Robotics

La robotique est le domaine de l’ingénierie qui conçoit, construit et programme des robots : des machines qui perçoivent leur environnement, décident quoi faire et agissent sur le monde physique au moyen de moteurs et d’autres actionneurs. Elle combine génie mécanique et électrique, théorie du contrôle et informatique. Les robots industriels classiques rejouent des mouvements préprogrammés dans des cellules clôturées, tandis que l’intelligence artificielle (AI) permet aux robots plus récents de s’adapter aux variations : trouver des pièces qui ne sont jamais exactement au même endroit, éviter les personnes et apprendre des gestes de manipulation à partir de démonstrations plutôt que de code écrit à la main.

Fonctionnement d’un robot : percevoir, planifier, agir#

La plupart des logiciels robotiques suivent en continu une structure percevoir-planifier-agir :

• Perception des mesures : Les caméras, capteurs de profondeur, lidars, centrales inertielles (IMU), codeurs d’articulation et capteurs de force-couple mesurent le monde et le robot lui-même.
• Perception : Les modèles de vision par ordinateur transforment les images brutes en objets, personnes, surfaces et distances grâce à la détection d’objets, à la segmentation, à l’estimation de pose et à l’estimation de profondeur.
• Estimation d’état et cartographie : La fusion de capteurs avec des filtres comme le filtre de Kalman estime la position et le mouvement du robot, tandis que le SLAM visuel cartographie les espaces inconnus tout en suivant le robot à l’intérieur.
• Planification : Les planificateurs de tâches décident de l’étape suivante, tandis que les planificateurs de mouvement calculent des trajectoires sans collision pour les roues ou les bras.
• Commande : Les contrôleurs de bas niveau, des boucles PID à la commande prédictive par modèle, pilotent les moteurs pour suivre le plan, souvent des centaines de fois par seconde.

Un middleware comme ROS 2 (Robot Operating System) relie ces composants sous forme de processus distincts qui échangent des messages sur des rubriques nommées. La boucle se referme, car chaque action modifie ce que les capteurs voient ensuite :

La vision dans la boucle de commande#

La perception doit fournir des résultats assez rapidement pour permettre la planification sur l’ordinateur embarqué du robot, souvent un module GPU intégré comme NVIDIA Jetson. Le guide de démarrage rapide ROS d’Ultralytics exécute Ultralytics YOLO26 comme nœud ROS, qui s’abonne à une rubrique de caméra et publie des détections et segmentations annotées, les noms des classes détectées ainsi que les distances des objets calculées à partir d’images de profondeur, à destination des autres nœuds. La même étape, de la perception à l’action, tient en quelques lignes de Python : elle arrête un robot mobile dès qu’une personne apparaît dans son flux vidéo.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"

# Sense-act loop: read frames as they arrive and stop as soon as a person is detected
for frame_idx, result in enumerate(model.predict(video, stream=True, classes=[0])):
    if len(result.boxes) > 0:
        print(f"Person detected in frame {frame_idx}: sending stop command")
        break

Avec stream=True, le modèle produit un résultat par image au fur et à mesure de la lecture de la vidéo ; le même principe s’applique à un index de caméra en direct comme source=0.

La robotique fondée sur l’apprentissage#

La perception apprise est désormais courante, et l’apprentissage s’étend de plus en plus à la planification et à la commande :

• Apprentissage par imitation : Les robots apprennent à partir de démonstrations téléopérées grâce au clonage comportemental. Des techniques comme le découpage en séquences d’actions et les politiques de diffusion ont rendu cette approche pratique pour les manipulations fines, comme plier du linge ou insérer des connecteurs.
• Apprentissage par renforcement en simulation : Les politiques entraînées par apprentissage par renforcement sur des millions d’essais simulés sont transférées au matériel réel à l’aide de la randomisation du domaine, qui fait varier la physique et l’apparence afin que le monde réel ne soit qu’une variation supplémentaire. Les contrôleurs agiles de marche et de course des quadrupèdes et des humanoïdes sont couramment entraînés de cette manière.
• Modèles fondamentaux pour la robotique : Les modèles vision-langage-action convertissent directement les images de caméra et les instructions en langage naturel en commandes motrices. Parmi les exemples figurent π0 de Physical Intelligence, Gemini Robotics de Google DeepMind et les modèles ouverts Isaac GR00T de NVIDIA pour les humanoïdes. Les données d’entraînement sont regroupées entre robots, comme dans le jeu de données Open X-Embodiment, qui comprend plus d’un million de trajectoires issues de 22 types de robots.

Ces méthodes sont souvent regroupées sous les termes d’IA incarnée et d’IA physique, les domaines de recherche en IA consacrés aux agents qui perçoivent et agissent par l’intermédiaire d’un corps.

Robotique et automatisation robotisée des processus#

L’automatisation robotisée des processus (RPA) partage le même mot, mais ne comporte aucun matériel : les « robots » RPA sont des logiciels qui automatisent des tâches numériques répétitives, comme copier des données entre des applications professionnelles ou traiter des factures. La robotique implique toujours une machine physique, comme le quadrupède Spot de Boston Dynamics, qui parcourt un chantier pour capturer des images d’inspection.

Applications#

• Fabrication : Les bras articulés soudent, peignent et assemblent, tandis que les robots collaboratifs (cobots) travaillent aux côtés des personnes à des vitesses et avec des forces plus faibles. La vision guide la prise de pièces dans des bacs et inspecte les défauts.
• Logistique : Les robots mobiles autonomes (AMR) parcourent les entrepôts grâce à leurs cartes et à la perception embarquées, et contournent les obstacles en recalculant leur itinéraire. Les véhicules à guidage automatique (AGV) plus anciens suivaient des trajets fixes matérialisés par des bandes ou des fils.
• Agriculture : Les robots désherbent, éclaircissent et récoltent les cultures en utilisant la vision pour distinguer les plantes.
• Santé : Les systèmes chirurgicaux téléopérés traduisent les mouvements de la main du chirurgien en mouvements précis des instruments, et les robots mobiles livrent des fournitures dans les hôpitaux.
• Transports : Les véhicules autonomes et les drones sont des robots mobiles qui exécutent la même boucle percevoir-planifier-agir à des vitesses plus élevées.

Selon la Fédération internationale de robotique, 542 000 robots industriels ont été installés dans le monde en 2024, dont 54 % en Chine, portant le nombre de robots en service à environ 4,66 millions.