La différenciation des objets, clé de l'autonomie des robots

Si l'on veut que les robots au service des humains atteignent rapidement un certain seuil d'autonomie, les objets qui les entourent et la capacité de ceux-ci à se mouvoir ne sont pas à négliger.

Pour qu'un robot gagne en autonomie, il est nécessaire que celui-ci puisse comprendre son environnement et les objets qui s'y trouvent. Les projets en ce sens abondent, comme celui de chercheurs du MAST et du Centre Européen des logiciels informatiques, qui permettent à des robots d'effectuer une cartographie du milieu dans lequel ils évoluent, et ainsi, estimer les obstacles potentiels. Mais il est rare que ces études prennent en compte le fait que les objets eux-mêmes puissent se mouvoir en même temps que le robot (comme c'est le cas par exemple des chaises ou des portes sur un lieu de travail). Un groupe de chercheurs du département d'informatique de Stanford et de la Carnegie Mellon University a donc mis au point un algorithme permettant aux robots d'identifier les objets qui les entourent et de les classer pour mieux évaluer leur mobilité.

Cartographie, identification et hiérarchisation

Pour cela, tout comme leurs collègues du MAST, les chercheurs ont installé sur leurs robots des capteurs lasers permettant dans un premier temps de cartographier les lieux où ils se trouvent et détecter les objets représentant un obstacle possible. L'analyse de l'environnement s'effectuait alors à neuf périodes différentes durant lesquelles les chercheurs modifiaient la disposition des lieux (déplacement ou disparition d'un objet). Grâce à l'algorithme mis en place, les robots retenaient ces changements et pouvaient alors classer les objets ayant disparu ou bougé dans une catégorie, et ceux immobiles dans une autre. Ceux-ci peuvent alors analyser tous les objets similaires à ces deux catégories en fonction d'une forme qui peut leur être commune, et établir, ainsi, avec une certaine probabilité, ceux qui risquent de représenter un obstacle à différente période dans un même environnement.

Des résultats mais également des limites

Bien que les chercheurs de Stanford et de CMU affirment que cette nouvelle approche fonctionne en pratique, ils rappellent toutefois que celle-ci présente encore quelques limitations. Ainsi, l'identification des objets ne peut être effectuée au moment même où ceux-ci sont en mouvement, et seulement s'il existe un espace suffisant (plus de 5cm) entre eux. De plus, l'étude rappelle que l'algorithme ne prend pour l'instant uniquement en compte la forme de l'objet pour l'identifier et non d'autres attributs tels que la relation entre différents objets ou la structure des objets non-rigides. Une idée qui pourrait être intéressante à combiner avec la « peau artificielle » servant à tâter les objets pour les identifier mis en place il y a déjà quelque temps par l'Université de technologie de Munich.