Reflétant la montée en flèche des investissements en automatisation robotique, le secteur devrait peser plus de 149 milliards de dollars d’ici 2030[1]. Depuis le début de l’année, les industriels français ont déployé plus de 4396 robots dans leurs chaines de valeur, soit une augmentation de 13% comparée à l’année passée[2]. Néanmoins, le recours à la robotisation reste très largement cantonné à un usage purement industriel. Le comportement industriel de production étant prévisible et répétitif, cela simplifie drastiquement la phase de programmation des développeurs. Pour autant, des axes de réflexions avancent en matière de Machine Learning dans le but de porter l’Intelligence artificielle à un niveau supérieur.
L’intelligence artificielle fait peau neuve.
Si l’Intelligence artificielle permettait aux robots d’élargir leur capacité de « raisonnement » grâce à l’ensemble des capteurs embarqués, la combinaison avec le Machine Learning apporte un nouvel élan. Il est question de « Strong AI » ou bien « IA forte » où les méthodes d’apprentissage machine dupliquent les champs des possibles. Dans un environnement constamment sujet aux imprévisibilités, le machine learning vient proposer un schéma neuronal embarqué avec différents étages de réflexion, ou plus communément appelé deeplearning. Les robots qui en sont équipés prennent davantage d’autonomie pour prendre une décisiondans un environnement où les paramètres restent complexes et évolutifs.
Si la courbe de progression n’en est qu’à ses débuts comme le mentionne la « Fédération internationale de robotique » dans son étude publiée en mars dernier[3], les prouesses établies jusqu’alors témoignent d’une innovation de haut niveau. Le machine learning approfondit le processus de réflexion que l’on appelle la « boucle robotique ». Cette dernière établit un cadre de déduction intégré au robot avec différentes phases successives, qui à terme permet au robot d’agir en toute autonomie sur l’ensemble de la chaine de réflexion.
Le Machine Learning dote les robots d’un raisonnement nouveau
Avant d’arriver à l’étape finale de mise en exécution d’une tâche, déclenchée par un programme embarqué, il faut veiller à ce que les deux précédentes étapes soient couronnées de succès. La partie « perception » est portée par un ensemble de capteurs de haute technologie mesurant une variété de valeurs. S’en suit la partie où le Machine Learning prend toute sa forme, la phase « raisonner/décider ». Lorsqu’un robot prend connaissance de son environnement technique par le biais de ses capteurs, il devra « raisonner » en se basant purement sur une compilation d’algorithmes. Ces derniers classés en fonction du degré d’importance ou de pertinence, apporteront au robot la substance neuronale nécessaire à la prise de décision pour agir.
Naturellement en fonction du degré d’avancement du Machine Learning, les robots seront capables de prédire des actions, de deviner des intentions ou encore de détecter des emplacements grâce à un système d’apprentissage intégré lui donnant la possibilité en temps réel de croiser l’information détectée avec une base de données.[4] Une fois combinée au réseau développé par le « Deep Learning », la machine est capable de démultiplier les schémas de réflexion avec des millions de couches et de paramètres intégrés. En vient l’étape finale celle de la prise de décision afin d’actionner un mouvement qui sera exécuté par un programme embarqué.
Ces différentes innovations orchestrées par un équilibre entre la haute technologie des capteurs, l’architecture du Machine Learning combinée à l’apprentissage profond permettent de rendre ces robots de nouvelles générations nettement plus autonomes et plus performants.
Par Tobias Wölk, Product Management Automation Technology chez reichelt elektronik GmbH & Co. KG
[1]https://www.prnewswire.com/news-releases/global-robotics-market-to-reach-149-86-bn-globally-by-2030-at-27-7-cagr-allied-market-research-301448957.html - Allied Market Research - "Robotics Market by Application (Disinfection, Shelf Scanning, RFID Scanning, Delivery, Security & Inspection, and Advertising) and End User (Automotive, Retail, Healthcare, Electronics, and Others): Global Opportunity Analysis and Industry Forecast, 2021–2030"
[2]https://www.usinenouvelle.com/article/les-industriels-francais-ont-recommence-a-investir-dans-les-robots-en-2021.N1994027 - Tiziano Polito - "Les industriels français ont recommencé à investir dans les robots en 2021"
[3]https://www.usinenouvelle.com/article/les-robots-revent-d-autonomie-avec-le-machine-learning.N1999562 - Alexandre Couto - "Les robots rêvent d'autonomie avec le machine learning"
[4]IA-Robotique_FabienMOUTARDE_MINES-ParisTech (psl.eu) - Mines ParisTech - l'Intelligence artificielle pour la robotique
