Des chercheurs de l'ETH Zurich ont développé une méthode d'apprentissage permettant à un robot humanoïde d'enchaîner des mouvements complexes sans entraînement spécifique pour chaque tâche.
Grimper à une échelle, franchir des obstacles, ramper ou se relever après une chute… autant de mouvements qui nécessitent habituellement des stratégies de contrôle distinctes.
Une équipe de chercheurs de l'École polytechnique fédérale de Zurich propose une autre approche permettant de gérer ces différentes situations à partir d'un seul processus d'apprentissage. Cette technologie a été expérimentée sur le robot humanoïde G1 du constructeur chinois Unitree.
Le principe est d'apprendre au robot où placer ses différentes parties du corps plutôt que lui imposer une succession de mouvements prédéfinis.
Baptisée Attention-based Contact Planning, cette méthode utilise un réseau neuronal doté d'un mécanisme d'attention pour déterminer les points de contact les plus adaptés à chaque situation.
Le système analyse simultanément le terrain, la position du robot, la vitesse de ses articulations et l'objectif à atteindre. Il peut mobiliser neuf points d'appui : les mains, les coudes, les genoux, les pieds et le bassin.
Pour grimper à une échelle, par exemple, l'IA détermine où positionner les mains et les pieds. Un contrôleur distinct ajuste ensuite les articulations, les bras, les jambes et le torse pour exécuter le mouvement tout en préservant l'équilibre. Cette architecture combine apprentissage par renforcement et imitation de mouvements. Elle permet au robot d'adapter sa posture aux obstacles rencontrés, sans devoir apprendre une séquence spécifique pour chaque configuration.
Pour fonctionner dans un environnement réel, cette approche s'appuie également sur un système de cartographie LiDAR développé par les chercheurs. Celui-ci transforme les mesures des capteurs en une représentation du relief et évalue la fiabilité des données recueillies. Il peut ainsi détecter les surfaces complexes, comme les barreaux étroits d'une échelle.
Le traitement est assuré par un module NVIDIA Jetson Orin NX. Selon l'équipe, le dispositif peut analyser environ 20 000 points LiDAR en 30 millisecondes, avec une actualisation de la cartographie à une fréquence de 10 Hz.
Cette perception du terrain permet au robot de sélectionner ses appuis en fonction de son environnement immédiat, plutôt que de s'appuyer sur une trajectoire entièrement calculée à l'avance.
Les chercheurs ont testé leur technologie sur plusieurs exercices physiques. Le robot Unitree G1 a réussi à monter des échelles et des escaliers, à progresser sur des pierres, à ramper dans des passages étroits, à franchir des obstacles et à se relever après une chute.
Les résultats en simulation sont également encourageants. Sur huit parcours d'obstacles complexes, la méthode ACP affiche un taux de réussite moyen de 92,5 %, contre 58,8 % pour MGMT, une méthode de référence reposant sur la génération et le suivi de mouvements.
Ces chiffres doivent toutefois être relativisés car ils proviennent de simulations et ne correspondent pas à un taux de réussite mesuré dans le monde réel.
OpenAI a mis à jour son Model Spec, le document qui décrit le comportement visé pour ses modèles. Réorganisé autour de cinq valeurs, il demande aux IA de mieux comprendre les intentions de l’utilisateur à partir du contexte, en rendant leurs hypothèses visibles et faciles à corriger.
Mistral AI a publié aujourd'hui la version open weight de son modèle d'intelligence artificielle Mistral Large 4, surnommé "Le Chonk". Benchmark à l'appui, la société assure que son modèle est à l'état de l'art sur les tâches de développement informatique et la cybersécurité.
La société américaine Scale AI est visée par une plainte déposée en France, en Italie, au Pays Bas et en Autriche par des employés soutenus par l'association noyb. Les plaignants estiment que les conditions de travail imposées par la plateforme ne respectent pas le RGPD.
Le ZDNET Morning le brief de l'actu tech pour les pros tous les matins à 9h00. Transformation numérique, IA, matériel, logiciels,… ne passez pas à côté de ce qui fait la Une du secteur.
Sous Ubuntu 26.10 (bêta), cet ordinateur de bureau compact a dû, par exemple, faire fonctionner la nouvelle plateforme de dictée Myna de Canonical, basée sur l'intelligence artificielle. Les résultats sont appréciables.
Si vous avez besoin d'une grande puissance pour exécuter des tâches d'IA, mais que vous disposez de peu d'espace, VZmore propose un PC qui vous conviendra parfaitement.
J'utilise ChatGPT Plus et Google AI Pro : l'un pour ses avantages, l'autre pour le travail. Voici une comparaison entre les deux en matière de programmation, de créativité, de stockage et d'automatisation.
Si vous souhaitez utiliser l'intelligence artificielle sous l’OS libre, découvrez ces options.
J'ai utilisé ChatGPT pour enquêter sur des pannes de mémoire vive, des paramètres du BIOS et des problèmes de corruption de Windows, et cela a bouleversé ma vision de l'assistance technique basée sur l'IA.
Il ne suffit pas juste de rajouter de la mémoire vive pour tirer pleinement parti de l'intelligence artificielle localement. Voici quatre conseils.
Vous payez pour ChatGPT, l'espace de stockage Google et YouTube Premium ? Vos abonnements se chevauchent peut-être plus que vous ne le pensez.
Je ne suis pas développeur, mais j'ai réussi à utiliser une IA installée localement pour créer un logiciel d'écriture adapté à mes besoins. Voici comment j'ai procédé.
