L'entreprise technologique chinoise Leapting a réalisé avec succès sa première installation commerciale de modules photovoltaïques à l'aide d'un robot piloté par l'intelligence artificielle en Australie. Le système autonome a installé près de 10 000 panneaux solaires, marquant ainsi une étape importante dans l'automatisation du développement de l'infrastructure solaire. Le tableau ravive les questionnements sur les tentatives de remplacement des humains par les robots. Le robot de l'entreprise Leapting, déployé commercialement pour la première fois à Culcairn, est un véhicule à chenilles doté d'un bras robotique à six axes équipé d'une pince guidée par l'intelligence artificielle. Il utilise des capteurs 3D, des algorithmes de reconnaissance de la posture et un système embarqué de localisation et de cartographie simultanées pour se positionner avec une précision de l'ordre du millimètre. Une fois chargé d'une pile de panneaux, il se déplace de manière autonome dans le réseau, identifie les points de montage, aligne chaque module et le place. Selon les données recueillies sur le terrain dans le cadre du projet, le robot installait des panneaux à un rythme d'environ 60 par heure, soit à peu près 480 dans une journée normale de huit heures. C'est environ trois à cinq fois plus rapide qu'une équipe humaine typique de quatre personnes, qui plafonne souvent à environ 100 à 120 modules par jour en raison de la fatigue, des limites de chaleur et du besoin de coordination de l'équipe.
In a significant advancement for renewable energy deployment, Chinese technology firm Leapting has successfully completed its first commercial installation of photovoltaic (PV) modules using an AI-driven robot in Australia. The autonomous system installed nearly 10,000 solar…
— Rich Tehrani (@rtehrani) May 4, 2025
Une fois mis en scène et calibré, il gère seul la navigation, l'évitement des obstacles et la précision du placement. Le robot a néanmoins besoin d'un terrain relativement bien nivelé et d'un espacement adapté à son châssis de 2,8 mètres de large. Les sites présentant des pentes abruptes, de la boue épaisse ou des roches denses le ralentiront ou le bloqueront. Bien que son intelligence artificielle puisse s'adapter aux changements de lumière, un éblouissement intense ou une mauvaise visibilité peuvent dégrader les performances des capteurs. Il peut également être nécessaire qu'un humain le suive pour la fixation mécanique finale, en fonction du système de rayonnage utilisé. En ce sens, le robot de Leapting dépend encore de la normalisation de la conception des centrales solaires - plus le site est plat et plus le rayonnage est simple, plus il est performant.
Ce type de mise en œuvre desdits robots consiste en général en de la détection et suivi d’objets. Dans ce cas, il y a collecte des images provenant de deux caméras avant et effectue une détection d’objet sur une classe spécifiée. Cette détection utilise Tensorflow via le tensorflow_object_detector. Il accepte n'importe quel modèle Tensorflow et permet au développeur de spécifier un sous-ensemble de classes de détection incluses dans le modèle. Il effectue cet ensemble d'opérations pour un nombre prédéfini d'itérations, en bloquant pendant une durée prédéfinie entre chaque itération. L'application détermine ensuite l'emplacement de la détection la plus fiable de la classe spécifiée et se dirige vers l'objet.
L’application est organisée en trois ensembles de processus Python communiquant avec le robot Spot. Le diagramme des processus est illustré ci-dessous. Le processus principal communique avec le robot Spot via GRPC et reçoit constamment des images. Ces images sont poussées dans la RAW_IMAGES_QUEUE et lues par les processus Tensorflow. Ces processus détectent des objets dans les images et poussent l'emplacement dans PROCESSED_BOXES_QUEUE. Le thread principal détermine alors l'emplacement de l'objet et envoie des commandes au robot pour qu'il se dirige vers l'objet....
| Code Python : | Sélectionner tout |
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
.
