La première semaine de juillet 2025 a été marquée par une percée majeure en intelligence artificielle et en robotique, alors que des chercheurs ont démontré des machines capables d’anticiper des mouvements et d’ajuster leurs stratégies dans des environnements dynamiques comme jamais auparavant.
Au cœur de cette avancée se trouve ANYmal-D, un robot à quatre pattes développé par l’ETH Zurich, capable de jouer de façon autonome au badminton contre des adversaires humains. Le robot utilise un système de contrôle innovant basé sur l’apprentissage par renforcement, lui permettant de suivre, prédire et retourner habilement les volants. Son « cerveau » sophistiqué lui permet de suivre la trajectoire du volant, d’anticiper son chemin et de se déplacer rapidement sur le terrain pour l’intercepter et le renvoyer. Cette réalisation, détaillée dans la revue Science Robotics, met en lumière le potentiel des robots à pattes pour accomplir des tâches dynamiques nécessitant une perception précise et des réactions rapides de tout le corps.
Le robot est équipé d’une caméra stéréo pour la perception visuelle et d’un bras dynamique pour manier une raquette de badminton, ce qui exige une synchronisation précise entre la perception, la locomotion et les mouvements du bras. Les chercheurs ont entraîné le système à l’aide de l’apprentissage par renforcement, permettant au robot de développer des stratégies efficaces par l’expérimentation et l’interaction avec son environnement. Lors de tests contre des joueurs humains, ANYmal-D a démontré sa capacité à se déplacer efficacement sur le terrain, à retourner des coups à différentes vitesses et angles, et à soutenir des échanges allant jusqu’à 10 frappes consécutives.
Cette percée représente bien plus qu’une simple curiosité technologique. Le robot quadrupède utilise la vision, les données de capteurs et l’apprentissage automatique pour anticiper les mouvements et ajuster sa stratégie, illustrant l’avenir de la collaboration humain-robot dans le sport et la formation. Le projet allie robotique physique et raisonnement avancé de l’IA, ouvrant de nouvelles perspectives pour des machines capables de travailler aux côtés des humains dans des environnements complexes et imprévisibles.
Les roboticiens ont réalisé des avancées majeures dans la façon dont les robots apprennent et s’adaptent. L’une des percées clés consiste à combiner différents types de données pour les rendre utiles aux robots. Par exemple, les chercheurs peuvent recueillir des données d’humains effectuant des tâches tout en portant des capteurs, les combiner avec des données de téléopération d’humains utilisant des bras robotiques, et y ajouter des images et vidéos en ligne de personnes réalisant des actions similaires. En fusionnant ces sources de données dans de nouveaux modèles d’IA, les robots bénéficient d’un avantage considérable par rapport à ceux entraînés avec des méthodes traditionnelles. Voir plusieurs façons d’accomplir une même tâche facilite l’improvisation des modèles d’IA et leur permet de déterminer les prochaines actions appropriées dans des situations réelles. Il s’agit d’un changement fondamental dans la manière dont les robots apprennent.
C’est un aspect déterminant de la fabrication assistée par l’IA aujourd’hui. Les percées en apprentissage par renforcement ont permis à des robots physiques de prendre des décisions et d’exécuter des tâches physiques complexes, allant d’accrocher des t-shirts sur des cintres à la préparation de pâte à pizza. Cette fusion de l’IA générative et de la robotique a radicalement élargi les applications potentielles dans les affaires, les soins de santé, l’éducation et le divertissement, laissant entrevoir un avenir où les machines intelligentes s’intégreront de façon transparente à notre quotidien.