S'appuyant sur l'apprentissage par renforcement, le robot bipède P1 se déplace dans la nature.

S'appuyant sur une technologie d'apprentissage par renforcement de pointe, le robot bipède P1 de Foxtech a récemment effectué son premier test dans le paysage accidenté du parc de Tanglangshan, à Shenzhen. Dans un environnement totalement ouvert, sans aucune protection et sans aucun exemple d'utilisation, le robot P1 a démontré une mobilité impressionnante sur des terrains variés, illustrant ainsi le contrôle et la stabilité acquis grâce à un apprentissage par renforcement intensif. Avec une intervention minimale et sans données pré-enregistrées en terrain forestier, la réussite de P1 souligne les capacités avancées d'apprentissage par renforcement de Foxtech et son approche novatrice de la robotique autonome.

Première incursion de P1 en terrain sauvage : l'apprentissage par renforcement en situation réelle

Foxtech a consacré des années au développement et au perfectionnement de sa plateforme d'apprentissage par renforcement propriétaire, qui vise à transformer la recherche de pointe en capacités évolutives et systématisées pour le développement de produits. Ces recherches ont abouti à un cadre d'apprentissage par renforcement unique, basé sur trois éléments fondamentaux :

Système en boucle fermée Real2Sim2Real – Un cycle de données continu et automatisé, de la collecte de données réelles à la modélisation par simulation et au déploiement de stratégies, réduit considérablement l'intervention humaine. Ce processus minimise l'écart entre simulation et réalité, améliorant ainsi l'efficacité de la formation et la précision des résultats.

Conception de l'architecture du réseau neuronal – L'architecture du réseau neuronal de Foxtech s'appuie sur une conception modulaire, définissant le rôle de chaque module et garantissant l'adaptabilité à divers environnements et configurations matérielles. Cette structure permet une stratégie de contrôle robuste et résistante aux interférences, adaptable à différents robots et scénarios.

Génération de données et algorithmes d'entraînement – ​​Foxtech pallie la rareté des données d'entraînement efficaces grâce à une approche de pré-entraînement itératif (IPT), qui décompose les capacités fondamentales du robot en étapes. Cette méthode permet à Foxtech de collecter des données ciblées et pertinentes, aboutissant à des stratégies performantes pour les tâches de mobilité complexes.

Ces trois éléments, pris ensemble, permettent au robot P1 de marcher, de grimper et de s'adapter à des terrains accidentés, prouvant ainsi que le cadre d'apprentissage par renforcement de Foxtech peut s'attaquer à des environnements réels avec un minimum de données préliminaires.

Les tests récents ont mis en évidence l'impressionnante mobilité et l'adaptabilité du robot P1, capable de franchir des obstacles tels que des fossés étroits, des affleurements rocheux, des lianes sinueuses et des terrains érodés et glissants. Contrairement aux environnements contrôlés, chaque pente, chaque marche et chaque surface rencontrée par P1 était unique, posant de nouveaux défis à un robot peu familier des paysages naturels. Pourtant, malgré l'absence de données préalables sur les sentiers forestiers et les conditions similaires, P1 s'est adapté sans difficulté à ces obstacles, les franchissant avec dynamisme et efficacité.

Cette réussite souligne la fiabilité et la pertinence de l'approche d'apprentissage par renforcement systématisée de Foxtech. Foxtech a démontré que P1 peut surpasser les scénarios de laboratoire classiques, ce qui met en évidence son potentiel pour des applications concrètes plus avancées.

Orientations futures : Développer les capacités robotiques dans des environnements réels

Les développements continus de Foxtech se concentrent sur des compétences robotiques clés, notamment la mobilité (locomotion), la manipulation et le contrôle combiné du mouvement et de la manipulation (loco-manipulation). Fort de son succès avec P1, Foxtech ambitionne de poursuivre ses développements afin de faire progresser la robotique humanoïde et bipède. Chaque étape importante, comme la performance réussie de P1 en terrain non structuré, confirme l'efficacité de l'approche unique de Foxtech en matière d'apprentissage par renforcement et son engagement à fournir des solutions robotiques pratiques, robustes et adaptatives.

Les innovations de Foxtech, fondées sur l'apprentissage par renforcement, offrent un aperçu de l'avenir de la robotique, où les machines sont non seulement résilientes mais aussi adaptatives, capables de maîtriser des terrains inconnus avec un minimum de données. Alors que Foxtech continue d'explorer de nouvelles applications, le robot bipède P1 témoigne de la puissance de l'apprentissage par renforcement avancé et systématisé pour façonner la prochaine génération de robots autonomes.