Récemment, Figure AI a annoncé les dernières avancées de sa technologie de marche pour robots humanoïdes, démontrant une capacité de marche naturelle entraînée par apprentissage par renforcement. Cette technologie a non seulement considérablement augmenté la vitesse de déplacement du robot, mais marque également une nouvelle étape pour les systèmes de contrôle robotique pilotés par l'IA. Le nouveau robot Figure02 atteint une vitesse de 2,68 miles par heure (environ 1,2 m/s), se rapprochant de la vitesse de marche humaine normale (environ 3 à 4 miles par heure), soit une amélioration de près de sept fois par rapport à son prédécesseur, le Figure01, qui atteignait 0,67 mile par heure.
Figure AI utilise une méthode d'entraînement innovante appelée « simulation vers réalité » (Sim-to-Real). Grâce à l'apprentissage par renforcement dans un environnement de simulation haute fidélité, les ingénieurs ont réalisé en quelques heures un entraînement équivalent à des années de données. Une fois l'entraînement terminé, le réseau neuronal peut être directement appliqué au robot réel sans ajustement supplémentaire, réalisant ainsi un transfert dit « zéro coup ». Cette méthode réduit considérablement le cycle de développement tout en garantissant l'applicabilité de la technologie en environnement réel.
Contrairement aux méthodes traditionnelles de contrôle robotique, Figure AI abandonne la conception heuristique basée sur des règles et s'appuie entièrement sur un réseau neuronal de bout en bout. Ce système, par apprentissage autonome, peut s'adapter de manière flexible aux tâches complexes et aux changements d'environnement, sans nécessiter de programmation d'instructions spécifiques au préalable. Grâce à cela, la démarche du Figure02 est plus fluide et naturelle, se rapprochant progressivement de la marche humaine, bien qu'elle n'ait pas encore atteint la « perfection » de la démarche humaine.
De plus, ce réseau neuronal est déployé sur l'ensemble du groupe de robots Figure, tous les robots fonctionnant avec les mêmes paramètres de poids, garantissant ainsi la coordination des mouvements et la cohérence technologique. Cette application en cluster améliore non seulement l'efficacité, mais pose également les bases d'un déploiement à grande échelle à l'avenir.
Des experts du secteur estiment que les progrès de Figure AI montrent l'énorme potentiel de l'apprentissage par renforcement dans le domaine de la robotique humanoïde. Le passage transparent de l'entraînement par simulation à l'application réelle accélère non seulement l'itération technologique, mais ouvre également la voie à une intégration plus large des robots dans la vie humaine. À l'avenir, grâce à l'amélioration continue de l'optimisation de la démarche, les robots Figure devraient pouvoir assumer davantage de tâches en usine, à domicile et même en extérieur.
