Un robot agit sur son environnement par le mouvement, sa capacité à planifier ses mouvements est donc une composante essentielle de son autonomie. La planification de mouvement est un domaine de recherche qui a largement été étudié durant ces dernières décennies. L'objectif de cette thèse est de concevoir des méthodes algorithmiques performantes permettant le calcul automatique de trajectoires pour des systèmes robotiques complexes dans le cadre de la robotique d'assistance. Ce champ applicatif émergeant de la robotique autonome apporte de nouvelles contraintes et de nouveaux défis. Les systèmes considérés qui ont pour vocation de servir l'homme et de l'accompagner dans des tâches du quotidien doivent tenir compte de la sécurité et du bien-être de l'homme. Pour cela, les mouvements du robot doivent être générés en considérant explicitement le partenaire humain raisonant sur un modèle du comportement social de l'homme, de ses capacités et de ses limites afin de produire un comportement synergique optimal. Dans cette thèse nous étendons les travaux pionniers menés au LAAS dans ce domaine afin de produire des mouvements considérant l'homme de manière explicite dans des environnements encombrés. Des algorithmes d'exploration de l'espace des configurations par échantillonnage aléatoire sont combinés à des algorithmes d'optimisation de trajectoire afin de produire des mouvements sûrs et agréables. Nous proposons dans un deuxième temps un planificateur de tâche d'échange d'objet prenant en compte la mobilité du receveur humain permettant ainsi de partager l'effort lors du transfert. La pertinence de cette approche a été étudiée dans une étude utilisateur. Finalement, nous présentons une architecture logicielle qui permet de prendre en compte l'homme de manière dynamique lors de la réalisation de tâches de manipulation interactive. Cette architecture, développée en collaboration avec un partenaire du projet européen Dexmart a également été évaluée dans une étude utilisateur.

L'objet de cette thèse est le développement et l'étude d'algorithmes de planification de mouvements optimaux pour des systèmes anthropomorphes sous-actionnées et hautement dimensionnés, à l'instar des robots humanoïdes et des acteurs virtuels. Des méthodes de planification aléatoires et de commande optimale sont proposées et discutées. Une première contribution concerne l'utilisation d'une méthode efficace de recherche dans un graphe pour l'optimisation de trajectoires de marche planifiées pour un système modélisé par sa boîte englobante. La deuxième contribution concerne l'utilisation de méthodes de planification aléatoires sous contraintes afin de planifier de façon générique des mouvements corps-complet de marche et manipulation. Enfin nous développons une approche algorithmique qui combine des méthodes de planification aléatoires sous contraintes et de commande optimale. Cette approche permet de générer des mouvements dynamiques, rapides, et sans collision, en présence d'obstacles dans l'environnement du système.

Ce travail apporte sa contribution au problème de la reconstruction et de l'exploration de scènes dans un contexte de vision active. À la base du processus de reconstruction, nous avons choisi une méthode qui consiste à contraindre les mouvements de la caméra de manière à obtenir une estimation précise et robuste de primitives géométriques paramétrables telles que les segments et les cylindres. À cet aspect {\em continu} du processus de reconstruction que constitue l'estimation des paramètres des primitives, il est nécessaire de définir des stratégies de reconstruction et d'exploration de la scène que l'on supposera composée de segments, polyèdres et cylindres. Cette reconstruction est de caractère {\em événementiel} et est pilotée par la découverte de nouvelles primitives dans l'image. L'approche que nous avons définie consiste à sélectionner automatiquement les informations images pertinentes puis à focaliser successivement la caméra sur les différentes primitives de la scène afin de les reconnaître et ensuite de les reconstruire. La première étape de l'exploration, qui inclut la reconstruction 3D, permet de reconstruire de manière incrémentale l'ensemble des primitives qui apparaissent dans le champ de vision de la caméra. Nous avons appelé cette phase {exploration locale car elle ne fait appel qu'à des informations disponibles localement. Elle repose sur une approche de prédiction~/~vérification d'hypothèses gérées à l'aide de réseaux Bayesiens. Cette approche permet d'obtenir une représentation de plus haut niveau des objets considérés tout en traitant les problèmes locaux d'occlusion. Par contre, quand toutes les primitives précédemment observées ont été reconstruites, une stratégie différente doit été mise en oeuvre afin de focaliser la caméra sur des zones de la scène n'ayant pas encore été observées. Cette étape d'exploration globale permet d'assurer la complétude de la reconstruction. Cette méthode repose sur l'optimisation par ICM multi-échelle d'une fonction de coût adéquatement modélisée qui prend en compte les obstacles de la scène. Finalement, les algorithmes développés ont été spécifiés et mis en \oe uvre par le langage synchrone \signal\ permettant de l'intégration au sein du même formalisme, \signal\ et \signalgti, de la dualité continu / événementiel inhérente à ce type d'algorithme. Les méthodes que nous avons développées ont été mises en oeuvre sur la cellule de vision robotique de l' Irisa. Elles permettent de reconstruire en temps réel de façon précise, robuste, complète et totalement autonome, un environnement 3D composé de plusieurs primitives.

L'objectif de ces travaux porte sur la navigation de robots autonomes sur de grandes distances dans des environnements extérieurs dynamiques, plus précisément sur le développement et l'évaluation de fonctions avancées de perception, embarquées sur des véhicules se déplaçant en convoi sur un itinéraire inconnu a priori, dans un environnement urbain ou naturel. Nous avons abordé trois problématiques : d'abord nous avons exploité plusieurs méthodes de l'état de l'art, pour qu'un véhicule A, équipé d'un capteur stéréoscopique, apprenne à la fois une trajectoire et un modèle de l'environnement supposé d'abord statique. Puis nous avons proposé deux modes pour l'exécution de cette trajectoire par un véhicule B équipé d'une simple caméra : soit un mode différé, dans lequel B charge toute la trajectoire apprise par A, puis l'exécute seul, soit un mode convoi, dans lequel B suit A, qui lui envoie par une communication HF, les tronçons de la trajectoire au fur et à mesure qu'ils sont appris. Enfin nous avons considéré le cas des environnements évolutifs et dynamiques, en traitant de la détection d'événements depuis les images acquises depuis un véhicule mobile: détection des changements (disparition ou apparition d'objets statiques, typiquement des véhicules garés dans un milieu urbain), ou de la détection d'objets mobiles (autres véhicules ou piétons).

Les missions robotiques sont généralement exprimées à travers des buts à atteindre (objectifs) tout en respectant des conditions impératives (contraintes). Ces entrées opérationnelles pouvant être inconnues à l'avance, l'utilisation des méthodes de commandes réactives est courante. Cependant, ces approches se limitent généralement à la résolution du problème de commande, celui-ci étant considéré comme résoluble. Le simple cas d'une articulation soumise simultanément à des contraintes de limites d'accélération et de position montre que les incompatibilités sont fréquentes. Dans ce cadre, une méthodologie est proposée pour analyser et garantir la sécurité au niveau de la commande, et des études de cas sont exposées. S'en dégagent deux résultats principaux: 1/ l'expression intuitive des contraintes de position nécessite une modification pour rester compatible avec les contraintes d'accélérations; 2/ les accélérations opérationnelles dépendant de la configuration, la compatibilité entre évitement d'obstacle et limites d'accélérations articulaires ne peut être établie simplement et le recours à des comportements alternatifs sûrs est nécessaire. Ces résultats sont illustrés à travers des expériences sur un manipulateur à 6 DDL. La résolubilité du problème étant assurée, la qualité de sa résolution obéit à plusieurs critères : sécurité, optimalité, efficacité, etc. La sécurité étant un prérequis, deux compromis sont proposés. Premièrement la Constraints Compliant Control (CCC), basée sur un principe d'évitement passif, donne des résultats performants et robustes. Ensuite, l'utilisation d'une configuration virtuelle déplacée offre un compromis entre efficacité et optimalité.

Malgré le franc succès des techniques de planification de mouvement au cours de ces deux dernières décennies, leur adaptation à des scènes comprenant à la fois des obstacles statiques et des obstacles mobiles s'est avérée limitée jusqu'ici. Une des raisons en est le coût associé à la mise à jour des structures de données précalculées afin de capturer la connexité de l'espace libre. Notre contribution principale concerne la proposition d'un nouveau planificateur capable de traiter ces problèmes d'environnements partiellement dynamiques composés à la fois d'obstacles statiques et d'obstacles mobiles.

L'approche classique de conception des robots obéit à une organisation interne du type sentir-planifier-agir, proposée dès l'apparition des problématiques d'Intelligence Artificielle. Elle implique le développement amont de modèles d'interaction entre le robot et son environnement et d'algorithmes de traitement du flux sensoriel conduisant, à terme, à la génération de commandes motrices. Dans ce contexte particulier, les caractéristiques de l'environnement perçues par le robot dérivent fondamentalement des traitements du flux sensoriel implémentés par le roboticien. Elles peuvent donc se révéler inadaptées vis-à-vis de l'interaction sensorimotrice réelle que le robot entretient avec le monde. Une autre approche, développée dans cette thèse, consiste à repenser la problématique de la perception en robotique. Elle s'inspire de la théorie des contingences sensorimotrices qui propose de concevoir notre perception non pas comme un phénomène se produisant dans le cerveau mais comme une interaction que nous entretenons avec l'environnement. Cette perspective, radicalement opposée aux postulats classiques, induit que percevoir n'est pas inné mais s'acquiert par la découverte des relations sensorimotrices qui sous-tendent notre expérience du monde. L'objectif de cette thèse est d'appliquer ce nouveau paradigme au champ de la robotique. Plus précisément, les travaux menés visent à déterminer comment un robot naïf peut découvrir et caractériser l'espace dans lequel son corps et l'environnement sont plongés au travers de l'analyse de son seul flux sensorimoteur. Pour se faire, une approche sera développée sur la base de la compensabilité des variations sensorielles générées par les déplacements du système robot/environnement, concept initialement introduit par H.Poincaré. Elle permettra à nos robots de déterminer la dimension de l'espace géométrique extérieur puis d'en construire une représentation interne, permettant à terme d'interpréter intrinsèquement leur expérience et de guider leur action.

Les travaux présentés dans ce manuscrit d'Habilitation à Diriger des Recherches concernent la problématique de la planification de trajectoires pour un système robotique. Nous présentons des méthodes et des algorithmes qui calculent automatiquement des trajectoires géométriques sans collision et qui prennent en compte les contraintes du système pour effectuer une tâche. Dans une première partie, nous nous intéressons aux robots mobiles à roues. Nous avons développé une algorithmique pour calculer, si elle existe, une trajectoire pour un robot articulé en terrain accidenté qui garantit les contraintes de validité (stabilité, contraintes mécaniques et non collision). Afin d'améliorer la robustesse de notre approche, il est apparu nécessaire de prendre en compte le lien entre planification, localisation et exécution. Nous proposons une méthode pour définir automatiquement les amers pertinents à sélectionner le long de la trajectoire et étudions les conditions de leurs enchaînements. Nous transformons ainsi une planification de trajectoire géométrique en une suite de tâches référencées capteurs. Nous nous sommes ensuite intéressés au problème de recouvrement de surface pour lequel c'est la tâche robotique qui amène à définir implicitement une trajectoire. Nous avons développé une nouvelle approche incluant la gestion automatique des zones de fourrière. Dans une deuxième partie, nous avons étendu la problématique hors du champ de la robotique à roues. Nous avons commencé par combiner les avantages de différentes techniques de planification probabiliste afin de résoudre plus e cacement le problème des passages étroits. Il est alors apparu intéressant de faire coopérer un opérateur humain avec un algorithme de recherche probabiliste. Nous proposons une variante basée sur les Rapidly-exploring Random Trees pour construire un RRT-Interactif qui améliore le guidage d'un opérateur lors d'une tâche d'assemblage dans un environnement virtuel. Pour mieux comprendre le mouvement h umain, nous avons appliqué des principes moteurs neurobiologiques pour le contrôle du geste d'atteinte des robots humanoïdes. Nous montrons que cette approche permet de générer des mouvements réalistes qui respectent les caractéristiques du mouvement humain et qu'il est ensuite possible de synthétiser les mouvements d'atteinte par une combinaison de primitives motrices. Pour conclure, il nous semble intéressant d'étendre nos travaux, d'une part en planifiant des mouvements réalistes par rapport au mouvement humain en vue de l'introduction de mannequins numériques ; d'autre part, en planifiant des mouvements pour des objets déformables car de nombreux problèmes pratiques ne peuvent pas être résolus en considérant des objets rigides.

(résumé en anglais uniquement)

En raison de l'augmentation du volume et de la complexité des systèmes de transport, de nouveaux systèmes avancés d'assistance à la conduite (ADAS) sont étudiés dans de nombreuses entreprises, laboratoires et universités. Ces systèmes comprennent des algorithmes avec des techniques qui ont été étudiés au cours des dernières décennies, comme la localisation et cartographie simultanées (SLAM), détection d'obstacles, la vision stéréoscopique, etc. Grâce aux progrès de l'électronique, de la robotique et de plusieurs autres domaines, de nouveaux systèmes embarqués sont développés pour garantir la sécurité des utilisateurs de ces systèmes critiques. Pour la plupart de ces systèmes, une faible consommation d'énergie ainsi qu'une taille réduite sont nécessaires. Cela crée la contrainte d'exécuter les algorithmes sur les systèmes embarqués avec des ressources limitées. Dans la plupart des algorithmes, en particulier pour la vision par ordinateur, une grande quantité de données doivent être traitées à des fréquences élevées, ce qui exige des ressources informatiques importantes. Un FPGA satisfait cette exigence, son architecture parallèle combinée à sa faible consommation d'énergie et la souplesse pour les programmer permet de développer et d'exécuter des algorithmes plus efficacement que sur d'autres plateformes de traitement. Les composants virtuels développés dans cette thèse ont été utilisés dans trois différents projets: PICASSO (vision stéréoscopique), COMMROB (détection d'obstacles à partir d'une système multicaméra) et SART (Système d'Aide au Roulage tous Temps).