Alexis.Pelletier
Projet de fin d'études · CTA

Apprentissage robotique pour l'aérospatiale

L'aérospatiale produit beaucoup de variantes en petites quantités, ce qui rend la programmation classique des robots trop lente. Mon pipeline apprend une tâche à un robot à partir d'une simple vidéo humaine.

Rôle
Conception et développement du pipeline logiciel
Contexte
MEC8370, équipe 12, pour le Centre technologique en aérospatiale
Année
2026 – 2027
Outils
Isaac Sim, Isaac Lab, LeRobot, ACT, SmolVLA, SAM 2, MediaPipe, Python
44 essais sur 50réussis en simulation par le robot sur une vraie tâche filmée au CTA (88 %, IC 95 % : 76 à 94 %).

De la vidéo au robot

L'idée clé : un robot n'a pas le corps d'un humain, il ne doit donc pas copier ses gestes. Il doit obtenir le même résultat sur les objets.

Mesurer honnêtement

Taux de réussite sur 50 essais identiques

Tâche de pose d'un profilé debout, en simulation

Programme expert
100 %
ACT, 500 démos
88 %
ACT, 198 démos
80 %
SmolVLA
78 %
ACT, MimicGen
50 %

L'écart entre ACT et SmolVLA n'est pas statistiquement significatif (McNemar, p = 0,27). ACT prédit toutefois 12 fois plus vite : 34 ms contre 418 ms, mesurés sur la tâche du cube.

Ce que j'en retiens

  1. La qualité des démonstrations compte plus que leur nombre : 198 démos d'expert font presque aussi bien que 500.
  2. Un seul réglage physique peut tout changer : corriger le couple de la pince a fait passer les saisies de 5 % à 100 %.
  3. Un critère de réussite trop laxiste compte comme réussi un profilé en train de tomber. Il doit exiger la stabilité.
  4. Un modèle plus récent n'est pas meilleur par défaut. Il faut le prouver avec des essais appariés.

État du projet : la chaîne fonctionne de bout en bout en simulation. Le transfert sur le robot réel attend le matériel.