L’autonomie d’un robot mobile autonome requiert la réalisation coordonnée de tâches de commande et de perception de l’environnement. Parmi celles-ci, la navigation joue un rôle de pivot dans l’interaction du robot avec son terrain d’évolution. Elle consiste en la détermination de trajectoires réalisables par le robot pour suivre un chemin préétabli, tout en assurant la non collision avec les obstacles, mobiles ou fixes. Pour effectuer cette tâche, notre approche s’appuie sur le modèle cinématique direct du véhicule pour générer des trajectoires admissibles par le robot. En premier lieu, une trajectoire de référence est construite à partir du chemin à suivre. Le problème de navigation est alors modélisé sous la forme d’un problème d’optimisation sous contraintes dont la fonction coût quantifie l’écart entre la trajectoire prédite du robot et la trajectoire de référence. Les obstacles sont intégrés sous forme de contraintes en pénalisant le critère, et sa minimisation détermine la commande optimale à appliquer. Cette navigation par commande prédictive nous permet d’anticiper les mouvements de contournement d’obstacles sur l’horizon de prédiction choisi, tout en gardant une certaine réactivité vis-à-vis de la dynamique des obstacles et du robot. En outre, l’utilisation de familles de trajectoires paramétrées permet de maitriser le comportement du véhicule. / Autonomous robots have to perform both control and perception tasks coordinately. Among these ones, the navigation task is a key in the interaction between the robot and its environment. It consists of determining the trajectories which the robot can follow in order to negotiate correctly around static and dynamic obstacles, assuming that it is programmed to map out its environment and situate itself within that environment. To perform this task, our approach rests on the direct kinematics model of the robot to generate admissible trajectories for the robot. Firstly, a reference trajectory is computed from the reference path provided by a path planer. Then the navigation task is modelized as an optimization under constraints problem, whose the cost function quantify the gap between the reference trajectory and the predicted trajectory of the robot. The obstacles are taken into account as constraints, and the minimization of the resulting cost function determinate the optimal control for the robot on a prediction horizon. This predictive navigation allows the robot to anticipate bi-pass movements on the chosen prediction horizon, Moreover, the behaviour of the robot is mastered by the use of parametered trajectories families.

L'autonomie d'un robot mobile autonome requiert la réalisation coordonnée de tâches de commande et de perception de l'environnement. Parmi celles-ci, la navigation joue un rôle de pivot dans l'interaction du robot avec son terrain d'évolution. Elle consiste en la détermination de trajectoires réalisables par le robot pour suivre un chemin préétabli, tout en assurant la non collision avec les obstacles, mobiles ou fixes. Pour effectuer cette tâche, notre approche s'appuie sur le modèle cinématique direct du véhicule pour générer des trajectoires admissibles par le robot. En premier lieu, une trajectoire de référence est construite à partir du chemin à suivre. Le problème de navigation est alors modélisé sous la forme d'un problème d'optimisation sous contraintes dont la fonction coût quantifie l'écart entre la trajectoire prédite du robot et la trajectoire de référence. Les obstacles sont intégrés sous forme de contraintes en pénalisant le critère, et sa minimisation détermine la commande optimale à appliquer. Cette navigation par commande prédictive nous permet d'anticiper les mouvements de contournement d'obstacles sur l'horizon de prédiction choisi, tout en gardant une certaine réactivité vis-à-vis de la dynamique des obstacles et du robot. En outre, l'utilisation de familles de trajectoires paramétrées permet de maitriser le comportement du véhicule.

Ce mémoire d'habilitation à diriger les recherches porte sur la perception et la compréhension conjointe de l'espace et du milieu par un robot cognitif autonome. Dans ce contexte, la démarche consiste ici à intégrer des percepts multiples et incertains à tous les niveaux de la perception à partir de capteurs visuels embarqués. Ces travaux se structurent en deux thèmes. Le premier thème se focalise sur la perception de l'espace pour la navigation autonome en milieu intérieur. Nos travaux antérieurs ont mis l'accent sur une méthodologie complète de détection, reconnaissance et localisation sur amers visuels validée par des expérimentations réelles sur le robot Diligent. Ces amers sont capturés automatiquement par le robot dans les différentes représentations métriques et topologiques de son environnement de travail. La navigation consiste alors à exploiter ces modèles pour se localiser métriquement ou qualitativement, sur la base de données visuelles, éventuellement télémétriques. À terme, ces représentations seront enrichies par des informations sémantiques capturées en interaction avec l'homme. Cet apprentissage supervisé, la perspective d'un robot sociable, nous ont amené à démarrer le second thème sur la perception par le robot de l'homme pour leur interaction. Nos travaux ont porté sur la détection, le suivi, la reconnaissance de l'homme par vision monoculaire couleur. Parmi ces fonctions, la problématique du suivi est centrale puisque la plupart des tâches robotiques coordonnées avec l'homme nécessite de caractériser la relation d'une plate-forme mobile aux agents humains a priori mobiles. Nous avons ainsi prototypé puis intégré plusieurs fonctions de suivi 2D ou 3D de tout ou partie des membres corporels de l'homme par le choix conjoint de stratégies de fusion de données visuelles et de filtrage particulaire répondant aux modalit és d'interaction envisagées pour le robot "guide" Rackham et le robot compagnon Jido. Les prospectives énoncées visent à l'interactio n de percepts relative à la perception simultanée par le robot de l'espace et/ou de l'homme. La problé- matique de l'intelligence ambiante, par l'ajout de robots anthropomorphes type humanoïde dans ces environnements humains, devrait infléchir ces travaux tout en recoupant certaines investigations passées ou actuelles.