Ces robots qui apprennent à jouer au tennis… juste en regardant la télé
← Retour aux actualitésEnregistrer des humains en train de réaliser la tâche avec des capteurs coûteux (comme des combinaisons de capture de mouvement). Annoter chaque mouvement pour expliquer au robot où commence et où finit chaque geste. Répéter des centaines de fois pour couvrir toutes les variantes possibles. Rééducation : Des robots pourraient aider les patients à retrouver leur mobilité en reproduisant des mouvements thérapeutiques. Industrie : Des humanoïdes pourraient manipuler des objets fragiles avec des gestes précis, comme plier du linge ou assembler des composants électroniques. Divertissement : Imaginez un robot qui danse comme Michael Jackson ou qui joue de la guitare comme Jimi Hendrix.
📑 Sommaire
💡 En 3 points clés
- 1. Regarder et comprendre
- 2. Adapter et retoucher
- 3. S’entraîner et s’adapter
Imaginez un robot humanoïde qui, après avoir visionné des heures de matchs de tennis à la télévision, serait capable de reproduire les gestes précis de Rafael Nadal, Roger Federer ou Novak Djokovic. Pas seulement en simulation, mais sur un terrain réel, avec une raquette, une balle, et sans infrastructure de capture de mouvement coûteuse. C’est exactement ce que démontre AdaPT, un framework développé par Noitom Robotics en collaboration avec le Shanghai AI Laboratory et l’université Shanghai Jiao Tong.
Le système repose sur une idée simple : apprendre en observant. Le robot visionne des extraits de matchs, extrait les mouvements des joueurs, les adapte à sa propre morphologie, puis s’entraîne à les reproduire avec précision. Résultat ? Il peut servir, renvoyer ou smasher une balle avec un réalisme bluffant, même si la balle n’est pas exactement là où il l’attendait.
Trois étapes pour maîtriser le tennis… sans jamais avoir joué
1. Regarder et comprendre
Le robot analyse des vidéos de matchs de tennis, comme ceux de Federer, Nadal ou Djokovic. Grâce à des algorithmes d’intelligence artificielle, il extrait les mouvements des joueurs et les transforme en données exploitables : la position de chaque articulation du corps à chaque instant, comme une sorte de squelette numérique en 3D.
2. Adapter et retoucher
Une fois ces mouvements extraits, le système les adapte à la morphologie du robot. Un humanoïde n’a pas les mêmes proportions qu’un humain, et ses articulations ne bougent pas exactement de la même façon. AdaPT utilise des techniques de retargeting pour ajuster ces mouvements et les rendre réalisables par le robot. Par exemple, si un joueur lève le bras pour servir, le robot va reproduire ce geste en tenant compte de la longueur de ses bras et de la puissance de ses moteurs.
3. S’entraîner et s’adapter
Le robot s’entraîne ensuite dans un environnement simulé, où il apprend à exécuter ces mouvements avec précision. Mais ce qui rend AdaPT particulièrement intelligent, c’est sa capacité à s’adapter en temps réel. Pendant l’entraînement, le système fait varier la vitesse d’exécution des mouvements pour que le robot apprenne à ajuster sa propre vitesse en fonction des conditions réelles. Résultat : il peut servir, renvoyer ou smasher une balle avec un réalisme bluffant, même si la balle n’est pas exactement là où il l’attendait.
Une révolution pour la robotique humanoïde
Cette approche marque une rupture avec les méthodes traditionnelles d’apprentissage des robots. Avant AdaPT, pour qu’un robot humanoïde apprenne à bouger comme un humain, il fallait :
Avec AdaPT, tout cela devient inutile. Le robot apprend directement à partir de vidéos, sans besoin de capteurs supplémentaires ni d’annotations manuelles. Cela réduit considérablement les coûts et le temps d’apprentissage, tout en permettant une généralisation immédiate à de nouvelles tâches.
Et demain ? Des robots capables de tout faire
Les chercheurs derrière AdaPT ne comptent pas s’arrêter au tennis. Leur objectif est de généraliser cette méthode à d’autres sports, comme le golf, le baseball ou même la danse. Mais les applications ne se limitent pas au sport :
Pour l’instant, AdaPT est encore un prototype, mais les démonstrations réalisées avec des robots comme le Unitree G1 ou le Dobot Atom sont déjà impressionnantes. Les chercheurs ont montré que le système pouvait reproduire des services et des échanges avec une précision de l’ordre de quelques centimètres, tout en préservant le style des joueurs.