Apprendre à naviguer sans jamais sortir du simulateur

Apprendre à se déplacer en simulation. • Qant avec GPT-4o

Former un robot à se déplacer dans un environnement peu structuré, ouvert, voire inconnu, reste un défi majeur de la robotique. Les méthodes classiques, basées sur la cartographie et la localisation, accumulent les erreurs en conditions dynamiques. Quant aux approches d’apprentissage, elles peinent à passer à l’échelle faute de données suffisantes.

Un article prépublié par une équipe du Shanghai AI Lab, un des principaux instituts de recherche du pays, créé en 2020, vient de présenter NavDP, une architecture end-to-end de navigation robotique conçue pour être formée exclusivement en simulation, puis transférée sans ajustement à des plateformes physiques variées. Elle repose sur deux modules clés : un générateur de trajectoires fondé sur la diffusion, et un « critique » chargé d’évaluer la sécurité des propositions.