3.1.2. Contrôle de déplacements des véhicules : approches réactives
3.1.2.1 - Aides floues à la navigation d'un robot mobile
Le travail effectué ici [BEN97T] est en forte interaction avec le thème " traitement de données imprécises et incertaines " (cf. § 1.2). L'objectif est d'utiliser des techniques basées sur la logique floue pour réaliser une navigation réactive d'un robot mobile. Nous nous plaçons dans le cadre du contrôle des déplacements d'un robot mobile dans un environnement partiellement connu et nous utilisons une méthode hybride pour exploiter les avantages des stratégies de navigation globale et locale. La connaissance a priori de l'environnement est mémorisée afin, d'une part, de générer un chemin global et, d'autre part, de pouvoir comparer la scène réelle à la scène mémorisée [BEN95R, MAA96R]. Deux méthodes d'actions réflexes, n'utilisant que les informations capteurs, sont appliquées au robot pour naviguer à vitesse réduite lorsque le taux de reconnaissance de l'environnement mémorisé est insuffisant. La première, classique, est celle du champ de potentiel artificiel. Son avantage est sa simplicité d'implémentation et la rapidité de son exécution, mais elle possède des limites telles que les minima locaux et les oscillations dans des milieux encombrés. Pour y remédier, un réglage automatique des coefficients basé sur des techniques de la logique floue a été réalisé [BEN95cC, MAA96aC]. Ceci a, d'une part, éliminé les puits de potentiel et, d'autre part, généré un meilleur lissage de trajectoire. Mais le problème des oscillations dans les endroits étroits et passages de porte n'est pas résolu de cette manière.
Nous avons donc développé une deuxième méthode basée sur la combinaison de comportements élémentaires [BAR96bC]. Le premier comportement, inspiré de la méthode du champ de potentiel artificiel, est constitué d'une fusion d'un suivi du milieu de l'espace libre, vu par le robot, et d'une convergence vers le but. Ces comportements ont été implémentés grâce à des SIF sur deux robots mobiles, Khepera et RMI, pour un passage de porte [BEN97R]. Cette expérimentation a donné des résultats intéressants du point de vue de la robustesse vis-à-vis des mesures capteurs et de la versatilité sachant que RMI est dix fois plus grand que Khepera et que les capteurs sont de natures différentes. Cependant, cette solution ne permet pas au robot de s'échapper de certaines situations de blocage créées lors du contournement d'obstacles concaves. Pour résoudre ce problème, un autre comportement élémentaire, de type suivi de mur, est développé. Associé à la création de buts intermédiaires de transition, ce dernier permet au robot de contourner sans blocage les obstacles concaves. Par la coordination de tous ces comportements élémentaires, la méthode proposée assure la navigation dans des environnements inconnus avec présence de tous types d'obstacles (convexes ou concaves) [BEN97aC, BEN97bC, BEN98C].
Ce travail a servi de base expérimentale pour la validation de méthodes d'optimisation en ligne des SIF (voir §1.2.1).
3.1.2.2 - Navigation réactive par réseaux neuromimétiques
Une autre approche de la navigation réactive peut se faire à l'aide de techniques neuromimétiques (cf. § 1.1.1).
Ce travail est couplé avec celui sur la localisation non métrique décrit au § 3.1.1.2. Il s'agit ici de réaliser un outil de navigation réflexe de bas niveau, d'une très grande simplicité, mais capable néanmoins de performances significatives, afin de doter le mobile d'une forte autonomie [ALL96T]. Nous avons, pour cela, repris l'idée d'un classifieur à base de réseaux neuromimétiques. Ce classifieur reçoit en entrée les données sensorielles recueillies par les capteurs extéroceptifs du robot et doit cette fois choisir en sortie entre quelques ordres de déplacement élémentaires, tels que par exemple : aller tout droit, tourner à droite ou tourner à gauche. Dans ce travail, le problème qui est apparu comme essentiel est la réalisation de la base d'apprentissage [PRA95C]. Deux conceptions peuvent s'affronter :
Notre expérience a montré que la seconde solution était plus simple à mettre en 'uvre, plus efficace et permettait, en particulier, un transfert très aisé de l'algorithme de commande d'un robot à un autre, même s'il existe des différences importantes dans les systèmes de perception.
3.1.2.3 - Planification de mouvements
Dans le cadre d'un projet de réalisation d'une plate-forme mobile capable de passer un aspirateur sur la totalité de la surface accessible d'une pièce non connue a priori, nous avons, en collaboration avec le CERMA (Centre de transfert de l'Université d'Evry) et un industriel, réalisé un système à faible coût. Son système sensoriel est constitué de l'odométrie et d'un capteur à ultrasons monté sur une tourelle. L'environnement dans lequel évolue le robot est une pièce avec des tables, des chaises et des meubles, il n'est pas connu a priori. Les fonctions essentielles du robot sont l'exploration de terrain pour établir le modèle de la pièce et le remplissage de surface pour passer l'aspirateur, ainsi que la localisation qui doit bien sûr être absolument maîtrisée pour assurer le bon
fonctionnement des précédentes [CUE95C], [CUE96C].
Une méthodologie entièrement originale d'exploration de terrain a été mise au point [GON97T] : il s'agit de la stratégie dite de zones complémentaires qui est un algorithme récursif. L'espace est divisé en zones élémentaires connexes, l'espace inconnu est le complément de l'espace déjà exploré et connu, l'exploration pour la détection de nouvelles zones se fait depuis la totalité de la frontière, la procédure de balayage de nouvelles zones est répétée récursivement. Une zone élémentaire est divisée en carreaux d'une grille dont la taille est celle du robot.
Le produit est un graphe dont les noeuds sont des zones élémentaires et les arcs les liens de connexité entre les zones. Ce graphe constitue le modèle topologique. Il est montré que l'exploration est totale quelle que soit la configuration des lieux. Il est utilisé pour l'opération de remplissage de surface, appelée aussi labourage, et pour la planification des déplacements du robot d'une zone élémentaire à une autre. La robustesse de l'approche vis-à-vis des incertitudes dues aux capteurs a été montrée. La cohérence du modèle est maintenue en ajoutant les informations issues des explorations locales.
Afin de finir le balayage en s'approchant des obstacles, une grille d'occupation, plus fine que la précédente, est établie. Elle donne, pour chaque cellule, un état d'occupation établi de manière histogrammique à partir d'un modèle de mesure du capteur ultrason. Enfin, un modèle des obstacles par segments est établi. Il comporte des segments fiables qui correspondent à des détections d'obstacles et qui conduisent à une stratégie de contournement prédictif. Des segments dits " néants " ferment les contours, ils conduisent à une stratégie de contournement réactif [GON95C], [GON96aC], [GON96bC].