Vers une meilleure compréhension des commandes par les robots
S’inscrire à notre newsletter, c’est découvrir les innovations incontournables aux frontières de la science et de la technologie. Avec cette plateforme, plongez dans un avenir prometteur !
La barrière de la communication
La communication humaine est riche en nuances et subtilités, mais les robots actuels ne saisissent que le sens littéral des mots. Bien qu’ils puissent apprendre par répétition, ils se montrent souvent maladroits face à des requêtes plus complexes. Par exemple, les différences entre des phrases comme « prends la pomme rouge » et « prends-la » peuvent poser un vrai défi à un robot.
La recherche proactive
Des chercheurs du Laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL) souhaitent remédier à cette situation. Leur objectif est d’enseigner aux systèmes robotiques à comprendre le contexte, ce qui pourrait leur permettre de traiter des demandes plus élaborées.
Dans un article présenté lors de la Conférence internationale conjointe sur l’intelligence artificielle (IJCAI), l’équipe du MIT a introduit ComText, un système similaire à Alexa, qui aide les robots à interpréter des commandes en prenant en compte les éléments de leur environnement.
ComText : une avancée prometteuse
ComText permet à un robot de visualiser et de comprendre son environnement immédiat, en utilisant ce qu’on appelle une mémoire épisodique. Contrairement à la mémoire sémantique, qui se limite à des faits, la mémoire épisodique inclut des détails plus personnels, comme la taille, la forme ou la position d’un objet, ainsi que des informations sur son propriétaire.
Lors des tests réalisés sur un robot humanoïde à deux bras nommé Baxter, il a été constaté qu’il exécutait correctement 90 % des commandes complexes grâce à ComText.
Andrei Barbu, l’un des chercheurs principaux, a commenté : « La véritable avancée réside dans l’idée que les robots devraient posséder différentes formes de mémoire, comme les êtres humains. Nous avons établi la première formulation mathématique à cet égard et explorons les interactions entre ces deux types de mémoire. »
Améliorer la communication pour une meilleure robotique
Bien qu’il reste encore des progrès à faire, ComText pourrait potentiellement combler l’écart de communication entre les humains et les machines. Selon Rohan Paul, l’un des principaux auteurs de l’étude, il est essentiel d’augmenter la richesse de la représentation que les robots ont du monde. Alors que les humains perçoivent le monde comme un ensemble d’objets, de personnes et de concepts abstraits, les machines le voient comme des pixels et des cartes en 3D.
À terme, des systèmes comme ComText peuvent permettre aux robots d’inférer rapidement l’intention derrière une action ou de suivre des instructions comportant plusieurs étapes. Les retombées de cette avancée pourraient être considérables, touchant des domaines allant des voitures autonomes aux systèmes d’IA utilisés dans le secteur de la santé.
FAQ
Quelle est la différence entre mémoire épisodique et mémoire sémantique ?
La mémoire épisodique concerne des souvenirs personnels et des expériences spécifiques, tandis que la mémoire sémantique se concentre sur des faits généraux et des connaissances.
Comment ComText pourrait-il changer l’interaction homme-machine ?
ComText pourrait réduire la confusion dans les commandes complexes, permettant aux robots de comprendre davantage de nuances, rendant leur interaction avec les humains plus fluide.
Quels sont les domaines d’application potentiels pour cette technologie ?
Les applications vont des robots en milieu domestique à l’automatisation industrielle, en passant par les soins de santé, où une meilleure compréhension contextuelle est essentielle.
Les robots peuvent-ils déjà apprendre de leur expérience ?
Oui, les robots commencent à utiliser des systèmes d’apprentissage pour s’adapter à leurs environnements et améliorer leurs performances, mais cela reste soumis à des limites de programmation.
Quelles sont les prochaines étapes pour cette recherche ?
Les chercheurs continueront à affiner le système ComText et à explorer d’autres formes de mémoire pour une compréhension plus riche et nuancée du langage humain.
