Chargement...

Et si un robot pouvait transporter des matériaux lourds sur un chantier de construction ou fouetter des échantillons de laboratoire dans un hôpital en pleine activité ? 

L'introduction de robots mobiles sur nos lieux de travail pourrait présenter d'énormes avantages : ils pourraient se charger de certaines tâches lourdes, en effectuant des travaux qui risqueraient de blesser des êtres humains, ou s'occuper de tâches élémentaires telles que la livraison de fournitures pour permettre aux personnes de se concentrer sur des travaux plus critiques et plus compliqués

Mais avant de pouvoir profiter des avantages des robots sur le lieu de travail, nous devons apprendre à le faire en toute sécurité, sans provoquer de collisions ni d'autres risques pour la sécurité.

Dans notre tout premier épisode en direct d'Approximately Correct, enregistré lors de la conférence 2025 Upper Bound AI, nous nous sommes entretenus avec Mo Chen, titulaire de la chaire CIFAR d'IA au Canada et professeur à l'université Simon Fraserpour discuter de la manière de construire des robots capables de travailler efficacement et en toute sécurité dans les systèmes humains.

Les humains savent intuitivement comment se déplacer dans les foules, explique M. Chen, mais faire en sorte que les robots s'y déplacent en toute sécurité est un défi difficile à relever. Contrairement aux routes, qui sont régies par des règles de circulation claires, nos espaces intérieurs - couloirs, halls d'entrée et corridors d'hôpitaux - fonctionnent selon des codes sociaux non écrits.

 "Nous savons naturellement comment nous déplacer", dit Chen, "il y a peut-être des règles, mais il est difficile de les écrire". 

Cela rend la programmation d'un robot pour naviguer dans un environnement animé incroyablement complexe.

Selon M. Chen, la réponse réside dans des systèmes plus adaptables qui combinent l'IA classique, fondée sur des règles, et l'apprentissage basé sur les données. Il s'agit également d'améliorer la capacité d'un robot à évaluer les risques et à reconnaître les situations dans lesquelles il ne sait pas ce qu'il doit faire.

"Lorsqu'ils se trouvent dans une situation qui leur est inconnue, ils ont besoin de le savoir", explique Chen. 

M. Chen présente également un autre projet sur lequel travaille son laboratoire : un robot suiveur, basé sur l'idée d'un bagage motorisé capable de devancer quelqu'un dans un aéroport bondé. M. Chen se penche sur les défis posés par la création d'une machine qui ne se contente pas de suivre une personne, mais qui anticipe et prédit ses mouvements pour rester devant elle. 

La résolution de ces problèmes permettra de créer des robots capables de se déplacer en toute sécurité dans l'espace humain, ce qui offrirait un potentiel énorme dans les domaines de la logistique, de la fabrication, des soins de santé et d'autres secteurs.

Écoutez l'intégralité de l'entretien en direct avec Mo Chen et plongez dans l'avenir de l'interaction homme-robot en cliquant ici. 

Approximativement correct : Un podcast sur l'IA d'Amii est animé par Alona Fyshe et Scott Lilwall. Il est produit par Lynda Vang, et la production vidéo est assurée par Chris Onciul. Abonnez-vous au podcast sur Apple Podcasts ou sur Spotify.