La technologie Neuro-Symbolique

3 Brevets exclusifs 10 ans R&D Inria^❖

La plateforme logicielle Yona Robotics repose sur une technologie propriétaire brevetée d'IA symbolique — des modèles et règles mathématiques explicables — permettant de modéliser l'environnement physique du robot avec une approche purement géométrique, garantissant la sûreté de fonctionnement.

L'apprentissage profond permet d'enrichir cette représentation de l'environnement avec des modules de reconnaissance sémantique, d'identification des humains ou d'objets d'intérêt liés à l'application, permettant au robot d'interpréter plus précisément la scène dans laquelle il évolue et de prendre des décisions pertinentes, améliorant son intelligence de navigation.

^❖ Inria : Institut national de recherche en sciences et technologies du numérique

Les grilles d'occupation

La technologie Yona Robotics construit des grilles d'occupation probabilistes pour représenter l'environnement du robot, à partir de données provenant de différents capteurs (lidar, radar, caméra RGBD, Ultrasons, ToF ...).

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.

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.

Estimation de la forme du sol

Fonctionnalité clé pour les environnements non structurés, où la simple détection d'obstacles est insuffisante. Elle permet notamment de s'assurer que les pentes ou dévers ne soient pas faussement interprétés comme des obstacles.

La technologie Yona réalise une analyse fine du terrain en dissociant le sol des obstacles. En estimant précisément la géométrie de la surface, le système évalue la carrossabilité (zone navigable) en fonction des capacités de franchissement spécifiques au robot.

Bien entendu, tout véritable obstacle situé sur une pente demeure détecté et évité.

Détection et suivi des objets dynamiques

Les éléments mobiles dans les grilles d'occupation sont automatiquement détectés et suivis, au niveau de chaque cellule.

Ceci permet le suivi de tout objet, de toute forme, sans nécessité d'identification préalable.

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.

Reconnaissance Sémantique

Les états contenus dans les grilles peuvent être enrichis par des informations sémantiques. Par exemple, si des personnes sont présentes à proximité du robot, des modules de reconnaissance d'humains, à base de réseaux de neurones profonds, peuvent être rajoutés.

La reconnaissance des humains permet au robot d'adapter son comportement, garantissant une meilleure acceptation sociale. On parle alors de navigation contextuelle.

Les informations sémantiques ne se limitent pas aux humains mais peuvent concerner tout type d'objet d'interêt.

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 imposés. Entre ces points, il génère ses propres trajectoires en fonction de l'environnement rencontré, optimisant son temps de parcours tout en évitant les obstacles. Aucune connaissance préalable n'est nécessaire.

Navigation Prédictive

Grâce à la détection et la modélisation des objets dynamiques, la technologie 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.