Une nouvelle méthode pour orchestrer une collaboration réussie entre robots repose sur la patience

Dans le domaine de la robotique collaborative, la patience émerge comme un pilier essentiel pour orchestrer une collaboration fructueuse entre robots. Cette approche novatrice offre de nouvelles perspectives pour améliorer l’efficacité des interactions entre machines et ouvre la voie à des avancées majeures dans ce domaine en constante évolution.

Des chercheurs de l’Université du Massachusetts Amherst ont développé une approche innovante pour optimiser la collaboration entre robots. En programmant les robots pour qu’ils forment leurs propres équipes et attendent volontairement leurs coéquipiers, le temps de réalisation des tâches est considérablement réduit, ouvrant la voie à des améliorations dans les secteurs de la fabrication, de l’agriculture et de l’automatisation des entrepôts.

Avantages d’une équipe de robots

Plutôt que de construire un seul robot humanoïde puissant, l’idée de former une équipe de robots collaboratifs s’avère plus bénéfique. Une équipe diversifiée de robots permet de maximiser les capacités individuelles de chaque robot. Le défi réside dans la coordination de ces robots aux caractéristiques variées : certains sont fixes, d’autres mobiles ; certains soulèvent des charges lourdes, alors que d’autres accomplissent des tâches plus légères.

Méthode d’apprentissage pour la coordination

Hao Zhang et son équipe ont conçu une approche basée sur l’apprentissage pour le planification des robots, appelée « apprentissage pour l’attente volontaire et la sous-équipe » (LVWS). Cette méthode associe deux comportements clés :

• Sous-équipe dynamique : Plusieurs robots travaillent en équipe pour des tâches nécessitant une coopération, comme le transport de grandes boîtes.
• Attente volontaire : Les robots choisissent de patienter pour accomplir des tâches plus importantes plutôt que de se concentrer uniquement sur des petits travaux immédiats.

Performances de la méthode LVWS

Pour évaluer leur approche LVWS, les chercheurs ont simulé 18 tâches avec six robots et comparé les résultats de LVWS avec quatre autres méthodes. La méthode LVWS s’est révélée être très proche de la solution optimale, avec une suboptimalité de seulement 0,8%, contre 11,8% à 23% pour les autres méthodes.

En étendant cette analyse à des modèles comportant 100 tâches, ils ont constaté que leur approche terminait les tâches en 22 pas de temps, contre 23,05 à 25,85 pour les autres modèles. Cela montre que la méthode est efficace pour des ensembles de tâches plus vastes et complexes.

Perspectives d’avenir

Zhang espère que cette méthode permettra d’accélérer le progrès des équipes de robots automatisés, en particulier lorsque la question de l’ échelle entre en jeu. Par exemple, un robot humanoïde unique pourrait être adapté pour des environnements domestiques restreints, tandis que des systèmes multi-robots seraient plus adéquats pour des environnements industriels à grande échelle nécessitant des tâches spécialisées.

Résumé des points clés

Pour plus d’informations, vous pouvez consulter le projet LVWS à l’Université du Massachusetts Amherst.