Mécatronique · IA embarquée · Systèmes autonomes
La robotique est la science qui étudie la conception, la construction, le contrôle et l'exploitation de robots — systèmes autonomes capables de percevoir leur environnement, prendre des décisions et agir sur le monde physique.
Un robot est un système mécatronique qui perçoit son environnement via des capteurs, traite ces informations pour prendre des décisions, et agit sur l'environnement via des actionneurs — le tout de façon partiellement ou totalement autonome.
Proprioception : encodeurs, IMU, capteurs de force-couple. Extéroception : caméras RGB/D, LiDAR, radar, ultrason, tactile. Fusion de capteurs : Kalman Filter, Particle Filter. Traitement temps-réel sur SoC embarqué (NVIDIA Jetson, Raspberry Pi).
Architecture de contrôle : réactif (Braitenberg), délibératif (STRIPS), hybride (Subsumption — Brooks). Planification de trajectoire, gestion des contraintes, évitement d'obstacles. Machine Learning pour la généralisation.
Moteurs DC, BLDC (brushless), servo-moteurs, moteurs pas-à-pas. Actionneurs pneumatiques/hydrauliques (force élevée). Muscles artificiels (SMA, EAP). Effecteurs : pinces, ventouses, mains anthropomorphes, outils spécialisés.
Unimate (1961, GM) : premier bras industriel. WABOT-1 (1973, Waseda) : premier robot humanoïde. Shakey (SRI 1966) : premier robot à raisonnement. ASIMO (Honda 2000), BigDog (Boston Dynamics 2005), Atlas (2013), Spot (2019). Humanoides Tesla Optimus, Figure AI (2024).
Convention DH : chaque articulation est décrite par 4 paramètres (θ, d, a, α). La composition de matrices de transformation 4×4 donne la pose de l'effecteur dans le repère de base. La cinématique directe est triviale ; l'inverse est non-linéaire et souvent multi-solution.
DoF (Degrees of Freedom) : nombre de paramètres indépendants décrivant la configuration. Règle de Grübler pour les mécanismes plans. Un bras industriel 6-DoF peut atteindre n'importe quelle position et orientation dans son espace de travail (workspace). Robots surdéterminés : 7-DoF (Franka, Kuka iiwa) → null space.
Trouver les angles articulaires q pour atteindre une pose cartésienne. Méthodes analytiques (fermées) : efficaces pour les robots 6R avec configurations particulières. Méthodes numériques : Jacobian pseudo-inverse, DLS (Damped Least Squares), FABRIK. Singularités : configurations dégénérées où la mobilité est perdue.
τ = M(q)q̈ + C(q,q̇)q̇ + G(q). M : matrice d'inertie. C : termes de Coriolis/centrifuge. G : gravité. Newton-Euler récursif : O(n) complexité. Base du contrôle en couple. Lagrangien équivalent : énergie cinétique - potentielle.
Actionneurs souples (silicone, pneumatique) : sûrs pour le contact humain. Continuum robots : corps déformables sans articulations discrètes. Modélisation : SOFA framework (simulation FEM). Applications : chirurgie, manipulation délicate, prothèses. Harvard Wyss Institute, Soft Robotics Inc.
Caméras stéréo : depth par triangulation. Caméras RGB-D (Intel RealSense, Azure Kinect) : ToF ou structured light. Detection/tracking : YOLO, DETIC, Detic. Pose estimation : PVNet, FoundationPose. Segmentation d'instance : Mask R-CNN, SAM. Suivi d'objet 6D pour la manipulation.
Point cloud 3D par TOF laser. Velodyne, Ouster, Livox, Hesai. 360° à 10–20 Hz. Traitement : PCL (Point Cloud Library), Open3D. Segmentation de nuage de points : PointNet++, RandLA-Net. Ground removal, object clustering. Fusion LiDAR + caméra : BEVFusion.
Capteurs de force-couple 6D (ATI, OnRobot) : mesure des efforts à l'effecteur. Peau tactile (GelSight, DIGIT) : mesure de la déformation pour une manipulation fine. Compliance control : adapter la force au contact. Téléopération avec retour de force (KUKA MED).
Filtre de Kalman étendu (EKF) : fusion IMU + encodeurs + GPS. Filtre particulaire : non-gaussien, multimodal. Factor Graph (GTSAM, g2o) : optimisation globale offline. Synchro-nisation temporelle critique (ROS Time). Localisation millimétrique : LiDAR + RTK GPS + IMU.
Le problème du SLAM : un robot qui explore un environnement inconnu doit simultanément construire une carte de cet environnement et se localiser dans cette carte. Problème circulaire (la carte dépend de la localisation et vice versa) résolu par des approches probabilistes.
GMapping (laser 2D, filtre particulaire). Cartographer (Google, 2D/3D LiDAR). ORB-SLAM3 (vision, IMU). LIO-SAM, KISS-ICP (LiDAR odometry). RTAB-Map (RGB-D + LiDAR). Évaluation : ATE (Absolute Trajectory Error), RPE. Benchmark : KITTI, TUM-RGB-D, Hilti SLAM Challenge.
Global : Dijkstra, A* sur grille d'occupation (Occupancy Grid). Probabiliste : PRM (Probabilistic Roadmap), RRT (Rapidly-exploring Random Trees), RRT*. Local : DWA (Dynamic Window Approach), TEB (Timed Elastic Band). Navigation stack ROS : move_base, Nav2. MPPI.
Potential fields : robot attiré vers le but, repoussé par les obstacles. Bug algorithms (Bug0, Bug1, Tangent Bug). VFH (Vector Field Histogram). Reactive planning. Costmaps 2D/3D. Taux de mise à jour critique pour les environnements dynamiques. Safety zones.
Modèle de bicyclette cinématique. Stanley controller, Pure Pursuit. MPC (Model Predictive Control) pour trajectoire optimale. Voies de conduite : lane following par vision. BEV (Bird Eye View) : BEVFormer, BEVDepth. Planification de mouvement : Apollo, Autoware, CARLA.
e(t) = consigne - mesure. Kₚ : gain proportionnel (rapidité). Kᵢ : intégral (erreur statique nulle). Kd : dérivée (amortissement). Tuning : Ziegler-Nichols, auto-tuning. Limites : non-linéarités, couplages, perturbations. Extension : PID en cascade, feedforward.
Boucle interne : contrôle courant (kHz). Boucle vitesse : PID (100–1000 Hz). Boucle position : PID ou P (10–100 Hz). Contrôle en espace articulaire vs cartésien. Trajectory following : Jacobian-based Cartesian control. Interpolation de trajectoire : LSPB, trajectoires polynomiales.
Computed Torque Control : τ = M(q)(q̈d + Kd(q̇d-q̇) + Kp(qd-q)) + C(q,q̇)q̇ + G(q). Compensation des non-linéarités. Model Predictive Control (MPC) : optimisation sur un horizon. Commande par glissement (sliding mode). Commande robuste H∞.
Contrôle en impédance : le robot se comporte comme un ressort-amortisseur virtuel (Hogan 1985). M_d(ẍ-ẍd) + D_d(ẋ-ẋd) + K_d(x-xd) = F_ext. Interaction homme-robot sécurisée. Cobots (Universal Robots, KUKA iiwa, Franka Emika). Force control pour l'assemblage et le polissage.
RTOS : ROS2 + DDS (Fast-DDS, CycloneDDS). Temps-réel dur : EtherCAT (1ms cycle), Xenomai. NVIDIA Isaac ROS : pipeline GPU temps-réel. Fieldbus industriels : PROFINET, EtherNet/IP. PLCs (Siemens S7, ABB IRC5). Safety PLC : IEC 61508 SIL 2/3.
import rclpy from rclpy.node import Node from sensor_msgs.msg import JointState import numpy as np class PIDController(Node): def __init__(self): super().__init__('pid_controller') self.Kp, self.Ki, self.Kd = 10.0, 0.5, 0.2 self.q_d = np.zeros(6) # consigne 6 joints self.integral = np.zeros(6) self.prev_error = np.zeros(6) self.dt = 0.001 # 1 kHz self.create_subscription(JointState, '/joint_states', self.cb, 10) def cb(self, msg): q = np.array(msg.position) e = self.q_d - q self.integral += e * self.dt de = (e - self.prev_error) / self.dt tau = self.Kp*e + self.Ki*self.integral + self.Kd*de self.prev_error = e # Envoyer tau aux moteurs via /torque_cmd... self.get_logger().info(f'τ = {tau.round(3)}')
PPO, SAC (Soft Actor-Critic) pour la locomotion. Sim-to-real transfer : entraîner dans la simulation (Isaac Gym, MuJoCo), déployer sur le robot réel. Domain randomization : varier les paramètres physiques (friction, masse) pour robustesse. OpenAI Dactyl : main robotique complexe par RL pur.
Behavioral Cloning (BC) : superviser depuis des démonstrations humaines. DAgger : itérativement collecter des données dans des états visités par le robot. Inverse RL : inférer la fonction de récompense depuis des démos. Diffusion Policy (2023) : générer des actions comme un processus de débruitage.
RT-2 (Google, 2023) : vision-language-action model, transfert de connaissances internet. RT-X : dataset de manipulation cross-robot. OpenVLA, $\pi_0$ (Physical Intelligence 2024). Octo, RoboFlamingo. Large-scale pre-training + fine-tuning robotique. Vers la généralisation des compétences.
Reconnaissance d'intention humaine (gaze, gestes, posture). Communication naturelle : LLM + robot (PaLM-E, SayCan). Safety en présence humaine : ISO 10218, TS 15066. Proxémique : zones de confort. Acceptabilité sociale des robots (Nadine, Sophia). Co-manipulation.
| Type | Caractéristiques | Exemples | Applications |
|---|---|---|---|
| Bras industriel | 6 DoF, base fixe, charge 3–1300kg | KUKA KR, ABB IRB, FANUC M | Soudage, peinture, assemblage auto |
| Cobot (robot collaboratif) | 6-7 DoF, faible force, sécurisé | UR3e/10e, Franka FR3, KUKA iiwa | PME, laboratoires, montage précis |
| Robot mobile (AMR) | Navigation autonome 2D | MiR250, Boston Dynamics Spot | Logistique, entrepôts (Amazon) |
| Robot humanoïde | Bipède, mains polyvalentes | Atlas, Tesla Optimus, Figure 02, Digit | Service, industrie, aide à domicile |
| Drone (UAV) | Vol autonome, multicoptère/aile | DJI, Parrot, ArduPilot | Inspection, livraison, agriculture |
| Robot chirurgical | Haute précision, téléopéré | Da Vinci, Mako (orthopédie) | Chirurgie mini-invasive |
| Exosquelette | Portable, assistance humaine | Ekso Bionics, Rewalk, Sarcos | Rééducation, assistance industrielle |
| Nano-robot | Micro/nanométrique | Nanobots ADN (recherche) | Médecine (drug delivery) |
Spot (Boston Dynamics) : quadrupède, 25kg, escaliers, terrains difficiles. Atlas : bipède 1,8m, backflips, chantiers (2024). Cassie (Agility) : locomotion dynamique. MIT Cheetah : galop 14 km/h. Défis : stabilité sur terrain irrégulier, énergie, robustesse aux perturbations.
Tesla Optimus Gen 2 : 28 DoF mains, 22 kg. Figure 02 : conversation naturelle (OpenAI). Agility Digit : déployé chez Amazon. 1X Neo. Apptronik Apollo. Unitree H1. Course technologique intense. Potentiel : bras de travail universel dans des environnements conçus pour l'humain.
Foundation Models pour la robotique (RT-2, π₀) : un seul modèle pour de nombreuses tâches. Apprentissage en quelques démonstrations (few-shot). Langage naturel comme interface de programmation. Objectif : un robot entraîné peut être déployé dans une maison inconnue et y accomplir des tâches génériques.
ISO 10218-1/2 : robots industriels. ISO TS 15066 : cobots. IEC 61508 : sécurité fonctionnelle (SIL). Collision detection : monitoring courant + modèle dynamique. Force limiting : <150N impact. Capteurs tactiles de surface (peau). Zone de sécurité laser (SICK, Pilz). Certification CE, OSHA.
McKinsey : 30–45% des activités automatisables d'ici 2030. Création simultanée : ingénieurs robotique, intégrateurs, techniciens de maintenance. Polarisation des emplois : tâches routinières vs créatives. Universal Basic Income (débat). Besoin massif de requalification. Industrie 5.0 : collaboration homme-machine.
Véhicules autonomes : responsabilité en cas d'accident (fabricant vs conducteur vs IA ?). Robots militaires : drones armés LAWS (Lethal Autonomous Weapons Systems) — débat ONU. Robots de soin : quid de la relation humaine ? Directive européenne sur la robotique (proposition). Robot rights (speculative).