Un système permettant d’observer le fonctionnement du cerveau ouvre la voie vers les robots du futur
La base biologique qui préside à des actions comme frapper ou taper dans une balle peut être mieux comprise en copiant les mécanismes d’apprentissage dans le cervelet. En extrayant des informations des signaux sensoriels moteurs, cet organe en forme de feuille répond aux stimuli environnementaux. Le projet BIOMODULAR a élaboré un nouveau modèle d’apprentissage informatique bio-inspiré pour les robots modulaires. «En combinant des techniques d’apprentissage automatique et un cervelet modulaire impulsionnel, nous avons élaboré un processus qui aboutit à la formation de mémoires motrices à long terme, un réseau d’apprentissage machine-cervelet (CML – cerebellar-machine-learning)», décrit la Dre Silvia Tolu, coordinatrice et chercheuse du projet. Frapper la balle de mieux en mieux La Dre Tolu poursuit en expliquant ce que BIOMODULAR a accompli: «Notre objectif n’était pas de construire directement une robotique haute performance, mais plutôt des systèmes capables de s’adapter et d’apprendre à partir d’une véritable auto-formation, en manipulant par exemple un objet pour améliorer leurs performances.» Les robots résultants sont très flexibles pour une grande variété de tâches et de scénarios. De plus, le moteur de commande peut s’adapter à un robot et optimiser ses performances à chaque étape. Les chercheurs ont créé des boucles de contrôle bio-inspirées intégrant un réseau CML et les ont testées avec des robots simulés et réels, ainsi qu’avec le matériel neuromorphique SpiNNaker, effectuant des tâches avec une cinématique et une dynamique qui évoluent. Les réussites sont également assorties de défis et la carte SpiNNaker a présenté des inconvénients. Actuellement, il n’est pas possible de coder différentes règles de plasticité impliquant les mêmes neurones. «C’est quelque chose qui fait encore l’objet de recherche et de développement et, une fois que cela sera possible, le réseau cérébelleux impulsionnel assorti de trois règles de plasticité sera déployé sur la puce», souligne la Dre Tolu. La prochaine génération de robots BIOMODULAR a favorisé le développement de systèmes d’apprentissage artificiels adaptatifs incorporant des réseaux neuronaux impulsionnels et des mécanismes d’apprentissage automatique. Avec une vaste gamme d’applications en robotique, une meilleure compréhension du cerveau facilitera la conception de schémas de contrôle biologique plausibles pouvant être généralisés à n’importe quel robot, quelles que soient les conditions. «En fait, imiter la fonctionnalité biologique du système nerveux central mènera à la création d’agents robotiques intelligents autonomes, qui constitueront la nouvelle génération de robots», souligne la Dre Tolu. Évoquant, sans en avoir le caractère extrême, la littérature d’Asimov et «I, robot», les robots du futur fonctionneront dans des environnements réels, peut-être partiellement inconnus et/ou en train d’évoluer, comme le font les systèmes vivants, sous des paradigmes de contrôle qui vont au-delà des algorithmes de contrôle conventionnels à mesure qu’ils s’adaptent, apprennent et se reconnaissent de façon autonome. Les robots fonctionneront en toute sécurité à proximité des personnes et dans différents domaines, loin de l’environnement étroitement contrôlé d’une usine. La future génération de robots dociles à apprentissage autonome peut fonctionner en toute sécurité dans un environnement humain. En transformant la société, ceux-ci auraient un impact considérable sur la technologie en tant que systèmes autonomes de robotique fonctionnelle. En ce qui concerne le présent L’approche de BIOMODULAR réduit la quantité d’informations dont le système de contrôle a besoin, ce qui donne un système de contrôle robotique en temps réel qui peut apprendre de manière autonome à effectuer des tâches physiques déterminées et à s’adapter à des conditions changeantes, parfois difficiles. «Aucune personnalisation excessive ne sera nécessaire», souligne la Dre Tolu. Tous les types de robots tireront parti de ce système de contrôle prédictif adaptatif pour réaliser des comportements souhaités et épanouissants. «Exploitant cette approche, BIOMODULAR, financé par l’institut Marie Skłodowska-Curie, continue de rechercher des informations importantes sur la structure modulaire du cervelet et sur son implication dans le traitement des entrées sensorielles pour les tâches de contrôle moteur», conclut la Dre Tolu.
Mots‑clés
BIOMODULAR, robot, cervelet, modulaire, apprentissage automatique, système de contrôle, sensoriel, réseau CML
