Apprentissage robotique

L'apprentissage robotique est un domaine de recherche à l'intersection de l'apprentissage automatique et de la robotique . Il étudie les techniques permettant à un robot d'acquérir de nouvelles compétences ou de s'adapter à son environnement grâce à des algorithmes d'apprentissage. L'incarnation du robot, situé dans un environnement physique, présente à la fois des difficultés spécifiques (par exemple, la grande dimensionnalité, les contraintes de temps réel pour la collecte de données et l'apprentissage) et des opportunités pour guider le processus d'apprentissage (par exemple, les synergies sensori-motrices, les primitives motrices).

Les algorithmes d'apprentissage ciblent des compétences telles que les capacités sensori-motrices (locomotion, préhension, catégorisation active d'objets ), les capacités interactives (manipulation conjointe d'un objet avec un pair) et les capacités linguistiques (compréhension du sens contextualisé du langage) . L'apprentissage peut se faire par auto-exploration autonome ou grâce à l'intervention d'un enseignant humain, comme par exemple dans l'apprentissage par imitation chez les robots.

L'apprentissage robotique est étroitement lié au contrôle adaptatif , à l'apprentissage par renforcement et à la robotique développementale, qui s'intéresse à l'acquisition autonome et continue de compétences. Bien que l'apprentissage automatique soit fréquemment utilisé par les algorithmes de vision par ordinateur en robotique, ces applications ne sont généralement pas désignées sous le terme d'« apprentissage robotique ».

Des groupes de recherche et des entreprises développent des modèles vision-langage-action , des modèles fondamentaux permettant le contrôle robotique grâce à la combinaison de la vision et du langage. Google DeepMind , Figure AI et Hugging Face travaillent activement sur ce sujet.