Les systèmes d’IA physique ne peuvent pas se reposer uniquement sur un raisonnement à grande échelle, affirme le président-directeur général de NXP Semiconductors. Les robots, les drones et les véhicules autonomes ont également besoin de réactions rapides et fiables au point où les événements se produisent, sans devoir attendre qu’un serveur distant réponde.
L’article oppose des tâches comme la résolution d’équations, que les machines savent bien accomplir, à des aptitudes physiques quotidiennes telles que garder l’équilibre, saisir des objets et éviter des obstacles. Dans le monde réel, les retards et les erreurs peuvent avoir des conséquences qu’il n’est pas toujours possible de corriger ou d’inverser, ce qui rend indispensables une faible latence, l’efficacité énergétique et la fiabilité.
Le modèle proposé s’inspire du système nerveux humain, qui répartit différentes fonctions entre le cerveau et la moelle épinière. Pour les machines, l’auteur décrit trois couches coordonnées : un système de raisonnement pour les décisions de haut niveau, une couche de coordination des mouvements et une couche de réflexes rapides fonctionnant à la périphérie du réseau.
Dans l’exemple d’un humanoïde qui transporte un colis dans un entrepôt, la couche de raisonnement choisit sa destination, tandis que la couche de coordination l’aide à marcher de façon stable. Si un objet heurte son bras, un système de réflexes à la périphérie devrait réagir en quelques millisecondes afin de rétablir son équilibre et de protéger le colis.
L’article indique également que l’IA physique doit apprendre à anticiper le comportement des objets — notamment leur poids, leur inertie et leur friction — au lieu de simplement réagir à ce qu’elle voit. Les modèles Vision-Language-Action sont présentés comme un moyen de relier perception, instructions et mouvement, même si leur exécution dans les limites de puissance et de mémoire des appareils en périphérie constitue un défi d’ingénierie.
L’auteur estime que les progrès dépendront de processeurs adaptés à chaque couche de l’intelligence robotique, ainsi que d’outils facilitant le développement de systèmes autonomes pour les appareils en périphérie. Selon la conclusion de l’article, la confiance doit être intégrée au système dès le silicium, afin que les machines puissent se comporter de manière prévisible et réagir en toute sécurité aux situations inattendues.
Sources: TechRadar.