RoboBallet coordonne jusqu’à huit bras robotiques pour fluidifier l’usine

Dans une usine automatisée, faire travailler plusieurs bras robotiques côte à côte ne consiste pas simplement à leur attribuer une tâche chacun. Il faut aussi décider qui bouge, à quel moment, par quel chemin et sans croiser la trajectoire d’un voisin. Cette planification, souvent longue et délicate, est au cœur de RoboBallet, un système d’intelligence artificielle présenté le 8 septembre 2025 par des chercheurs de l’University College London (UCL), de Google DeepMind et d’Intrinsic.

L’ambition est concrète : permettre à une équipe de robots de partager un espace encombré, comme une ligne d’assemblage, en produisant rapidement des plans de mouvement efficaces. Le nom RoboBallet renvoie à l’image de bras mécaniques dont les déplacements sont coordonnés comme ceux de danseurs. Derrière cette métaphore se trouve un problème industriel bien réel : éviter que la multiplication des robots ne transforme l’atelier en casse-tête informatique.

Pourquoi coordonner plusieurs robots est-il si difficile ?

Un seul bras robotique doit déjà tenir compte de sa géométrie, de ses articulations, de ses limites de mouvement et des obstacles présents autour de lui. Lorsqu’on ajoute un deuxième bras, puis plusieurs autres, chaque trajectoire possible peut gêner les autres. Un mouvement qui semble parfait pour une machine peut bloquer le passage d’une autre, provoquer une collision ou allonger inutilement le cycle de production.

Cette difficulté augmente très vite avec le nombre de robots, de tâches et d’obstacles. Les méthodes classiques de planification peuvent alors demander des réglages importants et l’intervention de programmeurs très spécialisés. Dans l’industrie, ces experts doivent souvent définir des trajectoires sûres, vérifier les conflits possibles et réviser le programme dès que l’implantation d’une cellule de production change.

Or les ateliers ne restent pas immobiles. Une machine peut être indisponible, un poste peut être déplacé, un produit peut exiger une nouvelle séquence de fabrication. Dans ces situations, devoir reprogrammer manuellement l’ensemble de la coordination représente un coût en temps et une source potentielle d’erreurs.

RoboBallet s’attaque à cette couche de planification. Il ne remplace pas la mécanique des bras, les capteurs ou les dispositifs de sécurité d’une usine. Son rôle est de déterminer comment plusieurs robots peuvent accomplir leurs objectifs de mouvement dans un environnement commun, sans se gêner.

Comment RoboBallet planifie les mouvements des bras robotiques

Le système repose sur deux ingrédients de l’IA : un réseau de neurones sur graphes et l’apprentissage par renforcement. Cette association est adaptée à un atelier robotisé, où tout est affaire de relations : un bras doit atteindre une position, un obstacle occupe une zone, un autre bras suit une trajectoire susceptible de créer un conflit.

Dans un graphe, les éléments d’un problème sont représentés sous forme de nœuds reliés entre eux. Pour RoboBallet, cette structure permet d’intégrer les bras robotiques, les tâches à réaliser et les obstacles dans une même représentation. L’intérêt est de ne pas traiter chaque machine comme un système isolé : l’algorithme peut prendre en compte les interactions entre les membres de l’équipe.

L’apprentissage par renforcement, lui, fonctionne selon un principe d’essais et de récompenses. Le système teste des décisions de planification, puis reçoit un signal qui valorise les solutions atteignant les objectifs rapidement tout en respectant les contraintes de coordination. Au fil de l’entraînement, il apprend à privilégier des plans plus efficaces.

Cette approche ne signifie pas que les robots « comprennent » l’usine comme le ferait un opérateur humain. Elle leur fournit plutôt une méthode de calcul capable de produire des décisions de coordination à partir de la structure du problème. La force des graphes tient à leur capacité à représenter des ensembles dont la taille et les relations peuvent varier, ce qui est particulièrement utile lorsque le nombre de bras ou la disposition d’une cellule change.

Des plans produits en quelques secondes après l’entraînement

Le résultat mis en avant par l’équipe est la rapidité de production des plans une fois la phase d’apprentissage achevée. Après quelques jours d’entraînement, RoboBallet a généré des plans de haute qualité en quelques secondes, y compris pour des configurations complexes qui n’avaient pas été vues pendant l’entraînement.

Dans les expérimentations rapportées, le système a résolu jusqu’à 40 tâches simultanées avec huit bras robotiques. Cette performance est importante parce qu’elle associe deux exigences souvent difficiles à concilier : traiter de nombreux mouvements en parallèle et maintenir une coordination sans collision dans un espace commun.

Le chercheur principal Matthew Lai, affilié à l’UCL et à Google DeepMind, présente RoboBallet comme une avancée pour la robotique industrielle multi-robots. L’idée centrale est que chaque bras doit tenir compte de ses coéquipiers, afin que l’ensemble fonctionne comme une équipe plutôt que comme une juxtaposition de machines programmées séparément.

Il faut toutefois distinguer deux temps. L’entraînement de l’algorithme demande plusieurs jours, ce qui représente un investissement de calcul et de préparation. En revanche, une fois ce travail réalisé, la génération de nouveaux plans devient suffisamment rapide pour envisager une adaptation bien plus agile aux changements d’une installation.

En quoi l’approche diffère-t-elle de la programmation classique ?

Dans une ligne robotisée traditionnelle, les trajectoires sont souvent définies pour une configuration précise. Cette méthode peut être très fiable dans un environnement stable, où les mêmes gestes sont répétés sur une longue période. Mais elle devient plus contraignante lorsque la production varie, lorsqu’un équipement est déplacé ou lorsqu’il faut intégrer de nouvelles machines.

RoboBallet cherche à apprendre des principes de coordination plus généraux. Grâce à son architecture sur graphes, il peut traiter des scénarios de tailles différentes et raisonner sur les liens entre robots, tâches et obstacles. L’objectif n’est donc pas seulement de trouver un trajet pour un bras, mais d’organiser simultanément l’activité de toute une équipe.

Cette capacité pourrait aussi aider à réfléchir à la disposition des robots dans une cellule de production. Le système ne se limite pas à exécuter une organisation existante : il peut contribuer à identifier des agencements permettant une meilleure efficacité. Pour les fabricants, le gain potentiel se situe autant dans la réduction du temps de planification que dans une utilisation plus fluide des équipements.

Quelles applications industrielles sont envisagées ?

Les cas d’usage les plus évidents concernent les environnements où plusieurs robots travaillent dans une zone rapprochée. L’assemblage automobile, par exemple, mobilise de nombreux bras pour positionner, fixer ou traiter des pièces au sein d’une même cellule. L’électronique exige également des gestes précis dans des espaces denses, avec des cadences élevées et des équipements très proches les uns des autres.

Les chercheurs évoquent aussi la construction non conventionnelle. Dans ce type de contexte, des robots pourraient devoir intervenir collectivement autour d’une structure, avec une disposition moins standardisée que dans une chaîne de production fixe. Plus largement, RoboBallet pourrait être pertinent dès qu’une tâche nécessite une coopération étroite entre plusieurs bras autonomes.

Pour qu’une telle technologie trouve sa place dans une usine, elle devra néanmoins s’intégrer à l’ensemble des outils de production : systèmes de commande, capteurs, règles de sécurité, contraintes de qualité et procédures de maintenance. La planification des mouvements constitue une brique essentielle, mais elle n’épuise pas les exigences d’une installation industrielle réelle.

Les limites actuelles de RoboBallet

RoboBallet ne prétend pas résoudre tous les problèmes de coopération robotique. Dans sa forme actuelle, le système se concentre sur des tâches telles que le déplacement d’un bras vers un point déterminé. C’est une base importante pour organiser des mouvements, mais de nombreuses opérations industrielles nécessitent davantage : saisir un objet, le tenir pendant qu’un autre robot intervient, appliquer de la peinture ou ajuster une force de contact.

Le système ne gère pas encore les tâches devant impérativement être réalisées dans un ordre précis. Dans un atelier, certaines actions dépendent en effet d’une étape antérieure : une pièce doit être installée avant d’être fixée, ou contrôlée avant de passer au poste suivant. Ces dépendances de séquence ajoutent une dimension supplémentaire au problème.

Autre limite reconnue : les équipes de robots hétérogènes. Les essais décrits portent sur des bras coordonnés, alors que les usines peuvent combiner des machines aux compétences, vitesses, portées et outils très différents. RoboBallet devra également évoluer pour prendre en compte des géométries d’obstacles encore plus sophistiquées.

Ces limites ne diminuent pas l’intérêt de la démonstration. Elles indiquent plutôt le chemin restant à parcourir entre un système de planification performant pour des objectifs de mouvement et une plateforme capable d’orchestrer toutes les opérations d’une usine. L’architecture flexible du projet pourrait faciliter l’ajout progressif de ces contraintes.

Ce qu’il faut surveiller

La prochaine étape sera d’étendre RoboBallet vers des tâches de manipulation d’objets et de peinture, deux exemples cités par les chercheurs. Il faudra aussi évaluer comment le système réagit à des imprévus concrets, comme l’indisponibilité d’un équipement ou la modification de la disposition des robots, sans compromettre les exigences de sécurité.

La question de l’échelle sera tout aussi déterminante. Les résultats atteignent déjà huit bras et 40 tâches, mais les environnements de production peuvent associer davantage de machines, des outils divers et des contraintes logistiques. La capacité à conserver une planification rapide lorsque la complexité augmente sera un critère majeur.

Enfin, RoboBallet illustre une évolution plus large de la robotique industrielle : l’IA ne sert plus seulement à optimiser un geste ou à reconnaître un objet, elle peut aussi devenir un outil d’orchestration. Si cette planification se révèle robuste hors des scénarios d’entraînement, les fabricants pourraient gagner en souplesse face aux changements de produits, d’agencement et de cadence.