Why Don’t We Have Better Robots Yet? | Ken Goldberg | TED

197,490 views ・ 2024-03-28

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Claire Ghyselen Relecteur: eric vautier
00:04
I have a feeling most people in this room would like to have a robot at home.
0
4268
5739
J’ai l’impression que vous êtes nombreux à souhaiter avoir un robot à la maison.
00:10
It'd be nice to be able to do the chores and take care of things.
1
10041
3603
Ce serait bien car il pourrait faire le ménage et de s’occuper des corvées.
00:13
Where are these robots?
2
13677
1168
Mais où sont ces robots ?
00:14
What's taking so long?
3
14879
1601
Qu'est-ce qui prend tant de temps ?
00:16
I mean, we have our tricorders,
4
16514
2636
Nous avons bien nos propres tricordeurs
00:19
and we have satellites.
5
19183
2603
et nous avons des satellites.
00:22
We have laser beams.
6
22253
2169
Nous avons des rayons laser.
00:24
But where are the robots?
7
24755
1935
Mais où sont les robots ?
00:26
(Laughter)
8
26690
1502
(Rires)
00:28
I mean, OK, wait, we do have some robots in our home,
9
28225
3170
Une minute papillon, certes, nous avons des robots chez nous,
00:31
but, not really doing anything that exciting, OK?
10
31395
4238
mais ils ne font rien de vraiment très excitant.
00:35
(Laughter)
11
35666
1268
(Rires)
00:36
Now I've been doing research at UC Berkeley for 30 years
12
36967
4205
Cela fait 30 ans que je fais des recherches sur les robots
à l’université de Berkeley
00:41
with my students on robots,
13
41205
2703
avec mes étudiants,
00:43
and in the next 10 minutes,
14
43941
1435
et en 10 minutes,
00:45
I'm going to try to explain the gap between fiction and reality.
15
45409
4805
je vais essayer d'expliquer l'écart entre la fiction et la réalité.
00:50
Now we’ve seen images like this, right?
16
50514
2803
Nous avons déjà vu des images comme celle-ci, n’est-ce pas ?
00:53
These are real robots.
17
53350
1235
Ce sont de vrais robots.
00:54
They're pretty amazing.
18
54585
1201
Ils sont vraiment géniaux.
00:55
But those of us who work in the field,
19
55820
1868
Mais quand on travaille sur le terrain,
00:57
well, the reality is more like this.
20
57721
2036
eh bien, la réalité est plutôt ceci :
00:59
(Laughter)
21
59757
2502
(Rires)
01:02
That's 99 out of 100 times, that's what happens.
22
62293
3203
99 fois sur 100, c’est ce qui se passe.
01:05
And in the field, there's something that explains this
23
65529
2836
Sur le terrain, il y a quelque chose qui explique cela,
01:08
that we call Moravec's paradox.
24
68399
2302
que nous appelons le paradoxe de Moravec :
01:10
And that is, what's easy for robots,
25
70734
2069
ce qui est facile pour les robots,
01:12
like being able to pick up a large object,
26
72837
3570
comme le fait de pouvoir ramasser un objet volumineux et lourd
01:16
large, heavy object,
27
76440
1268
01:17
is hard for humans.
28
77708
2202
est difficile pour les humains.
01:20
But what's easy for humans,
29
80377
2369
Mais ce qui est facile pour les humains,
01:22
like being able to pick up some blocks and stack them,
30
82780
3804
comme ramasser des blocs et les empiler,
01:26
well, it turns out that is very hard for robots.
31
86584
3970
s’avère très difficile pour les robots.
01:31
And this is a persistent problem.
32
91388
2236
Et c'est un problème persistant.
01:33
So the ability to grasp arbitrary objects is a grand challenge for my field.
33
93657
6307
La capacité de saisir des objets représente un grand défi
dans mon domaine.
01:40
Now by the way, I was a very klutzy kid.
34
100531
4204
Au fait, j’étais un enfant très maladroit.
01:44
(Laughter)
35
104735
1301
(Rires)
01:46
I would drop things.
36
106070
1168
Je faisais tomber tout.
01:47
Any time someone would throw me a ball, I would drop it.
37
107271
2636
Quand on me lançait un ballon, je le lâchais.
01:49
I was the last kid to get picked on a basketball team.
38
109940
2703
On me choisissait en dernier au basket.
01:52
I'm still pretty klutzy, actually,
39
112676
1635
Je suis resté maladroit, en fait,
01:54
but I have spent my entire career studying how to make robots less clumsy.
40
114345
5472
mais j’ai passé ma vie à étudier comment faire que les robots le soient moins.
02:00
Now let's start with the hardware.
41
120484
1935
Commençons par le matériel.
02:02
So the hands.
42
122453
2069
Les mains, donc.
02:04
Now this is a robot hand, a particular type of hand.
43
124555
3337
Voici une main de robot, un type de main particulier.
02:07
It's a lot like our hand.
44
127925
1235
Elle est proche des nôtres.
02:09
And it has a lot of motors, a lot of tendons
45
129193
3470
Elle a beaucoup de moteurs, beaucoup de tendons et de câbles,
02:12
and cables as you can see.
46
132696
1535
comme on le voit.
02:14
So it's unfortunately not very reliable.
47
134265
2602
Mais elle n’est malheureusement pas très fiable.
02:16
It's also very heavy and very expensive.
48
136901
2435
Elle est également très lourde et très chère.
02:19
So I'm in favor of very simple hands, like this.
49
139637
3803
Je privilégie donc des mains très simples, comme celle-ci,
02:23
So this has just two fingers.
50
143440
2403
avec deux doigts seulement.
02:25
It's known as a parallel jaw gripper.
51
145876
1769
Ça s’appelle une pince à mâchoires parallèles.
02:28
So it's very simple.
52
148012
1535
C’est donc très simple,
02:29
It's lightweight and reliable and it's very inexpensive.
53
149580
4438
léger, fiable et très peu coûteux.
02:34
And if you're doubting that simple hands can be effective,
54
154652
3970
Si vous doutez que de simples mains puissent être efficaces,
02:38
look at this video where you can see that two very simple grippers,
55
158622
4371
regardez cette vidéo où l’on voit deux pinces très simples -
actionnées, d’ailleurs,
02:43
these are being operated, by the way,
56
163027
1935
02:44
by humans who are controlling the grippers like a puppet.
57
164995
2903
par des humains qui contrôlent les pinces comme une marionnette -
02:47
But very simple grippers are capable of doing very complex things.
58
167898
3504
des pinces simples donc capables de faire des choses très complexes.
02:51
Now actually in industry,
59
171435
1468
Aujourd'hui, dans l'industrie,
02:52
there’s even a simpler robot gripper, and that’s the suction cup.
60
172937
3703
il existe une pince robotisée encore plus simple : la ventouse.
02:56
And that only makes a single point of contact.
61
176674
2469
Il n’y a qu’un seul point de contact.
02:59
So again, simplicity is very helpful in our field.
62
179176
3037
Encore une fois, la simplicité est très utile dans notre domaine.
03:02
Now let's talk about the software.
63
182646
2169
Parlons maintenant du logiciel.
03:04
This is where it gets really, really difficult
64
184815
3203
C’est là que les choses se compliquent vraiment
03:08
because of a fundamental issue, which is uncertainty.
65
188018
4004
en raison d’un problème fondamental : l’incertitude.
03:12
There's uncertainty in the control.
66
192356
2202
Il y a de l'incertitude dans le contrôle.
03:14
There’s uncertainty in the perception.
67
194592
2135
Il y a de l’incertitude dans la perception.
03:16
And there’s uncertainty in the physics.
68
196760
2169
Et il y a de l’incertitude dans la physique.
03:19
Now what do I mean by the control?
69
199463
1668
Qu’est-ce que je veux dire par contrôle ?
03:21
Well if you look at a robot’s gripper trying to do something,
70
201165
3670
Quand on regarde la pince d’un robot qui essaie de faire quelque chose,
03:24
there's a lot of uncertainty in the cables and the mechanisms
71
204868
3904
il y a beaucoup d’incertitude dans les câbles et les mécanismes
03:28
that cause very small errors.
72
208806
2102
qui provoque de très petites erreurs.
03:30
And these can accumulate and make it very difficult to manipulate things.
73
210908
4104
Et celles-ci peuvent s’accumuler et rendre très difficile la manipulation des objets.
03:36
Now in terms of the sensors, yes,
74
216046
2002
Certes, si on parle des capteurs,
03:38
robots have very high-resolution cameras just like we do,
75
218082
3803
les robots sont équipés de caméras à très haute résolution, tout comme nous,
03:41
and that allows them to take images of scenes in traffic
76
221919
3904
ce qui leur permet de prendre des images de scènes dans la circulation
03:45
or in a retirement center,
77
225856
1668
dans une maison de retraite,
03:47
or in a warehouse or in an operating room.
78
227558
3136
dans un entrepôt ou dans une salle d’opération.
03:50
But these don't give you the three-dimensional structure
79
230694
2670
Mais cela ne rend pas la structure tridimensionnelle
03:53
of what's going on.
80
233364
1334
de ce qui se passe.
03:54
So recently, there was a new development called LIDAR,
81
234999
3503
Récemment, il y a eu un nouveau développement appelé LIDAR,
03:58
and this is a new class of cameras that use light beams to build up
82
238535
4505
une nouvelle classe de caméras qui utilisent des faisceaux lumineux
pour créer un modèle tridimensionnel de l’environnement.
04:03
a three-dimensional model of the environment.
83
243073
2436
04:06
And these are fairly effective.
84
246277
1768
Et elles sont très efficaces.
04:08
They really were a breakthrough in our field, but they're not perfect.
85
248078
4171
Ça constitue une véritable avancée dans notre domaine,
mais elles ne sont pas parfaites.
04:12
So if the objects have anything that's shiny or transparent,
86
252283
5005
Donc, si les objets ont quelque chose de brillant ou de transparent,
04:17
well, then the light acts in unpredictable ways,
87
257288
2435
eh bien, la lumière agit de manière imprévisible,
04:19
and it ends up with noise and holes in the images.
88
259757
2335
et cela crée du bruit et des trous dans les images.
04:22
So these aren't really the silver bullet.
89
262126
2002
Ce n’est donc pas une solution miracle.
04:24
And there’s one other form of sensor out there now called a “tactile sensor.”
90
264595
4171
Il existe aujourd’hui une autre forme de capteur appelée « capteur tactile ».
04:28
And these are very interesting.
91
268766
1501
Et ils sont très intéressants.
04:30
They use cameras to actually image the surfaces
92
270301
3203
Ils utilisent des caméras pour obtenir des images des surfaces
04:33
as a robot would make contact,
93
273504
2135
quand un robot entre en contact,
04:35
but these are still in their infancy.
94
275673
1935
mais on n’en est qu’aux balbutiements.
04:38
Now the last issue is the physics.
95
278242
2702
Le dernier problème concerne la physique.
04:40
And let me illustrate for you by showing you,
96
280978
3203
Laissez-moi vous illustrer ça.
04:44
we take a bottle on a table
97
284214
1769
Prenons une bouteille sur une table et poussons-la.
04:45
and we just push it,
98
285983
1168
04:47
and the robot's pushing it in exactly the same way each time.
99
287184
3403
Le robot la pousse exactement de la même manière à chaque fois.
04:50
But you can see that the bottle ends up in a very different place each time.
100
290621
4471
En revanche, la bouteille se retrouve à chaque fois dans un endroit différent.
04:55
And why is that?
101
295125
1168
Et pourquoi ça ?
04:56
Well it’s because it depends on the microscopic surface topography
102
296327
4871
Eh bien, c’est parce que cela dépend de la topographie microscopique de la surface
05:01
underneath the bottle as it slid.
103
301198
2603
sous la bouteille pendant qu’elle glisse.
05:03
For example, if you put a grain of sand under there,
104
303834
2469
Par exemple, si on y met un grain de sable,
05:06
it would react very differently than if there weren't a grain of sand.
105
306337
3536
ça réagira très différemment que sans.
05:09
And we can't see if there's a grain of sand because it's under the bottle.
106
309873
3804
Or nous ne pouvons pas voir s’il y a un grain de sable,
car il se trouve sous la bouteille.
05:14
It turns out that we can predict the motion of an asteroid
107
314311
3937
En fait, nous pouvons prédire le mouvement d’un astéroïde
05:18
a million miles away,
108
318248
2636
à des millions de kilomètres,
05:20
far better than we can predict the motion of an object
109
320918
3170
bien mieux que le mouvement d’un objet saisi par un robot.
05:24
as it's being grasped by a robot.
110
324121
2002
05:27
Now let me give you an example.
111
327391
2169
Voici un exemple.
05:29
Put yourself here into the position of being a robot.
112
329593
3537
Mettons-nous dans la position d’un robot qui essaie de débarrasser la table.
05:33
You're trying to clear the table
113
333731
1534
05:35
and your sensors are noisy and imprecise.
114
335265
2570
Nos capteurs sont flous et imprécis.
05:37
Your actuators, your cables and motors are uncertain,
115
337835
3436
Nos actionneurs, câbles et moteurs sont incertains,
05:41
so you can't fully control your own gripper.
116
341305
2369
et donc, on ne contrôle pas entièrement notre pince.
05:43
And there's uncertainty in the physics,
117
343707
2102
Et il y a de l’incertitude dans la physique,
05:45
so you really don't know what's going to happen.
118
345809
2303
donc, on ne sait pas vraiment ce qui va se passer.
05:48
So it's not surprising that robots are still very clumsy.
119
348145
3604
Il n'est donc pas surprenant que les robots soient encore très maladroits.
05:52
Now there's one sweet spot for robots, and that has to do with e-commerce.
120
352883
4805
Il existe cependant un espace favorable pour les robots :
le commerce électronique.
05:57
And this has been growing, it's a huge trend.
121
357721
2102
Cela ne cesse de croître, c’est une tendance énorme.
05:59
And during the pandemic, it really jumped up.
122
359857
3036
La pandémie a vraiment amplifié ça.
06:02
I think most of us can relate to that.
123
362926
2336
On se sent tous concernés, je crois.
06:05
We started ordering things like never before,
124
365829
2570
Nous avons commandé des choses comme jamais auparavant
06:08
and this trend is continuing.
125
368432
1735
et cette tendance se poursuit.
06:10
And the challenge is to meet the demand,
126
370200
2770
Tout le défi est de répondre à la demande.
06:13
we have to be able to get all these packages delivered in a timely manner.
127
373003
4972
Nous devons être en mesure de faire livrer tous ces colis
dans les meilleurs délais.
06:18
And the challenge is that every package is different,
128
378575
2503
Mais le défi, c’est que chaque colis est différent,
chaque commande est différente.
06:21
every order is different.
129
381078
1234
06:22
So you might order some some nail polish and an electric screwdriver.
130
382346
5939
Certains vont commander du vernis à ongles et une visseuse électrique.
06:28
And those two objects are going to be
131
388652
2770
Ces deux objets se trouvent quelque part dans l’un de ces entrepôts géants.
06:31
somewhere inside one of these giant warehouses.
132
391455
3036
06:34
And what needs to be done is someone has to go in,
133
394925
2336
Le processus, c’est que quelqu’un entre,
06:37
find the nail polish and then go and find the screwdriver,
134
397294
2769
trouve le vernis à ongles, puis trouve la visseuse,
06:40
bring them together, put them into a box and deliver them to you.
135
400063
3204
les rassemble, les met dans une boîte et vous les livre.
06:43
So this is extremely difficult, and it requires grasping.
136
403300
3137
C’est donc extrêmement difficile et cela nécessite de saisir les choses.
06:46
So today, this is almost entirely done with humans.
137
406437
3136
Donc, ce sont les humains qui font presque entièrement cela.
06:49
And the humans don't like doing this work,
138
409606
2002
Mais ils n’aiment pas faire ce travail ; le taux de rotation est monstrueux.
06:51
there's a huge amount of turnover.
139
411642
1768
06:53
So it's a challenge.
140
413410
1201
C'est donc un défi.
06:54
And people have tried to put robots
141
414611
2937
Alors on a essayé d’installer des robots dans les entrepôts pour faire ce travail.
06:57
into warehouses to do this work.
142
417581
3070
07:01
(Laughter)
143
421018
6339
(Rires)
07:08
It hasn't turned out all that well.
144
428192
3937
Ça ne s'est pas très bien passé.
07:12
But my students and I, about five years ago,
145
432563
3570
Mais il y a environ cinq ans, mes étudiants et moi
07:16
we came up with a method, using advances in AI and deep learning,
146
436133
4071
avons mis au point une méthode,
s’appuyant sur les progrès de l’IA et de l’apprentissage profond,
07:20
to have a robot essentially train itself to be able to grasp objects.
147
440204
3903
qui permet à un robot de s’entraîner seul à saisir des objets.
07:24
And the idea was that the robot would do this in simulation.
148
444441
2836
L’idée était que le robot puisse le faire par simulation.
07:27
It was almost as if the robot were dreaming about how to grasp things
149
447277
3270
C’est presque comme si le robot rêve de savoir comment saisir les choses
07:30
and learning how to grasp them reliably.
150
450581
1935
et apprend à les saisir de manière fiable.
07:32
And here's the result.
151
452816
1168
Et voici le résultat.
07:34
This is a system called Dex-net
152
454017
1869
Il s'agit d'un système appelé DEX-net
07:35
that is able to reliably pick up objects
153
455919
3270
qui est capable de ramasser de manière fiable les objets
07:39
that we put into these bins in front of the robot.
154
459223
2502
que nous mettons dans ces bacs devant le robot.
07:41
These are objects it's never been trained on,
155
461758
2670
Ce sont des objets sur lesquels il n'a jamais été entraîné,
07:44
and it's able to pick these objects up
156
464461
1835
il est capable de les ramasser
07:46
and reliably clear these bins over and over again.
157
466330
2869
et de vider ces bacs de manière fiable, encore et encore.
07:49
So we were very excited about this result.
158
469666
2570
Nous étions très enthousiastes de ce résultat.
07:52
And the students and I went out to form a company,
159
472269
3003
Ensemble, nous avons créé une entreprise,
07:55
and we now have a company called Ambi Robotics.
160
475305
3103
et nous avons maintenant une société appelée Ambi Robotics
07:58
And what we do is make machines that use the algorithms,
161
478742
4104
qui conçoit des machines utilisant nos algorithmes,
08:02
the software we developed at Berkeley,
162
482880
2268
le logiciel que nous avons développé à Berkeley,
08:05
to pick up packages.
163
485148
1936
pour récupérer les paquets.
08:07
And this is for e-commerce.
164
487117
1902
On cible le commerce électronique.
08:09
The packages arrive in large bins, all different shapes and sizes,
165
489052
3504
Les colis arrivent dans de grands bacs, de formes et de tailles différentes,
08:12
and they have to be picked up,
166
492589
1468
et ils doivent être ramassés,
08:14
scanned and then put into smaller bins depending on their zip code.
167
494057
3337
scannés puis placés dans des bacs plus petits en fonction du code postal.
08:18
We now have 80 of these machines operating across the United States,
168
498061
4205
À l’heure actuelle, 80 de ces machines fonctionnent aux États-Unis
08:22
sorting over a million packages a week.
169
502299
2836
et trient plus d’un million de colis par semaine.
08:26
Now that’s some progress,
170
506169
3204
C'est un progrès,
08:29
but it's not exactly the home robot that we've all been waiting for.
171
509406
3837
mais ce n’est pas exactement le robot domestique que nous espérons tous.
08:33
So I want to give you a little bit of an idea
172
513677
2536
J’aimerais donc vous donner une petite idée
08:36
of some the new research that we're doing
173
516246
2102
de nouvelles recherches que nous menons
08:38
to try to be able to have robots more capable in homes.
174
518348
3070
pour essayer de rendre les robots plus performants dans les maisons.
08:41
And one particular challenge is being able to manipulate deformable objects,
175
521752
4171
Et l’une des difficultés est de pouvoir manipuler des objets déformables,
08:45
like strings in one dimension,
176
525956
2102
tels que des cordes en une dimension,
08:48
two-dimensional sheets and three dimensions,
177
528058
3470
des feuilles en deux dimensions
et des objets tridimensionnels, comme des fruits et des légumes.
08:51
like fruits and vegetables.
178
531562
2202
08:53
So we've been working on a project to untangle knots.
179
533764
3804
Nous avons donc travaillé sur un projet visant à démêler les nœuds.
08:57
And what we do is we take a cable and we put that in front of the robot.
180
537901
4104
Pour ça, on prend un câble que l’on place devant le robot.
09:02
It has to use a camera to look down, analyze the cable,
181
542039
2936
Il utilise une caméra pour analyser le câble,
09:04
figure out where to grasp it
182
544975
1368
déterminer où le saisir
09:06
and how to pull it apart to be able to untangle it.
183
546343
2836
et comment le manipuler pour pouvoir le démêler.
09:09
And this is a very hard problem,
184
549580
1668
C’est un problème très difficile,
09:11
because the cable is much longer than the reach of the robot.
185
551248
2903
car le câble est beaucoup plus long que l’envergure du robot.
09:14
So it has to go through and manipulate, manage the slack as it's working.
186
554184
4438
Il doit donc passer en revue, manipuler, gérer le relâchement en cours de route.
09:18
And I would say this is doing pretty well.
187
558655
2436
Et je dirais qu’il se débrouille pas mal.
09:21
It's gotten up to about 80 percent success
188
561124
2269
Il a obtenu jusqu'à 80 % de succès
09:23
when we give it a tangled cable at being able to untangle it.
189
563427
3203
lorsque nous lui donnons un câble emmêlé à démêler.
09:27
The other one is something I think we also all are waiting for:
190
567731
3070
L’autre tâche est quelque chose que nous attendons tous :
09:30
robot to fold the laundry.
191
570834
2269
un robot pour plier le linge.
09:33
Now roboticists have actually been looking at this for a long time,
192
573136
4071
Les roboticiens étudient cette question depuis longtemps
09:37
and there was some research that was done on this.
193
577240
3037
et des recherches ont été effectuées à ce sujet.
09:40
But the problem is that it's very, very slow.
194
580277
2869
Mais le problème, c’est que c’est très, très lent.
09:43
So this was about three to six folds per hour.
195
583180
5572
Là, il plie entre trois et six vêtements à l’heure.
09:48
(Laughter)
196
588785
1902
(Rires)
09:50
So we decided to to revisit this problem
197
590721
3403
Nous avons donc décidé de revoir ce problème
09:54
and try to have a robot work very fast.
198
594124
1902
et d’ajouter de la vitesse au robot.
09:56
So one of the things we did was try to think
199
596059
2069
Entre autres, nous avons tenté de réfléchir
09:58
about a two-armed robot that could fling the fabric
200
598128
2402
à un robot à deux bras capable de lancer le tissu
10:00
the way we do when we're folding,
201
600530
1602
comme nous le faisons quand on le plie.
10:02
and then we also used friction in this case to drag the fabric
202
602132
2903
Nous avons aussi utilisé la friction pour faire glisser le tissu
10:05
to smooth out some wrinkles.
203
605035
1602
et lisser certains plis.
10:06
And then we borrowed a trick which is known as the two-second fold.
204
606670
4838
Ensuite, nous avons emprunté une astuce appelée le pli en deux secondes.
10:11
You might have heard of this.
205
611541
1402
Vous connaissez peut-être.
10:12
It's amazing because the robot is doing exactly the same thing
206
612976
3270
C’est incroyable parce que le robot fait exactement la même chose,
10:16
and it's a little bit longer, but that's real time,
207
616279
2536
ça prend un peu plus longtemps,
mais c’est en temps réel, on n’a pas accéléré la vidéo.
10:18
it's not sped up.
208
618849
1168
10:20
So we're making some progress there.
209
620017
1968
Nous faisons donc des progrès.
10:23
And the last example is bagging.
210
623120
1601
Enfin, il y a l’emballage.
10:24
So you all encounter this all the time.
211
624755
2168
On voit cela tous les jours.
10:26
You go to a corner store, and you have to put something in a bag.
212
626957
3070
On va à l’épicerie du quartier et il faut mettre nos achats dans un sac.
10:30
Now it's easy, again, for humans,
213
630027
1601
C’est facile pour les humains,
10:31
but it's actually very, very tricky for robots
214
631628
3370
mais c’est en fait très, très délicat pour les robots.
10:35
because for humans, you know how to take the bag
215
635032
2268
En effet, les humains savent comment empoigner et manipuler le sac.
10:37
and how to manipulate it.
216
637300
1235
10:38
But robots, the bag can arrive in many different configurations.
217
638568
3104
Or un sachet peut arriver dans plein de configurations.
10:41
It’s very hard to tell what’s going on
218
641705
2836
Pour un robot, c’est très difficile de savoir ce qui se passe
10:44
and for the robot to figure out how to open up that bag.
219
644541
2769
et de comprendre comment l’ouvrir.
10:47
So what we did was we had the robot train itself.
220
647310
4705
Nous avons donc fait en sorte que le robot s'entraîne lui-même.
10:52
We painted one of these bags with fluorescent paint,
221
652015
2469
Nous avons peint un sachet avec de la peinture fluorescente.
10:54
and we had fluorescent lights that would turn on and off,
222
654518
2702
Nous avions des lampes qui s’allumaient et s’éteignaient,
10:57
and the robot would essentially teach itself how to manipulate these bags.
223
657220
4438
et le robot apprenait tout seul à manipuler ces sacs.
11:01
And so we’ve gotten it now up to the point
224
661692
2035
Nous en sommes donc arrivés au point
11:03
where we're able to solve this problem about half the time.
225
663727
3770
de pouvoir résoudre ce problème environ la moitié du temps.
11:07
So it works,
226
667497
1268
Donc ça marche,
11:08
but I'm saying, we're still not quite there yet.
227
668765
3737
mais nous n’y sommes pas encore tout à fait.
11:12
So I want to come back to Moravec's paradox.
228
672502
2303
Revenons donc sur le paradoxe de Moravec.
11:14
What's easy for robots is hard for humans.
229
674838
2236
Ce qui est facile pour les robots est difficile pour les humains.
11:17
And what's easy for us is still hard for robots.
230
677107
4871
Et ce qui est facile pour nous reste difficile pour les robots.
11:22
We have incredible capabilities.
231
682412
2369
Nous avons des capacités incroyables.
11:24
We're very good at manipulation.
232
684781
1669
Nous sommes très doués pour la manipulation.
11:26
(Laughter)
233
686483
1935
(Rires)
11:28
But robots still are not.
234
688418
1769
Mais les robots n’en sont pas encore là.
11:31
I want to say, I understand.
235
691421
2236
Certes, je comprends.
11:33
It’s been 60 years,
236
693990
2002
Cela fait 60 ans
11:35
and we're still waiting for the robots that the Jetsons had.
237
695992
3838
et nous attendons toujours les robots Rosie des Jetson.
11:40
Why is this difficult?
238
700497
1368
Pourquoi est-ce difficile ?
11:41
We need robots because we want them to be able to do tasks that we can't do
239
701898
6473
Nous avons besoin de robots capables d’effectuer des tâches
que nous ne pouvons pas faire, ou que nous ne voulons pas vraiment faire.
11:48
or we don't really want to do.
240
708405
1835
11:50
But I want you to keep in mind that these robots, they're coming.
241
710841
3837
Mais ces robots seront bientôt là.
11:54
Just be patient.
242
714711
1368
Patience !
11:56
Because we want the robots,
243
716379
2103
Parce que nous voulons des robots,
11:58
but robots also need us
244
718515
2169
mais les robots ont également besoin de nous
12:00
to do the many things that robots still can't do.
245
720717
4405
pour faire les nombreuses choses que les robots ne peuvent toujours pas faire.
12:06
Thank you.
246
726156
1234
Merci.
12:07
(Applause)
247
727390
2436
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7