« Les robots chez soi, c’est comme les enfants. On espère seulement qu’ils mettent moins de bazar. » – Anonyme, probablement frustré par son aspirateur autonome.
Si vous avez déjà crié sur un robot aspirateur incapable de se frayer un chemin autour d’une chaise, assis là, dans l’espoir d’une révolution robotique domestique, vous n’êtes pas seul. Mais pourquoi donc nos camarades en acier préfèrent-ils parfois s’entêter contre un mur plutôt que de conquérir le monde des tâches ménagères à notre place ? Entre tarification exubérante, utilité discutable, et de petits pépins dans leur manière de cartographier leur environnement, on dirait que la route vers l’automatisation domestique est semée d’embûches et de robots égarés.
Néanmoins, des têtes bien faites du MIT ont posé leur cerveau sur ce casse-tête robotique, voyant dans les LLMs (modèles de langage large) une échappatoire brillante à cette impasse technologique.
Des intelligences artificielles pour apprendre aux robots à éviter de perdre la boule, au sens propre comme au figuré.
« Nos chers robots sont d’incroyables imitateurs », commence l’étude. Mais voilà, simuler à la perfection le petit-déjeuner parfait se complique dès qu’un grain de sable, ou plutôt une légère poussée, vient s’interposer. Leurs réponses à ces imprévus ? Repartir de zéro, une méthode peu efficace dans un foyer où le désordre est roi.
L’étude révèle que le mimétisme, malgré sa popularité en robotique domestique, n’est pas taillé pour notre cher bazar quotidien. Plutôt que de voir une tâche comme un enchaînement continuel d’actions, l’idée est désormais de la décomposer en petites portions, permettant à ces créatures de métal de reprendre leur tâche avec grâce après un incident.
Et c’est là que les LLMs font leur entrée spectaculaire, libérant les programmeurs du lourd fardeau de catégoriser et assigner manuellement chaque micro-action. « Les LLMs, c’est un peu comme apprendre à nos amis métalliques à comprendre les étapes d’une tâche en notre langue, leur permettant ainsi de savoir où ils en sont et de rectifier le tir sans aide extérieure », explique Tsun-Hsuan Wang, étudiant de troisième cycle.
Lors d’une démonstration, un robot a été appris à transférer des billes d’une assiette à une autre. Malgré des tentatives humaines pour le déstabiliser, ce dernier, grâce à cette nouvelle méthode, a su s’ajuster sans repartir de zéro. « Avec notre système, inutile de reprogrammer le robot ou de lui montrer comment se remettre d’une erreur. Il gère. », ajoute Wang.
Une invention prometteuse, pour ne pas finir chamboulé par les erreurs de nos camarades robotiques.
Source : Techcrunch
