AquaBot apprend seul à mieux saisir des objets sous l’eau, en autonomie

Sous l’eau, prendre un objet est une opération bien moins simple qu’elle n’en a l’air. Une pierre peut rouler, un déchet flotter ou se déformer, le courant dévie les gestes, la visibilité est réduite et les repères changent constamment. Dans ces conditions, les robots dépendent souvent d’un humain qui les pilote à distance. Des chercheurs de l’Université de Columbia proposent une autre voie avec AquaBot, un robot aquatique qui apprend d’abord en observant un opérateur, puis progresse en tirant parti de ses propres essais.

Présentée le 7 novembre 2024, cette approche vise la manipulation d’objets sous-marins, c’est-à-dire la capacité à repérer, atteindre, saisir, déplacer et déposer un élément de manière fiable. AquaBot ne repose pas sur une machine exceptionnelle ou inaccessible : sa plateforme matérielle coûte environ 2 000 dollars, avec deux caméras et un préhenseur à mâchoires parallèles. L’intérêt du projet réside donc autant dans sa méthode d’apprentissage que dans sa volonté de rendre la robotique sous-marine plus accessible.

Pourquoi saisir un objet sous l’eau reste si difficile

La robotique sous-marine est souvent associée aux véhicules téléopérés utilisés pour l’exploration des fonds marins, l’inspection d’infrastructures ou certaines opérations scientifiques. Mais déplacer un robot et lui faire manipuler un objet sont deux problèmes très différents. Pour attraper une cible, la machine doit notamment estimer sa position à partir des images, décider de l’approche du préhenseur, ajuster sa trajectoire et réagir à ce qui se produit réellement au moment du contact.

Or, le milieu aquatique complique chacune de ces étapes. Les dynamiques des fluides créent des perturbations difficiles à prédire : le robot, son bras ou l’objet peuvent être déplacés par les mouvements de l’eau. Les objets ne sont pas nécessairement disposés dans un décor connu, ni placés toujours de la même façon. La scène peut aussi être encombrée ou présenter une faible visibilité. Une instruction préprogrammée du type « avancer de telle distance puis fermer la pince » risque alors d’échouer dès que les conditions diffèrent légèrement de celles prévues.

C’est pourquoi de nombreux systèmes restent fortement dépendants de la téléopération humaine. Un opérateur peut interpréter une image imparfaite, anticiper le mouvement d’un objet et modifier son geste instantanément. Reproduire cette adaptabilité par un programme classique exige de prévoir un très grand nombre de situations, ce qui est peu réaliste dans un environnement non structuré.

Une plateforme volontairement simple, autour de 2 000 dollars

AquaBot a été conçu avec l’idée qu’un robot de recherche utile ne devait pas obligatoirement reposer sur une configuration matérielle complexe. La plateforme décrite par les chercheurs de Columbia réunit les éléments nécessaires à la perception et à la préhension : deux caméras pour observer la scène et une pince à mâchoires parallèles pour saisir les objets.

Le choix de ce préhenseur est significatif. Il ne s’agit pas d’une main robotique reproduisant tous les degrés de liberté des doigts humains. Son fonctionnement est plus simple : deux mâchoires se rapprochent pour maintenir l’objet. Cette simplicité réduit les exigences matérielles, mais rend l’apprentissage du bon geste d’approche d’autant plus important. Pour réussir, le robot doit placer correctement sa pince malgré les perturbations de l’eau et les variations de forme ou de position des objets.

Le coût annoncé, environ 2 000 dollars, ne signifie pas qu’un tel robot résout d’emblée toutes les missions en mer profonde ou en milieu hostile. Il indique plutôt qu’une plateforme relativement abordable peut servir à faire progresser la manipulation autonome dans un cadre expérimental. C’est un point important pour les laboratoires et équipes qui souhaitent tester, reproduire ou adapter des méthodes sans partir d’un équipement particulièrement onéreux.

Comment AquaBot apprend-il à manipuler des objets ?

La méthode repose sur deux phases complémentaires. La première s’appuie sur l’humain, la seconde donne au robot les moyens d’affiner son comportement par lui-même. Cette combinaison cherche à éviter les limites de deux approches opposées : programmer à la main tous les gestes, ou demander à une machine de découvrir seule une compétence complexe à partir de rien.

Première étape : apprendre en regardant un opérateur

Les chercheurs enregistrent des démonstrations durant lesquelles un opérateur réalise différentes tâches de manipulation. Ces séquences permettent de transformer l’expérience humaine en données d’apprentissage. AquaBot en tire une politique visuo-motrice, autrement dit un mécanisme qui relie les informations visuelles captées par ses caméras aux actions motrices appropriées.

Cette phase relève de l’apprentissage par imitation, aussi appelé clonage comportemental. Son principe est intuitif : au lieu de fournir au robot des règles détaillées pour chaque situation, on lui montre des exemples de gestes qui fonctionnent. Le système apprend alors à reproduire le lien entre une scène observée et le mouvement effectué par l’opérateur.

L’avantage est d’offrir au robot un socle de comportements pertinents. Il n’a pas besoin de commencer par des mouvements aléatoires pour découvrir comment amener la pince vers un objet ou à quel moment la refermer. Mais imiter ne suffit pas : les démonstrations ne peuvent pas couvrir toutes les variations possibles d’un milieu aquatique.

Seconde étape : s’améliorer grâce à ses propres exécutions

Après cette base issue des démonstrations humaines, AquaBot entre dans une phase d’optimisation auto-guidée. Le robot exécute les tâches, observe le résultat de ses actions et ajuste ses comportements en fonction de l’expérience accumulée. Les essais antérieurs deviennent ainsi une source de retour utile pour améliorer les suivants.

Le processus est particulièrement adapté à un environnement où les détails changent sans cesse. Une stratégie qui réussit pour une pierre placée d’une certaine manière peut nécessiter un ajustement pour une autre pierre, ou lorsque la dynamique de l’eau modifie légèrement la trajectoire. Plutôt que de dépendre exclusivement des décisions d’un opérateur distant, le système peut corriger progressivement son action.

Des essais de saisie et de tri sous l’eau

Pour évaluer AquaBot, les chercheurs l’ont confronté à plusieurs situations de manipulation. Le robot a notamment démontré sa capacité à saisir des pierres inconnues. Cette précision est importante : un système utile ne doit pas seulement réussir avec des objets exactement semblables à ceux vus pendant son apprentissage. Il doit aussi gérer des cibles dont il ne connaît pas à l’avance toutes les caractéristiques.

AquaBot a également été testé sur le tri de déchets sous-marins. Cette tâche associe plusieurs difficultés : identifier ou atteindre un objet, le saisir sans le perdre, puis le déplacer vers la bonne destination. Dans un usage réel, ce type de capacité pourrait intéresser les opérations de nettoyage, à condition d’être adapté aux conditions spécifiques du terrain et aux catégories d’objets rencontrées.

Le résultat chiffré mis en avant par les chercheurs est marquant : lors des missions évaluées, AquaBot a réalisé les tâches 41 % plus rapidement qu’un opérateur humain. Ce chiffre ne signifie pas que le robot dépasse l’humain dans toutes les formes de manipulation sous-marine, ni dans tous les environnements. Il reflète les expériences conduites sur les tâches étudiées. Il montre néanmoins qu’un système entraîné par démonstration puis auto-optimisé peut gagner en vitesse sur des opérations ciblées.

La performance doit aussi être comprise au regard de l’objectif opérationnel. Une mission sous-marine ne se résume pas à la rapidité : la fiabilité de la saisie, la sécurité du matériel, la qualité de l’identification des objets et la capacité à réagir à des imprévus comptent tout autant. L’intérêt d’AquaBot est de faire progresser ces dimensions vers une autonomie plus grande, sur une plateforme matériellement simple.

Quels usages pour un robot qui sait saisir sous l’eau ?

Les auteurs envisagent plusieurs applications. La première concerne la collecte de déchets, un domaine où la manipulation est indispensable : il ne suffit pas de localiser un objet, il faut le prendre et le déposer ou le trier. Le robot pourrait également contribuer à la collecte de minéraux, dès lors que sa configuration et son apprentissage sont adaptés à cette tâche.

Les missions de recherche et de sauvetage font aussi partie des pistes évoquées. Dans de tels contextes, des capacités de manipulation autonome pourraient compléter le travail humain en intervenant dans des zones difficiles d’accès. L’enjeu ne consiste pas à évacuer l’humain des opérations, mais à réduire son exposition directe à certains environnements sous-marins et à rendre certaines étapes plus efficaces.

Ces perspectives restent cependant dépendantes du contexte de déploiement. Un bassin d’essai, un environnement côtier et une opération profonde ne présentent pas les mêmes contraintes de visibilité, de pression, de courant, de communication ou de sécurité. La méthode démontrée par AquaBot apporte une brique technologique, la manipulation qui s’améliore au fil des expériences, plutôt qu’une solution universelle prête pour toutes les missions marines.

L’open source, un levier pour la recherche sous-marine

L’équipe a rendu open source le design matériel d’AquaBot et les logiciels associés. Cette décision peut favoriser la reproductibilité des travaux : d’autres chercheurs peuvent étudier la plateforme, la reconstruire ou l’adapter à leurs propres objectifs. Dans un domaine où le matériel spécialisé peut limiter les expérimentations, disposer d’une base accessible est un atout.

L’ouverture du projet peut aussi aider à comparer plus facilement les méthodes d’apprentissage. Une équipe pourra, par exemple, conserver la configuration avec deux caméras et une pince parallèle tout en testant une autre stratégie de perception ou d’optimisation. Une autre pourra adapter le préhenseur à des objets différents, tout en s’inspirant de la combinaison entre imitation humaine et amélioration par l’expérience.

Cette diffusion ne supprime pas les difficultés inhérentes à la robotique aquatique. Elle offre en revanche un point de départ concret pour expérimenter des systèmes capables de quitter progressivement la logique de la téléopération intégrale.

Ce qu’il faut surveiller pour passer du laboratoire au terrain

La démonstration d’AquaBot souligne un enjeu central de la robotique : faire en sorte qu’une machine ne se contente pas de répéter un geste dans un décor contrôlé, mais qu’elle l’adapte à ce qu’elle perçoit. Sous l’eau, cette exigence est particulièrement forte, car le milieu change et perturbe continuellement les mouvements.

Les prochaines étapes consisteront à vérifier jusqu’où cette approche conserve son efficacité lorsque les objets, les courants, la visibilité et les missions deviennent plus variés. Il faudra aussi évaluer la robustesse du système sur des opérations longues et sa capacité à accomplir des tâches pour lesquelles les démonstrations humaines sont limitées.

AquaBot apporte déjà une réponse concrète à une difficulté ancienne : associer la souplesse du geste humain à la capacité d’un robot à répéter et optimiser une action. Avec un matériel annoncé autour de 2 000 dollars, des performances jusqu’à 41 % plus rapides que celles d’un opérateur dans les essais rapportés et une base open source, le projet ouvre une piste crédible pour élargir les usages de la manipulation autonome sous l’eau.