Cette thèse propose une approche pour générer un mouvement corps complet avec contacts non coplanaires, permettant à un robot de se déplacer dans un environnement, de manipuler des objets complexes ou de collaborer avec différents agents. Les méthodes développées dans cette thèse tentent de prendre en compte une grande variété de robots, de l'humanoïde au manipulateur à base fixe en passant par les objets sous actionnés. En premier lieu, nous abordons le problème du choix des positions des points de contacts qu'un robot sous-actionné doit prendre pour se déplacer dans l'environnement. Nous calculons, en un seul problème d'optimisation non-linéaire, une séquence de postures qui satisfait une séquence de contacts donnés. Cette formulation permet de trouver la position des contacts optimale, car le choix de la position d'un contact d'une posture va prendre en compte les postures précédentes et suivantes. Elle permet aussi d'effectuer des tâches pour certaines postures qui prendront en compte l'aspect prioritaire du déplacement. Nous introduisons ensuite une méthode de génération de mouvement qui, en se basant sur la programmation quadratique, permet de résoudre le problème de géométrie inverse et de la dynamique inverse pour un robot à base fixe ou mobile, tout en satisfaisant des contraintes d'égalités et d'inégalités.Cette génération de mouvement est assez rapide pour fonctionner à la vitesse de la boucle de contrôle des robotsHRP2-10 et HRP4, et peut donc être utilisé en temps réel. À l'aide d'une machine à état, nous transformons la séquence de postures calculée à priori en une série de tâches à effectuer par le générateur de mouvement, ce qui permet à notre robot de se déplacer dans un environnement complexe. Nous étendons alors notre méthode de génération de mouvement pour calculer la commande d'un nombre arbitraire de robots. Cette extension nous permet de gérer des tâches de manipulation d'objets complexes, de collaboration entre plusieurs agents et de mouvement dans un environnement dynamique. Nous pouvons aussi spécifier directement les tâches dans le repère de l'objet manipulé pour faciliter l'élaboration de notre consigne. Dans l'optique de valider cette méthode sur un robot réel, nous formulons le problème d'estimation des paramètres inertiels d'un objet manipulé grâce à l'algèbre vectorielle spatiale. Finalement, nous validons nos travaux sur les robots HRP2-10 et HRP4. Sur le premier robot, nous validons la génération de posture et la génération de mouvement mono-robot sur le scénario demonté d'une échelle verticale aux normes industrielles. La manipulation d'objets et l'estimation des paramètres inertiels sont validées par la suite sur le robot HRP4. / This PhD proposes a whole body motion generation approach with non coplanar contacts that allowsa robot to move in an environment, manipulate complex objects or collaborate with differentagents.Methods developed in this PhD try to manage many kinds of robots, from the humanoid to thefixed base manipulator and also handling underactuated objects.Firstly, we address the problem contacts positioning that an underactuated robot should taketo move in its environment.We compute in one non-linear optimization problem a sequence of postures that fulfill aninputed contact list. This formulation allows to find the optimal contact placement regardingprevious and next stances. It also allows to execute a task for some posture while taking into accountthe priority of the motion.Next, we introduce a motion generation method that uses quadratic programming to solveinverse kinematics and dynamics problems for a fixed or mobile base robot under equality andinequality constraints.This motion generation is fast enough to fit the HRP2-10 and HRP4 control loop andcan be used in real-time.With a finite state machine we turn the posture sequence into a list of tasks that should beexecuted by the motion generation to allow a robot to move in a complex environment.We extend this motion generation scheme to compute the motion of an arbitrary number of robots.This extension allows us to manage complex object manipulation tasks, multi-agent collaboration andmotion in a dynamic environment. We can also specify a task in the manipulated object frameto ease motion design.To validate this method on a real robot, we formulate inertial parametersestimation of manipulated objects with spatial vector algebra.Finally, we validate our works on the HRP2-10 and HRP4 robot. On the first one,we validate the posture and mono-robot motion generation on a scenario where the robot climbs anindustry standard vertical ladder.On the second one, we validate object manipulation and inertial parameters estimation.

Nous proposons une approche de planification unifiée pour robots humanoïdes réalisant des tâches de locomotion et de manipulation nécessitant une dextérité propre aux systèmes anthropomorphes. Ces tâches sont basées sur des transitions de contacts ; contacts entre les extrémités des membres locomoteurs et l'environnement dans le cas du problème de locomotion par exemple, ou entre les extrémités de l'organe préhensible effecteur et l'objet manipulé dans le cas du problème de manipulation. Nous planifions ces transitions de contacts pour des systèmes abstraits constitués d'autant de robots, d'objets, et de supports dans l'environnement que désiré/nécessaire pour la modélisation du problème. Cette approche permet de s'affranchir de la distinction de nature entre tâches de locomotion et de manipulation et s'étend à une variété d'autres problèmes tels que la coopération entre plusieurs agents. Nous introduisons notre paradigme de planification non-découplée de locomotion et de manipulation en exhibant la stratification induite dans l'espace des configurations de systèmes simplifiés pour lesquels nous résolvons analytiquement le problème en comparant des méthodes de planification géométrique, non-holonome, et dynamique. Nous présentons ensuite l'algorithme de planification de contacts basé sur une recherche best-first. Cet algorithme fait appel à un solveur de cinématique inverse qui prend en compte des configurations de contacts générales dans l'espace pouvant être établis entre robots, objets, et environnement dans toutes les combinaisons possibles, le tout sous contraintes d'équilibre statique et de respect des limitations mécaniques des robots. La génération de mouvement respectant l'équation de dynamique Lagrangienne est obtenue par une formulation en programme quadratique. Enfin nous envisageons une extension à des supports de contact déformables en considérant des comportements linéaires-élastiques résolus par éléments finis. / We propose a unified planning approach for autonomous humanoid robots that perform dexterous locomotion and manipulation tasks. These tasks are based on contact transitions; for instance between the locomotion limbs of the robot and the environment, or between the manipulation end-effector of the robot and the manipulated object. We plan these contact transitions for general abstract systems made of arbitrary numbers of robots, manipulated objects, and environment supports. This approach allows us to erase distinction between the locomotion and manipulation nature of the tasks and to extend the method to various other planning problems such as collaborative manipulation and locomotion between multiple agents. We introduce our non-decoupled locomotion-and-manipulation planning paradigm by exhibiting the induced stratification of the configuration space of example simplified systems for which we analytically solve the problem comparing geometric path planning, kinematic non-holonomic planning, and dynamic trajectory planning methods. We then present the contact planning algorithm based on best-first search. The algorithm relies on an inverse kinematics solver that handles general robot-robot, robot-object, robot-environment, object-environment, non-horizontal, non-coplanar, friction-based, multi-contact configurations, under static equilibrium and physical limitation constraints. The continuous dynamics-consistent motion is generated in the locomotion case using a quadratic programming formulation. We finally envision the extension to deformable environment contact support by considering linear elasticity behaviours solved using the finite element method.

Quelle sont les points communs entre un robot humanoïde et un quadrimoteur ? Et bien, pas grand-chose… Cette thèse est donc dédiée au développement d’algorithmes permettant de contrôler un robot de manière dynamique tout en restant générique par rapport au model du robot et à la tâche que l’on cherche à résoudre. Le contrôle optimal numérique est pour cela un bon candidat. Cependant il souffre de plusieurs difficultés comme un nombre important de paramètres à ajuster et des temps de calcul relativement élevés. Ce document présente alors plusieurs améliorations permettant d’atténuer ces difficultés. D’un côté, l’ordonnancement des différentes tâches sous la forme d’une hiérarchie et sa résolution avec un algorithme adapté permet de réduire le nombre de paramètres à ajuster. D’un autre côté, l’utilisation de l’apprentissage automatique afin d’initialiser l’algorithme d’optimisation ou de générer un modèle simplifié du robot permet de fortement diminuer les temps de calcul. / What are the common characteristics of humanoid robots and quadrotors? Well, not many… Therefore, this thesis focuses on the development of algorithms allowing to dynamically control a robot while staying generic with respect to the model of the robot and the task that needs to be solved. Numerical optimal control is good candidate to achieve such objective. However, it suffers from several difficulties such as a high number of parameters to tune and a relatively important computation time. This document presents several ameliorations allowing to reduce these problems. On one hand, the tasks can be ordered according to a hierarchy and solved with an appropriate algorithm to lower the number of parameters to tune. On the other hand, machine learning can be used to initialize the optimization solver or to generate a simplified model of the robot, and therefore can be used to decrease the computation time.

La conception de nouveaux produits industriels nécessite le développement de prototypes avant leur déploiement grand public. Afin d'accélérer cette phase et de réduire les coûts qui en découlent, une solution intéressante consiste a utiliser des prototypes virtuels le plus longtemps possible en particulier dans la phase de conception. Certaines des étapes de la conception consistent à effectuer des opérations d'assemblage ou de désassemblage. Ces opérations peuvent être effectuées manuellement ou automatiquement à l'aide d'un algorithme de planification de mouvement. La planification de mouvement est une méthode permettant à un ordinateur de simuler le déplacement d'un objet d'un point de départ à un point d'arrivée tout en évitant les obstacles. Le travail de recherche de cette thèse apporte des solutions pour l'interaction entre un humain et un algorithme de planification de mouvement pendant l'exploration de l'espace libre. Le temps de recherche est partagé entre l'humain et la machine selon un paramètre de partage d'autorité permettant de déterminer le pourcentage d'allocation du temps à l'une ou l'autre entité. L'utilisation de ces deux entités en même temps permet d'accélérer grandement la vitesse d'exploration par rapport à la vitesse d'un humain seul ou d'un algorithme seul. Ces travaux apportent ensuite une nouvelle méthode de planification de mouvement avec contact permettant de générer des trajectoires à la surface des obstacles au lieu de les générer uniquement dans l'espace libre. La planification au contact permet d'effectuer des opérations spécifiques telles que le glissement ou l'insertion utiles pour la résolution de problèmes de planification dans des environnements encombrés. Enfin, détecter les intentions d'un utilisateur lorsqu'il interagit avec une m achine permet de lui fournir des ordres efficacement et intuitivement. Dans le cadre de la planification interactive au contact, un algorithme de détection d'intention est proposé. Ce dernier s'appuie sur l'utilisation d'un robot haptique permettant à un opérateur de ressentir les obstacles virtuels lors de la manipulation d'un objet virtuel dans un environnement de réalité virtuelle. L'algorithme interactif s'adapte en temps réel aux actions de l'opérateur pour une exploration pertinente de la surface des obstacles. Ces travaux ont été menés en partie au laboratoire toulousain LAAS au sein de l'équipe Gepetto et en partie dans le laboratoire LGP de l'ENIT au sein de l'équipe DIDS. Nous remercions la région Midi-Pyrénées pour avoir financé ces recherches. / Designing new industrial products requires to develop prototypes prior to their launch phase. An interesting solution to speedup the development phase and reduce its costs is to use virtual prototypes as long as possible. Some steps of the development consist in assembly or disassembly operations. These operations can be done manually or automatically using a motion planning algorithm. Motion planning is a method allowing a computer to simulate the motion of an object from a start point to a goal point while avoiding obstacles. The following research work brings solutions for the interaction between a human operator and a motion planning algorithm of virtual objects for the exploration of free space. Research time is split between the human and the machine according to an authority sharing parameter determining the percentage of time allowed to one or the other entity. The simultaneous use of a human and a machine greatly speedup the exploration in comparison with the time needed by any of the to alone. This work then presents a new interactive motion planning with contact method. This method permits to generate trajectories at the surface of obstacles instead of free space trajectories. This contact motion planning method allows specific operations such as sliding or insertion. This greatly diminishes the solving time of motion planning problems in cluttered environments. Detecting the intentions of a user when he interacts with a machine is a good way to convey orders efficiently and intuitively. An algorithm for interactive contact planning with intention detection techniques is proposed. This algorithm uses a haptic robot allowing a user to feel virtual obstacles when manipulating a virtual object in a virtual reality environment. The interactive algorithm adapts to the the actions of the user in real time for a pertinent exploration of the surfaces of obstacles. This work has been done partly in LAAS-CNRS laboratory in Toulouse in Gepetto team and partly in LGP-ENIT laboratory in Tarbes in DIDS team. We wish to thank the Midi-Pyrénées region for funding this research.