En Corée du Sud, une équipe du Daegu Gyeongbuk Institute of Science and Technology (DGIST) a considérablement amélioré les performances des robots autonomes grâce à l’intégration d’une « fonction d’oubli », inspirée du comportement humain. Résultat : leur productivité a grimpé de 18% et leur temps moyen de trajet a diminué de 30 %.
Il aura suffi de reproduire un mécanisme humain pour rendre les robots plus performants. Les chercheurs sud-coréens du Daegu Gyeongbuk Institute of Science and Technology (DGIST) ont mis au point une approche baptisée « IA physique » (Physical AI), qui s’inspire de la façon dont les humains partagent et utilisent l’information en groupe.
Dans la vie réelle, chacun détient une partie des informations, et c’est leur mise en commun qui permet au groupe d’agir plus efficacement. S’inspirant de ce fonctionnement collectif, les chercheurs ont transposé ce principe aux robots autonomes mobiles (AMR). Ils ont ainsi combiné deux processus naturels chez nous : diffuser uniquement l’information utile et oublier ce qui n’est plus pertinent. Le résultat est parlant : la productivité augmente de 18 % et le temps moyen de trajet diminue de 30 %.
Une IA inspirée des humains, pour le meilleur et pour le pire
Dans un entrepôt, chaque robot doit analyser son environnement à l’aide de capteurs, puis partager ces données avec les autres. Le problème, c’est que la transmission de toutes ces informations crée vite une surcharge, comme si chaque robot analysait en permanence de chaque petit détail.
L’innovation du DGIST consiste à apprendre aux machines à ne diffuser que l’information réellement utile. Par exemple, « le couloir B est bloqué » vaut la peine d’être diffusé, mais « je tourne légèrement à gauche » ne l’est pas. Les chercheurs ont ainsi modélisé mathématiquement notre tendance naturelle à signaler ce qui est important… puis à oublier rapidement l’inutile. Concrètement, on met en avant l’essentiel pour coordonner le groupe, puis on laisse de côté ce qui n’a plus d’importance. Ainsi, chaque robot découvre à chaque fois qu’il faut tourner à gauche, au lieu d’appréhender dans sa chaîne de fonctionnement le fait de tourner.
Pourquoi apprendre à oublier ?
Les robots autonomes présentent un autre défaut : lorsqu’ils contournent un obstacle, comme un chariot élévateur, ils mémorisent ce détour. Même après la disparition de l’obstacle, ils continuent à l’éviter inutilement. La nouvelle approche du DGIST leur apprend à oublier l’obstacle disparu, leur permettant de revenir efficacement sur leur trajectoire initiale, souligne The Chosun Daily. En résumé, le collectif conserve ce qui facilite l’action coordonnée et « oublie » ce qui n’a plus d’importance.
Ces résultats ont été obtenus grâce à Gazebo, une plateforme de simulation reproduisant fidèlement la complexité d’un entrepôt logistique. Autre point positif pour l’industrie : la méthode ne nécessite pas de capteurs coûteux – un simple LiDAR 2D suffit – et s’intègre directement à ROS 2, l’architecture logicielle déjà utilisée en robotique.
Si les tests doivent encore être confirmés dans des environnements réels, les applications sont prometteuses : logistique, véhicules autonomes, exploration ou opérations de secours. Partout où des robots doivent coopérer, cette IA bio‑inspirée – qui combine diffusion sélective de l’information, cognition collective et oubli – pourrait devenir un véritable atout.
Toute l’actu tech en un clin d’œil
Ajoutez Numerama à votre écran d’accueil et restez connectés au futur !
