Ce blog prend sa source dans un article publié en 2007 et qui est pour moi l'un des plus beaux espoirs pour la robotique de demain.
Cet article est le suivant :
« Un robot motivé pour apprendre : Le rôle des motivations intrinsèques dans le développement sensorimoteur. » écrit par Frederic Kaplan et Pierre-Yves Oudeyer.
Et voici une partie du résumé d’introduction :
« Cet article présente des travaux récents qui illustrent comment un robot doté d’un système de motivation intrinsèque peut explorer son environnement et apprendre une succession de tâches qui n’ont pas été spécifiées par son programmeur. » (…) « Dans chacune de ces expériences, le robot explore les situations « intéressantes » de son point de vue par rapport à ses capacités d’apprentissage et les contraintes de son espace sensorimoteur. L’article discute les résultats de ces premières expériences et conclut sur la possibilité de fournir en retour aux neurosciences et à la psychologie, inspiratrices de ces travaux en robotique, de nouvelles pistes de réflexions et de nouveaux concepts pour penser les processus de développement chez l’enfant.»
L’expérience est donc faite à partir d’un robot Aibo (le petit chien robotique de Sony ), et d’un algorithme appelé IAC (pour Intelligent Adaptive Curiosity).
Pour la plupart des robots actuels, à leur conception on les programme pour qu’ils sachent que telle partie de leur corps est un bras ; bras gauche bras droit, telle autre partie est une jambe ; jambe droite, jambe gauche. Grâce à un bras on peut faire telle action, et grâce a une jambe on peut faire telle autre action…
…Ce qu’il y a de magnifique dans l’approche IAC c’est qu’il n’y a rien de tout ça ! Le robot est vierge de toute cette pré-programmation ! Il est constitué de senseurs (il ressent des stimulis) et de moteurs (il peut faire bouger des parties de son corps), et en interne quelque chose le pousse à être curieux… et c’est parti !
Le principe de base est qu’à tout moment le robot projette de bouger son corps d’une façon et en même temps il fait une prédiction sur les stimulis qu’il recevra à l’issu de ce mouvement moteur. Si les stimulis sont très proches de la prédiction, alors voilà quelque chose que le robot « semble pouvoir apprendre à maitriser » par la répétition, en affinant ses mouvements et prédictions. Si les stimulis sont trop éloignés de la prédiction, alors la situation ne semble pas intéressante, trop aléatoire.
Robot dirigé par la curiosité… Voilà, notre robot a trouvé une niche de progrès possible. Il répète l’expérience, vérifie quel est l’ensemble de mouvements qui conduit à la réalisation de sa prédiction (peut être qu’il y avait des mouvements « parasites » qui n’avaient aucun impact sur le résultat). Et le voilà en possession d’une première compétence. Une fois que la compétence est « acquise », la situation est en mémoire mais perd de son intérêt exploratoire et le robot se tourne vers d’autres situations, vers d’autres niches de progrès.
Je vous invite vivement à trouver cet article sur le net et à le lire. Passez les parties trop techniques et lisez le entier, vous allez voir c’est assez étonnant !
La beauté également de cet algorithme est que l’exploration est aléatoire !... Ainsi si vous répétez 2 fois la même expérience, vous n’aurez pas les mêmes résultats. Le robot n’apprendra pas les choses dans le même ordre et n’acquerra pas forcément les mêmes compétences (tout dépend de la taille du champ des possibles bien sur !).
L’expérience avec le robot chien Aibo a été répétée plusieurs fois. Parfois il commençait à apprendre à marcher en avant en premier, mais dans d’autres expériences il commençait par apprendre la marche arrière… (Sourire) Ma mère travaille avec les enfants et régulièrement elle nous raconte des anecdotes. J’ai encore en mémoire la fois, intrigante pour moi, ou elle m’avait expliqué que l’un des enfants se déplaçait sur les fesses à reculons. Alors que la plupart des enfants commencent à apprendre à se déplacer vers l’avant certains commencent en effet à apprendre à reculons ! (Vous comprenez maintenant mon sourire !?). De la même façon ma petite nièce n’a quasiment jamais marché à quatre patte ; elle est directement passée d’un déplacement sur les fesses à la marche debout ! (Re-sourire) Pas mal cet algorithme hein !!
Pour moi cet algorithme est fondateur pour la robotique de demain. Aujourd’hui on se représente plutôt les robots en termes d’automates « il est programmé pour faire telle tache ». Sorti de la tache assignée/programmée, point de salut. Avec cet algorithme on peut reparler de robot et d’intelligence artificielle !
Voilà pour une brève introduction de ce blog. Je n’ai pas les diplômes pour travailler dans l’intelligence artificielle, mais si ça avait été le cas je sais sur quel sujet je me serais investi !
Qu’à cela ne tienne. A ma portée je vais essayer d’apporter ma pierre à l’édifice, et faire tourner quelques neurones et quelques programmes sur le sujet ! ;-)
Cet article est le suivant :
« Un robot motivé pour apprendre : Le rôle des motivations intrinsèques dans le développement sensorimoteur. » écrit par Frederic Kaplan et Pierre-Yves Oudeyer.
Et voici une partie du résumé d’introduction :
« Cet article présente des travaux récents qui illustrent comment un robot doté d’un système de motivation intrinsèque peut explorer son environnement et apprendre une succession de tâches qui n’ont pas été spécifiées par son programmeur. » (…) « Dans chacune de ces expériences, le robot explore les situations « intéressantes » de son point de vue par rapport à ses capacités d’apprentissage et les contraintes de son espace sensorimoteur. L’article discute les résultats de ces premières expériences et conclut sur la possibilité de fournir en retour aux neurosciences et à la psychologie, inspiratrices de ces travaux en robotique, de nouvelles pistes de réflexions et de nouveaux concepts pour penser les processus de développement chez l’enfant.»
L’expérience est donc faite à partir d’un robot Aibo (le petit chien robotique de Sony ), et d’un algorithme appelé IAC (pour Intelligent Adaptive Curiosity).
Pour la plupart des robots actuels, à leur conception on les programme pour qu’ils sachent que telle partie de leur corps est un bras ; bras gauche bras droit, telle autre partie est une jambe ; jambe droite, jambe gauche. Grâce à un bras on peut faire telle action, et grâce a une jambe on peut faire telle autre action…
…Ce qu’il y a de magnifique dans l’approche IAC c’est qu’il n’y a rien de tout ça ! Le robot est vierge de toute cette pré-programmation ! Il est constitué de senseurs (il ressent des stimulis) et de moteurs (il peut faire bouger des parties de son corps), et en interne quelque chose le pousse à être curieux… et c’est parti !
Le principe de base est qu’à tout moment le robot projette de bouger son corps d’une façon et en même temps il fait une prédiction sur les stimulis qu’il recevra à l’issu de ce mouvement moteur. Si les stimulis sont très proches de la prédiction, alors voilà quelque chose que le robot « semble pouvoir apprendre à maitriser » par la répétition, en affinant ses mouvements et prédictions. Si les stimulis sont trop éloignés de la prédiction, alors la situation ne semble pas intéressante, trop aléatoire.
Robot dirigé par la curiosité… Voilà, notre robot a trouvé une niche de progrès possible. Il répète l’expérience, vérifie quel est l’ensemble de mouvements qui conduit à la réalisation de sa prédiction (peut être qu’il y avait des mouvements « parasites » qui n’avaient aucun impact sur le résultat). Et le voilà en possession d’une première compétence. Une fois que la compétence est « acquise », la situation est en mémoire mais perd de son intérêt exploratoire et le robot se tourne vers d’autres situations, vers d’autres niches de progrès.
Je vous invite vivement à trouver cet article sur le net et à le lire. Passez les parties trop techniques et lisez le entier, vous allez voir c’est assez étonnant !
La beauté également de cet algorithme est que l’exploration est aléatoire !... Ainsi si vous répétez 2 fois la même expérience, vous n’aurez pas les mêmes résultats. Le robot n’apprendra pas les choses dans le même ordre et n’acquerra pas forcément les mêmes compétences (tout dépend de la taille du champ des possibles bien sur !).
L’expérience avec le robot chien Aibo a été répétée plusieurs fois. Parfois il commençait à apprendre à marcher en avant en premier, mais dans d’autres expériences il commençait par apprendre la marche arrière… (Sourire) Ma mère travaille avec les enfants et régulièrement elle nous raconte des anecdotes. J’ai encore en mémoire la fois, intrigante pour moi, ou elle m’avait expliqué que l’un des enfants se déplaçait sur les fesses à reculons. Alors que la plupart des enfants commencent à apprendre à se déplacer vers l’avant certains commencent en effet à apprendre à reculons ! (Vous comprenez maintenant mon sourire !?). De la même façon ma petite nièce n’a quasiment jamais marché à quatre patte ; elle est directement passée d’un déplacement sur les fesses à la marche debout ! (Re-sourire) Pas mal cet algorithme hein !!
Pour moi cet algorithme est fondateur pour la robotique de demain. Aujourd’hui on se représente plutôt les robots en termes d’automates « il est programmé pour faire telle tache ». Sorti de la tache assignée/programmée, point de salut. Avec cet algorithme on peut reparler de robot et d’intelligence artificielle !
Voilà pour une brève introduction de ce blog. Je n’ai pas les diplômes pour travailler dans l’intelligence artificielle, mais si ça avait été le cas je sais sur quel sujet je me serais investi !
Qu’à cela ne tienne. A ma portée je vais essayer d’apporter ma pierre à l’édifice, et faire tourner quelques neurones et quelques programmes sur le sujet ! ;-)
Aucun commentaire:
Enregistrer un commentaire