Programmer chaque mouvement d’un humanoïde à la main serait trop lent. Les équipes combinent donc plusieurs méthodes pour lui apprendre une tâche, depuis la démonstration humaine jusqu’aux essais en simulation.
Observer et imiter
Lors d’une téléopération, une personne commande le robot ou réalise un geste que la machine enregistre. Ces exemples associent les perceptions à des actions possibles. Un modèle peut ensuite apprendre à produire un comportement similaire dans des situations proches.
Le passage de l’humain au robot n’est pas direct. Nos articulations, notre équilibre et notre toucher diffèrent. L’algorithme doit adapter le geste aux limites mécaniques de la plateforme.
Essayer sans casser
La simulation permet de répéter rapidement des milliers de scénarios. L’apprentissage par renforcement récompense les comportements efficaces : garder l’équilibre, atteindre un objet ou éviter une collision. Mais une simulation ne reproduit jamais parfaitement les frottements, les lumières et les imprévus du monde réel.
Le robot doit enfin généraliser. Savoir saisir une tasse précise ne suffit pas ; il faut reconnaître des tailles, positions et matières différentes. L’enjeu actuel est de réduire la quantité de nouvelles données nécessaires tout en conservant un comportement sûr lorsqu’une situation sort de l’entraînement.