L’entreprise d’intelligence artificielle spécialisée dans la robotique Skild AI a créé pour son système baptisé S1 un terrain où il pouvait apprendre seul à jouer au football, au lieu de coder chaque action individuellement. Dans l’environnement virtuel Isaac Sim de NVIDIA, le système a disputé l’équivalent de 140 années de matchs de football, avec pour seul objectif de marquer des buts. Il a développé pendant les matchs des compétences telles que l’approche du ballon, la conduite de balle et le blocage de l’adversaire. Le robot, qui avait initialement du mal à marcher, a été surnommé « Messinator ».
Lors de l’entraînement, les adversaires et les enseignants étaient les versions précédentes du robot. Au fil de matchs de plus en plus difficiles fondés sur la méthode d’autojeu, il a conservé les actions qui se révélaient efficaces. Après l’entraînement virtuel, il a testé sur un terrain réel ses capacités à conduire le ballon, à changer de direction et à bloquer l’adversaire. Le robot a également suivi les mouvements de son adversaire et décidé de son action suivante tout en maintenant son équilibre et en contrôlant le ballon. Skild AI entend utiliser cette méthode pour des tâches dans les usines, les chantiers et les foyers.
Pourquoi c’est important
Cette approche met en avant l’idée de faire acquérir des compétences aux robots au moyen d’objectifs et d’essais-erreurs, plutôt que de leur décrire séparément chaque mouvement. La possibilité de tester sur un terrain réel les comportements développés dans un environnement virtuel permet de dissocier le processus d’apprentissage des essais effectués sur le robot physique et offre une méthode susceptible d’être utilisée pour des tâches dans les usines, les chantiers et les foyers. Toutefois, on ignore encore dans quelle mesure les capacités d’équilibre, de changement de direction et de blocage efficaces au football pourront s’appliquer à d’autres tâches. Cette évolution soulève donc, en particulier pour ceux qui s’intéressent à la prise de décision des robots dans des conditions changeantes, la question de savoir si la méthode d’apprentissage pourra être transposée à d’autres domaines, au-delà d’une compétence particulière.