ANYmal, un robot quadrupède développé par des chercheurs de l'ETH Zürich, en Suisse, a récemment fait l'objet d'améliorations significatives lui permettant de maîtriser des mouvements de « parkour » rudimentaires. Cette évolution vise à renforcer sa capacité à naviguer dans des environnements complexes tels que des décombres ou des terrains difficiles. Doté d'une structure semblable à celle d'un chien, ANYmal a été spécifiquement conçu pour des applications telles que la recherche et le sauvetage dans des zones sinistrées ou des chantiers de construction.Il n'est pas facile d'obtenir pour les robots à jambes une agilité comparable à celle des humains et des animaux. De plus, la capacité à effectuer une locomotion élégante et agile autour d'obstacles complexes avec un système informatique embarqué limité rend l'agilité encore plus difficile. Hoeller et al. ont développé un cadre pour entraîner un robot quadrupède à la locomotion, comme sauter, grimper, s'accroupir et marcher, pour une navigation rapide autour d'un parcours de « parkour ». Le cadre a été entraîné en simulation et ensuite déployé dans le monde réel sur des robots à jambes, démontrant leur capacité à atteindre des cibles à des vitesses allant jusqu'à 2 mètres par seconde et montrant un potentiel pour la navigation des robots sur des terrains non structurés où le temps est vital, comme dans les opérations de recherche et de sauvetage.
L'équipe de recherche suisse a adopté une approche novatrice combinant l'apprentissage automatique et le contrôle basé sur un modèle pour permettre à ANYmal de développer de nouvelles compétences. Par exemple, l'apprentissage automatique a permis à ANYmal d'apprendre à escalader des obstacles, tandis que le contrôle basé sur un modèle lui a enseigné à reconnaître et à naviguer à travers des décombres. Les tests ont montré que ANYmal était capable de sauter d'une boîte à une autre, de grimper et de descendre de grands obstacles, ainsi que de s'accroupir pour passer sous des obstacles.
ANYmal est un robot quadrupède conçu pour fonctionner de manière autonome dans des environnements difficiles. Entraîné par des actionneurs spéciaux conformes et à couple contrôlable avec précision, le système est capable de courir de manière dynamique et de grimper à grande vitesse. Grâce à des capteurs laser et des caméras intégrés, le robot peut percevoir son environnement pour créer en permanence des cartes et se localiser avec précision. Sur la base de ces informations, il peut planifier de manière autonome sa trajectoire de navigation et sélectionner avec soin les points d'appui pendant la marche.
ANYmal transporte des batteries pour une autonomie de plus de 2 heures et différents équipements sensoriels tels que des caméras optiques et thermiques, des microphones, des capteurs de détection de gaz et des éclairages actifs. Avec cette charge utile, la machine pèse moins de 30 kg et peut donc être facilement transportée et déployée par un seul opérateur.
Envoyé par ETH Zürich researchers
La navigation agile avec des robots quadrupèdes est une tâche difficile en raison des mouvements hautement dynamiques, des contacts avec diverses parties du robot et du champ de vision limité des capteurs de perception. Nous proposons ici une approche d'apprentissage complet pour entraîner ces robots et conquérir des scénarios qui rappellent les défis du « parkour ». La méthode consiste à entraîner des compétences de locomotion avancées pour plusieurs types d'obstacles, tels que la marche, le saut, l'escalade et l'accroupissement, puis à utiliser une politique de haut niveau pour sélectionner et contrôler ces compétences sur le terrain. Grâce à notre formulation hiérarchique, la politique de navigation est consciente des capacités de chaque compétence et adapte son comportement en fonction du scénario en cours.
En outre, un module de perception a été entraîné à reconstruire les obstacles à partir de données sensorielles bruitées et fortement occultées, et à doter le pipeline d'une compréhension de la scène. Par rapport aux tentatives précédentes, notre méthode peut planifier un chemin pour des scénarios difficiles sans démonstration par un expert, sans calcul hors ligne, sans connaissance a priori de l'environnement, ni prise en compte explicite des contacts. Bien que ces modules aient été entraînés uniquement à partir de données simulées, nos expériences dans le monde réel démontrent un transfert réussi sur le matériel, où le robot a navigué et franchi des obstacles difficiles consécutifs à des vitesses allant jusqu'à 2 mètres par seconde.
En outre, un module de perception a été entraîné à reconstruire les obstacles à partir de données sensorielles bruitées et fortement occultées, et à doter le pipeline d'une compréhension de la scène. Par rapport aux tentatives précédentes, notre méthode peut planifier un chemin pour des scénarios difficiles sans démonstration par un expert, sans calcul hors ligne, sans connaissance a priori de l'environnement, ni prise en compte explicite des contacts. Bien que ces modules aient été entraînés uniquement à partir de données simulées, nos expériences dans le monde réel démontrent un transfert réussi sur le matériel, où le robot a navigué et franchi des obstacles difficiles consécutifs à des vitesses allant jusqu'à 2 mètres par seconde.
Le « parkour » robo-pionnier dans le monde de la robotique
Les adeptes du « parkour » humain sont connus pour leurs prouesses acrobatiques d'une agilité remarquable, et bien qu'ANYmal ne puisse pas les égaler, le robot a réussi à sauter par-dessus des espaces, à grimper et à descendre de grands obstacles, et à s'accroupir pour manœuvrer sous un obstacle, selon un article récent publié dans la revue Science Robotics.
Créé il y a près de 40 ans dans les rues de Paris, le « parkour » a une histoire unique. Ce qui a commencé comme une étude du mouvement humain s'est transformé en une course d'obstacles, qui a évolué vers des techniques enseignées aux pompiers. L'acteur et cascadeur français David Belle a appris ces techniques de son père et a commencé à faire le parcours avec ses amis. Le sport a parcouru un long chemin depuis lors, et nous sommes ici pour vous montrer que le « parkour » n'est pas seulement un sport pour les vidéos virales. Il s'adresse à de vraies personnes qui veulent apprendre des mouvements pratiques et rendre leur corps utile.
L'équipe de l'ETH Zürich a introduit l'approche originale de l'apprentissage par renforcement d'ANYmal en 2019 et a amélioré sa proprioception (la capacité de détecter le mouvement, l'action et l'emplacement) trois ans plus tard. L'année dernière, l'équipe a présenté un trio de robots ANYmal personnalisés, testés dans des environnements aussi proches que possible des durs terrains lunaires et martiens. Comme indiqué précédemment, les robots capables de marcher pourraient aider les futurs rovers et atténuer le risque de dommages causés par des arêtes tranchantes ou la perte de traction dans le régolithe meuble. Chaque robot était équipé d'un capteur lidar, mais ils étaient tous spécialisés dans des fonctions particulières et suffisamment souples pour se remplacer les uns les autres : si l'un d'eux tombe en panne, les autres peuvent prendre le relais.
Par exemple, l'objectif principal du modèle Scout était de surveiller son environnement à l'aide de caméras RVB. Ce robot utilisait également un autre imageur pour cartographier les régions et les objets d'intérêt à l'aide de filtres laissant passer différentes zones du spectre lumineux. Le modèle Scientist avait l'avantage d'avoir un bras équipé d'un MIRA (Metrohm Instant Raman Analyzer) et d'un MICRO (microscopic imager). Le MIRA a permis d'identifier les produits chimiques contenus dans les matériaux trouvés à la surface de la zone de démonstration en se basant sur la façon dont ils diffusent la lumière, tandis que le MICRO placé sur le poignet a permis de les imager de près. L'hybride était plus généraliste, aidant l'éclaireur et le scientifique à mesurer des cibles scientifiques telles que des blocs rocheux et des cratères.
Malgré les progrès réalisés ces dernières années par ANYmal et les robots à jambes similaires, il reste encore des défis importants à relever avant qu'ils ne soient aussi agiles que les humains et d'autres animaux. « Avant le début du projet, plusieurs de mes collègues chercheurs pensaient que les robots à jambes avaient déjà atteint les limites de leur potentiel de développement », a déclaré le coauteur Nikita Rudin, un étudiant diplômé de l'ETH Zurich qui pratique également le « parkour ». « Mais j'avais une opinion différente. En fait, j'étais persuadé que l'on pouvait faire beaucoup plus avec la mécanique des robots à jambes.
Le « parkour » est assez complexe du point de vue de la robotique, ce qui en fait une tâche idéale pour la prochaine étape de l'équipe suisse dans les capacités d'ANYmal. Le « parkour » peut comporter de gros obstacles, ce qui oblige le robot à "effectuer des manœuvres dynamiques aux limites de l'actionnement tout en contrôlant avec précision le mouvement de la base et des membres", écrivent les auteurs. Pour réussir, ANYmal doit être capable de détecter son environnement et de s'adapter aux changements rapides, en sélectionnant une trajectoire et une séquence de mouvements réalisables à partir de son ensemble de compétences programmées. Et il doit faire tout cela en temps réel avec un système informatique embarqué limité.
L'approche globale de l'équipe suisse combine l'apprentissage automatique et le contrôle basé sur un modèle. Elle divise la tâche en trois composants interconnectés : un module de perception qui traite les données des caméras embarquées et du LiDAR pour estimer le terrain ; un module de locomotion avec un catalogue programmé de mouvements pour surmonter des terrains spécifiques ; et un module de navigation qui guide le module de locomotion dans le choix des compétences à utiliser pour franchir différents obstacles et terrains à l'aide de commandes intermédiaires.
Rudin, par exemple, a utilisé l'apprentissage automatique pour enseigner à ANYmal de nouvelles compétences par essais et erreurs, notamment l'escalade d'obstacles et la manière de les escalader et d'en redescendre. La caméra du robot et son réseau neuronal artificiel lui permettent de choisir les meilleures manœuvres en fonction de son entraînement préalable. Un autre étudiant diplômé, Fabian Jenelten, a utilisé le contrôle basé sur un modèle pour apprendre à ANYmal à reconnaître et à franchir des espaces dans des piles de décombres, en y ajoutant l'apprentissage automatique afin que le robot puisse appliquer avec plus de souplesse des modèles de mouvement connus à des situations inattendues.
Les capacités de ANYmal redéfinissent la robotique
L'avancée technologique présentée par le robot quadrupède développé par l'équipe de recherche de l'ETH Zürich, représente une étape importante dans le domaine de la robotique autonome. La combinaison de l'apprentissage automatique et du contrôle basé sur un modèle a permis à ce robot de développer des compétences de « parkour » rudimentaires, renforçant ainsi sa capacité à naviguer dans des environnements complexes.
Les caractéristiques techniques d'ANYmal sont impressionnantes, notamment sa capacité à courir de manière dynamique, à grimper rapidement et à s'accroupir pour franchir des obstacles. De plus, ses capteurs intégrés lui permettent de percevoir son environnement et de créer des cartes pour une navigation autonome précise. Cependant, malgré ces avancées, quelques points critiques méritent d'être soulignés. Premièrement, la question de l'adaptabilité du robot à différents environnements et obstacles reste une préoccupation majeure. Les tests ont été réalisés dans des conditions spécifiques, mais il est important de vérifier si ANYmal peut fonctionner de manière fiable dans une variété de situations réelles.
Deuxièmement, le processus d'entraînement des algorithmes nécessite du temps et de la précision, ce qui peut limiter la scalabilité et la généralisation de cette technologie. Des efforts supplémentaires seront nécessaires pour rendre ce processus plus efficace et moins laborieux.
Enfin, bien que les progrès réalisés avec ANYmal soient prometteurs, il est important de reconnaître qu'il reste encore beaucoup à faire pour atteindre une agilité et une polyvalence comparables à celles des animaux réels. Les robots quadrupèdes comme ANYmal ont le potentiel de révolutionner de nombreux domaines, mais il est crucial de continuer à investir dans la recherche et le développement pour surmonter les défis restants et exploiter pleinement leur potentiel.
Source : ANYmal « parkour » : Learning agile navigation for quadrupedal robots, ETH Zürich
Et vous ?
Quel est votre avis sur le sujet ? Quelle est la pertinence réelle de ANYmal dans des situations de sauvetage ou de recherche, étant donné ses compétences de « parkour » actuelles et ses capacités limitées ?Voir aussi :
Un modèle d'IA d'OpenAI permet désormais au robot humanoïde Figure 01 d'avoir des conversations complètes avec des humains, il peut également ranger la vaisselle et servir à manger Un robot qui s'appuie sur de complexes algorithmes de contrôle pour s'équilibrer et se déplacer sera déguisé en renard ou coyote, pour éloigner les animaux des pistes de l'aéroport de l'Alaska « Bientôt, tout le monde possédera un robot, comme une voiture ou un téléphone aujourd'hui », affirme le fondateur de Figure AI, mais la question du coût des robots fait l'objet de débat 
