ANYmal-D, le robot quadrupède de l’ETH Zurich qui apprend à jouer au badminton

Le badminton n’est pas un simple prétexte ludique pour les roboticiens de l’ETH Zurich. Derrière les images d’un robot à quatre pattes qui tente de renvoyer un volant se cache un test particulièrement exigeant : percevoir un objet léger et rapide, anticiper sa course, déplacer un corps mécanique sans perdre l’équilibre, puis coordonner un bras et une raquette en quelques instants. C’est ce défi qu’a relevé ANYmal-D, conçu au sein du Robotic Systems Lab de l’établissement suisse.

Le robot est parvenu à tenir des échanges avec des humains jusqu’à dix frappes consécutives. Ce résultat ne signifie pas qu’il rivalise avec un joueur chevronné, ni qu’il peut disputer un match complet selon les règles du badminton. Il montre en revanche qu’un robot quadrupède peut enchaîner perception, déplacement et geste de frappe dans un environnement où la situation change à chaque seconde.

Pourquoi le badminton est un défi pour un robot

Pour un humain, le fait de regarder un volant, d’avancer de quelques pas et de tendre la raquette est presque instinctif. Ces gestes mobilisent pourtant une chaîne de calculs complexes : estimation de la profondeur, anticipation du point de chute, gestion de l’équilibre et ajustement du mouvement du bras. Chez un robot, chacune de ces étapes doit être traduite en mesures, en prédictions et en commandes motrices.

Le volant est un adversaire technique redoutable. Sa trajectoire ne se résume pas à une simple courbe régulière. Son faible poids, sa forme et sa forte résistance à l’air peuvent provoquer des ralentissements ou des changements d’orientation difficiles à prévoir. Le système doit donc réagir à des observations imparfaites, tout en gardant le robot dans une posture suffisamment stable pour frapper.

La configuration à quatre pattes d’ANYmal-D répond précisément à cette contrainte. Comparée à un robot bipède, elle offre une base d’appui plus large. Cela ne rend pas le déplacement trivial, mais donne davantage de possibilités pour corriger la position du corps avant et après un geste de bras.

ANYmal-D, un quadrupède auquel on a ajouté un bras

ANYmal-D appartient à la famille des robots quadrupèdes, c’est-à-dire des machines qui se déplacent sur quatre pattes articulées. Ce type de robot est souvent étudié pour évoluer sur des terrains accidentés, monter des marches ou inspecter des zones difficiles d’accès. Dans cette expérience, son rôle est différent : se placer suffisamment vite et suffisamment bien pour donner à son bras la possibilité de renvoyer le volant.

Le choix du quadrupède apporte une stabilité utile, mais il crée aussi un problème de coordination supplémentaire. Les pattes doivent déplacer le robot sans provoquer de mouvements parasites qui gêneraient la frappe. Le bras dynamique, lui, doit atteindre la zone d’impact et exécuter son geste au moment adéquat. Le contrôleur ne peut donc pas traiter la marche et le bras comme deux tâches indépendantes.

Cette coordination est l’un des aspects les plus intéressants du projet. Une personne peut adapter naturellement son équilibre lorsqu’elle lève le bras pour effectuer un dégagement ou un revers. Pour ANYmal-D, il faut que les commandes envoyées aux articulations des pattes et à celles du bras soient compatibles avec un même objectif : intercepter le volant sans chuter ni perdre sa position.

L’expérience illustre ainsi une évolution importante de la robotique mobile. Il ne s’agit plus seulement de faire avancer une machine d’un point A à un point B, mais de lui permettre de se déplacer pour agir sur son environnement. Cette compétence est décisive pour de futurs usages où un robot devra se déplacer tout en manipulant un objet, par exemple lors d’une inspection, d’une intervention ou d’une assistance physique.

Comment le robot voit et anticipe le volant

ANYmal-D s’appuie sur une caméra stéréo. Ce dispositif repose sur deux points de vue légèrement différents, à la manière des deux yeux humains. En comparant les images reçues, le système peut estimer la profondeur et mieux situer un objet dans l’espace. Pour le badminton, cette information est essentielle : voir le volant ne suffit pas, il faut aussi déterminer où il se trouve par rapport au robot et où il risque d’arriver.

Les données de la caméra alimentent ensuite le système de contrôle. Celui-ci doit choisir une action : avancer, se décaler, modifier la posture, armer le bras ou préparer une frappe. Les chercheurs ont également intégré un modèle de bruit de perception. L’idée est de tenir compte du fait qu’un capteur ne fournit jamais une mesure parfaitement exacte.

Dans les conditions réelles, l’image peut être affectée par la vitesse du volant, son éloignement ou les limites de la détection visuelle. Le modèle compare les informations recueillies par la caméra aux données constituées pendant l’entraînement. Cette précaution aide le robot à prendre des décisions plus robustes face aux écarts entre ce qu’il a appris et ce qu’il observe sur le terrain.

Le terme « prédire » ne veut pas dire qu’ANYmal-D connaît à l’avance le coup du joueur humain. Il s’agit plutôt d’estimer, à partir des observations disponibles, une trajectoire probable et le déplacement nécessaire pour tenter l’interception. Dans un échange, cette estimation doit être actualisée continuellement, car chaque frappe modifie la situation.

L’apprentissage par renforcement, un entraînement par essais et erreurs

Au cœur du système se trouve un contrôleur fondé sur l’apprentissage par renforcement. Cette méthode d’intelligence artificielle consiste à entraîner un agent à sélectionner des actions en fonction d’un objectif. L’agent reçoit une forme de récompense lorsqu’il adopte un comportement souhaité, par exemple se rapprocher d’une position utile, conserver son équilibre ou réussir une interception. À l’inverse, des actions inefficaces sont pénalisées.

Dans le cas d’ANYmal-D, l’objectif ne se limite pas à frapper le volant. Le robot doit aussi apprendre à atteindre une position adaptée, à maintenir la balle dans son champ de perception et à coordonner ses mouvements. Cette approche est particulièrement pertinente lorsque les règles à appliquer sont nombreuses et varient en fonction du contexte.

Il faut toutefois distinguer l’entraînement de l’exécution. L’apprentissage par renforcement désigne ici la manière dont le contrôleur a été préparé à agir. La démonstration ne permet pas, à elle seule, d’affirmer que le robot modifie ses paramètres d’apprentissage à chaque échange face à un humain. Ce que les essais mettent en évidence, c’est sa capacité à employer, en temps réel, un comportement acquis pour s’ajuster à la trajectoire observée.

Jusqu’à dix frappes avec un joueur humain : ce que montrent les essais

Les tests réalisés par l’équipe du Robotic Systems Lab indiquent qu’ANYmal-D peut maintenir un échange avec une personne pendant jusqu’à dix frappes. Pour y parvenir, il suit les coups, adapte sa posture et se déplace sur le terrain en fonction de la trajectoire du volant.

Ce chiffre doit être lu avec précision. Il ne décrit ni la durée d’un match, ni un niveau de compétition, ni une aptitude à couvrir l’intégralité d’un terrain réglementaire contre n’importe quel adversaire. Il s’agit d’un indicateur expérimental de continuité : le robot a réussi à répéter plusieurs fois la séquence observer, se placer et frapper sans que l’échange s’arrête immédiatement.

La valeur de cette performance tient à l’enchaînement. Un robot peut accomplir un mouvement isolé dans un environnement très contrôlé. Entretenir une interaction avec une personne suppose, lui, de faire face à l’incertitude créée par les actions de l’autre joueur. Le volant n’arrive jamais exactement au même endroit, ni avec la même vitesse, ni selon le même angle.

Un robot joueur, mais pas encore un partenaire de match

L’expérience démontre une faisabilité, pas l’arrivée imminente de robots autonomes dans les clubs de badminton. Plusieurs dimensions d’un véritable match dépassent ce qui est présenté : service, comptage des points, arbitrage, stratégie de jeu, couverture complète du court ou adaptation à des styles d’adversaires très variés.

Le cadre des essais compte également. ANYmal-D a été testé dans un environnement contrôlé, où les conditions de vision et les échanges peuvent être organisés pour l’évaluation. Jouer en extérieur poserait des difficultés supplémentaires, notamment à cause de la lumière variable, du vent, qui influence fortement le volant, et de l’irrégularité éventuelle du sol.

La sécurité reste un autre point incontournable. Un robot à pattes équipé d’un bras mobile doit évoluer avec précaution à proximité d’humains. Dans un contexte sportif ou récréatif, il faudrait notamment s’assurer que ses déplacements, ses accélérations et les mouvements de sa raquette restent prévisibles et maîtrisés.

Ces limites ne diminuent pas l’intérêt des travaux. Au contraire, elles précisent les étapes qui séparent une preuve de concept d’une application robuste. En robotique, les démonstrations sportives servent souvent à isoler et mesurer des compétences qui pourront ensuite être transférées vers des tâches plus utiles.

Au-delà du badminton, des applications pour la robotique mobile

Les progrès observés avec ANYmal-D pourraient intéresser d’autres activités où une machine doit se déplacer et intervenir au bon moment. L’enseignement principal est la combinaison entre mobilité et manipulation : les pattes positionnent le robot, tandis que le bras agit sur le monde physique.

Dans d’autres domaines, une telle coordination pourrait servir à atteindre un outil, ouvrir ou actionner un élément, transporter un objet, ou interagir avec un équipement après s’être déplacé dans un espace contraint. Le badminton ne reproduit pas directement ces scénarios, mais il impose une exigence commune : agir malgré les imprévus et les délais très courts.

La dimension récréative a aussi son importance. Les activités sportives et ludiques offrent un moyen parlant de faire comprendre les avancées robotiques au grand public. Elles permettent surtout de confronter les systèmes à une interaction humaine directe, moins répétitive qu’une chaîne industrielle et plus difficile à réduire à une routine fixe.

Ce qu’il faut surveiller

La suite des recherches dépendra de la capacité à élargir les situations maîtrisées par le robot. Les questions les plus importantes seront celles de la robustesse de la perception, de la rapidité de réaction, de l’autonomie dans des espaces moins contrôlés et de la variété des mouvements que la machine peut gérer.

Il faudra aussi observer comment ces techniques pourront être adaptées à d’autres sports ou à des tâches non sportives. Un robot capable de suivre un volant et de coordonner un bras avec quatre pattes n’est pas encore un athlète autonome. Mais ANYmal-D apporte une démonstration concrète : des robots mobiles peuvent désormais engager une interaction physique répétée avec un humain dans une activité dynamique, plutôt que se contenter d’exécuter un geste programmé à l’avance.