Les drones ont un large éventail d’applications, mais les envoyer dans des environnements inconnus peut être un défi. Qu’il s’agisse de livrer un colis, de surveiller la faune ou de mener des missions de recherche et de sauvetage, savoir comment naviguer dans des environnements jusque-là inconnus (ou ceux qui ont considérablement changé) est essentiel pour qu’un drone accomplisse efficacement ses tâches. Des chercheurs du Massachusetts Institute of Technology (MIT) pensent avoir trouvé un moyen plus efficace d’aider les drones à voler dans des espaces inconnus, grâce aux réseaux de neurones liquides.
Le MIT a créé ses réseaux de neurones liquides – qui s’inspirent de l’adaptabilité des cerveaux organiques – en 2021. Les algorithmes d’intelligence artificielle et d’apprentissage automatique sont capables d’apprendre et de s’adapter à de nouvelles données dans le monde réel, pas seulement pendant leur formation. En d’autres termes, ils peuvent penser à la volée.
Ils sont capables de comprendre les informations essentielles à la tâche d’un drone tout en rejetant les caractéristiques non pertinentes d’un environnement, notent les chercheurs. Selon un article publié dans Robotique scientifique. C’est « la clé de la performance robuste des réseaux liquides dans les changements de distribution ».
Les réseaux de neurones liquides ont surpassé les autres approches des tâches de navigation, ont noté les chercheurs dans l’article. Les algorithmes « ont montré des prouesses pour prendre des décisions fiables dans des domaines inconnus comme les forêts, les paysages urbains et les environnements avec du bruit, de la rotation et de l’occlusion supplémentaires », a déclaré l’université dans un communiqué de presse.
Le MIT souligne que les systèmes d’apprentissage en profondeur peuvent patauger lorsqu’il s’agit de comprendre la causalité et ne peuvent pas toujours s’adapter à différents environnements ou conditions. Cela pose un problème aux drones qui doivent pouvoir réagir rapidement aux obstacles.
« Nos expériences démontrent que nous pouvons apprendre efficacement à un drone à localiser un objet dans une forêt en été, puis à déployer le modèle en hiver, dans des environnements très différents, ou même en milieu urbain avec des tâches variées telles que rechercher et suivre », Computer Daniela Rus, directrice du Science and Artificial Intelligence Laboratory (CSAIL), professeure au MIT et co-auteure de l’article, a déclaré dans un communiqué : « Cette adaptabilité est rendue possible par les fondements causals de nos solutions. Ces algorithmes flexibles pourraient un jour aider à la prise de décision basée sur les flux de données qui évoluent dans le temps, tels que les diagnostics médicaux et les applications de conduite autonome. »
Les chercheurs ont formé leur système sur des données capturées par un pilote humain. Cela leur a permis de tenir compte de la capacité du pilote à utiliser ses compétences de navigation dans de nouveaux environnements qui ont subi des changements importants dans les conditions et le paysage. En testant les réseaux de neurones liquides, les chercheurs ont découvert que les drones étaient capables de suivre des cibles en mouvement, par exemple. Ils suggèrent que le mariage de données limitées provenant de sources expertes avec une meilleure capacité à comprendre de nouveaux environnements pourrait rendre les opérations de drones plus fiables et efficaces.
« L’apprentissage robuste et les performances dans les tâches et les scénarios hors distribution sont quelques-uns des problèmes clés que l’apprentissage automatique et les systèmes robotiques autonomes doivent surmonter pour faire de nouvelles percées dans les applications critiques de la société », déclare Alessio Lomuscio, PhD, professeur de sécurité de l’IA. (au Département d’informatique) de l’Imperial College de Londres. « Dans ce contexte, la performance des réseaux de neurones liquides, un nouveau paradigme inspiré du cerveau développé par les auteurs du MIT, rapporté dans cette étude est remarquable. »