Avant de dรฉvelopper la partie interactive de ces travaux, il nous a semblรฉ nรฉcessaire dโamรฉliorer des algorithmes de base dรฉjร existants dans le domaine de la planification de mouvement afin de les adapter ร notre thรฉmatique. Ce travail est motivรฉ par lโutilisation de ces algorithmes dans le cadre de lโanimation graphique. Il sโagira de guider manuellement un personnage virtuel dans un environnement structurรฉ avec lโaide dโun algorithme de planification de mouvement. Ce thรจme sera abordรฉ dans le dernier chapitre de ce document. Dans ce chapitre, nous รฉtudierons comment adapter un algorithme de base pour une planification dans un environnement structurรฉ pour la locomotion humaine. Ce type dโenvironnement correspond en rรฉalitรฉ ร des environnements intรฉrieurs (maisons, usines etc.). Ils sont souvent formรฉs dโune succession de piรจces sรฉparรฉes par des passages รฉtroits (portes ou couloirs). Cโest donc sur des environnements de ce style que nous nous concentrerons.
Malgrรฉ lโapparente simplicitรฉ de ces environnements, lโespace de travail en trois dimensions reste assez complexe et une exploration exhaustive par lโalgorithme reste hors de question car cela demande trop de ressources et de temps de calcul. La possibilitรฉ dโavoir des environnements dynamiques obligeant lโalgorithme ร rรฉ-explorer certaines zones accentue encore la complexitรฉ.
Planification de mouvement
Concepts
Dans cette section, nous allons dรฉcrire des concepts de planification de mouvement importants que nous utiliserons tout au long de ce mรฉmoire.
โ Lโespace de travail, notรฉ W, est lโespace dans lequel la gรฉomรฉtrie de lโenvironnement et du robot est dรฉcrite.
โ Le nombre de degrรฉ de libertรฉ, notรฉ ddl, indique le nombre de paramรจtres indรฉpendants nรฉcessaires pour caractรฉriser les transformations ร appliquer ร un systรจme pour le dรฉplacer.
โ Une configuration correspond ร lโensemble des valeurs de chaque ddl pour une situation prรฉcise du systรจme. Elle caractรฉrise le placement de tous les corps du systรจme.
โ Lโespace des configurations, notรฉCS, est lโensemble des configurations possibles pour le systรจme. Le dรฉplacement du systรจme dans lโespace de travail correspond au dรฉplacement dโun point dans lโespace des configurations..
โ Une mรฉthode de dรฉtection de collision permet de dรฉfinir si le systรจme est en collision avec un obstacle pour une configuration donnรฉe. Collision : CS โ 0,1
โ Lโespace des configurations libres, notรฉ CSf ree est lโensemble des configurations de CS qui ne sont pas en collision avec un obstacle de lโenvironnement. โqi โ CS : Collision(qi) โ qi โ/ CSf ree
โ La mรฉthode dโรฉchantillonnage permet de choisir une configuration appartenant ร CS.
โ Un รฉchantillon est la configuration choisie par la mรฉthode dโรฉchantillonnage.
โ Un chemin est une fonction Chemin : [0 1] โ CS qui relie deux configurations de CS. Lโensemble des chemins de CS est notรฉ C.
โ La mรฉthode locale est une mรฉthode liรฉe au systรจme ร dรฉplacer qui permet de dรฉfinir un chemin entre deux configurations de CS. ML : CSรCS โ C
โ Une composante connexe dโun graphe est une sous-partie CC dโun graphe G telle que (โqi โ CC)โง(โqj โ CC) : โChemin(qi ,qj) โ G .
Le problรจme de la planification de mouvement
Dโune maniรจre gรฉnรฉrale, planifier un mouvement revient ร ordonner les positions dโun corps dans lโespace afin de lui faire atteindre une position voulue. Pour un รชtre humain, planifier un mouvement est une action naturelle. Il peut planifier facilement ses dรฉplacements, ainsi que ceux des objets quโil contrรดle : voitures, bateaux, avions, etc. Mais dans certaines situations, cela devient un problรจme complexe qui nรฉcessite beaucoup de temps et dโefforts. Lโexemple le plus reprรฉsentatif est celui du problรจme du sofa , posรฉ par Leo Moser en 1966 [Moser 1966], qui revient ร chercher la plus grande taille de sofa que lโon puisse dรฉplacer dans un couloir ร angle droit, de largeur unitaire. Ce type de problรจme est ร lโorigine des travaux dans le domaine de la planification de mouvement en robotique. Plus tard, Schwarz et Sharir posent les bases du problรจme du dรฉmรฉnageur de piano [Schwartz and Sharir 1987], qui consiste ร dรฉplacer un piano composรฉ dโun seul bloc ร travers une piรจce encombrรฉe dโobstacles . Ce problรจme sera ensuite รฉtendu par J.H. Reif comme le ยซ problรจme gรฉnรฉral du dรฉmรฉnageur ยป. Cette gรฉnรฉralisation consiste ร dรฉplacer un objet quelconque, qui peut-รชtre composรฉ de plusieurs corps articulรฉs entre eux (on peut prendre comme exemple une chaรฎne, ou un train composรฉ de plusieurs wagons). Le dรฉplacement dโun piano ou celui dโun corps articulรฉ peuvent รชtre vus comme deux problรจmes totalement diffรฉrents, bien quโils soient similaires. La question est de trouver une mรฉthodologie permettant dโavoir une approche gรฉnรฉrique de ce type de problรจmes.
T. Lozano-Perez propose une solution originale. Il sโagit de prรฉsenter le problรจme, non pas dans lโespace de travail W, mais dans un espace qui peut rendre compte de toutes les situations possibles du corps considรฉrรฉ. Par exemple, pour un corps articulรฉ, chaque articulation peut reprรฉsenter un ou plusieurs degrรฉs de libertรฉ. Un objet ยซ volant ยป (cโest-ร -dire qui peut se dรฉplacer librement dans toutes les directions), peut bouger selon ses six degrรฉs de libertรฉ : trois pour les translations et trois pour les rotations. La position de cet objet serait donc dรฉcrite par six paramรจtres, chaque paramรจtre รฉtant la valeur dโun des degrรฉs de libertรฉ. Lโensemble de ces paramรจtres est appelรฉ une configuration. Le nombre de paramรจtres dรฉfinissant la configuration de lโobjet considรฉrรฉ correspond ร la dimension de CS. Ainsi, une configuration dans CS dรฉfinit un placement de lโobjet dans W. Il est possible de dรฉcrire le problรจme gรฉnรฉral du dรฉmรฉnageur comme รฉtant la recherche dโun chemin dans lโespace des configurations libres entre une configuration initiale et une configuration finale . Le problรจme de dรฉplacer un systรจme (ensemble de corps) dans un espace de travail W revient ร dรฉplacer un point dans un CS de dimension n. Chaque configuration q de dimension n contient alors la situation de tous les corps du systรจme. Depuis lors, ce problรจme a รฉtรฉ transposรฉ dans diffรฉrents domaines allant de lโindustrie ร la biologie. Les diffรฉrentes applications que nous pouvons trouver aujourdโhui ร la planification de mouvement sont aussi variรฉes que les bras robotiques utilisรฉs dans les usines, garer une voiture, dรฉplacer les rovers envoyรฉs dans lโespace ou des robots humanoรฏdes ou encore rรฉsoudre les problรจmes de pliage de molรฉcules. De nombreuses mรฉthodes ont รฉtรฉ proposรฉes pour rรฉsoudre la problรฉmatique dโune maniรจre gรฉnรฉrale. On peut se rรฉfรฉrer ร [Latombe 1991; Choset et al. 2005] pour une description plus prรฉcise de ces mรฉthodes.
Parmi les premiรจres mรฉthodes proposรฉes, on trouve les mรฉthodes dites dรฉterministes. Les mรฉthodes dรฉterministes peuvent รชtre exactes et sont dites complรจtes dans ce cas, cโest-ร dire que si une solution existe, elle sera trouvรฉe, sinon la mรฉthode pourra dire quโil nโy a pas de solution. Dโun autre cรดtรฉ, les mรฉthodes dรฉterministes dites approchรฉes ne sont pas complรจtes mais possรจdent certaines propriรฉtรฉs intรฉressantes, telles que la complรฉtude en rรฉsolution (si une solution existe, elle sera trouvรฉe en temps fini). Elles reposent sur le calcul dโune reprรฉsentation de lโespace des configurations, qui permet de construire un graphe donnant la connexitรฉ de lโenvironnement. Parmi ces mรฉthodes on peut trouver la dรฉcomposition en octree, les diagrammes de Voronoรฏ ou encore les graphes de visibilitรฉ . ร partir du graphe construit, on peut chercher un chemin partant dโune configuration initiale jusquโร une configuration finale quelconque, tout en รฉvitant les obstacles. La recherche du chemin solution revient donc ร la recherche dโun chemin dans le graphe. Si la configuration initiale et la configuration finale appartiennent ร la mรชme composante connexe du graphe, lโexistance dโun chemin entre ces deux configurations est garantie.
Mais malgrรฉ leurs propriรฉtรฉs, ces algorithmes ne permettent de rรฉsoudre en pratique que des problรจmes simples avec des espaces des configurations de faible dimension (infรฉrieure ร six), car le temps de calcul augmente rapidement avec lโaugmentation du nombre de degrรฉs de libertรฉ [Canny 1988]. Pour rรฉsoudre des cas pratiques, qui souvent ont un nombre de degrรฉs de libertรฉ supรฉrieur ou รฉgal ร six, des algorithmes basรฉs sur lโรฉchantillonnage alรฉatoire de lโespace des configurations ont รฉtรฉ introduits dans les annรฉes 1990. Ces mรฉthodes perdent les propriรฉtรฉs des mรฉthodes dรฉterministes (complรฉtude) au profit dโun meilleur temps de calcul. Nรฉanmoins, ces mรฉthodes dites probabilistes garantissent une complรฉtude en probabilitรฉ : la probabilitรฉ de trouver une solution converge vers 1 quand le temps de calcul tend vers lโinfini, si la solution existe.
|
Table des matiรจres
1 Introduction
1.1 Contribution
1.2 Organisation du document
1.3 Publications associรฉes
2 Planification de mouvement en environnement mixte
2.1 Introduction
2.1.1 Planification de mouvement
2.2 Travaux prรฉcรฉdents
2.2.1 Les arbres locaux
2.2.2 Graphes probabilistes de visibilitรฉ
2.3 Le planificateur Arbres Locaux de visibilitรฉ
2.3.1 Principe
2.3.2 Implรฉmentation
2.3.3 Expรฉrimentations
2.3.4 Rรฉsultats
2.4 Conclusion et Perspectives
3 Le planificateur de mouvement interactif
3.1 Introduction
3.1.1 Le projet AMSI
3.1.2 Travaux prรฉcรฉdents
3.2 Le planificateur interactif
3.2.1 Pรฉriphรฉriques interactifs
3.2.2 Principe
3.2.3 Expรฉrimentations
3.2.4 Rรฉsultats
3.3 Conclusion et Perspectives
4 Le planificateur de locomotion interactif
4.1 Introduction
4.1.1 Travaux prรฉcรฉdents
4.1.2 Le contrรดleur de locomotion
4.2 Le planificateur de locomotion Interactif
4.2.1 Le planificateur semi-interactif
4.2.2 Le planificateur interactif
4.2.3 Quelques Exemples
4.3 Conclusion et Perspectives
5 Conclusion
5.1 Conclusion
5.2 Perspectives
6 Rรฉfรฉrences