Cette thèse traite du problème de la locomotion des robots humanoïdes dans le contexte du projet européen KoroiBot. En s'inspirant de l'être humain, l'objectif de ce projet est l'amélioration des capacités des robots humanoïdes à se mouvoir de façon dynamique et polyvalente. Le coeur de l'approche scientifique repose sur l'utilisation du controle optimal, à la fois pour l'identification des couts optimisés par l'être humain et pour leur mise en oeuvre sur les robots des partenaires roboticiens. Cette thèse s'illustre donc par une collaboration à la fois avec des mathématiciens du contrôle et des spécialistes de la modélisation des primitives motrices. Les contributions majeures de cette thèse reposent donc sur la conception de nouveaux algorithmes temps-réel de contrôle pour la locomotion des robots humanoïdes avec nos collégues de l'université d'Heidelberg et leur intégration sur le robot HRP-2. Deux contrôleurs seront présentés, le premier permettant la locomotion multi-contacts avec une connaissance a priori des futures positions des contacts. Le deuxième étant une extension d'un travail réalisé sur de la marche sur sol plat améliorant les performances et ajoutant des fonctionnalitées au précédent algorithme. En collaborant avec des spécialistes du mouvement humain nous avons implementé un contrôleur innovant permettant de suivre des trajectoires cycliques du centre de masse. Nous présenterons aussi un contrôleur corps-complet utilisant, pour le haut du corps, des primitives de mouvements extraites du mouvement humain et pour le bas du corps, un générateur de marche. Les résultats de cette thèse ont été intégrés dans la suite logicielle "Stack-of-Tasks" du LAAS-CNRS. / This thesis covers the topic of humanoid robot locomotion in the frame of the European project KoroiBot. The goal of this project is to enhance the ability of humanoid robots to walk in a dynamic and versatile fashion as humans do. Research and innovation studies in KoroiBot rely on optimal control methods both for the identification of cost functions used by human being and for their implementations on robots owned by roboticist partners. Hence, this thesis includes fruitful collaborations with both control mathematicians and experts in motion primitive modeling. The main contributions of this PhD thesis lies in the design of new real time controllers for humanoid robot locomotion with our partners from the University of Heidelberg and their integration on the HRP-2 robot. Two controllers will be shown, one allowing multi-contact locomotion with a prior knowledge of the future contacts. And the second is an extension of a previous work improving performance and providing additional functionalities. In a collaboration with experts in human motion we designed an innovating controller for tracking cyclic trajectories of the center of mass. We also show a whole body controller using upper body movement primitives extracted from human behavior and lower body movement computed by a walking pattern generator. The results of this thesis have been integrated into the LAAS-CNRS "Stack-of-Tasks" software suit.

Cette thèse porte sur des algorithmes de contrôle et de planification de mouvements pour les robots humanoïdes. Le grand nombre de paramètres caractérisant ces systèmes a conduit au développement de méthodes numériques, d'abord appliquées aux bras manipulateurs et récemment adaptées pour les structures plus complexes. On relève particulièrement les formalismes de commande cinématique et dynamique par priorité qui permettent de produire un mouvement selon une hiérarchie préétablie des tâches. Au cours de ce travail, nous avons identifié le besoin d'étendre ce formalisme afin de tenir compte de contraintes unilatérales. Nous nous sommes par ailleurs intéressés à la planification de la locomotion en fonction des tâches. Nous proposons une modélisation jointe du robot et de sa trajectoire de marche comme une structure articulée unique saisissant à la fois les degrés de liberté actionnés (articulations motorisées du robot) et non actionnés (positionnement absolu dans l'espace). L'ensemble de ces algorithmes, qui seront longuement illustrés, ont été implémentés au sein du projet HPP (Humanoid Path Planner) et validés sur le robot humanoïde HRP-2.

Les petits robots humanoïdes sont généralement soumis à de nombreuses imperfections : déformations et jeux mécaniques, défauts électriques et problèmes d'asservissements moteurs. L'objet de ces travaux est l'utilisation de techniques d'apprentissage pour compenser les imperfections du robot réel. L'amélioration de la précision de l'odométrie et de la stabilité de mouvements générés est étudiée. Cette thèse est fortement guidée et inspirée par la participation de l'équipe Rhoban (Rhoban Football Club) à la compétition internationale de robotique, la RoboCup. Depuis 2011, l'équipe concourt chaque année dans la ligue des petits robots humanoïdes complètement autonomes (Humanoid Kid-Size) dans un tournoi de football robotique. L'odométrie proprioceptive estime les déplacements du robot à partir de ses capteurs internes (la caméra n'est pas utilisée) alors que l'odométrie prédictive simule les déplacements engendrés par une séquence donnée d'ordres du mouvement de marche. Deux méthodes de correction sont ici proposées pour les deux odométries. La première se fonde sur une technique de régression non paramétrique (LWPR) et un système externe de capture de mouvement. La deuxième optimise (CMA-ES) un modèle de correction linéaire sans ne nécessiter aucun autre dispositif de mesure. L'odométrie proprioceptive est essentielle à la localisation du robot sur le terrain de football alors que l'odométrie prédictive permet d'entraîner hors ligne une politique de contrôle de la marche. La synthèse de mouvements très dynamiques tels que la marche ou le tir est rendue difficile par la forte contrainte de stabilité bipède et les imperfections des servomoteurs. Des mouvements de tir sont tout d'abord générés par optimisation (CMA-ES) et évalués au travers du modèle dynamique inverse du robot. Le développement d'un simulateur physique a été commencé. Le but est de réduire la distance entre le comportement réel et désiré du robot par correction des mouvements au sein du simulateur. / Small humanoid robots are often affected by many flaws : mechanical wraps and backlashes, electrical issues and motor control problems. This work is aimed at applying machine learning methods to deal with the flaws of the real robot. More precisely, improving the odometry accuracy and generated motion stability is studied. This thesis is highly guided and inspired by the participation of the Rhoban team (Rhoban Football Club) to the international RoboCup competition. Since 2011, the team has been competing each year in a soccer tournament within the fully autonomous small humanoid robots (Kid-Size) league. Proprioceptive odometry estimates the robot displacements from its internal sensors (no camera is used) whereas predictive odometry simulates the displacements created from a sequence of walk orders. Two corrective methods are proposed for the two kinds of odometries. The first one is based on a non parametric regression (LWPR) and a motion capture setup. The second one optimizes (CMA-ES) a linear corrective model without needing any external measure system. The proprioceptive odometry is essential to the localization of the robot on the soccer field. The predictive odometry is used to train a control policy for the walk motion. The generation of very dynamic motions like walking or kicking the ball is difficult due to the biped balance constraint and the many servomotor flaws. To start, kick motions are generated by optimization (CMA-ES) and evaluated based on the inverse dynamic model of the robot. The implementation of a physics simulator has been started. The objective is make the real behaviour of the robot to catch up the target trajectory by correcting the motion within the simulator.

D'un point de vue énergétique, les robots marcheurs sont moins performants que les humains. Face à ce défi, cette thèse propose une approche pour contrôler et optimiser les allures de marche des robots bipèdes à la fois en 2D et 3D en considérant les fréquences propres du robot et par ajout de ressorts. L'étude porte essentiellement sur un robot bipède 2D à 5 corps et des pieds ponctuels ainsi qu'un robot bipède 3D à 8 corps avec des pieds sans masse à contact linéique. La commande en boucle fermée considérée est basée sur la méthode des contraintes virtuelles et la linéarisation par retour d'état. Suite à des études précédentes, la stabilité du robot bipède 2D est vérifiée par une section de Poincaré unidimensionnelle et étendue au robot bipède 3D à contact linéique avec le sol. L'optimisation est effectuée en utilisant la programmation quadratique séquentielle. Les paramètres optimisés incluent des coefficients de polynômes de Bézier et des paramètres posturaux. Des contraintes d'optimisation sont imposées pour assurer la validité de l'allure de marche. Pour le robot bipède 2D, deux configurations différentes de ressorts placés aux hanches sont étudiées. Ces deux configurations ont permis de réduire le coût énergétique. Pour le robot bipède 3D, les paramètres d'optimisation sont séparés en deux parties : ceux décrivant le mouvement dans le plan sagittal et ceux du plan frontal. Les résultats de l'optimisation montrent que ces deux types de paramètres doivent être optimisés. Ensuite, des ressorts sont ajoutés respectivement par rapport au plan sagittal, par rapport au plan frontal puis dans les deux plans. Les résultats montrent que l'ajout des ressorts dans le plan sagittal permet de réduire significativement le coût énergétique et que l'association de ressorts dans le plan frontal améliore encore plus la consommation d'énergie. / From an energy standpoint, walking robots are less efficient than humans. In facing this challenge, this study aims to provide an approach for controlling and optimizing the gaits of both 2D and 3D bipedal robots with consideration for exploiting natural dynamics and elastic couplings. A 5-link 2D biped with point feet and an 8-link 3D biped with massless line feet are studied. The control method is based on virtual constraints and feedback linearization. Following previous studies, the stability of the 2D biped is verified by computing scalar Poincaré map in closed form, and now this method also applies to the 3D biped because of its line-foot configuration. The optimization is performed using sequential quadratic programming. The optimization parameters include postural parameters and Bézier coefficients, and the optimization constraints are used to ensure gait validity. For the 2D biped, two different configurations of hip joint springs are investigated and both configurations successfully reduce the energy cost. For the 3D biped, the optimization parameters are further divided into sagittal parameters and coronal parameters, and the optimization results indicate that both these parameters should be optimized. After that, hip joint springs are added respectively to the sagittal plane, the coronal plane and both these planes. The results demonstrate that the elastic couplings in the sagittal plane should be considered first and that the additional couplings in the coronal plane reduce the energy cost even further.