Sur un sentier forestier du campus de KAIST, à Daejeon, un robot à quatre pattes franchit une branche tombée d’un bond, hésite une fraction de seconde devant un tapis de feuilles mortes qui masque le sol, puis change d’allure sans qu’aucune main humaine ne touche à une manette. Il s’appelle HOUND. Trois ans plus tôt, ce même robot détenait le record du monde de vitesse sur 100 mètres pour un quadrupède, homologué par le Guinness World Records. Mais courir vite sur une piste d’athlétisme et improviser sur un chemin défoncé sont deux exercices que rien, jusqu’ici, ne savait réunir dans la même machine.
C’est ce paradoxe que des chercheurs sud-coréens viennent de résoudre, dans une étude qui fait la couverture du numéro de juillet de Science Robotics, la revue de référence du secteur.
Le prix caché de la prudence
Pour comprendre ce qui change, il faut d’abord regarder ce qui existe déjà. Spot, le robot-chien de Boston Dynamics, est aujourd’hui le quadrupède le plus déployé au monde : l’entreprise revendique des unités actives sur des centaines de sites, ayant cumulé plus de 9 000 miles de marche et inspecté plus de 130 000 équipements industriels, de centrales électriques à des plateformes pétrolières offshore. Un bilan solide, obtenu grâce à une qualité que Boston Dynamics cultive depuis toujours : la prudence. Sa vitesse maximale officielle plafonne à 1,6 mètre par seconde, une allure de marche posée, calculée pour ne jamais surprendre ses opérateurs dans une usine ou une centrale nucléaire.
Cette prudence a un prix. Spot excelle dans des environnements largement structurés, où le sol reste globalement praticable et prévisible. Il n’a pas été conçu pour bondir par-dessus un tronc en forêt ou choisir seul, en une fraction de seconde, entre trotter et bondir selon la nature du terrain. C’est précisément ce manque que l’équipe de KAIST a voulu combler : non pas remplacer Spot dans les usines, mais donner à un robot à pattes le discernement qui lui manque encore pour opérer là où le sol ne se laisse pas deviner à l’avance.
D’un chronomètre à un cerveau qui juge
L’histoire commence avec un pari plus ancien. La même équipe, le laboratoire Dynamic Robot Control and Design du professeur Hae-Won Park, avait déjà fait courir HOUND sur une piste d’athlétisme en 2023, où le robot de 45 kilogrammes avait bouclé 100 mètres en 19,87 secondes, à une moyenne de 18,12 km/h. Un exploit de vitesse pure, mais sur un tapis roulant à ciel ouvert : rien à éviter, rien à décider.
Le vrai défi, pour Jaehyun Park, doctorant à KAIST, et Jun-Gill Kang, alors rattaché à l’Agence coréenne pour le développement de la défense, était ailleurs : apprendre à la machine à lire un terrain comme un animal lit le sol avant de poser sa patte, sans carte préétablie ni téléopérateur. Avec Seungwoo Hong, de l’Université Korea, et en partenariat avec la société DIDEN Robotics, ils ont conçu un système capable de faire ce choix seul, en temps réel. Un défi voisin de celui que résolvait récemment un robot qui apprend à se repérer dans un couloir avec une seule caméra plutôt qu’une batterie de capteurs coûteux.
Le cerveau du robot HOUND de KAIST, entraîné en huit minutes de calcul
Le système s’appelle APT-RL, pour Action Pretrained Transformer-based Reinforcement Learning. Le mot transformeur désigne ici une architecture de réseau de neurones, la même famille de technologie que celle qui alimente les grands modèles de langage, mais appliquée non à des mots, à des séquences de mouvements.
L’entraînement se déroule en trois temps. D’abord, un calcul d’optimisation de trajectoires génère, en seulement huit minutes, l’équivalent de 15,5 heures de déplacements simulés, soit plus de 180 000 mouvements différents : une bibliothèque de gestes de base que le robot n’aurait jamais pu accumuler en s’entraînant dans le monde réel. C’est la même logique que celle d’un studio de simulation où des intelligences artificielles préparent les robots au monde réel, récemment décrit ici même à propos du projet ScenesMith du MIT : entraîner un robot dans un monde virtuel avant de le lâcher dans le vrai. Vient ensuite une phase d’apprentissage par renforcement, une méthode où le logiciel apprend par essais et erreurs, un peu comme on dresse un chien à coups de récompenses, ici pour enchaîner les allures sans perdre l’équilibre. Enfin, une dernière étape adapte le tout au monde réel grâce aux seuls capteurs embarqués : une caméra de profondeur, qui mesure la distance des obstacles proches, et un LiDAR, un capteur qui balaie l’environnement avec des impulsions laser pour en dessiner une carte en trois dimensions, un peu à la manière dont une chauve-souris se repère par écholocation.
Résultat : sur des obstacles, la vitesse instantanée de HOUND atteint 4,25 mètres par seconde, et grimpe brièvement à 6 mètres par seconde lorsqu’il saute d’un escalier de trois marches, soit environ 21,6 km/h, sans qu’aucun humain n’ait choisi à l’avance où poser chaque patte. C’est à peu près le rythme qu’il tenait déjà sur sa piste plate en 2023. La nouveauté n’est donc pas la vitesse brute : c’est le fait de la maintenir tout en jugeant seul, en pleine forêt, où poser le pied.
Ce que ce changement d’échelle annonce vraiment
L’enjeu dépasse la performance sportive. Jusqu’ici, l’essentiel des robots à pattes commercialisés vivait dans des environnements que l’on adapte à eux : sols d’usine dégagés, itinéraires balisés, vitesse contenue. Ce que suggère ce travail, c’est la possibilité inverse : un robot qui s’adapte, lui, à un environnement qu’on ne contrôle pas. Pour des missions de secours après une catastrophe, d’inspection de sites industriels accidentés ou de reconnaissance en terrain militaire, cette bascule change la nature du service qu’un robot peut rendre : de l’exécutant téléguidé à l’éclaireur autonome.
Le professeur Park présente d’ailleurs APT-RL comme une « technologie fondatrice », appelée à étendre l’usage des robots marcheurs pilotés par l’intelligence artificielle physique dans des environnements accidentés, qu’il s’agisse de sites sinistrés, de missions de défense ou d’inspections industrielles. C’est une promesse, formulée par les auteurs eux-mêmes, à distinguer de ce qui est prouvé aujourd’hui : un unique prototype de laboratoire, testé sur un campus universitaire et des sentiers forestiers coréens, pas encore une flotte déployée sur le terrain.
Ce que la performance ne dit pas encore
Deux nuances s’imposent, par honnêteté envers le lecteur. D’abord, ce 6 mètres par seconde est une pointe instantanée, enregistrée pendant une chute contrôlée dans un escalier, pas une vitesse de croisière soutenue comme le 1,6 mètre par seconde, certifié en continu, de Spot. Comparer les deux chiffres bruts survend l’écart réel. Ensuite, HOUND reste un prototype unique, sans l’historique de fiabilité que Boston Dynamics a accumulé sur plusieurs années et des centaines de sites. Aucun essai comparatif direct entre les deux machines n’existe : l’article ne permet donc pas d’affirmer que HOUND surpasse Spot, seulement qu’il explore un territoire, le terrain non structuré à vitesse élevée, où l’incumbent commercial ne s’aventure pas.
Une autre question mérite d’être posée sans en faire un procès d’intention : le financement partiel par l’Agence pour le développement de la défense inscrit ce travail dans la longue tradition, presque systématique en robotique de terrain, des technologies à double usage, civil et militaire. Les auteurs eux-mêmes citent les missions de défense parmi les applications visées, aux côtés du secours aux sinistrés.
Enfin, les prochaines étapes annoncées, comme l’ajout du galop, du déplacement latéral ou le transfert de cette architecture à des robots humanoïdes, relèvent encore de la promesse et non du résultat publié.
Sur ce sentier de Daejeon, la machine qui pulvérisait des chronomètres a appris, avant de courir, à regarder où elle pose ses pattes. C’est une leçon d’humilité qui vaut peut-être aussi pour l’ensemble de la robotique physique : la véritable prouesse n’est jamais seulement d’aller vite, mais de savoir, seul, quand ralentir.
Sources
- Engineers develop robot that judges its surroundings and walks, runs, and jumps like an animal · TechXplore
- Robot dog learns animal-like movement to tackle forests, rocky trails · Interesting Engineering
- A Retrospective on Uses of Boston Dynamics’ Spot Robot · Boston Dynamics
- Robo-dog sets new 100-meter sprint Guinness World Record · New Atlas
L’étude complète, « APT-RL », est publiée dans Science Robotics (DOI : 10.1126/scirobotics.adz7397).
