L’efficacité des robots peut être améliorée en simplifiant leur traitement des données. La robotique paresseuse, une approche promue par René van de Molengraft, professeur à l’Université de technologie d’Eindhoven, vise à enseigner aux machines à ignorer les informations superflues.
Cette méthode pourrait réduire la consommation énergétique des robots tout en les rendant plus performants dans le monde réel.
Les robots accordent la même importance à toutes les données qu’ils reçoivent, ce qui consomme beaucoup d’énergie. Contrairement aux humains qui savent instinctivement à quoi prêter attention, les machines traitent chaque détail sans distinction. Cela entraîne une dépense inutile de puissance de calcul. En apprenant aux robots à prioriser les informations, ils deviendront plus économes et efficaces.
Le football, un terrain d’entraînement pour les robots
Pour tester la robotique paresseuse, Van de Molengraft utilise le football. En compétition à la RoboCup, l’équipe de robots autonomes de son université a démontré comment ignorer les distractions non pertinentes et se concentrer sur les actions importantes. Ce concept de paresse robotique améliore leur capacité à prendre des décisions rapides et intelligentes sur le terrain. De ce fait, les robots économisent de précieuse énergie.
Les robots de Tech United utilisent des modèles du terrain de football pour éviter de scanner constamment leur environnement. Chaque robot partage les données capturées par ses caméras avec ses coéquipiers dans le but d’offrir une vue globale du jeu. Ces stratégies paresseuses augmentent alors l’efficacité des robots. Elles rendent leurs mouvements plus fluides et leur jeu plus stratégique.
La robotique paresseuse ne se limite pas au football. Dans les entrepôts, il est essentiel que les robots priorisent les informations pour travailler efficacement avec les humains. Mytra, une start-up fondée par Chris Walti, ancien directeur de la division robotique de Tesla, développe des robots qui utilisent l’apprentissage par renforcement pour collaborer et accomplir des tâches de manière autonome. Cette approche minimise les instructions centrales et optimise également la consommation d’énergie.
Vers une autonomie accrue avec l’IA générative
Les grands acteurs de la robotique, comme Amazon, adoptent également des stratégies pour rendre leurs robots plus intelligents. Grâce à l’IA générative, les machines peuvent prédire l’issue d’une action avant de la tenter. Cela optimise leurs décisions et réduit la complexité des processus.
Van de Molengraft continue d’affiner ses méthodes pour rendre les robots encore plus paresseux mais efficaces. Il vise à réduire davantage les tâches inutiles effectuées par les robots pendant leurs activités. Bien que les robots ne soient pas encore aussi économes en énergie que les humains, des progrès constants sont réalisés. L’objectif est d’atteindre une efficacité maximale, non seulement dans le sport, mais dans de nombreux secteurs d’activité.
- Partager l'article :
