Application avancée de la Robotisation de procédé de démantèlement assistée par l'intelligence artificielle

Advanced implementation of artificial intelligence assisted robotic systems in dismantling processes

• Auteur / Autrice : Tanguy Chevillon
• Direction : David Fofi, Christophe Stolz
• Type : Projet de thèse
• Discipline(s) : Intelligence artificielle
• Date : Inscription en doctorat le 15/10/2024
• Etablissement(s) : Dijon, Université Bourgogne Europe
• Ecole(s) doctorale(s) : SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Imagerie et Vision Artificielle

Mots clés

Mots clés libres

Intelligence Artificielle

Robotique

Simulation

Jumeau Numérique

Analyse Numérique

Défis Technologiques

Artificial Intelligence

Robotic

Simulation

Digital Twin

Digital Analysis

Technical challenges

Résumé

La thèse se déroule au sein d'une unité du CEA exploitant un atelier de démantèlement dont l'objectif est de réduire le volume et mettre au gabarit des objets contaminés volumineux, de type boîte à gants, grâce à des scaphandriers. L'intervention d'opérateurs humains pour réaliser les opérations de démantèlement en atmosphère contaminée présente des risques, notamment de contamination ou de blessure, suite à la manipulation d'outils. Afin de limiter le risque de contamination, les opérateurs interviennent en tenue étanche ventilée (appelée scaphandres). Afin de limiter au maximum les risques encourus par ces opérateurs, des conditions d'intervention très strictes sont prévues, notamment en termes de formation des opérateurs d'organisation des activités et de préparation des chantiers. Malgré ces dispositions, les opérations de démantèlement réalisées dans l'atelier conservent un niveau de risque élevé. Afin de limiter fortement, voire de supprimer, les risques inhérents à une intervention humaine dans l'atelier de démantèlement, un projet de modernisation est en cours, impliquant l'intégration de moyens robotisés. L'objectif est de concevoir des systèmes robotisés capables, avec différents degrés d'autonomie, de générer et de réaliser des scénarios de démantèlement. Pour permettre au(x) robot(s) de prendre en compte les variations de leur environnement, de réaliser des tâches de plus en plus complexes et d'évoluer avec la participation d'un tiers (robot, outils ou humain), l'intelligence artificielle (IA) se présente comme l'outil adapté. Les méthodes d'IA génératives, au-delà de la génération de textes ou d'images, peuvent également être utilisées pour créer des scénarios comprenant des prises de décision séquentielles et ainsi permettre la réalisation d'opérations robotisées. La génération de séquences d'actions réalisées par des robots nécessite d'abord la mise en place d'un algorithme d'orchestration. En raison de la nature changeante des éléments à démanteler et de l'évolution continue de l'environnement de travail, la solution envisagée est de concevoir et d'intégrer un modèle d'intelligence artificielle basée sur un ou plusieurs réseaux de neurones. L'objectif de la thèse est d'identifier et d'étudier les éléments nécessaires à la création de l'orchestrateur afin de proposer un écosystème numérique capable de répondre à cette problématique. Dans un premier temps, le doctorant devra identifier les données nécessaires à l'apprentissage et à l'inférence du système. Par la suite, le doctorant devra établir les moyens et stratégies d'acquisition de ces données, en vue de leur conversion dans un format interprétable par l'orchestrateur. L'exploitation de maquettes numériques ainsi que les opérations réalisées en conditions réelles (via la motion capture par exemple) peuvent être des moyens envisagés. L'étape suivante sera la conception des algorithmes d'entrainement et d'un ou plusieurs modèles de réseaux de neurones génératifs. Les scénarios de démantèlement produits pourront combiner les différents modes d'opérations (humaines (par la téléopération), cobotiques et robotiques) et pourront être amenés à être modifiés de façon intuitive par un opérateur non spécialisé et de prendre en compte des contraintes ou des stratégies améliorées.

The thesis takes place in a CEA unit operating a dismantling workshop. This workshop is used to reduce bulky contaminated materials, like glove boxes, with the intervention of operators in air fed suits. Working in air fed suits, inside a contaminated area, presents safety risks, like contamination and injury from the use of tools. To limit contamination risks, the operators intervene in air fed suits. To minimize the security risks faced by the operators, very strict working condition are defined, including the training of operators, and planning of the dismantling procedures. Despite these measures, dismantling operations done in the workshop still entails a high security risk. In order to limit or remove risks that present interventions in the dismantling workshop, a modernization project is ongoing, involving the implementation of robotic systems. The defined objective is to develop robotic systems able to autonomously generate and execute dismantling scenarios. The use of artificial intelligence (AI) seems suitable to allow robot(s) to detect and to process changes in their environment, to execute increasingly complex tasks and work with other users (such as other robots, remoted tools ). Generative AI models, in addition to image or text generation, can be adapted to generate complex scenarios including robotic tasks planning. AI based task planning and execution rely on the implementation of an orchestrator algorithm. Due to the changing nature of the working environment and the objects to reduce, the considered solution is to develop one or several neural network based AI. The PhD aims to identify and analyze necessary components to create the orchestrator, and then elaborate a digital ecosystem able to solve the aforementioned problematic. The PhD student will first have to identify required data to train and use the AI system. Then, the PhD student will define how to acquire the data and to convert them in a format usable by the orchestrator. The use of digital mockup as well as real-world operations (e.g. from motion capture) can be considered. Afterwards, the PhD student will develop the ecosystem algorithms, including neural network models and trainings. The generated dismantling scenarios would combine various operating modes (teleoperation, use of robots, or cobots) and shall be easily editable by a non-expert operator, as well as taking into account new constraints or strategies.