Bonjour! Je suis Radhika Nagpal, professeure en ingénieurie à l’université de Princeton, aux Etats-Unis. Je travaille avec le principe d’intelligence collective afin de créer des robots inspirés par la biologie.
Mon laboratoire, Nagpal Lab, se concentre sur la recherche basée sur les essaims (l’intelligence collective) et la robotique auto-organisée (l’intelligence artificielle).
Dans la nature, certains animaux fonctionnent en essaims. Ils se rassemblent et agissent ensemble. Tout le monde reçoit une tâche spécifique dans un travail collectif. On retrouve ce comportement chez les abeilles les poissons, les oiseaux ou les fourmis. Dans un essaim de fourmis, elles coopèrent pour chercher de la nourriture ou trouver un nouvel endroit pour dormir. Elles communiquent avec des signaux chimiques qui agissent comme des instructions pour guider le groupe.
J'ai remarqué que l’essaim permettait aux animaux d’être plus efficaces et de surmonter les obstacles plus facilement. Je m'en suis inspirée pour développer mes robots «Kilobot».
Les Kilobots sont des petits robots conçus pour travailler ensemble en groupe. Un Kilobot isolé est très simple, mais lorsqu’ils sont nombreux, ils peuvent accomplir des tâches complexes. Ils communiquent entre eux pour coordonner leurs actions. Ils peuvent se déplacer ensemble vers un endroit, ou former des motifs spécifiques.
L’utilisateur dit quelle forme il veut avoir. Chaque robot reçoit un schéma à suivre sous la forme d’une image binaire. Quatre robots noirs spécifiques servent de points de référence pour définir l’orientation et l’origine du système de coordonnées. Le schéma est ensuite ajusté pour correspondre à ce système et est mis à l’échelle selon la variable «s». Chaque robot utilise cette image pour savoir où se placer et comment se comporter dans le groupe.
Pour suivre les tracés, le robot qui doit se déplacer bouge en gardant une distance fixe «d» depuis le centre du robot immobile noir le plus proche pour arriver à sa destination (en rouge).
Chaque robot détermine sa propre valeur de gradient en ajoutant 1 à la plus petite valeur de gradient parmi tous ses voisins qui sont plus proches que la distance «g». Le robot initial vert maintient une valeur de gradient de 0. Donc, chaque robot évalue son environnment proche et ajuste son propre gradient en fonction de ce qu’il ressent autour de lui, en ajoutant 1 à la valeur minimale parmi ses voisins proches.
Pour se localiser, un robot bleu détemine sa position dans le système de coordonnées en communiquant avec d’autres robots noirs qui sont déjà localisés. Le robot bleu utilise les informations fournies par les autres robots pour savoir où il est.
Et voilà une toute petite partie de mes recherches, expliquée très simplement. Bye!