Laboratoires communs avec les entreprises

Les structures de recherche communes CNRS/Entreprises associent autant les petites et moyennes entreprises que les grands groupes et reposent sur une gouvernance et un programme scientifique partagés à moyen et long terme. Elles revêtent plusieurs formes : laboratoire commun, ou encore LabComs de l’Agence nationale de la recherche (ANR) pour les PME.

Arès, Apprentissage et Vision par ordinateur pour Robots Intelligents

LabCom ANR. Partenaires : LIRIS / Siléane

La robotisation croissante de tâches dangereuses, pénibles et répétitives est un symbole de progrès des technologies au service de l’homme et porteuse de productivité et de compétitivité. En France, ainsi qu’en Europe occidentale, la pérennité d’un site industriel est conditionné à son haut niveau de productivité ainsi qu’à la flexibilité et l’évolutivité de son outil de production dans un contexte de marché mondialisé de forte concurrence dont les besoins évoluent rapidement.

L’objectif de ce projet LabCom vise à développer des nouvelles méthodes d’apprentissage et de vision par ordinateur afin de créer à une échéance de 3 ans des outils picking/kitting robotisés flexible, adaptable, autonome capable de garantir une haute productivité et gérer l’ultra-flexibilité nécessaire dans de nombreuses applications industrielles. Il s’agit là de contribuer à l’amélioration de la performance de tri et d’affectation des produits en contexte de forte diversité et forte flexibilité, une tâche souvent très pénible et répétitive qui est transverse à l'ensemble des process de fabrication industrielle (fonderie, châssis, usinage, emboutissage, tôlerie, assemblage), et une problématique que l’on retrouve très souvent chez les entreprises ayant des flux logistiques internes importants tels que les préparateurs de colis ou tout type d’industries manufacturières. L’enjeu porte sur la gestion de la diversité des composants d’emballage et sur la capacité à réduire par 100 le temps de réglage des paramètres de configuration des système de tri qui est aujourd’hui réalisé par des experts. Ceci permet aussi de supprimer, grâce à l’automatisation robotisée, des tâches dangereuses ou répétitives à forte pénibilité physique et cognitive, ce qui permet de réengager les exploitants sur d’autres tâches à forte valeur ajoutée, i.e., le montage des pièces dans le secteur de l’automobile.

Pour cela le projet LabCom ARES associe deux partenaires complémentaires qui mettront en commun leurs capacités de recherche, d’innovation et de développement et formaliserons leur coopération déjà forte en R&D :

  • Un laboratoire : Laboratoire d'Informatique en Images et Systèmes d'Information (LIRIS - CNRS/INSA de Lyon/Université de Lyon/École Centrale de Lyon) qui développera des nouvelles méthodes d’apprentissage et de vision par ordinateur au service de la robotique adaptable et flexible.
  • Une PME : Siléane, spécialiste en robotique, qui concevra et produira les robots de picking/kitting
Robot Kamido © Siléane
© Siléane

Behaviors.ai, moteur d’intelligence artificielle pour améliorer les interactions verbales et non-verbales des robots

LabCom ANR. Partenaires : LIRIS / HOOMANO

Le laboratoire commun Behaviors.ai (Behaviors.ai is an Engine enHancing verbAl and non­Verbal InteractiOns of RobotS, based on Artificial Intelligence) a pour mission de développer un moteur d'interaction capable de générer des interactions hommes-robots plus empathiques, intuitives et naturelles. Ce projet regroupe les chercheurs en intelligence artificielle du Laboratoire d'Informatique en Images et Systèmes d'Information (LIRIS - CNRS/INSA de Lyon/Université de Lyon/École Centrale de Lyon) et de l'entreprise HOOMANO, start-up spécialisée dans le développement de software pour robots sociaux. L'objectif de Behaviors.ai est de pouvoir transférer les résultats de recherche fondamentale, notamment en apprentissage développemental, aux marchés B.to.B adressés par HOOMANO.

En savoir plus : actualité de la Lettre Innovation du CNRS du 22/02/2018

Behaviors.ai
© Stéphane Rambaud

 

PosiLab, Positionneurs de Précision Parallèles et Redondances

LabCom ANR. Partenaires : LIRMM / Symétrie

Le LabCom PosiLab vise à démontrer le potentiel d’une classe particulière de robots – les robots positionneurs parallèles redondants – pour des applications de positionnement précis exigeantes en termes de performance – forte rigidité, grand espace de travail, grande stabilité – rencontrées dans les domaines de l’optique et du spatial. Le LabCom se déroule dans un contexte économique et industriel tendu où la concurrence est établie (avec un concurrent principal identifié qui fait référence dans le domaine) et où la compétitivité est donc vitale. Ce LabCom regroupe des chercheurs et des ingénieurs du Laboratoire d'Informatique, de Robotique et de Microélectronique de Montpellier (LIRMM - CNRS/Université de Montpellier) ainsi que de Symétrie (PME basée à Nîmes). PosiLab bénéficie du label du pôle de compétitivité ViaMéca.

Le LabCom PosiLab vise à répondre aux questions « Comment concevoir de manière optimale, puis commander de manière robuste des robots positionneurs capables de fortes précisions (inférieures au micron et à la seconde d’arc) (i) tout en étant insensibles aux perturbations extérieures, (ii) tout en offrant un grand espace de travail. » Ces exigences identifiées sont dictées par les domaines de l’optique et du spatial, ou encore du médical et de la microélectronique. L’utilisation de la redondance – ou plutôt des redondances – est le moyen qui sera mis en œuvre pour y parvenir. Par redondances, il est considéré principalement redondance d’actionnement et redondance cinématique, mais aussi redondance métrologique ou encore hyperstatisme.

Hexapode © Symétrie
© Symétrie

Rob4Fam, technologies robotiques adaptées à la production aéronautique

Laboratoire commun. Partenaires : LAAS-CNRS / Airbus

L’un des défis scientifiques de Rob4Fam (Robots For the Future of Aircraft Manufacturing) est de doter les robots d’une capacité de réactivité. Autrement dit, de faire en sorte qu’ils soient capables de détecter un changement dans leur environnement de travail et de prendre une décision en temps réel pour s’y adapter. Un robot « réactif » devra par exemple s’arrêter dès qu’il perçoit l’intervention d’un opérateur humain, puis reprendre sa tâche en tenant compte des modifications apportées.

Rob4Fam travaille également sur un projet qui consiste à élaborer des technologies qui pourront s’adapter à différentes générations de robots.

En savoir plus :

Rob4Fam démonstration
© LAAS-CNRS

SIVALab, systèmes de perception et de localisation des véhicules autonomes

Laboratoire commun. Partenaires : Heudiasyc / Renault

Renault et le laboratoire Heuristique et diagnostic des systèmes complexes (Heudiasyc - CNRS/Université de Technologie de Compiègne) créent un nouveau laboratoire de recherche commun appelé SIVALab (Laboratoire des Systèmes Intègres pour le Véhicule Autonome), qui sera basé à Compiègne.
 
À travers ce partenariat scientifique et technologique, se concrétise une relation de confiance de plus de dix années entre Renault et Heudiasyc. Le laboratoire SIVALab, qui dispose d’une gouvernance et de moyens partagés, fournit une structure adaptée à la pérennisation des développements scientifiques et à la réalisation de projets d’envergure. Il déroule un programme de recherche de quatre ans.
 
L’objet d’étude principal de cette collaboration porte sur la fiabilité, l’intégrité et la précision des systèmes de perception et de localisation utilisés pour la navigation des véhicules autonomes communicants. Les données analysées proviennent non seulement des capteurs du véhicule, mais aussi de cartes de navigation pré-établies et de l’extérieur, via des liaisons dynamiques vers les autres usagers de la route et les infrastructures. Grâce à une gestion intelligente de la combinaison de ces multiples données, le véhicule dispose d’une meilleure capacité à se situer dans son environnement qu’il ne pourrait le faire seul avec ses capteurs.
 

En savoir plus :

Inauguration SIVALab
© UTC - C. Schryve

 

SurferLab, intelligence distribuée pour les systèmes de transport

Laboratoire commun. Partenaires : LAMIH / Bombardier Transport / Prosyst

SurferLab est construit autour d'une thématique fondatrice qui consiste à embarquer dans des systèmes mobiles complexes (train, voiture, avion, camion, AGV, ...) des capacités de traitement à base d'intelligence artificielle pour remplir et optimiser différentes fonctions qu'elles soient de conduite, de surveillance ou de diagnostic (health monitoring). SurferLab est un laboratoire commun entre Bombardier Transport, Prosyst et le Laboratoire d’Automatique, de Mécanique et d’Informatique Industrielles et Humaines (LAMIH - CNRS/Université Polytechnique Hauts-de-France) qui est un laboratoire reconnu pour son activité dans les secteurs du transport terrestre, de la mobilité et du handicap.

SurferLab cherche à rendre ces systèmes mobiles plus intelligents, plus autonomes et capables de s'adapter à l'imprévu. Ces systèmes mobiles sont immergés au sein d'une flotte en interaction avec un centre de contrôle ou de maintenance et l'opérateur humain. L'approche adoptée est de type cyber-physique (en anglais : Cyber-Physical Systems, ou CPS) et concerne a priori tous les modes de transport terrestre.

Les acteurs du laboratoire commun considèrent que, puisque les systèmes complexes étudiés sont naturellement mobiles dans leur environnement, la dimension « systèmes embarqués » revêt une importance primordiale. En effet, les choix habituels de conception qui conduisent à « débarquer » le maximum de fonctions (et adopter ainsi une logique exclusivement « Big Data ») se font au détriment d’une connaissance approfondie des événements contextualisés qui se produisent dans les systèmes mobiles. Cette approche de conception usuelle atteint ainsi très rapidement ses limites si on ne la complète pas par un développement de fonctions intelligentes embarquées, au plus près des systèmes surveillés.

Les développements menés auront également pour but d’améliorer la pertinence des échanges d’information et de faciliter la construction de connaissances au travers du développement de nouveaux outils où l’opérateur humain est pris en compte dès leur conception. Les nouveaux modes d’interaction (réalité augmentée, synthèse et reconnaissance vocale, etc.) seront testés et validés dans ce cadre.

Réalité virtuelle dans le laboratoire commun SurferLab
© SurferLab