Modèle d'Arléo et Gerstner

3. Carte

2. Position estimée par

intégration de chemin

1. Catégorisation des données

allothétiques

Recalage

Données idiothétiques Données allothétiques

Données soumises au perceptual aliasing

Position unique

x

y

x

y

Position unique

Fig.7.1: Stru turefon tionnelledumodèled'ArléoetGerstner(voir letextepourles expli- ations).

Le modèle d'ArléoetGerstnerest omposé de troismodules distin ts, ha un ontenant un groupe de neurones diérent ( f. gure 7.1). Le premier module reçoit en entrée les données

allothétiques et permet de les atégoriser. Comme dans notre modèle, au un modèle métrique n'est asso ié à es données. Chaque neurone est a tivé lorsque les données allothétiques a-ra téristiques d'un lieu donné sont présentes en entrée. Comme l'environnement est soumis au per eptualaliasing,l'a tivationde ertainsneuronespeut orrespondreàplusieurspositionsdans l'environnementet ettepartienesutdon paspourestimerlapositiondel'animatdemanière non ambiguë.

Le se ond module permet de représenter la position de l'animat en utilisant les données idiothétiques. Pour ela, ha un des neurones de e module est asso ié à une position dans un espa e métrique à deux dimensions. La position de l'animat est dénie par un point dans et espa e métrique, dont laposition est miseà jour par intégration des données idiothétiques. L'a tivité de ha un des neurones est une fon tion dé roissante de la distan e de sa position à laposition de l'animatetle résultat d'ensemble est une bulle d'a tivité, entrée autour de la position de l'animat. Il ne faut pas onfondre l'a tivité de es neurones, qui est fon tion de la distan eentrelapositionasso iéeauneuroneetlapositiondel'animat,ave l'a tivitédesn÷uds de notre modèle qui représente la probabilité que l'animat se trouve à ette position. Dans le modèle d'Arléo et Gerstner, ette bulle d'a tivité représente la position de manière unique au moyen d'un odage par population de ve teurs, et ne représente pas plusieurs hypothèses de position.L'estimation depositionfournie par emodule n'estpasliée à l'environnement par les données allothétiques.

Celienestréalisépar letroisièmemodule, ontenantla arteproprement ditede l'environne-ment.Chaqueneuronede emoduleest onne téàdesneurones desdeuxmodulespré édentset sona tivitédépenddel'a tivitédesneurones auxquelsilest onne té.Ainsilesneuronesa tivés dans e moduleseront euxqui orrespondent àlafoisauxdonnéesallothétiquesetàlaposition ouranteestimée par lesdonnéesidiothétiques. Cha un desneurones de emodulepermetdon derelierunepositiondonnéedansl'environnement auxdonnéesallothétiquesdisponiblesà ette position. L'a tivité globale obtenue permet de dénir la position de l'animat de manière non ambiguë par unebulle d'a tivité entrée autourde etteposition.

De plus, le modèle d'Arléo et Gerstner permet de re aler l'estimation idiothétique de la positionen fon tion desdonnées allothétiques, lors de l'introdu tion de l'animat dansson envi-ronnement, ou lorsque laqualité de ette estimation devient trop faible.Il reposepour ela sur despositionsdel'environnementquisontuniquesdupointdevueallothétique etquipermettent don d'estimer laposition sans l'apportdes données idiothétiques. Pour déte ter es positions, l'a tivitédesneuronesdela arteest al uléeenfon tion desseulesdonnéesallothétiques. Lors-qu'unetellepositionestatteinte, 'est-à-direlorsquel'a tivationdesneuronesdupremiermodule ne orrespondqu'àuneseulepositiondel'environnement,l'a tivitédesneuronesdela arteprend la forme d'une bulle d'a tivité entrée autour d'un point. Cette a tivité est alors transférée dansledeuxième moduledu modèle etsertde nouvelle estimation de laposition

2 . 2

La méthodede alibration implémentéedanslemodèle utiliseen faitl'a tivationdes neuronesdu premier module an dere aler ette position.Or esneurones ne sont pas asso iés à uneposition del'environnement.

La diéren eessentielle entre lemodèled'Arléo etGerstneretlentre estl'utilisation,dans leur as, d'une hypothèse unique de position. La position du robot est ainsi estimée par les donnéesidiothétiquesdansunepartiedumodèleséparéedela arteenelle-même.Cetteposition estreprésentéesousformed'unpointunique.Lemodèled'ArléoetGerstnerréalisedon unsuivi de position. L'estimation initiale de ette position est fournie par le pro essus de re alage que nousavonsdé ritetutilisedespositionsdel'environnementuniquesdupointdevueallothétique. Cette pro édure orrespond à une lo alisation globale n'utilisant que les données allothétiques ( f. hapitre 2).

Carte

Données idiothétiques Données allothétiques

Positions multiples

Fig.7.2:S hémafon tionnel de notre modèle(voir letextepourlesexpli ations).

Notre modèle, en revan he, réalise une lo alisation globale utilisant à la fois les données allothétiquesetidiothétiques. Ilne dépend don pasd'unepositionuniquedu point devue allo-thétiquepourestimerglobalementsaposition,mais apitaliseàlapla esurdesséquen esuniques de per eptions et de dépla ements. Ainsi notre modèle pourra fon tionner dans un environne-ment dans lequel toutes les situations allothétiques orrespondent à au moins deux positions diérentes de l'environnement, du moment que des suites de per eptions et de dépla ements uniquesexistent.

Pour réaliser ette lo alisation globale,notre modèleutilise plusieurs hypothèsesdeposition quinesontpasreprésentéesdansunepartieséparéedela arte, ommedanslemodèled'Arléoet Gerstner,maisintégrées ausein de ette arte.Les donnéesidiothétiques sontdon utilisées di-re tementdansla artepourmettreàjour esdiérenteshypothèsesenparallèle ( f.gure7.2). La partie réalisant la atégorisation des données allothétiques n'est pas non plus présente ex-pli itement dans notre modèle. Les données allothétiques sont en eet utilisées dire tement au sein de la arte pour être omparées ave les données mémorisées dans les diérents n÷uds. Dans le modèle d'Arléo et Gerstner, ette omparaison est réalisée dans une partie séparée de la artemais ette diéren ene semblepas avoir de onséquen esimportantes surles apa ités respe tives desmodèles.

En onséquen ede esdiéren esdefon tionnementetdestru ture,lapro éduredere alage auxneurones de e premier module.L'information requise esttoutefois présente dansle modèleau niveau du troisièmemodulereprésentant la arte,quipermetd'asso ierdesdonnéesallothétiquesetuneposition.Comme lesauteurs lementionnent, ette artepeut don êtreutilisée pour la alibration omme nousledé rivonsi i,

de la position est inutile dans notre modèle. Elle est rempla ée par le re alage ontinu qui est réalisé par l'estimation des rédibilités relatives des diérentes hypothèses de position. Notre modèle gagne ainsi la possibilité de fon tionner dans desenvironnements pour lesquels au une position n'est unique dupoint de vueallothétique.

Notremodèleestdon potentiellement plusperformant pour l'estimationetlere alagede la position. Toutefois, lemodèle d'Arléoet Gerstnerestbiologiquement plausible, e qui n'est pas le as du ntre ar il ne her he pasà reproduire les stru tures et les uxde données existant dans le erveau des rats. Par exemple, notre modèle mémorise dans haque n÷ud les données allothétiques disponiblesau lieu orrespondant dans l'environnement alors que le modèle d'Ar-léo etGerstnerutilise les poidsdes synapses qui déterminent l'a tivitéde haque neuronepour mémoriser etteinformation. Lafon tionréalisée estdon lamêmedanslesdeux as,maisnous nous sommes aran his des ontraintes de plausibilité biologique. La apa ité de lo alisation théoriquement pluslimitée de leurmodèle est don plus en a ordave les onnaissan es biolo-giquesa tuelles surlesmé anismes denavigationdurat. Deplus, ettelimitation dela apa ité de lo alisation semble ompensée hez lerat par la puissan e de per eption. En eet, les posi-tions diérentes stri tement identiques pour lerat du point de vue allothétique semblent assez rares. Notremodèle gagneen intérêt lors de l'utilisation surdesrobot mobiles aux apa ités de per eption pluslimitées etdon beau oupplussoumis auper eptual aliasing.