Seeing Machines étend son IA centrée sur l’humain à la robotique industrielle

Seeing Machines fait progresser l’automatisation des usines grâce à une IA centrée sur l’humain dans la robotique industrielle

Seeing Machines (LSE:SEE) a signé un contrat de développement avancé avec une entreprise mondiale de technologies industrielles. Cet accord constitue une étape stratégique pour l’entreprise. Il étend ses capacités propriétaires d’IA centrée sur l’humain à la robotique industrielle et à l’automatisation des usines. Jusqu’à présent, Seeing Machines se concentrait principalement sur les systèmes de sécurité des transports dans les secteurs de l’automobile, des flottes, des véhicules tout-terrain et de l’aviation.

Faire le lien entre la sécurité des transports et l’automatisation des usines

Le projet porte sur la création d’un système de validation de principe destiné aux environnements de production. Les ingénieurs intégreront la technologie Perception Map de l’entreprise à la robotique industrielle. Ainsi, les machines automatisées pourront mieux interpréter la présence des opérateurs humains et leur état cognitif.

L’automatisation industrielle repose largement sur les automates programmables industriels (PLC) et les systèmes de contrôle distribués (DCS). Cependant, les systèmes de contrôle conventionnels ne disposent pas de capacités intuitives de détection de la présence humaine. En intégrant une vision artificielle avancée, Seeing Machines crée un environnement de travail collaboratif plus sûr. Cette intégration améliore l’interaction entre l’humain et le robot dans les zones de production critiques pour la sécurité.

Une expansion stratégique du marché au-delà des applications automobiles

Cet accord établit les bases d’une collaboration plus large dans le domaine de l’automatisation des usines. L’expansion dans la robotique industrielle permet à Seeing Machines de diversifier son portefeuille commercial. En outre, l’entreprise tire parti de sa propriété intellectuelle existante sans détourner son attention de son activité principale dans le secteur des transports.

Dans la production moderne, les systèmes instrumentés de sécurité (SIS) protègent les opérateurs contre les machines dangereuses. L’intégration du suivi humain en temps réel aux systèmes de contrôle permet aux machines d’anticiper les erreurs humaines. Ainsi, les lignes automatisées peuvent ajuster dynamiquement leurs opérations avant que des risques pour la sécurité ne surviennent.

Perspectives d’investissement et trajectoire de croissance

Pour les investisseurs, ce contrat signale une expansion significative du marché adressable de Seeing Machines. L’entrée dans l’automatisation des usines ouvre des possibilités de revenus auprès de nouvelles bases de clients industriels. Toutefois, l’annonce ne précise ni les conditions financières, ni les revenus attendus, ni les engagements concernant le calendrier commercial.

La valeur immédiate de ce contrat réside davantage dans la validation technique que dans des retours financiers immédiats. Son impact commercial plus large dépendra de la transformation de cette validation de principe en déploiement à grande échelle. Par ailleurs, Seeing Machines continue d’enregistrer une croissance de ses revenus malgré un flux de trésorerie d’exploitation négatif et des pertes nettes persistantes. Les indicateurs techniques montrent une dynamique favorable de l’action, au-dessus des principales moyennes mobiles. Cependant, la valorisation à long terme dépend largement de la capacité de l’entreprise à atteindre une rentabilité durable.

Éclairage technique sur la technologie de perception centrée sur l’humain

Seeing Machines s’appuie sur plus de 25 ans de recherche sur les facteurs humains pour concevoir ses modèles d’IA. Sa plateforme associe des capteurs optiques, un traitement embarqué en périphérie et des algorithmes de vision artificielle.

Le flux de signaux commence par la capture de données visuelles en temps réel au moyen de capteurs optiques et de matériel de vision. Les unités de traitement embarqué en périphérie traitent directement ces données visuelles brutes au niveau de l’appareil. Ensuite, les algorithmes Perception Map et Human Factors AI analysent l’attention, la fatigue et la trajectoire de l’opérateur. Enfin, le système transmet directement des paramètres de contrôle déterministes à la logique d’automatisation de l’usine et aux automates PLC ou aux systèmes DCS.

Lorsqu’il est intégré aux architectures d’automatisation des usines, le système suit en continu l’attention, la fatigue et la proximité physique des travailleurs. Les réseaux d’automatisation standard reçoivent ces données de perception sous forme de paramètres de contrôle déterministes. L’architecture de contrôle peut donc modifier automatiquement la vitesse du robot ou déclencher des arrêts d’urgence.

Scénario d’application concret : la sécurité dans les cellules de travail collaboratives

Imaginons une ligne d’assemblage automobile automatisée où des techniciens humains travaillent aux côtés de robots industriels lourds. Les dispositifs de sécurité traditionnels reposent sur des barrières physiques ou de simples barrières immatérielles pour interrompre le fonctionnement.

En mettant en œuvre la technologie Perception Map de Seeing Machines, le système de surveillance de la cellule évalue en continu l’attention et les trajectoires des travailleurs. Si un technicien présente des signes de distraction à proximité d’un bras robotisé actif, le système envoie un signal d’interruption à l’automate de sécurité PLC. Le système DCS ralentit alors le robot au lieu de déclencher un arrêt d’urgence brutal. Ainsi, cette réponse ciblée évite des arrêts de production coûteux tout en préservant la sécurité des travailleurs.