Un système automatisé de stationnement pour vélos a subi une défaillance critique dans son module d'empilage. L'erreur, identifiée comme un problème de parallaxe dans la reconnaissance des formes du robot, a provoqué l'application d'une force de compression par le bras mécanique sur des unités mal positionnées, les écrasant. Cet incident expose une vulnérabilité classique de la perception robotique : la dépendance à un étalonnage sensoriel précis pour la manipulation sécurisée d'objets dans des environnements dynamiques.
Diagnostic technique : simulation dans Gazebo et reconstruction LiDAR 🛠️
Pour reconstituer l'inventaire endommagé et analyser la séquence de la défaillance, l'équipe d'ingénierie a eu recours à un flux de travail combinant simulation et traitement de données 3D. Tout d'abord, le scénario a été reproduit dans Gazebo, en utilisant des modèles du robot et des vélos conçus dans Solid Edge. La simulation a révélé que le système de vision, lors du calcul de la profondeur, souffrait d'une erreur de parallaxe : il détectait deux vélos là où il n'y en avait qu'un, ordonnant au bras un mouvement de préhension qui entrait en collision avec le cadre du vélo inférieur. Ensuite, un scan LiDAR de la zone de stockage a été réalisé. Le nuage de points résultant a été traité dans CloudCompare pour aligner les géométries des vélos survivants et déformés, permettant de quantifier les dommages structurels et de valider l'hypothèse de l'erreur de parallaxe dans le jumeau numérique.
Leçons pour l'automatisation des entrepôts ⚙️
Ce cas souligne que la fiabilité d'un système automatisé ne réside pas seulement dans la puissance de ses actionneurs, mais dans la robustesse de son pipeline sensoriel. Une simple erreur de parallaxe, causée par un mauvais étalonnage entre les caméras ou une interprétation incorrecte de la profondeur, peut générer une force destructrice incontrôlée. Pour les applications de stockage dense, où les objets sont proches, il est essentiel de mettre en œuvre une redondance sensorielle et de valider la perception par des simulations de stress dans des environnements comme Gazebo avant le déploiement réel.
Comment un système de vision artificielle peut-il corriger l'erreur de parallaxe dans un module d'empilage robotisé pour éviter les dommages dus à un manque de profondeur précise ?
(PS : Simuler des robots est amusant, jusqu'à ce qu'ils décident de ne pas suivre vos ordres.)