Le principe général de cette méthode consiste à optimiser la structure mécanique (configuration géométrique, comportement dynamique des actionneurs,...) du robot de simulation afin d’atteindre des objectifs prédéfinis. Ainsi le simulateur est pré-ajusté pour satisfaire les besoins de l’acquéreur.
A notre connaissance [Advani et al., 2002] ont produit des travaux pionniers dans le cas de la simu-
lation de vol [Hosman et al., 2002] et de conduite [Advani et Hosman, 2001]25. Nous pouvons séparer
les objectifs développés dans ces travaux en trois catégories :
1. optimiser la structure mécanique pour garantir une enveloppe de mouvement prédéterminée. Dans cet objectif, une métrique géométrique a été développée pour mesurer la taille de cette enveloppe.
2. optimiser la structure mécanique pour garantir une fidélité perceptive donnée. Pour mesurer cette fidélité une métrique de vol a été élaborée (dans une perspective de généralisation à la simulation de conduite, nous l’appellerons métrique de simulation).
3. optimiser conjointement la structure mécanique et l’ARI pour réaliser un simulateur de haute fidélité destiné à l’apprentissage de la conduite.
Dans l’objectif de réaliser une optimisation en amont de la mise en oeuvre des simulateurs, la diffi- culté principale est d’élaborer un critère de performance. C’est le rôle des métriques citées. Notons que le mot métrique n’est pas utilisé avec sa signification mathématique rigoureuse. Dans la suite, nous allons donner quelques idées générales sur l’optimisation ex-ante.
5.6.1
Contraintes de l’optimisation
Dans cette section, nous allons nous intéresser au paramétrage du robot sans traiter du processus d’optimisation. L’établissement des intervalles de variation des paramètres cinématiques et dyna-
miques de l’hexapode [Advani et al., 2002] n’est pas une tâche facile. En effet, d’une part, certaines
variables sont critiques (elles engendrent une grande variation de la performance), et d’autre part, la stabilité et le bon conditionnement de la structure mécanique doivent être vérifiés.
Déterminer l’espace de travail (positions et orientations de la plate-forme mobile) par exemple, est basé sur la donnée des extensions minimales et maximales des vérins. Or, augmenter la taille de ces actionneurs (pour obtenir une plus grande excursion) diminue leur raideur et leur capacité de support hydrostatique. Par ailleurs, ces vérins sont généralement équipés d’un système de freinage à l’approche des butées. Dans un souci de rigueur, ce freinage de sécurité doit être intégré dans la mesure de performance.
Le robot parallèle doit être bien conditionné, c’est-à-dire, avoir un comportement déterministe et produire des mouvements précis. En d’autres termes, nous devons assurer non seulement l’ab- sence de singularités de l’espace de travail mais aussi une certaine robustesse de la matrice jaco- bienne inverse par rapport à l’inversibilité. Nous citons par exemple, la dextérité (rapport des valeurs propres minimale et maximale) comme mesure de cette robustesse. Généralement la dextérité mini- male d’une plate-forme industrielle de type Gough-Stewart est supérieure à 0.2.
Une fois les contraintes de l’optimisation fixées, nous devons spécifier un critère de performance. Dans les trois paragraphes suivants, nous proposons trois méthodes d’évaluation des performances.
25D’autres approches d’optimisation et de mesure de performance sont présentées dans [Gouverneur et al., 2003] et [Chung, 2000].
5.6.2
La métrique géométrique
La métrique géométrique est une mesure de l’enveloppe des mouvements réalisables par le si- mulateur (sa performance en terme de capacité de mouvement). Alors qu’usuellement l’étude de cette dernière est faite axe par axe, le couplage entre les actionneurs dans la structure parallèle, ré- duit considérablement la validité de cette approche. Par conséquent, afin de mesurer plus finement ’la taille’ de cette enveloppe, nous devons considérer l’espace de travail de dimension 6, contenant à la fois l’ensemble des positions et des angles de la plate-forme mobile.
Cependant une interprétation physique de ce dernier est difficile pour deux raisons : sa dimension
(pas de représentation graphique complète) et la présence d’angles géométriques. [Advani et Hosman, 2001]
proposent deux approches qui consistent à considérer des sous-espace plans ou tridimensionnels afin de pouvoir les analyser visuellement. La mesure de la taille de ces espaces n’est pas décrite expli- citement. Pour l’espace des translations (orientation constante) par exemple, il s’agit de mesurer le volume de la plus grande ellipsoïde contenue dans celui-ci.
5.6.3
La métrique de vol
La métrique de vol (ou de simulation dans un contexte plus général), est une mesure de la qualité du simulateur. Le mot qualité signifie la performance en terme de restitution de sensations subjec- tives. Il s’agit plus particulièrement, dans cette étude, des sensations liées au mouvement ou indices vestibulaires.
Dans la perspective d’un calibrage en amont de la construction du simulateur, il est impossible de
recueillir des réponses subjectives mesurées sur un opérateur humain. [Advani et al., 2002] proposent
d’utiliser une méthode basée sur la modélisation de la perception humaine. Il s’agit d’une approche
sur deux étapes. Dans la première phase, un ensemble de trajectoires d’un avion réel26(calculées
par un modèle de ce dernier) subissent une réduction cinématique sans pour autant altérer leur qua- lité, c’est-à-dire, sans une détérioration significative des sensations de mouvement. Dans la deuxième phase, ces trajectoires sont multipliées par un facteur constant selon tous les axes de mouvement afin de convenir aux limites de mouvement du robot. C’est ce facteur qui définit la métrique de vol.
5.6.4
L’homme comme mesure de performance
Dans cette dernière approche, un modèle de l’homme est intégré pour mesurer la performance
d’une tâche particulière. D’après [Rasmussen, 1983], le comportement de l’homme peut être séparé
en trois niveaux hiérarchisés. Le niveau le plus bas est le niveau du savoir-faire de la conduite : c’est la manipulation des commandes (volant, pédales) suite aux changements de l’information perçue (visuelle et vestibulaire, etc.). Le deuxième niveau est l’ensemble des opérations (ou scénarios) de conduite (changement de voie, maintenir une vitesse et une direction constante de conduite, freinage confortable, conduite en virage, etc.). Le troisième niveau est le niveau de l’expertise ou de décision : quel scénario de conduite choisir en conséquence des observations ?
L’approche adoptée par [Hosman et al., 2002], traite spécifiquement le plus bas niveau, celui du
savoir-faire de la conduite. Un modèle linéaire est proposé pour traduire les informations externes agissant sur le conducteur. Il s’agit de la somme pondérée des réponses des récepteurs sensoriels (yeux et système vestibulaire) multipliée par un facteur de retard dû au traitement de l’information par le cerveau (Fig.5.6).
La méthode [Hosman et al., 2002] est basée sur la donnée d’un ensemble de scénarios de réfé-
rence. Elle est composée de trois étapes :
1. La première étape consiste à calibrer le modèle de l’homme pour qu’il puisse reproduire le com- portement humain dans le cadre des scénarios de référence. Afin d’atteindre cet objectif, un
Modèle Véhicule scénario tâche Poids Yeux Poids S.V. Retard traitement de l’information Fonctions de transfert Yeux Fonctions de transfert Système Vestibulaire − +
FIG. 5.6 – Calibration par le modèle de l’Homme
modèle du véhicule est utilisé pour traduire les actions délivrées par le modèle humain sur la trajectoire du véhicule.
2. Dans une deuxième phase, le modèle ajusté de l’homme est utilisé pour le réglage des para- mètres de l’ARI.
3. Enfin, un ensemble de trajectoires caractéristiques est traité par l’ARI ajusté afin de produire les trajectoires du simulateur. Le robot de simulation est calibré de façon à pouvoir reproduire ces dernières.