Objectif du défi

L'objectif est de construire des méthodologies d'IA adaptées qui permettent des interactions entre des machines industrielles et/ou des robots avec un opérateur humain afin de l'assister dans l'exécution de ses tâches.

Les enjeux

L'industrie 5.0, telle que définie par la Commission européenne, offre une vision de l'industrie qui va au-delà de la simple efficacité et de la productivité. Elle place le bien-être et la sécurité du travailleur au centre du processus de production et utilise les nouvelles technologies pour assurer la prospérité tout en respectant les ressources limitées de la planète. Un environnement de production avec zéro défaut, zéro accident et zéro épuisement professionnel va exactement dans ce sens et contribue ainsi à la mise en œuvre de l'industrie 5.0.

Challenges

Dans ce contexte, il existe un certain nombre de défis liés aux interactions homme-machine :

• Combiner et traiter les données résultant de différentes sources (capteurs, données historiques, journaux d'événements, etc.), y compris les données plus difficiles à quantifier telles que celles liées à la santé mentale.
• Sur la base de ces données, s'assurer que les algorithmes développés génèrent en temps réel des informations à valeur ajoutée pour l'opérateur humain.
• Trouver les modes de communication les plus appropriés pour permettre un dialogue homme-machine, l'opérateur pouvant faire des recommandations et les machines signalant d'éventuels biais ou dysfonctionnements (l'IA supervisant les humains et les humains supervisant l'IA).
• Gérer des réseaux complexes d'appareils intelligents en interaction de manière robuste et résiliente, de sorte qu'une minorité d'appareils ne puisse pas mettre en péril l'ensemble du système.

Solutions IA possibles

L'IA occupant une place de plus en plus importante dans notre vie quotidienne, le domaine de l'IA explicable (XAI) a pris de l'importance pour permettre à ceux qui ne sont pas des experts et qui ont pourtant besoin d'utiliser des systèmes d'IA de le faire tout en restant dans une position de supervision. Les technologies explorées peuvent également inclure les technologies de grands livres distribués (DLT), la simplification de réseaux neuronaux complexes pour une exécution à faible puissance à la périphérie ou la division de grands systèmes d'IA complexes en petits sous-composants explicables. Un défi passionnant pour nos chercheurs en IA.

Sujets clés

• Sources de données multi-domaines
• Adaptation des domaines de données
• Reconnaissance d'objets et d'actions
• Informatique de périphérie

Contacter le responsable

Marouene Oueslati(marouene.oueslati@sirris.be)