Technologie

ZenRobotics Brain est le nom de la technologie de contrôle robotisé mise au point par ZenRobotics. Cette technologie de contrôle fait appel en temps réel aux entrées de capteurs multiples, réagit aux changements et tire des enseignements de ses erreurs. Les capteurs peuvent par exemple comprendre différents types de caméras (lumière visible, caméras spectrométriques telles que proche infrarouge), des scanners 3D, des systèmes haptiques, la transillumination, des détecteurs de métaux etc. Lorsqu’il y a suffisamment de capteurs, ZenRobotics Brain est en mesure de former une vue du flux de déchets plus complète que ce qui a été possible jusqu’à présent.

En utilisant les données des capteurs, ZenRobotics Recycler peut identifier les objets et les matières premières désirables dans le flux des déchets et les récupérer en vue d’un recyclage. ZenRobotics Brain est chargé d’analyser et d’affiner les données des capteurs pour les transformer en informations utiles, ce, en utilisant une technologie de fouille des données (data mining) en temps réel. Au final, on obtient une vision cohérente de toutes les informations pertinentes et relations de cause à effet.

 Inspiré par le cerveau humain

Une partie de la technologie de contrôle de ZenRobotics Brain repose sur un algorithme calqué sur le fonctionnement du cervelet humain dans la vie réelle. Le cervelet est notamment responsable du timing de nos mouvements, des réglages fins et la coordination générale, tandis que les fonctions supérieures du cerveau, par exemple la planification des mouvements du corps, est effectuée par le cortex cérébral.

En apprenant à prédire les interconnexions entre les informations sensorielles et les ordres des commandes motrices en provenance du cortex, le cervelet est capable de mettre en œuvre tous mouvements, même complexes, d’une manière fluide et rapide. Dans la technologie ZenRobotics Brain, l’algorithme du cervelet permet au robot de réagir rapidement aux nouvelles situations et contribue partiellement à identifier les éléments importants des données sensorielles.