Air-Cobot

Air-Cobot, Aircraft enhanced Inspection by smaRt & Collaborative rOBOT, es un proyecto francés de investigación y desarrollo de un robot móvil de colaboración pueden inspeccionar los aviones durante las operaciones de mantenimiento. Coordinado por Akka Technologies, este proyecto de múltiples asociados implica laboratorios de investigación y la industria. La investigación en torno a este prototipo fue desarrollado en tres dominios: la navegación autónoma, ensayo no destructivo y la colaboración humana-robot.

Air-Cobot
Air-Cobot en Air France Industries^[A 1]​
Fabricante	Akka Technologies
Año de creación	2013
Tipo	robot industrial
Sitio web	https://aircobot.akka.eu/
[editar datos en Wikidata]

Air-Cobot se presenta como el primer robot rodante de inspección visual de aeronaves. Los robots de inspección que utilizan otros tipos de sensores se consideraron anteriormente como el del proyecto europeo Robair. Desde el lanzamiento del proyecto, otras soluciones basadas en la visión están comenzando a desarrollarse como el dron de la aerolínea británica EasyJet o el enjambre de drones de la startup Toulouse Donecle o el proyecto Aircam del fabricante de aviones Airbus.

Desde sus inicios en 2013, el robot Air-Cobot está destinado a inspeccionar las partes inferiores del aeronave. En el resto del proyecto, se prevé un acoplamiento con un dron para inspeccionar las partes superiores. En octubre de 2016, Airbus Group anuncia el inicio de su programa de investigación en el hangar del futuro en Singapur. Los robots de los proyectos Air-Cobot y Aircam están incluidos en él para analizar el estado de los aviones.

Descripción del proyecto

Meta

Todo el interés del robot es que es más confiable, más rápido y que su trabajo se puede hacer en cualquier clima, de día o de noche.^[n 1]​ —Akka Technologies.^[1]​

Lanzada en enero de 2013,^[2]​ el proyecto es parte del programa del Fonds unique interministériel del clúster Aerospace Valley.^[3]​ Con un total de más de un millón de euros,^[4]​ Air-Cobot tiene como objetivo desarrollar un innovador robot móvil de colaboración, autónomo en sus movimientos y capaz de realizar la inspección de una aeronave con sensores de ensayo no destructivo antes del despegue o durante las fases de mantenimiento hangar.^[3]​^[5]​ Las pruebas se realizan en las instalaciones de Airbus y Air France Industries.^[6]​

Socios

 

Air-Cobot prueba y ajusta sus sistemas con el Airbus A320 en Airbus y Air France Industries.^[6]​

El líder del proyecto es Akka Technologies. Los socios del proyecto están diversificados con dos socios académicos, dos industriales y tres pequeñas y medianas empresas.^[7]​^[8]​^[9]​

Socios académicos

• Armines y el Instituto Clément Ader (ICA) de la École nationale supérieure des mines d'Albi-Carmaux están a cargo del ensayo no destructivo.^[9]​^[10]​
• Laboratoire d'analyse et d'architecture des systèmes (LAAS-CNRS) con el equipo de Robótica, Acción y Percepción (RAP) se ocupa de la navegación autónoma.^[9]​^[10]​^[11]​

Socios industriales

• Akka Technologies, más específicamente el centro de investigación y desarrollo Akka Research Toulouse, reúne el proyecto y proporciona experiencia en análisis de imagen, navegación y mantenimiento aeronáutico.^[7]​^[8]​^[4]​^[9]​^[10]​ Con el automóvil conectado Link&Go, Air-Cobot es uno de los ambiciosos programas del grupo Akka.^[12]​
• Airbus Group Innovations es el iniciador del proyecto, proporciona modelos CAD de Airbus A320 y desarrolla los escenarios.^[4]​^[9]​^[10]​

Pequeñas y medianas empresas

• 2MoRO Solutions, una empresa con sede en el País Vasco francés, está a cargo del sistema de información de mantenimiento.^[4]​^[9]​
• M3 Systems, una compañía de Toulouse, se ocupa de la georreferenciación con una geolocalización basada en los datos del Sistema de Posicionamiento Global (GPS).^[9]​^[10]​^[13]​
• Sterela, con sede al sur de Toulouse, ofrece la plataforma todoterreno móvil 4MOB.^[9]​^[10]​^[14]​

Financiadores

Los financiadores del proyecto son la Banque publique d'investissement, el consejo regional de Aquitania, el consejo departamental de Pirineos Atlánticos, el consejo regional de Midi-Pyrénées y la Unión Europea.^[15]​

Impactos esperados

Regularmente, las aeronaves son inspeccionadas durante las operaciones de mantenimiento, ya sea en el aeropuerto entre vuelos o en un hangar para realizar más inspecciones. Estas inspecciones son llevadas a cabo por operadores humanos principalmente visualmente y algunas veces con la ayuda de herramientas para evaluar los defectos. El propósito del proyecto es mejorar las inspecciones y la trazabilidad de las aeronaves. Una base de datos dedicada a cada dispositivo, que contiene imágenes y escaneos tridimensionales, se puede actualizar después de cada operación de mantenimiento. Esto debería permitir, por ejemplo, controlar la evolución de una grieta.^[5]​^[7]​^[8]​^[16]​^[17]​

Los ojos de los operadores humanos se cansan con el tiempo, mientras que una solución automática garantiza la fiabilidad y la repetibilidad de las inspecciones. La reducción de los períodos de inspección es un objetivo principal para los fabricantes de aviones y las aerolíneas. Si las operaciones de mantenimiento son más rápidas, esto también optimizará la disponibilidad del aeronaves y los costos operativos de mantenimiento. Esto debe mejorar la seguridad del transporte aéreo.^[5]​^[7]​^[8]​^[16]​^[17]​

Equipamiento del robot

Todos los equipos electrónicos es transportado por el 4MOB plataforma móvil de la sociedad Stéréla. Este terreno plataforma, equipado con tracción a las cuatro ruedas, puede moverse a una velocidad de 2 m/s (7.2 k/h). Sus baterías de iones de litio para una autonomía de ocho horas. Dos parachoques se encuentran en la parte delantera y en la parte trasera. Estos sistemas de seguridad son los parachoques de detección de obstáculos, se detienen la plataforma si comprimés.^[14]​

El cobot pesa 230 kg. Cuenta con dos ordenadores, uno con Linux para el módulo de navegación autónoma y uno de Windows para el módulo de ensayo no destructivo. El robot está equipado con varios sensores. cámara Pan Tilt Zoom fabricada por Axis Communications y Eva escáner 3D hecha por Artec 3D están dedicados a la inspección. Los sensores de navegación son una unidad de medición inercial, dos equipos de aparejo estéreo, cada uno equipado con dos cámaras PointGrey, dos sensores de tipo telémetro de láser escanea y una sistema de posicionamiento global. Este dispositivo desarrollado por M3 Systems permite la geovalla en ambiente externo.^[4]​^[10]​

Navegación autónoma

La navegación autónoma del robot Air-Cobot se realiza en dos fases. El primero, la navegación en el aeropuerto o la fábrica, permite que el robot se mueva cerca de la aeronave. La segunda navegación, alrededor de la aeronave, permite que el robot se posicione en los puntos de control a los que se hace referencia en el modelo virtual de la aeronave. Además, el robot debe insertarse en un entorno dinámico donde los humanos y los vehículos se mueven. Para resolver este problema, tiene un módulo de evitación de obstáculos. Muchos algoritmos de navegación se ejecutan constantemente en el robot con restricciones de tiempo real. Las búsquedas se llevan a cabo para optimizar el tiempo de computación.

Navegación en el aeropuerto o la fábrica

En un entorno al aire libre, el robot puede ir al sitio de inspección localizando a través de los datos del Sistema de Posicionamiento Global (GPS). El dispositivo GPS desarrollado por M3 Systems permite geovalla. En el aeropuerto, el robot opera en corredores de navegación dedicados que respetan los límites de velocidad. Las alertas se envían al operador si el robot ingresa en un área prohibida o excede una velocidad dada.^[13]​^{[A 2]}​

Otro algoritmo basado en la visión por computadora proporciona, en tiempo real, una detección de marcado de carril. Cuando es visible, los carriles pintados en el suelo pueden proporcionar datos complementarios al sistema de posicionamiento para tener trayectorias más seguras.^{[A 3]}​ Si se encuentra en un ambiente interior o exterior donde la información del GPS no está disponible, el cobot puede cambiar al modo seguidor para mover detrás del operador humano y seguirlo a la aeronave para inspeccionar.^[18]​^{[A 2]}​

Navegación alrededor del avión

Para realizar la inspección, el robot tiene que navegar alrededor de la aeronave y llegar a los puntos de control llamados en el modelo virtual de la aeronave. La posición de la aeronave en el aeropuerto o la fábrica no se conoce con precisión; el cobot necesita detectar la aeronave para conocer su posición y orientación con respecto a la aeronave. Para hacer esto, el robot puede ubicarse a sí mismo, ya sea con los datos del láser de los telémetros láser^{[A 4]}​ o con los datos de imagen de sus cámaras.^{[A 1]}​^{[A 5]}​

Cerca de la aeronave, se adquiere una nube de puntos en tres dimensiones al cambiar la orientación de los sensores de escaneo láser fijos en las unidades de pan-tilt. Después de filtrar los datos para eliminar los clústeres de puntos del suelo o insuficientemente grandes, se utiliza una técnica de registro con el modelo de la aeronave para estimar la orientación estática del robot. El robot se mueve y mantiene esta orientación considerando su odometría de rueda, su unidad de medición inercial y su odometría visual.^{[A 4]}​

Comparación entre los datos tomados y el modelo

Adquisición 3D de láser en un entorno exterior.^[A 4]​     Emparejamiento con el modelo de la aeronave.^[A 4]​     Adquisición 3D de láser en un entorno interior.^[A 4]​     Emparejamiento con el modelo de la aeronave.^[A 4]​

 

Air-Cobot puede estimar su posición relativa a una aeronave mediante el uso de puntos de referencia visuales en el fuselaje.^{[A 5]}​

Los datos láser también se usan horizontalmente en dos dimensiones. Un algoritmo proporciona una estimación de la posición en tiempo real del robot cuando son visibles elementos suficientes de los trenes de aterrizaje y los motores. Un índice de confianza se calcula en función del número de elementos recogidos por los láseres. Si se logra una buena confianza de datos, la posición se actualiza. Este modo se usa particularmente cuando el robot se mueve debajo del avión.^{[A 4]}​

Para la localización visual, el robot estima su posición relativa a la aeronave utilizando elementos visuales (puertas, ventanas, neumáticos, puertos estáticos, etc.) de la aeronave. Durante la evolución del robot, estos elementos visuales se extraen de un modelo virtual tridimensional de la aeronave y se proyectan en el plano de la imagen de las cámaras. Las formas proyectadas se utilizan para el reconocimiento de patrones para detectar esos elementos visuales.^{[A 5]}​ El otro método de detección utilizado se basa en la extracción de características con un enfoque de Speeded-Up Robust Features (SURF). Se realiza un emparejamiento entre las imágenes de cada elemento a detectar y la escena real experimentada.^{[A 1]}​

Mediante la detección y el seguimiento de puntos de referencia visuales, además de estimar su posición relativa a la aeronave, el robot puede realizar un servomotor visual.^{[A 6]}​ La investigación en visión también se lleva a cabo en localización y modelado simultáneos también conocido como SLAM (del inglés simultaneous localization and mapping).^{[A 7]}​^{[A 8]}​ Se está considerando una fusión de información entre los dos métodos de adquisición y visión láser. Una inteligencia artificial que arbitra varias ubicaciones también se está considerando.^{[A 1]}​^{[A 4]}​

Evitación de obstáculos

En ambos modos de navegación, Air-Cobot también puede detectar, rastrear, identificar y evitar los obstáculos que se encuentran en su camino. Los datos láser de los sensores de rango del láser y los datos visuales de las cámaras se pueden utilizar para la detección, el control y la identificación de los obstáculos. La detección y el monitoreo son mejores en los datos láser bidimensionales, mientras que la identificación es más fácil en las imágenes de las cámaras; los dos métodos son complementarios. La información de los datos láser se puede usar para delimitar áreas de trabajo en la imagen.^{[A 6]}​^{[A 9]}​^{[A 10]}​

El robot tiene varias respuestas posibles a cualquier obstáculo. Esto dependerá de su entorno (corredor de navegación, área de asfalto sin muchos obstáculos, ambiente interior desordenado, etc.) en el momento del encuentro con un obstáculo. Puede detenerse y esperar una brecha en el tráfico, o evitar un obstáculo al usar una técnica basada en una espiral, o realizar trayectorias de planificación de ruta.^{[A 6]}​^{[A 10]}​

Optimización del tiempo de cálculo

Dado el número de algoritmos de navegación que calculan simultáneamente para proporcionar toda la información en tiempo real, se han realizado investigaciones para mejorar el tiempo de cálculo de algunos métodos numéricos utilizando matrices de puertas programables también conocido como FPGA (del inglés field-programmable gate array).^{[A 11]}​^{[A 12]}​^{[A 13]}​ Investigación centrada en la percepción visual. La primera parte se centró en la localización y modelado simultáneos con un filtro de Kalman Extendido que estima el estado de un sistema dinámico a partir de una serie de medidas ruidosas o incompletas.^{[A 11]}​^{[A 13]}​ El segundo se centró en la ubicación y la detección de obstáculos.^{[A 12]}​

Ensayo no destructivo

 

Air-Cobot puede inspeccionar las palas de un motor turbofan.^{[A 14]}​

Análisis de imágenes

Después de haberse posicionado para realizar una inspección visual, el robot realiza una adquisición con una cámara PTZ. Se llevan a cabo varios pasos: apuntar la cámara, detectar el elemento a inspeccionar, si es necesario, repasar y hacer zoom con la cámara, adquisición de imágenes e inspección. El análisis de imagen se usa en las puertas para determinar si están abiertas o cerradas; sobre la presencia o ausencia de protección para ciertos equipos; el estado de las palas de los turbofan o el desgaste de los neumáticos del tren de aterrizaje.^{[A 14]}​^{[A 15]}​^{[A 16]}​^{[A 17]}​

La detección utiliza el reconocimiento de patrones de formas regulares (rectángulos, círculos, elipses). El modelo 3D del elemento a inspeccionar se puede proyectar en el plano de la imagen para formas más complejas. La evaluación se basa en índices tales como la uniformidad de las regiones segmentadas, la convexidad de sus formas o la periodicidad de la intensidad de los píxeles de la imagen.^{[A 14]}​

La extracción de características que utiliza Speeded-Up Robust Features (SURF) también puede realizar la inspección de ciertos elementos que tienen dos estados posibles, como las sondas Pitot o los puertos estáticos que están cubiertos o no cubiertos. Se realiza un emparejamiento entre las imágenes del elemento a inspeccionar en diferentes estados y las presentes en la escena. Para inspeccionar estos elementos simples, es posible y preferible un análisis durante la navegación debido a su ahorro de tiempo.^{[A 1]}​^{[A 18]}​

Análisis de nubes de puntos

Después de haberse posicionado para realizar una inspección de escaneo, el pantógrafo eleva el escáner 3D en el fuselaje. Una unidad de giro e inclinación mueve el dispositivo de escaneo para adquirir el casco. Al comparar los datos adquiridos con el modelo tridimensional de la aeronave, los algoritmos pueden diagnosticar cualquier falla en la estructura del fuselaje y proporcionar información sobre su forma, tamaño y profundidad.^{[A 19]}​^{[A 20]}​

Moviendo las unidades de giro e inclinación de los telémetros láser, también es posible obtener una nube de puntos en tres dimensiones. El reajuste técnico entre el modelo de la aeronave y la nube de puntos de la escena ya se usa en la navegación para estimar la ubicación estática del robot. Está previsto realizar adquisiciones específicas, más simples en términos de movimiento, para verificar la ausencia de calzos delante de las ruedas del tren de aterrizaje o el cierre adecuado de los cerrojos del motor.^{[A 4]}​

Colaboración hombre-robot

Con este robot, la inspección del avión se realizará de forma independiente. Pero la prueba final la realizará el piloto. Venimos a completar.^[n 2]​ —Jean-Charles Marcos, Director ejecutivo de Akka Research^[2]​

Como sugiere el nombre del proyecto, el robot móvil es un cobot, un robot colaborativo. Durante las fases de navegación e inspección, un operador humano acompaña al robot; él puede tomar el control si es necesario, agregar tareas de inspección, observar un defecto que no está en la lista de verificaciones de robots o validar los resultados. En el caso de las inspecciones previas al vuelo, el diagnóstico del recorrido se envía al piloto que decide si despegará o no.^[10]​^[18]​^{[A 21]}​

Otras soluciones de inspección robótica

Proyecto europeo Robair

El robot de inspección de proyecto europeo Robair, financiado entre 2001 y 2003, está diseñado para subir a las alas y al fuselaje del avión para inspeccionar filas de remaches. Para su movimiento, el robot utiliza una red flexible de ventosas neumáticas que se adaptan a la superficie. Puede inspeccionar líneas de remaches con ultrasonido, corrientes inducidas y técnicas termográficas. Detecta remaches sueltos y grietas.^[19]​^[20]​^[21]​

EasyJet VANT

La aerolínea EasyJet también ha estado interesada en inspeccionar aviones utilizando aviones no tripulados. Realizó una primera inspección en 2015. Equipado con sensores láser y una cámara de alta resolución, el dron realiza un vuelo autónomo alrededor de la aeronave. Genera una imagen tridimensional de la aeronave y la transmite a un técnico. Este último puede entonces navegar a través de esta representación y acercarse para mostrar una foto de alta resolución de una parte de la aeronave. El operador debe entonces diagnosticar visualmente la presencia o ausencia de defectos. Este enfoque evita el uso de escaleras mecánicas para observar las partes superiores de la aeronave.^[22]​

Donecle VANT

 

El VANT autónomo de Donecle inspeccionando el exterior de avión.

Fundada en 2015, Donecle, una empresa de Toulouse, se ha embarcado también en un enfoque de aviones no tripulados y se ha especializado por primera vez en la detección de rayos en los aviones.^[23]​^[24]​ Normalmente realizada por quince personas equipadas con arneses y góndolas, esta inspección dura unas ocho horas. La inmovilización de la aeronave y el uso de personal son costosos para las aerolíneas. La operación se estima en 10.000 dólares la hora. La solución propuesta dura veinte minutos.^[24]​

Donecle utiliza un enjambre de drones equipados con sensores láser y microcámaras. Los algoritmos automáticos de detección de defectos, impulsados por las bases de datos de imágenes existentes con software de aprendizaje, son capaces de identificar varios elementos: irregularidad de textura, sonda pitot, remache, apertura, texto, defecto, corrosión, mancha de aceite. Se envía un informe de daños al touchpad del operador con cada área de interés y la clasificación propuesta con un porcentaje de probabilidad. Después de estudiar las imágenes, el veredicto es emitido por un inspector cualificado.^[24]​

Airbus VANT

El proyecto Airbus Aircam tiene por objeto diseñar una solución de aviones no tripulados para realizar una inspección de alto nivel de los aviones.^[25]​ El proyecto se está desarrollando en Airbus BizLab, un acelerador de arranque situado en Toulouse.^[25]​^[26]​ Es posible definir una inspección específica, volar automáticamente y obtener imágenes de alta definición de la superficie superior. El análisis de los datos recogidos se realiza después del vuelo. Utiliza modelos tridimensionales simplificados de aeronaves para identificar, localizar automáticamente en la estructura y registrar todos los daños.^[25]​ Airbus demostró su solución de inspección de vehículos aéreos no tripulados en el Salón Aeronáutico de Farnborough en julio de 2016.^[27]​

Continuación del proyecto

 

Air-Cobot bajo el vientre de un Airbus A320 en un hangar.^{[A 4]}​

En 2015, en una entrevista concedida al semanario francés Air et Cosmos, Jean-Charles Marcos, director ejecutivo de Akka Research, explica que una vez industrializado y comercializado, el Air-Cobot costaría entre 100 000 y 200 000 euros. Podría satisfacer las necesidades civiles de ensayo no destructivo pero también militar.^[4]​ Una posible continuación del proyecto sería la intervención del robot en aviones más grandes que el Airbus A320. Akka Technologies planea colaborar con un par de robots para su inspección: la misma plataforma móvil, para las partes inferiores, y un vehículo aéreo no tripulado (VANT), para las partes superiores. Si se asignan fondos, esta segunda fase podría tener lugar durante el período 2017-2020.^[4]​

En el Singapore Airshow en febrero de 2016, Airbus Group presenta Air-Cobot y su uso en su visión del hangar del futuro.^[28]​ En el mismo mes, el gobierno de Singapur contrata a Airbus Group para ayudar a las compañías de mantenimiento a mantenerse competitivas con países vecinos como Indonesia, Tailandia y Filipinas, que son más baratos. Para mejorar la productividad, Airbus Group está lanzando un cobertizo de prueba en octubre de 2016 donde se pueden probar nuevas tecnologías. En este hangar del futuro, el daño de la aeronave será detectado por cámaras ubicadas en la entrada del hangar durante el paso de la aeronave. El robot móvil Air-Cobot y el VANT del proyecto Aircam mejorarán este análisis inicial.^[29]​

Durante la XIV Conferencia Internacional Remote Engineering and Virtual Instrumentation en marzo de 2017, Akka Research Toulouse, uno de los centros de investigación y desarrollo de Akka Technologies, presenta su visión del aeropuerto del futuro.^{[A 2]}​ Además de Air-Cobot , un proyecto anterior orientado en este eje de investigación es Co-Friend, un sistema inteligente de videovigilancia para monitorear y mejorar las operaciones del aeropuerto.^{[A 2]}​^[30]​ La investigación futura se centrará en la gestión de operaciones, vehículos autónomos, pruebas no destructivas e interacciones hombre-máquina para aumentar la eficiencia y la seguridad en los aeropuertos.^{[A 2]}​ A partir de agosto de 2017, el robot entra una vez al mes en el museo aerospacial Aeroscopia de Blagnac. Los investigadores del proyecto están aprovechando la colección para probar y adquirir otros modelos de aviones Airbus A400M, Airbus A300 y Sud Aviation Caravelle.^[31]​

Campaña de comunicación

El 23 de octubre de 2014, Airbus Group presentó una patente.^[32]​ Desde 2014 hasta 2016, el robot tuvo presentaciones en cinco expositions, incluidas Salón Internacional de la Aeronáutica y el Espacio de París-Le Bourget 2015, y Singapore Airshow 2016.^[28]​^[33]​ La investigación desarrollada en el proyecto se presenta en diecisiete conferencias. Dan lugar a dos tesis doctorales y veintiún artículos científicos: diecisiete actas de congresos y cuatro publicadas en periódicos. Algunas de las publicaciones se centran en la navegación y / o inspección llevadas a cabo por Air-Cobot, mientras que el resto se centra en métodos numéricos específicos o soluciones de hardware relacionadas con los problemas del proyecto. En 2016, durante la conferencia internacional Machine Control and Guidance (MCG), el premio a la mejor aplicación final se otorga a los autores de la publicación Human-robot collaboration to perform aircraft inspection in working environment.

 

Desde agosto de 2017, Air-Cobot ha estado probando sus equipos en el Airbus A400M en el museo aeroespacial Aeroscopia en Blagnac.^[31]​

El 17 de abril de 2015, Airbus Group transmitió una presentación en video del proyecto, realizado por la agencia de publicidad Clipatize Communication en su canal de YouTube.^[18]​^[34]​ El 25 de septiembre de 2015, Toulouse Métropole transmitió un video promocional en su canal de YouTube. Se presenta como un ecosistema atractivo, capaz de construir el futuro y destaca su visibilidad internacional. El demostrador de Air-Cobot fue elegido para ilustrar la investigación en robótica de esta metrópoli.^[35]​ Situado en el Laboratoire d'analyse et d'architecture des systèmes durante su desarrollo, los investigadores o ingenieros que trabajan en el proyecto presentan regularmente el demostrador a los visitantes (investigadores externos, socios industriales, estudiantes) y, a veces, al público, como durante el fiesta de la ciencia 2015.^[36]​ Airbus Group, aún a través de su canal de YouTube, está transmitiendo el 17 de febrero de 2016 una presentación en video de su futuro proyecto de hangar en el que planea usar Air-Cobot.^[28]​ A partir de agosto de 2017, el robot entra una vez al mes en el museo aerospacial Aeroscopia de Blagnac. Mientras el equipo científico prueba el robot con un avión nuevo, se les hacen presentaciones de proyectos a los visitantes. El proyecto Air-Cobot es uno de los eventos presentados en el museo durante el fiesta de la ciencia 2017.^[31]​

Véase también

• Cobot
• Donecle

Notas y referencias

Publicaciones de investigación del proyecto

1. Villemot, Larnier y Vetault, 2016, RFIA
2. Donadio et al., 2017, REV
3. Bauda, Bazot y Larnier, 2017, ECMSM
4. Frejaville, Larnier y Vetault, 2016, RFIA
5. Jovancevic et al., 2016, ICPRAM
6. Futterlieb, Cadenat y Sentenac, 2014, ICINCO
7. Esparza-Jiménez, Devy y Gordillo, 2014, FUSION
8. Esparza-Jiménez, Devy y Gordillo, 2016, Sensors
9. Lakrouf et al., 2017, ICMRE
10. Leca et al., Gouaisbaut, ECC
11. Tertei, Piat y Devy, 2014, ReConFig
12. Alhamwi, Vandeportaele y Piat, 2015, ICVS
13. Tertei, Piat y Devy, 2016, CEE
14. Jovancevic et al., 2015, JEI
15. Jovancevic et al., 2015, QCAV
16. Jovancevic et al., 2015, CMOI
17. Jovancevic et al., 2016, MECO
18. Leiva et al., 2017, ECMSM
19. Jovancevic et al., 2017, I2M
20. Bauda, Grenwelge y Larnier, 2018, ETRSS
21. Donadio et al., 2016, MCG

Actas de conferencia

• Futterlieb, Marcus; Cadenat, Viviane; Sentenac, Thierry (2014). «A navigational framework combining Visual Servoing and spiral obstacle avoidance techniques» (pdf). Informatics in Control, Automation and Robotics (ICINCO), 2014 11th International Conference on, Vienna (en inglés): 57-64. 
• Esparza-Jiménez, Jorge Othón; Devy, Michel; Gordillo, José Luis (2014). «EKF-based SLAM fusing heterogeneous landmarks» (pdf). 17th International Conference on Information Fusion (FUSION) (en inglés): 1-8. 
• Tertei, Daniel Törtei; Piat, Jonathan; Devy, Michel (2014). «FPGA design and implementation of a matrix multiplier based accelerator for 3D EKF SLAM» (pdf). International Conference on ReConFigurable Computing and FPGAs (ReConFig14) (en inglés): 1-6. 
• Jovancevic, Igor; Orteu, Jean-José; Sentenac, Thierry; Gilblas, Rémi (Abril de 2015). «Automated visual inspection of an airplane exterior» (pdf). Proceedings of SPIE – the International Society for Optical Engineering. Twelfth International Conference on Quality Control by Artificial Vision 2015 (en inglés) 9534: 95340Y. Bibcode:2015SPIE.9534E..0YJ. doi:10.1117/12.2182811. 
• Jovancevic, Igor; Orteu, Jean-José; Sentenac, Thierry; Gilblas, Rémi (Noviembre de 2015). «Inspection d'un aéronef à partir d'un système multi-capteurs porté par un robot mobile» (pdf). Actes du 14ème Colloque Méthodes et Techniques Optiques pour l'Industrie (en francés). 
• Alhamwi, Ali; Vandeportaele, Bertrand; Piat, Jonathan (2015). «Real Time Vision System for Obstacle Detection and Localization on FPGA» (pdf). Computer Vision Systems – 10th International Conference, ICVS 2015 (en inglés): 80-90. 
• Jovancevic, Igor; Viana, Ilisio; Orteu, Jean-José; Sentenac, Thierry; Larnier, Stanislas (Febrero de 2016). «Matching CAD model and images features for robot navigation and inspection of an aircraft» (pdf). International Conference on Pattern Recognition Applications and Methods (en inglés): 359-366. 
• Jovancevic, Igor; Arafat, Al; Orteu, Jean-José; Sentenac, Thierry (2016). «Airplane tire inspection by image processing techniques» (pdf). 5th Mediterranean Conference on Embedded Computing (en inglés). 
• Frejaville, Jérémy; Larnier, Stanislas; Vetault, Stéphane (2016). «Localisation à partir de données laser d'un robot naviguant autour d'un avion» (pdf). Actes de la conférence Reconnaissance de Formes et Intelligence Artificielle (en francés). 
• Villemot, Tanguy; Larnier, Stanislas; Vetault, Stéphane (2016). «Détection d'amers visuels pour la navigation d'un robot autonome autour d'un avion et son inspection» (pdf). Actes de la conférence Reconnaissance de Formes et Intelligence Artificielle (en francés). 
• Donadio, Frédéric; Frejaville, Jérémy; Larnier, Stanislas; Vetault, Stéphane (2016). «Human-robot collaboration to perform aircraft inspection in working environment» (pdf). Proceedings of 5th International conference on Machine Control and Guidance (en inglés). 
• Lakrouf, Mustapha; Larnier, Stanislas; Devy, Michel; Achour, Nouara (2017). «Moving obstacles detection and camera pointing for mobile robot applications» (pdf). Proceedings of 3rd International Conference on Mechatronics and Robotics Engineering (en inglés). 
• Donadio, Frédéric; Frejaville, Jérémy; Larnier, Stanislas; Vetault, Stéphane (2017). «Artificial intelligence and collaborative robot to improve airport operations». Proceedings of 14th International Conference on Remote Engineering and Virtual Instrumentation (en inglés). 
• Bauda, Marie-Anne; Bazot, Cécile; Larnier, Stanislas (2017). «Real-time ground marking analysis for safe trajectories of autonomous mobile robots». Proceedings of IEEE International Workshop of Electronics, Control, Measurement, Signals and their Application to Mechatronics (en inglés). 
• Leiva, Javier Ramirez; Villemot, Tanguy; Dangoumeau, Guillaume; Bauda, Marie-Anne; Larnier, Stanislas (2017). «Automatic visual detection and verification of exterior aircraft elements». Proceedings of IEEE International Workshop of Electronics, Control, Measurement, Signals and their Application to Mechatronics (en inglés). 
• Bauda, Marie-Anne; Grenwelge, Alex; Larnier, Stanislas (2018). «3D scanner positioning for aircraft surface inspection». Proceedings of European Congress Embedded Real Time Software and Systems (en inglés). 
• Leca, Dimitri; Cadenat, Viviane; Sentenac, Thierry; Durand-Petiteville, Adrien; Gouaisbaut, Frédéric; Le Flécher, Emile (2019). «Sensor-based Obstacles Avoidance Using Spiral Controllers for an Aircraft Maintenance Inspection Robot». Proceedings of European Control Conference (en inglés): 2083-2089. 

Publicaciones de investigación

• Jovancevic, Igor; Larnier, Stanislas; Orteu, Jean-José; Sentenac, Thierry (Noviembre de 2015). «Automated exterior inspection of an aircraft with a pan-tilt-zoom camera mounted on a mobile robot» (pdf). Journal of Electronic Imaging (en inglés) 24 (6): 061110. Bibcode:2015JEI....24f1110J. doi:10.1117/1.JEI.24.6.061110. 
• Esparza-Jiménez, Jorge Othón; Devy, Michel; Gordillo, José Luis (2016). «EKF-based SLAM fusing heterogeneous landmarks» (pdf). Sensors (en inglés) 16 (4). doi:10.3390/s16040489. 
• Tertei, Daniel Törtei; Piat, Jonathan; Devy, Michel (2016). «FPGA design of EKF block accelerator for 3D visual SLAM» (pdf). Computers and Electrical Engineering (en inglés). 
• Jovancevic, Igor; Pham, Huy-Hieu; Orteu, Jean-José; Gilblas, Rémi; Harvent, Jacques; Maurice, Xavier; Brèthes, Ludovic (2017). «Détection et caractérisation de défauts de surface par analyse des nuages de points 3D fournis par un scanner» (pdf). Instrumentation, Mesure, Métrologie, Lavoisier (en francés) 16: 261-282. 

Tesis doctorales

• Jovancevic, Igor (2016). Exterior inspection of an aircraft using a Pan-Tilt-Zoom camera and a 3D scanner moved by a mobile robot : 2D image processing and 3D point cloud analysis (pdf) (Ph.D.) (en inglés). École nationale supérieure des mines d'Albi-Carmaux. Consultado el 6 de abril de 2018. 
• Futterlieb, Marcus (2017). Vision based navigation in a dynamic environment (pdf) (Ph.D.) (en inglés). Université Paul Sabatier. Consultado el 6 de abril de 2018. 

Notas

1. (en francés) Tout l'intérêt du robot est qu'il est plus fiable, plus rapide et que son travail peut s'effectuer par tout temps, de jour comme de nuit.
2. (en francés) Avec ce robot, le tour de l'avion va se faire de façon autonome. Mais le check final sera fait par le pilote. On vient compléter.

Referencias

1. «Le robot coiffe la casquette du pilote pour inspecter l'avion au sol». Les Échos (en francés). 26 de mayo de 2015. Consultado el 24 de febrero de 2018. .
2. Martinage, Xavier (24 de febrero de 2018). . En La Chaîne Info, ed. lci.tf1.fr (en francés). Archivado desde el original el 3 de enero de 2016. Consultado el 12 de julio de 2016. 
3. Les pôles de compétitivité (ed.). . competitivite.gouv.fr (en francés). Archivado desde el original el 11 de octubre de 2016. Consultado el 24 de febrero de 2018. 
4. Constant, Olivier (11 de septiembre de 2015). «Le projet Air-Cobot suit son cours». Air et Cosmos (en francés) (2487). 
5. Aerospace Valley (ed.). «Rapport d'activité 2013–2014 de l'Aerospace Valley» (PDF). aerospace-valley.com (en francés). Consultado el 24 de febrero de 2018. 
6. Akka Technologies (ed.). . aircobot.akka.eu (en francés). Archivado desde el original el 10 de julio de 2016. Consultado el 24 de febrero de 2018. 
7. «Air-Cobot: el robot de Akka para la revision y el mantenimiento de aviones». 9 de octubre de 2014. Consultado el 15 de julio de 2016. 
8. . Archivado desde el original el 16 de agosto de 2016. Consultado el 15 de julio de 2016. 
9. . Capital (en francés). 1 de julio de 2014. Archivado desde el original el 25 de junio de 2016. Consultado el 8 de mayo de 2018. 
10. «Air-Cobot, le robot qui s'assure que vous ferez un bon vol !». Planète Robots (en francés) (38): 32-33. Consultado el 8 de mayo de 2018.  La referencia utiliza el parámetro obsoleto |mes= (ayuda)
11. Laboratoire d'analyse et d'architecture des systèmes (ed.). «Contrats RAP». laas.fr (en francés). Consultado el 8 de mayo de 2018. 
12. «Akka Technologies : une marque employeur orientée sur l'innovation». Le Parisien (en francés). 15 de febrero de 2016. Consultado el 8 de mayo de 2018. 
13. M3 Systems (ed.). «M3 Systems Flagship Solution». jupiter-egnss-its.eu (en inglés). Archivado desde el original el 1 de junio de 2018. Consultado el 8 de mayo de 2018. 
14. Sterela Solutions (ed.). . sterela.fr (en francés). Archivado desde el original el 9 de agosto de 2016. Consultado el 8 de mayo de 2018. 
15. Akka Technologies (ed.). . aircobot.akka.eu (en francés). Archivado desde el original el 4 de agosto de 2016. Consultado el 24 de febrero de 2018. 
16. Véronique, Guillermard (18 de mayo de 2015). Aircobot contrôle les avions avant le décollage (en francés). Le Figaro. Consultado el 30 de noviembre de 2018. 
17. Valéry, Bonneau (2016). Éditions Alternatives, ed. Mon collègue est un robot (en francés). pp. 41-42. ISBN 9782072657917. 
18. (en inglés) Air-Cobot en YouTube..
19. Commission européenne (ed.). «Robair, Inspection robotisée des aéronefs». cordis.europa.eu (en francés). Consultado el 22 de febrero de 2020. 
20. London South Bank University (ed.). «Robair». lsbu.ac.uk (en inglés). Consultado el 22 de febrero de 2020. 
21. Shang, Jianzhong; Sattar, Tariq; Chen, Shuwo; Bridge, Bryan (2017). «Design of a climbing robot for inspecting aircraft wings and fuselage». Industrial Robot: An International Journal (en inglés) 34 (6): 495-502. 
22. Humanoides, ed. (8 de juno de 2015). . humanoides.fr (en francés). Archivado desde el original el 12 de octubre de 2015. Consultado el 22 de febrero de 2020. 
23. Galéron, Florine (28 de mayo de 2015). «Aéronautique : la startup Donéclé invente le drone anti-foudre». Objectif News, La Tribune (en francés). Consultado el 23 de febrero de 2020. 
24. Devillard, Arnaud (20 de abril de 2015). . Sciences et avenir (en francés). Archivado desde el original el 25 de abril de 2016. Consultado el 23 de febrero de 2020. 
25. Airbus Bizlab (ed.). «Aircam». airbus-bizlab.com (en inglés). Consultado el 23 de febrero de 2020. 
26. James, Olivier (10 de marzo de 2015). «Avec BizLab, Airbus s'injecte une dose d'esprit start-up». Usine Digitale (en francés). Consultado el 23 de febrero de 2020. 
27. Guillot, Romain (15 de julio de 2016). «Farnborough 2016 : L'inspection des Airbus par drone devient une réalité». En Le Journal de l'Aviation, ed. journal-aviation.com (en francés). Consultado el 23 de febrero de 2020. 
28. (en inglés) Innovations in Singapore: the Hangar of the Future en YouTube.
29. Airbus (ed.). . airbusgroup.com (en inglés). Archivado desde el original el 21 de diciembre de 2016. Consultado el 22 de febrero de 2020. 
30. Parisot, Éric (21 de junio de 2013). «Co-Friend, le système d'analyse d'images qui réduit les temps d'immobilisation des avions». Usine Digitale (en francés). Consultado el 22 de febrero de 2020. 
31. Aeroscopia, ed. (agosto de 2017). «Le Musée accueille le projet AIR-COBOT». musee-aeroscopia.fr (en francés). Consultado el 22 de febrero de 2020. 
32. Colin, Nicolas; Guibert, Frank. «WO2015059241A1: Robot collaboratif d'inspection visuelle d'un aéronef». worldwide.espacenet.com (en francés). Consultado el 22 de febrero de 2020. 
33. «Singapore Airshow 2016 Trends: Emerging Technologies Take Off – APEX | Airline Passenger Experience». apex.aero. Consultado el 22 de febrero de 2020. 
34. Clipatize (ed.). . clipatize.com (en inglés). Archivado desde el original el 6 de agosto de 2016. Consultado el 15 de agosto de 2016. 
35. (en francés) Toulouse métropole, construire le futur en YouTube.
36. Air-Cobot, le robot d'assistance aux inspections des aéronefs. Programme de la fête de la science (en francés). 2015. Consultado el 22 de febrero de 2020. 

Enlaces externos

• Akka Technologies.

• Esta obra contiene una traducción derivada de «Air-Cobot» de la Wikipedia en inglés, concretamente de esta versión, publicada por sus editores bajo la Licencia de documentación libre de GNU y la Licencia Creative Commons Atribución-CompartirIgual 3.0 Unported.
• Esta obra contiene una traducción derivada de «Air-Cobot» de la Wikipedia en francés, concretamente de esta versión, publicada por sus editores bajo la Licencia de documentación libre de GNU y la Licencia Creative Commons Atribución-CompartirIgual 3.0 Unported.

•   Datos: Q24273461
•   Multimedia: Air-Cobot