Robotique Mobile - ENSTA ParisTech

Embed Size (px)

Citation preview

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    1/164

    David FILLIATEcole Nationale Suprieure de Techniques Avances

    Robotique Mobile

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    2/164

    2

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    3/164

    Cette cration est mise disposition selon le Contrat Paternit-Pas dUtilisation Commerciale-Partage des Conditions Initiales lIdentique 2.0 France disponible en ligne :

    http://creativecommons.org/licenses/by-nc-sa/2.0/fr/ou par courrier postal Creative Commons, 171 Second Street, Suite 300, San Francisco,

    California 94105, USA.

    Ce document volue rgulirement. Si vous avez des remarques ou des suggestions pourmaider le faire progresser, ou simplement si il vous a t utile, nhsitez pas mcrire :

    [email protected]

    http://creativecommons.org/licenses/by-nc-sa/2.0/fr/http://creativecommons.org/licenses/by-nc-sa/2.0/fr/
  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    4/164

    Robotique Mobile - [email protected] 4

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    5/164

    TABLE DES MATIRES

    Table des matires

    1 Introduction 91.1 Robot Mobile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91.2 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101.3 Aperu historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101.4 Exemples dapplications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

    I Les bases de la navigation 15

    2 Les diffrents types de navigation 192.1 Les stratgies de navigation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192.2 Les architectures de contrle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

    2.2.1 Contrleurs Hirarchiques . . . . . . . . . . . . . . . . . . . . . . . . . . 23

    2.2.2 Contrleurs ractifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242.2.3 Contrleurs hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242.2.4 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

    3 Les sources dinformation 273.1 Informations proprioceptives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273.2 Informations extroceptives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

    3.2.1 Variabilit perceptuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283.2.2 Perceptual aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283.2.3 Utilisation directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293.2.4 Utilisation dun modle mtrique . . . . . . . . . . . . . . . . . . . . . . . 30

    4 Matriels courants en robotique mobile 354.1 Les effecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

    4.1.1 Les plates-formes diffrentielles . . . . . . . . . . . . . . . . . . . . . . . 354.1.2 Les plates-formes omnidirectionnelles . . . . . . . . . . . . . . . . . . . . 374.1.3 Les plates-formes non holonomes . . . . . . . . . . . . . . . . . . . . . . 374.1.4 Les plates-formes pattes . . . . . . . . . . . . . . . . . . . . . . . . . . 38

    4.2 Les capteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384.2.1 Les capteurs proprioceptifs . . . . . . . . . . . . . . . . . . . . . . . . . . 384.2.2 Les tlmtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

    5 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    6/164

    TABLE DES MATIRES

    4.2.3 Les camras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

    4.2.4 Autres capteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

    4.3 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

    II Navigation ractive 51

    5 Navigation vers un but 55

    5.1 Vhicules de Braitenberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

    5.2 Modle de Cartwright et Collet . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

    5.3 Asservissement visuel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

    6 vitement dobstacles 596.1 Mthode des champs de potentiel . . . . . . . . . . . . . . . . . . . . . . . . . . 59

    6.2 Mthode Vector Field Histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

    6.3 Mthode de la fentre dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . 62

    7 Apprentissage par renforcement 65

    7.1 Formalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

    7.2 Programmation dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

    7.2.1 valuation dune politique . . . . . . . . . . . . . . . . . . . . . . . . . . 69

    7.2.2 Amlioration dune politique . . . . . . . . . . . . . . . . . . . . . . . . . 70

    7.2.3 Algorithmes dapprentissage . . . . . . . . . . . . . . . . . . . . . . . . . 707.3 Mthodes de Monte-Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

    7.3.1 valuation dun politique . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

    7.3.2 Besoin dexploration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

    7.3.3 Algorithmes dapprentissage . . . . . . . . . . . . . . . . . . . . . . . . . 72

    7.4 Apprentissage par diffrences temporelles . . . . . . . . . . . . . . . . . . . . . 72

    7.5 Traces dligibilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

    7.6 Application pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

    7.7 Exemple de mise en uvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

    7.8 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

    III Navigation utilisant une carte 79

    8 Localisation, Cartographie et Planification 83

    8.1 Les trois problmes de la navigation par carte . . . . . . . . . . . . . . . . . . . . 83

    8.2 Quelques hypothses de travail . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

    8.2.1 Estimation de la position et de la direction . . . . . . . . . . . . . . . . . . 84

    8.2.2 Environnements statiques et dynamiques . . . . . . . . . . . . . . . . . . 85

    Robotique Mobile - [email protected] 6

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    7/164

    TABLE DES MATIRES

    9 Les reprsentations de lenvironnement 879.1 Cartes topologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

    9.1.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 879.1.2 Avantages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 899.1.3 Inconvnients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 899.1.4 Implantation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

    9.2 Cartes mtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 939.2.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 939.2.2 Avantages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 939.2.3 Inconvnients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 949.2.4 Implantation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

    9.3 Fusion de capteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

    10 Localisation 9910.1 Diffrentes capacits de localisation . . . . . . . . . . . . . . . . . . . . . . . . . 9910.2 Estimation de la position par les perceptions . . . . . . . . . . . . . . . . . . . . 101

    10.2.1 Cartes topologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10110.2.2 Cartes mtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10210.2.3 Corrlation de cartes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10410.2.4 Limitations de lestimation de la position par les perceptions . . . . . . . . 1 0 6

    10.3 Suivi dune hypothse unique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10610.3.1 Cartes topologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10610.3.2 Cartes mtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

    10.3.3 Le filtrage de Kalman pour la localisation . . . . . . . . . . . . . . . . . . . 10810.3.4 Limitations du suivi de position . . . . . . . . . . . . . . . . . . . . . . . . 114

    10.4 Suivi de plusieurs hypothses . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11410.4.1 Suivi explicite de plusieurs hypothses . . . . . . . . . . . . . . . . . . . . 11510.4.2 Le filtrage Baysien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11710.4.3 Filtrage Baysien dans le cas discret . . . . . . . . . . . . . . . . . . . . . 12010.4.4 Filtrage particulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

    10.5 Comparaison des mthodes de localisation . . . . . . . . . . . . . . . . . . . . . 127

    11 Cartographie 129

    11.1 Les problmes de la cartographie . . . . . . . . . . . . . . . . . . . . . . . . . . 12911.1.1 Limitation des mthodes de localisation . . . . . . . . . . . . . . . . . . . 12911.1.2 Cartographie incrmentale et retour en arrire . . . . . . . . . . . . . . . . 131

    11.2 Cartographie incrmentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13111.2.1 Cartes Topologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13211.2.2 Cartes mtriques : corrlation de scan . . . . . . . . . . . . . . . . . . . . 13311.2.3 Cartes mtriques : grilles doccupation . . . . . . . . . . . . . . . . . . . . 13311.2.4 Stratgies dexploration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

    11.3 Retour sur les modifications passes . . . . . . . . . . . . . . . . . . . . . . . . 13811.3.1 Simultaneous Localization And Mapping (SLAM) . . . . . . . . . . . . . . 138

    7 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    8/164

    TABLE DES MATIRES

    11.3.2 Fast SLAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14211.4 Comparaison des mthodes de cartographie . . . . . . . . . . . . . . . . . . . . 143

    11.5 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14512 Planification 147

    12.1 Espace des configurations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14712.2 Discrtisation de lespace de recherche . . . . . . . . . . . . . . . . . . . . . . . 14712.3 Recherche de chemin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

    12.3.1 Deux types de plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14812.3.2 Calcul de politique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15112.3.3 Calcul dun chemin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

    12.4 Exemples de politiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15312.5 Choix de laction avec une position incertaine . . . . . . . . . . . . . . . . . . . . 153

    12.6 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

    Index 156

    Bibliographie 157

    Robotique Mobile - [email protected] 8

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    9/164

    CHAPITRE 1. INTRODUCTION

    Chapitre 1

    Introduction

    1.1 Robot Mobile

    Il existe diverses dfinitions du terme robot, mais elles tournent en gnral autour de celle-ci :

    Un robot est une machine quipe de capacits de perception, de dcision et daction qui luipermettent dagir de manire autonome dans son environnement en fonction de la perception

    quil en a.

    EnvironnementArchitecture de controle

    Perceptions

    Actions

    Dcisions

    Modle interne

    FIG . 1.1: Schma des interactions dun robot avec son environnement. Le modle interne delenvironnement est optionnel. Un robot peut fonctionner sans en utiliser.

    Cette dfinition sillustre par un schma classique des interactions dun robot avec son en-vironnement (Figure 1.1). Les diffrentes notions que nous prsenterons dans se cours sontessentiellement issues de cette vision de la robotique, donne par lIntelligence Artificielle, quiplace au centre des proccupations lenchanement de ce cycle Perception/Dcision/Action . Lamanire dont un robot gre ces diffrents lments est dfinie par son architecture de contrle,qui peut ventuellement faire appel un modle interne de lenvironnement pour lui permettraalors de planifier ses actions long terme.

    9 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    10/164

    1.2. OBJECTIFS DU COURS

    1.2 Objectifs du cours

    Lobjectif de ce cours est de fournir un aperu des problmes de la robotique mobile et dessolutions actuelles. Ce cours se veut proche de la recherche, en prsentant des mthodes appa-rues dans les dernires annes, mais prsente galement toutes les notions de base ncessaires leur comprhension, ainsi quun panorama de techniques classiques dont la porte va au delde leur application en robotique mobile. La lecture des nombreuses rfrences des articlesscientifiques nest videment pas utile pour la comprhension du cours, mais doit permettre dap-profondir des points particuliers hors de la porte de ce cours.

    La robotique mobile est un domaine dans lequel lexprience pratique est primordiale. Audel des mthodes prsente dans ce texte, le projet pratique associ que devront raliser lestudiants apportera galement son lot de connaissance irremplaables.

    Lapproche de la robotique prsente dans ce cours est essentiellement celle issue de lin-telligence artificielle. Dautres disciplines, telles que lautomatique, sont toutefois impliques etpeuvent prsenter un clairage diffrent, mais ne changent pas fondamentalement les problmesqui restent rsoudre.

    1.3 Aperu historique

    FIG . 1.2: La tortue de Grey Walter (nomme machina speculatrix et surnomme Elsie) et

    une illustration de sa trajectoire pour rejoindre sa niche.

    Le terme de robot apparat pour la premire fois dans une pice de Karel Capek en 1920 :Rossums Universal Robots. Il vient du tchque robota ( servitude) et prsente une vision desrobots comme serviteurs dociles et efficaces pour raliser les taches pnibles mais qui dj vontse rebeller contre leurs crateurs.

    La Tortue construite par Grey Walter dans les anne 1950 (Figure 1.2), est lun des toutpremiers robots mobiles autonomes. Grey Walter nutilise que quelques composants analogiques,dont des tubes vide, mais son robot est capable de se diriger vers une lumire qui marque unbut, de sarrter face des obstacles et de recharger ses batteries lorsquil arrive dans sa niche.

    Robotique Mobile - [email protected] 10

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    11/164

    CHAPITRE 1. INTRODUCTION

    Toutes ces fonctions sont ralises dans un environnement entirement prpar, mais restentdes fonctions de base qui sont toujours sujets de recherche pour les rendre de plus en plus

    gnriques.

    FIG . 1.3: A gauche : Robot "Beast" de luniversit John Hopkins dans les annes 1960. Adroite : Le robot Shakey de Stanford en 1969 a t une plate-forme de dmonstration desrecherches en intelligence artificielle.

    Dans les annes 60, les recherches en lectronique vont conduire, avec lapparition du tran-sistor, des robots plus complexes mais qui vont raliser des tches similaires. Ainsi le robot"Beast" (Figure 1.3) de luniversit John Hopkins est capable de se dplacer au centre des cou-loirs en utilisant des capteurs ultrason, de chercher des prises lectriques (noires sur des mursblanc) en utilisant des photo-diodes et de sy recharger.

    Les premier liens entre la recherche en intelligence artificielle et la robotique apparaissent Stanford en 1969 avec Shakey (Figure 1.3). Ce robot utilise des tlmtres ultrason et unecamra et sert de plate-forme pour la recherche en intelligence artificielle, qui lpoque travaille

    essentiellement sur des approches symboliques de la planification. La perception de lenviron-nement, qui lpoque est considre comme un problme spar, voire secondaire, se rvleparticulirement complexe et conduit l aussi de fortes contraintes sur lenvironnement. Cesdveloppements de poursuivent avec le Stanford Cart dans les annes 1980, avec notammentles premires utilisations de la stro-vision pour la dtection dobstacles et la modlisation delenvironnement.

    Une tape importante est signaler au dbut des annes 1990 avec lapparition de la robo-tique ractive, reprsente notamment par Rodney Brooks. Cette nouvelle approche de la robo-tique, qui met la perception au centre de la problmatique, a permis de passer de gros robotstrs lents de petits robots (Figure 1.5), beaucoup plus ractifs et adapts leur environnement.

    11 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    12/164

    1.4. EXEMPLES DAPPLICATIONS

    FIG . 1.4: Le Stanford Cart date des annes 1980.

    Ces robots nutilisent pas ou peu de modlisation du monde, problmatique qui sest avre treextrmement complexe.

    Ces dveloppements ont continu depuis et larrive sur le march depuis les annes 1990de plates-formes intgres a permis de trs nombreux laboratoires de travailler sur la robotiquemobile et conduit une explosion de la diversit des thmes de recherche. Ainsi, mme si lesproblmes de dplacement dans lespace restent difficiles et cruciaux, des laboratoires ont pu parexemple travailler sur des approches multi-robot, la problmatique de lapprentissage ou sur lesproblmes dinteractions entre les hommes et les robots.

    1.4 Exemples dapplications

    Aujourdhui, le march commercial de la robotique mobile est toujours relativement restreint,mais il existe de nombreuses perspectives de dveloppement qui en feront probablement undomaine important dans le futur. Les applications des robots peuvent se trouver dans de nom-breuses activits "ennuyeuses, salissantes ou dangereuses" (3 Ds en anglais pour Dull, Dirty,Dangerous), mais galement pour des applications ludiques ou de service, comme lassistanceaux personnes ges ou handicapes. Parmis les domaines concerns, citons :

    La robotique de service (hpital, bureaux) La robotique de loisir (aibo, robot compagnon) La robotique industrielle ou agricole (entrepts, rcolte de productions agricoles, mines) La robotique en environnement dangereux (spatial, industriel, militaire)

    Robotique Mobile - [email protected] 12

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    13/164

    CHAPITRE 1. INTRODUCTION

    FIG . 1.5: Genghis, dvelopp par Rodney Brooks au MIT au dbut des annes 1990.

    A cela, sajoute a lheure actuelle des nombreuses plates-formes conues essentiellementpour les laboratoires de recherche. La figure 1.6 montre quelques exemples de robot rels.

    13 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    14/164

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    15/164

    Premire partie

    Les bases de la navigation

    15 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    16/164

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    17/164

    Dans cette partie, nous prsentons les diffrents types de navigation quun robot mobile peutraliser, puis les informations que le robot pourra utiliser pour se dplacer. Enfin, nous prsentons

    les materiels courants utiliss en robotique.

    17 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    18/164

    Robotique Mobile - [email protected] 18

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    19/164

    CHAPITRE 2. LES DIFFRENTS TYPES DE NAVIGATION

    Chapitre 2

    Les diffrents types de navigation

    2.1 Les stratgies de navigation

    Les stratgies de navigation permettant un robot mobile de se dplacer pour rejoindre unbut sont extrmement diverses, de mme que les classifications qui peuvent en tre faites. Afinde situer ce type de navigation dans son contexte gnral, nous reprenons ici une classifica-tion tablie par Trullier et al. [103, 105], laquelle prsente lavantage de distinguer les stratgiessans modles internes et les stratgies avec modle interne. Cette classification comporte cinqcatgories, de la plus simple la plus complexe :

    Approche dun objet : cette capacit de base permet de se diriger vers un objet visible

    depuis la position courante du robot. Elle est en gnral ralise par une remonte degradient base sur la perception de lobjet, comme dans lexemple clbre des vhiculesde Valentino Braitenberg [14] (voir section 5.1) qui utilisent deux capteurs de lumire pouratteindre ou fuir une source lumineuse. Cette stratgie utilise des actions rflexes, danslesquelles chaque perception est directement associe une action. Cest une stratgielocale, cest--dire fonctionnelle uniquement dans la zone de lenvironnement pour laquellele but est visible.

    Guidage : cette capacit permet datteindre un but qui nest pas un objet matriel direc-tement visible, mais un point de lespace caractris par la configuration spatiale dun en-semble dobjets remarquables, ou amers, qui lentourent ou qui en sont voisins. La strat-

    gie de navigation, souvent une descente de gradient galement, consiste alors se diri-ger dans la direction qui permet de reproduire cette configuration. Cette capacit sembleutilise par certains insectes, comme les abeilles [20], et a t utilise sur divers robots[42, 65, 46] (voir section 5.2). Cette stratgie utilise galement des actions rflexes et ra-lise une navigation locale qui requiert que les amers caractrisant le but soient visibles.

    Action associe un lieu : cette capacit est la premire capacit ralisant une navigationglobale, cest--dire qui permette de rejoindre un but depuis des positions pour lesquellesce but ou les amers qui caractrisent son emplacement sont invisibles. Elle requiert unereprsentation interne de lenvironnement qui consiste dfinir des lieux comme des zonesde lespace dans lesquelles les perceptions restent similaires, et associer une action

    19 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    20/164

    2.1. LES STRATGIES DE NAVIGATION

    a

    D

    A

    a

    a a aa

    a

    aaaa

    Direction prendre pour atteindre le lieu A

    Trajectoire suivie par lanimat

    Obstacles

    Lieux mmoriss

    Zone inexplore

    FIG . 2.1: Action associe un lieu. En chaque lieu, reprsent par un cercle, laction accomplir pour rejoindre le but A est reprsente par une flche indiquant la direction suivre partir de ce lieu. Cette stratgie permet de rejoindre un but distant dans lenvironnementmais repose sur des chemins figs. Dans cet exemple, le chemin joignant le lieu D au lieuA et passant par la droite de lobstacle a t appris. Rejoindre le lieu A depuis le lieu D ne

    pourra alors tre ralis que par ce chemin. Le raccourci empruntant le chemin de gauche,par exemple, est inutilisable.

    effectuer chacun de ces lieux (cf. figure 2.1). Lenchanement des actions associes chacun des lieux reconnus dfinit une route qui permet de rejoindre le but. Ces modlespermettent donc une autonomie plus importante mais sont limits un but fix. Une routequi permet de rejoindre un but ne pourra en effet pas tre utilise pour rejoindre un butdiffrent. Changer de but entranera lapprentissage dune nouvelle route, indpendantedes routes permettant de rejoindre les autres buts.

    B

    D

    A

    Possibilit de passer dun lieu un autre

    Trajectoire suivie par lanimat

    Obstacles

    Lieux mmoriss

    Zone inexplore

    FIG . 2.2: Navigation topologique. Cette stratgie permet de mmoriser un ensemble delieux et les possibilits de passer de lun lautre, indpendamment de tout but. Pour rejoindre

    un but, il faut alors une tape de planification qui permet de rechercher, parmi tout les cheminspossibles, le chemin rejoignant le but. Dans notre exemple, le chemin le plus court entre D etA peut alors tre calcul, mais uniquement parmi les lieux et les chemins dj connus. Cettestratgie permet, par exemple, de contourner lobstacle par la gauche mais ne permet pas dele traverser en ligne droite de D A.

    Navigation topologique : cette capacit est une extension de la prcdente qui mmo-rise dans le modle interne les relations spatiales entre les diffrents lieux. Ces relationsindiquent la possibilit de se dplacer dun lieu un autre, mais ne sont plus associes un but particulier. Ainsi le modle interne est un graphe qui permet de calculer diffrents

    Robotique Mobile - [email protected] 20

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    21/164

    CHAPITRE 2. LES DIFFRENTS TYPES DE NAVIGATION

    chemins entre deux lieux arbitraires. Ce modle ne permet toutefois que la planification dedplacements parmi les lieux connus et suivant les chemins connus (cf. figure 2.2).

    B

    D

    A

    Trajectoire suivie par lanimat

    Possibilit de passer dun lieu un autre

    dduite de leur position relative

    x

    y

    Obstacles

    Lieux mmoriss

    Possibilit de passer dun lieu un autre

    Zone inexplore

    FIG . 2.3: Navigation mtrique. Cette stratgie permet de calculer le chemin le plus court

    entre deux lieux mmoriss, permettant mme de planifier des raccourcis au sein de zonesinexplores de lenvironnement. Pour cela, la carte mmorise la position mtrique relative dechacun des lieux visits par le robot. Ainsi il est possible de prvoir un dplacement entredeux lieux, mme si la possibilit de ce dplacement nest pas enregistre dans la carte.Dans cet exemple, cette stratgie permet de daller du lieu A au lieu D en traversant la zoneinexplore.

    Navigation mtrique : cette capacit est une extension de la prcdente car elle permetau robot de planifier des chemins au sein de zones inexplores de son environnement.Elle mmorise pour cela les positions mtriques relatives des diffrents lieux, en plus de

    la possibilit de passer de lun lautre. Ces positions relatives permettent, par simplecomposition de vecteurs, de calculer une trajectoire allant dun lieu un autre, mme si lapossibilit de ce dplacement na pas t mmorise sous forme dun lien (cf. figure 2.3).

    Les modles des trois premires catgories utilisent des actions rflexes pour guider le robotet se diffrencient essentiellement par le type de perceptions utilises pour dclencher ces ac-tions. Ils se regroupent sous le terme gnrique de navigation ractive dont nous parlerons dansla partie II. Ils peuvent tre trs simple, ne ncessitent pas de modle global de lenvironnementmais ont un domaine dapplication souvent restreint. Dans le monde vivant, ces stratgies sonttrs rpandues, notamment chez les insectes. Les comportements de ce type restent toutefois

    essentiels dans les robots modernes car, du fait de leur simplicit, il sont gnralement excutstrs rapidement et ils permettent de raliser des taches de bas-niveau, comme lvitement desobstacles imprvus, essentielles la scurit dun robot.

    Les modles des deux dernires catgories autorisent pour leur part une navigation globaleet permettent de rejoindre un but arbitraire au sein de lenvironnement. Ils sappuient pour celasur un modle interne du monde, une carte, qui supporte une planification. Ce modle internemmorise donc la structure spatiale de lenvironnement, indpendamment dun but prcis. Cha-cune des positions mmorises dans ce modle interne peut alors tre utilise comme but parle processus de planification dont le rle est de calculer une route vers ce but. Ce sont ces deuxstratgies qui sont regroupes sous le terme de navigation par carte, objet du chapitre III .

    21 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    22/164

    2.2. LES ARCHITECTURES DE CONTRLE

    Une telle reprsentation interne est naturelle pour les tres humains, pour lesquels des pro-cessus cognitifs de haut niveau sont utiliss pour crer et utiliser une carte. Ces processus de

    haut niveau sont toutefois trs difficile copier pour un robot rel qui ne dispose que de systmesrudimentaires de perception et de traitement des informations en comparaison avec un homme.Par exemple, en environnement urbain, le processus de mise en correspondance de la carte aveclenvironnement rel afin de dterminer sa position fait souvent appel, pour lhomme, la lecturedu nom des rues inscrit sur les btiments, ce qui est relativement difficile automatiser, causede la diversit des configurations dans lesquelles peuvent ce trouver ces noms. On notera aupassage que lhomme a quasiment toujours recours des amnagements particuliers de len-vironnement, par exemple celui qui consiste nommer les rues, pour faciliter les processus denavigation. Le systme de navigation idal pour un robot mobile sera probablement celui qui seracapable de tirer partie de toutes ces informations, qui ne lui sont a priori pas destines.

    Lutilisation de cartes par un robot mobile comme le font les hommes est probablement hors denotre porte pendant quelques annes, cependant il existe galement des preuves de lexistencede reprsentations internes similaires de telles cartes chez les animaux, par exemple chez lesrats. Ces reprsentations sont identifiables au niveau neurologiques dans certaines parties deleur cerveau, notamment dans lhippocampe. Cela montre que des cartes sont utilise par destres vivants, sans le support de concept abstraits tels que les utilisent les humains. Ce type decarte qui fait appel des structures neurologiques de base et probablement des perceptionsrelativement simples, est un paradigme intressant pour les robots mobiles.

    En robotique mobile, comme pour lhomme ou certains animaux, lutilisation de cartes estquasiment indispensable pour permettre deffectuer des tches de navigation dans des condi-tions environnementales complexes, qui ne sont pas spcialement adaptes pour le robot. La

    construction et lutilisation de telles cartes posent cependant de nombreux problmes, notam-ment pour garantir ladquation entre la carte et le monde rel. Pour cette raison, la plupart desrobots trouvent aujourdhui un compromis entre une approche ractive et une approche utilisantune carte afin de bnficier de la rapidit et de la robustesse de la premire et de la capacit dedplacement long terme de la seconde.

    2.2 Les architectures de contrle

    Un robot est un systme complexe qui doit satisfaire des exigences varies et parfois contra-

    dictoires. Un exemple typique pour un robot mobile est larbitrage qui doit tre fait entre lexcutionla plus prcise possible dun plan prtabli pour atteindre un but et la prise en compte dlmentsimprvus, tels que les obstacles mobiles. Ces arbitrages, que ce soit au niveau de lutilisation descapteurs, des effecteurs ou des ressources de calcul, sont rgls par un ensemble logiciel appelarchitecture de contrle du robot. Cette architecture permet donc dorganiser les relations entreles trois grandes fonctions que sont la perception, la dcision et laction .

    Nous pouvons reprendre la dfinition de Ronald Arkin [2] de lart de concevoir de telles archi-tectures :

    Robotic architecture is the discipline devoted to the design of highly specific and individual robots

    Robotique Mobile - [email protected] 22

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    23/164

    CHAPITRE 2. LES DIFFRENTS TYPES DE NAVIGATION

    from a collection of common software building blocks.

    Bien que dans cette dfinition une architecture soit conue pour un robot prcis, ces archi-tectures peuvent nanmoins tre classes en trois grandes catgories que nous dtaillerons parla suite : les contrleurs hirarchiques, les contrleurs ractifs et les contrleurs hybrides (Fi-gure 2.4). Comme le prcise cette dfinition, par contre, toutes ces architectures ne diffrent pasforcement par les mthodes lmentaires employes mais plutot par leur agencement et leurrelations.

    A B C

    PERCEPTION

    PLANIFICATION

    ACTION

    PERCEPTION ACTION

    PLANIFICATION

    PERCEPTION ACTION

    FIG . 2.4: Illustration des architectures classiques des contrleurs pour les robots mobiles :Hirarchique (A), Ractive (B) et Hybride (C) (Voir le texte pour les dtails).

    2.2.1 Contrleurs Hirarchiques

    Historiquement, les premiers robots mobiles drivs des recherches en intelligence artificielleutilisaient des contrleurs hirarchiques(cf. figure 2.4) dont le fonctionnement repose essentielle-ment sur la capacit de dcision travaillant sur un modle du monde suppos quasiment-parfait.Ces architectures fonctionnent selon un cycle rigide de modlisation de lenvironnement, planifi-cation des actions au sein de cette reprsentation, puis excution du plan. La capacit de dcisiontait issue des premiers travaux en intelligence artificielle et reposait essentiellement sur des trai-tements de donnes symboliques. Ces architectures ont rapidement montr leurs limites et leurincapacit fonctionner dans un environnement qui ne soit pas statique et simplifi lextrme.

    Lessentiel des problmes de ces architectures provient de lutilisation dun modle internecentral qui est le seul pris en compte pour guider le robot. Elles se trouvent confrontes tout lesproblmes des premiers dveloppements de lintelligence artificielle symbolique.

    Ces architectures supposent premirement quun modle informatique du monde puisse re-prsenter toutes les informations pertinentes pour le dplacement du robot. Or un tel modle nepeut tre suffisant dans un environnement dynamique car au moment de la ralisation de lac-tion lenvironnement peut avoir suffisamment chang pour que la dcision ne soit plus valide. Ceproblme tait particulirement crucial au dbut de la robotique mobile ou les capacits de calcullimites entranaient des temps de planification de lordre de plusieurs dizaines de minutes. Maislaugmentation des capacits de calcul ne suffit pas rsoudre ce problme qui ne permet pas

    23 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    24/164

    2.2. LES ARCHITECTURES DE CONTRLE

    de grer un environnement de travail raliste. Cest un problme intrinsque li dune part latrop grande longueur de la boucle qui relie la perception laction et dautre part linvalidit de

    lhypothse de monde clos faite en intelligence artificielle1

    .De plus, ces architectures permettent peu de contrle sur lexcution des actions. En effet,une fois laction choisie, elle est excute en supposant le modle du monde correct et il ny a pasde retour direct de la perception sur lexcution de laction. Les carts modles/environnement nepeuvent tre pris en compte que via un nouveau cycle perception/modlisation/planification, cequi, par dfinition, est trs peu ractif et conduit rapidement de graves problmes.

    2.2.2 Contrleurs ractifs

    Rodney Brooks [15] a propos une solution radicale tout ces problmes sous la forme

    dune architecture ractive. Dans cette architecture, un ensemble de comportements ractifs,fonctionnant en parallle, contrle le robot sans utiliser de modle du monde. Cette architecturesupprime videmment les problmes ds aux diffrences entre la ralit, dune part, et le modlede lenvironnement du robot, dautre part, mais limite clairement les tches que peut effectuer lerobot (cf. [57] pour une critique). En effet, sans reprsentation interne de ltat de lenvironnement,il est trs difficile de planifier une suite dactions en fonction dun but atteindre. Les robotsutilisant cette architecture sont donc en gnral efficaces pour la tche prcise pour laquelle ilsont t conus, dans lenvironnement pour lequel ils ont t prvus, mais sont souvent difficiles adapter une tche diffrente.

    Les russites de ces architectures sont lies au couplage direct entre la perception et lactionqui permet une prise en compte trs rapide des phnomnes dynamiques de lenvironnement.En donc une bonne robustesse dans des environnements complexes.

    Comme nous lavons mentionn, ces architectures sont en gnral bases sur plusieurs com-portements : vitement dobstacles, dplacement alatoire, dplacement vers un but, fuite dunpoint... Pour guider le robot, il faut donc choisir chaque instant lequel de ces comportementsactiver. Ce problme est connu dans la litrature scientifique sous le nom de slection de lac-tion. La solution propose par Brooks, larchitecture de subsomptionest devenue un classique etutilise une hirarchie des comportements qui se dclenchent donc selon un ordre de priorit enfonction des perceptions du robot.

    2.2.3 Contrleurs hybridesLa plupart des contrleurs actuellement utiliss choisissent une solution intermdiaire entre

    ces deux approches sous la forme dune architecture hybride[78, 1]. Cette architecture se com-pose de deux niveaux. Le premier est charg des tches de navigation de haut niveau, tellesque la localisation, la cartographie et la planification. Pour cela, il sappuie sur un second niveauractif qui est charg dexcuter les commandes avec le plus de prcision possible et de grer

    1Lhypothse de monde clos dit que la reprsentation symbolique dun problme va tre suffisante pour pouvoirreprsenter toutes les consquences des actions ralises dans ce monde. Cela savre impossible en pratique pourdes problmes autre que des problmes jouets (par exemple un monde de cubes poss sur une table).

    Robotique Mobile - [email protected] 24

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    25/164

    CHAPITRE 2. LES DIFFRENTS TYPES DE NAVIGATION

    les lments non modliss de lenvironnement tels que les obstacles inconnus ou dynamiques.Laction conjointe de ces deux niveaux permet de ragir rapidement face aux variations imprvues

    de lenvironnement, tout en permettant la ralisation dactions planifies plus long terme.Le bas niveau de ces architectures peut tre ralis sous forme de comportements, tels queceux utiliss dans les architectures ractives. Ces comportements sont des boucles sensorimo-trices qui relient les action aux perceptions avec un phase de dcision trs courte, qui assure laractivit. Dans le mme temps, les informations sensorielles sont utilises par le haut niveaudans une boucle sensorimotrice une chelle de temps beaucoup plus longue. Cest la mise enparallles de ces deux chelles de temps qui fait la force de ces architectures.

    Les exemples darchitectures hybrides foisonnent actuellement (4D/RCS, 3T, Harpic...) car laplupart des gros laboratoires ont dvelopp leur architecture de ce type.

    2.2.4 Pour aller plus loinDeux livres intressants sur le sujet :

    Introduction to AI Robotics de Robin Murphy, MIT Press Behavior based robotics de Ronald C. Arkin, MIT Press

    25 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    26/164

    2.2. LES ARCHITECTURES DE CONTRLE

    Robotique Mobile - [email protected] 26

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    27/164

    CHAPITRE 3. LES SOURCES DINFORMATION

    Chapitre 3

    Les sources dinformation

    La navigation repose sur deux types gnraux dinformations diffrentes : les informationsproprioceptives et les informations extroceptives.

    Les informationsproprioceptivessont des informations internes au robot qui le renseignent,dans le cas de la navigation, sur son dplacement dans lespace. Ces informations peuventprovenir de la mesure de la rotation de ses roues ou de la mesure de lacclration grce une centrale inertielle. Un processus dintgration permet alors, en accumulant ces in-formations au cours du temps, destimer la position relative de deux points par lesquels lerobot est pass.

    Les informationsextroceptivesou plus simplement les perceptions, sont des informationscaractristiques dune position que le robot peut acqurir dans son environnement. Ces

    informations peuvent tre de nature trs varie. Par exemple, un robot peut mesurer ladistance des obstacles avec des capteurs infrarouges ou utiliser une camra.

    Ces deux sources dinformation ont des proprits opposes que nous allons dtailler dansles deux sections suivantes.

    3.1 Informations proprioceptives

    Les informations proprioceptives renseignent sur le dplacementdu robot dans lespace. Ellesconstituent donc une source dinformation trs importante pour la navigation. Cependant, la qua-

    lit de cette information se dgrade continuellement au cours du temps, la rendant inutilisablecomme seule rfrence long terme. Cette dgradation continuelle provient de lintgration tem-porelle des mesures effectues par les capteurs internes. En effet, chaque capteur produit unemesure bruite de la vitesse ou de lacclration du robot. Ce bruit, via le processus dintgrationqui a pour but destimer le dplacement, conduit invitablement une erreur croissante.

    Malgr ce dfaut important, les informations proprioceptives ont lavantage de dpendre assezpeu des conditions environnementales qui perturbent fortement les informations perceptives. Lavision, par exemple sera fortement perturbe si lenvironnement est plong dans le noir, mais lesinformations proprioceptives fourniront une information identique, que lenvironnement soit clairou non. De plus, comme nous le verrons dans la section suivante, si deux lieux identiques se

    27 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    28/164

    3.2. INFORMATIONS EXTROCEPTIVES

    trouvent dans lenvironnement, les informations perceptives ne permettent pas de les diffrencier.Les informations proprioceptives sont alors le seul moyen de les distinguer.

    En robotique, cette information a de plus lavantage de la simplicit de manipulation. En ef-fet, le processus dintgration fournit directement une estimation de la position du robot dans unespace euclidien dot dun repre cartsien. Dans ce type de repre, tous les outils de la gom-trie mathmatique sont utilisables. Ils permettent, par exemple, deffectuer des calculs de cheminrelativement simples lorsque lon connat la position du but et des obstacles.

    3.2 Informations extroceptives

    Les informations extroceptives, ou plus simplement les perceptions , fournissent un lienbeaucoup plus fort entre le robot et son environnement. En effet, les informations propriocep-

    tives fournissent des informations sur le dplacement du robot, alors que les informations percep-tives fournissent des informations directement sur la positiondu robot dans lenvironnement. Cesinformations assurent un ancrage dans lenvironnement, en permettant de choisir des percep-tions qui peuvent tre utilises comme points de repre. Ces points de repre sont indpendantsdes dplacements du robot et pourront tre reconnus quelle que soit lerreur accumule par lesdonnes proprioceptives. La reconnaissance de ces points est videmment soumise une in-certitude, mais pas une erreur cumulative, ce qui les rend utilisables comme rfrence longterme.

    3.2.1 Variabilit perceptuelle

    Pour tre utile, un systme de perception doit donc permettre de distinguer le plus de lieuxpossible. Pour cela, il doit tre capable de distinguer le plus de dtails possibles, afin de faire ladiffrence entre deux lieux diffrents mais dapparences similaires. Or laugmentation de cettecapacit distinguer de petites variations dans lenvironnement rend le systme sensible auproblme de la variabilit perceptuelle , cest dire au changement de perception au cours dutemps pour un lieu donn. Cette variabilit peut tre due au bruit inhrent au processus de mesureo des variations de lenvironnement non significatives pour le problme de navigation qui nousconcerne, par exemple le changement de luminosit. Pour saffranchir de ce problme, il faut engnral mettre en place des processus de traitement des perceptions qui permettront de ne pas

    dpendre de ces variations et de correctement identifier un lieu donn.

    3.2.2 Perceptual aliasing

    En cherchant limiter la dpendance aux variations de lenvironnement, le concepteur derobot aboutit en gnral au problme du perceptual aliasing. Ce problme dsigne lincapacitdun systme de perception distinguer de manire unique tous les lieux dun environnement.Cette situation est trs courante lorsque les robots utilisent des capteurs de distance aux obs-tacles tels que les capteurs ultrasons. Dans un environnement intrieur de tels capteurs sont,par exemple, capables de mesurer la position du robot par rapport un coin, mais ne fournissent

    Robotique Mobile - [email protected] 28

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    29/164

    CHAPITRE 3. LES SOURCES DINFORMATION

    aucune information sur la position le long dun couloir rectiligne. Toutes les positions le long duncouloir correspondent alors des perceptions identiques.

    Deux solutions peuvent tre apportes ce problme. La premire est dutiliser des capteursqui fournissent des donnes plus prcises ou plus discriminantes. Dans le cas des capteursde distance, il est, par exemple, possible dutiliser un tlmtre laser qui pourra distinguer lesrenfoncements des portes et sera ainsi plus prcis. Il est aussi possible dutiliser une camra,qui sera sensible la couleur des murs, en plus de leur forme, et pourra ainsi discriminer entrediffrentes positions dans un couloir. Toutefois, il est trs difficile de garantir a priori que toutesles positions dun environnement seront reconnues de manire unique. Cette solution ne permetdonc pas, en gnral, de rgler compltement le problme du perceptual aliasing, mais seulementden repousser lapparition.

    La seconde solution est dutiliser des informations proprioceptives afin de distinguer deuxpositions physiquement diffrentes mais similaires pour le systme perceptif. Ainsi deux lieux,dont la position relative mesure par les donnes proprioceptives est non nulle, ne seront pasconfondus. Cette solution est celle qui est mise en uvre dans la majorit des systmes de navi-gation, car elle permet dutiliser les deux sources dinformations en limitant les dfauts inhrents chacune. Ainsi la dgradation progressive des informations proprioceptives est compense par lareconnaissance de positions de lenvironnement grce aux perceptions. Inversement, le problmede perceptual aliasing est rgl par lutilisation des donnes proprioceptives.

    Comme nous le verrons dans ce cours, il existe de nombreuses mthodes pour utiliser conjoin-tement les deux sources dinformations. Ces mthodes diffrent par leur capacit utiliser demanire plus ou moins efficace les avantages des deux types dinformations. Dune manire g-

    nrale, la qualit dun systme de navigation dpend fortement de cette capacit.

    3.2.3 Utilisation directe

    Les capteurs sur un robot mobile peuvent tre de nature trs varie et tre utiliss de nom-breuses faons diffrentes. Il est toutefois possible de distinguer deux utilisations distinctes deleurs donnes pour la navigation. Ces deux utilisations dpendent de lutilisation ou non dun mo-dle mtrique associ au capteur, modle qui permet de traduire les valeurs brutes du capteuren informations sur la gomtrie de lenvironnement. Ce modle permet notamment de prvoir lavariation des mesures renvoyes par ce capteur en fonction du dplacement du robot.

    Les perceptions peuvent tre utilises de manire directe, sans aucun modle mtrique. Cetteutilisation permet simplement de reconnatre une position qui a dj t visite en examinant lesperceptions recueillies en ce lieu. Cette mthode ne permet cependant que de reconnatre deslieux de lenvironnement pralablement explors par le robot. Sans modle de la variation descapteurs, il est en effet impossible de prvoir les valeurs que les capteurs relveront dans un lieuinexplor, mme sil est proche ou entour de lieux connus.

    Pour une telle utilisation directe, seules deux procdures permettant, dune part, de mmori-ser une perception et, dautre part, de comparer deux perceptions, sont alors ncessaires. Cesprocdures peuvent tre mises en uvre partir de tous les types de capteurs existants. Ilest, par exemple, possible dutiliser la couleur dominante de lenvironnement autour du robot, la

    29 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    30/164

    3.2. INFORMATIONS EXTROCEPTIVES

    temprature (en supposant quelle caractrise une zone de lenvironnement, comme pour unechambre froide) ou le temps de retour dune onde sonore quand elle est envoye dans une di-

    rection donne. La seule proprit utilise est la constance des valeurs mesures par un capteurpour un lieu donn. Cette constance permet de reconnatre un lieu dj visit ou didentifier unlieu nouveau dans lenvironnement.

    3.2.4 Utilisation dun modle mtrique

    La seconde mthode dutilisation dun capteur consiste utiliser un modle mtrique associ. Un tel modle permet de traduire les informations donnes par le capteur dans un espacemtrique qui est en gnral le mme que celui utilis pour estimer la position du robot grce lodomtrie. Il est ainsi possible destimer la position dobjets de lenvironnement par rapport aurobot, et ainsi de prvoir les donnes que ce capteur relvera pour des positions diffrentes durobot. Lutilisation dun tel modle nest toutefois possible que pour certains capteurs. Il est, parexemple, possible dutiliser un tel modle associ un capteur ultrasons, un tlmtre laserou une paire de camras stroscopique, mais pas un capteur dodeur.

    a b

    FIG . 3.1: Un modle mtrique pour un capteur permet deux utilisations de ses donnes. Lapremire est similaire celle qui traite de telles donnes sans modle mtrique et requiert lasimple mmorisation de ce qui est peru en un lieu donn (Partie a). La seconde utilise cesdonnes pour reconstituer les objets rencontrs dans lenvironnement, objets qui pourronttous tre mmoriss dans un cadre de rfrence commun, indpendamment de la positiondepuis laquelle ils ont t perus (Partieb).

    Avec un tel modle, les valeurs des capteurs peuvent tre utilises simplement pour carac-triser chaque lieu atteint par le robot (cf. figure 3.1a). La mthode est alors la mme que cellemise en place quand les capteurs sont utiliss sans modle mtrique. Lutilisation dun modlemtrique prsente toutefois lavantage que les informations recueillies ont une smantique plusforte. En effet, ces informations caractrisent la structure spatiale locale de lenvironnement, enplus de la simple apparence de lenvironnement depuis la position du robot. Cette structure spa-tiale peut alors tre utilise lors de la comparaison de diffrents lieux. Il est par exemple possiblede reconnatre un couloir en fonction de sa largeur, indpendamment de la position du robot dansce couloir. En effet, sans utilisation de modles mtriques, deux perceptions recueillies en des

    Robotique Mobile - [email protected] 30

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    31/164

    CHAPITRE 3. LES SOURCES DINFORMATION

    positions diffrentes du couloir seront simplement diffrentes. En utilisant un modle mtrique,il est possible de calculer la largeur du couloir, par exemple, partir des donnes recueillies et

    ainsi de dterminer si ces deux positions peuvent correspondre au mme couloir.

    y

    x

    a b c

    A1

    I1

    A2

    A3 ?

    I2

    A3 ?

    A3

    I1A1 A2

    I2

    ?

    ?

    Environnement

    Odomtrie

    Modle mtrique

    Pas de modle mtrique

    Odomtrie

    Mmorisation directe

    Modle mtrique

    Cadre de rfrence commun

    FIG . 3.2: Un modle mtrique des perceptions permettent dinfrer les valeurs qui devraienttre perues pour des positions encore non visites. Dans cet exemple, les donnesA1 etA2

    sont perues en deux positions relies par des donnes proprioceptivesI1 (partiea). Lutilisa-tion dun modle mtrique permet de fusionner ces informations dans un cadre de rfrencecommun o des objets sont reprsents, ici deux murs orthogonaux (partieb, haut). Sans mo-dle mtrique, ces donnes peuvent seulement tre mmorises de manire spare (partieb, bas). Dans le cas de lutilisation dun modle mtrique, les donnes peuvent ensuite treutilises pour estimer la perceptionA3 pour une nouvelle position relie la prcdente parles donnes proprioceptives I2. Ici, le modle permet dinfrer que les donnes A3 corres-pondent un coin de murs (partiec, haut). Sans un tel modle, seules les positions visitespeuvent tre reconnues, et aucune infrence ne peut tre faite pour les positions non visites(partiec, bas).

    Cependant, grce un modle mtrique, les perceptions peuvent tre utilises de manirediffrente. En effet, dans lutilisation prcdente, sans modle mtrique, elles sont utilises pourcaractriser lapparence de lenvironnement depuis un lieu. Cette caractrisation ne permet pasdidentifier individuellement des objets distants du robot qui pourraient servir de points de repres,les amers. Lutilisation dun modle mtrique permet lidentification de tels points (cf. figure 3.1b).La perception de ces amers permet alors, en retour, dobtenir des informations sur la positiondu robot. Cette utilisation des perceptions offre lavantage supplmentaire de permettre au robotdinfrer les valeurs que mesureront les capteurs dans des positions diffrentes, mais voisines desa position courante (cf. figure 3.2). Par exemple, si un robot peroit un mur cinq mtres devantlui, il peut prdire quen avanant dun mtre, il percevra le mur quatre mtres. Un autre moyen

    31 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    32/164

    3.2. INFORMATIONS EXTROCEPTIVES

    de prsenter cette proprit est de dire que les perceptions seules permettent destimer la positionmtrique relative de deux lieux (cf. figure 3.3). Ainsi, si un robot peroit deux fois un mur devant

    lui, dabord cinq mtres puis quatre mtres, il pourra en dduire quil a avanc dun mtre.Cette proprit permet au robot destimer sa position avec prcision sur une part plus importantede son environnement et ne limite plus la localisation aux lieux dj visits. Cet avantage est uneconsquence directe de la fusion des informations proprioceptives et des perceptions au seindune mme reprsentation, qui permet le passage dun type dinformation lautre.

    A1

    A2

    I1 = 0

    A1 A2I1?

    A2

    A1

    ba c

    Environnement

    Modle mtrique

    Pas de modle mtrique

    Correspondance

    Correspondance

    DIFFERENT

    I1 I1

    FIG . 3.3: Un modle mtrique des capteurs permet dinfrer la position relative I1 de deuxlieux depuis lesquelles des perceptionsA1 etA2 ont t ralises (partiea). Cette estimationrequiert dabord la recherche dun objet de lenvironnement commun aux deux perceptions(partieb, haut). Lutilisation de cet objet commun rend alors possible lestimation de la positionrelative I1 des deux lieux (partiec, haut). Sans modle mtrique, seule la similarit de deuxperceptions peut tre mesure (partieb, bas). Il est alors seulement possible destimer si cesdeux situations peuvent correspondre au mme lieu ou non, cest--dire siI1 est nulle ou non(partiec, bas).

    Toutefois, la mise au point dun tel modle mtrique peut tre difficile. La relation qui lie lavaleur mesure par un capteur la position des objets du monde rel peut tre, en effet, trscomplexe. Dans le cas des capteurs ultrasons, par exemple, si un mur se trouve juste dans laxedu capteur, sa distance est simplement mesure par le temps mis par londe sonore pour revenirau capteur. Mais, dans le cas o le mur est fortement inclin par rapport au capteur, lcho peut nepas revenir en direction du capteur qui ne dtectera alors aucun obstacle. Un autre problme vientde la texture des murs. Un mur recouvert de textile ou dun matriau souple renverra les chostrs diffremment dun mur de bton. En consquence, pour une distance donne, le capteurpercevra des distances diffrentes suivant le matriau des murs. Ces deux exemples montrentque le modle mtrique associ un capteur ne dpend pas que du capteur. Il dpend aussi

    Robotique Mobile - [email protected] 32

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    33/164

    CHAPITRE 3. LES SOURCES DINFORMATION

    fortement de proprits locales de lenvironnement qui sont difficiles ou impossibles prendre encompte dans un modle du capteur seul.

    33 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    34/164

    3.2. INFORMATIONS EXTROCEPTIVES

    Robotique Mobile - [email protected] 34

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    35/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    Chapitre 4

    Matriels courants en robotique mobile

    4.1 Les effecteurs

    Nous prsentons ici les diffrents types de bases mobiles utilises en robotique, en nousfocalisant sur le milieu intrieur. Nous ne mentionnons pas les effecteurs permettant au robotdagir sur son environnement, tels que les bras articuls.

    4.1.1 Les plates-formes diffrentielles

    FIG . 4.1: Pioneer 2 DX de la socit ActivMedia.

    Une des configurations les plus utilises pour les robots mobiles dintrieur est la configurationdiffrentielle qui comporte deux roues commandes indpendemment. Une ou plusieurs rouesfolles sont ajoutes lavant ou larrire du robot pour assurer sa stabilit (Figure 4.2, 4.1).Cette plate-forme est trs simple commander, puisquil suffit de spcifier les vitesses des deuxroues, et permet de plus au robot de tourner sur place. Cette possibilit permet de traiter le robotcomme un robot holonome , cest dire un robot pouvant se dplacer dans toutes les directions

    35 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    36/164

    4.1. LES EFFECTEURS

    depuis sa position courante (au contraire dune voiture par exemple qui est non-holonome). Cetteproprit simplifie normement la planification de dplacement et la commande du robot.

    r

    l

    v

    1

    FIG . 4.2: Exemple de plate-forme diffrentielle.

    Lestimation du dplacement par odomtrie est galement trs simple partir de la mesuredes vitesses de rotation des deux roues 1 et 2. Les vitesses de translation v et de rotation sont en effet donnes par :

    v =1r+2r

    2

    =1r2r

    2l

    Ce type de plate-forme peut galement tre utilis avec des chenilles ce qui fournit une capa-cit de franchissement de petits obstacles intressante (Figure 4.3). Ces plates-formes peuventainsi tre utilises en milieu urbain, ou dans des dcombres. Lutilisation de chenilles conduitcependant une odomtrie trs bruite cause du contact mal dfini entre les chenilles et le sol.

    FIG . 4.3: Urban Robot de la socit iRobot.

    Robotique Mobile - [email protected] 36

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    37/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    FIG . 4.4: Exemple de plate-forme omnidirectionnelle.

    4.1.2 Les plates-formes omnidirectionnelles

    Les plates-formes omnidirectionnelles permettent de dcoupler de manire encore plus nettele contrle de la rotation et de la translation dun robot et en font une plateforme rellementholonome. Elles utilisent pour cela 3 ou quatre roues qui tournent la mme vitesse pour fournirune translation et un mcanisme qui permet dorienter simultanment ces roues dans la directiondu dplacement souhaite (Figure 4.4). Le corps du robot lui-mme neffectue pas de rotationmais uniquement des translations. Ce systme permet un contrle trs simple et relativementrapide car les changement de direction ne concernent que les roues et peuvent donc se fairetrs vite. Par contre ces plates-formes sont relativement limites en capacit de franchissement

    et requirent un sol trs plan.

    4.1.3 Les plates-formes non holonomes

    FIG . 4.5: Exemple de plate-forme non holonome.

    Des plates-formes non holonomes , de type voiture, sont galement utilises en robotique mo-bile (Figure 4.5). Ces plates-formes sont toutefois plus difficile commander car elle ne peuventpas tourner sur place et doivent manuvrer, ce qui peut tre difficile dans des environnements

    37 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    38/164

    4.2. LES CAPTEURS

    encombrs. La commande de ces plates-formes pour raliser un dplacement particulier est unproblme part entire que nous naborderons pas dans ce cours.

    4.1.4 Les plates-formes pattes

    Des plates-formes deux, quatre ou six pattes peuvent galement tre utilise. Les plates-formes six pattes sont relativement pratiques car le robot est en quilibre permanent, ce quifacilite le contrle. Les plates-formes deux ou quatre pattes sont plus complexes commanderet le simple contrle de la stabilit et dune allure de marche correcte reste aujourdhui difficile,ce qui les rend en gnral relativement lentes. Lodomtrie de ce type de plates-formes est deplus gnralement de trs faible qualit. Ces diffrents facteurs font que ces plates-formes sontrarement utilises quand lapplication vise a un besoin prcis de positionnement et de navigation.

    De telles plates-formes commencent cependant apparatre relativement grande chelle(par exemple le robot Aibo de Sony) et peuvent tre utilises en conjonction avec certaines m-thodes de navigation prcises.

    4.2 Les capteurs

    Nous prsentons dans cette section les capteurs les plus couramment utiliss en robotiquemobile pour les besoins de la navigation.

    4.2.1 Les capteurs proprioceptifsLes capteurs proprioceptifs permettent une mesure du dplacement du robot. Ce sont les

    capteurs que lon peut utiliser le plus directement pour la localisation, mais ils souffrent dunedrive au cours du temps qui ne permet pas en gnral de les utiliser seuls.

    Lodomtrie

    Lodomtrie permet destimer le dplacement partir de la mesure de rotation des roues (oudu dplacement des pattes). La mesure de rotation est en gnral effectue par un codeur op-tique dispos sur laxe de la roue, ou sur le systme de transmission (par exemple sur la sortie

    de la boite de vitesse). Le problme majeur de cette mesure est que lestimation du dplacementfournie dpend trs fortement de la qualit du contact entre la roue et le sol. Elle peut tre relati-vement correcte pour une plate-forme deux roues motrices sur un sol plan de qualit uniforme,mais est en gnral quasiment inutilisable seule pour un robot chenille par exemple. Notonscependant que lerreur de ces mthodes se retrouve en gnral principalement sur lestimationde la direction du robot, tandis que la mesure de la distance parcourue est souvent de meilleurequalit.

    La majorit des modles de localisation et de cartographie prsents dans ce cours (voirchapitre III) vont faire appel un modle probabiliste de cette mesure. Ces modles vont donner,en fonction de la mesure ralise, la probabilit du dplacement rel. Il existe divers types de

    Robotique Mobile - [email protected] 38

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    39/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    modles, mais les plus simples et les plus utiliss sont des modles de bruit gaussiens sur ladirection et la longueur du dplacement, ainsi que sur le changement de direction du robot. Le

    carts types de ces diffrentes gaussiennes dpendent de la valeur de la mesure : lerreur sur lalongueur du dplacement est par exemple proportionnelle cette longueur (Figure 4.6).

    FIG . 4.6: Exemple de modle probabiliste simple de lodomtrie. Le niveau de gris reprsentela probabilit de la position aprs un dplacement rectiligne vers la droite. Le modle utiliseun bruit gaussien sur la longueur du dplacement et sur la direction du dplacement.

    Il est bien sr possible dutiliser des modles beaucoup plus fins de lodomtrie, par exempleen faisant une hypothse de bruit gaussien sur la mesure de rotation de chaque roue, et en endduisant lerreur de dplacement du robot.

    Comme nous le verrons au chapitre sur la localisation, ces modles probabilistes peuventtre utiliss pour gnrer des positions possibles du robot selon la distribution de probabilitdduite de la mesure de lodomtrie. Lapplication successive de plusieurs modles probabilistesdduits de plusieurs mesures dodomtrie permet de les combiner et destimer la distribution deprobabilit de position finale du robot (Figure 4.7).

    39 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    40/164

    4.2. LES CAPTEURS

    FIG . 4.7: Exemple de combinaison de mesures pour les modles probabilistes de lodomtrie.

    Les systmes radar doppler

    Au lieu de mesurer le dplacement par des mesures sur les roues, il est possible dutiliser unpetit radar point vers le sol qui permet de mesurer la vitesse du vhicule par effet Doppler. Cesystme prsente lavantage dtre beaucoup plus prcis que la mesure passant par les roues,et dtre indpendant des drapages possible de ces roues, mais est en gnral plus cher etencombrant. Il est de plus trs rare sur les petites plates-formes car il ne peut mesurer de faiblesvitesses de dplacement.

    Les systmes inertiels

    La mesure de dplacement potentiellement la plus fiable provient de la mesure des accl-rations de la plate-forme par des capteurs inertiels. Cette mesure est potentiellement fiable carelle ne dpend pas de la nature locale de lenvironnement, cependant les capteurs inertiels sonttous entachs de bruit de mesure qui produit une drive de lestimation de la position au cours dutemps.

    La qualit des mesures inertielles dpend trs fortement du type de capteurs utilises. His-toriquement, les premiers capteurs ont t raliss base de systmes mcaniques et peuvent

    Robotique Mobile - [email protected] 40

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    41/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    fournir des mesures extrmement prcise, au prix dun cot et dune masse trs levs. Ces der-nires annes ont vu apparatre de nouvelles technologies de capteurs, notamment bass sur

    les techniques de micro-lectronique, qui ont permis la ralisation de capteurs inertiels bas cotet lapparition de ces capteurs dans des produits grand public. La prcision de ces capteurs esttoutefois de quelques ordres de grandeur plus faible, ce qui rend leur utilisation isole quasimentimpossible. Ces capteurs fournissent toutefois un trs bon complment lodomtrie, notammentpour lestimation de la direction.

    Lacclration en translation de la plate-forme est mesure par des acclromtres linraires.On dispose en gnral deux acclromtres pour prendre des mesures dans deux directionsperpendiculaires du plan de dplacement du robot. Un troisime peut tre dispos verticalementafin de mesurer la position en trois dimensions.

    Lacclration angulaire est mesure par des gyromtres. On dispose en gnral un gyro-mtre selon laxe vertical, qui permet ainsi de mesurer langle de lacet du robot. Deux autresgyromtres peuvent tre positionns selon deux axes du plan de dplacement afin destimer ladirection en trois dimensions.

    Il est galement possible de mesurer la rotation du robot par rapport un axe de rfrence enutilisant un gyroscope. Cette mesure seffectue en gnral par rapport un axe de rfrence misen rotation et isol mcaniquement le plus possible du robot, ce qui rend sa direction indpen-dante de la direction du robot. Cette mesure peut tre moins bruite que lintgration du signaldacclration mais dpend trs fortement de la qualit de la ralisation mcanique du systme,qui dpend trs directement du prix du gyroscope.

    Lensemble de ces lments (3 acclromtres et 3 gyromtres) peut tre runi pour formerune centrale inertielle qui permet destimer compltement les six degrs de liberts de la position

    dans un espace 3 dimensions. Les centrales inertielles bas cot sont cependant aujourdhuide qualit insuffisante pour une utilisation isole, tandis que les centrales de qualit correcterestent trs chres. Ce domaine est cependant en volution rapide avec larrive de nouvellestechnologies et lapparition de centrales bas cot de qualit correcte devrait se faire dans lesprochaines annes.

    Lutilisation des donnes fournies par ce type de senseurs passe aussi en gnral par unmodle probabiliste, qui peut tre du type de celui prsent pour lodomtrie.

    4.2.2 Les tlmtres

    Il existe diffrents types de tlmtres, qui permettent de mesurer la distance lenvironne-ment, utilisant divers principes physiques.

    Tlmtres ultrason

    Les tlmtres ultrason sont historiquement les premiers avoir t utiliss. Il utilisentla mesure du temps de retour dune onde sonore rflchie par les obstacles pour estimer ladistance (Figure 4.8). Ces tlmtres sont trs simple et peu cher, et sont donc trs rpandus,mais possdent de nombreux inconvnients.

    41 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    42/164

    4.2. LES CAPTEURS

    Zone aveugle

    ObstacleTlmtre

    Distance mesure

    cone de diffusion de londe sonore

    FIG . 4.8: Principe du tlmtre ultrasons et exemple de tlmtre rel.

    En premier lieu, deux tlmtres voisins ne peuvent tre utiliss simultanment, car il estimpossible de savoir par lequel des deux tlmtres une onde rflchie a t mise (phnomnede crosstalk). Un robot possdant plusieurs tlmtres doit donc les activer lun aprs lautre,ce qui entrane un taux de rafrachissement global des mesures relativement faible.

    Ces tlmtres possdent une zone aveugle, de quelques dizaines de centimtres, en des-sous de laquelle ils ne peuvent dtecter les obstacles. Cette zone est due a une temporisationentre lmission de londe sonore et le dbut de la dtection de londe rflchie qui est ncessairepour ne pas perturber cette mesure.

    De plus, londe rflchie est trs sensible aux conditions environnementales locales. Ainsi, silangle entre lobstacle et la direction de londe sonore est trop faible, il ny aura pas de retour delonde sonore et lobstacle ne sera pas peru. Londe de retour dpend galement de la texturede lobstacle. Un mur couvert de moquette pourra par exemple ne pas tre dtect.

    Les tlmtres ultrason dtectent les obstacles se situant dans un cne relativement large(dangle au sommet denviron 30 degrs). Cette caractristique peut tre la fois un avantageet un inconvnient. Cest un inconvnient car un obstacle dtect nest pas localis en angle lintrieur du cne de dtection, et on obtient donc une mesure de la position relativementimprcise. Cest par contre un avantage car des lments relativement fins (les pieds de table oude chaise par exemple) sont dtects dans ce cne, alors quil pourraient ne pas tre dtects

    par des tlmtres ayant un angle douverture trs fin.

    Tlmtres infrarouge

    Ces tlmtres possdent lavantage davoir un cne de dtection beaucoup plus restreint. Ilutilisent une lumire infrarouge au lieu dune onde sonore pour la dtection et peuvent tre basssur diffrentes techniques qui permettent de recueillir plus ou moins dinformation.

    Il est possible de mesurer simplement le retour ou le non-retour dune impulsion code, ce quipermet de dtecter la prsence ou labsence dun obstacle dans une certaine portion de lespace.

    Robotique Mobile - [email protected] 42

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    43/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    Il est galement possible de raliser une triangulation sur le faisceau de retour de londelumineuse, ce qui permet davoir une mesure de la distance de lobstacle.

    Les inconvnients de ces tlmtres sont lis leur porte, en gnral relativement restreinte,et leur sensibilit aux fortes sources de lumires qui contiennent un fort rayonnement infrarouge.Un projecteur du type de ceux utiliss pour la tlvision point sur le robot, par exemple, satureen gnral compltement le rcepteur et empche toute dtection dobstacle. Ils sont galementtrs sensibles la couleur et la nature de la surface de lobstacle (par exemple, ils dtectentdifficilement les vitres).

    Tlmtres laser

    Les tlmtres les plus utiliss lheure actuelle pour des applications de cartographie et delocalisation sont les tlmtres laser balayage. Ils utilisent un faisceau laser mis en rotation afinde balayer un plan, en gnral horizontal, et qui permet de mesurer la distance des objets quicoupent ce plan (Figure 4.9, 4.10). Cette mesure peut tre ralise selon diffrentes techniques(mesure du temps de retour, interfromtrie...).

    Tlmtre

    Mesure obtenue

    FIG . 4.9: Illustration dun tlmtre Laser.

    Les tlmtres les plus courant ont une bonne rsolution angulaire car ils permettent dob-tenir une mesure de distance tout les demi degrs, sur une zone de 180 ou 360 degrs selonles modles. La mesure est de plus relativement prcise (avec un bruit de lordre de quelquescentimtres) une distance relativement grande (plusieurs dizaines de mtres). La frquencedacquisition est en gnral de lordre de la dizaine de Hertz, voire proche de la centaine pourcertains modles.

    Ces tlmtres sont trs utiliss en environnement intrieur car il fournissent des donnesabondantes et prcises sur la position des objets caractristiques de lenvironnement tels queles murs. Ils possdent toutefois un certain nombre dinconvnients. En premier lieu, leur zone

    43 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    44/164

    4.2. LES CAPTEURS

    FIG . 4.10: Un exemple de Tlmtre Laser balayage, fournissant 720 mesure rparties sur360 degrs, 5 Hz (marque Ibeo).

    de perception est restreinte un plan et ne permet donc pas de dtecter les obstacles situshors de ce plan (un petit objet pos au sol par exemple). Ils ne peuvent pas non plus dtecter lesobjets ne rflchissant pas correctement la lumire du laser (en premier lieu les vitres, mais aussicertains objets trs rflchissants, tels que les objets chroms). Pour limiter ces inconvnients,

    il est possible de les utiliser en conjonction avec des capteurs ultrason qui ont un cne dedtection plus large et qui peuvent dtecter les vitres.

    Enfin, la plupart des algorithmes de cartographie et de localisation existants supposent que leplan de mesure du tlmtre laser reste horizontal et hauteur constante, ce qui nest plus vraien cas de sol irrgulier ou, dans la majorit des cas, en extrieur.

    FIG . 4.11: Un exemple de tlmtre laser balayage selon 2 axes ( gauche) et de camerapermettant dobtenir une image de profondeur de 64x64 pixels ( droite).

    Robotique Mobile - [email protected] 44

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    45/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    A lheure actuelle, des tlmtres laser balayant lespace selon deux axes commencent ap-paratre 4.11. Ils permettent ainsi dobtenir une image de distance selon un angle solide de lordre

    de quelques dizaines de degrs dans les deux dimensions. Ces tlmtres restent toutefois cheret fragile du fait de la mcanique ncessaire au balayage. De plus, la frquence dacquisition estrelativement faible (de lordre de quelques Hertz), ce qui pose problme lorsque le robot est enmouvement.

    Des systmes sans balayage permettant dobtenir une image de profondeur sont galementen cours de dveloppement 4.11. Il restent aujourdhui du domaine de la recherche mais sontdun trs grand intrt potenntiel pour la robotique mobile.

    Modle probabiliste

    Les modles probabilistes associs ces capteurs permettent de donner la probabilit dela mesure en fonction de la distance relle de lobstacle. Les probabilits sont estimes pourchacune des mesures individuelles prises depuis une position, puis agglomres par produit :

    P(Scan|Obstacles) =M

    i=1

    P(mesurei|distanceobstacles)

    Distance Relle

    Perception de lobstacle Perception dun obstacle imprvu Retour de la valeur maximale

    Modle du tlmtre

    FIG . 4.12: Modle probabiliste de tlmtre.

    Pour estimer la probabilit dune mesure individuelle, il est possible dutiliser une simple loigaussienne comme modle probabiliste, mais les modles sont en gnral un peu plus voluset utilisent une combinaison de lois qui modlisent divers phnomnes (Figure 4.12) :

    la mesure effective de lobstacle vis, modlis par une gaussienne en gnral la perception dun obstacle imprvu, modlis par une loi dcroissante

    45 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    46/164

    4.2. LES CAPTEURS

    la non perception de lobstacle qui donne une mesure la distance maximale du tlmtre,modlis par un pic.

    Les paramtres de cette combinaison de lois peuvent tre rgls manuellement ou estims partir dun ensemble de mesures, par exemple en utilisant un algorithme de maximisation delesprance. Ces modles peuvent tre adapts tout les types de tlmtres.

    4.2.3 Les camras

    Lutilisation dune camra pour percevoir lenvironnement est une mthode attractive car ellesemble proche des mthodes utilises par les humains. Le traitement des donnes volumineuseset complexes fournies par ces capteurs reste cependant difficile lheure actuelle, mme si celareste une voie de recherche trs explore.

    Camras simples

    Une camra standard peut tre utilise de diffrentes manires pour la navigation dun robotmobile. Elle peut tre utilise pour dtecter des amers visuels (des points particuliers qui serventde repre, tels que des portes ou des affiches) partir desquels il sera possible de calculer laposition du robot. Si ces amers sont simplement ponctuels, ou de petite taille, il sera en gnralsimplement possible destimer leur direction. Dans le cas ou les amers sont des objets connusen 2 ou 3 dimensions, il sera en gnral possible destimer compltement la position du robot parrapport la leur. Elle peut galement tre utilise pour dtecter des guides de navigation pour

    le robot, tels que des routes ou des couloirs.

    FIG . 4.13: Illustration du principe de base du flot optique.

    Il est galement possible dutiliser globalement une image pour caractriser une position ouun point de vue dans lenvironnement. Il faudra alors comparer cette image aux nouvelles imagesacquises par le robot pour savoir si le robot est revenu cette position. Cette comparaison peutfaire appel de trs nombreuses techniques, notamment celles utilises dans le domaine delindexation dimage.

    Robotique Mobile - [email protected] 46

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    47/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    Lorsque le robot est en mouvement, il est galement possible de tirer parti du flot optique(le mouvement apparent des objets dans limage, voir figure 4.13), afin davoir une estimation de

    la distance des objets. En effet, les objets les plus proches ont un dplacement apparent plusimportant que les objets lointains. Cette mthode permet notamment de raliser un vitemmentdobstacles ou de raliser une reconstruction tridimentionnelle de lenvironnement (par des tech-niques connues sous le nom de structure from motion, voir section 4.2.3).

    Camras stroscopiques

    FIG . 4.14: Exemple de donnes fournies par des camras stroscopiques.

    Lorsque lon dispose de deux camras observant la mme partie de lenvironnement partirde deux points de vue diffrents, il est possible destimer la distance des objets et davoir ainsi

    une image de profondeur (Figure 4.14), qui peut tre utilise pour lvitement dobstacles ou lacartographie. Cette mthode suppose toutefois un minimum dlments saillants dans lenviron-nement (ou un minimum de texture) et peut tre limite, par exemple dans un environnement dontles murs sont peint de couleurs uniformes. La qualit de la reconstruction risque galement dedpendre fortement des conditions de luminosit. La rsolution et lcartement des deux camrasimpose galement les profondeurs minimum et maximum qui peuvent tre perues, ce qui peuttre limitatif pour la vitesse de dplacement du robot.

    Des techniques similaires peuvent galement tre utilises pour estimer la profondeur partirdune camra en mouvement (mthodes de structure from motion), la difficult tant alors des-timer la fois la profondeur et les positions relatives de la camra lors de la prise des deux

    images.

    Camras panoramiques

    Les camras panoramiques (catadioptriques) sont constitues dune camra standard poin-tant vers un miroir de rvolution (par exemple un simple cne, ou un profil plus complexe quipeut sadapter la rsolution exacte que lon veut obtenir sur le panorama) (figure 4.15). Limagerecueillie permet davoir une vision de lenvironnement sur 360 degrs autour de la camera. Lesecteur angulaire vertical observ dpend de la forme du miroir et peut tre adapt aux besoinsde chaque application (Figure 4.15).

    47 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    48/164

    4.2. LES CAPTEURS

    Camra

    Miroir

    Point dexpansion

    Point de contraction

    FIG . 4.15: Principe des camras panoramiques catadioptriques et exemple dimage obtenue.

    Robotique Mobile - [email protected] 48

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    49/164

    CHAPITRE 4. MATRIELS COURANTS EN ROBOTIQUE MOBILE

    Ce type de camra est trs pratique pour la navigation car une image prise par une camerapanoramique oriente verticalement permet de caractriser une position, indpendemment de la

    direction du robot. En effet, pour une position donne et pour deux orientations diffrentes, lamme image sera forme par la camra, une rotation autour du centre prs, tandis que pourune camra standard, oriente horizontalement, la scne serait diffrente.

    Ces camras sont donc trs pratiques lorsque lon caractrise une position de manire glo-bale, mais peuvent aussi tre utilises pour dtecter des amers ou pour estimer le flux optique.Dans ce cas, toutefois, comme la gomtrie de limage forme est relativement complexe etcomme la rsolution obtenue varie normment selon la direction observe, les algorithmesdoivent tre adapts, ce qui pose un certain nombre de problmes.

    Concernant le flux optique, cependant, les camras panoramiques possdent lavantage decontenir toujours le point dexpansion et le point de contraction dans limage, ce qui rend lestima-tion du mouvement beaucoup plus aise (figure 4.15).

    4.2.4 Autres capteurs

    Les capteurs tactiles

    Les robots peuvent tre quips de capteurs tactiles, qui sont le plus souvent utiliss pourdes arrts durgence lorsquil rencontre un obstacle qui navait pas t dtect par le reste dusystme de perception.

    Ces capteurs peuvent tre de simples contacteurs rpartis sur le pourtour du robot. Il nedtectent alors le contact quau dernier moment. Il est galement possible dutiliser des petitestiges arques autour du robot pour servir dintermdiaire ces contacteurs, ce qui permet unedtection un peu plus prcoce et donne ainsi plus de marge pour arrter le robot.

    Les boussoles

    Les boussoles permettent, par la mesure du champ magntique terrestre, de dduire la di-rection du nord. Ces capteurs peuvent utiliser diffrentes technologies et ont lavantage de fournirune direction de rfrence stable au cours du temps (au contraire des gyroscopes qui drivent).

    Ces capteurs sont toutefois trs dlicats utiliser en intrieur car ils sont trs sensibles auxmasses mtalliques prsentes dans la structure des btiments. En pratique, on les utilise doncprincipalement en extrieur en apportant le plus grand soin leur positionnement sur le robotpour viter les influences des composants du robot, notamment les moteurs lectriques.

    Les balises

    Dans certaines applications, il est galement possible dutiliser des balises dont on connat laposition, et qui pourront tre facilement dtectes par le robot, afin de faciliter sa localisation.

    Des techniques trs diverses peuvent tre utilises pour ces balises. On peut par exempleutiliser un signal radio, mis de manire omnidirectionnel par la balise. Le robot sera alors quip

    49 Robotique Mobile - [email protected]

  • 8/6/2019 Robotique Mobile - ENSTA ParisTech

    50/164

    4.3. POUR ALLER PLUS LOIN

    dune antenne directionnelle qui lui permettra de dtecter la direction des diffrentes balises, afinde dduire sa position par triangulation.

    On peut galement utiliser des codes couleurs ou des codes barres qui pourront tre dtectspar une camra.

    Le GPS

    Les besoins de localisation tant omniprsents dans de trs nombreux secteurs de la vieactuelle, lide davoir un systme de localisation le plus universel possible donn lieu lap-parition du Global Positionning System. Cest un systme de balises dont on a plac les balisessur des satellites en orbite terrestre et qui est par consquent accessible de quasiment partout la surface du globe. Ce systme permet donc davoir une mesure de sa position dans un repreglobal couvrant la terre avec une prcision variant de quelques dizaines de mtres quelques

    centimtres suivant les quipements.Ce systme est cependant loin de rsoudre tous les problmes de localisation des robots mo-

    biles. Il fonctionne en effet difficilement dans des environnements urbains, et nest pas utilisable lintrieur des btiments. Sa prcision est de plus souvent trop faible pour quun robot terrestrepuissent utiliser ces informations seules. En pratique, il est souvent coupl un systme inertielqui permet de palier aux pertes du signal GPS et il ne remplace de toute faon pas les capteursdu robot qui lui permettent de percevoir son environnement immdiat, qui constitue la sourcedinformation principale pour la navigation court terme (par exemple lvitement dobstacles, paropposition la navigation long terme qui consiste rejoindre un but distant).

    4.3 Pour aller plus loin

    Sensors for Mobile Robots : Theory and Application, EverettUne version en ligne est disponible :

    http://www-personal.engin.umich.edu/~johannb/my_book.htm

    Ro