Jardinerie, Pari réparateur, Technologies vertes
Médor-obot
Médor-obot, le quadrupède de terrain pour vos espaces verts.
Un compagnon tout terrain toujours près de vous.Vous cherchez une solution agile pour entretenir des jardins en pente, des terrains durcis par les sécheresses ou encore des zones difficiles d’accès suite à la montée des eaux ? Médor‑obot est parfait pour vous assister dans la gestion de vos espaces verts sans investir dans de lourds engins.
Il est capable de se déplacer sur des sols irréguliers, de transporter outils et petits chargements et de suivre des trajectoires programmées. De plus, ses différents capteurs lui permettent de repérer les zones à traiter.
Médor-obot, en plus d’être un allié expert en jardinage, sera votre compagnon attachant qui vous accompagnera tous les jours lors de vos différents travaux saisonniers.
Nécessite une recharge de 2 à 3h pour 2 h d’utilisation.
Mises à jour de sécurité incluses dans le prix
Fonction garde et surveillance en option
Modèle professionnel disponible : Un compagnon/assistant pour les agriculteurs en zones topographiques difficiles.
Les robots quadrupèdes actuels sont au croisement de la robotique, de l’IA et de la biomécanique, et servent de plateformes de recherche pour la locomotion, l’exploration de terrains difficiles, immergés ou inondés et l’assistance aux humains. Le chien robot s’inspire de projets de recherches régionaux d’Occitanie menés dans le cadre du Défi Clé : Robotique Centrée sur l’Humain :
Le projet ROVAGUE du LIRMM, qui travaille sur la perception et la commande de robots sous-marins en mer agitée.
Le projet OBS-TAMP de LGP basé sur les ontologies de planification de tâches et de trajectoire. C’est-à-dire comment une machine traduit et comprend un langage humain, verbal ou non, qui ordonne ou désire quelque chose, pour le transformer en une tâche planifiée, avec un plan, un ordre et une trajectoire.
Mais aussi du projet ASM-COCO mené par le CerCo et ANITI. Le projet se base sur l’adaptation du Global Workspace à l’intelligence artificielle, afin d’améliorer l’apprentissage et l’exécution des tâches en conversant avec des opérateurs humains.
Le Global Workspace est un modèle inspiré du fonctionnement du cerveau humain, dans lequel un système central coordonne et relie les différentes fonctions d’une machine. C’est ce qui permet à un robot de se créer une représentation de son environnement, grâce au son, à la vision, à l’évaluation de distances, à sa compréhension des indications, etc.
L’agriculture d’après-guerre/ à l’échelle industrielle s’est fortement développée grâce à l’essor des énergies fossiles et le développement de machines toujours plus grandes, grosses et performantes. La raréfaction et l’augmentation du prix des énergies est un fait, d’autant plus que l’extraction, la transformation et l’utilisation de ces énergies est polluante.
Mais les besoins en production agricole sont toujours plus grands et on ne peut pas se limiter à exploiter uniquement des terres praticables par de grosses machines, donc des terres dégagées et plutôt planes. Aussi, la qualité des sols agricoles “industriels” diminue sous l’effet de leur surexploitation.
La valorisation et l’utilisation de terrains moins accessibles seraient des solutions. En ayant des machines agiles et efficaces permettant d’exploiter des terrains encombrés ou abrupts, on pourrait optimiser les surfaces jusque-là boudées ou transformées pour être exploitables (défrichage, déforestation, etc.). Cela permettrait d’avoir une plus grande rotation des terres agricoles pour permettre une meilleure régénération des sols.
Les robots quadrupèdes actuels sont au croisement de la robotique, de l’IA et de la biomécanique, et servent de plateformes de recherche pour la locomotion, l’exploration de terrains difficiles, immergés ou inondés et l’assistance aux humains. Le chien robot s’inspire de projets de recherches régionaux d’Occitanie menés dans le cadre du Défi Clé : Robotique Centrée sur l’Humain :
Le projet ROVAGUE du LIRMM, qui travaille sur la perception et la commande de robots sous-marins en mer agitée.
Le projet OBS-TAMP de LGP basé sur les ontologies de planification de tâches et de trajectoire. C’est-à-dire comment une machine traduit et comprend un langage humain, verbal ou non, qui ordonne ou désire quelque chose, pour le transformer en une tâche planifiée, avec un plan, un ordre et une trajectoire.
Mais aussi du projet ASM-COCO mené par le CerCo et ANITI. Le projet se base sur l’adaptation du Global Workspace à l’intelligence artificielle, afin d’améliorer l’apprentissage et l’exécution des tâches en conversant avec des opérateurs humains.
Le Global Workspace est un modèle inspiré du fonctionnement du cerveau humain, dans lequel un système central coordonne et relie les différentes fonctions d’une machine. C’est ce qui permet à un robot de se créer une représentation de son environnement, grâce au son, à la vision, à l’évaluation de distances, à sa compréhension des indications, etc.
L’agriculture d’après-guerre/ à l’échelle industrielle s’est fortement développée grâce à l’essor des énergies fossiles et le développement de machines toujours plus grandes, grosses et performantes. La raréfaction et l’augmentation du prix des énergies est un fait, d’autant plus que l’extraction, la transformation et l’utilisation de ces énergies est polluante.
Mais les besoins en production agricole sont toujours plus grands et on ne peut pas se limiter à exploiter uniquement des terres praticables par de grosses machines, donc des terres dégagées et plutôt planes. Aussi, la qualité des sols agricoles “industriels” diminue sous l’effet de leur surexploitation.
La valorisation et l’utilisation de terrains moins accessibles seraient des solutions. En ayant des machines agiles et efficaces permettant d’exploiter des terrains encombrés ou abrupts, on pourrait optimiser les surfaces jusque-là boudées ou transformées pour être exploitables (défrichage, déforestation, etc.). Cela permettrait d’avoir une plus grande rotation des terres agricoles pour permettre une meilleure régénération des sols.
Découvrir
Choisir
