92,5 % : PRISM (Michigan) améliore la marche d'un humanoïde simulé
Un composant du réseau de neurones apprend comment capteurs, mouvements et ordres interagissent, et améliore la marche et la saisie.
Des chercheurs de l'université du Michigan ont ajouté une pièce au cerveau d'un robot pour l'aider à relier ce qu'il perçoit à ce qu'il fait. Il a mieux marché et mieux saisi dans les tests. C'est encore de la recherche, pas un produit.
Test du battage
Plus bruyant que ce qu’il mérite. Le vrai changement est plus modeste.
Notre avis éditorial, fondé sur les sources ci-dessous. Comment nous notons
Votre avis : battage ou réel ?
Réel = cela comptera au quotidien. Battage = plus de bruit que de substance. Un seul vote, non modifiable.
Notre avis et celui des lecteurs sont des opinions, pas des affirmations de fait sur un produit.
Pourquoi c’est important
L'apprentissage du robot progresse sans changer capteurs ni objectifs, mais l'idée reste de la recherche, pas un produit.
À suivre : des robots plus stables, mais sans doute dans plusieurs années.
Les détails
- PRISM a été développé à l'université du Michigan ; auteur principal Seung Hyun Lee, auteure senior la professeure Stella Yu.
- Dans un humanoïde simulé, 92,5 % des essais de 24 secondes se sont terminés sans chute, contre 51 % pour un réseau classique.
- Sur un vrai bras robotique SO-101, ramasser un ruban adhésif a réussi dans 94 % des 50 essais, contre 68 % pour l'approche classique.
- À l'empilement de cubes après une chute volontaire, la réussite est de 52,3 % contre 40,9 %.
- L'article a été présenté à CoRL 2026 ; la plupart des tests sont en simulation et aucun projet commercial n'est annoncé.
Sources
Un média fiable le rapporte. Pas encore confirmé. Ouvrez les sources et vérifiez-nous.
Rédigé avec l’aide d’outils d’IA et vérifié à partir des sources ci-dessus. Notre méthode
Une erreur ? Dites-le-nous et nous la corrigerons.
