Les robots deviennent de plus en plus autonomes et doivent naviguer dans leur environnement avec une plus grande indépendance et fiabilité. Les tracteurs autonomes, les récolteuses agricoles et les machines de semis doivent se frayer un chemin avec précaution à travers les champs de culture, tandis que les véhicules de livraison autonomes doivent traverser les rues en toute sécurité pour placer les colis au bon endroit. Dans une large gamme d’applications, les robots mobiles autonomes (AMRs) nécessitent des sources de positionnement extrêmement précises pour accomplir en toute sécurité et avec succès les tâches pour lesquelles ils sont conçus.
Pour atteindre une telle précision, deux ensembles de capacités de localisation sont nécessaires. L’un consiste à comprendre la position relative de l’AMR par rapport à d’autres objets, ce qui fournit une entrée critique pour comprendre le monde qui l’entoure et éviter les obstacles, qu’ils soient stationnaires ou en mouvement. Ce type de manœuvre dynamique nécessite une pile étendue de capteurs de navigation tels que des caméras, des radars, un lidar, et le logiciel de support pour traiter ces signaux et donner des indications en temps réel à l’AMR.
Le deuxième ensemble de capacités consiste pour l’AMR à comprendre sa position physique précise (ou position absolue) dans le monde afin de naviguer de manière précise et répétée sur un chemin programmé dans l’appareil. Un cas d’utilisation évident est l’agriculture de haute précision, où divers AMRs doivent parcourir le même chemin étroit pendant de nombreux mois pour planter, irriguer et récolter les cultures, chaque passage nécessitant à l’AMR de se référer exactement au même endroit à chaque fois.
Cela nécessite un ensemble différent de capacités de navigation, en commençant par les systèmes de navigation par satellite (GNSS), que l’ensemble de l’écosystème de capteurs et de logiciels exploite. En complément du GNSS, on retrouve les capacités de correction comme le RTK et le SSR qui permettent d’obtenir une précision 100 fois supérieure à celle du GNSS seul pour les applications à ciel ouvert, et les unités de mesure inertielle combinées à un logiciel de fusion de capteurs pour la navigation là où le GNSS n’est pas disponible (navigation à l’estime).
Avant d’approfondir ces technologies, passons une minute à examiner les cas d’utilisation où les positions relative et absolue sont requises pour qu’un AMR fasse son travail.
Applications robotiques nécessitant un positionnement relatif et absolu
Les AMRs révèlent ce que les humains tiennent pour acquis – la capacité innée de se localiser avec précision dans le monde et d’agir de manière précise en fonction de ces informations. Plus les applications pour les AMRs sont variées, plus nous découvrons quels types d’actions nécessitent une précision extrême. Quelques exemples incluent :
- Automatisation agricole : En agriculture, les AMRs deviennent de plus en plus courants pour des tâches comme le semis, la récolte et la surveillance des cultures. Ces robots utilisent une localisation absolue, généralement par GPS, pour naviguer dans de vastes champs souvent irréguliers avec précision. Cela garantit qu’ils peuvent couvrir de vastes zones de manière systématique et revenir à des emplacements spécifiques au besoin. Cependant, une fois à proximité des cultures ou dans une zone désignée, les AMRs s’appuient sur un positionnement relatif pour des tâches exigeant un niveau de précision plus élevé, comme la cueillette de fruits qui peuvent avoir poussé ou changé de position depuis la dernière visite de l’AMR. En combinant ces deux méthodes de positionnement, ces robots peuvent fonctionner efficacement dans les environnements difficiles et variables typiques des champs agricoles.
- Livraison du dernier kilomètre en milieu urbain : Les AMRs transforment la livraison du dernier kilomètre dans les environnements urbains en transportant de manière autonome des marchandises des centres de distribution aux destinations finales. Ces robots utilisent un positionnement absolu pour naviguer dans les rues de la ville, les ruelles et les agencements urbains complexes, en veillant à suivre des itinéraires optimisés tout en évitant la circulation et en respectant les horaires de livraison. Lorsqu’ils atteignent les environs de l’emplacement de livraison, les AMRs utilisent également un positionnement relatif pour se déplacer autour d’obstacles variables ou inattendus, tels qu’un véhicule doublement garé dans la rue. Cette approche double permet aux AMRs de gérer les subtilités des paysages urbains et de réaliser des livraisons précises directement chez les clients.
- Automatisation des chantiers de construction : Sur les chantiers de construction, les AMRs sont utilisés pour garantir que le projet est construit selon les spécifications désignées par les ingénieurs. Ils aident également pour des tâches comme le transport de matériaux et la cartographie ou le levé des environnements. Ces sites couvrent souvent de vastes zones avec des environnements constamment changeants, ce qui oblige les AMRs à utiliser un positionnement absolu pour naviguer et maintenir leur orientation dans l’ensemble du site du projet. Le positionnement relatif entre en jeu lorsque les AMRs effectuent des tâches nécessitant une interaction avec des éléments dynamiques, comme éviter d’autres équipements ou même du personnel sur le site. La combinaison des deux systèmes de positionnement permet aux AMRs de contribuer efficacement à la nature complexe et dynamique des projets de construction, améliorant ainsi l’efficacité et la sécurité.
- Maintenance routière autonome : Les AMRs sont de plus en plus utilisés dans des tâches de maintenance routière telles que l’inspection des chaussées, le colmatage des fissures et le marquage des lignes. Ces robots utilisent un positionnement absolu pour parcourir des tronçons d’autoroute ou de routes, en veillant à rester sur la bonne trajectoire sur de longues distances et à capturer avec précision les emplacements spécifiques où la maintenance doit être effectuée. Lors de l’exécution de ces tâches de maintenance, ils passent au positionnement relatif pour identifier et traiter précisément des imperfections spécifiques de la route, peindre des marquages de voies avec précision ou naviguer autour d’obstacles. Cette double capacité permet aux AMRs de gérer efficacement les tâches de maintenance routière tout en réduisant le besoin de travailleurs humains pour opérer dans des environnements routiers dangereux, améliorant la sécurité et la productivité.
- Surveillance environnementale et conservation : Dans les environnements extérieurs, les AMRs sont souvent déployés pour des efforts de surveillance environnementale et de conservation tels que le suivi de la faune, la détection de la pollution et la cartographie des habitats. Ces robots exploitent un positionnement absolu pour naviguer dans de vastes zones naturelles, des forêts aux régions côtières, garantissant une couverture complète du terrain et permettant la réalisation d’études et de cartographies détaillées du site. Les AMRs peuvent effectuer des tâches telles que la capture d’images haute résolution, la collecte d’échantillons ou le suivi des mouvements d’animaux avec une précision absolue et peuvent superposer ces échantillons au fil du temps de manière cohérente.
Dans tous les exemples ci-dessus, une précision de positionnement absolue de beaucoup moins d’un mètre est nécessaire pour éviter des conséquences potentiellement catastrophiques. Les blessures des travailleurs, les pertes de produits substantielles et les retards coûteux sont tous probables sans une localisation précise. Essentiellement, partout où un AMR doit opérer en quelques centimètres, il devra disposer à la fois de solutions de localisation relative et absolue.
Technologie pour le positionnement relatif
Les AMRs utilisent un certain nombre de capteurs pour se localiser par rapport à d’autres objets dans leur environnement. Ceux-ci incluent :
- Caméras : Les caméras fonctionnent comme les capteurs visuels des robots mobiles autonomes, leur fournissant une image immédiate de leur environnement de manière similaire au fonctionnement de l’œil humain. Ces appareils capturent des informations visuelles riches que les robots peuvent utiliser pour la détection d’objets, l’évitement d’obstacles et la cartographie de l’environnement. Cependant, les caméras dépendent d’un éclairage adéquat et peuvent être gênées par des conditions météorologiques défavorables comme le brouillard, la pluie ou l’obscurité. Pour pallier ces limitations, les caméras sont souvent associées à des capteurs proches infrarouges ou équipées de capacités de vision nocturne, ce qui permet aux robots de voir dans des conditions de faible luminosité. Les caméras sont un élément clé en odometry visuel, un processus où les changements de position dans le temps sont calculés en analysant des images de caméra séquentielles. En général, les caméras nécessitent toujours un traitement important pour convertir leurs images 2D en structures 3D.
- Capteurs radar : Les capteurs radar fonctionnent en émettant des ondes radio pulsées qui se réfléchissent sur les objets, fournissant des informations sur la vitesse, la distance et la position relative de l’objet. Cette technologie est robuste et peut fonctionner efficacement dans diverses conditions environnementales, y compris la pluie, le brouillard et la poussière, où les caméras et le lidar pourraient avoir des difficultés. Cependant, les capteurs radar offrent généralement des données plus clairsemées et une résolution plus faible par rapport à d’autres types de capteurs. Malgré cela, ils sont inestimables pour leur fiabilité dans la détection de la vitesse des objets en mouvement, ce qui les rend particulièrement utiles dans des environnements dynamiques où la compréhension du mouvement d’autres entités est cruciale.
- Capteurs lidar : Le lidar, ou Light Detection and Ranging, est une technologie de capteur qui utilise des impulsions laser pour mesurer les distances en chronométrant la réflexion de la lumière sur les objets. En balayant l’environnement avec des impulsions laser rapides, le lidar crée des cartes 3D hautement précises et détaillées des environnements. Cela en fait un outil essentiel pour la localisation et la cartographie simultanées (SLAM), où le robot construit une carte d’un environnement inconnu tout en suivant sa position à l’intérieur de cette carte. Le lidar est connu pour sa précision et sa capacité à fonctionner dans diverses conditions d’éclairage, bien qu’il puisse être moins efficace sous la pluie, la neige ou le brouillard, où les gouttelettes d’eau peuvent disperser les faisceaux laser. Malgré le coût élevé de cette technologie, le lidar est privilégié dans la navigation autonome en raison de sa précision et de sa fiabilité dans des environnements complexes.
- Capteurs ultrasoniques : Les capteurs ultrasoniques fonctionnent en émettant des ondes sonores haute fréquence qui rebondissent sur les objets proches, le capteur mesurant le temps mis par l’écho pour revenir. Cela permet au robot de calculer la distance par rapport aux objets et aux obstacles sur son chemin. Ces capteurs sont particulièrement utiles pour la détection à courte portée et sont souvent utilisés dans des activités lentes et à courte distance telles que la navigation dans des espaces restreints comme les allées d’entrepôt, ou pour des manœuvres précises comme l’amarrage ou la marche arrière. Les capteurs ultrasoniques sont rentables et fonctionnent bien dans une variété de conditions, mais leur portée limitée et leur temps de réponse plus lent par rapport au lidar et aux caméras signifient qu’ils sont mieux adaptés à des environnements spécifiques et contrôlés où une haute précision à proximité est nécessaire.
La technologie de base utilisée pour le positionnement absolu commence par le GNSS (le terme qui inclut le GPS et d’autres systèmes satellitaires comme GLONASS, Galileo et BeiDou). Étant donné que le GNSS est affecté par les conditions atmosphériques et les incohérences des satellites, il peut fournir une solution de positionnement décalée de plusieurs mètres. Pour les AMRs nécessitant une navigation plus précise, cela n’est pas suffisant – d’où l’émergence d’une technologie connue sous le nom de Corrections GNSS qui réduit cette erreur jusqu’à un centimètre.
- RTK : Le cinématique en temps réel (RTK) utilise un réseau de stations de base avec des positions connues comme points de référence pour corriger les estimations de position du récepteur GNSS. Dans la mesure où l’AMR se trouve à moins de 50 kilomètres d’une station de base et dispose d’une liaison de communication fiable, le RTK peut fournir de manière fiable une précision de 1 à 2 centimètres.
- SSR ou PPP-RTK : La représentation de l’état de l’espace (SSR), parfois appelée PPP-RTK, exploite les informations du réseau de stations de base, mais au lieu d’envoyer les corrections directement à partir d’une station de base locale, elle modélise les erreurs sur une vaste zone géographique. Le résultat est une couverture plus étendue qui permet des distances bien au-delà de 50 km d’une station de base, mais la précision diminue à 3-10 centimètres ou plus en fonction de la densité et de la qualité du réseau.
Bien que ces deux approches fonctionnent exceptionnellement bien là où les signaux GNSS sont disponibles (généralement à ciel ouvert), de nombreux AMRs se déplaceront loin du ciel ouvert, où il y a une obstruction entre le récepteur GNSS sur l’AMR et le ciel. Cela peut se produire dans des tunnels, des parkings, des vergers et des environnements urbains. C’est là qu’interviennent les systèmes de navigation inertielle (INS) avec leur unité de mesure inertielle (IMU) et leur logiciel de fusion de capteurs.
- IMU – Une IMU combine des accéléromètres, des gyroscopes et parfois des magnétomètres pour mesurer l’accélération linéaire, la vitesse angulaire et l’intensité du champ magnétique d’un système, respectivement. Il s’agit de données cruciales qui permettent à un INS de déterminer la position, la vitesse et l’orientation d’un objet par rapport à un point de départ en temps réel.
L’histoire de l’IMU remonte au début du XXe siècle, avec ses racines dans le développement de dispositifs gyroscopiques utilisés dans les systèmes de navigation pour les navires et les avions. Les premières IMUs pratiques ont été développées pendant la Seconde Guerre mondiale, principalement pour une utilisation dans les systèmes de guidage de missiles et plus tard dans le programme spatial. Les missions Apollo, par exemple, ont fortement dépendu des IMUs pour la navigation dans l’espace, où les méthodes de navigation traditionnelles n’étaient pas réalisables. Au fil des décennies, la technologie des IMU a considérablement évolué, entraînée par la miniaturisation des composants électroniques et l’avènement de la technologie des systèmes micro-électro-mécaniques (MEMS) à la fin du XXe siècle. Cette évolution a conduit à des IMU plus compactes, abordables et précises, permettant leur intégration dans un large éventail d’appareils électroniques grand public, de systèmes automobiles et d’applications industrielles aujourd’hui.
- Fusion de capteurs – Le logiciel de fusion de capteurs est chargé de combiner les données de l’IMU, ainsi que d’autres capteurs pour créer une compréhension cohérente et précise de la position absolue d’un AMR lorsque le GNSS n’est pas disponible. Les implémentations les plus basiques "comblent les lacunes" en temps réel, entre le moment où le signal GNSS est perdu et celui où il est repris par l’AMR. La précision du logiciel de fusion de capteurs dépend de plusieurs facteurs, notamment la qualité et l’étalonnage des capteurs impliqués, les algorithmes utilisés pour la fusion, et l’application ou l’environnement spécifique dans lequel il est déployé. Un logiciel de fusion de capteurs plus sophistiqué est capable de corréler différents modalités de capteurs, ce qui permet d’obtenir une précision positionnelle supérieure à celle de chacun des capteurs de la solution travaillant seul.
En conclusion, les AM
