Un robot intelligent basé sur l'IdO pour naviguer dans le bureau et arroser les plantes

Le département robotique de Innowise a mis au point un robot intelligent exclusif pour naviguer dans les bureaux et les stations d'épuration sans intervention humaine.

Routage de bureaux réels autour de personnes et de meubles

Arrosage à plusieurs hauteurs pour les bureaux, les étagères et les rayonnages

Smart robotics system combining mobility and precision watering for automated facility care

Industrie Informatique, Développement de logiciels sur mesure

Salariés 3,500+

Région UE

Services Développement de logiciels, Développement back-end, Développement front-end, Découverte

Vue d'ensemble du client

Résumé par l'IA

Innowise est un fournisseur mondial de développement de logiciels à cycle complet qui compte plus de 3 500 spécialistes IT. L'entreprise a réalisé plus de 1 600 projets pour des clients de 70 pays, couvrant l'ingénierie logicielle, le développement de produits et le conseil en technologie dans de nombreux secteurs. Dans le cas présent, Innowise a joué le rôle de client et d'équipe de développement, le projet ayant été créé dans le cadre d'une initiative de R&D interne.

Défi

Innowise utilisait un mélange de HubSpot CRM, Jira, des feuilles de calcul et des documents pour gérer les données. Avec la croissance rapide de l'entreprise, cette approche a conduit à des processus chaotiques, avec des informations dispersées à travers les systèmes et souvent dupliquées. Nous avions besoin d'une solution unifiée pour centraliser les données, standardiser les processus et fournir un accès sécurisé à toutes les équipes.

Soins courants aux plantes. Les plantes de bureau avaient besoin d'être arrosées régulièrement, mais l'entretien manuel dépendait de la capacité des personnes à se souvenir de la tâche et à atteindre les plantes placées sur les bureaux, les étagères, les rayonnages et d'autres zones du bureau.
Validation de la R&D. En tant que projet interne, IRIS devait résoudre un problème de bureau réel tout en donnant à l'équipe de robotique un moyen pratique de tester la navigation autonome, la détection des plantes et le contrôle basé sur l'IoT dans un environnement intérieur réel.
Valeur de démonstration. Le projet devait également servir de démonstration de l'expertise de Innowise en matière de robotique. Plutôt que de parler de robotique, l'équipe a cherché à construire un robot fonctionnel qui pourrait montrer comment l'IdO, les systèmes embarqués, la vision par ordinateur et l'ingénierie matérielle peuvent gérer une tâche de bureau routinière sans intervention humaine.

Navigation intérieure. Le robot devait se déplacer dans les bureaux, établir une carte de l'espace, éviter les meubles et réagir aux obstacles mobiles tels que les employés.
Détection des plantes. Le système devait détecter les plantes, estimer leur position et décider si elles avaient besoin d'être arrosées en utilisant la vision par ordinateur, le LiDAR, des caméras et des enregistrements de plantes basés sur des codes QR.
Arrosage à différentes hauteurs. Les plantes ont été placées sur des bureaux, des étagères, des rayonnages et des bibliothèques hautes. Le robot avait donc besoin d'un mécanisme de levage et d'irrigation capable d'atteindre différents niveaux sans rendre l'ensemble de l'appareil trop haut ou instable.
Intégration du matériel et des logiciels. L'équipe a dû combiner la plateforme mobile, le réservoir, la batterie, l'ascenseur, les capteurs, les composants intégrés, le backend, le frontend et les services cloud en un seul système robotique fonctionnel.

La solution que nous avons fournie

Découverte et planification

L'équipe a commencé par définir ce que le robot devait faire dans un environnement de bureau. IRIS (Innowise Robotics Irrigation System) devait se déplacer dans les pièces, détecter les plantes, comprendre si elles avaient besoin d'être arrosées, les atteindre à différentes hauteurs et accomplir la tâche sans intervention humaine constante.

Au stade de la planification, l'équipe a défini les principaux éléments techniques : la navigation intérieure, la détection des plantes, l'enregistrement des plantes par code QR, la plate-forme mobile, le réservoir d'eau, le mécanisme d'ascenseur et les composants logiciels nécessaires pour traiter les itinéraires, les données des capteurs et l'historique de l'arrosage.

Conception de la solution

Nos développeurs robotiques approuvés ont conçu IRIS comme un robot IoT autonome combinant matériel, composants intégrés, vision par ordinateur et logiciel. La partie matérielle comprenait une plateforme mobile, une batterie, un réservoir d'eau, un mécanisme d'ascenseur, des capteurs, des caméras et une tige d'arrosage.

Pour la navigation, le robot utilise SLAM, ROS, LiDAR et la vision par ordinateur pour cartographier les espaces de bureau et construire des itinéraires autour des meubles, des employés et d'autres obstacles. Pour la détection des plantes, le système combine les données des caméras, les modèles de détection d'objets, les codes QR et les historiques d'arrosage, de sorte que le robot peut identifier chaque plante et vérifier si un arrosage est nécessaire.

Fonctionnalité clé fournie

Cartographie et navigation au bureau

Nos experts en robotique ont commencé par cartographier les espaces de bureaux pour créer un système détaillé de surveillance des usines IoT, en identifiant l'emplacement des usines, les obstacles, les meubles et autres objets susceptibles d'affecter les mouvements du robot. Nous avons utilisé la technologie SLAM pour soutenir un routage prévisible à travers les salles de bureau. SLAM détermine l'emplacement du robot tout en créant une carte de l'environnement à l'aide d'algorithmes de vision par ordinateur, de scanners laser LiDAR et d'autres outils de détection.

Nous avons utilisé un LiDAR connecté au micro-ordinateur Raspberry Pi monté directement sur le robot pour détecter les obstacles et identifier les plantes. ROS, le système d'exploitation robotique, et l'ordinateur principal utilisent ces informations visuelles pour traiter les données de navigation, calculer les itinéraires et cartographier les environs du bureau.

Au cours de cette étape, notre équipe a dû faire face à une visibilité limitée lors de la détection d'objets ordinaires tels que des tables, des étagères, des chaises et d'autres éléments intérieurs susceptibles de bloquer la vue du robot ou d'être mal identifiés. Le robot a également dû gérer des obstacles dynamiques dans un environnement de bureau, où les employés et les objets en mouvement peuvent soudainement changer de position et de direction. Pour réduire le risque de collision, notre équipe a utilisé des algorithmes de vision artificielle et d'apprentissage automatique, notamment la segmentation d'images, la détection d'objets, le filtrage du bruit et d'autres méthodes. Nous avons également équipé le robot d'algorithmes de planification des mouvements tels que les arbres aléatoires à exploration rapide (RRT) et A* (A-star), qui tiennent compte de la position et de la forme des obstacles lors de l'identification de la meilleure trajectoire en temps réel.

Détection des plantes et logique d'arrosage

Au départ, nous avions prévu d'utiliser des caméras stéréoscopiques pour déterminer l'emplacement des plantes, calculer leur position et créer un itinéraire. Après des séances de brainstorming, nous avons mis au point un schéma alternatif dans lequel le robot prenait une photo et enregistrait ses coordonnées dans l'espace. Les ingénieurs en robotique ont utilisé un réseau neuronal pour trouver la plante dans le cadre, calculer sa boîte de délimitation et déterminer la direction de la fleur.

Dans les projets de traitement d'images, les boîtes de délimitation servent de points de référence pour la détection d'objets et créent des boîtes de collision pour les objets détectés. Sur la base des coordonnées du robot, de l'orientation de la caméra et de l'emplacement de la fleur, nous avons tracé un rayon reliant la position du robot à la plante. Après avoir répété ce processus plusieurs fois, nous avons obtenu plusieurs rayons se croisant en un point, ce qui a permis au robot de détecter la plante qui avait besoin d'être arrosée.

Nos ingénieurs se sont appuyés sur des modèles formés sur les ensembles de données COCO et ImageNet pour identifier les fleurs dans les pots. Sur la base de ce modèle, nous avons filtré les classes inutiles et développé un détecteur personnalisé qui synchronise la direction de la boîte englobante avec les coordonnées du robot. Pour déterminer les coordonnées spatiales précises de la tige d'arrosage, nous avons utilisé un ensemble de caméras et de LiDAR.

Une fois que le robot a détecté une plante, il identifie sa position exacte dans l'espace et détermine si elle doit être arrosée. À cette fin, nous avons étiqueté tous les pots du bureau avec des codes QR connectés à des bases de données où l'historique de l'arrosage de toutes les plantes est stocké.

Plate-forme mobile

Pour le matériel, l'équipe de robotique a choisi un système modulaire comprenant une plate-forme mobile avec électronique, un réservoir de stockage d'eau, une batterie et un système d'ascenseur à deux niveaux. Nous avons utilisé un profilé d'aluminium en V pour assembler le châssis du robot car il est durable et léger, ce qui permet une meilleure manœuvrabilité et une plus faible consommation d'énergie.

Au lieu des entraînements différentiels standard, nous avons placé des roues omnidirectionnelles aux coins du robot pour faciliter la navigation. Les roues omnidirectionnelles sont dotées de petits rouleaux sur leur circonférence qui peuvent tourner sur leur propre axe ou perpendiculairement. Ainsi, le robot se déplace dans n'importe quelle direction sans faire tourner la structure principale, en utilisant uniquement la différence de vitesse entre chaque roue.

Ascenseur et système d'irrigation

Les fleurs sont placées sur les bureaux des employés, les étagères, les casiers, les bibliothèques hautes et d'autres endroits difficiles à atteindre. Pour éviter de construire un robot haut comme une bibliothèque, nos experts ont assemblé un mécanisme de levage basé sur des rouleaux coulissants. Avec les pièces profilées OpenBuilds V-Slot, nous avons fixé les marches de l'ascenseur de manière rigide les unes aux autres avec des chariots et des rouleaux qui glissent le long du mécanisme de levage. Les chariots sont déplacés par une courroie tendue entre un moteur et une unité de tension montée de l'autre côté.

Au sommet de la dernière marche de l'ascenseur, nous avons installé un servomoteur qui déploie une tige en fibre de carbone pour arroser les fleurs. La tige est reliée à une pompe péristaltique installée dans le réservoir d'eau. Les pompes rotatives standard étant sensibles au volume de liquide, nous avons utilisé des pompes péristaltiques, qui compriment un tube élastique à travers des rouleaux sur la circonférence et poussent le liquide vers l'extérieur. Par rapport aux pompes standard, ces mécanismes ont une vitesse de pompage beaucoup plus lente, mais ils peuvent soulever le liquide à une hauteur beaucoup plus importante.

Approche de la mise en œuvre

Nous avons traité IRIS comme un projet de R&D et avons testé le robot dans des conditions de travail réelles dès le début. Les ingénieurs en robotique, les développeurs de micrologiciels, les spécialistes du backend et du frontend, les experts en ML et les ingénieurs DevOps ont travaillé en étroite collaboration, ont souvent partagé les progrès réalisés et ont défini les prochaines étapes en fonction des résultats des tests. Des réunions régulières, des sessions de brainstorming et des rétrospectives ont permis d'organiser le travail. L'équipe a discuté des obstacles, ajusté les priorités et résolu les problèmes de conception avant de préparer le robot pour les démonstrations.

Ce que je retiens d'IRIS, c'est que la robotique de bureau dépend de petites décisions techniques. Un robot peut avoir un bon itinéraire sur la carte, mais le véritable test commence lorsqu'il se déplace à proximité de bureaux, d'étagères, de personnes et de plantes placées à différentes hauteurs. Ce projet nous a poussés à considérer le comportement, la mécanique, les capteurs et le logiciel comme un seul système, car un seul maillon faible modifie l'ensemble du résultat.

Eugene Govor Chef du département Embarqué et C++

Technologies

Backend

Python, Django REST Framework, FastAPI, AWS IoT Core, pandas, Loki, Prometheus, Grafana, API Gateway, AWS ;

Frontend

JavaScript, TypeScript, React, Redux, Leaflet, Webpack, Axios, Material UI, Cube.js, AWS CloudFront ;

Embedded

AVR, Raspberry Pi, SPI, UART, USB, I2C, HTTP, SolidWorks, ROS, SLAM, LiDAR, Altium Designer ;

ML/DS

OpenCV, TensorFlow, TFLite, ONNX, NumPy ;

DevOps

Terraform, Weave, Docker Compose, Kubernetes, Bitbucket Pipelines ;

Base de données

PostgreSQL, AWS Timestream.

Équipe

Chef de projet

Analyste commercial

Architecte logiciel

Chef d'équipe

Ingénieurs en matériel

Développeurs de microprogrammes

Développeurs Back-End

Développeurs Front-End

Ingénieur DevOps

Ingénieur ML/DS

Modélisateur 3D

Ingénieur d'études

Résultats

Durée du projet

Février 2023 - Juillet 2023

Innowise a construit IRIS, un robot IoT autonome capable de naviguer dans les espaces de bureau, de détecter les plantes, de les atteindre à différentes hauteurs et de les arroser sans travail manuel. L'équipe a réuni le matériel, les composants intégrés, la vision par ordinateur, la logique de navigation et les logiciels dans un prototype fonctionnel testé dans des conditions de bureau réelles.

Le robot a rendu l'entretien des plantes de bureau plus régulier et a réduit le besoin d'arrosage manuel. Pour Innowise, le projet est également devenu une démonstration pratique de l'expertise en robotique, montrant comment un robot physique peut s'occuper d'une tâche de bureau routinière en utilisant la navigation, la détection des plantes et un mécanisme d'irrigation intégré.

Table des matières

Automatiser les tâches de routine

Exemples de projets similaires

Contactez-nous

Réserver un appel ou remplissez le formulaire ci-dessous et nous vous contacterons dès que nous aurons traité votre demande.

Nom

Entreprise

Courriel :

Téléphone

Message

Envoyez-nous un message vocal

Joindre des documents

Charger fichier

Vous pouvez joindre un fichier d'une taille maximale de 2 Mo. Formats de fichiers valables : pdf, jpg, jpeg, png.

En cliquant sur Envoyer, vous consentez à ce qu'Innowise traite vos données personnelles conformément à notre politique de confidentialité. Politique de confidentialité pour vous fournir des informations pertinentes. En communiquant votre numéro de téléphone, vous acceptez que nous puissions vous contacter par le biais d'appels vocaux, de SMS et d'applications de messagerie. Les tarifs des appels, des messages et des données peuvent s'appliquer.

Vous pouvez également nous envoyer votre demande
à contact@innowise.com

Que se passe-t-il ensuite ?

Une fois que nous aurons reçu et traité votre demande, nous vous contacterons pour détailler les besoins de votre projet et signer un accord de confidentialité.

Après avoir examiné vos souhaits, vos besoins et vos attentes, notre équipe élaborera une proposition de projet avec l'étendue des travaux, la taille de l'équipe, les délais et les coûts estimés projet avec l'étendue des travaux, la taille de l'équipe, les délais et les coûts estimés.

Nous prendrons rendez-vous avec vous pour discuter de l'offre et régler les détails.

Enfin, nous signons un contrat et commençons immédiatement à travailler sur votre projet.