RiceGrip – Un système d’apprentissage des particules pourrait aider les robots à préparer des sushis

Il y a eu de nombreuses tentatives pour apprendre aux robots à saisir des objets délicatement. RiceGrip est l’une d’entre elle.

Les robots ont tendance à s’appuyer sur des approximations. Mais les chercheurs du MIT ont peut-être trouvé une meilleure solution. Ils ont décidé d’apprendre aux robots à prévoir comment même les objets les plus délicats réagiront à leur contact. Avec RiceGrip, ils ont développé un système de simulation de particules « basé sur l’apprentissage » qui permet aux robots d’affiner leur approche.

RiceGrip – Un système d'apprentissage des particules pourrait aider les robots à préparer des sushis

Le nouveau modèle capture comment les petites pièces d’un matériau donné (les « particules » en question) réagissent au toucher. Ensuite, il apprend de cette information lorsque la physique d’une interaction donnée n’est pas claire. Cela ressemble à la façon dont les humains comprennent intuitivement la préhension.

L’équipe a fait la démonstration de son système en chargeant un robot à deux doigts, RiceGrip, de transformer la mousse déformable en une forme souhaitée ; un peu comme si vous pouviez façonner des sushis. Il a utilisé une caméra de profondeur et une reconnaissance d’objet pour identifier la mousse. Ensuite, il a étudié le modèle pour envisager la mousse en tant que graphique dynamique pour les matériaux déformables. Même s’il avait déjà une idée de la façon dont les particules réagiraient, il ajusterait son modèle si le « sushi » se comportait d’une manière inattendue.

Pour le moment, le prototype développé n’est pas complètement fonctionnel. Les scientifiques veulent améliorer leur approche en utilisant des situations partiellement observables. Ils aimeraient également que RiceGrip fonctionne directement avec des images.

Si et quand cela se produira, cela pourrait représenter une réelle avancée pour les robots car ils auraient plus de facilité à manipuler pratiquement n’importe quel type d’objet ; même lorsque des liquides ou des solides mous pourraient rendre les résultats difficiles à déterminer à l’avance. La méthode d’apprentissage rend la perspective beaucoup plus réaliste.

a

A propos de l'auteur

Mathieu Carlier

Blogueur passionné (ou acharné) j'ai d'abord créé Deco Tendency puis Le Blog des Tendances, Drone Trend et enfin Le Blog Domotique.

Laisser un commentaire