Ce qui a commencé comme une réponse aux pénuries de main-d’œuvre dans les usines de transformation de volaille pendant la pandémie de COVID-19 s’est transformé en un système robotisé capable d’apprendre en imitant les mouvements humains pour manipuler les poulets.

Grâce à un algorithme d’apprentissage par imitation avancé et à la perception par caméra, des chercheurs de la station d’expérimentation agricole de l’Arkansas ont développé ChicGrasp, une pince robotisée à double mâchoire dotée de pinces capables de saisir une carcasse de poulet par les pattes, de la soulever et de la suspendre sur un convoyeur à manille pour un traitement ultérieur.

« L’IA incarnée est utilisée pour créer des robots intelligents, semblables à des agents, capables d’interagir avec un environnement réel », a déclaré Dongyi Wang, chef de projet et professeur adjoint aux départements de génie biologique et agricole et de sciences alimentaires. 

« C’est un art physique qui s’est développé ces dernières années, comme en témoignent les voitures entièrement autonomes », a-t-il déclaré. « Nous essayons de faire la même chose dans le domaine de la transformation du poulet, en utilisant ce principe d’apprentissage par imitation. »

Ces travaux ont bénéficié d’une subvention d’un million de dollars provenant d’un programme conjoint de l’Institut national de l’alimentation et de l’agriculture du département de l’Agriculture des États-Unis et de la Fondation nationale pour la science. Wang est professeur à la Faculté d’ingénierie et à la Faculté des sciences agricoles, alimentaires et de la vie Dale Bumpers de l’Université de l’Arkansas. La station expérimentale est le pôle de recherche de la Division de l’agriculture du système de l’Université de l’Arkansas.

Les résultats de l’étude ayant mené au développement de ChicGrasp ont été publiés dans la revue Advanced Robotics Research. L’ensemble des fichiers de conception assistée par ordinateur, du code et des jeux de données du projet ont été mis à disposition en open source, offrant ainsi à l’équipe ce qu’elle décrit comme un référentiel reproductible pour la robotique agricole et l’apprentissage automatique.

Apprentissage par imitation avec « politique de diffusion »

Les méthodes robotiques traditionnelles, comme l’utilisation de ventouses ou de mouvements préprogrammés, peinent à s’adapter aux conditions imprévisibles d’une chaîne de transformation de volailles. Les volailles sont froides, glissantes et présentent des variations de taille et de posture. De légères modifications de la position des pattes ou de l’orientation de la carcasse peuvent entraîner une défaillance du système robotique. Pour pallier ce problème, l’équipe de Wang a conçu un système qui apprend auprès d’opérateurs humains, plutôt que de traiter séparément la pince et l’algorithme de contrôle.

Amirreza Davar, étudiant diplômé des départements de génie mécanique et de génie biologique et agricole, a conçu la pince et modifié l’apprentissage par imitation pour l’adapter au système robotique, a déclaré Wang.

« Dans l’apprentissage par imitation, le rôle de l’humain est de fournir une trajectoire, une référence au robot, ce qui nous évite de repartir de zéro », explique Davar. « C’est plus efficace et plus précis. Dès le départ, le robot sait ce que nous devons faire. »

Les données issues de la caméra (mouvements ou trajectoires) sont stockées dans un répertoire servant de base, ou de données « de faible dimension », pour contrôler chaque articulation du bras robotique. L’algorithme d’apprentissage par imitation utilisé,  la politique de diffusion , a été introduit en 2023 par Cheng Chi de l’Université Columbia et ses collègues du Toyota Research Institute et du Massachusetts Institute of Technology. 

Le système permet un cadre adaptatif pour affiner en permanence les stratégies de préhension en formulant le contrôle du robot comme un « processus de débruitage conditionnel », a expliqué Davar.

En comparaison, d’autres méthodes d’apprentissage robotique ont totalement échoué dans les mêmes conditions.

« C’est pourquoi cet algorithme nous inspire pour l’industrie avicole », a déclaré Davar. « Il y a quelques années, les robots étaient programmés pour se déplacer précisément à un endroit précis, à un moment précis. Mais que se passe-t-il si, comme dans l’industrie avicole, les choses sont imprévisibles ? On ne peut pas programmer le robot pour qu’il se place exactement à cet endroit. Les poulets sont de tailles différentes et leurs pattes ne sont pas toujours dans la même position. C’est pourquoi nous voulions que le robot puisse s’adapter à ce type de situation. »

Davar a déclaré que l’importance du travail réalisé sur ChicGrasp ne se limite pas à la pince elle-même. 

« C’est toute cette idée d’apprentissage par imitation et de généralisation, combinée à la pince, qui la rend applicable et pratique dans l’industrie à long terme », a-t-il déclaré. 

L’écart de vitesse

Jusqu’à présent, ChicGrasp a affiché un taux de réussite de près de 81 %, mais les chercheurs ont souligné que la vitesse reste un défi pour une utilisation industrielle. 

Un humain peut saisir une carcasse de poulet et la suspendre au convoyeur à maillons en trois secondes environ. Le cycle complet du système ChicGrasp dure environ 38 secondes. 

Combler l’écart de vitesse nécessitera des modifications tant au niveau du mouvement qu’au niveau de l’algorithme, indique l’étude. Ces travaux impliqueraient notamment l’utilisation de limites de vitesse et d’accélération plus strictes pour les bras de préhension robotisés et la réduction des temps d’inactivité.

Le coût de construction du prototype ChicGrasp, utilisant du matériel de bras robotique standard et des pièces imprimées en 3D pour la pince, était d’environ 59 000 $.

Logiciel libre pour le domaine

En publiant les plans du matériel et les données d’entraînement, l’équipe espère accélérer l’innovation dans le domaine du génie agricole, où les ensembles de données et les points de référence reproductibles ont toujours été limités.

Davar était le premier auteur de l’étude, intitulée « ChicGrasp : Commande personnalisée d’une pince à double mâchoire basée sur l’apprentissage par imitation pour la manipulation de bioproduits délicats et irréguliers ». Wang est l’auteur correspondant. 

https://news.uark.edu/articles/80892/poultry-processing-robotics-advances-with-chicgrasp