Imaginez un avenir où les robots sont si intégrés dans le tissu de la vie humaine qu’ils deviennent aussi communs que le sont les smartphones aujourd’hui. Le domaine de la robotique a le potentiel d’améliorer considérablement la qualité de notre vie au travail, à la maison et au jeu en offrant aux gens un soutien pour les tâches cognitives et physiques. Pendant des années, les robots ont soutenu l’activité humaine dans des tâches dangereuses, sales et ennuyeuses, et ont permis l’exploration d’environnements inaccessibles, des océans profonds à l’espace profond. De plus en plus de robots capables seront capables de s’adapter, d’apprendre et d’interagir avec les humains et d’autres machines à des niveaux cognitifs.
Les progrès rapides de la technologie au cours de la dernière décennie ont rendu l’informatique indispensable. L’informatique a transformé notre façon de travailler, de vivre et de jouer. La numérisation de pratiquement tout, couplée aux progrès de la robotique, promet un avenir où l’accès aux machines de haute technologie se démocratise et la personnalisation se généralise. Les robots deviennent de plus en plus capables en raison de leur capacité à exécuter des calculs plus complexes et à interagir avec le monde grâce à des capteurs de plus en plus riches et à de meilleurs actionneurs.
Un monde connecté avec de nombreux robots personnalisés travaillant aux côtés des gens crée déjà de nouveaux emplois, améliore la qualité des emplois existants et fait gagner du temps aux gens afin qu’ils puissent se concentrer sur ce qu’ils trouvent intéressant, important et passionnant. Aujourd’hui, les robots sont déjà devenus nos partenaires dans les environnements industriels et domestiques. Ils travaillent côte à côte avec les gens dans les usines et les salles d’opération. Ils tondent nos pelouses, aspirent nos sols et traient même nos vaches. Dans quelques années, ils toucheront encore plus de parties de nos vies.
Se rendre au travail dans votre voiture sans conducteur vous permettra de lire, de renvoyer des appels, de consulter vos podcasts préférés et même de faire la sieste. La voiture robotisée vous servira également d’assistant, en gardant une trace de ce que vous devez faire, en planifiant vos itinéraires pour vous assurer que toutes vos tâches sont effectuées et en vérifiant les dernières données de trafic pour sélectionner les routes les moins encombrées. Les voitures sans conducteur aideront à réduire les décès dus aux accidents de voiture, tandis que les chariots élévateurs autonomes peuvent aider à éliminer les blessures au dos causées par le levage d’objets lourds. Les robots peuvent changer certains emplois existants, mais, dans l’ensemble, les robots peuvent apporter de grandes contributions sociétales. Les robots d’entretien des pelouses et les robots de nettoyage des piscines ont changé la façon dont ces tâches sont effectuées. Les robots peuvent aider l’humanité à résoudre des problèmes petits et grands.
La numérisation de pratiquement tout, couplée aux progrès de la robotique, promet un avenir où l’accès aux machines de haute technologie se démocratise et la personnalisation se généralise
L’objectif de la robotique n’est pas de remplacer les humains par la mécanisation et l’automatisation des tâches, mais plutôt de trouver de nouveaux moyens permettant aux robots de collaborer plus efficacement avec les humains. Les robots sont meilleurs que les humains pour des tâches telles que croquer des nombres et se déplacer avec précision. Les robots peuvent soulever des objets beaucoup plus lourds. Les humains sont meilleurs que les robots pour des tâches telles que le raisonnement, la définition d’abstractions, la généralisation ou la spécialisation grâce à notre capacité à s’appuyer sur des expériences antérieures. En travaillant ensemble, les robots et les humains peuvent augmenter et compléter leurs compétences réciproques.
Une décennie de progrès Permettant l’autonomie
Les progrès de la robotique au cours de la dernière décennie ont démontré que les dispositifs robotiques peuvent localiser, manipuler et interagir avec les personnes et leur environnement de manière unique. Les capacités de locomotion des robots ont été rendues possibles par la grande disponibilité de capteurs précis (par exemple, des scanners laser), de moteurs hautes performances et le développement d’algorithmes robustes pour la cartographie, la localisation, la planification des mouvements et la navigation par waypoint. De nombreuses nouvelles applications sont possibles grâce aux progrès réalisés dans le développement de corps de robots (matériels) et de cerveaux de robots (logiciels).
Les capacités des robots sont définies par le couplage étroit entre leur corps physique et le calcul qui comprend leur cerveau. Par exemple, un robot volant doit avoir un corps capable de voler et des algorithmes pour contrôler le vol. Les robots d’aujourd’hui peuvent effectuer une locomotion de base au sol, dans les airs et dans l’eau. Ils peuvent reconnaître des objets, cartographier de nouveaux environnements, effectuer des opérations de pick-and-place, apprendre à améliorer le contrôle, imiter de simples mouvements humains, acquérir de nouvelles connaissances et même agir en équipe coordonnée. Par exemple, les derniers robots et algorithmes de football sont mis en pratique lors d’une compétition annuelle de football de robots appelée RoboCup.
Les progrès récents du stockage sur disque, l’échelle et les performances d’Internet, la communication sans fil, les outils de conception et de fabrication, la puissance et l’efficacité de l’électronique, couplés à la croissance mondiale du stockage de données, ont eu un impact sur le développement des robots de multiples manières. Les coûts matériels baissent, les composants électromécaniques sont plus fiables, les outils pour fabriquer des robots sont plus riches, les environnements de programmation sont plus facilement disponibles et les robots ont accès aux connaissances mondiales via le cloud. Nous pouvons commencer à imaginer le passage de l’ordinateur personnel au robot personnel, menant à de nombreuses applications où les robots existent de manière omniprésente et travaillent côte à côte avec les humains.
L’objectif de la robotique n’est pas de remplacer les humains par la mécanisation et l’automatisation des tâches, mais plutôt de trouver de nouvelles façons qui permettent aux robots de collaborer plus efficacement avec les humains
Le transport en est un excellent exemple. Il est beaucoup plus facile de déplacer un robot à travers le monde que de construire un robot capable d’interagir avec lui. Au cours de la dernière décennie, des progrès significatifs dans les algorithmes et le matériel nous ont permis d’imaginer un monde dans lequel les personnes et les marchandises sont déplacées de manière beaucoup plus sûre et plus pratique avec des flottes optimisées de voitures autonomes.
En une seule année, les Américains parcourent près de trois mille milliards de kilomètres.1 Si vous faites une moyenne de 60 mi / h, cela représente près de cinquante milliards d’heures passées dans la voiture.2 Ce nombre augmente de façon exponentielle si l’on considère le reste du globe. Mais le temps passé dans nos voitures n’est pas sans défis. Aujourd’hui, un accident de voiture se produit toutes les cinq secondes aux États-Unis.3 À l’échelle mondiale, les accidents de la route sont la huitième cause de décès, avec environ 1,24 million de vies perdues chaque année.4 En plus de ce coût humain terrible, ces accidents ont un coût économique énorme. La National Highway Traffic Safety Administration a calculé le coût économique aux États-Unis à environ 277 milliards de dollars par an.5 Réduire ces chiffres est un défi énorme, mais il est très important de le relever. Les véhicules autonomes ont le potentiel d’éliminer les accidents de la route.
Imaginez si les voitures pouvaient apprendre… apprendre comment nous conduisons learn apprendre à ne jamais être responsable d’une collision learn apprendre ce dont nous avons besoin lorsque nous conduisons? Et s’ils pouvaient devenir des partenaires de confiance? Des partenaires qui pourraient nous aider à naviguer sur des routes difficiles, à surveiller nos dos lorsque nous sommes fatigués, voire à rendre notre temps en voiture fun amusant? Et si votre voiture pouvait vous dire que vous passez une journée difficile et activer votre musique préférée pour vous aider à vous détendre, tout en surveillant attentivement votre conduite? Et si votre voiture savait également que vous aviez oublié d’appeler vos parents hier et qu’elle vous rappelait gentiment sur le chemin du retour. Et imaginez qu’il était facile de faire cet appel parce que vous pouviez retourner la conduite à la voiture sur une portion d’autoroute ennuyeuse.
Reconnaissant ce potentiel extraordinaire au cours des deux dernières années, la plupart des constructeurs automobiles ont annoncé des projets de voitures autonomes. Elon Musk a prédit que nous pourrions nous endormir au volant dans cinq ans; la voiture Google / Waymo a beaucoup fait l’actualité pour avoir parcouru plusieurs millions de kilomètres sans accident; Nissan a promis des voitures autonomes d’ici 2020; Mercedes a créé un prototype de voiture autonome Model S 2014; et Toyota a annoncé (septembre 2015) un programme ambitieux pour développer une voiture qui ne sera jamais responsable d’une collision, et a investi 1 milliard de dollars pour faire progresser l’intelligence artificielle.
Il y a beaucoup d’activité dans cet espace à travers un large spectre de capacités automobiles. Pour comprendre où se situent toutes les différentes avancées, il est utile de consulter la classification de la National Highway Traffic Safety Administration (NHTSA) de cinq niveaux d’autonomie: le niveau 0 n’inclut aucun support pour l’automatisation; Le niveau 1 comprend des outils pour une rétroaction supplémentaire au conducteur humain, par exemple à l’aide d’une caméra arrière; Le niveau 2 comprend un contrôle actif localisé, par exemple des freins antiblocage; Le niveau 3 comprend une prise en charge de l’autonomie sélectionnée, mais l’humain doit être prêt à prendre le relais (comme dans le pilote automatique Tesla); Le niveau 4 comprend l’autonomie à certains endroits, une partie du temps; et le niveau 5 est l’autonomie dans tous les environnements tout le temps.
Une autre façon de caractériser le niveau d’autonomie d’une voiture autonome est selon trois axes définissant (1) la vitesse du véhicule; (2) la complexité de l’environnement dans lequel le véhicule se déplace, et (3) la complexité des interactions avec les agents en mouvement (voitures, personnes, cyclistes, etc.) dans cet environnement. Les chercheurs poussent l’enveloppe le long de chacun de ces axes, avec l’objectif de se rapprocher de l’autonomie de niveau 5.
Au cours de la dernière décennie, des avancées significatives dans les algorithmes et le matériel nous ont permis d’imaginer un monde dans lequel les personnes et les marchandises sont déplacées de manière beaucoup plus sûre et plus pratique avec des flottes optimisées de voitures autonomes
Grâce aux progrès algorithmiques et matériels de la dernière décennie, la technologie actuelle est prête pour les déploiements de niveau 4 à basse vitesse dans des environnements à faible complexité avec de faibles niveaux d’interaction avec les piétons et autres véhicules environnants. Cela inclut l’autonomie sur les routes privées, comme dans les communautés de retraités et les campus, ou sur les routes publiques qui ne sont pas très encombrées.
L’autonomie de niveau 4 a été rendue possible par une décennie d’avancées dans le matériel et les algorithmes disponibles pour les robots. Le plus important est la convergence de plusieurs développements algorithmiques importants: la création de cartes, ce qui signifie que le véhicule peut utiliser ses capteurs pour créer une carte; la localisation, ce qui signifie que le véhicule peut utiliser ses capteurs pour déterminer où il se trouve sur la carte; la perception, ce qui signifie que le véhicule peut percevoir les objets en mouvement sur la route; planification et prise de décision, ce qui signifie que le véhicule peut déterminer ce qu’il doit faire en fonction de ce qu’il voit maintenant; et un matériel fiable, ainsi que des jeux de données de conduite qui permettent aux voitures d’apprendre à conduire à partir des humains. Aujourd’hui, nous pouvons faire tellement de calculs simultanés, croquer tellement plus de données et exécuter des algorithmes en temps réel. Ces technologies nous ont amenés à un moment où nous pouvons discuter de manière réaliste de l’idée d’autonomie sur les routes.
Cependant, nous n’avons pas encore d’autonomie de niveau 5. Les défis technologiques vers l’autonomie de niveau 5 comprennent: conduire dans la congestion, conduire à grande vitesse, conduire par mauvais temps (pluie, neige), conduire parmi les conducteurs humains, conduire dans des zones où il n’y a pas de cartes à haute densité et répondre aux cas de coin. Le système de perception d’un véhicule n’a pas la même qualité et l’efficacité que l’œil humain. Pour être clair, il y a certaines choses que les machines peuvent faire mieux que les gens, comme estimer avec précision la rapidité avec laquelle un autre véhicule se déplace. Mais les robots ne partagent pas nos capacités de reconnaissance. Comment pourraient-ils? Nous passons toute notre vie à apprendre à observer le monde et à le comprendre. Les machines ont besoin d’algorithmes pour ce faire, et de données — beaucoup, beaucoup, beaucoup de données, annotées pour leur dire ce que tout cela signifie. Pour rendre l’autonomie possible, nous devons développer de nouveaux algorithmes qui les aident à apprendre de beaucoup moins d’exemples de manière non supervisée, sans intervention humaine constante.
Il existe deux philosophies qui animent la recherche et le développement en conduite autonome: l’autonomie en série et l’autonomie en parallèle. L’autonomie parallèle concerne le développement de technologies d’aide à la conduite où le conducteur est au volant, mais le système d’aide à la conduite surveille ce que fait le conducteur et intervient au besoin – de manière à ne pas nuire – par exemple pour éviter une collision ou pour corriger l’angle de braquage qui maintient la voiture sur la route. Les capacités d’autonomie de la voiture augmentent progressivement mais fonctionnent en parallèle avec l’humain. L’approche d’autonomie parallèle permet à la voiture de fonctionner n’importe où, n’importe quand. L’autonomie de la série poursuit l’idée que l’humain ou la voiture sont en charge, mais pas les deux. Lorsque la voiture est en mode autonome, l’humain ne contribue en aucune façon à la conduite. Les capacités d’autonomie de la voiture augmentent également progressivement, mais cette voiture ne peut fonctionner que selon les capacités prises en charge par son package d’autonomie. La voiture fonctionnera progressivement dans des environnements de plus en plus complexes.
Il existe deux philosophies de recherche et développement en conduite autonome : l’autonomie en série et l’autonomie en parallèle. Ce dernier concerne le développement de technologies d’assistance à la conduite où le conducteur est au volant, mais le système d’assistance à la conduite surveille ce que fait le conducteur et intervient au besoin
Les solutions d’autonomie de la série d’aujourd’hui fonctionnent dans des environnements fermés (définis par les routes sur lesquelles le véhicule peut rouler). La recette de l’autonomie commence par l’augmentation des véhicules avec un contrôle par fil et des capteurs tels que des caméras et des scanners laser. Les capteurs sont utilisés pour créer des cartes, pour détecter les obstacles en mouvement, tels que les piétons et autres véhicules, et pour localiser le véhicule dans le monde. Les solutions de conduite autonome sont basées sur des cartes et bénéficient d’une décennie de progrès dans le domaine de la localisation et de la cartographie simultanées (SLAM). Les cartes sont construites en conduisant le véhicule autonome sur tous les segments de route possibles, en collectant les caractéristiques avec les capteurs. Les cartes sont utilisées pour chaque conduite autonome suivante, pour planifier un chemin du début au but, pour exécuter le chemin tout en évitant les obstacles et pour localiser les véhicules au fur et à mesure qu’il exécute le chemin.
La plupart des sociétés de voitures autonomes testent leurs flottes uniquement dans les grandes villes où elles ont développé des cartes 3D détaillées qui sont méticuleusement étiquetées avec la position exacte de choses comme les voies, les bordures et les panneaux d’arrêt. Ces cartes comprennent des caractéristiques environnementales détectées par les capteurs du véhicule. Les cartes sont créées à l’aide de systèmes LIDAR 3D qui s’appuient sur la lumière pour scanner l’espace local, accumulant des millions de points de données et extrayant les caractéristiques définissant chaque lieu.
Si nous voulons que les voitures autonomes soient une technologie mondiale viable, cette dépendance aux cartes antérieures détaillées est un problème. Les véhicules autonomes d’aujourd’hui ne sont pas capables de rouler dans des environnements ruraux où nous n’avons pas de cartes, c’est—à-dire sur des millions de kilomètres de routes non pavées, non éclairées ou mal marquées. Au CSAIL du MIT, nous avons commencé à développer MapLite comme première étape pour permettre aux voitures autonomes de naviguer sur des routes sur lesquelles elles n’ont jamais été auparavant en utilisant uniquement des GPS et des capteurs. Notre système combine des données GPS — comme celles que vous trouverez sur Google Maps – avec des données provenant de capteurs LIDAR. Ensemble, ces deux éléments nous permettent de conduire une voiture de manière autonome sur plusieurs routes de campagne non pavées et de détecter de manière fiable la route à plus de 30 mètres (100 pieds) d’avance. D’autres chercheurs ont travaillé sur différentes approches sans carte avec plus ou moins de succès. Les méthodes qui utilisent des capteurs de perception comme le LIDAR doivent souvent s’appuyer fortement sur les marquages routiers ou faire de larges généralisations sur la géométrie des bordures de route. Pendant ce temps, les approches basées sur la vision peuvent bien fonctionner dans des conditions idéales, mais posent des problèmes en cas de mauvais temps ou de mauvais éclairage. En termes d' »autonomie de niveau 5″ — c’est—à-dire d’autonomie n’importe où à tout moment – nous en sommes encore à quelques années, et cela en raison de défis techniques et réglementaires.
Les véhicules autonomes peuvent prendre de nombreuses formes différentes, y compris les voiturettes de golf, les fauteuils roulants, les scooters, les bagages, les caddies, les poubelles et même les bateaux. Ces technologies ouvrent la porte à une vaste gamme de nouveaux produits et applications
Bien que les progrès aient été importants sur le plan technique, le rattrapage des politiques a été un processus complexe et progressif. Les décideurs politiques débattent toujours du niveau auquel les véhicules autonomes devraient être réglementés. Quels types de véhicules devraient être autorisés sur la route et qui est autorisé à les conduire? Comment la sécurité doit-elle être testée et par qui? Comment les différents régimes de responsabilité peuvent-ils façonner l’adoption rapide et sûre des véhicules autonomes, et quels sont les compromis? Quelles sont les implications d’une mosaïque de lois et de règlements d’État en État, et quels sont les compromis pour harmoniser ces politiques? Dans quelle mesure les décideurs politiques devraient-ils encourager l’adoption de véhicules autonomes? Par exemple, grâce à une infrastructure routière intelligente, à des voies routières dédiées, à des incitations pour les fabricants ou les consommateurs? Ce sont des questions complexes concernant l’utilisation des véhicules autonomes sur la voie publique. Dans le même temps, une forme d’autonomie déjà déployable est l' »autonomie de niveau 4″, définie comme l’autonomie dans certains environnements. La technologie est là pour les véhicules autonomes qui peuvent rouler par beau temps, sur des voies privées et à des vitesses plus faibles.
Les environnements tels que les communautés de retraités, les campus, les hôtels et les parcs d’attractions peuvent tous bénéficier des technologies d’autonomie de niveau 4. Les véhicules autonomes peuvent prendre de nombreuses formes différentes, y compris les voiturettes de golf, les fauteuils roulants, les scooters, les bagages, les caddies, les poubelles et même les bateaux. Ces technologies ouvrent la porte à une vaste gamme de nouveaux produits et applications, de la mobilité à la demande aux achats autonomes et au transport de marchandises, en passant par une mobilité plus efficace dans les hôpitaux. Tout le monde gagnerait à ce que le transport devienne un service public largement disponible, mais ces avantages auront un impact particulier sur les nouveaux conducteurs, notre population âgée et les personnes touchées par une maladie ou une invalidité.
La technologie qui permet l’autonomie des voitures peut avoir un impact sociétal très large. Imaginez les résidents d’une communauté de retraités transportés en toute sécurité par des voiturettes de golf automatisées. À l’avenir, nous pourrons automatiser n’importe quoi sur roues — pas seulement les aspirateurs d’aujourd’hui, mais aussi les tondeuses à gazon ou même les poubelles.
Si nous voulons que les voitures autonomes soient une technologie mondiale viable, cette dépendance aux cartes antérieures détaillées est un problème. Les véhicules autonomes d’aujourd’hui ne sont pas capables de conduire dans des environnements ruraux où nous n’avons pas de cartes
La même technologie qui permettra ce niveau d’automatisation pourrait même être utilisée pour aider les personnes handicapées — comme les aveugles — à expérimenter le monde d’une manière jamais possible auparavant. La déficience visuelle touche environ 285 millions de personnes dans le monde, des personnes qui pourraient bénéficier énormément d’une mobilité accrue et d’une assistance robotique. C’est un segment de la population que la technologie a souvent laissé derrière elle ou ignoré, mais, dans ce cas, la technologie pourrait faire toute la différence. Les dispositifs portables qui incluent les capteurs utilisés par les voitures autonomes et les logiciels d’autonomie pourraient permettre aux personnes malvoyantes de découvrir le monde en toute sécurité et d’une manière beaucoup plus riche que le bâton de marche.
La robotique va changer la façon dont nous transportons les personnes et les choses dans un avenir très proche. Mais, peu de temps après, cela fera plus que livrer les choses à temps; cela nous permettra également de produire ces choses rapidement et localement.
Défis en robotique
Malgré des avancées récentes et significatives sur le terrain, et des promesses pour l’avenir, les robots d’aujourd’hui sont encore assez limités dans leur capacité à comprendre les choses, leur communication est souvent fragile et il faut trop de temps pour fabriquer de nouveaux robots. Une large adoption des robots nécessitera une intégration naturelle des robots dans le monde humain plutôt qu’une intégration des humains dans le monde des machines.
Raisonnement
Les robots ne peuvent effectuer qu’un raisonnement limité du fait que leurs calculs sont soigneusement spécifiés. Pour les robots d’aujourd’hui, tout est précisé avec des instructions simples et la portée du robot est entièrement contenue dans son programme. Tâches que les humains tiennent pour acquises, par exemple poser la question « Ai-je déjà été ici? »sont notoirement difficiles pour les robots. Les robots enregistrent les caractéristiques des lieux qu’ils ont visités. Ces caractéristiques sont extraites de capteurs tels que des caméras ou des scanners laser. Il est difficile pour une machine de faire la différence entre les caractéristiques qui appartiennent à une scène que le robot a déjà vue et une nouvelle scène qui contient certains des mêmes objets. En général, les données collectées à partir des capteurs et des actionneurs sont trop volumineuses et de niveau trop bas; elles doivent être mappées à des abstractions significatives pour que les robots puissent utiliser efficacement les informations. Les recherches actuelles en apprentissage automatique sur les mégadonnées portent sur la façon de compresser un grand ensemble de données en un petit nombre de points de données sémantiquement significatifs. La synthèse peut également être utilisée par des robots. Par exemple, les robots pourraient résumer leur historique visuel pour réduire considérablement le nombre d’images nécessaires pour déterminer si « J’ai déjà été ici. »
De plus, les robots ne peuvent pas faire face à des situations inattendues. Si un robot rencontre un cas pour lequel il n’a pas été programmé ou est en dehors de ses capacités, il entrera dans un état d’erreur et s’arrêtera. Souvent, le robot ne peut pas communiquer la cause de l’erreur. Par exemple, les robots aspirateurs sont conçus et programmés pour se déplacer sur le sol, mais ne peuvent pas monter les escaliers.
Les robots doivent apprendre à ajuster leurs programmes, à s’adapter à leur environnement et aux interactions qu’ils ont avec les hommes, avec leurs environnements et avec d’autres machines. Aujourd’hui, tous ceux qui ont accès à Internet ont les informations du monde à portée de main, y compris les machines. Les robots pourraient profiter de ces informations pour prendre de meilleures décisions. Les robots pourraient également enregistrer et utiliser toute leur histoire (par exemple, la sortie de leurs capteurs et actionneurs) et les expériences d’autres machines. Par exemple, un robot formé pour promener votre chien pourrait accéder au bulletin météo en ligne, puis, en fonction des promenades précédentes, déterminer le meilleur itinéraire à suivre. Peut-être une courte promenade s’il fait chaud ou s’il pleut, ou une longue promenade dans un parc à proximité où se trouvent actuellement d’autres promeneurs de chiens robotisés. Tout cela pourrait être déterminé sans interaction ou intervention humaine.
Communication
Un monde où de nombreux robots travaillent ensemble nécessite une communication fiable pour la coordination. Malgré les progrès de la communication sans fil, il existe toujours des obstacles dans la communication de robot à robot. Le problème est que la modélisation et la prédiction de la communication sont notoirement difficiles et que toute méthode de contrôle de robot reposant sur les modèles de communication actuels est lourde de bruit. Les robots ont besoin d’approches de communication plus fiables qui garantissent la bande passante dont ils ont besoin, quand ils en ont besoin. Pour obtenir une communication de robot à robot résiliente, un nouveau paradigme consiste à mesurer localement la qualité de la communication au lieu de la prédire avec des modèles. En utilisant l’idée de mesurer la communication, nous pouvons commencer à imaginer utiliser des robots volants comme des stations de base mobiles qui se coordonnent les unes avec les autres pour fournir une couverture de communication à l’échelle de la planète. Des essaims de robots volants pourraient apporter un accès Internet partout dans le monde.
La communication entre les robots et les personnes est également actuellement limitée. Alors que des technologies de la parole ont été utilisées pour donner des ordres aux robots en langage humain (par exemple, « passez à la porte »), la portée et le vocabulaire de ces interactions sont superficiels. Les robots pourraient utiliser l’aide des humains lorsqu’ils sont coincés. Il s’avère que même une infime intervention humaine dans la tâche d’un robot change complètement le problème et permet aux machines d’en faire plus.
Actuellement, lorsque les robots rencontrent quelque chose d’inattendu (un cas pour lequel il n’a pas été programmé), ils se bloquent. Supposons qu’au lieu de rester coincé, le robot ait pu raisonner pourquoi il est coincé et demander de l’aide humaine. Par exemple, des travaux récents sur l’utilisation de robots pour assembler des meubles IKEA démontrent que les robots peuvent reconnaître lorsqu’un pied de table est hors de portée et demander aux humains de leur remettre la pièce. Après réception de la pièce, les robots reprennent la tâche d’assemblage. Ce sont quelques-unes des premières étapes vers la création d’équipes symbiotiques homme-robot où les robots et les humains peuvent se demander de l’aide.
Conception et fabrication
Un autre grand défi avec les robots d’aujourd’hui est la durée de conception et de fabrication de nouveaux robots. Nous devons accélérer la création de robots. De nombreux types de robots sont disponibles aujourd’hui, mais chacun de ces robots a pris de nombreuses années à produire. Les capacités de calcul, de mobilité et de manipulation des robots sont étroitement couplées au corps du robot — son système matériel. Étant donné que les corps de robots d’aujourd’hui sont fixes et difficiles à étendre, les capacités de chaque robot sont limitées par son corps. La fabrication de nouveaux robots — modules robotiques, accessoires ou outils spécialisés pour étendre les capacités – n’est pas une véritable option, car le processus de conception, de fabrication, d’assemblage et de programmation est long et fastidieux. Nous avons besoin d’outils qui accéléreront la conception et la fabrication des robots. Imaginez créer un compilateur de robot qui prend en entrée la spécification fonctionnelle du robot (par exemple « Je veux qu’un robot joue aux échecs avec moi ») et calcule une conception qui répond à la spécification, un plan de fabrication et un environnement de programmation personnalisé pour l’utilisation du robot. De nombreuses tâches, grandes et petites, pourraient être automatisées par la conception et la fabrication rapides de nombreux types de robots utilisant un tel compilateur de robots.
Vers une robotique omniprésente
Il existe des écarts importants entre la situation actuelle des robots et la promesse d’une intégration omniprésente des robots dans la vie quotidienne. Certaines lacunes concernent la création de robots — comment concevoir et fabriquer de nouveaux robots rapidement et efficacement? D’autres lacunes concernent le calcul et les capacités des robots à raisonner, à changer et à s’adapter à des tâches de plus en plus complexes dans des environnements de plus en plus complexes. D’autres lacunes concernent les interactions entre les robots et entre les robots et les personnes. Les orientations de recherche actuelles en robotique poussent l’enveloppe dans chacune de ces directions, visant à de meilleures solutions pour fabriquer des robots, contrôler le mouvement des robots et leurs compétences de manipulation, augmenter la capacité des robots à raisonner, permettre une perception au niveau sémantique grâce à la vision industrielle, et développer une coordination et une coopération plus flexibles entre les machines et entre les machines et les humains. Relever ces défis rapprochera les robots de la vision de la robotique omniprésente: le monde connecté de nombreuses personnes et de nombreux robots effectuant de nombreuses tâches différentes.
La robotique omniprésente et personnalisée est un grand défi, mais sa portée n’est pas sans rappeler le défi de l’informatique omniprésente, qui a été formulé il y a environ vingt-cinq ans. Aujourd’hui, nous pouvons dire que l’informatique est en effet omniprésente, qu’elle est devenue un utilitaire et qu’elle est disponible n’importe où, n’importe quand. Alors, que faudrait-il pour avoir une intégration généralisée des robots dans la vie quotidienne? Mark Weiser, qui était scientifique en chef chez Xerox PARC et est largement considéré comme le père de l’informatique omniprésente, a déclaré à propos de l’informatique omniprésente que: « Les technologies les plus profondes sont celles qui disparaissent. Ils se tissent dans le tissu de la vie quotidienne jusqu’à ce qu’ils en soient indiscernables. »
Par exemple, l’électricité était autrefois une technologie nouvelle et fait maintenant partie de la vie. Les technologies robotiques ont le potentiel de rejoindre l’ordinateur personnel et l’électricité en tant qu’aspects omniprésents de la vie quotidienne. Dans un avenir proche, les technologies robotiques vont changer notre façon de penser de nombreux aspects de la vie quotidienne.
Il existe des écarts importants entre la situation actuelle des robots et la promesse d’une intégration généralisée des robots dans la vie quotidienne. Ces lacunes concernent la création de robots, leur calcul et leur capacité à raisonner, à changer et à s’adapter à des tâches de plus en plus complexes dans des environnements de plus en plus complexes, et leur capacité à interagir avec les personnes
Les flottes de voitures autonomes ont le potentiel de transformer le transport en utilitaire, avec des trajets personnalisés disponibles n’importe où, n’importe quand. Les transports en commun pourraient devenir un système à deux couches: un réseau de gros véhicules (par exemple, des trains, des bus) assurant le transport de base pour de nombreuses personnes sur de longues distances, et des flottes de nacelles de transport répondant aux besoins de transport personnalisés des individus pour des trajets de courte durée. Un tel réseau de transport serait connecté à l’infrastructure informatique et aux personnes pour assurer la mobilité à la demande. Le fonctionnement de l’épine dorsale pourrait inclure des itinéraires en évolution dynamique pour s’adapter aux besoins des personnes. Les données de transport en temps réel et historiques sont déjà utilisées pour déterminer les itinéraires de bus les plus optimaux et l’emplacement des arrêts à une granularité fine. La mobilité à la demande peut être facilitée par des technologies de pointe pour les véhicules autonomes. Prendre une voiture sans conducteur pour faire un tour pourrait être aussi simple que d’utiliser un smartphone. Les pods de robots sauraient quand les gens arrivent à une station, où se trouvent les personnes qui ont besoin d’un trajet maintenant et où se trouvent les autres pods de robots. Après avoir conduit les gens à leur destination, les pods robots se rendaient eux-mêmes au client suivant, en utilisant des algorithmes de correspondance de la demande et de coordination pour optimiser les opérations de la flotte et minimiser le temps d’attente des personnes. Les transports en commun seraient pratiques et personnalisés.