Développement d'un système collaboratif de tennis de table basé sur un bras robotique de bureau intégrant l'intelligence artificielle

Le marché mondial de la robotique connaît une forte croissance. L’intégration de systèmes robotiques avancés et de l’intelligence artificielle (IA) transforme de nombreux domaines. En particulier, le développement des robots collaboratifs, ou cobots offre de nouvelles opportunités. Cependant, leur coût élevé constitue un frein majeur à leur adoption. Par ailleurs, les robots personnels souffrent de performances limitées. Ils sont moins rapides et moins précis, avec une charge maximale et des espaces de travail restreints, ce qui limite leurs applications. L’utilisation de l’IA et de l’apprentissage machine augmente les capacités des cobots et robots personnels, ouvrant ainsi de nouvelles opportunités pour les systèmes robotiques. Associée aux nouvelles techniques d’impression 3D, l’IA devrait permettre de réduire l’écart de performance entre les systèmes robotiques personnels abordables et les cobots traditionnels, notamment en matière de dextérité, rapidité et précision. Le laboratoire dirigé par le professeur Maxime Raison s’est attaqué à la problématique du coût en développant un bras robotique de bureau personnel. Ce robot, équipé d’un préhenseur adaptatif, dispose de cinq degrés de liberté. Il est portable et personnalisable, pour un coût en matériel inférieur à 3,000$ grâce à l’utilisation de l’impression 3D. D’autre part, le tennis de table est un sujet de recherche en robotique depuis les années 1980. Ce sport constitue en effet un défi de taille pour les chercheurs en robotique en raison des exigences élevées en matière de dextérité d’agilité, de rapidité et de précision nécessaires pour prédire et intercepter les trajectoires de la balle. Ces exigences en font un excellent banc d’essai, régulièrement utilisé pour tester et démontrer les performances des nouvelles technologies. L’objectif de cette thèse est de développer un système collaboratif de tennis de table, basé sur le prototype du laboratoire du professeur Maxime Raison afin de démontrer les performances atteignables par des bras robotiques de bureau, intégrant l’intelligence artificielle. Tout d’abord, une méthode combinant les deux approches classiques - apprentissage machine et modèle dynamique – a été développée pour la prédiction de la trajectoire de la balle. Elle a permis d’augmenter la précision de la prédiction de 9% par rapport aux autoencodeurs « Gated-Recurrent Unit » (GRU-TAE) de la littérature. Ensuite, une structure de contrôle a été conçue pour le suivi de trajectoires rapides à haute dynamique, sans nécessiter de connaissance préalable sur le modèle dynamique du robot. La structure développée permet d’obtenir une erreur moyenne de suivi inférieur à 2° dans l’ensemble de l’espace de travail. Elle peut être appliquée à des systèmes différents pour des applications variées en suivant les guidelines fournies. Enfin, le système complet capable de jouer au tennis de table a été implémenté autour du prototype du laboratoire du professeur Maxime Raison, en intégrant les méthodes les plus performantes identifiées dans la littérature. Le système final est capable de réaliser des échanges avec un utilisateur collaboratif, en renvoyant jusqu’à 81.4% des balles grâce à une optimisation simultanée de la position de la base du robot et du point visé lors du retour. Si ces résultats se rapprochent de ceux obtenus dans la littérature avec des cobots traditionnels (88%), les travaux menés ont également mis en lumière plusieurs limitations liées à l’utilisation d’un bras robotique de bureau. La robustesse et les performances du système sont notamment affectées par la grande difficulté de réaliser des trajectoires rectilignes avec la raquette et les vitesses et couples maximaux des moteurs. En conclusion, ce système représente une étape supplémentaire dans la démocratisation des bras robotiques personnels et de bureau. Les travaux menés ont montré que l’intégration de l’apprentissage machine, en complément des méthodes traditionnelles basées sur les modèles dynamiques, permet d’améliorer les performances des robots personnels. Les perspectives de cette recherche incluent l’utilisation d’une architecture physique spécifiquement optimisée pour le tennis de table, permettant de réaliser plus facilement les mouvements rectilignes ainsi que l’extension des applications des bras robotiques de bureau à d’autres domaines, tout en continuant à accroitre leurs performances.