Version classiqueVersion mobile

La robotique : une récidive d’Héphaïstos

 | 
Jean-Paul Laumond

La robotique : une récidive d’Héphaïstos

Leçon inaugurale prononcée le jeudi 19 janvier 2012. Chaire d’Innovation technologique Liliane Bettencourt

Jean-Paul Laumond

Note de l’éditeur

La chaire d’Innovation technologique du Collège de France a été créée avec le soutien de la Fondation Bettencourt-Schueller.
Page du professeur sur le site du Collège de France et vidéo de la leçon inaugurale : http://www.college-de-france.fr/site/jean-paul-laumond/index.htm

Texte intégral

Philippe Ségéral, Athéna et Héphaïstos, Étude no 2 pour Athéna, 2009, collection particulière.

© Philippe Ségéral 2009

1Monsieur l’Administrateur,
Chers collègues et amis,
Mesdames, Messieurs,

2La robotique a 50 ans. Elle entre au Collège de France : c’est un bel anniversaire pour elle. Je tiens à remercier l’assemblée des professeurs de l’avoir élue thème de l’année de la chaire d’Innovation technologique Liliane Bettencourt. Je vous suis reconnaissant de l’honneur que vous me faites de la représenter. Je tiens particulièrement à remercier Alain Berthoz qui a œuvré à ces choix et qui manifeste depuis des années un enthousiasme militant pour la discipline.

3Dans leur leçon inaugurale, tous mes prédécesseurs ont exprimé, chacun à leur manière, ce sentiment de responsabilité que j’éprouve maintenant. Quelle est la part de savoir, la part transmissible, que contiennent nos recherches ? Comment en rendre compte ? Est-il vraiment possible d’« enseigner toute chose » ? D’une certaine manière, j’ai été rassuré par la précision apportée à la devise Docet omnia du Collège : il s’agit d’« enseigner le savoir en train de se faire », voire « la recherche en train de se faire ». Cet encouragement autorise la prise de risque. Ne vous attendez pas à recevoir un savoir stabilisé. Dans le domaine de la robotique, il ne l’est pas. En revanche, vous verrez qu’il est réellement en train de se faire, et que l’aventure est passionnante.

4La robotique traite du rapport que peut entretenir avec le monde réel une machine qui bouge et dont les mouvements sont commandés par un ordinateur. Ainsi le robot se distingue-t-il à la fois de l’automate, dont les mouvements sont mécaniquement déterminés, et de l’ordinateur, qui manipule des informations mais ne bouge pas.

5Quel degré d’autonomie peut-on attendre de telles machines ? La question sera l’objet de mes cours. Elle n’épuise pas toute la robotique, mais elle en rend compte pour une grande partie, et elle porte une certaine ambition. Elle résonne en particulier avec les sciences qui font des êtres vivants, dont l’homme, leurs objets de recherche. Reconnaissons d’emblée une différence essentielle : le roboticien doit faire des robots ; le neurophysiologiste, le biomécanicien ou le psychophysicien cherchent à comprendre l’homme et l’animal. Les mots ont leur importance. Les missions sont différentes : les uns doivent faire, et sont condamnés à l’innovation ; les autres doivent comprendre, condamnés à la production de savoir.

6La distinction entre faire et comprendre n’est pas nouvelle dans l’histoire des sciences. Le quadrant de Pasteur tente de la préciser. Il a été introduit récemment dans une perspective de gestion et d’évaluation de la recherche par les pouvoirs publics. Il structure les sciences, les technologies et leurs relations selon deux axes : l’un portant sur le caractère plus ou moins fondamental de la recherche, l’autre sur son utilité. Dans ce quadrant, la robotique se placerait avec Edison, dans la case « recherche appliquée à fort impact sociétal », expression qui rend possible une présentation de la discipline ; mais la robotique est une activité qui ne se laisse pas réduire aussi facilement. J’ai préféré ne pas « résoudre » la tension entre faire et comprendre, et me référer pour cela à un mythe grec qui me servira de fil conducteur.

  • 1 La Bibliothèque d’Apollodore, éd. de Jean-Claude Carrière et Bertrand Massonie, Presses universitai (...)

7C’est en préparant cette leçon que j’ai découvert que les roboticiens avaient un dieu. Il s’agit d’Héphaïstos. Dans la mythologie grecque, Héphaïstos est un artisan de talent. Ingénieux, il fabrique des armes remarquables et il est connu pour cela. Mais il fabrique aussi des chaises roulantes qui se déplacent toutes seules (en clair, des robots mobiles), des servantes en or qui l’aident à se déplacer (en clair, des robots d’assistance), et il va jusqu’à façonner Pandore, une statue d’argile à laquelle Athéna prêtera vie. Il a une vie amoureuse tumultueuse. J’en retiens ce passage rapporté par Apollodore1, un chroniqueur du second siècle avant Jésus-Christ :

Athéna était venue trouver Héphaïstos pour qu’il lui confectionne des armes. Le dieu, abandonné par Aphrodite, se laissa aller à désirer Athéna, et il se lança à sa poursuite quand elle prit la fuite. Quand il eut réussi à se rapprocher d’elle, à grand peine puisqu’il était boiteux, il chercha à l’étreindre. Mais elle, la chaste vierge, ne se laissa pas faire, si bien qu’il éjacula sur la jambe de la déesse. Dégoûtée, elle essuya le sperme avec un flocon de laine, qu’elle jeta par terre. Elle s’enfuit […].

8Si Héphaïstos est le dieu du faire, Athéna, qui apparaît ici comme celle qui passe commande, est la déesse du savoir, ou, préservons-nous des exégètes, surtout dans cette assemblée, considérons-la comme telle le temps de cette leçon. Héphaïstos cherche donc à posséder Athéna. Il n’y parvient pas. Le faire ne saurait-il prétendre au savoir ? Rude coup pour le roboticien.

9La robotique tient de cette tension. Si le mythe va à l’encontre d’une tendance actuelle à la confusion des genres entre science et technologie, il rend en tout cas compte de ma propre expérience en matière d’innovation. Expérience que je résumerais de manière lapidaire : si faire n’est pas comprendre, comprendre permet de faire, mais malheureusement, pas toujours ; et si on peut très bien faire sans comprendre, faire procure aussi des outils, parfois inattendus, pour comprendre.

10Je vais illustrer mon propos en trois parties : deux ont trait à l’algorithmique de la planification du mouvement, la troisième à la robotique humanoïde et à des modèles récents de l’action anthropomorphe. Mais au préalable, donnons quelques repères historiques qui vont nous permettre de mieux situer la discipline et ses champs d’application.

*
* *

11La robotique a 50 ans. Plus exactement, elle a 51 ans. Si le mot robot apparaît tôt au siècle dernier et nourrit depuis l’imaginaire collectif, on s’accorde à dater la naissance de la robotique de l’introduction, en 1961, du premier robot industriel sur les chaînes de montage de General Motors. Il s’agit du robot Unimate issu d’un brevet déposé par George Devol et industrialisé par Joseph Engelberger, reconnu comme le père fondateur de la robotique.

  • 2 J. Vertut et P. Coiffet, Les Robots : Téléopération assistée par ordinateur, Hermès Sciences, 1985.
  • 3 Et non pas « par un robot » ; prenons garde aux mots.

12En France, à la même époque, Jean Vertut étudie au Commissariat à l’énergie atomique (CEA) la possibilité de commander à distance un bras manipulateur chargé d’explorer les zones irradiées des centrales nucléaires. Ce bras n’est pas autonome ; son contrôle est néanmoins déporté : les commandes de l’opérateur sont transmises au robot, non plus par l’intermédiaire de quelques pantographes mécaniques, mais par l’intermédiaire d’une « armoire de commande » effectuant des traitements numériques capables de transformer les mouvements de l’opérateur en consignes à appliquer sur les moteurs du bras manipulateur. Nous sommes dans les débuts de la télé-opération2, dont les plus beaux succès déboucheront sur la robotique médicale et sur la possibilité offerte aujourd’hui au chirurgien d’améliorer la précision de son geste : plus d’un million de patients ont aujourd’hui été opérés avec un robot3.

13La recherche en robotique a donc été dominée, à l’origine, par la conception de machines à commande numérique, et l’établissement des premiers liens entre machines et ordinateurs, entre mécanique et informatique. Ses débuts ont été rapidement accompagnés par les progrès technologiques en matière de calcul (miniaturisation et augmentation de la puissance des processeurs).

14La robotique manufacturière est aujourd’hui bien implantée ; elle a considérablement renouvelé l’organisation des moyens de production. Son succès tient au caractère répétitif des tâches que les robots industriels accomplissent (souder, peindre, trier, transporter, etc.) dans des environnements bien structurés pour lesquels l’aléa se réduit le plus souvent à la panne de moteur, ou est traité par un arrêt d’urgence. Nul besoin de capacités évoluées d’adaptation dans ces environnements.

15La question de l’autonomie d’une machine commandée par un ordinateur ne se pose comme telle qu’à la fin des années soixante.

16C’est avec le robot mobile Shakey du Stanford Research Institut (SRI) que sont jetées les premières bases d’une recherche sur les robots autonomes. L’ambition affichée est de doter une machine de capacités de raisonnement sur ses actions. Le robot doit percevoir son état et l’état du monde qui l’entoure (on l’équipe donc de capteurs), il doit agir (on l’équipe donc d’actionneurs lui permettant de se déplacer). L’ordinateur « n’a plus qu’à » décider automatiquement des actions à effectuer pour remplir une mission donnée et à contrôler leur bon déroulement.

17Il faut noter que les chercheurs du SRI n’ont aucune application en tête. La robotique est considérée à l’époque comme un possible champ d’application des théories développées en intelligence artificielle. Elle tient plus du rêve que de la volonté de répondre aux problèmes bien posés de la robotique manufacturière.

18En France, le rêve va être relayé à la fin des années soixante-dix par Georges Giralt au Laboratoire d’analyse et d’architecture des systèmes (LAAS-CNRS) à Toulouse. Il y crée le groupe Robotique et intelligence artificielle (RIA) et y conçoit en 1977 le robot mobile Hilare, que l’on peut voir maintenant au Musée des arts et métiers. Il lance en parallèle le programme Automatisation et robotique avancée (ARA) qui sera coordonné par Philippe Coiffet. Le programme réunit industriels de la production et chercheurs autour d’une même question : comment doter les robots de plus de flexibilité et faciliter leur programmation ? Ce faisant, Georges Giralt établit le lien entre un nouveau projet de recherche ambitieux centré sur l’étude de la machine autonome et la robotique manufacturière, qui avait déjà plus de vingt ans.

19Toute une génération de roboticiens français, dont je fais partie, a été élevée dans cette vision tendue entre le rêve du chercheur et le pragmatisme de l’ingénieur.

20C’est dans les années quatre-vingt que se sont créées les premières sociétés savantes et fédérations professionnelles dédiées à la robotique : Robotics and Automation (IEEE) en 1984, International Foundation on Robotics Research (IFRR) en 1986 et International Federation of Robotics (IFR) en 1987. Dans la même période, en 1982, lors du sommet de Versailles, les pays industrialisés se dotent d’un programme international, International Advanced Robotics Programme (IARP), dédié à la coopération scientifique dans le domaine de la robotique.

21Tout s’accélère à partir des années quatre-vingt-dix.

  • 4 Deutschen Zentrum für Luft- und Raumfahrt (agence spatiale allemande).

22En 1993, la société Honda dévoile les résultats de sept années de recherche conduites dans le plus grand secret : P1, un robot anthropomorphe, fait ses tout premiers pas. La même année, dans le cadre du projet Rotex conduit par Gerd Hirzinger au DLR4 en Allemagne, un robot manipulateur embarqué à bord d’une navette spatiale saisit un objet flottant dans l’espace et assemble des pièces mécaniques entre elles. Le 4 juillet 1997, le robot Sojourner de la NASA commence sa déambulation sur la planète Mars ; il sera suivi des robots Spirit et Opportunity en 2004 pour des missions qui se poursuivent encore aujourd’hui. Le 11 mai 1999, la société Sony met sur le marché le premier robot-jouet, un petit chien capable de se déplacer, de percevoir son environnement et de reconnaître des commandes vocales. Le 7 septembre 2001, le professeur Jacques Marescaux conduit la première opération de téléchirurgie sur une patiente hospitalisée à Strasbourg avec l’aide d’une équipe chirurgicale située à New York. En 2002, la société iRobot, créée par Rodney Brooks du MIT à Boston, met sur le marché Roomba, le premier robot-aspirateur : il est aujourd’hui vendu à plusieurs millions d’exemplaires. En 2005, une équipe de l’université de Stanford conduite par Sebastian Thrun remporte le Grand Challenge Darpa : son véhicule est le premier à parcourir en moins de 7 heures plus de 200 kilomètres dans le désert des Mojaves en totale autonomie. La même année, à l’exposition d’Aichi au Japon, la société Toyota présente un orchestre de jazz composé de robots humanoïdes jouant de divers instruments à vent. Le 25 mars 2009, le robot quadrupède Bigdog de la société Boston Dynamics fondée par Marc Raibert du MIT est testé en Afghanistan. Au printemps dernier, dans l’équipe de François Pierrot au Laboratoire d’informatique robotique micro-électronique de Montpellier (LIRMM), le robot parallèle R4 parvient à atteindre 100 G d’accélération. Près de 2000 petits robots humanoïdes Nao ont été produits à ce jour par la société Aldebaran. Et, si tout va bien, une surprise vous attend au colloque de clôture de cette chaire en juin prochain.

23Quel savoir se construit autour d’un tel foisonnement ?

24La robotique trouve ses sources dans la mécanique. Elle a participé à l’émergence de champs disciplinaires tels que l’automatique et le traitement du signal. Elle emprunte à l’informatique, elle nourrit l’algorithmique. Il faudra attendre près de vingt ans, après l’apparition d’Unimate, pour voir émerger les premières tentatives de théorisation d’un domaine qui se cherche.

25Deux grandes écoles de pensée vont ranimer de vieux débats issus des sciences de l’homme pour les appliquer à l’étude des machines autonomes, et structurer la recherche en robotique.

  • 5 Exception faite d’une tentative de John Hopcroft, plutôt théoricien de l’informatique que roboticie (...)

26Les tenants de ce qu’on peut appeler avec recul une « phénoménologie robotique » prônent la primauté du modèle et introduisent la boucle « perception-décision-action » : le robot estime son état et l’état du monde qui l’entoure par l’intermédiaire de capteurs, il en établit des modèles, raisonne à partir de ces modèles et décide des actions à effectuer pour remplir la mission qui lui est assignée. Cette école n’a jamais été vraiment théorisée5. Elle se structure autour de thèmes tels que :

  • la conception et la commande des systèmes mécaniques ;

  • la vision et, plus généralement, la perception artificielles ;

  • la manipulation d’objets ;

  • l’algorithmique de la planification et du contrôle d’actions ;

  • l’architecture des systèmes ;

dont les cours et les séminaires donneront un aperçu, au moins pour les principaux d’entre eux. C’est cette école qui a conduit les grands programmes de robotique manufacturière, de robotique médicale ou de robotique d’exploration planétaire.

  • 6 R. A. Brooks, « Intelligence without representation », Artificial Intelligence, 1991, vol. 47, p. 1 (...)
  • 7 Elle est relayée en France par Jean-Arcady Meyer.
  • 8 A. J. Ijspeert, A. Crespi, D. Ryczko et J.-M. Cabelguen, « From swimming to walking with a salamand (...)
  • 9 École polytechnique fédérale de Lausanne.
  • 10 W. Wang et J.-J. Slotine, « On partial contraction analysis for coupled nonlinear oscillators », Bi (...)
  • 11 F. Ruffier et N. Franceschini, « Optic flow regulation : the key to aircraft automatic guidance », (...)

27Elle s’oppose à une école comportementaliste amenée par Rodney Brooks. Le charismatique chercheur du MIT prône, dans les années quatre-vingt, une conception de l’autonomie fondée sur l’absence de modèles du monde : l’intelligence de la machine doit émerger d’une hiérarchie de comportements sensori-moteurs gérée par des mécanismes excitateurs et inhibiteurs6. Cette école de pensée donne naissance à une robotique dite « bio-inspirée7 ». Elle est beaucoup moins en prise avec l’industrie que la précédente. Le robot est surtout considéré comme un support expérimental de théories issues des sciences du vivant. C’est de cette école que naîtront d’étranges créatures artificielles, comme les salamandres amphibies8 d’Auke Ijspeert à l’EPFL9, développées en collaboration avec Jean-Marie Cabelguen, neurophysiologiste à l’INSERM. Le dialogue entre les deux communautés passe par l’élaboration de modèles mathématiques ; ceux du contrôle moteur proposés par Jean-Jacques Slotine du MIT en sont un exemple10. De l’observation du vivant naissent également des approches formelles très astucieuses, telle l’approche développée par Nicolas Franceschini11 qui permet à un drone d’atterrir en douceur selon des principes mis en évidence par l’étude du vol des insectes.

28Comme cette leçon en témoignera, ma formation mathématique et ma rencontre avec Georges Giralt m’ont naturellement conduit à être un élève de la première école. Néanmoins, plusieurs séminaires associés à mes cours rendront compte de la seconde.

  • 12 O. Khatib et B. Siciliano (dir.), Springer Handbook of Robotics, Springer Verlag, 2008.

29D’ailleurs cette séparation en deux écoles vacille aujourd’hui. En témoignent, dès 2004, deux projets européens : l’un, Cogniron, conduit par Raja Chatila du LAAS-CNRS, est issu de la première école ; l’autre, Neurobotics, est conduit par Paolo Dario de la Scuola Superiore Sant’Anna à Pise, un chantre de la robotique bio-inspirée. Les deux projets partagent des thématiques communes dans leur volonté de comprendre ou de s’inspirer de l’homme. Aujourd’hui, le septième programme-cadre de la Commission européenne en matière de technologies de l’information et de la communication inclut explicitement un sous-programme « Cognitive Systems and Robotics ». La tendance est une tendance de fond. On le voit avec la société Honda qui crée en 2003 au Japon, aux États-Unis et en Allemagne, des centres de recherches pluridisciplinaires combinant neurosciences et robotique. On le voit en Italie, avec la création en 2005 à Gênes de l’Istituto Italiano di Tecnologia, un institut du même type. On le voit, en France, avec la création en 2007 de l’Institut des systèmes intelligents et de robotique sur le campus de Jussieu. On le voit dans l’évolution des thématiques du Groupement de recherche du CNRS sur la robotique. On le voit enfin au travers des 1600 pages de la première encyclopédie de robotique publiée il y a seulement quatre ans12.

30S’il fallait donner une idée de ce « savoir en train de se faire », c’est bien dans la tendance actuelle au rapprochement des deux écoles qu’on la trouverait. J’y reviendrai dans la troisième partie de l’exposé.

*
* *

31Nous avons vu en introduction qu’un robot agit par le mouvement. Son autonomie passe ainsi en premier lieu par sa capacité à « décider » de ses actions. Commençons donc par la question du calcul automatique de mouvements.

32Le robot industriel doit effectuer des tâches de soudure, de peinture, d’assemblage de pièces mécaniques. Le robot mobile, que ce soit le robot explorateur de la planète Mars, la voiture du futur, ou le prochain robot factotum qui partagera nos bureaux, doit pouvoir se déplacer, éviter les obstacles qui se trouvent sur son passage, inspecter un lieu. Pour peu qu’il soit équipé de bras manipulateurs, il devra lui aussi manipuler des objets.

33Quelles méthodes mettre au point pour que le couple machine-ordinateur puisse atteindre un but fixé sans qu’un opérateur spécifie dans tous ses détails le mouvement à effectuer ?

34Supposons que le robot ait une connaissance parfaite de son environnement et sache s’y situer : il a par exemple accès à un plan de masse du lieu où il évolue (ce plan lui a été donné ou bien il l’a acquis par l’intermédiaire de ses capteurs), l’environnement dans lequel il travaille a déjà fait l’objet d’une modélisation dans une maquette numérique (c’est le cas du robot industriel), bref, la géométrie des lieux est connue de la machine. Comment, dans ces conditions, un ordinateur peut-il calculer un mouvement à effectuer, à partir d’une position de départ, pour atteindre un but fixé ? Comment éviter les obstacles ? Comment être certain que le but est ou n’est pas atteignable ? Le problème ainsi posé a été popularisé en robotique par l’expression évocatrice du « problème du déménageur de piano ». Il est parmi les plus emblématiques de la robotique.

35Un ordinateur peut-il résoudre la question ? Pour donner sens à ce type d’interrogation, nos collègues informaticiens utilisent la notion de décidabilité. Lorsqu’un problème est décidable, soit l’ordinateur donne une solution s’il en existe une, soit il informe avec exactitude de la non-existence d’une solution. La question est donc précise : le problème du déménageur de piano est-il décidable ?

36La réponse est oui. La démonstration s’est faite en deux étapes au début des années quatre-vingt.

  • 13 T. Lozano-Pérez, « Spatial planning : a configuration space approach », IEEE Transactions on Comput (...)

37Première étape, Tomás Lozano-Pérez (MIT) suggère de transformer le problème du déplacement d’un corps dans l’espace en un problème de déplacement d’un point13. Effectivement, si on peut « réduire » le piano à une balle de ping-pong, le problème est beaucoup plus simple. Mais comment s’y prendre ?

38Pour situer un corps rigide dans l’espace, trois paramètres de position et trois paramètres de rotation sont nécessaires. La donnée de ces six paramètres correspond à un point dans un espace, dit espace des configurations. L’espace des configurations se réduira à trois paramètres pour un corps rigide évoluant dans le plan (une voiture par exemple). De manière plus générale, il sera constitué de quelques paramètres articulaires pour un robot manipulateur, d’une trentaine de paramètres pour un robot humanoïde.

39Le problème qui consiste, pour un robot, à trouver un mouvement sans collision dans un environnement encombré d’obstacles (notre monde réel à trois dimensions) se trouve ainsi transformé en un problème de recherche d’un chemin pour un point évoluant dans un espace abstrait (l’espace des configurations dont la dimension dépend de la complexité du robot considéré) et évitant des obstacles, images, dans cet espace, des obstacles du monde réel. En termes mathématiques, il s’agit d’explorer les composantes connexes de l’espace des configurations libres de collision. C’est la deuxième étape.

40On sait, depuis que Deep Blue a battu Garri Kasparov aux échecs, qu’un ordinateur a la capacité d’explorer des espaces de très grande complexité. Mais la situation du jeu d’échecs, pour complexe qu’elle soit, est intrinsèquement finie : les états du jeu sont en nombre fini (certes très grand, mais fini), les transitions entre deux états sont instantanées et ne répondent qu’aux quelques règles de déplacement des différentes pièces de l’échiquier. Dans le cas de la planification du mouvement, le problème est autre. Un mouvement est une fonction continue du temps dans l’espace. Comment un ordinateur peut-il résoudre ce problème de continuité, lui qui est condamné au calcul ? En d’autres termes, comment rendre combinatoire ce problème continu par nature ?

  • 14 J. T. Schwartz et M. Sharir, « On the “piano moversproblem. II. General techniques for computing (...)

41Lozano-Pérez donnera une solution dans le cas d’un polygone évoluant en translation sur un plan. Mais est-ce possible dans d’autres cas ? La question séduit mathématiciens et combinatoriciens, en particulier Jacob T. Schwartz et Micha Sharir du Courant Institute of Mathematical Sciences de New York. Ils publient en 1983 une solution générale au problème, valable pour n’importe quel type de systèmes mécaniques14. L’idée de la démonstration repose sur une méthode de réduction du problème du déménageur de piano au problème de la décidabilité de l’algèbre élémentaire (décidabilité qui avait été établie dans les années cinquante par le mathématicien Alfred Tarski) et sur un algorithme proposé par le mathématicien George E. Collins dans les années soixante-dix. L’algorithme est complet : l’ordinateur donne une solution s’il en existe une et affirme avec exactitude l’absence de solution le cas échéant.

42Pour faire référence au mythe, disons qu’Athéna a gagné : elle sait comment faire.

  • 15 La géométrie algébrique réelle a néanmoins des retombées en robotique : dans le cas des robots para (...)

43Le problème est-il résolu ? Pas vraiment. Ou plutôt, il est résolu, certes, mais pas de manière « utile ». En effet, la complexité de l’algorithme (c’est-à-dire le temps de calcul nécessaire à son exécution) constitue un obstacle majeur à son utilisation. L’algorithme est doublement exponentiel dans la dimension de l’espace des configurations. Il prend trop de temps : Héphaïstos n’a que faire d’une solution puissante au plan formel mais inefficace en pratique. Les mathématiciens de la géométrie algébrique réelle continuent d’explorer la voie. Ils réduisent la complexité des algorithmes. Les progrès sont lents et la recherche difficile. Encore aujourd’hui, il y a peu d’espoir de les voir un jour être utiles à la planification du mouvement15.

44Nous sommes dans les années quatre-vingt. Un pan entier de ces travaux va se dégager des applications robotiques pour nourrir la toute naissante géométrie algorithmique. Des problèmes particuliers, en faible dimension, vont être résolus élégamment : il y a de la finesse dans une triangulation de Delaunay et dans son dual, le diagramme de Voronoï, dans les convolutions de polygones et les sommes de Minkowski ; à l’INRIA, ces structures de données géométriques serviront à minimiser les chutes de cuir dans l’industrie de la mégisserie (posez-vous la question de placer le maximum de mains droites et de mains gauches sur une peau pour fabriquer le maximum de gants !). Athéna marque ainsi un petit point, encore que les efforts soient considérables pour rendre compte du calcul « exact » que requièrent ces méthodes. Il faudra en effet des projets de recherche importants, comme le projet CGAL en Europe, pour y parvenir.

45Il reste que ce savoir n’a pas eu beaucoup d’influence sur les programmes de développement de la robotique.

  • 16 J. Barraquand et J.-C. Latombe, « Robot motion planning : a distributed representation approach », (...)
  • 17 O. Khatib, « Real-time obstacle avoidance for manipulators and mobile robots », The International J (...)

46En 1990, je séjourne quelques mois à l’université de Stanford. Jérôme Barraquand et Jean-Claude Latombe viennent de mettre au point une toute nouvelle approche16. Il s’agit d’étendre une méthode de recherche locale mise en place par Oussama Khatib quelques années auparavant : la méthode des potentiels17. La méthode agit dans l’espace des configurations. Le point de départ est attiré par le but à atteindre, tout en étant repoussé par les obstacles qui se situent sur son chemin au fur et à mesure de sa progression. Les potentiels attractifs et répulsifs engendrés respectivement par le but et les obstacles se combinent, donnant naissance à un champ de potentiel. Un algorithme de suivi de la plus forte pente (le gradient) permet de progresser vers le but. Il reste que la méthode, pour efficace qu’elle soit en pratique, a l’inconvénient de s’arrêter dans des zones de pente nulle, les puits de potentiel qui ne correspondent pas nécessairement au but à atteindre.

47Barraquand et Latombe ont l’idée, ou peut-on dire l’audace, d’introduire dans ces cas-là des marches aléatoires. L’algorithme consiste ainsi en une séquence alternant descentes de gradient et marches aléatoires. Comment prouver qu’on va ainsi atteindre le but ? On ne le peut pas. Ou plutôt, on peut apporter la preuve que s’il existe une solution au problème, alors il existe une séquence de longueur indéfinie qui en trouvera une. Et s’il n’y a pas de solution, l’algorithme « bouclera » à l’infini. En pratique, on l’arrêtera à partir d’un certain temps de calcul, et on se retrouvera sans solution, ni garantie qu’il n’y en ait pas. On ne peut pas dire que le problème formel du déménageur de piano est résolu. Pourtant, les résultats sont spectaculaires. Un étudiant me fait une démonstration sur un système constitué de huit barres articulées (espace des configurations de dimension huit, dimension jusqu’alors hors de portée de toute autre méthode) : le « robot » se faufile dans un espace très encombré après seulement quelques secondes de calcul. Je suis époustouflé devant tant d’aisance. Connaissant quelque peu le problème, je propose à l’étudiant de faire tourner son programme à partir d’une configuration de départ très particulière qui est attirée par un puits de potentiel très profond. Après plus d’une nuit de calcul, le programme n’a pas trouvé de solution, alors que nous savons qu’il en existe une. La morale est sauve. Il n’y a pas de miracle. Le savoir-faire d’Héphaïstos ne se hisse pas au rang du savoir.

48Le problème restait entier. Le problème restait entier ? Certes ! Simplement, il avait fallu que j’élabore un cas très particulier pour « piéger » l’algorithme. En général, l’algorithme marchait très bien.

  • 18 Florent Lamiraux, maintenant directeur de recherche au CNRS.

49Intrigué, je lançai, à mon retour de Stanford, un sujet de recherche que je peux résumer ainsi : pourquoi la méthode marche-t-elle « si bien » ? Un an de travaux avec un doctorant18 permit d’identifier le type de mathématiques qui pourraient rendre compte de la performance : elles parlent de théories des « catastrophes » et de « percolation ». J’allai donner un séminaire dans un laboratoire de physique statistique de Toulouse. J’y rencontrai des spécialistes qui comprirent très rapidement la nature du problème que nous posions ; non sans humour, ils me proposèrent d’intégrer leur laboratoire pour que nous traitions ensemble du problème ; auquel cas, il me fallait abandonner la robotique. Comprendre le comportement de ces méthodes est en effet un problème très difficile. Il reste ouvert encore aujourd’hui. Au retour de ce séminaire, nous convînmes avec mon doctorant de changer le sujet de sa thèse. Héphaïstos rageait d’abandonner. Qu’importe, il avait ouvert la porte au développement des méthodes probabilistes.

  • 19 L. E. Kavraki, P. Svestka, J.-C. Latombe et M. H. Overmars, « Probabilistic roadmaps for path plann (...)

50Contrairement aux méthodes issues de la géométrie algébrique ou de la géométrie algorithmique, les méthodes probabilistes ne requièrent pas de construction explicite des obstacles dans l’espace des configurations. Un simple détecteur de collision entre corps dans l’espace réel à trois dimensions suffit à les mettre en place. Dans sa version de base19, l’algorithme probabiliste tire des configurations aléatoirement ; si une configuration est dans l’espace libre d’obstacle (test obtenu par l’application du détecteur de collision), elle est ajoutée à la structure de données ; on vérifie alors s’il est possible de la connecter par un chemin sans collision à d’autres configurations déjà calculées ; si c’est le cas, on mémorise l’information. La structure de données s’enrichit au fur et à mesure des calculs. Elle prend la forme d’une carte – on parle de graphe – qui tend à couvrir l’espace de chemins libres d’obstacle. Résoudre un problème de planification du mouvement revient alors à vérifier si le départ et le but sont atteignables à partir des points de la carte, et si ces points peuvent être reliés entre eux par une séquence de chemins préalablement calculés. Le problème continu de recherche d’un chemin dans l’espace des configurations se trouve ainsi réduit au problème combinatoire de la recherche de chemins dans un graphe. Le passage du continu au combinatoire est fait. C’était le but. La méthode est simple et générale.

  • 20 La recherche dans ce domaine consiste à donner un « sens » au tirage aléatoire, c’est-à-dire à intr (...)

51Elle est à l’origine de très nombreuses variantes possédant chacune des caractéristiques propres. Elles sont maintenant encore développées par plusieurs équipes dans le monde, et sans cesse améliorées20. Elles doivent leur succès à leur adéquation avec l’état de la technologie en matière de puissance de calcul. Élaborées vingt ans plus tôt, présentées sur la seule base de leur apport formel, sans le possible recours à des cas d’études que les processeurs de l’époque n’auraient pas permis de résoudre, ces méthodes n’auraient pas été publiées.

52Non seulement les méthodes probabilistes sont efficaces en pratique, mais elles sont également faciles à programmer. Elles permettent aujourd’hui de planifier les mouvements complexes d’un robot humanoïde transportant des objets encombrants.

53Elles trouvent aussi des débouchés inattendus.

54Les méthodes probabilistes sont à l’origine d’une plateforme logicielle élaborée au LAAS par Thierry Siméon dans le cadre d’un projet européen auquel participaient des industriels. Des problèmes grandeur nature sont alors résolus avec succès : il s’agissait de simuler des opérations de maintenance dans des installations industrielles. En 1999 paraît la loi sur l’innovation. Elle encourage les chercheurs à créer leur entreprise. Elle s’accompagne d’un concours. Le concours est passé avec succès. L’entreprise Kineo est créée en décembre 2000. L’idée était de se tourner vers le marché du prototypage virtuel : dans ce secteur, il s’agit de valider des solutions d’assemblage mécanique et de programmation de robots à partir de maquettes numériques. On est dans un monde virtuel à trois dimensions, dans une phase de conception préalable à la phase de production. Les techniciens explorent la maquette sur un écran d’ordinateur, bougent des pièces mécaniques, vérifient qu’elles sont conformes. Il s’agit par exemple de prouver qu’on peut placer un siège tout juste sorti d’un bureau d’étude à l’intérieur de l’habitacle d’une voiture. Si ce n’est pas le cas, le siège doit être redessiné. C’est le problème du déménageur de piano vu sous l’angle de l’assemblage mécanique. La tâche de vérification peut prendre plusieurs heures au technicien. Les algorithmes probabilistes résolvent le problème en quelques secondes. Là se trouve la valeur du mouvement. Quelques années sont nécessaires pour transformer en produit le prototype logiciel issu du laboratoire, et pour l’intégrer, entre autres, aux progiciels diffusés par Dassault Systèmes et Siemens : en 2011, la société gère un portefeuille de plus de 1700 licences (150 clients dans 25 pays) qui équipent la quasi-totalité des constructeurs automobiles dans le monde. Héphaïstos a bien fait son travail.

55Mais il rage toujours de ne pas comprendre les raisons de ce succès. Comprenons bien : le problème du déménageur de piano est un problème bien posé ; il peut être résolu sur un ordinateur, c’est démontré ; en revanche sa complexité place sa résolution hors de portée de la technologie actuelle en matière de calcul ; rappelons que par « résolution », on entend qu’il est possible à un ordinateur de décider de l’absence de solution ; dans ce sens-là les méthodes probabilistes n’ont cure de résoudre le problème ; elles donnent en général une solution s’il en existe une, et cela est bien suffisant ; « comprendre » est une autre histoire ; il ne s’agit pas de ralentir le processus d’innovation. Il y a du génie dans ces méthodes, redisons-le : il réside dans leur parfaite adéquation avec l’état de la technologie en matière de calcul ; les ordinateurs des années soixante n’auraient pas récompensé la même hardiesse.

*
* *

56Restons dans le domaine du mouvement.

57En 1985, Georges Giralt me pose la question suivante : le problème du déménageur de piano est un problème bien compris ; pour le résoudre, il suffit d’explorer les composantes connexes de l’espace des configurations sans collision ; l’hypothèse sous-jacente est que tout mouvement du système mécanique a pour image un chemin dans l’espace des configurations ; mais qu’en est-il de la réciproque ? À tout chemin correspond-il un mouvement ? en particulier, un robot mobile à roues doit rouler sans glisser ; il ne peut pas se déplacer dans toutes les directions ; ce n’est pas un piano que les déménageurs peuvent déplacer dans tous les sens. Toute la construction précédente s’effondre : ce n’est pas parce qu’on va trouver un chemin sans collision dans l’espace des configurations que ce chemin est l’image d’un mouvement admissible pour le robot mobile. Faire un créneau est une tâche plus difficile qu’il n’y paraît. Elle impose de revoir la théorie.

58À partir des années quatre-vingt-dix et jusqu’à la fin des années deux mille, des sessions entières de conférences de robotique sont consacrées au problème. Elles ont maintenant disparu. L’explication est simple : le problème a été résolu, ou plutôt, l’ingénieur dispose aujourd’hui de tout ce qu’il faut pour permettre à un robot mobile de décider de ses trajectoires en totale autonomie. Entrons dans les détails.

59En 1986, je propose une démonstration laborieuse, découpant et collant des arcs de cercle et des segments de droite, et montrant que tous les chemins d’un piano peuvent être approchés par les chemins d’une voiture de même taille, pourvu que la voiture manœuvre. Immédiatement, le lien se fait avec la mécanique des systèmes non linéaires : une voiture est un système non holonome, un concept qui recouvre le fait qu’un conducteur ne peut agir que sur deux paramètres – la vitesse et la direction du véhicule – alors qu’il s’agit pour lui de maîtriser les deux paramètres de position de la voiture, et son orientation. Autrement dit : l’espace des configurations d’une voiture est de dimension trois, mais le nombre de ses degrés de liberté est de dimension deux. De manière imagée, on peut dire qu’il manque un moteur pour se déplacer en crabe.

  • 21 Z. Li et J. F. Canny (dir.), Nonholonomic Motion Planning, Kluwer Academic Publishers, 1993.
  • 22 J.-J. Risler et F. Luca, « The maximum of the degree of nonholonomy for the car with n trailers », (...)

60Les mathématiques vont être d’un apport décisif à ce problème21. Elles vont montrer au roboticien comment cette direction de mouvement en crabe peut être approchée par une séquence de mouvements admissibles. Les notions de crochet de Lie de champs de vecteur et de géométrie sous-riemannienne sont sous-jacentes. Un lien doit être fait entre ces notions, qui sont du ressort des mathématiques pures (et non des mathématiques appliquées), et les notions combinatoires de décidabilité. La preuve est établie que pour garer sa voiture, le nombre de manœuvres à effectuer varie comme l’inverse du carré de l’espace libre. Et si le véhicule tire des remorques à la queue leu leu (comme les chariots dans les aéroports), le nombre de manœuvres peut aller jusqu’à suivre une fonction exponentielle de Fib(n+3), formule dans laquelle Fib représente la fameuse séquence des nombres de Fibonacci 1, 1, 2, 3, 5, 8, 13,… et n correspond au nombre de remorques22. Ce nombre croît lui-même comme une fonction exponentielle, c’est-à-dire extrêmement rapidement. Le résultat indique que, s’il est envisageable de faire un créneau avec une voiture tractant une caravane ou un tracteur sa charrette, il n’est pas raisonnable de demander une telle prouesse à un bagagiste sur une piste d’aéroport. Ce n’est pas que la tâche soit impossible, c’est qu’elle est trop complexe : le nombre de manœuvres serait beaucoup trop grand. Et ce n’est pas une question de technologie, c’est une réalité physique. Héphaïstos peut toujours essayer. Il se fera moquer par Athéna. Ce beau résultat de combinatoire repose sur la connaissance de géométries quelque peu exotiques. Le savoir a des débouchés là où on ne s’y attendait pas : la robotique est invitée au colloque « Mathématiques à venir » organisé en 1987 à l’École polytechnique, dans une session spéciale subtilement intitulée « Applications des mathématiques pures ». Les ingénieurs n’ont donc pas seulement besoin des mathématiques appliquées pour conduire leurs innovations, ils ont aussi besoin des mathématiques pures.

61Le résultat précédent est en fait un résultat d’existence : il est possible de garer un véhicule sous certaines conditions. Mais comment faire en pratique ? Le roboticien va exiger une preuve « constructive » du résultat d’existence. Le mathématicien est poussé dans ses retranchements : il donne une solution quasi complète au problème pour une remorque ; le roboticien la complètera, et le robot mobile Hilare du LAAS pourra garer sa remorque en totale autonomie en 1993. C’est une première. Le résultat est généralisable à plusieurs remorques, si leurs attaches sont centrées sur l’essieu de la remorque qui les précède (le diable réside vraiment dans les détails !). En revanche, le mathématicien échoue à fournir une construction pour un système général. Le problème est un problème ouvert, très difficile : on sait comment calculer les trajectoires d’un robot mobile à deux remorques à attache centrée ; on ne sait pas le faire pour un robot à deux remorques à attache déportée.

62Qu’a-t-on tiré de ces résultats ?

63Première leçon : le problème du créneau est résolu. Au début des années deux mille, une réunion avec un responsable de programmes de Siemens m’apprend que l’équipementier n’est pas intéressé par nos solutions. La raison n’est pas la faisabilité d’un possible transfert. La raison tient au fait que les constructeurs automobiles ne souhaitent pas concevoir des systèmes automatiques de conduite pour des raisons de responsabilité juridique en cas d’incident ; le conducteur doit rester le seul responsable du comportement du véhicule. L’automatisation complète de la conduite (c’est-à-dire une forme d’autonomie du véhicule) n’est pas à l’ordre du jour. Dommage. On en restera aux systèmes d’aide à la conduite que nous voyons maintenant émerger.

64Deuxième leçon : s’il le faut vraiment, l’ingénieur va savoir calculer des trajectoires pour le système à deux remorques à attaches déportées… Comment cela se peut-il ? L’histoire est la suivante. En 2000, Airbus et le ministère de l’Équipement lancent le projet Grand Itinéraire : il s’agit de convoyer les six composants du futur Airbus A380 par convoi exceptionnel de la petite ville de Langon à Toulouse ; les dimensions du convoi sont hors normes ; les routes doivent être redessinées par endroits ; pour cela il est nécessaire de simuler avec précision les trajectoires du convoi. La direction départementale à l’Équipement (DDE) fait appel à Kineo ; une belle opportunité pour la jeune entreprise de conforter sa position de spécialiste en planification et contrôle du mouvement. Seulement, alors que quatre des six camions possèdent une remorque à attache centrée, deux autres correspondent au modèle du robot tractant deux remorques à attaches déportées. Pas de chance ! Qu’à cela ne tienne, les ingénieurs de Kineo et les chercheurs du LAAS vont mettre au point une méthode d’optimisation numérique (dérivée de méthodes connues en mathématiques appliquées) qui va permettre ces simulations, avec succès, dans la traversée des villages de Condom et de Lévignac. L’occasion était trop belle pour Kineo. Comprenez : la tâche allait permettre de payer les premiers salaires de la toute jeune société. Le problème mathématique a-t-il été résolu pour autant ? Non. La méthode numérique a seulement répondu au cahier des charges posé par la DDE.

65Ces savoirs qui n’intéressent pas et ces nouveaux savoir-faire stériles du point de vue de l’avancée des connaissances sont typiques des processus de recherche et d’innovation.

*
* *

66Venons-en à la dernière partie de cet exposé, consacrée aux robots humanoïdes.

67Les robots humanoïdes apparaissent dans les années soixante-dix. Les progrès technologiques en matière de mécatronique – miniaturisation des composants électroniques et puissance croissante des moteurs électriques – permettent leur déploiement dans les laboratoires de recherche depuis une dizaine d’années. On compte aujourd’hui une bonne vingtaine de prototypes différents.

  • 23 Voir en particulier l’article de R. Brooks, « I, Rodney Brooks, Am a Robot », dans la revue IEEE Sp (...)

68Héphaïstos recommence donc avec de nouvelles Pandore. Elles ne sont plus d’argile mais mécatroniques. Et elles sont animées. Le roboticien continue à poser la question de l’autonomie : de quelle capacité d’adaptation peut-on espérer doter ces nouvelles machines ? L’analogie entre l’homme et la machine s’impose23. Elle ne peut être esquivée. Héphaïstos détiendrait-il, finalement, les clés du savoir ? Avec ses machines qui s’adaptent, qui « décident » de leurs actions, que peut-il nous dire sur notre propre « fonctionnement » ? La question est dangereuse et belle.

69Le danger est épistémique. La robotique ne peut servir d’alibi à la biologie. Un modèle biologique ne peut pas être validé sur une plateforme robotique. Si des modèles du vivant peuvent être simulés sur ordinateur, si des robots peuvent être commandés selon ces principes, parfois très efficacement, il n’est en aucun cas possible de conclure à leur validité du seul fait de leur caractère opérationnel en robotique. Ce n’est pas parce qu’un roboticien utilise avec succès un modèle bio-inspiré que ce succès dit quoi que ce soit sur la validité du modèle biologique. Et inversement, ce n’est pas parce que le roboticien est capable de faire naviguer un robot mobile dans un environnement encombré d’obstacles que nous savons comment l’homme ou l’animal résout le même problème.

70La confusion est pourtant tentante. Elle est souvent avérée. Elle est entretenue par le dangereux usage des mots. On passe imprudemment de la machine « autonome », à la machine « intelligente », puis « pensante », voire « consciente », « sensible », et pourquoi pas « amoureuse » (à ma connaissance personne n’a encore osé le mot). Soyons émerveillés par la prouesse du robot de Toyota jouant du jazz à la trompette, mais sachons qu’il « n’éprouve » rien, qu’il n’y a aucune « humanité » dans son jeu, et réfléchissons à nos propres transferts : certains d’entre nous ont une étrange affection pour leur voiture ; je ne pense pas que l’affection soit réciproque !

71Gardons en tête l’image du mythe – et ce n’est qu’une image : si le roboticien peut s’identifier à Héphaïstos, s’il peut façonner Pandore dans l’argile, il n’est ni Athéna, ni Geppetto : il ne donnera jamais une quelconque humanité à l’argile ou au bois. Un robot est une machine commandée par un ordinateur, il n’est que cela. Pour animé qu’il soit, il reste et restera un objet sans âme qui s’attache à notre âme [, ni] force d’aimer. Laissons parler les démiurges, régalons-nous des œuvres de Fritz Lang et de Mary Shelley, et n’ayons pas peur. Pour tout dire, sommes-nous vraiment angoissés ? Ce n’est pas si certain. En tout cas, nos amis japonais ne le sont pas, eux si différents de nous, eux pour qui l’union est possible.

72La question de l’analogie entre l’homme et le robot humanoïde est dangereuse, il fallait y répondre. Elle est aussi belle et passionnante, à partir du moment qu’on lui donne quelque rigoureuse substance.

73Un système anthropomorphe – l’homme ou le robot humanoïde – est un système à la fois redondant et sous-actionné. Précisons ces deux termes qui ont l’avantage d’être spécialisés et non pollués par un usage courant.

74Prenons un squelette humain tel qu’il était exposé naguère dans les salles de sciences naturelles de nos écoles. C’est un ensemble composé de quelques dizaines d’os articulés entre eux. Donner une valeur d’angle aux différentes articulations revient à définir une posture du squelette : il est debout, assis, en position de courir, de prendre, etc. Avec tous ces angles, on retrouve la notion d’espace des configurations. Pour animer son squelette, le corps humain dispose de plusieurs centaines de muscles. Ils constituent l’espace moteur. Les tensions exercées sur les muscles font varier les valeurs des articulations. La situation des robots humanoïdes actuels est plus simple : à chaque articulation est associé un moteur. L’espace des configurations et l’espace moteur se confondent. Pour saisir une balle posée sur une table, l’homme et le robot humanoïde doivent approcher leur main de la balle. D’un point de vue géométrique, cette tâche est de dimension trois : en effet, trois paramètres sont nécessaires pour situer la balle dans l’espace. Le robot dispose d’une trentaine de moteurs, l’homme de plusieurs centaines de muscles. C’est trop. Il y a un grand écart entre la dimension de la tâche et la dimension de l’espace moteur. Cet écart autorise une infinité de façons de réaliser l’objectif : on peut utiliser la main droite ou la main gauche, on peut se gratter la tête d’une main et saisir la balle de l’autre ; si la balle est à terre, on peut la saisir en pliant ou sans plier les genoux selon son humeur ou son degré de souplesse. Un système est redondant dès lors que son espace moteur a une dimension supérieure à la dimension de la tâche à effectuer. La notion d’espace est liée à la notion d’action.

  • 24 Il peut sembler étrange de considérer six paramètres : de fait, ce sont bien six paramètres qu’il f (...)

75Un système anthropomorphe est aussi sous-actionné. Cette caractéristique a trait au déplacement du système dans son environnement. Les paramètres angulaires précédemment évoqués sur le squelette disent la posture du squelette, ils ne disent pas la position du squelette dans son environnement (est-il près du tableau, au fond de l’amphithéâtre ?). Il reste donc à placer le système dans son environnement : six paramètres y suffisent comme nous l’avons vu. L’espace des configurations d’un système anthropomorphe se compose donc des variables articulaires du squelette et des six paramètres de placement24. Aucun muscle, aucun moteur n’est en charge de faire varier directement les paramètres de placement. C’est dans ce sens que le système est dit sous-actionné.

76S’il est une prouesse technologique réalisée par l’homme, c’est bien l’invention de la roue. Un disque tournant dans un plan vertical posé sur un plan horizontal se met à rouler : le centre du disque se déplace. La roue est « spécialisée » dans le déplacement. Si se déplacer est l’apanage du vivant (en tout cas en première approche), il est étonnant de constater que la nature n’a pas inventé la roue. « Un système anthropomorphe est sous-actionné » signifie qu’il ne possède pas de moteurs spécialisés dans le déplacement : l’homme se déplace en mettant un pied devant l’autre et en recommençant, c’est-à-dire en faisant varier les articulations internes de son squelette, et donc en activant un grand nombre de muscles, alors même que deux roues eussent suffi. La locomotion anthropomorphe est une tâche beaucoup plus « complexe » que la conduite automobile : l’une fait intervenir beaucoup plus de variables motrices que l’autre.

  • 25 H. Poincaré, « L’espace et la géométrie », Revue de métaphysique et de morale, 1895, vol. III, p. 6 (...)

77Comment tous les muscles du corps humain se coordonnent-ils pour réaliser une tâche de saisie ? Comment coordonner tous les moteurs d’un robot humanoïde pour réaliser la même tâche ? Quelle trajectoire un individu prend-il pour sortir d’une pièce ? Comment calculer la trajectoire du robot humanoïde dans la même situation ? Les questions sont précises. Si les unes cherchent à comprendre et les autres à faire, la formulation que nous avons introduite montre qu’elles sont de même nature. Elles interrogent la relation entre l’espace moteur et l’espace physique. Cette relation est centrale pour comprendre notre rapport au monde. Henri Poincaré en a posé les termes25. C’est bien là la puissance des mathématiques que de proposer une formulation commune aux sciences et aux techniques, et c’est cette base qui contribue aujourd’hui à l’émergence de nouveaux champs comme la neuro-robotique.

  • 26 O. Kanoun, J.-P. Laumond et E. Yoshida, « Planning foot placements for a humanoid robot: a problem (...)

78Si toutes les variables angulaires d’un squelette sont connues, il est aisé de déduire la position de la main gauche dans l’espace : elle est unique. La réciproque est fausse. Si vous connaissez la position de la main gauche dans l’espace, il y a une infinité de variables angulaires du squelette qui donnent la même position de main (le squelette est redondant). Elles vont correspondre à une infinité de postures, dont certaines peuvent être irréalistes. Il faut donc d’autres critères pour faire la sélection. Parmi toutes les postures possibles, vous pouvez demander celle qui est la plus confortable, c’est-à-dire celle qui correspond au moindre effort, l’effort étant exprimé, dans l’espace moteur, comme la somme de toutes les forces exercées sur les muscles. Dans ce cas, un algorithme d’optimisation numérique va conduire à la sélection de la meilleure posture. La méthode s’applique aux systèmes redondants, mais ne rend pas compte du sous-actionnement. Elle permet de saisir une balle à la condition de ne pas marcher. Nous avons récemment levé la restriction grâce à une astuce de modélisation26 : le système locomoteur sous-actionné est représenté sous la forme d’un bras manipulateur virtuel constitué d’empreintes de pas qui peuvent se plier comme un accordéon ; nous ajoutons ainsi artificiellement de la redondance au système, et la méthode générale peut s’appliquer. Un algorithme d’optimisation va ainsi pouvoir sélectionner un mouvement et coordonner les 30 moteurs du robot HRP2 pour qu’il ramasse une balle située à ses pieds. Pour ce faire, le robot doit reculer ; aucun programme spécifique à la locomotion ne l’a précisé ; les quelques pas que le robot effectue en arrière pour dégager la balle font partie intégrante de la tâche de saisie. Le corps tout entier y a contribué.

  • 27 Y. Nakamura, Advanced Robotics: Redundancy and Optimization, Boston, Addison-Wesley Longman Publish (...)

79Je disais plus haut que faire peut fournir des instruments pour comprendre. En voici un très bel exemple. Sur la base des principes que nous venons de voir et qu’il a contribué à développer27, Yoshi Nakamura, de l’université de Tokyo, vient de mettre récemment au point une méthode qui permet de « voir » l’état de tension de tous les muscles d’un homme à partir de la seule observation de ses mouvements. Un ensemble de caméras repèrent la position des segments corporels dans l’espace ambiant ; elles sont couplées à une plateforme de force qui situe en permanence les points de pression du sujet sur le sol. C’est tout. Étienne-Jules Marey pouvait-il en rêver, lui qui a inventé la chronophotographie dans le même but d’observer et de comprendre le mouvement humain ? Comprenez qu’il s’agit d’une technique qui permet de voir le système musculaire à l’intérieur du corps sur la seule base de l’observation visuelle de son enveloppe : nul besoin de passer le sujet aux rayons X ou au scanner, le modèle mathématique suffit, simple, efficace, et bon marché. La technique repose uniquement sur la maîtrise de la fonction qui met en relation l’espace de la tâche et l’espace moteur. Henri Poincaré aurait salué l’invention.

  • 28 N. Bernstein, The Coordination and Regulation of Movements, Oxford, Pergamon Press, 1967.
  • 29 Le mécanicien parle de « degrés de liberté », une belle expression dans ce contexte.
  • 30 A. Berthoz, La Simplexité, Paris, Odile Jacob, 2010.
  • 31 Pour cela nous avons mis en place un paradigme de résolution : la commande optimale inverse. Habitu (...)

80Le principe d’optimalité sous-jacent à l’étude de la relation entre espace moteur et espace de l’action ne pouvait pas ne pas entrer en résonance avec les mêmes principes étudiés en neurophysiologie. Si le cerveau – et le système nerveux dans son ensemble – dispose de plusieurs centaines de muscles pour contrôler la main qui s’apprête à saisir un objet, comment fait-il pour faire face à cette extraordinaire complexité ? La réponse est « simple » : l’évolution a mis en place des principes de synergie musculaire, une forme d’automatisme qui coordonne un ensemble de muscles par l’intermédiaire d’un faible nombre de paramètres28. Si au final le mouvement se déroule bien dans des espaces de très grandes dimensions (espace moteur et espace des configurations), les études montrent que le choix29 s’effectue dans des sous-espaces plus faiblement dimensionnés, conséquences de couplages (lorsqu’on marche, le bras droit avance avec la jambe gauche) et de principes d’optimalité. Ils réduisent la dimension des espaces à explorer. L’identification de ces couplages et de ces principes est aujourd’hui un thème central des neurosciences computationnelles. Pionnier dans le domaine, Alain Berthoz a trouvé un beau nom à la théorie sous-jacente : la « simplexité30 ». Elle réunit ces principes réducteurs de la complexité que le vivant a su inventer. Ensemble, et en collaboration avec notre collègue spécialiste d’optimisation numérique Katja Mombaur, nous avons pu mettre en évidence les principes qui préludent à la formation des trajectoires locomotrices. Prenons l’exemple suivant : vous entrez dans un très grand espace vide (une galerie marchande) que vous devez traverser pour en sortir (par une porte). L’espace est vaste. Vous allez suivre une trajectoire, vous croyez que c’est la vôtre. Nous avons montré qu’en fait, tout le monde va suivre sensiblement la même. Notre comportement est stéréotypé. Il suit un principe qui exprime une subtile combinaison entre le confort du mouvement, qui conduit à anticiper l’orientation finale à atteindre (être bien en face de la porte de sortie), et l’ancrage du regard sur la porte. La difficulté est de trouver ce principe31 ; mais une fois trouvé, il est très facile à mettre en œuvre sur un robot. C’est ainsi que le robot humanoïde HRP2 emprunte les mêmes trajectoires que celles que nous emprunterions à sa place.

81Le roboticien bénéficie des principes qui régissent l’autonomie du vivant tout en contribuant à leur étude.

82Fallait-il nécessairement en passer par-là pour faire marcher le robot HRP2 ? La réponse est non. D’autres robots utilisent d’autres approches qui sont aussi raisonnables du point de vue du résultat.

  • 32 Ce n’est pas le cas des étonnantes machines bipèdes (et même unijambistes !) mises au point par Mar (...)
  • 33 S. Kajita et al., « Biped walking pattern generation by using preview control of zero-moment point  (...)
  • 34 M. Vukobratović et J. Stepanenko, « On the stability of anthropomorphic systems », Mathematical Bio (...)

83Mais poursuivons et examinons de plus près la démarche des robots humanoïdes actuels. La plupart d’entre eux ont les pieds plats et marchent jambes fléchies32. Ce manque de souplesse est une conséquence du long processus qui a conduit à leur conception. Le principal défi de la locomotion bipède est le maintien de l’équilibre. Sur un sol plan, les pieds plats forment un polygone de sustentation. À condition que son centre de masse soit au-dessus de ce polygone, le robot peut rester parfaitement immobile ; on peut le bousculer légèrement, il ne tombe pas. Concevoir une méthode de locomotion basée sur ce principe conduit à garantir qu’à tout instant le centre de masse se projette bien sur le polygone, support des deux pieds. La marche est alors lente et laborieuse. Il faut faire mieux. Un astucieux modèle de stabilité est introduit par Shuuji Kajita de l’institut japonais AIST en 200333. Il reprend une idée introduite trente ans auparavant par Miomir Vukobratović34 : l’ensemble des forces de réaction exercées par un sol plan sur la surface d’un corps en contact peut être réduit à une seule force exercée sur un point appelé centre de pression. Si l’on souhaite que le robot ne tombe pas, il suffit que ce point reste au dessus du polygone support. Des capteurs d’effort placés sous les pieds du robot permettent de connaître à tout instant la position du centre de pression. La commande du robot consiste alors à jouer sur la modification du centre de masse, pour garantir que le centre de pression reste dans le polygone support. Le centre de masse n’a plus besoin de vérifier la même contrainte. La démarche est plus fluide. Conceptuellement, l’innovation repose sur une approche de la marche anthropomorphe qui part des pieds. Elle impose néanmoins au robot d’avoir les pieds plats et de planifier à l’avance la position de ses pas.

84L’intuition suggère que nous ne marchons pas de cette façon…

  • 35 A. Berthoz, Le Sens du mouvement, Paris, Odile Jacob, 1997.

85Le neurophysiologiste oppose aux roboticiens une approche radicalement différente : la nature montre que les bipèdes marchent avec la tête, pas avec les pieds ! Quel est le sens de cette provocation ? Résumons rapidement : la méthode de contrôle que nous avons évoquée repose sur l’observation du centre de pression exercé par les pieds sur le sol (l’information est donnée par des capteurs d’effort placés sous les pieds du robot) ; or le neurophysiologiste nous enseigne que le bipède – vivant – stabilise sa tête en rotation dans le plan sagittal35. Le référentiel à l’origine du contrôle de la locomotion se trouve dans la tête (l’information est donnée par le système vestibulaire). La locomotion doit être envisagée comme un processus qui part du regard vers les pieds, et non l’inverse. Un robot ne marchera comme un humain qu’à la condition de placer les capteurs de posture (centrales inertielles et autres accéléromètres) dans une tête articulée. En conséquence, la conception même du robot bipède doit intégrer un corps complet : on ne doit pas le concevoir étapes par étapes, d’abord les jambes, puis le tronc, les bras et la tête, comme c’est souvent le cas. La tête n’est pas seulement destinée à porter deux caméras et à donner une apparence humaine au robot. Elle est une condition indispensable à la stabilisation de la locomotion du bipède vivant. Elle est une condition possible à la stabilisation de la locomotion des robots humanoïdes.

  • 36 Nous avons vu que le roboticien a été capable de trouver une méthode pour la conduite automobile : (...)
  • 37 Je force un peu trop le trait en effet, car d’importants résultats en robotique émanent d’approches (...)

86Le message est clair. Le principe a été découvert, il reste au roboticien à l’inventer. Il ne suffit pas de dire, il faut faire. D’ailleurs, l’enfant lui-même doit l’« inventer » dans une longue période d’apprentissage. Quels sont les mécanismes qui conduisent cet apprentissage ? Voilà des questions autour desquelles neurophysiologistes, psychophysiciens et roboticiens se retrouvent, et qui nourrissent la féconde tension. Le dialogue est possible : les modèles probabilistes, par exemple, sont là pour décrire les processus. Les chaînes de Markov et l’inférence bayésienne permettent de structurer et d’explorer des bases de données de grande taille dans des espaces de grande dimension. Elles bénéficient, elles aussi, des progrès technologiques en matière de calcul. Il reste que, si la corrélation entre deux variables permet au roboticien de stabiliser son robot, elle ne dit rien sur les relations de causalité. De toute façon, il n’en a cure, condamné qu’il est à faire. Et s’il peut inventer une méthode qui s’affranchisse de cette phase d’apprentissage, c’est tant mieux36. Je force sciemment le trait37 : on ne se protège jamais assez des « dangereuses analogies ».

*
* *

87Le millénaire passé s’est terminé sur la spectaculaire percée de l’informatique. Le deuxième naît avec la révolution robotique. Il ne s’agit plus seulement de manipuler des informations, les « choses » se mettent à bouger.

88La robotique manufacturière s’est discrètement imposée dans les années de croissance sans qu’elle soit vraiment affichée comme un facteur de progrès. Aujourd’hui, d’autres adjectifs la qualifient dans un foisonnement que nous avons évoqué en introduction : la robotique est médicale, personnelle, d’assistance, d’exploration, agraire, sous-marine, volante, spatiale, militaire. Touche-à-tout, la robotique est aujourd’hui un fleuron de la technologie. On attend beaucoup d’elle.

89Depuis 2006, le programme japonais Information and Robot Technology voit dans la robotique le moyen d’aborder la question de l’inversion de la pyramide des âges. Les robots assistants vont partager notre quotidien. Ils faciliteront la mobilité des personnes âgées et permettront leur maintien à domicile en toute sécurité. L’an dernier, l’administration américaine a lancé le programme National Robotics Initiative, doté de 70 millions de dollars par an : il s’agit d’élaborer des robots capables de travailler en collaboration étroite avec des hommes, dans le domaine manufacturier, mais aussi médical, spatial, militaire et celui de l’aide à la personne. Ces programmes, alliant pouvoirs publics, industries, universités et instituts de recherche, marquent un tournant dans ce sens que la conscience est prise : les robots peuvent sortir des enclos de leurs usines pour travailler avec l’homme et le servir. L’homme devient partie intégrante de l’environnement du robot.

90De même qu’en robotique chirurgicale, où des modèles de déformation du muscle cardiaque sont nécessaires pour contrôler automatiquement la position d’une pince sur un cœur battant, raisonner sur un monde dont l’homme est partie prenante requiert des modèles de l’homme. La relation homme-robot est aujourd’hui un thème central de la recherche en robotique. À elle seule, elle justifie – s’il le fallait – les recherches pluridisciplinaires évoquées plus haut.

91Elles sont indispensables, mais insuffisantes. Les questions de sécurité dans l’interaction physique de l’homme avec le robot sont critiques ; elles vont au-delà des questions de sécurité et de fiabilité des algorithmes et des programmes telles qu’on a l’habitude de les aborder en informatique ; elles concernent la conception de nouveaux moteurs, plus compliants, de nouveaux matériaux, plus souples, de nouveaux capteurs, plus petits, plus précis. Le spectre est large qui va des micro- (voire nano-) technologies aux questionnements sur les fondements calculatoires de l’action anthropomorphe. L’ambition est grande.

  • 38 « De nombreux chercheurs en robotique, dont je fais partie, ont été stupéfaits par le fait que nous (...)

92Le monde s’est étonné qu’aucun robot ne soit efficacement intervenu dans la centrale nucléaire de Fukushima. Il faut comprendre que les robots d’intervention qui font la une de nos journaux sont encore loin d’être opérationnels. Répondant à un message de solidarité que je lui avais envoyé, Yoshi Nakamura m’écrivit le 20 mars 2011 : « Many robotics researchers including me were shocked by the fact that we have no weapon against the difficulty. Even engineering may have shown its immaturity. » (sic38). La phrase est terrible venant d’un des meilleurs spécialistes mondiaux en robotique.

93Les effets d’annonce sont dangereux. Il faut donner du temps à la recherche. L’innovation doit certes être stimulée (c’est le rôle des grands programmes), mais elle se commande difficilement. Elle apparaît souvent là où on ne l’attend pas, nous en avons vu des exemples et les technologies de l’information en regorgent. Que dire des petits robots Nao que des équipes éducatives utilisent aujourd’hui pour assister les enfants autistes ? Aucune « commande » n’a été passée, et pourtant quelle belle part d’innovation si une petite machine communiquant par la voix et le mouvement peut aider ces enfants à sortir en partie de leur isolement. Toute la période récente prouve qu’il est difficile de prévoir l’impact des progrès en matière de technologie. Steve Jobs n’a pas répondu à des besoins. Il a créé ceux dont on ne peut se passer aujourd’hui, et dont on se passait pourtant hier. C’est bien là son génie.

  • 39 Ce qui vaut pour le roboticien, vaut-il pour le citoyen chercheur en robotique ? Je pense que oui, (...)

94Pour ce qui est de la robotique, son impact va toucher de nombreux secteurs : nous avons fait la liste des plus probables. Comment allons-nous nous adapter ? Facilement. L’homme a une grande plasticité pour intégrer de nouvelles technologies. La roue nous a conduits à bitumer nos paysages et nous avons des difficultés à éteindre nos téléphones portables. L’innovation technologique condamne toujours des savoir-faire et des savoir-vivre. Dans ce sens, la robotique doit aussi nous interroger. Le roboticien peut dire de quoi il retourne, c’est ce que j’ai tenté de faire, mais, malheureusement, certainement pas plus. Il est, face à Athéna, l’éternel boiteux. Il n’a rien à dire qu’il sache sur la civilisation, il ne sait que faire39 !

95Revenons pour conclure au texte d’Apollodore. L’épisode se termine ainsi :

  • 40 Apollodore, op. cit.

[Athéna] s’enfuit et, de la semence tombée dans la terre, naît Érichthonios40.

96Érichthonios est l’un des premiers rois d’Athènes ; ce n’est pas rien. La tentative de possession n’a donc pas été stérile ! C’est bien ce que nous avons vu. Elle transforme d’ores et déjà nos modes de vie.

  • 41 Voir le rapport Positive Impact of Industrial Robots on Employment de la société d’analyse Metra Ma (...)

97Et, contrairement à une idée reçue, l’impact de la robotique en matière d’emplois est positif. Dans les cinq ans à venir, la robotique industrielle va en créer plus d’un million41.

Notes

1 La Bibliothèque d’Apollodore, éd. de Jean-Claude Carrière et Bertrand Massonie, Presses universitaires de Franche-Comté, 1991, III, 14, 188, p. 114 ; texte disponible dans la bibliothèque numérique Librista (http://ista.univ-fcomte.fr).

2 J. Vertut et P. Coiffet, Les Robots : Téléopération assistée par ordinateur, Hermès Sciences, 1985.

3 Et non pas « par un robot » ; prenons garde aux mots.

4 Deutschen Zentrum für Luft- und Raumfahrt (agence spatiale allemande).

5 Exception faite d’une tentative de John Hopcroft, plutôt théoricien de l’informatique que roboticien, qui voyait dans la robotique l’émergence d’une « stéréophénoménologie » dans un article resté étrangement confidentiel : J. E. Hopcroft, « The impact of robotics on computer science », Communications of the ACM, 1986, vol. 29, no 6, p. 486-498, doi : 10.1145/5948.5949.

6 R. A. Brooks, « Intelligence without representation », Artificial Intelligence, 1991, vol. 47, p. 139-159, doi : 10.1016/0004-3702(91)90053-M.

7 Elle est relayée en France par Jean-Arcady Meyer.

8 A. J. Ijspeert, A. Crespi, D. Ryczko et J.-M. Cabelguen, « From swimming to walking with a salamander robot driven by a spinal cord model », Science, 2007, vol. 315, no 5817, p. 1416-1420, doi : 10.1126/science.1138353.

9 École polytechnique fédérale de Lausanne.

10 W. Wang et J.-J. Slotine, « On partial contraction analysis for coupled nonlinear oscillators », Biological Cybernetics, 2005, vol. 92, no 1, p. 38-53, doi : 10.1007/s00422-004-0527-x.

11 F. Ruffier et N. Franceschini, « Optic flow regulation : the key to aircraft automatic guidance », Robotics and Autonomous Systems, 2005, vol. 50, no 4, p. 177-194, doi : 10.1016/j.robot.2004.09.016.

12 O. Khatib et B. Siciliano (dir.), Springer Handbook of Robotics, Springer Verlag, 2008.

13 T. Lozano-Pérez, « Spatial planning : a configuration space approach », IEEE Transactions on Computers, 1983, vol. C-32, no 2, p. 108-120, doi : 10.1109/TC.1983.1676196.

14 J. T. Schwartz et M. Sharir, « On the “piano moversproblem. II. General techniques for computing topological properties of real algebraic manifolds », Advances in Applied Mathematics, 1983, vol. 4, no 1, p. 298-351, doi : 10.1016/0196-8858(83)90014-3.

15 La géométrie algébrique réelle a néanmoins des retombées en robotique : dans le cas des robots parallèles connus pour leur rapidité et leur précision, elle permet d’éviter des erreurs de conception.

16 J. Barraquand et J.-C. Latombe, « Robot motion planning : a distributed representation approach », The International Journal of Robotics Research, 1991, vol. 10, no 6, p. 628-649, doi : 10.1177/027836499101000604.

17 O. Khatib, « Real-time obstacle avoidance for manipulators and mobile robots », The International Journal of Robotics Research, 1986, vol. 5, no 1, p. 90-98, doi : 10.1177/027836498600500106.

18 Florent Lamiraux, maintenant directeur de recherche au CNRS.

19 L. E. Kavraki, P. Svestka, J.-C. Latombe et M. H. Overmars, « Probabilistic roadmaps for path planning in high-dimensional configuration spaces », IEEE Transactions on Robotics and Automation, 1996, vol. 12, no 4, p. 566-580, doi : 10.1109/70.508439.

20 La recherche dans ce domaine consiste à donner un « sens » au tirage aléatoire, c’est-à-dire à introduire différentes lois de distribution de probabilité en fonction du contexte. Il s’est ainsi développé une véritable ingénierie de l’algorithmique probabiliste.

21 Z. Li et J. F. Canny (dir.), Nonholonomic Motion Planning, Kluwer Academic Publishers, 1993.

22 J.-J. Risler et F. Luca, « The maximum of the degree of nonholonomy for the car with n trailers », Proceedings of the IFAC Symposium on Robot Control, 1994, doi : 10.1.1.48.2332.

23 Voir en particulier l’article de R. Brooks, « I, Rodney Brooks, Am a Robot », dans la revue IEEE Spectrum de juin 2008 (www.spectrum.ieee.org).

24 Il peut sembler étrange de considérer six paramètres : de fait, ce sont bien six paramètres qu’il faut considérer pour situer un astronaute flottant dans la navette spatiale. Néanmoins, dans la vie courante, l’homme n’est pas un corps « flottant » dans l’espace. Il évolue sur une surface et trois paramètres suffisent à le repérer.

25 H. Poincaré, « L’espace et la géométrie », Revue de métaphysique et de morale, 1895, vol. III, p. 631-646.

26 O. Kanoun, J.-P. Laumond et E. Yoshida, « Planning foot placements for a humanoid robot: a problem of inverse kinematics », The International Journal of Robotics Research, 2011, vol. 30, no 4, p. 476-485, doi : 10.1177/0278364910371238.

27 Y. Nakamura, Advanced Robotics: Redundancy and Optimization, Boston, Addison-Wesley Longman Publishing Co, 1991.

28 N. Bernstein, The Coordination and Regulation of Movements, Oxford, Pergamon Press, 1967.

29 Le mécanicien parle de « degrés de liberté », une belle expression dans ce contexte.

30 A. Berthoz, La Simplexité, Paris, Odile Jacob, 2010.

31 Pour cela nous avons mis en place un paradigme de résolution : la commande optimale inverse. Habituellement, l’ingénieur est confronté au problème suivant : étant donné un système qu’il s’agit d’amener dans un état désiré, étant donné un coût à optimiser, quelle est la meilleure stratégie à appliquer ? C’est un problème de commande optimale. Ici le problème est inverse dans ce sens que nous observons un phénomène naturel, et que nous nous posons la question de savoir à quel principe d’optimalité il obéit. Le postulat de l’existence d’un principe d’optimalité est peut-être discutable (il pourra être discuté dans un séminaire à venir), mais il offre au moins une approche opérationnelle au roboticien, et un angle d’attaque au neurophysiologiste qui met en place ses propres méthodes de validation. Ces travaux s’apparentent aux méthodes d’identification en automatique et d’apprentissage automatique en intelligence artificielle.

32 Ce n’est pas le cas des étonnantes machines bipèdes (et même unijambistes !) mises au point par Marc Raibert au MIT dès les années quatre-vingt. Ses travaux ont donné naissance aux robots quadrupèdes évoqués en introduction. Ce n’est que très récemment qu’il a lancé Petman, un nouveau projet de robot humanoïde.

33 S. Kajita et al., « Biped walking pattern generation by using preview control of zero-moment point », IEEE International Conference on Robotics and Automation, 2003, vol. 2, p. 1620-1626, doi : 10.1109/ROBOT.2003.1241826.

34 M. Vukobratović et J. Stepanenko, « On the stability of anthropomorphic systems », Mathematical Biosciences, 1972, vol. 15, p. 1-37, doi : 10.1016/0025-5564(72)90061-2.

35 A. Berthoz, Le Sens du mouvement, Paris, Odile Jacob, 1997.

36 Nous avons vu que le roboticien a été capable de trouver une méthode pour la conduite automobile : alors que nous devons apprendre à conduire, les modèles développés en robotique affranchissent le robot mobile de toute phase d’apprentissage. Les équations du mouvement d’une voiture sont connues et maîtrisées. Remarquons qu’il ne sert à rien à l’homme de les connaître. Il continue à apprendre à conduire…

37 Je force un peu trop le trait en effet, car d’importants résultats en robotique émanent d’approches de l’autonomie résolument centrées sur l’apprentissage automatique. Le système locomoteur du robot Acroban de l’INRIA et de l’université de Bordeaux en est un bel exemple.

38 « De nombreux chercheurs en robotique, dont je fais partie, ont été stupéfaits par le fait que nous ne disposons d’aucune arme face au problème. Il se peut bien que même la technologie ait démontré là son immaturité. »

39 Ce qui vaut pour le roboticien, vaut-il pour le citoyen chercheur en robotique ? Je pense que oui, mais j’admets bien volontiers que j’atteins là les rivages peu sûrs de ma référence au mythe.

40 Apollodore, op. cit.

41 Voir le rapport Positive Impact of Industrial Robots on Employment de la société d’analyse Metra Martech, paru en novembre 2011 (cf. www.ifr.org).

Table des illustrations

Légende Philippe Ségéral, Athéna et Héphaïstos, Étude no 2 pour Athéna, 2009, collection particulière.
Crédits © Philippe Ségéral 2009
URL http://books.openedition.org/cdf/docannexe/image/518/img-1.png
Fichier image/png, 1,6M

Le texte et les autres éléments (illustrations, fichiers annexes importés) sont sous Licence OpenEdition Books, sauf mention contraire.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search