Une méthode développée par Erik Komendera, professeur assistant en génie mécanique, utilise les vibrations du terrain couplées à l’intelligence artificielle pour déterminer la profondeur d’un bloc de roche enfoui. Cette technique pourrait optimiser le travail des robots sur des planètes inexplorées comme Mars ou la Lune.

Cette recherche, menée avec le doctorant Yiyan Ruan et publiée dans l’IEEE Sensors Journal, répond à un besoin crucial pour l’exploration spatiale : savoir ce qui se cache sous une surface avant l’atterrissage d’un engin. Pour les rovers dotés d’un budget énergétique limité, il est vital de ne pas gaspiller d’énergie à tenter de déplacer des obstacles qu’ils ne peuvent pas bouger.

Les enjeux sont clairs : les robots doivent pouvoir prendre des décisions autonomes. Komendera explique que sur Terre, il est aisé de juger si un obstacle est posé ou partiellement enterré. « Mais qu’en est-il des robots ? Comment peuvent-ils faire ces jugements ? Maintenant, nous avons une réponse », a-t-il déclaré.

Pour valider le principe, l’équipe a enterré dix-huit blocs de béton de formes et de tailles variées dans du sable. Après avoir frappé les parties exposées avec un marteau instrumenté, ils ont mesuré les vibrations à distance à l’aide d’un vibromètre Doppler laser. Ces données ont ensuite été injectées dans un réseau neuronal.

L’IA décode les signaux du terrain

Le défi technique résidait dans la complexité des facteurs influençant les vibrations : la géométrie du bloc, la densité du sol, et l’angle d’impact. Pour gérer cette complexité, les chercheurs ont entraîné leur réseau neuronal à interpréter ces signaux. Le modèle, un Multilayer Perceptron (MLP), a appris à faire le lien entre onze caractéristiques mesurables — l’impulsion, la géométrie visible et la profondeur d’enfouissement.

Ruan précise que « l’information renvoyée est affectée par la géométrie de la roche et la manière dont le sol la retient. En sélectionnant soigneusement des caractéristiques issues des mesures de vibration et de la géométrie apparente, nous avons pu produire des données fiables avec un réseau neuronal compact ne comportant que deux couches cachées » (IEEE Sensors Journal).

Applications au-delà des voyages interplanétaires

Bien que l’objectif ultime soit de guider les excavateurs robotiques sur Mars ou sur la Lune, permettant de dégager des obstacles ou de localiser des réserves d’eau, les applications ne s’arrêtent pas là. Pour l’instant, l’équipe prévoit de continuer à bâtir des jeux de données et à tester le système sur Terre.

Au-delà de l’exploration spatiale, cet outil pourrait aider à analyser des sites de construction instables, à cartographier des cavités souterraines ou même à faciliter les opérations de nettoyage après une catastrophe naturelle en localisant des matériaux potentiellement dangereux enterrés. Il faudra surveiller comment ces modèles se généralisent face aux variations géologiques extrêmes que l’on rencontre sur d’autres mondes.

Sources

• Using vibrations to reveal what lies beneath other planets’ surfaces, news.vt.edu
• Virginia Tech researchers use vibrations and AI to estimate depth of buried objects for future lunar/Mars robotic missions, Universe Today, 9 novembre 2026

Crédits photo

• Image en une : On-site balancing of a mulcher rotor with Balanset-1A, par NotecA, CC BY-SA 4.0, via Wikimedia Commons (recadrée)