La plupart des robots à quatre pattes sont entraînés à retrouver leur équilibre s’ils trébuchent sur un obstacle. Dans le but de développer un robot de nettoyage, l'étudiante doctorante américano-vietnamienne Joanne Truong de l'École d'informatique interactive du Georgia Institute of Technology (GIT) et ses deux collègues Naoki Yokoyama et Simar Kareer entraînent leur robot à enjamber les objets salissants qu'il pourrait rencontrer dans la maison, a récemment rapporté Tech Xplore.

Selon l'équipe de recherche, les robots à quatre pattes équipés de contrôleurs de mouvement « aveugles » ont tendance à réagir davantage pour éviter de tomber lorsqu'ils marchent sur un objet.

Entre-temps, l'équipe de recherche a adopté une nouvelle approche, fournissant des images en direct au robot pour franchir les obstacles, en combinant la politique de navigation avec la politique de locomotion basée sur l'image. Cette approche a permis au robot de franchir des obstacles dans un environnement encombré simulé avec un taux de réussite de 72,6 %.

Les robots peuvent apprendre par eux-mêmes et n’imitent aucun modèle comportemental préexistant. Les chercheurs affirment que le modèle est évolutif et peut être appliqué immédiatement sans nécessiter de réglages précis. Ces politiques indiquent au robot comment éviter les objets lorsqu'il se déplace d'un endroit à un autre et comment utiliser ses jambes pour enjamber les objets, y compris comment lever ses jambes à la hauteur appropriée.

Selon l'équipe de recherche, les robots quadrupèdes conventionnels ne peuvent voir des images du monde réel qu'à travers des caméras situées à l'avant et ne peuvent pas voir les objets près de leurs pieds. L’équipe a intégré la mémoire et la conscience spatiale au réseau pour apprendre au robot exactement quand et où franchir les obstacles. Si l'objet est trop haut, le robot peut le contourner. « Nous avons constaté que cette méthode navigue très bien, et même si le robot va dans la mauvaise direction, il sait qu'il peut revenir en arrière et revenir à sa position d'origine », a déclaré Truong. L'équipe a également appris au robot quels objets il devait enjamber, comme les jouets, et quels objets il devait contourner, comme les tables et les chaises.

Les découvertes de l'équipe pourraient également aider les robots à naviguer dans des environnements extérieurs réels, en choisissant des chemins en fonction des souhaits de leurs propriétaires pour éviter les terrains boueux ou rocheux.

La recherche a remporté le premier prix lors d’un atelier de robotique lors de la conférence sur la robotique 2022 en Nouvelle-Zélande. La recherche sera présentée à la Conférence internationale sur la robotique et l'automatisation de la Society of Electrical and Electronics Engineers (IEEE-USA) à Londres (Royaume-Uni) du 29 mai au 2 juin.