THESE. DOCTEUR spçecialitçe INFORMATIQUE. Arr^etçe ministçeriel du 23 novembre 1988 ETUDE DU LIEN ENTRE LA PERCEPTION ET L'ACTION

Transcription

1 THESE prçesentçee ça l'institut NATIONAL POLYTECHNIQUE DE GRENOBLE pour obtenir le grade de DOCTEUR spçecialitçe INFORMATIQUE Arr^etçe ministçeriel du 23 novembre 1988 PILOTAGE REACTIF D'UN ROBOT MOBILE ETUDE DU LIEN ENTRE LA PERCEPTION ET L'ACTION Patrick REIGNIER Thçese soutenue le 13 Dçecembre 1994 Composition du jury : Prçesident: Rapporteurs : Examinateurs : Christian Laugier M. Dominique Meizel M. Pierre-Yves Glorennec M. Josçe Millan M. Rachid Alami M. James L. Crowley Laboratoire d'informatique Fondamentale et d'intelligence Artiæcielle 46, av. Fçelix Viallet Grenoble Cedex

2 Remerciements Je remercie, tout d'abord, les membres du jury qui ont acceptçe de juger ce travail et d'y apporter leur caution : í M. Christian Laugier, Directeur de recherche ça l'inria, pour l'honneur qu'il me fait de prçesider le jury. í M. Pierre Yves Glorennec, Chargçe de recherche ça l'insa de Rennes, M. Dominique Meizel, Professeur ça l'universitçe Technologie de Compiçegne ainsi que M. Laurent Foulloy, Professeur ça l'ecole Supçerieure d'ingçenieurs d'annecy, d'avoir acceptçe la lourde t^ache d'^etre rapporteurs. í M. Josçe Millan, chargçe de recherche au Joint Research Center d'ispra, Italie, d'avoir acceptçe d'^etre examinateur. í M. Rachid Alami, chargçe de recherche au Laboratoire d'automatique et d'analyse des Systçemes de Toulouse d'avoir acceptçe d'^etre examinateur. í et enæn M. James L. Crowley, Professeur ça l'ensimag, examinateur mais çegalement et surtout directeur de cette thçese. Je tiens ça le remercier pour son dynamisme, pour ses nombreuses discussions et pour m'avoir permis d'accomplir ces travaux dans les meilleures conditions. Une thçese c'est tout d'abord un laboratoire d'accueil. Je tiens ça remercier M. Philippe Jorrand, Directeur du LIFIA, de m'avoir acceptçe au sein de son laboratoire. Je tiens çegalement ça remercier l'ensemble du personnel administratif èlaurence, Daniçele, Mirella, Claudia, Claude, Lionel, Henriè pour leur gentillesse et leur compçetence. Une thçese, c'est çegalement une çequipe de recherche. Je tiens ça ce titre ça remercier tous les membres de l'çequipe PRIMA èaugustin, Olivier et Olivier, Christophe, Patrice, Philippe, Cordçelia, Claude, Bruno, Mouafak, Bernt, Jaime, Nils, Yves :::è pour leur enthousiasme et pour permettre ça ce groupe d'^etre un groupe convivial oçu il fait bon travailler. J'ajouterai une pensçee çemue au robot du LIFIA, pour cet enthousiasme, cette incroyable crçeativitçe ainsi qu'un acharnement ça faire ce qu'on lui dit et non pas ce qu'on voudrait qu'il fasse qui force le respect et brise les moments les plus monotones. Je proæte de cette occasion qui m'est oæerte pour remercier tous mes amis qui m'ont beaucoup aidçe durant cette pçeriode et qui me sont trçes chers èalain, Valçerie, Thierry, les deux Pascal, Mouna, Artur, Janusz :::è et tant d'autres que je ne peux tous les citer. Enæn, les derniers mots sont pour remercier toute ma famille pour leur aide et leurs encouragements constants et pour te remercier toi, Nina, pour ta prçesence, pour ton aide inestimable, ta patience et ton soutien permanent. Patrick

3 TABLE DES MATI ç ERES 1 Table des matiçeres 1 Introduction L'autonomie de dçeplacement ::::::::::::::::::::: Etudes rçealisçees :::::::::::::::::::::::::::: Organisation du rapport ::::::::::::::::::::::: 14 2 Le projet MITHRA La robotique mobile autonome :::::::::::::::::::: Architectures hiçerarchiques de contr^ole ::::::::::::::: Le systçeme MITHRA ::::::::::::::::::::::::: Le contr^oleur de vçehicule ::::::::::::::::::: Reprçesentation de l'environnement ::::::::::::: La modçelisation :::::::::::::::::::::::: La perception ::::::::::::::::::::::::: La navigation ::::::::::::::::::::::::: Rçesultats expçerimentaux ::::::::::::::::::::::: Le contr^oleur de vçehicule ::::::::::::::::::: La modçelisation :::::::::::::::::::::::: La perception et la navigation :::::::::::::::: Conclusion ::::::::::::::::::::::::::::::: 43 3 La navigation rçeactive Motivations :::::::::::::::::::::::::::::: Approches comportementales :::::::::::::::::::: Le comportement animal ::::::::::::::::::: Les architectures purement comportementales : : : : : : : Les architectures hybrides :::::::::::::::::: Cadre de notre çetude ::::::::::::::::::::::::: Architecture retenue ::::::::::::::::::::: Dçeænition d'un comportementdenavigation :::::::: 57 4 Les champs de potentiels Gçençeration de commandes par potentiels :::::::::::::: Evitement en ligne d'obstacles imprçevus :::::::::: 61

4 2 TABLE DES MATI ç ERES Les fonctions de navigation ::::::::::::::::: Les potentiels gçençeralisçes ::::::::::::::::::: La mçethode des schçemas ::::::::::::::::::: Gçençeration de chemins par potentiels :::::::::::::::: Planiæcation en Profondeur ::::::::::::::::: Planiæcation par le Meilleur d'abord :::::::::::: Planiæcation par fonction de navigation numçerique :::: Utilisation de fonctions harmoniques :::::::::::: Planiæcation variationnelle :::::::::::::::::: Planiæcation par dçeformation d'un chemin : : : : : : : : : Utilisation de champs de forces ::::::::::::::::::: La mçethode des champs de forces virtuels : : : : : : : : : Approche proposçee :::::::::::::::::::::::::: Principe gçençeral :::::::::::::::::::::::: Dçetermination de F ~ but :::::::::::::::::::: Dçetermination de ~F obstacles :::::::::::::::::: Commande gçençerçee :::::::::::::::::::::: Gestion des minima locaux :::::::::::::::::: Gestion des rotations ::::::::::::::::::::: Gestion de la marche arriçere ::::::::::::::::: Evaluation ::::::::::::::::::::::::::::::: Evitement d'un obstacle simple ::::::::::::::: Illustration de l'adaptation dynamique du champ : : : : : Exemple de marche arriçere :::::::::::::::::: Courbe de vitesse ::::::::::::::::::::::: Situation d'çechec ::::::::::::::::::::::: Conclusion ::::::::::::::::::::::::::::::: 88 5 Le Contr^ole Flou Introduction et motivations ::::::::::::::::::::: Le contr^ole æou :::::::::::::::::::::::::::: Historique ::::::::::::::::::::::::::: Les ensembles æous :::::::::::::::::::::: La logique æoue : reprçesentation de connaissances et infçerence Le contr^ole æou :::::::::::::::::::::::: Le systçeme rçeactif æou :::::::::::::::::::::::: Choix des donnçees d'entrçee et de sortie ::::::::::: Module de codage ::::::::::::::::::::::: Module de dçecodage ::::::::::::::::::::: Dçetermination de la logique de dçecision ::::::::::: Dçetermination des rçegles ::::::::::::::::::: Rçesultats expçerimentaux ::::::::::::::::::::::: Edition de la surface de contr^ole ::::::::::::::: 127

5 TABLE DES MATI ç ERES Exemples d'exçecution ::::::::::::::::::::: Conclusion ::::::::::::::::::::::::::::::: L'apprentissage en contr^ole Introduction :::::::::::::::::::::::::::::: Le Contr^ole adaptatif ::::::::::::::::::::::::: Dçeænition ::::::::::::::::::::::::::: Commande adaptative ça paramçetres prçe-programmçes : : : Commande adaptative ça modçele de rçefçerence :::::::: Commande adaptative avec identiæcation du systçeme ça rçegler L'apprentissage en contr^ole :::::::::::::::::::::: Dçeænition ::::::::::::::::::::::::::: Informations disponibles : paradigmes d'apprentissage : : : Mçethodes d'apprentissage :::::::::::::::::: Paradigmes et algorithmes :::::::::::::::::: Application ça l'apprentissage en robotique ::::::::::::: Problçemes particuliers :::::::::::::::::::: Paradigmes possibles ::::::::::::::::::::: Naviguer par l'observation Introduction :::::::::::::::::::::::::::::: Apprentissage neuronal de fonctions ::::::::::::::::: Utilisation d'un modçele æxe ::::::::::::::::: Apprentissage d'un modçele :::::::::::::::::: Exemples d'applications en robotique :::::::::::::::: Apprentissage par rçetro-propagation du gradient :::::: Apprentissage par mçethodes locales ::::::::::::: Apprentissage direct de la loi de commande :::::::::::: Acquisition des donnçees ::::::::::::::::::: Apprentissage incrçemental :::::::::::::::::: Gçençeralisation ::::::::::::::::::::::::: Conclusion ::::::::::::::::::::::::::: Prçe-traitement des donnçees sensorielles ::::::::::::::: Rçeduction de dimension par extraction de vecteurs propres Prçe-traitement des donnçees sensorielles par rçeduction linçeaire : : : Evaluation des indices extraits :::::::::::::::: Choix de la dimension de reprçesentation :::::::::: Prçe-traitement des donnçees sensorielles par rçeduction non linçeaire Conclusion ::::::::::::::::::::::::::::::: 203

6 4 TABLE DES MATI ç ERES 8 Naviguer par l'çechec La mçethode des Diæçerences Temporelles :::::::::::::: Apprendre ça prçedire ::::::::::::::::::::: L'approche TDèçè :::::::::::::::::::::: Exemples ::::::::::::::::::::::::::: Extensions de l'algorithme :::::::::::::::::: L'apprentissage renforcçe ::::::::::::::::::::::: Algorithme gçençeral :::::::::::::::::::::: Evaluation de la transformation apprise ::::::::::: Le Critique Heuristique Adaptatif :::::::::::::: Le Q-Learning ::::::::::::::::::::::::: Rçeduction du temps d'apprentissage ::::::::::::::::: Exploration et exploitation :::::::::::::::::: Utilisation d'expçeriences mentales :::::::::::::: Apprentissage par explication :::::::::::::::: Utilisation de connaissances initiales expertes : : : : : : : Choix de l'approche retenue ::::::::::::::::::::: Formulation du problçeme ::::::::::::::::::::::: L'apprentissage en logique æoue ::::::::::::::::::: L'apprentissage des paramçetres ::::::::::::::: L'apprentissage structurel :::::::::::::::::: Apprentissage supervisçe incrçemental de rçegles æoues :::::::: Crçeation d'une nouvelle rçegle :::::::::::::::: Adaptation d'une rçegle :::::::::::::::::::: Gçençeralisation d'une rçegle :::::::::::::::::: Algorithme :::::::::::::::::::::::::: Application ça l'apprentissage de fonctions :::::::::::::: Exemple de dçeformation de surface ::::::::::::: Incrçementalitçe de l'apprentissage :::::::::::::: Capacitçes de gçençeralisation et de mçemorisation :::::: Observation du comportementduvçehicule ::::::::::::: Conclusion ::::::::::::::::::::::::::::::: Conclusion Travaux rçealisçes :::::::::::::::::::::::::::: Discussion et perspectives :::::::::::::::::::::: Reformulation de l'approche ::::::::::::::::: Perspectives :::::::::::::::::::::::::: 262 A Le systçeme Molusc 265 A.1 Mots clçes de Molusc Clips :::::::::::::::::::::: 265

7 B Le systçeme rçeactif æou 273 B.1 Dçeænition des donnçees linguistiques ::::::::::::::::: 273 B.2 Rçegles du systçeme de navigation rçeactive :::::::::::::: 274 B.2.1 Ent^ete ::::::::::::::::::::::::::::: 274 B.2.2 Dçetection de la situation courante :::::::::::::: 274 B.2.3 Gestion du but en tenant comptes des obstacles :::::: 275 B.2.4 Gestion des obstacles ::::::::::::::::::::: 276 C LMS et incrçementalitçe 279 C.1 Apprentissage par descente de gradient ::::::::::::::: 279 C.2 Apprentissage par la loi LMS :::::::::::::::::::: 279 Table des ægures 285 Liste des tables 293 Bibliographie 295

8 6 TABLE DES MATI ç ERES

9 7 Chapitre 1 Introduction L'çetude que nous avons mençee au cours de ce travail s'est inscrite initialement dans le cadre du projet de recherche Europçeen Mithra Eureka EU 110. Le but de ce projet çetait la conception et la rçealisation d'une famille de robots mobiles possçedant un centre dçecisionnel embarquçe et destinçes ça des t^aches de tçelçe-surveillance et de premiçere intervention. Ces robots sont conçcus pour çevoluer dans un environnement structurçe de type industriel. Les robots Mithra doivent pouvoir ^etre en mesure d'eæectuer des missions de surveillance dçecrites par un opçerateur humain non informaticien gr^ace ça un langage de haut niveau. Par exemple : le robot A doit ^etre devant l'entrçee ça 20h00. Il restera ici un quart d'heure en dçetectant la prçesence d'intrus. Il rejoindra ensuite la piçece 1c du laboratoire en dçetectant sur son parcours la prçesence de chaleur anormale. Il rejoindra ensuite le premier çetage oçu il patrouillera dans les couloirs durant 2 heures en dçetectant la prçesence d'intrus. Les premiers travaux en robotique mobile en milieu industriel ne confçerait au vçehicule qu'une autonomie de dçeplacement trçes limitçee et nçecessitait la rçealisation d'importants et co^uteux travaux d'infrastructure. C'çetait le cas en particulier des chariots æloguidçes, limitant le dçeplacement du robot ça des voies lui çetant rçeservçees. De maniçere ça se libçerer de ces contraintes, la tendance actuelle, dans laquelle s'inscrit Mithra, a pour but d'essayer d'intçegrer le plus facilement possible le systçeme robotique dans le cadre de l'entreprise en lui permettant de se dçeplacer dans un environnement non spçecialement prçeparçe pour lui parmi un ensemble d'obstacles imprçevus. La section suivante nous permettra de dçeænir le problçeme que nous avons abordçe. Elle sera suivie par une prçesentation des diæçerentes çetudes que nous avons rçealisçees. Nous terminerons enæn cette introduction par une brçeve description des diæçerents chapitres de ce document.

10 8 Chapitre 1 : Introduction 1.1 L'autonomie de dçeplacement Le problçeme abordçe dans cette çetude est celui de l'autonomie de dçeplacement telle qu'elle a çetçe dçecrite lors de la section prçecçedente. Il peut ^etre dçecomposçe en deux niveaux distincts : 1. le niveau cartographique. Il permet de gçerer l'organisation du b^atiment ainsi que les divers noms symboliques utilisçes pour la dçesignation des piçeces. 2. le niveau gçeomçetrique. Il permet de gçerer le dçeplacement du vçehicule au milieu d'obstacles aæn de rejoindre les emplacements intermçediaires èconnus par leurs coordonnçees absoluesè fournis par la cartographie. Nous nous intçeresserons uniquement ça ce second niveau au cours de notre çetude. Vouloir rejoindre un point P de l'espace d'çevolution dçesignçe par ses coordonnçees absolues signiæe que le robot est en mesure : í de conna^çtre avec suæsamment de prçecision sa position courante. í de dçetecter la prçesence d'obstacles çeventuels le sçeparant du but èle robot doit pouvoir se dçeplacer dans un environnement dynamique non spçecialement prçeparçe pour luiè. í de trouver un passage entre ces obstacles. Un robot mobile autonome est un systçeme mçecanique, çelectronique et informatique complexe mettant en çuvre en particulier : í un ensemble de capteurs. Ils peuvent ^etre de deux types diæçerents : 1. extçeroceptifs ètçelçemçetres, camçeras etcè. 2. intçeroceptifs èodomçetres par exempleè. Les capteurs extçeroceptifs ont pour objectif d'acquçerir des informations sur l'environnement proche du vçehicule. Les capteurs intçeroceptifs fournissent des donnçees sur l'çetat interne du robot ètelles que sa vitesse ou sa positionè. í un ensemble d'eæecteurs. L'objectif du robot est d'atteindre un point de l'espace en çevitant les obstacles. Le problçeme que l'on doit rçesoudre est de dçeterminer en fonction des donnçees capteurs quelles commandes doivent ^etre envoyçees ça chaque instant au robot pour atteindre cet objectif.

11 Etudes rçealisçees Etudes rçealisçees Nous avons tout d'abord mis en place dans le cadre du projet Mithra un premier systçeme de navigation pour le robot mobile. Ce systçeme est basçe sur une architecture hiçerarchique de type ça la fois fonctionnel et frçequentiel. Nous avons dans ce cadre conçcu et rçealisçe les modules suivants : í le contr^oleur de vçehicule. Son r^ole est d'asservir le moteur droit et gauche du vçehicule aæn de permettre des mouvements simultançes de translation et de rotation. Il a çegalement pour t^ache de maintenir la position estimçee. í le processus de modçelisation. Ce processus a pour objectif de rçealiser une description de l'environnement en terme de segments de droite ça partir des donnçees fournies par les capteurs ultrasons. L'objectif de ce modçele est double : 1. permettre au robot de corriger l'erreur commise par les odomçetres et donc de se relocaliser dans son environnement. 2. permettre de dçetecter les obstacles. í le module de perception. Son r^ole est d'interprçeter le modçele construit de maniçere ça extraire un chemin permettant au robot de rejoindre le but tout en çevitant les obstacles dçetectçes. í le module de navigation. Ce module a pour t^ache d'exçecuter le chemin dçeterminçe par la perception. Nous avons rçealisçe ça partir de ce systçeme une sçerie d'expçeriences sur le robot ROBUTER du LIFIA. Elles nous ont permis de mettre en çevidence les points suivants : ílemodçele de l'environnement en terme de segments de droite permet de relocaliser le robot de maniçere satisfaisante si le domaine d'çevolution contient suæsamment de surfaces planes visibles èmurs dçegagçes par exempleè. í les donnçees contenues dans le modçele sont en revanche insuæsantes pour rçesoudre le problçeme de la navigation : beaucoup d'obstacles ne sont pas suæsamment rçeguliers pour ^etre perçcus sous forme d'ensemble de segments de droites. í le dçelai nçecessaire entre l'apparition d'un nouvel obstacle dans le champ de vue du robot, son intçegration dans le modçele et la gçençeration d'un nouveau chemin permettant de l'çeviter est trop important et reprçesente un danger pour le vçehicule.

12 10 Chapitre 1 : Introduction í le plan gçençerçe repose sur le contenu du modçele de l'environnement. Ce modçele est en constante çevolution et se modiæe au fur et ça mesure que le robot se dçeplace et peut ^etre en mesure de mieux apercevoir les diæçerents obstacles. Le plan est donc susceptible d'^etre frçequemment remis en cause. Nous avons jugçe les performances de navigation de notre systçeme insuæsante : les plans gçençerçes ne sont pas suæsamment æables et le temps de rçeponse de l'ensemble est nettement insuæsant. Ceci est d^u en particulier au recours ça une sçerie d'opçerations trop complexes entre la perception et l'action. Nous avons alors orientçe nos recherches vers les systçemes de navigation rçeactive. Depuis les premiers travaux de Brooks, les systçemes comportementaux ont connu un trçes grand succçes en robotique mobile comme en robotique de manipulation. D'inspiration çethologique ou physiologique, ils tentent de reproduire les principales propriçetçes du comportement des ^etres vivants telles que la robustesse ou l'adaptabilitçe face ça de nouvelles situations. La plupart des recherches dans ce domaine s'intçeressent ça la construction de comportements complexes ça partir de comportements çelçementaires. Nous avons prçefçerçe laisser l'çelaboration de comportements complexes ça des planiæcateurs, adaptçes ça ce type de t^ache, pour nous intçeresser explicitement ça la rçealisation du comportement çelçementaire nous intçeressant : la navigation vers un but en çevitant les obstacles. Un comportement de navigation peut ^etre dçeæni comme une transformation f entre un espace de perception et un espace d'action. L'espace de perception est un espace dans lequel chaque axe est associçe ça un capteur rçeel ou virtuel. Nous nous sommes tout d'abord intçeressçes aux mçethodes ça base de potentiels comme approche possible pour dçecrire f. La direction et la vitesse du vçehicule sont dçeterminçees en appliquant directement aux mesures capteurs une fonction classique d'attraction vers le but et de rçepulsion par les obstacles. Le problçeme classique de telles mçethodes est la prçesence d'oscillations et de minima locaux. Les minima locaux peuvent ^etre provoquçes par une conæguration d'obstacles imposant au robot de devoir s'çeloigner momentançement du but aæn de pouvoir l'atteindre. De maniçere ça çeviter ce type de blocages prçesents dans une zone gçençeralement restreinte de l'espace, nous avons adoptçe un algorithme favorisant le mouvement. Le robot cherche ça rçealiser en permanence des dçeplacements en translation èsous surveillance d'un module de rçeæexeè, le champs de force ne s'occupant principalement que de gçerer la direction. Les minima peuvent çegalement ^etre provoquçes par la prçesence d'un passage çetroit que le robot doit emprunter. Lorsqu'une telle situation est dçetectçee, nous modiæons dynamiquement et temporairement les forces de rçepulsion de maniçere ça ce que le vçehicule puisse franchir la zone. Les problçemes de minima locaux donnent au robot un comportementhçesitant et le laissent bloquçe dans un certain nombre de situations. Le problçeme d'oscillations, que nous n'avons pas abordçe, est çegalement nuisible au comportement gçençeral. Tous ces problçemes sont inhçerents aux fonctions choisies et modiæer les

13 Etudes rçealisçees 11 paramçetres ècomme l'ajustement dynamique des forces de rçepulsionè ne fait que dçeplacer les problçemes sans les rçesoudre. Nous avons cherchçeçarçealiser la transformation perception - action non plus ça l'aide d'une famille æxe de fonctions mais ça l'aide d'un approximateur universel, capable d'approcher n'importe quelle fonction continue. L'approximateur que nous avons choisi est la logique æoue pour sa capacitçe ça traduire des connaissances symboliques du problçeme en une fonction numçerique. Dans l'approche que nous avons rçealisçee, les donnçees sont tout d'abord prçetraitçees de maniçere ça rçeduire la dimension de l'espace perceptif et donc la complexitçe du problçeme et le nombre de rçegles nçecessaires. Nous avons identiæçe huit situations perceptives diæçerentes ècomme prçesence d'un couloir, prçesence d'un obstacle prçes sur la gauche :::è. On associe ça chacune de ces situations A i la rçeaction appropriçee sous forme d'un ensemble de rçegles R i. Le systçeme ænal est obtenu en rçeunissant la totalitçe des rçegles crçeçees. Ce type d'approche est classique. Les rçesultats que nous avons obtenus sont comparables aux approches ça base de potentiels èprçesence de minima locaux et d'oscillationsè. Le formalisme æou, de part ses propriçetçes d'approximateur universel, a la possibilitçe de dçecrire la transformation recherchçee mais l'expression sous forme de rçegles de notre comprçehension du mçecanisme de navigation ne permet pas de gçençerer une solution acceptable. Aprçes avoir essayçe de coder manuellement la transformation recherchçee, nous nous sommes tournçes vers l'apprentissage automatique en contr^ole. On distingue dans ce domaine trois grandes catçegories d'approches selon le type d'informations disponibles : 1. l'apprentissage supervisçe. 2. l'apprentissage distant. 3. l'apprentissage renforcçe. L'apprentissage distant est plus particuliçerement conçcu pour les systçemes devant apprendre ça suivre une trajectoire de rçefçerence. Il n'est donc pas adaptçe ça notre problçeme. Nous nous sommes plus particuliçerement intçeressçes ça l'apprentissage supervisçe et ça l'apprentissage renforcçe. Le principe de l'apprentissage supervisçe est de permettre ça un contr^oleur d'apprendre un comportementça partir d'une base d'exemples reprçesentatifs de la forme èsituation perçcue, action correspondanteè. L'apprentissage se rçealise gçençeralement en trois çetapes : le robot rçealise tout d'abord en tçelçe-opçeration la t^ache pour laquelle on souhaite le programmer. Les couples d'exemples sont stockçes et ensuite prçesentçes ça l'algorithme d'apprentissage. Le systçeme rçesultant remplace ænalement l'opçerateur humain pour le contr^ole du vçehicule. De part les dimensions de l'espace de perception, les exemples recueillis au cours de la tçelçe-opçeration

14 12 Chapitre 1 : Introduction sont rarement reprçesentatifs de l'ensemble des situations possibles. L'algorithme d'apprentissage devra donc : 1. possçeder de bonnes propriçetçes de gçençeralisation face ça une situation inconnue. 2. ^etre incrçemental. Les trois çetapes dçecrites prçecçedemment doivent ^etre rçepçetçees chaque fois que le contr^oleur est face ça une situation qu'il ne sait pas traiter correctement. Il est alors nçecessaire de lui montrer la solution. Pour des raisons de place mçemoire, il n'est pas possible de stocker l'ensemble des exemples rencontrçes depuis le dçebut du systçeme. Le contr^oleur doit donc ^etre en mesure d'apprendre ça partir des nouveaux exemples sans oublier les prçecçedents. 3. la complexitçe du problçeme que l'on cherche ça rçesoudre est mal ma^çtrisçee. Il est important que le formalisme choisi soit susceptible de reprçesenter le plus grand nombre de fonctions possibles. La plupart des approches robotique basçees sur l'apprentissage supervisçe font appel ça une architecture neuronale trçes classique : le rçeseau ça propagation unilatçerale. Ces rçeseaux ne sont nçeanmoins pas incrçementaux et possçedent une architecture æxe limitant les fonctions qu'ils peuvent reprçesenter èpour une architecture donnçeeè. Nous avons rçealisçe une çetude des principaux rçeseaux de neurones existants et avons sçelectionnçe un rçeseau de type Grow and Learn possçedant les propriçetçes que nous nous çetions æxçees. Ces propriçetçes ont pu ^etre vçeriæçees lors d'expçerimentations rçealisçees ça l'aide d'un robot simulçe, associant les mesures provenant directement des capteurs ultrasons aux commandes de vitesse linçeaire et angulaire. Dans un deuxiçeme temps, nous avons cherchçe ça accçelçerer et æabiliser l'apprentissage en rçealisant une èou plusieursè transformations des donnçees capteurs brutes permettant de rçeduire la dimension de l'espace et de faire ressortir leurs caractçeristiques. Chacune de ces transformations rçealisent un codage. Elles sont basçees sur une analyse en composantes principales d'un ensemble de donnçees reprçesentatives d'une situation. Le principe de l'algorithme est le suivant: í les donnçees servant ça l'apprentissage sont lues sçequentiellement. í on dçetermine pour chaque donnçee lue s'il existe une transformation parmi celles dçejça crçeçees permettant de la coder ètest rçealisçe en çevaluant la perte d'information lors de l'opçeration de codageè. í si aucune transformation existante n'est adaptçee au codage d'une donnçee, on se trouve alors dans une nouvelle situation perceptive et une nouvelle transformation est gçençerçee. Cet algorithme permet de crçeer automatiquement des processus de perception adaptçes chacun ça une situation particuliçere. On associe ensuite ça chacun de ces

15 Etudes rçealisçees 13 processus de perception un rçeseau de type Grow and Learn permettant ainsi d'implçementer le comportement lui correspondant. Nous nous sommes ensuite intçeressçes ça l'apprentissage renforcçe. Le principe de cet apprentissage est de laisser le contr^oleur trouver lui-m^eme quelle action doit ^etre associçee ça chaque situation de maniçere ça augmenter ses performances. Les performances sont mesurçees par une fonction de renforcement fournie par le concepteur et codant les objectifs du systçeme. Par opposition ça l'approche supervisçee, il n'y a pas de sçeparation entre la phase d'apprentissage et la phase d'exploitation. Le systçeme est opçerationnel èplus ou moins eæcacementè dçes le dçepart et peut apprendre tout au long de son existence. Parmi les diæçerentes formes d'apprentissage renforcçe, nous nous sommes plus particuliçerement intçeressçes ça l'apprentissage renforcçe associatif, permettant d'apprendre le contr^oleur tout en ajustant la fonction de renforcement par un mçecanisme d'apprentissage supervisçe èles exemples pour l'apprentissage supervisçe n'çetant plus fournis par un opçerateur humain mais par le robot au cours de son çevolutionè. Le temps d'apprentissage d'une telle approche est reconnu comme long par de nombreux travaux. De maniçere ça le rçeduire, nous proposons d'utiliser la logique æoue aæn de coder des connaissances initiales, ne laissant ainsi pas le systçeme apprendre de zçero. Cette connaissance initiale peut ^etre fournie aussi bien pour le contr^oleur que pour la fonction de renforcement. Comme nous l'avons indiquçe prçecçedemment, le systçeme est composçe de deux parties : 1. l'apprentissage du contr^oleur. 2. l'ajustement de la fonction de renforcement. Nous nous sommes plus particuliçerement intçeressçes ça la seconde partie. La fonction de renforcement est codçee sous forme de rçegles æoues qu'il s'agit d'^etre en mesure d'ajuster par un apprentissage supervisçe. Cet apprentissage doit : í prçesenter des propriçetçes de robustesse face aux donnçees incohçerentes èl'algorithme fournit par sa nature des donnçees incohçerentes jusqu'ça la convergenceè. í ^etre incrçemental. Les algorithmes d'apprentissage supervisçe pour les systçemes æous nçecessitent la transformation prçealable de l'ensemble des rçegles en rçeseaux de neurones. Ils ne possçedent pas les deux propriçetçes çenoncçees prçecçedemment. De plus, ces algorithmes imposent un nombre æxe de rçegles, limitant ainsi fortement les modiæcations possibles lors de l'apprentissage sur la fonction reprçesentçee. Nous avons alors conçcu un algorithme d'apprentissage incrçemental pour systçeme æou travaillant directement sur les rçegles : í en gçençeralisant leur partie condition.

16 14 Chapitre 1 : Introduction í en adaptant leur conclusion. í en crçeant de nouvelles rçegles. En conclusion, les deux approches mettant en çuvre un codage manuel du comportement prçesentent des problçemes similaires de minima locaux et d'oscillations. Ces problçemes sont liçes ça la maniçere d'aborder le problçeme. Le comportement de navigation est dçecomposçe en un ensemble d'experts chargçes de proposer une solution pour l'aspect de la situation dont ils sont spçecialistes. Chacune de ces solutions est basçee sur une hypothçese èun capteur situçe sur le c^otçe droit du robot indiquera une direction de dçeplacement vers la gauche s'il dçetecte un obstacle alors qu'il ne possçede aucune information sur la prçesence çeventuelle d'un obstacle sur la gaucheè. L'action ænale est obtenue par fusion de ces hypothçeses plus ou moins valides. Il n'y a donc pas de garantie qu'elle soit correcte. Le problçeme peut ^etre abordçe diæçeremment. Il s'agit au lieu de gçençerer un ensemble d'hypothçeses de fournir un ensemble de certitudes èdirections libresè. La commande ænale peut alors ^etre fournie non plus par fusion mais par simple choix parmi les diæçerentes propositions. Chaque proposition çetant correcte, la commande ænale sera çegalement correcte. Cette maniçere d'aborder le problçeme se retrouve dans les travaux de Borenstein èavec nçeanmoins quelques diæcultçesè et a çetçe appliquçee trçes rçecemment avec beaucoup de succçes par la sociçetçe Siemens. Nos travaux en apprentissage automatique et plus particuliçerement en apprentissage renforcçe ne comportent pas un systçeme complet et ne nous permettent donc de conclure sur la validitçe de l'approche. Nous tenons nçeanmoins ça indiquer que cette voie semble trçes intçeressante en oærant la possibilitçe au robot de s'adapter en permanence aux nouveaux types d'environnements ètout ne peut ^etre prçevu par avanceè ainsi qu'ça ses propres changements de fonctionnement èdçecalibration des capteurs par exempleè. Nous pensons en particulier qu'il serait trçes intçeressant de coupler des techniques d'apprentissage ça des approches de type gçençeration de certitude. 1.3 Organisation du rapport Le chapitre 2 situe l'architecture frçequentielle et fonctionnelle utilisçee dans le cadre de Mithra par rapport aux architectures classiques utilisçees en robotique mobile. Les diæçerents modules mis en place sont prçesentçes : le contr^oleur de vçehicule, la modçelisation, la perception et enæn la navigation. Les expçeriences rçealisçees sur le robot ROBUTER nous ont mis en çevidence le manque de æabilitçe du systçeme de navigation, orientant notre çetude vers la navigation rçeactive. Le chapitre 3 permet de dçeænir les notions de comportement et de navigation rçeactive. Ces notions sont introduites par la diæçerence existant entre le contr^ole par plan et le contr^ole par un processus en boucle fermçee. La plupart des travaux

17 Organisation du rapport 15 en robotique comportementale se sont tournçes vers la gçençeration de comportements complexes ça partir de comportements çelçementaires. Nous avons prçefçerçe modiæer l'architecture de Mithra de maniçere ça intçegrer un seul comportement de navigation rçeactive ènaviguer vers un but au milieu d'obstaclesè chargçe d'exçecuter le rçesultat de la planiæcation. Ce module de navigation fait l'objet de la suite de notre çetude. Le chapitre 4 est consacrçe aux approches de type champ de potentiels et champ de forces. Les mçethodes de champs de potentiels, prçesentçees gr^ace ça une çetude bibliographique, nçecessitent l'utilisation d'un modçele de l'environnement. Nous nous sommes plut^ot orientçes vers une approche de type champ de forces en adressant en particulier le problçeme de la gestion heuristique des minima locaux et de la prise en compte de la dynamique du robot. Les rçesultats expçerimentaux obtenus indiquent la prçesence de plusieurs problçemes inhçerents ça ce type d'approches. Les problçemes prçesentçes au cours du chapitre prçecçedent sont une caractçeristique de la famille de fonctions utilisçees dans les approches de type potentiel. De maniçere ça ne pas nous limiter dans la forme des fonctions utilisçees pour la reprçesentation du comportement, nous nous sommes tournçes vers des approches mettant en çuvre un approximateur universel. Le chapitre 5 est consacrçe aux mçethodes basçees sur la logique æoue. Les principes gçençeraux de cette logique ainsi que l'utilisation dans le domaine du contr^ole sont tout d'abord prçesentçes. Notre approche est ensuite dçetaillçee. Elle fait appel ça une rçeduction de l'espace de perception et ça la fusion de comportements çelçementaires spçecialisçes dans la gestion de situations particuliçeres. Les rçesultats obtenus sont similaires sur le plan des problçemes rencontrçes aux approches de type champ de potentiels ou champ de forces. Les approches prçesentçees au cours des deux chapitres prçecçedents ont en commun une implçementation ægçee de la navigation rçeactiverçealisçee par le concepteur du systçeme. La suite du manuscrit est consacrçee ça la construction automatique du comportement. Le chapitre 6 a pour objectif de prçesenter les motivations gçençerales ainsi que les techniques mises en çuvre dans le domaine de l'apprentissage en contr^ole. Le chapitre 7 est consacrçe ça l'apprentissage supervisçe de comportements. Les principales approches en robotique sont basçees sur l'utilisation de rçeseaux de neurones particuliers peu adaptçes aux contraintes du domaine. Aprçes une çetude bibliographique des grandes familles neuronales, nous nous sommes tournçes vers un rçeseau de type Grow and Learn rçepondant ça nos spçeciæcations. Nous avons tout d'abord rçealisçe une premiçere sçerie d'expçeriences mettant en jeu des donnçees capteurs brutes. Nous nous sommes ensuite intçeressçes ça des opçerations de prçe-traitement ayant pour but de rçeduire la dimension du problçeme et de faciliter l'apprentissage. Ces opçerations permettent çegalement de mettre en place un processus automatique de construction d'experts adaptçes ça des situations particuliçeres de l'environnement.

18 16 Chapitre 1 : Introduction Le chapitre 8 est consacrçe ça l'apprentissage renforcçe et ses applications en robotique. Nous nous sommes plus particuliçerement intçeressçes dans ce domaine ça l'apprentissage d'une fonction de renforcement reprçesentçee par un ensemble de rçegles æoues. Les principaux algorithmes d'apprentissage pour systçemes æous ne rçepondent pas ça nos contraintes. Nous avons donc conçcu un algorithme adaptçe ça notre problçeme : architecture ouverte èpas de limitation dans le type de fonctions pouvant^etre apprisesè et incrçementalitçe. Cet algorithme ne nçecessite pas de phase prçealable de transformation du systçeme æou en rçeseau de neurones. Il est basçe sur une manipulation directe des rçegles. En conclusion, les mçethodes de type potentiel ou logique æoue se heurtent ça une approche inadaptçee du problçeme. Il peut ^etre reformulçe de maniçere ça se baser sur une gçençeration de certitudes et non d'hypothçeses. Les objectifs de l'apprentissage automatique en contr^ole correspondent ça nos besoins en robotique. Mais de nombreux travaux restent ça accomplir dans ce domaine.

19 17 Chapitre 2 Le projet MITHRA Nous allons au cours de ce chapitre prçesenter les objectifs et les diæçerents problçemes attachçes ça la robotique mobile. Nous dçecrirons diæçerentes architectures existantes et plus particuliçerement celle utilisçee au LIFIA et dçeveloppçee dans le cadre du projet Europçeen Mithra Eureka : EU La robotique mobile autonome Les travaux en robotique ont pour but de concevoir et de construire des machines capables d'çevoluer et d'interagir avec un environnement physique de maniçere ça accomplir les diæçerentes t^aches pour lesquelles elles ont çetçe crçeçees. Dans le cadre de la robotique mobile, ces t^aches peuvent ^etre par exemple des t^aches de manutention èrobot de transport hospitalier FIRSTè, de surveillance èrobot Mithraè ou de nettoyage èquais du mçetro, h^otels :::è. La robotique mobile peut çegalement avoir un r^ole d'exploration et d'intervention en milieu hostile ça l'homme èexploration sous-marine, vçehicule plançetaireè. Un robot çevoluant dans un environnement rçeel est confrontçe ça de multiples problçemes. Citons : í le monde est vaste et dynamique. Contrairement ça un bras manipulateur æxe, un robot mobile est susceptible d'çevoluer dans un environnement vaste non contr^olçe èprçesence d'^etres humains :::è. Cela signiæe que les objets èobstaclesè peuvent se dçeplacer, appara^çtre ou dispara^çtre. L'ensemble des situations ne peut pas ^etre prçevu par avance. Le robot devra ^etre muni de capteurs lui permettant d'acquçerir des informations sur son environnement proche ècamçeras vidçeo, tçelçemçetres ultrasonique ou infrarouge, etc.è í le robot a une connaissance imparfaite de son propre fonctionnement. Un systçeme mobile automatique est un systçeme complexe pour lequel il n'existe en gçençeral pas de modçele æable. Le comportement du vçehicule est dçecrit la plupart du temps par un systçeme d'çequations diæçerentielles non linçeaires

20 18 Chapitre 2 : Le projet MITHRA ècontrainte de non holonomieè, dont les paramçetres varient en fonction, par exemple, du type de sol sur lequel le robot se dçeplace. De m^eme, les capteurs ultrasons rçeagissent diæçeremment en fonction de paramçetres tels que l'humiditçe de l'air, la tempçerature, la forme des objets rencontrçes et surtout leur constitution. De plus, il faut noter que cette interaction du robot avec son environnement est susceptible de se modiæer avec le temps èdçecalibration des capteurs due ça des vibrations :::è. Un robot mobile est donc un systçeme mçecanique, çelectronique et informatique comportant entre autre : í des eæecteurs èmoteursè, í des capteurs ètçelçemçetres, etcè. Parmi l'ensemble des robots mobiles existants, nous nous intçeresserons au cours de cette çetude ça une sous-famille appelçee les robots mobiles autonomes. Nous considçererons qu'un systçeme est autonome si : í il est capable d'accomplir les objectifs pour lesquels il a çetçe conçcu sans intervention humaine, í il est capable de choisir ses actions aæn d'accomplir ses objectifs. Le problçeme posçe est de dçeterminer ça chaque instant quelle commande doit ^etre envoyçee aux eæecteurs, connaissant d'une part le but ça accomplir et d'autre part les valeurs retournçees par les diæçerents capteurs. Il s'agit de dçeterminer les liens existants entre la perception et l'action connaissant les buts ça atteindre. Ces buts peuvent ^etre de haut niveau, tels que ënettoie la piçece", ësoit prçesent au point A ça 11 h" ou encore ëexplore l'environnement". Ils peuvent ^etre çegalement de niveau infçerieur, tels que ëva au point èx; yè" ou ësuit le mur M". Nous nous intçeresserons plus particuliçerement au cours de cette çetude au choix des actions permettant ça un robot d'atteindre un point de l'environnement spçeciæçe par ses coordonnçees, tout en çevitant les diæçerents obstacles prçesents. Historiquement, comme le rappellent Malcolm, Smithers et Hallam ë119ë, les premiçeres çetudes ont çetçe basçees sur le cycle classique en intelligence artiæcielle : perçcoit, pense, agit èvoir ægure 2.1è. La dçecomposition du problçeme en trois sous-problçemes a çetçe ça l'origine de nombreux travaux. Elle a çetçe aænçee mais çegalement contestçee èvoir ë29ë par exempleè. La prçesence de multiples modules attachçes chacun ça la rçesolution d'un sous-problçeme nçecessite la mise en place d'une organisation permettant la construction d'un systçeme complexe ça partir de ces briques çelçementaires. Cette organisation est appelçee architecture decontr^ole. Les nombreuses architectures de contr^ole proposçees ont fait l'objet de plusieurs classiæcations èë48ë par exempleè. Il faut noter que dans le cadre de problçemes

21 Architectures hiçerarchiques de contr^ole 19 Capteurs Percevoir Penser Agir Eæecteurs Fig. 2.1-:Cycle classique issu de l'intelligence artiæcielle complexes ètels que ceux auxquels nous nous intçeressonsè, les architectures utilisçees sont des architectures hiçerarchiques dont nous allons exposer les principales caractçeristiques. 2.2 Architectures hiçerarchiques de contr^ole Nous allons au cours de ce paragraphe dçecrire les principaux types d'architectures hiçerarchiques de contr^ole. Ces architectures ayant pour but de contr^oler un systçeme çevoluant dans un environnement rçeel et dynamique, les contraintes de temps de rçeponse apparaissent clairement dans la conception de la plupart. Cette classiæcation reprend celle proposçee par Schopper ë159ë. Il faut noter que les systçemes rçeels ne sont bien souvent pas basçes sur une seule catçegorie de hiçerarchie mais font appel ça plusieurs d'entre elles de maniçere ça exploiter les avantages respectifs. Hiçerarchies frçequentielles ë49, 130ë. La frçequence d'exçecution des modules dçecro^çt au fur et ça mesure que l'on monte dans la hiçerarchie. Traditionnellement, le niveau le plus bas èet donc le plus rapideè est chargçe ducontr^ole des moteurs. Le niveau le plus haut èet donc le plus lentè est chargçe de la planiæcation. Aæn d'çeviter tout problçeme d'instabilitçe, la diæçerence de frçequence entre chaque niveau doit ^etre importante èusuellement, la vitesse est divisçee par un facteur compris entre 3 et 10è. Ce principe sera illustrçe au paragraphe 2.3.

22 20 Chapitre 2 : Le projet MITHRA Hiçerarchie d'abstraction de donnçees èou fonctionnelleè ë40, 37ë. La hiçerarchie d'abstraction de donnçees utilise les m^emes concepts que la programmation orientçee objet èencapsulation :::è. Il s'agit de fournir un ensemble de modules ayant leurs compçetences propres. Chaque module n'a besoin de conna^çtre que la fonctionnalitçe et non le fonctionnement ou l'implçementation d'un autre module pour interagir avec lui. La communication entre les diæçerentes composantes peut ^etre rçealisçee par une structure client-serveur par exemple. Hiçerarchie d'abstraction de reprçesentations ë148, 71ë. La notion d'abstraction de donnçees est une notion frçequemment utilisçee en intelligence artiæcielle. Le principe est d'ignorer pour un niveau supçerieur, une partie des informations provenant d'un niveau infçerieur. On obtient ainsi au æl des niveaux une reprçesentation simpliæçee du problçeme que l'on peut alors rçesoudre plus rapidement. Hiçerarchie de rçesolution ë47, 38ë. Ces hiçerarchies mettent en çuvre un ensemble de modules de fonctionnalitçes identiques travaillant en parallçele sur diæçerents niveaux de reprçesentation d'une m^eme donnçee ècela peut ^etre un systçeme de planiæcation de chemins travaillant sur diæçerentes çechelles d'une carte reprçesentant un m^eme terrainè. Contrairement aux hiçerarchies d'abstraction de reprçesentations, le passage d'un niveau infçerieur ça un niveau supçerieur n'est pas obtenu en ignorant certaines donnçees mais en les combinant èpar un opçerateur de moyenne par exempleè. Hiçerarchie de compçetences ë27ë. Contrairement aux hiçerarchies prçesentçees prçecçedemment et que l'on peut qualiæer d'horizontales, lahiçerarchie de compçetences propose une dçecomposition verticale du contr^ole. Un comportement est dçeæni comme un ensemble de rçeponses observables gçençerçees par un systçeme face ça un ensemble de stimuli internes ou produits par l'environnement. Un niveau de compçetence est une spçeciæcation informelle d'une classe voulue de comportements pour un robot èçevitement de collisions, exploration de l'environnement :::è. Le premier niveau envoie des commandes au vçehicule. Les niveaux suivants inæuent sur le fonctionnement des niveaux infçerieurs. Nous avons dçeveloppçe au LIFIA dans le cadre du projet MITHRA un systçeme de contr^ole pour un robot mobile de surveillance. Ce systçeme nous a permis de rçealiser nos premiçeres expçeriences et de mettre en çevidence certains problçemes liçes ça la solution proposçee. L'çetude de ces problçemes a conduit ça la deuxiçeme partie de notre travail èla navigation rçeactiveè exposçee dans ce manuscrit. Nous allons maintenant revenir plus en dçetail sur ce systçeme.

23 Le systçeme MITHRA Le systçeme MITHRA Le projet EUREKA EU 110 : Mithra 110 çetait un projet de recherche Europçeen mençe en collaboration avec des partenaires de la rçegion alpine Françcaise, Italienne et Suisse. Ce projet s'est dçeroulçe entre 1988 et 1991 et a eu pour but la dçemonstration d'une famille de robots autonomes de surveillance et de premiçere intervention. L'architecture proposçee èvoir ægure 2.2è est basçee sur une coopçeration entre la perception et l'action. Elle fait appel ça une hiçerarchie de type frçequentielle mais aussi fonctionnelle. Elle se dçecompose en cinq couches ë50ë : Interface Homme-Machine Mission Superviseur Rçeseau d'emplacements Description du site Actions de Navigation Actions de Perception Contr^ole du Vçehicule Position Estimçee Modçelisation Modçele Local Commande des Moteurs Rçeæexes Description des Donnçees Sensorielles Moteurs Codeurs Tçelçemçetres Fig : L'architecture du systçeme Mithra í le contr^oleur des moteurs et la gestion des capteurs pour la couche de plus bas niveau,

24 22 Chapitre 2 : Le projet MITHRA í les procçedures de modçelisation de l'environnement et les procçedures de contr^ole du vçehicule, í les procçedures de perception et de navigation, í le superviseur èraisonnement symbolique pour la planiæcation et le contr^ole d'exçecutionè, í l'interface homme-machine. Cette architecture met en avant une collaboration entre des aptitudes de type algorithmique èles trois premiçeres couchesè et des connaissances de type heuristique èle superviseurè. L'interface homme-machine ainsi que le systçeme de raisonnement symbolique ont fait l'objet d'un travail de thçese ë36, 35ë. Nous allons plus particuliçerement nous intçeresser aux couches basses du systçeme Le contr^oleur de vçehicule Le systçeme robotique auquel nous nous sommes intçeressçes est constituçe d'une plate-forme munie de deux roues motrices indçependantes et de deux roues ëfolles" èvoir ægure 2.3è. Le mouvement de rotation de l'ensemble est obtenu en appliquant une vitesse de rotation diæçerente ça chacune des deux roues motrices. Un bras robotique nçecessite un contr^oleur de bras pour coordonner les diæçerents mouvements des moteurs aæn d'obtenir la trajectoire souhaitçee. De m^eme, la plate-forme que nous utilisons nçecessite un contr^oleur de mobilitçe aæn de coordonner les mouvements des deux roues et obtenir ainsi les trajectoires dçesirçees. Les ordres principaux acceptçes par le module sont les suivants : í Move èdistance, vitesse, accçelçerationè, í Turn èdistance, vitesse, accçelçerationè, í Stop, í GetEstPos, í SetEstPos èpositionè. Les deux derniçeres commandes ont pour but de lire ou de fournir une position estimçee du robot exprimçee dans un repçere absolu attachçe au site. Les trois premiçeres commandes permettent de contr^oler les dçeplacements linçeaires et angulaires en termes de distance, vitesse et accçelçeration. Les deux types de mouvements peuvent ^etre combinçes aæn d'obtenir des trajectoires complexes. Le proæl de vitesse utilisçe pour les ordres de translation et de rotation est le proæl classique en trapçeze reprçesentçe ægure 2.4.

25 Le systçeme MITHRA 23 Fig : Le robot mobile du LIFIA Vitesse Temps Fig : Proæl de vitesse pour un ordre detranslation ou de rotation.

26 24 Chapitre 2 : Le projet MITHRA Le robot doit se dçeplacer dans un univers dynamique non ma^çtrisçe. De maniçere ça pouvoir rçeagir immçediatement ça toute situation nouvelle, tout ordre en cours d'exçecution doit pouvoir instantançement^etre remplacçe par une nouvelle directive. A la rçeception de l'ordre, le trapçeze correspondant ça la situation courante et aux consignes fournies est dçeterminçe èexemple ægure 2.5è. On calcule ensuite la liste l =èd 1 ;:::;d n è associçee avec : d 1 =0 d i = distance devant ^etre parcourue au bout du temps i æ æ t d n = distance totale ça parcourir passçee en paramçetre de l'ordre reçcu Ces distances d i sont envoyçees rçeguliçerement tous les æ t çauncontr^oleur de bas niveau chargçe de les exçecuter. Cet envoi se poursuit jusqu'ça exçecution complçete de l'ordre associçe ou jusqu'ça rçeception d'un nouvel ordre, provoquant la gçençeration d'une nouvelle liste remplaçcant la liste courante. Vitesse courante Vitesse demandçee Vitesse Temps Fig : Rçeception d'un nouvel ordre. Le proæl est calculçe de maniçere ça ralentir le robot jusqu'ça la nouvelle vitesse commandçee puis de l'arr^eter ça la distance souhaitçee. Le schçema de principe du contr^oleur bas niveau est fourni ægure 2.6. Les contr^oleurs de rotation et de translation sont rçealisçes ça l'aide de deux PID chargçes d'asservir respectivement le cap du robot et la distance linçeaire parcourue. Ils sont indçependants et peuvent travailler simultançement, autorisant des mouvements combinçes de translations et de rotations. Les commandes fournies par ces deux modules sont combinçees et transformçees en dçeplacements æ rd et æ rg pour la roue droite et gauche respectivementça l'aide du gçençerateur de commandes moteurs : è ærg =æ l + ræ ç æ rd =æ l, ræ ç æ l et æ ç reprçesentent la commande reçcue en terme de dçeplacement linçeaire et angulaire. r reprçesente la distance sçeparant le centre de rotation du vçehicule des