Cette thèse porte sur le traitement automatique d'images couleur, et son application à la robotique dans des environnements semi-structurés d'extérieur. Nous proposons une méthode de navigation visuelle pour des robots mobiles en utilisant une caméra couleur. Les domaines d'application de ce travail se situent dans l'automatisation de machines agricoles, en vue de la navigation automatique dans un réseau de chemins (pour aller d'une ferme à un champ par exemple). Nous présentons tout d'abord une analyse des principaux travaux de recherche dans la littérature sur la navigation visuelle. Une chaîne de pré-traitement pour le rendu couleur d'images numériques mono-capteur dotées d'un filtre Bayer est présentée ; elle se base sur une étude des techniques de démosaïquage, le calibrage chromatique d'images (balance de blancs) et la correction gamma. Une méthode d'interprétation monoculaire de la scène courante permet d'extraire les régions navigables et un modèle 2D de la scène. Nous traitons de la segmentation d'une image couleur en régions, puis de la caractérisation de ces régions par des attributs de texture et de couleur, et enfin, de l'identification des diverses entités de la scène courante (chemin, herbe, arbre, ciel, champ labouré,&). Pour cela, nous exploitons deux méthodes de classification supervisée : la méthode de Support Vector Machine) (SVM) et celle des k plus proches voisins (k-PPV). Une réduction d'information redondante par une analyse en composantes indépendantes (ACI) a permis d'améliorer le taux global de reconnaissance. Dans un réseau de chemins, le robot doit reconnaître les intersections de chemins lui permettant (a) dans une phase d'apprentissage, de construire un modèle topologique du réseau dans lequel il va devoir se déplacer et (b) dans une phase de navigation, de planifier et exécuter une trajectoire topologique définie dans ce réseau. Nous proposons donc une méthode de détection et classification du chemin: ligne droite, virage gauch e, virage droite, carrefour en X, en T ou en Y. Une approche pour la représentation de la forme et de la catégorisation des contours (Shape Context) est utilisée à cet effet. Une validation a été effectuée sur une base d'images de routes ou chemins de campagne. En exploitant cette méthode pour détecter et classifier les noeuds du réseau de chemins, un modèle topologique sous forme d'un graphe est construit; la méthode est validée sur une séquence d'images de synthèse. Enfin, dans la dernière partie de la thèse, nous décrivons des résultats expérimentaux obtenus sur le démonstrateur DALA du groupe Robotique et IA du LAAS-CNRS. Le déplacement du robot est contrôlé et guidé par l'information fournie par le système de vision à travers des primitives de déplacement élémentaires (Suivi-Chemin, Suivi-Objet, Suivi-Bordure,...). Le robot se place au milieu du chemin en construisant une trajectoire à partir du contour de cette région navigable. Étant donné que le modèle sémantique de la scène est produit à basse fréquence (de 0,5 à 1Hz) par le module de vision couleur, nous avons intégré avec celui-ci, un module de suivi temporel des bords du chemin (par Snakes), pour augmenter la fréquence d'envoi des consignes (de 5 à 10 Hz) au module de locomotion. Modules de vision couleur et de suivi temporel doivent être synchronisés de sorte que le suivi puisse être réinitialisé en cas de dérive. Après chaque détection du chemin, une trajectoire sur le sol est planifiée et exécutée; les anciennes consignes qui ne sont pas encore exécutées sont fusionnées et filtrées avec les nouvelles, donnant de la stabilité au système.

Ce travail de thèse présente un système complet de navigation pour un robot mobile fondé sur une représentation de l'environnement par une mémoire sensorielle. L'objectif de ces travaux est de faire se déplacer un robot d'un lieu à un autre le long de chemins parcourus lors d'une phase d'apprentissage. La structuration de la mémoire sensorielle, constituée de données clés acquises lors de cette phase initiale, est tout d'abord décrite. Nous proposons ensuite des lois de commande permettant le suivi d'une route sensorielle, c'est-à-dire une séquence d'images clés à atteindre successivement et permettant d'aller de l'image correspondant à la localisation initiale du robot à une image cible. Ces lois de commande, basées sur le formalisme de la commande référencée capteurs, prennent en compte les contraintes de déplacement des véhicules considérés: robots à roues non-holonomes et robots aériens de type quadrirotor. Dans le cadre de capteurs visuels omnidirectionels ou grand-angle, nous présentons une approche efficace pour la localisation initiale du robot ainsi que les outils permettant l'estimation de l'état du véhicule nécessaire pour alimenter les lois de commande proposées. Le système complet de navigation a été mis en oeuvre avec une attention particulière portée sur la conception du système de gestion de la mémoire sensorielle. Des applications sur plusieurs types de véhicules et avec des caméras grand-angle ont permis de valider notre approche.

Une nouvelle approche de planification automatique de mouvements est proposée pour un robot holonome (ayant 2 dégrés de liberté en translation et 1 degré de liberté en rotation) sous des contraintes d'incertitudes géométriques. Les incertitudes considérées portent sur le positionnement (position/orientation) et sur le déplacement du robot. L'originalité de l'approche réside d'une part dans le principe de résolution, et, d'autre part, dans la modélisation des incertitudes et son intégration dans l'approche. L'approche est composée de deux fonctions définies dans l'espace des configurations : (1) une fonction de potentiel fictif qui engendre des déplacements incrémentaux aussi bien dans l'espace libre que dans l'espace de contact ; (2) une fonction d'exploration qui parcourt de manière discrète l'espace de contact afin de contourner les minima locaux de la fonction précédente. Les "contacts" entre le robot et les obstacles sont utilisés pour réduire l'incertitude sur la position et l'orientation du robot. Une analyse explicite des incertitudes est intégrée dans l'approche proposée en utilisant des modèles géométriques de nature ensembliste. L'approche de planification a été validée pour deux types de tâches robotiques : (1) la planification de mouvements d'un objet "volant" sur un plan, et (2) la navigation d'un robot mobile.

En robotique mobile, les techniques d'apprentissage qui utilisent la vision artificielle représentent le plus souvent l'image par un ensemble de descripteurs visuels. Ces descripteurs sont extraits en utilisant une méthode fixée à l'avance ce qui compromet les capacités d'adaptation du système à un environnement visuel changeant. Nous proposons une méthode permettant de décrire et d'apprendre des algorithmes de vision de manière globale, depuis l'image perçue jusqu'à la décision finale. L'application visée est la fonction d'évitement d'obstacles, indispensable à tout robot mobile. Nous décrivons de manière formelle la structure des algorithmes d'évitement d'obstacles basés sur la vision en utilisant une grammaire. Notre système utilise ensuite cette grammaire et des techniques de programmation génétique pour apprendre automatiquement des contrôleurs adaptés à un contexte visuel donné. Nous utilisons un environnement de simulation pour tester notre approche et mesurer les performances des algorithmes évolués. Nous proposons plusieurs techniques permettant d'accélérer l'évolution et d'améliorer les performances et les capacités de généralisation des contrôleurs évolués. Nous comparons notamment plusieurs méthodes d'évolution guidée et nous en présentons une nouvelle basée sur l'imitation d'un comportement enregistré. Par la suite nous validons ces méthodes sur un robot réel se déplaçant dans un environnement intérieur. Nous indiquons finalement comment ce système peut être adapté à d'autres applications utilisant la vision et nous proposons des pistes pour l'adaptation d'un comportement en temps réel sur le robot

Le système auditif de l'homme fournit de nombreuses informations sur son environnement sonore. Nous sommes par exemple capables de localiser précisément l'origine d'un son et d'en interpréter sa signification, si bien qu'il parait aujourd'hui extrêmement difficile de se passer de ces informations sonores dans un monde dynamique et imprévisible. Pourtant, la robotique mobile n'a que très peu intégré cette modalité auditive, bien qu'elle apparaisse indispensable pour compléter les informations délivrées par les autres capteurs extéroceptifs tels que les caméras, les télémètres lasers ou les d´etecteurs ultra-sonores. Nous présentons dans cette thèse la conception d'un système auditif artificiel, composé de 8 microphones omnidirectionnels et d'une carte d'acquisition/traitement, pour la localisation de source sonore. Cette problématique a déjà été très largement traitée dans la littérature issue du Traitement du Signal et de l'Acoustique. Cependant, des contraintes inédites d'embarquabilité et de temps réel imposées par la robotique limitent l'applicabilité de ces méthodes pour des signaux large bande tels que la voix. Après une étude bibliographique approfondie sur les solutions de localisation déjà proposées en robotique, nous envisageons la définition de formations de voie invariantes en fréquence. Celles-ci sont synthétisées selon une nouvelle méthode d'optimisation convexe basée sur la représentation modale des diagrammes de directivité. Cette solution permet d'améliorer sensiblement la résolution des basses fréquences, aussi bien en champ proche qu'en champ lointain, malgré l'utilisation d'une antenne de microphones de petite taille. Nous exploitons ensuite ces nouvelles formations de voie optimisées pour le tracé d'une carte de puissance acoustique de l'environnement. Comparativement aux méthodes conventionnelles, la localisation s'avère plus précise et permet de traiter des signaux large bande sur la bande de fréquence 400Hz-3kHz. Nous évaluons enfin une extens ion récente de la méthode MUSIC dans l'espace des formations de voie pouvant être compatible avec les contraintes liées au contexte robotique.

La thématique de la navigation autonome constitue l'un des principaux axes de recherche dans le domaine des véhicules intelligents et des robots mobiles. Dans ce contexte, on cherche à doter le robot d'algorithmes et de méthodes lui permettant d'évoluer dans un environnement complexe et dynamique, en toute sécurité et en parfaite autonomie. Dans ce contexte, les algorithmes de localisation et de cartographie occupent une place importante. En effet, sans informations suffisantes sur la position du robot (localisation) et sur la nature de son environnement (cartographie), les autres algorithmes (génération de trajectoire, évitement d'obstacles ...) ne peuvent pas fonctionner correctement. Nous avons centré notre travail de thèse sur une problématique précise : développer un algorithme de SLAM simple, rapide, léger et limitant les erreurs de localisation et de cartographie au maximum sans fermeture de boucle. Au cœur de notre approche, on trouve un algorithme d'IML : Incremental Maximum Likelihood. Ce type d'algorithmes se base sur une estimation itérative de la localisation et de la cartographie. Il est ainsi naturellement divergent. Le choix de l'IML est justifié essentiellement par sa simplicité et sa légèreté. La particularité des travaux réalisés durant cette thèse réside dans les différents outils et algorithmes utilisés afin de limiter la divergence de l'IML au maximum, tout en conservant ses avantages.

La thématique de la navigation autonome constitue l’un des principaux axes de recherche dans le domaine des véhicules intelligents et des robots mobiles. Dans ce contexte, on cherche à doter le robot d’algorithmes et de méthodes lui permettant d’évoluer dans un environnement complexe et dynamique, en toute sécurité et en parfaite autonomie. Dans ce contexte, les algorithmes de localisation et de cartographie occupent une place importante. En effet, sans informations suffisantes sur la position du robot (localisation) et sur la nature de son environnement (cartographie), les autres algorithmes (génération de trajectoire, évitement d’obstacles ...) ne peuvent pas fonctionner correctement. Nous avons centré notre travail de thèse sur une problématique précise : développer un algorithme de SLAM simple, rapide, léger et limitant les erreurs de localisation et de cartographie au maximum sans fermeture de boucle. Au cœur de notre approche, on trouve un algorithme d’IML : Incremental Maximum Likelihood. Ce type d’algorithmes se base sur une estimation itérative de la localisation et de la cartographie. Il est ainsi naturellement divergent. Le choix de l’IML est justifié essentiellement par sa simplicité et sa légèreté. La particularité des travaux réalisés durant cette thèse réside dans les différents outils et algorithmes utilisés afin de limiter la divergence de l’IML au maximum, tout en conservant ses avantages. / One of the main areas of research in the field of intelligent vehicles and mobile robots is Autonomous navigation. In this field, we seek to create algorithms and methods that give robots the ability to move safely and autonomously in a complex and dynamic environment. In this field, localization and mapping algorithms have an important place. Indeed,without reliable information about the robot position (localization) and the nature of its environment (mapping), the other algorithms (trajectory generation, obstacle avoidance ...) cannot achieve their tasks properly. We focused our work during this thesis on a specific problem: to develop a simple, fast and lightweight SLAM algorithm that can minimize localization errors without loop closing. At the center of our approach, there is an IML algorithm: Incremental Maximum Likelihood. This kind of algorithms is based on an iterative estimation of the localization and the mapping. It contains thus naturally a growing error in the localization process. The choice of IML isjustified mainly by its simplicity and lightness. The main idea of our work is built around thedifferent tools and algorithms used to minimize the localization error of IML, while keeping its advantages.

La dégradation des terres dans le monde affecte directement plus d’un milliard d’hectares. Elle menace près de 35% des terres de la planète ainsi que les moyens de subsistance de deux milliards d’individus. Les estimations des pertes financières sont considérables chaque année. La dégradation des terres arides et semi-arides est une entrave au développement des pays concernés. Ce problème demeure insoluble et la communauté internationale organisée au sein de plusieurs instances n’ayant pas trouvé de solution pérenne, assiste impuissante à la progression du fléau malgré les efforts et expérimentations menées à travers le monde. L’urgence est de mise pour trouver des solutions qui soient à la fois techniques, sociales, économiques et culturelles.Ce constat appelle des réponses et la nécessité d’exploiter des approches basées sur les avancées des nouvelles techniques. La robotique mobile est une piste qui peut contribuer dans un avenir proche à freiner ce phénomène. Cette technologie recèle d’immenses possibilités dans plusieurs domaines : médical, aide à la personne, militaire, agricole et bien entendu dans la restauration des écosystèmes. La thèse s’inscrit dans le projet R-Stepps pour évaluer les capacités de résilience d’une solution basée sur les techniques robotiques. Elle expérimente une flotte de robots pour lutter contre la dégradation des terres et l’avancée de la désertification. Nous avons étudié et exploré les moyens de mettre au point une flotte de robots nomades pour remplir des missions de restauration des écosystèmes dégradés. Pour construire des systèmes mécatroniques simples et robustes nous avons mis au point des robots limités à une seule tâche.Nous avons développé une plateforme expérimentale composée de cinq robots capables de se coordonner et d’accomplir chacun une tâche spécifique (forage, plantage, arrosage, surveillance, guidage). Le démonstrateur sert à valider les modèles de navigation, de localisation, de planification ainsi que les procédures de plantation et de surveillance de l’environnement / Land degradation directly affects over a billion hectares throughout the world. It is a threat to almost 35% of the planet’s land as well as to the means of subsistence of two billion people. Estimations of heavy financial losses are increasing year after year. The degradation of arid and semi-arid lands is a serious drawback to the development of the countries concerned. This problem is today unsolved and since a number of organizations within the international community have not found an appropriate, perennial solution, we are powerlessly witnessing the progression of this plague despite the efforts and experiments carried out all over the world. It has become extremely urgent to find solutions that are not only technical, but also social, economic and cultural.This assessment calls for action and the need to exploit different approaches based on the most recent advanced technology. Mobile robotics are a lead to explore and may well contribute to slowing down this phenomenon in the near future. This technology offers endless possibilities in many fields: healthcare, personal assistance, military, agriculture and of course the restoring of ecosystems. It will therefore be necessary to follow the evolution of this sector and observe its effects on the environment and society in general in those regions affected by the phenomenon. Our findings aim to propose a technical solution, and the more general questions regarding societal consequences are not examined; our main concern is to demonstrate and evaluate the resilience capacity of a solution based on robotic techniques. This document is part of the R-Stepps project to experiment a fleet of robots to combat land degradation and reverse the progress of desertification. Its main mission is reforestation, maintenance and surveillance of such zones. The fleet of robots is composed of various platforms, each with a specific function. By limiting each robot to one task, this will ensure their solidity and simple design

Cette thèse étudie les mécanismes de sélection de l'action et de choix de stratégie tels qu'ils apparaissent à travers des expériences animales et des enregistrements neurobiologiques. Nous proposons ensuite des modèles biologiquement plausibles de la sélection de l'action. L'objectif est de mieux comprendre le fonctionnement du cerveau chez les êtres vivants et de pouvoir endéduire des architectures de contrôle bio-inspirées, plus robustes et adaptées à l'environnement. Les modèles étudiés sont réalisés avec des réseaux de neurones artificiels, permettant de modéliser des régions cérébrales et ainsi pouvoir simuler le fonctionnement du cerveau, ce qui permet de tester nos hypothèses sur des robots et des agents virtuels.L'étude de la sélection de l'action pour des robots mobiles implique plusieurs approches. La sélection de l'action peut être étudiée du point de vue du choix entre plusieurs actions basiques, e.g. un choix binaire aller à gauche ou à droite. Ceci passe forcément par l'acquisition et la catégorisation d'instants et d'événements spéciaux, perçus ou effectués, qui représentent des contextes dans lesquels la perception change, le comportement est modifié ou bien la sélection est réalisée. Ainsi, la thèse traite aussi de l'acquisition, la catégorisation et l'encodage de ces événements importants dans la sélection del'action.Enfin, on s'intéressera à la sélection de l'action du point de vue de la sélection de stratégie. Les différents comportements peuvent être dirigés consciemment ou bien être des automatismes acquis avec l'habitude. Le but ici est d'explorer différentes approches pour que le robot puisse développer ces deux capacités, mais aussi d'étudier les interactions entre ces types de mécanismes dans la cadre de tâches de navigation.Les travaux de cette thèse se basent sur la modélisation du fonctionnement de différentes boucles hippocampo-cortico-basales impliquées dans des tâches de navigation, de sélection de l'action et de catégorisations multimodales. En particulier, nous avons un modèle de l'hippocampe permettant d'apprendre des associations spatio-temporelles et des conditionnements multimodaux entre des événements perceptifs. Il se base sur des associations sensorimotrices entre des cellules appelées cellules de lieu qui sont associées avec des actions pour définir des comportements cohérents. Le modèle fait aussi intervenir des cellules de transition hippocampiques, permettant de faire des prédictions temporelles sur les événements futurs. Celles-ci permettent l'apprentissagede séquences spatio-temporelles, notamment du fait qu'elles représentent le substrat neuronal à l'apprentissage d'une carte cognitive, située elle au niveau du cortex préfrontal et/ou pariétal.Ce type de carte permet de planifier des chemins à suivre en fonction des motivations du robot, ce qui permet de rejoindre différents buts précédemment découverts dans l'environnement. / This thesis aims at studying the different mechanisms involved in action selection and decision making processes, according to animal experiments and neurobiological recordings. For that matter, we propose several biologically plausible models for action selection. The goal is to achieve a better understanding of the animal's brain functions. This gives us the opportunity todevelop bioinspired control architectures for robots that are more robust and adaptative to a real environement. These models are based on Artificial Neural Networks, allowing us to test our hypotheses on simulations of different brain regions and function, implemented on robots and virtual agents.Action selection for mobile robots can be approached from different angles. This process can be seen as the selection between two possibilities, e.g. go left or go right. Those mechanisms involve the ability to learn and categorize specific events, encoding contexts where a change in the perception is perceived, a change in the behavior is noticed or the decision is made. There-fore, this thesis studies those capacities of acquisition, categorisation and coding of different events that can be relevant for action selection.We also, approach the action selection as a strategy selection. The different behaviors are guided consciously or through automated behavior learned as habits. We investigate different possibilities allowing a robot to develop those capacities. Also, we aim at studying interactions that can emerge between those mechanisms during navigational behaviors.The work presented in this these is based on the modelisation of the hippocampo-cotico-basal loops involved in the navigational behaviors, the action selection and the multimodal categorisation of events. We base our models on a previous model of the hippocampus for the learning of spatio-temporal associations and for multimodal conditionning of perceptive events. It is based on sensorimotor associations between place cells and actions to achieve navigational behaviors. The model involves also a specific type of hippocampic cells, named transition cells, for temporal prediction of future events. This capacity allows the model to learn spatio-temporal sequences, and it represents the neural substrate for the learning of a cognitive map, hypothesised to be localized in prefrontal and/or parietal areas. This kind of topological map allows to plan the behavior of the robot according to its motivations, which is used in goal orientedexperiments to achieve goals and capture rewards.

L'objectif de ce memoire est de presenter une etude des principales approches existantes pour la synthese de transformations perception-action permettant le pilotage reactif d'un robot mobile vers un but situe dans un univers inconnu. Cette etude est motivee par les limitations du systeme de navigation mis en place dans le cadre du projet Europeen Mithra Eureka EU:110 et qui est base sur l'execution d'un chemin extrait d'un modele parametrique de l'environnement percu. La premiere transformation consideree est basee sur les methodes dites de champs de forces, derivees des methodes a base de potentiels. Nous proposons en particulier une approche heuristique favorisant les mouvements de translation afin de limiter les phenomenes de blocage du robot. La totalite des problemes n'etant pas resolus, nous nous sommes alors interesses a une deuxieme categorie d'outils de synthese de transformations: la logique floue. Les experiences realisees nous ont permis de constater que les problemes rencontres sont similaires a ceux des champs de forces. La seconde partie du manuscrit est dediee a l'utilisation en robotique de techniques issues de l'apprentissage automatique en controle. Nous nous sommes plus particulierement interesses a deux grandes categories d'approches : le supervise et le renforce. Apre`s avoir rappele les contraintes propres a la robotique qu'un algorithme d'apprentissage choisi doit etre en mesure de gerer, nous avons propose dans le cadre de l'apprentissage supervise l'utilisation d'un reseau de neurones de type Grow and Learn couple a une analyse en composantes principales des donnees capteurs. Nous avons ensuite propose un nouvel algorithme d'apprentissage de regles floues pouvant etre utilise dans le cadre d'une approche de type Adaptive Heuristic Critic en apprentissage renforce.