Comment la technologie a remporté l’America’s Cup >> Scuttlebutt Sailing News
Le petit livre bleu de la sagesse de la voile cite Dennis Conner, triple vainqueur de l’America’s Cup, disant: «Le design a remplacé ce qu’était la voile.» Dans ce rapport de McKinsey & Company, ils décrivent comment Emirates Team New Zealand a défendu l’America’s Cup en utilisant un nouveau membre d’équipage: un robot IA créé par McKinsey:
Gagner l’America’s Cup a toujours été autant une question de technologie et d’innovation que de voile. La conception des bateaux est régie par la «règle de classe» de la compétition, ce qui laisse de petites possibilités de modifications de conception qui pourraient donner à une équipe un avantage sur une autre.
Ces opportunités, si elles sont brillamment saisies, peuvent se traduire par une brillante performance le jour de la course.
La règle de classe AC75 pour la course de cette année, publiée en mars 2018, n’était pas votre voilier typique. Les hydroptères fixés à la coque soulèvent l’ensemble de l’engin hors de l’eau, lui permettant d’atteindre des vitesses dépassant 60 mph.
Plus important encore, les hydroptères sont une partie du bateau où la règle de classe permet des modifications de conception, ce qui offre d’énormes avantages compétitifs pour les équipes qui réalisent ces modifications.
Pour ce faire, selon Brian Fox, associé principal de McKinsey, des tests intensifs sont nécessaires – et en grande quantité. «Chaque bateau de l’America’s Cup est conçu avec un simulateur informatique», explique Fox, qui navigue en compétition. «Quelle que soit l’équipe qui possède le meilleur simulateur et l’utilise le plus efficacement, elle en tire l’avantage.»
En 2019, Emirates Team New Zealand s’est associé à McKinsey pour lancer un projet innovant à la recherche de cet avantage. Ce dont ils avaient besoin, ils se rendirent vite compte, c’était un nouveau type de membre d’équipage capable de naviguer sur des milliers de bateaux à la fois. La réponse à cet appel était un robot IA, ou robot logiciel, qui pouvait tester de nouvelles conceptions d’hydroptères en les naviguant sur le simulateur d’Emirates Team New Zealand.
Le simulateur avait été la clé de la victoire de l’équipe en 2017; les marins l’avaient utilisé pour tester de nouveaux modèles de bateaux sans avoir à les construire. Mais ce simulateur nécessitait que plusieurs membres de l’équipe l’utilisent simultanément pour qu’il fonctionne correctement. C’était un défi logistique, étant donné les entraînements, les déplacements et les compétitions programmés des marins.
«Notre objectif», explique Fox, «était d’accélérer les tests des designs d’Emirates Team New Zealand. En développant un robot IA capable de faire fonctionner le simulateur par lui-même, nous n’avions plus à gérer la disponibilité limitée des marins.
Dans un premier temps, l’équipe McKinsey, qui comprenait des collègues de leur société d’analyse QuantumBlack, s’est tournée vers le cloud. Pendant six semaines, des experts en données, en analyse et en apprentissage automatique de Sydney, Melbourne et Londres ont migré le simulateur néo-zélandais et développé une infrastructure pour l’exécuter dans le cloud.
Ensuite, leur équipe a utilisé une approche nouvelle et innovante appelée apprentissage par renforcement profond pour enseigner essentiellement au robot IA comment devenir un marin professionnel. La technique a permis au bot d’apprendre de manière dynamique et d’obtenir une plus grande précision grâce à une rétroaction continue.
Nic Hohn, l’un des principaux chefs de file du projet, explique. «Lorsque vous commencez, l’agent IA ne sait rien et apprend par essais et erreurs en utilisant d’innombrables variables – vitesse du vent, direction, ajustements des 14 commandes différentes de la voile et du bateau – et est affiné encore et encore», dit Hohn. « Puisque le bot continue d’expérimenter, si vous le coachez pour qu’il apprenne de la bonne manière, il comprime en heures ce qui prendrait des années à un humain pour comprendre. »
Le travail était très technique, selon le scientifique en chef de QuantumBlack, Jacomo Corbo, et il a fallu une innovation poussée autour du programme d’apprentissage du bot. «À ce stade du projet, il a fallu beaucoup de réflexion créative pour trouver les bons modèles d’apprentissage, la meilleure façon de coacher le robot, ainsi que les bonnes barrières de sécurité et les bonnes récompenses à mettre en place.»
L’équipe a également créé un réseau qui a permis à plusieurs robots de partager des informations au fur et à mesure qu’ils apprenaient à naviguer. Ce fut une percée cruciale, car cela permettait aux robots individuels d’acquérir des connaissances à partir de leur expérience collective. En fin de compte, il y avait un millier de robots fonctionnant en parallèle, apprenant les uns des autres.
«C’est un apprentissage à grande échelle et cela réduit considérablement le temps et le coût du projet», déclare Hohn. «C’est la puissance du cloud.»
En l’espace de deux semaines, le bot naviguait en ligne droite, au près et au portant. Après avoir maîtrisé les bases, il est passé à des manœuvres de navigation plus complexes.
Le tournant est survenu environ huit semaines plus tard, lorsque le robot IA a commencé à battre les marins dans le simulateur. À ce stade, le bot est devenu le moyen idéal pour tester les variations des hydroptères; il était plus cohérent et plus évolutif que les marins, accélérant considérablement les cycles d’itérations de conception.
«C’était le déblocage critique – la possibilité de retirer les horaires des marins de l’équation et de tester les conceptions 24/7 sur une répétition rapide», observe Helen Mayhew, partenaire de McKinsey et membre de l’équipe de direction de QuantumBlack en Europe, qui est également un marin champion du monde.
Bientôt, les marins apprenaient les manœuvres du bot. «Avec une courbe de développement aussi abrupte, accélérer le processus d’apprentissage est extrêmement précieux», explique Oliver Fleming, un partenaire associé expert, «à la fois en termes de permettre à l’équipe de conception d’explorer autant d’espace de conception que possible et aux marins de maximiser performances pour une conception donnée. »
Au cours de 2019 et au début de 2020, le robot a accéléré le processus de conception de la Nouvelle-Zélande d’un facteur dix. Et, bien que la course soit sur le point de démarrer, ce projet a déjà prouvé que l’apprentissage par renforcement peut être un outil de transformation pour la conception de processus, avec des applications potentielles dans tous les secteurs.
«Il s’agit de l’un des déploiements les plus complexes de l’apprentissage par renforcement profond dans le cloud public», déclare Corbo. «Une façon de penser à la difficulté du problème: la complexité de l’arbre de jeu correspond à peu près à la taille de l’espace dans lequel on doit naviguer tout en tenant compte de l’ensemble des chemins de jeu possibles, ou de la séquence des décisions, qui doivent être prises.
«Go, qui est un jeu de société extrêmement complexe, a une complexité d’arbre de jeu de 170 – notre problème de navigation a une complexité d’arbre de jeu de près de 2900.»
La maîtrise d’une telle complexité technique, en particulier dans cette application, a accru l’enthousiasme de ce projet singulier pour toutes les personnes impliquées.
«C’est passionnant d’utiliser la technologie et l’IA pour maîtriser le vent et l’eau et aller aussi vite que possible», déclare Hohn. «Ce n’est pas de la voile telle que nous la connaissons – c’est beaucoup plus proche de piloter un avion à basse altitude.»
Tableau de bord des matchs de l’America’s Cup (victoires-défaites)
Emirates Team New Zealand (NZL): 7-3
Équipe Luna Rossa Prada Pirelli (ITA): 3-7
En devenant le vainqueur de la Coupe PRADA, le challenger italien a affronté la défense Kiwi dans le meilleur des 13 séries. Après le report en raison de la réglementation sanitaire du gouvernement COVID-19, le calendrier des courses du 36e match de la Coupe de l’America avait deux courses par jour prévues les 10, 12, 13, 14, 15 mars, et chaque jour après cela jusqu’à ce que la première équipe ait remporté sept courses. .
Plus d’information:
• Format de l’America’s Cup, classement et comment regarder: cliquez ici.
• Couverture complète de l’America’s Cup: cliquez ici
• Informations supplémentaires sur l’America’s Cup: cliquez ici
