Entretien avec Rodrigo Hermosilla et Willem Guter, chercheurs du MIT CTL

« La nouvelle génération d’AMR transformera les entrepôts en un modèle plus proactif »

À propos du projets de recherche

Les AMR sont des véhicules intelligents qui naviguent au sein de l’entrepôt, assurant un transport interne des marchandises à la fois automatisé et flexible. Un axe majeur de la collaboration de recherche entre le Massachusetts Institute of Technology et Mecalux porte sur leur contrôle et leur optimisation. Rodrigo Hermosilla et Willem Guter, du Center for Transportation & Logistics du MIT, sont les chercheurs impliqués dans cette initiative de l’Intelligent Logistics Systems Lab, qui a pour vocation d’exploiter l’intelligence collective pour que les AMR améliorent davantage l’agilité et l’efficacité des entrepôts et des centres de distribution.

Mecalux s’est entretenu avec Rodrigo Hermosilla et Willem Guter, chercheurs au MIT CTL, pour en savoir plus sur leur projet visant à doter es AMR d’une agilité et d’une efficacité accrue, en collaboration avec Mecalux.

Vous participez à un projet d’innovation portant sur les AMR. Comment entraînez-vous les robots à travailler de manière interdépendante ?

Rodrigo Hermosilla : Ce projet de recherche vise à améliorer le fonctionnement des robots mobiles autonomes dans les entrepôts. Nous cherchons à accroître leur efficacité tout en évitant les collisions en temps réel.

Willem Guter : Nous utilisons l’apprentissage par renforcement pour permettre aux AMR d’appréhender les entrepôts à un niveau interdépendant. Cela signifie que les robots sont capables non seulement de visualiser leur localisation à tout moment, mais aussi d’anticiper l’arrivée des prochaines commandes et leurs destinations de livraison, optimisant ainsi davantage les processus.

Nous utilisons l’apprentissage par renforcement et le deep learning pour aider les AMR à appréhender les entrepôts à un niveau interdépendant
Quelles seront les avancées liées à ce nouvel algorithme de contrôle des AMR ?

Willem Guter : Ce nouvel algorithme apporte des avancées concrètes sur deux aspects dans l’entrepôt. Premièrement, il reporte la transmission des tâches aux AMR afin de réduire les éventuels goulets d’étranglement aux points de ramassage et de livraison ainsi que durant les déplacements. Deuxièmement, il améliore les performances en termes de positionnement, puisque l’algorithme connaît ou prévoit le lieu d’arrivée des commandes et peut ainsi positionner à l’avance les AMR nécessaires ou maintenir ceux qui s’y trouvent déjà.

Rodrigo Hermosilla : Nous développons des bancs d’essai en collaboration avec Mecalux afin qu’ils soient aussi réalistes que possible. Cela concerne non seulement la représentation de l’agencement de l’entrepôt, mais aussi d’autres comportements mécaniques comme l’accélération, la vitesse ou les restrictions éventuelles.
Comment ce modèle exploitera-t-il l'IA prédictive pour anticiper les demandes ?

Willem Guter : Le modèle que nous mettons au point utilisera le deep learning pour prédire l’origine des commandes, en élaborant une planification aussi bien à court terme que pour des périodes spécifiques de l’année. En se basant sur des données historiques, il permet de déterminer la provenance et la destination des articles dans un contexte plus large.
Comment parvenez-vous à ce que les AMR s’optimisent d’eux-mêmes ?

Nous entraînons ces modèles afin que les autres AMR puissent apprendre et proposer une solution optimale non seulement pour eux, mais aussi pour l’ensemble de la flotte

Rodrigo Hermosilla : Dans le cadre de nos recherches, les AMR sont conçus comme des agents intelligents. Autrement dit, il existe une représentation logique de chaque robot, et celui-ci peut prendre des décisions à partir des informations disponibles et partager certaines contraintes ou certains événements découlant de l’environnement. Nous devons donc entraîner ces modèles afin que les autres AMR puissent apprendre et proposer une solution optimale non seulement pour eux-mêmes, mais aussi pour l’ensemble de la flotte.
Comment cette nouvelle génération d’AMR va-t-elle révolutionner l’entrepôt ?

Rodrigo Hermosilla : L’avantage le plus évident de ce type de technologie est le délai de traitement requis pour obtenir une solution optimale. En effet, l’apprentissage automatique est capable de générer des solutions en temps réel et est plus agile que d’autres algorithmes.

Willem Guter : La nouvelle génération d’AMR et les algorithmes de contrôle avancé font évoluer les entrepôts d’un modèle réactif vers un modèle plus proactif. Cela signifie que les robots anticipent leur localisation, identifient l’origine et la destination des articles et optimisent le flux de travail. Il en résulte des entrepôts plus performants, plus durables et plus rentables.