Nous utilisons des cookies pour vous garantir une expérience optimale. Si vous acceptez, vous êtes en accord avec cette utilisation. Pour plus d'informations, veuillez consulter notre politique de confidentialité.
/

Société de transport de Montréal (STM)

Métro, boulot, robot : l’IA pour automatiser les tâches d’entretien
Le robot agile Spot de Boston Dynamics aux abords de la rame du métro

Le contexte

Saviez-vous que les entreprises peuvent expérimenter, à peu de frais, avec des technologies à la fine pointe, comme le robot Spot de Boston Dynamics ?

C’est exactement ce qu’a fait la Société de transport de Montréal (STM), qui est responsable de fournir des services d’autobus, de métro et de transport adapté à travers la ville de Montréal. Le système de métro, avec ses stations rapidement reconnaissables par leur architecture et leur design distincts, a vu le jour en 1966, juste à temps pour l’Expo 67. Compte tenu des grandes avancées technologiques qui ont eu lieu au cours des 50 dernières années, il va sans dire que l’innovation continue est essentielle pour cette agence de transport en commun, alors que le nombre de passages sur son circuit de 71 kilomètres approche les 680 000 personnes quotidiennement.

En apprenant qu’Osedea était devenu un partenaire de solutions de Boston Dynamics pour le Canada, la STM a voulu savoir si le robot Spot pouvait être utilisé pour automatiser certains processus et aider à améliorer l’expérience client. Toutes deux bénéficiaires de la subvention Soutien aux projets d’innovation d’Investissement Québec, la STM et Osedea ont mis sur pied un projet pilote visant à aider les travailleurs des stations de la STM dans leurs tâches d’entretien des stations, pour qu’elles soient laissées dans un état acceptable à la fin de chaque journée.

Voici comment nous avons abordé ce projet avec Spot.

Détails du projet

Industry
Technologies
Spot Explorer
Spot CAM+IR
Spot CORE
Autowalk Mission Evaluator (AME)
YOLOv5 model
Services
Robotique
I.A.

Le défi

L’objectif était de confier au robot Spot la tâche d’inspecter de façon automatisée et autonome la station de métro Bonaventure après le dernier trajet des passagers à la fin de la journée. Pour obtenir un maximum de visibilité, Spot devait être envoyé chaque soir pour prendre des photos de la plateforme en direction de Montmorency, à intervalles de 10 mètres et sous plusieurs angles. Ainsi, le robot pourrait fournir une image à presque 360 degrés de l’espace afin de déceler les problèmes potentiels, comme des ampoules brûlées ou la présence de déchets, d’autocollants ou de graffitis.

Nous avons rencontré plusieurs défis uniques :

  • Puisque la station est un espace public et qu’il n’était pas possible d’en modifier l’infrastructure, nous ne pouvions pas faire ouvrir les portes automatiquement pour laisser passer Spot, et le robot ne pouvait pas passer les tourniquets de façon autonome (un opérateur devait le laisser passer).
  • Nous avons dû travailler avec des contraintes de temps fermes : nous devions opérer entre 1 h et 4 h dans la nuit, lorsque la station était vide. De plus, le robot n’offre que 90 minutes d’autonomie et prend deux heures à se recharger.
  • Pour couvrir la totalité de la station, Spot doit prendre plus de 300 photos par plateforme, ce qui représente un grand volume de données.
Robot agile Spot de Boston Dynamics

Photo de graffiti dans le métro de Montréal

La mission

En ce qui a trait à l’équipement, nous avons utilisé Spot Explorer (le robot), Spot CORE (un ordinateur embarqué pour la logique personnalisée) et Spot CAM+IR (l’appareil photo).

Même si Spot ne peut pas nettoyer les graffitis, changer une ampoule brûlée ou remplacer complètement le travail d’un humain, il peut noter ces problèmes et aider à envoyer un humain pour effectuer ces tâches. Le projet a été conçu pour recueillir divers points de données. Normalement, lorsqu’autant de données sont recueillies, les photos sont déposées en bloc dans des dossiers sans aucun classement particulier, et il est difficile de les consulter pour en extraire des renseignements utiles. Nous trouvions important de créer une structure pour l’information recueillie, alors nous avons décidé de faire passer les points de données dans une application appelée Autowalk Mission Evaluator (AME), que nous avons développée dans le cadre du projet. Cette application allait permettre à un employé de la STM de consulter facilement et à distance les données à la fin de la ronde de Spot.

AME permet de consulter les données de façon organisée, en plus d’offrir un endroit où enregistrer les rétroactions (une lacune sur le marché actuel). L’application utilise également l’intelligence artificielle pour analyser automatiquement les anomalies. Par exemple, les déchets sont difficiles à identifier à partir de la vision par ordinateur en raison de la grande variation entre une canette de boisson gazeuse, un autocollant et un emballage de bonbon.

Ce type de détection d’objets repose sur un modèle qui comprend ce que sont les objets (et ce qu’ils ne sont pas). Pour ajouter ces articles à la banque d’objets détectés, nous avons d’abord fourni une panoplie d’images pour entraîner l’IA. Nous avons donc commencé par prendre beaucoup de photos, les avons annotées et étiquetées, puis les avons intégrées au modèle aux fins d’entraînement. À partir des rétroactions que nous avons recueillies à l’aide de l’application AME, nous avons ensuite pu utiliser une boucle de rétroaction pour améliorer le modèle et sa compréhension des nouvelles anomalies. AME associe une cote de certitude à chaque objet, et une personne peut ensuite vérifier si une attention particulière est nécessaire.

Le robot agile Spot de Boston Dynamics aux abords de la rame du métro
Robot agile Spot de Boston Dynamics sur la rame de métro
Image de la vision du robot agile Spot
Gif présentant la détection de graffiti sur le mur de la station de métro Bonaventure par le robot agile Spot de Boston Dynamics
Captures d'écrans du tableau de bord présentant les données récoltées par le robot agile Spot

Le résultat

L’objectif du projet, qui s’est déroulé de mai à septembre et au cours duquel Spot a visité la station une dizaine de fois sur une période de deux mois pour réaliser ses tâches, était de permettre à la STM de se familiariser avec la technologie, de démontrer les capacités de Spot et d’explorer le potentiel de ce robot autonome. Les résultats étaient très intéressants, et la STM et Osedea sont très heureuses du déroulement du projet, surtout si l’on considère que nous avons commencé avec un très faible volume de données d’entraînement et que l’identification des déchets, des autocollants et des graffitis représente un défi complexe pour la vision par ordinateur.

À la fin du projet pilote, Spot est parvenu à détecter un grand nombre de déchets et d’anomalies sur la plateforme. Le robot a atteint un niveau de couverture équivalent à 86 % de celui d’un humain. De plus, le niveau de précision initial pour la détection des objets à l’aide d’AME sans intervention humaine était de 70 %. C’est comme avoir un apprenti qui apprend le métier, jusqu’à devenir 100% autonome et libérer l’employé pour ces tâches, ce qui présente un énorme potentiel pour l’utilisation des robots automatiques autonomes. Maintenant que la plateforme Spot a été déployée, de nouvelles fonctionnalités pourront être ajoutées à ses inspections afin d’améliorer son rendement, sans aucune diminution dans la qualité ou l’efficacité. Par exemple, même si cela est loin d’une solution optimale, il serait possible de demander à un humain de prendre des photos à tous les quelques mètres. Cependant, demander à cette personne de transporter des capteurs supplémentaires pour recueillir des renseignements sur la qualité de l’air serait excessif.

La STM est une organisation novatrice et avant-gardiste qui cherche constamment à améliorer l’expérience de ses clients. Dans son cas, il n’est pas question de remplacer ses employés, mais plutôt de réduire leur charge de travail pour qu’ils puissent se consacrer à des tâches plus importantes.

La suite...

Bien que les données du projet pilote auraient des applications utiles dès maintenant (elles permettraient, par exemple, d’envoyer un préposé à l’entretien nettoyer des déchets, des autocollants, des graffitis ou encore changer une ampoule), leur vraie valeur repose sur leur constance et sur l’information que l’on peut en extraire à long terme. La STM pourrait en théorie utiliser ces données pour repérer des tendances quant à l’entretien (par exemple, le jour de la semaine où l’on retrouve le plus grand nombre de déchets, d’autocollants ou de graffitis, ou le nombre d’ampoules à remplacer par mois), ce qui pourrait influencer les décisions d’embauche. De plus, puisque Spot peut être équipé de capteurs supplémentaires, ses capacités pourraient être décuplées. Au lieu d’un appareil photo, il serait possible d’utiliser des dispositifs pour vérifier la qualité de l’air dans le métro, ou encore pour vérifier la présence de fissures et de rouille sur les voies.

Même si notre projet expérimental visait d’abord l’entretien des stations, nous croyons qu’il existe d’autres secteurs à la STM où Spot pourrait aider comme par exemple pour le service des incendies, les projets de construction et le suivi d’avancement de ces projets ainsi que pour le service de sécurité. Les possibilités sont infinies!

Il n’est pas possible de louer un robot Spot auprès de Boston Dynamics aux fins d’essais. Mais nous en avons un! Cela signifie que des entreprises comme la vôtre peuvent réaliser un projet pilote avec Spot – une occasion incroyable et à faible risque de faire des tests avec cette technologie à la fine pointe dans le cadre d’un projet pilote pouvant durer de quelques jours à quelques mois. Le choix vous appartient! Communiquez avec nous pour discuter de votre vision.

Close up of escalators in the Montreal metro station.

Perspectives

Tout commence par une idée
Culture

Portraits Osedea : IA, aventures et culture avec Isabelle Bouchard

Marie-Pier Houle
Marie-Pier Houle
5
min read
Développement

Approche minimaliste de DataOps et MLOps avec DVC et CML

Nicholas Nadeau
Nicholas Nadeau
11
min read
Culture

Comment on mène la barque chez Osedea (sans aucun patron)

Ivana Markovic
Ivana Markovic
6
min read
Base de données vectorielles
Développement

Exploiter les données de votre organisation avec les bases de données vectorielles

Carl Lapierre
Carl Lapierre
7
min read
Culture

Comment élever l'engagement dans le contexte de travail hybride?

Ivana Markovic
Ivana Markovic
4
min read
Membres de l'équipe Osedea qui marchent près d'un Canal en France
Culture

Osedea crée un programme équitable et inclusif pour les parents

Ivana Markovic
Ivana Markovic
3
min read

Nous cherchons constamment à élargir nos horizons et à partager nos acquis. Rien de mieux pour repousser les limites et nous surpasser!

Consulter nos articles
Button Arrow