L’évitement d’obstacles est au cœur de la navigation des robots aspirateurs. C’est à la fois un enjeu d’efficacité, de sécurité et de longévité de l’appareil. Les derniers modèles d’aspirateurs robots ont fait d’immenses progrès dans ce domaine et ont de très beaux résultats même si ce n’est pas encore parfait. Découvrons ensemble comment procèdent les robots aspirateurs pour éviter les obstacles et déterminer leurs trajectoires.
Les différentes méthodes de détection des obstacles des robots aspirateurs
Il existe plusieurs moyens et méthodes pour détecter l’environnement ambiant autour du robot aspirateur, classifier les objets détectés et par conséquence pour les traiter comme obstacles.
Les capteurs de proximité
Les capteurs de proximité sont des capteurs infrarouges (qui émettent des faisceaux lumineux qui rebondissent sur les objets) ou des capteurs à ultrasons (qui émettent des ondes sonores et mesurent le temps qu’elles mettent pour revenir après avoir rebondi sur un objet). Les capteurs de contact sont aussi des capteurs de proximité, mais ils détectent les contacts physiques avec les objets en les heurtant, avec parfois la possibilité de les endommager.
Toutes les informations qui proviennent des capteurs sont ensuite utilisées et analysées par le robot pour localiser les objets, prendre des décisions et se déplacer en conséquence.
Les capteurs de vision
Les capteurs de vision des robots aspirateurs capturent des images de leur environnement et les analysent pour détecter les objets. Ce sont des algorithmes de traitement d’image qui sont alors utilisés pour reconnaître les formes et les contours des obstacles.
Ces informations sont ensuite compilées et analysées. Elles peuvent venir en complément de celles issues des capteurs de proximité. Elles sont ensuite utilisées pour ajuster la trajectoire du robot et éviter les collisions avec les éléments détectés.
La cartographie de l’environnement
Les robots aspirateurs les plus modernes utilisent des méthodes de cartographie pour éviter les obstacles lors de leur déplacement. Ils utilisent les données qui proviennent des capteurs infrarouges ou ultrasons et les analyses d’images des caméras embarquées pour produire une carte précise de ce qui les entoure.
Généralement, c’est l’algorithme de localisation simultanée et de cartographie (SLAM) qui est utilisé pour générer une carte de l’environnement ou sinon le système de navigation LiDAR. Ce système permet aussi au robot de se localiser par rapport à cette carte. Le SLAM utilise alors les données issues des capteurs de distance pour établir la position et l’orientation du robot.
Il suffit alors au robot de combiner les informations de localisation et celles de cartographie pour générer des trajets et éviter les obstacles. Le robot est aussi à même de calculer le trajet le plus optimisé pour éviter les objets, mais aussi remplir sa tâche de nettoyage en minimisant le temps de parcours.
Quels sont les algorithmes d’évitement d’obstacles utilisés par les robots aspirateurs ?
La plupart des robots aspirateurs disposent de différents algorithmes de calculs qui leur servent pour éviter des obstacles et naviguer efficacement dans un environnement complexe. Ces algorithmes sont des sous-ensembles ou des sous-algorithmes qui composent un plus vaste algorithme qui régit la navigation du robot.
L’ algorithme de détection et de suivi des murs
L’algorithme de suivi des murs est utilisé par les robots aspirateurs pour simplifier leurs déplacements et automatiser certaines trajectoires.
Dans un premier temps, le robot aspirateur reconnait un mur comme étant un obstacle qui se prolonge selon une droite. Lorsque le robot a alors besoin de suivre le mur, il active cet algorithme spécifique et se dirige alors perpendiculairement vers le mur.
À son approche, il prend une direction à 90° et décrit un trajet rectiligne en suivant le mur. Ce mécanisme intelligent lui permet alors de se déplacer le long des murs en évitant les obstacles et en couvrant efficacement la surface à nettoyer.
Les algorithmes de planification de trajectoire
Un autre algorithme important pour la navigation sans heurter des obstacles est l’algorithme de planification de trajectoire. Il y en a, en fait, plusieurs comme l’algorithme A* (A-star) ou le RRT (Rapidly-exploring Random Tree). Ils permettent alors aux robots de calculer des trajectoires optimales tout en évitant les obstacles présents sur leur chemin.
L’algorithme A* est très utilisé. Son avantage est qu’il permet une recherche de chemin optimal en utilisant une combinaison de recherche en largeur et de recherche heuristique. Il évalue les coûts (en temps et en distance) des différents chemins possibles et choisit le chemin le plus “économique” en fonction d’une estimation heuristique de la distance restante jusqu’à la destination.
Le RRT s’appuie plus sur des probabilités de trajectoires possibles et crée des segments aléatoires qui se combinent pour créer de nouvelles trajectoires. C’est un processus itératif complexe, mais qui a l’avantage de trouver rapidement des trajectoires réalisables, même s’il faut sans cesse les corriger.
Ces algorithmes de planification de trajectoire sans obstacles sont des exemples parmi d’autres des modes de calcul ou de réflexion du robot afin de combiner une navigation efficace et l’évitement de collisions.
Les limitations et défis actuels de l’évitement d’obstacles pour les robots aspirateurs
Les méthodes actuelles d’évitement d’obstacles utilisées par les robots aspirateurs présentent de bons résultats, mais ont encore certaines limitations. Par exemple, les aspirateurs robots peuvent parfois échouer à détecter de petits objets tels que des câbles ou des petits jouets.
De la même manière, l’accumulation de petits obstacles peut perturber le robot aspirateur dans sa capacité à établir une trajectoire. Les miroirs ou les vitres peuvent aussi poser des problèmes dans la détection par infrarouge et donner lieu à des erreurs dans la cartographie.
Enfin, les obstacles “ mobiles” constituent le prochain défi des futurs robots aspirateurs. Une nouvelle génération avec des process de calcul plus rapides et plus efficaces sera capable d’éviter les humains, les animaux de compagnie et d’autres robots qui pourront circuler dans le même espace. Leurs déplacements seront même anticipés avec un modèle probabiliste pour déterminer les trajectoires de ces obstacles mobiles.