Perception, décision, action. Le triptyque de la robotique repose sur une vision de machines autonomes qui s'est largement répandue dans l'imaginaire collectif, riche en robots intelligents. La réalité, bien connue du monde industriel, est plus terre à terre. Ce sont seulement des automates conçus et programmés pour répéter une tâche spécifique, avec éventuellement quelques variations pour s'adapter à un nombre limité de situations identifiées à l'avance. Depuis quelques années, pourtant, cet écart tend à se réduire grâce aux progrès de l'intelligence artificielle (IA). Le machine learning, ou apprentissage automatique, dans sa version deep learning (réseaux de neurones profonds), s'insère progressivement dans les trois piliers de la robotique. Avec à la clé, une autonomie croissante qui voit les machines apprendre peu à peu à décider et agir en fonction d'environnements complexes et changeants.
La Fédération internationale de robotique (IFR), dans un rapport rendu public en mars dernier, estimait que « l'IA n'en est encore qu'à ses débuts dans des applications robotiques ». L'organisme relève que les travaux dans ce domaine se sont accélérés « ces cinq dernières années ». De fait, peu de robots utilisent ces techniques d'IA. Même les démonstrations les plus époustouflantes, telles celles des robots du magicien du mouvement Boston Dynamics avec les séances de Parkour de son Atlas, ne font pas ou peu appel aux algorithmes d'IA pour la décision et n'offrent que l'illusion de l'autonomie.
« Lors de ces démonstrations, le robot ne prend aucune décision par lui-même, explique Olivier Ly, chercheur en robotique autonome au Laboratoire bordelais en recherche informatique (LaBRI). Aucune notion d'apprentissage n'intervient. Lorsque le robot Atlas saute sur une caisse, effectue un salto ou tel mouvement dans une chorégraphie, il obéit à sa programmation. Il utilise une méthode de contrôle classique en robotique, fondée sur des modèles mathématiques, pour corriger en permanence ses mouvements en fonction des informations que lui remontent ses capteurs. »
S'adapter aux environnements complexes
Ce contrôle s'appuyant sur des modèles, c'est-à-dire obéissant à un ensemble de règles définies en amont par les roboticiens, correspond à l'approche historique et dominante de la robotique. Elle garantit à la fois la précision et la vitesse d'exécution de la tâche. Deux critères qui sont au cœur des besoins des utilisateurs de robots industriels, en premier lieu les secteurs de l'automobile et de l'électronique. Mais cette approche dite « model based » a ses limites : elle nécessite une programmation pour chaque tâche que le robot doit réaliser et elle ne sait pas gérer l'imprévu. « Si l'on modifie la configuration du parcours du robot Atlas, il ne saura plus quoi faire ! », résume Olivier Ly.
Or, depuis quelques années, l'environnement de travail des robots a considérablement changé et on leur demande de nouvelles compétences. Dans l'industrie, l'IFR constate ce changement de paradigme : « Les robots opèrent dans des environnements de plus en plus complexes et changeants. Ils sont également amenés à produire de petites quantités parmi un éventail de produits plus important. Il devient trop coûteux de reprogrammer les robots à chaque fois pour les adapter à de nouvelles lignes de production ou de conditionnement. » À cela s'ajoute l'essor des robots de service, qui investissent de plus en plus les lieux publics et doivent interagir avec les humains, et ceux de logistique, qui, en gagnant en autonomie, supplantent peu à peu les robots guidés (AGV) dans les entrepôts. Les récents succès d'Exotec, spécialiste français des robots mobiles autonomes (AMR) valorisé 1,75 milliard d'euros, témoignent du dynamisme de cette nouvelle robotique.
Infographie Florent Robert
Prochaine étape, la certification
Face à ces nouveaux besoins, les algorithmes de machine learning de l'IA apportent de nombreuses promesses : robots capables d'identifier des objets dans des flux complexes, de se déplacer dans des lieux peu ou pas cartographiés, d'adapter leur programmation pour remplir des tâches imprévues, ou encore de collaborer plus étroitement avec les opérateurs humains. Jacques Dupenloup, le directeur de Stäubli Ro-botics France, constate « un vent de changement qui commence à souffler sur la robotique ». « Le développement de l'approche collaborative a permis aux robots de sortir de leurs cages. Ils tendent à devenir de véritables compagnons de travail, estime-t-il. La vitesse et la précision ne sont plus les seuls critères qui amènent les industriels vers nos solutions : les robots doivent être réutilisables plus facilement et s'adapter aux changements de la production. Dans ce domaine, l'IA va jouer un rôle important dans les prochaines années. »
Mais de l'aveu du roboticien, dont le siège social se trouve à Faverges (Haute-Savoie), le déploiement de ces solutions reste encore difficile, à cause notamment des règles de sécurité scrupuleuses qui doivent être respectées dans les usines. Seuls les systèmes de vision assistée par ordinateur, utilisant des techniques d'apprentissage profond pour la reconnaissance d'objets, ont trouvé des applications concrètes ces dernières années. C'est donc pour le moment du côté de la recherche que les travaux sont les plus riches, avec l'utilisation de nombreuses techniques d'apprentissage, qu'elles soient supervisées ou qu'elles laissent le robot explorer ses possibilités dans le cadre de l'apprentissage par renforcement. Les travaux s'orientent de plus en plus vers des approches hybrides, combinant modèles mathématiques et algorithmes d'apprentissage.
La mise en œuvre de ces technologies pour déployer des robots plus autonomes demandera cependant de passer une étape clé : « La certification des algorithmes d'IA est un point essentiel qu'il faudra apprendre à lever dans les prochaines années, explique Michel Taïx, chercheur en robotique au Laas-CNRS de Toulouse. Il faut pouvoir garantir que le robot prend la bonne décision dans 100 % des cas ou estimer si la marge d'erreur est acceptable. Il faut également garantir que l'apprentissage n'est pas biaisé. » Ces outils sont en cours d'élaboration et font l'objet de nombreuses recherches au niveau international. Les premiers résultats sont attendus… d'ici à cinq ans.
« La recherche sur les robots anthropomorphes est un formidable accélérateur »
Philippe Souères, directeur de recherche CNRS, à la tête de l'équipe Gepetto au Laboratoire d'analyse et d'architecture des systèmes (Laas)
Le développement de robots plus autonomes et polyvalents s'accompagne-t-il d'une évolution vers des systèmes plus humanoïdes ?
Pour l'autonomie, pas nécessairement. Pour la polyvalence, en revanche, les architectures anthropomorphes offrent de nombreux avantages. Si nous classions sur un axe les types de robots en fonction de leur polyvalence, nous aurions d'un côté des machines qui font très bien une seule tâche et, de l'autre, un robot qui pourrait répondre à la plupart des situations rencontrées. La morphologie de ce système adoptera très certainement la forme d'un humanoïde. Il y a une raison très simple à cela : un robot anthropomorphe peut plus facilement partager le même environnement que les humains. Et utiliser les mêmes outils.
Pourquoi n'y a-t-il donc pas davantage de robots humanoïdes dans les usines ?
Parce qu'ils sont d'une complexité extrême ! Ils se caractérisent par de très nombreux degrés de liberté, ce qui signifie de disposer d'autant d'actionneurs et de capteurs, à la fois proprioceptifs et extéroceptifs. Ce sont des machines très coûteuses qui ont au final un intérêt limité dans les usines. Les tâches peuvent souvent être réalisées par des systèmes moins complexes, directement conçus pour cela.
Pour quelle raison les robots anthropomorphes sont-ils alors si présents dans les laboratoires de recherche ?
C'est justement leur complexité qui les rend intéressants pour les chercheurs. Ils nous permettent de nous interroger sans cesse et, parfois, de repenser notre approche de la robotique. Au final, de nombreux travaux pourront être utilisés dans le cadre d'architectures plus simples. La recherche sur les robots anthropomorphes est un formidable accélérateur pour avoir des systèmes plus flexibles.
Propos recueillis par Alexandre Couto
