Comment les capteurs et les algorithmes intelligents ouvrent la voie à nos assistants robotiques autonomes

En tant qu'humains, nous utilisons nos sens pour naviguer dans le monde. De même, un robot doit s'appuyer sur ses capteurs. Pour garantir à tout moment les exigences de qualité des greenkeepers professionnels, un gazon sain et une localisation au centimètre près, différentes composantes doivent travailler ensemble pour atteindre un objectif commun. Comme dans la vie, la communication est essentielle.

 

Les systèmes de navigation par satellite peuvent indiquer la position d'un robot avec une précision de l'ordre du mètre, et dans ce contexte, les récepteurs multibandes permettent de combiner les avantages de n'importe quel satellite visible. En incluant les informations provenant des stations de base fixes situées à proximité et en analysant davantage le signal du satellite, on obtient de meilleures estimations de la position, grâce à ce que nous appelons la cinématique en temps réel. En comparant les mesures actuelles aux mesures passées, il est également possible de déterminer la vitesse et la direction du déplacement d'un robot. Avec un modèle mathématique, il est possible de prendre en compte la vitesse des roues, appelée odométrie, ainsi que les mesures des accéléromètres et des gyroscopes, appelés unités de mesure inertielle (IMU). Celles-ci fournissent des informations supplémentaires sur la direction, la vitesse et l'orientation du robot. Une caméra peut même suivre les éléments saillants du champ de vision, qui peuvent alors renseigner sur la façon dont il se déplace par rapport aux autres objets dans l'espace.

 

Le problème avec les capteurs est que les mesures sont toutes fausses. Toujours, même si ce n'est que légèrement. Une mesure n'est que la représentation d'une entité physique. Dans un monde parfait, nous aurions des mesures parfaites, mais que se passe-t-il lorsqu'une roue patine ? Les capteurs de l'IMU dérivent tout le temps. Qu'est-ce que cela signifie pour les mesures ? Que se passe-t-il lorsque la caméra tremble sur son support, ou qu'un arbre visible bouge dans le vent ? Cela signifie que le système aura des erreurs dans ses mesures. Notre tâche est d'identifier, de quantifier et de minimiser ces erreurs. Grâce à des algorithmes intelligents, par exemple le filtrage de Kalman, nous pouvons fusionner les informations provenant de différents capteurs, nous pouvons minimiser les incertitudes inhérentes aux mesures et obtenir de meilleurs résultats que ceux qu'auraient pu obtenir les capteurs seuls. L'unité fait la force.

 

Le même concept s'applique d'ailleurs à nous, les humains, et à nos sens. Prenez les illusions optiques, la désorientation spatiale, le vertige, les tons Shepard et autres illusions sensorielles. Elles sont toutes issues d'informations incomplètes ou d'approximations faites par notre cerveau.

 

J'ai récemment commencé à travailler chez Ronovatec AG, et je vais tirer le meilleur parti de nos capteurs. Ma tâche consiste à établir de bonnes connexions pour le transfert des mesures des capteurs, afin d'alimenter nos algorithmes avec des données saugrenues. Nos algorithmes détectent les écarts minimes par rapport au résultat parfait et les corrigent. Notre logiciel informera également l'utilisateur sur la famille de hérissons qui se promènent la nuit, ou enverra une image du lézard qui prend un bain de soleil que le robot a dû éviter en adaptant sa trajectoire. Nos robots vous aideront à accomplir les tâches fastidieuses, en les rendant plus fiables, ce qui vous permettra de libérer votre temps pour des travaux plus significatifs, plus satisfaisants et plus amusants. Moi aussi, je veux m'amuser dans mon travail et j'ai hâte de travailler avec vous pour obtenir des résultats parfaits dans les années à venir.