Africa-Press – Djibouti. Des ondes électromagnétiques envoyées sur un objet et qui rebondissent sur la surface de ce dernier pour revenir à l’émetteur-récepteur, permettant ainsi d’estimer la position et la forme dudit objet. Le principe est connu, c’est celui du radar. Mais utilisé avec les ondes millimétriques, c’est-à-dire des ondes longues de 1 à 7,5 mm, la détection devient plus précise, peut s’appliquer à des objets plus petits et proches de l’émetteur-récepteur (comme des obstacles devant un véhicule), et nécessite un équipement matériel de taille réduit.
Ce type d’onde peut traverser des textiles, des emballages en carton, pour détecter ce qu’il y a derrière. Le problème réside dans la reconstitution visuelle de l’objet détecté: l’onde millimétrique nécessite d’être très focalisé, « en ligne de mire » selon l’expression consacrée, c’est-à-dire bien alignée sur l’objet visé. Des formes concaves ou convexes, par exemple, perturbent la réflexion du signal, donc le rendu visuel.
Une technique destinée au monde de la logistique
D’où la mise au point du système mmNorm par une équipe du groupe de recherche Cinétique des signaux au Massachusetts Institute of Technology (Etats-Unis). Présenté fin juin 2025 lors de la dernière conférence internationale MobiSys dédiée aux applications et systèmes mobiles, le projet est particulièrement dédié au monde des entrepôts et de la logistique, quand des objets doivent être identifiés alors qu’ils sont invisibles dans leurs cartons (voir la vidéo ci-dessous).
Un émetteur-récepteur à ondes millimétriques, constitué de composants de chez Texas Instruments, a été fixé sur un bras robotique articulé UR5e, du fabricant Universal Robots. Une caméra de profondeur a été ajoutée afin de pouvoir comparer, après coup, la reconstitution 3D issue du radar et celle fournie par la caméra.
Lorsque passe un carton renfermant un objet, ce dispositif ne se contente donc pas d’émettre un signal: le bras robotique s’anime et pivote à 40 cm au-dessus du carton, à raison de 0,1 mètre par seconde, afin d’envoyer les ondes à plusieurs endroits, balayant une aire de 60 cm par 45 cm. Selon les zones où elles auront touché l’objet, les ondes seront renvoyées aux antennes réceptrices en un signal plus ou moins fort. Moins une surface est alignée sur le trajet de propagation de l’onde, plus faible sera la réflexion du signal.
Les algorithmes mis au point par les chercheurs opèrent alors une sélection des meilleurs signaux et ce sont eux qui sont retenus pour procéder à la reconstitution numérique en 3D.
Une sélection des signaux reçus
L’équipe a expérimenté mmNorm sur 61 articles de formes (des plus rectilignes aux plus alambiquées) et de matériaux variables tels un mug, des couverts, une boîte cylindrique de chips, des ciseaux, un tube de moutarde, une balle, une perceuse, etc.
Au final, mmNorm fournit des reconstitutions 3D en nuage de points fidèles à la réalité à 96% quand d’autres techniques utilisant également les ondes électromagnétiques (la rétroprojection et l’interférométrie) donnent entre 72 et 78%. Les chercheurs notent même que 85% des points de la reconstitution avec mmNorm sont placés avec moins de 5% de marge d’erreur. Dans la meilleure des autres techniques, cette proportion n’est que de 44%.
Le dispositif a toutefois ses limites, comme celle de ne pas pouvoir capter la forme d’un objet dissimulé derrière une surface métallique ou d’avoir du mal à reconstituer un objet creux, comme un carton vide: deux surfaces similaires et alignées de la même manière, le dessus et le fond du carton, se confondent. Le radar ne parvient pas non plus à reconstituer complètement certains volumes comme celui d’une balle: les ondes ne sont réfléchies que par la moitié supérieure, tout ce qui est en dessous échappe au dispositif. Mais le modèle 3D pourrait être complété par de l’apprentissage automatique.
Pour plus d’informations et d’analyses sur la Djibouti, suivez Africa-Press
