Google présente l'IA

Google a présenté son essai de deux ans de robots pilotés par l'IA triant les matières recyclables et les déchets avec un haut degré d'efficacité, annonçant peut-être la forme des choses à venir.

Grâce à l'application de RL, les robots mobiles, dotés de systèmes de vision et d'un bras, ont pu effectuer des tâches réelles dans des environnements de travail, avec une combinaison de données hors ligne et en ligne leur permettant de s'adapter à la grande variabilité des situations réelles.

L'étude a programmé les robots - fournis par Everyday Robots, une partie de la société mère de Google, Alphabet - pour qu'ils se déplacent et recherchent des "situations de déchets" - des poubelles pour les matières recyclables, le compost et les ordures. Ils ont ensuite été chargés de trier les éléments entre les bacs afin que tous les recyclables (canettes, bouteilles) soient placés dans le bac recyclable, les éléments compostables (contenants en carton, gobelets en papier) soient placés dans le bac à compost et tout le reste soit placé dans le bac à déchets résiduels.

Les robots ont été amorcés avec un ensemble de compétences de base - le processus par lequel un ordinateur est chargé avec un programme en utilisant un programme initial beaucoup plus petit. Les compétences comprenaient quatre ensembles d'expérience :

Discutant de la motivation de l'étude, l'équipe de recherche a déclaré que le monde réel étant complexe, diversifié et changeant avec le temps, les robots compatibles RL ont du mal à s'adapter et ne sont donc pas encore couramment utilisés dans les environnements quotidiens.

Les «salles de classe robotisées» fournissent une grande partie de l'expérience des robots. L'équipe a déclaré que si les immeubles de bureaux du monde réel peuvent fournir l'expérience la plus représentative, le débit en termes de collecte de données est limité - certains jours, il y aura beaucoup de déchets à trier, et certains jours pas tellement.

À la fin des deux années, l'équipe a rassemblé 540 000 essais dans les salles de classe et 32 ​​500 essais depuis le déploiement. Il a constaté que les performances globales du système s'amélioraient à mesure que davantage de données étaient collectées. Le système final a été évalué dans les salles de classe pour des comparaisons contrôlées avec des scénarios basés sur ce que les robots ont vu pendant le déploiement.

Parallèlement à la précision de 84 % du système final, des tests en conditions réelles ont montré que le système pouvait réduire la contamination de 40 à 50 % en poids. Cela a été déterminé sur la base des statistiques de trois déploiements réels entre 2021 et 2022.

L'équipe note que les politiques RL finales ne réussissent pas à chaque fois, et des modèles plus grands et plus puissants seront nécessaires pour améliorer les performances et les étendre à un plus large éventail de tâches. D'autres sources d'expérience, y compris d'autres tâches, d'autres robots et même des vidéos en ligne peuvent servir à compléter davantage l'expérience d'amorçage.