Galeries étroites, faible luminosité, absence de signal GPS, terrain accidenté — voilà les obstacles infranchissables que les mines souterraines imposent aux travaux d'inspection. Aujourd'hui, une équipe de recherche internationale dirigée par l'Université du Zhejiang est en train de transformer un robot quadrupède en « pionnier de l'exploration » capable de traverser de manière autonome ces environnements extrêmes. Le nouveau cadre d'inspection autonome QRIVAS (Système de collecte visuelle intelligente pour robot quadrupède), récemment développé, a surmonté de nombreux goulets d'étranglement techniques clés liés à la navigation autonome dans les environnements souterrains complexes, atteignant un taux de réussite de navigation de 100 % lors des tests de simulation et de 96,7 % lors des tests sur un modèle réduit de pont. Cette percée offre non seulement une toute nouvelle solution pour la perception intelligente des infrastructures de transport telles que les ponts, mais ouvre également de vastes perspectives pour les opérations d'inspection souterraine sans pilote dans les mines en Chine.

Doter les robots en environnements extrêmes d'un « centre de perception »

La face ombragée des piles de pont, l'espace confiné à l'intérieur des structures en acier, les galeries obscures des mines souterraines — dans ces zones, le champ de vision des caméras traditionnelles est limité, le signal GNSS est totalement perdu et la texture des murs est pauvre. Les robots d'inspection conventionnels risquent donc facilement de se perdre ou de heurter des obstacles. Les solutions robotiques existantes rencontrent généralement des difficultés de navigation dans les environnements sans GNSS et à faible luminosité.

L'innovation centrale de QRIVAS réside dans l'intégration approfondie, pour la première fois, du SLAM LiDAR 3D (localisation et cartographie simultanées) avec des techniques de segmentation sémantique en temps réel. Le SLAM LiDAR est chargé de construire en temps réel un modèle spatial tridimensionnel de l'environnement et de se localiser sans dépendre du GNSS ; la segmentation sémantique en temps réel confère au robot une capacité de raisonnement visuel pour « identifier les objets clés » — il peut déterminer en temps réel, à partir de la masse d'informations collectées par le LiDAR et les capteurs visuels, ce qui est une pile de pont, un couloir de maintenance ou une surface structurelle nécessitant une inspection prioritaire. Le couplage profond de ces deux technologies permet au robot quadrupède de naviguer de manière autonome même en l'absence de GNSS et dans des conditions de faible luminosité, tout en ciblant avec précision les structures visées.

Une autre caractéristique de QRIVAS est sa capacité à « opérer sans carte » — il ne dépend pas d'une carte préétablie. Cela signifie que le robot peut, comme un humain, explorer et planifier simultanément dans des galeries de mine inconnues, au lieu d'être confiné à un itinéraire prédéfini.

Prouver la maturité technologique par des « indicateurs concrets »

L'équipe de recherche a mené une validation systématique sur un viaduc ferroviaire en béton simulé et sur un modèle réduit à l'échelle 1:3. Dans l'environnement de simulation, le taux de réussite de la navigation a atteint 100 % — ce qui signifie qu'aucun essai n'a subi de déviation d'itinéraire, de perte de cible ou d'interruption due à une collision ; sur le modèle réduit physique, le taux de réussite moyen de la navigation pour franchir six piles de pont a également atteint 96,7 %. Plus crucial encore, même sur des terrains complexes très différents des surfaces planes idéales, comme une pelouse artificielle rugueuse et des bordures de trottoir élevées, QRIVAS a conservé une capacité de fonctionnement autonome robuste.

La signification technique derrière ces données mérite un examen approfondi : les conditions du sol dans les galeries souterraines sont bien plus complexes que dans les zones d'usine ordinaires. Les chaussées défoncées couvertes de gravats, les ondulations continues des câbles et des voies ferrées, ainsi que les obstacles en forme de marches formés par les installations ferroviaires, peuvent tous mettre en échec les algorithmes de navigation classiques. Le taux de réussite de navigation de 96,7 % validé par QRIVAS sur des terrains non plans correspond étroitement aux conditions topographiques réelles des mines souterraines, fournissant ainsi la garantie technique la plus importante pour une « transition sans heurts » de l'environnement de laboratoire vers les véritables scénarios opérationnels des mines souterraines.

Le robot quadrupède devient un « ranger intelligent » des mines souterraines

En Chine, plus de 90 % des mines métalliques et non métalliques utilisent l'exploitation souterraine, avec des galeries totalisant des dizaines de milliers de kilomètres. L'environnement souterrain est très humide, poussiéreux et mal éclairé. De nombreuses zones sont cloisonnées par des murs anti-explosion, des portes de ventilation et des barrières coupe-feu, formant des espaces confinés où l'accès humain est extrêmement difficile et présente des risques de sécurité élevés — un véritable « casse-tête » reconnu pour l'inspection.

Les trois technologies de base maîtrisées par QRIVAS correspondent précisément aux besoins essentiels de l'inspection des mines souterraines :

① Localisation fiable en l'absence de GNSS — Les systèmes de positionnement miniers ne peuvent pas pénétrer les épaisses couches rocheuses, et le sous-sol est lui-même un vaste espace sans GNSS. La méthode de localisation de QRIVAS, basée sur le SLAM LiDAR 3D, est précisément conçue sur mesure pour cela.

② Reconnaissance dans des environnements à faible luminosité et à texture pauvre — Dans des conditions de mauvais éclairage et de murs sombres, les solutions de vision stéréoscopique traditionnelles échouent très facilement. QRIVAS combine les nuages de points LiDAR avec la segmentation sémantique, créant une « redondance de perception multimodale » qui ne dépend pas d'une bonne lumière.

③ Franchissement autonome d'obstacles et navigation sur terrain complexe — Pentes, gravats, rails, fossés de drainage : chaque galerie souterraine est un défi topographique. La performance robuste de QRIVAS sur les bordures élevées et les pelouses rugueuses présente une forte analogie avec les voies ferrées couvertes de gravats des mines souterraines, validant ainsi sa capacité de franchissement et d'adaptation au terrain.

L'architecture technique de QRIVAS fournit un paradigme directement réutilisable pour le développement de robots d'inspection minière souterraine. En découplant puis en fusionnant la localisation SLAM avec la reconnaissance sémantique des cibles, et en renforçant la capacité de navigation autonome sans carte, elle peut offrir un cadre technique complet, de la « boucle de perception » à « l'exécution des décisions », pour le développement personnalisé de robots d'inspection minière.

La vague industrielle de l'inspection minière sans pilote est en marche

La percée de QRIVAS survient à un moment clé pour la construction de mines intelligentes. Début 2026, plusieurs sociétés cotées comme Mei'an Sen ont déjà achevé l'évaluation de la conception globale de chiens robots quadrupèdes antidéflagrants pour les mines, et des composants essentiels tels que les moteurs antidéflagrants et les batteries spéciales ont passé avec succès les tests de vérification. En mai 2026, lors de la 6e Exposition internationale de l'industrie énergétique de Chine (Guizhou) à Guiyang, la société Yunmei Shidai Artificial Intelligence Technology a présenté un prototype de robot d'inspection quadrupède antidéflagrant, intégrant de multiples systèmes de perception comme le LiDAR, l'imagerie thermique et des capteurs de gaz, capable de surveiller en temps réel des paramètres tels que le gaz, la température et la fumée. Cela marque l'accélération du processus d'industrialisation des robots d'inspection quadrupèdes, du laboratoire vers les mines.

Le cadre de navigation autonome sans carte, de perception multimodale et d'inspection en terrain complexe validé par QRIVAS constitue précisément la technologie fondamentale commune la plus urgente pour l'industrialisation actuelle des robots d'inspection minière. La société Zhejiang New Leading Navigation Intelligent Technology Co., Ltd., figurant parmi les co-auteurs de l'article, a déjà fourni un soutien industriel pour la mise en œuvre technique du cadre QRIVAS sur les robots quadrupèdes — de la validation du prototype en laboratoire universitaire au développement de produits industriels par l'entreprise, la voie du transfert technologique est en train de s'ouvrir.

Ouvrir une nouvelle voie pour réduire les coûts et augmenter l'efficacité face à un double dilemme

Le dilemme auquel les mines sont actuellement confrontées — « ne pas inspecter entraîne des risques de sécurité majeurs » et « une fréquence d'inspection élevée fait exploser les coûts de main-d'œuvre » — s'intensifie. Une fois le déploiement à grande échelle des robots d'inspection intelligents quadrupèdes réalisé, il générera de multiples bénéfices systémiques :

Sur le plan de la sécurité — remplacer l'homme dans les espaces confinés, les zones de gaz toxiques et nocifs, les zones d'exploitation épuisées et autres zones à haut risque, réduisant ainsi fondamentalement la probabilité d'accidents du personnel.

Sur le plan de l'efficacité — inspection 24 heures sur 24 et 7 jours sur 7, remplaçant l'inspection sujette à la fatigue par une collecte de données d'une cohérence parfaite, permettant de passer d'un « enregistrement a posteriori » des incidents à une « détection en temps réel et alerte immédiate ».

Sur le plan des coûts — libérer les inspecteurs hautement qualifiés des environnements à haut risque de première ligne pour les redéployer vers des centres de contrôle à distance. Une fois le mode opératoire « un homme, plusieurs machines » réalisé, le temps de travail total du personnel et les coûts globaux diminueront considérablement.

Dans la perspective stratégique avancée par les résultats de recherche de QRIVAS — « les systèmes robotiques pilotés par l'IA transforment les pratiques traditionnelles de maintenance des infrastructures » — les mines souterraines pourraient bien devenir le secteur industriel clé où cette voie technologique trouvera sa première application à grande échelle.