Séoul , Corée du Sud, 2 octobre 2025 : Des chercheurs sud-coréens ont développé un nouveau système robotique imitant le traitement de la mémoire humaine afin d’améliorer les performances des robots mobiles autonomes en milieu industriel. Cette technologie permet aux robots de hiérarchiser les données en temps réel et d’éliminer les informations obsolètes, améliorant ainsi l’efficacité de la navigation dans les centres logistiques et les usines intelligentes. L’étude a été menée par l’Institut des sciences et technologies de Daegu Gyeongbuk (DGIST) et publiée dans le Journal of Industrial Information Integration.
La recherche introduit un modèle d’« IA physique » qui s’appuie sur le concept de « propagation et d’oubli », inspiré par la façon dont les problèmes sociaux émergent et s’estompent au fil du temps. Cette approche permet aux robots autonomes de filtrer les données obsolètes, comme les obstacles rencontrés précédemment et disparus, évitant ainsi les détours inutiles et optimisant le flux des tâches. Le professeur Kyung-Joon Park, du Centre d’IA physique de la DGIST, a dirigé l’équipe de recherche, composée notamment de Jiyeong Chae et Sanghoon Lee. L’équipe s’est concentrée sur l’amélioration des capacités de navigation coopérative des robots mobiles autonomes (AMR), couramment utilisés dans les opérations de fabrication, de logistique et d’entreposage.
Les systèmes de navigation conventionnels obligent souvent les robots à contourner d’anciens obstacles, réduisant ainsi la productivité opérationnelle même après leur franchissement. Pour tester le nouveau système, les chercheurs ont utilisé le simulateur Gazebo pour recréer un environnement logistique. Les performances du modèle d’IA physique ont été comparées au framework ROS 2 (Robot Operating System 2), largement utilisé. Ce nouveau modèle a montré une réduction du temps de conduite moyen pouvant atteindre 30,1 % et une augmentation du débit des tâches pouvant atteindre 18 %.
La Corée du Sud étend sa recherche en robotique grâce à de nouvelles alliances
Selon les chercheurs , ce modèle permet aux robots de ne partager que les données prioritaires, comme la localisation d’un obstacle, tout en oubliant progressivement les informations devenues obsolètes. Ce partage sélectif des données vise à réduire la surcharge de communication au sein des flottes de robots et à améliorer la coordination globale sans nécessiter de calcul externe ni de traitement cloud. Le système fonctionne grâce à des capteurs LiDAR 2D, éliminant ainsi le besoin de matériel supplémentaire coûteux.
Il a été développé sous forme de plug-in pour ROS 2, permettant une intégration aisée aux plateformes robotiques existantes. Les chercheurs ont souligné que cette approche est conçue pour fonctionner en temps réel, sans dépendre d’environnements statiques pré-cartographiés. Outre une navigation améliorée, le système offre des avantages potentiels en termes de réduction de la consommation d’énergie et de l’usure mécanique, en évitant les itinéraires inefficaces et les arrêts inutiles. Ces améliorations pourraient contribuer à réduire les coûts d’exploitation dans les environnements à haut débit où les retards et la fatigue des équipements sont des facteurs importants.
Le débit des tâches est amélioré grâce au modèle de mémoire sélective
Cette technologie a été conçue pour une utilisation industrielle immédiate et est compatible avec l’infrastructure robotique actuelle. Si les premiers tests ont été réalisés en environnements simulés, les chercheurs ont constaté que le plug-in est désormais disponible pour une application dans les systèmes AMR commerciaux. Ce développement s’inscrit dans un contexte d’intérêt croissant pour l’automatisation robotique en Corée du Sud . Plus tôt cette année, le pays a lancé la K-Humanoid Alliance, une initiative nationale visant à coordonner la recherche en robotique et en intelligence artificielle entre les secteurs universitaire, industriel et gouvernemental.
Les recherches du DGIST viennent enrichir un portefeuille croissant d’innovations visant à rendre les systèmes autonomes plus adaptables et plus efficaces en conditions réelles. Le modèle basé sur l’IA physique révolutionne la façon dont les robots traitent et exploitent les données environnementales, en mettant l’accent sur la prise de décision en temps réel et la précision opérationnelle. L’équipe de recherche a rendu le plugin accessible au public afin de faciliter son adoption dans divers secteurs, notamment la logistique, l’industrie manufacturière et le développement de systèmes autonomes. – Par Content Syndication Services .