La peau « détectée » aide les robots mous à trouver leurs repères
Pour la première fois, les chercheurs du MIT ont permis à un bras robotique souple de comprendre sa configuration dans l’espace en 3D, en exploitant uniquement les données de mouvement et de position de sa propre peau « détectée ».
Les robots souples construits à partir de matériaux hautement conformes, similaires à ceux que l’on trouve dans les organismes vivants, sont présentés comme des alternatives plus sûres, plus adaptables, plus résistantes et plus bio-inspirées aux robots rigides traditionnels. Mais donner un contrôle autonome à ces robots déformables est une tâche monumentale car ils peuvent se déplacer dans un nombre quasi infini de directions à tout moment. Il est donc difficile de former des modèles de planification et de contrôle qui pilotent l’automatisation.
Les méthodes traditionnelles pour obtenir un contrôle autonome utilisent de grands systèmes de plusieurs caméras de capture de mouvement qui fournissent aux robots un retour d’information sur les mouvements et les positions en 3D. Mais elles sont peu pratiques pour les robots logiciels dans les applications du monde réel.
Dans un article publié dans la revue Lettres de l’IEEE sur la robotique et l’automatisationLes chercheurs décrivent un système de capteurs souples qui recouvrent le corps d’un robot pour fournir une « proprioception », c’est-à-dire la conscience du mouvement et de la position de son corps. Ce retour d’information se traduit par un nouveau modèle d’apprentissage approfondi qui filtre le bruit et capture des signaux clairs pour estimer la configuration 3D du robot. Les chercheurs ont validé leur système sur un bras robotique souple ressemblant à une trompe d’éléphant, qui peut prédire sa propre position lorsqu’il se balance et s’étend de manière autonome.
Les capteurs peuvent être fabriqués à partir de matériaux standard, ce qui signifie que n’importe quel laboratoire peut développer ses propres systèmes, explique Ryan Truby, post-doc au Laboratoire d’informatique et d’artificialité du MIT (CSAIL), qui est co-premier auteur de l’article avec Cosimo Della Santina, post-doc du CSAIL.
« Nous détectons des robots souples pour obtenir un retour d’information pour le contrôle à partir de capteurs, et non de systèmes de vision, en utilisant une méthode de fabrication très facile et rapide », dit-il. « Nous voulons utiliser ces malles robotiques souples, par exemple, pour s’orienter et se contrôler automatiquement, pour ramasser des objets et interagir avec le monde. C’est un premier pas vers ce type de contrôle automatisé plus sophistiqué ».
L’un des objectifs futurs est de contribuer à la fabrication de membres artificiels capables de manipuler avec plus de dextérité les objets présents dans l’environnement. « Pensez à votre propre corps : Vous pouvez fermer les yeux et reconstruire le monde en vous basant sur les réactions de votre peau », déclare la co-auteure Daniela Rus, directrice de CSAIL et professeur Andrew et Erna Viterbi de génie électrique et d’informatique. « Nous voulons concevoir ces mêmes capacités pour les robots mous. »
Mise en forme des capteurs souples
Un des objectifs de longue date de la robotique douce est d’intégrer complètement les capteurs corporels. Les capteurs rigides traditionnels détournent le corps mou d’un robot de sa conformité naturelle, compliquent sa conception et sa fabrication, et peuvent provoquer diverses défaillances mécaniques. Les capteurs à base de matériaux souples sont une alternative plus appropriée, mais leur conception nécessite des matériaux et des méthodes spécialisés, ce qui rend leur fabrication et leur intégration dans les robots souples difficiles pour de nombreux laboratoires de robotique.
En travaillant un jour dans son laboratoire CSAIL à la recherche d’inspiration pour des matériaux de capteurs, Truby a fait un rapprochement intéressant. « J’ai trouvé ces feuilles de matériaux conducteurs utilisés pour le blindage contre les interférences électromagnétiques, que vous pouvez acheter n’importe où en rouleaux », dit-il. Ces matériaux ont des propriétés « piézorésistives », c’est-à-dire qu’ils changent de résistance électrique lorsqu’ils sont sollicités. Truby a réalisé qu’ils pouvaient faire des capteurs souples efficaces s’ils étaient placés à certains endroits du coffre. Lorsque le capteur se déforme en réponse à l’étirement et à la compression du tronc, sa résistance électrique est convertie en une tension de sortie spécifique. La tension est alors utilisée comme un signal en corrélation avec ce mouvement.
Mais le matériau ne s’étirait pas beaucoup, ce qui limiterait son utilisation pour la robotique douce. Inspiré par le kirigami – une variante de l’origami qui consiste à faire des découpes dans un matériau – Truby a conçu et découpé au laser des bandes rectangulaires de feuilles de silicone conductrices en différents motifs, tels que des rangées de minuscules trous ou des tranches croisées comme une clôture à mailles de chaîne. Cela les a rendues beaucoup plus flexibles, extensibles, « et belles à regarder », dit Truby.
Crédit : Ryan L. Truby, MIT CSAIL
Le tronc robotisé des chercheurs est composé de trois segments, chacun avec quatre actionneurs fluidiques (12 au total) utilisés pour déplacer le bras. Ils ont fusionné un capteur sur chaque segment, chaque capteur couvrant et collectant les données d’un actionneur intégré dans le robot logiciel. Ils ont utilisé le « collage au plasma », une technique qui permet d’énergiser la surface d’un matériau pour le faire adhérer à un autre matériau. Il faut environ deux heures pour former des dizaines de capteurs qui peuvent être reliés aux robots souples à l’aide d’un dispositif de liaison plasma portatif.
Crédit : Ryan L. Truby, MIT CSAIL
« Configurations « d’apprentissage
Comme on l’a supposé, les capteurs ont bien capté le mouvement général du tronc. Mais ils étaient vraiment bruyants. « Essentiellement, ce sont des capteurs non idéaux à bien des égards », dit Truby. « Mais ce n’est qu’un fait courant dans la fabrication de capteurs à partir de matériaux conducteurs souples. Des capteurs plus performants et plus fiables nécessitent des outils spécialisés que la plupart des laboratoires de robotique ne possèdent pas ».
Pour estimer la configuration du robot souple en utilisant uniquement les capteurs, les chercheurs ont construit un réseau neuronal profond pour effectuer la plupart des tâches lourdes, en passant au crible le bruit pour capturer des signaux de retour significatifs. Les chercheurs ont développé un nouveau modèle pour décrire cinématiquement la forme du robot souple qui réduit considérablement le nombre de variables nécessaires au traitement de leur modèle.
Lors des expériences, les chercheurs ont fait pivoter le coffre et l’ont fait s’étendre dans des configurations aléatoires pendant environ une heure et demie. Ils ont utilisé le système traditionnel de capture de mouvement pour les données de vérité de terrain. En formation, le modèle a analysé les données de ses capteurs pour prédire une configuration, et a comparé ses prédictions aux données de vérité de terrain qui étaient collectées simultanément. Ce faisant, le modèle « apprend » à faire correspondre les modèles de signaux de ses capteurs à des configurations du monde réel. Les résultats ont indiqué que pour certaines configurations plus stables, la forme estimée du robot correspondait à la réalité du terrain.
Ensuite, les chercheurs visent à explorer de nouvelles conceptions de capteurs pour améliorer la sensibilité et à développer de nouveaux modèles et des méthodes d’apprentissage approfondi afin de réduire la formation requise pour chaque nouveau robot souple. Ils espèrent également affiner le système afin de mieux capturer les mouvements dynamiques complets du robot.
Actuellement, le réseau neuronal et la peau des capteurs ne sont pas sensibles à la capture de mouvements subtils ou de mouvements dynamiques. Mais, pour l’instant, il s’agit d’une première étape importante pour les approches basées sur l’apprentissage de la commande robotique douce, déclare Truby : « Comme nos robots doux, les systèmes vivants n’ont pas besoin d’être totalement précis. Les humains ne sont pas des machines précises, par rapport à nos homologues robotiques rigides, et nous nous en sortons très bien ».
