Un nouveau logiciel robotique facilite le remplacement des bras articulés sans reprogrammation

Remplacer un smartphone par un modèle plus récent se fait généralement sans accroc : les comptes, applications et préférences se synchronisent automatiquement. Dans le domaine de la robotique, en revanche, changer un bras articulé pour un modèle plus moderne impliquait jusqu’ici de tout reconfigurer depuis zéro.

Pour résoudre ce problème, une équipe de chercheurs de l’École Polytechnique Fédérale de Lausanne (EPFL) en Suisse a mis au point Kinematic Intelligence, un cadre logiciel permettant de transférer les compétences d’un robot à un autre, à l’image de la synchronisation des smartphones. Leurs travaux ont été publiés dans la revue Science Robotics.

Des robots capables d’apprendre par démonstration

Depuis des années, les roboticiens travaillent à permettre aux robots d’apprendre par démonstration : en guidant physiquement ou à distance leur bras articulé, ils leur enseignent des tâches comme essuyer une table, empiler des boîtes ou souder une pièce automobile. Cependant, ces compétences restent souvent liées au robot spécifique ayant servi à l’apprentissage.

Le cadre développé par l’EPFL contourne cette limitation. Grâce à Kinematic Intelligence, les compétences acquises par un robot peuvent être transférées à un autre modèle, même si leurs structures mécaniques diffèrent. Le système analyse les mouvements et les adapte automatiquement au nouveau robot, évitant ainsi les blocages des articulations et les erreurs de synchronisation.

Une avancée majeure pour l’industrie et la recherche

Cette innovation ouvre la voie à une interopérabilité accrue entre les robots, réduisant considérablement le temps et les coûts liés à leur reprogrammation. Elle pourrait notamment bénéficier aux secteurs industriels où les robots sont fréquemment remplacés ou mis à niveau, comme l’automobile ou la logistique.

Les chercheurs soulignent que leur approche repose sur une modélisation mathématique avancée des mouvements, combinée à des algorithmes d’apprentissage automatique. Ces outils permettent de décomposer les tâches en séquences de mouvements génériques, indépendamment de la morphologie du robot.

Un pas vers des robots plus polyvalents

À plus long terme, cette technologie pourrait contribuer à rendre les robots plus adaptables et évolutifs. En facilitant le transfert des compétences, elle rendrait les systèmes robotiques plus flexibles, capables de s’adapter à de nouvelles tâches ou environnements sans nécessiter une reprogrammation complète.

Les auteurs de l’étude prévoient désormais d’étendre leurs recherches pour intégrer des robots dotés de capteurs tactiles avancés ou de systèmes de vision artificielle, afin d’affiner encore la précision des transferts de compétences.