Les robots autonomes sont des machines intelligentes capables de comprendre et de naviguer dans leur environnement sans contrôle ni intervention humaine. Bien que robot autonome sans souci est relativement jeune, il existe de nombreux cas d’utilisation différents de robots autonomes dans les usines, les entrepôts, les villes et les maisons. Par exemple, des robots autonomes peuvent être utilisés pour transporter des marchandises dans les entrepôts, comme dans Figure 1, ou effectuer la livraison du dernier kilomètre, tandis que d'autres types de robots autonomes peuvent aspirer les maisons ou tondre les pelouses.
Figure 1 : Un robot effectue des tâches dans un entrepôt. (Source : Texas Instruments)
L'autonomie exige que les robots puissent détecter et s'orienter dans un environnement cartographié, détecter dynamiquement les obstacles qui les entourent, suivre ces obstacles, planifier leur itinéraire pour atteindre une destination spécifiée et contrôler le véhicule pour suivre ce plan. De plus, le robot doit effectuer ces tâches uniquement lorsqu'il est sûr de le faire, en évitant les situations qui présentent des risques pour les humains, les biens ou le système autonome lui-même.
Les robots travaillant plus que jamais à proximité des humains, ils doivent non seulement être autonomes, mobiles et économes en énergie, mais également répondre aux exigences de sécurité fonctionnelle. Les capteurs, processeurs et dispositifs de contrôle peuvent aider les concepteurs à atteindre les exigences rigoureuses des normes de sécurité fonctionnelle, telles que la Commission électrotechnique internationale (CEI) 61508.
Considérations pour la détection dans les robots autonomes
Un robot sans capteurs s'écrasera inévitablement sur des obstacles, y compris des murs, d'autres robots ou des humains, et pourrait potentiellement entraîner des blessures graves. Il existe plusieurs types de capteurs qui peuvent aider à résoudre les défis posés par les robots autonomes.
Les capteurs de vision imitent étroitement la vision et la perception humaines. Les systèmes de vision peuvent résoudre les problèmes de localisation, de détection d'obstacles et d'évitement des collisions car ils ont une couverture spatiale haute résolution et la capacité non seulement de détecter des objets, mais aussi de les classer. Les capteurs de vision sont également plus économiques par rapport aux capteurs comme le LiDAR. Cependant, les capteurs de vision sont très gourmands en calculs.
Les unités centrales de traitement (CPU) et les unités de traitement graphique (GPU) énergivores peuvent constituer un défi dans les systèmes de robots autonomes à faible consommation d'énergie. Lors de la conception d'un système robotique économe en énergie, le traitement basé sur CPU ou GPU doit être minimal.
Le système sur puce (SoC) d'un système de vision efficace doit traiter la chaîne de signaux de vision à haute vitesse et à faible puissance, avec des coûts système optimisés. Le SoC doit également décharger les tâches de calcul intensives telles que le traitement d'images brutes, le redressement, l'estimation de la profondeur stéréo, la mise à l'échelle, la génération de pyramides d'images et l'apprentissage en profondeur pour une efficacité maximale du système. Les SoC utilisés pour le traitement de la vision doivent être intelligents, sûrs et économes en énergie, ce que peuvent atteindre des niveaux élevés d'intégration sur puce dans une architecture SoC hétérogène.
Examinons de plus près l'utilisation de la détection radar à ondes millimétriques (mmWave) de Texas Instruments (TI), à titre d'exemple, dans les robots autonomes. L'utilisation du radar TI mmWave dans les applications robotiques est un concept relativement nouveau, mais l'idée d'utiliser la détection TI mmWave pour l'autonomie existe depuis un certain temps. Dans les applications automobiles, le radar TI mmWave est l'un des composants clés des systèmes avancés d'aide à la conduite (ADAS) et a été utilisé pour surveiller l'environnement d'un véhicule. Vous pouvez prendre certains de ces mêmes concepts ADAS, comme la surveillance à vue panoramique ou l'évitement des collisions, et les appliquer aux robots autonomes.
Le radar TI mmWave est unique du point de vue de la technologie de détection, car ces capteurs fournissent des informations sur la portée, la vitesse et l'angle d'arrivée des objets et indiquent mieux au robot comment naviguer pour éviter les collisions. Utilisation du radar capteur données, le robot peut décider soit de poursuivre sa route en toute sécurité, soit de ralentir ou même de s'arrêter, en fonction de la position, de la vitesse et de la trajectoire d'une personne ou d'un objet qui s'approche, comme indiqué dans Figure 2.
Il est important de noter que le radar TI mmWave visualise l'environnement en trois dimensions, ce qui permet au capteur de percevoir des objets qui pourraient ne pas se trouver directement dans la trajectoire de conduite du robot. En raison de cette capacité de détection 3D, les capteurs radar TI mmWave peuvent en outre fournir des informations de hauteur qui sont essentielles non seulement pour détecter les objets gisant au sol, mais également les objets qui pourraient faire saillie dans la trajectoire d'un robot par le haut.
Les capteurs TI mmWave peuvent également détecter de manière fiable le verre et d'autres matériaux transparents que d'autres capteurs tels que les caméras et le LiDAR pourraient « voir » à travers l'objet transparent et ne pas détecter avec précision. Le radar TI mmWave est également plus robuste dans des conditions environnementales difficiles où les capteurs optiques ont tendance à avoir plus de difficultés. Étant donné que le radar TI mmWave utilise des ondes radio au lieu de la lumière pour détecter les objets, il est immunisé contre les facteurs environnementaux tels que le faible éclairage, la pluie, le brouillard, la poussière et la fumée.
Figure 2 : Un robot d'entrepôt utilise la détection radar. (Source : Texas Instruments Inc.)
Résoudre les problèmes complexes des robots autonomes avec la fusion de capteurs et l'IA
Pour les applications robotiques autonomes plus complexes, un seul capteur peut ne pas être suffisant pour permettre l'autonomie, quel que soit le type de capteur. Différentes modalités de détection ont des forces et des limites distinctes.
Le radar convient parfaitement à la détection d'objets et offre une longue plage de visibilité dans des environnements difficiles, mais présente des limites en ce qui concerne la classification des objets ou la précision des bords des objets. Les capteurs LiDAR peuvent fournir précision et exactitude, mais peuvent être coûteux et gourmands en énergie. Les capteurs de vision peuvent fournir une classification d'objets et une intelligence de scène avec une haute résolution, mais peuvent nécessiter beaucoup de calculs et nécessiter une source de lumière externe pour fonctionner. En fin de compte, les capteurs tels que la caméra ou le radar devraient se compléter dans un système. Tirer parti des atouts de différentes modalités de capteurs grâce à la fusion de capteurs peut aider à résoudre certains des défis les plus complexes des robots autonomes.
Alors que la fusion de capteurs aide les robots autonomes à être plus précis, l'utilisation de l'intelligence artificielle à la périphérie peut aider à rendre les robots intelligents. L'intégration de l'IA dans les systèmes de robots autonomes peut aider les robots à percevoir, à prendre des décisions et à effectuer des actions intelligemment.
Un robot autonome avec IA peut détecter intelligemment l'objet et sa position, classer l'objet et agir en conséquence. Par exemple, lorsqu'un robot navigue dans un entrepôt très fréquenté, l'IA peut aider le robot à déduire quels types d'objets - y compris les humains, les boîtes, les machines ou même d'autres robots - se trouvent sur son chemin et à décider quelles actions sont appropriées pour naviguer autour d'eux.
L'IA peut également aider les robots à effectuer des tâches spécifiques de manière plus autonome. Par exemple, si un robot déplace un chariot dans un entrepôt, l'IA basée sur la vision aide le robot à détecter et à déduire la pose et la position du chariot afin que le robot puisse se positionner avec précision, se fixer au chariot, puis le déplacer. autour du sol de l'entrepôt.
Lors de la conception d'un système de robot qui intègre l'IA, des considérations de conception doivent être prises en compte à la fois pour le matériel et les logiciels. Idéalement, le SoC devrait avoir des accélérateurs matériels pour les fonctions d'IA afin d'aider à effectuer des tâches de calcul intensif en temps réel. Avoir accès à un environnement de développement de logiciels d'IA facile à utiliser peut aider à simplifier et à accélérer les processus de développement d'applications et de déploiement de matériel.
Conclusion
Concevoir des robots plus intelligents et autonomes est une nécessité pour continuer à améliorer l'automatisation. Les robots peuvent être utilisés dans les entrepôts et les livraisons pour suivre et améliorer la croissance du commerce électronique. Les robots peuvent effectuer des tâches ménagères banales comme passer l'aspirateur et tondre. L'utilisation de robots autonomes libère la productivité et l'efficacité qui aident à améliorer et à ajouter de la valeur à nos vies.
À propos des auteurs
Manisha Agrawal est ingénieur marketing produit pour la gamme de produits de processeur Jacinto. Elle a des années d'expérience dans le traitement du signal de vision de bout en bout sur les SoC TI à travers divers rôles dans l'ingénierie des logiciels, des applications et des systèmes. Elle s'est récemment concentrée et s'est intéressée à l'IA et à la robotique. Manisha est titulaire d'une maîtrise en génie électrique de l'IIT Kanpur, en Inde, et détient trois brevets à son nom.
Jitin George est ingénieur en marketing produit pour les capteurs radar industriels mmWave chez Texas Instruments. Depuis 2019, il dirige les efforts de marketing mondiaux pour le radar industriel dans l'automatisation d'usine, avec un accent particulier sur la croissance des affaires sur le marché de la robotique.
Sam Visalli est le responsable système de la gamme de produits Sitara MCU. Sam a passé les dernières années à travailler en tant que responsable de la sécurité fonctionnelle pour les gammes de produits de processeur Jacinto et Sitara. Il a aidé TI à concevoir des produits et des systèmes pour des applications de sécurité fonctionnelle aussi diverses que la conduite autonome, l'automatisation d'usine et la robotique. Sam siège également aux comités américains pour les normes de sécurité fonctionnelle IEC61508 et ISO26262 et travaille avec plusieurs initiatives de sécurité fonctionnelle à l'échelle de TI.
à propos de Texas Instruments