Comment l’intelligence artificielle peut-elle renforcer l’autonomie des robots industriels ?

Tobias Wölk, Product Management Automation Technology chez reichelt elektronik, partage son expertise et son point de vue sur le sujet.

Dans l’industrie, l’automatisation au moyen de robots, des tâches jugées trop dangereuses, trop compliquées, trop difficiles, trop salissantes ou trop monotones est maintenant devenue courante dans le but d’assister les humains. Ainsi, humains et machines apprennent peu à peu à travailler en étroite collaboration dans leur environnement de travail. 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.

Néanmoins, 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 indépendants grâce à l’IA

La question est donc de savoir comment transformer les robots en collègues à la fois coopératifs, efficaces et capables de s’adapter à de nouvelles situations. 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 pour faciliter le travail avec les humains. 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. Par exemple, dans un atelier de montage de pneus, le robot articulé fixe est capable de déterminer, à l’aide d’un système de vision 3D, 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.

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.