Un robot apprend à sauter dans des passages étroits grâce à la vision

Un quadrupède de 22 kg court vers un passage à peu près de la taille de son propre corps. Sa caméra embarquée décide du moment où il doit s’élancer. En plein vol, l’Unitree Aliengo replie suffisamment ses pattes pour que ses pieds passent au-delà du cadre, puis atterrit en continuant de courir. Des chercheurs de l’Université de Hong Kong et de l’Oxford Robotics Institute ont démontré cette manœuvre inspirée du chien sur du matériel réel, et non en simulation.

L’objectif n’était pas de programmer chaque articulation. Le contrôleur de bas niveau de l’équipe a appris le rythme, le galop, le pilotage et le saut à partir de données de capture de mouvement enregistrées sur un chien réel. Un réseau discriminateur évaluait si les mouvements du robot ressemblaient à ceux de l’animal, et cette évaluation était intégrée à la récompense d’entraînement. La marche, la course, le saut et l’atterrissage pouvaient ainsi s’enchaîner de manière continue au lieu de fonctionner comme des compétences isolées.

Un deuxième contrôleur gérait la décision immédiate. Fonctionnant 10 fois par seconde, il utilisait une caméra RGB-D — une caméra qui capture à la fois les couleurs et la profondeur — pour détecter le passage et ne produisait que la vitesse d’avancée et la vitesse de rotation. Cet espace de décision réduit a permis un entraînement d’environ six heures, selon l’auteur principal Peng Lu. Le système a découvert lui-même la séquence d’impulsion et le repli des pattes en plein vol.

Le comportement s’adaptait également à des positions qui n’avaient pas été répétées à l’entraînement. Les chercheurs indiquent que le passage pouvait être placé n’importe où dans la pièce et à n’importe quelle hauteur à la portée du robot. Pour une ouverture plus haute, le robot prenait davantage d’élan et repliait plus fortement ses articulations ; lorsque le passage était décalé sur le côté, il le franchissait en diagonale. Il pouvait aussi recalculer sa trajectoire si le passage se déplaçait alors que le robot courait déjà.

Et concrètement ? Un robot capable de s’engager dans une manœuvre dynamique pourrait disposer de davantage de chemins dans des environnements encombrés à taille humaine, comme des structures effondrées et des sites industriels, où négocier lentement chaque obstacle peut rendre un itinéraire impossible. La bibliothèque de compétences réutilisables pourrait également être adaptée à des obstacles, des clôtures verticales ou d’autres brèches en modifiant le module de haut niveau, plutôt qu’en réentraînant la locomotion depuis zéro. Pour l’instant, il s’agit d’une démonstration au stade du prototype sur l’Aliengo, et les chercheurs prévoient d’autres études pour améliorer cette approche.