Last year, we unveiled the new Atlas—faster, stronger, more compact, and less messy. We’re designing the world’s most dynamic humanoid robot to do anything and everything, but we get there one step at a time.
Our first task is part sequencing, a common logistics task in automotive manufacturing. Discover why we started with sequencing, how we are solving hard problems, and how we’re delivering a humanoid robot with real value.
Learn More: https://bit.ly/3DqQJh5
Our first task is part sequencing, a common logistics task in automotive manufacturing. Discover why we started with sequencing, how we are solving hard problems, and how we’re delivering a humanoid robot with real value.
Learn More: https://bit.ly/3DqQJh5
Catégorie
🗞
NewsTranscription
00:00…
00:18Les gens sont vraiment intéressés par les robots humanoïdes
00:21parce qu'ils prétendent une solution robotique vraiment flexible
00:25qui peut switcher entre des tâches et des applications
00:28dans un moyen que nous n'avons jamais vu auparavant dans la robotique.
00:31Le monde a été construit pour les humains,
00:33et la grande promesse des humanoïdes est qu'ils vont pouvoir entrer
00:37dans ces environnements construits par les humains et immédiatement ajouter de la valeur.
00:41La génération précédente d'Alice a pu faire beaucoup de choses très athlétiques,
00:44de courir, de sauter, de flipper, etc.
00:46Cela a donc rendu cette plateforme de recherche très intéressante
00:49pour nous d'explorer les limites du contrôle de l'ensemble du corps.
00:53Mais il y a aussi des défauts de l'hydraulique.
00:56Les matériaux sont très complexes, très chers,
00:59difficiles à maintenir et très dégueulasses.
01:01Notre ancienne labo avait une petite couche d'huile sur elle à chaque fois.
01:05Et nous sommes arrivés au point dans notre développement humanoïde
01:08où nous avons réalisé qu'en utilisant la technologie de batterie
01:11que nous avons développée sur la génération précédente d'Alice
01:13et en construisant nos propres actuateurs électroniques,
01:16nous pouvions construire un humanoïde qui était strictement plus rapide,
01:20plus fort et plus compact, et moins dégueulasse.
01:24Juste de manipuler des objets, c'est quelque chose
01:26que les gens passent très peu de temps à penser.
01:29Nous avons eu une vie entière d'interactions avec le monde
01:33pour entraîner notre système de contrôle,
01:36pour qu'on sache comment prédire ce qui va se passer,
01:38et pour savoir comment envoyer des commandes
01:40à différents endroits de notre corps
01:42afin d'atteindre des tâches de manipulation.
01:44Les robots en général n'ont pas cette richesse d'expérience.
01:47Et une partie du travail excitant qui se déroule dans l'IA
01:50et que nous faisons nous-mêmes,
01:52c'est d'essayer d'utiliser les richesses de données
01:55que nous générons actuellement
01:57de tous nos robots,
01:58qu'ils soient déployés dans le monde réel,
02:00qu'ils soient dans nos laboratoires,
02:02ou qu'ils soient générés en simulation,
02:04afin d'entraîner des modèles
02:06qui ont une capacité similaire à généraliser,
02:08une capacité similaire à corriger les erreurs
02:10en essayant de faire de nouvelles tâches de manipulation fondamentales.
02:13Et je pense que c'est l'un des endroits
02:15où j'espère que l'IA va signifiquement changer
02:18la façon dont nous percevons les capacités des robots
02:20au cours des prochaines années.
02:25La séquence est une tâche logistique
02:27dans le monde de la fabrication automatique
02:29qui a été créée pour permettre aux fabricants
02:31de produire de nombreuses customisations
02:33et des variations de véhicules.
02:36La séquence a un valeur commercial,
02:38mais aussi d'un point de vue de recherche,
02:41d'un point de vue de construction,
02:43elle a beaucoup de complexités
02:46que nous pensons nécessaires
02:48pour pouvoir développer des robots
02:50de manipulation de purpose générale.
02:52La séquence prend des milliers et des milliers
02:55de différentes variations de pièces
02:57et les met dans l'ordre spécifique
02:59dans lequel les véhicules seront fabriqués,
03:01en s'assurant que les véhicules peuvent être fabriqués
03:03plus rapidement et plus précisément
03:05qu'avant.
03:06Pour cette tâche, nous avons donné à Atlas
03:08une description basique
03:10de l'état de fin que nous voulons.
03:12Nous avons donc cet outil d'outil
03:14qui doit être rempli de couvres moteur
03:16et nous lui avons aussi donné une description
03:18de l'endroit où elle peut trouver
03:20ces couvres moteur.
03:21Une fois qu'elle a ceci,
03:23elle va dans l'ordre de l'outil d'outil,
03:25donc elle choisit, disons,
03:26le premier slot dans l'outil,
03:28quel genre de couvre moteur j'ai besoin,
03:30et puis elle consulte où je peux le trouver,
03:33puis elle y va et essaie de le trouver
03:35et si elle le trouve, elle progresse.
03:38Elle a ce genre de description basique
03:40et puis elle a une description
03:42de l'architecture de la tâche
03:44que nous avons donnée
03:46et puis elle met ces deux choses ensemble
03:48pour faire la séquence.
03:52Atlas a des caméras,
03:53surtout dans la tête,
03:54et avec ces caméras,
03:55elle perçoit les couvres moteur
03:57ou les conteneurs
03:58avec lesquels elle doit interagir,
03:59pas seulement celui-ci en particulier,
04:01où elle doit extraire un objet
04:03ou insérer un objet,
04:04mais tous les conteneurs autour de lui
04:05pour qu'elle puisse
04:07monter ses pas
04:08pour éviter des collisions, par exemple.
04:09Et puis, en même temps,
04:10elle voit aussi les objets.
04:12Elle a une idée de l'objet
04:13qu'elle va manipuler
04:15et avec ce modèle mental,
04:17elle utilise directement des caméras RGB
04:20pour estimer la position de l'objet
04:23et puis, en même temps,
04:24la traquer.
04:25Parfois, elle sait
04:26qu'elle a réussi à le mettre en place,
04:28donc elle sait qu'elle a failli
04:30si elle commence à pousser
04:31et se sent que
04:32elle n'est pas en mesure
04:33de monter le couvre
04:34de la manière dont elle le souhaite
04:35et puis elle revient
04:36et essaie encore.
04:37Elle met le couvre en place
04:39et puis elle laisse partir
04:40et à ce moment-là,
04:41quand elle pense qu'elle a réussi
04:42à le mettre en place,
04:43elle va aller
04:44lui donner un peu plus de poussée
04:45pour s'assurer
04:46qu'elle est complètement assise.
04:48Les rotations 360 sont drôles.
04:50Elles sont là
04:51pour un très particulier but,
04:53qui est l'efficacité.
04:54Donc, Atlas peut
04:55tourner plus vite,
04:57peut tourner sa tête.
04:58Elle veut voir quelque chose
04:59derrière sa tête
05:00et elle peut
05:01juste tourner la tête.
05:02Atlas est plus rapide
05:03à bouger de l'arrière à l'arrière
05:05parce qu'elle a
05:06cette motion 360.
05:09Boston Dynamics
05:10a une très longue histoire
05:11en robotique
05:12et en particulier
05:13dans les robots à pied.
05:14Et dans Bipeds seul,
05:15nous avons travaillé sur eux
05:16pour environ
05:17plus de 15 ans.
05:18Mais nous l'avons vraiment
05:19conçu pour être
05:20une machine de très haute performance
05:21et donc nous sommes intéressés
05:22encore une fois
05:23à pouvoir explorer
05:24la frontière
05:25de ce qui est physiquement
05:26possible dans les humanoïdes
05:27et tout
05:28l'infrastructure
05:29qu'ils ont construite
05:30pour faire ça,
05:31je pense que c'est un vrai accélérateur
05:32qui se montre
05:33avec la performance
05:34d'Atlas déjà.
05:35Je suis biaisé.
05:36Pour moi,
05:37c'est le pinacle
05:38des humanoïdes aujourd'hui.
05:39C'est capable
05:40de toute l'agilité
05:41que l'Atlas HD avait,
05:43mais probablement
05:44encore plus
05:45que l'Atlas HD.
06:09Sous-titrage Société Radio-Canada