Former d'abord le robot dans un monde virtuel, puis l'envoyer dans le monde réel

Points clés

• Le marché mondial de la robotique devrait croître de 19,6 % par an entre 2026 et 2036, selon Future Market Insights.
• Un modèle de perception de chariot élévateur entraîné avec des données synthétiques et NVIDIA Cosmos a atteint 99,5 % de précision sur des vidéos d'entrepôt réelles après un ajustement spécifique à l'environnement.
• Un modèle simulé uniquement, sans calibration en conditions réelles, n'a atteint que 49,4 % de rappel sur les mêmes données réelles.
• La mise en service virtuelle, c'est-à-dire tester les connexions logicielles d'un robot avant l'installation physique, peut réduire le délai de déploiement de 30 à 50 %.

Un robot qui fonctionne parfaitement lors des tests peut quand même échouer sur le terrain. L'emballage change. L'éclairage varie. Une palette se trouve à un angle légèrement différent de celui des photos d'entraînement. Ces petites différences suffisent à arrêter une chaîne de production.

C'est cet écart entre un test contrôlé et une réalité chaotique qui pousse les ingénieurs en robotique à se tourner vers ce qu'ils appelent des « salles d'entraînement virtuelles ».

Une salle d'entraînement virtuelle est une réplique informatique détaillée d'un vrai environnement de travail : une allée d'entrepôt, un plancher d'usine, une zone de chargement. À l'intérieur, un robot peut tenter des tâches des milliers de fois, échouer, récupérer et apprendre, avant qu'un seul essai physique n'ait lieu. Aucun équipement cassé. Aucune production arrêtée. Aucun incident de sécurité.

The Robot Report a couvert cette approche en profondeur, en s'appuyant sur le travail de la société d'ingénierie logicielle SoftServe, et les chiffres sont éloquents.

Cela réduit-il vraiment l'écart entre la simulation et la vie réelle ?

Pas entièrement, mais cela le réduit bien plus que la simulation seule. L'équipe de SoftServe a créé un système pour Toyota Material Handling Europe afin d'améliorer la façon dont les chariots élévateurs reconnaissent les palettes dans les entrepôts, où les étiquettes, les textures du sol, les ombres et l'éclairage varient constamment. Un modèle entraîné uniquement dans un simulateur a obtenu un rappel de 49,4 %, ce qui signifie qu'il a manqué environ la moitié des palettes sur les vidéos réelles. Après que l'équipe a ajouté des images synthétiques générées par NVIDIA Cosmos (un outil qui crée des images d'entraînement artificielles photoréalistes) et a ensuite calibré ces images pour correspondre au site client réel, le rappel a grimpé à 92,8 % et la précision a atteint 99,5 %.

La leçon : les données synthétiques ne remplacent pas les vidéos du monde réel. C'est un moyen de faire fonctionner les vidéos réelles plus longtemps, en comblant les situations rares ou dangereuses qui n'apparaissent presque jamais lors des opérations normales. Un objet tombé. Un dysfonctionnement du capteur. Un quasi-collision avec un chariot élévateur. Ces événements sont extrêmement importants pour la sécurité et la fiabilité, mais ils se produisent trop rarement pour être entraînés directement.

Les salles d'entraînement virtuelles génèrent ces situations à la demande.

Le bon niveau de détail à l'intérieur de la salle dépend du travail. Un robot qui navigue dans une allée d'entrepôt a besoin de cartes précises du trafic piétonnier et des positions des palettes. Un robot qui remplit des conteneurs liquides a besoin d'une physique précise pour la dynamique des fluides. Construire trop de détails dans la mauvaise zone fait gaspiller du temps. Construire trop peu dans la bonne zone produit un robot qui réussit la simulation et échoue en réalité.

Connecter la simulation aux systèmes de contrôle réels du robot est tout aussi important que la physique. Lorsqu'un robot passe d'une salle d'entraînement virtuelle à un site réel, son logiciel doit communiquer correctement avec les systèmes de sécurité, les capteurs et les outils de gestion de flotte. Tester ces connexions virtuellement, un processus appelé mise en service virtuelle, réduit le temps de configuration physique de 30 à 50 % dans les environnements industriels, selon les données de SoftServe.

Pour les gens ordinaires, l'implication pratique est celle-ci : les robots qui arriveront dans les entrepôts, les hôpitaux et les espaces publics au cours des prochaines années auront passé bien plus de temps à s'entraîner dans des environnements artificiels que réels. Lorsque cet entraînement est bien fait, le robot qui arrive sur site est moins susceptible de commettre des erreurs coûteuses ou dangereuses le premier jour.