Table des matières : 

Le secteur de la robotique et des véhicules autonomes (VA) évolue rapidement, avec des répercussions sur des domaines allant de l'agriculture et de la logistique à la défense et à l'exploration.  

Si la navigation autonome en milieu urbain a connu des progrès considérables, la mise au point de systèmes autonomes robustes et fiables capables de faire face à la complexité des environnements hors route reste un défi de taille.  

C'est précisément là que les plateformes de R&D spécialisées s'avèrent indispensables, car elles offrent l'expertise, les ressources et l'écosystème collaboratif nécessaires pour faire avancer l'innovation.

Les défis particuliers de l'autonomie hors route

La navigation autonome hors route présente un ensemble d'obstacles particuliers :

• La perception dans des environnements dynamiques : pour appréhender les subtilités et le caractère dynamique du monde du tout-terrain, il faut disposer d'algorithmes sophistiqués de fusion de capteurs et de perception, capables de s'adapter à des terrains variés, à des conditions météorologiques changeantes et à des obstacles imprévisibles.
• Localisation précise en terrain accidenté : une localisation précise est essentielle à la navigation, mais les signaux GPS peuvent s'avérer peu fiables, voire totalement absents, dans de nombreuses zones hors route. Il est donc indispensable de recourir à d'autres méthodes de localisation.
• Commande adaptative pour des conditions variables : des systèmes de commande robustes sont essentiels pour se déplacer sur un terrain en constante évolution, notamment sur des surfaces glissantes, des sols irréguliers et en présence d'obstacles imprévus.
• Planification efficace des trajectoires dans des environnements non structurés : la génération de trajectoires sûres et efficaces dans des environnements non structurés et imprévisibles nécessite des algorithmes avancés de planification de trajectoire qui tiennent compte du terrain, des capacités du véhicule et des objectifs de la mission.
• Des systèmes robustes adaptés aux conditions difficiles : les véhicules tout-terrain et les robots doivent être conçus pour résister aux intempéries, aux terrains accidentés et aux contraintes physiques liées à une utilisation hors route.

Comment les plateformes de R&D d'Englab répondent à ces défis

Les plateformes de R&D Kipp d'Englabapportent une réponse complète à ces défis en proposant :

1. Expertise multidisciplinaire et collaboration

• Équipes d'experts : les plateformes de R&D réunissent des équipes d'experts spécialisés dans la robotique, la vision par ordinateur, l'intelligence artificielle, les systèmes de contrôle et l'ingénierie mécanique, favorisant ainsi une approche globale du développement.
• Partage des connaissances et bonnes pratiques : ils favorisent un environnement collaboratif où chercheurs et ingénieurs peuvent facilement échanger leurs connaissances, ce qui accélère le processus d'apprentissage et stimule l'innovation.
• Partenariats stratégiques avec le secteur privé : ils nouent souvent des partenariats avec des leaders du secteur afin de s'assurer que la recherche réponde aux besoins concrets et facilite le transfert de technologies.

2. Technologies et infrastructures de pointe

• Équipements et outils de pointe : les plateformes de R&D investissent dans les capteurs les plus récents (LIDAR, caméras, IMU), du matériel informatique haute performance, des logiciels de simulation avancés et des installations d'essai spécialisées.
• Collecte et traitement complets des données : ils disposent de l'infrastructure nécessaire pour collecter, traiter et analyser efficacement les vastes ensembles de données générés par des expériences en conditions réelles, ce qui permet d'obtenir des informations fondées sur les données.
• Environnements de simulation avancés : ils donnent accès à des plateformes de simulation sophistiquées permettant de tester et de valider virtuellement des systèmes autonomes, ce qui réduit les risques et les délais de développement.

3. Rentabilité et accélération du développement

• Ressources et infrastructures partagées : les plateformes de R&D permettent aux entreprises de partager les coûts importants liés au développement et à la maintenance d'équipements et d'installations spécialisés.
• Réduction des délais de mise sur le marché : en s'appuyant sur l'expertise existante, des méthodologies éprouvées et des ressources facilement accessibles, les entreprises peuvent raccourcir considérablement leurs cycles de développement.
• Réduction des risques et amélioration de la fiabilité : les plateformes de R&D offrent un environnement contrôlé pour tester et valider de nouvelles technologies, ce qui permet de limiter le risque de défaillances coûteuses lors des déploiements en conditions réelles et d'améliorer la fiabilité des systèmes.

Mettre en avant les contributions de notre centre de R&D&I

Le centre de R&D&I d'Englab est un acteur majeur sur le marché de la recherche et du développement dans le domaine des véhicules autonomes tout-terrain. Il propose une gamme complète de services et de technologies visant à accélérer l'innovation dans ce secteur exigeant. Voici quelques exemples concrets de ses contributions :

1. Perception avancée grâce au suivi d'objets par LIDAR

Une perception précise est essentielle à la navigation autonome, et la technologie LIDAR joue un rôle crucial dans la fourniture d'informations 3D détaillées sur l'environnement. Notre équipe a mis au point des algorithmes de perception avancés basés sur le LIDAR pour la cartographie de l'environnement et la détection robuste d'objets, même dans des conditions tout-terrain difficiles.

L'approche de l'équipe de Matthias Spisser combine des algorithmes de suivi d'objets multiples (MOT) avec des techniques sophistiquées de filtrage et de regroupement afin d'assurer un suivi précis et fiable des objets dans des environnements tout-terrain dynamiques. Ces algorithmes sont conçus pour relever les défis posés par les terrains accidentés, les occlusions et les conditions d'éclairage variables. En combinant RANSAC pour la segmentation du sol, DBSCAN pour le regroupement et le filtrage de Kalman pour l'estimation d'état, le système identifie, suit et prédit efficacement les mouvements des objets dans l'environnement du robot. Ces informations sont essentielles pour une navigation sûre et efficace, permettant au robot d'éviter les obstacles et de s'adapter à des conditions changeantes.

Un suivi fiable des objets est essentiel pour garantir une navigation sûre dans des environnements dynamiques. L'équipe chargée de l'innovation travaille sur ce sujet afin de s'assurer que les véhicules autonomes et les robots puissent fonctionner de manière sûre et efficace dans des situations hors route complexes. L'un des cas d'utilisation potentiels concerne la construction autonome, où les robots doivent se déplacer en contournant les ouvriers, les équipements et autres obstacles présents sur un chantier.

2. Un système de contrôle de mouvement robuste adapté aux terrains difficiles

La conduite en tout-terrain nécessite des systèmes de contrôle de mouvement robustes, capables de s'adapter à des conditions de terrain variées (sol dur, boue, sable, végétation haute, rochers, etc.). Notre centre de R&D a mis au point des systèmes de contrôle de mouvement avancés pour les véhicules tout-terrain, en s'appuyant sur une modélisation et une simulation détaillées de la dynamique des véhicules.

Leur approche combine un contrôle basé sur des modèles avec des techniques d'estimation avancées afin d'assurer un suivi précis de la trajectoire et des performances robustes sur des terrains difficiles. Les systèmes de contrôle sont conçus pour tenir compte de facteurs tels que le patinage des pneus, le frottement au sol et la dynamique du véhicule, ce qui permet à ce dernier de conserver sa stabilité et de suivre la trajectoire souhaitée, même sur des surfaces irrégulières ou glissantes. En combinant le contrôle anticipatif et le contrôle adaptatif, le système est capable d'anticiper les changements de l'environnement et d'y réagir, garantissant ainsi un déplacement fluide et précis.

Un contrôle précis des mouvements est essentiel pour que les véhicules autonomes puissent se déplacer en toute sécurité et efficacement dans des environnements tout-terrain difficiles. L'équipe chargée de l'innovation se concentre sur cet aspect afin de permettre aux robots autonomes d'effectuer des manœuvres complexes sur divers types de terrains. La livraison autonome en est un exemple concret : les robots doivent en effet se frayer un chemin sur des terrains accidentés pour atteindre leur destination.

3. Planification intelligente des itinéraires pour optimiser les opérations agricoles

Une planification efficace des trajectoires est essentielle pour optimiser les opérations agricoles et maximiser la productivité. Leurs algorithmes de planification de trajectoires à couverture complète (CCPP) sont conçus pour générer des trajectoires efficaces et à couverture complète pour les robots autonomes utilisés dans le secteur agricole.

L'approche CCPP de notre équipe prend en compte divers facteurs, notamment la configuration du champ, les obstacles et les contraintes liées au véhicule, afin de réduire au minimum la durée des opérations et la consommation de carburant. Les algorithmes sont conçus pour générer des trajectoires fluides et continues, y compris des virages en bout de champ efficaces, garantissant ainsi que l'ensemble du champ soit couvert sans chevauchements ni lacunes inutiles. En combinant des techniques de décomposition du champ, d'exploration de trajectoires et d'optimisation, le système est capable de générer des trajectoires quasi-optimales pour diverses tâches agricoles.

Une planification optimisée des trajectoires est essentielle pour maximiser l'efficacité des robots agricoles autonomes. L'équipe travaille sur ce sujet afin d'aider les agriculteurs à réduire leurs coûts et à améliorer leur productivité. L'une des applications concerne la pulvérisation autonome, où les robots doivent couvrir l'ensemble du champ avec des pesticides ou des engrais de manière précise et efficace.

4. La technologie « Follow-Me » pour une meilleure collaboration entre l'homme et le robot

Une collaboration fluide entre l'homme et le robot est essentielle dans de nombreuses applications, et le système « Follow-Me » développé par notre équipe Innovation offre un moyen intuitif et efficace pour les humains d'interagir avec des véhicules autonomes. Cette technologie permet aux véhicules autonomes de suivre un opérateur humain dans des environnements non structurés, ce qui permet un contrôle sans les mains et une efficacité accrue.

Le système « Follow-Me » utilise la vision par ordinateur et l'apprentissage profond pour détecter, suivre et accompagner l'opérateur. Il est conçu pour résister aux variations d'éclairage, à l'encombrement de l'arrière-plan et aux mouvements de l'opérateur. En combinant l'estimation de la posture, la reconnaissance des gestes et la reconnaissance faciale, le système est capable d'identifier et de suivre avec précision l'opérateur visé, même dans des environnements bondés ou en constante évolution.

La technologie « Follow-Me » simplifie l'interaction entre l'homme et le robot et ouvre de nouvelles perspectives de collaboration dans divers domaines. L'équipe développe cette technologie afin de rendre les robots autonomes plus conviviaux et mieux adaptés aux besoins des utilisateurs. Elle trouve notamment son application dans la logistique d'entrepôt, où des véhicules autonomes peuvent suivre les employés pendant qu'ils préparent et emballent les commandes, ce qui améliore l'efficacité et réduit la charge physique pesant sur les travailleurs.

5. La segmentation sémantique pour une meilleure compréhension de l'environnement

Une meilleure compréhension de l'environnement est essentielle pour la navigation autonome, et la segmentation sémantique constitue un outil puissant pour y parvenir. L'équipe de Matthias utilise la segmentation sémantique pour permettre aux véhicules autonomes de mieux appréhender leur environnement.

En attribuant à chaque pixel d'une image la classe d'objet qui lui correspond (par exemple, ciel, herbe, végétation, obstacle, chemin), le véhicule peut prendre des décisions plus éclairées en matière de navigation et de planification d'itinéraire. Ces informations peuvent servir à identifier les zones praticables, à éviter les obstacles et même à prédire le comportement d'autres objets présents dans la scène. Leur approche repose sur des modèles d'apprentissage profond optimisés pour fonctionner en temps réel sur des plateformes embarquées, ce qui permet d'utiliser la segmentation sémantique dans des environnements aux ressources limitées.

La segmentation sémantique offre une compréhension approfondie de l'environnement, permettant ainsi des capacités de navigation autonome plus sophistiquées. Nos experts travaillent sur ce sujet afin d'améliorer la sécurité et la fiabilité des véhicules autonomes dans des environnements complexes et non structurés. L'un des cas d'utilisation concerne la conduite tout-terrain autonome, où le véhicule doit distinguer différents types de terrain pour planifier des itinéraires sûrs et efficaces.

Conclusion

Les plateformes de R&D sont indispensables pour stimuler l'innovation dans le domaine de l'autonomie hors route. Elles apportent l'expertise, les ressources et l'écosystème collaboratif nécessaires pour relever les défis complexes inhérents au développement de systèmes autonomes robustes et fiables. En s'associant à une plateforme de R&D comme la nôtre, les entreprises peuvent accélérer leurs délais de développement, réduire leurs coûts et acquérir un avantage concurrentiel sur ce marché en pleine expansion.

Prêt à révolutionner vos opérations tout-terrain grâce à une technologie autonome de pointe ?

Contactez nos experts dès aujourd'hui pour découvrir comment notre savoir-faire, nos ressources et notre approche collaborative peuvent aider votre entreprise à atteindre de nouveaux niveaux d'efficacité, de sécurité et de productivité. Construisons ensemble l'avenir de l'autonomie hors route.