Comment secourir un robot « kidnappé » ? Un nouveau système d'IA aide les robots à retrouver leur sens de l'orientation.

infohightech ·

Voici comment le robot « voit » son environnement grâce au système développé à l’UMH. La représentation 3D par nuage de points LiDAR permet d’extraire des caractéristiques structurelles globales et locales afin d’estimer la pose du robot — sa position et son orientation précises dans l’espace. Crédit : Université Miguel Hernández de Elche (UMH)

Les robots mobiles doivent estimer en permanence leur position pour se déplacer de manière autonome. Cependant, les systèmes de navigation par satellite ne sont pas toujours fiables : les signaux peuvent se dégrader à proximité des bâtiments ou devenir indisponibles à l’intérieur des habitations. Pour fonctionner de manière sûre et efficace, les robots doivent interpréter leur environnement à l’aide de capteurs embarqués et d’algorithmes de localisation robustes.

Des chercheurs de l'Université Miguel Hernández d'Elche (UMH), en Espagne, ont mis au point un système de localisation hiérarchique qui améliore considérablement le positionnement des robots dans des environnements vastes et changeants. Cette méthode s'attaque à l'un des problèmes les plus complexes de la robotique mobile : le problème du « robot kidnappé », où un robot perd la connaissance de sa position initiale après avoir été déplacé, mis hors tension ou replacé dans un état différent.

L'étude, publiée dans l' International Journal of Intelligent Systems , présente MCL-DLF (Monte Carlo Localization—Deep Local Feature), un système de localisation LiDAR 3D à résolution variable, conçu pour la navigation de longue durée dans de vastes environnements. Ce système a été validé pendant plusieurs mois sur le campus de l'UMH Elche, dans des conditions environnementales diverses, tant en intérieur qu'en extérieur.

Une stratégie hiérarchique inspirée par l'orientation humaine

L'approche proposée imite la façon dont les humains s'orientent dans des environnements inconnus ou changeants. Dans un premier temps, le robot effectue une localisation grossière, identifiant sa région approximative à partir de caractéristiques structurelles globales extraites de nuages ​​de points LiDAR 3D, telles que des bâtiments ou de la végétation.

Une fois cette zone délimitée, le système effectue une localisation précise, analysant les caractéristiques locales détaillées pour estimer la position et l'orientation exactes du robot.

Un robot mobile se déplace sur le campus de l'UMH d'Elche grâce au système de localisation MCL-DLF, qui assure un positionnement précis même lorsque l'environnement évolue. Crédit : Université Miguel Hernández de Elche (UMH)

« C’est un peu comme lorsque les gens repèrent d’abord une zone générale, puis s’appuient sur de petits détails distinctifs pour déterminer leur emplacement précis », explique Míriam Máximo, chercheuse à l’UMH et auteure principale de l’étude.

Ces travaux ont été dirigés par Mónica Ballesta et David Valiente, également chercheurs à l'Institut de recherche en ingénierie d'Elche (I3E) de l'UMH. Afin d'éviter toute ambiguïté dans des environnements visuellement similaires, la méthode intègre des techniques d'apprentissage profond qui extraient automatiquement des caractéristiques locales discriminantes à partir de nuages ​​de points 3D.

Au lieu de s'appuyer sur des règles prédéfinies, le robot apprend quelles caractéristiques environnementales sont les plus pertinentes pour sa localisation. Ces caractéristiques apprises sont combinées à une localisation probabiliste de type Monte Carlo, qui maintient plusieurs hypothèses de pose et les met à jour à mesure que de nouvelles données de capteurs sont reçues.

Robuste face à la variabilité environnementale

L'un des principaux défis de la navigation robotique à long terme réside dans la variabilité environnementale. Les espaces extérieurs évoluent au fil du temps en raison des changements saisonniers, de la croissance de la végétation ou des variations d'éclairage, ce qui peut en modifier considérablement l'apparence.

Trajectoires de navigation utilisées pour valider le système de localisation au fil des saisons et dans diverses conditions environnementales sur le campus UMH d'Elche. Crédit : Université Miguel Hernández de Elche (UMH)

Les chercheurs indiquent que MCL-DLF atteint une précision de positionnement supérieure aux méthodes conventionnelles, tout en maintenant des estimations d'orientation comparables, voire meilleures, pour certaines trajectoires. Surtout, le système présente une variabilité temporelle réduite, ce qui confirme sa robustesse face aux variations saisonnières et structurelles.

Applications dans les systèmes autonomes

Une localisation fiable est essentielle pour la robotique de service, l'automatisation logistique, l'inspection des infrastructures, la surveillance environnementale et les véhicules autonomes. Dans tous ces domaines, la sécurité d'exploitation repose sur une estimation de position stable et précise dans des conditions dynamiques et réelles.

Bien que la navigation entièrement autonome demeure un défi majeur en robotique, ces travaux permettent aux robots de se rapprocher d'un fonctionnement fiable dans des environnements vastes et changeants, sans infrastructure de positionnement externe.

L'étude a été menée par Míriam Máximo, Antonio Santo, Arturo Gil, Mónica Ballesta et David Valiente de l'Institut de recherche en ingénierie d'Elche (I3E), de l'Université Miguel Hernández d'Elche (UMH).

https://techxplore.com/news/2026-02-kidnapped-robot-ai-robots-regain.html

https://www.umh.es/?lang=EN

Cet article vous a été utile ? Partagez-le.