En tant que processus technique, la « robotique bio-inspirée » vise à créer un artefact à partir de fonctions identifiées dans des organismes vivants. Inspiré par la fourmi du désert Cataglyphis, le robot AntBot que nous développons au sein de l’Institut des sciences du mouvement (ISM) en est un bon exemple. En revenant sur notre démarche, ainsi que sur les processus techniques mis en œuvre pour sa conception et sa réalisation, nous montrerons que ce robot, s’il est bio-inspiré, ne reproduit pas fidèlement les structures biologiques de la fourmi. En le confrontant à l’environnement naturel de son modèle, il permet toutefois de valider la compréhension de fonctions biologiques de la fourmi Cataglyphis et de concevoir de nouvelles technologies bio-inspirées.

1La robotique bio-inspirée, appelée aussi biorobotique, telle que nous la pratiquons à l’ISM, à Marseille, peut être représentée sous la forme d’une démarche circulaire telle qu’illustrée figure 1. Notre point de départ est le vivant ou, plus précisément, les connaissances biologiques provenant d’études ou de travaux, et parfois d’expériences menées en laboratoire. Pour aller vers la robotique, nous transposons cette connaissance issue du vivant dans des équations mathématiques ou des modélisations électroniques. Puis, nous effectuons un mouvement de retour vers le vivant grâce aux hypothèses qui ressortent de l’observation et de l’analyse du comportement du robot évoluant dans son environnement (image d’ouverture).

2La motivation première de la biorobotique est double : s’assurer du caractère opérationnel des savoirs dégagés de l’observation du vivant et d’un artefact confronté au même environnement que son modèle vivant ; concevoir un robot autonome dont le comportement devrait être similaire à celui-ci. Consistant à construire un robot bio-inspiré pour le confronter à un environnement naturel comparable à celui de son homologue, cette démarche, décrite par Barbara Webb (2000), a de multiples avantages. Elle permet notamment d’aller au-delà de la simulation en confrontant le robot à des aléas naturels (par exemple, différences de luminosité, températures, indices d’éclairage UV selon les saisons, ciel clair ou nuageux). La simulation ne peut rendre compte de tous les phénomènes de l’environnement naturel. La conceptualisation et la fabrication d’un robot permettent d’étudier l’interaction de ce dernier avec son environnement, de tester la robustesse de ses traitements de l’information (algorithmes) et de le forcer à prendre des décisions en temps réel.

3Dans le répertoire des robots bio-inspirés, quelques pionniers se distinguent. Dès 1947, les tortues Elmer et Elsie de Bristol, conçues par le neurophysiologiste William Grey Walter, repéraient, dans leur environnement, les sources de lumière de faible intensité et tournaient autour d’elles. Elles pouvaient contourner les obstacles et éviter les sources de lumière plus vives qui risquaient de les « brûler », mais lorsque leurs batteries commençaient à faiblir, afin d’y puiser leur énergie, elles étaient, au contraire, attirées par les sources lumineuses (Walter 1950). Ces tortues étaient dotées d’un système d’identification de la lumière couplé avec un dispositif sonore de telle sorte que la reproduction simultanée et répétée des signaux lumineux et acoustiques les entraînait à réagir progressivement au son seul, par association du son avec la lumière, reproduisant ainsi le fonctionnement du réflexe conditionné de Pavlov (1927).

4Il existe en fait un ensemble de robots autonomes capables d’interagir avec leur environnement sur la base de ce qu’ils perçoivent tel que l’a bien décrit Valentino Braitenberg, médecin psychiatre, co-fondateur de l’Institut Max Planck en neurocybernétique, à Tübingen en Allemagne, dans son ouvrage intitulé Vehicules (1984). À la manière des tortues de Grey Walter, un véhicule de Braitenberg est un robot mobile capable d’être attiré par une lumière ou au contraire repoussé par celle-ci, en fonction des relations mathématiques (activation, inhibition) liant ses capteurs à ses actionneurs (moteurs). L’un des enseignements majeurs de Braitenberg est que la synthèse est souvent plus simple que l’analyse, ce qui signifie que les lois de commande mises en œuvre au niveau du système nerveux sont souvent beaucoup plus simples (au sens de minimalistes) que ce que l’on pense pour expliquer des comportements relativement complexes. En robotique, il est ainsi relativement simple de relier deux photocapteurs aux deux moteurs d’un robot mobile à roue. L’intensité lumineuse pilotant directement la vitesse de rotation de chaque roue permet d’obtenir un comportement d’évitement de zone lumineuse (phototaxie négative) lorsque le robot pénètre dans une zone éclairée.

5C’est sur cette même ligne de pensée que Nicolas Franceschini, pionnier de la biorobotique en France, a publié en 1992 les performances du robot mouche, premier robot mobile bio-inspiré autonome, capable d’éviter des obstacles en se déplaçant à une vitesse de 50 cm/s (Franceschini et al. 1992, Franceschini 2014). À sa suite, nous avons créé le robot AntBot, qui peut être considéré comme un véhicule de Braitenberg du fait du minimalisme de ses capteurs et de sa stratégie de navigation.

6Pour tenter de comprendre les différentes phases et séquences liées au développement de ce robot, on peut s’appuyer sur la figure 2 qui décrit la démarche biorobotique d’une manière distincte de celle de la figure 1. Ce diagramme expose une autre représentation de notre démarche biorobotique, tenant compte de notre degré de connaissance. En effet, les chercheurs de l’équipe ont tous une formation initiale en ingénierie (mécanique, automatique, électronique, informatique). Notre bagage scientifique est donc plus léger en biologie qu’en robotique. Néanmoins, il est souvent suffisant pour lancer de nouvelles idées de développement qui débouchent sur une contribution forte en robotique : nouveaux robots, capteurs et principes de commande. Le robot réalisé est considéré comme une « incarnation », c’est-à-dire une représentation artificielle de fonctions issues d’un modèle naturel (mouche, fourmi, abeille) qui, une fois confronté à son environnement réel, plus ou moins naturel car évoluant souvent en conditions de laboratoire, peut suggérer de nouvelles hypothèses de compréhension du vivant aux biologistes. Ainsi, notre niveau de connaissance en biologie peut lui aussi évoluer et augmenter. Nous proposons de découper notre démarche biorobotique en 4 phases : acquérir la connaissance, modéliser, réaliser le robot et retourner vers le vivant.

Phase 1 : acquérir la connaissance issue du vivant

La connaissance biologique, qui fait office de point de départ et sert d’appui à notre projet, réside dans l’étude des capacités de navigation de la fourmi du désert Cataglyphis. Cette fourmi vit dans le désert tunisien. Il lui est impossible d’utiliser des phéromones pour marquer son chemin car celles-ci brûlent très vite à cause de la chaleur du sol. L’animal utilise donc d’autres modalités sensorielles (vision, proprioception) pour se localiser. Mais comment cette fourmi peut-elle avoir, par rapport à son nid, une représentation de sa position relative sans système de géolocalisation ni mode de cartographie ? L’étude du comportement de cet insecte ne date pas d’hier. De nombreuses générations de biologistes ont été intriguées par les capacités de cette fourmi Cataglyphis à retrouver sa colonie. Piéron (1904) a suggéré que la fourmi pouvait retracer le chemin qu’elle avait parcouru grâce aux sensibilités proprioceptives de ses pattes qu’il appelait « sens musculaire », sur la base de la loi du contre-pied proposée plus généralement par Reynaud (1898 : 387) : « L’instinct d’orientation lointaine est la faculté que possèdent à des degrés différents tous les animaux de reprendre le contre-pied d’un chemin parcouru. » Cependant, Cornetz (1910) réfuta la proposition de Piéron en remarquant que la fourmi ne passait pas par le même chemin mais semblait intégrer la distance parcourue (c’est-à-dire ajouter la longueur de chaque tronçon parcouru). De nombreuses études ont ensuite suivi, mais c’est probablement Karl von Frisch qui a été le plus éclairant, vers le milieu du xx^e siècle, en montrant que l’abeille utilise la lumière polarisée du ciel pour mesurer son cap (1965). En termes de techniques humaines, nous dirions que l’abeille dispose d’un compas céleste. Depuis les premières études menées sur cette fourmi par Rüdiger Wehner et ses collègues dans les années 1960, une littérature très riche, incluant de nombreuses études expérimentales, a été produite (Wehner 2003). Dans un environnement dépourvu de repères visuels, tel que le désert de sel au Sahara, nous savons que la fourmi Cataglyphis n’a pas d’autre choix que d’utiliser la distance parcourue et son cap pour rentrer au nid en ligne droite. À partir de ces deux informations, elle peut mettre en œuvre une stratégie dite d’« intégration de chemin » (path integrator). L’intégration de parcours est une méthode utilisée par les animaux qui se rapprochent de la navigation à l’estime (dead reckoning), bien connue des pilotes et des marins capables de naviguer en utilisant uniquement le cap et la vitesse entre une position courante et une position précédente (origine de la terminologie discutée dans Cecil 2018). L’intégrateur de chemin est souvent décrit comme le fil d’Ariane des fourmis du désert. Il repose sur une odométrie (mesure de distance) basée sur le comptage des foulées lors de la locomotion (Wittlinger et al. 2006) et sur la mesure du flux optique, c’est-à-dire la vitesse du défilement du sol vu par la partie ventrale de l’œil de l’insecte (Pfeffer 2016).

Phase 2 : modélisation mathématique de l’intégrateur de chemin de la fourmi du désert

L’étape qui suit ne consiste plus seulement à s’inspirer, mais, plus concrètement, à traduire sous la forme d’un langage mathématique les principes biologiques identifiés en phase 1. Sachant que la fourmi est un animal capable de mesurer sa distance parcourue et son cap, on peut concevoir un algorithme qui indiquerait le chemin lui permettant de « rentrer à la maison » uniquement sur la base de ces deux mesures. Comme indiqué en phase 1, la stratégie d’intégration de parcours se fonde sur le formalisme mathématique de la navigation à l’estime (dead reckoning). Il ne s’agit pas de reproduire ou d’imiter une fourmi Cataglyphis en créant un agent artificiel ou même un robot. La solution mathématique que nous décrivons n’est pas en relation directe avec les capacités de traitement de l’information des neurones du cerveau de la fourmi qui fonctionnent très différemment d’un microprocesseur. Cette phase de modélisation et d’écriture d’algorithmes nous éloigne du vivant et des études menées chez cet animal. Cette prise de distance est assumée car il s’agit, à ce stade, d’utiliser les outils de l’ingénieur afin de produire un robot autonome. Néanmoins, le comportement du robot nous permet en phase 4 de revenir vers le vivant.

7Le principe de la stratégie de navigation à l’estime, sans utiliser de repères visuels, est relativement simple. Il repose sur une mesure de cap γ et une mesure de vitesse de déplacement ν dans un intervalle de temps Δt.

© Adapté de Nehmzow & McGonigle (1993) par S. Viollet

8Sur la base de la figure 3, la position courante relative au point d’origine O est calculée à partir des équations suivantes :

9dx_i = cos(α_i) • ῡ • Δt et dy_i = sin(α_i) • ῡ • Δt

10x(t + 1) = x(t) + dx_i et y(t + 1) = y(t) + dy_i

11À tout moment, il est possible de calculer le cap γ à suivre pour retourner au point d’origine O ainsi que la distance d à parcourir, en suivant la formule :

12L’originalité de l’algorithme de navigation du robot AntBot, entièrement développé par Julien Dupeyroux dans le cadre de sa thèse (Dupeyroux 2019), réside dans la combinaison qu’il propose d’une navigation à l’estime et des modalités sensorielles similaires à la fourmi Cataglyphis : une mesure de cap par boussole céleste, une mesure optique de la vitesse de déplacement par la partie ventrale de l’œil composé de la fourmi regardant en direction du sol, et une mesure de foulée rendue possible par la locomotion à pattes. L’algorithme du robot AntBot fait donc la fusion entre deux moyens de mesurer la distance parcourue (optique et foulée) et utilise le cap relatif fourni par la boussole céleste.

Phase 3 : conception et réalisation du robot AntBot

C’est sur la base de cet algorithme mathématique (figure 3) que le robot AntBot peut « rentrer à la maison » de manière autonome, en disposant à chaque instant d’une estimation de la distance et de l’orientation qui le sépare de son point de départ. Le robot devient, grâce à ses capacités de calculs, une machine capable de mettre en application  un algorithme traitant deux modalités sensorielles (distance et cap) et de commander les 6 pattes qui lui permettent de s’orienter et de se déplacer. Cependant, l’inspiration biologique ne s’arrête pas là. Elle s’affirme aussi dans le processus de conception du robot lui-même qui comprend 4 opérations.

Opération 1 : réalisation de la plateforme robotique hexapode

Le robot AntBot (Dupeyroux 2019), présenté en ouverture, a été développé entre 2017 et 2019 afin de succéder à Hexabot (Dupeyroux et al. 2017). AntBot possède une masse de 2,3 kg en incluant les capteurs, l’électronique et la batterie. Son envergure est de 45 cm. Il est doté de six pattes, chacune comprenant trois actionneurs (liaisons pivots) opérés par des servomoteurs du commerce. Le micrologiciel en charge de la locomotion d’AntBot permet à celui-ci de marcher en mode tripode à la manière de la fourmi, et d’assurer un compromis entre la vitesse du robot, sa consommation énergétique et sa stabilité lors de la marche.

13La conception d’un robot hexapode se justifie par la nécessité de faire coïncider le plus possible la machine avec l’animal, ici la fourmi du désert. La question du nombre de pattes du robot pourrait sembler anodine. Pourtant, c’est précisément ce dernier qui détermine les performances dynamiques du robot, lesquelles ont une incidence, nous le verrons, sur sa perception de l’environnement et sur l’autonomie de sa navigation.

14Notre choix d’utiliser un robot hexapode – et non pas doté de quatre ou huit pattes – se justifie également du point de vue de l’efficacité énergétique. Si les robots quadrupèdes consomment moins d’énergie, leur locomotion est très instable. À chaque instant, une de leurs quatre pattes est en effet en transfert et met en porte-à-faux l’ensemble de la plateforme. À l’inverse, un robot hexapode est toujours stable : sa marche en mode tripode, comme tous les insectes, assure à la plateforme un trépied formé par trois pattes réparties symétriquement et toujours en contact avec le sol. La consommation énergétique est cependant plus importante. Un robot octopode n’offrirait pas de différence significative en termes de stabilité, mais son coût énergétique serait un inconvénient pour l’automatisation du robot.

Opération 2 : conception et réalisation d’une boussole céleste

D’un point de vue physique, il est bien connu depuis Rayleigh et ses travaux sur la propagation de la lumière dans l’atmosphère terrestre qu’il existe des interactions entre les photons et les molécules de notre atmosphère qui entraînent une polarisation linéaire de la lumière du ciel selon un motif régulier et symétrique par rapport au méridien solaire – son organisation spatiale dépendant de la position du soleil dans le ciel. Les êtres humains n’y sont pas sensibles. La voûte céleste nous apparaît uniforme (figure 4). Sur une photographie du ciel, nous ne percevons que le gradient de couleur dû à la position du soleil, ici proche de l’horizon. En revanche, si l’on observe le ciel à travers un filtre polarisé linéairement, on constate la présence d’un contraste net (ligne sombre) dans le ciel.

15En pratique, l’orientation de cette barre plus sombre dépend de celle du filtre polarisant linéaire (figure 5). Si le filtre polarisant et l’axe du méridien solaire (c’est-à-dire le demi-cercle passant par le soleil et le zénith) sont colinéaires, alors la ligne sombre sera perpendiculaire au méridien. En revanche, si l’on oriente le filtre perpendiculairement au méridien, alors la ligne sombre sera parallèle au méridien solaire. Il existe donc dans le ciel une « droite » qui pourrait servir de référence pour s’orienter, à la manière du Nord magnétique sur une boussole céleste.

16Si les êtres humains ne sont pas sensibles à la polarisation de la lumière du ciel, il existe un principe biologique qui exploite cette lumière polarisée du ciel pour la mesure du cap, composante essentielle de la navigation. Le principe est efficient chez les fourmis du désert, les grillons et les papillons monarques (Reppert et al. 2004). Certains insectes possèdent une zone particulière de l’œil composé appelée « aire dorsale marginale » (Dorsal Rim Area, DRA), formée d’ommatidies (petits yeux à facettes élémentaires) sensibles à la lumière polarisée (Labhart & Meyer 1999). Chaque ommatidie est constituée de deux groupes perpendiculaires de microvillosités, sortes de petits cils guidant la lumière. L’absorption des photons est maximale lorsque l’angle de polarisation (AdP) de la lumière coïncide avec l’orientation des microvillosités. La sensibilité spectrale des ommatidies varie selon les insectes. Les fourmis du désert, les abeilles, le bousier ou encore les drosophiles sont sensibles aux rayonnements ultraviolets (UV) (ibid.), tandis que, par exemple, le grillon présente une sensibilité maximale dans le bleu (433 nanomètres) (Herzmann & Labhart 1989). Cette prévalence d’une sensibilité aux UV que l’on rencontre chez de nombreux arthropodes (invertébrés ayant un exosquelette : insectes, crabes, etc.) pourrait s’expliquer par le fait que le degré de polarisation reste suffisant pour permettre la transmission de l’onde polarisée au travers des nuages et des canopées (Barta & Horváth 2004).

17Au niveau neuronal, nous savons par ailleurs qu’il existe dans le lobe optique du cerveau du grillon des neurones dont la réponse en impulsions par seconde est modulée par l’orientation de la lumière polarisée qui vient stimuler son aire dorsale marginale. Ces neurones réalisent la différence logarithmique des deux microvillosités orientées perpendiculairement dans chaque ommatidie de la DRA (Labhart 1988). La fonction logarithmique permet d’assurer une mesure de l’orientation de la lumière polarisée dans une grande gamme de variation de l’intensité de polarisation (amplitude de polarisation) telle que rencontrée dans un environnement naturel. Ainsi, une fonction logarithmique va amplifier de faibles intensités et compresser de fortes intensités. La différence logarithmique permet aussi de mettre en œuvre une opération de division par les propriétés mathématiques intrinsèques du logarithme.

18Pour concevoir une boussole céleste inspirée de la fourmi, nous avons donc trois caractéristiques majeures à mettre en œuvre, comme autant de lignes directrices :

19— filtres polarisants linéaires de directions orthogonales reproduisant les microvillosités des ommatidies ;
— une différence logarithmique entre les sorties de deux photorécepteurs d’une ommatidie ;
— une sensibilité spectrale dans l’UV pour voir à travers les nuages et être insensible aux rayonnements parasites (réflexion du sol, arbres).

20Nous avons choisi ces trois éléments afin de créer un robot capable de voir à travers les nuages et, en utilisant pour la première fois des photocapteurs sensibles à la lumière UV, de nous démarquer des études antérieures. En étant sensibles aux UV, la fourmi, et par la même occasion le robot AntBot, font en effet d’une pierre deux coups : ils montrent une sensibilité maximale à la lumière polarisée et sont dotés d’une vision possible de cette lumière polarisée à travers les nuages et la canopée. Tandis que les fourmis Cataglyphis ont un pic de sensibilité dans la lumière UV situé autour de 350 nm, la sensibilité spectrale du compas du robot, soit de sa boussole de navigation, s’étend de 270 nm à 375 nm.

21Nous savons aussi que les filtres polarisants de chaque ommatidie situés dans l’aire dorsale marginale sont distribués selon de nombreuses directions, de manière à échantillonner spatialement le motif de la lumière polarisée du ciel. Au lieu de mettre en œuvre une rétine composée de plusieurs centaines de photorécepteurs et d’autant de directions de polarisation, nous avons développé pour AntBot un filtre polarisant placé au-dessus d’une photodiode sensible aux UV qui tourne mécaniquement. Cette astuce, relevant de l’ingénierie mécatronique, a permis de simplifier grandement la conception du capteur et également de réduire considérablement son coût.

22Finalement, en nous appuyant sur notre connaissance de la structure de la boussole optique des insectes, c’est-à-dire de leur aire dorsale marginale, nous avons conçu une boussole céleste composée de deux photocapteurs sensibles aux UV surmontés de filtres polarisants linéaires dont les directions de polarisation sont orthogonales. Ces filtres sont fixés sur deux engrenages entraînés par un moteur pas à pas, lui-même placé entre ces deux engrenages, au centre du compas (figure 6). Afin de reproduire l’ensemble de l’aire dorsale marginale de la fourmi, les filtres ont été mis en rotation. En combinant cette paire de photodiodes avec des filtres polarisants linéaires mis en rotation, le compas céleste est équivalent à deux rangées de 374 photocapteurs (pixels).

23Il ne nous restait plus qu’à mettre en œuvre un algorithme de traitement des signaux délivrés par chaque photocapteur de la boussole, en fonction de la rotation de leur filtre polarisant. Pour ce faire, nous avons appliqué le troisième principe inspiré de la fourmi : la différence logarithmique. Celle-ci peut se calculer par la fonction P comme le logarithme du quotient entre le signal du photocapteur 1 noté UV1 et le signal du photocapteur 2 noté UV2 :

24P = log (UV1(Ψ )) - log (UV2(Ψ )) avec Ψ l’orientation des filtres polarisants

25À partir de la fonction P, le cap peut se calculer de la manière suivante :

26Cap = ½ (argmin(P) + argmax(P))

27Ce calcul du cap revient à prendre en compte toutes les valeurs minimales et maximales de la fonction P après une rotation complète des filtres polarisants, d’ajouter ces valeurs et de les diviser par deux. Le cap ainsi calculé est défini entre 0° et 180°. La détermination du cap à l’aide du compas céleste en bande UV a permis d’aboutir à une précision médiane (0,4°) inférieure à la résolution angulaire du capteur de 0,96° (Dupeyroux 2019), et ce quelles que soient les conditions météorologiques testées (ciel dégagé à totalement couvert, indice UV compris entre 1 et 8).

Opération 3 : mesure de la distance parcourue

Pour la mesure de la distance parcourue, deux possibilités s’offraient à nous : la mesure par le comptage des foulées et la mesure optique de la vitesse de défilement du sol lors de la marche. Nous avons choisi de combiner ces deux principes (moyenne des deux distances estimées par les deux méthodes) pour permettre à AntBot de mesurer sa distance parcourue.

D’après Dupeyroux (2019)

28Nous disposions au laboratoire d’un capteur optique appelé M²APix (Mafrica et al. 2015) composé de 12 pixels capables de mesurer le flux optique dans une grande gamme d’éclairage ambiant (du clair de lune au plein soleil) que nous avons mis en œuvre à bord du robot AntBot.

29Mathématiquement, le flux optique de translation ω (en rad/s), dans le cas où l’axe optique du capteur est perpendiculaire au sol (ce qui est le cas du robot AntBot où son capteur de flux optique est orienté à l’aplomb vers le sol), est défini comme suit :

30Δφ est l’angle entre les deux axes optiques de deux pixels adjacents sur une même ligne. Cet angle est imposé par construction en plaçant une lentille devant les pixels à une distance nous permettant d’obtenir l’angle Δφ voulu (ici 3,6°), très proche de celui de la fourmi (environ 3°, Zollikofer 1995), et ΔΤ est le délai temporel séparant la détection d’un même contraste par deux pixels adjacents. Calculer le flux optique ω revient donc à déterminer ce délai ΔΤ, ce qui peut se faire classiquement par une fonction de corrélation entre deux signaux de deux pixels adjacents. En connaissant la hauteur au sol H du capteur M²APix, on peut ainsi déterminer la vitesse ν d’avance du robot : ῡ = H • ω.

31Enfin, on peut estimer la distance parcourue par le robot en utilisant le temps de marche t durant une séquence de marche. La distance parcourue d est donnée par la relation : d = ῡ • Δt.

Opération 4 : caractérisation du comportement robotique

Les performances du robot AntBot sont largement décrites dans notre article publié dans les revues Science Robotics et Techniques de l’Ingénieur (Dupeyroux et al. 2019, 2020) et sont à la hauteur de ce que l’on pouvait espérer en s’inspirant de ce formidable navigateur qu’est la fourmi du désert. Grâce à notre intégrateur de chemin bio-inspiré, nous avons obtenu une erreur moyenne de trajectoire égale à 4,67 cm ± 1, 88 cm, c’est-à-dire l’erreur entre le point de départ et le point de retour lorsque le robot « rentre à la maison » de manière autonome. La comparaison avec la fourmi ne serait cependant pas juste sans parler des performances de cette dernière. La fourmi du désert marche à 70 cm par seconde (AntBot seulement à 10 cm/s). La longueur d’une trajectoire typique de Cataglyphis est de 730 m, ce qui est considérable si on la compare avec sa taille de 1 cm. La précision de la fourmi pour retrouver son nid est aussi centimétrique, même après avoir parcouru plusieurs centaines de mètres. Si AntBot devait maintenir le même rapport entre sa taille (45 cm) et la distance qu’il parcourt, il faudrait qu’il arpente environ 32 km, ce qui est loin d’être le cas avec ses 15 mètres sillonnés. Force est de constater que les records des robots bio-inspirés sont souvent en deçà des performances de leurs modèles biologiques en termes de précision, de capacités de locomotion, de comportement et de dimensions. Tout reste à faire dans le domaine des capteurs et actionneurs bio-inspirés pour que leurs prouesses soient à la hauteur de leurs modèles vivants. Si l’on est encore loin d’une imitation du vivant, le gain dans le domaine de la connaissance et de la conception de nouvelles technologies est néanmoins immense.

Phase 4 : retour vers la biologie

L’analyse du comportement du robot AntBot dans son environnement est un élément essentiel nous permettant de revenir vers le vivant avec de nouvelles hypothèses de travail. Ses performances en extérieur, dans un milieu naturel, suscitent en effet des questions parmi les biologistes. Lors de discussions fructueuses avec nos collègues éthologues travaillant sur des fourmis ayant le même comportement que Cataglyphis, il s’avère très déstabilisant pour eux de constater qu’une stratégie telle que l’intégrateur de chemin ne demandant aucune cartographie, ni aucun repère visuel, permet d’atteindre une précision centimétrique. Lors d’une discussion personnelle, le professeur Jochen Zeil (biologiste éthologue, Australian National University, Canberra) nous a confié son étonnement face à la précision du robot. Il réalisait à quel point cette stratégie d’intégration de chemin utilisée par la fourmi pouvait être efficace et précise. Néanmoins, nous savons que lorsque la fourmi a le choix (Heinze et al. 2018), elle préfère utiliser une stratégie de retour à la maison fondée sur des indices visuels, plutôt que sur son intégrateur de chemin. Nous avons suggéré dans notre travail sur le robot AntBot que ce dernier pouvait aussi estimer son orientation grâce à ses foulées (estimation très imprécise). Il n’y a cependant pas de preuve formelle et définitive que les fourmis puissent le faire également. Cette question reste ouverte pour de futures expériences du côté du vivant.

32Le projet Non-fleurs (Non flower for a Hoverfly) conçu par le designer Thomas Pausz (Granja 2019) a consisté à créer des fleurs synthétiques sans forme et au design unique capables de leurrer des mouches syrphes, afin de mieux comprendre comment ces insectes perçoivent le monde. Dans le même ordre d’idées, le robot AntBot peut être considéré comme un artifice mettant en évidence des principes d’action biologique. Il nous aide à mieux comprendre comment la fourmi du désert perçoit le monde et quels sont les prérequis en termes de perception visuelle pour atteindre un tel niveau de précision. En aucun cas le robot AntBot n’est un exemple de domestication du vivant ; ses performances sont loin d’être à la hauteur de son modèle biologique. En tant que forme réduite de la fourmi, il permet toutefois de montrer les limites et performances des fonctions du vivant dont il est issu et dont il devient un étalon (Dupeyroux 2019). Le bioroboticien s’attache avant tout, rappelons-le, à développer une meilleure compréhension du vivant et à proposer des réponses à un problème précis de robotique, déjà résolu par la nature.