Aux Etats-Unis, des chercheurs ont élaboré un nouveau cadre d’apprentissage pour les robots humanoïdes. L’objectif ? Leur permettre d’apprendre de manière autonome à mieux collaborer avec les humains, dont les mouvements souvent imprévisibles. Ici, les algorithmes ne considèrent donc plus les humains comme une variable prévisible. Que ceci signifie t-il réellement ?

Réduire le manque de flexibilité face aux gestes humains imprévus

La plupart des sociétés concevant des robots humanoïdes pensent à les faire collaborer avec des travailleurs. Il est également question – notamment chez Figure AI – d’investir les foyers. Or, peu importe l’environnement, les robots doivent pouvoir réagir à des mouvements de la part des humains qui n’avaient pas été prévus dans leurs algorithmes. Jusqu’à aujourd’hui, les simulations entraînent les robots en considérant l’humain comme une variable prévisible. Cependant, les ratés sont tout de même nombreux, qu’il s’agisse de changements de trajectoire, de rythme, voire même de décision.

Récemment, une équipe de l’Université Carnegie Mellon (Etats-Unis) a expliqué avoir élaboré un cadre d’apprentissage révolutionnaire. Baptisée Heterogeneous-Agent Lyapunov policy Optimization (HALO), la méthode en question a pour objectif de gommer le manque de flexibilité des machines face au comportement humain spontané.

« HALO est un cadre qui s’appuie sur l’apprentissage par renforcement multi-agent pour permettre aux robots d’apprendre, de manière autonome, à interagir et à collaborer avec les humains. », peut-on lire dans le communiqué officiel relatant ces travaux, publié le 2 septembre 2026

Vers une collaboration fluide et sécurisée entre l’humain et la machine

Dans les faits, le robot n’apprend pas une routine fixe. Ce dernier est plongé dans un espace où son partenaire humain peut adopter une multitude de comportements différents. Ainsi, ce n’est plus à l’humain de s’adapter à la machine mais au robot d’intégrer la variabilité humaine comme une composante de son propre apprentissage.

En robotique collaborative, deux agents peuvent partager le même objectif – notamment le déplacement de meubles et autres objets dans une pièce – mais également, vouloir employer des stratégies contradictoires. Or, ceci engendre un écart de rationalité paralysant l’action. Afin de stabiliser l’apprentissage décentralisé, la méthode HALO s’appuie sur la théorie de stabilité de Lyapunov. Cette formule mathématique garantit que, malgré les divergences initiales de trajectoire (ou de rythme), le robot et l’humain parviennent à converger de manière fluide et sécurisée vers une trajectoire optimale de collaboration.

« Les chercheurs ont démontré qu’en utilisant HALO, ces robots peuvent se déplacer autour de divers meubles et murs tout en transportant des objets volumineux et encombrants. Ils sont capables de réagir rapidement et avec précision aux variations de poids ou aux mouvements imprévus de leur partenaire humain, en ajustant leur posture pour mieux répartir la charge ou en pivotant davantage – ou moins – que prévu initialement pour s’adapter à la trajectoire de la personne. »

Crédit : Capture YouTube / College of Engineering, Carnegie Mellon University College of Engineering, Carnegie Mellon University

Dans quels domaines la méthode pourrait-être utile ?

La méthode HALO, qui a déjà fait ses preuves lors d’expériences en conditions réelles, devrait sans doute trouver des applications dans plusieurs domaines. Evidemment, les secteurs de l’industrie et de la logistique seront concernés par cette innovation, pour le port de charges lourdes et les opérations d’assemblage complexe. Les scientifiques estiment également que la méthode pourrait améliorer l’efficacité des machines accompagnant les secouristes humains, dans le cadre d’opérations durant lesquelles évidemment, chaque seconde compte.

Enfin, les chercheurs ont aussi évoqué la présence de robots dans le milieu hospitalier. Dans ce cas, la méthode HALO pourrait aider à améliorer le transport et à la manipulation des patients – transfert lit-brancard et brancardage – sans aucun à-coup.