Google DeepMind : découvrez comment des chercheurs s’unissent pour créer l’ImageNet révolutionnaire des actions robotiques !

La quête de l’apprentissage dans la robotique

De tous les saints graals de la robotique, l’apprentissage est peut-être le plus sacré. À une époque où le terme « usage général » est utilisé à tort et à travers, il peut être difficile pour les non-roboticiens de comprendre ce que les systèmes actuels peuvent faire – ou ne peuvent pas faire. La vérité est que la plupart des robots d’aujourd’hui sont conçus pour bien faire une (ou quelques-unes, si vous avez de la chance) chose(s).

La transition vers la robotique polyvalente

C’est une réalité qui s’applique à toute l’industrie, des aspirateurs robotiques les plus modestes aux systèmes industriels les plus avancés. Alors, comment passer de la robotique spécialisée à la robotique polyvalente ? Il est certain qu’il y aura de nombreux arrêts en terre polyvalente en cours de route.

L’apprentissage des robots

La réponse, bien sûr, est l’apprentissage des robots. Rendez-vous dans n’importe quel laboratoire de recherche en robotique de nos jours et vous trouverez des équipes qui travaillent sur cette question. Il en va de même pour les start-ups et les grandes entreprises. Regardez les entreprises Viam et Intrinsic, qui travaillent à réduire les obstacles à la programmation des robots.

Les solutions actuelles sont assez diverses, mais il me semble de plus en plus évident que ce problème ne sera pas résolu par une solution miracle unique. Construire des systèmes plus complexes et plus performants impliquera presque certainement une combinaison de solutions. Mais la plupart d’entre elles nécessiteront une grande base de données partagée.

La base de données Open X-Embodiment de Google

L’équipe de robotique de DeepMind de Google a annoncé cette semaine le travail qu’elle a réalisé avec 33 instituts de recherche pour créer une énorme base de données partagée appelée Open X-Embodiment. Les chercheurs derrière ce projet la comparent à ImageNet, une base de données de plus de 14 millions d’images datant de 2009.

« Tout comme ImageNet a propulsé la recherche en vision par ordinateur, nous pensons qu’Open X-Embodiment peut en faire autant pour faire progresser la robotique », notent les chercheurs de DeepMind, Quan Vuong et Pannag Sanketi. « Construire une base de données de démonstrations de robots diversifiées est l’étape clé pour former un modèle généraliste capable de contrôler de nombreux types de robots différents, de suivre des instructions variées, d’effectuer des raisonnements de base sur des tâches complexes et de généraliser efficacement. »

Ils ajoutent que cette tâche est bien trop grande pour être confiée à un seul laboratoire. La base de données comprend plus de 500 compétences et 150 000 tâches tirées de 22 types de robots différents. Comme l’indique la partie « Open » du nom, les créateurs de la base de données la mettent à disposition de la communauté de recherche.

« Nous espérons que la mise en libre accès des données et la fourniture de modèles sûrs mais limités réduiront les obstacles et accéléreront la recherche », ajoute l’équipe. « L’avenir de la robotique repose sur la capacité des robots à apprendre les uns des autres, et surtout, sur la possibilité pour les chercheurs d’apprendre les uns des autres. »