Amazon Picking Challenge : le machine learning récompensé cette année

Le robot yaskawa des vainqueurs de l'APC 2016

Pour conserver sa longueur d’avance sur les autres distributeurs, le groupe de Jeff Bezos organise depuis 2015 un concours de robotique appelé Amazon Picking Challenge.

Amazon, leader mondial du e-commerce

Le plus grand libraire au monde, avec plus de 5 milliards de chiffre d’affaire dans ce seul domaine en 2014, et 300 millions de clients actifs, n’en finit plus de défier toute concurrence. En 2014, le New Yorker révélait que plus de la moitié des libraires indépendants avaient mis la clé sous la porte en 20 ans, soit 2000 de moins. Si l’entreprise compte plus de 230 000 employés, c’est sur le terrain de l’optimisation des employés qu’elle tire son épingle du jeu. Avec 14 employés seulement pour chaque dizaine de millions de dollars générés, Amazon se situe bien en-deçà de la moyenne des distributeurs qui tourne autour des 47 employés par $10 millions générés.

Une efficacité inégalée qui est rendue possible par le lot de technologies déployées par l’entreprise. Notamment par la flotte de robots Kiva. Mais aussi par sa présence digitale. En effet, en 2014 (ce chiffre a donc dû très largement augmenter depuis), 20% des livres vendus par le site aux Etats-Unis étaient des versions numériques pour Kindle. A noter que le pays est en avance sur ses homologues européens, notamment sur la France, qui campe les dernières places en terme de lecture numérique. Un « retard » qui s’explique par une certaine réticence des français à lire sur tablette, mais aussi par les aides d’Etat à l’édition papier. Toutefois les français s’équipent de plus en plus de ces gadgets technologiques (+70% des ventes en 2014 selon le Syndicat National de l’Edition).

Conserver une longueur d’avance

Avec un chiffre d’affaires en hausse de 22% pour le premier trimestre 2016 pour un total de plus de 35 milliards de dollars, le leader du commerce électronique entend bien conserver sa longueur d’avance en otpimisant toujours plus ses activités. Pour cela, l’entreprise a lancé son propre concours de robotique de logistique : le fameux Amazon Picking Challenge. Sa première édition, l’an dernier, avait réuni et avait été marquée par des résultats peu glorieux tant les défaillances techniques avaient miné la compétition. Un écueil largement évité puisque cette année, seulement la moitié des participants ont récolté moins de 40 points. Or, comme le rappelle Techrepublic, dépasser ce seuil de 40 points aurait au moins valu une troisième place l’année précédente. C’est dire l’évolution du niveau.

Pour Amazon, les nouvelles technologies lui auraient permis de « réduire considérablement le temps passé à marcher et à chercher des objets dans un entrepôt« , notamment grâce à l’automatisation et ses machines Kiva. Si plusieurs groupes français optent désormais pour une solution aérienne comme ce projet de Delta Drone déployé prochainement dans les entrepôts de Geodis en France.

Et pour garder un temps d’avance sur la concurrence, le groupe de Jeff Bezos se tourne vers la robotique, avec un concours qui lui est entièrement consacré : l’Amazon Picking Challenge. Comme son nom l’indique, ce concours voit des roboticiens s’affronter au cours de deux épreuves simples : le ramassage (picking) et l’entreposage (stowing) d’objets divers sur des étagères.

L’an passé, c’était le Robotics Biology Laboratory (RBO) de l’Université Technologique de Berlin qui avait emporté les 20 000$ à l’ICRA 2015, juste devant une équipe du MIT et une autre de l’Université d’Oakland. Tout cela sur un total de 28 équipes participantes.

Edition 2016 de l’Amazon Picking Challenge

Cette année, le concours s’est tenu à Leipzig à l’occasion de la RoboCup 2016. Cette fois, 26 équipes issues d’entreprises et d’université d’Asie, d’Amérique et d’Europe ont concouru dans une compétition encore plus difficile : 40 types d’objets à manipuler contre 27 seulement l’année précédente, et ce, dans un temps plus court.

Sur les deux jours de compétition l’équipe de l’Université Technologique de Delft (Pays-Bas) est arrivée deux fois en tête. Le quatuor de tête est resté le même sur les deux épreuves, entreposage et ramassage. Tout s’est donc joué entre Delft, le MIT, PFN et NimbRo Picking.

Des points étaient retirés en cas de dommages causés sur un objet, de chute de plus de 30 cm de hauteur ou bien de rangement d’un objet à plus de 0,5 cm de son espace dédié. Pour l’épreuve de ramassage (picking), c’est encore Delft Robotics qui est arrivé premier, à égalité avec PFN mais plus rapide sur la manche finale de rapidité (30 secondes pour ramasser le premier objet contre une minute pour les japonais). Viennent ensuite NimbRo Picking de Bonn puis le MIT.

Score final : Delft Robotics avec 319 points, devant NimbRo Picking avec 283 points et les japonais de PFN avec 266 points. Le MIT finit quatrième avec un score total de 231 points.

A chacun sa stratégie

La plupart des roboticiens ont fait appel à des modèles existants. Car tout se joue non pas sur la capacité du robot mais surtout sur la qualité de sa programmation. Ainsi, l’équipe gagnante a utilisé un Yaskawa, NimbRo un modèle d’Universal Robots et le MIT a utilisé un bras ABB 1600ID. Il faut toutefois souligner la lenteur du procédé qui est encore bien en-deçà de ce que peut proposer un humain.

Seule particularité ? Celle du grand vainqueur, Delft Robotics qui a intégré une part de deep learning dans son modèle. Ce qui lui a valu de mieux appréhender les épreuves et donc de tirer son épingle du jeu. Car du fait de la grande variété d’objets à manipuler cette année « il était difficile d’adopter une seule stratégie de ramassage » explique à la BBC Kanter Van Deurzen, de l’équipe victorieuse. « D’ordinaire, dans l’industrie il suffit d’un mode de préhension pour attraper un seul type d’objets » poursuit-il, « or ici, il nous fallait manipuler une douzaine de types d’objets, de la simple boîte au t-shirt en passant par la cloche, et chacun demandait une approche singulière« . Et pour cela, rien de tel que d’ajouter une dose de machine learning à son programme. En scannant à l’avance les objets en 3D et en nourrissant le programme conçu par Delft d’une base de données objets, il a pu apprendre sur les différentes formes et adapter sa préhension à celles-ci.

Selon Carlos Hernández Corbato de l’Institut de Robotique de l’Université Technologique de Delft (partenaire de Delft Robotics), c’est bien cette approche qui a permis à leur machine de se situer dans l’espace et de situer les éléments présents dans son environnement, même non construits. A noter également que la machine victorieuse n’attrapait pas les objets avec des pinces mais avec un système d’aspiration.

NimbRo_Picking_Team


Laisser un commentaire