Intégrer la vision par ordinateur en robotique avec Ultralytics YOLO11

Les robots ont beaucoup évolué depuis Unimate, le premier robot industriel, inventé dans les années 1950. D’abord préprogrammés et fondés sur des règles, ils sont devenus des systèmes intelligents capables d’effectuer des tâches complexes et d’interagir avec le monde réel.

Aujourd’hui, les robots sont utilisés dans de nombreux secteurs, de l’industrie manufacturière et de la santé à l’agriculture, pour automatiser divers processus. L’IA et la vision par ordinateur, une branche de l’IA qui aide les machines à comprendre et à interpréter les informations visuelles, jouent un rôle essentiel dans l’évolution de la robotique.

Par exemple, les modèles de vision par ordinateur comme Ultralytics YOLO11 améliorent l’intelligence des systèmes robotiques. Intégrée à ces systèmes, l’IA visuelle permet aux robots de reconnaître des objets, de se déplacer dans différents environnements et de prendre des décisions en temps réel.

Dans cet article, nous verrons comment Ultralytics YOLO11 peut doter les robots de capacités avancées en vision par ordinateur et nous explorerons ses applications dans différents secteurs.

Présentation de l’IA et de la vision par ordinateur en robotique#

Les fonctionnalités fondamentales d’un robot dépendent de sa capacité à comprendre son environnement. Cette perception relie son matériel physique à la prise de décisions intelligente. Sans elle, les robots ne peuvent que suivre des instructions fixes et peinent à s’adapter aux changements de leur environnement ou à gérer des tâches complexes. Tout comme les humains s’appuient sur la vue pour se déplacer, les robots utilisent la vision par ordinateur pour interpréter leur environnement, comprendre la situation et agir en conséquence.

Fig. 1. Un robot joue au morpion en utilisant la vision par ordinateur pour interpréter le plateau et effectuer des coups stratégiques.

En fait, la vision par ordinateur est essentielle à la plupart des tâches robotiques. Elle aide les robots à détecter des objets et à éviter les obstacles lorsqu’ils se déplacent. Toutefois, voir le monde ne suffit pas : les robots doivent aussi pouvoir réagir rapidement. Dans des situations réelles, même un léger retard peut entraîner des erreurs coûteuses. Des modèles comme Ultralytics YOLO11 permettent aux robots de recueillir des informations en temps réel et de réagir instantanément, même dans des situations complexes ou inconnues.

Découvrir Ultralytics YOLO11#

Avant d’examiner comment intégrer Ultralytics YOLO11 aux systèmes robotiques, découvrons d’abord les principales fonctionnalités de YOLO11.

Les modèles Ultralytics YOLO prennent en charge diverses tâches de vision par ordinateur qui fournissent rapidement des informations en temps réel. Ultralytics YOLO11 offre notamment des performances plus rapides, des coûts de calcul plus faibles et une meilleure précision. Il peut, par exemple, détecter des objets dans des images et des vidéos avec une grande précision, ce qui le rend particulièrement adapté à des applications dans des domaines comme la robotique, la santé et l’industrie manufacturière.

Voici quelques fonctionnalités importantes qui font d’Ultralytics YOLO11 une excellente option pour la robotique :

• Facilité de déploiement : le déploiement est simple et le modèle s’intègre à de nombreuses plateformes logicielles et matérielles, notamment ROS.
• Adaptabilité : Ultralytics YOLO11 fonctionne bien dans différents environnements et configurations matérielles, et offre des performances constantes même dans des conditions changeantes.
• Facilité d’utilisation : la documentation et l’interface faciles à comprendre d’Ultralytics YOLO11 réduisent la courbe d’apprentissage et simplifient son intégration aux systèmes robotiques.

Fig. 2. Exemple d’analyse de la pose de personnes dans une image avec YOLO11.

Découvrir les tâches de vision par ordinateur prises en charge par Ultralytics YOLO11#

Voici un aperçu plus détaillé de certaines tâches de vision par ordinateur prises en charge par Ultralytics YOLO11 :

• Détection d’objets : la capacité de détection d’objets en temps réel d’Ultralytics YOLO11 permet aux robots d’identifier et de localiser instantanément les objets dans leur champ de vision. Les robots peuvent ainsi éviter les obstacles, planifier des trajectoires dynamiques et naviguer de façon autonome à l’intérieur comme à l’extérieur.
• Segmentation d’instances : en identifiant précisément les contours et les formes de chaque objet, Ultralytics YOLO11 permet aux robots d’effectuer des opérations de prise et de dépose précises et des tâches d’assemblage complexes.
• Classification d’images : Ultralytics YOLO11 peut classer les objets dans des images, ce qui permet aux robots de catégoriser des articles, de détecter des anomalies ou de prendre des décisions selon le type d’objet, par exemple pour identifier des fournitures médicales dans les établissements de soins.
• Estimation de pose : la prise en charge de l’estimation de pose par Ultralytics YOLO11 permet aux robots de reconnaître et d’interpréter les mouvements et les gestes du corps humain. Cette fonctionnalité est essentielle pour que les robots collaboratifs (cobots) puissent travailler en toute sécurité aux côtés des humains.
• Suivi d’objets : Ultralytics YOLO11 permet de suivre les objets en mouvement au fil du temps, ce qui le rend idéal pour les applications de robotique autonome qui doivent surveiller leur environnement en temps réel.

Fig. 3. Tâches de vision par ordinateur prises en charge par Ultralytics YOLO11.

Applications de l’IA en robotique : avec Ultralytics YOLO11#

De l’apprentissage intelligent à l’automatisation industrielle, des modèles comme Ultralytics YOLO11 peuvent contribuer à redéfinir les capacités des robots. L’intégration de YOLO11 à la robotique montre comment les modèles de vision par ordinateur font progresser l’automatisation. Découvrons quelques domaines clés où YOLO11 peut avoir un impact important.

Enseigner aux robots grâce à la vision par ordinateur#

La vision par ordinateur est largement utilisée dans les robots humanoïdes, qu’elle aide à apprendre en observant leur environnement. Des modèles comme Ultralytics YOLO11 peuvent améliorer ce processus grâce à des fonctions avancées de détection d’objets et d’estimation de pose, qui aident les robots à interpréter avec précision les actions et les comportements humains.

En analysant en temps réel les mouvements subtils et les interactions, on peut entraîner les robots à reproduire des tâches humaines complexes. Ils peuvent ainsi dépasser les routines préprogrammées et apprendre des tâches, comme utiliser une télécommande ou un tournevis, en observant simplement une personne.

Fig. 4. Un robot imite l’action d’un humain.

Ce type d’apprentissage peut être utile dans différents secteurs. Par exemple, en agriculture, les robots peuvent apprendre des tâches comme les semis, les récoltes et la gestion des cultures en observant les travailleurs humains. En reproduisant leur façon de procéder, les robots peuvent s’adapter aux différentes conditions agricoles sans devoir être programmés pour chaque situation.

Applications de la robotique dans les soins de santé#

De même, la vision par ordinateur prend une place de plus en plus importante dans les soins de santé. Ultralytics YOLO11 peut, par exemple, être utilisé dans des dispositifs médicaux pour aider les chirurgiens lors d’interventions complexes. Grâce à des fonctionnalités comme la détection d’objets et la segmentation d’instances, YOLO11 peut aider les robots à repérer les structures internes du corps, à manipuler des instruments chirurgicaux et à effectuer des mouvements précis.

Même si cela semble relever de la science-fiction, des recherches récentes démontrent l’application concrète de la vision par ordinateur aux interventions chirurgicales. Dans une étude intéressante sur la dissection robotique autonome pour une cholécystectomie (ablation de la vésicule biliaire), les chercheurs ont intégré Ultralytics YOLO11 pour la segmentation des tissus (classification et séparation des différents tissus dans une image) ainsi que la détection des points clés des instruments chirurgicaux (identification de repères spécifiques sur les outils).

Le système a pu distinguer avec précision différents types de tissus, même lorsque ceux-ci se déformaient (changeaient de forme) au cours de l’intervention, et s’est adapté à ces changements de façon dynamique. Les instruments robotisés ont ainsi pu suivre des trajectoires précises de dissection (incision chirurgicale).

Fabrication intelligente et automatisation industrielle#

Les robots capables de saisir et de déposer des objets jouent un rôle clé dans l’automatisation des opérations de fabrication et l’optimisation des chaînes d’approvisionnement. Leur rapidité et leur précision leur permettent d’effectuer des tâches avec une intervention humaine minimale, comme identifier et trier des articles.

Grâce à la segmentation d’instances précise d’Ultralytics YOLO11, les bras robotisés peuvent être entraînés à détecter et segmenter les objets qui avancent sur un tapis roulant, à les saisir avec précision et à les placer aux endroits prévus selon leur type et leur taille.

Par exemple, de grands constructeurs automobiles utilisent des robots guidés par la vision pour assembler différentes pièces de voiture, ce qui accélère et améliore la précision des chaînes de montage. Des modèles de vision par ordinateur comme Ultralytics YOLO11 peuvent permettre à ces robots de travailler aux côtés des humains et faciliter l’intégration des systèmes automatisés dans des environnements de production dynamiques. Cette avancée peut accélérer la production, réduire les erreurs et améliorer la qualité des produits.

Fig. 5. Un bras robotisé doté d’un système de vision assemble une voiture.

Avantages de l’intégration d’Ultralytics YOLO11 à la robotique#

Ultralytics YOLO11 présente plusieurs avantages clés qui le rendent particulièrement adapté aux systèmes robotiques autonomes. En voici quelques-uns :

• Faible latence d’inférence : Ultralytics YOLO11 fournit des prédictions très précises avec une faible latence, même dans des environnements dynamiques.
• Modèles légers : conçus pour optimiser les performances, les modèles légers d’Ultralytics YOLO11 permettent aux petits robots, moins puissants en calcul, de bénéficier de capacités avancées de vision sans sacrifier l’efficacité.
• Efficacité énergétique : Ultralytics YOLO11 est conçu pour consommer peu d’énergie. Il est donc idéal pour les robots alimentés par batterie qui doivent économiser leur énergie tout en maintenant des performances élevées.

Limites de l’IA visuelle en robotique#

Bien que les modèles de vision par ordinateur soient des outils puissants pour la vision robotique, certaines limites sont à prendre en compte lors de leur intégration à des systèmes robotiques réels. En voici quelques-unes :

• Collecte de données coûteuse : l’entraînement de modèles efficaces pour des tâches robotiques spécifiques nécessite souvent de grands jeux de données variés et bien annotés, dont l’acquisition est coûteuse.
• Variations environnementales : les robots fonctionnent dans des environnements imprévisibles, où des facteurs comme l’éclairage ou les arrière-plans encombrés peuvent nuire aux performances des modèles de vision.
• Problèmes de calibrage et d’alignement : pour garantir des performances précises, il est essentiel que les systèmes de vision soient correctement calibrés et alignés avec les autres capteurs du robot. Un mauvais alignement peut entraîner des erreurs de prise de décision.

Les progrès futurs de la robotique et de l’IA#

Les systèmes de vision par ordinateur ne sont pas seulement des outils pour les robots d’aujourd’hui : ils constituent les fondations d’un avenir où les robots pourront fonctionner de manière autonome. Grâce à leurs capacités de détection en temps réel et à la prise en charge de plusieurs tâches, ils conviennent parfaitement à la robotique de nouvelle génération.

En fait, les tendances actuelles du marché montrent que la vision par ordinateur devient de plus en plus indispensable en robotique. Les rapports sectoriels soulignent qu’il s’agit de la deuxième technologie la plus utilisée sur le marché mondial de la robotique par IA.

Fig. 6. Part de marché mondiale des robots dotés d’IA, par technologie.

Points clés à retenir#

Grâce à sa capacité à traiter des données visuelles en temps réel, Ultralytics YOLO11 peut aider les robots à détecter et à identifier leur environnement, puis à interagir avec lui avec davantage de précision. C’est important dans des domaines comme l’industrie manufacturière, où les robots peuvent collaborer avec des humains, et la santé, où ils peuvent participer à des opérations complexes.

À mesure que la robotique progresse, l’intégration de la vision par ordinateur à ces systèmes sera essentielle pour permettre aux robots d’effectuer plus efficacement un large éventail de tâches. L’avenir de la robotique s’annonce prometteur : l’IA et la vision par ordinateur font émerger des machines toujours plus intelligentes et adaptables.

Rejoins notre communauté et consulte notre dépôt GitHub pour en savoir plus sur les dernières avancées de l’IA. Découvre différentes applications de l’IA dans les soins de santé et de la vision par ordinateur dans l’agriculture sur nos pages consacrées aux solutions. Consulte nos offres de licence pour créer tes propres solutions de vision par ordinateur.