Le 6/4/2020

Vers une infrastructure logicielle fiable pour les robots axés sur la connaissance en agriculture

En agriculture, le déploiement à long terme de systèmes de robots autonomes qui peuvent fonctionner en continu sur le terrain et sans supervision humaine est la promesse d'une possibilité de faire progresser le secteur de manière à la fois évolutive et perturbatrice, tandis que l'utilisation de modèles issus des vastes connaissances existantes qui régissent les processus agricoles offre l'émergence d'un potentiel toujours plus grand. Cependant, les défis que représentent le développement, le déploiement et la maintenance de tels systèmes créent également des exigences toujours plus élevées en termes d'efforts de développement, de ressources matérielles et de besoin d'évolutivité. Des concepts tels que l'architecture orientée vers les services, la conteneurisation et l'externalisation de la puissance de calcul sont bien établis dans l'environnement du cloud computing (ou nuage informatique) pour s'attaquer à des problèmes similaires et constituent une tendance récente à appliquer à la robotique.


Notre vision pour l'avenir de l'agriculture comprend l'utilisation de systèmes robotiques qui travaillent en permanence sur les champs. Ils surveilleront la croissance et la santé des plantes, désherberont et produiront des semences ou des engrais. Afin d'accomplir ces tâches, les robots doivent prendre des décisions ciblées, basées sur les connaissances et facilitées par l'utilisation de systèmes de raisonnement et de planification de haut niveau. En outre, leur déploiement ne se limite pas à une seule mission. Au contraire, les systèmes autonomes à long terme doivent prendre en charge une multitude de tâches sans supervision humaine continue.

Ces exigences entraînent des problèmes spécifiques qui doivent être résolus:

1. Un degré élevé d'autonomie nécessite un système de commande de robot très riche en fonctionnalités et donc complexe. Actuellement, la plupart de ces systèmes sont des configurations logicielles statiques plutôt monolithiques, difficiles à entretenir, à mettre à niveau et à reproduire.

2. Les contraintes en matière de sécurité et de fiabilité deviennent très importantes car les robots fonctionneront sans surveillance la plupart du temps. Par conséquent, il faut s'assurer qu'aucun dommage ne sera causé aux humains, à la faune ou à l'environnement.

3. Les contraintes de comportement doivent être respectées. Elles sont basées sur des connaissances pertinentes pour le processus, comme la météo, les conditions du sol, le type de semences, la propriété ou les lois régionales qui imposent des obligations de documentation strictes ou interdisent les activités dans certaines zones.

4. L'auto-préservation du robot doit être assurée. Quel que soit le système de planification de haut niveau utilisé, le robot doit être capable de détecter les états critiques du système. Une batterie faible, des changements soudains de météo ou d'autres événements doivent être pris en compte en conséquence en réorganisant la tâche en cours, en abandonnant ou en interrompant la mission en cours, ou en passant à un autre mécanisme de récupération adéquat.

Dans ce travail, nous proposons des concepts pour appliquer les méthodes de cloud computing et de conteneurisation décrites dans des travaux précédents à des systèmes robotiques autonomes à long terme basés sur la connaissance dans le domaine agricole. Ces concepts permettent une augmentation importante de la modularité, de l'évolutivité et donc de la maintenabilité et de la fiabilité des robots déployés. De plus, nous présentons un concept visant à inclure plusieurs couches de sécurité à l'architecture basée sur la connaissance de notre prototype de système robotique qui peut déclencher une nouvelle planification ou remplacer les actions précédemment planifiées du niveau supérieur correspondant.

Cette présentation a eu lieu pendant le colloque scientifique organisé par Robagri lors du FIRA 2019

Présentation par M.Höllmann, German Research Center for Artificial Intelligence.

Catégories : #Labs