Ce jeudi 6 février à Paris, la « licorne » française Exotec, spécialiste de l’automatisation intra-logistique, a révélé son système Skypod de nouvelle génération : robots mobiles plus petits et équipés de quatre roues motrices directionnelles qui offrent une meilleure accélération, suppression des grandes artères, amélioration du séquençage des commandes… Voilà qui permet de densifier le stockage d’articles de 30% et d’augmenter la cadence de traitement des commandes de 350 bacs par heure à 500/600 bacs, entre autres gains.
Déjà opérationnel dans un magasin Drive de l’enseigne Leclerc, à Seclin (Nord), le nouveau Skypod a bénéficié de quatre années de développement de la part d’une entreprise qui consacre 10% de son chiffre d’affaire à la R&D. Louis Esquerre-Pourtere, directeur de la R&D, analyse ce que les technologies en vogue dans l’industrie, de l’IA au jumeau numérique, apportent ou pourraient apporter à Exotec.
Votre système Skypod nouvelle génération innove-t-il plutôt sur un plan mécanique ou sur un plan logiciel ?
Les deux en fait. Le robot, moins haut que son prédécesseur, peut désormais passer sous les racks, la station de travail (qui permet aux opérateurs de réceptionner les bacs transportés par les robots, ndlr) a également été modifiée… Tout cela permet de débloquer un certain nombre de fonctions logicielles. Il s’agit par exemple du « strict sequencing » (séquençage parfait, ndlr), qui sert à ordonnancer l’arrivée des cartons avant leur palettisation. Ainsi on élimine la machine de tri de la génération précédente et on réduit l’empreinte physique du système.
Etant donné le nombre de systèmes Exotec déployés (plus d'un millier dans le monde), vous disposez d’un vaste historique de données. Commencez-vous à intégrer de l’IA statistique pour optimiser le fonctionnement de ces systèmes ?
Oui, mais pas pour le pilotage de flotte, qui reste très déterministe. Pour trouver le plus court chemin, par exemple, on emploie des algorithmes classiques qui se montrent extrêmement efficaces. Mais notre problématique requiert davantage de calculs dans le sens où elle est multi-agents et multi-chemins.
On examine l’IA par apprentissage pour optimiser ce genre de problème. Mais, quand on met les résultats dans la balance, on n’a pas réussi à trouver un modèle plus performant. On continue à chercher… Par contre, on utile énormément l’apprentissage automatique et la vision par ordinateur pour détecter le contenu des bacs, pour le « picking » automatique…
Quel serait le bénéfice de l'IA statistique pour la gestion de la flotte de robots ?
L'idée serait de réduire le besoin en puissance de calcul. Avant, les robots suivaient un chemin particulier entre les racks et ne pouvaient pas se doubler. Maintenant, ils peuvent passer sous les racks. Entre la précédente et la nouvelle génération de Skypod, le nombre de chemins possibles a ainsi fortement progressé, ce qui complexifie les équations à résoudre.
Cependant, on révise nos algorithmes progressivement et le serveur livré avec notre système pour réaliser les calculs sur place est capable de gérer une flotte de 400 à 500 robots. On n’a donc pas besoin de l’IA pour l’instant, mais c’est une solution à envisager à l’avenir pour améliorer les performances.
La robotique humanoïde revient en force, au moins dans les esprits. Imaginez-vous des partenariats avec des start-up américaines, voire françaises, pour les tâches de picking dans les bacs, notamment ?
On s’est déjà posé la question quand on a sorti le Skypicker, notre bras robotique articulé pour le picking automatisé : a-t-on besoin d’un humain ou d’un corps robotique humanoïde pour transférer des objets d’un endroit à l’autre ? La réponse s'impose d'elle-même au regard des performances : par sa puissance, sa vitesse d’exécution des trajectoires ou encore ses capacités d’identification, un bras robotique spécialisé est beaucoup plus performant qu’un humain ou un robot humanoïde pour ce type de tâche.
L’avantage d’un robot humanoïde est que, comme l’humain, il peut s’adapter plus vite à un environnement inconnu ou variable. Nous, on a fait le choix de restructurer l’environnement et le mode de travail pour optimiser l’exécution de ces tâches.
Au CES de Las Vegas en janvier, Nvidia a présenté Mega, un logiciel pour simuler une flotte de robots dans des entrepôts. Est-ce une crainte ou une opportunité ?
Pour s’assurer que toutes les règles vont fonctionner comme prévu, le jumeau numérique est véritablement une opportunité. Nous proposons nos propres solutions à nos intégrateurs pour qu’ils puissent adapter les flux, les processus métiers et les logiciels à la topologie des lieux et aux besoins du client, pour tout simuler en amont, pour débugger aussi… Ca leur permet de monter en compétences.
Dans notre cas d’usage très spécifique, on simule chaque robot individuellement pour obtenir un comportement le plus proche possible de la réalité. On est capable d’insérer une dose d’erreur, une variabilité qui existe dans l’environnement réel, en s’appuyant sur l’observation d’erreurs réelles de comportement.
