La première semaine de juillet 2025 a été marquée par une avancée majeure en intelligence artificielle et en robotique, alors que des chercheurs ont démontré des machines capables d’anticiper les mouvements et d’ajuster leurs stratégies dans des environnements dynamiques comme jamais auparavant.
Au cœur de ce progrès se trouve ANYmal-D, un robot quadrupède développé par l’ETH Zurich, capable de jouer de manière autonome au badminton contre des adversaires humains. Le robot s’appuie sur un système de contrôle innovant basé sur l’apprentissage par renforcement, qui lui permet de suivre, prédire et renvoyer habilement les volants. Son « cerveau » sophistiqué lui permet de suivre la trajectoire du volant, d’anticiper sa trajectoire et de se déplacer rapidement sur le terrain pour l’intercepter et le renvoyer. Cette prouesse, détaillée dans la revue Science Robotics, met en lumière le potentiel des robots à pattes pour des tâches dynamiques nécessitant une perception précise et des réactions corporelles rapides.
Le robot est équipé d’une caméra stéréo pour la perception visuelle et d’un bras dynamique pour manier une raquette de badminton, nécessitant une synchronisation précise entre la perception, la locomotion et les mouvements du bras. Les chercheurs ont entraîné le système grâce à 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 renvoyer des volants à différentes vitesses et angles, et à maintenir des échanges allant jusqu’à 10 frappes consécutives.
Cette avancée 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 homme-robot dans le sport et la formation. Le projet associe 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 manière dont les robots apprennent et s’adaptent. L’une des innovations clés consiste à combiner différents types de données pour les rendre exploitables par les robots. Par exemple, les chercheurs peuvent collecter des données issues d’humains effectuant des tâches tout en portant des capteurs, les combiner avec des données de téléopération d’humains utilisant des bras robotiques, et compléter le tout avec 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. Observer 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. Cela représente un changement fondamental dans la manière dont les robots apprennent.
Ceci constitue un aspect essentiel de la fabrication assistée par l’IA aujourd’hui. Les avancées en apprentissage par renforcement ont permis à des robots physiques de prendre des décisions et d’exécuter des tâches physiques complexes, allant de suspendre 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 secteurs de l’entreprise, de la santé, de l’éducation et du divertissement, suggérant un avenir où des machines intelligentes s’intègrent de manière transparente à notre quotidien.