Désormais, les robots peuvent également peler des bananes

Les robots sont capables de servir des restaurants, de faire des cascades et la danse, mais l'un des plus grands défis est de les amener à faire des activités qui nécessitent une motricité fine.

C'est pourquoi le modèle présenté par des chercheurs de l'Université de Tokyo était surprenant dans lequel un robot soulève et épluche une banane à deux bras en trois minutes.

Alors que la machine à deux bras ne réussit que 57 % du temps, l'indice est plutôt bon compte tenu des difficultés rencontrées par un robot pour effectuer ce genre de tâches.

La chose la plus intéressante à propos de ce développement n'est pas que l'intelligence artificielle est capable d'éplucher un fruit avec succès, mais qu'elle ouvre de nombreuses possibilités pour l'avenir, car ce type de motricité peut être utilisé pour les robots pour effectuer des tâches qui nécessitent des soins méticuleux tels que le déplacement de petites pièces d'un endroit à un autre, la prise et le stockage d'objets délicats, etc.

Les chercheurs Heecheol Kim, Yoshiyuki Ohmura et Yasuo Kuniyoshi ont entraîné le robot à l'aide d'un processus d'apprentissage automatique. Dans ce type d'entraînement, plusieurs échantillons sont prélevés pour produire ces données qui sont ensuite utilisées par le robot pour reproduire l'action.

Kuniyoshi pense que sa méthode d'entraînement pourrait aider les systèmes d'IA à effectuer toutes sortes de tâches qui peuvent être simples pour les humains mais qui nécessitent beaucoup de coordination et de motricité. Cela favoriserait l'utilisation de ce type de technologie dans les maisons, les usines et tous types d'environnements.

Ces dernières années, plusieurs développements ont vu le jour dans le but d'améliorer les capacités des robots afin que ces machines puissent alléger de nombreuses activités répétitives ou routinières. L'accent a été mis, comme dans ce cas, sur l'entraînement de la coordination, de la stabilité et de la motricité fine.

C'est le cas de chercheurs de l'Université de Californie à Berkeley qui ont créé l'algorithme Motion2Vec, qui cherche à fabriquer un robot capable de suturer des patients avec la précision d'un humain.

À cette fin, ils ont utilisé un système d'apprentissage profond semi-supervisé avec lequel le robot apprend en regardant des vidéos de chirurgie interventions où des sutures sont effectuées. Grâce à ces informations, le système d'IA apprend à imiter les mouvements des professionnels de santé afin de les imiter avec précision.

Les développeurs ont utilisé un réseau neuronal siamois qui consiste en l'utilisation de deux réseaux identiques qui reçoivent deux ensembles de données séparément et, après les avoir traités, les comparent et affichent un résultat final.

D'une part, le système reçoit la vidéo du médecin effectuant les sutures et d'autre part les enregistrements du robot pratiquant. Faites une comparaison entre ces deux clips et apprenez ainsi à améliorer la précision de leurs mouvements.

Les vidéos utilisées dans le cadre de la formation font partie de la base de données JIGSAWS, qui rassemble des informations sur l'activité chirurgicale pour la modélisation des mouvements humains. Les données qui font partie de JIGSWAS ont été collectées grâce à une collaboration entre l'Université Johns Hopkins (JHU) et Intuitive Surgical, Inc. (Sunnyvale, CA. ISI) dans le cadre d'une étude approuvée par la CISR.

Également en ligne avec ce type de majordomes robotisés. Il existe des modèles capables de ramasser des objets sur le sol et d'ordonner le chaos de la maison pour robots de chef à avoir comme alliés dans la cuisine. Il existe des options pour ce que vous voulez imaginer, mais la vérité est que cette technologie ne fait pas encore partie de la vie quotidienne ou ne s'est pas répandue en partie parce qu'elle doit encore mûrir, optimiser certaines fonctions et également abaisser ses valeurs, ce qui se produira lorsque l'utilisation de ces appareils sera étendue.

CONTINUEZ À LIRE :