L'IA est sur le point d'automatiser les tâches manuelles les plus banales dans les entrepôts.
infohightech ·
Avant qu'un article n'arrive à votre porte, il traverse la chaîne d'approvisionnement mondiale sur une palette. Plus de 2 milliards de palettes sont en circulation rien qu'aux États-Unis, et 400 milliards de dollars de marchandises y sont exportés chaque année. Cependant, le chargement de boîtes sur ces palettes est une tâche qui appartient au passé : Les charges lourdes et les mouvements répétitifs exposent les travailleurs à un risque élevé de blessure et, dans les rares cas où des robots sont utilisés, il faut des mois pour les programmer à l'aide d'ordinateurs de poche qui ont peu évolué depuis les années 1980.
Jacobi Robotics, une start-up issue des laboratoires de l'université de Californie à Berkeley, affirme pouvoir accélérer considérablement ce processus grâce à un logiciel de commande et de contrôle de l'IA. Les chercheurs ont abordé la palettisation - l'une des tâches les plus courantes dans les entrepôts - comme un problème de planification des mouvements : Comment faire en sorte qu'un bras robotisé saisisse en toute sécurité des boîtes de formes différentes et les empile efficacement sur une palette sans se bloquer ? Tous ces calculs doivent également être rapides, car les chaînes de fabrication produisent plus de variétés de produits que jamais, ce qui signifie des boîtes de formes et de tailles différentes.
Après de nombreux essais et erreurs, les fondateurs de Jacobi, dont le roboticien Ken Goldberg, affirment avoir trouvé la solution. Leur logiciel, qui s'appuie sur les recherches d'un article publié dans Science Robotics en 2020, est conçu pour fonctionner avec les quatre principaux fabricants de bras de palettisation robotisés. Il utilise l'apprentissage profond pour générer une "première ébauche" de la manière dont un bras pourrait déplacer un article sur la palette. Il utilise ensuite des méthodes robotiques plus traditionnelles, telles que l'optimisation, pour vérifier si le mouvement peut être effectué en toute sécurité et sans accrocs.
Jacobi vise à remplacer les méthodes traditionnelles que les clients utilisent actuellement pour former leurs robots. Dans l'approche traditionnelle, les robots sont programmés à l'aide d'outils appelés "pendentifs d'apprentissage", et les clients doivent généralement guider manuellement le robot pour lui montrer comment prendre chaque boîte individuelle et la placer sur la palette.
L'ensemble du processus de codage peut prendre des mois. Jacobi affirme que sa solution basée sur l'IA promet de réduire ce temps à une journée et peut calculer les mouvements en moins d'une milliseconde. L'entreprise prévoit de lancer son produit dans le courant du mois.
Des milliards de dollars sont investis dans la robotique alimentée par l'IA, mais l'engouement porte surtout sur les robots de nouvelle génération qui promettent d'être capables d'accomplir de nombreuses tâches différentes, comme le robot humanoïde qui a permis à Figure de lever 675 millions de dollars auprès d'investisseurs, dont Microsoft et OpenAI, et d'atteindre une évaluation de 2,6 milliards de dollars en février dernier. Dans ce contexte, l'utilisation de l'IA pour former un meilleur robot empileur de boîtes peut sembler assez élémentaire.
En effet, le financement de démarrage de Jacobi est insignifiant en comparaison : 5 millions de dollars apportés par Moxxie Ventures. Mais au milieu du battage médiatique autour des promesses de percées robotiques qui pourraient prendre des années à se concrétiser, la palettisation pourrait être le problème de l'entrepôt que l'IA est le mieux à même de résoudre à court terme.
"Nous avons une approche très pragmatique", explique Max Cao, cofondateur et PDG de Jacobi. "Ces tâches sont à notre portée et nous pouvons obtenir une large adoption dans un court délai, contrairement à certains des projets en cours.
Le logiciel de Jacobi comprend un studio virtuel où les clients peuvent construire des répliques de leurs installations, en saisissant des facteurs tels que les modèles de robots dont ils disposent, les types de boîtes qui sortiront de la bande transporteuse et la direction vers laquelle les étiquettes doivent être orientées.
Un entrepôt transportant des articles de sport, par exemple, pourrait utiliser le programme pour déterminer la meilleure façon d'empiler une palette mixte de balles de tennis, de raquettes et de vêtements. Les algorithmes de Jacobi planifieront alors automatiquement les nombreux mouvements que le bras robotique devra effectuer pour empiler la palette, et les instructions seront transmises au robot.
Selon Dmitry Berenson, professeur de robotique à l'université du Michigan, qui n'est pas impliqué dans l'entreprise, cette approche combine les avantages de la rapidité de calcul offerte par l'IA et la précision des techniques robotiques plus traditionnelles.
"Ils font quelque chose de très raisonnable", ajoute-t-il. "Une grande partie de la recherche en robotique moderne mise sur l'IA, dans l'espoir que l'apprentissage profond puisse compléter ou remplacer la formation manuelle en permettant au robot d'apprendre à partir d'exemples antérieurs d'un mouvement ou d'une tâche donnés. Mais en s'assurant que les prédictions générées par l'apprentissage profond sont comparées aux résultats des méthodes plus traditionnelles, Jacobi développe des algorithmes de planification qui seront probablement moins sujets à l'erreur, explique Dmitry Berenson."
La vitesse de planification qui pourrait en résulter "fait entrer cette technologie dans une nouvelle catégorie", ajoute-t-il. "Vous ne remarquerez même pas le temps qu'il faut pour calculer un mouvement. C'est très important dans le milieu industriel, où chaque pause est synonyme de retard.