Un robot bipède doit pouvoir marcher en toute sécurité dans une foule. Pour cela, il faut prendre en compte deux aspects : l’équilibre et l'évitement des collisions. Maintenir l’équilibre implique d'éviter les défaillances dynamiques et cinématiques de la dynamique instable du robot. Pour ce qui est de l’évitement des collisions, il s’agit d’éviter le contact entre le robot et des individus. Nous voulons être capables de satisfaire ces deux contraintes simultanément, à l’instant présent mais aussi dans le futur. Nous pouvons assurer l’équilibre du robot indéfiniment en le faisant entrer dans un cycle limite de marche ou en le faisant s’arrêter après quelques pas. Néanmoins, une telle garantie pour l’évitement d’obstacle n’est pas possible pour plusieurs raisons : impossibilité de connaître de manière absolue la direction vers laquelle les individus se dirigent, limitations cinématiques et dynamiques du robot, mouvement adverse de la foule, etc. Nous traitons ces limitations avec une stratégie standard de navigation dans une foule, appelée passive safety, qui nous permet de formuler une loi de commande prédictive avec laquelle nous assurons l’équilibre et l'évitement des collisions, de manière unifiée, en faisant s’arrêter le robot de manière sécurisée et en temps fini. De plus, nous définissons une nouvelle stratégie de navigation sûre basée sur le principe d’évitement des collisions aussi longtemps que possible, qui a la propriété de minimiser leur apparition et sévérité. Nous proposons une formulation lexicographique qui synthétise des mouvements conformes à ce principe. Nous augmentons les degrés de liberté de la locomotion d’un robot bipède en permettant la variation de l’orientation et de la durée des pas en ligne. Cependant, cela introduit des non-linéarités dans les contraintes de nos problèmes d’optimisation. Nous faisons des approximations de ces contraintes non-linéaires avec des contraintes linéaires sûres de sorte que la satisfaction des secondes implique la satisfaction des premières. Nous proposons une nouvelle méthode de résolution des problèmes non-linéaires (Optimisation Quadratique Successive Sûre) qui assure la faisabilité des itérations de Newton en utilisant cette redéfinition des contraintes. Nous simulons la marche d’un robot bipède dans une foule pour évaluer la performance de nos lois des commandes. D’une part, nous réussissons à réduire (statistiquement) la quantité et la sévérité des collisions en comparaison avec la méthode de passive safety, spécialement dans les conditions d’incertitude de la marche du robot dans une foule. D’autre part, nous montrons des exemples de comportements typiques du robot, qui découlent de la liberté de choisir l’orientation et la durée des pas. Nous rapportons le coût de calcul de notre méthode de résolution des problèmes non-linéaires en comparaison avec une méthode standard. Nous montrons qu’une seule itération de Newton est nécessaire pour arriver à une solution faisable, mais que le coût de calcul dépend du nombre de factorisations de l’active set dont nous avons besoin pour arriver à l’active set optimal. / We want a biped robot to walk safely in a crowd. This involves two aspects: balance and collision avoidance. The first implies avoiding kinematic and dynamical failures of the unstable walking dynamics of the robot; the second refers to avoiding collisions with people. We want to be able to solve both problems not only now but also in the future. We can ensure balance indefinitely by entering in a cyclic walk or by making the robot stop after a couple of steps. Nonetheless, we cannot give a comparable guarantee in collision avoidance for many reasons: impossibility of having absolute knowledge of where people are moving, kinematic/dynamical limitations of the robot, adversarial crowd motion, etc. We address this limitation with a standard strategy for crowd navigation, known as passive safety, that allows us to formulate a unified Model Predictive Control approach for balance and collision avoidance in which we require the robot to stop safely in finite time. In addition, we define a novel safe navigation strategy based on the premise of avoiding collisions for as long as possible that minimizes their occurrence and severity. We propose a lexicographic formulation that produces motions that comply with such premise.We increase the degrees of freedom of the locomotion of a biped robot by allowing the duration and orientation of its steps to vary online. This introduces nonlinearities in the constraints of the optimization problems we solve. We approximate these nonlinear constraints with safe linear constraints so that satisfying the latter implies satisfying the former. We propose a novel method (Safe Sequential Quadratic Programming) that ensures feasible Newton iterates in the solution of nonlinear problems based on this redefinition of constraints.We make a series of simulations of a biped robot walking in a crowd to evaluate the performance of our proposed controllers. We are able to attest the reduction in the number and in the severity of collisions with our proposed navigation strategy in comparison with passive safety, specially when there is uncertainty in the motion of people. We show typical behaviors of the robot that arise when we allow the online variation of the duration and orientation of the steps and how it further improves collision avoidance. We report the computational cost of our proposed numerical method for nonlinear problems in comparison with a standard method. We show that we only need one Newton iteration to arrive to a feasible solution but that the CPU time is dependent on the amount of active set factorizations needed to arrive to the optimal active set.

Ce mémoire est centré sur l'optimisation dynamique de mouvements de systèmes articulés plans travaillant en boucle fermée. L'application visée est l'optimisation de pas de marche de robots bipèdes. La première partie est consacrée au développement de modèles dynamiques de systèmes bouclés adaptés au problème de l'optimisation lorsqu'on fait appel au principe du maximum de Pontryagin. Le problème d'optimisation est traité dans la deuxième partie. La démarche utilisée consiste à ouvrir la chaîne au niveau d'une liaison bien choisie et à traiter les efforts de liaison comme des efforts de commande complémentaires. La condition de fermeture de la chaîne est alors considérée comme une contrainte du problème d'optimisation et est traitée par une méthode de pénalité. Le troisième chapitre contient des simulations numériques relatives à des mécanismes plans suractionnés de type robots parallèles. Les principaux résultats concernent l'optimisation de pas de marche de bipèdes plans à pattes bisegmentaires et trisegmentaires.