Au fil des ans, les entreprises se sont de plus en plus tournées vers l’automatisation et la robotique pour entreprendre de nombreux travaux. Depuis que COVID-19 a forcé les gens à rester confinés chez eux, de nombreuses entreprises ont introduit des robots pour effectuer des tâches afin de réduire les contacts humains. Du nettoyage des sols à la désinfection, le type de tâches que les robots peuvent effectuer s’est élargi. Pourtant, lorsqu’il s’agit de manœuvrer dans des environnements centrés sur l’humain et d’effectuer des tâches simples telles qu’ouvrir une porte et la franchir, les robots ont trouvé cela difficile. Des limitations comme ces robots séparés des humains. Aujourd’hui, des étudiants de l’Université de Cincinnati aux États-Unis ont abordé ce problème dans des simulations numériques en trois dimensions.

Ils mettent maintenant leur idée en pratique et construisent un robot autonome qui peut ouvrir des portes et trouver une prise électrique murale pour se recharger. Bien qu’il s’agisse d’une simple avancée, il peut rendre les robots, qui nettoient et aident à s’orienter dans les immeubles de bureaux, les aéroports et les hôpitaux, un peu plus indépendants. Ces robots font partie d’une industrie de 27 milliards de dollars (environ Rs. 2,00,190 crore), qui comprend la fabrication et l’automatisation.

L’étude a été publiée dans la revue Accès IEEE et le système devrait prendre encore un an pour arriver à maturité. Yufeng Sun, doctorant à l’université et auteur principal de l’étude, a déclaré que développer un robot autonome pour s’ouvrir une porte est semé d’embûches.

Les robots devraient être capables de savoir combien de force est nécessaire pour ouvrir les portes. Certains chercheurs ont tenté de numériser une pièce entière pour créer des modèles 3D pour les robots. Mais cette méthode prend du temps et ne fonctionnera que pour une pièce particulière qui a été scannée.

Sun a déclaré que les étudiants universitaires utilisent l’apprentissage automatique pour surmonter ce défi. Cela permet au robot de « s’apprendre » à ouvrir une porte. Cela peut prendre du temps au début, mais le robot s’améliore à chaque erreur, a déclaré Sun. « Le défi est de savoir comment transférer cette politique de contrôle apprise de la simulation à la réalité, souvent appelée problème ‘Sim2Real’. »

Les simulations numériques ne réussissent généralement qu’à 60 à 70 % dans les applications du monde réel, a ajouté Sun.