Lors de dette dernière décennie, l'évolution des technologies a permis le développement de drones de taille et de poids réduit aptes à évoluer dans des environnements intérieurs ou urbains. Pour exécuter les missions qui leur sont attribuées, les drones doivent posséder un système de navigation robuste, comprenant, notamment, une fonctionnalité temps réel d'ego-localisation précise dans un repère absolu. Nous proposons de résoudre cette problématique par la mise en correspondance des dernières images acquises avec des images géoréférencées de type Google Streetview.Dans l'hypothèse où il serait possible pour une image requête de retrouver l'image géo-référencée représentant la même scène, nous avons tout d'abord étudié une solution permettant d'affiner la localisation grâce à l'estimation de la pose relative entre ces deux images. Pour retrouver l'image de la base correspondant à une image requête, nous avons ensuite étudié et proposé une méthode hybride exploitant à la fois les informations visuelles et odométriques mettant en oeuvre une chaîne de Markov à états cachés. Les performances obtenues, dépendant de la qualité de la mesure de similarité visuelle, nous avons enfin proposé une solution originale basée sur l'apprentissage supervisé de distances permettant de mesurer les similarités entre les images requête et les images géoréférencées proches de la position supposée. / In this last decade, technology evolution has enabled the development of small and light UAV able to evolve in indoor and urban environments. In order to execute missions assigned to them, UAV must have a robust navigation system, including a precise egolocalization functionality within an absolute reference. We propose to solve this problem by mapping the latest images acquired with geo-referenced images, i.e. Google Streetview images.In a first step, assuming that it is possible for a given query image to retrieve the geo-referenced image depicting the same scene, we study a solution, based on relative pose estimation between images, to refine the location. Then, to retrieve geo-referenced images corresponding to acquired images, we studied and proposed an hybrid method exploiting both visual and odometric information by defining an appropriate Hidden Markov Model (HMM), where states are geographical locations. The quality of achieved performances depending of visual similarities, we finally proposed an original solution based on a supervised metric learning solution. The solution measures similarities between the query images and geo-referenced images close to the putative position, thanks to distances learnt during a preliminary step.

Notre travail aborde le problème de navigation autonome en milieu dynamique partiellement connu. Ce problème a généré de nombreux travaux durant les dix dernières années. Néanmoins, nous avons observé que certains aspect fondamentaux liés à la nature dynamique de l'environnement ont été oubliés, en commençant par la limite de temps qu'un système placé dans un environnement dynamique a, pour prendre une décision et exécuter son mouvement. Bien que cette contrainte soit d'importance cruciale, il y a paradoxalement peu de travaux dans la littérature la prennent en compte. Cette contrainte temps réel a été placée au cœur de notre travail. Dans ce travail nous présentons une technique de planification qui prend en compte de manière explicite la contrainte temps réel imposée par l'environnement dynamique. La planification de mouvement partiel (PMP) est une technique originale de planification qui réagit à tout moment; dès que le temps imparti pour calculer une trajectoire est écoulé, la meilleure trajectoire calculée disponible est transmise. En fait, de notre point de vue, l'approche PMP est la meilleure approche possible au problème que nous avons observé, à savoir l'incompatibilité intrinsèque entre la planification en environnement dynamique et la contrainte temps réelle. PMP intègre également le problème de sûreté, que nous considérons d'un point de vue des états de collisions inévitables (ICS), concept récent qui englobe toutes les approches existantes et de proposer une technique qui donne de fortes garanties de sûreté pour notre système. Enfin, dans ce travail, nous démontrons l'efficacité de notre approche PMP pour des environnements relativement complexes. Plusieurs expérience ont été mises en œuvre où PMP a ainsi été intégré sur une plate forme réelle, le robot type voiture Cycab, véhicule conçu par l'INRIA.

L'objectif de ce travail de thèse est de concevoir des algorithmes de commande et de navigation pour le suivi des cibles dynamiques au sol en utilisant des véhicules aériens. Les quaternions, qui fournissent une alternative aux représentations classiques de la dynamique des véhicules aériens, ont été choisis comme une base pour développer des contrôleurs robustes et des algorithmes de navigation agile, en raison de leurs avantages tels que l'absence de singularités et discontinuités, et leur simplicité mathématique lors de la manipulation des rotations. Les approches de commande explorées à l'aide de quaternions dans cette thèse commencent par le retour d'état, la passivité, et des contrôleurs basés sur l'énergie, jusqu'à des modes glissants, et des approches de saturation en trois dimensions. Ensuite, des stratégies de navigation autonomes et semi-autonomes pour quadrirotors ont été explorées. Un algorithme a été développé pour le pilotage d'un quadrirotor en utilisant des gestes d'un utilisateur portant un bracelet. Afin de faciliter le fonctionnement des multi rotors dans des scénarios défavorables, une stratégie de déploiement agressive a été proposée ou un quadrirotor est lancé à la main avec ses moteurs éteints. Finalement, des techniques de navigation autonomes pour le suivi des cibles dynamiques ont été conçues. Un algorithme de génération de trajectoire basée sur des équations différentielles a été introduit pour le suivi d'un véhicule terrestre tout en décrivant des cercles. Enfin un algorithme de planification de chemin distribué a été développé pour une flottille de drones, afin de suivre de façon autonome des cibles au sol, en résolvant un problème d'optimisation en ligne. / The objective of this thesis work is to design control and navigation algorithms for tracking of dynamic ground targets using aerial vehicles. Quaternions, which provide an alternative to the classical representations of aerial vehicle dynamics, have been chosen as a basement to develop robust controllers and agile navigation algorithm, due to their advantages such as the absence of singularities and discontinuities and their mathematical simplicity when handling rotations. The quaternion-based control approaches explored in this thesis range from state feedback, passivity, and energy-based controllers, up to sliding modes, and three-dimensional saturation approaches. Then, autonomous and semi-autonomous navigation strategies for quadrotors were explored. An algorithm has been developed for controlling a quadrotor using gestures from a user wearing an armband. To facilitate the operation of multirotors in adverse scenarios, an aggressive deployment strategy has been proposed where a quadrotor is launched by hand With its motors turned off. Finally, autonomous navigation techniques for tracking dynamic targets have been designed. A trajectory generation algorithm based on differential equations has been introduced to track a land vehicle while describing circles. Finally a distributed path planning algorithm has been developed for a fleet of drones to autonomously track ground targets by solving an online optimization problem.

Dans cette thèse, nous nous intéressons au problème du suivi en convoi, désigné en anglais par le terme platooning, où un train de robots essaie de suivre un chemin décrit par le leader. Ce chemin, n'étant pas prédéfini mais généré au cours du suivi, est inconnu de tous les robots suiveurs. Dans ce travail, nous choisissons une approche décentralisée locale où chaque robot du convoi observe son voisinage et calcule son contrôle de façon à avoir un suivi stable (absence d'oscillations) et précis (erreur latérale aussi faible que possible). Cette thèse étudie plus précisément le comportement latéral d'un robot du convoi et propose deux contrôleurs s'appuyant sur la mémorisation du chemin suivi par son prédécesseur. Un premier algorithme de contrôle Memo-LAT (Memorization and Look-Ahead Target) calcule une commande latérale continue en utilisant une loi de contrôle analytique. La stabilité de Memo-LAT n'étant pas toujours garantie, nous proposons l'algorithme de contrôle NOC (Non-Oscillatory Convergence) qui prend en compte la courbure du chemin à suivre dans le calcul du comportement latéral. NOC combine une approche géométrique avec une recherche heuristique pour calculer une commande discrète permettant au robot de suivre avec précision le chemin de son prédécesseur sans oscillation. / This thesis deals with the platooning problem which aims to concieve a control algorithm allowing a convoy of vehicles to follow their leader's path. This path, which is initially undefined and unknown to all the following robots, is generated as the leader moves. In this thesis, we choose a local decentralized approach in which each robot of the platoon uses its local perceptions to compute its own commands aiming to achieve a stable (no oscillations) and precise (with a lateral error as small as possible) platooning. More precisely, this thesis studies the lateral behavior of a platoon's robot and introduces two controllers based on the memorization of the robot's predecessor's path. The first algorithm, Memo-LAT (Memorization and Look-Ahead Target), computes a continuous lateral command using an analytic control law. As the stability of Memo-LAT is not always guaranteed, we present NOC (Non-Oscillatory Convergence), a control algorithm which takes into account the path's curvature in the robot's lateral behavior's computation. NOC combines a geometric approach to a heuristic search method to compute a discrete command allowing the robot to follow precisely and without oscillations its predecessor's path

Ces travaux de recherche portent sur la commande et la planification de trajectoires pour la navigation de véhicules autonomes. Ils se situent dans le cadre d'un projet très ambitieux lancé par le laboratoire Heudiasyc sur la conduite autonome à grande vitesses (vitesse longitudinale supérieure à 5m/s ~= 18 km/h). Pour proposer des solutions à cette problématique, après avoir réalisé une large recherche bibliographique sur la commande et la planification des trajectoires des véhicules autonomes, plusieurs contributions ont été présentées. En ce qui concerne la commande des véhicules autonomes, un contrôleur latéral par mode glissant d'ordre supérieur a été proposé. Compte tenu de la ressemblance implicite entre le mode glissant et le principe d'immersion et d'invariance (I&I), deux contrôleurs utilisant le principe d'immersion et d'invariance ont été proposés par la suite pour améliorer les performances par rapport au mode glissant. Le développement de ces nouveaux contrôleurs nous a permis de garantir une stabilité robuste pour tous les gains positifs des contrôleurs I&I. Ce résultat nous a conduit à étudier les propriétés intrinsèques du système. Une étude des propriétés de passivité du système a révélé des caractéristiques de passivité intéressantes. Par la suite, nous avons développé un contrôleur robuste basé sur la passivité. Concernant la navigation, nous avons développé deux algorithmes de navigation basés sur la méthode des tentacules. Ceci dans le but d'améliorer la méthode de base. Les résultats de la simulation montrent que les algorithmes donnent de bons résultats vis-à-vis des objectifs attendus d'évitement d'obstacles et de suivi de la trajectoire globale de référence. Les algorithmes de commande et de planification de trajectoires développés ont été validés en simulation hors-ligne avec des données réelles après avoir été testés sur un simulateur réaliste. / My research focuses on trajectory planning and control of autonomous vehicles. This work is a part of an extremely ambitious project launched by the Heudiasyc laboratory about autonomous driving at high speed (longitudinal speed greater to 5m/s ~= 18 km/h). With regard to the control of autonomous vehicles at high speed, a lateral controler using higher-order sliding mode control is proposed. Given the implicit similarity between the sliding mode and the principle of immersion and invariance, two controllers using the principle of immersion and invariance have been subsequently proposed in order to improve the performance with respect to the sliding mode. The development of these new controllers shows very strong robust stability which leads us to study the intrinsic properties of the system. A study of the passivity properties of the system is also crried out, showing some interesting characteristics of the system. Hence, a robust passivity-based controller has been developed. Regarding the navigation, we have developed two navigation algorithms based on the tentacles method. Subsequently, a feasibility study of trajectory generation strategies for high speed driving is conducted. The outcome of the simulation proved that the algorithms gave out good results with respect to the expected ogjectives of obstacle avoidance and global reference path following. Control and motion planning algorithms developed were validated offline by simulation with real data. They have been also tested on a realistic simulator.

Depuis quelques années, les océanographes et les climatologues expriment un besoin croissant de disposer de moyens de mesures complémentaires pour réaliser des mesures en mer. Les voiliers autonomes sont un moyen potentiel de déploiement des capteurs nécessaires à ces mesures. Le problème abordé dans le cadre de cette thèse est la détermination à tout instant d'un cap navigable permettant aux voiliers robotisés de se déplacer vers un objectif aussi vite que possible tout en évitant les obstacles et en s'adaptant aux conditions instantanées de vent. Nous proposons deux approches de sélection d'un cap navigable pour atteindre un point ou une liste de points de navigation défini par un opérateur humain. La première est similaire à celle utilisée par les skippers humains. Elle se base sur la minimisation d'une fonction de coût exploitant la projection des vitesses représentées dans la courbe polaire caractéristique du voilier sur la route direct vers l'objectif. Une seconde fonction de coût permet de tenir compte de la présence potentielle d'obstacles. %Le premier est basée sur des fonctions de coût fondées sur la stratégie de projection des vitesses représentées dans la courbe polaire caractéristique du bateau, méthode amplement utilisée par les skippers humaines. La deuxième approche repose sur la méthode des champs de potentiel. La particularité de cette approche tient au fait que les capacités de propulsion du voilier, représentées par sa courbe polaire de vitesse, sont traduites par des potentiels locaux qui se déplacent avec le voilier. Cette méthode présente l'avantage d'unifier la représentation des contraintes de la navigation à voile et des tâches à réaliser. Ces différentes méthodes sont illustrées par des simulations numériques ainsi que des essais expérimentaux.

La robotique mobile autonome est un axe de recherche qui vise à donner à une machine la capacité de se mouvoir dans un environnement sans assistance ni intervention humaine. Cette thèse s’intéresse à la partie décisionnelle de la navigation robotique à savoir la planification de mouvement pour un robot mobile non-holonome, pour lequel, la prise en compte des contraintes cinématiques et non-holonomes est primordiale. Aussi, la nécessité de considérer la géométrie propre du robot et la bonne maîtrise de l’environnement dans lequel il évolue constituent des contraintes à assurer. En effet la planification de mouvement consiste à calculer un mouvement réalisable que doit accomplir le robot entre une position initiale et une position finale données. Selon la nature de l’environnement, notamment les obstacles qui s’y présentent, deux instances du problème se distinguent : la planification de chemin et la planification de trajectoire. L’objectif de cette thèse est de proposer de nouveaux algorithmes pour contribuer aux deux instances du problème de planification de mouvement. La méthodologie suivie repose sur des solutions génériques qui s’appliquent à une classe de systèmes robotiques plutôt qu’à une architecture particulière. Les approches proposées intègrent les B-splines Rationnelles non uniformes (NURBS) dans le processus de modélisation des solutions générées tout en s’appuyant sur la propriété de contrôle local, et utilisent les algorithmes génétiques pour une meilleure exploration de l’espace de recherche. / The mobile robotics is an area of research that aims to give a machine the ability to move in an environment without assistance or human intervention. This thesis focuses on the decisional part of robotic navigation, namely motion planning for a non-holonomic mobile robot, for which, the consideration of kinematic and non-holonomic constraints is paramount. Also, the need to consider the specific geometry of the robot and the good control of the environment in which it operates are constraints to insure. Indeed, motion planning is to calculate a feasible movement to be performed by the robot between an initial and a final given position. Depending on the nature of the environment, two instances of the problem stand out: the path planning and the trajectory planning. The objective of this thesis is to propose new algorithms to contribute to the two instances of motion planning problem. The followed methodology is based on generic solutions that are applicable to a class of robotic systems rather than a particular architecture. The proposed approaches include the Non-Uniform Rational B-Spline (NURBS) in the modeling process of the generated solutions while relying on the local control property. Also, they use genetic algorithms for better exploration of the search space.

L'auteur n'a pas fourni de résumé en français / This thesis focuses on semi-autonomous wheelchair navigation. We aim to design asystem respecting the following constraints.Safety: The system must avoid collisions with objects and specially with humans present in the scene.Usability: People with motor disabilities and elders often have problems using joysticks and other standard control devices. The use of more sophisticated and human-like ways of interacting with the robot must be addressed to improve the acceptance and comfort for the user. It is also considered that the user could just be able to move one finger and so the request of human intervention should be as reduced as possible to accomplish the navigation task.Compliance:} The robot must navigate securely among obstacles while reducing the frustration caused to the user by taking into account his intentions at different levels; final destination, preferred path, speed etc.Respect of social conventions: When moving, the robot may considerably disturb people around it, especially when its behavior is perceived as unsocial. It is thus important to produce socially acceptable motion to reduce disturbances. We will also addresses the issue of determining those places where the robot should be placed in order become part of an interacting group.In this work we propose to estimate the user's intention in order to reduce thenumber of necessary commands to drive a robotic wheelchair and deal withambiguous or inaccurate input interfaces. In this way, the wheelchair can be incharge of some part of the navigation task and alleviate the user involvement.The proposed system takes into account the user intention in terms of the finaldestination and desired speed. At each level, the method tries to favor themost ``reasonable'' action according to the inferred user intention.The user intention problem is approached by using a model of the user based onthe hypothesis that it is possible to learn typical destinations (those wherethe user spends most of his time) and use this information to enhance theestimation of the destination targeted by the user when he is driving therobotic wheelchair.A probabilistic framework is used to model the existent relationship betweenthe intention of the user and the observed command. The main originality of theapproach relies on modeling the user intentions as typical destinations and theuse of this estimation to check the reliability of a user's command to decidehow much preeminence it should be assigned by the shared controller whenmanaging the robot's speed.The proposed shared-control navigation system considers the direction of thecommands given by the user, the obstacles detected by the robot and the inferreddestination to correct the robot's velocity when necessary. This system is basedon the dynamic window approach modified to consider the input given by the user,his intention, the obstacles and the wheelchair's dynamic constraints tocompute the appropriate velocity command.All of the results obtained in this thesis have been implemented and validatedwith experiments, using both real and simulated data. Real data has beenobtained on two different scenarios; one was at INRIA's entry hall and the otherat the experimental apartment GERHOME.

Dans le cadre de cette thèse, nous abordons les problèmes liés à un robot autonome devant apprendre différentes tâches sensori-motrices dans des situations d’interaction et d’imitation. D’un point de vue théorique et dans le cadre des Interactions Homme-Machine (IHM), nous aborderons notamment les notions liées aux phénomènes d’entraînement rythmiques, de coordination interpersonnelle et de synchronisation intentionnelles et non-intentionnelles qui jouent un rôle important dans les interactions sociales. En particulier nous défendons l’hypothèse que des mécanismes d’entrainement rythmiques facilitent grandement l’apprentissage dans des situations d’interactions Homme-Robot. Leur prise en compte dans la conception de nouvelles IHMs est primordiale pour les rendre plus « intuitives ». A long terme, nous aimerions que le robot puisse utiliser ces signaux sociaux pour comprendre les intentions de son partenaire.L’utilisation d’une tâche complexe est ici nécessaire pour que le robot soit confronté à des situations d’échecs qui devront introduire des modifications de comportement non seulement de la part du partenaire mais aussi et surtout de la part du robot. Ces situations introduiront des modifications du rythme dans l’interaction au cours de l'apprentissage. Pour réussir ce pari, le robot devra être capable d’auto évaluer à la fois son comportement vis à vis de la tâche en cours d’exécution (et d’apprentissage) et son comportement d’interaction avec son partenaire.Nous proposons de travailler sur un « robot mobile compagnon » capable d’apprendre de manière interactive (avec son compagnon) à naviguer. L’utilisation de jeux d’interaction et d’imitation comme moyen d’apprentissage mais surtout de communication permet d’envisager de nouveaux principes d’IHM (Interface Homme-Machine) où l’interaction n’est plus considérée comme une « charge », elle devient au contraire plaisante. / In this thesis, we address the issues related to autonomous learning of different sensory-motor tasks using interaction and imitation. From a theoretical point of view and considering Human Machine Interaction (HMI), we will question the concepts linked to rhythmic entrainment, interpersonal coordination, and also intentional and unintentional synchronisations and their contribution to improve social interactions. Particularly, these mechanisms facilitate human-human interactions. Consequently, we defend the idea that taking them into account is essential to build more intuitive HMI.  In near future applications,  we would like to make the robot able to use these signals to improve its understanding the human partner intentions.Using a complex task is, then, necessary to confront the robot to failures that will introduce behavioral changes for both the human and the robot agents. These situations will introduce interaction rhythm modifications during learning phases. In this aim, the robot should be able to self assess its behavior regarding both the current task to learn and its interaction with its partner.We propose to work on a 'mobile companion robot' able to learn interactively (with its partner) to navigate. Using interaction games and imitation as a medium of learning and above all of communication, allows to consider new principles of HMI (Human Machine Interface) where the interaction is no longer considered as a 'load', it becomes rather pleasant.

Cette thèse s'inscrit dans la problématique de la perception des véhicules autonomes, qui doivent notamment être capables de détecter et de positionner à tout moment les éléments fixes et mobiles de leur environnement. Les besoins sont ensuite multiples, de la détection d'obstacles à la localisation du porteur dans l'espace, et de nombreuses méthodes de la littérature s'y attellent. L'objectif de cette thèse est de reconstituer, à partir de prises de vues de stéréo-vision, une carte en trois dimensions décrivant l'environnement proche ; tout en effectuant une détection, localisation et suivi dans le temps des objets mobiles.La détection et le suivi dans le temps d'un grand nombre de points d'intérêt constitue une première étape. Après avoir effectué une comparaison exhaustive de divers détecteurs de points d'intérêt de la littérature, on propose pour réaliser le suivi de points une implémentation massivement parallélisée de l'algorithme KLT, dans une configuration redondante réalisée pendant cette thèse. Cette implémentation autorise le suivi fiable de milliers de points en temps réel, et se compare favorablement à l'état de l'art.Il s'agit ensuite d'estimer le déplacement du porteur, et de positionner ces points dans l'espace, tâche pour laquelle on propose une évolution robuste d'une procédure bien connue, dite "SVD", suivie d'un filtrage par UKF, qui nous permettent d'estimer très rapidement le mouvement propre du porteur. Les points suivis sont ensuite positionnés dans l'espace, en prenant en compte leur possible mobilité, en estimant continuellement la position la plus probable compte tenu des observations successives.La détection et le suivi des objets mobiles font l'objet d'une dernière partie, dans laquelle on propose une segmentation originale tenant compte des aspects de position et de vitesse. On exploite ainsi une des singularités de notre approche, qui conserve pour chaque point positionné un ensemble cohérent de positions dans le temps. Le filtrage et le suivi des cibles se basent finalement sur un filtre GM-PHD. / This PhD work is to be seen within the context of autonomous vehicle perception, in which the detection and localisation of elements of the surroundings in real time is an obvious requirement. Subsequent perception needs are manyfold, from localisation to obstacle detection, and are the subject of a continued research interest. The goal of this work is to build, in real time and from stereovision acquisition, a 3D map of the surroundings ; while detecting and tracking moving objects.Interest point selection and tracking on picture space are a first step, which we initiate by a thorough comparison of detectors from the literature. As regards tracking, we propose a massively parallel implementation of the standard KLT algorithm, using redundant tracking to provide reliable quality estimation. This allows us to track thousands of points in real-time, which compares favourably to the state of the art.Next step is the ego-motion estimation, along with the positioning of tracked points in 3D space. We first propose an iterative variant of the well known “SVD” process followed by UKF filtering, which allows for a very fast and reliable estimation. Then the position of every followed interest point is filtered on the fly over time, in contrast to most dense approaches from the literature.We finally propose a segmentation of moving objects in the augmented position-speed space, which is made possible by our continuous estimation of feature points position. Target tracking and filtering finally use a GM-PHD approach.