Mathieu
##Les Défis de la Robotique dans les Environnements Non Structurés
Un des plus grands défis pour la robotique en ce moment est l’opération autonome pratique dans des environnements non structurés. C’est-à-dire, faire des choses utiles dans des endroits où votre robot n’a jamais été auparavant et où les choses peuvent ne pas être aussi familières que votre robot le souhaiterait. Les robots prospèrent grâce à la prévisibilité, ce qui a imposé certaines restrictions ennuyeuses quant à l’endroit et à la manière dont ils peuvent être déployés avec succès.
Au cours des dernières années, cela a commencé à changer, notamment grâce à quelques défis décisifs en robotique organisés par la DARPA. Le Challenge Subterrien de la DARPA s’est déroulé de 2018 à 2021, mettant en compétition des robots mobiles dans une série d’environnements souterrains non structurés. Et le programme DARPA RACER en cours charge les véhicules autonomes de naviguer sur de longues distances hors route. Malgré la technologie extrêmement impressionnante développée dans le cadre de ces programmes, il existe toujours un écart entre cette recherche de pointe et les applications du monde réel.
Maintenant, plusieurs personnes impliquées dans ces défis, y compris des roboticiens expérimentés de la NASA, de la DARPA, de Google DeepMind, d’Amazon et de Cruise, appliquent tout ce qu’elles ont appris pour permettre une autonomie pratique du monde réel pour les robots mobiles au sein d’une start-up appelée Field AI.
##Field AI : Une Approche Novatrice de l’Autonomie Robotique
Field AI a été cofondée par Ali Agha, qui était auparavant le leader du groupe de mobilité aérienne de la NASA JPL. Alors qu’il était au JPL, Agha a dirigé l’équipe CoSTAR, qui a remporté le Circuit Urbain du Challenge Subterrien de la DARPA. Agha a également été l’investigateur principal du DARPA RACER, d’abord au JPL, et maintenant en continuant avec Field AI. “Field AI n’est pas simplement une start-up,” déclare Agha. “C’est le fruit de décennies d’expérience en intelligence artificielle et de son déploiement sur le terrain.”
Les environnements non structurés sont des lieux où les choses changent constamment, ce qui peut perturber les robots qui dépendent de cartes statiques. Le logiciel de Field AI permet aux robots de fonctionner dans des environnements non structurés et non cartographiés sans dépendre de modèles antérieurs, du GPS ou d’interventions humaines.
##Modèles Fondamentaux de Terrain : L’Approche Révolutionnaire de Field AI
L’approche de Field AI pour ce problème met l’accent sur la compréhension de l’environnement plutôt que sur la cartographie. Agha explique essentiellement que Field AI travaille à la création de “modèles fondamentaux du terrain” (FFMs) du monde physique, en utilisant des données de capteurs comme entrée. Les robots de Field AI peuvent comprendre comment se déplacer dans le monde, au lieu de simplement où se déplacer. Cette capacité est héritée du Challenge Subterrien de la DARPA et est désormais commercialisée par Field AI.
Développer des modèles fondamentaux de terrain que les robots peuvent utiliser pour se déplacer presque partout nécessite beaucoup de données du monde réel, que Field AI collecte depuis un an sur des sites industriels et de construction du monde entier. Field AI est déjà en train d’élargir ses capacités, en se basant sur son expérience récente avec le DARPA RACER pour inspecter des pipelines sur des dizaines de kilomètres et transporter des matériaux à travers des fermes solaires.
##L’Autonomie Complète : Une Réalité avec Field AI
Field AI attire également l’intérêt de Bill Gates. La participation de Field AI à RACER se poursuit, sous une sorte de filiale pour les projets fédéraux appelée Autonomie Tout-Terrain, et en même temps, son volet commercial vise à s’étendre à “des centaines” de sites sur toutes les plates-formes envisageables, y compris les humanoïdes.
