Skip to main content

Towards Intelligent Cognitive AUVs

Article Category

Article available in the folowing languages:

Des robots sous-marins équipés de logiciels de prise de décision

Les véhicules sous-marins autonomes (AUV) examinent de plus près ce que l’on trouve sous la surface des océans et des mers du monde, ce qui pourrait se révéler très utile dans un grand nombre de domaines. Ces engins deviennent plus intelligents et plus fiables grâce à des algorithmes innovants de traitement des données.

Économie numérique
Alimentation et Ressources naturelles

L’archéologie, la recherche scientifique et les relevés des fonds océaniques à des fins de développement industriel et gouvernemental, y compris la pose de pipelines ou la construction de ponts, ne sont que quelques-unes des raisons d’explorer les environnements sous-marins. Avec le soutien du programme Marie Skłodowska-Curie, le projet TIC-AUV s’est attaché à rendre les AUV utilisés pour l’exploration plus intelligents et plus aptes à conserver leur poste.

Dépasser les contraintes actuelles

La plupart des AUV sont aujourd’hui utilisés pour effectuer des relevés pré-programmés ne nécessitant pas ou peu de «cognition». Selon Francesco Maurelli, boursier et chercheur principal du projet: «les travaux menés dans le cadre du projet ont contribué à la conception d’AUV plus aptes à comprendre l’environnement, à prendre des décisions et à réagir face à des événements ou à des défaillances non prévus, aux fins de tirer un parti maximum de leur potentiel en matière d’économie bleue.» Pour atteindre ces objectifs, Francesco Maurelli s’est appuyé sur son expertise dans le domaine du développement de logiciels pour créer des algorithmes de traitement des données. Ces algorithmes peuvent aider à extraire et à analyser des informations pertinentes sur l’environnement à partir des capteurs des AUV.

Des services pionniers qui exploitent les données environnementales et robotiques

Les robots industriels effectuent des tâches répétitives sur des lieux fixes depuis maintenant plusieurs dizaines d’années. Toutefois, dans la mesure où ils sortent graduellement des usines pour intervenir dans des environnements complexes, peu structurés et changeants, leur utilité dépend de leur capacité à traiter des informations sur ces environnements et à prendre des décisions pratiquement comme le ferait un être humain. Un système autonome autopropulsé doit être capable de construire et de mettre à jour une représentation riche de l’évolution de son environnement opérationnel. Cela inclut sa propre localisation et orientation au sein de ce lieu et les interrelations entre les objets; cette fonctionnalité est appelée (carte sémantique). Comme l’explique Francesco Maurelli, «la représentation sémantique du monde repose sur deux aspects importants: le traitement sensoriel aux fins d’analyser les données collectées et d’identifier les concepts importants, et la modélisation de la représentation du monde pour définir quels sont les concepts pertinents pour le domaine concerné et leurs relations.» De la même manière, en utilisant des capteurs qui fournissent des informations à la fois sur l’environnement et sur le robot lui-même, les algorithmes de localisation estiment l’orientation et la position de l’AUV sur la base de probabilités de proximité des objets sur le planisphère. Les codes de traitement sensoriel de Francesco Maurelli rendent possible le but ultime du projet: disposer d’AUV plus intelligents pouvant plonger plus longtemps et dotés de la capacité de réagir à des événements et à des défaillances imprévus. La prise de décision active repose sur l’optimisation des actions pour une tâche donnée à partir d’une carte sémantique précise et d’une localisation de l’AUV. La gestion des défaillances aide les robots à détecter les problèmes et à prendre les mesures nécessaires pour y remédier, ce qui est essentiel pour une autonomie de long terme. Le code développé pour gérer les dysfonctionnements du système de propulsion peut s’appliquer à une vaste gamme de pannes potentielles sur la base d’une carte sémantique actualisée.

Des implications à plus grande échelle

Replaçant tout cela dans son contexte, Francesco Maurelli explique: «On m’a appris à ne jamais abandonner, à me concentrer sur mes objectifs et à faire de mon mieux pour les atteindre. D’une certaine manière, c’est dans cet esprit que je fais évoluer les robots avec lesquels je travaille: s’il y a un problème, trouvez un moyen d’y remédier de manière à ce que vous puissiez accomplir votre mission.» Bien que le projet TIC-AUV ait été lancé dans l’objectif d’améliorer la robotique sous-marine de manière générale, à plus grande échelle, Francesco Maurelli envisage la mise au point d’AUV plus intelligents adaptés aux nombreuses facettes du Programme de développement durable à l’horizon 2030 des Nations unies en misant sur l’exploration et l’exploitation durables des mers et des océans.

Mots‑clés

TIC-AUV, véhicules sous-marins autonomes (AUV), environnement, robot, capteur, défaillance, algorithme, données, localisation, orientation, traitement sensoriel, carte sémantique

Découvrir d’autres articles du même domaine d’application