Introduction à la robotique anthropomorphiste

1. Le contexte

Depuis les années 1970, on trouve de nombreuses expérimentations de robot humanoïdes. En dehors de toute considération d’acceptation sociale ou de syndrome psychologique du genre "se prendre pour le créateur", il existe une rationalité forte à vouloir aborder le robot au travers de ses formes humanoïdes :

Évidemment, là où le bât blesse c’est que l’humain s’avère le fruit d’une longue évolution.

On pourrait penser qu’il est indispensable de mettre au point des formes simples de robots avant d’évoluer avec rigueur vers un schéma de robot sophistiqué. Un tel robot serait le fruit d’un processus rationnel basé sur des protocoles d’expérimentation bien construits. Certains suivent d’ailleurs ce chemin avec brio, mais sont loin du but.

Nous ne doutons pas qu’un jour tout cela fera l’objet d’un refactoring d’ensemble, de la mise au point d’une théorie généralisée et englobante, un peu comme l’a effectué le groupe Bourbaki pour les mathématiques du siècle dernier. Mais nous en sommes aujourd’hui réduits à une forme d’alchimie coupable : c’est-à-dire au croisement empirique de démarches top-down (partir de l’humain), bottom-up (assembler des composants de base existants) au gré des pulsions et des intuitions des bricoleurs que nous sommes.

Un garde-fou...

1. Le vocabulaire

Les notions suivantes sont très importantes pour décrire synthétiquement comment se déplacent les composants d’un robot :

1. Les actuators (actionneurs) sont les composants qui peuvent générer un mouvement (principalement des moteurs).

2. Les effectors (effecteurs) sont des organes ou des systèmes terminaux des robots (typiquement au bout de leurs bras) permettant à ceux-ci d’exécuter des fonctions diverses autres que ses déplacements.

3. Les DOF (pour Degree of Freedom) représentent les degrés de liberté des composants du robot, typiquement au niveau des liens entre ses composants. Il faut imaginer ces degrés de liberté en termes de rotation, mais aussi de translation (pensez à une glissière) qui peuvent s’effectuer dans les 3 dimensions.

Bras robotique simpliste avec 2 DOF

Il existe de nombreux types d’effectors, parmi eux :

Les grippers sont en premier lieu caractérisés par leur capacité , la force nécessaire ou suffisante pour attraper un objet.

Pour un gripper simple avec doigts, on peut l’exprimer approximativement en fonction de la masse de l’objet, l’accélaration de celui-ci , l’accélération liée à la gravité et le coefficient de friction , par l’expression suivante :

Tout cela ne se complique donc vraiment que lorsque le robot se met en mouvement !

2. La cinématique

Pour prévoir la position du robot et de ses composants, on effectue ce que l’on nomme le calcul de la cinématique avant du robot (forward kinematic).

Les équations géométriques physiques appliquées à l’état initial qui permettront de déterminer les mouvements du robot peuvent être nombreuses et diverses, mais leur agencement est relativement naturel.

À l’inverse, quand on veut que le robot arrive dans une position donnée, ce qui est souvent le cas (quand on pose le pied sur une marche d’escalier, quand on veut attraper un objet…), on doit alors calculer une cinématique...

1. Vers une interface directe avec le robot

Un type d’interface nous fascine, ce sont les interfaces directes avec cerveau (BCI pour Brain Computer Interface ou BMI pour Brain Machine Interface).

Dans ces interfaces, l’idée est de capter les traces des processus physiologiques induits par l’homme, de séparer la partie involontaire du signal, de le débruiter, puis de rapprocher ce signal à une ontologie de signaux interprétables par la machine.

On comprend alors que nos techniques habituelles vont pouvoir s’appliquer :

1. preprocessing des données,

2. utilisation d’un modèle issu de l’apprentissage automatique,

3. interface avec un système de contrôle/feedback.

Nous sommes donc en terrain connu. Mais il faudra de plus prendre en compte l’analyse de signaux dont l’amplitude variable est naturellement décroissante après une impulsion, et étudier sérieusement l’analyse des corrélations entre les fréquences émises par l’opérateur humain et les fréquences labellisées dans la machine.

L’analyse des spectrogrammes, dont nous étudierons le code Python au chapitre Simuler les attributs de l’intelligence en étudiant les signaux sonores, sera ici d’un grand secours : il nous suffira de spécifier les attributs des spectrogrammes de l’opérateur humain correspondant à des consignes valides pour le robot.

Dans ce contexte, le taux de transfert de l’information...