\u00ab\u00a0J’\u00e9tais si proche du drone autonome que je pouvais sentir ses turbulences en essayant de ne pas le l\u00e2cher\u00a0\u00bb, a dit dans l’\u00e9tude Alex Vanover, un des trois champions de la discipline recrut\u00e9s par le Groupe de robotique et perception \u00e0 l’Universit\u00e9 de Zurich pour affronter leur champion.<\/p>\n
La course s’est tenue sur un circuit de 75 m\u00e8tres compos\u00e9 de sept portes, -de grands cadres bleus \u00e0 franchir dans un certain ordre-, et sur trois tours. Avec des machines atteignant ais\u00e9ment 100 km\/heure et des acc\u00e9l\u00e9rations qui laisseraient loin derri\u00e8re une F1, tout en n\u00e9gociant des virages \u00e0 180 degr\u00e9s.<\/p>\n
Munis du casque transmettant les images de leur drone pour son pilotage, les trois hommes dont un ex-champion du monde de la Drone racing league, ont eu une semaine pour s’entra\u00eener.<\/p>\n
Le drone autonome a remport\u00e9 une majorit\u00e9 de ses courses contre chacun d’entre eux, et effectu\u00e9 le tour le plus rapide du circuit. C’est la premi\u00e8re fois qu'\u00a0\u00bbun robot autonome mobile atteint une performance au niveau d’un champion du monde dans un sport de comp\u00e9tition dans le monde r\u00e9el\u00a0\u00bb, selon l’\u00e9tude.<\/p>\n
Des drones avaient bien atteint un niveau \u00ab\u00a0expert\u00a0\u00bb, mais avec l’aide d’un syst\u00e8me ext\u00e9rieur de capture de mouvement optimisant leur trajectoire. Un avantage \u00ab\u00a0injuste\u00a0\u00bb pour l’\u00e9quipe de Zurich qui pr\u00e9sente Swift, un syst\u00e8me compl\u00e8tement autonome, embarquant ses seuls capteurs et sa puissance de calcul \u00e0 bord du drone.<\/p>\n
\u00ab\u00a0Swift corrige sa course en temps r\u00e9el, en envoyant 100 nouvelles commandes par seconde au drone\u00a0\u00bb, explique \u00e0 l’AFP Elia Kaufmann, premier auteur de l’\u00e9tude et encore doctorant au moment de sa r\u00e9daction.<\/p>\n
Le secret de Swift repose sur une technique dite d’apprentissage par renforcement profond (\u00ab\u00a0deep reinforcement learning\u00a0\u00bb, ndlr), qui combine le traitement d’un tr\u00e8s grand nombre de donn\u00e9es \u00e0 l’observation de r\u00e8gles r\u00e9compensant les progr\u00e8s de la machine.<\/p>\n
Le syst\u00e8me a test\u00e9 des millions de trajectoires combinant la perception de son environnement et sa progression vers la porte suivante. Une simulation en acc\u00e9l\u00e9r\u00e9: \u00ab\u00a0Swift s’est entra\u00een\u00e9 sur l’\u00e9quivalent d’environ un mois de temps r\u00e9el, mais en acc\u00e9l\u00e9r\u00e9, c’est-\u00e0-dire en une heure sur un ordinateur de bureau\u00a0\u00bb, a dit M. Kaufmann.<\/p>\n
Cette m\u00e9thode d’apprentissage est au coeur de programmes capables d’affronter un ma\u00eetre du jeu de Go ou d’\u00e9checs, ou encore un pro de jeux vid\u00e9o tels que StarCraft ou Gran Turismo. Mais hors du monde virtuel, l’humain restait jusqu’ici ma\u00eetre de la course.<\/p>\n
La machine b\u00e9n\u00e9ficie d’avantages inh\u00e9rents, comme une centrale inertielle embarqu\u00e9e qui lui restitue des informations comme l’acc\u00e9l\u00e9ration, que le pilote humain ne peut ressentir sans embarquer sur son drone. Autre avantage, un temps de r\u00e9action cinq fois plus rapide \u00e0 une commande que celle re\u00e7ue par un cerveau humain.<\/p>\n
A ce stade, l’humain conserve un avantage dans un environnement d\u00e9grad\u00e9, avec par exemple des changements d’\u00e9clairage que Swift pourrait avoir du mal \u00e0 prendre en compte. L’humain tient compte aussi de son avance \u00e9ventuelle sur son adversaire pour ralentir un peu afin d’\u00e9viter un crash. La machine elle, va toujours \u00e0 fond \u00ab\u00a0en prenant potentiellement trop de risque tout en \u00e9tant en t\u00eate\u00a0\u00bb, remarque l’\u00e9tude.<\/p>\n
L’impact de ces travaux s’\u00e9tend au-del\u00e0 des courses de drones, remarque Guido de Croon, expert du sujet et professeur \u00e0 l’Universit\u00e9 technologique n\u00e9erlandaise de Delft, dans un commentaire accompagnant l’\u00e9tude dans Nature.<\/p>\n
Les avanc\u00e9es dans ce domaine int\u00e9ressent au plus haut point les militaires, selon lui, mais \u00ab\u00a0ont une \u00e9tendue d’applications beaucoup plus larges\u00a0\u00bb. En facilitant des \u00ab\u00a0missions plus fluides, rapides et de plus grande autonomie\u00a0\u00bb.<\/p>\n
Pour Elia Kaufmann, qui travaille aujourd’hui comme ing\u00e9nieur dans une soci\u00e9t\u00e9 de drones destin\u00e9s \u00e0 l’industrie, l’enjeu est de r\u00e9pondre \u00e0 \u00ab\u00a0une faiblesse inh\u00e9rente aux drones autonomes: une autonomie de vol tr\u00e8s limit\u00e9e\u00a0\u00bb.<\/p>\n
L’approche retenue avec Swift, \u00ab\u00a0qui permet de replanifier des actions en temps r\u00e9el sans besoin de recalculer une trajectoire\u00a0\u00bb, permettrait ainsi une navigation plus efficace, et donc plus \u00e9conome en \u00e9nergie. (AFP)<\/p>\n","protected":false},"excerpt":{"rendered":"
Un drone autonome, pilot\u00e9 par une intelligence artificielle, a surclass\u00e9 pour la premi\u00e8re fois des champions de course de drones, selon une \u00e9tude publi\u00e9e dans Nature, ouvrant la voie \u00e0 une optimisation de syst\u00e8mes utilis\u00e9s dans les voitures autonomes ou les robots industriels. \u00ab\u00a0J’\u00e9tais si proche du drone autonome que je pouvais sentir ses turbulences […]<\/p>\n","protected":false},"author":1,"featured_media":11726,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[30],"tags":[2830,779,2829],"class_list":["post-11890","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualite","tag-drone-pilote-par-intelligence-artificielle","tag-intelligence-artificielle","tag-robots-industriels"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t