1. Pourquoi s'inspirer de la vision biologique ?

Pourtant, dans le petit cerveau des grenouilles, ce n'est sûrement pas un processus très complexe qui permet de traiter toutes ces informations visuelles ; on peut même dire qu'une grenouille gobant une mouche utilise son système visuel sans vraiment « comprendre » le monde qui l'entoure. Elle pourrait tout aussi bien gober un petit caillou qui serait projeté devant elle !

Visionner l'animation Flash (nécessite un plug-in Adobe Flash).

Une « intelligence limitée »

Alors que la partie du cerveau que la grenouille mobilise pour cette tâche ne comprend que quelques milliers de neurones, elle détecte sans faute, parmi tous les objets qui l'entourent, celui qui « ressemble » à une mouche. Encore mieux : non seulement elle localise l'insecte, mais elle sait aussi prédire où il se trouvera quelques secondes plus tard, lorsqu'elle le gobera.

Ainsi, la grenouille a « modélisé » quelques attributs géométriques de la mouche (sa position dans l'espace, sa taille peut-être) mais elle a également « calculé » la cinématique de sa trajectoire. Et puis elle s'est aussi « modélisée » elle-même : elle a évalué le délai qu'il lui fallait pour se mettre en mouvement et estimé la « vitesse » de ce mouvement.

Aussi complexe que ce procédé puisse paraître, il relève en réalité d'une « intelligence limitée ». Une observation scientifique montre même que la seule prise en compte des attributs géométriques (position, orientation, taille des objets, etc.) et cinématiques (détection et mesure des trajectoires d'un objet) suffit à accomplir cette tâche. En somme, la modélisation mathématique d'un tel mécanisme est à notre portée.

Détecter n'est pas comprendre

Le mouvement se calcule surtout sur les contours de l'image, là où il y a du contraste. Dans le cerveau de la grenouille, tout comme dans l'ordinateur, le calcul de mouvement pour une scène comme celle de gauche se fera essentiellement sur les zones de contours représentés à droite.

Cette approche géométrique et cinématique, à la base de modèles de vision biologique et robotique, ne nous permet pas de déchiffrer la scène, mais d'y détecter un objet en mouvement pour réagir si besoin, d'évaluer sa distance relative ou sa taille pour le saisir, d'éviter des obstacles lors de déplacements, de poursuivre visuellement un objet mobile, comme une proie, ou de percevoir un prédateur qui s'approche, pour l'observer. Elle permet également de se localiser par rapport à des objets prédéfinis ou de combiner plusieurs vues d'un même objet pour calculer des aspects de sa forme tridimensionnelle ou le reconnaître.

On est, certes, encore bien loin de la compréhension d'une scène par la vision humaine, puisqu'on ne sait pour l'instant qu'effectuer un nombre limité de tâches visio-motrices. La vision est ici un processus « actif » (voir c'est agir avec les yeux) et « intentionnel » ; on regarde dans un but précis.

Comment implémenter cette forme de perception visuelle sur des robots ? Il s'agit de développer chez eux des mécanismes similaires à ceux que l'on rencontre chez les animaux en les équipant de caméras. Ils seraient alors dotés de véritables comportements perceptifs, certes rudimentaires, mais tout de même autonomes.

Le problème clé de cette vision dynamique est alors l'analyse du mouvement. Car comme nous allons le voir, elle permet également de recueillir des informations purement géométriques ; en un mot, la perception de la cinématique engendre la perception de la géométrie.