Imaginez que vous courez et que vous vous foulez la cheville. La douleur vous oblige à boiter prudemment jusqu’à chez vous. C’est un excellent exemple de la façon dont la nature s’adapte aux défaillances d’un système. La douleur vous indique : « Si vous continuez à courir comme d’habitude, la blessure ne fera qu’empirer. » Vous modifiez donc naturellement votre façon de courir. Les drones actuels ne peuvent pas faire de même avec une hélice usée. Des chercheurs de l’Université de technologie de Delft et de l’Université et Centre de recherche de Wageningen ont démontré qu’un concept emprunté à la nature, initialement développé pour prédire l’effondrement des écosystèmes, peut également aider à détecter les défaillances imminentes des systèmes artificiels. Ceci est crucial pour garantir la sécurité des drones et des véhicules autonomes, qui s’intègrent de plus en plus à notre quotidien.
« Notre approche est comparable à la façon dont les humains perçoivent la douleur. Après une blessure, la douleur nous informe immédiatement de notre état et nous aide à déterminer quelles actions restent sans danger. Les machines, en général, sont dépourvues de cette forme de conscience de soi. Les nouveaux indicateurs, issus de données de mesure en temps réel, constituent un premier pas vers l’acquisition, par les systèmes artificiels, d’une capacité similaire à reconnaître leurs limites ». Jasper van Beers, chercheur à l’Université de technologie de Delft
De la forêt saine à l’effondrement
L’étude, publiée dans les Actes de l’Académie nationale des sciences, utilise des indicateurs d’alerte précoce basés sur un phénomène appelé ralentissement critique. Dans la nature, ce ralentissement se produit lorsqu’un système devient moins résilient et met plus de temps à se remettre de perturbations, signalant souvent qu’il approche d’un point de basculement. Par exemple, une forêt saine peut se rétablir rapidement après une saison sèche. Mais après chaque période de sécheresse, ce rétablissement devient plus long. Finalement, un événement climatique extrême, même mineur, peut déclencher un dépérissement forestier à grande échelle. Les scientifiques peuvent observer le temps de rétablissement pour déterminer si un écosystème approche effectivement d’un point de basculement critique.
Bien que ces méthodes soient largement utilisées en écologie et en climatologie, leur applicabilité aux systèmes contrôlés activement, tels que les drones, les aéronefs et les robots autonomes, restait incertaine. Contrairement aux systèmes naturels, ces technologies sont constamment régulées par des dispositifs de contrôle qui réagissent en temps réel aux variations des conditions. Or, les chercheurs ont constaté que les signaux d’alerte précoce issus de l’écologie et de la climatologie permettent toujours d’identifier de manière fiable l’approche de l’instabilité au sein d’un système contrôlé.
Détecter les problèmes avant qu’ils ne deviennent critiques
Pour tester et valider cette approche, l’équipe de recherche a travaillé au CyberZoo, un centre de recherche unique dédié aux drones et situé au sein de la Faculté d’ingénierie aérospatiale. Dans ce laboratoire, les scientifiques peuvent pousser les drones à la limite de la perte de contrôle en toute sécurité, provoquer délibérément des dommages et recueillir les données nécessaires à la compréhension des mécanismes de défaillance.
En combinant simulations, analyse de données de vol et essais expérimentaux approfondis, les chercheurs ont pu identifier les combinaisons de dommages, de conditions de vol et de manœuvres les plus susceptibles d’entraîner une perte de contrôle. De plus, ces indicateurs permettent non seulement de détecter l’instabilité, mais aussi d’adapter le comportement du système en temps réel. Par exemple, ils pourraient contribuer à définir des stratégies permettant de maintenir le vol malgré des dommages à l’aile d’un aéronef, à l’instar des humains qui compensent une blessure à la cheville en boitant pour continuer à marcher.
Trois drones effectuent la même manœuvre agressive au début d’un vol circulaire. Le drone intact et celui endommagé à 10 % la réussissent, tandis que le drone endommagé à 15 % devient instable et perd le contrôle.
Au-delà des drones
« En combinant les connaissances issues de différentes disciplines scientifiques — en l’occurrence l’ingénierie aérospatiale et l’écologie —, nous continuons à réaliser des percées qui contribuent à traduire la recherche fondamentale en technologies pratiques ». Jasper van Beers
L’un des principaux avantages de cette méthode réside dans le fait qu’elle ne repose pas sur des modèles physiques détaillés du drone. Elle utilise plutôt les données de capteurs embarqués peu coûteux pour identifier les variations subtiles du comportement du système. De ce fait, cette technologie pourrait potentiellement s’appliquer à un large éventail de systèmes techniques, au-delà des drones, car elle offre une méthode générique pour surveiller la résilience et identifier les problèmes avant qu’ils ne provoquent des accidents.
Les applications pourraient inclure la surveillance des infrastructures critiques, l’aide à la maintenance prédictive des aéronefs et autres véhicules, l’amélioration du contrôle qualité en production et le renforcement de la fiabilité des systèmes autonomes tels que les voitures autonomes. Le premier impact concret est attendu dans le secteur en pleine expansion des drones, où cette technologie pourrait contribuer à prévenir les accidents, compte tenu du déploiement croissant de ces appareils dans tous les secteurs d’activité.
