Il y a présentement de la demande dans plusieurs milieux cherchant à utiliser des robots afin d'accomplir des tâches complexes, par exemple l'industrie de la construction désire des travailleurs pouvant travailler 24/7 ou encore effectuer des operation de sauvetage dans des zones compromises et dangereuses pour l'humain. Dans ces situations, il devient très important de pouvoir transporter des charges dans des environnements encombrés. Bien que ces dernières années il y a eu quelques études destinées à la navigation de robots dans ce type d'environnements, seulement quelques-unes d'entre elles ont abordé le problème de robots pouvant naviguer en déplaçant un objet volumineux ou lourd. Ceci est particulièrement utile pour transporter des charges ayant de poids et de formes variables, sans avoir à modifier physiquement le robot. Un robot humanoïde est une des plateformes disponibles afin d'effectuer efficacement ce type de transport. Celui-ci a, entre autres, l'avantage d'avoir des bras et ils peuvent donc les utiliser afin de manipuler précisément les objets à transporter. Dans ce mémoire de maîtrise, deux différentes techniques sont présentées. Dans la première partie, nous présentons un système inspiré par l'utilisation répandue de chariots de fortune par les humains. Celle-ci répond au problème d'un robot humanoïde naviguant dans un environnement encombré tout en déplaçant une charge lourde qui se trouve sur un chariot de fortune. Nous présentons un système de navigation complet, de la construction incrémentale d'une carte de l'environnement et du calcul des trajectoires sans collision à la commande pour exécuter ces trajectoires. Les principaux points présentés sont : 1) le contrôle de tout le corps permettant au robot humanoïde d'utiliser ses mains et ses bras pour contrôler les mouvements du système à chariot (par exemple, lors de virages serrés) ; 2) une approche sans capteur pour automatiquement sélectionner le jeu approprié de primitives en fonction du poids de la charge ; 3) un algorithme de planification de mouvement qui génère une trajectoire sans collisions en utilisant le jeu de primitive approprié et la carte construite de l'environnement ; 4) une technique de filtrage efficace permettant d'ignorer le chariot et le poids situés dans le champ de vue du robot tout en améliorant les performances générales des algorithmes de SLAM (Simultaneous Localization and Mapping) défini ; et 5) un processus continu et cohérent d'odométrie formés en fusionnant les informations visuelles et celles de l'odométrie du robot. Finalement, nous présentons des expériences menées sur un robot Nao, équipé d'un capteur RGB-D monté sur sa tête, poussant un chariot avec différentes masses. Nos expériences montrent que la charge utile peut être significativement augmentée sans changer physiquement le robot, et donc qu'il est possible d'augmenter la capacité du robot humanoïde dans des situations réelles. Dans la seconde partie, nous abordons le problème de faire naviguer deux robots humanoïdes dans un environnement encombré tout en transportant un très grand objet qui ne peut tout simplement pas être déplacé par un seul robot. Dans cette partie, plusieurs algorithmes et concepts présentés dans la partie précédente sont réutilisés et modifiés afin de convenir à un système comportant deux robot humanoides. Entre autres, nous avons un algorithme de planification de mouvement multi-robots utilisant un espace d'états à faible dimension afin de trouver une trajectoire sans obstacle en utilisant la carte construite de l'environnement, ainsi qu'un contrôle en temps réel efficace de tout le corps pour contrôler les mouvements du système robot-objet-robot en boucle fermée. Aussi, plusieurs systèmes ont été ajoutés, tels que la synchronisation utilisant le décalage relatif des robots, la projection des robots sur la base de leur position des mains ainsi que l'erreur de rétroaction visuelle calculée à partir de la caméra frontale du robot. Encore une fois, nous présentons des expériences faites sur des robots Nao équipés de capteurs RGB-D montés sur leurs têtes, se déplaçant avec un objet tout en contournant d'obstacles. Nos expériences montrent qu'un objet de taille non négligeable peut être transporté sans changer physiquement le robot.

Dans ce travail, nous proposons un système auto-organisé composé d'agents-robots contrôlés par une architecture de subsomption et des règles locales probabilistes de prises et de dépôts. Ces agents-robots sont capables, grâce au développement de leurs capacités cognitives de se créer une carte cognitive, d'apprendre plusieurs lieux buts et de planifier le retour vers ces buts. Bien que formellement l'algorithme ne permette pas à chaque agent de "mélanger ni de fusionner ou d'optimiser" plusieurs objectifs, nous montrerons que le système global est capable de réaliser une optimisation multi-objectifs. Particulièrement, la fusion de l'apprentissage local avec l'accumulation de décisions individuelles permet de faire émerger (i) des structures dans l'environnement et (ii) des dynamiques tel que le comportement de spécialisation ou les comportements que nous pouvons considérer comme étant "égoïstes" ou "altruistes". Nous montrons qu'un mécanisme d'imitation simple contribue à l'amélioration des performance de notre SMAC et de notre SMRC, à savoir l'optimisation de la durée pour découvrir des différentes ressources, le temps moyen de planification, le niveau global de satisfaction des agents et enfin le temps moyen de convergence vers une solution stable. Particulièrement, l'ajout d'une capacité d'imitation améliore la construction des cartes cognitives pour chaque agent et stimule le partage implicite des informations dans un environnement a priori inconnu. En effet, les découvertes individuelles peuvent avoir un effet au plan social et donc inclure l'apprentissage de nouveaux comportements au niveau individuel. Pour finir, nous comparons les propriétés émergentes de notre SMAC à un modèle mathématique basé sur la programmation linéaire (PL). Cette évaluation montre les bonnes performances de notre SMAC qui permet d'avoir des solutions proches des solutions de la PL pour un coût de calcul réduit. Dans une dernière série d'expériences, nous étudions notre système d'agrégation dans un environnement réel. Nous mettons en place un SMRC, composé par des robots qui sont capables d'effectuer les opérations de prise, de dépôt et de maintien. Nous montrons via les premiers tests d'agrégation que les résultats sont prometteurs. / In this work, we propose a self-organized system composed by agents-robots, controlled by a subsumption architecture with probabilistic local rules of deposits and taking. These agents-robots are able, thanks to the development of their cognitive abilities to create a cognitive map, to learn various goals' locations and to plan the return to these goals. Although formally the algorithm does not allow each agent to « mix or merge or optimize » several objectives, we show that the overall system is able to perform a multi-objective optimization. Specifically, the fusion of local learning with the accumulation of the individual decisions allows to emerge (i) structures in the environment and (ii) several dynamics such as specialization behavior or those that we can consider as « selfish » or « altruistic ». We show that the imitation strategy contributes to the improvement of the performance of our SMAC and our SMRC, namely the optimization of time to explore the various resources, the average planning time, the overall satisfaction level of agents and finally the the average time of convergence to a stable solution. Specifically, the addition of an imitation ability improves the construction of cognitive maps for each agent and stimulates the implicit sharing of informations in an unknown environment. Indeed, individual discoveries can affect the social level and therefore include learning new behaviors at the individual level. Finally, we compare the emergent properties of our SMAC with a mathematical model based on linear programming (LP). This evaluation shows the good performance of our SMAC which allows to obtain solutions close to the solution of the PL for a low cost of computation. In a final series of experiments, we study our aggregation system in a real environment. We set up a SMRC, composed by robots that are able to perform taking operations, deposits operations and refueling operations. We show through the first tests of aggregation that the results are promising.

Les robots aériens (UAV, pour Unmanned Aerial Vehicles) font l'objet d'un intérêt croissant dans la communauté robotique. Ils offrent un large champ d'applications, mais introduisent des modalités d'opération particulières (contraintes logistiques, capacités de déplacement...). Dans ce travail, nous nous intéressons aux systèmes multi-UAV : l'opération conjointe d'un certain nombre d'UAV nécessite de bâtir une architecture multi-robot qui puisse prendre en compte le potentiel et les contraintes des UAV. Dans ce but, nous introduisons une notion de "degré d'autonomie décisionnelle", qui reflète le niveau de délégation de capacités autonomes aux robots par un opérateur du système. Un exécutif générique est proposé pour interfacer, au niveau de chacun des UAV du système, les différentes configurations possibles de délégation de l'autonomie décisionnelle : celui-ci reçoit et traite des plans de tâches produits soit par un centre de contrôle en charge de tous les UAVs (bas degrés d'autonomie), soit par une couche délibérative individuelle, au niveau de chacun des UAV (hauts degrés d'autonomie). Dans ce dernier cas, nous proposons une couche délibérative permettant aux UAVs de planifier et coordonner leurs tâches, afin d'opérer conjointement dans le cadre d'une mission donnée. Cette couche délibérative regroupe un couple planificateur symbolique / raffineurs géométriques, ainsi qu'un gestionnaire d'interactions à base de modèles. Une partie des développements a été testée avec succès dans le cadre du projet européen Comets, avec 3 UAV hétérogènes (deux hélicoptères et un dirigeable). Les autres développements ont donné lieu à des tests en simulation.

Un robot mobile autonome doit réaliser des tâches non répétitives dans un environnement imparfaitement connu et non-coopératif, voire hostile. Dans ce contexte les missions attribuées au robot ne peuvent être définies que de façon abstraite et peu détaillée, et le robot doit être doté de moyens pour les interpréter, appréhender l'environnement, décider des actions adéquates et réagir aux événements asynchrones. Afin de concilier décision et réaction, l'architecture de contrôle proposée, c'est-à-dire la manière dont sont organisées les composantes logicielles du robot, comporte deux niveaux hiérarchiques : les niveaux décisionnel et fonctionnel. Ce second niveau, objet principal de la thèse, fournit l'ensemble des capacités opératoires du système (perception, modélisation, mouvements et actions). La première partie du mémoire présente l'architecture globale et fournit un état de l'art et une analyse critique focalisée sur l'organisation des systèmes réactifs. La seconde partie explicite les conditions requises au niveau de la couche fonctionnelle pour satisfaire l'autonomie, la réactivité et la programmabilité du robot. Ces caractéristiques, associées à la grande diversité et aux contraintes temporelles des fonctions opératoires, ont conduit à une structuration en modules. La formalisation structurelle, comportementale et fonctionnelle des modules a permis en particulier de concevoir des méthodes générales d'intégration de fonctions. Les fonctions ainsi encapsulées dans les modules composent un ensemble de services homogènes, réactifs et observables à la disposition du niveau décisionnel qui accomplit les tâches du robot en les combinant dynamiquement en un arbre d'activités. Les modules sont décrits et produits au moyen d'un langage de spécification associé à un générateur automatique nommé GenoM. La dernière partie présente trois intégrations complètes. La première concerne Hilare, un robot expérimental d'intérieur é quipé de nombreux capteurs et fonctionnalités. Des méthodes originales de localisation et de contrôle de déplacement pour véhicule non-holonome sont détaillées. La seconde porte sur la navigation en milieu naturel du robot tout terrain ADAM. La dernière, relative à la coopération multi-robots, a conduit à une simulation réaliste d'une quinzaine de robots (sous UNIX) et à une expérimentation réelle avec trois robots Hilare (sous VxWorks).

La principale difficulté pour la navigation autonome d'un robot dans un environnement partiellement ou totalement inconnu vient naturellement du manque d'informations sur l'environnement : on ne peut assurer que le chemin calculé soit aussi court et aussi sûr que le chemin calculé avec une connaissance parfaite de l'environnement. Les informations sur l'environnement sont obtenues au fur et à mesure de la navigation avec un degré variable de certitude qui dépend de l'environnement lui-même, des capacités de perception et la localisation du véhicule, et c'est l'acquisition des informations pertinentes pour la tâche de navigation qui conditionne sa bonne réalisation. Les travaux proposés sont réalisés dans ce contexte : ils définissent une stratégie de navigation qui est basée sur la détermination des zones où l'information est nécessaire au robot pour atteindre le but.

Orientador: Prof. Dr. Luiz de Siqueira Martins-Filho / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Mecânica, 2017. / A indústria aeroespacial é um dos líderes do mundo que desenvolve um método de inovação, materiais e técnicas de fabricação para aumentar a eficiência, melhorar a segurança e reduzir os custos nesta indústria. Hoje em dia, os pesquisadores também estão buscando melhorar a técnica de inspeção, reduzir o controle, tempo e custo humanos, que são muito importantes para a indústria aeroespacial. Conqunto, as técnicas de inspeção são usadas para melhorar a segurança efetivamente usando esses novos métodos. Atualmente, a demanda por grupos de robôs múltiplos são aumentados, eles foram trabalhados em diferentes campos, como logística, transporte e observação de objetivos. Eles foram usados especialmente para tarefas perigosas, que são difíceis para as pessoas realizar, por exemplo, busca e resgate na área de perigo, exploração planetária e detecção remota. A capacidade dos robôs em tarefas difíceis e também precisa das tarefas nos dá poder para usar robôs múltiplos para inspeção em qualquer campo. O objetivo deste projeto é provar vários robôs para trabalhar na supervisão mínima do humano e trabalhar como um enxame e nosso objetivo principal para implementar o algoritmo ABC para controlar robôs múltiplos. Conqunto esses robôs sejam muito simples como um indivíduo, mas podem completar tarefas complexas e realizar tarefas precisas e de alta sensibilidade. Com esses robôs múltiplos, em vez de uma única inspeção no certo tempo e derrubar o motor a jato, podemos aplicá-los ao motor a jato enquanto o motor a jato está ligado ao avião e podemos implementá-los várias vezes para receber os melhores resultados e Mais segurança. / The aerospace industry is one of the leaders in the world that developing an innovation method, materials and fabrication technique for increasing efficiency, improving safety, and reducing cost in this industry. Nowadays, researchers are also searching to improve the inspection technique, to reduce human supervision, time and cost, which are very important for the aerospace industry. Although, inspection techniques are used to improve safety indeed using these new methods need to reliable as well, to replace the old one. Nowadays demand for groups of multiple robots are increased, they have been worked in different fields such as logistics, transportation, and target observation. They have been used especially for dangerous tasks, which are difficult for humans to perform for instance search and rescue in the hazard area, planetary exploration, and remote detection. The ability of robots in difficult tasks and also accurate to do the tasks gives us power to use multi robots for inspecting in any field. The aim of this project is to prove multi robots can work on the minimum human¿s supervision and work as a swarm and our main goal to implement the ABC algorithm to control multi robots. Although those robots are very simple as an individual but they can complete complex tasks and accomplish precise and high sensitivity tasks. With these multi robots, instead of single inspection in the certain time and tear down the jet engine, we can apply them to the jet engine while the jet engine is attached to the airplane and we can implement them multiple times for receiving the better results and more safety.

L'objet de cette thèse est l'étude et la mise en oeuvre d'un système de gestion automatique de la configuration d'une formation d'avions sans pilote, ou drones. Les objectifs sont, d'une part, d'améliorer la sécurité et l'efficacité d'un groupe de drones de combat, et, d'autre part, de faire le lien entre les niveaux de planification de missions et les niveaux fonctionnels de contrôle de la formation. Le vol en formation est particulièrement bien adapté pour des applications militaires en milieux hostiles, qui requièrent des synchronisations pour l'arrivée sur les cibles ou du support mutuel pour le brouillage. L'une des difficultés soulevées est le choix autonome de la configuration. Notre approche est de mettre en oeuvre, entre les niveaux décisionnels et les niveaux fonctionnels, une couche intermédiaire dédiée à la formation et à la gestion autonome de sa configuration. La configuration ainsi déterminée doit être affectée aux avions de la formation en tenant compte des contraintes tactiques et des ressources de chacun. Enfin, la sécurité du vol est un élément primordial. Il faut donc pouvoir planifier des manoeuvres de reconfiguration pour passer d'une configuration à une autre, en respectant les distances minimales entres avions. Des solutions ont été développées à partir de l'algorithme Branch & Bound pour résoudre les problèmes d'allocations, et de l'algorithme A* pour la planification de trajectoires dans la formation. De plus, un contrôle de vol de la formation a été implémenté. Ceci a permis de valider notre approche par des simulations et des expérimentations réelles.

Dans les années 90, le problème de l'intégration des nombreuses fonctionalités nécessaires à l'autonomie de robots a donné naissance aux architectures robotiques, qui permettent aux différentes fonctions nécessaires aux robots autonomes de bien s'articuler entre elles: la perception, la décision et l'action. L'expérience dans ce domaine a montré les limites des différentes approches alors proposées. Récemment, de nouvelles architectures ont tenté de dépasser ces limites, principalement en uni'ant la représentation du plan. Cette thèse propose à la fois un modèle de plan permettant de représenter les résultats de différents formalismes de décision, d'exécuter le plan qui en résulte, et de l'adapter en ligne. Ce modèle et le composant d'exécution et d'adaptation construit autour de lui ont été pensés dès l'origine pour le multi-robot : il s'agit de permettre l'exécution et l'adaptation de plans joints, c'est à dire de plans dans lesquels plusieurs robots coopèrent. Le composant logiciel construit durant cette thèse a de plus donné lieu à une validation expérimentale pour une coopération aéro-terrestre.

Contrôler un système multi-robots hautement dynamique au sein duquel évolue un grand nombre d'entités autonomes réactives est un challenge à la fois scientifique et technologique en plein essor. En effet, ceci exige non seulement d'utiliser des entités robotiques les plus élémentaires possibles mais nécessite également au niveau du contrôle, de s'éloigner davantage des conceptions centralisées et cognitives. La démarche consiste à focaliser la conception du contrôle sur l'individu élémentaire constituant le système multi-robots en prenant en compte les différentes interactions locales de cet individu avec les autres entités robotiques avec lesquels il est censé coopérer. Des effets de masse maîtrisés peuvent être ainsi obtenus et vont permettre d'augmenter à la fois la vitesse, la flexibilité et la robustesse d'exécution des tâches complexes entreprises. Les travaux de recherche présentés dans ce mémoire partent du principe d'une conception ascendante (Bottom-Up) des architectures de contrôle et ce afin de briser la complexité inhérente aux systèmes multi-robots. Plus spécifiquement, nous proposons un Processus de Sélection d'Action Hiérarchique appelé PSAH qui permet à l'échelle du robot de coordonner l'activité d'un ensemble de primitives élémentaires (comportements) d'une manière hiérarchique et flexible, et à l'échelle du groupe de robots d'atteindre une coordination entre robots favorisant des buts globaux. Les performances du PSAH ont été améliorées par la suite via l'adjonction d'un mécanisme de fusion d'actions approprié conduisant à un nouveau processus de sélection appelé PSAHH (PSAH-Hybride). Les formalismes des algorithmes génétiques ont été utilisés par la suite pour proposer une méthodologie permettant l'obtention des paramètres prépondérants pour le fonctionnement du PSAHH. La validation des résultats s'est effectuée au travers d'expérimentations sur des mini-robots ALICE et plus largement sur un ensemble d'études statistiques réalisées sur un grand nombre de données obtenu grâce au simulateur MiRoCo (Mini-Robotique Collective). Ce simulateur a été conçu et développé dans le cadre de nos travaux de thèse dans le but de simuler d'une manière précise et rigoureuse des systèmes multi-robots à forte dynamique d'interaction.

Ce travail se place dans le cadre de la navigation autonome d'une flottille de robots mobiles non holonomes. Notre objectif est de doter un système multi-robots à la fois d'une architecture de planification de trajectoire flexible et d'une architecture de poursuite de trajectoire performante et robuste.<br />Le premier chapitre est consacré à la présentation du contexte.<br />Le deuxième chapitre est dévolu au développement d'un algorithme de planification de trajectoire admissible pour un robot mobile suffisamment flexible pour pouvoir être étendu au cadre multi-robots.<br />Dans le troisième chapitre, deux mécanismes de coordination sont développés. Pour le premier, les conflits sont résolus via un superviseur. Le second permet la génération en ligne des trajectoires optimales de chaque robot de manière décentralisée à partir uniquement des informations disponibles.<br />Le quatrième chapitre concerne la commande par modes glissants d'ordre quelconque. L'efficacité de l'algorithme est mise en lumière à travers des résultats expérimentaux sur un moteur pas à pas.<br />Dans le cinquième chapitre, deux algorithmes de commande par modes glissants avec action intégrale sont synthétisés et implémentés sur le robot Pekee. Ces techniques assurent la stabilisation et/ou le suivi de trajectoire malgré la présence de perturbations et d'incertitudes.<br />Le dernier chapitre décrit un mécanisme décentralisé de coordination de type ``meneur/suiveur''. Il permet de s'affranchir de la connaissance de la position absolue de l'ensemble des robots et d'éviter les collisions entre robots. Enfin, nous présentons des résultats expérimentaux sur une flottille de trois robots Miabot.