Technologies
Une technologie basée sur une IA symbolique pouvant intégrer des modules « deep learning »
La plateforme développée par Yona Robotics repose sur une technologie propriétaire brevetée d’IA symbolique – des modèles et règles mathématiques explicables – qui permettent de modéliser l’environnement physique du robot en garantissant la sûreté de fonctionnement.
Des modules « deep learning » permettent d’enrichir cette représentation de l’environnement avec des modules de reconnaissance sémantique, d’identification des humains ou d’objets spécifiques liés à certaines applications, permettant au robot d’interpréter plus précisément la scène dans laquelle il évolue et de prendre des décisions pertinentes, améliorant sa performance.
Ces technologies sont développées depuis plus de 10 ans par l’équipe Inria Chroma. Elles sont protégées par 3 brevets, dont l’exclusivité a été accordée à Yona Robotics.
Comprendre la technologie
Les grilles d’occupation
La technologie de Yona Robotics construit et s’appuie sur des grilles d’occupation probabilistes pour représenter l’environnement du robot, à partir de données provenant de différents capteurs (lidar, radar, caméra RGBD, US, TOF, etc.)
Grâce à des modèles probabilistes et une approche bayésienne, les données de chaque capteur sont interprétées, les différentes incertitudes quantifiées et intégrées, puis fusionnées avec les autres capteurs, et les précédentes données.
A partir des fusions de données et leur filtrage, le robot construit une représentation détaillée, unifiée et dense de son environnement proche en volumes élémentaires (quelques cm cubes). Par reprojection de l’ensemble de ces volumes, on obtient une représentation en 2 dimensions, dans laquelle à chaque case sont associées les probabilités d’être dans un état possible : le code couleur noir représente l’espace carrossable par le robot ; le bleu représente les obstacles, et enfin le rouge représente les espaces inconnus (aucune donnée capteur).
Détection et suivi des objets dynamiques
Grâce à la technologie Yona-Robotics, les éléments mobiles dans les grilles d’occupation sont automatiquement détectés et suivis, au niveau de chaque cellule, permettant le suivi de tout objet, de toute forme, sans avoir besoin de l’identifier. Ce suivi, très réactif et générique, est particulièrement important pour adapter le comportement du robot à son environnement dynamique, et éviter les risques de collision.
Modules de reconnaissance sémantique, d’identification des humains
Les états filtrés dans les grilles d’occupation de Yona-Robotics peuvent être définis à volonté, des états spécifiques à chaque application, représentant des objets ou des agents important à prendre en compte, peuvent y être directement intégrés. Par exemple, si des personnes ont vocation à être présents à proximité du robot, des modules de reconnaissance sémantique, à base de réseaux de neurones profonds, peuvent être déployés pour fournir une nouvelle source d’information au système, ces nouvelles données fusionnées et filtrées avec celles des autres capteurs. Cet ajout de la reconnaissance des humains peut permettre au robot d’adapter son comportement, garantissant ainsi sécurité et acceptation sociale, deux conditions clés pour une bonne cohabitation. On parle alors de navigation contextuelle
La navigation en environnement évolutif
Grâce à la technologie Yona Robotics, les robots peuvent s’adapter à des environnements évolutifs, en sortant des trajectoires prédéfinies. Le robot respecte la destination finale ou les points de passage qui lui sont imposés (par le gestionnaire de flotte en général). Entre ces points de passage, il génère ses propres trajectoires en fonction de l’environnement rencontré, lui permettant d’optimiser son temps de parcours tout en évitant les obstacles. Aucune connaissance préalable de l’environnement n’est nécessaire.
La navigation prédictive en environnement dynamique
Grâce à la détection et la modélisation des objets dynamiques, la technologie de Yona-Robotics est capable de prédire leur position et mouvement dans le futur. Le robot peut alors générer pour lui-même des trajectoires adaptées à cet environnement dynamique. On parle alors de navigation prédictive.
