Synthesising motion of human character animations or humanoid robots is vastly complicated by the large number of degrees of freedom in their kinematics. Control spaces become so large, that automated methods designed to adaptively generate movements become computationally infeasible or fail to find acceptable solutions. In this thesis we investigate how demonstrations of previously successful movements can be used to inform the production of new movements that are adapted to new situations. In particular, we evaluate the use of nonlinear dimensionality reduction techniques to find compact representations of demonstrations, and investigate how these can simplify the synthesis of new movements. Our focus lies on the Gaussian Process Latent Variable Model (GPLVM), because it has proven to capture the nonlinearities present in the kinematics of robots and humans. We present an in-depth analysis of the underlying theory which results in an alternative approach to initialise the GPLVM based on Multidimensional Scaling. We show that the new initialisation is better suited than PCA for nonlinear, synthetic data, but have to note that its advantage shrinks on motion data. Subsequently we show that the incorporation of additional structure constraints leads to low-dimensional representations which are sufficiently regular so that once learned dynamic movement primitives can be adapted to new situations without need for relearning. Finally, we demonstrate in a number of experiments where movements are generated for bimanual reaching, that, through the use of nonlinear dimensionality reduction, reinforcement learning can be scaled up to optimise humanoid movements.

Camera-equipped robots (agents) can autonomously follow people to provide continuous assistance in wide areas, e.g. museums and airports. Each agent serves one person (target) at a time and aims to maintain its target centred on the camera's image plane with a certain size (active visual tracking) without colliding with other agents and targets in its proximity. It is essential that each agent accurately estimates the state of itself and that of nearby targets and agents over time (i.e. tracking) to perform collision-free active visual tracking. Agents can track themselves with either on-board sensors (e.g. cameras or inertial sensors) or external tracking systems (e.g. multi-camera systems). However, on-board sensing alone is not sufficient for tracking nearby targets due to occlusions in crowded scenes, where an external multi-camera system can help. To address scalability of wide-area applications and accurate tracking, this thesis proposes a novel collaborative framework where agents track nearby targets jointly with wireless ceiling-mounted static cameras in a distributed manner. Distributed tracking enables each agent to achieve agreed state estimates of targets via iteratively communicating with neighbouring static cameras. However, such iterative neighbourhood communication may cause poor communication quality (i.e. packet loss/error) due to limited bandwidth, which worsens tracking accuracy. This thesis proposes the formation of coalitions among static cameras prior to distributed tracking based on a marginal information utility that accounts for both the communication quality and the local tracking confidence. Agents move on demand when hearing requests from nearby static cameras. Each agent independently selects its target with limited scene knowledge and computes its robotic control for collision-free active visual tracking. Collision avoidance among robots and targets can be achieved by the Optimal Reciprocal Collision Avoidance (ORCA) method. To further address view maintenance during collision avoidance manoeuvres, this thesis proposes an ORCA-based method with adaptive responsibility sharing and heading-aware robotic control mapping. Experimental results show that the proposed methods achieve higher tracking accuracy and better view maintenance compared with the state-of-the-art methods.

Cette thèse concerne la planification des tâches de manipulation effectuées par une main robotisée. Il s'agit de mettre au point un système de calcul automatique des trajectoires que doivent suivre les doigts et l'objet manipulé, pour passer d'une configuration initiale à une configuration finale données. La méthode proposée dans cette thèse s'appuie sur une formulation originale du problème de planification, basée sur l'étude de la connexité des espaces des configurations de prise. Ces espaces sont explorés par l'intermédiaire de graphes probabilistes. En particulier, un graphe est construit pour explorer GSn, l'espace des configurations de prise à n doigts, n étant le nombre de doigts de la main. Les arêtes de ce graphe sont des chemins linéaires dans GSn. Utiliser de tels chemins permet d'éviter le calcul des mouvements de reconfiguration de prise et donc de réduire les temps de calcul et l'espace mémoire requis par la construction du graphe. Ces chemins ne sont pas cinématiquement réalisables puisque la pose de l'objet et la position des contacts ne peuvent changer indépendamment mais leur utilisation est rendue possible par la généralisation de la propriété de réduction introduite par Alami et al. Les mouvements de changement de prise qui requièrent d'être explicitement calculés au cours de la construction du graphe, sont pris en compte lors d'une étape de fusion des composantes connexes du graphe. Ces fusions sont réalisées à l'aide de chemins élémentaires respectant la cinématique de la manipulation coordonnée. Ces chemins sont appelés "chemins de ressaisie" et "chemins de transfert". Une fois que les configurations initiale et finale appartiennent à une même composante connexe du graphe, les chemins dans GSn sont décomposés en une suite de mouvements de déplacement de l'objet et de reconfiguration de la prise (chemins de transfert et de ressaisie), cinématiquement réalisables. Pour assurer la stabilité des chemins construits, un critère de stabilité de la prise (fermeture de force) est vérifié le long des chemins, lors de leur construction. Pour valider cette approche, une plate-forme de simulation a été développée et a permis de planifier différentes tâches de manipulation dextre avec une main à quatre doigts. Le planificateur offre des performances très intéressantes en terme de temps de calcul et a permis de résoudre des problèmes complexes tels qu'aucun résultat pour des problèmes de difficulté équivalente n'avait jamais été présenté jusqu'à présent. La méthode proposée s'applique à n'importe quel type de main, quel que soit son nombre de doigts mais, comme elle explore uniquement GSn et GS{n-1}, elle peut manquer des solutions si la main robotisée et le modèle des contacts doigt-objet permet la prise avec un nombre différent de doigts. Pour remédier à cela, nous avons proposé une méthode légèrement différente qui s'applique à une main à cinq doigts et consiste à construire un graphe pour explorer chacune des cinq composantes connexes de GS4 à l'aide de chemins linéaires dans cet espace et à tenter de fusionner les différents graphes à l'aide de chemins linéaires dans GS5 ou de chemins de transfert-ressaisie (dans GS3). Enfin, une variante de la méthode proposée a été développée pour prendre en compte le roulement relatif des surfaces de contact au cours de la manipulation de l'objet. Les différentes modifications nécessaires, concernant la représentation des prises et le calcul de chemins de transfert, sont présentées en détail.

This thesis proposes a risk-based navigation method including both the traditional notion of risk of collision and the notion of risk of disturbance.

Les singularités sont des poses particulières où le robot ne peut être contrôlé et ou les efforts subis par les articulations du mécanisme peuvent tendre vers l'infini ce qui entraine alors une détérioration du mécanisme. Bien que ces dernières années de larges avancées dans la classification et la détection des singularités aient eu lieu la question de la proximité d'une pose à une pose singulière reste ouverte. Dans cette thèse nous tentons d'y répondre avec une approche basée sur la statique. En effet si pour une pose donnée les efforts subis par les articulation restent inférieur à un certain seuil, on pourra affirmer que le robot ne subira pas de détérioration et nous le considérons comme assez éloigné d'une pose singulière. Dans un premier temps, nous proposons un algorithme qui calcule, pour un robot plan dont l'orientation est fixée et dont la plate-forme supporte une charge connue, la frontière de la région pour laquelle on assure l'intégrité physique du manipulateur. Cet algorithme étant difficile à étendre pour des robots à plus de 3 degrés de libertés, nous en proposons un second basé sur l'analyse par intervalles.

Les travaux réalisés dans le cadre de cette thèse ont pour but d'apporter des solutions pour le contrôle par asservissement visuel d'une sonde manipulée par un système robotique. Les applications envisagées sont à la fois des tâches de positionnement sur une section désirée d'un organe ou des tâches de suivi pour la stabilisation active d'une vue échographique. Deux approches sont proposées dans cette optique. Une première approche est basée sur des primitives visuelles géométriques extraites depuis trois plans orthogonaux. Le choix de ces primitives assure un large domaine de convergence de la commande et un bon comportement de la tâche de positionnement. Néanmoins la limitation de la méthode est liée à l'extraction des primitives géométriques qui nécessite une étape préalable de segmentation rendue difficile par la faible qualité des images échographiques. Une seconde approche est alors envisagée où les informations visuelles considérées sont directement les intensités des pixels de l'image échographique. L'interaction de ces primitives avec le mouvement de la sonde est modélisée et introduite dans la loi de commande pour contrôler tous les mouvements de la sonde. Cette méthode permet d' éviter tout traitement d'image et de considérer un large éventail d'images anatomiques. Des expériences sur un bras robotique valident le bon comportement de la méthode pour des tâches de suivi.

La fabrication d'une voiture, depuis les premières ébauches jusqu'à sa commercialisation, suit un processus long et jalonné de plusieurs grandes étapes. Il faut tout d'abord concevoir le véhicule : en choisir le style, faire les premiers prototypes de profilés, étudier sa faisabilité, son architecture, la motorisation qui sera choisie, en fonction du segment désiré. L'outil numérique de CAO joue un très grand rôle dans ces étapes de conception, permet de gagner beaucoup de temps et d'étudier de nombreuses variantes. Les outils de dynamique véhicule sont principalement utilisés lors de cette étape afin de faire une étude prévisionnelle du comportement simulé sur route des solutions choisies. Lorsque le véhicule est défini, les premiers prototypes physiques sont réalisés. Ces prototypes permettent, entre autre, de déterminer le comportement du véhicule en roulage et d'étudier son comportement dynamique. De nombreuses mesures sont effectuées lors de ces essais afin de régler - mettre au point - le véhicule, mais il existe de très grandes possibilités de réglages pour un nombre, grandissant, de paramètres, bien souvent couplés, sur lesquels les metteurs au point peuvent jouer. Trouver manuellement la combinaison optimale de ces réglages - c'est à dire celle qui permet d'allier performances et confort, tout en garantissant la sécurité maximale - relève de l'impossible, d'autant plus lorsque les délais sont très courts. En revanche trouver numériquement cette solution est possible en utilisant des simulations du véhicule pour les différentes configurations préalablement déterminées par une méthode basée sur les plans d'expérience. Encore faut-il pouvoir simuler correctement le comportement du véhicule. De ce fait les outils numériques sont relativement peu utilisés lors de cette étape, car il est actuellement difficile de corréler les mesures et la simulation afin que la représentation numérique corresponde effectivement au véhicule étudié. Les essais jouent donc toujours un rôle clef dans la conception du véhicule. L'idée d'utiliser l'identification pour corréler les calculs et les mesures vient alors naturellement : déterminer les paramètres nécessaires à la simulation à partir des essais et des mesures effectuées sur le véhicule, plutôt que d'essayer, comme il a été fait jusqu'à présent sans réel succès, de corréler simulations et essais à l'aide de méthodes d'optimisation non linéaire, ou d'estimer les paramètres dynamiques avec des méthodes d'estimation non linéaires lourdes en calcul et ne permettant pas d'obtenir un indicateur de la confiance à accorder dans le résultat. De nombreuses méthodes d'identification existent, mais celle qui a été choisie est basée sur les méthodes employées en robotique : en effet, pourquoi ne pas considérer le véhicule comme un robot mobile complexe et comme un système multicorps poly-articulé, dont la description peut alors se faire en utilisant le formalisme de Denavit et Hartenberg modifié ? Il est alors possible, en calculant le modèle dynamique inverse du système, d'identifier les paramètres recherchés par une méthode de résolution des systèmes linéaires surdéterminés basée sur la méthode des moindres carrés. Le travail présenté ici retrace la mise en oeuvre de cette démarche dans le but d'identifier les paramètres dynamiques d'une voiture. Le premier chapitre présente les particularités d'un véhicule par le biais des grandeurs caractéristiques de la dynamique véhicule. Un modèle très simple : le modèle bicyclette, permettant de décrire le comportement du véhicule en lacet et en dérive est présenté, ainsi que des exemples de simulation avec le logiciel ARHMM, de manière à comprendre le comportement du véhicule et les sollicitations auxquelles il est soumis. Le second chapitre permet d'établir les grandes étapes de la démarche employée pour modéliser les systèmes poly-articulés et pour procéder à l'identification de ses paramètres dynamiques. Elle est appliquée en exemple au modèle bicyclette. Afin de réaliser l'identification sur un véhicule il est indispensable de pouvoir mesurer les grandeurs caractéristiques définies avant : pour cela le véhicule sera équipé de nombreux capteurs dont le fonctionnement et l'utilisation seront détaillés dans le chapitre 3. Enfin, les deux derniers chapitres permettront d'apprécier les performances de la méthode sur deux types de modèles : un premier, très sommaire, à seize degrés de liberté présenté uniquement en simulation en utilisant le logiciel de dynamique véhicule ARHMM comme générateur de mouvement, puis un second modèle plus complet à trente huit degrés de liberté qui sera décliné dans deux versions : un modèle lagrangien et un modèle mixte eulérien-lagrangien. Les résultats sont obtenus d'une part en simulation, en utilisant le logiciel ARHMM comme générateur de mouvements pour valider le modèle, d'autre part pour un véhicule réel : une Peugeot 406, instrumentée conformément au chapitre 3, en utilisant des mouvements disponibles.

Nous avons mené des travaux de recherche principalement dans les domaines de la navigation, la perception et l'apprentissage pour la robotique mobile. Ces travaux, orientés vers une robotique " cognitive ", ont pour objectif général de per- mettre aux robots de s'adapter à leur environnement, en fournissant les primitives de base telles que l'espace libre, la position ou la présence d'objets nécessaires au choix des actions. Une grande partie de ces travaux sont guidés par une inspi- ration biologique essentiellement fonctionnelle, s'inspirant de capacités trouvées dans la nature, sans chercher à en reproduire précisément le fonctionnement. La navigation, plus particulièrement la cartographie, a été jusqu'à présent le thème principal de nos travaux. Durant notre thèse, nous avons développé une méthode de cartographie utilisant un filtre bayésien, appliqué à une structure de carte et à des perceptions inspirées des connaissances biologiques sur les capacités de navigation du rat. L'intérêt de cette approche est de permettre, à partir de capteurs très simples, une localisation globale durant la cartographie, apportant ainsi une bonne robustesse à la navigation, au prix d'une exploration relativement lente. Cette inspiration biologique s'est ensuite effacée dans les tra- vaux menés à la Direction Générale pour l'Armement ou nous avons participé à la mise en place d'un démonstrateur utilisant des techniques de cartographie classiques à base de télémétrie laser et d'évitement d'obstacles en environnement dynamique. Depuis 2005 à l'ENSTA ParisTech, nos travaux se sont orientés sur les problèmes de navigation topologique, avec une approche de navigation topo- logique par apprentissage dans laquelle un utilisateur désigne les pièces à re- connaître et montre le chemin entre les différentes pièces. Nous avons également développé une approche de cartographie topologique utilisant un algorithme de détection de fermetures de boucles qui permet de détecter le retour d'un robot à une position connue. Enfin, ces travaux se sont maintenant étendus, depuis 2009 dans le cadre du projet ANR PACOM, à la problématique de la cartographie sé- mantique. L'objectif est d'obtenir des modèles de l'environnement contenant des informations de plus haut niveau; en particulier des informations plus proches de celles utilisées par l'humain, telles que les pièces ou les objets présents dans l'environnement. Au niveau de la perception, certains de ces travaux ont fait appel à la télémétrie laser, qui est bien adaptée à la navigation. Ils sont néanmoins axés principalement sur l'utilisation de la vision. En particulier, nous nous sommes intéressés au problème de la représentation de l'information visuelle qui est essentielle pour apporter une robustesse au bruit tout en fournissant l'information nécessaire aux applications. Nous avons ainsi développé une approche incrémentale inspirée des modèles de " sac de mots " visuels que nous avons appliqué à la localisation qualitative, topologique, au guidage visuel et à la reconnaissance d'objets. En collaboration avec Pierre-Yves Oudeyer nous avons étendu cette représentation à la reconnaissance auditive et audio-visuelle. Nous nous sommes également intéressés au problème de la perception active afin d'améliorer les capacités de localisation et d'améliorer la robustesse du guidage visuel. Enfin, la plupart de ces travaux ont fait appel à des méthodes d'apprentissage pour apporter de l'adaptabilité à la localisation, à la cartographie ou à la re- connaissance d'objets. Nous avons principalement travaillé avec des méthodes Bayésiennes et nous avons notamment développé des méthodes actives, permet- tant au robot de sélectionner les exemples d'apprentissage pour améliorer ses performances. Ces méthodes permettent également de profiter d'interactions avec l'utilisateur pour adapter les concepts appris par le robot. Nous les avons appli- quées à la reconnaissance de pièces et d'objets. Nous avons également appliqué la technique de factorisation en matrices non-négatives, une méthode d'appren- tissage non supervisée, pour la reconnaissance audio-visuelle d'objets. Cette der- nière application se place dans le cadre de la robotique développementale où nous cherchons à nous inspirer de l'homme pour créer des méthodes d'apprentis- sage intuitives et à long terme pour la robotique, approche que nous développons actuellement dans le cadre du projet ANR MACSi. Dans la continuité de ces travaux, nous souhaitons poursuivre nos recherches sur le thème de la navigation sémantique et de l'apprentissage pour la percep- tion dans le cadre de la robotique développementale. Ces recherches auront pour objectif commun de fournir au robot ou à son utilisateur des modèles d'environ- nement riches et contenant des informations utiles à l'analyse de la situation ou aux tâches du robot. Ces méthodes s'appliqueront essentiellement dans le cadre de la navigation en milieu intérieur ou urbain et à la robotique de service ou d'assistance, en interaction directe avec l'homme.

inconnues. Il s'agit d'interpréter des informations visuelles et de générer les points de vue qui permettent de construire progressivement une carte de l'environnement. Le problème est décomposé, de façon hiérarchique, en trois fonctionnalités. Dans un premier temps, le système détermine la suite des actions aboutissantàuninventaire de tous les objets de la scène. Cette problématique s'inscrit dans le contexte très général de la recherche d'objets. L'approche que nous présentons est basée sur une description probabiliste de l'occupation de la scène par des objets. La recherche consiste alors à générer une suite d'observations aboutissant à des probabilités proches de 1 aux endroits où se trouve un objet et proches de 0 ailleurs. Nous développons plusieurs stratégies allant dans ce sens. Dans un second temps, l'exploration est focalisée sur chaque objet a˝n d'en améliorer la description. Nous présentons un modèle d'objet basé sur un mélange de modèles stochastique et à erreur bornée permettant de représenter l'enveloppe approchée de l'objet tout en tenant compte des incertitudes de localisation. Nous développons un algorithme d'estimation en ligne de ce modèle et élaborons un processus d'exploration optimale en temps réel basé sur la minimisation de l'incertitude de localisation de l'objet observé. En˝n, la dernière fonction-nalité concerne le suivi des consignes permettant de déplacer la caméra tout en suivant l'objet d'intérêt. Ce problème est résolu par asservissement visuel dont nous étudions les potentialités du point de vue de la coopération caméra globale/caméra locale.

Pas de disponible