De nombreux outils existent pour résoudre les problèmes de planification sous contraintes. On peut les regrouper en deux classes principales. Les plus anciens planificateurs utilisent une discrétisation préalable de l'espace d'état. Les plus récents, les planificateurs à échantillonnage, permettent une exploration plus efficace. Ces planificateurs sont utilisés dans de nombreux domaines, comme la chimie, la biologie, la robotique, l'automatique ou encore l'intelligence artificielle. La contribution majeure de nos travaux est d'apporter une réponse au problème de planification de trajectoires en présence d'incertitudes en associant une technique de planification moderne, permettant une exploration rapide de l'espace d'état à des méthodes de localisation permettant de caractériser l'incertitude sur l'état du système à un instant donné. Deux approches ont été suivies. Dans la première, le planificateur utilise une représentation probabiliste de l'état du système à un instant donné, par une densité de probabilité gaussienne. La propagation des erreurs est effectuée en utilisant un filtre de Kalman étendu. Dans la deuxième approche, nous englobons dans un ensemble calculable les états que peut prendre le système à un instant donné compte tenu de bornes sur les erreurs commises. Contrairement à l'approche probabiliste précédente, cette approche permet de fournir une garantie sur la sûreté du système, à condition bien sûr que les hypothèses sur les bruits d'états qui la fondent soient satisfaites.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00845477 |
| Date | 04 February 2009 |
| Creators | Pepy, Romain |
| Publisher | Université Paris Sud - Paris XI |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0019 seconds