétiques.
  
Cette démarche s'inscrit naturellement dans les objectifs de Polytech Clermont, notamment en matière de développement durable et d'énergie.

Des applications dans de nombreux secteurs

À terme, ces recherches ont vocation à rendre les systèmes robotiques plus autonomes, plus économes en ressources et plus facilement adaptables à de nouveaux contextes.
  
Les applications concernent de nombreux domaines, parmi lesquels l'industrie, la santé ou encore l'assistance aux personnes.
  
À moyen terme, les approches développées pourraient être intégrées aux plateformes robotiques afin de faciliter le déploiement de nouveaux robots sans avoir à recommencer entièrement leur apprentissage. À plus long terme, elles pourraient devenir un élément clé des futures générations de robots autonomes, capables d'apprendre plus rapidement, de partager leurs connaissances et de s'adapter à de nouvelles tâches avec un minimum d'expérimentations.

Une recherche collaborative

Ces travaux sont menés en collaboration avec plusieurs chercheurs de l'Institut Pascal. Ils s'appuient également sur l'encadrement de plusieurs étudiants en doctorat, en master 2, en master 1 ainsi que dans le cadre de projets étudiants.
  
Ils bénéficient aussi d'une collaboration avec l'Université de Tokyo, autour de l'extension de ces recherches au transfert de compétences entre l'humain et le robot pour des tâches de manipulation dextre. Un stage est actuellement co-encadré sur cette thématique.

Les prochaines étapes

Les premiers résultats sont encourageants, mais le transfert de compétences entre robots constitue encore un important défi scientifique.
  
Les prochaines étapes consistent à étendre ces méthodes à des robots de plus en plus différents les uns des autres et à démontrer leur efficacité sur des tâches plus complexes. Aujourd'hui, les chercheurs supposent que les robots peuvent réaliser une même tâche de la même manière. L'objectif est désormais de leur permettre d'accomplir une même tâche, mais en adoptant des façons de faire différentes.
  
Et si tout se déroule comme prévu, un premier démonstrateur pourrait bientôt faire son apparition à Polytech Clermont : un robot capable d'attraper une balle au vol.