HortusIA  

Robots de jardin

Technologies

La robotique autonome devient possible. Les technologies récentes offrent "le sens" des objects du monde pour une meilleure prise de décision. La perception prend une nouvelle dimension.

Deux sujets majeurs sont implémentés dans HortusIA pour atteindre cette autonomie 

  • Le deep learning qui focalise l'attention sur une zone d'une image (par exemple) et identifie son contenu,
  • Les algorithmes de vision qui s'associent à la 3D

Deep Learning

Le deep learning offre une meilleure compréhension du monde pour la prise de décision autonome.

La segmentation permet d'identifier des classes d'objet dans une partie d'une image. Par exemple, dans le cas d'HortusIA, où se situent les plantes dans des parties d'une video. Lorsque cette information est associée à la position dans l'espace de ces objets, un robot peut faire des actions différenciées selon les objeets observés. Pour les plantes, elles peuvent arrosées ou détruites.

La classification pousse éventuellement plus loin l'identification. Dans le cas des plantes, on peut alors dissocier les plantes utiles de celles que l'on veut supprimer. Différents types de réseaux plus efficaces pour l'une ou l'autre des tâches peuvent être utilisés selon les moments, voir en succession les uns des autres.

Vision et 3D

La vision dans la robotique permet de résoudre une problématique longtemps difficile à maîtriser. Le positionnement successif du robot dans son espace.

Des algorithmes dits de "flux optique" organisent la cohérence ou la continuité des observations d'une image à l'autre. Lorsque vous tournez la tête votre cerveau effectue cette vérification dans ce que vous voyez et il prend des points de repère pour voir comment ils se sont déplacés. Pour le robot, ou plutôt son système de vision, cela permet de calculer comment il s'est déplacé dans le monde et où il se trouve.

La vision3D facilite dans ce cadre, l'estimation des obstacles et le leur position relative au robot. Un chemin peut être anticipé et le robot peut entreprendre un slalom assuré jusqu'à son objectif identifié par les algorithmes d'intelligence artificielle (Deep learning) dans la scène observée.