Le robot nettoyeur de lavabos peut imiter les mouvements humains et adapter ses connaissances de manière flexible à différentes situations
Les robots sont censés effectuer des tâches ennuyeuses ou désagréables à notre place. Cependant, les tâches fastidieuses telles que le nettoyage de la salle de bain sont difficiles à automatiser. Comment calculer le mouvement d’un bras robotique pour qu’il puisse atteindre chaque partie d’un lavabo ? Que faire si le bassin a des bords inhabituellement incurvés ? Quelle force faut-il appliquer à quel moment ?
Il faudrait beaucoup de temps pour coder précisément toutes ces choses dans des règles fixes et des formules mathématiques prédéfinies. Une approche différente a été adoptée à la TU Wien : un humain montre à plusieurs reprises à un robot ce qu'il doit faire. Une éponge spécialement préparée est utilisée pour nettoyer le bord d’un évier.
En observant l'humain, le robot apprend comment fonctionne le nettoyage et peut appliquer ces connaissances de manière flexible à des objets de formes différentes. Les travaux ont maintenant été publiés à l'IROS 2024 à Abu Dhabi.
Nettoyage, ponçage, polissage
Le nettoyage n’est qu’un type de traitement de surface. De nombreuses autres activités qui jouent un rôle essentiel dans l'industrie sont techniquement très similaires, comme le ponçage ou le polissage de surfaces, la peinture ou l'application de colles.
« Capturer la forme géométrique d'un lavabo avec des caméras est relativement simple », explique le professeur Andreas Kugi de l'Institut d'automatisation et de contrôle de la TU Wien. « Mais ce n'est pas là l'étape cruciale. Il est beaucoup plus difficile d'apprendre au robot : quel type de mouvement est nécessaire pour quelle partie de la surface ? À quelle vitesse le mouvement doit-il être ? Quel est l'angle approprié ? Quelle est la bonne quantité de force ? «
Les gens apprennent ces choses par l’expérience et l’imitation. « Dans un atelier, quelqu'un pourrait regarder par-dessus l'épaule de l'apprenti et lui dire : tu dois appuyer un peu plus fort sur ce bord étroit », explique Christian Hartl-Nesic, responsable du groupe de robotique industrielle au sein de l'équipe d'Andreas Kugi. « Nous voulions trouver un moyen de permettre au robot d'apprendre d'une manière très similaire. »
La version démo d'une éponge de nettoyage
Un outil de nettoyage spécial a été développé à cet effet. Une éponge de nettoyage équipée de capteurs de force et de marqueurs de suivi était utilisée par les humains pour nettoyer à plusieurs reprises un évier, mais uniquement le bord avant. « Nous générons une énorme quantité de données à partir de quelques démonstrations, qui sont ensuite traitées pour que le robot apprenne ce qu'un bon nettoyage signifie », explique Christian Hartl-Nesic.
Ce processus d'apprentissage est rendu possible par une stratégie innovante de traitement des données développée par l'équipe de recherche de la TU Wien. Il combine plusieurs techniques existantes dans le domaine de l'apprentissage automatique : les données de mesure sont d'abord traitées statistiquement et les résultats sont utilisés pour entraîner un réseau neuronal à apprendre des éléments de mouvement prédéfinis (appelés « primitives de mouvement »). Le bras du robot est ensuite contrôlé de manière optimale pour nettoyer la surface.
Cet algorithme d'apprentissage innovant permet au robot de nettoyer l'intégralité de l'évier ou d'autres objets présentant une surface complexe après la formation, même s'il n'a été montré que comment nettoyer un seul bord de l'évier.
« Le robot apprend que vous devez tenir l'éponge différemment selon la forme de la surface, que vous devez appliquer une force différente sur une zone fortement incurvée que sur une surface plane », explique le docteur. Christoph Unger, étudiant du groupe Industrial Robotics.
La vision : tous les robots d’atelier apprennent ensemble
La technologie présentée s'applique à de nombreux procédés, qu'il s'agisse du ponçage d'ouvrages en bois dans les menuiseries, de la réparation et du polissage des dommages de peinture sur les carrosseries de véhicules ou du soudage de pièces en tôle dans les ateliers de métallurgie. À l'avenir, le robot pourrait être placé sur une plate-forme mobile pour être utilisé comme une aide utile n'importe où dans un atelier.
Ces robots pourraient alors même partager leurs connaissances avec d’autres robots.
« Imaginons que de nombreux ateliers utilisent ces robots auto-apprenants pour poncer ou peindre des surfaces. Ensuite, vous pourriez laisser les robots acquérir de l'expérience individuellement avec des données locales. Néanmoins, tous les robots pourraient partager les paramètres qu'ils ont appris entre eux », explique Andreas Kugi. .
Les données privées, telles que la forme spécifique d'une pièce particulière, resteraient privées, mais des principes de base essentiels seraient échangés pour améliorer encore les capacités de tous les robots. C'est ce qu'on appelle « l'apprentissage fédéré ».
De nombreux tests effectués à la TU Wien ont prouvé la flexibilité du robot de nettoyage d'évier. Cette technologie fait également déjà sensation au niveau international.
Lors de l'IROS 2024 (14 au 18 octobre 2024), une conférence avec plus de 3 500 articles scientifiques soumis, les travaux de la TU Wien ont reçu le prix du meilleur article d'application et ont ainsi été élus comme l'une des principales innovations de l'année.
