ALOHA Unleashed et DemoStart : DeepMind veut donner plus de dextérité aux robots

Faire parler un agent conversationnel est devenu banal. Lui faire nouer un lacet, maintenir un objet d’une main tout en le manipulant de l’autre, ou reproduire un geste délicat avec plusieurs doigts reste, en revanche, un défi considérable. Le 24 septembre 2024, Google DeepMind met en avant deux systèmes d’intelligence artificielle, ALOHA Unleashed et DemoStart, conçus pour faire progresser cette dextérité physique.

Ces travaux s’attaquent à une frontière essentielle de la robotique : la manipulation. Un robot peut identifier un objet et recevoir une consigne, mais il doit encore calculer ses mouvements, doser ses forces, anticiper les contacts et corriger ses erreurs en une fraction de seconde. La difficulté augmente dès que la tâche exige deux bras ou plusieurs doigts. C’est précisément le terrain exploré par ces deux approches.

La manipulation, un obstacle majeur pour les robots

Dans le monde réel, les objets ne se présentent pas toujours au même endroit ni dans la même orientation. Ils peuvent être rigides, souples, glissants, fragiles ou déformables. Un vêtement se plie, un lacet s’entortille, un récipient peut basculer. Autant de situations auxquelles une machine doit réagir sans casser, lâcher ou bloquer l’objet qu’elle manipule.

La manipulation robotique repose donc sur plusieurs capacités qui doivent fonctionner ensemble :

• percevoir l’environnement et la position des objets ;
• déterminer une séquence de mouvements adaptée au but demandé ;
• contrôler précisément les moteurs des bras, poignets et doigts ;
• ajuster l’action lorsque la réalité diffère de ce qui était prévu.

Pour un humain, nombre de ces ajustements sont automatiques. Nous compensons naturellement le poids d’un objet ou la résistance d’un tissu. Pour une machine, chaque mouvement doit être appris et traduit en commandes mécaniques.

La coordination de deux bras est particulièrement délicate. Dans beaucoup d’actions ordinaires, une main stabilise pendant que l’autre agit. Lorsqu’on accroche un vêtement, par exemple, il faut à la fois tenir le tissu, orienter le cintre et réussir l’accrochage. La coordination de plusieurs doigts ajoute une autre couche de complexité, car chaque doigt doit contribuer au mouvement sans compromettre la prise.

ALOHA Unleashed cible les tâches réalisées avec deux bras

Avec ALOHA Unleashed, Google DeepMind se concentre sur la manipulation bimanuelle, c’est-à-dire les actions qui mobilisent deux bras de façon coordonnée. Le système vise à permettre aux robots d’apprendre efficacement des comportements humains en les observant, selon une logique d’apprentissage par imitation.

L’idée est simple dans son principe : une personne réalise une tâche, le robot exploite ces démonstrations comme exemples, puis apprend à reproduire l’enchaînement de gestes nécessaire. L’intérêt ne se limite pas à copier un mouvement isolé. Pour être utile, un tel système doit pouvoir enchaîner des étapes, tenir compte de la position des objets et retrouver la bonne action lorsque de petites variations surviennent.

Google DeepMind donne deux illustrations particulièrement parlantes des ambitions d’ALOHA Unleashed : nouer des lacets et accrocher des vêtements. Ces gestes sont loin d’être anodins pour un robot. Le lacet est souple et change constamment de forme. Le vêtement, lui, exige une coordination fine entre les deux bras pour être tenu, positionné puis suspendu sans se froisser ou tomber.

L’objectif affiché est de rendre l’apprentissage de ces manipulations plus efficace. Plutôt que de programmer à la main chacune des étapes et chacune des exceptions possibles, l’apprentissage par démonstration offre une voie pour transmettre au robot un savoir-faire gestuel issu d’actions humaines.

Cela ne signifie pas que le robot « comprend » un lacet ou un vêtement comme le ferait une personne. Il apprend plutôt une relation entre ce qu’il perçoit, les mouvements réalisés et le résultat recherché. Cette distinction est importante : la réussite dépend étroitement des exemples fournis, du matériel robotique employé et des conditions dans lesquelles la tâche est exécutée.

DemoStart s’intéresse aux mains robotiques à plusieurs doigts

Le second système présenté, DemoStart, porte sur le contrôle de mains robotiques multi-doigts. Ici, le défi ne réside pas seulement dans le déplacement d’un bras vers un objet, mais dans la capacité à exécuter des gestes fins et coordonnés avec plusieurs articulations.

Une main humaine est un outil d’une remarquable polyvalence. Elle peut saisir fermement un objet lourd, pincer un élément minuscule, faire tourner une pièce entre les doigts ou accompagner un matériau souple sans l’écraser. Reproduire cette variété de mouvements avec une main robotique est difficile, car les doigts doivent être pilotés de manière synchronisée et s’adapter en permanence au contact.

DemoStart est conçu pour accroître cette précision de contrôle. Google DeepMind le présente comme un système permettant aux robots de reproduire des gestes délicats et coordonnés, afin de gagner en efficacité dans les tâches manuelles. Cette capacité pourrait être utile chaque fois que la pince classique, composée de deux mâchoires, ne suffit plus.

Le nom du système souligne aussi la place des démonstrations dans cet axe de recherche. Les gestes humains peuvent donner au robot un point de départ pour apprendre une manipulation, plutôt que de l’obliger à découvrir seul chaque mouvement possible. Cette stratégie est particulièrement pertinente lorsque les actions sont longues, complexes ou coûteuses à tenter par essais successifs sur un matériel réel.

Deux systèmes, deux niveaux de dextérité

ALOHA Unleashed et DemoStart répondent à un même objectif général, améliorer la capacité des machines à agir sur le monde physique, mais ils ne ciblent pas exactement la même difficulté. Le premier porte avant tout sur la coopération entre deux bras. Le second s’intéresse au contrôle fin à l’échelle de la main et des doigts.

La distinction est utile pour comprendre l’état de la robotique. Un bras robotique capable de déplacer une boîte n’a pas nécessairement la coordination requise pour réaliser une action à deux mains. De même, une machine qui saisit un objet avec une pince ne possède pas automatiquement l’agilité nécessaire pour le tourner, le repositionner ou agir sur un matériau souple avec plusieurs doigts.

Comment les robots apprennent-ils en observant les humains ?

L’apprentissage par imitation consiste à utiliser des démonstrations humaines comme données d’entraînement. Au lieu de décrire exhaustivement une règle du type « déplacer le bras de telle façon si le lacet est dans telle position », on montre des exemples de l’action à réaliser. Le système cherche ensuite à relier une situation observée aux commandes motrices qui ont permis d’aboutir au résultat.

Cette approche présente un avantage majeur : elle permet de transmettre des gestes difficiles à formaliser. Expliquer verbalement comment nouer des lacets est déjà complexe. Programmer toutes les micro-corrections qu’effectue une main humaine l’est encore davantage. Une démonstration peut contenir une part de ce savoir-faire implicite.

Mais l’imitation ne résout pas tout. Un robot doit aussi faire face aux écarts entre les exemples et la situation rencontrée. Un objet peut être légèrement déplacé, un tissu peut se comporter différemment, une prise peut manquer de stabilité. La qualité d’un système de robotique se mesure donc non seulement à sa capacité à reproduire une démonstration, mais aussi à sa faculté de s’adapter à des cas proches, sans perdre le contrôle.

Quelles applications peut-on envisager ?

Les systèmes comme ALOHA Unleashed et DemoStart intéressent la recherche parce que la manipulation fine est un verrou dans de nombreux secteurs. La logistique, par exemple, ne consiste pas seulement à déplacer des cartons identiques. Préparer une commande peut impliquer de prendre des objets de formes variées et parfois fragiles. Dans l’industrie, certaines opérations d’assemblage demandent un placement précis ou une coordination entre plusieurs outils.

Les perspectives souvent associées à une meilleure dextérité robotique concernent aussi l’assistance, les laboratoires, la santé ou le divertissement. Il faut toutefois distinguer une démonstration de recherche d’un déploiement opérationnel. Entre les deux, il reste des exigences élevées en matière de fiabilité, de vitesse, de maintenance, de coût et surtout de sécurité lorsque les robots travaillent à proximité de personnes.

Dans un environnement structuré, avec des objets connus et une tâche bien définie, un système peut déjà apporter une aide utile. Dans un domicile ou un espace public, le niveau de difficulté change radicalement : l’espace est plus imprévisible, les objets plus divers et les conséquences d’une erreur plus sensibles.

Ce qu’il faut surveiller

L’annonce de Google DeepMind illustre un mouvement de fond : après les avancées de l’IA dans le langage et l’image, les laboratoires cherchent à doter les machines d’une action physique plus souple et plus robuste. ALOHA Unleashed et DemoStart ne promettent pas un robot universel à court terme. Ils apportent plutôt deux briques de recherche complémentaires pour aborder un problème fondamental, celui de la dextérité.

Les prochaines étapes seront décisives. Il faudra évaluer la capacité de ces approches à fonctionner avec des objets nouveaux, dans des environnements moins contrôlés et sur des tâches plus longues. La question de la quantité de démonstrations nécessaires comptera également : plus un robot apprend vite à partir d’exemples humains, plus il devient envisageable de l’adapter à de nouveaux usages.

Enfin, la performance technique ne suffira pas. Pour passer du laboratoire aux lieux de travail ou aux foyers, ces systèmes devront démontrer leur sûreté, leur fiabilité et leur utilité concrète. La manipulation robotique progresse, mais la main humaine reste, en septembre 2024, une référence d’agilité que les machines sont encore loin d’égaler dans toute sa polyvalence.