Faire évoluer l’AGV grâce à une meilleure compréhension de son environnement

Le projet AIV est né de problématiques très concrètes rencontrées sur le terrain. Comment améliorer la cohabitation entre les AGV (Automated Guided Vehicles), les opérateurs et les autres équipements ? Comment éviter certains arrêts inutiles ? Comment rendre les systèmes plus flexibles et simplifier leur mise en œuvre ?

L’objectif n’était donc pas de développer de l’intelligence artificielle pour elle-même, mais de voir comment elle pouvait répondre à ces besoins. « L’IA n’est pas une fin en soi. L’idée était de profiter de toute notre expérience, mais aussi des retours de nos installations et de nos clients existants, pour voir comment faire évoluer nos solutions et proposer les fonctionnalités de demain », explique Matthieu Crosnier.

Cette réflexion a progressivement conduit les équipes vers une évolution plus profonde du fonctionnement de l’AGV : passer d’un véhicule automatique, qui réagit aux informations et aux ordres transmis par le système, à un véhicule capable d’analyser son environnement et d’adapter son comportement à ce qu’il observe.

C’est sur ce principe qu’est né l’AIV, pour Autonomous Industrial Vehicle.

Concrètement, qu’est-ce que cela change sur le terrain ?

Un AGV dispose déjà de dispositifs lui permettant de détecter un obstacle et de s’arrêter lorsque cela est nécessaire. Mais cette détection ne lui indique pas nécessairement ce qu’il a devant lui.

Avec le dôme de perception et l’intelligence artificielle, l’AIV peut reconnaître différents éléments de son environnement et leur position : un opérateur, une palette, un chariot élévateur, une charge à transporter ou encore un passage piéton.

« La machine doit être en capacité d’analyser, de reconnaître son environnement et d’adapter son comportement en fonction de ce qu’elle va voir », précise Matthieu Crosnier.

Cette compréhension permet de développer des comportements adaptés à chaque situation. Sur un passage piéton, par exemple, le véhicule peut reconnaître la zone et ralentir automatiquement. Lors d’une prise ou d’une dépose de palette, il peut interrompre son mouvement si une personne se trouve à proximité, puis le reprendre lorsque celle-ci s’est écartée.

L’idée est notamment d’éviter qu’une situation ne conduise systématiquement à un arrêt de la machine lorsqu’un comportement intermédiaire, comme ralentir ou signaler sa présence, est suffisant.

Une IA spécialisée dans l’environnement intralogistique

Derrière ces fonctionnalités se trouve une intelligence artificielle très éloignée des modèles génératifs aujourd’hui largement associés au terme « IA ».

« Nous ne sommes pas sur une IA du type ChatGPT. On est sur une IA très spécifique qui permet de transformer des pixels en intelligence sur l’environnement », explique Oilid Harbouche.

Les caméras et l’électronique embarquées alimentent le dôme de perception, qui permet au véhicule d’appréhender son environnement à 360°. Les images sont analysées afin d’identifier les différents éléments présents autour de l’AGV et de leur associer des fonctionnalités.

Aujourd’hui, le modèle reconnaît une dizaine de catégories. Et il ne s’agit pas uniquement d’obstacles. Un passage piéton est une information qui peut conduire le véhicule à ralentir, tandis qu’une palette peut être une charge qu’il doit venir prendre. Cette distinction est précisément ce qui permet de dépasser une logique de simple détection.

Une IA développée en interne et embarquée dans l’AGV

Pour développer cette capacité, Alstef Group a fait un choix structurant : maîtriser l’ensemble de la chaîne de développement de son intelligence artificielle. « Nous avons décidé de maîtriser la chaîne complète de l’IA, en commençant par l’acquisition de données spécifiques à l’intralogistique », précise Oilid Harbouche.

Tout commence donc par la donnée. Des AGV en activité ont été équipés de kits permettant de collecter des images dans des environnements clients variés. Ces données sont ensuite anonymisées et annotées avant d’être utilisées pour construire et entraîner les modèles.

L’intérêt est de travailler à partir de situations réellement rencontrées par les véhicules : différents types de racks, de charges, d’équipements ou de configurations de circulation. La collecte se poursuit pour continuer à enrichir cette base et confronter les modèles à la diversité des environnements industriels.

Mais développer le modèle ne suffit pas. Il faut ensuite pouvoir l’embarquer dans un AGV. Là où certains modèles d’IA nécessitent d’importantes capacités de calcul, le système doit ici fonctionner sur une électronique adaptée aux contraintes d’un véhicule industriel. C’est tout l’enjeu du travail d’inférence réalisé par les équipes : rendre les modèles compatibles avec les accélérateurs IA embarqués dans les AGV, avec les exigences de robustesse propres à leur utilisation sur le terrain.

IA et sécurité des AGV : deux fonctions distinctes

L’utilisation de l’intelligence artificielle dans un véhicule industriel pose naturellement la question de la sécurité. Sur l’AIV, les fonctionnalités apportées par l’IA ne remplacent pas les dispositifs de sécurité embarqués. « La machine maintient son niveau de sécurité. L’objectif, c’est de pouvoir éviter l’activation de toutes ces sécurités et éviter un arrêt en urgence de la machine, et donc seulement ralentir, par exemple », explique Matthieu Crosnier.

La compréhension de l’environnement apporte ainsi un niveau d’information supplémentaire au véhicule. Selon la situation, il peut ralentir, s’arrêter ou encore signaler sa présence, tout en conservant ses dispositifs de sécurité dédiés.

À plus long terme, l’utilisation de l’IA pour des fonctions directement liées à la sécurité ouvre un autre chantier. Comme l’explique Oilid Harbouche dans le podcast, si la réglementation permet d’envisager ces usages, les organismes de certification ne disposent pas encore aujourd’hui de méthodes suffisamment établies pour les certifier dans l’industrie. Un domaine qui devrait continuer à évoluer dans les prochaines années.

De l’AIV au système de supervision

Après deux ans et demi de développement, les premières fonctionnalités du dôme de perception sont aujourd’hui présentées dans les locaux d’Alstef Group à Rennes. Mais il ne s’agit que d’une première étape. « La première étape, c’est d’amener l’intelligence et l’autonomie au niveau de la machine. Ensuite, la deuxième étape, c’est de remonter toutes ces informations au niveau du système de supervision pour enrichir encore plus et simplifier le fonctionnement », explique Matthieu Crosnier.

Un exemple évoqué dans le podcast permet de se projeter : un AGV qui se présente devant un rack pourrait identifier les emplacements libres ou les palettes présentes, puis faire remonter ces informations au système de supervision.

L’enjeu dépasse alors le comportement individuel du véhicule. Les informations recueillies sur le terrain peuvent à terme venir enrichir le fonctionnement du système dans son ensemble et ouvrir la voie à de nouvelles fonctionnalités.

C’est aussi ce qui se cache derrière le nom AIV, Autonomous Industrial Vehicle : une évolution de l’AGV vers un véhicule plus autonome, capable de mieux prendre en compte la réalité de son environnement.

Pour aller plus loin, écoutez l’intégralité du podcast de Supply Chain Magazine avec Matthieu Crosnier et Oilid Harbouche.