Le travail présenté dans ce mémoire propose une contribution à la planification et au contrôle d'exécution de missions pour un robot mobile autonome, en environnement structuré, dynamique et partiellement connu: il porte sur l'étude et la réalisation d'un système de supervision pour robot mobile. Ce superviseur, qui se trouve au sommet d'une hiérarchie de processus de perception et de commande du robot, a pour rôle de planifier la mission spécifiée par un opérateur et d'en contrôler l'exécution tout en assurant le dialogue entre l'opérateur et le robot. Nous proposons d'abord un langage permettant, à un opérateur non informaticien, de spécifier des missions avec des contraintes pouvant porter soit sur la mission elle même (coûts en durée, énergie, risque, distance, localisation) soit sur l'environnement (accessibilité variable dans le temps, possibilités de recharge ou de relocalisation). La planification s'énonce alors comme un problème de recherche d'un chemin optimal contraint dans un graphe. Pour la résolution de ce problème nous introduisons la notion de chemin efficace appliquée à un nouvel algorithme de recherche heuristique pour résoudre le problème des contraintes multiples. La détermination des chemins efficaces repose sur une représentation d'état adaptée aux contraintes sur l'environnement. Les caractéristiques de complexité de cet algorithme de planification sont comparées à celles de l'algorithme A*. L'exécution de la mission doit assurer l'activation et la supervision des processus chargés d'accomplir les tâches planifiées. L'architecture de contrôle du robot défini une décomposition hiérarchique du contrôle entre le niveau réactif qui réalise les actions et le superviseur qui évalue si le comportement produit satisfait les contraintes. L'évaluation mise en œuvre permet une réponse échelonnée au problème d'échec d'exécution. L'organisation du superviseur en modules asynchrones tient compte de la non prédictibilité des temps de planification, de sorte que le suivi d'exécution et la recherche de plans alternatifs s'exécutent sans pénaliser la réactivité du système. L'ensemble de ces problèmes nous a amené à réaliser d'une part, une interface homme-machine évoluée et d'autre part, un système de supervision en OPS5. Le fonctionnement cyclique, en chaînage avant, de ce système de production assure une bonne réactivité pour le contrôle des processus temps-réel et pour le dialogue avec un opérateur

Le problème aborde dans cette thèse concerne la planification de mouvements d'un robot mobile articulé destiné à évoluer sur un terrain accidenté. Dans un tel contexte, le véhicule est soumis a diverses contraintes dépendant de la dynamique et la cinématique de son système mécanique, la géometrie du terrain et des obstacles, et les propriétés physiques des zones de contact et des interactions échangées entre les roues et le sol. La contribution de cette thèse porte sur la prise en compte de ces différents aspects et contraintes dans la résolution du problème de planification de mouvements. La solution proposée consiste à intégrer et combiner divers types de représentations avec un algorithme à deux niveaux de raisonnement complémentaires. Le premier niveau opère de manière discrète dans un sous-espace de l'espace des configurations du robot et traite de la détermination de sous-buts potentiels à atteindre par celui-ci en considérant les contraintes cinématiques et de non-collision aux obstacles. Le second niveau de raisonnement est appliqué localement et a pour rôle la validation de l'accessibilité effective des différents sous-buts par la recherche de trajectoires exécutables en présence des contraintes dynamiques et d'interactions. Cette étape est effectuée en considérant la formulation du problème de planification dans l'espace des états du robot et l'introduction de représentations spécifiques basées sur le concept des "modèles physiques".

La plupart des systèmes robotiques sont équipés de capteurs sophistiqués censés leur donner la capacité de « voir » et en conséquence de comprendre l'environnement dans lequel ils évoluent. Cependant, la quantité impressionnante d'information que ces capteurs collectent régulièrement n'est réellement mise à profit que si le robot qui en est possède la capacité de les traiter correctement. Depuis plusieurs décennies, une grande variété d'algorithmes de perception a été proposée à cet effet. Il est donc déjà possible d'assembler des algorithmes bien connus de détection, de pistage, de classification, de cartographie et de localisation pour concevoir des systèmes de perception complets capables d'opérer pour une application donnée, dans la plupart des situations. Malheureusement, un certain nombre d'applications concrètes exigent des systèmes de perception qui font bien mieux que de fonctionner la plupart du temps. Un véhicule automatique (sans conducteur) évoluant dans un centre ville ne pourra par exemple se satisfaire que d'un système de perception qui fonctionne dans toutes les situations. Ce mémoire de thèse trait précisément de fiabilité inhérente aux systèmes de perception actuels lorsqu'ils sont confrontés à des environnements complexes et changeants. Une analyse détaillée des causes de ce manque de fiabilité est d'abord proposée. Nous proposons et d'écrivons ensuite une approche nouvelle du problème de perception basée sur une formulation unifiée de ses cinq problèmes sous-jacents (détection, pistage, classification, cartographie et localisation). Nous montrons ainsi que cette approche permet de contourner naturellement les difficultés qui bornent les performances de la plupart des systèmes existants. La pertinence de l'analyse présentée dans ce document ainsi que la validité expérimentale des solutions proposées sont évaluées au travers d'une comparaison concrète entre deux systèmes de perception originaux conçus pour « percevoir» des piétons en environnement urbain.

La modélisation et la simulation numérique sont des outils fondamentaux pour la conception et le développement de nouveaux véhicules. Les travaux de cette thèse portent sur la modélisation et la simulation d'un véhicule innovant, étroit et inclinable, en appliquant une description systématique et générique du véhicule considéré comme un robot dont la base est mobile et les roues sont les organes terminaux. Le système d'inclinaison motorisé entraîne une cinématique complexe et comporte des chaines fermées. Le but du travail est de construire un modèle physique précis, au contraire des modèles simplifiés de type bicyclette ou quart de véhicule utilisés habituellement pour l'étude de la commande des véhicules. L'approche procède à la description de l'architecture mécanique du véhicule, le considérant comme un système multi-corps poly-articulés, s'appuyant sur le formalisme de la robotique et précisément sur la représentation géométrique de Denavit-Hartenberg modifié. Cette approche permet de calculer automatiquement les expressions symboliques des modèles géométriques, cinématiques et dynamiques des structures simples et arborescentes. Les modèles qui en résultent comportent un nombre minimum d'opérations par la mise à profit du calcul symbolique itératif et des techniques de simplification de modèles propres à la robotique. Ces techniques sont implémentées dans le logiciel de calcul symbolique SYMORO+. Le modèle dynamique est calculé d'une manière récursive à l'aide de l'algorithme de Newton-Euler. La simulation dynamique utilise un simulateur édité sous Matlab/Simulink qui intègre le modèle dynamique direct calculé automatiquement à partir du modèle inverse. Des simulations réalisées sur des modèles de complexité croissante, pour des scénarios de freinage ou d'accélération, en ligne droite ou en virage, valident la méthodologie de modélisation mécanique proposée.

Ce mémoire présente un système de localisation par vision pour un robot mobile circulant dans un milieu urbain. Pour cela, une première phase d'apprentissage où le robot est conduit manuellement est réalisée pour enregistrer une séquence vidéo. Les images ainsi acquises sont ensuite utilisées dans une phase hors ligne pour construire une carte 3D de l'environnement. Par la suite, le véhicule peut se déplacer dans la zone, de manière autonome ou non, et l'image reçue par la caméra permet de le positionner dans la carte. Contrairement aux travaux précédents, la trajectoire suivie peut être différente de la trajectoire d'apprentissage. L'algorithme développé permet en effet de conserver la localisation malgré des changements de point de vue importants par rapport aux images acquises initialement. Le principe consiste à modéliser les points de repère sous forme de facettes localement planes, surnommées patchs plan, dont l'orientation est connue. Lorsque le véhicule se déplace, une prédiction de la position courante est réalisée et la déformation des facettes induite par le changement de point de vue est reproduite. De cette façon la recherche des amers revient à comparer des images pratiquement identiques, facilitant ainsi leur appariement. Lorsque les positions sur l'image de plusieurs amers sont connues, la connaissance de leur position 3D permet de déduire la position du robot. La transformation de ces patchs plan est complexe et demande un temps de calcul important, incompatible avec une utilisation temps-réel. Pour améliorer les performances de l'algorithme, la localisation a été implémentée sur une architecture GPU offrant de nombreux outils permettant d'utiliser cet algorithme avec des performances utilisables en temps-réel. Afin de prédire la position du robot de manière aussi précise que possible, un modèle de mouvement du robot a été mis en place. Il utilise, en plus de la caméra, les informations provenant des capteurs odométriques. Cela permet d'améliorer la prédiction et les expérimentations montrent que cela fournit une plus grande robustesse en cas de pertes d'images lors du traitement. Pour finir ce mémoire détaille les différentes performances de ce système à travers plusieurs expérimentations en conditions réelles. La précision de la position a été mesurée en comparant la localisation avec une référence enregistrée par un GPS différentiel.

Cette thèse adresse le problème suivant soit un robot mobile à roues equipé de capteurs, supposés parfaits, renvoyant en temps réel sa localisation. Notre objectif est de construire des lois de commande permettant à autonome. Nous avons dans un premier temps supposé que les roues roulent sans glisser sur le sol. Ceci est réaliste à vitesse modérée et sur des terrains de bonne adhérence. Les possibilités d'évolution des robots étant alors contraintes, ces systèmes sont clairement non-holonomes. Leur modélisation est détaillée. Elle montre que, dans l'optique de la synthèse de lois de commande, l'ensemble des robots mobiles à roues constitue 5 classes d'équivalence. La poursuite d'une trajectoire mobile et la stabilisation sur une configuration de repos sont, pour les systèmes non-holonomes, 2 problèmes distincts. Les solutions classiques peuvent être utilisées pour 4 classes de robots. Celle regroupant les robots équipés de plu sieurs roues commandées en orientation et en rotation présente une difficulté: le modèle de ces systèmes comporte des singularités. Nous avons construit, pour la poursuite, des lois de linéarisation par bouclage d'état dynamique, et pour la stabilisation, des lois de bouclage de l'état et du temps, qui garantissent que ces robots ne passent pas par leurs singularités. Enfin, pour la poursuite de trajectoires mobiles se terminant par une configuration de repos, nous avons proposé un schéma de commande hybride exploitant ces lois. Indépendamment, nous avons aussi analysé le taux de convergence de bouclages de l'état et du temps. Afin d'aborder la commande de robots à des vitesses élevées et/ou avec une mauvaise adhérence, nous avons dans un second temps relâché l'hypothèse de non-glissement. Une seconde modélisation, exploitant la description du contact d'un pneumatique avec le sol, est proposée. Celle-ci étant indéfinie à vitesse nulle, seule la poursuite d'une trajectoire mobile est envisagée. Nous avons proposé des lois de linéarisation partielle par bouclage d'état statique, et un schéma adaptatif afin qu'elles soient robustes pour les conditions d'adhérence.

Ce mémoire présente un système de localisation par vision pour un robot mobile circulant dans un milieu urbain. Pour cela, une première phase d’apprentissage où le robot est conduit manuellement est réalisée pour enregistrer une séquence vidéo. Les images ainsi acquises sont ensuite utilisées dans une phase hors ligne pour construire une carte 3D de l’environnement. Par la suite, le véhicule peut se déplacer dans la zone, de manière autonome ou non, et l’image reçue par la caméra permet de le positionner dans la carte. Contrairement aux travaux précédents, la trajectoire suivie peut être différente de la trajectoire d’apprentissage. L’algorithme développé permet en effet de conserver la localisation malgré des changements de point de vue importants par rapport aux images acquises initialement. Le principe consiste à modéliser les points de repère sous forme de facettes localement planes, surnommées patchs plan, dont l’orientation est connue. Lorsque le véhicule se déplace, une prédiction de la position courante est réalisée et la déformation des facettes induite par le changement de point de vue est reproduite. De cette façon la recherche des amers revient à comparer des images pratiquement identiques, facilitant ainsi leur appariement. Lorsque les positions sur l’image de plusieurs amers sont connues, la connaissance de leur position 3D permet de déduire la position du robot. La transformation de ces patchs plan est complexe et demande un temps de calcul important, incompatible avec une utilisation temps-réel. Pour améliorer les performances de l’algorithme, la localisation a été implémentée sur une architecture GPU offrant de nombreux outils permettant d’utiliser cet algorithme avec des performances utilisables en temps-réel. Afin de prédire la position du robot de manière aussi précise que possible, un modèle de mouvement du robot a été mis en place. Il utilise, en plus de la caméra, les informations provenant des capteurs odométriques. Cela permet d’améliorer la prédiction et les expérimentations montrent que cela fournit une plus grande robustesse en cas de pertes d’images lors du traitement. Pour finir ce mémoire détaille les différentes performances de ce système à travers plusieurs expérimentations en conditions réelles. La précision de la position a été mesurée en comparant la localisation avec une référence enregistrée par un GPS différentiel. / This dissertation presents a vision-based localization system for a mobile robot in an urban context. In this goal, the robot is first manually driven to record a learning image sequence. These images are then processed in an off-line way to build a 3D map of the area. Then vehicle can be —either automatically or manually— driven in the area and images seen by the camera are used to compute the position in the map. In contrast to previous works, the trajectory can be different from the learning sequence. The algorithm is indeed able to keep localization in spite of important viewpoint changes from the learning images. To do that, the features are modeled as locally planar features —named patches— whose orientation is known. While the vehicle is moving, its position is predicted and patches are warped to model the viewpoint change. In this way, matching the patches with points in the image is eased because their appearances are almost the same. After the matching, 3D positions of the patches associated with 2D points on the image are used to compute robot position. The warp of the patch is computationally expensive. To achieve real-time performance, the algorithm has been implemented on GPU architecture and many improvements have been done using tools provided by the GPU. In order to have a pose prediction as precise as possible, a motion model of the robot has been developed. This model uses, in addition to the vision-based localization, information acquired from odometric sensors. Experiments using this prediction model show that the system is more robust especially in case of image loss. Finally many experiments in real situations are described in the end of this dissertation. A differential GPS is used to evaluate the localization result of the algorithm.

This work is focused on advanced methods of mobile robot's path planning. The theoretical part describes selected graphical methods, which are useful for speeding up the process of finding the shortest paths, for example through reduction of explored nodes of the state space. In the practical part was created simulate environment in the Python language and in this environment, selected algorithms was implemented.

The thesis deals with modelling and control of wheeled mobile robots. The thesis introduces the mathematical models of diferentially driven mobile robot, robot with Ackerman steering and a skid steered robot. The thesis describes open-loop and feedback control. Feedback control is divided into point-to-point control, path following and trajectory tracking.

The main focus of this diploma thesis is to design controlling system for robotic chassis moving on horizontal bolt nut of globular elements. This thesis includes analysis of movements of the chassis and definition of instructions for controlling level. Instructions for controlling level are compiled in constructed simulation programme. This thesis also contains design of electronic components and requirements for electronics of controlling subsystems.