L'objectif de cette thèse s'inscrit dans la cadre général du développement d'une stratégie de contrôle intelligent distribué en robotique collective. En effet, dans un avenir proche, de nombreux robots vont progressivement intégrer notre environnent aussi bien dans les milieux industriel que domestique. L'objectif de ces robots sera de fournir, de manière autonome, des services aux êtres humains afin de leurs faciliter la vie quotidienne comme par exemple dans le cas de robots compagnons. Ces services pourront être le résultat du travail d'un robot ou bien la conséquence de la coopération de plusieurs robots homogènes et/ou hétérogènes regroupés au sein d'un réseau. Dans ce contexte, si les progrès technologiques permettent sans problème de communiquer et d'échanger des données entre deux agents artificiels distants, la conception de stratégies de contrôle permettant l'auto-organisation de plusieurs robots dans le but de réaliser une tâche précise est encore aujourd'hui un verrou scientifique important. Cette thèse a donc pour but de proposer des pistes pour élaborer des stratégies de contrôle intelligent pour des systèmes multi-robots dans le cadre plus particulier de la logistique industrielle. En effet, le domaine de logistique industrielle nécessite l'utilisation de nombreux robots mobiles comme par exemple des AGV (Automatic Guided Vehicles) pour transporter et stoker des marchandises. Dans ce contexte, nous pensons que le domaine de la logistique peut tirer bénéfice de l'utilisation de systèmes multi-robots. Dans un premier temps, cette thèse aborde donc la problématique de transport d'objet volumineux et encombrant par une formation de robot. Effectivement, il semble que la solution qui consiste à utiliser un ensemble de robots identiques pour transporter des charges de grandes envergures soit, d'une part, très intéressante d'un point de vue économique et, d'autre part, plus robuste et flexible d'un point vue technologique. Dans un deuxième temps, cette thèse aborde l'utilisation d'un réseau de robots hétérogènes qui sont capables de s'organiser afin de réaliser une tâche précise dans un milieu dynamique. Les travaux effectués dans le cadre de la présente thèse doctorale ont donc abouti à la proposition des stratégies viables de contrôle intelligent pour des systèmes multi-robots. Une étude d'application des concepts étudiés a été réalisée, implantée et validée dans le cadre plus particulier de la logistique industrielle. Elle a concerné d'abord le contexte d'un groupe multi-robots homogène, puis a été étendue au contexte d'un système multi-robots hétérogènes. Les points forts des travaux réalisés peuvent être résumés comme ceci :- Proposition, conception, réalisation et validation expérimentale d'une stratégie de contrôle adaptatif par l'apprentissage artificiel pour un robot non-holonomique. Quatre publications internationales ont valorisé cette partie des travaux.- Proposition, conception, réalisation et validation expérimentale d'une stratégie de contrôle hybridant la vision artificielle et l'apprentissage artificiel pour un groupe de robots homogènes. Deux publications internationales ont valorisé cette partie des travaux.- Proposition, conception, réalisation et validation expérimentale d'une stratégie de contrôle hybridant la vision artificielle et l'apprentissage artificiel pour un groupe de robots hétérogènes. Deux publications internationales ont valorisé cette partie des travaux. Il est pertinent de souligner que les travaux relatifs aux aspects précités ont été couronnés par le prix : ″Innovation Award 2011″ de Industrial Robot / In this thesis, it concentrated the multi robot team navigating in an unknown environment. In our multi robot team, there is a humanoid robot as a leader and a team of two-wheel nonholonomic robots which form a vertical formation. Besides, a top camera and a computer which is a supervisor are the auxiliary robots in the multi robot team. The main purpose of the thesis is to propose an online and an offline navigation strategy for the closed and open area respectively. The core of navigation strategies is the same and it included path planning part and control part. Both the two parts constructed on the virtual structure of the formation robot team. In the former part, it improved the path planning part by the reinforcement Q learning and the image processing to acknowledge the unknown environment. And it applied the Adaptive Neural Fuzzy Inference System (ANFIS) algorithm to control of both the single nonholonomic robot and formation robot team. Furthermore, the strategies are applied to the formation robot team and the multi robot team in both closed and open environment. Simulations and real experiments are provided in the detail in the thesis. The strong points of the contribution are :- Proposition, conception, realization and experimental validation of machine learning based adaptive control for a nonholonomic single robot (in a group of robots). Four international publications have valorized this part of the doctoral Works. - Proposition, conception, realization and experimental validation of an adaptive intelligent control strategy hybridizing Artificial vision and Machine Learning for a group of nonholonomic homogeneous robots. Two international publications have valorized this part of the doctoral Works.- Proposition, conception, realization and experimental validation of an adaptive intelligent control strategy hybridizing Artificial vision and Machine Learning for a group of heterogeneous robots. Two international publications have valorized this part of the doctoral Works. It is pertinent to emphasize the investigations relative to the above-mentioned works have been awarded by: ″Innovation Award 2011″ of Industrial Robot
| Identifer | oai:union.ndltd.org:theses.fr/2012PEST1109 |
| Date | 11 July 2012 |
| Creators | Wang, Ting |
| Contributors | Paris Est, Madani, Kurosh |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.003 seconds