L'Optimisation de la Production à Travers la Simulation Robotique et la Fabrication Automatisée

Depuis 2015, HAL Robotics collabore avec l'École des Ponts ParisTech dans la recherche et le prototypage de systèmes structuraux exotiques en bois, composites et en béton ultra-hautes performances (UHPC) imprimés en 3D. Cette coopération a donné lieu à la conception de prototypes à grande échelle démontrant les principes de "Design for Manufacturing and Assembly" (DfMA) et les concepts d'optimisation structurale. Un exemple de cette démarche est la construction d'un pavillon, une structure réciproque en bois soutenue par des panneaux de contreplaqué plats, réalisée lors d'un atelier d'une semaine. Ce projet illustre comment les trajectoires robotisées simulées peuvent être utilisées pour optimiser à la fois la disposition des cellules de fabrication et la conception structurelle.

Un autre aspect de cette évolution technologique est le développement de robots mobiles capables de naviguer sur des sites de construction et d'effectuer des tâches spécifiées par un modèle BIM (Building Information Modeling). Depuis 2018, HAL Robotics travaille en partenariat avec des entreprises comme Skanska, ABB et InnoTecUK pour développer des robots mobiles capables de réaliser des tâches telles que le perçage et le vissage d'ancrages dans des dalles en béton. Cette solution, dénommée Collaborative On-Site Construction Robot (COSCR), permet de naviguer de manière autonome sur un site de construction, avec une plateforme mobile équipée d'un bras robotisé et d'un mât télescopique. Ces robots sont spécifiquement conçus pour optimiser leur manœuvrabilité et leur capacité à accéder aux zones les plus exiguës.

De plus, la flexibilité d’architectures distribuées dans la fabrication permet une orchestration des tâches robotisées plus décentralisée et adaptable. En associant des capteurs à des services de stockage et de traitement de données distribués, il devient possible de générer des tâches robotisées basées sur l’interprétation des mesures, ouvrant la voie à des systèmes de fabrication plus dynamiques et moins dépendants de modèles CAD préétablis. Une telle architecture permet une interaction plus souple avec divers types de capteurs et de techniques d’analyse, tout en maintenant une mise en œuvre rentable. Cette approche est particulièrement bénéfique pour la détection automatique des défauts sur des produits fabriqués, comme cela a été démontré avec un scanner laser utilisé pour détecter les déviations dimensionnelles sur des pièces imprimées en 3D. Lorsqu’un défaut est détecté, des mesures correctives peuvent être automatiquement appliquées pour atteindre les tolérances requises.

Cela ouvre des possibilités infinies pour les industries de la construction, de l’automobile et d’autres secteurs manufacturiers, où la précision et l’efficacité sont essentielles pour assurer la compétitivité dans un environnement de production de plus en plus automatisé. Il est également important de noter que la complexité croissante des tâches et la diversité des matériaux utilisés nécessitent une approche plus intégrée, permettant une optimisation continue des processus tout au long du cycle de vie d’un produit.

L'innovation dans l'impression 3D du béton : Vertico et la transformation de l'architecture contemporaine

L'entrée de Vertico dans l'industrie de l'impression 3D du béton repose sur des éléments fondamentaux : une fascination pour les techniques de fabrication additive (AM), une passion pour l'expérimentation, et une expérience en robotique issue de l'industrie automobile. Bien que ses premières techniques d'impression 3D fussent encore en développement, Vertico s'engagea dans un projet de grande envergure visant à imprimer en 3D une petite maison. Ce projet, dont la conception du toit s'avéra être le plus grand défi, fut réalisé en collaboration avec le consortium Huizenprinters, Jelle Feringa et Summum Engineering. L'itération continue des machines et des logiciels permit le développement d'un processus accélérant fortement la solidification du béton, ouvrant ainsi la voie à l'impression de conceptions hautement complexes. Cette innovation engendra des progrès dans les techniques de fabrication et une amélioration des stratégies de fabrication de Vertico, fixant des standards élevés en matière de géométrie et de spécifications structurelles des objets imprimés (Fig. 1).

La conception informatique et la fabrication robotique sont au cœur de l'évolution de l'impression 3D du béton. Cette évolution s'examine sous différents angles : (a) les outils informatiques comme instruments de conception et de génération des trajets d'outil ; (b) les avantages de la fabrication ; (c) la technologie robotique et son adoption dans la fabrication additive du béton grâce à des systèmes de pompage de mortier. L'innovation présentée ici concerne une technologie d'impression 3D du béton à deux composants (2K), permettant un durcissement du béton à la demande. Cette approche a permis à Vertico de se positionner comme un leader mondial dans la fourniture de solutions d'impression 3D du béton, avec des clients en Europe, aux États-Unis, en Asie de l'Est, au Moyen-Orient et en Australasie. Vertico ne se contente pas d’installer des systèmes d'impression robotique à la pointe de la technologie ; l'entreprise imprime également des projets, développe des solutions logicielles pour les robots et les imprimantes à portique, et fournit des services de conseil sur l'impression 3D du béton.

Le potentiel augmenté du design computationnel joue un rôle clé dans cette révolution. Le design paramétrique, au cœur de nombreuses innovations contemporaines, permet une flexibilité de conception inédite. Le logiciel développé par Vertico utilise Grasshopper pour Rhino, une plateforme permettant d'ajuster rapidement les décisions de conception à travers des paramètres d'entrée. Par exemple, la hauteur, le diamètre, la convexité, ou l’angle de rotation d’un motif peuvent être modifiés instantanément pour générer des formes géométriques complexes adaptées aux contraintes d’impression 3D. L'esthétique ainsi produite par les techniques paramétriques est souvent reconnaissable, et l'impression 3D permet de repousser les limites de la liberté formelle.

Le concept d'optimisation topologique, utilisé principalement dans des secteurs nécessitant un rapport résistance/poids élevé, est également au cœur des développements de Vertico. Ce modèle mathématique analyse et élimine le matériau superflu pour améliorer l'efficacité structurelle. L’impression 3D, avec sa capacité à produire des formes organiques complexes et courbes, est particulièrement adaptée à la réalisation de ces structures, souvent impossibles à fabriquer par des méthodes conventionnelles. Un exemple d'application de l'optimisation topologique est la conception d'un pont par Vertico, où l’optimisation du matériau est directement liée à la fonction structurelle et à l'efficacité de l'assemblage sur site.

Comment la discrétisation de la forme influence la conception architecturale et la fabrication des structures complexes

Cette traduction résonne intuitivement avec la stratégie de discrétisation employée pour créer une forme dans notre réalité et les résultats obtenus dans sa production. Elle visuellement codifie la plausibilité générale de l’effort entrepris pour fabriquer cette forme et son adéquation avec son contexte. Une bonne forme est donc le résultat d’une traduction d’un contexte composé de forces infinies vers un modèle simplifié, qui, en tenant compte de seulement certaines de ces forces et en ignorant d’autres, incarne un principe permettant de comprendre et finalement de représenter ce contexte. Ce principe est porteur d’un biais de discrétisation, moins important lorsqu'il est invisible à l'œil nu.

La qualité de la discrétisation dépend de sa contamination avec le présent : ses réalités technologiques, ses industries de construction et son milieu socio-culturel. Une discrétisation réussie, en architecture par exemple, est un aspect fondamental qui non seulement systématise, mais aussi classe la qualité de la forme, car le saut pragmatique séparant la recherche géométrique de la mise en forme physique est clé pour l’adéquation de la forme avec son environnement.

C’est pourquoi le scripting – qui englobe à la fois la codification d’un principe de conception pour la recherche de forme et la partie fabrication de la forme au sein d’un même algorithme coordonné – offre une vue d’ensemble plus efficace du processus. Les boucles de rétroaction entre la conception et la fabrication éclairent visuellement les avantages et les inconvénients de la stratégie de discrétisation choisie.

Le développement du système Superframe a évolué en trois versions successives (v1, v2, v3), chacune marquant un perfectionnement des stratégies visant à résoudre le problème de la fabrication de surfaces à courbure complexe discrétisée. Superframe v1, conçu comme un système léger de façade pour des bâtiments nécessitant des revêtements courbes, a évolué vers Superframe v2, qui introduit un concept novateur consistant à fixer directement les panneaux aux cadres en déposant un matériau thermoplastique dans les cavités des panneaux. Ce système a été breveté par Gimac et INDEXLAB, et a démontré un potentiel d'innovation considérable, notamment dans le cadre de l’installation “Urban Lounge” à Milan en 2021. Superframe v3 a introduit des améliorations dans la préfabrication, notamment des techniques de perçage CNC pour l’assemblage des cadres et des améliorations logicielles pour gérer les tolérances d’assemblage.

La volonté d’INDEXLAB de créer une traduction biunivoque entre processus de fabrication et génération de forme via le calcul est le fil conducteur de toutes ces itérations. Cela fait écho au fait que l’utilisation de la paramétrisation et du scripting permet de transférer rapidement un prototype vers un processus industriel consolidé, stimulant l'innovation et reconsidérant le rôle de l’automatisation dans l’industrie de la construction.

L’importance de ces innovations ne se limite pas à une simple amélioration des processus de fabrication. Elles révèlent une nouvelle approche de la conception architecturale qui intègre de manière cohérente la réflexion sur la forme, la technologie et la fabrication. Le défi est de maintenir cette fluidité entre les différents aspects du projet tout en garantissant la qualité, la performance et l'esthétique du résultat final.

Comment comprendre et exploiter les paramètres dans les modèles d'IA génératifs pour les images ?

Les outils basés sur l'intelligence artificielle, comme DALL-E et Stable Diffusion, offrent une multitude de paramètres et de modes qui permettent aux créateurs de générer des images à partir de descriptions textuelles. Cependant, la compréhension de ces paramètres et de leur interaction peut être complexe. Cette section vise à expliquer en détail les principales configurations à prendre en compte lors de l'utilisation de ces modèles.

Lors de l'utilisation de DALL-E, plusieurs éléments doivent être définis pour obtenir une image générée. Le DirPath spécifie le chemin de destination où l'image générée sera stockée. Le Prompt représente la description textuelle que l'utilisateur fournit au modèle, une entrée essentielle qui détermine l'image produite. Ensuite, la taille de l'image est déterminée par S, où seules des dimensions carrées de 256, 512 ou 1024 pixels sont possibles. Enfin, le paramètre N définit le nombre d'images à générer. Plus la description est précise, plus le modèle sera capable de produire une image fidèle à l'intention de l'utilisateur.

Les ajustements supplémentaires dans le processus, comme le Masking, permettent de peaufiner les variations de l'image en utilisant des masques de forme définie, qui influencent des parties spécifiques de l'image tout en laissant d'autres inchangées. Cette méthode est particulièrement utile dans le processus de modification de l'image de manière plus précise et ciblée. Les modèles de Stable Diffusion incluent également des outils pour effectuer des prédictions d'images avec une grande souplesse grâce à l'usage de samplers, ces moteurs statistiques qui facilitent la gestion de la diffusion et du processus de débruitage.

Les outils d'édition, en particulier dans le cadre du modèle IMGtoIMG Masking de Stable Diffusion, nécessitent une image-masque spécifique pour délimiter les zones de l'image à transformer. Ce masque peut être une image en niveaux de gris, en noir et blanc, ou une image PNG avec des zones transparentes, selon les spécifications du modèle. Une fois l'image-masque créée, le modèle applique des modifications à l'image d'origine, permettant de réaliser des variations créatives tout en contrôlant précisément les aspects visuels de l'image finale.

Les processus d'édition et de modification d'images par IA ne se limitent pas à des ajustements visuels simples. En utilisant des Dense Prediction Transformers (DPT) pour l'estimation des cartes de profondeur, il est possible d'ajouter une dimension supplémentaire à la création d'images, comme la gestion de la profondeur et de la perspective dans des environnements 3D. Cela ajoute un niveau de complexité dans l'interprétation des images générées, augmentant ainsi la capacité des outils à produire des résultats plus réalistes et contextuellement précis.

Il est essentiel de bien comprendre la façon dont ces outils interagissent avec les paramètres comme Seed, qui introduit une valeur discrète pour les paramètres de génération, et les Steps, qui dictent le nombre d'étapes de diffusion nécessaires pour parvenir à l'image finale. L'impact de ces paramètres sur le rendu peut être très significatif, influençant la qualité, la cohérence et la créativité du résultat.

Enfin, les générateurs d'images basés sur l'IA permettent une analyse plus approfondie grâce à l'exportation des métadonnées sous forme de fichiers CSV, ce qui facilite le suivi des évolutions des images générées. Ces fichiers offrent une traçabilité précieuse, notamment pour les créateurs de contenu qui souhaitent documenter leur processus de création et évaluer les performances des outils à travers une narration des données.

Le travail avec ces outils exige non seulement une bonne maîtrise des paramètres techniques mais aussi une approche méthodique pour tirer parti de leurs capacités complexes. Une bonne connaissance de la manière dont les différents modèles réagissent à des réglages précis permet de mieux naviguer dans les options disponibles, et de faire en sorte que l'IA serve réellement la vision créative de l'utilisateur.