Robots de prélèvement de caisses : vision 3D, préhenseurs et choix entre la correspondance CAO et l'IA

Le « bin picking » désigne la préhension automatisée à l'intérieur d'un bac. Un robot détecte des pièces empilées de manière aléatoire dans un conteneur, détermine la position et l’orientation de chaque objet, puis les prélève une à une. Le goulot d’étranglement réside rarement dans le bras robotisé, mais plutôt dans le traitement d’image automatique. Ce dernier calcule un point de préhension sûr à partir d’un tas de pièces disposées de manière aléatoire. Cet article aborde trois points. Premièrement, comment fonctionne le pipeline de vision 3D. Deuxièmement, en quoi les systèmes 2D, 3D et d’IA diffèrent. Troisièmement, comment choisir entre la correspondance CAO et la reconnaissance d’objets par IA.

Qu’est-ce que le « bin picking » et comment un robot prélève-t-il des objets dans un bac ?

Le « bin picking » (prélèvement dans un bac) consiste en l’identification et le prélèvement automatisés d’objets individuels dans un conteneur en désordre par un robot. Un système de caméras capture le contenu du conteneur. Un logiciel détermine la position et l’orientation de chaque pièce. Le robot prélève les objets les uns après les autres.

Le « bin picking » se déroule toujours selon la même séquence de base : détection, reconnaissance, préhension, dépose. La différence par rapport à la manutention classique réside dans le désordre. Les pièces n’arrivent pas isolées et alignées sur un convoyeur, mais sont empilées au hasard les unes sur les autres dans une caisse grillagée ou une boîte. D'un point de vue technique, on distingue trois niveaux. Dans le cas du prélèvement structuré (Structured Picking), les pièces sont disposées en couches ordonnées. Dans le cas du prélèvement semi-structuré, elles se trouvent sur un même plan, mais sans position fixe. Dans le cas de la préhension véritablement aléatoire (Random Bin Picking), elles sont empilées de manière chaotique. C’est précisément dans ce cas que le robot a besoin d’informations d’image en 3D plutôt que d’une simple image en 2D.

Les objets sont généralement identiques. Dans la plupart des applications réelles, le conteneur ne contient qu’un seul type de pièce. Il s’agit par exemple d’ébauches moulées, de vis, de pièces moulées par injection ou de marchandises emballées. Cela simplifie la reconnaissance, car le système recherche un objet connu plutôt que des formes aléatoires.

Pourquoi le « bin picking » reste techniquement difficile pour les robots

Le « bin picking » est exigeant, car le robot doit déterminer la position de chaque pièce selon six degrés de liberté. Les objets se masquent mutuellement, projettent des ombres et changent d’orientation à chaque préhension. Le véritable problème consiste à déduire un mouvement de préhension sans collision à partir d’une image statique.

Le « bin picking » échoue généralement à cause de cinq obstacles récurrents :

• Position aléatoire : les pièces sont orientées dans des directions aléatoires. Si le robot effectue une préhension incorrecte, il déplace les pièces voisines ou en attrape deux à la fois.
• Masquage et empilement : les objets empilés les uns contre les autres se masquent mutuellement ; les pièces situées en profondeur sont difficilement accessibles.
• Variations de forme et de matériau : lorsque la forme, la taille ou la surface changent, la détection devient plus difficile. Les pièces brillantes, sombres ou transparentes perturbent les capteurs.
• Conditions d’éclairage : une lumière ambiante changeante ou faible perturbe la caméra et entraîne des erreurs de préhension.
• Séparation : les pièces à usiner présentant une géométrie complexe s’accrochent ou se collent les unes aux autres et sont difficiles à retirer individuellement.

Le point central de l'outil (TCP), c'est-à-dire le point de travail défini du préhenseur, doit pouvoir pénétrer dans la caisse sans risque de collision. Les surfaces métalliques brillantes et le bord du bac sont des causes fréquentes d’échecs lors des tentatives de préhension. C’est précisément pour cette raison que la qualité du traitement d’images est déterminante pour la réussite du projet. La capacité de charge et la portée du robot sont secondaires.

Comparaison entre le traitement d’images 2D, 3D et par IA pour le « bin picking »

Le « bin picking » utilise trois catégories de traitement d’images. Les caméras 2D ne fournissent qu’une image de surface. Les capteurs 3D génèrent un nuage de points contenant des informations de profondeur. Les systèmes basés sur l’IA reconnaissent les objets même en l’absence de modèle précis. Pour une préhension véritablement aléatoire, les informations 3D sont indispensables. L’IA étend cette capacité aux objets difficiles.

Une caméra 2D ne suffit que si les pièces sont plates et disposées séparément dans un même plan, car elle ne dispose pas d’informations de hauteur. Dès que les pièces sont superposées, le système a besoin de la 3D. Quatre principes de capteurs se sont imposés à cet effet :

Le nuage de points est le produit intermédiaire de tout système 3D. Il se compose de millions de points 3D et décrit la surface du contenu du conteneur. À partir de celui-ci, le logiciel calcule la pose de chaque pièce. La reconnaissance d'objets par IA ajoute une couche supplémentaire. Au lieu de comparer une pièce d’un point de vue purement géométrique, elle utilise des modèles entraînés. Elle détecte ainsi même les objets sombres, transparents ou changeants, sur lesquels les méthodes classiques échouent. Vous trouverez des caméras 3D et des systèmes de vision adaptés regroupés sur la place de marché d’Unchained Robotics.

Le pipeline de « bin picking », du nuage de points au point de préhension

Le « bin picking » se déroule en trois étapes successives : perception (acquisition et reconnaissance), prédiction de la prise (détermination du point de préhension) et contrôle du robot (planification de la trajectoire et exécution). Chaque étape doit être achevée dans le temps de cycle, sinon le traitement d’images ralentit l’ensemble du cycle.

Le « bin picking » commence par la perception. Le capteur 3D génère un nuage de points du bac. Le logiciel filtre les points parasites et le bord du bac, puis procède à l’estimation de la pose. L’estimation de la pose désigne la détermination de la position et de l’orientation de chaque pièce détectée selon six degrés de liberté. C’est là que la correspondance CAO (comparaison avec un modèle 3D enregistré) se distingue de la reconnaissance d’objets par IA (modèle entraîné au lieu d’une géométrie exacte).

Dans la phase de prédiction de préhension (Grasp Prediction), le système calcule, à partir de la pose détectée, un point de préhension concret et accessible. Il évalue quelle pièce est suffisamment libre, où la pince peut s’appliquer en toute sécurité et si la force de préhension est suffisante. En cas de plusieurs candidats, il choisit la préhension présentant les meilleures chances de réussite.

Le module Robot Control exécute la préhension. La planification de trajectoire génère un parcours sans collision pour entrer dans la caisse et en ressortir. Le système d’évitement des collisions vérifie les parois de la caisse, les pièces voisines et le robot lui-même. Ce n’est qu’ensuite que le TCP se déplace vers le point de préhension, prélève la pièce et la dépose dans la bonne position. Pour le prélèvement suivant, le cycle recommence, souvent avec une nouvelle prise. Le tas finit par se déplacer à chaque préhension.

Cambrian Vision : une solution de « bin picking » basée sur l’IA

Cambrian Vision est un système de traitement d’images basé sur l’IA destiné aux objets difficiles à manipuler. Il s’agit notamment de pièces sombres, brillantes, semi-transparentes ou de forme inhabituelle, qui poussent les systèmes 3D classiques à leurs limites. La solution fonctionne de manière fiable même en cas de faible éclairage ou de lumière changeante.

Cambrian Vision utilise l’imagerie et l’apprentissage automatique. Il reconnaît et saisit ainsi les objets en toute sécurité, même dans des environnements visuellement difficiles. C’est précisément là que réside son avantage. Les pièces noires, sombres ou semi-transparentes poussent de nombreux systèmes 3D à leurs limites. Ce système les traite de manière stable. Concrètement, il utilise deux caméras. Celles-ci sont généralement montées sur le bras du robot et capturent le conteneur en mouvement.

Le système a besoin d’un fichier CAO de la pièce, sur lequel est définie la position de préhension optimale. Ce fichier sert ensuite à calculer un modèle d’IA capable de localiser et de saisir la pièce de manière fiable. C’est un élément déterminant pour la conception. Cela définit le temps de préparation nécessaire pour une nouvelle pièce. Et cela détermine la capacité du système à gérer les variations de forme et de taille.

Mech-Mind Mech-Eye : un système de caméras 3D pour des objets variables

Mech-Mind Mech-Eye est une gamme de systèmes de vision 3D. Elle est disponible en plusieurs versions, avec différentes distances de travail et différents champs de vision. Les caméras détectent même les pièces petites, complexes ou très détaillées et sont compatibles au niveau logiciel avec les marques de robots courantes.

Mech-Mind Mech-Eye réunit deux caméras intégrées et un système de traitement intégré au sein d’une seule unité. Le logiciel analyse le contenu du bac et détermine la position et l'orientation des pièces. Il transmet ensuite au robot les points de préhension ainsi qu'une proposition de trajectoire. Sa grande compatibilité logicielle constitue sa principale caractéristique. Comme le système de commande fonctionne avec les systèmes de nombreux fabricants de robots, les efforts d'intégration sont considérablement réduits.

Mech-Mind Mech-Eye démontre toute sa force lorsque les pièces changent relativement souvent. Les différentes versions couvrent diverses distances de travail. Le système peut ainsi être configuré aussi bien pour de petites pièces de précision que pour de grands composants dans des caisses grillagées profondes. Il est donc adapté aux postes de travail où la gamme de pièces varie. Un système configuré de manière rigide pour un seul objet serait trop peu flexible dans ce cas.

Comparaison directe entre Cambrian Vision et Mech-Mind Mech-Eye

Les robots de « bin picking » équipés de Cambrian Vision et de Mech-Mind Mech-Eye abordent le même problème sous deux angles différents. Cambrian mise sur la reconnaissance par IA pour les objets difficiles à détecter visuellement. Mech-Mind s’appuie sur un système de caméras 3D flexible, compatible avec un large éventail de robots, pour les pièces changeantes. Le choix dépend de la gamme de pièces et de leur surface.

Cambrian Vision est le choix numéro un lorsque la surface constitue le principal problème. C'est le cas pour les pièces métalliques brillantes, noires ou transparentes dans des conditions de faible luminosité. Mech-Mind Mech-Eye est le choix numéro un lorsque la flexibilité et la facilité d’intégration dans un parc de robots existant sont primordiales. Ces deux solutions constituent un excellent point de départ. Le choix définitif se fera sur la pièce réelle, idéalement à l’issue d’un test de faisabilité avec vos propres pièces.

Quelle pince convient à votre application de « bin picking » ?

Dans le « bin picking », la pince influe sur la cadence de prélèvement. Dans une caisse étroite et pleine, elle doit pouvoir s’engager sans risque de collision. Trois types d’effecteurs terminaux dominent : les préhenseurs à vide, les préhenseurs parallèles à deux doigts et les préhenseurs magnétiques. Le choix dépend du matériau, de la géométrie et de l’accessibilité de la pièce.

Un effecteur terminal est l’outil fixé à la bride du robot ; ici, il s’agit donc de la pince. Pour prélever des pièces dans une caisse, c’est surtout la forme élancée qui compte. La pince doit pouvoir se glisser entre des pièces très rapprochées et atteindre le bord de la caisse sans déplacer les pièces voisines.

Les préhenseurs à vide sont la norme dans la logistique, car ils sont rapides et légers. Les préhenseurs à deux doigts dominent dans la fabrication pour les composants bien définis. Les préhenseurs magnétiques sont imbattables pour les pièces en acier, mais ils peuvent parfois attirer involontairement plusieurs pièces à la fois. Pour les cas complexes, certaines cellules combinent plusieurs principes de préhension au sein d’un système interchangeable. Vous trouverez des effecteurs terminaux adaptés sur la place de marché d’Unchained Robotics. Le guide de sélection des préhenseurs et des effecteurs terminaux aborde les critères de sélection détaillés.

Le « bin picking » dans la fabrication, la logistique, l’agriculture et les technologies médicales

Le « bin picking » est répandu dans quatre secteurs : la fabrication, la logistique, l’agriculture et la technologie médicale. Dans la fabrication, il alimente les lignes de production en pièces brutes. En logistique, il prépare et emballe les marchandises en vue de leur expédition. L’agriculture et la technologie médicale l’utilisent pour le tri et la séparation des pièces.

Dans la fabrication, le « bin picking » assure généralement l’alimentation des machines et des chaînes de montage. Il achemine des pièces brutes moulées, des vis ou des pièces moulées par injection directement depuis le conteneur de livraison. Cela augmente le taux d’utilisation de l’installation et allège la charge de travail des opérateurs de machines.

En logistique, le « bin picking » prélève des colis, des sachets et des articles individuels dans des bacs de collecte. Il les dépose, triés, en vue de leur expédition ou de leur traitement ultérieur. La rapidité et la précision du processus de préparation de commandes augmentent, tandis que la manutention manuelle diminue.

Dans l’agriculture, le « Bin Picking » trie et organise les produits et autres marchandises en fonction de leur taille ou de leur degré de maturité. Dans le domaine de la technologie médicale et de la santé, il prélève et transporte des consommables, des comprimés ou des petites pièces dans le respect des exigences d’hygiène. Le dénominateur commun est toujours le même : lorsque des pièces arrivent en vrac et doivent être traitées individuellement, le « bin picking » remplace un travail manuel monotone et pénible.

Coûts, temps de cycle et retour sur investissement d’un robot de « bin picking »

Un système de « bin picking » se compose d’un robot, d’un système de vision 3D, d’un préhenseur, d’un logiciel et d’une intégration. Cela fait grimper l’investissement bien au-delà du simple prix du robot. Le temps de cycle et le taux de prélèvement, c’est-à-dire le nombre de prélèvements réussis par heure que le système effectue de manière fiable, sont déterminants pour la rentabilité.

Le « bin picking » est rentable lorsqu’un système remplace une ou plusieurs équipes de travail monotone de prélèvement. Pour cela, il doit maintenir un taux de prélèvement élevé. Le taux de prélèvement correspond à la proportion de prélèvements réussis par rapport au nombre total de tentatives. Il diminue lorsque les pièces s’accrochent, que la détection devient incertaine ou que la pince ne parvient pas à s’ancrer dans la caisse. Le temps de cycle comprend la prise, la détection, le mouvement de préhension et la dépose. En pratique, les temps de cycle typiques se situent, selon la pièce et la caméra, de l’ordre de quelques secondes par préhension.

Les indicateurs clés pour une application concrète dépendent fortement de la pièce et de la cellule.

Si vous ne souhaitez pas vous charger vous-même de l’intégration, optez pour une cellule clé en main. Le MalocherBot d’Unchained Robotics regroupe robot, vision et préhenseur au sein d’une cellule d’automatisation préconfigurée. Le système d’exploitation robotique sans code LUNA contrôle le processus sans recourir à la programmation robotique classique.

Pourquoi les projets de « bin picking » échouent-ils et comment les éviter ?

Les projets de « bin picking » échouent rarement à cause du robot, mais presque toujours à cause du traitement d’images, du préhenseur ou de la pièce elle-même. Les trois causes les plus fréquentes sont les surfaces réfléchissantes, un préhenseur inadapté et une gamme de pièces plus large que prévu.

Le « bin picking » fonctionne de manière fiable si vous clarifiez quatre points au préalable :

1. Évaluer la pièce avec objectivité : les surfaces brillantes, sombres ou transparentes nécessitent une reconnaissance assistée par IA, comme celle proposée par Cambrian Vision, et pas seulement une caméra 3D standard.
2. Vérifier l’adhérence : une pince à vide, à deux doigts ou magnétique doit être adaptée à la géométrie de la pièce. Dans une caisse pleine, elle doit pouvoir atteindre la pièce.
3. Contrôler l’éclairage : une lumière ambiante changeante perturbe la reconnaissance. Un éclairage défini ou un système insensible à la lumière garantit le taux de prélèvement.
4. Tester la faisabilité : un test avec vos pièces réelles permet de détecter les accrochages, les doubles saisies et les lacunes de détection avant même que la cellule ne soit commandée.

Un cobot (robot collaboratif autorisé à travailler aux côtés des humains sans barrière de protection) peut prendre en charge le « bin picking ». La condition préalable est que la charge admissible, la portée et le temps de cycle soient adaptés. Pour les pièces lourdes ou les cadences élevées, un robot industriel classique constitue le meilleur choix. Vous trouverez une sélection de cobots sur la place de marché. Le facteur déterminant reste une analyse réaliste de votre pièce. C'est elle qui détermine la combinaison adaptée entre vision, préhenseur et robot.

Questions fréquentes sur les robots de « bin picking »

Qu'est-ce que le « bin picking » en termes simples ?

Le « bin picking » consiste à prélever automatiquement des pièces dans un bac. À l’aide d’une caméra 3D, un robot détecte des pièces disposées de manière aléatoire dans un bac. Il détermine la position et l’orientation de chaque pièce et la prélève une par une. En français, ce terme est traduit par « prélèvement dans un bac » ou « préparation de commandes à partir d’un bac ».

Combien coûte un robot de « bin picking » ?

L'investissement comprend le robot, le système de vision 3D, la pince, le logiciel et l'intégration, et est nettement supérieur au prix du robot seul. [INTERVENTION DE L'AUTEUR REQUISE : fourchette de prix concrète d'une cellule de « bin picking » clé en main chez Unchained Robotics, par exemple le prix d'entrée de gamme du MalocherBot.] Le retour sur investissement dépend du taux de prélèvement, du temps de cycle et des heures de travail remplacées.

De quelle caméra un robot a-t-il besoin pour le « bin picking » ?

Pour la préhension aléatoire, un robot a besoin d’un système de caméra 3D qui génère un nuage de points du contenu du bac. Ce système repose sur la lumière structurée, la vision stéréoscopique, le temps de vol ou la triangulation laser. Dans le cas de pièces sombres, brillantes ou transparentes, une reconnaissance d’objets assistée par IA vient compléter la simple mesure 3D.

Quelle est la différence entre la correspondance CAO et la reconnaissance d’objets basée sur l’IA ?

La correspondance CAO compare le nuage de points à un modèle 3D enregistré de la pièce et convient aux pièces connues et inchangées. La reconnaissance d’objets basée sur l’IA utilise des modèles entraînés. Elle détecte également les pièces variables, difficiles à identifier visuellement ou déformables, pour lesquelles aucun modèle exact n’est disponible. La correspondance CAO est plus précise pour les pièces connues, tandis que l’IA offre davantage de flexibilité face à une gamme de pièces variable.

Quelle pince convient au « bin picking » ?

Les préhenseurs à vide conviennent aux surfaces planes et lisses telles que les cartons ou les tôles. Les préhenseurs parallèles à deux doigts conviennent aux géométries définies telles que les pièces moulées ou les cylindres. Les préhenseurs magnétiques conviennent aux pièces métalliques ferromagnétiques. Outre le matériau, la forme de la pièce est déterminante. La pince doit être suffisamment fine pour atteindre la pièce à l'intérieur d'une caisse pleine.

Un cobot peut-il prendre en charge le « bin picking » ?

Un cobot peut effectuer le « bin picking » tant que la charge admissible, la portée et le temps de cycle requis restent dans les limites acceptables. Son avantage réside dans le fait qu’il fonctionne sans barrière de protection. Pour les pièces lourdes ou les cadences très élevées, un robot industriel classique, offrant une vitesse et une charge admissible supérieures, constitue le choix le plus approprié.

Quelle est la vitesse d’un robot de « bin picking » ?

La vitesse se mesure en temps de cycle par préhension et en taux de préhension, c'est-à-dire le pourcentage de préhensions réussies. Selon la pièce, la caméra et le préhenseur utilisés, les temps de cycle typiques se situent de l'ordre de quelques secondes par prélèvement.

Dans quels secteurs le « bin picking » est-il rentable ?

Le « bin picking » est pertinent dans quatre domaines. Dans la fabrication, il alimente les machines et les chaînes de montage. En logistique, il prépare les commandes et emballe les marchandises. Dans l’agriculture, il trie les produits. Dans le domaine médical, il sépare les consommables. Le dénominateur commun est constitué de pièces arrivant dans le désordre et qui doivent être acheminées individuellement.