Concevoir une cellule de dépalettisation robotisée pour colis hétérogènes
Aperçu
En quoi consiste ce défi.
Concevez l'architecture d'une cellule robotisée dépilant 600 colis/h avec reprise d'échec. Obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Comment concevoir une cellule de dépalettisation robotisée capable de choisir et d'exécuter des prises fiables sur des piles de colis inconnues, à 600 colis par heure, sans jamais mettre en danger les caristes qui circulent dans la même allée ?
Earning criteria — what you'll demonstrate
- Formuler un problème de manipulation robotisée en présence d'objets non modélisés, en reliant perception tridimensionnelle et choix de prise
- Concevoir une chaîne de planification de mouvement qui respecte un budget de calcul explicite et des contraintes de sécurité humaine
- Quantifier l'incertitude de perception et la propager jusqu'à une décision de prise, plutôt que de la traiter comme un bruit résiduel
- Arbitrer entre une politique de saisie apprise sur données et une politique géométrique analytique, en argumentant sur les données d'échec fournies
- Communiquer une architecture robotique à un décideur industriel non spécialiste, chiffres et limites à l'appui
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceIngénieur Vision par Ordinateur
Vous manipulez la chaîne complète qui va d'un nuage de points bruité à une décision de prise exploitable, en quantifiant la confiance de chaque estimation. C'est exactement le travail quotidien d'un ingénieur vision en robotique industrielle, où la perception n'a de valeur que si elle pilote une action.
Ce défi renforce
- 3d-vision
- uncertainty-quantification
- analytical-reasoning
Ingénieur Machine Learning
L'arbitrage entre une politique de saisie apprise sur données d'échec et une heuristique géométrique, sous contrainte de temps de calcul embarqué, reproduit la décision centrale d'un ingénieur machine learning déployant un modèle en production physique.
Ce défi renforce
- robot-manipulation
- uncertainty-quantification
- analytical-reasoning
Ingénieur Systèmes
Découper une cellule robotisée en étages avec un budget de temps et d'erreur par étage, puis défendre les compromis devant un décideur, constitue le cœur du métier d'ingénieur systèmes en environnement industriel contraint.
Ce défi renforce
- motion-planning
- robot-manipulation
- 3d-vision