Les applications d’intelligence artificielle (IA) améliorent la capacité des robots industriels à réagir rapidement et précisément en fonction des données des capteurs et des images. L’intégration directe de l’IA dans le contrôleur du robot permet non seulement d’accélérer la reconnaissance des objets, mais aussi d’augmenter la qualité, la fiabilité et la vitesse du robot, et d’élargir ses possibilités de collaboration avec les humains.
Les robots sont toujours chargés d’effectuer des tâches jugées trop dangereuses, trop compliquées, trop difficiles, trop salissantes ou trop monotones pour les humains. Dans l’industrie, l’automatisation de ces types d’activités au moyen de robots est maintenant devenue courante. L’objectif a toujours été de faire en sorte que les machines, très flexibles mécaniquement parlant, puissent réagir de manière flexible à des situations changeantes en dehors d’une programmation dite « rigide ». Ainsi, les mouvements et les opérations de préhension librement programmables ne sont pas prédéterminés de manière rigide la plupart du temps, mais réagissent néanmoins à l’entrée de capteurs.
Doter les robots d’une plus grande flexibilité
Toutefois, il s’agit toujours d’une programmation fixe, algorithmique et généralement optimisée pour travailler à grande vitesse. Dans la plupart des applications, c’est le contrôleur de robot fourni avec la machine qui exécute les programmes. Dans les cas où la limite de temps est particulièrement critique, comme pour le démoulage de nouvelles pièces en plastique dans les machines de moulage par injection, la profondeur d’intégration est plus grande. Dans ce cas, ce sont la commande de la machine et les mécanismes d’entraînement des différents axes qui prennent directement en charge le contrôle de la cinématique du robot.
La plupart du temps, les robots ne peuvent pas – et ne doivent pas – remplacer les humains, mais plutôt les assister dans leurs tâches. Les humains et les machines devraient travailler en étroite collaboration dans leur environnement de travail, dans le cadre d’un processus commun. La perspective de robots assistant les personnes dans les hôpitaux et les établissements de soins, mais également à leur domicile ou dans leurs déplacements quotidiens, pourrait être poussée encore plus loin.
Les robots collaboratifs (aussi appelés « cobots ») constituent un premier pas dans cette direction. Ils ont toutefois besoin d’être dotés d’une technologie complexe avec des capteurs supplémentaires – que l’on retrouve par exemple sous la forme d’une peau sensible au toucher – ainsi que d’autres adaptations pour permettre cette collaboration, sans pour autant compromettre la sécurité.
En outre, le caractère imprévisible des actions humaines n’encourage pas les robots à sortir de leur « zone de confort », ce qui explique pourquoi ces derniers n’ont pu travailler en collaboration avec les humains qu’à une vitesse fortement réduite jusqu’à présent. À cause de cet environnement imprévisible et changeant, qu’aucun développeur de logiciels ne pourrait prévoir ou prendre en compte, force est de constater que l’utilisation des robots en dehors d’un environnement industriel est un échec.
Des robots aux perceptions sensorielles accrues
Donner la capacité à un robot d’introduire son bras articulé à l’intérieur d’une boîte pour retirer des pièces livrées en vrac, ou de travailler main dans la main et en toute sécurité avec les humains sont considérés comme des défis classiques en matière de robotique. Dans les deux cas, la solution réside dans une combinaison de systèmes de traitement d’images et d’une technologie de capteurs hautement développée. Il s’agit notamment de scanners laser à 360°, de caméras temps de vol (ToF) ou de caméras de détection de profondeur stéréo 3D.
Ces technologies permettent non seulement aux robots d’identifier les objets à saisir, mais elles les rendent également capables de percevoir leur environnement en trois dimensions. En outre, elles leur offrent la possibilité de contrôler visuellement la qualité des pièces saisies au cours du processus, ce qui permet au robot de retirer les éléments défectueux et donc de réduire globalement les coûts.
Des robots indépendants grâce à l’intelligence artificielle
Bien que de telles tâches puissent être effectuées de manière purement algorithmique, il en faut plus pour transformer les robots en collègues à la fois coopératifs, efficaces et capables de s’adapter à de nouvelles situations. Par ailleurs, les applications d’intelligence artificielle telles que le deep learning sont très bien adaptées à la reconnaissance des formes dans les données d’image. Leurs évaluations en temps réel permettent d’améliorer considérablement la précision de la détection des objets et de la protection des personnes au cours d’opérations collaboratives. D’autre part, ces applications peuvent également servir à effectuer l’assurance de la qualité en parallèle. En outre, les méthodes de machine learning peuvent être utilisées pour donner au robot une avance statistique grâce au positionnement prédictif.
Par exemple, visualisons l’atelier de montage que l’on peut retrouver chez un revendeur de pneus. De chaque côté de la plateforme élévatrice, un robot articulé fixe, doté de six axes, se charge de démonter les roues. À l’aide d’un système de vision 3D, il détermine où se trouve la roue dans la salle, et, le cas échéant, quel enjoliveur doit être enlevé, combien de vis doivent être desserrées, et à quels endroits précisément. Si l’une d’elles est manquante ou visiblement endommagée, il passe immédiatement commande auprès d’un magasin de pièces détachées. Avant que le robot ne pose une roue, il peut déterminer et enregistrer la profondeur de la bande de roulement afin que celle-ci soit visible lors du stockage ou sur la facture du client.
Les roues en attente d’être montées sont apportées par un robot mobile autonome (AMR). Puisque les trois machines observent constamment leur environnement – l’AMR utilise également ces informations pour se déplacer – les collisions peuvent être évitées. D’autre part, les robots d’assemblage peuvent se mettre en position à l’approche de l’AMR afin de ne pas perdre de temps, et sont en mesure de reconnaître la position exacte des trous de vis avant de retirer les roues. Avant le montage, les robots font tourner chaque roue pour détecter et rapporter toute asymétrie, et une fois l’assemblage terminé, les roues retirées sont chargées sur l’AMR.
L’utilisation de ces robots dans un contexte similaire pourrait réduire considérablement la charge de travail des humains : ils n’auraient, par exemple, plus besoin d’effectuer des tâches physiques harassantes et monotones, telles que le montage ou le vissage des roues, et seraient plus à même de se concentrer sur d’autres activités.
Comment doter un robot de l’intelligence artificielle ?
De nombreuses applications d’IA sont disponibles dans le cloud sous forme de logiciels as-a-Service (SaaS). Cependant, de nombreux utilisateurs s’inquiètent de la fiabilité des connexions de données, compte tenu de leurs quantités considérables. Puisque cette foule de données peut constituer un facteur de coût majeur, il devient évident et nécessaire de déplacer les calculs d’inférence à la périphérie du système en employant le « edge computing ».
Si, par le passé, les applications d’IA devaient être externalisées sur des systèmes à la fois très performants mais aussi très coûteux, la disponibilité de coprocesseurs spécialisés dans l’IA et leur intégration dans des ordinateurs monocarte (SBC) ou dans des ordinateurs de commande permettent aujourd’hui d’effectuer des opérations d’IA à forte intensité de calcul directement lorsque cela est nécessaire.
Par exemple, il existe déjà des robots dotés de processeurs graphiques puissants qui conviennent également au traitement de certaines tâches d’IA. Par ailleurs, de plus en plus de fournisseurs introduisent sur le marché des cartes de développement et des SBC dotés de puces accélératrices d’IA intégrées (aussi appelées TPU ou Tensor Processing Units). Connectées au contrôleur du robot – à savoir que certains modèles disposent déjà des connexions appropriées – ou intégrées aux systèmes de traitement d’images, ces cartes offrent la possibilité d’exécuter des applications de machine learning et de deep learning directement sur le robot.
Enseigner des méthodes d’apprentissage aux robots
L’IA ne garantit pas aux robots de bénéficier des mêmes capacités cognitives que les humains. Elle leur permet d’adapter leur comportement en fonction des conditions changeantes de leur environnement dans un monde mal structuré en s’appuyant sur des valeurs statistiques empiriques basées sur les informations recueillies. Le scénario décrit ci-dessus ne serait pas réalisable au moyen de la programmation classique, ou seulement au prix d’un énorme effort de programmation, surtout si cela inclut également la collaboration avec les humains.
Cependant, les robots cognitifs – c’est-à-dire ceux équipés de l’IA – doivent d’abord apprendre ce comportement en identifiant les schémas récurrents, les régularités ou les anomalies situées sur la base de réseaux neuronaux. Il est préférable qu’ils le fassent non seulement dans l’usine, où des tentatives ratées auraient un impact négatif sur l’efficacité, mais également en amont. À cette fin, l’intégrateur de système peut faire exécuter par le jumeau numérique de l’usine des cycles d’entraînement dans le modèle informatique en peu de temps et sans risque. Toutefois, il est également possible d’utiliser des modèles d’inférence pré-entraînés dans cette optique, qui font de plus en plus partie de l’équipement courant du matériel et des logiciels d’intelligence artificielle (IA). En outre, il est recommandé de limiter les degrés de liberté en tenant compte de ce qui est nécessaire.
Des connaissances approfondies sont indispensables à cet effet. Cela signifie également que l’IA ne rend en aucun cas les développeurs de logiciels et les programmeurs superflus ; elle leur permet d’adopter une approche différente selon les problèmes rencontrés et leur fournit d’autres outils bien plus pratiques. Toutefois, il est nécessaire d’apprendre à manier ces outils et de s’y exercer, mais également d’effectuer un changement de mentalité.
Dans cette optique, il est recommandé de ne pas s’appuyer seulement sur des robots industriels de grande taille, qui sont plus coûteux et plus complexes à installer. Par exemple, reichelt elektronik GmbH & Co. KG propose une large gamme de robots aux prix abordables, qui conviennent parfaitement comme plateformes de développement, pour les applications de laboratoires, mais également pour l’entraînement et l’expérimentation. Cette gamme de robots comprend notamment des machines autonomes à quatre pattes, similaires à des chiens.
Il est possible de programmer librement ces appareils via un système d’exploitation des robots open-source (ROS). Ce logiciel médiateur dispose d’une riche bibliothèque de fonctions prêtes à l’emploi, ce qui le rend donc facile à utiliser. L’entreprise nord-allemande d’e-commerce spécialisée dans l’électronique et l’informatique peut également fournir les capteurs et les systèmes de caméra adéquats, ainsi que les accessoires correspondants et les SBC compatibles avec l’intelligence artificielle à partir d’une source unique.
Les robots les plus intelligents, dotés de l’intelligence artificielle, peuvent ainsi élargir le spectre de leurs compétences. Ils font preuve d’une plus grande autonomie, et offrent une meilleure qualité, ainsi qu’une fiabilité et une rapidité supérieure, et sont mieux adaptés à la collaboration avec les humains. Cela les rend économiquement viables, même dans des applications plus petites. Même si leur adoption et leur utilisation est encore relativement récente, ces robots ont tendance à se multiplier au sein des secteurs et il semble impossible de les éviter. Ceux qui se préparent à les accueillir dès à présent auront un avantage certain à l’avenir.
Images : Adobe Stock
