Technologies clés propulsant les systèmes robotiques de nouvelle génération

Alors que les systèmes robotiques passent des laboratoires de recherche aux déploiements commerciaux dans la fabrication, la logistique et les services, il est essentiel d'identifier les obstacles restants qui limitent leur adoption généralisée.

Bien que le matériel et les logiciels aient connu des progrès significatifs, l'évolution rapide de la conception continue de pousser les robots vers une plus grande utilité et intelligence dans des domaines tels que l'agriculture, l'entreposage, la livraison du dernier kilomètre, l'inspection et la fabrication intelligente.

En pratique, un robot ingère des données provenant de capteurs et de caméras, se localise, perçoit son environnement, prédit le mouvement des objets proches et planifie des déplacements sûrs et coordonnés — ce qui exige une puissance de traitement et une énergie considérables.

La consommation d'énergie des plateformes robotiques se répartit en trois catégories principales : les moteurs d'entraînement et contrôleurs, les systèmes de détection et les unités de traitement. Une nouvelle génération de capteurs à faible consommation et haute précision est nécessaire pour déterminer efficacement l'orientation et la position du robot, tandis que les plateformes de traitement doivent équilibrer performance et consommation énergétique, d'autant que les robots se déplacent généralement à des vitesses modestes.

À cette étape critique, le système sur puce (SoC) s'impose comme l'élément central qui intègre divers modules de détection et de puissants moteurs d'intelligence artificielle (IA), permettant la prochaine vague de robots commerciaux.

Appel aux SoC de nouvelle génération

Les opérations robotiques nécessitent souvent l'exécution concurrente en temps réel de dizaines d'algorithmes — odométrie, planification de trajectoire, vision et perception. Cette complexité exige des SoC capables d'offrir une intégration inégalée, prenant en charge des fonctions spécialisées telles que le codage parcimonieux, la planification de trajectoire et la localisation et cartographie simultanées (SLAM).

La puce SDA/SDM845 de Qualcomm (Figure 1) illustre ce saut en matière d'intégration. Son CPU Kryo octa-cœur fonctionne à 2,8 GHz, complété par un DSP Hexagon 685 pour le traitement IA embarqué et une pile de vision par ordinateur optimisée pour mobile pour la perception, la navigation et la manipulation. Un double processeur de signal d'image (ISP) Spectra 280 14 bits gère des caméras jusqu'à 32 mégapixels et de la vidéo 4K à 60 ips.

Figure 1 : Les blocs architecturaux de la puce Qualcomm SDM845 pour conceptions robotiques (Image : Qualcomm)

La plateforme intègre également une unité de traitement sécurisée (SPU) offrant un démarrage sécurisé, une accélération cryptographique et un environnement d'exécution de confiance (TEE). La connectivité est assurée par le Wi-Fi, avec des projets d'ajout de la 5G pour des communications à faible latence et haut débit dans les environnements industriels.

La plateforme Robotics RB3 de Qualcomm s'appuie sur le SDA/SDM845, associée à la carte de développement DragonBoard 845c et son kit pour un prototypage rapide.

Le Jetson Xavier de Nvidia (Figure 2) présente une autre solution hautement intégrée, ciblant les robots de livraison et logistiques. Le module contient 9 milliards de transistors et délivre plus de 30 billions d'opérations par seconde (TOPS), avec un CPU ARM64 à huit cœurs, un GPU Volta à cœurs Tensor, deux accélérateurs d'apprentissage profond NVDLA, un processeur d'image, un processeur de vision et un processeur vidéo.

Figure 2 : Le module Jetson Xavier de 80 × 87 mm offre une puissance de calcul de station de travail dans une fraction de la taille (Image : Nvidia)

Ces exemples illustrent que les accélérateurs IA sont indispensables dans les SoC et modules, permettant aux robots de fusionner les données des capteurs, se localiser, cartographier et naviguer avec précision.

Intégration de l'IA : encore en évolution

L'IA est cruciale pour améliorer la réactivité et la précision d'un robot, notamment dans la détection et la reconnaissance d'objets. En allant au-delà de la programmation rigide, l'IA permet aux robots d'interagir plus naturellement et précisément avec leur environnement.

Pourtant, les concepteurs doivent intégrer des capacités IA supplémentaires sans gonfler la taille des composants ni leur consommation d'énergie. De plus, les formats encombrants peuvent entraver l'adoption commerciale.

Figure 3 : Les modules IA doivent équilibrer performance, taille et consommation pour répondre aux exigences du marché.

Un autre obstacle est d'assurer une large prise en charge des frameworks IA, les robots industriels et de service s'appuyant de plus en plus sur des modèles d'inférence pour l'orientation et le positionnement.

Capteurs intelligents requis

Les robots tels que les aspirateurs autonomes et les hoverboards exigent des capteurs hautement stables et performants pouvant résister à de fortes vibrations. L'obtention d'un traitement de capteur haute précision entraîne souvent une hausse des coûts et des temps de développement lorsque le contrôle logiciel est utilisé.

Par conséquent, les solutions de détection intégrées sont essentielles. Pour la plateforme RB3, InvenSense (désormais une société TDK) fournit une suite de capteurs et microphones à faible consommation, étroitement assortis, avec des points de surcharge acoustique élevés.

La RB3 utilise les IMU six axes d'InvenSense — un trio de gyroscopes et d'accéléromètres — ainsi qu'un capteur de pression barométrique capacitif et des microphones numériques multi-modes. Ces IMU fournissent un positionnement basé sur l'horloge en temps réel, tandis que le capteur de pression atteint une précision d'élévation de 10 cm.

Les robots adoptent de plus en plus des systèmes de capteurs et caméras intelligents équipés de navigation basée sur le SLAM, leur permettant d'opérer de manière fiable dans des environnements réels complexes. Des capacités d'apprentissage automatique sont intégrées dans les caméras de vision 3D pour améliorer encore la perception.

Les concepteurs doivent continuer à privilégier la compacité et la faible consommation, garantissant que les capteurs haute résolution s'interfacent parfaitement avec les contrôleurs de robots via des bus numériques standards.

Comme l'IA, les capteurs et caméras intelligents en sont encore à leurs débuts, mais l'industrie anticipe une maturité significative d'ici 2020, offrant des coûts inférieurs et une précision accrue.

À mesure que les capteurs et l'IA mûrissent, les robots passeront d'unités autonomes autonomes dans les entrepôts et usines à partenaires collaboratifs dans les paysages grand public et industriels.