• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 5
  • 1
  • 1
  • Tagged with
  • 6
  • 6
  • 5
  • 2
  • 2
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Architecture décisionnelle pour la conduite collaborative de véhicules autonomes

Frenette, Patrick January 2010 (has links)
L'automobile est un moyen de transport de prédilection puisqu'elle confère beaucoup de liberté aux utilisateurs. Cependant, les coûts sociaux et économiques reliés aux accidents de la route, ainsi que les émissions polluantes produites par la combustion des hydrocarbures, représentent une problématique à laquelle le Réseau de centres d'excellence AUTO21 s'intéresse. Notamment, AUTO21 finance ce projet qui porte sur les architectures décisionnelles appliquées aux trains de véhicules. Un train de véhicule est un système de transport intelligent regroupant un ensemble de véhicules qui se suivent les uns derrière les autres, conservant une faible distance entre eux.L'architecture DCD est une architecture décisionnelle complète avec communication bidirectionnelle responsable de la prise de décision distribuée d'un groupe de véhicules opérant au sein d'un train de véhicules.L'architecture réalise la plupart des manoeuvres réalisables dans les trains de véhicules tels l'insertion ou le retrait d'un véhicule dans le train, ainsi que la gestion des situations d'urgences telles les collisions et la défaillance de certains capteurs. La validation de l'architecture est effectuée avec un groupe de quatre robots mobiles équipés d'un système de positionnement relatif qui permet de localiser les véhicules les uns par rapport aux autres. Un ensemble de 18 scénarios de tests, couvrant un large éventail des situations susceptibles de survenir dans les trains de véhicules, est réalisé. Les résultats obtenus indiquent que la prise de décision des véhicules, ainsi que la coordination des véhicules via la communication sont robustes et permettent l'exécution des manoeuvres attendues.
2

Conception d’un mécanisme intégré d’attention sélective dans une architecture comportementale pour robots autonomes

Ferland, François January 2014 (has links)
Le vieillissement de la population à travers le monde nous amène à considérer sérieusement l'intégration dans notre quotidien de robots de service afin d'alléger les besoins pour la prestation de soins. Or, il n'existe pas présentement de robots de service suffisamment avancés pour être utiles en tant que véritables assistants à des personnes en perte d'autonomie. Un des problèmes freinant le développement de tels robots en est un d'intégration logicielle. En effet, il est difficile d'intégrer les multiples capacités de perception et d'action nécessaires à interagir de manière naturelle et adéquate avec une personne en milieu réel, les limites des ressources de calculs disponibles sur une plateforme robotique étant rapidement atteintes. Même si le cerveau humain a des capacités supérieures à un ordinateur, lui aussi a des limites sur ses capacités de traitement de l'information. Pour faire face à ces limites, l'humain gère ses capacités cognitives avec l'aide de l'attention sélective. L'attention sélective lui permet par exemple d'ignorer certains stimuli pour concentrer ses ressources sur ceux utiles à sa tâche. Puisque les robots pourraient grandement bénéficier d'un tel mécanisme, l'objectif de la thèse est de développer une architecture de contrôle intégrant un mécanisme d'attention sélective afin de diminuer la charge de calcul demandée par les différents modules de traitement du robot. L'architecture de contrôle utilisé est basée sur l'approche comportementale, et porte le nom HBBA, pour Hybrid Behavior-Based Architecture. Pour répondre à cet objectif, le robot humanoïde nommé IRL-1 a été conçu pour permettre l'intégration de multiples capacités de perception et d'action sur une seule et même plateforme, afin de s'en servir comme plateforme expérimentale pouvant bénéficier de mécanismes d'attention sélective. Les capacités implémentées permettent d'interagir avec IRL-1 selon différentes modalités. IRL-1 peut être guidé physiquement en percevant les forces externes par le bias d'actionneurs élastiques utilisés dans la direction de sa plateforme omnidirectionnelle. La vision, le mouvement et l'audition ont été intégrés dans une interface de téléprésence augmentée. De plus, l'influence des délais de réaction à des sons dans l'environnement a pu être examinée. Cette implémentation a permis de valider l'usage de HBBA comme base de travail pour la prise de décision du robot, ainsi que d'explorer les limites en termes de capacités de traitement des modules sur le robot. Ensuite, un mécanisme d'attention sélective a été développé au sein de HBBA. Le mécanisme en question intègre l'activation de modules de traitement avec le filtrage perceptuel, soit la capacité de moduler la quantité de stimuli utilisés par les modules de traitement afin d'adapter le traitement aux ressources de calculs disponibles. Les résultats obtenus démontrent les bénéfices qu'apportent un tel mécanisme afin de permettre au robot d'optimiser l'usage de ses ressources de calculs afin de satisfaire ses buts. De ces travaux résulte une base sur laquelle il est maintenant possible de poursuivre l'intégration de capacités encore plus avancées et ainsi progresser efficacement vers la conception de robots domestiques pouvant nous assister dans notre quotidien.
3

Deux investigations en IA : contrôler les déplacements d'un robot mobile et coordonner les décisions d'une IA pour les jeux

Chamberland, Simon January 2013 (has links)
L’intelligence artificielle est un domaine de l’informatique étudiant la conception d’agents intelligents. Un agent est une entité acquérant de l’information sur son environnement par ses capteurs et agissant sur son environnement à travers ses actionneurs. Certains agents existent seulement dans le domaine logiciel, comme par exemple un agent intelligent pour un jeu vidéo, alors que d’autres existent dans le monde physique, tels les robots mobiles. Les domaines des jeux vidéo et de la robotique partagent certaines caractéristiques, dont la nécessité de prendre des décisions en temps réel dans un environnement dynamique ainsi qu’une vue incomplète sur cet environnement. Ce mémoire est divisé en deux chapitres. Le premier chapitre traite d’une approche de planification de trajectoires exploitant la géométrie d’une classe particulière de robots omnidirectionnels non-holonomes afin de calculer des chemins adéquats leur permettant d’atteindre une destination désirée. Les résultats obtenus avec cette approche tendent à démontrer qu’elle est plus efficace que les algorithmes traditionnels de planification de trajectoires grâce à l’information additionnelle prise en compte lors du calcul. Le second chapitre décrit l’architecture décisionnelle de l’agent intelligent SPAR qui est en mesure de jouer de façon autonome des parties de StarCraft : Brood War, un jeu de stratégie en temps réel. L’architecture de SPAR inclut entre autres des algorithmes de planification de trajectoires similaires à ceux du premier chapitre. Elle permet de faire face plus facilement et de façon plus rigoureuse, en comparaison avec les architectures existantes, aux nombreuses difficultés propres à ce type de jeu. Ces difficultés incluent un degré élevé de concurrence dans les actions et une multitude d’unités à contrôler dans un contexte temps réel. L’agent SPAR a participé aux volets 2011 et 2012 de la compétition AIIDE de StarCraft et à l’édition 2012 de la compétition SSCAI où il a obtenu à chaque fois des résultats honorables.
4

IXTET-EXEC: planning, plan repair and execution control with time and resource management

LEMAI, Solange 21 June 2004 (has links) (PDF)
Augmenter l'autonomie décisionnelle des systèmes spatiaux (satellites, sondes et rovers) soulève de nouveaux problèmes tels que la planification des activités pour accomplir un but, le contrôle de l'exécution du plan, et la surveillance et le diagnostic du système. Nous nous intéressons plus particulièrement à la planification d'une mission et au contrôle de son exécution dans le cadre d'une application avec des contraintes temporelles (rendez-vous avec des fenêtres de visibilité&) et la gestion de ressources limitées (énergie, carburant&). Cette thèse propose un cadre général pour intégrer la planification, l'exécution et l'adaptation réactive d'un plan en exploitant la flexibilité temporelle et le parallélisme des plans produits par un planificateur non linéaire causal basé sur des techniques de satisfaction de contraintes (notamment la représentation des contraintes temporelles est faite sous la forme d'un Simple Temporal Network). Cette approche a été mise en Suvre dans le système IxTeT-eXeC qui se compose d'un exécutif temporel et du planificateur IxTeT, modifié pour améliorer la flexibilité de la représentation des ressources et prendre en compte le contexte d'exécution et la durée de la recherche lors de la planification. L'exécutif contrôle les deux mécanismes d'adaptation du plan (en cas d'échecs ou de nouveaux buts) : (1) une réparation en parallèle de l'exécution de ses parties valides, (2) une replanification complète. IxTeT-eXeC a été intégré dans le niveau décisionnel de l'architecture LAAS, en interaction avec l'exécutif procédural OpenPRS, pour contrôler un robot mobile autonome avec une mission d'exploration.
5

Une architecture de contrôle distribuée pour l'autonomie des robots

Degroote, Arnaud 05 October 2012 (has links) (PDF)
Pour des tâches simples ou dans un environnement contrôlé, la coordination des di érents processus internes d'un robot est un problème relativement trivial, souvent implémenté de manière ad-hoc. Toutefois, avec le développement de robots plus complexes travaillant dans des environnements non contrôlés et dynamiques, le robot doit en permanence se reconfigurer afin de s'adapter aux conditions extérieures et à ses objectifs. La définition d'une architecture de contrôle e cace permettant de gérer ces reconfigurations devient alors primordiale pour l'autonomie de tels robots. Dans ces travaux, nous avons d'abord étudié les di érentes architectures proposées dans la littérature, dont l'analyse a permis d'identifier les grandes problématiques qu'une architecture de contrôle doit résoudre. Cette analyse nous a mené à proposer une nouvelle architecture de contrôle décentralisée, générique et réutilisable, selon une démarche qui intègre une approche "intelligence artificielle" (utilisation de raisonneur logique, propagation dynamique de contraintes) et une approche "génie logiciel" (programmation par contrats, agents). Après une présentation des concepts qui sous-tendent cette architecture et une description approfondie de son fonctionnement, nous en décrivons une implémentation, qui est exploitée pour assurer le contrôle d'un robot terrestre d'extérieur dans le cadre de tâches de navigation, d'exploration ou de suivi. Des résultats sont présentés et analysés. Dans une seconde partie, nous nous sommes penchés sur la modélisation et la vérifiabilité d'une telle architecture de contrôle. Après avoir analysé di érentes solutions, nous décrivons un modèle complet de l'architecture qui utilise la logique linéaire. Nous discutons ensuite des di érentes approches possibles pour montrer des propriétés d'atteignabilité et de sûreté de fonctionnement en exploitant ce modèle. Enfin nous abordons di érentes voies d'enrichissement de ces travaux. En particulier, nous discutons des extensions possibles pour le contrôle d'un ensemble de robots coopérants entre eux, mais aussi de la nécessité d'avoir des liens plus forts entre cette couche de contrôle, et les approches de modélisation des fonctionnalités sous-jacentes.
6

Supervision de mission pour une équipe de véhicules autonomes hétérogènes / Mission supervision for a team of autonomous heterogeneous vehicles

Gateau, Thibault 11 December 2012 (has links)
Ces dernières années, les engins robotisés n’ont cessé d’améliorer leur autonomie dans le domaine de la décision. Désormais, pour ne citer que l’exemple de véhicules aériens, nombre de drones sont largement capables, sans intervention d’un opérateur humain, de décoller, suivre un itinéraire en activant divers capteurs à des moments précis, atterrir en un lieu spécifié, suivre une cible, patrouiller sur une zone... Une des étapes suivantes consiste à faire collaborer une équipe de véhicules autonomes, de nature hétérogène (aériens, terrestres, marins...) afin de leur permettre d’accomplir des missions plus complexes. L’aspect dynamique de l’environnement réel, la non disponibilité à tout instant des moyens de communication, la coordination nécessaire des véhicules,de conceptions parfois différentes, dans l’exécution de certaines parties d’un plan de mission, sont autant d’obstacles à surmonter. Ce travail tente non seulement d’apporter quelques éléments de réponse face à ces difficultés, mais consiste aussi en la mise en place concrète d’un superviseur haut niveau, capable de gérer l’exécution d’une mission par une équipe de véhicules autonomes hétérogènes, où le rôle de l’opérateur humain est volontairement réduit. Nous décrivons dans ce mémoire l’architecture distribuée que nous avons choisi de mettre en œuvre pour répondre à ce problème. Il s’agit d’un superviseur, réparti à bord des véhicules autonomes, interfacé avec leur architecture locale et en charge de l’exécution de la mission d’équipe. Nous nous intéressons également à la formalisation des connaissances nécessaires au déroulement de cette mission, afin d’améliorer l’interopérabilité des véhicules de l’équipe, mais aussi pour expliciter les relations entre modèles décisionnels abstraits et réalité d’exécution concrète. Le superviseur est capable de réagir face aux aléas qui vont se produire dans un environnement dynamique. Nous présentons ainsi dans un second temps les stratégies mises en place pour parvenir à les détecter au mieux, ainsi que la façon dont nous procédons pour réparer partiellement ou totalement le plan de mission initial, afin de remplir les objectifs initiaux. Nous nous basons notamment sur la nature hiérarchique du plan de mission, mais aussi sur celle de la structure de sous-équipes que nous proposons de construire. Enfin, nous présentons quelques résultats obtenus expérimentalement, sur des missions simulées et des scénarios réels, notamment ceux du Programme d’Etudes Amont Action dans lequel s’inscrivent ces travaux de thèse. / Many autonomous robots with specific control oriented architectures have already been developed worldwide.The advance of the work in this field has led researchers wonder for many years to what extent robots would be able to be integrated into a team consisting of autonomous and heterogeneous vehicles with complementary functionalities. However, robot cooperation in a real dynamic environment under unreliable communication conditions remains challenging, especially if these autonomous vehicles have different individual control architectures.In order to address this problem, we have designed a decision software architecture, distributed on each vehicle.This decision layer aims at managing execution and at increasing the fault tolerance of the global system. The mission plan is assumed to be hierarchically structured. ln case of failure detection, the plan repair is done as locally as possible, based on the hierarchical organization.This allows us to restrict message exchange only between the vehicles concerned by the repair process. Knowledge formalisation is also a part of the study permitting the improvement of interoperability between team members. It also provides relevant information all along mission execution, from initial planning computation to plan repair in this multirobot context. The feasibility of the system has been evaluated by simulations and real experiments thanks to the Action project (http://action.onera.fr/welcome/).

Page generated in 0.1257 seconds