« Ils mémorisent mieux que nous » : un nouvel algorithme permet aux robots de naviguer plus vite avec très peu de mémoire

Le développement de robots autonomes a fait un bond en avant grâce à une innovation majeure en matière de navigation. Les chercheurs de l’Université Northeastern ont mis au point un nouvel algorithme qui améliore considérablement l’efficacité des robots mobiles en réduisant les besoins en mémoire. Ce progrès permet aux robots de se déplacer et de prendre des décisions en utilisant moins de ressources informatiques, ouvrant la voie à une utilisation plus pratique et évolutive dans des environnements réels. Le Deep Feature Assisted Lidar Inertial Odometry and Mapping (DFLIOM) promet d’être une avancée significative dans le domaine de la robotique.

Navigation plus intelligente des robots

Les robots de livraison envahissent de plus en plus nos villes, se déplaçant de manière autonome dans les rues et les quartiers. Pour fonctionner efficacement, ces robots ont besoin de divers capteurs et d’algorithmes sophistiqués. Les capteurs Lidar sont essentiels car ils utilisent des impulsions lumineuses pour détecter les distances, permettant ainsi aux robots d’effectuer une localisation et une cartographie simultanées, connues sous le nom de SLAM. Cependant, cette méthode consomme beaucoup de mémoire pour créer et stocker des cartes précises, ce qui la rend extrêmement gourmande en ressources. Un chargement de mémoire dépassant 10 à 20 gigaoctets peut entraîner une contrainte informatique considérable, limitant ainsi la capacité des robots à opérer sur de longues distances ou périodes.

Sous la direction du professeur Michael Everett, un étudiant en doctorat nommé Zihao Dong a mené une recherche visant à réduire ce fardeau informatique. Le nouvel algorithme, DFLIOM, parvient à être jusqu’à 57 % moins gourmand en ressources que les méthodes actuelles, marquant ainsi une étape importante dans l’optimisation de la navigation robotique.

« Nous reprenons le contrôle grâce à un chien robot » : une machine quadrupède réactive un bras manipulateur enfoui dans les déchets radioactifs d’un site nucléaire abandonné

Vision robotique optimisée

Le DFLIOM s’appuie sur une approche précédente connue sous le nom de Direct Lidar Inertial Odometry and Mapping (DLIOM), qui combine des capteurs lidar avec des unités de mesure inertielle pour cartographier en trois dimensions. Bien que les deux techniques utilisent des technologies similaires, le DFLIOM introduit une méthode de balayage novatrice qui traite sélectivement uniquement les points de données les plus essentiels. Cette approche réduit la quantité de données nécessaires et, dans certains cas, augmente la précision de la cartographie.

Les chercheurs remettent en question l’idée répandue selon laquelle la performance s’améliore avec plus de données. Ils soutiennent que les algorithmes peuvent être submergés par trop de données, ce qui entraîne un traitement plus lent et une efficacité moindre. En développant des algorithmes plus intelligents pour reconnaître et utiliser uniquement les données les plus pertinentes, ils ouvrent la voie à des robots mobiles capables de travailler plus longtemps, plus rapidement et plus efficacement dans des environnements réels.

« Aussi souple qu’un muscle humain » : ce nouveau matériau super-élastique pourrait transformer radicalement l’efficacité des robots de demain

Test du nouvel algorithme

Pour tester leur algorithme, les chercheurs ont utilisé le petit robot Agile X Scout de Northeastern, équipé d’un kit autonome, d’un capteur lidar Ouster, d’une batterie et d’un mini PC Intel NUC. Le robot a généré des cartes 3D de plusieurs lieux extérieurs sur le campus de l’Université, y compris Centennial Common, Egan Crossing et Shillman Hall, démontrant la capacité de l’algorithme à fonctionner dans des environnements variés et complexes. Les chercheurs affirment que ce travail représente une avancée majeure dans le développement de systèmes autonomes pratiques et évolutifs.

Les détails des recherches de l’équipe sont disponibles sur GitHub, offrant ainsi à la communauté scientifique et aux développeurs la possibilité de contribuer à l’amélioration continue de cette technologie prometteuse.

7 000 abonnés en 24 heures : cette méthode YouTube fait exploser les compteurs sans dépenser un centime

Perspectives d’avenir

L’innovation apportée par le DFLIOM ouvre de nouvelles perspectives pour les robots autonomes, leur permettant de s’intégrer de manière plus fluide dans notre quotidien. En réduisant les exigences en termes de mémoire et de traitement, cette avancée pourrait transformer la manière dont les robots sont utilisés dans des secteurs variés, allant de la livraison de colis à la surveillance de sécurité. Les chercheurs de l’Université Northeastern ont ainsi jeté les bases d’une nouvelle ère pour la robotique, où l’efficacité et la praticité vont de pair.

Comment ces avancées technologiques influenceront-elles notre interaction quotidienne avec les robots et quelles nouvelles opportunités pourraient-elles créer pour les industries émergentes?