Publié le : 12 mars 2025 / Mis à jour le : 12 mars 2025 – Auteur : Konrad Wolfenstein
Les chercheurs Sepehr Samavi et la professeure Angela Schoellig à côté du robot Jack – Photo : Astrid Eckert, Munich
Travaux pionniers en robotique : l'Université technique de Munich (TUM) développe un robot prédictif
Systèmes autonomes : comment les robots apprennent à interagir avec les humains
Dans un monde en pleine mutation, où l'automatisation et l'intelligence artificielle prennent une place de plus en plus importante dans notre quotidien, les systèmes autonomes occupent une place prépondérante. Des voitures autonomes aux robots d'assistance intelligents, en passant par les usines industrielles sophistiquées, la capacité des machines à prendre des décisions de manière indépendante et à évoluer dans des environnements complexes transforme de nombreux aspects de notre vie. Le développement de systèmes capables de se déplacer de manière sûre et efficace dans des environnements dynamiques et fréquentés par l'humain constitue un domaine particulièrement passionnant et stimulant de la robotique. Il s'agit non seulement d'éviter les obstacles, mais aussi de comprendre, d'anticiper et de réagir au comportement humain afin de garantir une interaction fluide et sécurisée.
Des chercheurs de la prestigieuse Université technique de Munich (TUM) travaillent activement à l'intersection de la robotique, de l'intelligence artificielle et du comportement humain. Au sein de leur Laboratoire des systèmes d'apprentissage et de robotique, dirigé par la professeure Angela Schoellig, ils ont développé un robot innovant nommé « Jack », capable de se déplacer dans les foules avec une habileté et une prévoyance remarquables. Ce qui distingue Jack de nombreux autres robots, c'est sa capacité non seulement à percevoir son environnement immédiat, mais aussi à anticiper les mouvements des personnes à proximité et leurs réactions potentielles à ses propres déplacements. Cette capacité d'anticipation permet à Jack de planifier son itinéraire dans les espaces fréquentés non seulement de manière réactive, mais aussi proactive et intelligente.
Convient à:
Le défi de se déplacer dans la foule
Se déplacer dans une foule représente un défi de taille pour les robots, qui va bien au-delà du simple évitement d'obstacles. Contrairement aux environnements statiques ou prévisibles, les foules sont dynamiques, imprévisibles et caractérisées par des interactions sociales complexes. Chaque personne se déplace individuellement, tout en influençant les mouvements des autres. Cette interdépendance, combinée à la variabilité naturelle du comportement humain, rend extrêmement difficile pour les robots de se déplacer de manière sûre et efficace.
Les algorithmes de navigation robotique traditionnels, souvent basés sur des règles rigides et des données de capteurs simplistes, atteignent rapidement leurs limites dans de tels environnements. Ils réagissent généralement aux obstacles par un arrêt brutal ou un écart soudain, ce qui peut engendrer des embouteillages, des itinéraires inefficaces, voire des situations dangereuses au sein d'une foule. Pour se déplacer efficacement dans une foule, les robots ont donc besoin d'une forme d'intelligence bien plus avancée, leur permettant de comprendre et d'anticiper le comportement humain et de l'intégrer activement à leur planification de navigation.
L'approche novatrice de Jack : vision d'avenir et interaction
Le robot Jack, développé par des chercheurs de l'Université technique de Munich (TUM), représente une avancée majeure par rapport aux approches traditionnelles. Son fonctionnement repose sur un algorithme sophistiqué qui lui permet non seulement de percevoir les mouvements des personnes dans son environnement, mais aussi de les anticiper et de les intégrer à la planification de ses déplacements. Le professeur Schoellig souligne la différence fondamentale avec les méthodes conventionnelles : « Notre robot modélise la réaction des personnes à ses mouvements afin d'optimiser ses itinéraires. C'est là la principale différence par rapport aux autres approches qui, généralement, ignorent cette interaction. »
Cette capacité à modéliser les interactions est essentielle à la réussite de Jack. Au lieu de considérer les gens comme de simples obstacles imprévisibles, Jack les perçoit comme des êtres intelligents dont il peut partiellement anticiper le comportement, voire l'influencer. Cela lui permet de se déplacer dans la foule d'une manière très proche de la navigation humaine. Il n'hésite pas à s'insérer dans les interstices, anticipe les mouvements des piétons et ajuste dynamiquement son itinéraire pour éviter les collisions tout en atteignant efficacement sa destination.
Capteurs et puissance de calcul combinés
Pour accomplir cette tâche exigeante, Jack est équipé de capteurs et d'une puissance de calcul de pointe. Un composant essentiel est un capteur lidar (détection et télémétrie par laser) qui émet en continu des faisceaux laser dans son environnement et reçoit les signaux réfléchis. À partir de ces données, le lidar crée en temps réel une carte précise à 360 degrés de l'environnement, capturant non seulement les objets statiques, mais aussi, et surtout, la position et les mouvements des personnes. Le lidar fournit ainsi au robot une image détaillée de son environnement, qui constitue la base de ses décisions de navigation.
Outre le lidar, Jack est équipé de capteurs dans ses roues qui mesurent avec précision sa vitesse et la distance parcourue. Ces informations sont essentielles pour déterminer avec exactitude sa position dans son environnement et optimiser l'efficacité de sa navigation. Toutes les données des capteurs sont traitées par un puissant ordinateur de bord capable d'exécuter des algorithmes complexes en temps réel. Cet ordinateur est le « cerveau » de Jack : il analyse les données des capteurs, prédit les mouvements humains et calcule l'itinéraire optimal.
Convient à:
L'algorithme en détail : prédiction, planification et adaptation
L'intelligence de Jack repose sur un algorithme de navigation développé par des chercheurs de l'Université technique de Munich (TUM). Cet algorithme fonctionne en plusieurs étapes pour permettre à Jack de se déplacer de manière sûre et efficace dans les foules.
1. Perception et acquisition de données
Tout d'abord, Jack collecte en continu des données sur son environnement grâce à ses capteurs. Le lidar fournit des informations sur la position et les mouvements des personnes, tandis que les capteurs de roues fournissent des données sur les mouvements du robot lui-même.
2. Prédire les mouvements humains
À partir des données recueillies, l'algorithme analyse les déplacements des personnes à proximité. Il tente de prédire les trajectoires probables qu'elles emprunteront dans les prochaines secondes. Cette prédiction repose sur des modèles statistiques appris à partir de vastes ensembles de données sur le comportement des personnes en foule.
3. Planification d'itinéraire
Parallèlement, l'algorithme planifie l'itinéraire optimal jusqu'à la destination du robot. Pour ce faire, il prend en compte non seulement les mouvements prévus des personnes, mais aussi les capacités et les limitations du robot, telles que sa vitesse et sa maniabilité. L'objectif est de trouver un itinéraire permettant d'atteindre la destination le plus rapidement et le plus efficacement possible, sans risque de collision avec les personnes.
4. Adaptation dynamique
Un aspect essentiel de l'algorithme réside dans sa capacité d'adaptation dynamique. L'ensemble du processus d'acquisition de données, de prédiction et de planification d'itinéraire est répété en continu, environ dix fois par seconde. Cela permet à Jack d'ajuster son itinéraire en temps réel à un environnement en constante évolution. Cette fréquence d'adaptation élevée est indispensable pour naviguer de manière sûre et efficace dans un environnement dynamique et fréquenté, car le robot reconnaît et réagit simultanément aux mouvements des personnes, comme l'explique Sepehr Samavi, chercheur à l'Université technique de Munich (TUM).
Tirer des leçons du comportement humain : la clé d'une navigation semblable à celle des humains
Un autre aspect crucial de l'intelligence de Jack réside dans sa capacité à apprendre du comportement humain. Les chercheurs de l'université TUM ne se sont pas contentés de programmer Jack avec des règles et des algorithmes rigides, mais lui ont plutôt donné la possibilité de s'améliorer continuellement en analysant des données sur le comportement des mouvements humains.
Le professeur Schoellig explique que le modèle mathématique sur lequel repose l'algorithme de planification a été élaboré à partir des mouvements humains et traduit en équations. L'algorithme ne s'appuie donc pas sur des hypothèses abstraites concernant le comportement humain, mais directement sur des données réelles documentant les mouvements de foule. Pour ce faire, les chercheurs ont collecté de vastes ensembles de données décrivant le comportement humain dans diverses situations et environnements, qui servent de matériel d'entraînement pour Jack.
En analysant ces données, Jack apprend à reconnaître et à anticiper les schémas de déplacement humains typiques et à les intégrer à ses propres décisions. Par exemple, il apprend que les gens font généralement un écart à l'approche d'un obstacle ou adaptent leur vitesse pour éviter une collision. Ces connaissances sont intégrées à l'algorithme, permettant à Jack d'adopter un comportement qui se rapproche de celui, intuitif, des personnes en foule.
Un exemple concret de ce processus d'apprentissage est la manière dont Jack gère les collisions potentielles. Un robot traditionnel s'arrêterait généralement immédiatement en détectant un obstacle, comme une personne, sur sa trajectoire. Jack, en revanche, ayant appris du comportement humain, réagit avec plus de subtilité. Il anticipe que les personnes adapteront généralement leur trajectoire et feront un écart pour éviter une collision. Par conséquent, il ne s'arrête pas immédiatement, mais poursuit son mouvement tout en observant la réaction de la personne. Ce n'est que s'il y a des signes indiquant que la personne ne fera pas d'écart que Jack ajuste sa trajectoire et choisit un autre itinéraire. Ce comportement est nettement plus efficace et plus naturel que l'arrêt brutal d'un robot traditionnel.
Développement évolutif : d’une approche réactive à une approche interactive
Le développement des compétences de navigation de Jack fut un processus évolutif qui se déroula en trois étapes. Chaque étape représente un progrès dans la complexité et l'intelligence de l'algorithme.
Niveau 1 : Navigation réactive.
Dans un premier temps, Jack se contentait de réagir à son environnement. Il évitait les obstacles dès qu'il les apercevait, sans prévoir ni anticiper le comportement humain. Bien que fonctionnelle, cette étape était inefficace et entraînait souvent des arrêts brusques et des détours.
Niveau 2 : Navigation prédictive.
Dans un second temps, l'algorithme a été étendu pour prédire les mouvements des personnes approchant. Cela a permis à Jack de se déplacer de manière plus proactive et d'éviter les collisions avant qu'elles ne soient imminentes. Cette étape représentait déjà un progrès significatif, mais restait limitée, car elle ignorait en grande partie l'interaction entre le robot et l'humain.
Niveau 3 : Navigation interactive.
La version actuelle de Jack représente la troisième et la plus avancée étape de son évolution à ce jour : la navigation interactive. À ce stade, Jack est non seulement capable d'anticiper les mouvements des personnes, mais aussi de prendre en compte leurs réactions aux siens. Il peut influencer leur comportement par ses actions tout en évitant les collisions. Cette capacité d'interaction constitue l'avancée décisive qui fait de Jack un système de navigation véritablement intelligent et proche du comportement humain.
Le chercheur Samavi explique que Jack peut prédire les mouvements des autres et influencer simultanément leurs actions par son propre comportement, tout en évitant les collisions. Cette forme de navigation interactive permet à Jack de se déplacer de manière sûre, efficace, socialement acceptable et intuitive au sein des foules.
Domaines d'application : Des robots de livraison à la conduite autonome
La technologie innovante de Jack recèle un potentiel énorme pour de nombreuses applications. Bien que Jack ait été initialement développée comme plateforme de recherche, les chercheurs de l'Université technique de Munich (TUM) envisagent déjà des applications concrètes dans le monde réel.
Robot de livraison
Une application évidente concerne les robots de livraison capables d'acheminer de manière autonome marchandises et colis en milieu urbain. Ces robots doivent pouvoir se déplacer de façon sûre et efficace sur les trottoirs, dans les zones piétonnes et au cœur des villes animées. La capacité de Jack à se faufiler dans la foule est essentielle à cet égard. À l'avenir, les robots de livraison autonomes pourraient contribuer de manière significative à la résolution des problèmes de « dernier kilomètre » en logistique et à la réduction des embouteillages urbains.
Convient à:
fauteuils roulants
Une autre application prometteuse réside dans l'intégration de cette technologie aux fauteuils roulants intelligents. Pour les personnes à mobilité réduite, se déplacer dans des environnements fréquentés peut s'avérer extrêmement difficile. Un fauteuil roulant équipé de l'algorithme de navigation de Jack pourrait considérablement améliorer leur autonomie et leur qualité de vie. Ce fauteuil pourrait éviter automatiquement les obstacles, se déplacer en toute sécurité dans les foules et transporter l'utilisateur de manière autonome jusqu'à sa destination.
conduite autonome
La professeure Schoellig considère la conduite autonome comme un domaine d'application particulièrement pertinent pour la technologie de navigation interactive. Elle souligne que ces scénarios interactifs représentent un défi majeur. Dans des situations de circulation complexes, comme l'insertion sur autoroute, les virages aux intersections ou les interactions avec les piétons et les cyclistes, il est essentiel non seulement de planifier ses propres mouvements, mais aussi d'anticiper le comportement des autres usagers de la route et de l'intégrer à sa planification. La capacité de cette technologie à fournir une navigation interactive pourrait ainsi contribuer de manière significative au développement de véhicules autonomes plus sûrs et plus efficaces. Elle cite l'insertion sur autoroute comme exemple : lorsqu'un véhicule se trouve sur la voie d'accélération d'une bretelle d'autoroute, de nombreux conducteurs arrivant par derrière changent de voie ou freinent légèrement. C'est précisément dans de telles situations que la nouvelle approche permet de prendre en compte de manière appropriée les réactions des autres usagers de la route.
robots humanoïdes
Les robots humanoïdes pourraient particulièrement tirer profit de ces algorithmes, notamment dans des domaines comme les soins, les services ou la production, où ils interagissent étroitement avec les humains. Pour qu'ils soient acceptés et utilisés efficacement, il est essentiel qu'ils puissent se déplacer de manière sûre et intuitive dans les environnements humains. Le professeur Schoellig souligne cependant un défi majeur : alors qu'un robot mobile peut s'arrêter en cas de besoin, les robots humanoïdes sont actuellement assez instables et perdent rapidement l'équilibre. Améliorer la stabilité des robots humanoïdes dans les environnements dynamiques est un axe de recherche important qui nécessite des développements supplémentaires pour exploiter pleinement le potentiel de la navigation interactive pour ces robots.
Navigation robotique avancée : comment Jack comprend le comportement humain
Les recherches menées par l'Université technique de Munich (TUM) dans le domaine de la navigation robotique interactive constituent une avancée majeure vers des systèmes intelligents et autonomes capables d'opérer de manière sûre et efficace dans des environnements humains. Le robot Jack démontre de façon impressionnante qu'il est possible de développer des machines capables non seulement de percevoir leur environnement, mais aussi de comprendre et d'anticiper le comportement humain et de l'intégrer à leur processus de décision. Cette capacité de navigation interactive ouvre de nouvelles perspectives pour un large éventail d'applications, allant des robots de livraison aux fauteuils roulants intelligents, en passant par la conduite autonome.
Le développement de Jack n'est toutefois qu'un début. La recherche en robotique et en intelligence artificielle progresse rapidement et nous pouvons nous attendre à d'autres innovations passionnantes dans les années et les décennies à venir. L'intégration des robots dans notre quotidien deviendra de plus en plus courante et les systèmes autonomes joueront un rôle toujours plus important dans notre société. Il est donc crucial d'orienter le développement de ces technologies de manière responsable et de prendre en compte les aspects éthiques et sociétaux dès le départ. C'est la seule façon de garantir que robots et humains puissent collaborer au bénéfice de tous.
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.
