Les robots se sont traditionnellement appuyés uniquement sur les informations visuelles pour naviguer dans leur environnement, ce qui limitait fortement leur efficacité dans des contextes complexes et imprévisibles. Désormais, des chercheurs de l’Université Duke ont mis au point un cadre révolutionnaire baptisé WildFusion, qui change fondamentalement la manière dont les robots perçoivent et interagissent avec le monde qui les entoure.
WildFusion dote un robot quadrupède de capacités sensorielles multiples, imitant ainsi la perception humaine. Au-delà des entrées visuelles classiques provenant de caméras et de LiDAR, le système intègre des microphones de contact détectant les vibrations de chaque pas, des capteurs tactiles mesurant la force appliquée, ainsi que des capteurs inertiels suivant la stabilité du robot lorsqu’il se déplace sur des terrains irréguliers.
« WildFusion ouvre un nouveau chapitre dans la navigation robotique et la cartographie 3D », explique Boyuan Chen, professeur assistant à l’Université Duke. « Il aide les robots à évoluer avec plus d’assurance dans des environnements non structurés et imprévisibles tels que les forêts, les zones sinistrées ou les terrains accidentés. »
Au cœur de WildFusion se trouve un modèle sophistiqué d’apprentissage profond basé sur des représentations neuronales implicites. Contrairement aux méthodes traditionnelles qui considèrent les environnements comme des ensembles de points discrets, cette approche modélise les surfaces de manière continue, permettant au robot de prendre des décisions intuitives même lorsque les données visuelles sont bloquées ou ambiguës. Le système « comble les lacunes » lorsque les données des capteurs sont incomplètes, à l’image du fonctionnement humain.
La technologie a été testée avec succès dans le parc d’État de la rivière Eno en Caroline du Nord, où le robot a navigué avec assurance à travers des forêts denses, des prairies et des chemins de gravier. Selon Yanbaihui Liu, auteur principal de l’étude, « ces tests en conditions réelles ont démontré la remarquable capacité de WildFusion à prédire avec précision la franchissabilité du terrain, améliorant significativement la prise de décision du robot sur les chemins sûrs à travers des environnements difficiles ».
L’équipe de recherche a également développé une méthode de simulation permettant de tester les capacités du robot sans intervention humaine directe lors des premières phases de développement, accélérant ainsi le processus de recherche et le rendant plus évolutif. Cette approche représente une avancée majeure dans la méthodologie de test en robotique.
Grâce à sa conception modulaire, WildFusion offre de vastes perspectives d’application au-delà des sentiers forestiers, notamment dans la réponse aux catastrophes, l’inspection d’infrastructures isolées ou l’exploration autonome. Soutenue par la DARPA et le laboratoire de recherche de l’armée américaine, la technologie sera présentée lors de la conférence internationale IEEE sur la robotique et l’automatisation (ICRA 2025) à Atlanta en mai prochain.