Apprentissage des affordances
Modèles & architecturesCapacité d'une IA à comprendre les actions possibles avec un objet ou dans un environnement.
Explication
L'apprentissage des affordances permet à une intelligence artificielle de reconnaître et d'anticiper les interactions possibles avec son environnement. Par exemple, une IA peut comprendre qu'une tasse peut être saisie par son anse ou qu'une porte peut être ouverte en poussant ou en tirant. Cela repose sur l'analyse des propriétés physiques ou fonctionnelles des objets, comme leur forme, leur taille ou leur contexte d'utilisation.
Cette approche est particulièrement utile pour les robots ou les systèmes autonomes qui doivent naviguer dans des espaces réels ou virtuels. Elle leur permet de prendre des décisions adaptées sans avoir besoin de règles préprogrammées pour chaque situation.
Un exemple concret : un robot domestique capable de ranger des objets dans une cuisine en identifiant quels ustensiles peuvent être empilés, accrochés ou placés dans un tiroir, simplement en observant leur forme et leur usage habituel.
Cas d'usage
- ✓Permettre à un robot de manipuler des objets inconnus sans instructions précises
- ✓Améliorer la navigation d'un véhicule autonome en identifiant les obstacles franchissables ou non
- ✓Optimiser l'interaction d'un assistant virtuel avec des interfaces physiques (ex : boutons, leviers)
- ✓Créer des environnements virtuels où les objets réagissent de manière réaliste aux actions des utilisateurs
- ✓Automatiser des tâches de tri ou d'assemblage dans un entrepôt