Les robots ont besoin de sentir la friction pour véritablement comprendre le monde physique

Points clés

• Contactile, une entreprise de capteurs tactiles, propose une nouvelle classe de modèle IA appelée VμA (vision-mu-action) qui fournit aux robots des données de friction en temps réel aux côtés de la vision par caméra.
• Les modèles IA actuels pour robots oublient une grandeur physique clé : le coefficient de friction statique (mu), qui détermine si un objet saisi glisse ou reste immobile.
• Le capteur PapillArray de Contactile calcule la friction et l'état de glissement directement au niveau du capteur, sans délai de traitement, en temps réel.
• L'écart entre l'entraînement en simulation et les performances en conditions réelles est largement attribué à l'absence de physique de friction dans les environnements d'entraînement.

Un bras robotique plonge dans une boîte, saisit une bouteille mouillée, et la lâche. La caméra a vu la bouteille. Les articulations ont senti la charge. Mais aucune n'a dit au robot à quel point la surface était glissante. Ce seul fait manquant est la raison pour laquelle les préhenseurs robotiques échouent encore sur des tâches qu'un enfant en bas âge accomplit sans y penser.

Contactile, une entreprise australienne de capteurs, affirme dans un nouveau document technique d'abord rapporté par The Robot Report que cet écart est plus profond que ce que quiconque n'a résolu. Le problème se situe à l'intérieur des modèles IA que les robots utilisent pour raisonner sur le monde.

Qu'est-ce qu'un modèle du monde, et pourquoi a-t-il besoin de friction ?

Un modèle du monde est la représentation interne du robot de la réalité physique : un logiciel qui prédit ce qui va se passer ensuite pour que le robot puisse planifier. Imaginez le robot se posant la question : « Si je serre un peu plus fort, cet œuf va-t-il se casser ? » Un bon modèle du monde signifie que le robot n'a pas besoin de mémoriser chaque tâche. Il peut raisonner sur de nouvelles tâches.

Mais un modèle du monde n'est aussi bon que l'information sur laquelle il repose. Les modèles actuels se basent principalement sur deux entrées : les images des caméras et les positions des articulations des moteurs du robot. Pour se mouvoir en espace ouvert, c'est suffisant. Pour saisir et manipuler des objets, ce ne l'est pas.

Le nombre manquant s'appelle le coefficient de friction statique, noté mu. C'est la valeur physique qui détermine si un objet saisi reste saisi. Elle varie selon le matériau, que la surface soit mouillée, usée ou revêtue, et la température. Une caméra ne peut pas la voir. Les courants moteurs ne peuvent pas la calculer avec précision. Une carte de pression peut vous dire qu'un objet est saisi, mais pas si la préhension est sur le point d'échouer.

Sans mu, le modèle du monde d'un robot raisonne à partir d'une image incomplète de la réalité. Il peut apprendre des motifs à partir des données d'entraînement, mais il ne peut pas transférer fiablement ces leçons à un nouvel objet ou une surface modifiée, car la seule variable qui gouverne la réussite de la préhension n'est simplement pas là.

Le capteur qui mesure ce que les caméras ne peuvent pas voir

Le module de calcul tactile PapillArray de Contactile est un réseau de capteurs de la taille d'un bout de doigt qui se fixe sur la préhenseur du robot. Chaque petit point capteur, appelé taxel, mesure la force dans les trois directions. Le capteur calcule ensuite mu directement, en temps réel, au niveau du capteur lui-même sans envoyer d'abord les données à un ordinateur séparé.

Les sorties incluent la force 3D complète à chaque taxel, la force et le couple globaux sur la zone de contact, la valeur actuelle de la friction, si chaque point glisse ou tient, et la force de préhension minimale nécessaire pour éviter une chute. Celles-ci sont ancrées dans la physique du contact, pas des suppositions apprises.

Contactile propose de nommer les modèles qui utilisent cet ensemble de signaux complet VμA : vision-mu-action. Les générations de modèles antérieures ont reçu leurs propres noms quand une nouvelle entrée est devenue assez importante. Les modèles vision-language-action (VLA) ont ajouté le langage naturel à l'apprentissage robotique. Les modèles vision-force-action (VFA) ont ajouté la force. VμA ajoute la physique réelle de la friction qui a été absente de chaque approche antérieure.

Du côté de l'entraînement, les données VμA enrichissent les ensembles de données avec des signaux physiques causals plutôt que des proxies statistiques. Du côté du déploiement, un robot équipé d'un PapillArray connaît la valeur de friction de ce qu'il tient maintenant, et peut adapter sa préhension instantanément si les conditions changent. Pas de supposition. Pas de contournements par randomisation de domaine.

Pour les industries où les robots manipulent des produits frais, des emballages revêtus, ou des matériaux variables, bien maîtriser la physique de préhension n'est pas une curiosité de recherche. C'est la différence entre une chaîne de production fonctionnelle et une qui a besoin de corrections humaines constantes.