Les robots capables d’interagir avec les humains et d’exécuter des tâches domestiques de manière autonome restent un défi majeur pour la recherche en intelligence artificielle. Meta AI cherche à surmonter ces obstacles avec Partnr (Planning And Reasoning Tasks in humaN-Robot collaboration), un cadre expérimental conçu pour améliorer la coordination et la planification des tâches partagées entre humains et machines.
Un benchmark unique pour la collaboration homme-robot
La plupart des modèles actuels se concentrent sur l’exécution de tâches par un seul agent, négligeant les contraintes de coordination, de suivi des actions et de récupération après erreur. Partnr propose un benchmark à grande échelle comprenant 100 000 tâches en langage naturel, réparties dans 60 environnements domestiques simulés et impliquant 5 819 objets uniques. Ce cadre permet d’analyser les interactions entre humains et robots en intégrant des contraintes spatiales, temporelles et fonctionnelles, rendant les tests plus représentatifs des situations réelles.
Les chercheurs de Meta ont utilisé des modèles de langage pour générer des instructions de tâches et des fonctions d’évaluation, affinées ensuite grâce à des simulations et des validations humaines. Le corpus de Partnr est structuré en quatre catégories : les tâches sans contrainte (exécutables dans n’importe quel ordre), les tâches spatiales (nécessitant un positionnement précis des objets), les tâches temporelles (dépendant d’un enchaînement spécifique) et les tâches hétérogènes (demandant une intervention humaine pour des actions hors du champ du robot).
Des résultats contrastés pour les modèles d’IA
Les tests menés avec Partnr révèlent les lacunes des modèles d’IA actuels en matière de collaboration. Lorsque des robots guidés par des LLM étaient associés à des humains, ils nécessitaient 1,5 fois plus d’étapes que des binômes humains pour accomplir une tâche, et 1,1 fois plus que lorsqu’un humain travaillait seul. Dans des conditions standards, le taux de succès des modèles LLM ne dépassait pas 30 %, contre 93 % pour des tâches effectuées uniquement par des humains.
Cependant, certaines optimisations ont montré des résultats prometteurs. En affinant des modèles de langage plus petits, les chercheurs ont obtenu des performances comparables à celles de modèles neuf fois plus grands, tout en accélérant leur exécution par un facteur de 8,6. Dans des scénarios multi-agents décentralisés, les robots nécessitaient encore 1,3 fois plus d’étapes pour mener une tâche à bien, mettant en évidence les limites actuelles des mécanismes de coordination.
Une étape vers des robots domestiques plus performants
Meta envisage Partnr comme un levier pour l’avenir de la robotique domestique, où les machines ne se contenteraient pas d’exécuter des commandes simples, mais s’adapteraient dynamiquement à leur environnement et à leurs partenaires humains. L’entreprise a déjà testé son modèle avec le robot Spot de Boston Dynamics et développe une interface de réalité mixte pour visualiser les processus décisionnels des robots en temps réel.
Les perspectives offertes par Partnr ouvrent la voie à des avancées majeures dans le domaine de la robotique autonome et de l’intelligence artificielle appliquée aux interactions humaines. Pour que ces technologies deviennent réellement intégrées dans les foyers, les recherches devront se concentrer sur l’amélioration des modèles de planification, la gestion des erreurs et l’optimisation des mécanismes de perception et de coordination. Meta espère, grâce à Partnr, accélérer ces progrès et contribuer à faire des robots de véritables partenaires du quotidien.
Pour en savoir plus :