Les chercheurs ont développé un nouveau système d’intelligence artificielle qui permet aux robots de retrouver leur position de manière fiable même après avoir été déplacés, éteints ou déplacés d’une autre manière – un problème courant connu sous le nom de problème du « robot kidnappé ». Cette avancée, développée à l’Université Miguel Hernández d’Elche en Espagne, pourrait améliorer considérablement le caractère pratique des robots autonomes dans des scénarios du monde réel.
Le défi du « robot kidnappé »
Pendant des années, l’un des plus grands obstacles en robotique a été la localisation fiable : la capacité d’un robot à savoir précisément où il se trouve. Les méthodes traditionnelles reposent souvent sur le GPS ou sur des cartes préprogrammées, peu pratiques dans de nombreux environnements. Les signaux GPS ont du mal à l’intérieur, à proximité d’immeubles de grande hauteur ou dans les zones où la couverture satellite est faible. Les cartes préprogrammées nécessitent des mises à jour constantes, ce qui peut être difficile dans les espaces dynamiques.
Ce nouveau système, baptisé MCL-DLF (Monte Carlo Localization – Deep Local Feature), propose une alternative en rendant les robots plus autonomes.
Comment fonctionne le nouveau système
Le système MCL-DLF utilise la technologie 3D LiDAR, qui utilise des impulsions laser pour numériser et créer une carte détaillée de l’environnement environnant. Cela permet au robot de fonctionner sans avoir besoin d’infrastructure externe comme un GPS ou des cartes préexistantes.
Voici comment cela fonctionne par étapes :
- Reconnaissance large : Premièrement, l’IA identifie la zone générale en reconnaissant de grands éléments tels que des bâtiments ou de la végétation.
- Analyse détaillée : Ensuite, il affine l’emplacement exact en analysant des détails plus petits et uniques. Le processus imite la façon dont les humains se dirigent dans des endroits inconnus.
- Mises à jour continues : Grâce à l’apprentissage profond, le système donne la priorité aux fonctionnalités environnementales utiles pour la localisation et maintient plusieurs estimations d’emplacement possibles, en les mettant à jour à mesure que de nouvelles données de capteur arrivent.
Selon Míriam Máximo, la chercheuse principale, « cela est similaire à la façon dont les gens reconnaissent d’abord une zone générale et s’appuient ensuite sur de petits détails distinctifs pour déterminer leur emplacement précis. »
Tests et résultats dans le monde réel
Les chercheurs ont testé le système pendant des mois sur le campus universitaire, dans diverses conditions, notamment des changements saisonniers, différents niveaux d’éclairage et des changements de végétation. Les résultats montrent que MCL-DLF offre une plus grande précision de positionnement et des performances plus constantes par rapport aux méthodes traditionnelles. Cela signifie que le robot peut se localiser de manière fiable même lorsque l’environnement change au fil du temps.
Pourquoi c’est important
Les implications sont importantes. Les robots autonomes deviennent essentiels dans la logistique, l’inspection des infrastructures, la surveillance environnementale et les véhicules autonomes. Un système permettant à ces robots de fonctionner de manière plus indépendante et fiable accélérera leur adoption.
Le développement de méthodes de localisation plus fiables est essentiel pour libérer tout le potentiel de la robotique dans les applications du monde réel.
En réduisant la dépendance à l’égard des infrastructures externes et en s’adaptant aux environnements dynamiques, le système MCL-DLF représente une étape majeure vers la création de robots véritablement autonomes et utiles dans des environnements complexes et imprévisibles.
