Industriel japonais : 80 AGV, ROS 2, +40 % throughput entrepôt.

Une flotte de 80 AGV dans un entrepot de 42 000 m2, deux collisions par semaine et un throughput plafonne. Le probleme n'etait pas les robots, c'etait la coordination.

Le contexte

Industriel japonais de la logistique automatisee, 3 200 employes, hub Tokyo. Entrepot pilote pres de Nagoya, 80 AGV deployes, navigation ROS 1 vieillissante, perception monoculaire, planification individuelle sans coordination de flotte.

Le probleme

• Throughput entrepot stagne depuis 14 mois
• Deux collisions/semaine, dont une majeure tous les deux mois
• Downtime cumule : 18% du temps de production
• Navigation lente dans les couloirs etroits (60 cm de marge)
• ROS 1 EOL prevue, plus de support securite

L'approche

Refonte complete sur ROS 2 Humble avec Nav2, fusion capteurs LiDAR + cameras RGBD pour perception 3D, planification multi-agents par recherche conflictuelle (Conflict-Based Search). Validation intensive en simulation Isaac avant tout deploiement physique.

Les piliers techniques

• Stack perception en Rust (latence p99 sous 30 ms)
• Nav2 customise avec costmap dynamique partagee entre agents
• Solveur CBS pour resolution de conflits multi-AGV en temps reel
• Simulation Isaac Sim avec digital twin de l'entrepot complet
• Deploiement par batches de 10 AGV, fallback ROS 1 maintenu deux mois

La stack

• ROS 2 Humble, Nav2, MoveIt 2
• Rust pour perception et controle bas niveau
• Cyclone DDS pour middleware, QoS reglages fins
• Isaac Sim pour validation, Foxglove pour observabilite
• Cameras Intel RealSense D455, LiDAR Velodyne VLP-16

Les resultats

1. Throughput entrepot : +40%
2. Collisions : zero sur 6 mois post-deploiement complet
3. Downtime cumule : 18% vers 4%
4. Vitesse moyenne AGV en couloir : +28%
5. Migration sans interruption de production (24/7 maintenu)

Ce qu'on a appris

Cyclone DDS est superieur a Fast DDS pour notre cas (latence determinist), mais demande un tuning QoS serieux. Le solveur CBS scale jusqu'a 80 agents, au-dela il faut passer a une approche hierarchique. Erreur honnete : on a sous-estime le temps de calibration des LiDAR (deux semaines de plus que prevu). A refaire : impliquer les operateurs entrepot des la phase simulation, leurs feedbacks ont evite trois mauvaises decisions de design.