MIT utilise l'IA générative pour créer des robots capables de sauter plus haut et d'atterrir en sécurité

L'utilisation de l'IA générative pour aider les robots à sauter plus haut et à atterrir en sécurité Les modèles de diffusion, comme DALL-E d'OpenAI, deviennent de plus en plus utiles pour brainstormer de nouvelles conceptions. Ces systèmes peuvent générer des images, créer des vidéos ou affiner des plans, offrant des idées inédites. Mais saviez-vous que les modèles d'IA générative (GenAI) progressent également dans la création de robots fonctionnels ? Une nouvelle approche issue du MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) applique cette compétence générative à l'amélioration des designs de robots créés par les humains. Les utilisateurs peuvent concevoir un modèle 3D de robot et spécifier les parties qu'ils souhaitent voir modifier par un modèle de diffusion. Après avoir fourni les dimensions, l'IA génère alors la forme optimale pour ces zones, teste ses propositions en simulation, et une fois le bon design trouvé, il est possible de sauvegarder et de fabriquer un robot fonctionnel grâce à l'impression 3D, sans nécessiter d'ajustements supplémentaires. L'équipe de recherche a utilisé cette méthode pour créer un robot capable de sauter en moyenne environ 60 cm, soit 41 % plus haut que celui créé manuellement. Les deux machines sont presque identiques en apparence : elles sont fabriquées à partir d'un plastique appelé polylactic acid et présentent une forme plate qui se transforme en diamant lorsqu'un moteur tire sur une corde les reliant. Quelle est donc la différence apportée par l'IA ? Une analyse plus détaillée révèle que les liens générés par l'IA sont courbés et ressemblent à des baguettes de tambour, tandis que les parties de connexion d'un robot standard sont droites et rectangulaires. Optimisation progressive par le modèle de diffusion Pour affiner leur robot sauteur, les chercheurs ont samplé 500 designs potentiels en utilisant un vecteur d'embedding initial — une représentation numérique des caractéristiques de haut niveau guidant les designs générés par l'IA. Parmi ces options, ils ont sélectionné les 12 meilleures selon leur performance en simulation et ont utilisé ces résultats pour optimiser le vecteur d'embedding. Ce processus a été répété cinq fois, permettant progressivement au modèle de diffusion de générer des designs de meilleure qualité. Le design final ressemblait à une sorte de blob. Les chercheurs ont donc demandé à leur système de scaler ce brouillon pour qu'il corresponde à leur modèle 3D. La fabrication de cette forme a réellement amélioré les performances de saut du robot, confirming the effectiveness of the AI's creative solutions. Byungchul Kim, co-auteur principal et postdoctoral researcher à CSAIL, explique que l'avantage des modèles de diffusion réside dans leur capacité à trouver des solutions inusitées pour raffiner les robots. "Nous voulions faire sauter notre machine plus haut, alors nous avons pensé que nous pourrions simplement rendre les liens reliant ses parties aussi fins que possible pour les alléger," dit Kim. "Cependant, une structure trop fine peut facilement se casser avec du plastique imprimé en 3D. Notre modèle de diffusion a suggéré une forme unique permettant au robot de stocker plus d'énergie avant le saut, sans rendre les liens trop fins. Cette créativité nous a permis de mieux comprendre la physique sous-jacente de la machine." Amélioration de la stabilité au sol Ensuite, l'équipe a chargé leur système de concevoir un pied optimisé pour assurer des atterrissages en douceur. Ils ont répété le processus d'optimisation, finalement optant pour le design performant le mieux en simulation. Kim et ses collègues ont constaté que leur robot conçu par l'IA tombait beaucoup moins souvent que le modèle de base, avec une amélioration de 84 %. Cette capacité du modèle de diffusion à améliorer les compétences de saut et de maintien au sol des robots indique qu'il pourrait être utile pour optimiser d'autres aspects des designs de machines. Par exemple, une entreprise travaillant sur des robots industriels ou domestiques pourrait utiliser une approche similaire pour affiner ses prototypes, économisant ainsi du temps aux ingénieurs qui doivent normalement effectuer plusieurs itérations. Équilibrer les performances de saut et d'atterrissage Pour créer un robot capable de sauter haut et de se stabiliser à l'atterrissage, les chercheurs ont dû trouver un équilibre entre les deux objectifs. Ils ont représenté la hauteur de saut et le taux de réussite à l'atterrissage sous forme de données numériques et ont formé leur système à trouver un compromis optimisé entre ces deux vecteurs d'embedding pour construire une structure 3D idéale. Impact et évaluations Ce projet, financé en partie par le programme Emerging Frontiers in Research and Innovation de la National Science Foundation, le programme Mens, Manus and Machina de l'Alliance Singapore-MIT pour la Recherche et la Technologie, et la collaboration entre l'Institut de la Science et de la Technologie de Gwangju (GIST) et CSAIL, a été présenté lors de la conférence internationale sur la robotique et l'automatisation de 2025. Selon des experts de l'industrie, cette approche représente une avancée significative dans le domaine de la conception de robots, combinant l'ingéniosité humaine avec la puissance des modèles génératifs d'IA. L'entreprise CSAIL, connue pour ses innovations en intelligence artificielle et en robotique, continue de pousser les limites de la technologie, offrant des outils de pointe pour l'optimisation des designs. Les applications potentielles de cette technologie sont vastes, allant de l'industrie de la fabrication à la robotique domestique, offrant des perspectives prometteuses pour l'avenir de la conception robotique.