Perception robotique : pourquoi voir ne suffit pas encore aux robots

Un robot qui repère une chaise dans une image n’a pas nécessairement compris qu’il peut contourner cet obstacle, que quelqu’un risque de s’y asseoir, ni comment saisir délicatement un objet posé dessus. Cette différence, entre reconnaître une forme et interpréter une situation, résume l’un des grands défis de la robotique au 28 janvier 2025 : donner aux machines une perception suffisamment riche pour agir de façon utile et sûre dans le monde réel.

Les progrès récents de la vision artificielle et de l’intelligence artificielle ont nettement renforcé la capacité des robots à détecter, classer et localiser des objets. Dans des scènes relativement préparées, comme une chaîne industrielle ou un entrepôt, ces outils permettent déjà d’automatiser de nombreuses étapes. Mais un domicile, un chantier, un hôpital ou une zone sinistrée présentent une tout autre difficulté : l’environnement y est changeant, imparfaitement rangé et habité par des humains dont les gestes sont difficiles à prévoir.

L’enjeu n’est donc pas seulement d’ajouter de meilleurs capteurs aux robots. Il consiste à relier ce que les machines observent à une compréhension pratique de leur environnement : ce qui est stable ou mobile, ce qui est manipulable, ce qui est dangereux, et quelle action est adaptée à chaque instant.

La perception robotique, bien plus que des yeux électroniques

La perception robotique désigne l’ensemble des mécanismes qui permettent à une machine de recueillir puis d’interpréter des informations sur ce qui l’entoure. Les caméras jouent un rôle central, mais elles ne sont qu’une partie du système. Un robot peut aussi utiliser des capteurs de profondeur, des microphones, des capteurs de force dans ses articulations ou ses pinces, ainsi que des capteurs de position.

Ces données doivent ensuite être traitées par des algorithmes. Ils servent notamment à identifier un objet, à estimer sa position, à reconstruire une partie de la scène et à suivre son évolution dans le temps. Une image seule peut indiquer qu’une tasse se trouve sur une table. Pour la saisir, un robot doit encore déterminer où se trouve son anse, si l’objet est accessible, s’il risque de glisser, et quel mouvement réduira le risque de le faire tomber.

Cette combinaison est nécessaire, car le monde physique est ambigu. Un objet partiellement caché peut être confondu avec un autre. Une poignée peut sembler saisissable alors qu’elle est trop chaude, trop fragile ou bloquée. Une porte ouverte dans une photographie ne révèle pas nécessairement si elle peut être poussée sans danger. La perception pertinente pour un robot doit donc réunir des informations visuelles, spatiales et physiques.

Pourquoi la compréhension du contexte reste difficile

Les systèmes actuels savent de mieux en mieux associer des images à des catégories, par exemple une bouteille, une table ou une personne. Pourtant, la vie quotidienne impose une compréhension plus fine. Une bouteille renversée, une bouteille pleine et une bouteille vide ne sollicitent pas la même action. Une personne immobile dans un couloir peut attendre, travailler ou avoir besoin d’aide. Le robot doit être capable d’observer les indices disponibles, tout en évitant de tirer des conclusions excessives.

La difficulté tient notamment à la diversité des situations réelles. Dans un environnement contrôlé, les objets sont souvent placés dans des positions connues et éclairés de manière régulière. Dans un logement ou un espace de travail, ils peuvent être cachés, déplacés, déformés, mouillés, réfléchissants ou entourés d’autres objets. Les humains, eux, bougent de façon imprévisible et communiquent aussi par leurs gestes, leur regard, leur posture et le contexte de la tâche en cours.

Pour évoluer dans de tels espaces, un robot doit construire une représentation plus riche qu’une liste d’objets présents dans son champ de vision. Il doit, par exemple, relier une tasse à la table qui la supporte, une poignée à la porte qu’elle permet d’ouvrir, ou un carton à une zone de passage qu’il risque d’encombrer. Cette capacité à comprendre des relations entre les éléments d’une scène est indispensable pour planifier des actions cohérentes.

La compréhension de la physique constitue un autre obstacle majeur. Les robots doivent apprendre qu’un objet posé au bord d’une surface peut tomber, qu’un liquide peut se répandre et qu’une pile instable ne se manipule pas comme un bloc rigide. Il ne s’agit pas de reproduire toute l’intuition humaine, mais de disposer de repères suffisants pour éviter les gestes absurdes ou dangereux.

De la détection à la représentation spatio-temporelle

La perception ne doit pas se limiter à une photographie prise à un instant donné. Un robot autonome a besoin d’une vision spatio-temporelle, c’est-à-dire d’une représentation qui associe l’espace, les positions et les changements observés dans le temps.

Cette dimension est essentielle pour la navigation. Un robot qui se déplace dans un couloir ne doit pas seulement repérer qu’une personne est devant lui. Il doit estimer sa trajectoire probable, adapter sa vitesse et choisir un itinéraire qui ne gêne pas l’usager. De même, un robot de recherche et de sauvetage doit pouvoir mettre à jour sa compréhension du terrain à mesure que des obstacles apparaissent ou que les conditions se transforment.

La cartographie et la localisation font partie de ce travail. La première consiste à établir une représentation d’un lieu, la seconde à savoir où se trouve le robot dans cette représentation. Ces fonctions sont cruciales, mais une carte utile ne peut être figée. Dans des lieux vivants, des portes s’ouvrent, des meubles changent de place et des personnes traversent l’espace. Le robot doit donc continuellement confronter sa carte à ses capteurs.

Les chercheurs s’intéressent à des algorithmes capables de produire des descriptions plus complètes des scènes. Ces représentations doivent aider la machine à distinguer les éléments pertinents pour la tâche en cours. Pour apporter un verre d’eau, le robot doit identifier le verre, mais aussi apprécier un chemin praticable, éviter les contacts et ajuster la prise en fonction de la forme de l’objet.

L’approche sensorimotrice : apprendre en percevant et en agissant

Une piste importante consiste à traiter la perception et l’action comme deux processus étroitement liés. C’est l’approche dite sensorimotrice. Au lieu de considérer les capteurs comme de simples outils d’observation, elle étudie comment les informations perçues se modifient quand le robot agit, et comment cette interaction lui permet d’apprendre.

Lorsqu’un robot saisit un objet, les capteurs de sa pince lui indiquent sa résistance, son poids apparent ou un éventuel glissement. Lorsqu’il se déplace, le changement de perspective de ses caméras peut l’aider à mieux estimer la distance et la forme des éléments qui l’entourent. L’action devient alors une source de connaissance, pas seulement l’aboutissement d’une décision.

Cette logique est particulièrement utile pour la manipulation. Une machine peut observer un objet, faire une première tentative prudente, recueillir un retour tactile, puis ajuster sa force ou sa trajectoire. À terme, le transfert de connaissances entre des tâches ou des situations proches pourrait éviter de réapprendre entièrement chaque compétence. Un robot ayant appris à saisir certains types de récipients pourrait ainsi disposer de bases pour aborder de nouveaux objets, tout en continuant à vérifier ce qu’il perçoit réellement.

L’inspiration vient en partie de processus cognitifs humains : nous apprenons aussi beaucoup par l’exploration, l’essai et le retour sensoriel. La comparaison a toutefois ses limites. Les humains possèdent une expérience physique et sociale accumulée dès l’enfance, que les robots ne reproduisent pas spontanément. L’objectif réaliste est de développer des mécanismes d’apprentissage et d’adaptation mieux adaptés aux tâches confiées aux machines.

Ce que l’intelligence artificielle apporte, et ce qu’elle ne résout pas seule

Les réseaux de neurones profonds ont joué un rôle important dans l’amélioration de la reconnaissance visuelle. En apprenant à partir de grandes quantités de données, ils peuvent repérer des motifs complexes dans des images et aider à identifier des objets ou des parties de scènes. Ces outils contribuent également à la compréhension de séquences vidéo, utile pour suivre les mouvements dans le temps.

Les modèles de langage ouvrent une autre possibilité : mieux relier les commandes exprimées en langage naturel aux tâches du robot. Une instruction comme « range ce qui traîne sur la table » exige cependant bien plus qu’une bonne compréhension des mots. Le système doit décider quels objets sont concernés, évaluer s’ils peuvent être déplacés, savoir où les placer et agir sans endommager ce qui se trouve autour.

Dans cette architecture, le langage, la vision et les capteurs physiques doivent être coordonnés. Un modèle peut proposer une interprétation générale d’une consigne, mais le robot doit s’appuyer sur les informations recueillies sur place avant d’exécuter un mouvement. Cette vérification est déterminante dans les environnements partagés avec des humains.

Les technologies d’IA ne font donc pas disparaître les difficultés de la robotique. Elles déplacent une partie du problème vers l’intégration : comment faire coopérer perception, mémoire, planification, commande motrice et mécanismes de sécurité ? La qualité d’un robot se mesure moins à sa capacité à produire une réponse plausible qu’à sa faculté d’agir correctement lorsque les conséquences sont matérielles.

Des applications qui exigent une perception fiable

Les progrès attendus concernent de nombreux domaines. Les véhicules autonomes de recherche et de sauvetage doivent repérer des obstacles et se déplacer dans des zones potentiellement dangereuses. Des drones capables de manipuler des objets en vol demandent une estimation très précise des distances, des mouvements et des forces. Les robots d’assistance, notamment dans des environnements de soins, doivent quant à eux évoluer au plus près des personnes avec une prudence particulière.

Les robots domestiques représentent un cas exigeant. Contrairement à un sol d’usine, un logement contient des objets de tailles variées, des zones étroites, des surfaces fragiles et des situations imprévues. Suivre une commande en langage naturel ne suffira que si le robot peut observer le contexte, reconnaître ses incertitudes et renoncer à une action lorsqu’il ne peut pas la réaliser de façon sûre.

L’interaction humain-robot repose ainsi sur la confiance. Pour être acceptée, une machine ne doit pas seulement accomplir une tâche : elle doit avoir des comportements lisibles, respecter l’espace des personnes et éviter de se déplacer ou de saisir un objet de manière inattendue. Une perception plus fine est la condition de cette flexibilité.

Le partage des ressources, un levier pour la recherche

La progression de la perception robotique dépend aussi de la manière dont la recherche est organisée. Les bibliothèques de code, les outils open source et les ressources partagées permettent aux équipes de s’appuyer sur des briques techniques existantes plutôt que de repartir de zéro. Cela facilite la reproduction des expériences, la comparaison des méthodes et l’amélioration collective des systèmes.

Les logiciels robotiques ont en effet besoin de faire dialoguer de nombreuses composantes : capteurs, traitement des images, cartographie, planification des trajectoires et commande des moteurs. Des ressources accessibles peuvent rendre ces travaux plus rapides et plus comparables, à condition que les tests soient documentés avec rigueur.

L’ouverture ne supprime pas tous les obstacles. Un code partagé ne garantit pas qu’un système fonctionnera dans chaque environnement, avec chaque robot ou face à chaque objet. Mais elle favorise une dynamique où les méthodes peuvent être examinées, adaptées et confrontées à des situations diverses. Pour un domaine où la fiabilité concrète compte autant que la performance en laboratoire, cette collaboration est précieuse.

Ce qu’il faut surveiller pour des robots réellement autonomes

L’horizon d’une perception comparable à celle d’un jeune enfant reste un objectif de recherche, pas une réalité acquise. Les machines progressent sur des compétences particulières, mais réunir dans un même robot la vision, le langage, le raisonnement physique, la manipulation et l’adaptation à l’imprévu demeure un défi considérable.

Les prochaines avancées devront être évaluées au-delà de démonstrations impressionnantes dans des scénarios très préparés. Les questions décisives sont concrètes : le robot fonctionne-t-il lorsque la lumière change ? Sait-il signaler qu’il n’est pas certain de ce qu’il voit ? Peut-il interrompre une action risquée ? Son comportement reste-t-il fiable lorsqu’un humain intervient ou qu’un objet n’est pas à sa place ?

La perception est ainsi l’un des principaux goulets d’étranglement de la robotique. Si les chercheurs parviennent à doter les machines de représentations plus riches de leur environnement et d’un meilleur lien entre observation et action, les robots pourraient devenir plus utiles dans les domiciles, les lieux de travail, les établissements de soins et les missions à risque. Leur véritable autonomie ne reposera pas sur le fait de voir davantage, mais sur leur capacité à comprendre assez bien pour agir avec discernement.