ADAPT: An Autonomous Forklift for Construction Site Operation

Cet article présente ADAPT, un chariot élévateur tout-terrain entièrement autonome qui intègre une perception pilotée par l'IA aux méthodes de contrôle traditionnelles pour naviguer dans des environnements de construction complexes, démontrant, à travers des tests approfondis en conditions réelles, qu'il peut atteindre des performances proches du niveau humain dans la manutention de matériaux sous diverses conditions météorologiques.

L'essentiel

Imaginez un chantier de construction comme une piste de danse chaotique et boueuse où des matériaux lourds doivent être déplacés de camions vers des emplacements spécifiques. Habituellement, un conducteur humain est assis dans un chariot élévateur, plissant les yeux à travers la poussière et la pluie, essayant de deviner où placer les fourches. C'est fatigant, lent et dangereux.

Ce document présente ADAPT, un « chariot élévateur robotique » conçu pour accomplir ce travail tout seul, même lorsque le sol est inégal et que la météo est mauvaise. Ne voyez pas ADAPT comme un robot d'entrepôt rigide, mais comme un camion intelligent tout-terrain capable de réfléchir, de voir et de conduire de lui-même dans une zone de construction désordonnée.

Voici comment fonctionne ADAPT, décomposé en parties simples :

1. Le Corps : Un camion robuste avec un cerveau

ADAPT n'est pas une nouvelle machine construite à partir de zéro ; c'est un chariot élévateur standard monté sur camion (le Palfinger BM154) auquel on a donné un « cerveau » et des « nerfs ».

• Les Nerfs (Capteurs) : Au lieu d'yeux, il possède une suite de capteurs. Il utilise le LiDAR (comme le sonar d'une chauve-souris, mais avec des lasers) pour voir la forme du monde en 3D, des caméras stéréoscopiques (comme des yeux humains) pour repérer les palettes, et le GPS pour savoir où il se trouve sur une carte.
• Le Cerveau (Ordinateur) : Il possède un ordinateur robuste qui traite toutes ces données instantanément. C'est comme avoir un copilote qui ne fatigue jamais, ne cille jamais et calcule le chemin le plus sûr en quelques millisecondes.

2. Les « Yeux » : Voir à travers le chaos

Les chantiers de construction sont désordonnés. Les palettes ne sont pas alignées proprement ; elles sont éparpillées, parfois couvertes de terre, et le sol est bosselé.

• Trouver les palettes : ADAPT utilise un « détective IA » spécialisé, entraîné sur des millions d'images générées par ordinateur. Il regarde le monde à travers ses caméras et dit : « Ça, c'est une palette en bois ! » Il détermine exactement où se trouve la palette et comment elle est inclinée, même si elle est partiellement cachée.
• La Carte « Magique » : Pour savoir s'il peut rouler sur un tas de gravier ou une flaque d'eau, ADAPT construit une carte 2.5D. Imaginez une carte topographique qui sait non seulement où se trouvent les choses, mais aussi quels éléments sont sûrs pour la conduite et lesquels sont des zones « interdites ». Il met constamment à jour cette carte au fur et à mesure qu'il avance, se souvenant de l'emplacement des obstacles et de leurs déplacements.

3. La « Mémoire » : Savoir où se trouve chaque chose

L'une des parties les plus difficiles de la conduite sur un chantier est que le signal GPS peut être instable et que le sol peut bouger.

• Le Graphe de Facteurs : Le document décrit une astuce mathématique ingénieuse appelée « graphe de facteurs ». Imaginez une immense toile reliant la position du chariot élévateur, le GPS et les palettes qu'il voit. Si le signal GPS vacille, la toile se resserre autour des palettes qu'il observe pour maintenir le chariot sur sa trajectoire. C'est comme s'accrocher à une rampe quand le sol tremble ; le chariot élévateur utilise les palettes comme des ancres pour rester précis.
• Le Résultat : Même si le signal GPS chute pendant un instant, le robot sait exactement où il se trouve par rapport à la palette qu'il tente de ramasser.

4. Les « Mains » : Prendre la charge

Une fois qu'ADAPT a trouvé une palette, il doit la saisir. C'est la partie délicate.

• Le « Toucher » : Le chariot élévateur possède des capteurs de pression spéciaux sur ses fourches. C'est comme avoir des doigts sensibles. Lorsque les fourches touchent la palette, le robot sait exactement quand arrêter de pousser. Il ne se contente pas de deviner ; il ressent le contact.
• L'Approche : Il utilise une technique de « servovue visuelle » (visual servoing). Imaginez un jeu vidéo où vous devez aligner parfaitement un curseur pour viser une cible. ADAPT ajuste constamment sa position en fonction de ce que la caméra voit jusqu'à ce que les fourches glissent parfaitement dans les trous de la palette.

5. Le « Garde-fou » : S'arrêter avant le crash

Les chantiers de construction sont pleins de surprises : d'autres camions, des ouvriers et des chiens.

• Le « Guetteur » : ADAPT dispose d'un système de sécurité dédié qui scanne le chemin devant lui. S'il voit quelque chose en mouvement (comme une personne ou une excavatrice) qui pourrait croiser sa trajectoire, il n'essaie pas de l'éviter en faisant un écart comme le ferait un humain. Au lieu de cela, il freine et attend.
• Le Soutien Humain : Le système n'est pas encore parfait. Si le robot reste coincé ou est confus, un travailleur humain peut intervenir, régler la situation, puis le robot reprend le contrôle de manière fluide. C'est comme une voiture autonome qui demande l'aide d'un passager lorsqu'elle est perdue, puis continue sa route une fois que le passager l'a guidée.

Le Grand Test : Robot contre Humain

Les chercheurs n'ont pas seulement construit le robot ; ils l'ont mis à l'épreuve. Ils ont comparé ADAPT à un conducteur de chariot élévateur humain possédant 20 ans d'expérience.

• Le Verdict : Dans diverses conditions météorologiques (y compris la pluie), ADAPT a performé presque aussi bien que l'expert humain. Il s'est montré fiable, sûr et efficace.
• La Conclusion : Le document conclut que nous sommes proches d'un futur où les robots pourront gérer le travail sale, dangereux et répétitif de déplacement de matériaux sur les chantiers, rendant le travail plus sûr pour les humains et le processus plus efficace.

En résumé : ADAPT est un chariot élévateur robuste et autonome qui utilise des lasers, des caméras et des mathématiques intelligentes pour naviguer dans un chantier de construction désordonné, trouver des palettes éparpillées, les ramasser en toute sécurité et les livrer — tout en surveillant attentivement son environnement pour éviter les collisions. C'est un robot capable de travailler sous la pluie et dans la boue, tout comme un humain, mais sans jamais se fatiguer.

Résumé technique

Résumé technique : ADAPT – Un chariot élévateur autonome pour les opérations sur les chantiers de construction

Énoncé du problème

Une logistique de matériaux efficace est cruciale pour le contrôle des coûts et des calendriers dans l'industrie de la construction, pourtant la manutention manuelle reste sujette aux inefficacités, aux retards et aux risques de sécurité. Bien que les systèmes autonomes aient atteint une certaine maturité dans les environnements structurés (ex. : entrepôts) et certains secteurs extérieurs spécifiques (ex. : exploitation minière de surface, agriculture), le déploiement de chariots élévateurs autonomes sur les chantiers de construction présente des défis uniques. Contrairement aux environnements contrôlés, les chantiers de construction sont non structurés, caractérisés par des obstacles dynamiques, des terrains accidentés et des conditions météorologiques variables. De plus, le secteur fait face à une pénurie de main-d'œuvre qualifiée et à des risques de sécurité élevés, les accidents liés à la manutention de matériaux contribuant de manière significative aux décès et aux coûts. La recherche actuelle sur les machines de construction autonomes manque souvent d'évaluations exhaustives en conditions réelles de cycles de chargage complets ou de la capacité à fonctionner de manière robuste dans des environaux extérieurs non structurés sans systèmes de guidage prédéfinis.

Méthodologie

Le document présente ADAPT (Autonomous Dynamic All-terrain Pallet Transporter), un chariot élévateur tout-terrain autonome conçu pour opérer dans des environnements de construction non structurés sans nécessiter d'infrastructure prédéfinie. Le système intègre une perception pilotée par l'IA avec des méthodologies traditionnelles de décision, de planification et de contrôle.

Architecture du système

• Plateforme matérielle : Basée sur le chariot élévateur monté sur camion Palfinger BM154, un véhicule à articulation centrale et à quatre roues motrices. Il a été modifié avec une architecture de traitement distribuée comprenant un automate B&R X90 pour le contrôle de la sécurité et de l'actionnement de bas niveau, et un PC industriel robuste (IPC) pour la perception et la planification de haut niveau.
• Suite de capteurs : Le système utilise une configuration multi-capteurs comprenant :
  • RTK-GNSS (Septentrio mosaic-H) : Pour une localisation globale au centimètre près.
  • LiDARs : Un Ouster OS1-64 à large champ pour la cartographie et la détection d'obstacles ; un Livox Mid-70 à champ étroit pour la détection d'objets dans la direction des fourches et la détection des bords du camion ; et un LiDAR 2D Sick picoScan150 pour la précision à courte portée.
  • Caméra stéréoscopique (ZED 2i) : Centrale pour la détection des palettes et l'estimation de la pose.
  • Proprioception : Encodeurs de roues, potentiomètres linéaires pour l'articulation centrale et capteurs de pression pour le retour hydraulique.

Perception et localisation

• Localisation de l'articulation et cartographie des palettes : Le système utilise un cadre d'optimisation basé sur des graphes de facteurs (utilisant iSAM2) pour estimer conjointement la pose du chariot élévateur et la pose des palettes. Cette approche fusionne l'odométrie, le GNSS et les détections de palettes. Contrairement au SLAM standard qui repose sur des caractéristiques naturelles, cette méthode opère à un niveau supérieur en utilisant les poses d'objets (emplacements des palettes) comme points de repère, permettant une opération robuste même avec des signaux GNSS dégradés.
• Cartographie de la traversabilité : Une carte d'élévation 2.5D est générée à partir des données LiDAR via un processus en trois étapes (analyse de balayage unique, agrégation de voxels 3D et génération de la carte d'élévation). Cette carte distingue le sol traversable, les obstacles et les pentes, ce qui est crucial pour prévenir le basculement sur des terrains irréguliers.
• Détection de palettes et estimation de la pose : Le système utilise un réseau neuronal basé sur la géométrie et entraîné de manière synthétique pour détecter les palettes Euro et estimer leur pose 6D à partir de données stéréoscopiques de profondeur. Le pipeline d'entraînement génère plus de 150 000 paires d'images stéréoscopiques synthétiques pour minimiser l'écart sim-to-real. L'estimation de la pose utilise un modèle de constellation de parties et une étape de raffinement basée sur les mesures de profondeur stéréoscopique à l'origine de la palette.
• Détection d'obstacles : Un système à réaction rapide, basé sur le référentiel des capteurs, utilise le regroupement DBSCAN sur les nuages de points LiDAR pour détecter les obstacles statiques et dynamiques. Il emploie un paradigme de suivi par détection avec un filtrage de Kalman pour prédire les trajectoires et évaluer les risques de collision, déclenchant des arrêts d'urgence si une collision est imminente.

Planification et contrôle

• Planification de tâches : Un cadre d'Arbre de Comportement (BehaviorTree.CPP) gère l'exécution des tâches de haut niveau, incluant la recherche de palettes, la sélection de cibles, l'approche, le chargement, la navigation vers les emplacements et le déchargement. Cela offre modularité et réactivité face aux conditions dynamiques.
• Planification de mouvement et contrôle : Le système utilise un planificateur Hybrid A* avec une configuration Reeds-Shepp pour la planification de trajectoire, adapté à la cinématique du véhicule à articulation centrale. Un contrôleur de suivi de trajectoire basé sur la fonction de Lyapunov assure un suivi précis de la trajectoire.
• Accostage : L'engagement précis de la palette est réalisé par asservissement visuel, intégrant les mesures de la caméra de profondeur et du LiDAR pour ajuster dynamiquement les fourches lors de l'approche finale.

Contributions clés

1. Développement d'un chariot élévateur tout-terrain autonome : Un système complet capable d'opérations de chargement et de déchargement dans des environnements extérieurs non structurés, démontrant des performances proches de l'humain à travers diverses conditions météorologiques, y compris un fonctionnement robuste sous une pluie faible à modérée.
2. Optimisation novatrice basée sur les graphes de facteurs : Un cadre d'optimisation conjoint pour une localisation précise du véhicule et une cartographie des palettes, spécifiquement conçu pour améliorer la précision de la manipulation des objets lors des tâches de chargement de palettes en traitant les palettes comme des caractéristiques de carte de haut niveau.
3. Mesure innovante de contact des fourches : Un système utilisant le retour de pression pour améliorer la robustesse de la manipulation et la sécurité opérationnelle tout en maintenant la rentabilité.
4. Évaluation complète des performances : Une analyse quantitative détaillée comparant le système autonome à un opérateur humain expert (avec plus de 20 ans d'expérience) dans des environnements extérieurs réels, évaluant l'efficacité opérationnelle, la robustesse et la fréquence des interventions humaines.

Résultats

Le système a été validé par des tests intensifs en conditions réelles sur un chantier de construction.

• Précision de la localisation : Dans les scénarios sans GNSS (simulés par la désactivation du GNSS après l'initialisation), la fusion de l'odométrie avec les détections de palettes en ligne a réduit l'erreur quadratique moyenne (RMSE) de la position moyenne chariot-palette de 65 % (passant de 0,182 m à 0,064 m) par rapport à l'odométrie seule.
• Estimation de la pose : Le système d'estimation de la pose de la palette a atteint une précision suffisante pour l'insertion des fourches, les erreurs diminuant à mesure que la distance du capteur diminue.
• Performance opérationnelle : L'analyse comparative avec l'opérateur humain a démontré que le chariot élévateur autonome peut opérer avec des performances proches de celles d'un humain. Le système a réussi à compléter des cycles de chargement et de déchargement dans diverses conditions météorologiques.
• Intervention humaine : Bien qu'une fiabilité opérationnelle de 100 % n'ait pas été atteinte pour un usage flexible, le système a été conçu avec un concept d'interaction homme-machine fluide. Les travailleurs humains pouvaient intervenir pour des raisons de sécurité ou opérationnelles, après quoi l'opération autonome reprenait de manière fluide.

Signification et revendications

L'article affirme que ADAPT offre une voie viable vers une logistique de construction plus sûre et plus efficace en répondant aux défis spécifiques des environnements extérieurs non structurés. Les auteurs soulignent que leur travail comble le fossé entre l'automatisation intérieure mature et les conditions exigeantes des chantiers de construction. En démontrant que les chariots élévateurs extérieurs autonomes peuvent atteindre des performances comparables à celles d'opérateurs humains expérimentés, l'étude suggère que l'automatisation est une solution réalisable aux pénuries de main-d'œuvre et aux risques de sécurité dans l'industrie de la construction. L'article conclut que, bien que l'autonomie totale dans toutes les conditions ne soit pas encore une réalité, l'intégration de la perception pilotée par l'IA avec les méthodes de contrôle classiques, combinée à un concept robuste de sécurité avec l'humain dans la boucle, permet une opération fiable dans des environnements complexes et dynamiques.