Un robot humanoïde apprend des séquences complexes sans données d'entraînement unifiées
Des ingénieurs de l'université nationale de Séoul présentent le cadre RISE pour relier marche et manipulation sur un Unitree G1.
Traduit automatiquement de l’original en anglais Lire l’original
Apprendre à une machine bipède à traverser une pièce et à manipuler des objets exige généralement des séquences de démonstration ininterrompues, difficiles à enregistrer de façon fiable. Une équipe de recherche de l'université nationale de Séoul a conçu une architecture vision-langage-action appelée RISE, qui relie des données de marche et de manipulation recueillies séparément pour exécuter des tâches séquentielles. Le système fait progresser la robotique pratique en allégeant la charge d'entraînement des machines physiques.
Le goulot d'étranglement de l'entraînement aux deux compétences
Les modèles vision-langage-action pilotés par l'intelligence artificielle permettent aux machines d'interpréter des commandes en langage naturel en même temps que des scènes visuelles pour exécuter des mouvements physiques dans la robotique avancée. Appliquer ces systèmes à un robot humanoïde pose un problème mécanique fondamental, comme le rapporte TechXplore. La locomotion repose sur la coordination des jambes et l'équilibre, tandis que la manipulation exige un suivi précis des bras et des mains. Lorsque les ingénieurs tentent de recueillir des démonstrations complètes à plusieurs étapes combinant les deux comportements, la moindre défaillance lors d'un mouvement intermédiaire ruine l'ensemble du jeu de données. Recueillir des exemples isolés de marche ou de préhension est bien plus simple, mais des jeux de données séparés ne permettent pas d'apprendre à une machine quand un comportement doit s'arrêter et quand le suivant doit commencer.
Attribuer la responsabilité à des experts individuels
Pour combler cette lacune sans démonstrations de tâches de bout en bout, une équipe dirigée par le professeur Songhwai Oh au College of Engineering de l'université nationale de Séoul a créé RISE, pour Responsibility-Induced Specialized Experts. Décrit dans des travaux acceptés pour la conférence IROS 2026, le cadre associe un système de perception visuelle et linguistique partagé à un méta-contrôleur et à plusieurs sous-modules d'action, selon TechXplore. Pendant la phase d'apprentissage, le contrôleur mesure la précision de prédiction de chaque action et attribue un score opérationnel appelé responsabilité. Les sous-modules qui obtiennent les meilleurs scores gagnent une influence accrue sur des mouvements spécifiques, répartissant automatiquement le travail entre locomotion et manipulation sans rôles préprogrammés. Le système surveille ensuite l'évolution de ces pondérations d'experts pendant l'exécution, en utilisant ces changements comme déclencheurs automatiques pour passer d'une étape à l'autre.
Tester l'exécution à plusieurs étapes sur du matériel physique
Les chercheurs ont évalué l'architecture dans des environnements simulés avant de la déployer sur du matériel physique, à l'aide d'un Unitree G1 équipé de deux mains Dex3-1. Cette configuration physique conférait à la machine 43 degrés de liberté contrôlables, comme le détaille TechXplore. Lors de tests numériques portant sur des tâches de deux à quatre étapes impliquant des bouteilles, des tasses et des fruits, la nouvelle méthode a atteint un taux de réussite moyen de 87,3 %. Elle a dépassé les 73,6 % enregistrés par une référence fondée sur le modèle de base GR00T de NVIDIA. Sur le robot Unitree physique, les tâches comptaient jusqu'à cinq étapes, notamment récupérer un objet, se déplacer et saisir un second objet. Dans des conditions physiques, le système a enregistré un taux de réussite de 50,0 %, surpassant la référence de 20 points de pourcentage à mesure que la complexité des tâches augmentait, ce qui constitue une innovation prometteuse pour l'avenir des systèmes autonomes.
À lire aussi sur The Patent : Des chercheurs de Pékin conçoivent des échafaudages osseux en 12 secondes grâce à l'IA
