FR

LD4Robots - Learning from Demonstration for Collaborative Robot

Vaud Ingénierie et Architecture Arc (BE-JU-NE)

Programmation d’un robot collaboratif par démonstration de la tâche à effectuer par l’utilisateur. Cette tâche est acquise et analysée à l’aide de différents capteurs de mouvement puis rejouée par le robot.

Démonstration d’une tâche au robot ABB YuMi et enregistrement des données à l’aide du capteur Leap Motion

Les avancées technologiques des dernières années ont permis aux robots de sortir de leurs cages et de travailler côte à côte avec des opérateurs humains. Avec ces robots collaboratifs, c’est une nouvelle ère de la robotique industrielle qui s’ouvre. Le marché potentiel de robots collaboratifs devrait passer de 400 millions de dollars en 2017 à 7.5 milliards de dollars en 2027.

Amenés à travailler avec et à côtés des humains, ces robots devront pourvoir acquérir, des compétences évoluées. La programmation classique des robots (complexe, prenant du temps) touche à ses limites face à ce nouveau défi. Le paradigme d’apprentissage par imitation est une piste prometteuse pour inculquer aux robots des comportements et des manipulations complexes. Il s’agit de munir le robot collaboratif de systèmes cyber-physiques lui permettant d’observer, analyser, reproduire et affiner des manipulations effectuées par un opérateur humain.

Le but de ce projet est de concevoir et prototyper un système d’apprentissage par imitation d’un robot industriel collaboratif. Pour ce faire, les objectifs scientifiques suivants sont poursuivis :

  • Une analyse de besoins en étroite collaboration avec des industriels permet de définir des scénarios pertinents en considérant des besoins et des contraintes de l’industrie.
     
  • Elaborer une méthodologie de décomposition des scénarios en des caractéristiques hiérarchiques permettant la modélisation des manipulations. En partant de caractéristiques primitives comme la position spatiale, l’objectif est de créer des caractéristiques composées plus évoluées, comme « saisir objet », capables de décrire une manipulation. 
     
  • En se basant sur des systèmes d’acquisition de mouvement, il s’agit de mettre au point un système capable d’acquérir et d’analyser les manipulations exécutées par un opérateur pour en extraire les caractéristiques primitives et composées. Plusieurs capteurs sont nécessaires pour des gestes et des mouvements à différentes échelles. Par la suite, il s’agit de concevoir des algorithmes de classification, par machine learning, afin de reconnaitre les gestes. Un système expert permet la traduction des gestes reconnus en un programme robotique. Le Robot YuMi de ABB installé à la HEIG-VD est notamment utilisé dans le cadre de ce projet.
     
  • Ce système d’apprentissage est finalement appliqué à différents cas d’utilisation typique tel que l’assemblage d’une pièce composée de 4 à 5 éléments différents pris dans différents containers.