Soutenance mémoire
Comme l’indique la Bibliothèque des Sciences et de l’Industrie , d’après l’International Federation of Robotics, le nombre de robots industriels recensés dans le monde a dépassé le million d’unités fin 2010. Toutefois, les robots industriels ne constituent plus la majorité de la production du fait de l’évolution des besoins en robots de service et de loisir : la robotique est devenue un enjeu majeur pour de nombreux pays industriels, en particulier ceux qui font face au vieillissement de leur population. Ainsi, pour nous assister, les robots prennent une place croissante dans le quotidien : ce ne sont pas moins de 5 millions de robots Roomba qui ont été vendus jusque maintenant. L’IFR s’attend à ce que le nombre de robots de ce types vendus sur la période 2011-2014 dépasse les 14 millions d’unités. Cette présence grandissante soulève des problèmes à la fois en terme de sécurité mais aussi en terme d’éthique : il faut coder dans nos robots des mécanismes prouvant qu’ils ne pourront pas faire du mal aux humains qu’ils côtoient, comme l’indique la première loi d’Asimov. De même, il faut déterminer les déplacements pour lesquels un robot nous semble se comporter naturellement et ainsi éviter cette sensation de malaise décrite par la « uncanny valley »[Mori, 1970]. Derrière cette notion de vallée dérangeante se trouve la notion d’acceptation d’un robot : celui-ci doit avoir des réactions qui paraissent logiques pour l’Homme. Nos seuls référentiels de comportement sont ceux des animaux et de nos semblables. Alors que les robots réalisent des tâches toujours plus complexes, il faut parvenir à représenter et appliquer de tels comportements.
Pour décider de ses actions, un robot doit établir des plans d’actions satisfaisant ses besoins. L’objectif de cette thèse est de traduire ces plans d’action en déplacements et vérifier qu’ils sont réellement réalisables par le robot. Cela requiert la description des actions d’un robot impliquant des déplacements sous la forme de comportements de pilotage et des mécanismes de planification de trajectoire permettant l’application de ces comportements de pilotage tout en préservant le respect du modèle physique du robot. Pour atteindre cet objectif, il faut faire un travail de rapprochement entre tous les domaines impliqués dans la conception d’un robot. Les couches hautes sont généralement attribuées aux raisonnements du robot, c’est-à-dire à la partie qui régit ses comportements et qui établit les plans d’actions. Sont attribuées aux couches basses le calcul des trajectoires et l’application physique des déplacements. Pour parvenir à réaliser les mouvements recherchés, l’un des enjeux du domaine est donc de trouver des mécanismes pour faire cohabiter tous ces modules qui régissent le déplacement d’un robot. Il faut donc coupler la planification symbolique qui est utilisée comme couche haute et la planification de trajectoire qui permet le calcul des déplacements du robot.
Espace des configurations
D’après [Brock, 1999] et [LaValle, 2006], un robot est d’abord décrit dans son environnement par un torseur cinématique contenant dans le cas général :
– 3 paramètres pour décrire la position relative d’un point précis du robot dans un repère général ;
– 3 paramètres pour décrire l’orientation. Sur cette base, il est possible de décrire tous les états que le robot peut prendre. Toutefois, les robots sont des solides et ne se limitent donc pas au seul torseur : il faut tenir compte de leur corps tout entier. Le robot est alors vu comme un corps articulé composé d’une série d’éléments rigides connectés entre eux par des liaisons (dont l’une relie le robot à son environnement). Chaque type de liaison cinématique permet d’obtenir un certain nombre de degrés de liberté (NF EN 23952, ISO 3952-1) entre deux corps ainsi reliés. Après la réduction du graphe de liaisons rassemblant tous les éléments du robot, les n degrés de liberté restants permettent de décrire une configuration q du robot. L’avantage de cette approche est de réduire grandement le nombre de variables nécessaires à la description du robot étudié
Configurations admissibles
L’ensemble des valeurs prises par les n degrés de liberté décrivent toutes les configurations q admissibles. Des contraintes peuvent limiter des valeurs des n degrés de liberté. Cet ensemble est appelé « espace des configurations », noté C. Un point q pris dans l’espace des configurations décrit alors une configuration unique du robot dans son environnement.
Application au cas discret
L’espace de travail peut être obtenu par projection de l’espace des configurations sur tous les points constituant l’entité qui se déplace. Dans le cas discret précédemment développé, le robot est réduit à un point. L’espace des configurations contient donc directement toutes les positions admissibles du robot.
Application au cas continu
L’espace de travail peut être obtenu par l’application de toutes les configurations admissibles sur les degrés de liberté du robot, lui faisant prendre toutes les positions admissibles. Dans le cas continu, le bras robotisé possède une surface. Ainsi, construire l’espace de travail revient ici à imprimer l’empreinte du bras robotisé dans l’espace physique selon chaque configuration contenue dans l’espace des configurations. Pour donner une idée de la forme de l’espace de travail .
|
Table des matières
Chapitre 1 Introduction générale
1.1 Problématiques
1.2 Espace des configurations
1.3 L’espace de travail
1.4 L’espace des configurations libres
1.5 Le problème de planification de chemin
1.6 Le problème de planification de trajectoire
1.7 Le problème de planification de trajectoire sous contraintes et optimisation
1.8 Approches communes
1.9 Apports de la thèse
1.10 Organisation de la thèse
Chapitre 2 État de l’art
2.1 Les approches directes
2.2 Les approches découplées
2.3 Les approches par échantillonnage et leurs améliorations
2.4 Le mélange de la planification symbolique avec la planification de trajectoires
2.5 Résumé
2.6 Vers une approche cognitive pour la planification de trajectoire
Chapitre 3 Planification locale de trajectoire sous contraintes
3.1 Modèles de trajectoire
3.2 Contraintes
3.3 Architecture de propagation
3.4 Trajectoires et espace des paramètres
3.5 Solutions continues
3.6 Solutions discrètes
3.7 Échantillons à base de quadratiques dans DKP
3.8 Analyse
3.9 Conclusion
Chapitre 4 Deterministic Kinodynamic Planning
4.1 Introduction à DKP
4.2 Mécanismes d’exploration
4.3 Mise en pratique
4.4 Contrôle de l’exploration
4.5 Étude expérimentale
4.6 Simulations : évaluation de la dynamique de DKP
4.7 Expérimentations
4.8 Discussion critique de DKP
4.9 Conclusion
Chapitre 5 Raisonnements par comportements de pilotage pour la planification de trajectoire
5.1 Comportements de pilotage pour la planification de trajectoire
5.2 Contrôle de DKP par des paramètres de pilotage
5.3 Des arbres à la croissance simultanée
5.4 Guidage par roadmap
5.5 Exploration de l’ISEN
5.6 Dépassement
5.7 Conclusion
Chapitre 6 Conclusion
Télécharger le rapport complet
