Des chercheurs de Georgia Tech ont présenté une méthode pour apprendre plus vite à un robot humanoïde à marcher sur des terrains irréguliers. Ils ont testé des surfaces du campus comme le sable, l’herbe détrempée, le gravier, les pentes, les escaliers et le sol plat.
Un doctorant a dirigé le travail. L’équipe a entraîné en simulation un système où un agent « enseignant » aide un agent « étudiant », mais ils l’ont fait en même temps pour gagner du temps. Après la simulation, ils ont essayé le contrôleur sur un robot réel en laboratoire et il a marché de façon fluide, même quand on l’a poussé.
Mots difficiles
- méthode — façon organisée de faire quelque chose
- humanoïde — qui ressemble à un être humain
- simulation — représentation d'une situation avec un ordinateur
- agent — programme ou personne qui agit dans un système
- contrôleur — système qui dirige les mouvements d'un robot
- pousser — appliquer une force pour déplacer quelque chosepoussé
Astuce : survolez, mettez le focus ou touchez les mots en surbrillance dans l’article pour voir des définitions rapides pendant que vous lisez ou écoutez.
Questions de discussion
- Parmi ces terrains, lequel te paraît le plus difficile pour un robot ? Pourquoi ?
- Pourquoi entraîner d'abord en simulation peut aider l'équipe ?
- As-tu déjà marché sur du sable ou du gravier ? C'était comment ?
Articles liés
Un essaim de robots sans électronique
Des chercheurs ont fabriqué de petites particules mécaniques qui s'assemblent et se séparent sans capteurs ni code. Une vibration externe libère des pièces et permet à l'ensemble de se reconfigurer, avec des usages médicaux et spatiaux possibles.
Étiquettes ultrasonores sans pile pour la maison intelligente
Des chercheurs de Georgia Tech ont créé de petites étiquettes métalliques sans pile qui émettent des impulsions ultrasonores uniques quand on les touche. Elles sont peu coûteuses, inaudibles pour l'oreille et détectables par un appareil proche.
Comment volent ensemble oiseaux et poissons
Des mathématiciens de NYU ont proposé un modèle qui compare les bancs de poissons et les nuées d'oiseaux à un "cristal mou". Des expériences avec des clapettes mécaniques confirment que le comportement collectif suit les prédictions du modèle.