L'apprentissage par renforcement fait ses preuves

M. M.

Publié le 24/01/2019 À 00H00

Pour lire l’intégralité de cet article, testez gratuitement L’Usine Nouvelle - édition Abonné

En bref

Les prouesses réalisées par quelques robots bipèdes ou quadrupèdes ne doivent pas masquer les mois de travail acharné pour modéliser ces objets et mettre au point leur système de contrôle pour chaque manœuvre. Des chercheurs de l’École polytechnique fédérale de Zurich et d’Intel ont présenté dans « Science Robotics » une méthode qui ramène le temps de développement à quelques heures. Son application sur le robot quadrupède ANYmal montre une augmentation majeure des performances et la capacité à se relever à partir de n’importe quelle position. La clé réside dans l’apprentissage par renforcement : un réseau de neurones apprend à commander les douze actionneurs du robot en multipliant les essais dans des simulations pour garder ceux qui aboutissent au résultat désiré. Pour rendre leur simulation suffisamment réaliste et efficace, les chercheurs ont combiné un modèle physique du corps du robot et un réseau de neurones qui a appris le lien réel entre les commandes des[…]

Pour lire la totalité de cet article, ABONNEZ-VOUS
Pour un accès immédiat, payez en ligne par carte bleue

En vous abonnant à L’Usine Nouvelle, vous accédez à :