Publié le: 12 mars 2025 / mise à jour de: 12 mars 2025 - Auteur: Konrad Wolfenstein
Le chercheur Sepehr Samavi et le professeur Angela Schoellig à côté de Robots Jack - Image: Astrid Eckert, Muenchen
Travail pionnier dans la robotique: TUM développe des robots en avant en avant
Systèmes autonomes: comment apprendre les robots pour interagir avec les gens
Dans un monde qui se développe rapidement dans le sens de l'automatisation et de l'intelligence artificielle, les systèmes autonomes sont une partie de plus en plus importante de notre vie quotidienne. Une discipline particulièrement excitante et stimulante dans la robotique est le développement de systèmes qui peuvent se déplacer en toute sécurité et efficacement dans des environnements dynamiques peuplés par les humains. Il ne s'agit pas seulement d'éviter les obstacles, mais aussi de comprendre, de prédire et de réagir le comportement des gens afin d'assurer une interaction fluide et sûre.
Exactement dans cette interface de robotique, d'intelligence artificielle et de comportement humain, des chercheurs de la célèbre Université technique de Munich (TUM) travaillent à haute pression. Dans votre laboratoire d'apprentissage et de robotique, sous la direction de la professeure Angela Schoellig, vous avez développé un robot innovant appelé «Jack», qui est capable de naviguer avec des compétences et une prévoyance remarquables à travers les foules. Ce qui distingue Jack de nombreux autres robots, c'est sa capacité non seulement à percevoir l'environnement immédiat, mais aussi à réfléchir activement à la façon dont les gens se déplaceront et comment ils pourraient réagir à leurs propres mouvements. Cette façon de penser la prévoyance permet à Jack de planifier son chemin à travers des pièces vivantes non seulement de manière réactive, mais aussi de manière proactive et intelligente.
Convient à:
Le défi de la navigation dans les foules
La navigation dans les foules est un énorme défi pour les robots qui va bien au-delà de la simple évitement des obstacles. Contrairement aux environnements statiques ou prévisibles, les foules sont dynamiques, imprévisibles et caractérisées par des interactions sociales complexes. Tout le monde se déplace individuellement, mais influence en même temps les mouvements des autres. Cette interdépendance, combinée à la variabilité naturelle du comportement humain, rend extrêmement difficile pour les robots de se déplacer en toute sécurité et efficacement.
Les algorithmes de navigation traditionnels pour les robots, qui sont souvent basés sur des règles rigides et des données de capteurs simples, atteignent rapidement leurs limites dans de tels environnements. Ils réagissent généralement à réagir aux obstacles en s'arrêtant brusquement ou en esquivant, ce qui peut entraîner des embouteillages indésirables, des itinéraires inefficaces ou même des situations dangereuses dans une foule. Afin de se déplacer avec succès dans les foules, les robots ont donc besoin d'une forme d'intelligence beaucoup plus progressive, ce qui leur permet de comprendre le comportement humain, de prédire et d'impliquer activement leur planification de navigation.
L'approche innovante de Jack: la pensée et l'interaction las
Le Robot Jack développé par les chercheurs de TUM va un pas décisif au-delà des approches traditionnelles. Son cœur est un algorithme sophistiqué qui lui permet non seulement de percevoir les mouvements des personnes de sa région, mais aussi de prédire activement et d'impliquer sa propre planification de l'itinéraire. Le professeur Schoellig souligne la différence fondamentale des méthodes conventionnelles: «Notre robot a modélisé comment les gens réagiront à son mouvement pour planifier sa propre voie. C'est la grande différence pour d'autres approches qui ignorent généralement cette interaction. »
Cette capacité à modéliser l'interaction est la clé du succès de Jack. Au lieu de considérer uniquement les gens comme des obstacles imprévisibles, Jack la considère comme un acteur intelligent dont il peut parfois prédire et même influencer le comportement. Cela lui permet de se déplacer à travers des foules qui ressemblent à la navigation humaine à bien des égards. Il n'hésite pas à se déplacer dans les lacunes, anticipe les mouvements des piétons et adapte sa route dynamiquement pour éviter les collisions et en même temps atteindre efficacement son objectif.
Capteur et puissance de calcul dans l'interaction
Afin de faire face à cette tâche exigeante, Jack est équipé de capteurs très développés et de puissance de calcul. Un élément central est un capteur lidar (détection de la lumière et allant), qui envoie en permanence des faisceaux laser dans la zone et reçoit les signaux réfléchis. À partir de ces données, le lidar crée une carte précise à 360 degrés dans l'environnement en temps réel, qui non seulement capture des objets statiques, mais en particulier la position et le mouvement des personnes. Le lidar fournit ainsi au robot une «image» détaillée de son environnement, qui constitue la base de ses décisions de navigation.
En plus du lidar, Jack a des capteurs dans ses vélos, qui mesurent précisément son propre rythme et la distance parcourue. Ces informations sont cruciales pour déterminer précisément votre propre position dans la zone et optimiser l'efficacité de la navigation. Toutes les données de capteur sont traitées par un ordinateur puissant sur planche qui est capable de réaliser des algorithmes complexes en temps réel. Cet ordinateur est le «cerveau» de Jack et responsable de l'analyse des données du capteur, la prédiction des mouvements humains et le calcul de l'itinéraire optimal.
Convient à:
L'algorithme en détail: prédiction, planification et adaptation
Le cœur de l'intelligence de Jack est l'algorithme de navigation développé par les chercheurs de TUM. Cet algorithme fonctionne en plusieurs étapes pour permettre à Jack d'assurer une navigation sûre et efficace dans les foules.
1. Perception et acquisition de données
Initialement, Jack recueille continuellement des données sur son environnement avec l'aide de ses capteurs. Le lidar fournit des informations sur la position et le mouvement des personnes, tandis que les capteurs de roue fournissent des données sur le mouvement du robot.
2. Prédiction des mouvements humains
Sur la base des données collectées, l'algorithme analyse le modèle de mouvement des personnes dans la région. Il essaie de prédire les chemins probables que les gens prendront le relais dans les prochaines secondes. Cette prédiction est basée sur des modèles statistiques qui ont été appris à partir des registres de données étendus du comportement du mouvement humain dans la foule.
3. Planification des itinéraires
Dans le même temps, l'algorithme prévoit la route optimale vers l'objectif du robot. Il prend non seulement en compte les mouvements prévus des personnes, mais aussi les compétences et les restrictions des robots, telles que sa vitesse et sa maniabilité. L'objectif est de trouver un itinéraire qui mène à l'objectif aussi rapidement et efficacement que possible sans risquer les collisions avec les gens.
4. Adaptation dynamique
Un aspect central de l'algorithme est sa capacité à s'adapter dynamiquement. L'ensemble du processus d'acquisition de données, de prédiction et de planification des itinéraires est en permanence répété environ dix fois par seconde. Cela permet à Jack d'adapter sa route vers l'environnement en constante évolution en temps réel. Cette fréquence d'adaptation élevée est essentielle pour naviguer dans un environnement dynamique avec de nombreuses personnes en toute sécurité et efficacement, car le robot reconnaît les voies des gens en même temps et réagit à la façon dont le chercheur TUM Sepehr explique Samavi.
Apprendre du comportement humain: la clé de la navigation de type humain
Un autre aspect crucial de l'intelligence de Jack est sa capacité à apprendre du comportement humain. Les chercheurs de TUM n'ont pas simplement programmé Jack avec des règles et des algorithmes rigides, mais lui ont donné l'occasion de s'améliorer en permanence grâce à l'analyse des données du comportement du mouvement humain.
Le professeur Schoellig explique que le modèle mathématique sur lequel l'algorithme de planification est basé était dérivé de mouvements humains et traduit en équations. L'algorithme n'est donc pas basé sur des hypothèses abstraites sur le comportement humain, mais directement sur des données réelles qui documentent les mouvements des foules. Afin de permettre cela, les chercheurs ont collecté de vastes enregistrements de données qui décrivent le comportement humain dans différentes situations et environnements et servent de matériel pédagogique à Jack.
En analysant ces données, Jack apprend à reconnaître, à anticiper les modèles de mouvement typiques des gens et à impliquer ses propres décisions. Par exemple, il apprend que les gens esquivent généralement lorsqu'ils se dirigent vers un obstacle ou qu'ils adaptent leur vitesse pour éviter une collision. Ces résultats affluent dans l'algorithme et permettent à Jack de se comporter d'une manière qui ressemble au comportement intuitif des personnes dans la foule.
Un exemple concret de ce processus d'apprentissage est le traitement par Jack des collisions potentielles. Un robot traditionnel s'arrêterait généralement immédiatement dès qu'il reconnaît un obstacle, comme une personne, sur une trajectoire de collision. Jack, en revanche, qui a appris du comportement humain, réagit plus différemment. Il calcule également que les gens s'adapteront généralement et esquiveront pour éviter une collision. Par conséquent, il ne s'arrête pas immédiatement, mais poursuit son mouvement, tout en observant la réaction de l'homme. Seulement s'il y a des signes que les gens n'esquiveront pas le plan de Jack à court terme et choisissent un autre itinéraire. Ce comportement est beaucoup plus efficace et plus humain que l'arrêt brutal d'un robot traditionnel.
Développement évolutif: de réactif trop interactif
Le développement des compétences de navigation de Jack a été un processus évolutif qui a été passé en trois étapes. Chaque niveau représente des progrès dans la complexité et l'intelligence de l'algorithme.
Niveau 1: Navigation réactive.
Dans la première étape, Jack n'a réagi de manière réactive que son environnement. Il a échappé aux obstacles dès qu'il les a perçus sans prédire ni anticiper le comportement des gens. Cette étape était fonctionnelle, mais inefficace et a souvent conduit à des arrêts et des détours brusques.
Niveau 2: Navigation prédictive.
Dans la deuxième étape, l'algorithme a été élargi pour prédire le mouvement des personnes venant en sens inverse. Cela a permis à Jack de naviguer davantage en avant et d'éviter les collisions avant d'être imminentes. Ce niveau était déjà un progrès significatif, mais était toujours limité car il a largement ignoré l'interaction entre les robots et les humains.
Niveau 3: Navigation interactive.
La version actuelle de Jack représente le troisième niveau d'évolution et le plus avancé: la navigation interactive. À ce niveau, Jack est non seulement en mesure de prédire les mouvements des gens, mais aussi de prendre en compte activement la façon dont les gens réagiront à leurs propres mouvements. Il est capable d'influencer le comportement des gens à travers son propre comportement et en même temps éviter les collisions. Cette capacité interactive est la percée cruciale qui fait de Jack un système de navigation vraiment intelligent et humain.
Le chercheur Samavi explique que Jack peut prédire les mouvements des autres d'une part et en même temps est capable d'influencer leurs actions par son propre comportement tout en évitant les collisions. Cette forme de navigation interactive permet à Jack de se déplacer en toute sécurité, efficacement, socialement acceptable et intuitivement à travers les foules.
Domaines d'application: des robots de livraison à la conduite autonome
La technologie innovante qui est dans Jack a un énorme potentiel pour une variété de domaines d'application. Bien que Jack ait été initialement développé en tant que plate-forme de recherche, les chercheurs de TUM pensent déjà aux utilisations concrètes possibles dans le monde réel.
Robot de livraison
Une application étroite sont des robots de livraison qui peuvent livrer de manière autonome des marchandises et des forfaits dans les environnements urbains. Ces robots doivent être en mesure de se déplacer en toute sécurité et efficacement sur les trottoirs, dans les zones piétonnes et dans les centres urbains animés. La capacité de Jack à naviguer dans la foule est d'une importance cruciale pour cela. À l'avenir, les robots de livraison autonomes pourraient apporter une contribution significative à la résolution des problèmes du «dernier kilomètre» en logistique et en soulageant le trafic urbain.
Convient à:
Fauteuil roulant
Une autre application prometteuse est l'intégration de la technologie dans des fauteuils roulants intelligents. La navigation dans des environnements animés peut être un défi majeur pour les personnes ayant des restrictions de mobilité. Un fauteuil roulant équipé d'un algorithme de navigation Jacks pourrait améliorer considérablement l'indépendance et la qualité de vie de ces personnes. Le fauteuil roulant pourrait éviter automatiquement les obstacles, se déplacer en toute sécurité dans les foules et amener l'utilisateur de manière autonome à la destination souhaitée.
Conduite autonome
Le professeur Schoellig considère la conduite autonome comme un domaine d'application particulièrement pertinent pour la technologie de navigation interactive. Il souligne que ces scénarios interactifs sont un défi central. Dans des situations de circulation complexes, par exemple lors du filetage sur les autoroutes, lors de la transformation des passages à niveau ou lorsqu'ils traitent avec des piétons et des cyclistes, il est essentiel non seulement de planifier votre propre mouvement, mais aussi de prédire le comportement des autres usagers de la route et de les inclure dans leur propre planification. La capacité de la technologie pour la navigation interactive pourrait ainsi apporter une contribution significative au développement de véhicules autonomes sûrs et efficaces. Par exemple, cela conduit à du filetage sur une autoroute: lorsqu'un véhicule roule sur la jauge d'accélération d'une entrée de l'autoroute, de nombreux conducteurs venant de derrière les pistes de changement ou de freinage légèrement. C'est précisément dans de telles situations que la nouvelle approche permet à la prise en compte des réactions des autres usagers de la route.
Robots humanoïdes
Les robots humanoïdes pourraient bénéficier particulièrement des algorithmes, en particulier dans des domaines tels que les soins, le service ou la production dans lesquels ils travaillent en étroite collaboration avec les gens. Pour être utilisé et efficace par les humains, il est essentiel qu'ils puissent naviguer en toute sécurité et intuitivement dans les environnements humains. Cependant, le professeur Schoellig fait référence à un défi central: bien qu'un robot en mouvement puisse simplement s'arrêter si nécessaire, les robots humanoïdes sont actuellement encore assez instables et perdent rapidement leur équilibre. L'amélioration de la stabilité des robots humanides dans des environnements dynamiques représente un domaine de recherche important qui doit être développé afin de rendre le plein potentiel de navigation interactive également utilisable pour les robots humanoïdes.
Navigation avancée du robot: comme Jack comprend le comportement humain
La recherche de TUM dans le domaine de la navigation par robot interactive représente des progrès significatifs sur la voie des systèmes intelligents et autonomes qui peuvent agir en toute sécurité et efficacement dans les environs humains. Le robot Jack montre de manière impressionnante qu'il est possible de développer des machines qui non seulement perçoivent leur environnement, mais comprennent également le comportement humain, les prédisent et les incluent dans leurs décisions. Cette capacité à la navigation interactive ouvre de nouvelles opportunités pour une variété d'applications, des robots de livraison aux fauteuils roulants intelligents en passant par la conduite autonome.
Le développement de Jack n'est que le début. La recherche dans le domaine de la robotique et de l'intelligence artificielle progresse rapidement, et nous pouvons nous attendre à de nouvelles innovations passionnantes dans les années et les décennies à venir. L'intégration des robots dans notre vie quotidienne deviendra de plus en plus naturelle et les systèmes autonomes joueront un rôle de plus en plus important dans notre société. Il est donc d'une importance cruciale que nous rendions le développement de ces technologies responsables et prenons en compte les aspects éthiques et sociaux dès le début. C'est la seule façon de nous assurer que les robots et les gens peuvent travailler ensemble au profit de tout le monde à l'avenir.
Convient à:
Votre partenaire mondial de marketing et de développement commercial
☑️ Notre langue commerciale est l'anglais ou l'allemand
☑️ NOUVEAU : Correspondance dans votre langue nationale !
Konrad Wolfenstein
Je serais heureux de vous servir, vous et mon équipe, en tant que conseiller personnel.
Vous pouvez me contacter en remplissant le formulaire de contact ou simplement m'appeler au +49 89 89 674 804 (Munich) . Mon adresse e-mail est : wolfenstein ∂ xpert.digital
J'attends avec impatience notre projet commun.
