Les robots humanoïdes sortent progressivement des laboratoires pour entrer dans le monde réel. La société américaine Agility Robotics a commencé à travailler avec le fabricant allemand de pièces automobiles Schaeffler, où ses robots Digit sont déjà à l'œuvre dans une usine de Caroline du Sud.

Ici, le robot Digit transfère des conteneurs de pièces métalliques entre la presse et le convoyeur. La tâche qui était auparavant effectuée par un humain est maintenant réalisée par une machine - le travailleur initial a été promu à un poste de superviseur. Le robot peut transférer une charge d'environ 11 kilogrammes en une minute et travaille en deux équipes de quatre heures.

Digit est conçu à l'échelle humaine - il mesure environ 175 cm et pèse 65 kilogrammes. Il est équipé de capteurs avancés, notamment de caméras, de LiDAR et d'une unité inertielle. Le mouvement est assuré par un contrôle dynamique de la marche, ce qui lui permet de se déplacer sur des terrains accidentés et dans des escaliers.

Il est intéressant de noter que le robot ne peut pas encore détecter la présence d'humains et qu'il travaille donc séparément derrière une barrière de protection. Cette capacité devrait être ajoutée dans les prochaines versions.

Le déploiement des robots humanoïdes est encore limité. On estime qu'environ 200 de ces machines sont en production aujourd'hui, mais d'ici 2040, leur nombre pourrait atteindre cinq millions. Plutôt que de remplacer les travailleurs, les robots devraient transformer les emplois et les faire évoluer vers un niveau de qualification plus élevé.

L'importance des robots humanoïdes réside dans leur capacité à fonctionner dans un environnement conçu pour les humains. Contrairement aux robots industriels traditionnels, ils peuvent naviguer dans des espaces communs et effectuer des tâches sans qu'il soit nécessaire d'apporter des modifications majeures à l'infrastructure.

Les avancées technologiques en matière de batteries, de moteurs et d'intelligence artificielle ont permis leur émergence rapide au cours des dernières années. Pourtant, ces systèmes ont encore beaucoup de progrès à faire, notamment en matière d'autonomie, d'interaction et de polyvalence.

deeplearning.ai/gnews.cz - GH