Localisation et navigation de robots

Transcription

1 Localisation et navigation de robots UFR des Sciences, Département EEA M2 EEAII, parcours ViRob Chapitre 2 : Navigation F. Morbidi 2014/2015

2 2 Plan du cours Chapitre 1: Localisation 1.1 Introduction et défis 1.2 Odométrie 1.3 Filtrage et fusion de capteurs 1.4 Autres techniques de localisation Chapitre 2: Navigation 2.1 Stratégies de navigation 2.2 Architectures de contrôle 2.3 Navigation vers un but 2.4 Evitement d obstacles

3 3 Introduction Naviguer Etymologie : voyage sur l eau ou dans les airs Etendu à tout véhicule Sextant XVième et XVIième siècles Souvent associé à une idée de localisation Pourquoi? Naviguer = déterminer une route par Christophe Colomb points de passage: une trajectoire! Les points de passage sont à déterminer (localiser)

4 4 Introduction Navigation Beaucoup plus ancienne Dès l apparition d une forme de vie Définition générique Action de déplacement Possibilité d ajouter Un point de départ Un but Des contraintes ou règles D Courbure limitée B

5 5 Introduction Selon le standard IEEE : La navigation est le processus de guider un véhicule afin de parvenir à la destination Selon Levitt la navigation est définie par les trois questions suivantes*: 1. Où suis-je? 2. Où sont les autres endroits par rapport à moi? 3. Comment puis-je atteindre les autres endroits à partir d'ici? * Qualitative navigation for mobile robots", T.S. Levitt, D.T. Lawton, Artificial Intelligence, vol. 44, n. 3, pp , 1990

6 6 Plan du chapitre Stratégies de navigation Partie 1 Architectures de contrôle Partie 2 Navigation vers un but Partie 3 Evitement d obstacles Partie 4

7 Partie 1 : Stratégies de navigation 7

8 8 Les différents types de navigation Stratégies de navigation Diverses Leurs classifications aussi Classification hiérarchique de Trullier à 5 niveaux*: 1. Approche d un objet 2. Guidage 3. Action associée à un lieu 4. Navigation topologique 5. Navigation métrique * Biologically based artificial navigation systems: Review and prospects", O. Trullier, S.I. Wiener, A. Berthoz, J.-A. Meyer, Progress in Neurobiology, vol. 51, n. 5, pp , 1997 Animat : un organisme artificiel, soit un animal simulé ou un robot semblable à un animal

9 9 Stratégies de navigation 1. Approche d un objet Déplacement vers un objet perceptible BUT Technique de remontée de gradient ex : véhicules de Braitenberg* 2 capteurs de lumière Atteindre ou fuir la source lumineuse Actions réflexes Perception action Stratégie locale : fonctionne ssi le but est visible * Valentino Braitenberg ( ): scientifique italien expert en neurosciences et cybernétique

10 10 Stratégies de navigation 2. Guidage Atteindre un but non visible But caractérisé par des amers situés autour Technique de descente de gradient Diriger le robot dans la direction qui permet de reproduire cette configuration (comportement animal) Actions réflexes Stratégie locale Les amers caractérisant le but doivent être perceptibles A mobile robot employing insect strategies for navigation", D. Lambrinos, R. Möller, T. Labhart, R. Pfeifer, R. Wehner, Robot. Auton. Syst., vol. 30, n. 1, pp , 2000 The visual homing problem: an example of robotics/biology cross fertilization", P. Gaussier, C. Joulain, J.-P. Banquet, S. Leprêtre, A. Revel, Robot. Auton. Syst., vol. 30, n. 1, pp , 2000 Amer = landmark ou beacon en anglais

11 11 Stratégies de navigation 3. Action associée à un lieu Capacité de navigation globale Rejoindre un but Invisible Atteindre un but distant Amers voisins invisibles Représentation interne de l environnement Ensemble de lieux A un lieu correspond une action à effectuer Enchainement des actions = route Autonomie plus importante, mais chemin figé!

12 12 Stratégies de navigation Action associée à un lieu A Obstacles a a a a a Lieux mémorisés Zone inexplorée a D a a a a a Direction à prendre pour atteindre le lieu A Trajectoire suivie par le robot

13 13 Stratégies de navigation 4. Navigation topologique Extension de la précédente Ajout à la représentation interne Mémorisation des relations spatiales entre les lieux Déplacement d un lieu à l autre sans but fixé Modèle interne = graphe Calcul de chemins entre deux lieux Planification Choix (optimal) d un chemin Limites : lieux et chemins connus au préalable nœud arête

14 14 Stratégies de navigation Navigation topologique A Obstacles Lieux mémorisés Zone inexplorée Possibilité de passer d un lieu à l autre D Trajectoire suivie par le robot

15 15 Stratégies de navigation 5. Navigation métrique Capacité étendue de la précédente Planification de chemins dans des zones inexplorées Informations à connaître Possibilité de passage d un lieu à l autre Positions métriques relatives des différents lieux Trajectoire Composition de vecteurs : aller d un lieu à l autre La possibilité de déplacement n a pas à être forcément connue sous forme de lien

16 16 Stratégies de navigation Navigation métrique A Obstacles Lieux mémorisés Zone inexplorée y x D Possibilité de passer d un lieu à l autre Trajectoire suivie par le robot Possibilité de passer d un lieu à l autre déduite de leur position relative

17 17 Stratégies de navigation: résumé 3 premières catégories Actions réflexes Navigation réactive Avantages Simple et pas de modèle global de l environnement Inconvénient Applications souvent restreintes Comportement essentiel : problèmes avec obstacles imprévus Monde vivant : stratégies insectoïdes (ex. abeilles)

18 18 Stratégies de navigation: résumé 2 dernières catégories Navigation globale Atteindre un but arbitraire de l environnement Modèle interne du monde Supporte la planification Mémoire spatial indépendante d un but Navigation par carte Monde vivant Haut niveau : l Etre humain Instinct : le rat

19 19 Biologically based artificial navigation systems: Review and prospects" O. Trullier, S.I. Wiener, A. Berthoz, J.-A. Meyer, Progress in Neurobiology, vol. 51, n. 5, pp , * 2 3 Place recognition- triggered response 4 5 *Taxis = motion/orientation of an organism in response to an external stimulus

20 20 Stratégies de navigation Conclusion partielle Homme, animal, robot mobile Cartes presque indispensables Mais construire et utiliser ces cartes est complexe Robots Mélange réactivité et planification (très) court terme long terme

21 21

22 Partie 2 : Architectures de contrôle 22

23 23 Architectures de contrôle Robot mobile : système complexe et exigeant Arbitrage à faire Exécution précise du plan pour atteindre le but Gestion des événements imprévus Outils Capteurs Effecteurs Ressources Besoin d un ensemble logiciel gérant les outils pour organiser la perception, la décision et l action

24 24 Architectures de contrôle 1. Contrôleurs hiérarchiques Vient de l IA (premiers pas ) Modèle du monde quasi parfait Fonctionnement Modélisation de l environnement Planification des actions Exécution du plan Limites Environnement statique Boucle de décision trop grande Pas de contrôle sur les actions Perception Planification Action

25 25 Architectures de contrôle 2. Contrôleurs réactifs Ensemble de comportements réactifs en parallèle Évitement d obstacle Déplacement aléatoire Déplacement vers un but Fuite d un point. Pas de modèle du monde Perception Action Idée utilisée aussi en animation par ordinateur ( boids ) Flocks, herds and schools: A distributed behavioral model, C.W. Reynolds, ACM SIGGRAPH Computer Graphics, vol. 21, n. 4, pp , 1987

26 26 Architectures de contrôle 2. Contrôleurs réactifs Avantages Rapide/robuste en environnement dynamique et complexe Pas de problème de modélisation de l environnement Efficacité pour une tâche donnée Inconvénients Tâches limitées Pas de planification possible Guidage Choisir la bonne action à exécuter au bon moment Problème de sélection de l action «solution» : hiérarchie des comportements

27 27 Architectures de contrôle 3. Contrôleurs hybrides Solution intermédiaire moderne Deux niveaux Haut : localisation, cartographie et planification Bas : exécution et réactivité Avantages Réactions rapides Planification d actions Planification Perception Action

28 Partie 3 : Navigation vers un but 28

29 29 Navigation vers un but Stratégies de navigation réactive Architectures purement réactives Module bas niveau d architecture hybride Qu utilisent ces architectures? Valeurs de capteurs Courantes ou faible fenêtre temporelle Pas de modèle interne Décision de l action à effectuer

30 30 Partie 3 : Navigation vers un but 1. Véhicules de Braitenberg (Catégorie 1)

31 31 Véhicules de Braitenberg «Vehicles: Experiments in Synthetic Psychology» Valentino Braitenberg, MIT press, 1986 Couverture Page 87

32 32 Véhicules de Braitenberg Robots extrêmement simples peuvent évoluer par l'ajout de capteurs, d'actionneurs et de connexions simulant des réseaux de neurones Malgré leur simplicité, les 14 versions de robots présentées dans le livre ont des comportements complexes et autonomes comme l'agression, l'attirance, la fuite (peur), etc. Version 1 (1 capteur, 1 actionneur) Version 2 (2 capteurs, 2 actionneurs)

33 33 Véhicules de Braitenberg Comportement pour rejoindre un but visible Robot: o Plateforme différentielle à deux roues, commandables en vitesse m 1 m 2 c 1 c 2 o Deux capteurs de lumière à l avant, BUT Architecture interne Liens capteurs-moteurs: v mi = f i (c 1,c 2 ),i {1, 2} c 1 La fonction Atteindre le but Fuir le but f i définit le comportement m1 c 2 m 2

34 34 Véhicules de Braitenberg Atteindre le but Fuir v mi = λ c j,i= j, i, j {1, 2}, λ > 0 v mi = λ c i, i {1, 2}, λ > 0 Remontée/descente de gradient sur l intensité de lumière (arrêt?) Simple contrôleur proportionnel

35 35 Partie 3 : Navigation vers un but 2. Modèle de Cartwright et Collet (Catégorie 2)

36 36 Modèle de Cartwright et Collet Snapshot model: utilisé par les abeilles* Atteindre un but défini par des amers autour Capacités de perception Direction des amers Taille des amers Le robot mémorise le but par la configuration des amers vus depuis sa position «snapshot» y x * Landmark maps for honeybees" B. Cartwright, T. Collett, Biological Cybernetics, vol. 57, n. 1-2, pp , 1987

37 37 Modèle de Cartwright et Collet Amers vus depuis le but Amer 1 Amer 2 Rétine à 360 o de l abeille Amer 3

38 38 Modèle de Cartwright et Collet Appariement Amer 1 Position courante Amer 2 Amer 3

39 39 Modèle de Cartwright et Collet Prise d image des amers Appariement amers perçus/mémorisés fin oui But atteint? non Comparaison des configurations courantes et mémorisées des amers Calcul des vecteurs liant les deux Combinaison des vecteurs Direction pour rejoindre le but Déplacement de longueur fixée dans la direction

40 40 Modèle de Cartwright et Collet Conclusion sur ce modèle Modèle simple à descente de gradient sur la configuration des amers pour atteindre le but Mais Ne fonctionne pas dans tout l environnement Choix crucial de la configuration des amers (ambiguïtés sont possibles) Qualité primordiale de l appariement des amers Si erreur, le vecteur de direction sera faux Facilité par un estimé préalable de l orientation du robot

41 41 Partie 3 : Navigation vers un but 3. Asservissement

42 42 Asservissement Rappel (cours d automatique) Consigne Erreur Correcteur Commande Fonction de transfert du procédé Mesure + _ r* e C u P y (ex. position) Concevoir le correcteur C pour générer une commande u qui garantit: lim t y(t) =r Asservissement = servoing en anglais

43 43 Asservissement visuel Commande en boucle fermée avec capteur visuel* Contrôle en utilisant des infos visuelles Système monoculaire, stéréo, omnidirectionnel Objectifs Positionnement face à un objet Son suivi Sa saisie (bras-robot) Navigation vers un but * Visual Servo Control, Part I: Basic Approaches, F. Chaumette, S. Hutchinson, IEEE Robotics and Automation Magazine, vol. 13, n. 4, pp , 2006

44 44 Asservissement visuel 3D Position-based control r : attitude (posit. et orien.) de la caméra par rapport au but Tâche : atteindre une situation r* de référence Beaucoup de méthodes basées sur un modèle 3D (partiellement) connu Avantage Commande non spécifique au capteur Inconvénient Difficile d estimer précisément la pose (bon modèle de capteur, bon calibrage, etc.) Couplage avec localisation

45 45 Asservissement visuel 2D Image-based control Utilisation directe des info visuelles de l image s Ex. points, segments, plans, épipôles, etc. Tâche spécifiée directement dans l image Atteindre des indices visuels de référence s* Loi de commande Contrôle le mouvement de la caméra Objectif : annuler l erreur s(t) - s* Pas de reconstruction 3D ni d estimation de pose Plus simple et robuste!

46 46 Asservissement visuel 2D

47 47 Asservissement visuel 2D Minimisation de l erreur Par une décroissance exponentielle (par ex.): On a La commande (le vecteur vitesse J + s ṡ = e(t) =s(t) s ė(t) = λ e(t), λ > 0 d s dt = s u, s = d u dt = J sv v(t) = λ J + s (s(t) s ) J s valeur de référence (const.), J s = jacobien de l image ) est determinée où est a la pseudo-inverse de (en fait n est pas nécessairement une matric carrée) J s v

48 48 Asservissement visuel 2D Le gros du travail Obtention de la relation liant les infos visuelles au mouvement de la caméra Dérivée des infos sensorielles s par rapport à la commande du robot Matrice d interaction ou jacobien de l image Solution possible: approche hybride, asserv. visuel 2 ½ D 2 ½ D visual servoing", E. Malis, F. Chaumette, S. Boudet, IEEE Trans. Robotics and Automation, vol. 15, n. 2, pp , 1999

49 49 Robotics Toolbox pour Matlab P. Corke (Queensland University of Technology ) Toolbox téléchargeable à l adresse: Liste complète des fonctions du toolbox: TD 3 (27 Nov ) Création et déplacement d un robot mobile Simulation du filtre particulaire pour la localisation Filtre de Kalman étendu pour la navigation