Des ingénieurs du California Institute of Technology ont réussi à faire voler des essaims de drones dans des environnements encombrés et non cartographiés. Grâce à un modèle d’apprentissage automatique, chaque engin apprend à se déplacer en coordination avec les autres. Cette avancée a de nombreuses applications parmi lesquelles la réduction des collisions entre voitures autonomes.

ALICE VITARD | PUBLIÉ LE 20 JUILLET 2020 À 11H57 L’USINEDIGITALE

Des ingénieurs du California Institute of Technology (Caltech) ont développé un modèle d’apprentissage automatique capable de panifier les mouvements de plusieurs robots. Leurs travaux ont été publiés le 15 juillet sur le site de l’université américaine située à Pasadena, dans la banlieue de Los Angeles.

Grâce à cet algorithme baptisé « Global-to-Local Safe Autonomy Synthesis » (GLAS), des essaims de drones peuvent naviguer dans des environnements encombrés et non cartographiés. Le système fonctionne en donnant à chaque engin un degré d’indépendance qui lui permet de s’adapter à un environnement changeant.

COORDONNER LES MOUVEMENTS DES DRONES

La coordination des mouvements de plusieurs robots est une problématique centrale dans la robotique. Deux défis majeurs rendent la coordination multi-robots difficile. Premièrement, les robots se déplaçant dans de nouveaux environnements doivent prendre des décisions en une fraction de seconde sur leurs trajectoires malgré des données incomplètes sur leur trajectoire future. Deuxièmement, la présence d’un nombre plus important de robots dans un environnement rend leurs interactions de plus en plus complexes et plus sujettes aux collisions.

Au lieu de se fier aux cartes existantes ou aux itinéraires de chaque autre drone de l’essaim, le modèle GLAS permet à chaque machine d’apprendre à naviguer dans un espace donné tout en se coordonnant avec les autres. Comme chaque robot  n’a besoin que d’informations sur son environnement local, le calcul peut être décentralisé. En quelque sorte, chaque robot « pense » pour lui-même, ce qui facilite l’augmentation de la taille de l’essaim. « Nos travaux montrent des résultats prometteurs pour surmonter les problèmes de sécurité, de robustesse et d’extensibilité des approches conventionnelles d’intelligence artificielle (IA) de boîte noire pour la planification des mouvements d’essaim », a déclaré  Soon-Jo Chung, professeur d’aérospatiale au Caltech.

TEST AVEC UN ESSAIM DE 16 DRONES

Les ingénieurs ont testé leur nouveau système sur un essaim de quadricoptères comptant jusqu’à 16 drones et les ont fait voler dans l’arène de drones en plein air du Center for Autonomous Systems and Technologies (CAST) de Caltech. Les équipes ont découvert que le modèle GLAS pouvait surpasser de 20 % l’algorithme de pointe actuel de planification des mouvements multi-robots dans un grand nombre de cas.

L’algorithme mis au point par les scientifiques pourrait être utile dans de nombreux cas parmi lesquels les opérations de recherche et de sauvetage. Mais il s’applique également aux voitures autonomes pour réduire les embouteillages et éviter les collisions.