Les robots préparateurs d'entrepôt alimentés par l'IA sont maintenant prêts à se mettre au travail

Les co-fondateurs de Covariant travaillent sur leur bras robotique. Elena Joukova

À l'été 2018, une petite startup de robotique basée à Berkeley a reçu un défi. Knapp, un important fournisseur de technologies de logistique d'entrepôt, était à la recherche d'un nouveau bras robotique alimenté par l'IA capable de sélectionner autant de types d'articles que possible. Ainsi, chaque semaine, pendant huit semaines, il enverrait à la startup une liste d'articles de plus en plus difficiles - boîtes opaques, boîtes transparentes, paquets de pilules, chaussettes - qui couvraient une gamme de produits de ses clients. L'équipe de démarrage achetait les articles localement puis, dans la semaine, renvoyait une vidéo de leur bras robotique transférant les articles d'un bac gris à un autre.

À la fin du défi, les dirigeants de Knapp étaient terrassés. Ils avaient défié de nombreuses startups pendant six ou sept ans sans succès et s'attendaient au même résultat cette fois. Au lieu de cela, dans chaque vidéo, le bras robotique de la startup a transféré chaque élément avec une précision parfaite et une vitesse de production.

À chaque fois, nous nous attendions à ce qu'ils échouent avec le produit suivant, car cela devenait de plus en plus délicat, explique Peter Puchwein, vice-président de l'innovation chez Knapp, dont le siège est en Autriche. Mais le fait est qu'ils ont réussi et que tout a vraiment fonctionné. Nous n'avons jamais vu cette qualité d'IA auparavant.

Bras robotisé compatible Covariant de KNAPP dans un environnement d'entrepôt en direct à Berlin, en Allemagne. Jannis Keil

Covariant est maintenant sorti du mode furtif et annonce aujourd'hui son travail avec Knapp. Ses algorithmes ont déjà été déployés sur les robots de Knapp dans deux entrepôts des clients de Knapp. L'un, exploité par le fournisseur d'électricité allemand Obeta, a été entièrement en production depuis septembre. Les cofondateurs affirment que Covariant est également sur le point de conclure un autre accord avec un géant de la robotique industrielle.

La nouvelle signifie un changement dans l'état de la robotique basée sur l'IA. Ces systèmes étaient auparavant limités à des environnements académiques très contraints. Mais maintenant, Covariant affirme que son système peut se généraliser à la complexité du monde réel et est prêt à prendre d'assaut les sols des entrepôts.

Il existe deux catégories de tâches dans les entrepôts : les tâches qui nécessitent des jambes, comme déplacer des boîtes de l'avant vers l'arrière de l'espace, et les tâches qui nécessitent des mains, comme ramasser des objets et les placer au bon endroit. Les robots sont depuis longtemps dans les entrepôts, mais leur succès s'est principalement limité à l'automatisation du premier type de travail. Si vous regardez un entrepôt moderne, les gens bougent rarement, déclare Peter Chen, cofondateur et PDG de Covariant. Déplacer des choses entre les points fixes - c'est un problème pour lequel la mécatronique est vraiment géniale.

Un bras robotisé dans le bureau de Covariant Elena Zhukova

Mais l'automatisation des mouvements des mains nécessite plus que le bon matériel. La technologie doit s'adapter avec agilité à une grande variété de formes et de tailles de produits dans des orientations en constante évolution. Un bras robotique traditionnel peut être programmé pour exécuter les mêmes mouvements précis encore et encore, mais il échouera dès qu'il rencontrera une déviation. Il a besoin de l'IA pour voir et s'adapter, sinon il n'aura aucun espoir de suivre l'évolution de son environnement. C'est vraiment la dextérité qui nécessite de l'intelligence, dit Chen.

Au cours des dernières années, les laboratoires de recherche ont fait des progrès incroyables en combinant l'IA et la robotique pour atteindre une telle dextérité, mais les amener dans le monde réel a été une toute autre histoire. Les laboratoires peuvent s'en tirer avec une précision de 60 % ou 70 % ; les robots en production ne le peuvent pas. Même avec une fiabilité de 90 %, un bras robotique serait une proposition perdant de la valeur, déclare Pieter Abbeel, cofondateur et scientifique en chef de Covariant.

Pour vraiment rembourser l'investissement, estiment Abbeel et Chen, un robot doit être précis à au moins 99 %, voire 99,5 %. Ce n'est qu'alors qu'il peut fonctionner sans trop d'intervention humaine ou risquer de ralentir une chaîne de production. Mais ce n'est qu'avec les progrès récents de l'apprentissage en profondeur, et en particulier de l'apprentissage par renforcement, que ce niveau de précision est devenu possible.

Le bureau de Covariant est situé non loin du front de mer de la baie de San Francisco, à côté d'un parking délabré entre une rangée de bâtiments banalisés. À l'intérieur, plusieurs robots industriels et co-bots, des robots collaboratifs conçus pour fonctionner en toute sécurité autour des humains, s'entraînent à toutes les possibilités de produits.

Régulièrement, les membres de l'équipe de Covariant se rendent dans les dépanneurs pour acheter tout ce qu'ils peuvent trouver. Les articles vont des lotions en bouteille aux vêtements emballés en passant par les capuchons de gomme enfermés dans des boîtes transparentes. L'équipe recherche en particulier les éléments susceptibles de faire trébucher le robot : des surfaces métalliques hautement réfléchissantes, des plastiques transparents et des surfaces facilement déformables comme des sacs en tissu et à puces qui auront à chaque fois un aspect différent pour un appareil photo.

Suspendue au-dessus de chaque robot se trouve une série de caméras qui lui servent d'yeux. Ces données visuelles, ainsi que les données des capteurs du corps du robot, alimentent l'algorithme qui contrôle ses mouvements. Les robots apprennent principalement grâce à une combinaison de techniques d'imitation et de renforcement. Le premier implique une personne guidant manuellement le robot pour ramasser différents objets. Il enregistre et analyse ensuite les séquences de mouvement pour comprendre comment généraliser le comportement. Ce dernier implique que le robot effectue des millions de séries d'essais et d'erreurs. Chaque fois que le robot atteint un objet, il l'essaie d'une manière légèrement différente. Il enregistre ensuite les tentatives qui se traduisent par des sélections plus rapides et plus précises par rapport aux échecs, afin d'améliorer continuellement ses performances.

Parce que c'est finalement l'algorithme qui apprend, la plate-forme logicielle de Covariant, appelée Covariant Brain, est indépendante du matériel. En effet, le bureau compte plus d'une douzaine de robots de différents modèles, et son déploiement en direct avec Obeta utilise le matériel de Knapp.

Régime d'entraînement de Covariant.

Pendant une heure, j'ai regardé trois robots différents ramasser magistralement toutes sortes d'articles achetés en magasin. En quelques secondes, l'algorithme analyse leurs positions, calcule l'angle d'attaque et la séquence correcte des mouvements, et étend le bras pour saisir avec une ventouse. Il se déplace avec certitude et précision et change de vitesse en fonction de la délicatesse de l'article. Les pilules emballées dans du papier d'aluminium, par exemple, reçoivent un traitement plus doux pour éviter de déformer l'emballage ou d'écraser le médicament. Dans une démonstration particulièrement impressionnante, le robot a également inversé son flux d'air pour souffler un sac embêtant pressé contre le mur d'une poubelle vers le centre pour un accès plus facile.

Puchwein de Knapp dit que depuis que la société a adopté la plate-forme de Covariant, ses robots sont passés de la capacité de choisir entre 10% et 15% à environ 95% de la gamme de produits d'Obeta. Les derniers 5 % sont constitués d'objets particulièrement fragiles comme les lunettes, qui sont encore réservés à une manipulation soigneuse par l'homme. Ce n'est pas un problème, ajoute Puchwein. À l'avenir, une configuration typique devrait être peut-être que vous avez 10 robots et une station de prélèvement manuelle. C'est exactement le plan. Grâce à cette collaboration, Knapp distribuera ses robots compatibles Covariant à tous les entrepôts de ses clients au cours des prochaines années.

Bien que techniquement impressionnantes, les statistiques soulèvent également des questions sur l'impact que ces robots auront sur l'automatisation des tâches. Puchwein admet qu'il prévoit que des centaines ou des milliers de robots prendront en charge les tâches traditionnellement effectuées par les humains dans les cinq prochaines années. Mais, affirme-t-il, les gens ne veulent plus faire le travail de toute façon. En Europe, en particulier, les entreprises ont souvent du mal à trouver suffisamment d'employés pour doter leurs entrepôts. C'est exactement le retour de tous nos clients, dit-il. Ils ne trouvent pas les gens, ils ont donc besoin de plus d'automatisation.

Covariant a levé 27 millions de dollars à ce jour, avec des bailleurs de fonds comprenant des sommités de l'IA comme les lauréats du prix Turing Geoffrey Hinton et Yann LeCun. En plus de la préparation des produits, elle souhaite à terme englober tous les aspects de l'exécution de l'entrepôt, du déchargement des camions à l'emballage des boîtes en passant par le tri des étagères. Il envisage également de s'étendre au-delà des entrepôts dans d'autres domaines et industries.

Mais en fin de compte, Abbeel a un objectif encore plus ambitieux : la vision à long terme de l'entreprise est de résoudre l'ensemble de la robotique IA.

cacher