Haut PDF Approche de Navigation Coopérative et Autonome des Robots Mobiles (Application sur un chantier de construction)

Approche de Navigation Coopérative et Autonome des Robots Mobiles (Application sur un chantier de construction)

Approche de Navigation Coopérative et Autonome des Robots Mobiles (Application sur un chantier de construction)

III.5.2.1. Transport et manipulation coopérative d'objets L'objectif dans ce type de tâches est de faire coopérer un groupe de robots mobiles pour soulever et/ou porter et/ou réorienter et/ou pousser des objets qu'un seul robot ne pourrait réaliser tout seul. De très nombreux travaux traitent de ce type de tâches et cela vu son aspect pratique et potentiellement transposable à des applications effectives. Dans [STI93], Stiwell utilise plusieurs robots porteurs qui se positionnent en dessous d'une palette chargée pour la déplacer. Les robots mobiles disposent d'un capteur de force qui leur sert d'information pour contrôler le déplacement de la palette d'une manière stable et distribuée. Dans le même contexte Ahmadabadi dans [AHM01] propose une architecture de contrôle distribuée nommée constrain-move strategy, et ce pour soulever, orienter, déplacer, déposer une charge (Figure. III.4 (a)) le long d'une trajectoire contrainte par la disposition des robots. Rus dans [LAB93] utilise des robots pousseurs qui sont guidés par des scénarios appropriés pour orienter collectivement des objets volumineux dans l'environnement. L'approche proposée par Rus dépend d'une multitude d'informations capteurs et d'une communication de haut niveau entre les robots. Dans le projet européen Swarm-Botsun groupe de robots (nommés s-bots) à la possibilité de s'auto- assembler pour former différents types de structures physiques. Parmi elles, on trouve une structure qui permet de pousser-tirer d'une manière coopérative des objets en les entourant complètement (Figure. III.4 (b)) afin de donner ainsi la possibilité à certains robots de pousser et à d'autres de tirer [BAL03]. Dans [KUB00], Kube s'inspire des comportements des fourmis (par exemple, déplacement des proies), pour contrôler un groupe de robots complètement réactifs, afin de réaliser une tâche de poussée d'objets. Il est à noter que Kube, dans son architecture, n'a prévu aucun mécanisme de communication entre robots ce qui rend le contrôle proposé d'autant plus réactif.
En savoir plus

129 En savoir plus

Pépite | Approche informationnelle pour la navigation autonome tolérante aux défauts : application aux systèmes robotiques mobiles

Pépite | Approche informationnelle pour la navigation autonome tolérante aux défauts : application aux systèmes robotiques mobiles

La navigation autonome des systèmes robotiques mobiles est un domaine de recherche très actif. La navigation autonome nécessite deux algorithmes prin- cipaux qui sont l’estimation et la commande. Ces deux algorithmes dépendent d’une bonne modélisation du système. Par conséquent les différents modèles qui décrivent le comportement des robots mobiles différentiels à deux roues et à quatre roues ont été introduits. Vue la nature incertaine des systèmes robo- tiques mobiles, des observateurs à entrées inconnues ont été proposés, avec un accent sur le filtre informationnel étendu (filtre bayésien récursif). Pour le suivi de trajectoire, deux commandes ont été développées. Une commande cinéma- tique qui fait converger asymptotiquement l’erreur du suivi vers zéro, et une commande dynamique robuste aux dynamiques non modélisées (eg. les forces aérodynamiques) et aux perturbations externes. La commande par mode glis- sant a été adoptée pour sa robustesse intrinsèque et sa convergence en temps fini. Une amélioration de la commande par modes glissants a été proposée, de sorte qu’elle prenne en compte une certaine classe de perturbations externes qui ne sont pas forcément bornées d’une manière uniforme et qui font diverger les commandes glissantes classiques.
En savoir plus

196 En savoir plus

Conception et intégration d'un capteur LIDAR 3D pour la navigation autonome des robots mobiles en terrain inconnu

Conception et intégration d'un capteur LIDAR 3D pour la navigation autonome des robots mobiles en terrain inconnu

noramique et basculante (pan-tilt unit) pour obtenir un lidar 3D. Ce syst`eme est cependant mieux adapt´e `a la reconstruction tridimensionnelle d’objets qu’`a la navigation autonome. Un avantage net li´e `a l’utilisation d’un syst`eme actif de type lidar est qu’il n’est pas sensible aux conditions d’´eclairage ambiant et fonctionne bien mˆeme dans l’obscurit´e totale. Les distances maximales pouvant ˆetre acquises varient en fonction des appareils, mais peuvent atteindre quelques centaines de m`etres. Il existe des lidars pouvant sonder jusqu’`a quelques kilom`etres, mais ces derniers sont plus massifs et moins souvent propices `a la robotique mobile. La pr´ecision sur les mesures de distance est en g´en´eral de l’ordre de quelques millim`etres et ce, mˆeme `a de grandes distances. La vitesse d’acquisition est habituellement tr`es rapide, variant de quelques centaines de points par seconde pour les syst`emes lents, jusqu’`a plusieurs centaines de milliers de points par seconde pour les syst`emes rapides. ` A titre d’exemple, le lidar ILRIS-3D g´en`ere 2 000 points par seconde (Tripp et al., 2003), le Hokuyo UTM-30LX et le SICK LMS111 produisent environ 27 000 points par seconde (Hokuyo, 2009; SICK, 2012) tandis que le Velodyne HDL-64E produit pas moins de 1,3 million de points par seconde (Velodyne, 2010b).
En savoir plus

159 En savoir plus

Perception pour la navigation et le contrôle des robots mobiles. Application à un système de voiturier autonome

Perception pour la navigation et le contrôle des robots mobiles. Application à un système de voiturier autonome

High Beam Assist Hands Free Parking Highway Loss Data Institute International Federation of Robotics Insurance Institute for Highway Safety Innovative MOBility : Smart and Sustainable So[r]

256 En savoir plus

Navigation autonome sans collision pour robots mobiles nonholonomes

Navigation autonome sans collision pour robots mobiles nonholonomes

Ensuite, il serait intéressant d’introduire la «dynamique» dans notre étude de la navigation autonome. D’une part la dynamique de l’environnement en prenant en compte les obstacles mo- biles, ce qui soulève des problèmes particulièrement délicats du fait des spécificités de notre étude (calcul d’une courbe de décélération, forme quelconque des trajectoires, difficulté de rat- traper une trajectoire de référence, etc.). D’autre part la dynamique du système, en tenant compte de la masse du système et des forces physiques auxquelles il est soumis. Nous pourrions alors réaliser des mouvements à grande vitesse. Par ailleurs on pourrait envisager d’utiliser d’autres capteurs pour détecter les obstacles, tels que des caméras. On pourrait ainsi détecter une plus grande quantité et variété d’obstacles.
En savoir plus

129 En savoir plus

Perception intelligente pour la navigation rapide de robots mobiles en environnement naturel

Perception intelligente pour la navigation rapide de robots mobiles en environnement naturel

Problématique : la navigation autonome Faire naviguer un robot de manière autonome est une tâche difficile à mettre en œuvre qui nécessite la mise en oeuvre d’un certain nombre de domaines de compétence. Ces compétences vont du plus bas niveau de conception comme la mécanique des actionneurs au concept de plus haut niveau comme la planification de trajectoires sécurisées. Elles ont pour objectifs la réalisation de la mission de navigation mais également la nécessité de préserver l’intégrité du robot et celle de son environnement (personne, objet, autre robots, etc...). Pendant de nombreuses années ce double challenge a souvent été jugé comme une utopie par la société. Pourtant, en 2004, le DARPA 1 lance son premier grand challenge dans ce domaine. Ce challenge consiste à parcourir un circuit dans le désert des Mojaves de plus de 200 km en moins de 10 heures et de façon entièrement autonome. Si la première édition ne s’est pas vu attribuée de vainqueur, la deuxième en 2005 a été remportée par l’équipe de l’université de Stanford avec son véhicule Stanley (figure 1.1 ).
En savoir plus

176 En savoir plus

Navigation des robots mobiles non-holonomes sous contrôle flou

Navigation des robots mobiles non-holonomes sous contrôle flou

Résumé: Dans cette thèse, une nouvelle approche est développée pour contribuer à la résolution du problème de la navigation autonome d’un robot mobile dans des environnements inconnus. Cette approche est établie en combinant le raisonnement flou et l'algorithme des obstacles virtuels pour surmonter le problème des minima locaux crée par les obstacles concaves en coordonnant efficacement les priorités entre de multiples comportements réactifs tels que : la navigation vers la cible, évitement des obstacles, le suivi des murs et la prévention des situations d'urgence. Pour atteindre cet objectif, une rangée de capteurs ultrasoniques est montée sur le robot mobile fournissant les distances entre le robot et les obstacles. Ces distances sont employées par l'algorithme des obstacles virtuels pour calculer des cibles intermédiaires aidant à déterminer la bonne direction de mouvement pour éviter que le robot soit emprisonné dans un minimum local (situation d'urgence). Tandis que, le raisonnement flou est employé pour le contrôle comportemental du robot mobile. Tous les comportements réactifs sont intégrés dans un seul univers de discours pour garantir une transition douce entre les différents comportements particulièrement quand le robot se déplace à travers des obstacles étroitement alignés. De cette manière, les oscillations du robot sont significativement réduites. Pour montrer l'efficacité de l'approche proposée, une série de simulations a été conduite en employant des environnements arbitrairement construits comprenant des obstacles concaves.
En savoir plus

130 En savoir plus

Exécution réactive de trajectoires pour robots mobiles non-holonomes

Exécution réactive de trajectoires pour robots mobiles non-holonomes

Ces applications très remarquables ne sont toutefois que des cas particu- liers pour lesquels des solutions plus ou moins spéciques ont été développées. En eet, les problèmes posés par la navigation autonome d'un véhicule sont très nombreux et font l'objet de recherches soutenues. En simpliant, une machine autonome c'est l'association d'une intelligence articielle (la capa- cité de raisonner) avec des capacités de perception et de modélisation de son environnement et de son propre état et des capacités d'actions sur son propre état (mouvement) et sur son environnement (manipulation).
En savoir plus

89 En savoir plus

Intégration d'un système radio à bande ultra-large pour la navigation de robots mobiles

Intégration d'un système radio à bande ultra-large pour la navigation de robots mobiles

— Un magnétomètre à 3-axes qui sert à mesurer la direction du champ magnétique terrestre. Il existe différentes configurations pour le montage de ces capteurs formant l’IMU qui sont généralement classés dans deux catégories : les centrales à plate forme stabilisée et les centrales inertielles liées au bâti du robot ou “strap-down”. Dans une centrale “strap-down”, l’IMU est montée sur le châssis du mobile. Dans une telle configuration, les mesures d’accélération et de la vitesse angulaire sont exprimées dans le repère mobile, le traitement des données permet ensuite de faire les changements de base pour le passage du repère mobile au repère de navigation. Les avantages de cette approche sont la réduction de prix et de la complexité mécanique de la réalisation du système, ainsi que la consommation d’énergie. Par contre dans une centrale à plate forme stabilisée, l’accéléromètre est stabilisé par le gyroscope avec des rotations mécaniques du châssis, afin de maintenir l’alignement du repère mobile avec le repère de navigation. Cette configuration donne de meilleurs résultats, mais nécessite une construction rigoureuse et des précautions particulières afin de minimiser les frottements. Les mesures de l’IMU sont généralement affectées par plusieurs sources d’erreur comme un biais systématique et le bruit des mesures. Ces facteurs engendrent des dérives non négli- geables sur l’estimation de la posture du robot au fil du temps. Afin de limiter l’impact des dérives sur la précision du système, une phase d’étalonnage des capteurs est nécessaire [Benjamin (2013)]. Ces capteurs peuvent être sensibles aussi à d’autres facteurs comme la température et les vibrations durant le déplacement.
En savoir plus

81 En savoir plus

Contribution à l’optimisation de trajectoires des robots mobiles

Contribution à l’optimisation de trajectoires des robots mobiles

Un robot mobile est un système mécanique capable de se mouvoir dans un environnement pour effectuer des tâches de façon autonome ou supervisée. Les robots mobiles autonomes représentent l’axe principal de la plupart des recherches sur la robotique mobile car ils sont des agents intelligents pouvant opérer dans différents environnements connus ou inconnus et réagir aux changements dynamiques de ces environnements sans intervention humaine. Pour cela, ils doivent être équipés de capteurs afin d’extraire des informations de l’environnement, d’actionneurs qui leur permettent l’exécution des mouvements et de régulateurs ou contrôleurs qui commandent les actionneurs. Les robots mobiles autonomes peuvent être des robots marcheurs, aériens, sous-marins ou à roues. Ces derniers se présentent sous de nombreuses formes et types tels que des robots à deux ou trois roues, des robots de type voiture, des robots omnidirectionnels et des manipulateurs mobiles, et se caractérisent par leur multifonctionnalité qui a attiré l’attention de beaucoup de roboticiens depuis les années 70, et c’est pourquoi leur présence est fortement accrue dans l’industrie manufacturière, militaire, spatiale, la médecine, le transport et les loisirs, soit pour assister l’être humain soit pour le remplacer lorsque il s’agit de l’exécution des tâches difficiles, répétitives ou dangereuses. La performance de ces agents intelligents durant leur fonctionnement dépend de l’efficacité des systèmes de navigation utilisés. Avec un bon système de navigation autonome, le robot mobile va réussir à accomplir son travail en toute sécurité, en consommant moins d'énergie et dans un temps raisonnable.
En savoir plus

116 En savoir plus

Maintien de l'intégrité de robots mobiles en milieux naturels

Maintien de l'intégrité de robots mobiles en milieux naturels

C’est principalement dans les tâches d’exploration et de surveillance, qui sont communes à de nombreuses autres applications (applications spatiales [ Vol14 ], surveillance de zone, ou encore de monitoring de l’environnement [ HGP + 14 ]), que l’effort de recherche se situe actuel- lement. Dans ce cadre, de nombreuses problématiques doivent être adressées pour permettre la navigation autonome en milieux partiellement connus voire complètement inconnus. On retrouve ici les thématiques classiques liées à la robotique que sont la perception, la décision et l’action. Néanmoins, les spécificités de l’évolution en milieux naturels rendent ces tâches plus complexes que dans des environnements structurés, notamment à cause des conditions changeantes de l’environnement et des interactions avec le robot. Sur la perception tout d’abord, il est nécessaire de localiser le robot et d’obtenir des informations sur la géométrie de l’environnement (obstacle). Si la localisation par GPS facilite grandement le travail de localisation en milieux ouverts, la disponibilité des satellites, ainsi que les phénomènes de masquage ou de multi-trajets rendent son utilisation exclusive impossible. Aussi, plusieurs travaux ont pour objet de proposer des approches de navigations inertielles [ BRG06 ], ou utilisent des capteurs extéroceptifs optiques [ KSA + 06 ], cependant ils demeurent imparfaits. Du point de vue de la perception de l’environnement et de la détection d’obstacle, là aussi de nombreuses limitations apparaissent en milieux naturels. En effet, en fonction des vitesses envisagées et des vibrations liées au contact roue sol, l’utilisation d’algorithmes de recons- truction 3D par capteurs optiques reste difficile [ KWZ12 ], [ EHY12 ]. Aussi, l’utilisation de capteurs de type lidar (Velodyne, [ LT11 ]) demeure la solution la plus appropriée, mais néan- moins la plus onéreuse. Si la décision est primordiale en robotique mobile, notamment sur les aspects de planification de trajectoire, cette thèse est focalisée sur la tâche de suivi de trajectoire, avec des aspects décisionnels focalisés sur des modifications locales d’un régime nominal, que nous aborderons plus tard.
En savoir plus

167 En savoir plus

Navigation visuelle de robots mobiles dans un environnement d'intérieur

Navigation visuelle de robots mobiles dans un environnement d'intérieur

taille adaptative [Hof89, Pan78, Luo08, Boy98], nous essayons d’attribuer des poids de support aux pixels dans la fenêtre de corrélation. La quantité de support, que reçoit le pixel central de la part d’un autre pixel de la fenêtre, doit être importante si les deux pixels sont situés sur le même objet physique (même profondeur). La difficulté dans une approche locale qui adapte les poids de support réside dans l’évaluation de la variance des profondeurs puisque c’est ce que nous avons l’in- tention de calculer [Lev73]. Le second problème est que les méthodes locales sont uniquement fiables si certains critères sont satisfaits : la source d’illumination doit être un point à l’infini, les surfaces de la scène doivent être parfaitement Lamber- tienne, la dissimilarité et la distorsion entre les vues sont faibles. Dans plusieurs situations où la stéréovision est appliquée, l’existence des environnements et des sources de lumières idéales n’est pas assumée. Dans ces situations, les métriques de corrélation classiques ne suffisent pas pour avoir des disparités exactes. Dans cette partie, nous utilisons la distribution de confiance de correspondance définie dans la section précédente pour estimer des disparités initiales. Nous utilisons ces disparités pour calculer les poids de support des pixels dans la fenêtre de support. Nous utilisons, ensuite, une fonction d’agrégation S.A.D. sur une zone de support de taille fixe, pondérées avec les poids de support calculés, pour déterminer les disparités finales.
En savoir plus

121 En savoir plus

Navigation de Robots Mobiles par Mémoire Sensorielle

Navigation de Robots Mobiles par Mémoire Sensorielle

c = I 3×3 . Nous supposons que le fa teur d'é helle est parfaitement onnu. Erreur de position Soient f r t c = [∆X ∆Y 0] ⊤ l'erreur sur la position ajoutées à la pose réelle du apteur dans le repère du robot. Nous étudions l'inuen e de ette erreur sur la tâ he de navigation. Les résultats sont représentés Fig. 3.35 (a) pour une erreur de pose sur X c de ∆X = -0.1 mètre, ∆X = 0 mètre et ∆X = 0.1 mètre, ∆Y étant nulle puis Fig. 3.35 (b) pour une erreur de pose sur Y c ave les mêmes valeurs, ∆X étant nulle. Dans es deux as, on observe que les hemins par ourus lors de la phase autonome sont très pro hes de elui ee tué lors de la phase d'apprentissage : la moyenne de l'erreur entre les hemins par ourus et le hemin appris est inférieure à 2 entimètres ave un é art type de 2 entimètres et une v aleur maximale inférieur à 20 entimètres.
En savoir plus

221 En savoir plus

De l’utilisation de l’algèbre différentielle pour la localisation et la navigation de robots mobiles autonomes

De l’utilisation de l’algèbre différentielle pour la localisation et la navigation de robots mobiles autonomes

5.1 A LGORITHME DE PLANIFICATION DE TRAJECTOIRE Nous avons dans ce mémoire décidé d’utiliser une approche décentralisée com- binant les intérêts des solutions discrètes et continues. Outre la capacité des ap- proches décentralisées à proposer une solution là où l’approche centralisée est dé- faillante (notamment si le meneur ne peu plus transmettre aux suiveurs les informa- tions nécessaires à leur navigation) l’approche discrète/continue nous permet de ti- rer bénéfice de travaux effectués tant du point de vue intelligence artificielle que du point de vue contrôle des systèmes. Le principal défaut des approches discrètes est leur incapacité à proposer une solution continue sur l’ensemble de l’espace en gar- dant une complexité combinatoire raisonnable. Les approches continues donnent de bonnes solutions d’un point de vue local, mais présentent des difficultés lors- qu’il s’agit de planifier une trajectoire sur un environnement de grande surface. Une illustration de ces propos est celle de la planification de trajectoire pour une voiture. Lorsqu’un GPS routier calcule un itinéraire, le trajet proposé est un trajet discret ; on planifie les points de passage, les grandes villes étapes, mais cela ne dispense pas de conduire le véhicule localement en fonction des aléas de la route : bouchon, déviation, changement de voies . . . . Il en va de même pour le robot, il faut planifier des trajectoires haut niveau permettant d’explorer largement l’envi- ronnement pour satisfaire la mission tout en utilisant une planification «locale» pour les morceaux de trajectoire. C’est cette planification locale que nous allons étudier dans cette section.
En savoir plus

179 En savoir plus

CoLab : conception et mise en oeuvre d'un outil pour la navigation coopérative sur le web

CoLab : conception et mise en oeuvre d'un outil pour la navigation coopérative sur le web

IV.4.2.5. Navigation sur le Web Le diagramme de séquences pour l’action de navigation est présenté dans la Figure 79 . Nous pouvons voir qu’une requête de navigation peut être engendrée soit directement par l’utilisateur (par exemple, en cliquant sur un hyperlien ou en entrant un URL dans la barre du navigateur), soit par le mécanisme de synchronisation de la navigation lorsqu’un l’utilisateur est synchronisé à un autre utilisateur (à travers son applet). Indépendamment par qui elle a été engendrée, elle arrive directement à l’aiguilleur. Lorsqu’une requête de navigation arrive au courtier, il vérifie auprès du gestionnaire de session si l’utilisateur est autorisé à rapatrier la ressource spécifiée. S’il n’est pas autorisé (par exemple, il essaie de rapatrier une ressource différente de celle actuellement affichée par l’utilisateur avec lequel il est synchronisé), il reçoit comme réponse un message d’erreur. Dans le cas contraire, la requête est envoyée au gestionnaire de navigation pour qu’elle soit traitée.
En savoir plus

168 En savoir plus

Localisation par vision monoculaire pour la navigation autonome : précision et stabilité de la méthode

Localisation par vision monoculaire pour la navigation autonome : précision et stabilité de la méthode

reconstruction de la s´equence campus 1 occupe 38 Mo sans compression de donn´ees. 5 Conclusion Nous avons pr´esent´e une m´ethode de localisation temps r´eel pour un robot mobile au voisinage d’une trajectoire ap- prise. Apr`es un parcours en conduite manuelle, on calcule une carte de l’environnement hors ligne. A l’aide de cette carte, le robot est capable de se localiser. La pr´ecision de notre algorithme a ´et´e mesur´ee en ext´erieur `a l’aide d’un r´ecepteur GPS diff´erentiel. L’erreur moyenne de localisa- tion par rapport `a la trajectoire de r´ef´erence est de l’ordre de 2 cm, ce qui est quasiment ´equivalent au GPS diff´erentiel. La vision permet en plus de donner une orientation de la cam´era pr´ecise au dixi`eme de degr´e. Ce syst`eme a ´et´e uti- lis´e avec succ`es comme seul capteur pour la navigation au- tonome d’un robot mobile. De plus, notre algorithme est bien adapt´e aux rues ´etroites et aux zones urbaines denses o`u les signaux GPS ne peuvent pas ˆetre utilis´es. La vision constitue donc un compl´ement int´eressant au GPS. Les conditions o`u chaque capteur pr´esente des d´efaillances sont diff´erentes. Nous travaillons actuellement sur le calcul en
En savoir plus

11 En savoir plus

Algorithmes de communication auto-stabilisants dans un  système de robots mobiles

Algorithmes de communication auto-stabilisants dans un système de robots mobiles

Dans le but d’obtenir des systèmes robotisés de plus en plus performants, de nom- breuses approches furent prises. En effet, la quête visant à la réalisation d’un être synthétique parfait a laissé place à une considération plus pragmatique du problème. Le mythe de la machine capable d’affronter n’importe quel type de problème cède le pas à la réalisation de systèmes tolérants aux pannes temporaires liées à l’environne- ment qui est méconnu. Dans de tels systèmes, deux types d’algorithme de communica- tions sont nécessaires : l’algorithme de synchronisation entre deux robots voisins afin d’établir une communication point-à-point (temporaire), et l’algorithme de routage permettant l’échange de données entre deux robots (même s’ils sont distants). Dans ce contexte, les protocoles de communications existants [BRA 02, HU 98, PRE 01] supposent que les robots et liens de communications sont fiables. Notre approche consiste à proposer un protocole de communication tolérant les pannes temporaires de certains robots du système. Cette manière de traiter les défaillances est adoptée par les algorithmes autostabilisants. Un tel algorithme garantit que le système retrouve un comportement correct au bout d’un temps fini. Le concept de l’autostabilisation a été introduit par Dijkstra [DIJ 74]. Depuis, de nombreux travaux ont été fait dans ce domaine [DOL 00, SCH 93].
En savoir plus

16 En savoir plus

Test aléatoire de la navigation de robots dans des mondes virtuels

Test aléatoire de la navigation de robots dans des mondes virtuels

1.3.3 Navigation La navigation est un exemple de service de base d’un robot autonome mobile : il doit être capable d’évoluer dans des environnements inconnus et non structurés. Elle nécessite que le robot construise une représentation adéquate de son environnement, se localise et planifie une trajectoire dans celle-ci. La navigation est considérée conceptuellement comme faisant partie de la couche fonctionnelle. Cette dernière peut contenir plusieurs modes de navigation en fonction de l’environnement auquel est confronté le système autonome (environnement d’intérieur ou d’extérieur, terrain plat ou accidenté), mais aussi en fonction du type de mission (trajet longue distance, mode d’atteinte de cible, etc.). La tâche de navigation concerne la perception de l’environnement et la décision des mouvements d’un système autonome, que nous dissocions de la locomotion qui concerne l’exécution du mouvement. Le problème de la planification du système autonome se décompose en deux sous-problèmes : la planification globale et la planification locale. La planification globale concerne la planification du meilleur chemin possible entre deux points, alors que la planification locale sera utilisée afin d’éviter les obstacles et de manœuvrer, à l’extérieur, sur des terrains accidentés. La manière dont le système autonome va planifier sa trajectoire est liée à sa perception du monde via ses capteurs mais aussi à la nature de la représentation qu’il a de son environnement [Peynot 2006].
En savoir plus

137 En savoir plus

Planification de trajectoire et commande pour les robots mobiles non-holonomes

Planification de trajectoire et commande pour les robots mobiles non-holonomes

Generally, the methods of robot localization can also be divided into two categories: absolute localization and relative localization. In absolute localization problems, robots need to detect different features in the environment to implement desired tasks. One of the absolute methods is landmark-based localization. The robot uses points of known position in the environment which can be “seen” by the robot, named as landmarks, to determine its position. In Conticelli et al. ( 2000 ) and Martinelli & Siegwart ( 2005 ), the localization problem is formulated as an observability problem based on more than three landmarks. In order to solve the problems that it may be difficult to find so many landmarks in some situations, single landmark based methods are developed, in Jang et al. ( 2005 ) and Lemaire et al. ( 2005 ), the proposed methods use a single landmark and the shape of the landmark. In Sert et al. ( 2011 ), the proposed method uses a single landmark and the relative angle between the landmark and the robot. GPS (Global Position System) was developed by the United States Department, and GPS-based navigation systems are also used in absolute localization for a variety of land-based vehicles Abbott & Powell ( 1999 ). Recently many different methods have been proposed to reduce errors of GPS in localization problem Qi & Moore ( 2002 ); Redmill et al. ( 2001 ).
En savoir plus

173 En savoir plus

Navigation Référencée Terrain pour Véhicule Autonome Sous-marin

Navigation Référencée Terrain pour Véhicule Autonome Sous-marin

Following launch, Autosub engineers on the RV Urania verified that the vehicle was working correctly and on track to the first waypoint. Urania then left the vehicle to do its job while it carried out a complementary CTD survey over the sill - all part of the new way of working made possible by autonomous vehicles. Urania was first to the rendezvous point – two hours early. At 0000 UTC on the 18th, Autosub should have arrived. It didn't. After two hours, the ‘vehicle failed to rendezvous' procedure began with a local search using satellite, radio and acoustic navigation aids. With no contact obtained, the search was extended along the planned track of Autosub. At 0725 UTC on Monday 19th contact was made with two of the acoustic transponders on the vehicle - just in time to reach the SOC Director's desk before he read the note about the 'loss'. The acoustic navigation system showed that the vehicle was on the bottom, at a depth of about 340 m. An echo sounder survey revealed a steep 150 m high cliff rising from 450 m with a nearly perpendicular slope just about where Autosub seemed to be.
En savoir plus

140 En savoir plus

Show all 6115 documents...