La startup Physical Intelligence a développé le modèle π0.7, capable d’effectuer des tâches auxquelles il n’a quasiment jamais été confronté. Il a notamment réussi à utiliser une friteuse qu’il ne connaissait pas.
Physical Intelligence, une startup de robotique basée à San Francisco, vient de publier une étude qui pourrait marquer un tournant dans le domaine de l’intelligence artificielle intégrée aux robots. Son nouveau modèle, nommé π0.7, serait capable d’effectuer des tâches auxquelles il n’a quasiment jamais été confronté. Avec des explications verbales et quelques séquences issues de sa base de données, le modèle serait parvenu à utiliser une friteuse qu’il ne connaissait quasiment pas.
π0.7, un modèle révolutionnaire ?
À l’heure actuelle, les robots se basent sur des millions d’heures de vidéos et d’informations pour parvenir à accomplir une tâche bien spécifique. Mais le modèle π0.7 pourrait venir chambouler ce mode de fonctionnement. En effet, la startup Physical Intelligence serait parvenue à mettre au point un robot qui parviendrait à effectuer des tâches pour lesquelles il n’a pas été formé explicitement. En d’autres termes, des tâches auxquelles il n’a jamais été confronté, ou peu.
Le modèle π0.7 aurait la capacité de combiner des données et des compétences acquises dans différents contextes pour résoudre un problème inédit pour lui. Sergey Levine, cofondateur de Physical Intelligence, explique que le modèle parviendrait à collecter des données et à « les remixer de manière inédite », ce qui marquerait un tournant dans le développement de l’intelligence artificielle intégrée aux robots. Pour bien comprendre ce mode de fonctionnement, il faut parler du test de la friteuse mené par Physical Intelligence.
Le test de la friteuse
Si certains robots parviennent à effectuer un salto arrière, la majorité d’entre eux a énormément de mal à effectuer les tâches du quotidien, comme lacer des chaussures ou sortir le lave-vaisselle. Le défi est physique (se positionner avec précision dans un espace, reproduire les mouvements d’une main, etc.), mais aussi logistique, vu qu’il existe une multitude d’objets et d’appareils qui nécessitent une prise en main spécifique, et donc des connaissances spécifiques. Il est par exemple possible d’apprendre à un robot comment utiliser une friteuse spécifique, mais celui-ci n’aura pas les capacités d’utiliser toutes les friteuses du marché.
C’est précisément face à cette situation, complexe pour un robot, que le modèle π0.7 a été confronté : ce dernier a été mis face à une friteuse à air qu’il n’avait quasiment jamais vue. Les chercheurs ont identifié seulement deux séquences pertinentes pour réussir ce test dans l’ensemble de ses données d’entraînement : l’une où un robot ferme la friteuse et l’autre, issue d’un jeu de données open source, où un autre robot plaçait une bouteille en plastique. Autant dire que ces deux séquences ne permettent pas d’apprendre de A à Z comment utiliser la friteuse en question.
Pourtant, le robot aurait réussi à utiliser l’appareil de façon acceptable pour cuire une patate douce, sur la base des deux séquences mentionnées précédemment et de données de préentraînement provenant du web. Lucy Shi, chercheuse en intelligence physique et doctorante en informatique à Stanford, explique qu’ « il est très difficile de déterminer l’origine des connaissances » mobilisées par le modèle.
Il est important de préciser un point : π0.7 a reçu des instructions verbales tout au long du test. Il n’était donc pas livré à lui-même, mais cela voudrait dire que le robot pourrait être amélioré en temps réel, sans nouvelle collecte de données supplémentaire, ni réentraînement du modèle. Lucy Shi rapporte une autre expérience avec cette friteuse à air. Dans un premier temps, le robot, dans une certaine mesure livré à lui-même, a obtenu un taux de 5 % de réussite pour utiliser l’appareil. Dans un second temps, les chercheurs ont passé une demi-heure à expliquer la tâche au modèle. Le taux de réussite serait alors passé à 95 %.
Si ces tests ont de quoi impressionner, il reste tout de même à voir si la startup n’exagère pas quelque peu les performances de π0.7, comme c’est bien souvent le cas dans le secteur de l’intelligence artificielle. Selon le média américain TechCrunch, Physical Intelligence négocierait actuellement une nouvelle levée de fonds qui porterait sa valorisation à 11 milliards de dollars, soit près du double de sa valeur actuelle. Dans tous les cas, les avancées dans le domaine sont fulgurantes. Récemment, on a pu découvrir un robot humanoïde vendu à « bas prix » ou encore Toyota CUE7, un robot basketteur qui apprend à dribbler et shooter… tout seul.
👉🏻 Suivez l’actualité tech en temps réel : ajoutez 01net à vos sources sur Google, et abonnez-vous à notre canal WhatsApp.
Source :
TechCrunch