Un robot humanoïde grimpe l'échelle : appris en 13 minutes, prouvé uniquement en simulation

Un Unitree G1 grimpe une échelle, saute par-dessus une caisse et se relève seul après une chute, il a appris cela à partir de 13,2 minutes de mouvement humain. Le Robotic Systems Lab de l'ETH Zurich a soumis le travail le 22 octobre, en collaboration avec des chercheurs d'Apple et Nvidia.

Ce qui est nouveau, c'est l'abandon du modèle, car le robot ne copie plus un mouvement enregistré, mais planifie lui-même à l'avance où il veut s'appuyer avec les mains, les genoux ou les coudes. Le taux de réussite de 92,5 pour cent semble convaincant, mais il provient de cours de simulation où le bruit des capteurs et les retards de commande étaient désactivés. Pour le vrai robot dans une vraie halle, l'article ne donne aucun chiffre de réussite.

Deux réseaux de neurones se partagent le travail, et tous deux fonctionnent à bord à cinquante hertz. Le premier prédit où les mains, les coudes, les genoux, les pieds et le bassin doivent prendre contact avec l'environnement au cours des 1,5 secondes suivantes, neuf points de contact au total. Le second traduit ce plan en commandes pour 23 articulations, tandis que la régulation articulaire en dessous fonctionne quatre fois plus vite. L'environnement est vu par un lidar sur la tête, dont le nuage de points devient une carte d'altitude avec une grille de trois centimètres en moins de trente millisecondes, et tout cela est calculé sur le processeur principal d'une Jetson Orin NX.

Derrière cela se cache une décision sur laquelle la robotique se dispute depuis des années. Celui qui entraîne une commande sans modèle de mouvement obtient une machine qui s'adapte bien à un terrain inconnu, mais qui semble maladroite et n'arrive que difficilement à se convaincre de mouvements coordonnés de tout le corps. Celui qui imite les enregistrements humains, en revanche, obtient des mouvements fluides qui échouent immédiatement en dehors des trajectoires enregistrées. Le groupe de Zurich utilise les données de mouvement uniquement comme savoir préalable dans l'entraînement et fait du contact lui-même l'interface entre la perception et la commande. À l'exécution, la machine peut ainsi se passer de toute référence et ne connaît que son propre état, la carte d'altitude et un objectif.

Les 13,2 minutes de matériel vidéo ne proviennent pas d'une seule archive, mais de plusieurs collections comme Mixamo, LAFAN et Omniretarget, et elles ont été étendues mathématiquement. Le matériel n'est pas cher, le temps de calcul l'est, car l'entraînement s'est fait en trois étapes sur des cartes graphiques de type RTX 4090, avec jusqu'à douze mille simulations parallèles par carte. La dernière étape seule a fonctionné pendant environ deux jours sur quatre de ces cartes. Cette étape est la plus précieuse car elle étend les capacités à des formes de terrain qui n'ont jamais été rencontrées dans les données humaines, et relève le taux de réussite sur les escaliers peu denses de 54,8 points de pourcentage.

Les auteurs eux-mêmes décrivent les limites, et elles sont plus claires que les vidéos ne le laissent supposer. La représentation du contact pense en termes de sols et d'étapes, c'est-à-dire en deux dimensions et demie, raison pour laquelle une prise en main par-dessus la tête ou le fait de s'accrocher à une barre ne sont pas prévus. Une navigation globale fait également défaut, le robot ne se déplace que localement vers une cible prédéfinie. Et les mouvements sans sa propre séquence de contact ne peuvent pas être distingués avec cette approche, car un salto arrière et un saut vertical donnent la même séquence de contacts.

La valeur de comparaison mérite également un second regard. Les 58,8 pour cent que l'article attribue à la méthode antérieure MGMT sur les mêmes huit pistes ont été mesurés dans exactement les mêmes conditions d'atténuation que les 92,5 pour cent. L'écart montre donc surtout que la nouvelle planification des contacts planifie mieux, et non qu'elle tient sur le béton. Ce qui se passe dans la vraie halle est jusqu'à présent documenté par des enregistrements de passages individuels, et les auteurs les appellent explicitement des tests approfondis, sans fournir un taux à ce sujet.

Pour la Suisse, il y a quelque chose d'intéressant qui ne figure pas dans l'article : le corps vient de Hangzhou, les compétences de Zurich. L'équipement décrit correspond à la variante de recherche G1 EDU-U1 avec 23 degrés de liberté et Jetson Orin NX, qui figure au répertoire de robothub24 avec un prix indicatif de 31'879 francs. Comparé aux sommes à six chiffres mentionnées pour les grands robots humanoïdes américains, c'est le prix d'une fourgonnette.

C'est précisément à cela que se rattache la question économique. Si les capacités d'une telle machine sont ultérieurement réalisées sous forme de logiciel, sa valeur passe du métal au code, et une économie nationale qui en a bien vécu jusqu'à présent doit réfléchir à la façon dont elle peut en tirer profit. Depuis que les États-Unis ont bloqué les importations de robots chinois en juillet, cette division du travail a également une charge politique supplémentaire, car les groupes européens font de la recherche sans entrave sur des appareils qu'un laboratoire américain ne peut plus se procurer à nouveau.

L'étroitesse de l'enchevêtrement est démontrée par la liste des auteurs. Vladlen Koltun et Matthias Müller font de la recherche pour Apple, Clemens Schwarke travaille également chez Nvidia, et Marco Hutter préside tout cela, son laboratoire a déjà amené le quadrupède ANYmal dans l'industrie. L'article porte la mention under review, le code n'est pas encore publié, et même la vidéo principale du travail manque encore aujourd'hui sur la page du projet.