Gill Pratt : les robots ont besoin de mieux comprendre le monde
PROPOS RAPPORTÉS
Gill Pratt revient sur les progrès accomplis depuis le DARPA Robotics Challenge. Il décrit le déplacement du problème : disposer d’un corps robotique capable ne suffit pas si le système ne sait pas interpréter une situation et choisir une action. L’apprentissage à partir de démonstrations ouvre de nouvelles possibilités, mais la disponibilité des données et la compréhension du monde physique restent des difficultés majeures. Il invite à distinguer les résultats actuels des promesses autour des humanoïdes.
Synthèse en français, sans citation littérale. Elle ne représente pas l’intégralité de la source.
Crédits et licences
Illustration générée par IA, et non photographie documentaire.
Cartoon généré par IA d’après une photographie de Wynton TRI, CC BY-SA 4.0. Adaptation : cadrage en buste, dessin et palette noir-violet. Adaptation distribuée sous CC BY-SA 4.0.
Modifications : Transformation en illustration cartoon, recadrage en buste, remplacement du fond et palette noir-violet ; suppression des microphones, logos ou éléments de scène éventuels. Déclinaisons WebP pour l’affichage web, sans recadrage supplémentaire.
Ce portrait dérivé est proposé sous CC BY-SA 4.0, comme sa photographie de référence. Cette licence concerne le portrait, pas les autres contenus du site.
Une illustration éditoriale ne constitue pas un soutien ou une affiliation de la personne représentée à MIND AI THINK TANK.
Les personnes référencées ne sont pas présentées comme membres, partenaires ou soutiens de MIND AI THINK TANK. Leurs interventions sont étudiées comme sources publiques.
D’autres regards sur ces domaines
Des interventions publiques indépendantes, rapprochées par leurs thèmes.
Laurent AlexandreIA et présidentielle de 2027 : les priorités défendues par Laurent Alexandre
Maja MatarićMaja Matarić : concevoir des robots qui aident les personnes à progresser
Hiroaki KitanoMultiplier les hypothèses, puis les tester dans des laboratoires autonomes
Ken GoldbergKen Goldberg : associer apprentissage et ingénierie pour des robots fiables
