Dans un récent article sur le serveur de pré impression de Arxiv.org, des chercheurs de Carnegie Mellon, Facebook et de l’Université d’Illinois Urbana-Champaig ont mis au point une nouvelle technologie baptisée Active Neural “Simultaneous Localisation and Mapping” (Active Neural SLAM). Cette dernière va permettre aux robots de pouvoir de naviguer dans différents environnement en utilisant moins de données.
Une technologie qui pourrait être majeure dans la robotique
l’Active Neural Slam pourrait, à l’avenir, tenir une place prépondérante dans le milieu de la robotique. En effet, la navigation des robots s’effectue à la fois via une navigation coordonnée, combinée à une recherche de chemins (c’est-à-dire la recherche de chemins vers des objets, ce qui demeurait jusqu’à maintenant un obstacle important pour les machines autonomes. IL n’en demeure pas moins que, d’une manière globale, l’apprentissage de la cartographie nécessite beaucoup de calculs.
La technologie apporte une évolution majeure, dans le sens où elle fonctionne avec des entrées sensorielles brutes telles que des images de caméra et exploite les régularités dans les dispositions des environnements. Cela lui permet d’atteindre des performances à tout ce qui se fait actuellement, mais avec le gros avantage d’utiliser un nombre de données moindres.
Une combinaison ingénieuse
La technologie Active Neural Slam inclut un module neuronal qui comprend lui-même un mappeur, et un estimateur de pose. Le premier gère la carte liée à l’environnement, et prévoir les zones explorées et le obstacles possibles pouvant se présenter. L’estimateur de pose évalue quant à lui ou l’agent doit se poser.
Un modèle planificateur orchestre l’ensemble, permettant à l’engin autonome de prendre les chemins les plus courts de son emplacement actuel vers ce lui désiré. Enfin, une politique locale génère des actions de navigation à l’aide des données de la caméra et des objectifs à court terme.
L’équipe de recherche déclare que le système Active Neural Slam à réussi à explorer totalement des petites zones en seulement 500 étapes, contre 1000 pour ce qui existe actuellement. De plus, alors que les technologies existantes rencontrent des blocages dans certaines zones, l’équipe affirme ne pas avoir rencontré ce problème.
Confiant dans ses résultats, ils ont décidé de greffer la technologie à à un robot Locobot . Après avoir paramétré la technologie sur celui-ci, il aurait réussi à explorer intégralement le salon dans un appartement.
Les équipes de recherches ont conclut en déclarant: « À l’avenir, Active Neural SLAM peut être étendu à des tâches sémantiques complexes telles que la navigation sémantique d’objectifs et la réponse à des questions incorporées en utilisant un module sémantique Neural SLAM, qui crée une carte capturant les propriétés sémantiques des objets dans l’environnement. Le modèle peut également être combiné avec des travaux antérieurs sur la localisation pour relocaliser dans une carte précédemment créée pour une navigation efficace dans les épisodes suivants.”
Yvan Dupuy