L’autonomie d’un robot mobile autonome requiert la réalisation coordonnée de tâches de commande et de perception de l’environnement. Parmi celles-ci, la navigation joue un rôle de pivot dans l’interaction du robot avec son terrain d’évolution. Elle consiste en la détermination de trajectoires réalisables par le robot pour suivre un chemin préétabli, tout en assurant la non collision avec les obstacles, mobiles ou fixes. Pour effectuer cette tâche, notre approche s’appuie sur le modèle cinématique direct du véhicule pour générer des trajectoires admissibles par le robot. En premier lieu, une trajectoire de référence est construite à partir du chemin à suivre. Le problème de navigation est alors modélisé sous la forme d’un problème d’optimisation sous contraintes dont la fonction coût quantifie l’écart entre la trajectoire prédite du robot et la trajectoire de référence. Les obstacles sont intégrés sous forme de contraintes en pénalisant le critère, et sa minimisation détermine la commande optimale à appliquer. Cette navigation par commande prédictive nous permet d’anticiper les mouvements de contournement d’obstacles sur l’horizon de prédiction choisi, tout en gardant une certaine réactivité vis-à-vis de la dynamique des obstacles et du robot. En outre, l’utilisation de familles de trajectoires paramétrées permet de maitriser le comportement du véhicule. / Autonomous robots have to perform both control and perception tasks coordinately. Among these ones, the navigation task is a key in the interaction between the robot and its environment. It consists of determining the trajectories which the robot can follow in order to negotiate correctly around static and dynamic obstacles, assuming that it is programmed to map out its environment and situate itself within that environment. To perform this task, our approach rests on the direct kinematics model of the robot to generate admissible trajectories for the robot. Firstly, a reference trajectory is computed from the reference path provided by a path planer. Then the navigation task is modelized as an optimization under constraints problem, whose the cost function quantify the gap between the reference trajectory and the predicted trajectory of the robot. The obstacles are taken into account as constraints, and the minimization of the resulting cost function determinate the optimal control for the robot on a prediction horizon. This predictive navigation allows the robot to anticipate bi-pass movements on the chosen prediction horizon, Moreover, the behaviour of the robot is mastered by the use of parametered trajectories families.
| Identifer | oai:union.ndltd.org:theses.fr/2009ORLE2071 |
| Date | 18 December 2009 |
| Creators | Morette, Nicolas |
| Contributors | Orléans, Vieyres, Pierre |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.002 seconds