40
Robotique
La problématique de l'intelligence artificielle telle que posée par Alan Turing (A. M. Turing (1950)
Computing Machinery and Intelligence. Mind 49: 433-460.) était de savoir si les ordinateurs pouvaient
être capables de « pensée » (Can Machines Think?) et il l’a immédiatement traduite par la question de
l’imitation de l’homme. Il faut bien noter que la question initiale de Turing portant sur la « pensée » a
été traduite par les fondateurs de l’IA par celle de l’ « intelligence », ou des « mécanismes de haut
niveau », ce qui avait eu pour conséquence de casser le lien entre le raisonnement, l’action, la perception, l’apprentissage et l’interaction.
La problématique de la robotique pose l’ensemble de ces questions. Le robot-machine est soumis à la
complexité du monde réel dans lequel il évolue et il doit respecter sa dynamique. La notion
d’intelligence doit alors être posée de manière à rendre compte globalement des processus sensorimoteurs, perceptuels et décisionnels permettant l’interaction en temps-réel avec le monde, en tenant
compte des contraintes d’incomplétude et d’incertitude de perception ou d’action. Les cinq fonctions
principales d’un robot sont : la perception/interprétation, le mouvement/action, le raisonnement/planification, l’apprentissage, et l’interaction avec d’autres agents. Il est nécessaire d’adopter une
vision d’ensemble du robot, en tant que système intégrant ses différentes capacités et permettant à la
fois la réactivité et la prise de décision sur le long terme. Ces fonctions doivent être intégrées de manière cohérente dans une architecture de contrôle globale (architecture cognitive).
Perception, action, apprentissage
De nombreuses avancées ont été réalisées dans chacune des fonctions fondamentales du robot. Dans
les années 1985-2000, la problématique de la localisation et de la cartographie simultanées (SLAM) a
connu un développement formidable qui a permis de bien en cerner les fondements et de produire des
systèmes efficaces. Le point faible important restant le manque d’interprétations plus sémantiques de
l’environnement et des objets. L’apprentissage profond a fait une incursion considérable en robotique,
prenant la place de l’apprentissage bayésien, à la fois pour la perception et pour la synthèse d’actions.
Mais la perception en robotique nécessite une interaction du robot avec son environnement et non une
simple observation. Le lien entre perception et apprentissage, en particulier apprentissage par renforcement est essentiel pour extraire la notion d’affordance, qui rend compte des propriétés perceptuelles
des objets, qui va jusqu’aux représentations symboliques, mais qui permet aussi d’apprendre des compétences (skills) ou des capacité d’action pour le robot.
Interaction
Les problèmes d’interaction et d’action conjointe homme-robot, avec la mise en œuvre de prise de
perspective, est une problématique fondamentale pour permettre une interaction efficace et naturelle
entre l’humain et le robot. Ce sujet demande un développement qui associe des recherches en robotique et en SHS (en particulier, en sociologie, philosophie, linguistique). Le rôle des émotions dans
l’interaction est à explorer, bien au delà de travaux actuels qui se contentent de classer a priori des
expressions faciales ou de produire des expressions d’émotions artificielles par le robot.
Décision
La prise de décision s’appuie sur des techniques relativement classiques de l’IA. La non-adéquation de
la planification déterministe avec les contraintes du monde réel a amené le développement de méthodes basées sur les processus décisionnels dans l’incertain, comme les processus markoviens. Ces
approches trouvent leur limites dans une trop grande complexité. L’apprentissage d’actions en robotique est souvent réalisé par des méthodes d’apprentissage par renforcement et le lien entre planifica-
Robotique
La problématique de l'intelligence artificielle telle que posée par Alan Turing (A. M. Turing (1950)
Computing Machinery and Intelligence. Mind 49: 433-460.) était de savoir si les ordinateurs pouvaient
être capables de « pensée » (Can Machines Think?) et il l’a immédiatement traduite par la question de
l’imitation de l’homme. Il faut bien noter que la question initiale de Turing portant sur la « pensée » a
été traduite par les fondateurs de l’IA par celle de l’ « intelligence », ou des « mécanismes de haut
niveau », ce qui avait eu pour conséquence de casser le lien entre le raisonnement, l’action, la perception, l’apprentissage et l’interaction.
La problématique de la robotique pose l’ensemble de ces questions. Le robot-machine est soumis à la
complexité du monde réel dans lequel il évolue et il doit respecter sa dynamique. La notion
d’intelligence doit alors être posée de manière à rendre compte globalement des processus sensorimoteurs, perceptuels et décisionnels permettant l’interaction en temps-réel avec le monde, en tenant
compte des contraintes d’incomplétude et d’incertitude de perception ou d’action. Les cinq fonctions
principales d’un robot sont : la perception/interprétation, le mouvement/action, le raisonnement/planification, l’apprentissage, et l’interaction avec d’autres agents. Il est nécessaire d’adopter une
vision d’ensemble du robot, en tant que système intégrant ses différentes capacités et permettant à la
fois la réactivité et la prise de décision sur le long terme. Ces fonctions doivent être intégrées de manière cohérente dans une architecture de contrôle globale (architecture cognitive).
Perception, action, apprentissage
De nombreuses avancées ont été réalisées dans chacune des fonctions fondamentales du robot. Dans
les années 1985-2000, la problématique de la localisation et de la cartographie simultanées (SLAM) a
connu un développement formidable qui a permis de bien en cerner les fondements et de produire des
systèmes efficaces. Le point faible important restant le manque d’interprétations plus sémantiques de
l’environnement et des objets. L’apprentissage profond a fait une incursion considérable en robotique,
prenant la place de l’apprentissage bayésien, à la fois pour la perception et pour la synthèse d’actions.
Mais la perception en robotique nécessite une interaction du robot avec son environnement et non une
simple observation. Le lien entre perception et apprentissage, en particulier apprentissage par renforcement est essentiel pour extraire la notion d’affordance, qui rend compte des propriétés perceptuelles
des objets, qui va jusqu’aux représentations symboliques, mais qui permet aussi d’apprendre des compétences (skills) ou des capacité d’action pour le robot.
Interaction
Les problèmes d’interaction et d’action conjointe homme-robot, avec la mise en œuvre de prise de
perspective, est une problématique fondamentale pour permettre une interaction efficace et naturelle
entre l’humain et le robot. Ce sujet demande un développement qui associe des recherches en robotique et en SHS (en particulier, en sociologie, philosophie, linguistique). Le rôle des émotions dans
l’interaction est à explorer, bien au delà de travaux actuels qui se contentent de classer a priori des
expressions faciales ou de produire des expressions d’émotions artificielles par le robot.
Décision
La prise de décision s’appuie sur des techniques relativement classiques de l’IA. La non-adéquation de
la planification déterministe avec les contraintes du monde réel a amené le développement de méthodes basées sur les processus décisionnels dans l’incertain, comme les processus markoviens. Ces
approches trouvent leur limites dans une trop grande complexité. L’apprentissage d’actions en robotique est souvent réalisé par des méthodes d’apprentissage par renforcement et le lien entre planifica-