Un système de reconnaissance alimenté par IA “Perception” et “AlexNet”

Comment les robots voient-ils ? Pourquoi est-il important que les robots puissent percevoir leur environnement ? Comment l’intelligence artificielle et l’apprentissage automatique sont-ils exploités pour une vision par ordinateur plus précise ? Nous avons discuté avec l’ingénieur de chez Perception et son l’ingénieur en apprentissage automatique pour explorer le sujet complexe de la perception des robots.

Selon lui, “La perception consiste à analyser les données sensorielles que le robot reçoit et à produire des informations utiles pour les tâches en aval.” Dans le cas de Digit, ces “tâches en aval” pourraient être la manipulation de bacs, l’évitement d’obstacles ou simplement savoir où placer ses pieds. Et à mesure que la plateforme se développe, de plus en plus de tâches devront utiliser des données de perception.

Créer des robots généralisés ou polyvalents est une chose impossible sans qu’ils puissent percevoir activement et comprendre l’environnement qui les entoure. Mais quelque chose qui est naturel pour les humains représente un défi monumental pour les robots.

Regardez cette image. Vous l’avez probablement presque instantanément reconnue comme un cube de brocoli congelé sans même y penser, mais cette tâche pourrait s’avérer assez confuse pour un algorithme de vision par ordinateur. La plupart des gens tiennent probablement pour acquis à quelle vitesse et avec quelle précision leurs yeux détectent ce qui est devant eux, même dans de nouveaux scénarios.

Le travail de perception que réalise la société Agility se distingue des autres applications de vision par ordinateur. Ces algorithmes de perception doivent fonctionner pour Digit, une plateforme physique et mobile conçue pour être dans le monde réel et accomplir un travail concret. De plus, ils doivent fonctionner en temps réel.

“Digit est une plateforme mobile, et c’est une interaction en temps réel avec l’environnement” Avec des caméras statiques, vous pouvez revenir en arrière et rejouer des images. Elles n’ont pas de flou de mouvement. Vous pouvez vraiment contrôler votre environnement. Mais avec Digit qui se déplace, les effets de la détection du premier élément affectent également tout ce qui suit.

Cela devient extrêmement important lors de la résolution de défis tels que la locomotion. La qualité d’une carte de terrain peut faire la différence entre une démarche équilibrée et stable ou une chute au sol. Les mêmes défis s’appliquent à l’évitement d’obstacles et à la détection d’objets. De plus, la difficulté de ces tâches est accrue lorsqu’on prend en compte l’imprévisibilité et l’aléatoire du monde.

“L’un des grands défis que nous avons au sein de l’équipe de perception est la robustesse, en particulier face à de nouveaux scénarios que nous n’avons pas encore rencontrés”.

Sans surprise, l’un des outils les plus puissants pour relever ces défis est l’apprentissage automatique.

“On peut faire de la vision sans IA” On peut faire des choses comme la reconnaissance d’objets. Il existe des algorithmes traditionnels pour cela. Mais depuis la sortie d’AlexNet, il bat tous les autres modèles traditionnels sur cette grande base de données appelée ImageNet. Donc, il n’y a vraiment pas de meilleur outil à utiliser.

AlexNet est un système de réseau neuronal convolutionnel : un système informatique qui traite les données de manière à imiter le cerveau humain. Conçu par Alex Krizhevsky, AlexNet excelle dans la détection d’objets. Et lorsqu’on utilise l’apprentissage automatique et les réseaux neuronaux, il y a une ressource valorisée par-dessus tout.

“Les données sont la chose la plus importante en intelligence artificielle”.  Sans de bonnes données, nous ne pouvons pas construire une bonne IA. Donc, aller collecter de plus en plus de données à mesure que nous nous rendons dans des environnements de plus en plus variés nous aidera à devenir encore meilleurs dans la création de ce modèle de base général. Il est a souligner l’importance de défier continuellement les modèles de Perception avec des données nouvelles et variées.

“Si nous recueillons beaucoup de données d’entraînement pour le modèle d’apprentissage automatique dans un environnement spécifique, puis que nous le déployons dans un environnement différent, cela commencera à mettre à l’épreuve nos algorithmes de perception”. C’est pourquoi il est crucial de donner aux modèles autant de pratique que possible, même lorsque cela devient un scénario improbable ou irréaliste.

Actuellement, les algorithmes de perception nécessitent beaucoup d’intervention et de maintenance humaines, et ils sont principalement adaptés à des tâches spécifiques. Les ingénieurs doivent filtrer manuellement les données d’entraînement pour aider à enseigner au modèle ce qui est quoi. Mais le monde n’est pas prévisible et n’est pas facile à modéliser. Il est plein d’aléas et d’incertitudes. Ainsi, les robots à usage général devront être capables de s’adapter en temps réel.

“Au lieu de développer un algorithme de perception pour s’exécuter une fois sur un ensemble de données, vous voulez développer un algorithme qui soit robuste face à des scénarios non prévus”. Une chose à laquelle nous pensons constamment est d’identifier les cas où l’algorithme de perception échoue pour filtrer cette information vers les ingénieurs, et ensuite nous pouvons concevoir différentes solutions algorithmiques pour cela.

L’objectif est qu’un jour, les robots puissent le faire eux-mêmes, en utilisant leurs systèmes embarqués pour détecter les défaillances et mettre à jour l’algorithme en conséquence.

Nous avons tellement de complexité, tant de choses qui entrent en jeu,  nous voulons qu’il soit capable d’interagir avec toutes ces choses et de les gérer de manière dynamique, de gérer les personnes et les situations dans des endroits totalement inconnus, et de continuer à faire son travail en toute sécurité.