Une meilleure localisation des objets dans les environnements industriels grâce à l’IA
Les technologies de positionnement en intérieur contribuent à transformer le secteur industriel. À l’instar d’un GPS d’intérieur, elles localisent les personnes et les objets, améliorant ainsi l’efficacité, la sécurité et l’automatisation dans des bâtiments tels que les usines et les entrepôts. Le nouveau projet européen DUNE développe actuellement de nouvelles solutions pour améliorer la localisation des biens dans les environnements industriels intérieurs. Faisant partie du projet VEDLIoT, financé par l’UE, DUNE combine des techniques d’apprentissage profond avec des systèmes informatiques distribués qui s’appuient sur les capacités de l’informatique en nuage, de l’informatique en périphérie de réseau et de l’informatique en périphérie de réseau la plus éloignée pour répondre aux besoins des applications en temps réel. «Il existe aujourd’hui de nombreuses approches technologiques qui tentent d’exploiter les caractéristiques des signaux radio en tant qu’outil pour obtenir la position relative entre des objets», observe le professeur Xavier Vilajosana Guillén de l’Universitat Oberta de Catalunya, en Espagne, dans un article publié sur le site web de l’université. «Cette variété de technologies et les nombreuses et différentes situations dans lesquelles elles peuvent être exploitées, avec des budgets et des environnements d’application hautement diversifiés, impliquent le développement d’un cadre puissant pour gérer les données de localisation issues de différentes technologies en temps réel, qui puisse à la fois s’adapter aux multiples besoins industriels et être économiquement attrayant.» Pour localiser un bien dans un environnement intérieur, le dispositif de réception estime la position du bien en fonction de la direction d’où provient le signal émis par ce dernier. Cependant, les obstacles entre l’émetteur et le dispositif recevant le signal entraînent des imprécisions lors de l’estimation de la position d’un objet. Pour surmonter ce problème, DUNE utilise des mécanismes de positionnement assistés par des techniques d’apprentissage profond à différentes étapes du processus de localisation.
Comment le système fonctionne‑t‑il?
Le système distribué se compose d’une variété de capteurs et de dispositifs de localisation placés sur les objets qui doivent être suivis. Ces dispositifs génèrent des données brutes qui doivent être traitées pour déterminer la position des différents objets. Comme indiqué dans l’article, le traitement initial des données s’effectue «en périphérie la plus éloignée», près des antennes qui transmettent les signaux. Cela permet de réduire le temps de réponse des serveurs et la bande passante, tout en renforçant la sécurité des données. Les antennes du localisateur reçoivent les signaux radio émis par les capteurs fixés sur les objets. Les données doivent ensuite être traitées pour estimer les angles qui déterminent la direction d’où provient le signal, afin de mettre à jour les données en temps réel. «Dans un monde parfait, cette transformation est un processus géométrique qui dépend de l’espace entre les antennes (distance) et de la fréquence radio (longueur d’onde). Cependant, ces environnements sont soumis au bruit et aux irrégularités», note Xavier Vilajosana Guillén. «Lorsqu’on aborde ces problèmes, les méthodes d’apprentissage profond peuvent devenir un outil très précieux pour obtenir des estimations précises de la position des objets.» D’autres dispositifs de périphérie sont utilisés pour traiter et agréger les données en temps réel, une autre étape de filtrage étant ajoutée pour améliorer la traduction du signal et permettre l’incorporation de différentes technologies. Les positions estimées sont ensuite transmises par ces dispositifs périphériques à une infrastructure en nuage connectée au système d’information de l’usine. Dans le nuage, des méthodes d’IA avancées sont utilisées pour corriger, améliorer, classer et identifier les anomalies et optimiser les opérations. Le projet VEDLIoT (Very Efficient Deep Learning in IOT) développe une plateforme innovante de l’Internet des objets qui aidera à résoudre des problèmes complexes dans des secteurs clés comme l’industrie et les transports. Le projet s’achève en octobre 2023. Pour plus d’informations, veuillez consulter: site web du projet VEDLIoT
Mots‑clés
VEDLIoT, DUNE, technologie de positionnement intérieur, industrie, données, apprentissage profond, localisation d’objets, périphérie, périphérie la plus éloignée, nuage
