Les systèmes artificiellement intelligents ont donné aux robots la capacité de saisir et de manipuler des objets avec une dextérité semblable à celle de l’homme. Maintenant, les chercheurs disent avoir développé un algorithme grâce auquel les machines pourraient apprendre à marcher par elles-mêmes. Dans un article publié sur Arxiv.org (« Learning to Walk via Deep Reinforcement Learning »), des scientifiques de l’Université de Californie, de Berkeley et de Google Brain, une des divisions de recherche en intelligence artificielle (IA) de Google, décrivent un système IA qui a « appris » à un robot quadrupède à traverser un terrain connu et inconnu.
Le défi derrière la conception était double. L’apprentissage par renforcement, une technique qui utilise des récompenses ou des punitions pour amener les agents à atteindre leurs objectifs, nécessite de grands volumes de données, dans certains cas des dizaines de milliers d’échantillons, pour obtenir de bons résultats. De plus, la mise au point des hyperparamètres d’un système robotique, c’est-à-dire les paramètres qui déterminent sa structure,- nécessite généralement plusieurs cycles d’entraînement, ce qui peut endommager les robots avec le temps.
Lors d’expériences menées dans le laboratoire d’OpenAI, les chercheurs ont appliqué leur modèle à un Minitaur à quatre pattes, un robot à huit actionneurs, des codeurs de moteur qui mesurent les angles du moteur et une unité de mesure inertielle (IMU) qui mesure l’orientation et la vitesse angulaire. Après 160 000 pas effectués en deux heures avec un algorithme qui récompense la vitesse d’avancement et pénalise les « grandes accélérations angulaires » et les angles de tangage, ils ont réussi à entraîner le Minitaur à marcher sur un terrain plat, sur des obstacles comme des blocs de bois, en montée et en pente.
