Les tâches de manipulation fine, telles que le passage d’un câble dans une attache ou l’insertion d’une batterie, sont particulièrement difficiles pour les robots en raison de la nécessité de précision, d’une coordination soigneuse des forces de contact et d’un retour visuel en boucle fermée. L’exécution de ces tâches exige généralement des robots haut de gamme, des capteurs précis ou un calibrage minutieux, des éléments coûteux et complexes à mettre en place. Peut l’apprentissage permettre à un matériel peu coûteux et imprecis de réaliser ces tâches de manipulation fine ? Nous présentons un système à faible coût qui effectue un apprentissage par imitation end-to-end à partir de démonstrations réelles, collectées via une interface de téléopération personnalisée. L’apprentissage par imitation soulève toutefois ses propres défis, notamment dans les domaines à haute précision : les erreurs dans la politique peuvent s’accumuler au fil du temps, et les démonstrations humaines peuvent présenter une non-stationnarité. Pour surmonter ces difficultés, nous avons développé un algorithme simple mais novateur, Action Chunking with Transformers (ACT), qui apprend un modèle génératif sur les séquences d’actions. ACT permet au robot d’apprendre 6 tâches complexes dans le monde réel, telles que l’ouverture d’un récipient translucide pour condiments ou l’insertion d’une batterie, avec un taux de succès compris entre 80 % et 90 %, à partir de seulement 10 minutes de démonstrations. Site du projet : https://tonyzhaozh.github.io/aloha/