Une nouvelle technique d’IA aide les robots à accomplir des tâches deux fois plus rapidement en leur permettant de « penser à l’avance »

Les scientifiques ont conçu un nouveau intelligence artificielle (IA) qui réduit de plus de 10 fois les délais de réaction des robots sans utiliser de puissance de calcul supplémentaire.

De nombreux robots contrôlés par des modèles d’action et de langage de vision (VLA) se déplacent par à-coups : atteindre, faire une pause, ajuster, faire une nouvelle pause. Le problème vient en grande partie de la façon dont ces modèles sont généralement exécutés : après avoir exécuté une série d’instructions, le robot attend que le modèle calcule la série suivante, créant ainsi un rythme d’arrêt et de départ. Ce délai de réaction constitue un obstacle majeur à l’utilisation de robots contrôlés par VLA pour des tâches nécessitant une interaction continue et en temps réel.

Un nouveau système appelé « VLASH » tente d’éliminer cette attente en planifiant les prochaines actions pendant que le robot termine celles en cours. Lors des tests, les robots utilisant VLASH ont accompli certaines tâches 1,5 à 2 fois plus rapidement tout en conservant la majeure partie ou la totalité de leur précision. La latence de réaction maximale a été réduite jusqu’à 11,8 fois, selon le matériel informatique utilisé.

Des chercheurs du MIT ; Nvidia ; Caltech ; l’Université de Californie, Berkeley ; l’Université de Californie, San Diego ; et l’Université Tsinghua en Chine ont décrit le système dans un article téléchargé sur le arXiv serveur de préimpression et fera une présentation à la conférence sur les robots et systèmes intelligents cet automne.

Une version antérieure de l’article faisait état d’une accélération de plus de 30 fois, mais les chercheurs ont déclaré à Live Science que ces tests utilisaient des séquences d’action plus longues et un matériel plus lent. Les expériences les plus récentes utilisaient des séquences d’action plus courtes et plus courantes et des GPU plus puissants. « Le chiffre de 11,8x représente peut-être mieux les paramètres pratiques récents », ont déclaré les auteurs de l’étude dans un e-mail à Live Science.

Les robots bénéficient d’une mise à niveau cérébrale

Les modèles VLA constituent le cerveau de nombreux robots avancés. Ils combinent les images d’une caméra avec des instructions humaines et des informations sur l’état actuel du robot, puis traduisent ces informations en mouvements physiques. Lorsque le robot effectue un groupe d’actions, VLASH utilise sa position actuelle et ses mouvements programmés pour estimer où il se terminera. À partir de cet état projeté, l’IA planifie le prochain groupe d’actions.

VLASH prédit le robot, pas le monde qui l’entoure. Prédire l’ensemble de l’environnement avec un modèle mondial peut prendre plus de temps de calcul, ce qui le rend moins utile lorsqu’un robot a besoin de réactions très rapides. Les deux approches pourraient éventuellement fonctionner ensemble, ont indiqué les chercheurs.

C’est comme planifier votre prochain pas avant que votre pied ne touche le sol, plutôt que d’attendre qu’il atterrisse avant de décider où aller.

Les chercheurs ont testé deux modèles VLA sur deux plates-formes robotiques, en utilisant un ordinateur portable équipé d’un GPU Nvidia RTX 5090. Ils ont testé des tâches de sélection et de placement, d’empilage et de tri, en effectuant 20 essais par méthode, ainsi que des défis à réaction rapide, notamment le tennis de table et Whac-a-Mole. Ils ont mesuré séparément la latence de réaction sur diverses unités de traitement.

Étant donné que VLASH estime l’état futur du robot à partir des mouvements déjà planifiés, il ne nécessite pas de modèle de prédiction distinct ni d’étape d’inférence supplémentaire au moment de l’exécution.

Machines d’amorçage pour le monde réel

Les chercheurs ont également réorganisé les données de formation existantes pour accélérer la mise au point. Dans un benchmark, chaque étape d’entraînement était 3,26 fois plus rapide tout en atteignant une précision comparable. Cela ne signifie pas que la formation totale devient 3,26 fois plus rapide ou moins chère, préviennent les chercheurs, car le coût global dépend également du modèle, du matériel, des données et du nombre d’étapes de formation.

Le tennis de table et Whac-a-Mole ont mis les réactions de VLASH à l’épreuve. Dans les deux cas, la cible pouvait bouger pendant que le robot calculait encore quoi faire.

VLASH n’essaie pas de prédire ces mouvements. Au lieu de cela, il traite les nouvelles observations 15 à 30 fois par seconde, ce qui lui permet de détecter rapidement des changements tels qu’un objet déplacé, ont indiqué les chercheurs.

Cette vitesse accrue ne concerne cependant pas la sécurité du robot en présence d’humains. Roshni Lullaco-fondateur et directeur de recherche à l’Institute for Humane Robotics qui n’a pas participé à la recherche, a averti que des réactions plus rapides ne rendent pas nécessairement un robot plus sûr. « Réagir plus tôt est un réel avantage, mais les arguments en faveur d’une sécurité améliorée ne me paraissent pas clairs », a-t-elle expliqué.

Les chercheurs ont déclaré que les tâches de manipulation qui nécessitent un mouvement continu et des réponses rapides en bénéficieraient probablement en premier. Cela pourrait éventuellement inclure la fabrication et d’autres environnements dans lesquels les objets bougent et les plans changent. Mais Lulla a déclaré que le test le plus révélateur serait de placer ces robots à proximité des gens. « La vraie question est de savoir comment cela modifie les performances robotiques dans des environnements centrés sur l’humain », a-t-elle déclaré. « Je souhaiterais que des tests soient effectués avec un humain présent dans la pièce, alors que l’état de l’environnement pourrait être modifié par un autre agent. »

La recherche et le sauvetage sont une possibilité plus lointaine. VLASH n’a pas été testé dans des conditions de faible éclairage, de fumée, de terrain instable, de caméras endommagées ou de communications peu fiables. Selon les chercheurs, son fonctionnement dans ces conditions dépendra largement du modèle VLA sous-jacent.

VLASH pourrait éventuellement être associé à des solutions plus avancées modèles du monde qui prédisent des changements dans l’environnement au sens large. Cependant, les chercheurs doivent d’abord le tester sur davantage de robots, de modèles VLA, de tâches et d’environnements, ainsi que dans le cadre d’expériences plus longues et avec des perturbations inattendues.

Lulla a déclaré que les résultats soutiennent une conclusion relativement étroite. « Nous pouvons affirmer à juste titre que cette nouvelle méthodologie supprime un goulot d’étranglement en termes de temps de traitement et préserve les capacités », a-t-elle déclaré. Mais, a-t-elle ajouté, « ce que je ne prétendrais pas être une avancée significative en matière de sécurité ou de renseignement ».

« Plutôt qu’une simple démonstration, nous rechercherions des gains cohérents sur de nombreux robots, tâches, environnements et essais de longue durée, ainsi qu’une validation appropriée de la fiabilité et de la sécurité », ont déclaré les auteurs de l’étude. Pour l’instant, VLASH montre que les robots peuvent passer moins de temps à attendre pour décider quoi faire ensuite. Reste à savoir si ces réactions plus rapides perdurent en dehors du laboratoire.