Un robot d'usine qui apprend son métier en 8 heures


  • FrançaisFrançais

  • Une entreprise japonaise appelée Fanuc a développé un robot d’usine qui peut apprendre son métier en 8 heures via le Deep Reinforcement Learning.


    Suivez-nous sur notre page Facebook et notre canal Telegram

    Un robot industriel, développé par l'entreprise Fanuc, peut apprendre son métier en 8 heures grâce au Deep Reinforcement Learning.
    Le robot de Fanuc

    À l’intérieur d’un bâtiment modeste de Tokyo, on peut trouver un robot industriel plutôt intelligent qui est fabriqué par l’entreprise Japonaise Fanuc. Quand vous donnez une tâche à faire à ce robot, par exemple, prendre des produits dans un carton pour les mettre dans un second carton, il va passer toute la nuit pour apprendre comment le faire de la meilleure manière possible. Vous revenez le matin et le robot a maitrisé la tâche comme s’il avait été programmé par un expert.

    Les robots industriels sont capables d’une précision et d’une vitesse extrême, mais on doit les programmer avec une grande minutie pour une tâche aussi simple que de prendre un objet. C’est difficile et ça prend du temps et cela signifie aussi que les robots peuvent travailler uniquement dans un environnement qui est parfaitement contrôlé. Le robot de Fanuc utilise une technique appelée Deep Reinforcement Learning pour qu’il s’entraine par ses propres moyens. Il va prendre le produit dans un carton tout en se filmant avec une caméra. À chaque fois qu’il réussit ou échoue, il se souvient de la position de l’objet et les erreurs qu’il a commises. Ensuite, il utilise ces données pour peaufiner un modèle de Deep Learning qui contrôle ses actions. Le Deep Learning est l’une des approches les plus puissantes dans la reconnaissance des Patterns ces dernières années.

    Après 8 heures d’entrainement, il obtient une précision supérieure à 90 % ce qui est équivaut à un entrainement fourni par un expert selon Shohei Hido, chef de recherche à Preferred Networks, une entreprise à Tokyo qui est spécialisée dans le Machine Learning. Il travaille toute la nuit et il est prêt le matin suivant. Les chercheurs testent le Reinforcement Learning pour simplifier et accélérer la programmation des robots qui font des tâches d’usine. Au début de ce mois, Google a publié les détails de sa propre recherche pour apprendre les robots à prendre des objets.

    Le robot de Fanuc a été programmé par Preferred Networks. Fanuc, le plus grand fabricant de robots industriels, a investi 7,3 millions de dollars dans Preferred Networks en aout 2015. Ces compagnies ont démontré leur robot pendant l’International Robot Exhibition en décembre 2015. Mais on peut aller plus loin dans l’approche du Deep Learning. Hido a déclaré qu’on peut considérablement accélérer le processus si plusieurs robots travaillent en parallèle et qu’ils partagent collectivement leurs connaissances. Au lieu d’utiliser un robot qui va apprendre en 8 heures, vous pouvez utiliser 8 robots qui deviendront quasiment des experts en 60 minutes puisqu’ils partagent leurs connaissances.

    Notre projet s’oriente vers l’apprentissage distribué selon Hido. Imaginez des centaines de robots industriels qui partagent leurs informations. Cette forme d’apprentissage distribué, qu’on appelle parfois la Robotique sur Cloud est en train de devenir la principale tendance dans la recherche et l’industrie. Fanuc est très bien placé dans ce domaine selon Ken Goldberg, professeur de robotique à l’université de Californie. Les robots industriels sont massivement déployés dans de nombreuses usines. En leur intégrant le Deep Learning et l’apprentissage distribué, on peut révolutionner totalement l’utilisation des robots dans les prochaines années.

    Goldberg et ses collègues (incluant plusieurs chercheurs chez Google) vont même plus loin. Ils apprennent aux robots à prendre non seulement des objets, mais certaines formes. En pouvant agripper des formes, le robot est bien plus polyvalent et il n’est pas limité pour des produits précis. Mais l’utilisation du Machine Learning dans la robotique reste un défi, car le contrôle du comportement est plus complexe qu’une reconnaissance d’images. Le principal obstacle est qu’une action basique d’un robot peut avoir d’autres implications qu’on doit également prendre en compte. Mais on ne peut plus nier cette réalité que les robots vont devenir de plus en plus intelligents, perfectionnés et supérieurs à de nombreuses actions humaines.

     

    Houssen Moshinaly

    Rédacteur en chef d'Actualité Houssenia Writing. Rédacteur web depuis 2009.

    Blogueur et essayiste, j'ai écrit 9 livres sur différents sujets comme la corruption en science, les singularités technologiques ou encore des fictions. Je propose aujourd'hui des analyses politiques et géopolitiques sur le nouveau monde qui arrive. J'ai une formation de rédaction web et une longue carrière de prolétaire.

    Pour me contacter personnellement :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *