L'Allen Institute lance ToyBlocks pour entraîner les robots

Résumé

ToyBlocks fournit un environnement simulé où les chercheurs peuvent générer des tâches, entraîner des robots et mesurer leurs progrès dans un cadre contrôlé.

Les faits

Allen Institute présente FoundationWorlds, un cadre destiné à créer des environnements contrôlés pour étudier l’apprentissage robotique. Chaque monde associe une simulation ciblée, des outils de génération automatique de tâches et de démonstrations, ainsi que des métriques pour mesurer le comportement d’un robot au fil du temps. Le premier environnement, ToyBlocks, est une simulation ouverte centrée sur un bras robotique et des blocs posés sur une table. Malgré ce cadre volontairement simple, le robot doit comprendre les interactions entre les blocs et déterminer comment les pousser, les retourner et les empiler. Les images et les lettres présentes sur leurs faces permettent aussi de concevoir des tâches de recherche, de tri et d’organisation. ToyBlocks génère automatiquement des démonstrations, c’est-à-dire des enregistrements de tâches réalisées par un robot en simulation, sans téléopération humaine. Les chercheurs peuvent modifier les expériences d’entraînement, par exemple en produisant davantage de démonstrations de poussée ou de retournement, puis évaluer les performances sur des tâches absentes des données d’entraînement. Le framework s’appuie sur l’apprentissage par renforcement et la planification de mouvements pour produire des compétences destinées à des tâches de courte durée. Un planificateur de tâches et de mouvements sélectionne et ordonne ensuite ces compétences afin de générer des démonstrations. L’exécution de centaines de plans en parallèle sur un seul processeur graphique peut atteindre jusqu’à 24 fois le temps réel.

Pourquoi c’est important

ToyBlocks cherche à réunir dans un même environnement la génération de données, l’entraînement et l’évaluation. Ce cadre permet d’étudier plus directement l’effet d’une quantité ou d’un type de données d’entraînement sur les capacités d’un robot, ainsi que les causes de ses échecs. La portée volontairement étroite de la simulation facilite le contrôle des variables tout en conservant des problèmes combinant raisonnement et dextérité. La variation de la taille des blocs, de la hauteur de la table et d’autres propriétés physiques sert à examiner la généralisation des modèles lorsque la géométrie change.

Questions fréquentes

Qu’est-ce que ToyBlocks ?

ToyBlocks est un framework ouvert de simulation consacré à l’apprentissage et à l’évaluation d’un bras robotique manipulant des blocs sur une table.

Que génère automatiquement ToyBlocks ?

ToyBlocks génère des tâches, des compétences et des démonstrations enregistrées en simulation, sans nécessiter de téléopération humaine.

Quelles actions le robot doit-il apprendre ?

Le robot doit notamment pousser, retourner et empiler des blocs, ainsi que les rechercher, les trier et les organiser.

Quelle vitesse de génération est annoncée ?

La génération peut exécuter des centaines de plans en parallèle sur un seul processeur graphique et atteindre jusqu’à 24 fois le temps réel.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.