Tsinghua et Zhiyuan font apprendre 96 robots les uns des autres

Former un robot coûte cher en temps humain : il faut lui montrer les gestes, puis corriger ses erreurs. Selon 量子位, média chinois spécialisé en intelligence artificielle, l’université Tsinghua, l’entreprise Infinigence (无问芯穹) et Zhiyuan Robotics (智元) proposent une autre voie : faire apprendre les robots les uns des autres. Les résultats annoncés sont frappants, mais ils viennent des auteurs, et rien dans l’article ne permet de les vérifier de façon indépendante.

Le goulot d’étranglement : des humains qui ne se multiplient pas

Pour une entreprise qui veut robotiser des tâches physiques, l’enjeu est simple : combien de personnes faut-il mobiliser pour que les machines deviennent utiles ? Aujourd’hui, rapporte 量子位, la pratique courante repose sur l’humain. Soit un opérateur montre le geste au robot, encore et encore. Soit le robot se trompe et une personne le corrige à la main.

Le problème, d’après l’article : on peut déployer des robots par centaines, voire par milliers, mais les opérateurs expérimentés ne sont pas aussi nombreux. Ils ne peuvent pas « produire plus » au même rythme que les machines. Le média y voit un des principaux freins au développement de ce qu’on appelle l’intelligence incarnée, c’est-à-dire des IA qui agissent dans le monde physique à travers un corps de robot.

En clair : plus on ajoute de robots, plus il faudrait d’enseignants humains. Cela limite la croissance.

Le principe : une mémoire commune de réussites

Les trois partenaires ont baptisé leur méthode CEL, pour Collective Experience Learning, soit « apprentissage par expérience collective ». L’idée : quand un robot réussit une tâche, cette réussite est mise de côté et partagée avec tout le groupe. Un robot qui rencontre une difficulté peut alors aller chercher, dans les expériences passées de ses semblables, une manière de s’en sortir.

L’image la plus proche est celle d’un atelier où chaque ouvrier noterait ses bons gestes dans un carnet que tous les autres consulteraient. Plus l’équipe grandit, plus le carnet s’épaissit. 量子位 résume l’ambition ainsi : transformer le frein du manque de personnes pour enseigner en avantage d’échelle, où plus de robots signifie plus d’expérience accumulée.

Les humains ne disparaissent pas du tableau : l’article dit que le robot n’apprend plus principalement grâce à eux, pas qu’il n’en a plus besoin du tout.

Ce que les auteurs annoncent

L’expérience a été menée, selon 量子位, sur une grappe de 96 robots réels. Cinq tâches ont été testées, entre services domestiques et production industrielle : arranger des fleurs, plier des vêtements, brancher un chargeur de téléphone, assembler un tabouret et emballer un téléphone.

Voici les chiffres rapportés, avec des repères :

• Deux robots qui n’avaient pas participé à l’entraînement ont réalisé 600 essais et en ont raté 15, soit 97,5 % de réussite. Autrement dit, environ un échec sur quarante.
• Sur les cinq tâches, le taux de réussite dépasse, pour chacune, la moyenne de 6 opérateurs humains. L’article ne détaille pas ici les scores des humains ni la façon dont ils ont été mesurés.
• Pour l’emballage de téléphone, une tâche à plusieurs étapes enchaînées, la réussite passe de 79,2 % à 98,3 %, avec 2 échecs sur 120 essais consécutifs.
• Avec plus de robots, la réussite monte de 86,7 % avec 16 robots à 98,3 % avec 96, pour une même durée d’entraînement réelle. Plus il y a de machines, plus il y a d’expérience récoltée dans le même temps.

Le média qualifie ces résultats de remarquables, sur un ton très enthousiaste. À lire avec recul : ce sont des mesures annoncées par les équipes de recherche et reprises par un seul article.

Sous le capot : deux briques, une pour le système, une pour l’algorithme

La méthode s’appuie sur deux éléments, d’après 量子位.

Le premier est un système d’entraînement baptisé FATS, soit un système d’entraînement asynchrone tolérant aux pannes. Il est bâti sur RLinf, un outil libre pour l’apprentissage par renforcement à grande échelle. Ce dernier terme désigne une façon d’apprendre par essais et erreurs, en recevant une note de réussite ou d’échec. FATS est « asynchrone » : un robot qui termine une tâche envoie aussitôt son expérience, sans attendre les autres, et l’entraînement peut continuer en continu. Il est aussi « tolérant aux pannes » : coupures réseau, appareils déconnectés ou pannes matérielles sont prévues.

Les chiffres de robustesse : sur le test à 96 robots, la grappe a accumulé 9 834 séquences d’exécution. Vingt-deux robots ont connu 30 pannes au total, mais le temps perdu ne représente que 1,3 % du temps de fonctionnement cumulé.

Le second élément est un algorithme, FERT, c’est-à-dire un réglage fin guidé par les échecs, à partir des expériences passées. Il répond à une difficulté : une manipulation peut durer plusieurs minutes et compter des milliers de mouvements élémentaires, alors que le seul retour est « réussi » ou « raté », ce qui ne dit pas quel geste corriger. FERT exploite les deux types d’expérience : les réussites montrent comment faire, les échecs signalent ce qui a mal tourné. Face à une difficulté, l’algorithme cherche dans les réussites passées une situation voisine et pousse le robot à s’en inspirer.

En clair : un classeur de bons gestes, consulté au bon moment, avec une infrastructure qui supporte les pannes d’un parc de machines.

Ce qui reste à prouver, et ce que cela change pour une entreprise

Selon 量子位, la répartition des rôles est la suivante : Tsinghua apporte la recherche, Infinigence l’infrastructure d’IA, Zhiyuan les robots et les scénarios réels. Le média y voit une véritable percée vers l’industrialisation. Pour un lecteur prudent, plusieurs questions restent ouvertes, car l’article ne donne pas les réponses :

• Quelle diversité de tâches ? Cinq tâches, c’est un début. Rien n’indique la tenue de la méthode sur des gestes très différents ou des environnements imprévus.
• Quels robots ? Le texte ne dit pas si l’approche fonctionne entre machines de modèles différents.
• Quel coût réel ? L’article insiste sur la rareté des opérateurs, mais ne chiffre ni les heures humaines économisées ni le prix d’une grappe de 96 robots.
• Quelle vérification externe ? L’article ne renvoie à aucune publication scientifique ni à une évaluation indépendante.

Pour une PME ou un industriel qui envisage d’automatiser des tâches physiques, rien ici n’est un produit à acheter. C’est un signal sur la direction de la recherche : si l’approche se confirme, la valeur d’un parc de robots pourrait dépendre autant de l’expérience partagée que du nombre de machines. Les questions à poser à un fournisseur seraient alors concrètes : combien de démonstrations humaines faut-il encore au départ ? Comment les échecs sont-ils comptabilisés ? Que devient la mémoire commune si l’on change de modèle de robot ?

La question de fond demeure : des taux de réussite de 97 à 98 % en conditions d’essai se maintiennent-ils quand un atelier réel impose cadences, imprévus et pièces variables ? Les prochaines publications et les premiers déploiements chez des clients permettront de le dire.

Sources

• 从学习人类到学习机器人同伴，清华大学联合无问芯穹、智元提出具身智能规模化落地新路径 – 量子位