Qu’est-ce qu’une IHM basée sur l’IA ?

Les interfaces homme-machine (IHM) assistées par l’IA sont des systèmes qui impliquent des interactions entre le système technique d’une machine et un opérateur dans un contexte et à travers divers canaux :
– la machine est elle-même une hiérarchie de systèmes interconnectés capables d’acquérir des données en temps réel, de les traiter, d’utiliser l’intelligence artificielle et de créer des modèles ;
– l’opérateur présente des spécificités et des performances intra-individuelles et inter-individuelles, notamment la mobilisation de capacités cognitives et d’entraînement pour une tâche donnée ;
– les canaux incluent, mais ne sont pas limités à : la vision et l’imagerie, la voix et le son, le toucher et l’haptique, l’immersion 2D-3D, et un développement possible des interactions (directes) cerveau-machine. Elles impliquent à la fois des échanges directionnels de machine à homme et d’homme à machine. Elles visent à fournir des informations, à mettre en place des décisions, à agir et à vérifier les conséquences de l’action pour la meilleure récupération, tant du côté humain que du côté machine.

 

L’impact et le niveau de maturité des IHM d’entreposage basées sur l’IA peuvent être cartographiés et classés

Un impact important : Les IHM dotées de l’IA révolutionnent les systèmes d’entreposage

L’IA est relativement facile à appliquer à un système d’entrepôt car les tâches dans un entrepôt sont clairement spécifiées et simples et l’environnement est très structuré. La préparation des commandes représente 40 % des coûts opérationnels dans la plupart des entrepôts, et les coûts de main-d’œuvre représentent jusqu’à 70 % du budget total d’un entrepôt (source : Presans). Le nombre d’entreprises appliquant la technologie de l’IA aux entrepôts augmente rapidement, avec pour objectif des processus de produits entièrement automatisés. La plupart des entreprises se concentrent sur la manière dont les robots dotés de l’IA exécutent rapidement ou de manière autonome les tâches données.

La sécurité humaine sera bien sûr moins prise en compte pour les robots d’entrepôt entièrement autonomes. Cependant, les robots dotés de l’IA dans un entrepôt ont toujours besoin de l’intervention humaine pour résoudre les problèmes inattendus. Les humains resteront donc à proximité des robots dotés de l’intelligence artificielle et ces derniers devront reconnaître les travailleurs humains à l’aide de capteurs, de moteurs et d’actionneurs sophistiqués afin d’éviter de représenter un danger pour eux.

 

Les stratégies visant à garantir la sécurité des personnes dans les entrepôts grâce à des IHM dotées de l’IA peuvent être cartographiées

En fonction de la répartition des tâches entre les travailleurs humains et les robots dotés de l’IA, chaque entreprise applique des stratégies différentes pour gérer la sécurité humaine dans un entrepôt. Par exemple, un bras robotique appelé Orb de Kindred effectue des tâches de tri, et les travailleurs humains n’interviennent que lorsque cela est nécessaire pour faire fonctionner manuellement l’Orb afin d’effectuer des tâches difficiles pour le bras robotique. Ainsi, la plupart du temps, les travailleurs humains sont séparés du bras robotique et le font parfois fonctionner à distance grâce à des systèmes de RV. Dans le cas de Fetch et d’Amazon, les travailleurs humains et les robots dotés d’une intelligence artificielle se trouvent dans la même pièce et collaborent à la même tâche. Fetch adopte une stratégie de supervision humaine : un travailleur humain charge les produits sur un robot, puis le robot trouve l’itinéraire le plus efficace dans l’entrepôt et livre les produits chargés. Après avoir livré un chargement complet, le robot retourne vers le travailleur humain pour le prochain passage. Pour garantir la sécurité des personnes, le robot se déplace toujours à une vitesse raisonnable d’environ 3,5 miles par heure ou 1,5 mètre par seconde. Kiva d’Amazon adopte une approche de collaboration plus étroite entre les travailleurs humains et les robots : un travailleur humain est responsable de l’emballage des produits et un robot alloue la bonne quantité de ruban adhésif en mesurant la taille des colis. Par conséquent, les travailleurs humains dans les entrepôts d’Amazon portent un gilet high-tech avec des poches remplies de capteurs et d’émetteurs radio à la ceinture et une tablette à la main.

Strategies for securing human safety in warehouses via AI-enabled HMIs can be mapped

Source: Presans

L’optimisation des machines dotées de l’IA dans un entrepôt nécessite la capacité d’apprendre des travailleurs humains ainsi que des données détectées et recueillies par le système. Cela implique de nouveaux rôles humains pour former, expliquer et entretenir les machines.

 

Les IHM des entrepôts seront fortement basées sur la voix

L’interface qui reçoit le plus d’attention pour la formation de l’IA est une interface vocale basée sur le traitement du langage naturel, car la technologie de l’interface vocale réduit le temps que les travailleurs humains passent à acquérir de nouvelles compétences pour la formation et est déjà largement adoptée dans le monde réel avec des produits grand public comme Alexa d’Amazon, Google Assistant, Siri d’Apple et Cortana de Microsoft. Pour garantir l’exactitude de la langue traduite par le traitement du langage naturel par l’IA, les formateurs humains doivent former le système d’IA pour qu’il fasse moins d’erreurs lorsqu’il traduit une voix humaine.

Outre la formation au traitement du langage naturel, il existe de nombreuses possibilités d’intégrer d’autres technologies de détection, telles que la vision par ordinateur, les dispositifs de contrôle des gestes, les plates-formes intégrées de suivi des yeux, la détection bioacoustique qui permet d’utiliser la peau comme surface d’entrée du doigt, la technologie de détection/reconnaissance des émotions et les interfaces muscle-ordinateur. Les humains peuvent également apprendre à une IA à trouver, manipuler et trier des produits dans un entrepôt grâce aux technologies de réalité augmentée et de réalité virtuelle, puis laisser l’IA prendre la bonne décision dans la chaîne d’approvisionnement en quelques secondes. Par exemple, l’Orb de Kindred apprend à se déplacer vers un objet désiré, à abaisser sa pince et à ajuster les deux pinces pour obtenir une prise ferme.

 

La cartographie et le classement des technologies IHM d’entrepôt basées sur l’IA peuvent aider à orienter les feuilles de route en matière d’innovation

Presans peut aider les innovateurs industriels à évaluer rapidement l’impact et le niveau de maturité des IHM compatibles avec l’IA dans leur secteur.